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

[2B10] Development of machine-learning model to predict crude oil molecular composition for enhancing energy efficiency of CDU (Part3)

○Kotaro Matsumoto¹, Youta Nakagawa¹, Masanori Arai¹, Hiroshi Kato¹, Junpei Yoshizuka², Hiromasa Kaneko² (1. Japan Petroleum Energy Center(JPEC) Advanced Technology and Research Institute Petroleomics Technology Laboratory, 2. Meiji University Department of Applied Chemistry, School of Science and Technology)

Keywords:Crude oil, Machine Learning, Petroleomics

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処理原油の一般性状・成分情報をリアルタイムに予測する技術開発を行っているが、今回、処理原油の組成・成分情報を予測する技術を開発したので、その結果を報告する。