[发明专利]一种基于数据驱动的溶剂脱沥青装置建模及优化方法

权利要求书

1.一种基于数据驱动的溶剂脱沥青装置建模方法，其特征在于，所述方法包括：

(1)现场数据的预处理，所述现场数据包括溶剂脱沥青装置的生产操作数据、原料和产品性质分析数据；

(2)筛选特征变量，所述筛选根据工艺原理和过程特性进行；

(3)对特征变量采用主成分分析法(PCA)进行降维；

(4)采用反向传播(BP)神经网络就降维后的数据集进行建模，分别建立脱沥青油(DAO)的收率模型和脱硫脱残炭模型；

其中，所述数据的预处理包括进行数据调和、清洗、变换和归约；

所述数据的预处理包括在剔除掉异常数据点后，将DCS数据处理成12h的均值形式，并对相应时间段的性质数据的缺省值进行插值操作后与操作数据组合，并将其归一化到[-1,1]区间；

所述特征变量包括针对DAO收率模型的输入变量，以及DAO脱硫脱残炭模型的变量；

所述DAO收率模型的输入变量包括渣油密度ρ_VR、运动粘度μ_VR、残炭质量分数w_VR、硫含量w_S、铁含量w_Fe、镍含量w_Ni、钒含量w_V、饱和分含量w_SH、芳香分含量w_AH、胶质含量w_R、沥青质含量w_A、抽提塔入口温度T_R1I、抽提塔顶部温度T_R1T、抽提塔底部温度T_R1B、沉降塔入口温度T_R2I、沉降塔顶部压力P_R2T、沉降塔副溶剂温度T_R2FRJ、冷渣进料流量F_VR和溶剂比R共计19维输入特征变量；

所述DAO脱硫脱残炭模型的变量包括渣油密度ρ_VR、运动粘度μ_VR、硫含量w_S、铁含量w_Fe、镍含量w_Ni、饱和分含量w_SH、芳香分含量w_AH、胶质含量w_R、沥青质含量w_A、抽提塔入口温度T_R1I、抽提塔顶部温度T_R1T、沉降塔顶部压力P_R2T、沉降塔顶部温度T_R2T、沉降塔副溶剂温度T_R2FRJ、冷渣进料流量F_VR和溶剂比R共计16维特征变量；

采用PCA方法对特征变量进行降维，选取特征贡献率大于99％的成分作为建模变量。

2.一种基于数据驱动的溶剂脱沥青装置优化方法，其特征在于，所述方法包括利用权利要求1所述的方法构建得到的基于数据驱动的溶剂脱沥青装置模型优化溶剂脱沥青装置的步骤，其中，所述优化包括：使用基于差分进化的粒子群算法，利用训练完毕的模型，根据生产目标，对溶剂脱沥青装置的操作条件进行优化，优化目标定义为：

maxf(X)＝y_DAO

其中，决策变量X为溶剂脱沥青装置的操作条件；y_DAO表示DAO收率模型的输出，为产品脱沥青油的收率。

3.如权利要求2所述的优化方法，其特征在于，通过基于差分进化的粒子群优化算法，利用DAO收率模型和脱硫脱残炭模型联动，根据脱沥青油收率最大化的生产目标，通过DAO收率模型对装置操作条件进行优化，并将每一次迭代生成的操作条件送入脱硫脱残炭模型中求得脱沥青油的硫、残炭含量，并判断该脱沥青油的硫、残炭含量是否满足约束，同时设定抽提塔顶部温度大于抽提塔底部温度,以此保证优化结果的可执行性。