以正丁烷为模型化合物进行芳构化,考察其在不同条件下芳构化的产物分布规律;根据其芳构化反应机理和产物分布特点,建立了包括8个虚拟反应路径的九集总反应动力学模型方程组,进而基于Python平台求解模型方程组,计算获得了正丁烷芳构化反应的动力学参数,并利用试验数据验证九集总动力学模型的预测效果.结果表明,产物分布模型的预测值与试验实测值间的最大绝对误差小于5.0％,表明该模型准确可靠,能较好地反映轻烃芳构化的反应规律,可用于对实际生产过程的模拟优化.
某炼油厂为优化全厂产品结构,对其对二甲苯装置进行换剂适应性改造,异构化路线从乙苯转化型改为脱乙基型,在减少芳烃损失的同时,将芳烃资源最大化转化为对二甲苯和苯,提高芳烃资源利用率,同时回收副产的富乙烷气体作为高附加值的乙烯原料,实现效益最大化.改造策略包括催化剂功能优化、工艺流程调整、热联合等,以期为同类装置的改造提供一些借鉴.
采用Pearson相关系数法对渣油浆态床加氢试验数据样本中的变量进行特征选择,优化得到相关性小的17个输入变量,建立了结构为17-14-7的BP神经网络预测模型,用以模拟加氢产物(裂化气、汽油、柴油、蜡油、残渣、不溶物)分布和氢气消耗;同时,针对试验数据样本少、数据不平衡的问题,利用关联式模型进行数据扩充.结果表明:数据扩充后,改进的BP神经网络模型为17-15-7结构,其预测精度大幅提升,最大平均相对误差从66％降至6.57％;为了提高预测精度和计算效率,基于扩充后的数据样本建立卷积神经网络(CNN)模型,其预测最大平均相对误差降至5.38％;进一步将遗传算法(GA)与CNN模型结合以提高模型预测精度,发现GA优化后CNN模型预测的最大平均相对误差小于2％.
2023年8月6日,由中国石化南京化工研究院有限公司研究团队开发的NCH6-2A型辛烯醛气相加氢制辛醇催化剂在中国石油大庆石化公司130 kt/a辛醇装置成功应用,丁醇/辛醇产品达到技术要求,催化剂活性远超国内同类产品.
美国环保署(EPA)根据《有毒物质控制法》(TSCA)发布了管制18种由废塑料原料衍生的化学品的拟议法规,以确保这些化学品在用于生产运输燃料之前不含不安全污染物.拟议的重大新用途法规(SNURs)要求在使用含有全氟和多氟烷基物质(PF AS)、重金属、二英、双酚和阻燃剂等杂质的废塑料衍生原料生产这些燃料之前,要向EPA发出通知并由EPA进行审查.众所周知,这些物质会导致癌症、危害生殖系统以及造成其他健康影响.拟议的法规遵守了 EPA在《防止塑料污染国家战略》草案中的承诺,以确保由废塑料制成的原料不含有害杂质,这是EPA减少塑料污染总体行动的组成部分.
