技术新讯 > 计算推算,计数设备的制造及其应用技术 > 用于石化生产过程关键指标的建模方法和预测方法  >  正文

用于石化生产过程关键指标的建模方法和预测方法

  • 国知局
  • 2024-07-31 23:20:34

本发明涉及石化生产领域,尤其涉及一种用于石化生产过程关键指标的建模方法、一种用于石化生产过程关键指标的预测方法、一种用于石化生产过程关键指标的建模系统、一种用于石化生产过程关键指标的预测系统,以及计算机可读存储介质。

背景技术:

1、石化生产工业是一种复杂的过程工业,它涉及将石油和天然气转化为化学产品,如塑料、合成橡胶、合成纤维、肥料和其他化工产品。在石化生产过程中,关键生产指标通常包括产量、产品质量、能源效率、设备效率、原料消耗率、废物排放等。这些指标对于监控生产效率、确保产品质量、降低生产成本和生产过程是否符合环保要求而言至关重要。因此,准确、实时地预测和控制生产过程中的关键指标是石化工业中的一项具有挑战性的任务。

2、然而,石化生产过程中的关键指标通常难以直接测量,尤其是在连续的生产过程中。现有技术中,传统的石化工业关键指标预测方法通常依赖于经验规则和操作员的经验,存在精度不高的问题。这些方法难以应对复杂的非线性关系和动态变化。此外,基于数据驱动的软测量方法在石化工业中得到了广泛的应用。该方法利用传感器数据和数学建模技术,以实时监测生产过程关键指标的相关辅助变量,从而估计对应的关键指标。然而,该方法所估计的关键指标仍然存在精度不高的问题。

3、为了克服现有技术所存在的上述缺陷,本领域亟需一种建模方法来构建更加精确的预测模型,从而能够得到实时的、可靠的预测结果,以实现石化生产过程的高度自动化和智能化,帮助石化工业优化生产过程、提高产量和降低能源消耗。

技术实现思路

1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

2、为了克服现有技术所存在的上述缺陷,本发明提供了一种用于石化生产过程关键指标的建模方法、一种用于石化生产过程关键指标的预测方法、一种用于石化生产过程关键指标的建模系统、一种用于石化生产过程关键指标的预测系统,以及计算机可读存储介质,通过构建预测模型,能够得到实时的、可靠的预测结果,以实现石化生产过程的高度自动化和智能化,帮助石化工业优化生产过程、提高产量和降低能源消耗。

3、对关键指标的精确控制可以确保石化生产过程中原材料的最佳食用,减少原材料浪费,提高原材料转化率。同时,对关键指标的严格控制还可以减少石化生产过程中的质量波动,保证产品的一致性和可靠性。为后续利用高级控制策略和优化算法来控制关键指标提供条件,以进一步提高过程自动化的性能。

4、具体来说,根据本发明的第一方面提供的上述用于石化生产过程关键指标的建模方法,包括步骤:根据石化生产过程的关键指标的相关辅助变量,采集石化生产过程的数据集;设计多乘法神经元模型结构,并结合合作随机优化粒子群算法构建开放式搜索模型;通过所述数据集的训练集训练所构建的所述开放式搜索模型,不断迭代优化粒子的搜索方向及梯度;以及通过所述数据集的测试集验证所述开放式搜索模型,并评估所述开放式搜索模型的有效性。

5、优选地,在本发明的一实施例中,所述数据集包括所述相关辅助变量和主导变量的数据,分为正常数据和故障数据。

6、优选地,在本发明的一实施例中,所述根据石化生产过程的关键指标的相关辅助变量以采集石化生产过程的数据集的步骤包括:采用加权移动平均滤波降噪处理方法,去除所述数据集中的噪声和异常值并填补所述数据集中的缺失值。

7、优选地,在本发明的一实施例中,所述采用加权移动平均滤波降噪处理方法,去除所述数据集中的噪声和异常值并填补所述数据集中的缺失值的步骤包括:通过均值滤波器指定所述数据集的长度大小为奇数的窗口,根据高斯分布函数获得所述窗口中各数据点的权重;根据所述窗口中的所述各数据点的值及所述各数据点的权重确定所述窗口中所有数据点的平均值;替换所述窗口中间位置的值,所替换的值为所述窗口中所有数据点的平均值;以及根据平移步长移动所述窗口,并继续所述将窗口中间位置的值替换为所述窗口中所有数据点的平均值,直至所述窗口滑动至所述数据集的末尾。

8、优选地,在本发明的一实施例中,所述通过所述数据集的测试集验证所述开放式搜索模型,并评估所述开放式搜索模型的有效性的步骤还包括:获取所述开放式搜索模型的评价指标,根据所述评价指标验证所述开放式搜索模型的有效性。

9、优选地,在本发明的一实施例中,所述多乘法神经元模型包括输入层、隐藏层和输出层,所述输入层的多个节点用于接收多个第一输入变量,所述隐藏层包括多个多重乘法神经元节点,所述输出层的多个节点用于输出多个第一输出变量;所述设计多乘法神经元模型结构的步骤包括:连接所述输入层与所述隐藏层,所述输入层的各节点与所述隐藏层的多个多重乘法神经元节点相连;连接所述隐藏层与所述输出层,所述隐藏层的各多重乘法神经元节点与所述输出层的多个节点相连;根据所述输入层的各节点与所连接的所述隐藏层的多重乘法神经元节点,确定第一权重和第一偏差;根据所述第一权重与所述第一偏差,确定所述隐藏层的所述多个多重乘法神经元节点的第二输入变量和第二输出变量;基于所述隐藏层的各多重乘法神经元节点与所连接的所述输出层的各节点,确定第二权重和第二偏差;根据所述第二输出变量、所述第二权重与所述第二偏差,确定所述输出层的所述多个节点的第三输入变量;以及根据所述第一权重、所述第一偏差、所述第二权重与所述第二偏差,确定所述输出层的所述多个节点的第一输出变量。

10、优选地,在本发明的一实施例中,所述隐藏层的激活函数为传递函数或高斯函数。

11、优选地,在本发明的一实施例中,所述合作随机优化粒子群算法包括步骤:根据各子群自身的群体极值形成群体极值集;所述各子群学习自身的群体极值和随机选择的所述群体极值集中的所述群体极值,以更新所述各子群的位置和速度。

12、此外,根据本发明的第二方面提供的上述用于石化生产过程关键指标的预测方法,包括步骤:根据石化生产过程的关键指标的相关辅助变量,采集石化生产过程的数据集;以及将所述数据集输入至根据本发明的第一方面提供的用于石化生产过程关键指标的建模方法所构建的所述开放式搜索模型中,以预测所述石化生产过程的关键指标。

13、此外,根据本发明的第三方面提供的上述用于石化生产过程关键指标的建模系统包括存储器及处理器。所述存储器上存储有计算机指令。所述处理器连接所述存储器,并被配置用于执行所述存储器上存储的计算机指令,以实施上述本发明的第一方面所提供的用于石化生产过程关键指标的建模方法。

14、此外,根据本发明的第四方面提供的上述用于石化生产过程关键指标的预测系统包括存储器及处理器。所述存储器上存储有计算机指令。所述处理器连接所述存储器,并被配置用于执行所述存储器上存储的计算机指令,以实施上述本发明的第二方面所提供的用于石化生产过程关键指标的预测方法。

15、此外,根据本发明的第五方面提供的上述计算机可读存储介质上存储有计算机指令。所述计算机指令被处理器执行时,实施上述本发明的第一方面所提供的用于石化生产过程关键指标的建模方法。

16、此外,根据本发明的第六方面提供的上述计算机可读存储介质上存储有计算机指令。所述计算机指令被处理器执行时,实施上述本发明的第二方面所提供的用于石化生产过程关键指标的预测方法。

本文地址:https://www.jishuxx.com/zhuanli/20240730/197094.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。