[發(fā)明專利]一種蒸汽熱裂解過程的預測方法

有效

• 申請?zhí)枺?/td>: 202110254597.2
• 申請日: 2021-03-09
• 公開（公告）號: CN113035287B
• 公開（公告）日: 2022-11-04
• 發(fā)明（設計）人: 邱彤;畢可鑫;趙祺銘;張書源
• 申請（專利權）人: 清華大學
• 主分類號: G16C20/10
• 分類號: G16C20/10
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 羅文群

本發(fā)明屬于蒸汽熱裂解技術領域，涉及一種蒸汽熱裂解過程的預測方法。本發(fā)明通過獲取蒸汽熱裂解過程中若干變量的相應的若干組生產數據，生成與工業(yè)數據相關的基函數集合，建立相應的多元自適應樣條回歸模型。將實時獲取的蒸汽熱裂解過程中的自變量輸入多元自適應樣條回歸模型中，輸出得到蒸汽熱裂解過程的因變量預測值，實現蒸汽熱裂解過程的預測。由于多元自適應樣條回歸模型具有對工業(yè)變量進行自適應篩選的能力，模型建立的過程具有可解釋性。所述建模和預測過程在工業(yè)數據集上，具有對少量數據高效快速準確建模的能力，可以對蒸汽熱裂解過程進行控制與優(yōu)化，提高生產操作水平，保障工業(yè)裝置安全穩(wěn)定運行，實現過程的提質增效。

技術領域

本發(fā)明屬于蒸汽熱裂解技術領域，涉及一種蒸汽熱裂解過程的預測方法，尤其涉及一種基于多元自適應樣條回歸的蒸汽熱裂解過程的預測方法。

背景技術

蒸汽熱裂解過程是一種重要的石油二次加工過程，該過程通過燃料氣燃燒和過熱蒸汽提供的熱量，將多種餾分油分解為烯烴，芳烴等產物。乙烯產量被視為衡量一個國家石油化工發(fā)展水平的重要標志之一，2019年國內乙烯總產量達2052萬噸，約有92％的乙烯產品來自蒸汽熱裂解過程，同時大量乙烯廠在進行新建和擴建。蒸汽熱裂解過程的生產操作水平，將決定最終的產物分布。對過程精確地建模模擬預測，將對過程的提質增效起到重要作用。

現有技術主要使用機理模型進行蒸汽熱裂解過程的模擬，但是機理模型建模周期長，對工業(yè)數據質量要求高，在目前面臨模型需求量大，工業(yè)數據難以收集的情況下，機理模型面臨推廣慢，應用難的問題。而使用神經網絡等方法的機器學習模型，存在外延性和可解釋性差的問題。因此，研發(fā)一種高效準確、可解釋性強的產物收率預測模型，對蒸汽熱裂解過程具有重要的現實意義。

發(fā)明內容

本發(fā)明的目的是提出一種蒸汽熱裂解過程的預測方法，針對已有技術中蒸汽熱裂解機理模型建模效率低，機器學習模型可解釋性差的缺點，根據工業(yè)數據集的特點建立帶有顯式表達式的產物收率預測模型，以便后續(xù)控制和優(yōu)化模型的繼續(xù)開發(fā)，提高裝置效益。

本發(fā)明提出的蒸汽熱裂解過程的預測方法，包括：

獲取蒸汽熱裂解過程中的歷史數據，生成與歷史數據相關的基函數集合，建立相應的多元自適應樣條回歸模型；實時獲取蒸汽熱裂解過程中的生產操作條件作為自變量X，將自變量X輸入多元自適應樣條回歸模型中，輸出得到蒸汽熱裂解過程的因變量預測值，實現蒸汽熱裂解過程的預測。

本發(fā)明提出的一種蒸汽熱裂解過程的預測方法，其優(yōu)點是：

本發(fā)明的蒸汽熱裂解過程的預測方法，通過獲取蒸汽熱裂解過程中與若干變量相應的若干組生產歷史數據，生成與歷史數據樣本相關的基函數集合，建立相應的多元自適應樣條回歸模型。利用該多元自適應樣條回歸模型，對實時采集的蒸汽熱裂解過程中自變量，預測得到蒸汽熱裂解過程的熱裂解產物種類及含量。本發(fā)明方法中涉及的多元自適應樣條回歸模型，由于模型具有對工業(yè)變量的自適應篩選能力，模型的建立過程具有可解釋性。由于建模和預測過程以工業(yè)數據為基礎，因此本方法具有對少量數據高效快速準確建模的能力，可以對蒸汽熱裂解過程進行控制與優(yōu)化，提高蒸汽熱裂解生產操作水平，保障工業(yè)裝置安全穩(wěn)定運行，實現過程的提質增效。

附圖說明

圖1為本發(fā)明蒸汽熱裂解過程的預測方法的流程框圖。

圖2為本發(fā)明中涉及的蒸汽熱裂解反應器結構示意圖。

圖3為本發(fā)明中實施例中廣義交叉驗證函數GCV變化趨勢圖。

具體實施方式

本發(fā)明提出的蒸汽熱裂解過程的預測方法，包括：

獲取蒸汽熱裂解過程中的歷史數據，生成與歷史數據相關的基函數集合，建立相應的多元自適應樣條回歸模型；實時獲取蒸汽熱裂解過程中的生產操作條件作為自變量X，將自變量X輸入多元自適應樣條回歸模型中，輸出得到蒸汽熱裂解過程的因變量預測值，蒸汽熱裂解過程的預測。