-
题名基于大数据的高含硫天然气脱硫工艺优化
被引量：10
- 1
-
-
作者
辜小花
邱奎
李太福
王坎
唐海红
商剑峰
-
机构
重庆科技学院电气与信息工程学院
四川理工学院自动化与电子信息学院
中国石油大学(北京)机械与储运工程学院
-
出处
《天然气工业》
EI
CAS
CSCD
北大核心
2016年第9期107-114,共8页
-
基金
国家科技重大专项"百亿立方米级净化厂安全运行技术优化"(编号:2011ZX05017-005)
重庆市基础与前沿研究计划项目"油田机采过程大数据智能化利用与生产控制稳健优化""基于工业大数据的高含硫天然气净化过程异常监测与诊断方法"(编号:cstc2015jcyj BX0089
+2 种基金
cstc2015jcyj A90024)
重庆市教委科学技术研究项目"基于工业大数据的高含硫天然气净化过程异常监测与诊断方法""基于数据驱动的高含硫天然气净化脱硫过程故障检测与诊断"(编号:KJ1401312
KJ1501304)
-
文摘
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_2S、CO_2过分脱除问题,采用偏好多目标优化的方法,分别以H2S浓度逼近2.5 mg/m^3、CO_2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硫单元2014年1—12月的生产数据,取前80%数据作为训练集,后20%数据作为测试集,进行了仿真实验。结果表明:1所建立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H_2S浓度将由0.62 mg/m^3提高至3.22 mg/m^3,CO_2浓度由1.19%提高至1.99%,脱硫选择性显著提高;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0.8%,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
-
Keywords
Acid gas
Big data
Neural network
Dynamic modeling
Preference function
Multi-objective optimization
Sweetening process
Production increase and energy consumption decrease
-
分类号
TE644
[石油与天然气工程—油气加工工程]
-
