文献类型：学位论文

作　　者：唐海红

导　　师：辜小花 敖小强

授予单位：重庆科技学院

学科专业：石油与天然气工程（专业学位）

授予学位：硕士

学位年度：2018

语　　种：中文

摘　　要：随着人们环保意识的增强,天然气作为清洁能源得到广泛重视,其需求量呈逐年递增的趋势。但在中国超过25%的天然气因酸性组分（H2S、CO2）过高而不能被直接利用,必须经过脱硫工艺过程处理,而该过程存在脱硫选择性低和能耗高的特点,不利于石油企业的可持续发展。故提升脱硫选择性和降低能耗以提升企业竞争力和经济效益是高含硫天然气净化厂普遍关心和亟待解决的关键问题。随信息技术的飞速发展和大数据挖掘技术的成熟,不仅使工业生产现场的集散控制系统收集储存了海量生产数据,且为基于数据驱动的工业过程建模和多目标优化提供技术支持。为此,本文针对高含硫天然气脱硫工艺过程数据建模的问题和操作参数优化的问题展开深入研究,具体包括以下内容:（1）提出MiUKFNN算法以解决高含硫天然气脱硫工艺建模效率和模型可靠性的问题。该方法运用UKF算法的最优非线性估计特性,克服噪音数据对BPNN算法建模精度的影响;同时,运用最小采样点算法代替对称采样点算法以有效减少采样点的数量,提升建模效率,缩短建模时间。工业应用实验结果表明,所提算法不仅大幅度提升模型的运行效率,且相比BPNN和UKFNN有较高的模型精度;最后通过杠杆算法（Leverage approach,LA）证明了所建模型的有效性和可靠性。（2）提出ScMiUKFNN算法不仅可以提升MiUKFNN模型的精度,且还能兼顾模型运行速度。该算法在MiUKFNN算法基础上,引入比例无迹变化以代替UKF算法中的UT算法,以提升UKF算法对状态变量的均值和协方差的预测精度。仿真实验和工业应用实验结果表明,ScMiUKFNN模型不仅相较于BPNN、UKFNN和MiUKFNN模型有最大R2值和最小的模型误差,且能够有效保证模型的运行效率。（3）提出NSGA-II-RVC算法不仅能改善多目标优化算法的收敛性和多样性,还能有效解决带约束条件的�

关 键 词：高含硫天然气 脱硫过程 无迹卡尔曼滤波 神经网络  最小采样点  比例无迹变换  偏好多目标优化  节能降耗  

分 类 号：TE644]