摘 要

催化重整是化工石油炼制中的重要技术，但是由于涉及到复杂的催化重整反应，各个变量间影响非常复杂。因此建立产品收率的预测模型，用于估计生产最佳操作参数，可对实际生产进行有效的指导。

首先，本文以武汉石油化工厂30万吨/催化重整装置的生产数据为样本。采用具有较高映射能力的BP神经网络来进行催化重整反应的建模。首先对数据进行预处理，随后通过分析网络的构造和学习方法对网络性能的影响，确定了最合适的网络参数。通过比较预测值与真实值的决定系数和预测结果的根均方误差与相对误差，验证了BP神经网络对催化重整反应收率预测的可行性，具有良好的预测效果。

其次，本文将BP神经网络和MIV算法相结合对影响催化重整收率的操作参数进行筛选。根据MIV值选出了10项影响力大的操作参数。再根据筛选后的数据重新确定网络参数并进行神经网络的训练模拟。通过比较筛选前后神经网络的预测性能参数，证明了筛选参数后的神经网络仍具有良好的预测能力。

最后，本文利用具有在全局范围内寻优和并行处理的能力的遗传算法，有效的避免陷入局部最优的问题，根据构建好的神经网络，对催化重整反应的最佳操作条件进行计算修改，借此使得催化重整的模拟收率提高。

关键词：催化重整；bp神经网络；MIV算法；遗传算法；操作优化

Abstract

Catalytic reforming is an important technology in chemical oil refining, but because of the complex catalytic reforming reaction, the influence of each variable is very complicated. Therefore, the forecasting model of product yield is established, which is used to estimate the best operating parameters and can guide the actual production effectively.

First of all, this paper to Wuhan Petrochemical Plant 300,000 tons / catalytic reforming device production data as a sample. The BP neural network with high mapping ability is used to model the catalytic reforming reaction. Firstly, the data are preprocessed, and then the most suitable network parameters are determined by analyzing the influence of network construction and learning methods on network performance. By comparing the coefficient of determination and the relative error between the predicted coefficient and the true value, the feasibility of the BP neural network on the prediction of the catalytic reforming yield is verified, and the prediction effect is good.

Secondly, this paper combines the BP neural network and the MIV algorithm to filter the operating parameters that affect the catalytic reforming yield. According to the MIV value selected 10 influential operating parameters. And then according to the filtered data to re-determine the network parameters and neural network training simulation. By comparing the prediction performance parameters of the neural network before and after screening, it is proved that the neural network after filtering parameters still has good prediction ability.

Finally, this paper uses the genetic algorithm with the ability of global optimization and parallel processing to avoid the problem of local optimum. According to the constructed neural network, the optimal operating conditions of the catalytic reforming reaction are calculated and modified , Whereby the simulated yield of the catalytic reforming is improved.

Key words: catalytic reforming;back propagation neural network;mean impact value; genetic algorithm; optimization

目录

第一章 绪论 1

1.1研究背景 1

1.2研究意义 2

1.3 本文研究路线 2

第二章 BP神经网络 3

2.1人工神经网络 3

2.2人工神经元结构 4

2.3 BP神经网络 4

2.3.1 BP神经网络的拓扑结构 5

2.3.2 BP神经网络的优点 5

2.3.3 BP神经网络的缺陷 6

2.4 BP神经网络的学习方法 7

2.4.1 LM（levenberg-marquardt）算法 7

第三章 催化重整收率预测模型的设计 8

3.1 催化重整样本数据 8

3.2样本数据预处理 8

3.2.1样本数据的归一化 8

3.2.2样本数据的选取 8

3.3 BP神经网络的设计 9

3.3.1网络层数的选择 9

3.3.2 隐含层节点数的选择 9

3.4催化重整收率预测模型 10

第四章 筛选影响催化重整反应收率的主要操作参数 13

4.1主要操作参数筛选的意义 13

4.2主要操作参数的筛选 13

4.2.1 MIV平均影响值算法 13

4.2.2主要操作参数筛选的试验程序 14

4.2.3基于MIV法的主要操作参数选取结果 14

4.3 构建结合MIV的BP神经网络模型 15

4.4 预测结果 15

第五章 遗传算法筛选优化操作条件 18

5.1 遗传算法 18

5.2遗传算法的基本原理 18

5.3 遗传算法的特点 19

5.4 遗传算法的实现 19

5.4.1 种群初始化 19

5.4.2适应度函数 20

5.4.3选择函数 20

5.4.4 基因重组 20

5.4.5基因突变 20

5.5结论分析 21

第六章 总结与展望 23

6.1总结 23

6.2展望 23

参考文献 24

致谢 26

第一章 绪论

1.1研究背景

催化重整（catalytic reforming）是化工和石油炼制的关键技术，即以重石脑油为原料在加热、一定压力、临氢和催化剂存在的条件下使烃类分子结构发生重排，生产富含芳烃的高辛烷值汽油（重整汽油）和副产大量氢气和液化石油气的工艺过程。其中其产生的重整芳烃占全球芳烃产量的70%以上，是化纤、塑料和橡胶的基础原料，其产生的重整氢气是廉价的氢源, 其为炼化企业提供了50%以上的氢气。因此催化重整是现代炼油和石油化工的一项支柱技术。据统计，到2016年年底，我国民用汽车保有量已经达到19440万辆（其中包括三轮汽车和低速货车881万辆）。随着汽车工业的快速发展和人民生活水平的提高，国内汽车保有量逐年攀升，并且在过去5年，中国新增1亿吨炼油能力，全部被新增的3500万辆汽车吞噬掉，很多城市甚至还出现过油荒的严重问题。由于近几年愈加严重的空气污染问题，人民群众对环境的关注度増加以及环保法规的严格化标志着中国政府治理大气污染的力度加大。综合来看, 这将导致我国对汽油的质量（汽油辛烷值）的要求越来越高，对汽油产量的需求也越来越大。相对于重整汽油占汽油池中1/3的欧美等发达国家，我国重整汽油的发展还稍有不足。由此看来高规格的重整汽油必将成为将来汽油消费的主流，对应的重整、加氢等工艺也将有广阔的发展前途^[1-4]。

催化重整主要反应类型包括：六元环烷烃脱氢反应、五元环烷烃脱氢异构化反应、链烷烃异构化反应、链烷烃脱氢环化反应以、烷烃的氢解和加氢裂化反应。其中六元环烷烃脱氢、五元环烷烃异构化脱氢这两个反应在铂催化剂影响下，反应速度极快，为我们所想要的主要反应。此外，芳构化反应（生成芳烃的反应）伴生氢气。从主要反应为一个吸热和体积增加的反应来考虑，操作应该在高温低压的条件下反应。然而在低压的条件下催化剂的表皮易发生结焦，从而催化剂失去活性，故选择适当的温度压力等操作条件对催化重整反应便显得十分重要^[5]。