[发明专利]加氢裂化的产品质量预测方法、装置和存储器

权利要求书

1.一种加氢裂化的产品质量预测方法，其特征在于，包括步骤：

S11、预设加氢裂化系统的监测数据的数据标准，所述数据标准包括监测数据统一的采集周期和采集时间点；所述监测数据包括性质信息数据和工况数据；所述性质信息数据包括加氢裂化系统预设产品的产品属性信息和多种原料的原料性质信息；

S12、获取加氢裂化系统的监测数据，所述监测数据包括历史监测数据和实时监测数据；

S13、根据所述数据标准对所述历史监测数据进行数据整理，包括：

根据预设规则对所述工况数据进行校正，所述预设规则包括：分别获取每个所述工况数据所对应的采集时间点，对所述采集时间点前后预设时段内的所有工况数据进行中值计算，以生成所述工况数据修正后的工况数据；

将所述性质信息数据进行扩充，包括：将所述性质信息数据的采集时间的点间隔粒度调整为与所述工况数据的采集时间点的间隔粒度保持一致，并将两个包括有获取自历史数据中数据的性质信息数据之间的空白采集时间点的数据更新为与时序靠前的性质信息数据一致；

S14、根据所述监测数据统一的采集周期和采集时间点，对所述监测数据中的性质信息数据和工况数据进行关联，构建建模数据；

S15、根据预设目标变量和预设自变量通过分类模型对所述建模数据进行模型训练，生成产品质量预测模型；所述预设自变量包括性质信息数据和工况数据；所述预设目标变量包括加氢裂化系统预设产品的产品质量；

所述对所述建模数据进行模型训练，包括：

S21、将所述建模数据按照预设比例划分为训练数据和测试数据；

S22、使用所述训练数据进行建模，并使用所述测试数据进行评估；

S23、当评估的结果未达到预设值，调整建模时的参数项和/或迭代次数后返回步骤S21；当评估的结果达到预设值，建模结束。

2.根据权利要求1中所述产品质量预测方法，其特征在于，还包括：

S16、根据所述工况数据和所述原料性质信息中各个参数项对于所述产品质量的影响权重的权重值，获取所述产品质量的重点参数项；

S17、以实时获得的所述重点参数项为输入，通过所述产品质量预测模型获取所述加氢裂化系统预设产品的预测结果。

3.根据权利要求1中所述产品质量预测方法，其特征在于，所述根据所述监测数据统一的采集周期和采集时间点，对所述监测数据中的性质信息数据和工况数据进行关联，构建建模数据，包括：

根据所述工况数据和所述性质信息数据的时间对应关系，生成宽表；所述宽表用于将同一采集时间点的所述工况数据和所述性质信息数据中各个参数项的值进行关联存储。

4.根据权利要求1中所述产品质量预测方法，其特征在于，所述分类模型包括通用线性回归模型、逻辑回归模型、决策树模型、支持向量机模型、判别式模型和神经网络模型中的一种及其任意组合。

5.根据权利要求2中所述产品质量预测方法，其特征在于，所述根据所述工况数据和所述原料性质信息中各个参数项对于所述产品质量的影响权重的权重值，获取所述产品质量的重点参数项，包括：

将权重值高于预设值的参数项，和/或，权重值排序前预设个数的参数项确定为重点参数项。

6.根据权利要求1中所述产品质量预测方法，其特征在于，所述分别获取每个所述工况数据所对应的采集时间点，对所述采集时间点前后预设时段内的所有工况数据进行中值计算，以生成所述工况数据修正后的工况数据，包括：

所述预设时段为所述采集时间点前30分钟至所述采集时间点后30分钟。

7.根据权利要求1至6中任一所述产品质量预测方法，其特征在于，所述产品包括液化气、轻石脑油、重石脑油、航煤、柴油或尾油。