Get access

Simulation of hydrodesulfurization using artificial neural network

Authors

  • Weizhi Wang,

    1. Department of Chemical Engineering, University of New Brunswick, 15 Dineen Drive, P.O. Box 4400, Fredericton, NB, Canada E3B 5A3
    Search for more papers by this author
  • Qikai Zhang,

    1. Department of Chemical Engineering, University of New Brunswick, 15 Dineen Drive, P.O. Box 4400, Fredericton, NB, Canada E3B 5A3
    Search for more papers by this author
  • Lianhui Ding,

    1. National Centre for Upgrading Technology, 1 Oil Patch Drive, Suite A202, Devon, AB, Canada T9G 1A8
    Search for more papers by this author
  • Ying Zheng

    Corresponding author
    1. Department of Chemical Engineering, University of New Brunswick, 15 Dineen Drive, P.O. Box 4400, Fredericton, NB, Canada E3B 5A3
    • Department of Chemical Engineering, University of New Brunswick, 15 Dineen Drive, P.O. Box 4400, Fredericton, NB, Canada E3B 5A3.
    Search for more papers by this author

Abstract

Artificial neural network (ANN) is applied to investigate the hydrodesulfurization (HDS) process with light-cycle oil as feed and NiMo/Al2O3 as catalyst. ANN models frequently work as a “black box” which makes the model invisible to users and always need significant data for training. In this work, a new ANN is proposed. The Langmuir–Hinshelwood kinetic mechanism is incorporated into the model so that the proposed ANN model is forced to follow the given reaction mechanisms. Both advantages of self-learning ability of ANN and the existing knowledge of HDS were taken into account. Lengthy training process is minimised. Effects of operating temperature, pressure, and LHSV on the sulfur removal rate are studied. The inhibition of nitrogen compounds is also investigated. It is shown that the presence of nitrogen can significantly reduce the conversion rate of sulfur components, in particularly, hard sulfur such as 4,6-DMDBT.

Abstract

Le modèle de réseau neuronal artificiel (RNA) est appliqué pour étudier le procédé d'hydrodésulfuration (HDS). Les modèles RNA fonctionnent fréquemment comme une « boîte noire », ce qui rend le modèle opaque aux utilisateurs et nécessite toujours un volume élevé de données pour la formation. Dans cette étude, un nouveau modèle de RNA est proposé. Le mécanisme cinétique de Langmuir–Hinshelwood est incorporé au modèle de sorte que le modèle de RNA proposé est contraint de suivre les mécanismes de réaction fournis. Ceci permet de tirer profit aussi bien de la capacité d'auto-apprentissage du RNA que de la connaissance existante du procédé HDS. Le long processus de formation est réduit au minimum. Les effets de la température de fonctionnement, de la pression, et de la vitesse spatiale horaire du liquide sur le taux d'élimination du soufre sont étudiés. L'inhibition des composés azotés est également étudiée. Il est démontré que la présence de l'azote peut réduire de manière conséquente le taux de conversion des composants sulfureux, en particulier, le soufre dur tel que le 4.6-DMDBT.

Ancillary