科研動(dòng)態(tài)
煉化裝置質(zhì)量預(yù)測(cè)的在線(xiàn)學(xué)習(xí)方案設(shè)計(jì)
中文題目：煉化裝置質(zhì)量預(yù)測(cè)的在線(xiàn)學(xué)習(xí)方案設(shè)計(jì)
論文題目：Design of an online learning scheme for quality prediction in refining and chemical units
錄用期刊/會(huì)議：The Canadian Journal of Chemical Engineering （中科院大類(lèi)四區(qū)）
原文DOI：10.1002/cjce.25747
原文鏈接：http://doi.org/10.1002/cjce.25747
錄用/見(jiàn)刊時(shí)間： 2025.04.08
作者列表：
1）王 珠 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 教師
2）王若暄 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 碩22
3）王金苗 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 碩23
摘要:
煉油與化工生產(chǎn)過(guò)程復(fù)雜多變，質(zhì)量波動(dòng)頻繁，亟需實(shí)現(xiàn)產(chǎn)品質(zhì)量的實(shí)時(shí)預(yù)測(cè)與監(jiān)控。針對(duì)現(xiàn)有建模方法在高維度、強(qiáng)耦合及多工況條件下存在模型失配等問(wèn)題，本文提出一種面向煉油與化工裝置的質(zhì)量預(yù)測(cè)在線(xiàn)學(xué)習(xí)方法。該方法通過(guò)過(guò)濾與波動(dòng)檢測(cè)提取穩(wěn)態(tài)數(shù)據(jù)，結(jié)合K-means聚類(lèi)與支持向量數(shù)據(jù)描述（SVDD）識(shí)別典型工況特征，并引入增量主成分分析（IPCA）確定最優(yōu)聚類(lèi)數(shù)。此外，本文提出一種數(shù)據(jù)匹配方案，融合不同采樣周期下的過(guò)程變量、工況及質(zhì)量指標(biāo)。在催化裂化分餾裝置上的應(yīng)用驗(yàn)證了該方法的可行性，為在線(xiàn)軟測(cè)量和多裝置推廣提供了有力支撐。
背景與動(dòng)機(jī):
煉油裝置生產(chǎn)過(guò)程復(fù)雜，受多種隨機(jī)與不確定因素影響，產(chǎn)品質(zhì)量常出現(xiàn)波動(dòng)或不達(dá)標(biāo)現(xiàn)象。傳統(tǒng)實(shí)驗(yàn)室檢測(cè)方法存在滯后性，難以及時(shí)反映質(zhì)量變化，限制了質(zhì)量控制的效率。因此，開(kāi)發(fā)質(zhì)量軟測(cè)量技術(shù)、提升質(zhì)量預(yù)測(cè)的準(zhǔn)確性與實(shí)時(shí)性，已成為煉化行業(yè)的重要發(fā)展方向。鑒于現(xiàn)有建模方法在處理高維、強(qiáng)耦合、多工況數(shù)據(jù)時(shí)存在局限，本文提出一種無(wú)需依賴(lài)過(guò)程模型的質(zhì)量預(yù)測(cè)在線(xiàn)學(xué)習(xí)方法，以實(shí)現(xiàn)多工況下特征提取與數(shù)據(jù)匹配，并提升復(fù)雜裝置中質(zhì)量預(yù)測(cè)的穩(wěn)定性與應(yīng)用推廣潛力。
設(shè)計(jì)與實(shí)現(xiàn):
在線(xiàn)學(xué)習(xí)方案如圖1所示。在線(xiàn)測(cè)試學(xué)習(xí)是一種類(lèi)似于離線(xiàn)訓(xùn)練的方法，通過(guò)提取典型過(guò)程點(diǎn)并利用長(zhǎng)期歷史數(shù)據(jù)進(jìn)行參數(shù)訓(xùn)練，該過(guò)程通常需要人工參與。而在線(xiàn)運(yùn)行學(xué)習(xí)則是定期使用小規(guī)模的實(shí)時(shí)數(shù)據(jù)集提取典型過(guò)程點(diǎn)，并直接調(diào)用在線(xiàn)測(cè)試學(xué)習(xí)階段獲得的參數(shù)，無(wú)需人工干預(yù)。在線(xiàn)測(cè)試學(xué)習(xí)與在線(xiàn)運(yùn)行學(xué)習(xí)在技術(shù)路線(xiàn)和算法上基本一致，均包括數(shù)據(jù)預(yù)處理、迭代分段、典型過(guò)程點(diǎn)提取、過(guò)程機(jī)制融合（化驗(yàn)數(shù)據(jù)與典型過(guò)程點(diǎn)）以及預(yù)測(cè)數(shù)據(jù)庫(kù)的構(gòu)建與更新。二者的核心區(qū)別在于：在線(xiàn)測(cè)試學(xué)習(xí)需進(jìn)行參數(shù)訓(xùn)練，訓(xùn)練結(jié)果直接應(yīng)用于在線(xiàn)運(yùn)行學(xué)習(xí)，從而簡(jiǎn)化流程、減少人工干預(yù)并提升效率。
圖1 在線(xiàn)學(xué)習(xí)方案
主要內(nèi)容:
本文針對(duì)煉油裝置生產(chǎn)過(guò)程復(fù)雜、質(zhì)量預(yù)測(cè)難度大等問(wèn)題，提出了一種基于數(shù)據(jù)挖掘的質(zhì)量預(yù)測(cè)在線(xiàn)學(xué)習(xí)方案。該方法在構(gòu)建過(guò)程模型的基礎(chǔ)上，結(jié)合典型工藝點(diǎn)提取與專(zhuān)家知識(shí)，利用長(zhǎng)期歷史數(shù)據(jù)開(kāi)展在線(xiàn)測(cè)試學(xué)習(xí)，并通過(guò)小規(guī)模實(shí)時(shí)數(shù)據(jù)進(jìn)行在線(xiàn)運(yùn)行學(xué)習(xí)，逐步建立并維護(hù)“質(zhì)量預(yù)測(cè)數(shù)據(jù)庫(kù)”，以輔助實(shí)現(xiàn)多工況下的高效質(zhì)量預(yù)測(cè)。
本文的主要貢獻(xiàn)包括：
（1）采用數(shù)據(jù)挖掘方法，從大規(guī)模歷史數(shù)據(jù)中提取典型工藝點(diǎn)用于建模預(yù)測(cè)，避免傳統(tǒng)插值或擬合方法可能引入的失真問(wèn)題；
（2）基于專(zhuān)家經(jīng)驗(yàn)，構(gòu)建關(guān)鍵過(guò)程變量與質(zhì)量指標(biāo)在不同采樣周期下的數(shù)據(jù)匹配關(guān)系，實(shí)現(xiàn)信息融合；
（3）通過(guò)在線(xiàn)運(yùn)行學(xué)習(xí)與在線(xiàn)運(yùn)行學(xué)習(xí)相結(jié)合的機(jī)制，對(duì)預(yù)測(cè)數(shù)據(jù)庫(kù)進(jìn)行周期性更新與維護(hù)，保障預(yù)測(cè)系統(tǒng)的長(zhǎng)期穩(wěn)定性與準(zhǔn)確性。
實(shí)驗(yàn)結(jié)果及分析:
本文以中國(guó)石化某煉油廠(chǎng)催化裂化分餾單元為例，利用實(shí)際數(shù)據(jù)驗(yàn)證說(shuō)明本文所提出的質(zhì)量預(yù)測(cè)在線(xiàn)學(xué)習(xí)方案的有效性。分餾單元的基本原理是利用氣液相中各組分的相對(duì)揮發(fā)度的不同進(jìn)行分離。分餾塔頂油氣經(jīng)換熱冷卻后,進(jìn)入分餾塔頂油氣分離器進(jìn)行氣、液相分離。分離出的粗汽油分成兩路,一路作為吸收劑進(jìn)入吸收塔;另一路作為反應(yīng)終止劑打入提升管反應(yīng)器終止段入口。分餾塔的主要產(chǎn)品為粗汽油和輕柴油，本文選擇汽油干點(diǎn)作為預(yù)測(cè)的質(zhì)量指標(biāo)。此外，根據(jù)工藝機(jī)理與專(zhuān)家經(jīng)驗(yàn)選擇7個(gè)關(guān)鍵工藝位號(hào)為汽油干點(diǎn)的主要影響因素進(jìn)行數(shù)據(jù)采集與學(xué)習(xí)。分餾單元部分工藝流程如圖2所示。
圖2 催化裂化分餾單元部分工藝流程圖
根據(jù)分析，確定以下七個(gè)工藝位號(hào)的測(cè)量值為影響汽油干點(diǎn)質(zhì)量指標(biāo)的關(guān)鍵工藝變量，如表1所示。
表1 影響汽油干點(diǎn)質(zhì)量指標(biāo)的關(guān)鍵工藝位號(hào)
本次案例收集分餾單元2022年3月20日至2024年5月20日的數(shù)據(jù)。其中，關(guān)鍵工藝變量的采樣間隔為60s，質(zhì)量碼正常的數(shù)據(jù)長(zhǎng)度為1137092。接著，采用基于波動(dòng)與斜率的穩(wěn)態(tài)數(shù)據(jù)提取算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，并且訓(xùn)練出適合本單元的波動(dòng)參數(shù)限值，最終保留穩(wěn)態(tài)數(shù)據(jù)長(zhǎng)度984992進(jìn)行典型工藝點(diǎn)提取。其中，在確定最優(yōu)聚類(lèi)數(shù)的過(guò)程中提出使用增量主成分分析（IPCA）方法，并通過(guò)與“手肘法”確定最優(yōu)聚類(lèi)數(shù)進(jìn)行對(duì)比，驗(yàn)證了該方法的有效性。驗(yàn)證結(jié)果如圖3所示。
(a) (b)
圖3 IPCA方法驗(yàn)證結(jié)果圖。(a) 數(shù)據(jù)段1；(b) 數(shù)據(jù)段5。
基于SVDD以及“中位數(shù)法”提取出典型工藝點(diǎn)如表2所示。
表2 第1段數(shù)據(jù)典型工藝點(diǎn)提取結(jié)果
接著根據(jù)基于工藝機(jī)理與專(zhuān)家經(jīng)驗(yàn)確定的融合方案，通過(guò)典型工藝點(diǎn)及其時(shí)間戳為其匹配對(duì)應(yīng)的質(zhì)量指標(biāo)并進(jìn)行驗(yàn)證，匹配結(jié)果與驗(yàn)證過(guò)程如表3和表4所示。
表3 第1段數(shù)據(jù)質(zhì)量指標(biāo)融合結(jié)果
表4 第1段數(shù)據(jù)融合波動(dòng)性驗(yàn)證結(jié)果
第1段數(shù)據(jù)中5個(gè)典型工藝點(diǎn)的各個(gè)位號(hào)均滿(mǎn)足波動(dòng)性驗(yàn)證。但是，由于第3和第4個(gè)典型工藝點(diǎn)時(shí)間相近，因此所匹配的質(zhì)量指標(biāo)相同，則可以將其中一個(gè)舍棄，保留一個(gè)即可。所有工藝點(diǎn)按照以上步驟進(jìn)行判斷后，有31個(gè)不滿(mǎn)足波動(dòng)性驗(yàn)證。其余滿(mǎn)足驗(yàn)證的工藝點(diǎn)將會(huì)把“反推工藝點(diǎn)”的各個(gè)工藝變量值、質(zhì)量指標(biāo)化驗(yàn)時(shí)間與化驗(yàn)值形成完整操作記錄后存入“預(yù)測(cè)數(shù)據(jù)庫(kù)”。最終，存入預(yù)測(cè)數(shù)據(jù)庫(kù)的完整操作記錄196個(gè)，并協(xié)助進(jìn)行質(zhì)量預(yù)測(cè)。
結(jié)論:
本文提出煉化單元質(zhì)量預(yù)測(cè)在線(xiàn)學(xué)習(xí)方案設(shè)計(jì)。通過(guò)對(duì)數(shù)據(jù)進(jìn)行濾波與判穩(wěn)，保留穩(wěn)態(tài)數(shù)據(jù)。結(jié)合K-means聚類(lèi)、SVDD等方法對(duì)數(shù)據(jù)特征進(jìn)行提取，獲取典型工藝點(diǎn)。調(diào)研并分析了煉化單元工藝機(jī)理與專(zhuān)家經(jīng)驗(yàn)，實(shí)現(xiàn)質(zhì)量指標(biāo)、工況與關(guān)鍵工藝位號(hào)數(shù)據(jù)間的匹配?？偟脕?lái)看，該方案提供了一種區(qū)別于擬合、插值等傳統(tǒng)方法的預(yù)測(cè)思路。通過(guò)提取歷史典型數(shù)據(jù)并與質(zhì)量指標(biāo)融合匹配，實(shí)現(xiàn)對(duì)歷史數(shù)據(jù)的學(xué)習(xí)以協(xié)助質(zhì)量預(yù)測(cè)。同時(shí)，在線(xiàn)運(yùn)行學(xué)習(xí)保證了預(yù)測(cè)的長(zhǎng)期有效性。
作者簡(jiǎn)介:
王珠，博士，中共黨員，現(xiàn)任中國(guó)石油大學(xué)（北京）副教授、碩士生導(dǎo)師。2016年至今在中國(guó)石油大學(xué)（北京）自動(dòng)化系工作，現(xiàn)任中國(guó)自動(dòng)化學(xué)會(huì)人工智能技術(shù)與工業(yè)應(yīng)用專(zhuān)業(yè)委員會(huì)委員、中國(guó)化工學(xué)會(huì)信息技術(shù)應(yīng)用專(zhuān)業(yè)委員會(huì)青年委員、北京人工智能學(xué)會(huì)理事。
在科研與社會(huì)服務(wù)方面，研究興趣為系統(tǒng)辨識(shí)與智能控制、煉化過(guò)程動(dòng)態(tài)異常診斷與故障預(yù)警、大數(shù)據(jù)質(zhì)量預(yù)測(cè)與綜合優(yōu)化。近年來(lái)，主持重點(diǎn)流程工業(yè)企業(yè)的高級(jí)智能報(bào)警項(xiàng)目數(shù)項(xiàng)以及國(guó)家自然科學(xué)基金項(xiàng)目，已發(fā)表高水平學(xué)術(shù)論文30余篇。