分享打开微信,点击底部的“发现”,使用 “扫一扫” 即可将网页分享到我的朋友圈
为了解决高含硫天然气脱硫工艺中脱硫选择性差、能耗高等问题,提出了基于大数据的高含硫天然气脱硫工艺优化方法.首先,通过工艺流程分析,发现对性能指标有显著影响的决策参数,建立无迹卡尔曼滤波神经网络动态模型,获知了脱硫工艺的潜在规律;然后,针对原脱硫工艺中H2S、CO2过分脱除问题,采用偏好多目标优化的方法,分别以H2S浓度逼近2.5 mg/m3、CO2浓度逼近2%为目标函数,采用非支配性排序遗传算法对模型进行多目标优化,获得了最佳工艺参数.采集某高含硫天然气净化厂脱硫单元2014年1-12月的生产数据,取前80%数据作为训练集,后20%数据作为测试集,进行了仿真实验.结果表明:①所建立的动态模型能够较好地反映脱硫工艺生产规律;②优化结果建议适当降低一级吸收塔温度,提高二级吸收塔温度,提高闪蒸罐压力,并减少胺液循环量;③优化后净化气中H2S浓度将由0.62 mg/m3提高至3.22 mg/m3,CO2浓度由1.19%提高至1.99%,脱硫选择性显著提高;④相对胺液循环量下降16.67%,蒸汽消耗量减少,净化气产率提高0.8%,总体实现了增产节能降耗的目的.
高含硫天然气、大数据、神经网络、动态建模、偏好函数、多目标优化、脱硫工艺、增产节能降耗
36
TP3;TE8
国家科技重大专项“百亿立方米级净化厂安全运行技术优化”2011ZX05017-005;重庆市基础与前沿研究计划项目“油田机采过程大数据智能化利用与生产控制稳健优化”“基于工业大数据的高含硫天然气净化过程异常监测与诊断方法”fcstc2015jcyjBX0089、cstc2015jcyjA90024;重庆市教委科学技术研究项目“基于工业大数据的高含硫天然气净化过程异常监测与诊断方法”“基于数据驱动的高含硫天然气净化脱硫过程故障检测与诊断”KJ1401312、KJ1501304
2016-10-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
107-114