基于Aspen Plus和深度学习的丙烯塔模拟优化开题报告

1. 研究目的与意义（文献综述）

本论文是基于aspen plus和深度学习技术对乙烯装置丙烯塔进行模拟优化。研究的目的是基于aspen plus、深度学习技术、列队竞争法等相关理论，对乙烯装置丙烯塔进行模拟，并建立乙烯装置丙烯塔分离过程的aspen plus模型，利用深度学习技术对乙烯装置丙烯塔的生产数据进行简约模型的建立，并利用列队竞争算法进行操作优化。

丙烯是三大合成材料的基本原料，主要用于生产丙烯腈、异丙烯、丙酮和环氧丙烷等。目前丙烯的生产方法主要有以下几种：一是从炼厂气中回收丙烯。炼厂中丙烯主要来自催化裂化装置，该装置以重油为原料生产汽油和柴油，同时还可得到一定的气体（c1～c4）产物,这些气体产物中含有丙烯。二是从乙烯装置的裂解气分离制取乙烯。由各种烃类（包括乙烷、丙烷、丁烷和轻油）裂解制乙烯，伴产大量丙烯。三是丙烷脱氢制乙烯。该技术是由美国vop公司和美国联合触媒/abb lummus公司开发并已经工业化 ^[1,2,3]。

流程模拟实际上就是使用计算机程序定量计算一个化学过程中的特性方程。其主要过程是根据化工过程的数据，采用适当的模拟软件，将由多个单元操作组成的化工流程用数学模型描述 ，模拟实际的生产过程，并在计算机上通过改变各种有效条件得到所需要的结果^[4]。

2. 研究的基本内容与方案

（1）基本内容

1．通过查阅相关文献和资料，熟悉丙烯的生产工艺以及乙烯装置丙烯塔的分离过程和装置；

2．通过aspen plus 建立乙烯装置丙烯塔的模型并生成大量的操作数据；

3. 研究计划与安排

（1）第3～4周：查阅相关文献资料，明确研究内容，了解研究所需相关资料，确定方案，完成开题报告；

（2）第5～6周：在文献系统调研的基础上，建立乙烯装置丙烯塔分离过程的aspen plus模型；

（3）第7～8周：学习列队竞争算法和深度学习技术；

4. 参考文献（12篇以上）

[1] bengio y, delalleau o. on the expressive power of deep architectures [c] / /proc of the 14th international conference on discovery science. berlin: springer-verlag, 2011:18-36.

[2] 孙志军，薛磊，许阳明，王正.深度学习研究综述[j]. 计算机应用研究，2012，29（8）：2806-2810.

[3] 钟锡海, 陈奋龙, 王崇明等. 乙烯装置丙烯塔运行问题分析及对策[j]. 石化技术与应用, 2005, 23（5）：380-381.