催化裂化(FCC)装置主要用于生产液化气、汽油、柴油等轻质油,是炼油厂对重质油加工的重要设备。近半个世纪以来,随着市场对液化气、烯烃等更多清洁能源的需求不断增加,对于FCC模型仿真技术的优化和研究具有重大意义。FCC提升管模型构建的主要挑战有:①用于石油二次裂解过程中的进料原油以及提升管出口油气的特征化表达;②提升管内发生的FCC反应规模庞大,构建一套符合反应机理的连续性反应网络十分困难;③整个提升管模型包含大量的偏微分方程,各个反应变量之间存在非线性、强耦合等特点;④由于提升管机理模型的复杂性,整个过程涉及到的参数较多,给模型参数的优化和辨识带来了挑战。基于以上问题,本文旨在优化提升管机理模型建模过程中存在的问题,具体工作如下:(1)采用基准假组分(SPCs)方法对进料油品进行组分划分,考虑了进料特性和分子结构对反应体系的影响。引入Sildir等人裂解分布函数的概念,并提出了新的反应网络形式:LSPCj→∑pkj-(1-j)LDCk+∑pi+dj·(1-j)LSPCk。只有轻基准假组分(LSPCs)和真组分(LDCs)参与催化裂化反应,重基准假组分(HSPCs)不参与反应,并进一步给出了 LSPCs裂解的反应速率公式rL,i,精简了庞大的反应网络体系。实验证明,该模型对于提升管出口温度和产物油气具有较好的拟合性和预测性。(2)结合原有的提升管流力学模型,通过参数优化方法对11个参数进行辨识,引入8组提升管工业数据对模型的拟合度和预测性进行校验。结果显示,在相同的提升管条件下,改变不同的进料条件,提升管模型的参数不需要重新辨识,仍能达到良好的仿真结果。(3)为了进一步验证本文所提出的催化裂化提升管模型的可靠性,本文以提升管机理模型为第一原则模型,用于生产数据,分别采用BP和RBF神经网络算法训练简化模型。结果表明,该模型具有较高的精度和较快的响应速度,很好的验证了提升管机理模型的可靠性。同时,提升管简化模型不需要构建复杂的机理方程,又能高效的产生实验数据,为先进控制领域提供了数据支撑。