《pims中高级培训-delta-base结构课件》由会员分享，可在线阅读，更多相关《pims中高级培训-delta-base结构课件（33页珍藏版）》请在金锄头文库上搜索。
1、PIMS中高级培训教材（1） -Delta-Base 模型结构,2,培训内容及目标,培训内容 1.Delta Base 结构 目的 2.使大家掌握建立Delta Base 机理和构建的 方法。,3,培训内容,1. 装置子模型以及发展趋势 2. 计划优化模型与装置子模型的集成 3. Delta数据的计算示例 4. Delta Base模型的结构 5. 数据的收集和处理方法 6. 数据的校核和验证,4,1.装置子模型以及发展趋势,装置（模拟或仿真）子模型：装置的真实描述，包括：装置的工艺特点（结构、工艺技术和主要参数） 进料（组成、数量和性质） 产品（分布和性质） 操作条件 其它：催化剂、化学剂、
2、能耗等 装置子模型的种类： 收率模型 关联模型（经验模型） 半经验半机理模型 机理模型（基于过程的物理、化学过程反应机理：物料平衡、热量平衡、热力学、反应动力学等。）,5,1.装置子模型以及发展趋势,计划优化模型线性模型，全局的整体优化 装置模拟模型非线性模型，单个装置的局部优化 全流程模拟优化模型整个流程的模拟模型目前还不成熟，一些技术问题有待解决 全流程模拟模型虽然也能进行全局优化，但是不能全部涵盖LP模型所涉及的范围，例如： LP模型可包含油品调合、原油及原料的购买和运输、产品的销售和运输以及有关技术经济模型等。,计划优化模型与装置模拟模型的特点,6,1.装置子模型以及发展趋势,两类模型
3、结合（集成）- LP模型及模拟模型的发展方向，将整体优化和局部优化结合于一体 如何集成？有如下6种方法,7,2.计划优化模型与装置子模型的集成,2.1 非线性联立方程组法 2.2 LP模型+全流程模拟优化 2.3 LP模型+装置模拟模型 2.4 多方案法（虚拟方案法） 2.5 简单方法（只给出收率和性质数据） 2.6 Delta-base方法,8,2.计划优化模型与装置子模型的集成,2.1大规模非线性联立方程组： max objfn=f（x，y，）目标函数 cdu-g（x，y， ） fcc-h（x，y， ） ref-i（x，y， ） 约束条件 blend-t（x，y， ） 计划优化的LP模型+
4、装置模拟优化的动力学模型+流程优化模型,ST,9,2.计划优化模型与装置子模型的集成,2.2 LP模型+全流程模拟优化,炼油过程全流程模拟优化 或 化工过程全流程模拟优化,10,2.计划优化模型与炼油装置子模型的集成,2.3 LP模型+炼油装置模拟模型,11,计划优化模型与SPYRO模型,12,2.计划优化模型与装置子模型的集成,2.4 多方案方法 考虑几个主要的操作条件或原料性质的变化对产率的影响，设为几个方案（即虚拟装置）。 Delta-base结构去掉delta部分就变成多方案方法。 2.5 简单方法 仅考虑收率和性质 。,13,2.计划优化模型与装置子模型的集成,2.6 Delta-b
5、ase方法： 描述装置产率和性质随进料性质变化而变化的一种非线关系处理方法 当装置的某个原料性质变化时，装置的产率变化曲线可近似地看作由一些折线段组成，在每个折线段，产率的变化是线性的。 将折线段的某点的对应值（原料性质及其对应的收率）作为base，并将该原料性质的单位变化引起的产率变化值（斜率）作为delta，就构成Delta-base结构模型。 LP优化时，自动选择段（base和delta），根据优化的原料性质值，计算对应的产品产率、产量和性质。 这是在前几种方法还不成熟时最有效的方法。 收集Delta-base结构模型需要的数据有两种方法： 机理模型 数据回归 不管用哪种方法，都要企业提
6、供大量而准确的数据。,14,3.Delta数据的计算示例,一些二次加工装置的收率和性质是进料的质量的函数，Delta Base 模型（DBM）是一种用于从原料性质预测这些二次加工装置和他们的产品的收率或性质的线性规划技术。 炼化企业的LP模型，大多数装置的进料是混合料，进料的组成是在优化过中决定的。因此，一个装置的进料的性质也多是未知的，DBM和分布递归（DR）技术结合使用是特别有效的。 实施DBM时，进料性质的选取很重要，要选取易于测量（易于得到）又可较为精确地预测产品收率和性质的那些进料性质。 下面以重整装置为例进行说明。,15,3.Delta数据的计算示例,例:重整进料性质, N+2A,
7、进料性质的变化对侧线产品的收率影响,16,3.Delta数据的计算示例,abscissa,rise,进料性质对侧线收率的影响图,17,3.Delta数据的计算示例,R95,LPG,H2L,0.800,0.845,0.890,0.176,0.131,0.086,0.024,0.025,0.026,进料 性质： N+2A,18,3.Delta数据的计算示例,收率的Delta系数,19,4.Delta-base 模型的结构,Place holder,20,4. Delta-base 模型的结构,成对的 “E” 行 Exxxyyy 进料变量和基础收率平衡 Eqqqyyy 性质平衡 xxx 和 yyy
8、由用户定义 避免进料变量名为 yyy Delta 变量必须设置成自由变量 在表 Sxxx中设置 在表 BOUNDS中设置,侧线收率BASE列 注意：PIMS规定产出的收率为负号 Delta 变量列 原料变量列 变量代码不要与性质平衡行的后三个字母相同,21,4.Delta-Base 模型的结构,设置 Delta 向量的两种方法,22,4.Delta-Base 模型的结构,VBM与DBM,23,4.Delta-Base 模型的结构,进料性质的变化(Delta-Base 模型),24,4.Delta-Base 模型的结构,进料中的硫每变化 0.5 Wt%，H2S 将变化 0.0017。,煤油加氢的
9、 DB 模型,25,4.Delta-Base 模型的结构,催化裂化汽油收率与进料的硫含量的关系,假定进料中的 AFC 是常数15.4,26,4.Delta-based 模型结构(例),27,4.Delta-based 模型结构(例),28,5.Delta Base数据的收集和处理,Delta-base数据来源 机理模型计算相应的delta数据 根据装置标定数据标定机理模型 计算相应加工方案下的delta数据 装置数据回归,29,5.Delta Base数据的收集和处理,Delta Base模型结构数据的开发： 机理模型的典型应用流程图,炼油工艺机理模型应用流程中加入一些模型校正因子是为了扩大模
10、型的应用范围，该校正因子可以通过该装置的一套或多套标定数据的拟合得到。,30,5.Delta Base数据的收集和处理,利用机理模型得到Delta-Base数据的步骤如下 首先利用装置的标定数据进行模型校正 结合模拟计算的结果和生产实际情况，确定对产品收率或性质影响较大的原料油性质，如：原料油密度、碱氮含量、残碳等 分别在一定范围内改变原料油的上述性质，并参照实际装置的操作目标调整操作条件，然后通过模拟计算得到相应的产品收率或性质，得到的数据和装置的标定数据进行对比计算就可以得到Delta-Base数据。如原料油中某性质的非线性较显著，一般将其分段处理,31,5.Delta Base数据的收集
11、和处理,回归分析 获取一组相互独立的近似值实验数据 拟定出含有若干待定参数的关系式（经验公式）,再用回归分 析方法处理实验数据，以确定待定参数,得到回归方程 对所得到的回归方程进行相关性统计检验，以确定其可信度 利用所得到的已达到所需要可信程度的回归方程，进行预测 和控制 检验x与y之间是否存在线性关系，或检验x与y之间的线性关系是否显著的方法。,32,5.Delta Base数据的收集和处理,主要装置与收率有关的物性表,33,6.Delta Base数据的审核和校验,验证及审核的内容 变化的方向是否正确 变化的趋势和范围；Delta值是否合适 验证的方法 （1）经验：变化的方向和趋势 （2）利用生产实际数据验证 取几组实际数据（进料性质和产率），计算出对应的产率数据并加到base，得到计算的产率，与实际的产率比较；从生产实际数据中选取原料性质的最大值（最小值）计算出对应的产率与实际的产率比较。,
