CN106597853A - 一种加氢裂化流程中主动式动态调控方法 - Google Patents

Abstract

本发明提供加氢裂化流程中主动式动态调控方法。所述方法包括：基于所述加氢裂化流程运行数据，利用决策操作表调控因入口流量变化引起的所述加氢裂化流程至目标运行状态。本发明可实现加氢裂化流量从待调节状态向期望状态的高效平稳调节，有效避免因人工经验调整而引起的过渡时间长、工况波动大和资源浪费严重等问题。

Description

一种加氢裂化流程中主动式动态调控方法

技术领域

本发明涉及化学工艺中动态调整技术领域，更具体地，涉及一种加氢裂化流程中主动式动态调控方法。

背景技术

炼油行业位于制造产业的上游，产值约占国民经济的三分之一，是国民经济的支柱型行业，也是其它行业发展的主要推动力量。伴随着经济的高速发展，中国对能源的需求与依赖与日俱增，进入21世纪中国石油能源的消耗占到整体能源消耗的近30％，石油的炼制已经成为国家经济安全战略的核心。在原油的二次加工技术中，加氢裂化技术具有原料适应性强、生产操作和产品方案灵活性大、产品质量好等特点，能够将各种重质、劣质原料直接转化为市场急需的优质喷气燃料、柴油、润滑油基础料以及化工石脑油和尾油蒸汽裂解制乙烯原料等，在全厂生产流程中起到产品分布和产品质量调节器的作用，是“油-化-纤”结合的核心，已成为现代炼油和石油化学工业中最重要的重油深度加工工艺之一。

加氢裂化流程是一个结构复杂、状态变量和操作变量众多的长流程反应系统，见图1所示，它主要由加氢精制、加氢裂化、高低压分离、分馏系统这四个部分组成；其主要处理的原料为：自常减压装置来的直馏轻蜡油、自罐区来的直馏轻蜡油、掺炼少量催化柴油；主要的产品为：轻石脑油、重石脑油、航空煤油、柴油、尾油。在反应过程中由于受到原料性质、催化剂活性等多种非线性因素的影响，加氢裂化流程进料流量、反应器的各个床层温度、急冷氢流量、分馏部分的汽提塔、分馏塔的塔顶温度、塔顶压力、塔顶回流量等需要调节的变量众多。

加氢裂化作为炼油生产过程中的中间环节，经常受到上层调度命令和各项设备运行状况的限制，其入口流量经常发生变化。一旦入口流量发生变化，各运行参数都需要进行调整，我们将这种工况从待调节状态向期望工况状态迁移过渡的过程称为加氢裂化动态调整过程。

由于加氢裂化过程运行参数较多，各参数之间耦合严重，操作参数的调节必须严格遵守一定的顺序。目前，在实际生产运行过程中，加氢裂化动态调整过程主要是依靠现场操作人员凭借经验进行操作。由于操作人员的经验不同，有经验的操作人员可以高效且平稳的调节，而有的操作人员操作耗时长、工况波动大。这种缺乏有效的操作参数调整规则的调节使得该动态调整过程消耗时间、浪费资源，降低生产效率。

因此，对于加氢裂化生产环节中流量变化引起的动态调整现存的诸多问题，亟需一种科学的、高效且平稳的动态调控方法，来规范指导生产实际中的动态调整过程。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种加氢裂化流程中主动式动态调控方法。所述方法包括：

基于所述加氢裂化流程运行数据，利用决策操作表将因入口流量变化引起的所述加氢裂化流程调控至目标运行状态。

其中，所述决策操作表的构建包括：

S1.基于所述加氢裂化流程运行数据，利用基于遗传算法的粗糙集属性约简算法选择所需的控制变量，得到所述加氢裂化控制系统数据集；

S2.基于所述加氢裂化控制系统数据集，利用多模态过程离线模态识别方法进行模态识别，得到完整的加氢裂化动态调整的操作序列，建立加氢裂化流程历史入口流量变化的动态调整案例库；

S3.基于当前运行状态，利用基于欧氏距离的相似度评估策略计算所述目标运行状态与源案例的相似度，得到与目标运行状态最相似的源案例；其中，所述源案例为所述动态调整案例库中的操作序列；

S4.基于所述与目标运行状态最相似的源案例，利用基于时间、偏差度和平稳度的工况动态调整过程综合评价单元，得到历史最优加氢裂化入口流量调节操作序列；

S5.基于所述调节操作序列，利用分段线性化处理形成所述决策操作表。

本发明提出的加氢裂化流程中主动式动态调控方法，根据历史生产数据，提取入口流量变化后的动态调整操作序列，综合时间、效益、运行平稳性等多方面的评价指标，对历史操作序列进行综合评价，进而指导加氢裂化入口流量变化的动态调整过程。本方法能实现加氢裂化流量从待调节状态向期望状态高效过渡，同时避免因人工调整经验不一造成的过渡时间长、工况波动大、资源浪费严重等问题。

附图说明

图1为现有技术中加氢裂化装置简化工艺流程图；

图2为根据本发明一个优选实施例中决策操作表的构建流程图；

图3为根据本发明一个优选实施例的加氢裂化流程中主动式动态调控方法的流程图；

图4为根据本发明一个优选实施例中基于遗传算法的粗糙集属性约简算法的流程图；

图5为根据本发明一个优选实施例中基于变长度窗口的多模态过程离线模态识别方法的示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明的加氢裂化流程中主动式动态调控方法，包括：基于所述加氢裂化流程运行数据，利用决策操作表将因入口流量变化引起的所述加氢裂化流程调控至目标运行状态。

在本发明的一个实施例中，决策操作表构建包括：

S1.基于所述加氢裂化流程运行数据，利用遗传算法的粗糙集属性约简选择所需的控制变量，得到所述加氢裂化控制系统数据集；

S2.基于所述加氢裂化控制系统数据集，利用多模态过程离线模态识别方法进行模态识别，得到完整的加氢裂化动态调整的操作序列，建立加氢裂化流程历史入口流量变化的动态调整案例库；

S3.基于当前运行状态，利用基于欧氏距离的相似度评估策略计算所述目标运行状态与源案例的相似度，得到与目标运行状态最相似的源案例；其中，所述源案例为所述动态调整案例库中的操作序列；

S4.基于所述与目标运行状态最相似的源案例，利用基于时间、偏差度和平稳度的工况动态调整过程综合评价单元，得到历史最优加氢裂化入口流量调节操作序列；

S5.基于所述调节操作序列，利用分段线性化处理形成所述决策操作表。

在流程工业生产过程中通常采用分布式控制系统DCS采集数据，而DCS采集的数据绝大多数是时间序列数据，由于时间序列常常是海量存在的、结构往往很复杂以及充斥大量噪声，为了尽可能的降噪，在分析应用之前可以对加氢裂化流程运行数据进行清洗、数据变换、识别和删除数据中的孤立点和缺失值填补等数据预处理工作。

较优选地，使用对运行数据进行离群点剔除和小波去噪，具体过程为：

1)对加氢裂化流程时间序列数据进行小波变换：

选取作为小波母函数，将含有噪声的过程数据按照公式分解成不同时域和频域内的组分；其中，a为小波母函数的伸缩因子，τ为小波母函数的平移因子，c_j，k为尺度系数，d_j，k为小波系数，j为分解层数，h_n-2k和g_n-2k为正交镜像滤波组，n为正交镜像滤波组中滤波器的个数；

2)对变换得到的小波系数进行硬阈值滤波处理，以去除其中包含的噪声；

其中使用硬阈值函数为进行滤波处理，d_j，h为信号分解的小波系数，d′_j，h为小波系数的估计值，β为阈值；

3)对处理后的小波系数进行小波逆变换，得到去噪后的加氢裂化流程运行数据。

在本发明的一个优选实施例中，为了从历史数据中的操作变量中筛选出动态调整过程所必需的操作变量，S1具体步骤可以为：

S11.采用自适应离散化算法对加氢裂化控制系统数据集进行离散化处理，得到加氢裂化反应操作变量量化值表，建立加氢裂化属性决策表S＝(U，A，V，F)，其中A＝C∪D是属性集合，子集C和D分别为条件属性集和决策属性集，V为属性值集合，U＝{x₁，x₂，…x_n}为有限的对象集合即论域，F为A到V的映射；

S12.利用公式计算出决策属性d关于条件属性c的支持度γ_c(d)，其中pos_c(d)＝U_x∈U/dc_(X)，c_(X)是X关于c的下近似；

S13.令逐个去掉一个属性c_i∈C，若 则reduct(C)＝reduct(C)∪{c_i}；若γ_reduct(C)(d)＝γ_c(d)，则终止计算，reduct(C)表示属性C的约简，否则进行S14；

S14.由随机产生的Pop_size个长度为|C|(条件属性的个数，即l)的二进制串所代表的个体组成初始种群：对应位随机取0或1，并计算初始群体中每个个体的适应度，其中个体适应值函数为 l_r表示染色体r中基因为1的个数；

S15.依轮盘赌方法选择个体，依交叉概率p_c和变异概率p_m产生新一代群体，变异时保持该属性对应的基因位不发生变异；

S16.计算所述新一代群体中每个个体的适应度；

S17.依据最优保存策略将最优个体复制到下一代群体中，并且依最优保存策略保存最优个体；

S18.判断是否连续t_max代的最优个体适应值不再提高，若是，终止计算并输出最优个体，否则转S15。

在本发明的一个优选实施例中，为了得到完整的加氢裂化动态调的操作序列，S2具体步骤可以为：

S21.对所述加氢裂化流程运行数据沿采样方向，采用滑动窗口H进行分割，窗口的滑动步长为H，每个切割窗口顺次排列，即其中x(n)表示n采样时刻J个控制变量的测量值；

S22.基于上述二维矩阵，利用主成分分析法PCA提取每个窗口内过程变量之间的相关性信息；由PCA算法计算第一个窗口的负载矩阵P₁作为参考负载矩阵P_base，并依次计算每个窗口的负载矩阵；

S23.根据公式计算各窗口与稳定模态参考窗口负载矩阵的相似度，其中J表示过程变量个数，P_j，k和P_j，base分别是矩阵P_k和P_base的第j列向量，γ(P_k，P_base)表示两个数据样本的相似度，用H窗口进行分析，若过渡模态的开始时间发生在第K个窗口，则转S24；

S24.将窗口步长缩短，从第K-1个窗口重复S22和S23来分析过程特性，得到过渡模态的准确的起始时间和结束时间，从而建立所述加氢裂化流程历史入口流量变化的动态调节案例库。

在本发明一个优选实施例中，为了能找到与目标运行状态最相似的源案例，本发明的实施例中将当前的运行状态所形成的案例调控至目标运行状态时，需要对待调整案例的起点和终点均进行匹配。在S3中优选将当前运行状态与历史操作序列即S2中所述加氢裂化动态调整的操作序列的起点进行匹配，目标运行状态与历史操作序列即S2中所述加氢裂化动态调整的操作序列的终点进行匹配。

其中，S3具体步骤优选为：

S31.当待分类的调整案例Z出现时，将待分类的调整案例Z的起点与源案例的起点进行相似度的比较，即按式

计算待分类的调整案例Z与源案例Y_i(i＝1，2，…，m)的相似度，筛选出与当前运行状态相似度大于相似度阈值的源案例；

其中，α_i为第i个源案例Y_i与当前运行状态Z的相似度,D(Z，Y_i)为欧氏距离，y_ij，z_j分别表示第i个源案例与当前运行状态中第j个属性的归一化特征值；

S32.将所述待分类案例Z的终点与S31中得到源案例的终点进行相似度的比较，得到与目标运行状态最相近的源案例。

其中，所述待分类案例Z的起点即为当前运行状态，终点即为所述目标运行状态。

在本发明一个优选实施例中，分别从时间、偏差度和平稳度对所形成的历史操作序列进行评价，能较准确地选择出历史最优的加氢裂化调节操作序列。其中，S4具体步骤优选为：

S41.记加氢裂化流量从待调节状态的时刻为t₀，经过S2中的模态识别后，记加氢裂化入口流量调节到期望状态的时刻为t_f，加氢裂化流量从待调节向期望状态调整序列所需要的时间t＝t_f-t₀；

S42.计算调整过程工况的波动情况，通过计算控制参数在调整过程中的总方差σ，即通过下式计算调整过程工况的平稳度；

其中，m为控制参数的个数，n为调整过程的调整周期数，定义五分钟为一个调整周期，n＝(t_f-t₀)/5，M_j为在调整过程中第j个控制参数实时数据的平均值，s_j为第j个控制参数的方差；

S43.计算目标工况点与期望指标的偏差δ，δ为目标工况点的各产品收率偏差度；通过定义计算目标工况点与期望指标的偏差，其中，c_i(i＝1，2，3，4)分别为重石脑油、航空煤油、柴油和尾油的目标收率，c_i′(i＝1，2，3，4)分别为目标工况点对应的重石脑油、航空煤油、柴油和尾油的实时收率，ω_i为根据各产品单价(元/kg)来计算的权重；

S44.从时间、平稳性和效益对加氢裂化工况调整过程综合评价得到的综合评价公式：Q＝f(λ_i，t，σ，δ)，其中λ_i表示t，σ，δ三个评价指标的权重。

在本发明一个优选实施例中，S5具体步骤为：

沿采样方向，对所述调节操作序列中各个操作参数的实时值进行分段性线性化处理，形成决策操作表。

通常在本领域中采样方向即为时间方向。通常在S5中对所述调节操作序列中历史最优的加氢裂化入口流量变化的动态调整操作序列，沿采样方向，对操作序列中各个操作参数的实时值以五分钟为一个时间间隔进行分段线性化处理，最终建立决策操作表。其中时间间隔的时长可以根据需要来定。

实施例1

以某炼油厂240万吨/年加氢裂化反应系统为研究对象。以航煤收率为优化目标，收集了250组操作数据，表1列出了可能影响航煤收率的25个操作变量以及值域范围。

表1 加氢裂化反应的操作变量与值域范围

采集的加氢裂化流程运行过程反应操作变量属性量化值表如表2所示。

表2 加氢裂化流程运行过程反应操作变量属性量化值表

本实施例的加氢裂化主动式动态调控方法，如图3所示，包括以下步骤：

步骤一：根据加氢裂化流程运行数据，进行数据清洗、数据变换、识别和删除数据中的孤立点、缺失值填补等数据预处理工作；

步骤二：对通过步骤一得到的预处理之后的加氢裂化运行数据，利用基于遗传算法的粗糙集属性约简算法对数据集进行操作变量约简，其中，基于遗传算法的粗糙集属性约简算法的流程图如图4所示，选取p_c=0.7，p_m=0.01，Max_Gen＝100,得到最优解为11110111100110011010111100，即筛选出的必需的操作变量为：进料泵出口流量、加氢精制反应器入口温度、加氢精制反应器第二床层温度、加氢精制反应器第三床层温度、加氢裂化反应器入口温度、加氢裂化反应器第二床层温度、加氢裂化反应器第三床层温度、加氢裂化反应器第四床层温度、热低分油至脱硫化氢汽提塔流量、冷低分油至脱硫化氢汽提塔流量、脱硫化氢汽提塔塔底温度、脱硫化氢汽提塔塔底流量、主分馏塔塔顶温度、主分馏塔塔顶回流量、主分馏塔中段抽出量、主分馏塔中段回流换热后温度；

步骤三：对通过步骤二得到的加氢裂化控制系统数据集，采用基于变长度窗口的多模态过程离线模态识别方法进行模态识别，得到完整的加氢裂化动态调整的操作序列，建立加氢裂化流程历史入口流量变化的动态调整案例库；其中，基于变长度窗口的多模态过程离线模态识别如图5所示；

Step1.对加氢裂化流程运行数据(每五分钟一个采样点)沿采样方向采用滑动窗口H(H＝12)进行分割，窗口的滑动步长为H，每个切割窗口顺次排列，即其中x(n)表示n采样时刻J个控制变量的测量值；

Step2.将PCA应用于这些二维矩阵，并提取每个窗口内过程变量之间的相关性信息；由PCA算法计算第一个窗口的负载矩阵P₁作为参考负载矩阵P_base，并依次计算每个窗口的负载矩阵；

Step3.根据公式计算各窗口与稳定模态参考窗口负载矩阵的相似度，其中J表示过程变量个数，P_j，k和P_j，base分别是矩阵P_k和P_base的第j列向量，γ(P_k，P_base)表示两个数据样本的相似度，用H窗口进行分析，若过渡模态的开始时间发生在第K个窗口，则进一步利用较短的滑动窗口来分析；

Step4.将窗口步长缩短，从第K-1个窗口重复Step2和Step3来分析过程特性，得到过渡模态的准确的起始时间和结束时间，从而建立加氢裂化流程历史入口流量调节案例库；

步骤四中采用基于欧式距离的相似度评估策略计算待分类的调整案例与源案例的相似度，得到与待分类的调整案例最相似的源案例的过程为：

Step1.当待分类的调整案例Z出现时，将待分类的调整案例Z的起点与源案例的起点进行相似度的比较，即按式计算待分类的调整案例Z与源案例Y_i(i=1，2，…，m)的相似度，筛选出与当前运行状态相似度大于相似度阈值的源案例，其中α_i为第i个源案例Y_i与当前运行状态Z的相似度,D(Z，Y_i)为欧氏距离，y_ij，z_j分别表示第i个源案例与当前运行状态中第j个属性的归一化特征值；

Step2.将所述待分类的调整案例Z的终点与Step1中得到源案例的终点进行相似度的比较，得到与目标运行状态最相近的源案例。

其中，所述待分类案例Z的起点即为当前运行状态，终点即为所述目标运行状态。

步骤五：对通过步骤四得到的源案例，结合加氢裂化流量从待调节状态向期望状态调节的调整序列所需要的时间t、调整过程工况的波动情况б和目标工况点与期望指标的偏差δ，从时间、效益和平稳性这三个方面对加氢裂化工况调整过程综合评价；本实施方式中具体过程为：

Step1.记加氢裂化流量从待调节状态的时刻为t₀，通过步骤三中的模态识别后，记加氢裂化入口流量调节到期望状态的时刻为t_f，则加氢裂化流量从待调节向期望状态调整序列所需要的时间t=t_f-t₀；

Step2.计算调整过程工况的波动情况，通过计算控制参数在调整过程中的总方差σ，即通过式来计算调整过程工况的平稳度，其中m为控制参数的个数，n为调整过程的调整周期数(定义五分钟为一个调整周期，n=(t_f-t₀)/5)，M_j为在调整过程中第j个控制参数实时数据的平均值，s_j为第j个控制参数的方差；

Step3.计算目标工况点与期望指标的偏差δ，即目标工况点的各产品收率偏差度。通过定义来计算目标工况点与期望指标的偏差，其中c_i(i=1，2，3，4)分别为重石脑油、航空煤油、柴油和尾油的目标收率，c_i′(i＝1，2，3，4)分别为目标工况点对应的重石脑油、航空煤油、柴油和尾油的实时收率，ω_i为根据各产品单价(元/kg)来计算的权重；

Step4.从时间、平稳性和效益这三个方面对加氢裂化工况调整过程综合评价可以得到的综合评价公式：Q＝f(λ_i，t，σ，δ)，其中λ_i表示t，σ，δ三个评价指标的权重。

步骤六：对步骤五得到的历史最优的加氢裂化入口流量变化的动态调整操作序列，沿采样方向，对操作序列中各个操作参数的实时值以五分钟为一个时间间隔进行分段线性化处理，最终建立决策操作表。

最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种加氢裂化流程中主动式动态调控方法，其特征在于，包括：

基于所述加氢裂化流程运行数据，利用决策操作表将因入口流量变化引起的所述加氢裂化流程调控至目标运行状态。

2.根据权利要求1所述的方法，其特征在于，所述决策操作表构建包括：

S1.基于加氢裂化流程历史运行数据，利用基于遗传算法的粗糙集属性约简算法选择所需的控制变量，得到所述加氢裂化控制系统数据集；

S2.基于所述加氢裂化控制系统数据集，利用多模态过程离线模态识别方法进行模态识别，得到完整的加氢裂化动态调整的操作序列，建立加氢裂化流程历史入口流量变化的动态调整案例库；

S3.基于当前运行状态，利用基于欧氏距离的相似度评估策略计算所述目标运行状态与源案例的相似度，得到与目标运行状态最相似的源案例；其中，所述源案例为所述动态调整案例库中的操作序列；

S4.基于所述与目标运行状态最相似的源案例，利用基于时间、偏差度和平稳度的工况动态调整过程综合评价单元，得到历史最优加氢裂化入口流量调节操作序列；

S5.基于所述调节操作序列，利用分段线性化处理形成所述决策操作表。

3.根据权利要求2所述的方法，其特征在于，所述S3具体为：

S31.当待分类的调整案例Z出现时，将待分类的调整案例Z的起点与源案例的起点进行相似度的比较，即按式

$\left\{\begin{array}{c}{\mathrm{\α}}_i=\mathrm{\δ}\left(Z,Y_i\right)=1-D\left(Z,Y_i\right),i=1,2,\mathrm{...},m\\ D\left(Z,Y_i\right)=\sqrt{\underset{j=1}{\overset{n}{\Σ}}{\left(z_j-y_{ij}\right)}^2}\end{array}\right.$

计算待分类的调整案例Z与源案例Y_i(i＝1,2,…,m)的相似度，筛选出与当前运行状态相似度大于相似度阈值的源案例；

其中，α_i为第i个源案例Y_i与当前运行状态Z的相似度,D(Z,Y_i)为欧氏距离，y_ij，z_j分别表示第i个源案例与当前运行状态中第j个属性的归一化特征值；

S32.将所述待分类案例Z的终点与S31中得到源案例的终点进行相似度的比较，得到与目标运行状态最相近的源案例。

其中，所述待分类案例Z的起点即为当前运行状态，终点即为所述目标运行状态。

4.根据权利要求2所述的方法，其特征在于，所述S4具体为：

S41.记加氢裂化流量从待调节状态的时刻为t₀，经过S2中的模态识别后，记加氢裂化入口流量调节到期望状态的时刻为t_f，加氢裂化流量从待调节向期望状态调整序列所需要的时间t＝t_f-t₀；

S42.计算调整过程工况的波动情况，通过计算控制参数在调整过程中的总方差σ，即通过下式计算调整过程工况的平稳度；

$\left\{\begin{array}{c}\mathrm{\σ}=\sqrt{\underset{j=1}{\overset{m}{\Σ}}{S}_j}\\ S_j=\frac{{\mathrm{\Σ}}_{k=1}^n{(x_{jk}-M_j)}^2}{n}\\ M_j=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{x}_{jk}\end{array}\right.$

其中，m为控制参数的个数，n为调整过程的调整周期数，定义五分钟为一个调整周期，n＝(t_f-t₀)/5，M_j为在调整过程中第j个控制参数实时数据的平均值，s_j为第j个控制参数的方差；

S43.计算目标工况点与期望指标的偏差δ，δ为目标工况点的各产品收率偏差度；通过定义计算目标工况点与期望指标的偏差，其中，c_i(i＝1,2,3,4)分别为重石脑油、航空煤油、柴油和尾油的目标收率，c_i′(i＝1,2,3,4)分别为目标工况点对应的重石脑油、航空煤油、柴油和尾油的实时收率，ω_i为根据各产品单价来计算的权重；

S44.从时间、平稳性和效益对加氢裂化工况调整过程综合评价得到的综合评价公式：Q＝f(λ_i,t,σ,δ)，其中λ_i表示t,σ,δ三个评价指标的权重。

5.根据权利要求2所述的方法，其特征在于，所述构建还包括：

在所述S1前，对所述加氢裂化流程运行数据进行预处理，所述预处理包括数据清洗、数据变换、识别和删除数据中的孤立点和缺失值填补。

6.根据权利要求2所述的方法，其特征在于，所述构建还包括：

在所述S1前，对所述加氢裂化流程运行数据进行离群点剔除和小波去噪。

7.根据权利要求2所述的方法，其特征在于，所述S1具体为：

S11.采用自适应离散化算法对加氢裂化控制系统数据集进行离散化处理，得到加氢裂化反应操作变量量化值表，建立加氢裂化属性决策表S＝(U,A,V,F),其中A＝C∪D是属性集合，子集C和D分别为条件属性集和决策属性集，V为属性值集合，U＝{x₁, x₂, … x_n}为有限的对象集合即论域，F为A到V的映射；

S12.利用公式计算出决策属性d关于条件属性c的支持度γ_c(d)，其中pos_c(d)＝∪_x∈U/dc_(X)，c_(X)是X关于c的下近似；

S13.令逐个去掉一个属性c_i∈C，若 则reduct(C)＝reduct(C)∪{c_i}；若γ_reduct(C)(d)＝γ_c(d)，则终止计算，reduct(C)表示属性C的约简，否则进行S14；

S14.由随机产生的Pop_size个长度为|C|(条件属性的个数，即l)的二进制串所代表的个体组成初始种群：对应位随机取0或1，并计算初始群体中每个个体的适应度，其中个体适应值函数为 l_r表示染色体r中基因为1的个数；

S15.依轮盘赌方法选择个体，依交叉概率p_c和变异概率p_m产生新一代群体，变异时保持该属性对应的基因位不发生变异；

S16.计算所述新一代群体中每个个体的适应度；

S17.依据最优保存策略将最优个体复制到下一代群体中，并且依最优保存策略保存最优个体；

S18.判断是否连续t_max代的最优个体适应值不再提高，若是，终止计算并输出最优个体，否则转S15。

8.根据权利要求2所述的方法，其特征在于，所述S2具体为：

S21.对所述加氢裂化流程运行数据沿采样方向，采用滑动窗口H进行分割，窗口的滑动步长为H，每个切割窗口顺次排列，即其中x(n)表示n采样时刻J个控制变量的测量值；

S22.基于上述二维矩阵，利用主成分分析法PCA提取每个窗口内过程变量之间的相关性信息；由PCA算法计算第一个窗口的负载矩阵P₁作为参考负载矩阵P_base，并依次计算每个窗口的负载矩阵；

S23.根据公式计算各窗口与稳定模态参考窗口负载矩阵的相似度，其中J表示过程变量个数，P_j,k和P_j,base分别是矩阵P_k和P_base的第j列向量，γ(P_k,P_base)表示两个数据样本的相似度，用H窗口进行分析，若过渡模态的开始时间发生在第K个窗口，则转S24；

S24.将窗口步长缩短，从第K-1个窗口重复S22和S23来分析过程特性，得到过渡模态的准确的起始时间和结束时间，建立所述加氢裂化流程历史入口流量变化的动态调节案例库。

9.根据权利要求2所述的方法，其特征在于，所述S5具体为：

沿采样方向，对所述调节操作序列中各个操作参数的实时值进行分段性线性化处理，形成决策操作表。