[發明專利]加氫裂化的產品質量預測方法、裝置和存儲器

有效

• 申請號: 201910351708.4
• 申請日: 2019-04-28
• 公開（公告）號: CN111849545B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 黃新露;呂建新;陳玉石;趙玉琢;佟偉;王建平
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司大連石油化工研究院
• 主分類號: C10G47/00
• 分類號: C10G47/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種加氫裂化的產品質量預測方法，其特征在于，包括步驟：

S11、預設加氫裂化系統的監測數據的數據標準，所述數據標準包括監測數據統一的采集周期和采集時間點；所述監測數據包括性質信息數據和工況數據；所述性質信息數據包括加氫裂化系統預設產品的產品屬性信息和多種原料的原料性質信息；

S12、獲取加氫裂化系統的監測數據，所述監測數據包括歷史監測數據和實時監測數據；

S13、根據所述數據標準對所述歷史監測數據進行數據整理，包括：

根據預設規則對所述工況數據進行校正，所述預設規則包括：分別獲取每個所述工況數據所對應的采集時間點，對所述采集時間點前后預設時段內的所有工況數據進行中值計算，以生成所述工況數據修正后的工況數據；

將所述性質信息數據進行擴充，包括：將所述性質信息數據的采集時間的點間隔粒度調整為與所述工況數據的采集時間點的間隔粒度保持一致，并將兩個包括有獲取自歷史數據中數據的性質信息數據之間的空白采集時間點的數據更新為與時序靠前的性質信息數據一致；

S14、根據所述監測數據統一的采集周期和采集時間點，對所述監測數據中的性質信息數據和工況數據進行關聯，構建建模數據；

S15、根據預設目標變量和預設自變量通過分類模型對所述建模數據進行模型訓練，生成產品質量預測模型；所述預設自變量包括性質信息數據和工況數據；所述預設目標變量包括加氫裂化系統預設產品的產品質量；

所述對所述建模數據進行模型訓練，包括：

S21、將所述建模數據按照預設比例劃分為訓練數據和測試數據；

S22、使用所述訓練數據進行建模，并使用所述測試數據進行評估；

S23、當評估的結果未達到預設值，調整建模時的參數項和/或迭代次數后返回步驟S21；當評估的結果達到預設值，建模結束。

2.根據權利要求1中所述產品質量預測方法，其特征在于，還包括：

S16、根據所述工況數據和所述原料性質信息中各個參數項對于所述產品質量的影響權重的權重值，獲取所述產品質量的重點參數項；

S17、以實時獲得的所述重點參數項為輸入，通過所述產品質量預測模型獲取所述加氫裂化系統預設產品的預測結果。

3.根據權利要求1中所述產品質量預測方法，其特征在于，所述根據所述監測數據統一的采集周期和采集時間點，對所述監測數據中的性質信息數據和工況數據進行關聯，構建建模數據，包括：

根據所述工況數據和所述性質信息數據的時間對應關系，生成寬表；所述寬表用于將同一采集時間點的所述工況數據和所述性質信息數據中各個參數項的值進行關聯存儲。

4.根據權利要求1中所述產品質量預測方法，其特征在于，所述分類模型包括通用線性回歸模型、邏輯回歸模型、決策樹模型、支持向量機模型、判別式模型和神經網絡模型中的一種及其任意組合。

5.根據權利要求2中所述產品質量預測方法，其特征在于，所述根據所述工況數據和所述原料性質信息中各個參數項對于所述產品質量的影響權重的權重值，獲取所述產品質量的重點參數項，包括：

將權重值高于預設值的參數項，和/或，權重值排序前預設個數的參數項確定為重點參數項。

6.根據權利要求1中所述產品質量預測方法，其特征在于，所述分別獲取每個所述工況數據所對應的采集時間點，對所述采集時間點前后預設時段內的所有工況數據進行中值計算，以生成所述工況數據修正后的工況數據，包括：

所述預設時段為所述采集時間點前30分鐘至所述采集時間點后30分鐘。

7.根據權利要求1至6中任一所述產品質量預測方法，其特征在于，所述產品包括液化氣、輕石腦油、重石腦油、航煤、柴油或尾油。