基于ASPEN PLUS 用户模型技术的催化重整全流程模拟

采用用户模型技术，将自主开发的17集总反应动力学模型与ASPEN PLUS稳态流程模拟软件集成在一起，从而在ASPEN PLUS平台实现了包含重整反应装置在内的催化重整全流程模拟.这一技术既可以利用ASPEN PLUS强大的数据库、模型库和模拟优化功能，大大拓展模拟范围，又可以保持自定义反应模型的特点.整个流程全部仿照反应动力学模型，将300多种化合物定义成18种集总组分（含氢气），并采用专用于石油系统的物性计算方法.建立的ASPEN PLUS二次开发软件在某连续重整装置上获得了成功应用，模拟结果与实际操作值吻合得相当好，完全满足工业应用的要求.此软件可用于催化重整装置的生产调优、扩能改造和新装置的工艺设计.     

防止催化剂线堵塞的工艺优化

分析了影响聚丙烯装置催化剂线堵塞的原因，提出了净化己烷、增上管线伴热等解决措施，对防止催化剂线堵塞、保证装置的平稳运行，具有一定的实际意义。     

大型化工企业能源管理系统的设计与实现

通过对大型化工企业能耗情况和现有能源管理模式的分析,系统地介绍了能源管理系统的设计,主要包括能源数据集成、能源系统实时监控、能源管理软件开发和能源优化调度等,最后介绍了某大型氯碱企业能源管理系统的实施与应用情况.通过系统实现,在确保生产工艺流程平稳运行的前提下,实现企业能源系统的在线监控、集中管理与优化调度,从而有效地提高企业能源管理水平和能源利用效率,为单体设备、各生产装置和整个企业的全方位节能提供充分支撑.     

瓦斯平衡与优化调度技术及其在炼化企业节能减排上的应用

本论文提出了炼化企业瓦斯平衡与优化调度的整体解决方案,其核心思想为基于瓦斯产需预测模型和瓦斯系统优化调度模型,实现瓦斯系统的"事前调度"和"定量调度"。实践证明,该解决方案可以明显提高炼化企业瓦斯系统的调度和管理水平,并通过减少瓦斯排放和节约补烃量,取得了明显的节能减排效果。     

工业级催化重整装置的全流程模拟与优化

1 INTRODUCTION Catalytic naphtha reforming is a very important process for producing high octane gasoline, aromatic feedstock and hydrogen in petroleum-refining and petrochemical industries[1]. To design new plants and optimize the existing ones, an appropriate mathema- tical model for simulating the industrial catalytic re-forming process is needed[2,3]. The naphtha used as catalytic reforming feed-stock is very complex usually consisting of about three hundred hydrocarbons with carbon nu…     

工业催化重整过程动态建模与仿真

A first principles-based dynamic model for a continuous catalyst regeneration (CCR) platforming process, the UOP commercial naphtha catalytic reforming process, is developed in this paper. The lumping details of the naphtha feed and reaction scheme of the reaction model are given. The process model is composed of the reforming reaction model with catalyst deactivation, the furnace model and the separator model, which is capable of capturing the major dynamics that occurs in this process system. Dynamic simulations are performed based on Gear numerical algorithm and method of lines (MOL), a numerical technique dealing with partial differential equations (PDEs). The results of simulation are also presented. Dynamic responses caused by disturbances in the process system can be correctly predicted through simulations.     

炼油厂氢气系统全局优化技术及应用

针对炼化企业普遍存在氢气资源利用率低、消耗成本高的问题,提出了操作优化、氢网络优化、调度优化技术相结合的氢气系统全局优化方法。首先,构建氢耗过程定量评价指标,通过关联分析获得耗氢装置的最佳操作条件;然后,基于氢夹点分析获得氢气系统最佳匹配网络,通过氢气管网优化改造,实现氢气资源的优化分级利用;最后,以临氢装置耗氢需求及氢管网运行状态为约束、以系统运行总成本最低为目标构建调度优化模型,并开发氢气系统调度优化平台,以指导氢气系统进行优化调度。应用表明:通过操作优化可有效降低加氢装置的氢损耗、氢气提纯成本和氢气损失,显著提升氢气系统管理的精细化、智能化程度。     

蒸气动力系统的运行优化研究与应用

针对配备蒸气动力系统的工业企业,总结了企业现有调度经验并将其融入理论研究过程,建立了蒸气动力系统的调度优化模型。参考实际运行参数,建立锅炉、汽机等设备模型。利用非线性规划方法对系统进行求解,得到最优操作参数即最优运行方案。应用实例表明,该优化调度方案具有很强的经济性与可操作性。结合优化调度技术,可指导企业根据已积累的调度模式与经验对蒸气动力系统进行科学调度。该方案不仅提高了优化调度水平,而且能提升节能效益、有效降低企业的生产与调度成本。     

基于混合遗传算法的催化重整过程多目标优化

为实现催化重整过程生产指标的综合优化,基于已实现工业应用的催化重整17集总反应动力学模型和催化重整过程机理模型,考虑相应的多种约束条件,建立了以最大化总芳烃收率和最小化重芳烃收率为目标的多目标操作优化模型。提出了一种将遗传算法与局部优化方法相结合的多目标混合遗传算法HNAGA,并用于多目标操作优化模型的求解。现场工业数据的仿真研究表明,HNAGA在寻找Pareto最优解前沿方面比原遗传算法具有一定的优越性。将该多目标优化模型和求解方法应用于工业催化重整装置的操作优化,可以有效提高决策的准确性。     

炼油厂氢气网络建模与多目标优化(英文)

The demand of hydrogen in oil refinery is increasing as market forces and environmental legislation, so hydrogen network management is becoming increasingly important in refineries. Most studies focused on single-objective optimization problem for the hydrogen network, but few account for the multi-objective optimization problem. This paper presents a novel approach for modeling and multi-objective optimization for hydrogen network in refineries. An improved multi-objective optimization model is proposed based on the concept of superstructure. The optimization includes minimization of operating cost and minimization of investment cost of equipment. The proposed methodology for the multi-objective optimization of hydrogen network takes into account flow rate constraints, pressure constraints, purity constraints, impurity constraints, payback period, etc. The method considers all the feasible connections and subjects this to mixed-integer nonlinear programming (MINLP). A deterministic optimization method is applied to solve this multi-objective optimization problem. Finally, a real case study is intro-duced to illustrate the applicability of the approach.