Управление процессом каталитического риформинга бензина на основе кинетической модели с использованием искусственной нейронной сети

Аннотация

В данной работе представлен подход к ускоренному моделированию одного из основных процессов нефтеперерабатывающей отрасли –  каталитического риформинга бензина, с использованием глубокой нейронной сети. Продукт каталитического риформинга составляет основную массу товарного бензина и определяет его октановой число, кроме того в результате данного процесса образуются ароматическое углеводороды, содержанием которых можно управлять с помощью изменения условий реакции. Целью исследования являлось создание модели, способной заменить ресурсоёмкие прямые вычисления для оценки выходных параметров процесса, тем самым обеспечивая возможность оперативного анализа и управления в реальном времени. Традиционные методы требуют значительных затрат времени и вычислительных ресурсов, что делает их непригодными для быстрого применения в условиях промышленной эксплуатации. Для формирования обучающей выборки использовались результаты прямых вычислений, выполненных с помощью MATLAB. Существенное сокращение времени генерации данных было достигнуто путём применения параллельных вычислений. Были найдены оптимальные гиперпараметры для нейронной сети. Обучение модели осуществлялось с использованием метода минимизации среднеквадратичной ошибки (MSE) и R². Разработанная модель демонстрирует высокую точность предсказаний при минимальных временных затратах, что делает её особенно актуальной для применения в автоматизированных системах управления на нефтеперерабатывающих предприятиях. Полученная нейросетевая аппроксимация фактически выполняет роль симулятора, способного мгновенно оценивать ключевые параметры процесса каталитического риформинга бензина: выход риформата, содержание ароматических углеводородов и бензола, в частности, октановое число смеси.