催化裂化汽油收率影响因素分析以及神经网络模型_第1页
催化裂化汽油收率影响因素分析以及神经网络模型_第2页
催化裂化汽油收率影响因素分析以及神经网络模型_第3页
催化裂化汽油收率影响因素分析以及神经网络模型_第4页
催化裂化汽油收率影响因素分析以及神经网络模型_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

催化裂化汽油收率影响因素分析和神经网络模型汇报人:方伟刚学号:030130867内容提要一.催化裂化工艺流程二.反再系统三.催化裂化过程影响因素分析四.神经网络一.催化裂化工艺流程1、反应-再生系统2、分馏系统

3、吸收-稳定系统反应:催化裂化反应,一方面发生分解反应生成气体、汽油等小分子产物;另一方面同时发生缩合反应生成焦炭,沉积在催化剂表面,使催化剂活性下降。再生:用空气烧去催化剂表面积炭的过程。1.反应—再生系统一.催化裂化工艺流程

将反应油气分离成裂化气(富气)、粗汽油(初馏点~200℃)、轻柴油(200~350℃)、回炼油(350~500℃)及油浆(>500℃)。2.分馏系统有脱过热段剩余热量大,分离精确度易满足,多循环回流塔顶循环回流特点一.催化裂化工艺流程

将裂化气(富气)和粗汽油(初馏点~200℃)进一步分离成干气(H2、H2S、C1~C2)、液化气(C3~C4)及稳定汽油(初馏点~200℃)。3.吸收-稳定系统一.催化裂化工艺流程内容提要一.催化裂化工艺流程二.反再系统三.催化裂化过程影响因素分析四.神经网络1.按两器关系分类两器并列两器同轴2.按提升管分类按型式分类按结构分类内提升管外提升管单提升管反应器双提升管反应器提升管+床层反应器两段提升管反应器(MIP)二.反再系统同轴式高低并列式汽提段再生器提升管反应器反应油气沉降器水蒸气原料主风二.反再系统提升管反应器结构示意图直径:由进料量决定

【入口4~7m/s,出口12~18m/s】高度:由反应时间确定:2.5~3.5s提升管出口:气-固快分离设备提升管入口:高效雾化喷嘴

【迅速汽化、与催化剂均匀接触】沉降器:油剂分离空间汽提段:减少油气损失及烧焦负荷提升管反应器1.总体情况2.反应历程分析预提升区油剂混合区主反应区二次反应区快速分离区汽提区提升管反应器内容提要一.催化裂化工艺流程二.反再系统三.催化裂化过程影响因素分析四.神经网络重金属族组成

氮化物含量平均分子量CRC活性选择性再生剂含炭量反应温度反应压力油气分压油剂接触时间C/O再生温度反应器效率(1)原料性质(2)催化剂性质(3)操作条件1.各反应参数对转化率的影响有些参数彼此相关,所以变动一个参数时其它也会变!三.催化裂化过程影响因素分析1.各反应参数对转化率的影响(1)重金属:含量↑,转化率↓(2)族组成:其它条件相同时,转化率从高到低:

烷烃→环烷→芳烃(3)氮化物含量:碱性氮,使转化率↓,采用抗氮催化剂。三.催化裂化过程影响因素分析1.各反应参数对转化率的影响(4)残炭值:↑,转化率↓(5)再生剂含炭量:分子筛更敏感——含炭量↑,转化率↓0.1~0.6%:每降低0.1%转化率↑4个百分点

一般<0.1%,0.05%,0.02%.(6)C/O:油剂接触频率和活性强度——剂油比↑,转化率↑.

三.催化裂化过程影响因素分析2.转化率及反应参数对汽油产率的影响

提高催化剂活性提高反应温度提高剂油比提高油剂接触时间提高油气分压降低再生剂含炭量提高汽油产率只在一定范围内行之有效,否则不仅不能提高,反而使汽油收率大幅度下降。原因是转化率过大会使汽油进一步裂化成气体:A→B→C三.催化裂化过程影响因素分析2.转化率及反应参数对汽油产率的影响

(1)原料性质:石蜡>环烷>芳香基(2)催化剂:无定型硅酸铝,ZSM-5<<REY和USY同是USY、REY受制备方法和稳定条件影响(3)氮含量:↑,汽油产率↓汽油柴油三.催化裂化过程影响因素分析3.转化率及反应参数对汽油辛烷值的影响

(1)转化率↑,辛烷值↑:转化率≥70%,增加尤为明显(2)原料性质:K高,辛烷值低使用增加辛烷值催化剂,对此类原料更有效,提高幅度更大。(3)催化剂种类:REY<USY<ZSM-5(4)催化剂组成:Na含量晶胞大小基质面积根本原因:影响烯烃含量,影响氢转移反应!三.催化裂化过程影响因素分析3.转化率及反应参数对汽油辛烷值的影响

反应温度再生温度C/O停留时间微反活性再生剂含炭量油气分压工艺条件的影响:影响烯烃含量影响氢转移反应影响最大是反应温度,且因原料的K不同而不同。K大比K小更明显。对K值大的原料,利用提高反应温度的办法来提高汽油辛烷值是很可取的。三.催化裂化过程影响因素分析内容提要一.催化裂化工艺流程二.反再系统三.催化裂化过程影响因素分析四.BP神经网络建立名称BP类型前馈型神经网络原理输入数据由输入层经隐含层逐层处理。至输出层,若输出层得不到期望输出,则不断调整各层之间的权值和阈值,直至达到期望输出结构输入层、隐含层、输出层适用性函数识别、模式识别、分类、数据压缩优化方式用遗传算法优化BP网络的初始权值和阈值优

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论