基于大数据的高含硫天然气脱硫工艺优化.PDFVIP

107 基于大数据的高含硫天然气脱硫工艺优化 辜小花1’2邱奎1李太福1 王坎1 唐海红1 商剑峰3 1．重庆科技学院电气与信息工程学院2四川理工学院自动化与电子信息学院 3．中国石油大学(北京)机械与储运工程学院 辜小花等．基于大数据的高含硫天然气脱硫工艺优化．天然气工业，2016，36(9)：107—114． 摘要为了解决高含硫天然气脱硫工艺中脱硫选择性差、能耗高等问题，提出了基于大数据的高含硫天然气脱硫工艺优化方法。 首先，通过工艺流程分析，发现对性能指标有显著影响的决策参数，建立无迹卡尔曼滤波神经网络动态模型，获知了脱硫工艺的潜 在规律；然后，针对原脱硫工艺中H：S、CO：过分脱除问题，采用偏好多目标优化的方法，分别以H：s浓度逼近2．5mg／m3、CO：浓 度逼近2％为目标函数，采用非支配性排序遗传算法对模型进行多目标优化，获得了最佳工艺参数。采集某高含硫天然气净化厂脱 的动态模型能够较好地反映脱硫工艺生产规律；②优化结果建议适当降低一级吸收塔温度，提高二级吸收塔温度，提高闪蒸罐压力， 并减少胺液循环量；③优化后净化气中H2S浓度将由O．62 mg／m3提高至3．22 显著提高；④相对胺液循环量下降16．67％，蒸汽消耗量减少，净化气产率提高o．8％，总体实现了增产节能降耗的目的。 关键词高含硫天然气 大数据 神经网络 动态建模偏好函数 多目标优化 脱硫工艺 增产节能降耗 DOI：10．3787／j．issn．1000—0976．2016．09．013 ofacid basedon data Optimizationgassweeteningtechnologybig Gu Xiaohual”，QiuKuil，LiTaiful，WangKanl，TangHaihon91，ShangJianfen93 f，．SchoolElectricaland of Universityof InformationEngineering,Chongqing andElectronic 401331，China；2．CollegeofAutomation Information，SichuanUniversityof and 643000,China；3．CollegeofMechanicalTransportation UniversityofPetro— Zigong,Sichuan Engineering,China 1 leum，Beijing02200,China) NATUR．GASIND．VOLUME 36，ISSUE 1000—0976；InChinese) 9，PP．107—114，9／25／2016．(ISSN Abstract：Inthis methodbasedon datawas to thedesulfurizationandreducethe paper，anoptimization big proposedimprove selectivity oftraditionalacid