文献类型：期刊文章

作　　者：辜小花[1,2] 邱奎[1] 李太福[1] 王坎[1] 唐海红[1] 商剑峰[3]

机构地区：[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

出　　处：《天然气工业》

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;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)

年　　份：2016

卷　　号：36

期　　号：9

起止页码：107-114

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号：20164502988862)、IC、JST、PA、RCCSE、SCOPUS、ZGKJHX、核心刊

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_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  

分 类 号：TE644]