MétaCan
Menu
Retour à la cohorte
Enregistrement W3017980959 · doi:10.1002/cjce.23766

Multi‐stage intelligent operation optimization for a hydrocracking fractionation system with a multi‐fractionator series‐parallel structure

2020· article· en· W3017980959 sur OpenAlexvenueno aff
Yalin Wang, Jiazhou Sun, Bei Sun, Yongfei Xue, Dandan Shang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésConvergence (economics)Computer scienceMathematical optimizationSeries (stratigraphy)DistillationFractionating columnAlgorithmProcess (computing)MathematicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A fractionation system is an essential unit in the hydrocracking process. Its optimal operation is challenging because of the complexity in the structure of the distillation tower and composition of the stream. In addition, the series‐parallel structure between the distillation towers of different techniques aggravates the coupling and complexity of the hydrocracking fractionation system (HFS). This, in turn, increases the time complexity of the optimization problem. In this paper, a rigorous mechanism model of an actual HFS is first applied to describe the operating conditions of the HFS. Then, an improved state transition algorithm (STA) with a staged evaluation strategy is proposed to solve the above problem. To overcome problems caused by the series‐parallel structure of HFS, the model is divided into multiple stages for evaluation by mechanism analysis. Furthermore, several typical convergence estimation criteria are introduced to reduce unnecessary model calculations. To solve time‐consuming problems associated with HFS optimization, the adaptive change operator is used to improve the search function of the original algorithm and two performance criteria are presented to reduce the optimization time. The proposed algorithm is successfully applied to the operational parameter optimization problem of HFS with a multi‐fractionator series‐parallel structure. The experimental results indicated that the staged evaluation strategy improved the fast convergence probability of the HFS mechanism model and reduced unnecessary calculations, whereas the improved algorithm increased accuracy and significantly decreased optimization time.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,205
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetProcess Optimization and IntegrationTravaux en français237 207