[2B09-2B14] Decarbonizing refineries (3)

[2B09] Development of machine-learning model to predict crude oil molecular composition for enhancing energy efficiency of CDU (Part2)

○Youta NAKAGAWA¹, Koutarou MATUMOTO¹, Hiromasa ARAI¹, Hiroshi KATOU¹, Junpei YOSHIDUKA², Hiromasa KANEKO² (1. Japan petroleum energy center,Advanced technology and research institute,Petroleomics technology laboratory researcher, 2. Meiji University School of Science and Technology Department of Applied Chemistry)

Keywords:petroleomics, crude oil, machine learning

常圧蒸留装置（CDU）では、最適運転制御（RTO/APC）が広く普及しているが、RTOで最適運転を導き出すには原油のアッセイデータが必要である。しかし、CDUで処理する原油の性状・成分をリアルタイムに把握する技術はないことからRTOでは過去の原油アッセイデータを用いており、ここに改善（省エネ）の余地がある。そこでJPECでは、機械学習技術を用いてCDU処理原油の成分・性状情報をリアルタイムに予測する技術の開発を行っているが、本報告では、昨年報告した処理原油性状予測モデルを改良し、予測精度の向上を実現したので、その結果を報告する。