ガソリン精製プロセスにおけるオクタン価損失を低減するためのモデル
1.背景
ガソリンは小型車の主な燃料であり、ガソリンの燃焼による排気ガスは大気環境に大きな影響を与えます。このため、世界中の国々でガソリンの品質基準が次第に厳しくなっています（下の表を参照）。ガソリンクリーニングの焦点は、オクタン価をできるだけ維持しながら、ガソリンの硫黄とオレフィンの含有量を減らすことです。
中国の外国原油への依存度は70％を超えており、そのほとんどが中東の硫黄含有高硫黄原油です。原油中の重油は通常40〜60％を占めており、重油のこの部分（硫黄に代表される不純物含有量も多い）はそのまま使用することは困難です。重油資源を有効利用するために、中国は接触分解を核とする重油軽量化技術を精力的に開発しており、重油をガソリン、ディーゼル、低炭素オレフィンに変換します。ガソリンの70％以上が接触分解で生産されるため、精製ガソリンは硫黄とオレフィンの95％以上が接触分解ガソリンに由来します。したがって、FCCガソリンは、ガソリンの品質要件を満たすように精製する必要があります。
オクタン価（RONで表される）は、ガソリンの燃焼性能を反映する最も重要な指標であり、ガソリンの商用ブランド名として使用されます（たとえば、89＃、92＃、95＃）。従来技術は、一般に、ＦＣＣガソリンの脱硫およびオレフィン還元のプロセスにおいてガソリンのオクタン価を低減する。オクタン価が1単位減少するごとに、約150元/トンの損失に相当します。100万トン/年の接触分解ガソリン精製ユニットを例にとると、それが0.3ユニットだけRON損失を減らすことができれば、その経済的利益は4500万元に達するでしょう。
化学プロセスのモデリングは、通常、データの関連付けまたはメカニズムのモデリングによって実現され、特定の結果が実現されています。ただし、精製プロセスの複雑さと機器の多様性により、それらの動作変数（制御変数）は互いに非常に非線形で強く結合された関係にあり、従来のデータ関連付けモデルには比較的少ない変数があり、メカニズムが構築されています金型には原料分析に対する高い要件があり、プロセスの最適化に間に合わないため、効果は理想的ではありません。
石油化学企業の接触分解ガソリン精製脱硫装置は4年間稼働しており、大量の履歴データを蓄積しています。ガソリン製品のオクタン価の平均損失は1.37ユニットですが、同様のユニットの最小損失値は0.6ユニットにすぎません。そのため、最適化の余地があります。参加している大学院生は、データマイニングテクノロジーを使用して化学プロセスモデリングの問題を解決する方法を模索するよう招待されています。
2.目標は
、ガソリンオクタン価（RON）損失予測モデルを確立するデータマイニング技術を通じて、接触分解ガソリン精製ユニットから収集された325のデータサンプル（各データサンプルは354の動作変数を持っています）に基づいています。各サンプルの最適化された動作条件により、ガソリン製品の脱硫効果が保証されます（Euro VIおよびChina VI規格は10μg/ g以下ですが、エンタープライズデバイスの操作のための余地を残すために、このモデリングでは製品の硫黄含有量が5μg以下である必要があります。 / g）、ガソリンのオクタン損失を30％以上に減らすようにしてください。
3、問題
- データ処理：過去4年間の工業データ（付録1「325データサンプルdata.xlsx」参照）の前処理結果を参考に、「サンプル測定法」（付録2）に従い、データサンプルNo.285、No.313の前処理を行ってください。以下の研究のために、プロセス（元のデータについては、付録3「サンプル番号285および313のOriginal Data.xlsx」を参照）し、処理されたデータを付録1の対応するサンプル番号に追加します。
- モデリングの主な変数を見つける：
接触分解ガソリン精製プロセスは連続的であるため、動作変数は3分ごとにサンプリングされますが、オクタン価（従属変数）の測定はより厄介であり、週に2回しか照合できません。ただし、実際の状況によれば、オクタン価の測定値は、測定時間の2時間前までの操作量の総合的な影響であると考えられるため、前処理から2時間以内の操作量の平均値は、オクタン価の測定値に相当する。これにより、325のサンプルが得られた（付録1を参照）。
オクタン損失低減モデルの確立には、7つの原料特性、2つの使用済み吸着剤特性、2つの再生吸着剤特性、2つの製品特性およびその他の変数、さらに354の操作変数（合計367変数）を含む変数が含まれます。最初に次元削減の方法、次にモデリングがアプリケーションでよく使用されます。これは、二次的な要因を無視し、モデルに影響を与える主な変数と要因を発見して分析するのに役立ちます。したがって、提供された325のサンプルデータ（付録1を参照）を使用して、367の動作変数から主要なモデリング変数をフィルタリングし、次元削減によってそれらを可能な限り代表的かつ独立したものにしてください（エンジニアリングアプリケーションを容易にするため）。 、次元削減後の主要変数は30未満にすることをお勧めします）。モデリングの主要変数の選択プロセスと合理性について詳しく説明してください。（ヒント：原材料のオクタン価をモデリング変数の1つと見なしてください）。 - オクタン価（RON）損失予測モデルの確立：上記のサンプルとモデリングの主要変数を使用して、データマイニングテクノロジーによるオクタン価（RON）損失予測モデルを確立し、モデル検証を実行します。
- 主な変数操作計画の最適化：プロダクトの硫黄含有量がオクタン価5μg/ g以下であることを前提として、モデルを使用して325データサンプル（付録4「325データサンプルdata.xlsx」を参照）を取得する必要があります。 （RON）損失の減少が30％を超えるサンプルに対応する主要変数の最適化された動作条件（原料、使用済み吸着剤、および再生吸着剤の特性は、サンプルのデータに応じて、最適化プロセス中に変更されません）。
- モデルの視覚的表示：産業プラントの生産を安定させるために、最適化された主な動作変数（つまり、問題の主な変数2）は所定の位置で徐々に調整することしかできません。サンプル番号133（原料の特性、予備吸着剤および再生）を確認してください吸着剤の特性データは変化せず、サンプルのデータに従います）、対応するガソリンのオクタン価と硫黄含有量の変化の軌跡が、主要な操作変数の最適化と調整プロセス中にグラフで表示されます。（主な操作変数ごとに、許容調整範囲値Δは付録4「354操作変数情報.xlsx」に示されています）。
添付
資料：添付資料1：325サンプルdata.xlsx
添付資料2：サンプル決定method.docx
添付資料3：No. 285および313サンプルの元のdata.xlsx
添付資料4：354動作変数情報.xlsx