催化裂化汽油收率影響因素分析以及神經網絡模型_第1頁
催化裂化汽油收率影響因素分析以及神經網絡模型_第2頁
催化裂化汽油收率影響因素分析以及神經網絡模型_第3頁
催化裂化汽油收率影響因素分析以及神經網絡模型_第4頁
催化裂化汽油收率影響因素分析以及神經網絡模型_第5頁
已閱讀5頁,還剩18頁未讀 繼續免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

催化裂化汽油收率影響因素分析和神經網絡模型匯報人:方偉剛學號:030130867內容提要一.催化裂化工藝流程二.反再系統三.催化裂化過程影響因素分析四.神經網絡一.催化裂化工藝流程1、反應-再生系統2、分餾系統

3、吸收-穩定系統反應:催化裂化反應,一方面發生分解反應生成氣體、汽油等小分子產物;另一方面同時發生縮合反應生成焦炭,沉積在催化劑表面,使催化劑活性下降。再生:用空氣燒去催化劑表面積炭的過程。1.反應—再生系統一.催化裂化工藝流程

將反應油氣分離成裂化氣(富氣)、粗汽油(初餾點~200℃)、輕柴油(200~350℃)、回煉油(350~500℃)及油漿(>500℃)。2.分餾系統有脫過熱段剩余熱量大,分離精確度易滿足,多循環回流塔頂循環回流特點一.催化裂化工藝流程

將裂化氣(富氣)和粗汽油(初餾點~200℃)進一步分離成干氣(H2、H2S、C1~C2)、液化氣(C3~C4)及穩定汽油(初餾點~200℃)。3.吸收-穩定系統一.催化裂化工藝流程內容提要一.催化裂化工藝流程二.反再系統三.催化裂化過程影響因素分析四.神經網絡1.按兩器關系分類兩器并列兩器同軸2.按提升管分類按型式分類按結構分類內提升管外提升管單提升管反應器雙提升管反應器提升管+床層反應器兩段提升管反應器(MIP)二.反再系統同軸式高低并列式汽提段再生器提升管反應器反應油氣沉降器水蒸氣原料主風二.反再系統提升管反應器結構示意圖直徑:由進料量決定

【入口4~7m/s,出口12~18m/s】高度:由反應時間確定:2.5~3.5s提升管出口:氣-固快分離設備提升管入口:高效霧化噴嘴

【迅速汽化、與催化劑均勻接觸】沉降器:油劑分離空間汽提段:減少油氣損失及燒焦負荷提升管反應器1.總體情況2.反應歷程分析預提升區油劑混合區主反應區二次反應區快速分離區汽提區提升管反應器內容提要一.催化裂化工藝流程二.反再系統三.催化裂化過程影響因素分析四.神經網絡重金屬族組成

氮化物含量平均分子量CRC活性選擇性再生劑含炭量反應溫度反應壓力油氣分壓油劑接觸時間C/O再生溫度反應器效率(1)原料性質(2)催化劑性質(3)操作條件1.各反應參數對轉化率的影響有些參數彼此相關,所以變動一個參數時其它也會變!三.催化裂化過程影響因素分析1.各反應參數對轉化率的影響(1)重金屬:含量↑,轉化率↓(2)族組成:其它條件相同時,轉化率從高到低:

烷烴→環烷→芳烴(3)氮化物含量:堿性氮,使轉化率↓,采用抗氮催化劑。三.催化裂化過程影響因素分析1.各反應參數對轉化率的影響(4)殘炭值:↑,轉化率↓(5)再生劑含炭量:分子篩更敏感——含炭量↑,轉化率↓0.1~0.6%:每降低0.1%轉化率↑4個百分點

一般<0.1%,0.05%,0.02%.(6)C/O:油劑接觸頻率和活性強度——劑油比↑,轉化率↑.

三.催化裂化過程影響因素分析2.轉化率及反應參數對汽油產率的影響

提高催化劑活性提高反應溫度提高劑油比提高油劑接觸時間提高油氣分壓降低再生劑含炭量提高汽油產率只在一定范圍內行之有效,否則不僅不能提高,反而使汽油收率大幅度下降。原因是轉化率過大會使汽油進一步裂化成氣體:A→B→C三.催化裂化過程影響因素分析2.轉化率及反應參數對汽油產率的影響

(1)原料性質:石蠟>環烷>芳香基(2)催化劑:無定型硅酸鋁,ZSM-5<<REY和USY同是USY、REY受制備方法和穩定條件影響(3)氮含量:↑,汽油產率↓汽油柴油三.催化裂化過程影響因素分析3.轉化率及反應參數對汽油辛烷值的影響

(1)轉化率↑,辛烷值↑:轉化率≥70%,增加尤為明顯(2)原料性質:K高,辛烷值低使用增加辛烷值催化劑,對此類原料更有效,提高幅度更大。(3)催化劑種類:REY<USY<ZSM-5(4)催化劑組成:Na含量晶胞大小基質面積根本原因:影響烯烴含量,影響氫轉移反應!三.催化裂化過程影響因素分析3.轉化率及反應參數對汽油辛烷值的影響

反應溫度再生溫度C/O停留時間微反活性再生劑含炭量油氣分壓工藝條件的影響:影響烯烴含量影響氫轉移反應影響最大是反應溫度,且因原料的K不同而不同。K大比K小更明顯。對K值大的原料,利用提高反應溫度的辦法來提高汽油辛烷值是很可取的。三.催化裂化過程影響因素分析內容提要一.催化裂化工藝流程二.反再系統三.催化裂化過程影響因素分析四.BP神經網絡建立名稱BP類型前饋型神經網絡原理輸入數據由輸入層經隱含層逐層處理。至輸出層,若輸出層得不到期望輸出,則不斷調整各層之間的權值和閾值,直至達到期望輸出結構輸入層、隱含層、輸出層適用性函數識別、模式識別、分類、數據壓縮優化方式用遺傳算法優化BP網絡的初始權值和閾值優

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論