石油学报(石油加工) ›› 2020, Vol. 36 ›› Issue (4): 878-888.doi: 10.3969/j.issn.1001-8719.2020.04.026
• 综述 • 上一篇
杨帆1,2,周敏3,金继民2,曹军4
YANG Fan1,2, ZHOU Min3, JIN Jimin2, CAO Jun4
摘要: 催化裂化是一个由多种高度非线性和相互强关联因素影响的复杂工艺过程,对其工艺过程和产品收率优化的数学建模分析一直是石油加工领域研究的热点和难点。集总动力学模型是机理分析层面最为常用的研究方法。选用合适而快捷的参数估算和求取方法,是集总动力学模型构建过程中的重要一环。遗传算法、粒子群算法和模拟退火算法等智能算法一定程度上克服了经典算法对初值依赖性,难寻找全局最优的问题,同时还保证了算法的收敛性,对于集总动力学模型的发展起到了极大的促进作用。此外,通过构建原料油性质、催化剂性质、操作条件和产品分布之间的神经网络模型,可以从统计学的角度找到产物分布的影响机制,分析得到常规集总分析方法忽略的一些因素,且可对产物分布进行进一步的预测,是构建催化裂化分析模型的一种新型且有效的手段。笔者对现有关于人工智能算法在催化裂化工艺模型构建中应用的研究成果做一整理,以期对后续的研究提供帮助。
中图分类号: