[发明专利]一种基于数据模型的催化裂化装置优化方法

摘要

本发明涉及一种基于数据模型的催化裂化装置优化方法，本发明提出的根据生产历史大数据建立的反应装置模型，该方法不依赖复杂的过程机理；能够准确预测产物的收率和关键性质。本发明提出的变量关联性算法，能够从海量的DCS位号、Lims变量里智能筛选出与目标变量强相关的变量，将模型复杂度降到最低，同时保证可靠性。同时，本发明构建的多神经网络集成学习预测模型，运算速度快，收敛性高，适应性广，提出的优化方法可以在消耗较少计算资源的前提下快速计算出结果，可以满足装置的实时在线优化需求。本发明采用智能算法确定不同工艺参数间的时间延迟效应，使计算更为准确。

主权项

1.一种基于数据模型的催化裂化装置优化方法，其特征在于，包括如下步骤：(1)读取装置的DCS、LIMS历史生产数据，建立DCS、LIMS标准数据库；规范数据库格式，建立索引规则，便于后期查询、新增、抽取；(2)从标准数据库中抽取建模可能用到的变量数据进行预处理，为后面的分析做准备；其中预处理包括删除无效数据、对缺失值进行插值拟合填充、用数据平滑技术消除噪音信号和异常值的影响、变量分类、数据归一化处理；(3)变量关联性分析，以挑选关联性强的变量进行建模；(4)采用延迟时间分析技术校正各变量数据之间的时滞效应，得到因果关系直接对应的变量数据库；(5)基于步骤(4)得到的变量数据库进料聚类和工况聚类；(6)机器学习建立变量预测模型；(7)针对实际生产的优化需求，设定优化目标及相应的约束条件，基于步骤(6)得到的变量预测模型进行优化，用全局优化算法计算出最佳的操作参数，得到优化模型；(8)对应用模型进行预测和优化；(9)设计两种模型自动更新模式，以适应新的工况。