[发明专利]一种基于数据模型的催化裂化装置优化方法

权利要求书

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、数据非负归一化处理；其中，插值方法选择最近邻插值、线性插值、三次样条插值中的一种；数据平滑技术使用快速傅里叶滤波器平滑技术，以消除高频噪音信号以及异常值对数据分析的影响；变量类型划分：将变量划分为进料变量、控制变量、被控变量和中间监控变量；数据非负归一化处理，以消除不同变量的量纲差异，处理公式如下：

(3)变量关联性分析，以挑选关联性强的变量进行建模；具体为：对工艺流程内的所有变量进行关联性分析，得到相关系数矩阵，设定相关性阈值，从众多的变量中挑选关联性强的变量进行建模，保证精度的前提下减少复杂度；其中，变量关联分析采用如下方法：首先将DCS、LIMS变量的时间序列数据作图，转换为图像数据，再将图像数据进行适度压缩，保留主要图像变化特征，使用图像相似度算法计算趋势图的相似度，最终获取各变量的相似度系数矩阵；

(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；其中，延迟时间分析技术具体为：首先根据装置尺寸信息和工艺参数，计算延迟时间的范围Delay_min～Delay_max，然后选择对应的DCS变量画出历史数据时间趋势图，根据图论的方法，建立图中波动信号的相似性模型，在±γ*Delay_max时间范围内搜索波动信号的相似性，相似度最高的时间点确定为最佳延迟时间，γ为大于1的时间范围系数；最后，确立所有延迟时间后，得到延迟时间矩阵，用延迟时间矩阵对原始数据进行处理，得到因果关系对应的变量数据库；

(5)基于步骤(4)得到的变量数据库进料聚类和工况聚类；其中聚类时，首先根据进料组成、性质、流量三个特征将进料聚为M个类别，然后在每一类进料下面根据操作工况聚为N个类别，统计每个类别的样本量；聚类算法采用模糊c均值聚类法、k均值聚类法、系统聚类法中的任意一种；其中，聚类距离的计算公式如下：

其中，变量X₁＝(x₁₁,x₁₂,…,x_1n)；X₂＝(x₂₁,x₂₂,…,x_2n)；d₁₂表示变量X₁与X₂之间的距离；α＝(α₁,α₂,…α_n)表示各性质分量的权重；α的确定方法如下：

α＝X_max-X_min；

(6)机器学习建立变量预测模型；具体为：根据步骤(3)的变量关联性分析，确立预测模型的输入和输出变量，构建由多个神经网络组合而成的集成学习方法，用划分好的样本数据进行模型的训练和测试；参数学习采用小批量Mini-batch梯度下降法，每个Mini-batch里都要包含步骤(5)聚类得到的每个类别的样本，样本从每个类别中随机抽取，并且Mini-batch中各个类别的样本数量相同；经过训练得到神经网络输入输出预测模型；

(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；所述的优化模型根据需求构建汽油收率最大化模型，产品加权价值最大化模型，产品质量指标最优化模型；所述用全局优化算法计算出最佳的操作参数具体为：首先根据步骤(5)的聚类规则确定待优化进料的类别，搜索这个类别下使得目标函数最优的历史样本，计算该样本进料与当前待优化进料的相似距离，设定一个距离阈值，如果距离小于阈值，就把历史样本的操作工况当做当前进料的最优工况；如果距离大于阈值，则将进料分为更小的类，然后重复上述搜索过程，直到得到最优工况；当要求进一步提高优化精度时，可用上述方法得到的工况做初值，然后用模拟退火法、遗传算法、粒子群算法中的一种全局优化算法进行优化求解；

(8)基于变量预测模型进行预测，基于优化模型进行优化；

(9)对变量预测模型设计自动更新模式，当变量预测模型更新以后，根据步骤(7)所述获得优化模型的方法对优化模型进行同步更新，以适应新的工况。