基于流程模拟数据,实时寻优操作参数,以实现石化生产过程操作优化是当今石化生产过程提高产品收益、节能降耗的重要方法。其中作为优化计算工具的遗传算法(GA)起到了重要作用,但也存在其变异运算(mutation)随机性大,不能实现最优方向搜索,从而产生大量无效运算,导致GA运算效率偏低等问题。为此本文将无模型自适应控制(MFAC)理论的伪偏导(Pseudo Partial Derivative,PPD)概念嵌入GA,用PPD梯度引导GA的变异运算,并以期望值制约个体适应度,从而实现定向变异和个体适应度优化。主要研究内容包括:(1)利用MFAC方法,计算出每个个体的最优PPD取值以及下一个个体的变异值,进而得出当代各个个体的适应度。通过PPD引导,使个体向个体适应度与期望值差值最小的方向变异,即PPD梯度的方向,从而实现定向变异。(2)设置个体适应度期望值以制约个体适应度变化。基于MFAC自适应调整特性及PPD梯度方向,计算得出定向变异后的个体变异值,进而得出最优的个体适应度值。通过PPD的引导,使每个个体的适应度值更接近期望值,以达到优化个体适应度的目的。(3)针对基于模拟数据实现操作优化的研究中,变量可行域被隐形化,而不能显性表达,导致产生大量无效模拟和模拟不能收敛的问题,本文选取石油加工过程原油常压蒸馏塔作研究对象,重点分析了系统产品质量、设备规格以及塔板水力学等约束对可行域的影响,以进一步完善基于PPD的改进遗传算法实现石化生产过程操作优化的研究。最后将以上基于PPD的改进遗传算法研究应用于某炼厂230万吨/年原油蒸馏装置常压塔,其中以顶循、一中、二中回流量为优化变量,以回流输出总?为目标函数。计算表明,在Intel Core i7-10510U 1.80GHz,12.0GB RAM的环境下,改进GA在第2代达到收敛,程序运行时间677s,最大输出总?505.8×10~4kcal/h。相比未改进GA,优化代数减少17代,运行时间减少7538s。在满足塔板水力学、产品质量约束的前提下,优化工况提升效益829.9万元/年。