第37卷第4期高校化学工程学报No.4Vol.372023年8月JournalofChemicalEngineeringofChineseUniversitiesAug.2023文章编号：1003-9015(2023)04-0608-07基于遗传算法与神经网络的费托合成负荷优化王瑞航1,丁文瑶2,温润娟2,廖祖维1,李虎2,郭中山2(1.浙江大学化学工程与生物工程学院,浙江杭州310058;2.国家能源集团宁夏煤业有限责任公司,宁夏银川750411)摘要：生产负荷是大型费托合成流程的重要指标。高负荷运行不仅可以提高产能，还可以降低综合能耗。针对费托合成流程工艺复杂、最佳生产操作条件难以确定的问题，提出了以数据驱动方式破除大型费托合成流程负荷难以提高的瓶颈。以400万ta1费托合成流程为研究对象，建立了负荷预测的神经网络模型，利用遗传算法优化了神经网络的权值和阈值初值，提高了模型预测准确度。再次利用遗传算法对神经网络输入变量进行全局寻优，确定了负荷最大时各项输入变量取值，优化后最大负荷提高了11.5%。针对6个输入变量的灵敏度分析表明，氢气温度与循环气流量对负荷影响较大，这2个变量在模型取值区间内变化时负荷分别改变了13.9%和13.7%，对负荷的提高提出了指导性建议。关键词：费托合成；神经网络；遗传算法；模型；优化中图分类号：TQ021.8文献标志码：ADOI：10.3969/j.issn.1003-9015.2023.04.012LoadingoptimizationofFischer-TropschsynthesisusingartificialneuralnetworksandgeneticalgorithmWANGRuihang1,DINGWenyao2,WENRunjuan2,LIAOZuwei1,LIHu2,GUOZhongshan2(1.CollegeofChemicalEngineeringandBiologicalEngineering,ZhejiangUniversity,Hangzhou310058,China;2.CHNENERGYNingxiaCoalIndustryCo.Ltd.,Yinchuan750411,China)Abstract:Productionloadisanimportantindexoflarge-scaleFischer-Tropschsynthesisprocesses.Highloadoperationcanimproveproductivityandreducecomprehensiveenergyconsumption.Adata-drivenmethodwasusedtoimproveloadoflarge-scaleFischer-Tropschsynthesisprocesseswhichhaveproblemsofcomplicatedprocessesandchallengingoptimization.Aneuralnetworkmodelforloadpredictionwasestablishedbasedona4milliontonsperyearFischer-Tropschsynthesisprocess.Geneticalgorithmwasusedtooptimizetheinitialweightsandthresholdsoftheneuralnetworktoimprovetheaccuracyofmodelprediction.Itwasalsousedtooptimizetheinputvariablesoftheneuralnetwork,andthevaluesweredeterm...
