[发明专利]一种蒸汽热裂解过程的预测方法

说明书

本发明属于蒸汽热裂解技术领域，涉及一种蒸汽热裂解过程的预测方法。本发明通过获取蒸汽热裂解过程中若干变量的相应的若干组生产数据，生成与工业数据相关的基函数集合，建立相应的多元自适应样条回归模型。将实时获取的蒸汽热裂解过程中的自变量输入多元自适应样条回归模型中，输出得到蒸汽热裂解过程的因变量预测值，实现蒸汽热裂解过程的预测。由于多元自适应样条回归模型具有对工业变量进行自适应筛选的能力，模型建立的过程具有可解释性。所述建模和预测过程在工业数据集上，具有对少量数据高效快速准确建模的能力，可以对蒸汽热裂解过程进行控制与优化，提高生产操作水平，保障工业装置安全稳定运行，实现过程的提质增效。

技术领域

本发明属于蒸汽热裂解技术领域，涉及一种蒸汽热裂解过程的预测方法，尤其涉及一种基于多元自适应样条回归的蒸汽热裂解过程的预测方法。

背景技术

蒸汽热裂解过程是一种重要的石油二次加工过程，该过程通过燃料气燃烧和过热蒸汽提供的热量，将多种馏分油分解为烯烃，芳烃等产物。乙烯产量被视为衡量一个国家石油化工发展水平的重要标志之一，2019年国内乙烯总产量达2052万吨，约有92％的乙烯产品来自蒸汽热裂解过程，同时大量乙烯厂在进行新建和扩建。蒸汽热裂解过程的生产操作水平，将决定最终的产物分布。对过程精确地建模模拟预测，将对过程的提质增效起到重要作用。

现有技术主要使用机理模型进行蒸汽热裂解过程的模拟，但是机理模型建模周期长，对工业数据质量要求高，在目前面临模型需求量大，工业数据难以收集的情况下，机理模型面临推广慢，应用难的问题。而使用神经网络等方法的机器学习模型，存在外延性和可解释性差的问题。因此，研发一种高效准确、可解释性强的产物收率预测模型，对蒸汽热裂解过程具有重要的现实意义。

发明内容

本发明的目的是提出一种蒸汽热裂解过程的预测方法，针对已有技术中蒸汽热裂解机理模型建模效率低，机器学习模型可解释性差的缺点，根据工业数据集的特点建立带有显式表达式的产物收率预测模型，以便后续控制和优化模型的继续开发，提高装置效益。

本发明提出的蒸汽热裂解过程的预测方法，包括：

获取蒸汽热裂解过程中的历史数据，生成与历史数据相关的基函数集合，建立相应的多元自适应样条回归模型；实时获取蒸汽热裂解过程中的生产操作条件作为自变量X，将自变量X输入多元自适应样条回归模型中，输出得到蒸汽热裂解过程的因变量预测值，实现蒸汽热裂解过程的预测。

本发明提出的一种蒸汽热裂解过程的预测方法，其优点是：

本发明的蒸汽热裂解过程的预测方法，通过获取蒸汽热裂解过程中与若干变量相应的若干组生产历史数据，生成与历史数据样本相关的基函数集合，建立相应的多元自适应样条回归模型。利用该多元自适应样条回归模型，对实时采集的蒸汽热裂解过程中自变量，预测得到蒸汽热裂解过程的热裂解产物种类及含量。本发明方法中涉及的多元自适应样条回归模型，由于模型具有对工业变量的自适应筛选能力，模型的建立过程具有可解释性。由于建模和预测过程以工业数据为基础，因此本方法具有对少量数据高效快速准确建模的能力，可以对蒸汽热裂解过程进行控制与优化，提高蒸汽热裂解生产操作水平，保障工业装置安全稳定运行，实现过程的提质增效。

附图说明

图1为本发明蒸汽热裂解过程的预测方法的流程框图。

图2为本发明中涉及的蒸汽热裂解反应器结构示意图。

图3为本发明中实施例中广义交叉验证函数GCV变化趋势图。

具体实施方式

本发明提出的蒸汽热裂解过程的预测方法，包括：

获取蒸汽热裂解过程中的历史数据，生成与历史数据相关的基函数集合，建立相应的多元自适应样条回归模型；实时获取蒸汽热裂解过程中的生产操作条件作为自变量X，将自变量X输入多元自适应样条回归模型中，输出得到蒸汽热裂解过程的因变量预测值，蒸汽热裂解过程的预测。