Resumen

La gasolina es uno de los productos de petróleo ligero más consumidos en el transporte y otras industrias. Este artículo propone un método para optimizar la pérdida de octano de la gasolina utilizando tecnología de análisis de datos con el objetivo de optimizar el proceso de producción y minimizar la pérdida de octano de la gasolina. En primer lugar, se examinan los datos y se reducen los datos de alta dimensión para construir el modelo de predicción de red neuronal optimizado por algoritmo genético. Tras utilizar el modelo para la predicción, se alcanzan las condiciones óptimas de funcionamiento. En segundo lugar, para garantizar que las emisiones de gasolina cumplen la norma, se reduce la pérdida de octano ajustando las variables de funcionamiento. En tercer lugar, se recogen y calculan datos reales para obtener las principales variables operativas y sus condiciones óptimas de funcionamiento de una empresa petroquímica que afectan a la unidad S-Zorb de craqueo catalítico de gasolina, proporcionando así a las empresas que utilizan unidades S-Zorb datos de referencia para optimizar los procesos de craqueo catalítico de gasolina. En cuarto lugar, se verificó la superioridad del método propuesto comparándolo con los demás métodos. Este trabajo pretende contribuir a modelar mejor el progreso del craqueo catalítico de la gasolina considerando adecuadamente el impacto de múltiples factores, mejorando la calidad de los productos petrolíferos refinados de las empresas químicas, ahorrando el coste económico de las empresas químicas y protegiendo el medio ambiente atmosférico.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:empresas químicas, productos petrolíferos ligeros consumidos, modelo de predicción de red neuronal, procesos de craqueo catalítico, tecnología de análisis de datos, pérdida de octano de la gasolina, principales variables de funcionamiento, condiciones óptimas de funcionamiento, condiciones óptimas de funcionamiento, productos petrolíferos refinados
• Keywords:chemical enterprises, consumed light petroleum products, neural network prediction model, catalytic cracking processes, data analysis technology, gasoline octane loss, main operating variables, optimal operating condition, optimal operating conditions, refined oil products