[发明专利]一种催化裂化反应软测量辅助变量的选取方法及系统

说明书

本发明实施例提供了一种催化裂化反应软测量辅助变量的选取方法及系统，所述方法包括：获取催化裂化反应的基础数据和焦炭产率数据，基础数据包括：原料性质数据、催化剂性质数据和操作参数数据；根据基础数据获取催化裂化反应软测量的多个初始辅助变量，利用互信息法获取各初始辅助变量与焦炭产率数据之间的第一互信息值，其中第一互信息值大于等于‑1小于等于1；根据第一互信息值，对初始辅助变量进行筛选，获得目标辅助变量。该系统用于执行上述方法。本发明实施例中利用互信息法对催化裂化反应软测量的辅助变量进行筛选，减少了催化裂化反应软测量中辅助变量的数量，简化了软测量过程，提高了催化裂化软测量辅助变量选取的准确性。

技术领域

本发明实施例涉及石油化工技术领域，具体涉及一种催化裂化反应软测量辅助变量的选取方法及系统。

背景技术

重油催化裂化(RFCC)在我国炼油工业占有重要地位，是炼厂提高经济效益的重要手段。但随着原油的重质化、劣质化，我国RFCC原料的掺渣率不断提高，原料性质越来越差，使RFCC产物分布及产品质量变差，轻质油收率低，焦炭干气产率高。这对装置工艺点的实时调节优化有了更高的要求。如果能准确得知某一时刻的焦炭产率，就能够实时反馈到先进控制系统中，对工艺操作进行调优。

然而催化裂化装置中的焦炭产率是无法通过传感器实时测量得到的，目前计算催化裂化过程产品收率的关联式一般根据实际操作数据和中型实验数据得出，适用于工艺方案估算或技术经济评价，难以用于具体指导工程设计或现场优化操作。软测量技术正是为了解决这类待测变量的实时测量和控制问题而逐渐发展起来的。其核心是建立易测变量(通常称为辅助变量、输入变量)与难测变量(通常称为主导变量、输出变量)之间的软测量模型。软测量过程中的辅助变量选取较为困难，单纯凭借经验对变量选取往往会导致软测量失败。辅助变量选取过少，可能会遗漏重要的解释因素；辅助变量选取过多，一方面会加大数据采集的难度和存储量，另一方面会造成不必要的干扰和影响，出现过拟合的情况，模型适应性差。在石油化工行业中，尤其在催化裂化中对于焦炭产率软测量过程中的辅助变量选择依然是空白。

因此，如何提出一种方案，能够简化软测量过程，进一步提高催化裂化软测量辅助变量选取的准确性，成为亟待解决的问题。

发明内容

针对现有技术中的缺陷，本发明实施例提供了及一种催化裂化反应软测量辅助变量的选取方法及系统。

一方面，本发明实施例提供了一种催化裂化反应软测量辅助变量的选取方法，包括：获取催化裂化反应的基础数据和焦炭产率数据，所述基础数据包括：原料性质数据、催化剂性质数据和操作参数数据；

根据所述基础数据获取催化裂化反应软测量的多个初始辅助变量，利用互信息法获取各所述初始辅助变量与所述焦炭产率数据之间的第一互信息值，其中所述第一互信息值大于等于-1小于等于1；

根据所述第一互信息值，对所述初始辅助变量进行筛选，获得目标辅助变量。

进一步地，所述根据所述第一互信息值，对所述初始辅助变量进行筛选，获得目标辅助变量，包括：

按照各所述初始辅助变量对应的第一互信息值的绝对值从大到小的顺序，对各所述初始辅助变量进行排序，获取排序靠前的预设数量的初始辅助变量作为初筛辅助变量；

根据所述初筛辅助变量获取所述目标辅助变量。

进一步地，所述根据所述第一互信息值，对所述初始辅助变量进行筛选，获得目标辅助变量，包括：

设置第一预设阈值范围，将所述第一互信息值的绝对值在所述第一阈值范围内的初始辅助变量作为初筛辅助变量；

根据所述初筛辅助变量获取所述目标辅助变量。

进一步地，所述根据根据所述初筛辅助变量获取所述目标辅助变量，包括：