催化裂化装置反应—再生部分预测控制研究

【摘要】：众所周知,原油是一种富含高价值但又极其复杂的混合物,主要是复杂的烃类和非烃类的混合物,因此必须通过各种加工手段才能使其转化为符合质量要求的产品。一般情况下,通过一次加工,采用常减压蒸馏后,能够得到10~40%的轻质油品,如汽油和柴油等等,而大部分余下的是利用价值比较低的重质油和残渣油。由于国民经济和国防需要大量的轻质油品,若不将重油进行二次加工,而只通过原油常减压蒸馏得到的轻质油是不能满足需要的。为了满足国民经济和国防的需要,从而使催化裂化技术得到了发展。反应-再生部分是催化裂化装置(Fluid Catalytic Cracking Unit,FCCU)的核心部分,关于催化裂化的优化与控制一直是研究者关注的焦点。针对反应-再生部分的控制研究,本文主要进行了如下几方面的研究工作:(1)FCCU反应-再生部分机理模型研究。本章对反应-再生部分的机理模型和求解方法进行了研究分析,建立了FCCU优化和控制所需的数学模型,然后对该模型模拟计算,实现了FCCU反应-再生部分的集总浓度与反应温度仿真分析。(2)FCCU反应-再生部分BP(Back Propagation,又称误差反向传播)神经网络建模。根据神经网络能够无限接近于实际对象的特点,通过MATLAB软件编程,建立FCCU反应-再生部分BP神经网络模型。所建模型的误差较小,且训练网络时收敛非常快。(3)FCCU反应-再生部分PID(Proportion Integration Differentiation,比例-积分-微分)控制方案设计及仿真。明确了FCCU反应-再生部分的控制目标、操纵变量和被控变量。利用MATLAB软件对反应-再生部分进行PID控制方案设计并仿真。结果表明,PID控制的控制效果良好,可以满足催化裂化的工业生产目标。(4)FCCU反应-再生部分预测控制设计及性能分析。通过探索模型预测控制(Model Predictive Control,简称MPC)的基本原理,将神经网络与预测控制结合,借助Simulink神经网络预测控制工具箱,进行反应-再生部分神经网络预测控制研究方案设计。并和PID控制相比较,结果表明,FCCU反应-再生部分的神经网络预测控制的控制质量明显优于PID控制,且振荡过程较短,超调量也较小,可实现FCCU反应-再生的优化控制。
【关键词】：FCCU 反应-再生 MATLAB PID控制 神经网络预测控制
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TE96