Задача кластеризации в моделировании состава смеси каталитического риформинга бензина

Доклады Башкирского университета. 2021. Том 6. № 5. С. 302-306.

Авторы


Алексеева В. А.*
Уфимский государственный нефтяной технический университет
Россия, Республика Башкортостан, 450064 г. Уфа, улица Космонавтов, 1
Коледина К. Ф.
Уфимский государственный нефтяной технический университет; Институт нефтехимии и катализа УФИЦ РАН
Россия, Республика Башкортостан, 450064 г. Уфа, улица Космонавтов, 1; Россия, Республика Башкортостан, 450075 г. Уфа, Проспект Октября, 141

Абстракт


Статья посвящена исследованию анализа октановых чисел углеводородов процесса каталитического риформинга бензина методами кластеризации в системе Python. Известно, что в каталитическом риформинге присутствует большое количество индивидуальных углеводородов (до 300 разных компонент), что значительно усложняет моделирование. Поэтому их объединяют в группы. Для групп необходимо определять характеристики - октановые числа в первую очередь. Для этого необходимо провести группировку углеводородов по значениям октановых чисел. Для этого будем использовать задачу кластеризации. Задача разбиения заданной выборки объектов на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Для решения данной задачи будем использовать задачу кластеризации двумя алгоритмами машинного обучения - это алгоритм иерархической кластеризации и алгоритм K-Means.

Ключевые слова


  • каталитический риформинг
  • алгоритмы кластеризации
  • иерархической кластеризации и алгоритм K-Means

Литература


  1. Iranshahi, D., Amiri, H., Karimi, M. Modeling and Simulation of a Novel Membrane Reactor in a Continuous Catalytic Regenerative Naphtha Reformer Accompanied with a Detailed Description of Kinetics // Energy Fuels. 2013. №27. P. 4048.
  2. Белоусов Р. Л., Дрожжин Н. А., Костенчук М. И. Построение нечетких лингвистических переменных с использованием методов кластерного анализа данных // Журнал Прикладная информатика. 2015. Т. 10. №1. (55). С. 98-105.
  3. Русановский Е. С. Установка каталитического риформинга. -- М.: Химия, 1975. -- 72 с.
  4. Суханов В. П. Каталитические процессы в нефтепереработке. М., «Химия», 1973.
  5. Гитис, Леонид Хаскелевич. Статистическая классификация и кластерный анализ / Л. Х. Гитис; Моск. гос. гор. ун-т. - М. : Изд-во Моск. гос. гор. ун-та, 2003. - 156, [1] с.
  6. Дюран Б. Оделл П. Кластерный анализ. М., «Статистика», 1977. 128 с.

Финансирование


  • Работа выполнена по теме «Разработка новых теоретических подходов и программного обеспечения для моделирования сложных химических процессов и поиска соединений с заданными физико-химическими свойствами» (Регистрационный номер: AAAA-A19-119022290011-6).

Clustering problem in modeling the composition of a mixture of catalytic reforming of gasoline

Authors


Alekseeva V. A.*
Ufa State Petroleum Technological University
1 Kosmonavtov Street, 450064 Ufa, Republic of Bashkortostan, Russia
Koledina K. F.
Ufa State Petroleum Technological University; Institute of Petrochemistry and Catalysis of the UFIC RAS
1 Kosmonavtov Street, 450064 Ufa, Republic of Bashkortostan, Russia; 141 Prospekt Oktyabrya, 450075 Ufa, Republic of Bashkortostan, Russia

Abstract


The article is devoted to the study of the analysis of octane numbers of hydrocarbons of the process of catalytic reforming of gasoline by clustering methods in the Python system. It is known that a large number of individual hydrocarbons (up to 300 different components) are present in catalytic reforming. Which significantly complicates the simulation. Therefore, they are grouped together. For groups, it is necessary to determine the characteristics - octane numbers in the first place. To do this, it is necessary to group hydrocarbons according to the values of octane numbers. To do this, we will use the clustering task. The task of splitting a given sample of objects into disjoint subsets, called clusters, so that each cluster consists of similar objects, and the objects of different clusters differ significantly. To solve this problem, we will use the clustering problem with two machine learning algorithms, this is the hierarchical clustering algorithm and the K-Means algorithm.

Keywords


  • catalytic reforming
  • clustering algorithms
  • hierarchical