随着全球经济规模不断扩大,各行各业对能源的需求不断提高,无论是制造业、建筑业、纺织业还是交通运输行业等,都需要有能源的支持才能够大力发展。虽然现在涌现出各种新能源技术,但是传统的石油行业仍然占据着能源行业的半壁江山,是世界上最重要的能源供给来源。为了能够在产量和质量上都有所超越,我国的炼油行业致力于建立智能炼厂,希望通过自动化手段,例如全流程一体化优化平台实现生产自动化、装置操作系统化等技术手段来大大提高炼厂的效益。为了建立自动化优化平台,需要对炼油装置进行优化控制,而炼油厂的安全性和复杂性决定了优化控制无法直接在实际装置上进行验证,因此,必须要有一个较为准确的模型来模拟实际工厂的运行,并能够进行动态模拟仿真。而催化裂化反应再生系统是炼油流程中最重要的二次加工装置,本文针对该装置进行了建模与仿真。首先,本文针对实际工业催化裂化反应再生系统进行了建模。通过分析实际工业装置的运行状态和结构,分别建立了再生器和反应器的机理模型。建立两段串联高效烧焦再生器,将烧焦罐近似为平推流反应器,二密相区近似为CSTR连续搅拌釜模型,并将氢燃烧反应考虑在反应网络中。本文的反应器对象为MIP-CGP反应器。在建立反应器模型时,考虑到过于复杂的模型不利于优化控制算法的设计,并且过多的反应过程需要大量的实验来测得反应网络中的化学反应速率系数,这在工业装置中是难以实现的。因此本文选择五集总反应网络,建立两段式平推流串联模型,将产品之间的反应看做是拟稳态过程,温度变化看作慢时变过程。其次,本文对于所建立的机理模型中的未知参数进行了辨识。对于不同的装置和催化剂类型,反应网络中的反应速率常数也不相同,因此需要采集本文研究的实际工厂装置数据进行参数辨识。由于机理模型由一系列偏微分方程组成,辨识未知参数的优化问题为非线性非凸优化问题。本文在传统的LM算法上提出了一种基于随机阻尼因子的改进LM算法,在LM算法中引入随机因子,使得LM算法能够有几率跳出当前局部最优解。另外,针对于参数较多的辨识问题,本文提出了一种先将模型降维进行预辨识,之后结合随机阻尼因子的LM算法进行再辨识的流程。最终分别得到再生器和反应器的参数,并用实测数据对稳态模型进行了验证和仿真。最后,本文在过程仿真平台gPROMS上分别搭建了催化裂化反应器和再生器模型,根据工厂的实际的操作变量要求,改变主要的模型输入,进行动态仿真,结合实际反应情况分析动态曲线变化趋势的原因,验证了模型的有效性,可以作为优化控制的模拟平台。