近红外光谱技术在蒸汽裂解中的应用探究.pdfVIP

近红外光谱技术在蒸汽裂解中的应用研究 许育鹏1宋夕平2王艳斌1陆婉珍1 摘要本文在研究利用近红外光谱方法对石脑油的密度、终馏点、正构烷烃、异构烷烃、 环烷烃、芳烃、烯烃进行快速分析的基础上，将石脑油軎相关性质、蒸汽裂解炉撮作条件与裂 解产物中的乙烯、丙烯含量以及裂解深度数据进行关联，初步进行了探索性研究。结果表明： 运用支持向量机方法建立校正模型能够得到比较满意的结果，同神经网络方法相比，支持向量 机方法能得到更好的结果。 关建词近红外光谱；石脑油；支持向量机 在乙烯生产过程中，准确实时测定裂解原料的组成和性质，优化裂解操作参数，不仅能提 高乙烯收率、延长裂解炉管除焦时间、降低能耗、保证装置高负荷平稳运行，同时也能提高经济 效益【l～。目前，按照常规分析方法对裂解原料组成及性质的全面评价需较长时间(大约5h左 右)。近年来随着乙烯装置加工能力的增加，原料切换越来越频繁，原料来源的复杂性对分析提 出了更高的要求，而常规分析方法不能完全满足裂解装置优化运行对原料分析的要求。目前一 些乙烯装置裂解操作参数的优化按以下方式进行，根据原料性质、在线色谱对裂解气的分析结果 和温度压力等操作参数的变化来对工艺条件和参数进行调整b，4J。但由于按照常规分析方法对 裂解原料进行分析存在比较严重的滞后，因此，选择一种新的、方便易行的分析方法对裂解原料 组成及性质进行快速测定，从而进一步发挥先进控制系统的作用，不论对提高乙烯工业的技术水 平，还是增加经济效益都具有重要的意义。近红外光谱分析技术集光谱测量技术、计算机技术、 化学计量学技术和基础分析技术于一体，已成为20世纪90年代以来发展最快的分析技术之一。 近红外光谱测量各种含氢基团的倍频与合频吸收，可以在很短的时间得到样品的近红外光谱。 由于样品的组成信息在光谱上已有反映，利用化学计量学方法将标准分析方法测得的样品组 成、性质结果与相对应的光谱之间进行关联，建立校正模型对未知样品的性质进行预测。目前， 烯烃厂裂解原料采用气相色谱分析，一般每天1—2次。为降低分析成本，缩短分析周期，加快 分析数据的反馈速度，为工艺条件优化操作奠定了基础。本论文研究利用近红外分析方法快速 测定烯烃厂蒸汽裂解原料石脑油组成性质。在此基础上，将原料性质、裂解炉操作条件与裂解气 相产物中的乙烯、丙烯含量以及裂解深度数据进行关联，初步进行了探索性研究，运用支持向量 机方法建立校正模型并同神经网络方法做了对比。 1支持向量机原理 支持向量机[6]方法是建立在统计学习理论的vc维理论和结构风险最小原理基础上的 作者简介：许育鹏，男．1976年出生，博士．工程师，主要从事近红外光谱分析应用研究。E—mflill n呻@ripp— dn■∞．Ⅲ口 642 ’ 根据有限的样本信息在模型的复杂性之间寻求最佳折衷，以期获得最好的推广能力。统计学 习理论是一种小样本统计理沦，着重研究在小样本情况下的统计学习问题。以此为基础的支 持向量机方法与神经网络方法相比，前者具有更强的理论依据和更好的泛化能力，更好地适 用于解决小样本的机器学习问题。支持向量机方法的几个主要优点有：它是专门针对有限样 本，目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值；算法最终将 转化成为一个二次寻优问题，从理论上说，得到的将是全局最优点，解决了神经网络方法中 的局部极值问题；算法将实际问题通过非线性变换转换到高维的特征空间，在高维空间中构 造线性判别函数来实现原空间中的非线性判别函数，能保证机器学习有较好的推广能力，同 时巧妙地解决了维数“灾难”问题，算法复杂度与样本维数无关。 对于非线性问题，支持向量机回归方法的主要是将原始问题通过非线性变换转化为某高 维空间的线性问题，并在高维空间中进行线性求解。用核函数x(毛，卸)代替回归函数中的 点积*{t赫运算，就可以实现非线性回归。这样，非线性求解问题就变成在约束条件∑(啦+ ’ ‘ol a?)=0和o≤嘶，口?≤C下，对1219ntnge因子吣口?最大化以下目标函数：