[发明专利]面向乙烯裂解炉管重管识别的嵌入式DCNN压缩方法

说明书

本发明属于裂解炉控制技术领域，公开了一种面向乙烯裂解炉管重管识别的嵌入式DCNN压缩方法，采集乙烯裂解炉管数据；选用距离数据与温度数据，对温度数据与距离数据进行分割、归一化处理，然后基于深度半非矩阵分解(Semi‑Non‑negative Matrix Factorization，Semi‑NMF)的乙烯裂解炉管特征提取；建立基于深度卷积神经网络的混合结构神经网络重管识别模型。本发明的乙烯裂解炉管温度检测装置及相应的检测方法，能应用于大型石化公司的乙烯裂解装置；基于深度非负矩阵分解的乙烯裂解炉管数据特征提取算法，提取的特征作为深度卷积神经网络的输入，实现了裂解炉管温度的准确判别；本发明的深度卷积神经网络压缩方法能面向边缘应用。

技术领域

本发明属于裂解炉控制技术领域，尤其涉及一种面向乙烯裂解炉管重管识别的嵌入式DCNN(Deep Convolution Neural Network，DCNN)压缩方法。

背景技术

目前，业内常用的现有技术是这样的：

石油化工是推动世界经济发展的支柱产业之一，而乙烯是石油化工的龙头产品，俗称“石油化工之母”。目前约有75％的石油化工产品由乙烯生产，主要有聚乙烯、环氧乙烷、二氯乙烷、苯乙烯等。乙烯是生产有机原料的基础，其生产规模、产量、技术水平标志着一个国家石化工业发展的水平。管式炉蒸汽裂解技术是目前乙烯生产的主导技术，世界上约90％的乙烯产量通过该技术生产得到。管式炉蒸汽裂解是指裂解原料与稀释蒸汽在管式裂解炉的对流段炉管内被预热后，进入管式裂解炉的辐射段炉管后发生碳链断裂或脱氢反应产生裂解气的过程。

目前世界上的管式裂解炉型主要有：鲁姆斯公司(Lummus)的SRT型裂解炉；斯通·韦伯斯特公司(Stone&Webster)的USC型裂解炉；KBR公司的SC型裂解炉；KTI公司的GK型裂解炉；林德公司(Linde)的Pyrocrack型裂解炉等。这些炉型各有特点，它们的共同点就是满足烯烃生产所需的高温、短停留时间及低烃分压。

随着乙烯裂解炉的日益大型化，为了保证其关键构件——裂解炉管能够安全、可靠的运行，对其高温性能提出了极高的要求。裂解炉管的设计寿命一般为10万个小时，然而由于其长期在高碳势、低氧压的环境下工作，其需要承受由于高温复杂环境所引起的各种损伤，如弯曲变形、渗碳损伤、氧化损伤、蠕变损伤等，这将导致炉管的提前失效。炉管的提前失效一方面会导致裂解炉的非计划性停车，影响正常的生产，造成了经济损失，另一方面，裂解炉运行中的炉管失效断裂会造成原料的泄露，会引起燃烧，可能会导致安全事故，危害操作人员的安全(甚至人员伤亡)，同时也会对企业造成巨大的损失。

在裂解炉管失效的多种形式中，90％以上的案例都与温度有直接关系，可以说温度是裂解炉管失效的主要影响因素。为了确保裂解炉炉管安全运行，并对故障炉管维修时提供处理依据，必须对炉管温度进行监控、统计、分析，从而积累炉管运行状况的各种信息，以便对炉管的运行状况做出准确的判断。在乙烯裂解炉实际生产中，炉内炉管呈“一字”形间隔排列，但在高温、高压以及加热震动的环境下，炉管排列方式会发生重叠、遮管的现象。由此，在使用运行于裂解炉外测轨道上的智能测温仪对炉管进行测温过程中，易产生无法区分测量温度属于哪根炉管或者温度分割不准确的问题，所以如何准确判别和分割由重管中每一根炉管对应的温度，对于下一步实现准确判断炉管结焦状态起着至关重要的作用。

温度是裂解炉管失效的主要影响因素。为了确保裂解炉炉管安全运行，并对故障炉管维修时提供处理依据，必须对炉管温度进行监控、统计、分析，从而积累炉管运行状况的各种信息，以便对炉管的运行状况做出准确的判断。对于裂解炉管采集到的温度数据，主要应用包括：(1)通过热电偶监测裂解炉辐射段炉管气体出口温度(COT)，判断物料在高温下的裂解深度是否达标；(2)监测裂解炉管外表面温度，根据该温度与COT的差值来判断炉管结焦情况等。