基于BP神经网络和遗传算法优化S Zorb装置汽油辛烷值损失

摘要：

催化裂化汽油在精制改质过程中通常存在一定幅度的辛烷值损失.以国内某石化企业1.2 Mt/a S Zorb装置多年数据为基础,使用灰色关联分析和SPSS方法从包括原料油性质、吸附剂性质、产品性质和操作变量在内的368个变量中筛选出22个建模变量.在通过模糊C均值聚类算法将原料油分为3类的基础上,分别建立了结构为21-20-1,21-18-1,21-17-1的预测产品研究法辛烷值(RON)的BP神经网络模型.结果表明,所建立的3种模型预测效果良好.将所建立的RON预测模型与遗传算法相结合,在保证汽油脱硫效果的前提下,可以明显降低产品汽油RON损失,对实际工业生产具有参考作用.

关键词：S Zorb工艺、辛烷值损失、BP神经网络、模糊C均值聚类算法、遗传算法

所属期刊栏目：52

分类号：U448.21+5;TE626.21;TP391

资助基金：中国石油化工股份有限公司合同项目CLY19056

在线出版日期：2021-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：88-95