[發明專利]用于常減壓裝置的物理邏輯重建方法

有效

• 申請號: 202110647017.6
• 申請日: 2021-06-10
• 公開（公告）號: CN113420499B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 王士波;吳永文;楊嘯;尼古拉斯·拉科夫蒂斯
• 申請（專利權）人: 北京宜能高科科技有限公司;北京中環信科科技股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F111/04
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 劉偉

1.一種用于常減壓裝置的物理邏輯重建方法，其特征在于，該方法包括：

確定常減壓裝置涉及的范圍、變量和測量儀表；

確定測量儀表的誤差，根據測量儀表的誤差確定相應變量在目標方程中的權重；

建立常減壓裝置的物理邏輯重建模型，包括優化目標方程和約束條件；

獲取優化變量的初值，以及變量中的原油性質的變化范圍；

利用建模平臺、非線性求解器和前述模型對目標方程進行優化求解，完成對測量數據的校正和未測量數據的軟測量，以及對原油性質無測量時原油性質的計算和裝置特性；

其中，所述優化目標方程的公式表達如下：

所述約束條件的公式示意如下：

y_j＝f_j(x_cal,i,y_j')j,j′∈J,j≠j′

x_cal,i＝f_i(x_cal,i',y_j)i,i′∈I,i≠i′

y_j,L≤y_j≤y_j,U

x_i,L≤x_i,cal≤x_i,U

其中，x_msd,i為經過數據處理之后的現場測量儀表數據；x_syserr,i為儀表i系統誤差；x_cal,i為最后計算輸出的數據；x_cal,i’為除了x_cal,i之外的最后計算輸出的數據；w_i為儀表i的權重；為儀表i最大值；Min_i為儀表i最小值，y_j為其他變量；包括除了有現場測量之外的輸出變量和中間變量；y_j’為其他變量，包括除了有現場測量和y_j之外的輸出變量和中間變量；函數f代表所有x和y的關系，主要反映物料平衡、能量平衡、相平衡、壓力平衡、熱量傳遞的物理模型；J表示1到J的集合，即1,2,3,…,J；I表示1到I的集合，即1,2,3,…,I；y_j,L和y_j,U分別為y_j的下限和上限，x_i,L和x_i,U分別為x_i的下限和上限；

建立所述約束條件的具體步驟如下：

采用數據挖掘方法對歷史數據進行挖掘，根據模型應用場景，確定模型的輸出變量，通過對歷史數據的降維分析，選擇輸出變量對應的輸入變量；

采用機器學習方法，訓練輸出變量與其輸入變量間的關系模型；

若模型精度達不到要求，則通過反復試驗方法，改變該輸出對應的輸入變量，繼續訓練所述關系模型，直至精度達到預設的要求；

根據裝置工藝流程，建立物料的質量平衡和能量平衡模型，以及減壓塔的全塔壓降模型；

結合所述關系模型、所述物料的質量平衡和能量平衡模型、所述減壓塔的全塔壓降模型，建立具有多個神經元網絡群的常減壓裝置的AI模型，用于物理邏輯重建模型中的等式約束條件；

采用統計方法對歷史數據和樣本數據進行統計，獲得變量允許的變化范圍和設備瓶頸，從而獲得物理邏輯重建模型中不等式約束條件，結合所述等式約束條件，形成了物理邏輯重建模型中的約束條件。

2.根據權利要求1所述的物理邏輯重建方法，其特征在于，獲取優化變量的初值包括如下過程：

通過相似度算法判斷是否存在與當前工況相似的歷史工況，若存在相似工況，則將該歷史工況的物理邏輯重建結果作為本次工況物理邏輯重建的初值，用于后續優化求解；若不存在相似工況，則選擇最近的穩態工況的物理邏輯重建結果作為初值。

3.根據權利要求1所述的物理邏輯重建方法，其特征在于，在模型優化求解時，基于設定的現場約束對模型進行測算是否滿足裝置特性，其中，所述的現場約束包括物料平衡、能量平衡、相平衡、熱量傳遞和設備性能五大現場約束條件。