利用基于PSO算法的径向基人工神经网络优化重催干气脱硫

作     者：范峥 田润芝 林亮 韩彦忠 郭阳 豆龙龙 景根辉 TYOOR AgiDamian FAN Zheng;TIAN Runzhi;LIN Liang;HAN Yanzhong;GUO Yang;DOU Longlong;JING Genhui;TYOOR Agi Damian

作者机构：西安石油大学化学化工学院陕西西安710065 西安长庆科技工程有限责任公司陕西西安710018 中国石油长庆油田分公司第十采油厂甘肃庆阳745000 

基　　金：中国国家留学基金(201908610135) 西安石油大学研究生创新与实践能力培养项目(YCS19212062) 

出 版 物：《化工进展》 (Chemical Industry and Engineering Progress)

年 卷 期：2021年第40卷第6期

页      码：3107-3118页

摘      要：针对重催干气脱硫过程存在进料波动频繁、优化响应滞后导致能量消耗过大等问题,通过Aspen HYSYS V11软件利用Li-Mather物性方法对该系统进行全流程模拟,根据Plackett-Burman设计筛选对目标值具有显著影响的有效因素,利用基于PSO算法的径向基人工神经网络对预测模型进行训练、验证和测试,并在满足净化干气硫化氢浓度约束的前提下对其进行深度优化,以期最小化系统能耗。结果表明,重催干气流量、重催干气硫化氢浓度、贫液哌嗪质量分数、贫液N-甲基二乙醇胺(MDEA)质量分数、胺液循环量、T-3001塔底温度和E-3003贫液出口温度对系统能耗影响非常显著,当以上述因素为输入信号,以系统能耗为网络输出时,7-16-1型径向基人工神经网络预测模型经过4182次迭代后,它的训练样本、验证样本、测试样本均方误差分别为5.08×10^(-6)、7.78×10^(-6)和9.56×10^(-6),均小于容许收敛误差限10^(-5),而其决定系数亦高达0.981、0.975、0.969,表现出良好的相关性。当利用基于PSO算法的径向基人工神经网络对重催干气脱硫系统能耗进行优化时,经过3198次粒子进化迭代后系统能耗仅为0.0649kg_(oe)/h,较优化前系统能耗0.0713kg_(oe)/h降低了8.98%,节能效果显著。

主 题 词：重催干气 脱硫 计算机模拟 Plackett-Burman设计 神经网络 PSO算法 优化 

学科分类：081702[081702] 08[工学] 0817[工学-轻工类] 

核心收录：

D　O　I：10.16085/j.issn.1000-6613.2020-1426

馆 藏 号：203103659...