• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      催化裂化原料和液相產(chǎn)物中氫含量的回歸預(yù)測模型

      2021-05-14 08:32:04崔守業(yè)
      石油學(xué)報(石油加工) 2021年3期
      關(guān)鍵詞:油漿催化裂化原料

      崔守業(yè)

      (中國石化 石油化工科學(xué)研究院,北京 100083)

      催化裂化技術(shù)是重質(zhì)油品輕質(zhì)化核心技術(shù)之一。重質(zhì)原料經(jīng)過裂化、氫轉(zhuǎn)移、異構(gòu)化等過程得到干氣和液化氣、汽油、輕循環(huán)油(LCO)、油漿和焦炭等產(chǎn)物[1]。一般而言,催化裂化產(chǎn)物分布合理性、氫的利用率等指標的評價采用氫平衡計算分析[2-4]。在工業(yè)生產(chǎn)中,干氣和液化氣的組成分析已被廣泛應(yīng)用,其氫含量可以由組成計算得到;焦炭的氫含量可以通過煙氣組成計算。然而,大多煉油企業(yè)不具備液相油品中氫含量的分析條件,需要外委分析,即時性相對較差。另外,由于元素分析并未在工業(yè)裝置上廣泛應(yīng)用,因而需要根據(jù)其與液相產(chǎn)物理化性能有相關(guān)性的原理,開發(fā)一些經(jīng)驗計算公式,用于油品氫含量的計算。這些理化性能參數(shù)包括密度、餾程、相對分子質(zhì)量、折光、黏度、族組成等,通常采用不同參數(shù)的組合進行回歸[5-6]。

      催化裂化技術(shù)經(jīng)過多年發(fā)展,各種工藝不斷涌現(xiàn),裂化產(chǎn)物性質(zhì)也不斷變化,考慮到氫質(zhì)量分數(shù)計算模型的適應(yīng)性,有必要對催化裂化原料和液相產(chǎn)物氫質(zhì)量分數(shù)模型進行回歸。為提高模型關(guān)聯(lián)式的普遍性和適用性,主要選擇原料和液體產(chǎn)物氫質(zhì)量分數(shù)較為易測定、易測準的性質(zhì)。模擬回歸樣本主要選自國內(nèi)外煉油企業(yè)催化裂化裝置的分析數(shù)據(jù)。與采用MATLAB等工具進行回歸分析相比,SPSS回歸分析法相對簡單,可建立明確的回歸模型,能對整個回歸方程和回歸系數(shù)進行顯著性檢驗[7]。因此,筆者以多套催化裂化裝置分析數(shù)據(jù)為基礎(chǔ),利用SPSS逐步回歸分析法建立了催化裂化原料和主要液體產(chǎn)物氫質(zhì)量分數(shù)的預(yù)測模型,并對回歸模型進行檢驗。

      1 回歸方法和回歸樣本

      1.1 回歸方法

      采用統(tǒng)計的方法建立數(shù)學(xué)模型,并用回歸分析方法建立回歸方程預(yù)測模型。多元線性回歸是分析一個因變量與多個自變量之間線性關(guān)系的統(tǒng)計方法[8]。如果設(shè)x1、x2…xn為影響因變量Y的n個自變量,則多元回歸模型如式(1)所示。

      Y=β0+β1x1+β2x2+…+βnxn+ε

      (1)

      式(1)中:β0為回歸常數(shù);β1,β2,…,βn為回歸系數(shù);Y為因變量;x1,x2,…,xn為自變量,也稱為回歸因子;ε為隨機誤差。

      據(jù)多元線性回歸模型可知,多元線性樣本的回歸方程如式(2)所示。

      Y=μ0+μ1x1+μ2x2+…+μnxn

      (2)

      式(2)中,μ0,μ1,…μn為n組樣本觀測值對β0,β1,…,βn的估計值。

      對于多元線性回歸,需要測定回歸方程的擬合程度、校驗回歸方程、檢驗回歸系數(shù)顯著性。筆者采用最小二乘估計;擬合優(yōu)度檢驗采用多重判定系數(shù)R2和調(diào)整R2(AdjR2),R2和AdjR2越接近1擬合程度越高;回歸方程的顯著性檢驗采用F檢驗,F(xiàn)值越大說明因變量受自變量的影響越大,且大于隨機因素的影響,顯著性水平選擇α=0.05;回歸系數(shù)的顯著性檢驗采用t檢驗,一般t值所對應(yīng)的伴隨概率值p<0.05說明存在顯著關(guān)系;殘差的獨立性檢驗采用Durbin-Watson(簡稱D-W)統(tǒng)計值檢驗,一般該統(tǒng)計值在2附近,說明隨機誤差具有獨立性,即樣本間基本無相互干擾。

      多元線性回歸因子較多時,回歸計算過于復(fù)雜,回歸方程的復(fù)相關(guān)系數(shù)較高,導(dǎo)致回歸方程的預(yù)測能力相對較差。因此,為快速獲得較優(yōu)的回歸因子、保證回歸模型預(yù)測能力,通常采用前進法、后退法、逐步回歸法等方法進行回歸計算。其中,逐步回歸法是結(jié)合前進法和后退法的一種回歸方法,應(yīng)用相對廣泛。筆者采用逐步回歸方法進行回歸計算,需要用2個不同的顯著性水平做回歸系數(shù)的F檢驗。因此,在引入回歸因子時,自變量回歸系數(shù)的檢驗顯著水平選擇<0.05;在剔除回歸因子時,自變量的回歸系數(shù)檢驗顯著水平選擇>0.1。為避免逐步回歸法無法解決多重共線性的問題(即自動選擇的自變量之間存在線性相關(guān)關(guān)系,導(dǎo)致回歸系數(shù)不恰當問題),引入方差膨脹系數(shù)(簡稱VIF)檢驗回歸模型中多重共線性問題。當VIF≥2時,剔除最后引入的回歸因子,重新進行逐步回歸,直至滿足VIF<2。

      1.2 回歸樣本

      以工業(yè)催化裂化裝置和實驗采集該裝置的分析數(shù)據(jù)作為模型回歸數(shù)據(jù)樣本,其性質(zhì)分布范圍見表1。從表1可知:催化裂化原料、汽油、輕循環(huán)油(LCO)、油漿的樣本數(shù),氫質(zhì)量分數(shù)(w(H)),20 ℃ 密度(ρ20),硫質(zhì)量分數(shù)(w(S)),30%餾程點溫度(T30),50%餾程點溫度(T50)等參數(shù)的數(shù)值范圍和平均值;而且,樣本的常規(guī)物性分布范圍較寬,具有一定的代表性。

      1.3 回歸因子

      石油餾分是多種化合物的復(fù)雜混合物,其性質(zhì)是其各組分化合物性質(zhì)的綜合體現(xiàn),具有宏觀性和平均性的特點。一般來說,餾分的氫質(zhì)量分數(shù)(w(H))與其密度有關(guān)聯(lián)性,密度越高,則w(H)越低,因此可選擇密度(ρ)為回歸因子。石油餾分雜原子中S質(zhì)量分數(shù)相對較高,且會對其他元素含量產(chǎn)生影響,因此可選擇餾分的S質(zhì)量分數(shù)(w(S))為回歸因子。同時,餾分的氫質(zhì)量分數(shù)與其餾程有一定的相關(guān)性,考慮到數(shù)據(jù)的代表性和易用性,可選擇恩式蒸餾30%和50%流程點溫度(T30和T50)作為回歸因子。此外,考慮到各回歸因子間的交互作用,合成了10個交互回歸因子,分別為ρw(S)、ρT30、ρT50、w(S)T30、w(S)T50、T30T50、ρ2、w(S)2、T302、T502。因此共有14個回歸因子。

      然而,對于汽油,其硫質(zhì)量分數(shù)一般為20~500 μg/g,相對較小、可以忽略,因此對氫質(zhì)量分數(shù)(w(H))的計算回歸可不考慮w(S)因子及其交互因子,因而共有9個回歸因子,分別為ρ、T30、T50、ρT30、ρT50、T30T50、ρ2、T302和T502。

      表1 回歸樣本數(shù)據(jù)分布Table 1 Regression sample data distribution

      2 各餾分氫含量模型回歸

      采用14個因子對催化裂化原料、輕循環(huán)油(LCO)和油漿的氫質(zhì)量分數(shù)進行逐步回歸;采用9個因子對汽油氫質(zhì)量分數(shù)進行逐步回歸,分別得到氫質(zhì)量分數(shù)回歸模型如式(3)~式(6)所示。

      原料:

      w(H)f=30.240-20.824ρ+0.314T30-
      0.028w(S)T50

      (3)

      汽油:

      w(H)g=23.799-20.895ρ2+1.242T30

      (4)

      輕循環(huán)油:

      w(H)LCO=20.372-14.862ρ2+0.973T50+
      0.048w(S)T50

      (5)

      油漿:

      w(H)slurry=29.663-21.555ρ+0.093T30T50

      (6)

      對各餾分氫質(zhì)量分數(shù)回歸模型的統(tǒng)計分析結(jié)果見表2。從表2可以看出,原料、汽油、輕循環(huán)油和油漿的F值均較大,且其p值均為0,說明4個回歸模型均具有統(tǒng)計學(xué)意義,模型中至少有1個自變量對因變量有預(yù)測價值;4個回歸模型的D -W值均在2附近,說明數(shù)據(jù)之間是完全獨立的,模型較為理想;AdjR2分別為0.868、0.727、0.949、0.973,說明模型擬合度較好。

      表2 回歸模型統(tǒng)計分析結(jié)果Table 2 Statistical analysis results of the regression model

      為考察模型假設(shè)的合理性及數(shù)據(jù)的可靠性,需要進行殘差(樣本實測值與擬合值之差)分析;同時,為了消除自變量量綱和數(shù)值量級差異的影響,對樣本數(shù)據(jù)進行標準化處理。圖1為4種餾分氫質(zhì)量分數(shù)的標準化預(yù)測值(簡稱ZPRED)和標準化殘差(簡稱ZRESID)散點圖。從圖1可以看出:回歸的標準化殘差基本沿縱軸刻度0的水平線上下平均分布,沒有明顯趨勢,說明殘差不隨自變量取值水平改變而改變;殘差的數(shù)值在±3以內(nèi),基本無異常值存在;這說明各餾分氫質(zhì)量分數(shù)的回歸模型均較為理想。

      圖1 催化裂化原料、汽油、LCO、油漿的標準化預(yù)測值(ZPRED)和標準化殘差(ZRESID)散點圖Fig.1 Standardized predicted values (ZPRED) and standardized residual scatter (ZRESID)plots of feedstock, gasoline,LCO and slurry(a) Feedstock; (b) Gasoline; (c) LCO; (d) Slurry

      3 回歸模型預(yù)測效果的驗證

      為了驗證各餾分氫質(zhì)量分數(shù)回歸模型的預(yù)測效果,可采用未參與建模數(shù)據(jù)樣本(選自文獻[9-13])或一套完整的催化裂化裝置標定數(shù)據(jù)(選自文獻[14])作為驗證數(shù)據(jù)樣本,對各回歸模型進行氫質(zhì)量分數(shù)計算,然后再進行氫平衡計算,驗證回歸模型預(yù)測效果。

      驗證方式主要采用將驗證數(shù)據(jù)樣本代入回歸模型,計算獲得參數(shù)估計值(計算值)。采用均方誤差(Mean squared error, MSE)和均方根誤差(Root mean squared error, RMSE)表征模型預(yù)測的準確性。MSE是參數(shù)估計值與實際值之差的平方,是衡量“平均誤差”的一種較方便的方法,而RMSE是MSE的算術(shù)平方根[9]。MSE和RMSE越小,說明模型預(yù)測結(jié)果具有更好的精確性。

      3.1 模型回歸驗證

      用沒有參與建模的樣本數(shù)據(jù)[10-13]對模型進行驗證,驗證樣本的物性數(shù)據(jù)和驗證結(jié)果分別見表3、表4、表5和表6。從表3~表6可以看出:原料氫質(zhì)量分數(shù)預(yù)測值與實際值的均方誤差和均方根誤差分別為0.0094和0.097;汽油均方誤差和均方根誤差分別為0.023和0.15;LCO均方誤差和均方根誤差分別為0.032和0.18;油漿均方誤差和均方根誤差分別為0.016和0.13。從上述數(shù)據(jù)可以看出,模型對催化裂化原料及其各種產(chǎn)物中氫質(zhì)量分數(shù)的回歸預(yù)測效果較好,可快捷有效地用于催化裂化原料、汽油、輕循環(huán)油和油漿中氫質(zhì)量分數(shù)預(yù)測。

      表3 催化裂化原料樣本性質(zhì)和回歸結(jié)果Table 3 FCC feedstock properties and regression results

      表4 汽油樣本性質(zhì)和回歸結(jié)果Table 4 Gasoline sample properties and regression results

      表5 LCO樣品性質(zhì)和回歸結(jié)果Table 5 LCO sample properties and regression results

      表6 油漿樣品性質(zhì)和回歸結(jié)果Table 6 Slurry sample properties and regression results

      表7 催化裂化原料和產(chǎn)物氫平衡Table 7 Hydrogen balance of FCC feedstock and products

      3.2 氫平衡驗證

      為了驗證回歸模型應(yīng)用效果,采用回歸模型對燕山石化公司2.0 Mt/a催化裂化裝置的標定數(shù)據(jù)[14]進行了氫平衡驗證。其中,催化裂化原料和液相產(chǎn)物的氫質(zhì)量分數(shù)采用回歸模型進行計算,而干氣、液化氣、焦炭數(shù)據(jù)采用文獻[14]計算值,計算結(jié)果見表7。從表7可以看出,采用回歸模型計算得到原料和產(chǎn)物的氫平衡,其相對誤差為0.90,小于文獻[14]中采用分析數(shù)據(jù)計算的氫平衡相對誤差(0.95),表明此回歸模型的預(yù)測效果較好。

      4 結(jié) 論

      (1)利用氫質(zhì)量分數(shù)、密度、硫質(zhì)量分數(shù)、30%餾出點溫度、50%餾出點溫度為回歸因子,及其相互結(jié)合交互因子,建立了催化裂化原料和主要液相產(chǎn)物的氫質(zhì)量分數(shù)多重線性回歸預(yù)測模型,分別為:

      原料:

      w(H)f=30.240-20.824ρ+0.314T30-0.028w(S)T50

      汽油:

      w(H)g=23.799-20.895ρ2+1.242T30

      輕循環(huán)油:

      w(H)LCO=20.372-14.862ρ2+0.973T50+0.048w(S)T50

      油漿:

      w(H)slurry=29.663-21.555ρ+0.093T30T50

      (2)采用逐步回歸方法,并引入方差膨脹系數(shù)檢驗,解決回歸模型中多重共線性問題。經(jīng)檢驗驗證,原料氫、汽油氫、LCO氫、油漿氫的質(zhì)量分數(shù)均方誤差和均方根誤差分別為0.0094和0.097、0.023和0.15、0.032和0.18、0.016和0.13。模型預(yù)測結(jié)果的均方誤差和均方根誤差相對較小,說明預(yù)測效果較好。

      (3)構(gòu)建的預(yù)測模型可快捷有效的用于催化裂化原料、汽油、輕循環(huán)油和油漿中氫質(zhì)量分數(shù)的預(yù)測。

      猜你喜歡
      油漿催化裂化原料
      一種催化裝置分餾塔塔釜回收輕組分的方法
      能源化工(2022年3期)2023-01-15 02:26:43
      全餾分粗油漿在瀝青中的應(yīng)用研究
      石油瀝青(2022年4期)2022-09-03 09:29:46
      造血原料缺乏引起的貧血
      嚴把原料采購關(guān),才是對養(yǎng)殖負責(zé)
      提高催化裂化C4和C5/C6餾分價值的新工藝
      催化裂化裝置摻渣比改造后的運行優(yōu)化
      催化裂化汽油脫硫工藝淺析
      催化裂化多產(chǎn)丙烯
      化工進展(2015年6期)2015-11-13 00:26:37
      催化裂化油漿捕獲沉降劑的工業(yè)應(yīng)用
      化工進展(2015年11期)2015-07-24 10:29:06
      烘焙原料簡易“識”
      美食堂(2015年5期)2015-05-30 10:48:04
      宣武区| 锡林浩特市| 南康市| 大荔县| 玛纳斯县| 葵青区| 招远市| 札达县| 南汇区| 福海县| 郎溪县| 股票| 法库县| 米林县| 新宁县| 永康市| 炎陵县| 天柱县| 定边县| 宜兰县| 卫辉市| 儋州市| 彭阳县| 满城县| 同江市| 郯城县| 定安县| 九寨沟县| 黄大仙区| 鹿邑县| 将乐县| 逊克县| 昌图县| 任丘市| 观塘区| 兴安盟| 保定市| 三穗县| 双峰县| 定远县| 宁夏|