论文部分内容阅读
石油及其产品在中国的能源结构中占有相当的比重,中国已经发展成为生产和消费的石油大国。石油及其产品是多种碳氢化合物的混合物,其中的轻组分具有较强的挥发性,给企业和社会在安全、环境、能源等方面产生了严重的影响。挥发性有机物是对大气对流层非常重要的痕量组分,在大气化学过程中扮演者极其重要的角色,对二次有机污染物形成、大气氧化能力、人体健康等方面都有着重要的影响。石化固定储罐VOC排放量的估算方法各国有所不同。本文主要采用BP神经网络估算方法,研究了存储真实蒸气压、储罐直径、周转量,摩尔分子量、储罐的颜色等参数对储罐排放量的影响,运用BP神经网络可以快速简单、有效的估算出储罐的VOCs的排放量,具有重要的指导价值。(1)通过石化储罐四种VOCs排放量估算方法的分析,确定影响储罐排放量的主要影响因素是存储的日平均温差、存储物质的真实蒸气压、存储物质的周转量、存储物资的摩尔分子量等,次要的影响因素有储罐的容积、存储物料的高度、储罐的颜色等。(2)以上海市某石化企业的汽油储罐和甲醇罐为案例对象,计算储罐的总损失与财政部结果进行比较,其中EPA推荐的TANKS模型估算结果最为接近,汽油罐的静置损失误差为39.16%,工作损失误差为2.14%,甲醇罐的静置损失误差为33.24%,工作损失误差为50.95%;日本的《减少污染物排放和转移登记物质排放的成功事例》(以下简称事例)的计算方法与财政部结果的差距次之,汽油罐静置损失误差为83.14%,工作损失误差为106.23%,甲醇罐的静置损失误差为54.04%,工作损失误差为142.10%;《石油库节能导则》推荐公式计算结果误差最大。(3)运用BP神经网络模拟石化企业固定储罐的VOCs排放量,并验证BP模拟结果的准确性,其中静置损失的平均误差为5.57%,工作损失的平均误差3.46%。