亚星游戏官网-www.yaxin868.com

专利名称：工业装置乙烯氧氯化过程中乙烯燃烧率的软测量方法
技术领域：
本发明涉及エ业装置聚氯こ烯(PVC)的単体氯こ烯(VCM)生产过程中こ烯氧氯化単元流化床反应器内副反应こ烯燃烧率的在线软测量方法，属于化工生产过程关键物耗在线软测量领域。
背景技术：
化工生产过程关键物耗在线计算是进行エ艺调整和生产操作參数优化的基础。其主要任务是通过考察化工生产过程的特性，定量了解主要相关操作參数对生产过程关键物 耗的影响，认识其规律与机理，建立关联模型，从而为生产操作參数的优化、及生产エ艺的改造等提供依据和手段，因此建立能准确描述化工生产过程关键物耗模型意义十分重大。氯こ烯是合成聚氯こ烯(PVC)的重要原料，并且大多数的氯こ烯都用来合成聚氯こ烯。最早由德国法本公司在1931年首先实现エ业化生产，早期的生产エ艺主要为电石こ炔法，该エ艺耗能大，并且催化剂会对环境造成污染。到了 20世纪60年代，こ烯平衡氧氯化法的出现极大地促进了聚氯こ烯行业的迅速发展，该エ艺降低了生成成本，并且对环境污染较�。�相比较电石こ炔法有着诸多优势，因此，こ烯氧氯化法迅速取代电石こ炔法成为氯こ烯的主要生产方法。目前我国氯こ烯行业氯こ烯生产エ艺主要有电石こ炔法和こ烯氧氯化法两种。电石法エ艺生产PVC高能耗、高污染。催化剂由于升华或中毒等原因活性逐渐下降，失活后必须更换，由于失活的废汞催化剂不能回收利用，对环境造成污染。从长期发展来看，电石法由于生产成本、环保等因素将在市场竞争中处于劣势，同时随着こ烯法エ艺的不断改进，乙烯法的发展前景会更好。こ烯氧氯化工艺在我国的エ业化生产已有三十多年，但目前在该领域我国仍未形成系统的自主研发技术，跟国外公司仍存在着较大差距。こ烯氧氯化制ニ氯こ烷是こ烯氧氯化工艺的关键技木，目前该技术仅为几家大型公司所有，比如日本三井东压公司、德国伍德赫斯特公司、欧洲こ烯公司等等。因此，本专利こ烯氧氯化过程中こ烯燃烧率在线计算方法是针对三井东压エ艺氧氯化単元建立。在三井东压氧氯化单元中，物料循环系统如图I所示。界区外送来的纯净C2H4原料气先与循环气体混合后，预热，再与裂解单元来的HCl气体混合，然后与加热后的HC1、02混合，一起进入氧氯化反应器底部。反应器顶部出来的热物料送往ニ氯こ烷急冷塔冷却，冷却介质为ニ氯こ烷/水循环液。急冷塔的作用是除去物料中的少量氯化氢，同时冷却物料。急冷塔底部物料中的少量ニ氯こ烷被分离出来，其余的不凝气体送入碱洗塔。直接氯化单元来的尾气也送入碱洗塔。碱洗塔的作用是用循环碱液吸收混合气体中的C02。碱洗塔底部物料送往ニ氯こ烷混合气中和酸性的ニ氯こ烷，其中不凝气体经冷凝器后送入气液分离器，最終作为循环气体通过压缩机压缩后与新鮮C2H4原料气混合进入氧氯化反应器。由冷凝器和气液分离器得到的ニ氯こ烷，送往ニ氯こ烷混合器，再送往倾析器，经纯水洗涤、分离后，送往ニ氯こ烷贮罐，贮罐中的ニ氯こ烷送往精制单元。
こ烯燃烧生成ニ氧化碳是在氧氯化流化床反应器中进行，由于反应器出ロ没有流量和组分浓度的测量仪表，使得こ烯燃烧率需要通过测量氧氯化循环系统中几个指标来计算。这里主要有两部分的计算(I)反应生成的ニ氧化碳量。ニ氧化碳离开反应器后，在经过碱洗塔时大部分被吸收，其余部分通过排空维持循环系统中二氧化碳浓度。(2)反应消耗的こ烯量。涉及反应器进ロ新鲜こ烯量，从直接氯化单元送来的尾气中こ烯量和排空气体中包含的こ烯量。上述方法计算得到离线的こ烯燃烧率，其作为在线软测量的训练样本。通过将得到的离线こ烯燃烧率与生产负荷、流化床反应器进料比C2H4/HC1、02/HC1和反应器内平均温度进行关联，得到在线こ烯燃烧率软测量模型。软测量结果对エ业生产实际的控制具有重要的作用，并要求及时将结果反馈到生产控制中去。因此，进行こ烯氧氯化过程中こ烯燃烧率的在线软测量，实时根据可测操作參数在线计算氧氯化単元こ烯燃烧率是进行生产操作參数调整，操作參数优化的基础。

发明内容
本发明所要解决的技术问题是提供ー种在线计算エ业装置VCM生产过程中こ烯氧氯化単元中こ烯燃烧率的软测量方法。采用神经网络技术建立生产负荷、反应器进料比C2H4/HC1、02/HC1和反应器内平均温度与离线得到的こ烯燃烧率的关联模型；本发明的目的还在于根据可测的生产负荷、反应器进料比C2H4/HC1、02/HC1和反应器内平均温度，实时计算こ烯燃烧率，从而为生产エ艺的调整和操作參数的优化提供指导。本发明采用了下述技术方案利用こ烯氧氯化反应过程中流化床反应器进ロ流股流量计及浓度分析仪、直接氯化单元送至氧氯化单元的流量计及浓度分析仪计及浓度分析仪、反应器内测温表、循环气流量计、排空气量流量计和现有VCM生产装置的数据采集系统(包括DCS与实时数据库等)的基础上，采用神经网络模型进行计算，通过对上述模型输入变量的实时、连续采集，将训练好的权值及阈值代入并进行计算，得到こ烯燃烧率的预测值。所述神经网络模型是典型的BP模型。首先，需要建立こ烯燃烧率的预测模型。在こ烯氧氯化反应过程中，影响こ烯燃烧率的因素主要有以下四个生产负荷、反应器进料比C2H4/HC1、02/HC1和反应器内平均温度。(I)生产负荷由反应器进料的氯化氢流量決定，100%负荷时氯化氢流量为9123Nm3/hr。生产负荷的范围为O I。(2)反应器进料比C2H4/HC1中的こ烯流量包括两部分，新鮮こ烯进料和直接氯化单元送来的こ烯量。(3)反应器进料比02/HC1中的氧气即新鮮氧气进料。(4)反应器内平均温度，由于三井东压流化床反应器内部共有33块水平挡板，共7个测温点，エ业生产中以平均温度为操作依据。以上各エ艺操作參数对こ烯燃烧率的影响较为复杂，各エ艺參数之间存在交互作用，与こ烯燃烧率关系呈高度非线性特征，因此这里采用活化函数为SIGMOID函数，建立三层神经网络模型，并采用误差反馈算法对网络进行训练。通过采集历史数据信息，采用神经网络技术提取こ烯燃烧率变化的信息，建立起氧氯化过程中主要操作參数与こ烯燃烧率YC2H4的神经网络模型。该神经网络模型的输入变量是生产负荷(xl)、反应器进料比C2H4/HC1 (x2)、02/HCl (x3)和反应器内平均温度(x4，で)，并利用式(I)进行归一化处理%=チ今り=1，2，3，4(I)式中，xi是第i个操作參数(即自变量)的实际测量值，sxi表示第i个操作參数归一化后作为神经网络输入的值，[Χ“，表示采集到第i个操作參数的变化范围，归ー化后输入自变量的变化范围为
。对采集到的nl组数据，其中每组数据包含[xl，x2, x3, x4, YC2H4]，经归ー化后为[sxl, sx2, sx3, sx4, YC2H4]，形成训练样本；对こ烯燃烧率的神经网络模型，以[sxl，sx2,sx3, sx4]作为网络的输入，对应的こ烯燃烧率作为目标值，训练网络。当达到一定精度要求吋，停止训练，获得こ烯燃烧率。所述神经网络模型中，以生产负荷、反应器进料比C2H4/HC1、02/HC1和反应器内平均温度为自变量，以こ烯燃烧率为输出变量。输入层的节点数为4，隐含层节点数为4，输出层节点数为I.
本发明能够解决在流化床反应器出口没有分析仪的情况下对こ烯燃烧率的计算，同时由于建立了各操作參数对こ烯燃烧率的影响关系，从而可以进ー步进行エ艺操作參数的优化，具有较强的エ业实用性。尽管本领域的技术人员可以对本发明进行修改或者等同替换，但是，一切不脱离本发明精神和范围的技术方案及其改进，均应涵盖在本发明的权利要求范围当中。


图I为三井东压エ艺氧氯化反应过程的流程图。图2为氧氯化反应器内副反应こ烯燃烧率的神经网络模型框图。
具体实施例方式以下结合附图并通过实例对本发明作进ー步说明以三井东压エ艺こ烯氧氯化反应过程为例，其流程见图I所示。新鲜进料和循环气体在气体混合器中混合后，进入氧氯化反应器底部，氧氯化反应器在一定温度范围内操作，氯化氢、こ烯、氧气等反应生成ニ氯こ烷(简称EDC)，同时发生副反应こ烯燃烧生成ニ氧化碳。反应器出来的气体经急冷塔除去其中的HC1，再经过碱洗塔主要除去其中的C02，从EDC倾析器出来的不凝气体少量放空，大部分作为循环气体重新进入反应器。图2为反应器こ烯燃烧率的神经网络模型框图，选取生产负荷(xl)、反应器进料比C2H4/HCl(x2)、02/HCl(x3)和反应器内平均温度(x4，°C )作为模型的自变量，各个自变量经过归一化后形成网络的输入自变量[sxl，sx2, sx3, sx4]，归ー化后变量的范围为
;网络输出为反应器内こ烯燃烧率的计算值；神经网络模型中，输入层的节点数为4，隐含层节点数为1(1 = 2 25)，输出层节点数为I。采集1123组生产过程中反应器在不同的生产负荷(xl)、反应器进料比C2H4/HCl (x2)、02/HCl (x3)和反应器内平均温度(x4，V )下,对应こ烯燃烧率形成的样本数据。利用(I)式，对上述各变量进行归ー化处理xl的变化范围[O. 401，O. 907]，x2的变化范围[O. 467，O. 649]，x3 的变化范围[O. 243，O. 317]，x4 的变化范围[202. 3，234. 3]，
形成标准化样本数据。其中各标准化计算式如下
权利要求
1.一种工业乙烯氧氯化反应过程乙烯燃烧率的在线软测量方法，包括以下几个步骤 建立乙烯燃烧率与生产负荷、流化床反应器进料比C2H4/HC1、02/HC1和反应器内平均温度的人工神经网络模型；在线计算反应器进口流股流量及浓度的实时数据；在线计算直接氯化单元送至氧氯化单元的流股流量及浓度的实时数据；在线计算反应器内平均温度；在线计算循环气量和排空气量的实时数据；离线测量碱洗塔底物料中水和二氯乙烷的体积比；离线计算乙烯燃烧率，不断更新神经网络训练样本。在线计算乙烯燃烧率。
2.根据权利要求I所述的工业乙烯氧氯化反应过程乙烯燃烧率的在线软测量方法，其特征在于，离线的乙烯燃烧率可由附录中的乙烯燃烧率计算方法得到，但此方法得到的乙烯燃烧率具有一定滞后性。利用离线得到的乙烯燃烧率，生产负荷、反应器进料比C2H4/HC1、 o2/hci和反应器内平均温度的关联关系，用神经网络技术建立模型。这些工艺操作参数与乙烯燃烧率的关系模型采用的活化函数为SIGMOID函数，建立三层神经网络，并采用误差反馈算法对网络进行训练。得到神经网络模型为Yc2H4 — f (X1，X2 X3 X4)通过对上述模型输入变量的实时、连续采集，将训练好的权值及阈值代入并进行计算， 得到乙烯燃烧率的预测值。
3.根据权利要求2所述的工业乙烯氧氯化反应过程乙烯燃烧率的在线软测量方法，其特征在于，所述神经网络模型的输入变量为生产负荷、反应器进料比c2h4/hci、o2/hci和反应器内平均温度，将该神经网络模型进行归一化处理。灯xT j = l’2’3，4X —Xmax min其中，Xi是第i个操作参数的实际测量值，SXi表示第i个操作参数归一化后作为神经网络输入的值，[乂m，4ax]表示采集到第i个操作参数的变化范围，归一化后输入自变量的变化范围为
;对采集到的nl组数据,其中每组数据包含[X1, X2, X3, X4, Yc2h4],经归一化后为[SX1, SX2, sx3, sx4, Yc2h4],形成训练样本；对乙烯燃烧率的神经网络模型，以[SX1, SX2, SX3, SX4]作为网络的输入，对应的乙烯燃烧率作为目标值，训练网络。
全文摘要
本发明提供一种工业乙烯氧氯化反应过程中乙烯燃烧率的软测量方法，该方法能够根据乙烯氧氯化流化床反应器进口流股流量及浓度、直接氯化单元送至氧氯化单元的流股流量及浓度、反应器内平均温度、以及循环气量和排空气量等实时数据，在线计算氧氯化过程中发生的副反应，即乙烯燃烧生成二氧化碳的燃烧率。从而实现乙烯氧氯化反应过程中乙烯燃烧率的在线软测量，为生产操作参数的优化提供指导。本发明可以实现在无尾气分析设备条件下对乙烯氧氯化反应过程关键物耗的在线软测量，具有很强的工业实用性。
文档编号G01N31/12GK102621271SQ201210055380
公开日2012年8月1日 申请日期2012年3月2日 优先权日2012年3月2日
发明者孙伟振, 许志美, 赵玲, 陈淼 申请人:华东理工大学