基于Keras的神經網絡技術在柴油超深度加氫精制中的應用

胡元沖，秦 康，李明豐，田 旺，張 樂，王軼凡，陳文斌

(中國石化石油化工科學研究院，北京 100083)

柴油是國民經濟發展中重要的燃油資源之一，在各國燃料結構中均占有較高份額。然而在使用過程中，柴油中含有的硫、氮、芳烴等物質會對環境造成不利影響。通過加氫精制降低柴油中的硫、氮、芳烴含量，改善油品質量，是實現油品清潔化的有效手段[1-2]。

對柴油加氫精制過程進行建模模擬，可以為試驗方案設計、操作參數優化、放大過程研究等提供重要的測算基礎。目前，應用于柴油加氫精制過程的模型可以分為集總動力學模型[3-7]和數據驅動模型[8-10]。集總動力學模型基于特定的催化劑，在一定的原料性質和反應條件變化范圍內，經過合理的假設和適當的簡化得到[11]。此類模型雖有助于反應機理研究和催化劑開發，但模型求解與參數評估過程十分復雜，假設和簡化也帶來了一定程度的精度損失。

數據驅動模型弱化了繁雜的反應機理，建模方式更加靈活、時效性更強，可同時考察多維度、多因素數據對結果的影響，從而為復雜反應體系的模擬提供一種切實可行的解決方案。人工神經網絡作為數據驅動模型的一種，具有強大的自適應、自學習和非線性映射能力，在化工過程控制領域獲得了廣泛應用[12-13]。

已有研究者使用數據驅動模型對柴油加氫過程進行模擬，但適用于超深度加氫精制及不同催化劑的模型尚無報道。本研究利用高通量催化……