[发明专利]加氢裂化装置的产品收率自动调控方法、系统和存储设备

权利要求书

1.一种加氢裂化装置的产品收率自动调控方法，其特征在于，包括步骤：

S11、分别获取当前的工况信息和性质信息数据；所述性质信息数据包括产品属性信息和多种原料的原料性质信息；

S12、在所述工况信息和性质信息数据中获取预设的重点参数项的数据值；所述重点参数项为所述工况信息中对于产品收率的影响权重高于预设值的参数项；所述重点参数项包括可调控参数项；所述可调控参数项为可以通过数字控制指令进行调控的参数项；

S13、以所述重点参数项的数据值为输入，根据预设的产品收率预测模型，生成当前的产品收率的预测值；

S14、当所述预测值低于预设产品收率值时，根据所述产品收率预测模型进行所述可调控参数项的虚拟调控，获取各所述可调控参数项的优选参数值组合；

S15、根据所述优选参数值组合，生成自动控制的控制指令；所述控制指令用于根据所述优选参数值组合实现各可调控参数项的自动控制。

2.根据权利要求1中所述加氢裂化装置的产品收率自动调控方法，其特征在于，所述产品收率预测模型的建立方法包括：

S21、分别获取实时数据库系统的历史数据中的工况信息，和，实验室信息管理系统LIMS的历史数据中的性质信息数据；所述性质信息数据包括预设产品的产品属性信息和多种原料的原料性质信息；

S22、根据时序分别对所述工况信息和所述性质信息数据进行排序；

S13、根据预设规则对所述工况信息进行校正，所述预设规则包括：分别获取每个所述工况信息所对应的时间点，对所述时间点前后预设时段内的所有工况信息进行中值计算，以生成所述工况信息修正后的工况信息；

S24、将所述性质信息数据进行扩充，包括：将所述性质信息数据的时间点间隔粒度调整为与所述工况信息的时间点间隔粒度保持一致，并将两个包括有获取自历史数据中数据的性质信息数据之间的空白时间点的数据更新为与时序靠前的性质信息数据一致；

S25、通过建立所述工况信息和所述性质信息数据的对应关系，构建初级建模数据；

S26、对所述初级建模数据进行数据筛选获取建模数据；所述数据筛选包括对所述初级建模数据进行产品流量的聚类，并根据聚类结果从所述初级建模数据获取最高转化率和最低转化率两个群组；进行产品收率的稳定性过滤，包括：当某一时间点之前的预设时段内产品的产品收率值波动未超出预设标准时，将所述预设时段内的数据确定为建模数据；

S27、对所述建模数据进行分类模型训练，根据所述工况信息和所述原料性质信息中各个参数项对于所述产品收率的影响权重的权重值，获取所述产品收率的重点参数项；

S28、根据所述产品收率的重点参数项生成所述产品收率预测模型。

3.根据权利要求2中所述加氢裂化装置的产品收率自动调控方法，其特征在于，所述对所述建模数据进行分类模型训练，包括：

S31、将所述建模数据按照预设比例划分为训练数据和测试数据；

S32、使用所述训练数据进行建模，并使用所述测试数据进行评估；

S33、当所述评估的结果达到预设值，建模结束；当所述评估的结果未达到预设值，则调整建模时的参数项和/或迭代次数后返回步骤S31。

4.根据权利要求3中所述加氢裂化装置的产品收率自动调控方法，其特征在于，所述通过建立所述工况信息和所述性质信息数据的对应关系，构建初级建模数据，包括：

根据所述工况信息和所述性质信息数据的时间对应关系，生成宽表；所述宽表用于将同一时间点的所述工况信息和所述性质信息数据中各个参数项的值进行关联存储。

5.根据权利要求4中所述加氢裂化装置的产品收率自动调控方法，其特征在于，所述分类模型包括通用线性回归模型、逻辑回归模型、决策树模型、支持向量机模型、判别式模型和神经网络模型中的一种及其任意组合。

6.根据权利要求5中所述产品收率预测模型建立方法，其特征在于，所述根据所述工况信息和所述原料性质信息中各个参数项对于所述产品收率的影响权重的权重值，获取所述产品收率的重点参数项，包括：

将权重值高于预设值的参数项，和/或，权重值排序前预设个数的参数项确定为重点参数项。