原料油加工控制方法和装置与流程

1.本发明涉及石油加工技术领域，尤其涉及一种原料油加工控制方法和装置。


背景技术：

2.原料油加工过程主要是原料油中碳、氢等元素的再平衡过程。原料油经过加氢、裂化、氢转移、异构化等过程得到干气、液化气、汽油、轻循环油、油浆、焦炭等产物。
3.原料油加工系统一般包括催化裂化装置和加氢装置。现有技术中，通常是建立催化裂化装置的机理模型，根据机理模型对催化裂化装置生成的产物进行预测，然后根据预测结果，结合操作员的经验进行加氢处理。由于机理模型建立的过程相对复杂，且精度较差，使得原料油加工的过程中氢气消耗量大，目标产物收率无法保证。


技术实现要素：

4.本发明提供一种原料油加工控制方法和装置，用于解决现有技术中通过建立催化裂化装置的机理模型，对原料油的生成产物进行预测，从而控制原料油加工系统，氢气消耗量大，目标产物收率无法保证的技术问题。
5.本发明提供一种原料油加工控制方法，包括：
6.获取原料油加工系统在当前工况下的初始控制参数；
7.基于所述初始控制参数和生成产物预测模型，确定所述当前工况的生成产物预测结果；
8.基于预设优化条件和所述生成产物预测结果，确定所述当前工况的目标控制参数；
9.基于所述目标控制参数对所述原料油加工系统进行控制；
10.其中，所述生成产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。
11.根据本发明提供的原料油加工控制方法，所述生成产物预测模型是基于如下步骤确定的：
12.确定初始模型；
13.基于多个工况下的历史控制参数和历史生成产物结果，对所述初始模型进行训练，得到所述生成产物预测模型；
14.其中，所述历史生成产物结果包括低碳烃历史流量、低碳烃历史氢含量、液相油历史流量和液相油历史氢含量中的至少一种。
15.根据本发明提供的原料油加工控制方法，所述基于所述目标控制参数对所述原料油加工系统进行控制，包括：
16.基于所述目标控制参数，确定催化裂化装置的目标操作参数和加氢装置的目标加氢深度；
17.基于所述目标操作参数对所述催化裂化装置进行控制，并基于所述目标加氢深度
对所述加氢装置进行控制；
18.其中，所述原料油加工系统包括催化裂化装置和加氢装置。
19.根据本发明提供的原料油加工控制方法，所述预设优化条件是基于所述生成产物预测结果中各个产物的流量和氢含量确定的。
20.根据本发明提供的原料油加工控制方法，所述基于预设优化条件和所述生成产物预测结果，确定所述当前工况的目标控制参数，包括：
21.基于所述生成产物预测结果中各个产物的流量和氢含量，确定所述预设优化条件中的目标函数和约束条件；
22.基于所述目标函数，对所述初始控制参数进行调整得到控制参数调整值，并基于所述控制参数调整值和所述生成产物预测模型，确定所述当前工况的生成产物优化结果；
23.若所述生成产物优化结果满足所述约束条件，则将所述生成产物优化结果对应的控制参数调整值作为所述当前工况的目标控制参数。
24.根据本发明提供的原料油加工控制方法，所述初始控制参数包括原料性质参数、初始操作参数和加氢深度初始值，所述初始操作参数包括催化裂化装置中的反应温度初始值和反应压力初始值，以及原料油在催化裂化装置中的停留时间初始值。
25.本发明提供一种原料油加工控制装置，包括：
26.获取单元，用于获取原料油加工系统在当前工况下的初始控制参数；
27.预测单元，用于基于所述初始控制参数和生成产物预测模型，确定所述当前工况的生成产物预测结果；
28.优化单元，用于基于预设优化条件和所述生成产物预测结果，确定所述当前工况的目标控制参数；
29.控制单元，用于基于所述目标控制参数对所述原料油加工系统进行控制；
30.其中，所述生成产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。
31.本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述原料油加工控制方法的步骤。
32.本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述原料油加工控制方法的步骤。
33.本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现所述原料油加工控制方法的步骤。
34.本发明实施例提供的一种原料油加工控制方法和装置，通过生成产物预测模型，确定原料油加工系统在当前工况下的生成产物预测结果，根据预设优化条件和生成产物预测结果，确定当前工况的目标控制参数，从而对原料油加工系统进行控制，生成产物预测模型包括了低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型，能够对原料油的生成产物进行准确地预测和优化，无需建立复杂的机理模型，提高了生成产物预测结果和优化结果的准确性，在保证目标产物收率的情况下，降低了炼油过程中的氢气消耗。
附图说明
35.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
36.图1为本发明提供的原料油加工控制方法的流程示意图；
37.图2为本发明提供的液化气流量及氢含量预测模型的建模示意图；
38.图3为本发明提供的汽油流量及氢含量预测模型的建模示意图；
39.图4是本发明提供的原料油加工控制装置的结构示意图；
40.图5是本发明提供的电子设备的结构示意图。
具体实施方式
41.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.图1为本发明提供的原料油加工控制方法的流程示意图，如图1所示，该方法包括：
43.步骤110，获取原料油加工系统在当前工况下的初始控制参数。
44.具体地，本发明实施例中原料油加工系统包括了催化裂化装置，以及设置在催化裂化装置上游的加氢装置。用来炼油的原料油可以为蜡油或者渣油。加氢装置用于增加原料油中的氢含量。催化裂化装置用于催化加氢后的原料油进行催化裂化反应，分离出各类产物。
45.当前工况为当前进行炼油的工作状态。对于工况，可以根据加工原料油、反应温度和反应压力等进行划分。
46.控制参数与工况相对应，是用于对催化裂化装置和加氢装置的运行状态进行控制的参数，包括了催化裂化装置的操作参数和加氢装置的加氢深度等。例如，对于催化裂化装置，其控制参数包括该装置的操作参数，比如反应温度、反应压力和反应物停留时间等，此外，控制参数还可以包括原料油、产物的化验分析数据，如密度、馏程、硫含量、氮含量、氢含量等。对于加氢装置，其控制参数可以为原料油的加氢深度。
47.初始控制参数为控制原料油加工系统进入当前工况运行时的各类参数的初始值。初始控制参数可以为根据操作人员的操作经验确定的初始参数，也可以为原料油加工系统的默认参数。
48.步骤120，基于初始控制参数和生成产物预测模型，确定当前工况的生成产物预测结果；其中，生成产物预测结果包括低碳烃预测流量、低碳烃预测氢含量、液相油预测流量和液相油预测氢含量中的至少一种；生成产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。
49.具体地，生成产物预测结果为经过催化裂化反应后生成的多个产物，以及每一产物的预测流量和预测氢含量。例如，对于蜡油，其经过催化裂化反应后，生成干气、液化气、汽油、轻循环油、油浆和焦炭等产物，其生成产物预测结果为每一产物的预测流量和预测氢
含量。预测流量为催化裂化装置生成某一产物的流量预测值，单位可以为吨/小时(t/h)，用于衡量该产物的产量。预测氢含量为催化裂化装置生成某一产物中的氢元素质量比率预测值，单位可以为百分数(％)，用于衡量该产物的产品质量。
50.生成产物预测模型为用于对原料油进行催化裂化反应后生成的各个产物的分布结果进行预测的模型，可以采用数据驱动的方法进行获取。
51.对于原料油，其生成产物比较复杂，可以包括干气、液化气、汽油、轻循环油、油浆和焦炭等，上述产物可以分为低碳烃和液相油。其中，低碳烃包括干气和液化气，液相油包括汽油、轻循环油和油浆。
52.因此，采用数据驱动的方法，采集不同工况下原料油的性质参数，原料油加工系统的控制参数，以及原料油催化裂化过程中低碳烃和液相油的实际流量和实际氢含量等，对初始模型进行训练后得到生成产物预测模型。
53.按照建模对象的不同，生成产物预测模型可以包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型。
54.步骤130，基于预设优化条件和生成产物预测结果，确定当前工况的目标控制参数。
55.具体地，预设优化条件用于对催化裂化反应中的生成产物预测结果进行优化。
56.根据预设优化条件，在生成产物预测结果的基础上进行优化，优化的过程可以为调整初始控制参数，改变各个产物的流量和/或氢含量，使其满足预设优化条件，得到生成产物优化结果，并将该生成产物优化结果对应的控制参数作为目标控制参数。
57.步骤140，基于目标控制参数对原料油加工系统进行控制。
58.具体地，目标控制参数是根据原料油加工系统的生成产物优化结果确定的。采用目标控制参数，可以对原料油加工系统进行控制。
59.当采用目标控制参数对原料油加工系统中的催化裂化装置和加氢装置进行控制时，加氢装置和催化裂化装置能够实现上下游协同，使得加氢装置输出的加氢后的原料油进入催化裂化装置中进行反应时，既能够按照预设优化条件的要求，得到理想的生成产物优化结果，又能够避免加入过量的氢元素，造成浪费。
60.本发明实施例提供的原料油加工控制方法，通过生成产物预测模型，确定原料油加工系统在当前工况下的生成产物预测结果，根据预设优化条件和生成产物预测结果，确定当前工况的目标控制参数，从而对原料油加工系统进行控制，生成产物预测模型包括了低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型，能够对原料油的生成产物进行准确地预测和优化，无需建立复杂的机理模型，提高了生成产物预测结果和优化结果的准确性，在保证目标产物收率的情况下，降低了炼油过程中的氢气消耗。
61.基于上述实施例，生成产物预测模型是基于如下步骤确定的：
62.确定初始模型；
63.基于多个工况下的历史控制参数和历史生成产物结果，对初始模型进行训练，得到生成产物预测模型；
64.其中，历史生成产物结果包括低碳烃历史流量、低碳烃历史氢含量、液相油历史流量和液相油历史氢含量中的至少一种。
65.具体地，工况是基于原料油的种类、催化裂化装置的反应温度和催化裂化装置的反应压力中的至少一种确定的。
66.历史流量为实际测量得到的流量，历史氢含量为实际测量得到的氢含量。低碳烃历史流量包括了干气和液化气的历史流量，低碳烃历史氢含量包括了干气和液化气的历史氢含量。液相油历史流量包括了汽油、轻循环油和油浆的历史流量，液相油历史氢含量包括了汽油、轻循环油和油浆的历史氢含量。
67.生成产物预测模型均是采用数据驱动的方法建立的。其中，初始模型可以选用各类神经网络学习模型等，本发明实施例对于初始模型的类型不作具体限定。
68.例如，对于低碳烃流量预测模型和低碳烃氢含量预测模型，其建模方法可以包括：
69.步骤一、建立数据仓库模块。该模块能完成对原料油加工系统的历史工况和操作数据(来自加工控制系统)、原油及主要产品理化性质分析报告和技术月报建立数据库，实现大规模数据的统一存储、管理和调用。
70.步骤二、建立特征选择模块。该模块能完成基于原料油加工过程相关化工反应机理、现场人员操作经验、装置主要控制回路提取主要特征变量用于建模。若建模精度不满足要求，该模块设计有基于数据驱动的特征选择模块从相关操作单元中选取补充特征变量。
71.步骤三、建立模型训练模块。将催化裂化干气、液化气常规监测报告得到的氢含量样本作为模型训练的因变量，构建出用于预测干气、液化气氢含量的低碳烃氢含量预测模型。
72.同理，将干气、液化气产量报告得到的流量样本作为模型训练的因变量，构建出用于预测干气、液化气流量的低碳烃流量预测模型。
73.步骤四、建立模型评价模块。实现模型参数寻优和模型评价，本模块能够根据交叉验证结果进行xgboost模型的超参数选择；并能够根据模型在验证集上的表现评价模型的预测能力。
74.又例如，对于液相油氢含量预测模型，其建模方法可以包括：
75.步骤一、通过数据搜集，常规化验分析数据筛选，快速建立催化汽油、轻循环油、油浆等氢含量计算公式；
76.步骤二、构建基于催化裂化液相油品氢含量快速计算形成样本点的特征选择模块方法，能够挑选与催化裂化液相油品氢含量预测相关的特征变量和关键参数，包括原料性质、催化裂化液相油品性质以及装置操作参数等；
77.步骤三、氢含量模型训练；
78.步骤四、参数寻优及模型评价模块，能够根据交叉验证结果进行gbdt模型的超参数选择，并能够根据模型在验证集上的表现评价模型的预测能力。
79.液相油流量预测模型的建模方法与低碳烃流量预测模型的建模方法类似，此处不再赘述。
80.基于上述任一实施例，步骤140包括：
81.基于目标控制参数，确定催化裂化装置的目标操作参数和加氢装置的目标加氢深度；
82.基于目标操作参数对催化裂化装置进行控制，并基于目标加氢深度对加氢装置进行控制；
83.其中，原料油加工系统包括催化裂化装置和加氢装置。
84.具体地，控制参数可以包括催化裂化装置的操作参数和加氢装置的加氢深度。操作参数包括催化裂化装置中的反应温度、反应压力和反应物停留时间。反应压力可以选择装置的出口压力。加氢深度为加氢处理的完全程度，加氢处理使原料油中的不饱和键在氢气和催化剂的作用下变成饱和键。
85.目标控制参数包括了催化裂化装置的目标操作参数和加氢装置的目标加氢深度。根据当前工况的生成产物优化结果对应的目标控制参数，可以同时对催化裂化装置和加氢装置进行协同控制，使得加氢处理后的原料油能够满足催化裂化反应的需要，并避免加入过多的氢气，减小了氢气消耗量。
86.基于上述任一实施例，预设优化条件是基于生成产物预测结果中各个产物的流量和氢含量确定的。
87.具体地，预设优化条件可以根据生成产物预测结果中各个产物的流量或者氢含量进行确定，比如，预设优化条件可以为液化气和汽油的流量之和在各个产物的流量中最大，和/或，干气和焦炭中的氢含量之和在各个产物的氢含量中最小。又比如，预设优化条件可以为一个或者多个产物的流量大于预设流量阈值。
88.基于上述任一实施例，步骤130包括：
89.基于生成产物预测结果中各个产物的流量和氢含量，确定预设优化条件中的目标函数和约束条件；
90.基于目标函数，对初始控制参数进行调整得到控制参数调整值，并基于控制参数调整值和生成产物预测模型，确定当前工况的生成产物优化结果；
91.若生成产物优化结果满足约束条件，则将生成产物优化结果对应的控制参数调整值作为当前工况的目标控制参数。
92.具体地，由于炼油过程会生成多个产物，每一产物的利用价值均不相同。可以通过设置目标函数和预设产物，对生成产物预测结果进行优化。第一预设产物为对目标流量进行优化的产物，例如第一预设产物可以包括液化气和汽油。第二预设产物为对氢含量进行优化的产物，例如第二预设产物可以包括干气和焦炭。
93.若预设优化条件包括以液化气、汽油产量最大，干气、焦炭中氢含量最小为优化目标的目标函数，则可以用公式表示为：
94.miny1＝(f
干气
x
干气,h
+f
焦炭
x
焦炭,h
)/(f
原料油
x
原料,h
)
95.maxy2＝(f
液化气
+f
汽油
)/f
原料油
96.式中，y1为目标函数1，y2为目标函数2，x
原料油,h
为原料油中的氢元素质量分率，x
干气,h
为干气中的氢元素质量分率，x
焦炭,h
为焦炭中的氢元素质量分率，f
原料油
为原料油的流量，f
液化气
为液化气的流量，f
汽油
为汽油的流量，f
干气
为干气的流量，f
焦炭
为焦炭的流量。
97.此外，预设优化条件还可以包括约束条件，约束条件可以根据生成产物预测结果中各个产物的流量和氢含量进行确定。例如，各个产物的流量应满足质量守恒约束，或者某一产物的流量应大于预设流量阈值等。
98.根据目标函数，对初始控制参数进行调整，得到控制参数调整值，并根据控制参数调整值和生成产物预测模型，确定当前工况的生成产物优化结果。
99.对初始控制参数进行调整，可以建立装置多目标优化数学模型，调用优化算法，并
与生成产物预测模型关联。优化算法可以包括模糊优化算法、多目标列队竞争算法、遗传算法、神经网络算法等。
100.若当前工况的生成产物优化结果满足约束条件，则将生成产物优化结果对应的控制参数调整值作为当前工况的目标控制参数。
101.若当前工况的生成产物优化结果不满足约束条件，则根据当前工况的生成产物优化结果和目标函数再次进行调整，直至得到满足约束条件的生成产物优化结果，并将其对应的控制参数调整值作为当前工况的目标控制参数。
102.基于上述任一实施例，初始控制参数包括原料性质参数、初始操作参数和加氢深度初始值，初始操作参数包括催化裂化装置中的反应温度初始值和反应压力初始值，以及原料油在催化裂化装置中的停留时间初始值。
103.具体地，原料性质参数为原料本身的物理特性或者化学特性，比如密度、残碳值、粘度和元素质量分数等。
104.初始控制参数包括初始操作参数，初始操作参数用于对催化裂化装置进行操作，为催化裂化反应提供反应环境。初始操作参数具体包括催化裂化装置中的反应温度初始值和反应压力初始值，以及原料油在催化裂化装置中的停留时间初始值。
105.加氢深度初始值为进入当前工况时，加氢装置中设定的加氢深度的初始值。
106.基于上述任一实施例，本发明实施例提供一种蜡油加工控制方法，该方法包括：
107.步骤一、收集装置基础数据及不同工况对应的运行数据，建立基础数据库。
108.装置包括加氢装置和催化裂化装置。催化裂化装置为反应再生高低并列式；反应部分采用内提升管的mip-cgp(增产丙烯、多产异构化烷烃的清洁汽油生产技术)工艺技术；再生部分采用并列式两器再生技术；第一再生器采用不完全再生技术，设有两组外取热器；第二再生器采用完全再生技术，设有再生催化剂脱气罐；第一再生器和第二再生器烟气在烟道中混合，并补充空气，使一氧化碳发生燃烧反应，高温烟气经高取热器取热，降温后烟气送入第三级旋风分离器。
109.对历史数据进行整理，根据装置原料油加工量、掺渣量、回炼油量、反应器出口温度、反应器出口压力区别，分为若干工况。以其中一个工况作为当前工况，对数据进行相关主要参数介绍，该工况下的原料油主要参数、催化剂主要参数和操作参数分别见表1、表2和表3。
110.表1原料油主要参数
111.项目数值项目数值密度(20℃)，kg/m3903.7馏程，℃ 残碳值，％4.08初馏点180.9粘度(80℃)，mm2/s34.325％271.5相对分子质量50910％357.5元素质量分数，％ 20％412.9c86.7830％446.6h12.9140％494.9s0.2850％540.4n0.1860％577.8
112.表2催化剂主要参数
[0113][0114][0115]
表3操作参数
[0116][0117][0118]
步骤二、构建基于数据驱动的催化裂化装置产品流量、氢含量预测的数学模型，分别建立以催化干气、液化气为对象的低碳烃流量及氢含量预测数学模型，和以汽油、轻循环油、油浆为对象的液相油品流量及氢含量预测数学模型。
[0119]
图2为本发明提供的液化气流量及氢含量预测模型的建模示意图，如图2所示，建立以催化液化气为对象的低碳烃流量及氢含量预测数学模型。具体包括：数据仓库模块，数据提取模块、特征选择模块、模型训练模块以及模型评价模块。
[0120]
以氢含量预测模型为例进行说明。其中，数据仓库模块用于构建数据仓库，即从工厂原理化验物性和工程dcs监控数据中提取历史原料性质参数和历史操作参数，并对其进行数据清洗后，按各生产单元建立对应的mysql数据库和数据表，并实现csv缓存机制。然后，特征选择模块对数据仓库中的参数进行特征选择，选取影响氢含量的关键参数，并通过数据提取模块基于液化气气相色谱数据计算得到关键参数对应的液化气氢含量，从而模型训练模块可以基于关键参数以及关键参数对应的液化气氢含量训练得到液化气氢含量预测模型。在得到液化气氢含量预测模型后，模型评价模块可以基于液化气氢含量预测模型进行氢含量预测和结果评价。
[0121]
图3为本发明提供的汽油流量及氢含量预测模型的建模示意图，如图3所示，建立以汽油为对象的液相油品流量及氢含量预测数学模型。建模过程与液化气类似，此处不再赘述。
[0122]
步骤三、建立生成产物的多目标优化数学模型，以液化气、汽油产量最大，干气、焦炭中氢含量最小为优化目标。
[0123]
建立基于氢分布最优、目标产物收率最大化的催化裂化装置生成产物多目标优化数学模型。
[0124]
其中，目标函数为：
[0125]
miny1＝(f
干气
x
干气,h
+f
焦炭
x
焦炭,h
)/(f
原料油
x
原料,h
)
[0126]
maxy2＝(f
液化气
+f
汽油
)/f
原料油
[0127]
当以原料中氢含量最小为优化目标时，目标函数还可以为：
[0128]
miny1＝x
原料,h
[0129]
约束条件为：
[0130]
(1)平衡约束
[0131]f原料油
＝f
干气
+f
液化气
+f
汽油
+f
轻循环油
+f
焦炭
[0132]f原料油
x
原料油,h
[0133]
＝f
干气
x
干气,h
+f
液化气
x
液化气,h
+f
汽油
x
汽油,h
[0134]
+f
轻循环油
x
轻循环油,h
+f
油浆
x
油浆,h
+f
焦炭
x
焦炭,h
[0135]
(2)其他约束
[0136]
液化气产物流量≥47t/h；
[0137]
汽油产物流量≥110t/h；
[0138]
干气中c3+含量约束，约束条件为c3+轻烃体积分数≤3％；
[0139]
液化气中c2含量约束，约束条件为c2体积分数≤0.4％；
[0140]
液化气中c5含量约束，约束条件为c5体积分数≤1％；
[0141]
汽油astm d86干点约束，约束条件为200～204℃；
[0142]
原料油流量约束，160t/h≤f
原料油
≤250t/h；
[0143]
原料油残碳ct约束，3.0％≤ct≤8.0％；
[0144]
原料油氢含量约束，11.0％≤x
原料油,h
≤14.0％；
[0145]
反应器出口温度约束，480℃≤t
反应器出口
≤520℃；
[0146]
反应压力约束，0.25mpa≤p
反应
≤0.40mpa；
[0147]
稳定汽油循环量，25-45t/h；
[0148]
再吸收塔再吸收剂流量，30-60t/h；
[0149]
再吸收塔再吸收剂温度，30-40℃；
[0150]
产物氢含量约束：
[0151]
a、干气与焦炭中的氢含量小于液相油品中的氢含量
[0152]f干气
x
干气,h
+f
焦炭
x
焦炭,h
[0153]
《f
液化气
x
液化气,h
+f
汽油
x
汽油,h
+f
轻循环油
x
轻循环油,h
[0154]
+f
油浆
x
油浆,h
[0155]
b、液化气中氢含量大于油浆中氢含量
[0156]f液化气
x
液化气,h
＞f
油浆
x
油浆,h
[0157]
式中：y1为目标函数1；y2为目标函数2；x
原料油,h
为原料油中的氢元素质量分率，f
原料油
为原料油的流量；f
干气
为干气流量，t/h；x
干气,h
为干气中氢元素质量分率，％；f
液化气
为液化气流量，t/h；x
液化气,h
为液化气中氢元素质量分率，％；f
汽油
为汽油流量，t/h；x
汽油,h
为汽油中氢元素质量分率，％；f
轻循环油
为轻循环油流量，t/h；x
轻循环油,h
为轻循环油中氢元素质量分率，％；f
油浆
为油浆流量，t/h；x
油浆,h
为油浆中氢元素质量分率，％；f
焦炭
为焦炭流量，t/h；x
焦炭
，h为焦炭中氢元素质量分率，％；ct为原料油残碳，％；t
反应器出口
为(1号、2号)反应器出口温度，℃；p
反应
为反应压力，mpa。
[0158]
步骤四、获取当前工况下最优的生成产物，以及目标控制参数当前工况下最优的生成产物如表4所示。在满足装置生产任务(液化气+汽油)前提下，通过催化裂化产品分布的多目标优化模型求解，得到产品分布及原料氢含量需求方案：在装置优化操作情况下，催化裂化进料的氢含量由12.91％降低至12.12％也不会影响装置的生产任务，且产品质量合格；催化裂化进料中氢含量的减少，进而可降低上游蜡油加氢装置的加氢深度，减少氢气消耗1.58万吨/年。
[0159]
表4优化方案测算结果
[0160][0161][0162]
基于上述任一实施例，图4是本发明提供的原料油加工控制装置的结构示意图，如图4所示，该装置包括：
[0163]
获取单元410，用于获取原料油加工系统在当前工况下的初始控制参数；
[0164]
预测单元420，用于基于初始控制参数和生成产物预测模型，确定当前工况的生成产物预测结果；
[0165]
优化单元430，用于基于预设优化条件和生成产物预测结果，确定当前工况的目标控制参数；
[0166]
控制单元440，用于基于目标控制参数对原料油加工系统进行控制；
[0167]
其中，生成产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。
[0168]
本发明实施例提供的原料油加工控制装置，通过生成产物预测模型，确定原料油加工系统在当前工况下的生成产物预测结果，根据预设优化条件和生成产物预测结果，确定当前工况的目标控制参数，从而对原料油加工系统进行控制，生成产物预测模型包括了低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型，能够对原料油的生成产物进行准确地预测和优化，无需建立复杂的机理模型，提高了生成产物预测结果和优化结果的准确性，在保证目标产物收率的情况下，降低了炼油过程中的氢气消耗。
[0169]
基于上述任一实施例，该装置还包括：
[0170]
模型确定单元，用于确定初始模型；
[0171]
基于多个工况下的历史控制参数和历史生成产物结果，对初始模型进行训练，得到生成产物预测模型；
[0172]
其中，历史生成产物结果包括低碳烃历史流量、低碳烃历史氢含量、液相油历史流量和液相油历史氢含量中的至少一种。
[0173]
基于上述任一实施例，控制单元用于：
[0174]
基于目标控制参数，确定催化裂化装置的目标操作参数和加氢装置的目标加氢深度；
[0175]
基于目标操作参数对催化裂化装置进行控制，并基于目标加氢深度对加氢装置进行控制；
[0176]
其中，原料油加工系统包括催化裂化装置和加氢装置。
[0177]
基于上述任一实施例，预设优化条件是基于生成产物预测结果中各个产物的流量和氢含量确定的。
[0178]
基于上述任一实施例，优化单元用于：
[0179]
基于生成产物预测结果中各个产物的流量和氢含量，确定预设优化条件中的目标函数和约束条件；
[0180]
基于目标函数，对初始控制参数进行调整得到控制参数调整值，并基于控制参数调整值和生成产物预测模型，确定当前工况的生成产物优化结果；
[0181]
若生成产物优化结果满足约束条件，则将生成产物优化结果对应的控制参数调整值作为当前工况的目标控制参数。
[0182]
基于上述任一实施例，初始控制参数包括原料性质参数、初始操作参数和加氢深度初始值，初始操作参数包括催化裂化装置中的反应温度初始值和反应压力初始值，以及原料油在催化裂化装置中的停留时间初始值。
[0183]
基于上述任一实施例，图5为本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communications interface)520、存储器(memory)530和通信总线(communications bus)540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑命令，以执行如下方法：
[0184]
获取原料油加工系统在当前工况下的初始控制参数；基于初始控制参数和生成产物预测模型，确定当前工况的生成产物预测结果；基于预设优化条件和生成产物预测结果，确定当前工况的目标控制参数；基于目标控制参数对原料油加工系统进行控制；其中，生成
产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。
[0185]
此外，上述的存储器530中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0186]
本发明实施例提供的电子设备中的处理器可以调用存储器中的逻辑指令，实现上述方法，其具体的实施方式与前述方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
[0187]
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：
[0188]
获取原料油加工系统在当前工况下的初始控制参数；基于初始控制参数和生成产物预测模型，确定当前工况的生成产物预测结果；基于预设优化条件和生成产物预测结果，确定当前工况的目标控制参数；基于目标控制参数对原料油加工系统进行控制；其中，生成产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。
[0189]
本发明实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时，实现上述方法，其具体的实施方式与前述方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
[0190]
本发明实施例提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述方法的步骤。
[0191]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0192]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0193]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；
而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种原料油加工控制方法，其特征在于，包括：获取原料油加工系统在当前工况下的初始控制参数；基于所述初始控制参数和生成产物预测模型，确定所述当前工况的生成产物预测结果；基于预设优化条件和所述生成产物预测结果，确定所述当前工况的目标控制参数；基于所述目标控制参数对所述原料油加工系统进行控制；其中，所述生成产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。2.根据权利要求1所述的原料油加工控制方法，其特征在于，所述生成产物预测模型是基于如下步骤确定的：确定初始模型；基于多个工况下的历史控制参数和历史生成产物结果，对所述初始模型进行训练，得到所述生成产物预测模型；其中，所述历史生成产物结果包括低碳烃历史流量、低碳烃历史氢含量、液相油历史流量和液相油历史氢含量中的至少一种。3.根据权利要求1所述的原料油加工控制方法，其特征在于，所述基于所述目标控制参数对所述原料油加工系统进行控制，包括：基于所述目标控制参数，确定催化裂化装置的目标操作参数和加氢装置的目标加氢深度；基于所述目标操作参数对所述催化裂化装置进行控制，并基于所述目标加氢深度对所述加氢装置进行控制；其中，所述原料油加工系统包括催化裂化装置和加氢装置。4.根据权利要求1至3任一项所述的原料油加工控制方法，其特征在于，所述预设优化条件是基于所述生成产物预测结果中各个产物的流量和氢含量确定的。5.根据权利要求4所述的原料油加工控制方法，其特征在于，所述基于预设优化条件和所述生成产物预测结果，确定所述当前工况的目标控制参数，包括：基于所述生成产物预测结果中各个产物的流量和氢含量，确定所述预设优化条件中的目标函数和约束条件；基于所述目标函数，对所述初始控制参数进行调整得到控制参数调整值，并基于所述控制参数调整值和所述生成产物预测模型，确定所述当前工况的生成产物优化结果；若所述生成产物优化结果满足所述约束条件，则将所述生成产物优化结果对应的控制参数调整值作为所述当前工况的目标控制参数。6.根据权利要求1至3任一项所述的原料油加工控制方法，其特征在于，所述初始控制参数包括原料性质参数、初始操作参数和加氢深度初始值，所述初始操作参数包括催化裂化装置中的反应温度初始值和反应压力初始值，以及原料油在催化裂化装置中的停留时间初始值。7.一种原料油加工控制装置，其特征在于，包括：获取单元，用于获取原料油加工系统在当前工况下的初始控制参数；预测单元，用于基于所述初始控制参数和生成产物预测模型，确定所述当前工况的生
成产物预测结果；优化单元，用于基于预设优化条件和所述生成产物预测结果，确定所述当前工况的目标控制参数；控制单元，用于基于所述目标控制参数对所述原料油加工系统进行控制；其中，所述生成产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述原料油加工控制方法的步骤。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述原料油加工控制方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述原料油加工控制方法的步骤。

技术总结
本发明提供一种原料油加工控制方法和装置，其中方法包括：获取原料油加工系统在当前工况下的初始控制参数；基于所述初始控制参数和生成产物预测模型，确定所述当前工况的生成产物预测结果；基于预设优化条件和所述生成产物预测结果，确定所述当前工况的目标控制参数；基于所述目标控制参数对所述原料油加工系统进行控制；其中，所述生成产物预测模型包括低碳烃流量预测模型、低碳烃氢含量预测模型、液相油流量预测模型和液相油氢含量预测模型中的至少一种。本发明提供的方法和装置，能够对原料油的生成产物进行准确地预测和优化，在保证目标产物收率的情况下，降低了炼油过程中的氢气消耗。的氢气消耗。的氢气消耗。


技术研发人员：王阳峰 白丽莉 童宇亮 张伟 谭明松
受保护的技术使用者：中国石油化工股份有限公司大连石油化工研究院
技术研发日：2022.01.10
技术公布日：2023/7/22