基于人工神经网络混合油品粘度预测模型研究.pdfVIP

石 油 与 天 然 气 化 工 第 36 卷 第 4期 CH EM CI A L ENG IN EER ING OF O IL GAS 335 * 1 2 2 2 赵会军 张青松 王 宏 陆炎洪 ( 1江苏工业学院江苏省油气储运技术重点实验室) ( 2. 瑞吉 泰油气工程有限公司) 在分析前向BP 神经网络基本原理的基础上, 对 3种混油建立了人工神经网络混油粘度 预测模型, 该模型结构为 1- 7 - 1的三层 BP网络模型。运用实测数据对 BP 网络进行训练和仿真。结 果表明, 三种模型预测误差全在 2. 5% 以内, 比前苏联学者提出的混油粘度计算公式 克恩达尔- 莫 恩罗埃公式和兹达诺夫斯基公式更具有计算精度高、适用性强的特点, 可完全满足工程实际需要。 管道 BP 神经网络 混油粘度 预测模型 大多数石油产品都是经过调合而成的调制品。 凡士林润滑油的混油, 克恩达尔- 莫恩罗埃公式的 油品调合后的特性表现在调合组分间的线性和非线 误差是 90% , 兹达诺夫斯基公式的误差是 30% [ 4] 。 性 系上, 即表现在组分间有无加和效应的 系 为此, 本文将建立满足工业应用需要的粘度预 [ 1] 上 。为了保证调合质量, 必须对调合产品的性能 测模型, 旨在为炼油厂调整和优化操作条件以及炼 指标加以控制。石油产品的性能指标, 如密度、馏 油设计、工程计算等提供可靠计算方法。同时也能 程、蒸气压等, 在调合前后呈体积加成的线形 系, 够为成品油管道安全运行与混油的检测和切割处理 而粘度、闪点、凝点等指标, 在调合前后呈非线形 提供依据和帮助。 系。同时在油品调合的过程中, 还可能出现改善了 1 神经网络概述 某些性质而恶化了其它性质的情况, 如在调整油品 的运动粘度时, 可能出现调合油的闪点或残炭不合 人工神经网络在处理复杂系统的建模问题上表 格的问题。这样很难给出非线性油品调合后油品质 现出了较强的优越性, 它通过对简单的非线性函数 量模型的表达式。 进行复合来表达复杂的系统过程, 具有自组织、自 在成品油管道输送过程中, 为了最大限度地提 学习的特点, 不需要预先对模型的形式及参数加以 高管道利用率, 常采用顺序输送方式输送不同种油 限制, 只需根据训练样本的输入、输出数据来自动 品。而两种油品在管内流动, 在交界面处必产生混 [ 2] 寻找其中的相 系, 给出过程对象的具体数学表 油 。在混油段内, 两种油品的浓度以界面为中心 达。同时, 由于其信息具有分布存储的特点, 使建 呈衰减分布, 油品物性 ( 如密度和粘度) 也发生变 [ 5]