当前位置：
X-MOL 学术
›
Ind. Eng. Chem. Res.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Adaptive Weighted Hybrid Modeling of Hydrocracking Process and Its Operational Optimization
Industrial & Engineering Chemistry Research ( IF 3.8 ) Pub Date : 2021-02-24 , DOI: 10.1021/acs.iecr.0c05416 Wenjiang Song 1 , Wei Du 1, 2 , Chen Fan 1 , Minglei Yang 1 , Feng Qian 1
Industrial & Engineering Chemistry Research ( IF 3.8 ) Pub Date : 2021-02-24 , DOI: 10.1021/acs.iecr.0c05416 Wenjiang Song 1 , Wei Du 1, 2 , Chen Fan 1 , Minglei Yang 1 , Feng Qian 1
Affiliation
|
Hybrid modeling, aiming to integrate the advantages of both first-principles models and data-driven models, is an important technology for refinery process simulation and optimization. The commonly used hybrid models include series models, parallel models, and series–parallel models. Many studies have reported the operational optimization results based on these models. However, it is unknown whether the results obtained based on these models are consistent with the actual plant optimal operation. Moreover, the hybrid models that have been used in operational optimization are of traditional structures and cannot ensure competent performance. To fill these gaps, we investigate the modeling and operational optimization of a typical refinery unit—hydrocracking unit. First, we establish a first-principles model, a data-driven model, and three hybrid models and analyze the strengths and weaknesses of these models. Next, we propose the concepts of “mechanism-dominated models” and “data-dominated models” to classify the existing models according to the prediction abilities instead of the structural features. Furthermore, a novel type of hybrid model termed adaptive weighted hybrid model (AWHM) is proposed to gain a better balance between extrapolation and interpolation capabilities. Then, the performance of the operational optimization based on these models is compared under four optimization scenarios. Experimental results demonstrate that the two variants of the proposed AWHM have the best optimization performance and their optimization results are the most consistent with the actual process.
中文翻译：
加氢裂化过程的自适应加权混合建模及其运行优化。
混合建模旨在融合第一性原理模型和数据驱动模型的优点，是炼厂过程仿真和优化的一项重要技术。常用的混合模型包括串联模型，并联模型和串联-并联模型。许多研究已经报告了基于这些模型的运行优化结果。但是，基于这些模型获得的结果是否与实际的工厂最佳操作相一致尚不清楚。而且，已经在操作优化中使用的混合模型具有传统的结构，无法确保出色的性能。为了填补这些空白，我们研究了典型的炼油装置-加氢裂化装置的建模和操作优化。首先，我们建立一个第一原理模型，一个数据驱动模型，和三个混合模型，并分析这些模型的优缺点。接下来，我们提出“以机械为主的模型”和“以数据为主的模型”的概念，以便根据预测能力而不是结构特征对现有模型进行分类。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外插和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的操作优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。我们提出了“以机理为主的模型”和“以数据为主的模型”的概念，以便根据预测能力而不是结构特征对现有模型进行分类。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外插和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的运营优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。我们提出了“以机理为主的模型”和“以数据为主的模型”的概念，以便根据预测能力而不是结构特征对现有模型进行分类。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外推和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的运营优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外插和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的运营优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外插和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的运营优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。
更新日期：2021-03-10
中文翻译：
加氢裂化过程的自适应加权混合建模及其运行优化。
混合建模旨在融合第一性原理模型和数据驱动模型的优点，是炼厂过程仿真和优化的一项重要技术。常用的混合模型包括串联模型，并联模型和串联-并联模型。许多研究已经报告了基于这些模型的运行优化结果。但是，基于这些模型获得的结果是否与实际的工厂最佳操作相一致尚不清楚。而且，已经在操作优化中使用的混合模型具有传统的结构，无法确保出色的性能。为了填补这些空白，我们研究了典型的炼油装置-加氢裂化装置的建模和操作优化。首先，我们建立一个第一原理模型，一个数据驱动模型，和三个混合模型，并分析这些模型的优缺点。接下来，我们提出“以机械为主的模型”和“以数据为主的模型”的概念，以便根据预测能力而不是结构特征对现有模型进行分类。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外插和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的操作优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。我们提出了“以机理为主的模型”和“以数据为主的模型”的概念，以便根据预测能力而不是结构特征对现有模型进行分类。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外插和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的运营优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。我们提出了“以机理为主的模型”和“以数据为主的模型”的概念，以便根据预测能力而不是结构特征对现有模型进行分类。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外推和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的运营优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外插和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的运营优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。此外，提出了一种新型的混合模型，称为自适应加权混合模型（AWHM），以在外插和内插能力之间取得更好的平衡。然后，在四个优化方案下比较了基于这些模型的运营优化的性能。实验结果表明，所提出的AWHM的两个变体具有最佳的优化性能，并且它们的优化结果与实际过程最一致。
京公网安备 11010802027423号