摘 要

丙烯是三大合成材料的基本原料，主要用于生产丙烯腈、异丙烯、丙酮和环氧丙烷等。双烯（乙烯和丙烯）收率目前越来越受到国内各乙烯生产厂家的关注，成为乙烯生产企业考核装置先进水平的一项关键指标。因此针对生产环节可能存在产品损失的关键生产单元进行流程模拟与操作优化，成为了乙烯生产企业提高乙烯和丙烯收率的必然选择。丙烯精馏塔是乙烯装置中提高丙烯收率的关键单元之一，目前，国内多家乙烯装置的丙烯精馏塔都存在因操作不稳定导致丙烯精馏塔运行效率低下的情况。因此，研究丙烯精馏塔，并通过对系统合理的模拟和优化从而提高乙烯产品的收率就更具有实际意义。

深度学习技术作为一种新兴的多层神经网络降维算法，通过组建含有多个隐层的神经网络深层模型，对输入的高维数据逐层提取特征，以发现数据的低维嵌套结构，形成更加抽象有效的高层表示。用该技术对丙烯塔的操作数据进行简约模型的建立。本文主要针对丙烯精馏塔的Aspen Plus模拟、生产数据建模，操作优化进行研究，主要内容有以下几点：

（1）利用Aspen Plus对丙烯精馏塔流程进行模拟，并利用软件自带的灵敏度分析工具对该塔的操作参数进行分析，得到影响丙烯收率的若干个输入变量，之后利用MATLAB编程调用Aspen Plus生成大量数据。

（2）利用深度学习技术对生成的大量数据进行训练，实现神经网络输出与实际模拟的一致。

（3）利用列队竞争算法对丙烯精馏塔的操作参数进行优化，并将优化后的操作参数输入到Aspen Plus中进行验证，结果表明该优化方案是可行的。

关键词：Aspen Plus；深度学习技术；神经网络；列队竞争算法

Abstract

Propylene is the basic raw material of the three synthetic materials, mainly for the production of acrylonitrile, propylene, acetone and propylene oxide. The yield of Diene (ethylene and propylene) currently received the more attention of domestic ethylene manufacturers, has become a key indicator of ethylene production business assessment advanced level. Therefore, In view of the key production unit which may exist product loss in the production processes, operating in process simulation and optimization of operation, has become the inevitable choice of the ethylene production enterprises to improve the yield of ethylene and propylene. Propylene fractionator is one of the key elements to improve the yield of propylene in the ethylene plant, at present, a number of domestic propylene fractionators in the ethylene unit all exist low operating efficiency due to instability of operation. Therefore, it has more practical significance to study propylene fractionator and improve the yield of ethylene product through rational simulation and optimization on system.

Deep learning technology as a new descending dimension algorithm for multilayer neural networks, extract the feature layer by layer on the input high-dimensional data through the formation of the neural network deep model with multiple hidden layers, in order to find low-dimensional nested structure of the data, forming a high level representation more abstractly and effectively. This paper is built simple models on the operational data of propylene tower using the technology, mainly for the Aspen Plus simulation of propylene fractionator, production data modeling, operation optimization studies, the main contents are as follows:

(1) Using Aspen Plus to simulate the process of propylene fractionator, and using sensitivity analysis tools that the software comes with to analyze the operating parameters of the tower, attain several input variables which influence the yield of propylene. Then using MATLAB call the Aspen Plus to generate a large number of data.

(2) Using deep learning technology to train the large amounts of data generated, realize the concordance between outputs of the neural network and actual simulation.

(3) Using line-up competition algorithm to optimize the operating parameters of the propylene fractionator, and then the optimized operating parameters input to the Aspen Plus validated, the results show that the optimization scheme is feasible.

Key Words: Aspen Plus; deep learning technology; neural networks; line-up competition algorithm

目 录

摘 要 I

Abstract II

目 录 IV

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 2

1.3 本文内容及结构 4

第2章 丙烯塔的模拟 5

2.1 丙烯塔的模拟过程 5

2.1.1 物性方法的选择 5

2.1.2 单元操作模块的选择 6

2.1.3 丙烯塔的Aspen Plus模拟 6

2.2 模拟分析 8

第3章 基于深度学习技术建模 12

3.1 深度学习技术的介绍 12

3.2 深度学习技术的原理 12

3.3 深度学习技术的算法 13

3.4 利用深度学习技术构建简约模型的过程 15

3.4.1 神经网络输入及输出参数的确定 15

3.4.2 神经网络训练样本数据的获取 16

3.4.3 神经网络的训练、测试及结果 17

第4章 基于列队竞争算法优化 19

4.1 列队竞争算法 19

4.2 优化计算方法 20

4.3 优化模型 20

4.3.1 目标函数 21

4.3.2 约束条件 21

4.3.3 优化变量范围 21

4.4 优化结果分析 22

第5章 结论与展望 24

5.1 结论 24

5.2 展望 24

参考文献 25

致谢 27

第1章 绪论

1.1 研究背景与意义

石油化学工业是我国国民经济的支柱性产业，在社会发展中具有举足轻重的地位。我国石油化学工业的快速发展，极大的促进了国民经济的进步。以原油为原料生产的三烯（乙烯、丙烯和丁二烯）、三苯（苯、甲苯和二甲苯）是石油化工的基本有机原料，是生产各种有机化工产品的基础^[1]。丙烯主要用于生产聚丙烯、丙烯腈、环氧丙烷以及异丙醇等，是仅次于乙烯的重要石油化工有机原料^[2]。近年来，丙烯衍生物的快速发展带动了丙烯需求的快速增长，据估计从2006年到2015年，全球范围内的丙烯需求以4.9%的速度持续增长，中国的丙烯需求年均增长达到6.3%^[3]。目前，从市场份额看，来自乙烯装置的丙烯占到59%，从炼厂轻烃分离装置回收的丙烯占到35%。据《欧洲化学新闻》报道，2000年世界丙烯供应量约51.20Mt，其中约33.80Mt来自于蒸汽裂解装置^[4]，约占世界丙烯供应量的66%；炼油厂FCC装置提供丙烯16.3Mt左右，约占丙烯供应量的32%；还有2%来自于丙烷脱氢制丙烯专门生产装置。北美等国FCC装置产丙烯的份量大于蒸汽裂解联产丙烯量，但在其他地区仍然以蒸汽裂解联产丙烯是丙烯的主要来源^[5]。

近年来，双烯（乙烯和丙烯）收率越来越受到国内外各乙烯生产厂家的关注，是衡量装置先进性水平的关键指标。已经有不少学者分别从不同的角度对丙烯与丙烷组成的二元混合物分离过程的生产工艺、操作参数优化、设备和工艺改造以及产品质量预测控制等方面进行了研究。因此，针对生产工艺流程中可能存在产品损失的关键生产单元进行流程模拟与操作优化，提高乙烯和丙烯收率，具有重要意义。丙烯精馏塔是乙烯装置中提高丙烯收率的关键单元之一，目前，国内多家乙烯装置的丙烯精馏塔都存在因操作不稳定等因素导致丙烯精馏塔运行效率较低、产物流失的情况。中原石化有限责任公司在2000年对该厂的乙烯装置进行了改扩建，并对乙烯装置丙烯精馏塔进行了相应的改造，近几年来，随着装置整体负荷的提高，丙烯精馏塔的负荷也随之增加，导致丙烯精馏塔在实际生产过程中塔釜的丙烯损失过大。兰州石化公司乙烯装置丙烯塔经过改造之后，存在精馏塔进料量不稳定、塔釜液面测量有误、回流量较难控制及脱丙烷塔温度超标等问题。天津石化乙烯装置，经过扩能改造后，其产能从原始设计的14万吨/年提到到的20万吨/年，由于丙烯精馏系统的负荷增加在25%以下，基于少投入多产出的改造原则，故对丙烯精馏塔主要是采用更新高效塔盘的方式进行改造，使得改造后丙烯精馏塔的操作弹性已经不大。因此，针对生产工艺流程中可能存在产品损失的关键生产单元进行流程模拟与操作优化，提高乙烯和丙烯收率，具有重要意义。因此，深入研究丙烯精馏塔，并通过对系统合理的模拟和优化，提高乙烯产品的收率，具有十分重要的理论和实际意义。