[发明专利]常一线油闪点在线软测量方法

权利要求书

1.一种常一线油闪点在线软测量方法，包括如下步骤：

(1)利用Aspen plus对常压塔的操作工况进行模拟，选择常一线馏出温度x₁、常顶温度x₂、常顶压力x₃、常二线汽提蒸汽流量x₄、常一线采出与进料比x₅等五项参数作为关于常一线油闪点的神经网络模型自变量；关于常一线油闪点的神经网络模型因变量的输出值为常一线油闪点的软测量值；

(2)收集已知常一线油的x₁～x₅的测量值和闪点的测量值y，进行归一化处理，形成神经网络训练样本集(sx₁,sx₂…sx₅,sy)，然后利用误差反向传播BP算法对三层前馈神经网络进行训练，在神经网络模型的计算结果与训练样本集中的sy误差不大于5％后，输出神经网络模型的连接权值和阈值，得到关于常一线油的神经网络模型；

(3)将常压塔的x₁～x₅的测量值、常一线油闪点的软测量值y在集散控制系统中建点，然后将关于常一线油闪点的神经网络模型写入集散控制系统；根据集散控制系统实时采集的x₁～x₅的测量值，经过归一化处理，输入关于常一线油闪点的神经网络模型，得到相应的计算值；将所得计算值进行反归一化处理，得到常一线油闪点的软测量值。

2.如权利要求1所述的常一线油闪点在线软测量方法，其特征在于，所述x₁、x、₂、x₃x₄由集散控制系统通过仪表直接测量得到，所述自变量x₅由集散控制系统通过仪表直接测量得到的数据通过以下公式间接计算得到：

x₅＝F₁/F

其中，F₁为常一线油采出量，F为常压塔总进料量。

3.如权利要求1所述的常一线油闪点在线软测量方法，其特征在于，所述神经网络模型自变量的归一化按如下公式进行处理：

其中，x_i是神经网络模型第i个自变量的测量值，sx_i表示第i个自变量经归一化处理后作为神经网络模型的输入值，和表示第i个自变量的测量值变化范围的下限值和上限值，a和b表示归一化处理的下限值和上限值。

4.如权利要求1所述的常一线油闪点在线软测量方法，其特征在于，所述训练样本集中的sy按如下归一化公式得到：

式中，y为常一线油闪点的实际分析值，y^min，y^max为常一线油闪点的实际分析值的下限和上限，sy为归一化以后的值，c和d表示归一化处理神经网络模型的输出值的下限和上限。

5.如权利要求1所述的常一线油闪点在线软测量方法，其特征在于，所述关于常一线油闪点的神经网络模型是在神经网络模型的计算结果与训练样本集中sy的误差不大于3％时输出得到。

6.如权利要求1所述的常一线油闪点在线软测量方法，其特征在于，所述关于常一线油闪点的神经网络模型因变量的输出值在输出前需按如下反归一化公式进行处理：

式中，为常一线油闪点的软测量值，y^min，y^max为常一线油闪点实际分析值的下限和上限，y'为关于常一线油闪点神经网络模型的计算值，c和d表示神经网络模型的输出值归一化处理的下限和上限。

7.如权利要求1所述的常一线油闪点在线软测量方法，其特征在于，所述方法在每天利用时刻t的常一线油闪点的人工分析值对下一次人工分析值产生之前的模型计算值进行校正，校正公式如下：

其中，为关于常一线油闪点神经网络模型经校正后的输出值，为关于常一线油闪点神经网络模型未经校正的输出值，y_a为人工分析对应时刻的常一线油闪点的人工分析值，为人工分析对应时刻的未经校正的模型输出值，α的取值范围在0～1。