1.一種隨機函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動力學方法,其特征在于,包括:
S1、根據(jù)餾份油質(zhì)量分率數(shù)據(jù)以及集總動力學方程,確定加氫裂化反應(yīng)速率矩陣的所有M個矩陣元數(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原料油進行模擬蒸餾實驗獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)和對所述原料油進行計算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù);
S2、對步驟S1中的M個矩陣元數(shù)據(jù)通過隨機函數(shù)預(yù)處理方法進行優(yōu)化;
S3、對所述步驟S2中優(yōu)化后的M個矩陣元數(shù)據(jù)通過遺傳算法繼續(xù)進行優(yōu)化;
S4、對步驟S3中優(yōu)化后的M個矩陣元數(shù)據(jù)通過非線性最小二乘法進行優(yōu)化,并確定優(yōu)化后的M個矩陣元數(shù)據(jù);
S5、根據(jù)步驟S4確定的M個矩陣元數(shù)據(jù),確定集總動力學方程的模型;
S6、根據(jù)所述步驟S5確定的集總動力學方程的模型,以對原料油進行模擬蒸餾實驗獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)作為初始條件,計算不同反應(yīng)空速所對應(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通過串行計算執(zhí)行所述集總動力學方程的模擬工作。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述步驟S1包括:
S11、劃分加氫裂化反應(yīng)虛擬集總組份;
S12、對加氫裂化集總動力學模型進行假設(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)的集總動力學模型確 定集總動力學方程;
S15、根據(jù)對原料油進行模擬蒸餾實驗獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)、對所述原料油進行計算擬合的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)以及集總動力學方程,確定加氫裂化反應(yīng)速率矩陣的所有M個矩陣元數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述步驟S11包括:
S111、確定所述原料油在不同工藝條件下進行模擬蒸餾實驗獲取的產(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;
S112、根據(jù)所述原料油在不同工藝條件下進行模擬蒸餾實驗的產(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,劃分加氫裂化反應(yīng)虛擬集總組份。
4.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述步驟S13包括:
劃分后的N個虛擬集總組份中,第1個虛擬集總組份的產(chǎn)品餾份油的平均沸點最高,第N個虛擬集總組份的產(chǎn)品餾份油的平均沸點最低;
第i(1≤i≤N)虛擬集總組份為第i節(jié)點,所述第i節(jié)點包含i-1個入度和N-i個出度;
其中,i表示虛擬集總組份的第i節(jié)點;N表示虛擬集總組份的數(shù)目,并且每一個虛擬集總組份對應(yīng)一個節(jié)點,共N個節(jié)點。
5.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述步驟S14中集總動力學方程為:
其中,Ci及Cj代表不同虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù);γi代表不同虛擬集總組份的動力學計量數(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;kai代表矩陣元數(shù)據(jù)。
6.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述矩陣元數(shù)據(jù)為包括對角元的下三角矩陣。
7.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述步驟S2包括:
S21、所述M個矩陣元數(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)計算得到的,并對所述冪函數(shù)的系數(shù)進行預(yù)設(shè)次數(shù)的窮舉;
S22、對所述冪函數(shù)的系數(shù)進行預(yù)設(shè)次數(shù)的窮舉后,得到與窮舉數(shù)目相同的包含M個矩陣元數(shù)據(jù)的矩陣元數(shù)據(jù)組;
S23、分別將每一個矩陣元數(shù)據(jù)組中的M個矩陣元數(shù)據(jù)代入所述集總動力學方程計算產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù);
S24、將計算的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)與在對應(yīng)工藝條件下根據(jù)實驗獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)進行對比,獲取所述計算的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)與在對應(yīng)工藝條件下根據(jù)實驗獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)的殘差最小時對應(yīng)的矩陣元數(shù)據(jù),重新確定M個矩陣元數(shù)據(jù)。
8.根據(jù)權(quán)利要求7所述的方法,其特征在于,所述步驟S24中,計算值與實驗值的殘差err為:
其中,Ccal,i表示通過計算獲取的第i個虛擬集總組份的餾份油質(zhì)量分率數(shù)據(jù),而Ctest,i表示通過實驗獲取的第i個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 無窮大。
9.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述步驟S3包括:
S31、以所述殘差err所表達的誤差函數(shù)作為待優(yōu)化的目標函數(shù);
S32、對所述步驟S2中優(yōu)化后的M個矩陣元數(shù)據(jù)中的每一個矩陣元數(shù)據(jù)在預(yù)設(shè)數(shù)值范圍內(nèi)進行擾動生成多個種群;
S33、根據(jù)擾動后的多個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)度最大時所對應(yīng)的種群個體;
S35、將所述種群個體進行種群復制,作為種群父本個體;
S36、對所述種群父本個體進行交叉和變異產(chǎn)生新的種群個體,將所述新的種群個體作為優(yōu)化后的M個矩陣元數(shù)據(jù)。
10.一種隨機函數(shù)預(yù)處理最小二乘后處理串行遺傳集總動力學系統(tǒng),其特征在于,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)以及集總動力學方程,確定加氫裂化反應(yīng)速率矩陣的所有M個矩陣元數(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原料油進行模擬蒸餾實驗獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)和對所述原料油進行計算擬合的產(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,用于對參數(shù)初步確定模塊中的M個矩陣元數(shù)據(jù)通過隨機函數(shù)預(yù)處理方法進行優(yōu)化;
參數(shù)優(yōu)化模塊,用于對參數(shù)預(yù)處理模塊優(yōu)化后的M個矩陣元數(shù)據(jù)通過遺傳算法繼續(xù)進行優(yōu)化;
參數(shù)確定模塊,用于對參數(shù)優(yōu)化模塊優(yōu)化后的M個矩陣元數(shù)據(jù)通過非線性最小二乘法進行優(yōu)化,并確定優(yōu)化后的M個矩陣元數(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個矩陣元數(shù)據(jù),確定集總動力學方程的模型;
質(zhì)量分率計算模塊,用于根據(jù)所述模型建立模塊確定的集總動力 學方程的模型,以對原料油進行模擬蒸餾實驗獲取的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù)作為初始條件,計算不同反應(yīng)空速所對應(yīng)的產(chǎn)品餾份油的餾份油質(zhì)量分率數(shù)據(jù);
串行計算模塊,用于通過串行計算執(zhí)行所述集總動力學方程的模擬工作。