基于数据驱动的蜡油加氢装置产品预测与多目标操作优化

田水苗， 曹萃文

(华东理工大学 化工过程先进控制和优化技术教育部重点实验室，上海 200237)

近年来，随着环保法规日益严格及原油的重质化和劣质化，提高产品品质，降低油品杂质成为了炼油工艺发展的首要目标，加氢处理成为最主要的原油加工工艺之一[1]。因此，以流程模拟为基础，深入研究蜡油加氢处理过程及其产品的硫、氮含量，对提高油品品质、生产清洁燃油具有重要意义。

蜡油加氢处理装置主要以常减压蒸馏装置的减压蜡油(VGO)、焦化蜡油(CGO)为原料，通过加氢处理，进行脱硫、脱氮及烯烃饱和，为催化裂化提供优质的原料[2]。起初，学者们针对加氢装置操作运行优化的研究主要是工程方面的，比如按照不同的工艺条件对装置进行改造[3]、对装置中影响氢耗的因素进行分析等[4]。随着研究的深入，工业数据缺失不足逐渐显现，利用流程模拟技术对炼油厂加氢装置进行机理建模和优化[5-6]已逐渐成为重要的研究方法。流程模拟软件，如Aspen HYSYS和Aspen Plus，在蜡油加氢装置氢耗[7]、能耗[8]、故障诊断[9]等方面的应用也越来越广泛。

由于化工过程机理十分复杂，具有强耦合性、高非线性和大时滞等特点，建立与实际生产过程相一致的精确机理模型难度较大。因此，近年来以神经网络为代表的数据驱动建模方法在加氢装置的产品预测和操作优化研究中得到了重视[10]。Lukec等[11]和Arce-Medina等[12]采用人工神经网络方法分别预测了蜡油加氢处理过程和石脑油加氢脱硫过程中主产品的硫含量，预测精度很高。……