作者：辜小花; 邱奎; 李太福; 王坎; 唐海红; 商...高含硫天然气大数据神经网络动态建模偏好函数多目标优化脱硫工艺增产节能降耗
摘要：为了解决高含硫天然气脱硫工艺中脱硫选择性差、能耗高等问题,提出了基于大数据的高含硫天然气脱硫工艺优化方法。首先,通过工艺流程分析,发现对性能指标有显著影响的决策参数,建立无迹卡尔曼滤波神经网络动态模型,获知了脱硫工艺的潜在规律;然后,针对原脱硫工艺中H2S、CO2过分脱除问题,采用偏好多目标优化的方法,分别以H2S浓度逼近2.5 mg/m^3、CO2浓度逼近2%为目标函数,采用非支配性排序遗传算法对模型进行多目标优化,获得了最佳工艺参数。采集某高含硫天然气净化厂脱硫单元2014年1—12月的生产数据,取前80%数据作为训练集,后20%数据作为测试集,进行了仿真实验。结果表明：1所建立的动态模型能够较好地反映脱硫工艺生产规律;2优化结果建议适当降低一级吸收塔温度,提高二级吸收塔温度,提高闪蒸罐压力,并减少胺液循环量;3优化后净化气中H2S浓度将由0.62 mg/m^3提高至3.22 mg/m^3,CO2浓度由1.19%提高至1.99%,脱硫选择性显著提高;4相对胺液循环量下降16.67%,蒸汽消耗量减少,净化气产率提高0.8%,总体实现了增产节能降耗的目的。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
