本發(fā)明涉及餾份油加氫裂化工藝研究技術(shù)領(lǐng)域，具體涉及一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)方法及系統(tǒng)。

背景技術(shù)：

石油化工的重要任務(wù)之一是通過加氫反應(yīng)將低品質(zhì)、高雜質(zhì)含量高干點(diǎn)的大分子的原油或其預(yù)處理餾份油進(jìn)行加工，以生成高品質(zhì)、低雜質(zhì)含量、高附加值的各類餾份油產(chǎn)品及下游石油化工產(chǎn)品的原料。由于世界原油價(jià)格、成品油價(jià)格以及下游石油石化產(chǎn)品的價(jià)格和需求量不斷巨幅波動(dòng)，因此，煉油企業(yè)必須能夠?qū)κ蜔捴七^程的工藝參數(shù)進(jìn)行實(shí)時(shí)有效的調(diào)整，以適應(yīng)原油、成品油以及下游石油化工產(chǎn)品的價(jià)格以及需求量的變化要求。

煉油企業(yè)對(duì)石油煉制過程的工藝參數(shù)進(jìn)行實(shí)時(shí)有效調(diào)整的前提依賴于對(duì)加氫過程的深刻認(rèn)識(shí)以及與該過程相關(guān)的相對(duì)準(zhǔn)確的數(shù)學(xué)模式的確立和求解。

目前所提及的集總動(dòng)力學(xué)模型對(duì)于油品的餾份劃分相對(duì)簡(jiǎn)單，難以高精度的描述實(shí)際工業(yè)反應(yīng)及工藝實(shí)驗(yàn)所涉及的原料餾份以及產(chǎn)品餾份對(duì)于切割溫度的復(fù)雜分布。進(jìn)而使得采用不同的切割方案的餾份油切割結(jié)果與計(jì)算結(jié)果的誤差很大。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)方法及系統(tǒng)，大大減少了采用不同的切割方案的餾份油切割結(jié)果與計(jì)算結(jié)果的誤差。

第一方面，本發(fā)明提供一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)方法，包括：

S1、根據(jù)餾份油質(zhì)量分率數(shù)據(jù)以及集總動(dòng)力學(xué)方程，確定加氫裂化反應(yīng)速率矩陣的所有M個(gè)矩陣元數(shù)據(jù)，所述餾份油質(zhì)量分率數(shù)據(jù)包括在不同工藝條件下對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)和對(duì)所述原料油進(jìn)行計(jì)算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)；

S2、對(duì)步驟S1中的M個(gè)矩陣元數(shù)據(jù)通過隨機(jī)函數(shù)預(yù)處理方法進(jìn)行優(yōu)化；

S3、對(duì)所述步驟S2中優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)通過遺傳算法繼續(xù)進(jìn)行優(yōu)化；

S4、對(duì)步驟S3中優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)通過非線性最小二乘法進(jìn)行優(yōu)化，并確定優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)；

S5、根據(jù)步驟S4確定的M個(gè)矩陣元數(shù)據(jù)，確定集總動(dòng)力學(xué)方程的模型；

S6、根據(jù)所述步驟S5確定的集總動(dòng)力學(xué)方程的模型，以對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)作為初始條件，計(jì)算不同反應(yīng)空速所對(duì)應(yīng)的產(chǎn)品餾份油的餾分油質(zhì)量分率數(shù)據(jù)；

S7、將步驟S2-S6通過串行計(jì)算執(zhí)行所述集總動(dòng)力學(xué)方程的模擬工作。

可選的，所述步驟S1包括：

S11、劃分加氫裂化反應(yīng)虛擬集總組份；

S12、對(duì)加氫裂化集總動(dòng)力學(xué)模型進(jìn)行假設(shè)；

S13、構(gòu)建加氫裂化反應(yīng)網(wǎng)絡(luò)；

S14、根據(jù)所述加氫裂化反應(yīng)網(wǎng)絡(luò)以及假設(shè)的集總動(dòng)力學(xué)模型確定集總動(dòng)力學(xué)方程；

S15、根據(jù)對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)、對(duì)所述原料油進(jìn)行計(jì)算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)以及集總動(dòng)力學(xué)方程，確定加氫裂化反應(yīng)速率矩陣的所有M個(gè)矩陣元數(shù)據(jù)。

可選的，所述步驟S11包括：

S111、確定所述原料油在不同工藝條件下進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)以及產(chǎn)品餾份油的平均沸點(diǎn)；

S112、根據(jù)所述原料油在不同工藝條件下進(jìn)行模擬蒸餾實(shí)驗(yàn)的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)以及產(chǎn)品餾份油的平均沸點(diǎn)，劃分加氫裂化反應(yīng)虛擬集總組份。

可選的，所述步驟S13包括：

劃分后的N個(gè)虛擬集總組份中，第1個(gè)虛擬集總組份的產(chǎn)品餾份油的平均沸點(diǎn)最高，第N個(gè)虛擬集總組份的產(chǎn)品餾份油的平均沸點(diǎn)最低；

第i(1≤i≤N)虛擬集總組份為第i節(jié)點(diǎn)，所述第i節(jié)點(diǎn)包含i-1個(gè)入度和N-i個(gè)出度；

其中，i表示虛擬集總組份的第i節(jié)點(diǎn)；N表示虛擬集總組份的數(shù)目，并且每一個(gè)虛擬集總組份對(duì)應(yīng)一個(gè)節(jié)點(diǎn)，共N個(gè)節(jié)點(diǎn)。

可選的，所述步驟S14中集總動(dòng)力學(xué)方程為：

其中，C_i及C_j代表不同虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù)；γ_i代表不同虛擬集總組份的動(dòng)力學(xué)計(jì)量數(shù)，不同取值分別表示不同虛擬集總組份的生成反應(yīng)及消耗反應(yīng)；N代表虛擬集總組份的數(shù)目；i和 j分別代表不同虛擬集總組份；ka_i代表矩陣元數(shù)據(jù)。

可選的，所述矩陣元數(shù)據(jù)為包括對(duì)角元的下三角矩陣。

可選的，所述步驟S2包括：

S21、所述M個(gè)矩陣元數(shù)據(jù)為通過建立以餾分油切割溫度為自變量以矩陣元數(shù)據(jù)的數(shù)值為函數(shù)值的5次冪函數(shù)計(jì)算得到的，并對(duì)所述冪函數(shù)的系數(shù)進(jìn)行預(yù)設(shè)次數(shù)的窮舉；

S22、對(duì)所述冪函數(shù)的系數(shù)進(jìn)行預(yù)設(shè)次數(shù)的窮舉后，得到與窮舉數(shù)目相同的包含M個(gè)矩陣元數(shù)據(jù)的矩陣元數(shù)據(jù)組；

S23、分別將每一個(gè)矩陣元數(shù)據(jù)組中的M個(gè)矩陣元數(shù)據(jù)代入所述集總動(dòng)力學(xué)方程計(jì)算產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)；

S24、將計(jì)算的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)與在對(duì)應(yīng)工藝條件下根據(jù)實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)進(jìn)行對(duì)比，獲取所述計(jì)算的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)與在對(duì)應(yīng)工藝條件下根據(jù)實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)的殘差最小時(shí)對(duì)應(yīng)的矩陣元數(shù)據(jù)，重新確定M個(gè)矩陣元數(shù)據(jù)。

可選的，所述步驟S24中，計(jì)算值與實(shí)驗(yàn)值的殘差err為：

其中，C_cal，i表示通過計(jì)算獲取的第i個(gè)虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù)，而C_test，i表示通過實(shí)驗(yàn)獲取的第i個(gè)虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù)，N為虛擬集總組份的數(shù)目，p與q為0，1，2或無(wú)窮大。

可選的，所述步驟S3包括：

S31、以所述殘差err所表達(dá)的誤差函數(shù)作為待優(yōu)化的目標(biāo)函數(shù)；

S32、對(duì)所述步驟S2中優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)中的每一個(gè)矩陣元數(shù)據(jù)在預(yù)設(shè)數(shù)值范圍內(nèi)進(jìn)行擾動(dòng)生成多個(gè)種群；

S33、根據(jù)擾動(dòng)后的多個(gè)種群分別獲取所述殘差err；

S34、以所述殘差err的倒數(shù)函數(shù)作為遺傳算法的適應(yīng)度函數(shù)，選取適應(yīng)度最大時(shí)所對(duì)應(yīng)的種群個(gè)體；

S35、將所述種群個(gè)體進(jìn)行種群復(fù)制，作為種群父本個(gè)體；

S36、對(duì)所述種群父本個(gè)體進(jìn)行交叉和變異產(chǎn)生新的種群個(gè)體，將所述新的種群個(gè)體作為優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)。

第二方面，本發(fā)明還提供了一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)系統(tǒng)，包括：

參數(shù)初步確定模塊，用于根據(jù)餾份油質(zhì)量分率數(shù)據(jù)以及集總動(dòng)力學(xué)方程，確定加氫裂化反應(yīng)速率矩陣的所有M個(gè)矩陣元數(shù)據(jù)，所述餾份油質(zhì)量分率數(shù)據(jù)包括在不同工藝條件下對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)和對(duì)所述原料油進(jìn)行計(jì)算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)；

參數(shù)預(yù)處理模塊，用于對(duì)參數(shù)初步確定模塊中的M個(gè)矩陣元數(shù)據(jù)通過隨機(jī)函數(shù)預(yù)處理方法進(jìn)行優(yōu)化；

參數(shù)優(yōu)化模塊，用于對(duì)參數(shù)預(yù)處理模塊優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)通過遺傳算法繼續(xù)進(jìn)行優(yōu)化；

參數(shù)確定模塊，用于對(duì)參數(shù)優(yōu)化模塊優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)通過非線性最小二乘法進(jìn)行優(yōu)化，并確定優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)；

模型建立模塊，用于根據(jù)參數(shù)確定模塊確定的M個(gè)矩陣元數(shù)據(jù)，確定集總動(dòng)力學(xué)方程的模型；

質(zhì)量分率計(jì)算模塊，用于根據(jù)所述模型建立模塊確定的集總動(dòng)力學(xué)方程的模型，以對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)作為初始條件，計(jì)算不同反應(yīng)空速所對(duì)應(yīng)的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)；

串行計(jì)算模塊，用于通過串行計(jì)算執(zhí)行所述集總動(dòng)力學(xué)方程的模擬工作。

由上述技術(shù)方案可知，本發(fā)明提供的一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)方法及系統(tǒng)，通過隨機(jī)選擇機(jī)制獲取餾份油質(zhì)量分率數(shù)據(jù)以及集總動(dòng)力學(xué)方程，確定加氫反應(yīng)速率矩陣的矩陣元數(shù)據(jù)，然后依次通過隨機(jī)函數(shù)預(yù)處理方法、遺傳算法、非線性最小二乘法對(duì)確定的矩陣元數(shù)據(jù)進(jìn)行預(yù)處理、遺傳算法處理以及高精度精修處理獲取最終優(yōu)化后的矩陣元數(shù)據(jù)，并根據(jù)該最終優(yōu)化后的矩陣元數(shù)據(jù)確定集總動(dòng)力學(xué)方程的模型。該方法劃分多個(gè)集總組份，滿足工業(yè)生產(chǎn)產(chǎn)品切割的靈活性要求，并且通過三種算法對(duì)待建立模型中的參數(shù)進(jìn)行優(yōu)化，該建立后的集總動(dòng)力學(xué)模型增強(qiáng)了不同餾份切割方案的靈活性，并且通過該集總動(dòng)力學(xué)模型計(jì)算的餾份油質(zhì)量分率數(shù)據(jù)的分布曲線與模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)的分布曲線吻合度較高。

附圖說(shuō)明

圖1為本發(fā)明一實(shí)施例提供的一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)方法的流程示意圖；

圖2為本發(fā)明一實(shí)施例提供的原料餾份油的模擬蒸餾圖；

圖3為本發(fā)明一實(shí)施例提供的產(chǎn)品餾份油的模擬蒸餾圖；

圖4為本發(fā)明一實(shí)施例提供的加氫裂化反應(yīng)網(wǎng)絡(luò)拓?fù)鋱D；

圖5為本發(fā)明一實(shí)施例提供的加氫裂化反應(yīng)網(wǎng)絡(luò)第i個(gè)虛擬組份節(jié)點(diǎn)有向圖；

圖6為本發(fā)明一實(shí)施例提供的加氫裂化反應(yīng)速率矩陣的結(jié)構(gòu)簡(jiǎn)圖；

圖7為本發(fā)明一實(shí)施例提供的串行計(jì)算算法的流程圖；

圖8為本發(fā)明一實(shí)施例提供的采用隨機(jī)函數(shù)計(jì)算、遺傳算法優(yōu)化以及非線性最小二乘法精修計(jì)算的集總動(dòng)力學(xué)方程組所獲得的產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布圖與實(shí)驗(yàn)所獲取的產(chǎn)品餾份油質(zhì)量分率 數(shù)據(jù)的分布圖的對(duì)比圖；

圖9為本發(fā)明一實(shí)施例提供的不同集總劃分計(jì)算獲得產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布圖的對(duì)比圖；

圖10為本發(fā)明一實(shí)施例提供的一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖，對(duì)發(fā)明的具體實(shí)施方式作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說(shuō)明本發(fā)明的技術(shù)方案，而不能以此來(lái)限制本發(fā)明的保護(hù)范圍。

集總動(dòng)力學(xué)方法正是應(yīng)用于加氫裂化或催化裂化過程的相對(duì)有效且可行的數(shù)學(xué)模式之一。該方法的基本思想是將反應(yīng)涉及的各類油品按照某種原則簡(jiǎn)化劃分為特定的虛擬集總組分，劃分方式可以按照餾份油的沸點(diǎn)、沸程劃分。也可按照餾份油的組份(尤其以四組份更為常見)進(jìn)行劃分。劃分方案本身具有較大的靈活性。然后確立集總組份的虛擬反應(yīng)網(wǎng)絡(luò)，并按照確立的反應(yīng)網(wǎng)絡(luò)以及相關(guān)的反應(yīng)動(dòng)力學(xué)關(guān)系確立集總反應(yīng)的方程式，方程式的形式一般以與一級(jí)反應(yīng)相對(duì)應(yīng)的線性微分方程組最為常見。然后在帶入反應(yīng)初始條件的前提下，通過相關(guān)的解析及數(shù)值方法求解確立的集總反應(yīng)的方程式，從而獲得各組虛擬集總餾份油產(chǎn)品隨時(shí)間分布的解析或數(shù)值函數(shù)形式。進(jìn)而實(shí)現(xiàn)對(duì)于加氫裂化或催化裂化反應(yīng)產(chǎn)品對(duì)于反應(yīng)空速(裂化時(shí)間)關(guān)系的動(dòng)態(tài)細(xì)節(jié)描述。

圖1為本發(fā)明實(shí)施例提供的一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)方法的流程示意圖，如圖1所示，該方法包括以下步驟：

S1、根據(jù)餾份油質(zhì)量分率數(shù)據(jù)以及集總動(dòng)力學(xué)方程，確定加氫裂化反應(yīng)速率矩陣的所有M個(gè)矩陣元數(shù)據(jù)，所述餾份油質(zhì)量分率數(shù)據(jù)包 括在不同工藝條件下對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)和對(duì)所述原料油進(jìn)行計(jì)算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)；

S2、對(duì)步驟S1中的M個(gè)矩陣元數(shù)據(jù)通過隨機(jī)函數(shù)預(yù)處理方法進(jìn)行優(yōu)化；

S3、對(duì)所述步驟S2中優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)通過遺傳算法繼續(xù)進(jìn)行優(yōu)化；

S4、對(duì)步驟S3中優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)通過非線性最小二乘法進(jìn)行優(yōu)化，并確定優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)；

可理解的是，上述步驟S4中，對(duì)步驟S3優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)所組成的廣義誤差函數(shù)通過非線性最小二乘法，依次對(duì)每一個(gè)矩陣元數(shù)據(jù)進(jìn)行優(yōu)化計(jì)算，并重新確定誤差函數(shù)值在預(yù)設(shè)范圍內(nèi)時(shí)的M個(gè)矩陣元數(shù)據(jù)，其中，所述廣義誤差函數(shù)通過以M個(gè)矩陣元數(shù)據(jù)為自變量，以根據(jù)計(jì)算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)與通過模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)差值的絕對(duì)值作為函數(shù)值確定的。

S5、根據(jù)步驟S4確定的M個(gè)矩陣元數(shù)據(jù)，確定集總動(dòng)力學(xué)方程的模型。

S6、根據(jù)所述步驟S5確定的集總動(dòng)力學(xué)方程的模型，以對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)作為初始條件，計(jì)算不同反應(yīng)空速所對(duì)應(yīng)的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)。

也就是說(shuō)以圖2所示的原料餾份油的模擬蒸餾圖所對(duì)應(yīng)的不同虛擬組份的餾份油質(zhì)量分率數(shù)據(jù)作為求解集總動(dòng)力學(xué)反應(yīng)微分方程組的初始值，采用龍格-庫(kù)塔方法計(jì)算求解該微分方程組。積分的區(qū)間從0到反應(yīng)空速的倒數(shù)。

S7、將步驟S2-S6通過串行計(jì)算執(zhí)行所述集總動(dòng)力學(xué)方程的模擬 工作。

上述方法通過隨機(jī)選擇機(jī)制獲取餾份油質(zhì)量分率數(shù)據(jù)以及集總動(dòng)力學(xué)方程，確定加氫反應(yīng)速率矩陣的矩陣元數(shù)據(jù)，然后依次通過隨機(jī)函數(shù)預(yù)處理方法、遺傳算法、非線性最小二乘法對(duì)確定的矩陣元數(shù)據(jù)進(jìn)行預(yù)處理、遺傳算法處理以及高精度精修處理獲取最終優(yōu)化后的矩陣元數(shù)據(jù)，并根據(jù)該最終優(yōu)化后的矩陣元數(shù)據(jù)確定集總動(dòng)力學(xué)方程的模型。該方法劃分多個(gè)集總組份，滿足工業(yè)生產(chǎn)產(chǎn)品切割的靈活性要求，并且通過三種算法對(duì)待建立模型中的參數(shù)進(jìn)行優(yōu)化，該建立后的集總動(dòng)力學(xué)模型增強(qiáng)了不同餾份切割方案的靈活性，并且通過該集總動(dòng)力學(xué)模型計(jì)算的餾份油質(zhì)量分率數(shù)據(jù)的分布曲線與實(shí)驗(yàn)結(jié)果吻合度較高。

下面通過具體的實(shí)施例來(lái)詳細(xì)說(shuō)明上述方法，以下實(shí)施例僅用于說(shuō)明本發(fā)明的方法，但是并不用來(lái)限定本發(fā)明的保護(hù)范圍。

上述步驟S1具體包括：

S11、劃分加氫裂化反應(yīng)虛擬集總組份；

該步驟S11具體包括如下步驟：

S111、確定所述原料油在不同工藝條件下進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)以及產(chǎn)品餾份油的平均沸點(diǎn)；

S112、根據(jù)所述原料油在不同工藝條件下進(jìn)行模擬蒸餾實(shí)驗(yàn)的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)以及產(chǎn)品餾份油的平均沸點(diǎn)，劃分加氫裂化反應(yīng)虛擬集總組份。

首先從40ml小型加氫裝置按照不同工藝條件依次提取溫度、處理量以及氫分壓力不同的27組實(shí)驗(yàn)對(duì)應(yīng)的餾份油產(chǎn)品，分別采集27種工藝操作條件下對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的餾份油質(zhì)量分率數(shù)據(jù)和根據(jù)所述原料油進(jìn)行計(jì)算擬合的餾份油質(zhì)量分率數(shù)據(jù)作為本模型方法計(jì)算的參數(shù)擬合數(shù)據(jù)集。將原料及驗(yàn)證試驗(yàn)所對(duì)應(yīng)的餾份油模擬蒸餾數(shù)據(jù)繪制如圖2及圖3所示。在圖2中，其中X坐標(biāo)代表模擬蒸 餾切割溫度/攝氏度，Y坐標(biāo)代表原料餾份油質(zhì)量分率數(shù)據(jù)，圖3中，X坐標(biāo)代表產(chǎn)品餾份油切割溫度/攝氏度，Y坐標(biāo)代表產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)。將27組模擬蒸餾實(shí)驗(yàn)數(shù)據(jù)進(jìn)行劃分，將所有油品初餾點(diǎn)的最小值作為擬合模型體系的初餾點(diǎn)同時(shí)將所有油品干點(diǎn)的最大值作為擬合模型體系的干點(diǎn)，這樣所有餾份油沸程均在擬合模型的所計(jì)算的沸程范圍內(nèi)。然后對(duì)計(jì)算所涉及的沸程按照實(shí)驗(yàn)及計(jì)算的需要進(jìn)行集總劃分，在此對(duì)該范圍進(jìn)行100個(gè)集總劃分。

S12、對(duì)加氫裂化集總動(dòng)力學(xué)模型進(jìn)行假設(shè)；

該步驟S12包括如下步驟：

S121、在反應(yīng)餾份和生成餾份屬于同一餾程時(shí)，則該反應(yīng)不予考慮；

S122、加氫裂化反應(yīng)具有單向性和不可逆性；

S123、所述加氫裂化反應(yīng)的速率常數(shù)受溫度的影響符合Arrhenius方程；

S124、各個(gè)虛擬集總組份中較輕組份對(duì)于較重組份不發(fā)生作用，而較重組份的反應(yīng)和組分反應(yīng)后的累積對(duì)較輕組份的產(chǎn)生數(shù)量和產(chǎn)生速率發(fā)生影響；

S125、所有反應(yīng)采用一級(jí)反應(yīng)動(dòng)力學(xué)模型描述；

S126、反應(yīng)過程只受動(dòng)力學(xué)過程控制，不受其他過程影響。

S13、構(gòu)建加氫裂化反應(yīng)網(wǎng)絡(luò)；

所述步驟S13包括：

劃分后的N個(gè)虛擬集總組份中，第1個(gè)虛擬集總組份的產(chǎn)品餾份油的平均沸點(diǎn)最高，第N個(gè)虛擬集總組份的產(chǎn)品餾份油的平均沸點(diǎn)最低；

第i個(gè)(1≤i≤N)虛擬集總組份包含i-1個(gè)入度和N-i個(gè)出度；

其中，i表示虛擬集總組份的第i節(jié)點(diǎn)；N表示虛擬集總組份的數(shù)目，并且每一個(gè)虛擬集總組份對(duì)應(yīng)一個(gè)節(jié)點(diǎn)，共N個(gè)節(jié)點(diǎn)。

舉例來(lái)說(shuō)，繪制反應(yīng)過程的反應(yīng)網(wǎng)絡(luò)如圖4所示。其中，從左到右虛擬集總組份的產(chǎn)品餾份油的平均沸點(diǎn)從低到高。在該反應(yīng)網(wǎng)絡(luò)中虛擬集總組份的總數(shù)N為100。在劃分過程中，第1個(gè)虛擬集總組份的產(chǎn)品餾份油的平均沸點(diǎn)最高，也可以理解為虛擬集總組份為最重的虛擬集總組份，而第N個(gè)虛擬集總組份的產(chǎn)品餾份油的平均沸點(diǎn)最低，也可以理解為虛擬集總組份為最輕的虛擬集總組份?，F(xiàn)將第i個(gè)集總組份從反應(yīng)網(wǎng)絡(luò)示意圖中提取出來(lái)如圖5所示。對(duì)于第i個(gè)虛擬集總組份而言，其可視為包含100個(gè)節(jié)點(diǎn)的有向圖的第i個(gè)節(jié)點(diǎn)。對(duì)于該節(jié)點(diǎn)而言，總計(jì)包含i-1個(gè)入度及N-i個(gè)出度。對(duì)于反應(yīng)體系而言，i-1個(gè)入度代表第i節(jié)點(diǎn)虛擬集總組份接收來(lái)自于比所述第i節(jié)點(diǎn)的虛擬集總組份較重的i-1個(gè)節(jié)點(diǎn)的虛擬集總組份的餾份油裂解的產(chǎn)品，N-i個(gè)出度代表第i節(jié)點(diǎn)的虛擬集總組份自身裂解為來(lái)自于比所述第i節(jié)點(diǎn)的虛擬集總組份較輕的N-i個(gè)節(jié)點(diǎn)的虛擬集總組份提供原料。

S14、根據(jù)所述加氫裂化反應(yīng)網(wǎng)絡(luò)以及假設(shè)的集總動(dòng)力學(xué)模型確定集總動(dòng)力學(xué)方程；

根據(jù)反應(yīng)網(wǎng)絡(luò)圖及集總反應(yīng)動(dòng)力學(xué)方程假設(shè)確立描述反應(yīng)所涉及的常微分方程組。在本實(shí)施例中，該方程組包括100個(gè)常微分方程。

具體的，集總動(dòng)力學(xué)方程為：

公式(1)

其中，C_i及C_j代表不同虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù)；γ_i代表不同虛擬組份的動(dòng)力學(xué)計(jì)量數(shù)，不同取值分別表示不同虛擬集總組份的生成反應(yīng)及消耗反應(yīng)；N代表虛擬集總組份的數(shù)目；i和j分別代表不同的虛擬集總組份；ka_i代表矩陣元數(shù)據(jù)。

S15、根據(jù)對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)、對(duì)所述原料油進(jìn)行計(jì)算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)以及集總動(dòng)力學(xué)方程，確定加氫裂化反應(yīng)速率矩陣的所有M個(gè)矩陣元數(shù)據(jù)。

如圖6所示，所述矩陣元數(shù)據(jù)為包括對(duì)角元的下三角矩陣，反應(yīng)速率矩陣的數(shù)學(xué)形式經(jīng)虛擬集總組份從輕到重排列后可轉(zhuǎn)化為包含對(duì)角元的上三角矩陣。

假定加氫裂化反應(yīng)速率矩陣的所有矩陣元數(shù)據(jù)，該矩陣為100x100規(guī)模。但根據(jù)前序模型假設(shè)該矩陣為下三角矩陣。同時(shí)由于反應(yīng)自身的特點(diǎn)，反應(yīng)速率矩陣對(duì)角線上每個(gè)元素表征該虛擬集總組分的裂解速率系數(shù)，它的絕對(duì)值應(yīng)該等于對(duì)應(yīng)列上所有其它元素的代數(shù)和。現(xiàn)將該實(shí)施例所涉及的加氫反應(yīng)速率矩陣結(jié)構(gòu)簡(jiǎn)圖列于圖6所示。在圖6中有點(diǎn)的位置其矩陣元數(shù)據(jù)不為零，而空白處其矩陣元數(shù)據(jù)為零。在整個(gè)矩陣中包括5049個(gè)非零元素，這些非零元素即為本模型待優(yōu)化的參數(shù)即待優(yōu)化的M個(gè)矩陣元數(shù)據(jù)。

上述步驟S2包括：

S21、所述M個(gè)矩陣元數(shù)據(jù)為通過建立以餾份油切割溫度為自變量，以矩陣元數(shù)據(jù)的數(shù)值為函數(shù)值的5次冪函數(shù)計(jì)算得到的，并對(duì)所述冪函數(shù)的系數(shù)進(jìn)行預(yù)設(shè)次數(shù)的窮舉；

S22、對(duì)所述冪函數(shù)的系數(shù)進(jìn)行預(yù)設(shè)次數(shù)的窮舉后，得到與窮舉數(shù)目相同的包含M個(gè)矩陣元數(shù)據(jù)的矩陣元數(shù)據(jù)組；

S23、分別將每一個(gè)矩陣元數(shù)據(jù)組中的M個(gè)矩陣元數(shù)據(jù)代入所述集總動(dòng)力學(xué)方程計(jì)算產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)；

S24、將計(jì)算的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)與在對(duì)應(yīng)工藝條件下根據(jù)實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)進(jìn)行對(duì)比，獲取所述計(jì)算的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)與在對(duì)應(yīng)工藝條件下根據(jù)實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)的殘差最小 時(shí)對(duì)應(yīng)的矩陣元數(shù)據(jù)，重新確定M個(gè)矩陣元數(shù)據(jù)。

為了后續(xù)描述方便，將計(jì)算的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)定義為計(jì)算值，與計(jì)算的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)在對(duì)應(yīng)工藝條件下根據(jù)實(shí)驗(yàn)獲取的餾份油質(zhì)量分率數(shù)據(jù)定義為實(shí)驗(yàn)值。

具體的，上述步驟S21-S24中確立實(shí)驗(yàn)值與計(jì)算值的殘差err最小的初始反應(yīng)速率矩陣的矩陣元數(shù)據(jù)。具體的優(yōu)化計(jì)算過程如下：

(1)假定600個(gè)待優(yōu)化參數(shù)為-2～2之間的條件隨機(jī)數(shù)，將這些隨機(jī)數(shù)作為100組最高次為5的冪函數(shù)的系數(shù)，這些冪函數(shù)的自變量是餾份油的沸點(diǎn)，函數(shù)值是反應(yīng)速率矩陣元數(shù)據(jù)的數(shù)值。通過隨機(jī)生成的冪函數(shù)計(jì)算反應(yīng)速率矩陣，計(jì)算結(jié)果滿足反應(yīng)速率矩陣每列對(duì)角線上元素絕對(duì)值等于對(duì)應(yīng)列上其他所有元素的代數(shù)和這一約束條件。

(2)通過假定的待優(yōu)化參數(shù)使用龍格-庫(kù)塔方法以原料油模擬蒸餾曲線所對(duì)應(yīng)的餾份分布為初始條件，以0到反應(yīng)空速的倒數(shù)為積分區(qū)間求解所確立的包含100個(gè)常微分方程的集總動(dòng)力學(xué)常微分方程組。

(3)將求解結(jié)果與對(duì)應(yīng)工藝條件下產(chǎn)品餾份油的模擬蒸餾曲線所對(duì)應(yīng)的餾份油分布曲線進(jìn)行誤差計(jì)算，其計(jì)算公式如下所示。在此計(jì)算過程中，取參數(shù)p＝1，q＝1，N＝100并記錄兩者之間的誤差。

計(jì)算值與實(shí)驗(yàn)值的殘差err為：

公式(2)

其中，C_cal，i表示通過計(jì)算獲取的第i個(gè)虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù)，而C_test，i表示通過實(shí)驗(yàn)獲取的第i個(gè)虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù)，N為虛擬集總組份的數(shù)目，p與q為0，1，2或無(wú)窮大。

(4)重復(fù)(1)-(3)過程10⁶次，在所有諸多誤差中選取誤差最小值作為初始反應(yīng)速率矩陣的矩陣元數(shù)據(jù)。作為下一步計(jì)算的初始 值。

上述步驟S3包括：

S31、以殘差err也即計(jì)算值與實(shí)驗(yàn)值的差值的絕對(duì)值所表達(dá)的誤差函數(shù)作為待優(yōu)化的目標(biāo)函數(shù)；

S32、對(duì)所述步驟S2中優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)中的每一個(gè)矩陣元數(shù)據(jù)在預(yù)設(shè)數(shù)值范圍內(nèi)進(jìn)行擾動(dòng)生成多個(gè)種群；

S33、根據(jù)擾動(dòng)后的多個(gè)種群分別獲取所述殘差err；

S34、以所述殘差err的倒數(shù)函數(shù)作為遺傳算法的適應(yīng)度函數(shù)，選取適應(yīng)度最大時(shí)所對(duì)應(yīng)的種群個(gè)體；

S35、將所述種群個(gè)體進(jìn)行種群復(fù)制，作為種群父本個(gè)體；

S36、對(duì)所述種群父本個(gè)體進(jìn)行交叉和變異產(chǎn)生新的種群個(gè)體，將所述新的種群個(gè)體作為優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)。

具體的，上述步驟S31-S36基于遺傳算法確立實(shí)驗(yàn)值與計(jì)算值的殘差最小的反應(yīng)速率矩陣的矩陣元數(shù)據(jù)。具體的優(yōu)化計(jì)算過程如下：

(1)對(duì)所述步驟S2中優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)初始值矩陣的每個(gè)元素進(jìn)行小規(guī)模擾動(dòng)，擾動(dòng)范圍為每個(gè)矩陣元數(shù)據(jù)初始值矩陣的每個(gè)元素?cái)?shù)值的0.8-1.2倍。通過隨機(jī)擾動(dòng)生成規(guī)模為800的初始矩陣元數(shù)據(jù)種群。這一擾動(dòng)的目的既保證了種群總體質(zhì)量的“優(yōu)秀性”，又保證了種群的“多樣化”，并以該種群作為遺傳算法優(yōu)化計(jì)算的初始種群。

(2)以公式(2)所示的誤差函數(shù)的倒數(shù)函數(shù)作為遺傳算法的適應(yīng)度函數(shù)，依次計(jì)算每個(gè)種群個(gè)體的適應(yīng)度函數(shù)值。其中誤差函數(shù)計(jì)算時(shí)取p＝1及q＝1。確保誤差越小，其相關(guān)適應(yīng)度越大。以便使得誤差小的矩陣元數(shù)據(jù)種群更能夠獲得保留。

(3)采用遺傳算法的選擇性算法選出個(gè)體進(jìn)行種群復(fù)制，作為下次計(jì)算的種群父本個(gè)體；

(4)對(duì)已選取的種群父本個(gè)體進(jìn)行交叉和變異產(chǎn)生新的種群個(gè) 體，相關(guān)的交叉率為0.1-0.9，優(yōu)選為0.5，變異率為0.0001-0.05，優(yōu)選為0.001；

(5)將新的種群個(gè)體替代舊的種群個(gè)體，重復(fù)步驟(2)-(4)直至進(jìn)化達(dá)到優(yōu)化目標(biāo)，整個(gè)遺傳算法的計(jì)算代數(shù)為10000代。

保留計(jì)算過程中涉及的所有不同代數(shù)的種群個(gè)體共計(jì)8x10⁶個(gè)，在其中選取適應(yīng)度函數(shù)最大即誤差函數(shù)值最小的個(gè)體作為下一步參數(shù)精修計(jì)算的初始值。

具體的，上述步驟速率矩陣元數(shù)據(jù)作為初始數(shù)據(jù)基于遺傳算法優(yōu)化計(jì)算速率矩陣相關(guān)矩陣元數(shù)據(jù)的具體數(shù)值這一具體過程中也可以理解為包括以下步驟：

A)將由實(shí)驗(yàn)值與計(jì)算值差的范數(shù)所表達(dá)的誤差函數(shù)作為待優(yōu)化目標(biāo)函數(shù)的形式；

B)針對(duì)每個(gè)優(yōu)化目標(biāo)生成的初始反應(yīng)速率矩陣的矩陣元數(shù)值鄰域內(nèi)隨機(jī)生成相應(yīng)目標(biāo)的種群，種群個(gè)體數(shù)目為20-400000個(gè)；

C)對(duì)每個(gè)種群依據(jù)相關(guān)二進(jìn)制代碼進(jìn)行隨機(jī)變換，形成新種群；

D)按C)的方式依次生成新個(gè)體，新個(gè)體數(shù)目為20-400000個(gè)；

E)以待優(yōu)化的目標(biāo)函數(shù)倒數(shù)或與該函數(shù)正向相關(guān)的函數(shù)作為適應(yīng)度函數(shù)，依次計(jì)算每個(gè)種群個(gè)體的適應(yīng)度函數(shù)值；

F)采用遺傳算法的“輪盤賭”算法按照概率方式選出個(gè)體適應(yīng)度函數(shù)值較大的種群進(jìn)行種群復(fù)制，作為下次計(jì)算的種群父本個(gè)體；

G)對(duì)已選取的種群父本個(gè)體進(jìn)行交叉和變異產(chǎn)生新的種群個(gè)體，相關(guān)的交叉率為0.1-0.9，變異率為0.0001-0.05；

H)將新種群替代舊種群，重復(fù)步驟C)-H)直至進(jìn)化達(dá)到優(yōu)化目標(biāo)，整個(gè)遺傳算法的計(jì)算代數(shù)為100-1000000代。

具體的，上述步驟S4中，基于非線性最小二乘算法優(yōu)化上一步由遺傳算法確立的矩陣元數(shù)據(jù)。具體的優(yōu)化計(jì)算過程如下：

(1)以通過遺傳算法計(jì)算獲取的適應(yīng)度函數(shù)最大的個(gè)體所對(duì)應(yīng)的

矩陣元數(shù)據(jù)作為非線性最小二乘法計(jì)算的迭代初始值。

(2)整個(gè)計(jì)算過程涉及的誤差函數(shù)可以表達(dá)為包含5049個(gè)相關(guān)速率矩陣系數(shù)的廣義函數(shù)。其表達(dá)如下：

其中，err及F(ka_i)代表總的廣義誤差函數(shù)，

g_i代表每個(gè)微分方程所引入的誤差；

ka_i代表待優(yōu)化的反應(yīng)速率矩陣元數(shù)據(jù)；

n代表虛擬集總組目。

在此，令

再將f_i(ka_j)自變量進(jìn)行替換獲得如下函數(shù)形式：

接下來(lái)將包含n個(gè)未知數(shù)的方程組f_i(x^(k))＝0,i＝1..n進(jìn)行變換求解。

(3)假定以遺傳算法獲得的相關(guān)矩陣元數(shù)據(jù)為x⁽¹⁾，在此假定初始參數(shù)α₁>0而增長(zhǎng)因子β>1，設(shè)定的允許誤差

ε>0，計(jì)算F(x^(k))首先假定α＝α₁,k＝1。i＝1...n,j-1...n

(4)令α＝α/β,k＝1。依次計(jì)算矩陣元數(shù)據(jù)

形成矩陣

(5)由于整個(gè)計(jì)算過程函數(shù)形式十分復(fù)雜，其偏導(dǎo)數(shù)的求解過程難于用解析形式進(jìn)行表達(dá)，在此采用差分方法近似代替微分。

(6)為避免A_k矩陣出現(xiàn)奇異性引入?yún)?shù)α，求解方程計(jì)算方向d^(k)，并計(jì)算迭代下一步的自變量值x^(k+1)＝x^(k)+d^(k)。

(7)再次計(jì)算新自變量x^(k+1)所對(duì)應(yīng)的函數(shù)值F(x^(k+1))。如果

F(x^(k+1))<F(x^(k))則證明迭代計(jì)算成功通過迭代目標(biāo)函數(shù)值減小。

則轉(zhuǎn)入第(8)步，否則轉(zhuǎn)入第(7)步。

(8)如果則迭代計(jì)算終止，令最終解否則增加搜索范圍，令α＝αβ,轉(zhuǎn)入第5)步重新計(jì)算。

(9)如果則迭代計(jì)算終止，令最終解否則令k＝k+1，返回第(4)步重新計(jì)算。

在整個(gè)計(jì)算過程中，由于前序遺傳算法已經(jīng)使得遺傳算法最優(yōu)解距整體的全局最優(yōu)解比較“近”。因此，在精修計(jì)算過程中選取初始參數(shù)及增長(zhǎng)因子均較小，在計(jì)算過程中參數(shù)選擇如下：α₁＝0.001，β＝1.05，Δx_j＝0.05以及ε＝0.001。

如圖7所示，上述步驟S7具體包括如下步驟：

S71、使用計(jì)算機(jī)串行產(chǎn)生1000000組包含600個(gè)-2～2之間的隨機(jī)冪函數(shù)系數(shù)數(shù)組，并用產(chǎn)生的數(shù)組通過冪函數(shù)計(jì)算反應(yīng)速率矩陣的矩陣元數(shù)據(jù)；

S72、對(duì)產(chǎn)生的1000000組生成矩陣元數(shù)據(jù)串行組裝生成集總動(dòng)力學(xué)反應(yīng)矩陣；

S73、以原料油質(zhì)量分率數(shù)據(jù)的分布為初始條件以零到對(duì)應(yīng)的反應(yīng)空速倒數(shù)為積分區(qū)間按照生成的矩陣依次采用龍格-庫(kù)塔方法計(jì)算 1000000組包含100個(gè)微分方程的集總動(dòng)力學(xué)方程組所對(duì)應(yīng)的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)的分布曲線；

S74、按照上述公式(2)計(jì)算1000000組產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)的分布曲線與實(shí)際產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)的分布曲線的差值，選擇其中差值最小者所對(duì)應(yīng)的包含5049個(gè)隨機(jī)數(shù)的數(shù)組作為反應(yīng)速率矩陣的初始動(dòng)力學(xué)參數(shù)；

S75、對(duì)所獲得的初始動(dòng)力學(xué)參數(shù)數(shù)組中的每個(gè)元素進(jìn)行其0.8-1.2倍的隨機(jī)擾動(dòng)串行產(chǎn)生800組遺傳算法的初始種群，并對(duì)每個(gè)種群個(gè)體進(jìn)行二進(jìn)制編碼；

S76、將生成的二進(jìn)制編碼分組進(jìn)行交叉、變異生成新的二進(jìn)制代碼，并將生成二進(jìn)制代碼轉(zhuǎn)換為對(duì)應(yīng)的遺傳算法計(jì)算新種群，按照公式(2)的倒數(shù)作為遺傳算法的自適應(yīng)度函數(shù)，依次串行計(jì)算初始種群及新種群的自適應(yīng)度函數(shù)值；

S77、將計(jì)算獲得的自適應(yīng)度函數(shù)值依照“輪盤賭”的方式按概率隨機(jī)選取800組新種群，作為下一代種群參與后續(xù)計(jì)算；

S78、將所生成的新種群代替初始種群并記錄所有種群個(gè)體的二進(jìn)制編碼及所有個(gè)體的自適應(yīng)度函數(shù)以及誤差函數(shù)值，重復(fù)S76-S77步驟10000次獲得的種群作為最終種群；

S79、選取計(jì)算過程中所有個(gè)體中自適應(yīng)函數(shù)數(shù)值最大也即誤差函數(shù)最小的個(gè)體作為下一步精修計(jì)算的初始值；

S80、依據(jù)遺傳算法選定的最優(yōu)個(gè)體的每個(gè)元素采用三點(diǎn)數(shù)值差分的方法采用串行計(jì)算方式近似計(jì)算廣義誤差函數(shù)對(duì)于每個(gè)矩陣元數(shù)據(jù)的一階導(dǎo)數(shù)向量以及二階矩陣，同時(shí)設(shè)置初始參數(shù)、增長(zhǎng)因子、允許誤差以及差分步長(zhǎng)；

S81、對(duì)形成矩陣按矩陣元數(shù)據(jù)進(jìn)行串行組裝和擾動(dòng)并求解相關(guān)方程組進(jìn)而得到相關(guān)搜索方法為后續(xù)計(jì)算做準(zhǔn)備；

S82、將原變量加和搜索方向形成新變量，并計(jì)算新變量所對(duì)應(yīng) 的廣義函數(shù)值，將新變量的廣義函數(shù)值與原變量的廣義函數(shù)值進(jìn)行對(duì)比判斷，如目標(biāo)函數(shù)減小則用新變量取代原變量，增加搜索范圍，如果目標(biāo)函數(shù)數(shù)值增加則減小增長(zhǎng)因子同時(shí)原變量保持不變；

S83、以新的解向量代替S80使用的解向量，重復(fù)S80-S82步驟直至誤差函數(shù)值小于0.0001為止，停止迭代計(jì)算，并將所得的解向量作為精修后的解向量，由此確定相關(guān)集總動(dòng)力學(xué)的全部待定參數(shù)，確立集總動(dòng)力學(xué)方程的數(shù)學(xué)形式；

S84、依據(jù)確立的集總動(dòng)力學(xué)方程組以原料油質(zhì)量分率數(shù)據(jù)(即對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù))作為初始條件計(jì)算不同空速所對(duì)應(yīng)的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)，并可進(jìn)一步依照不同切割方案計(jì)算對(duì)應(yīng)的餾份油質(zhì)量分率數(shù)據(jù)的分布情況。

如圖8所示，X坐標(biāo)代表餾份油切割溫度/攝氏度，Y坐標(biāo)代表餾份油質(zhì)量分率數(shù)據(jù)，圖中分別采用初始隨機(jī)函數(shù)、遺傳算法以及非線性最小二乘法計(jì)算集總動(dòng)力學(xué)方程組所獲得的產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布圖與實(shí)驗(yàn)所獲取的產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布圖的對(duì)比圖?？梢园l(fā)現(xiàn)由于待優(yōu)化參數(shù)數(shù)目眾多通過初始隨機(jī)函數(shù)計(jì)算的產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布圖與實(shí)驗(yàn)所獲取的產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布圖尚有很大差別，而通過遺傳算法計(jì)算確定的產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布圖與實(shí)驗(yàn)所獲取的產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布圖相對(duì)比較接近但仍有一定的偏離，而最終經(jīng)過八次迭代計(jì)算精修獲得的計(jì)算結(jié)果則與實(shí)驗(yàn)結(jié)果相當(dāng)?shù)姆€(wěn)合。實(shí)現(xiàn)了對(duì)于產(chǎn)品餾份分布的高精度數(shù)值擬合。通過遺傳算法計(jì)算的相關(guān)殘差err＝24.1186，而通過非線性最小二乘方法7步迭代計(jì)算獲得的最終殘差err＝3.9568.對(duì)應(yīng)的反應(yīng)速率矩陣由于矩陣元數(shù)據(jù)眾多，僅列舉部分列于表1。表1示出了通過各種算法計(jì)算獲得殘差及部分矩陣元數(shù)據(jù)的數(shù)值。

表1

對(duì)上述方法中選取不同的集總數(shù)、以及不同的切割方案以及采用不同的計(jì)算方法消耗的時(shí)間分別對(duì)比如下：

(1)為了表現(xiàn)本發(fā)明所涉及算法對(duì)于集總模型所涉及的虛擬集總組份數(shù)目的依賴，在此分別以20集總50集總以及100集總模型計(jì)算相關(guān)的餾份油質(zhì)量分率數(shù)據(jù)的分布曲線，并將計(jì)算結(jié)果與實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，將對(duì)比結(jié)果列于圖9所示，X坐標(biāo)代表產(chǎn)品餾份油切割溫度/攝氏度，Y坐標(biāo)代表產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)。

計(jì)算結(jié)果表明集總組份數(shù)目對(duì)于產(chǎn)品餾份油質(zhì)量分率的計(jì)算擬合相當(dāng)重要。如果想達(dá)到較高的擬合精度必須保證足夠的虛擬組分?jǐn)?shù)量。當(dāng)虛擬組分為20時(shí)，計(jì)算結(jié)果十分粗糙的表達(dá)了產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的大體趨勢(shì)，但完全無(wú)法表達(dá)出產(chǎn)品餾份油質(zhì)量分率數(shù)據(jù)的分布的細(xì)節(jié)信息，無(wú)論高沸程餾份也即平均沸點(diǎn)最高的虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù)還是低沸程餾份餾份也即平均沸點(diǎn)最低的虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù)都是如此；當(dāng)虛擬組分為50時(shí)，計(jì)算結(jié)果對(duì)于高沸程餾份的餾份油質(zhì)量分率數(shù)據(jù)的分布表達(dá)的較好，這是因?yàn)楦叻谐甜s份的餾份油質(zhì)量分率數(shù)據(jù)的分布隨切割溫度的波動(dòng)較小，而模型對(duì)于低沸程餾份的餾份油質(zhì)量分率數(shù)據(jù)的分布吻合的較粗糙，因?yàn)榈头谐甜s份的餾份油質(zhì)量分率數(shù)據(jù)的分布隨切割溫度的波動(dòng)較大；當(dāng)虛擬組分為100時(shí)，計(jì)算結(jié)果對(duì)于高低沸程餾份的餾份油質(zhì)量分率數(shù)據(jù)的分布吻合的均較好，既反映了高沸程餾份的餾份油質(zhì)量分率數(shù)據(jù)的平緩分布，也表現(xiàn)了低沸程餾份的餾份油質(zhì)量分率數(shù)據(jù)的波動(dòng)性分布。

(2)為了表現(xiàn)該方法對(duì)于不同餾份切割方案的靈活實(shí)用性。現(xiàn)將兩種不同的產(chǎn)品餾份油切割方案及其按照上述方法計(jì)算所獲得的結(jié)果列于表2及表3所示，其中表2和表3為不同的切割餾份的餾份油質(zhì)量分率數(shù)據(jù)分布情況。

表2

表3

通過表2及表3的比較可以發(fā)現(xiàn)，由于本發(fā)明可以采用較多的集總組份對(duì)餾份油進(jìn)行劃分并計(jì)算，同時(shí)其計(jì)算結(jié)果擬合精度很高。因此本發(fā)明的計(jì)算結(jié)果可以對(duì)于餾份油的靈活切割方案具有十分廣義和靈活的適用性。

如圖10所示，本發(fā)明實(shí)施例還提供了一種隨機(jī)函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動(dòng)力學(xué)系統(tǒng)的結(jié)構(gòu)示意圖，如圖10所示，該系統(tǒng)包括：

參數(shù)初步確定模塊101，用于根據(jù)餾份油質(zhì)量分率數(shù)據(jù)以及集總動(dòng)力學(xué)方程，確定加氫裂化反應(yīng)速率矩陣的所有M個(gè)矩陣元數(shù)據(jù)，所述餾份油質(zhì)量分率數(shù)據(jù)包括在不同工藝條件下對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)和對(duì)所述原料油進(jìn) 行計(jì)算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)；

參數(shù)預(yù)處理模塊102，用于對(duì)參數(shù)初步確定模塊中的M個(gè)矩陣元數(shù)據(jù)通過隨機(jī)函數(shù)預(yù)處理方法進(jìn)行優(yōu)化；

參數(shù)優(yōu)化模塊103，用于對(duì)參數(shù)預(yù)處理模塊優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)通過遺傳算法繼續(xù)進(jìn)行優(yōu)化；

參數(shù)確定模塊104，用于對(duì)參數(shù)優(yōu)化模塊優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)通過非線性最小二乘法進(jìn)行優(yōu)化，并確定優(yōu)化后的M個(gè)矩陣元數(shù)據(jù)；

模型建立模塊105，用于根據(jù)參數(shù)確定模塊確定的M個(gè)矩陣元數(shù)據(jù)，確定集總動(dòng)力學(xué)方程的模型。

質(zhì)量分率計(jì)算模塊106，用于根據(jù)所述模型建立模塊確定的集總動(dòng)力學(xué)方程的模型，以對(duì)原料油進(jìn)行模擬蒸餾實(shí)驗(yàn)獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)作為初始條件，計(jì)算不同反應(yīng)空速所對(duì)應(yīng)的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)；

串行計(jì)算模塊107，用于通過串行計(jì)算執(zhí)行所述集總動(dòng)力學(xué)方程的模擬工作。

上述系統(tǒng)與上述方法是一一對(duì)應(yīng)的，上述方法的實(shí)施細(xì)節(jié)也適用于該系統(tǒng)，本實(shí)施例不對(duì)該系統(tǒng)進(jìn)行詳細(xì)說(shuō)明。

本發(fā)明的說(shuō)明書中，說(shuō)明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說(shuō)明書的理解。

本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來(lái)使用。

最后應(yīng)說(shuō)明的是：以上各實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求和說(shuō)明書的范圍當(dāng)中。