S Zorb精制汽油辛烷值优化模型及工业应用

摘要：

针对S Zorb精制汽油研究法辛烷值(RON)损失较大的问题,以某石化企业S Zorb装置近3年的运行数据为基础,采用最大互信息系数(MIC)和Pearson相关系数并结合BP神经网络,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273个变量中筛选出22个建模变量,构建了结构为21-14-1的汽油RON预测模型,并进行验证.结果表明:建立的预测模型具有较好的拟合优度和泛化能力,其对测试集的平均绝对误差(MAE)和决定系数(R2)分别为0.1163、0.9601.在此基础上,针对具体原料性质,采用遗传算法(GA)优化操作变量,发现该模型通过优化能有效降低汽油RON损失;工业试验验证结果表明,通过模型优化操作变量可使汽油RON损失降低25％.

关键词：催化裂化汽油、S Zorb工艺、BP神经网络、遗传算法、辛烷值损失

所属期刊栏目：53

分类号：TE626.21;TP391.9;F224

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：2022-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：88-94