CN110751987A - 一种石脑油裂解制乙烯监测变量的软测量模型的建立方法 - Google Patents
一种石脑油裂解制乙烯监测变量的软测量模型的建立方法 Download PDFInfo
- Publication number
- CN110751987A CN110751987A CN201910986616.3A CN201910986616A CN110751987A CN 110751987 A CN110751987 A CN 110751987A CN 201910986616 A CN201910986616 A CN 201910986616A CN 110751987 A CN110751987 A CN 110751987A
- Authority
- CN
- China
- Prior art keywords
- soft measurement
- measurement model
- data
- variables
- variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 70
- 238000005336 cracking Methods 0.000 title claims abstract description 56
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 title claims abstract description 28
- 239000005977 Ethylene Substances 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000002360 preparation method Methods 0.000 title description 4
- 238000004519 manufacturing process Methods 0.000 claims abstract description 20
- 238000012795 verification Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 17
- 239000002994 raw material Substances 0.000 description 16
- 238000010790 dilution Methods 0.000 description 11
- 239000012895 dilution Substances 0.000 description 11
- 239000007789 gas Substances 0.000 description 6
- 239000002737 fuel gas Substances 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical group [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 239000003546 flue gas Substances 0.000 description 3
- 238000000197 pyrolysis Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 239000002918 waste heat Substances 0.000 description 3
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000001294 propane Substances 0.000 description 2
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 2
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 2
- 238000002352 steam pyrolysis Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005235 decoking Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/26—Oils; Viscous liquids; Paints; Inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
- G01N33/2835—Specific substances contained in the oils or fuels
- G01N33/2841—Gas in oils, e.g. hydrogen in insulating oils
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种石脑油裂解制乙烯生产过程中监测变量的软测量模型的建立方法,通过与预测变量相关的观测变量在历史周期内数据一一对应关系,建立多个软测量模型,再将软测量模型通过验证数据进行验证,排除误差较大的软测量模型后,再使用历史周期的离线数据进行测试,从所有建立的软测量模型中获得最终的较优软测量模型。实现了对某些无法实时准确测量或者测量成本高的变量的预测或用于监测变量的装置因为自身故障导致无法测量变量的预测,并降低了实时测量变量的成本,在实时预测参数变量前,基于裂解生产过程的历史数据建立一个可以描述目标过程的软测量模型,该软测量模型的准确程度直接关系到预测结果的精度。
Description
技术领域
本发明属于石油化工技术领域,特别是指一种石脑油裂解制乙烯的裂解炉的运行监测技术,尤其是指一种石脑油裂解制乙烯生产过程中监测变量的软测量模型的建立方法。
背景技术
石脑油为原料裂解制取乙烯的工艺技术中蒸汽高温裂解法的裂解工艺至少包括原料供给预热系统、高温裂解系统、油气联合燃烧系统及废热系统。石脑油原料裂解制取乙烯的一个完整生产周期指从石脑油裂解制乙烯的裂解炉清焦结束重新开始进行裂解生产到石脑油裂解制乙烯的裂解炉因炉管结焦严重而停止裂解反应。
对于实际的石脑油为原料裂解制取乙烯的工艺技术中蒸汽高温裂解法的裂解炉生产过程中根据裂解炉型号的不同选择采集的变量包含但不限于:对流段:1、原料部分:裂解原料石脑油进料流量、裂解原料石脑油进料温度和压力、裂解原料石脑油进料量的设定值;2、稀释蒸汽部分:稀释蒸汽进料流量、稀释蒸汽进料温度、稀释蒸汽进料量的设定值;3、横跨段温度和压力部分:炉管横跨段温度、炉管横跨段压力;辐射段:4、炉出口温度部分:辐射段炉管出口温度;5、炉出口压力部分:炉管出口压力;6、裂解气部分:甲烷、乙烷、乙烯、丙烷和丙烯的含量;7、炉膛部分:裂解气的组成、炉膛温度、烟气组成、和燃料气流量及其平均分子质量等变量数据信息。
在实际工业生产中,往往存在某些无法实时准确测量或者测量成本高的变量或用于监测变量的装置因为自身故障导致无法对变量的监测,而且这些变量又具有重要的意义,导致监测系统的监测精度受到影响。
发明内容
本发明的目的是提供一种石脑油裂解制乙烯生产过程中监测变量的软测量模型的建立方法,以解决某个或某些变量的无法监测而影响到监测系统监测精度或者测量成本高无法实时测量的问题。
本发明是通过以下技术方案实现的:
一种石脑油裂解制乙烯生产过程中监测变量的软测量模型的建立方法,包括以下步骤:
1)确定预测变量;
2)选择与所述预测变量相关的观测变量;
3)获取多个石脑油裂解制乙烯生产过程中完整历史运行周期的离线数据;
4)从步聚3)中的离线数据中,选择第一设定数量的设定时长的数据段为训练数据,选择第二设定数量的设定时长的数据段为验证数据;
基于所述训练数据中的预测变量与时间上的一一对应的观测变量,建立软测量模型;
5)根据所述验证数据计算每个所述软测量模型的相对预测误差,并判断,若相对预测误差不大于第一设定值,则保留该软测量模型,否则弃用该软测量模型;
6)将的每个软测量模型中的预测变量数据与步聚3)中任一个石脑油裂解制乙烯生产过程中完整历史运行周期的离线数据中预测变量数据进行比对,并计算偏差,并判断:
若所述偏差大于第二设定值,则弃用该软测量模型;
若所述偏差不大于第二设定值,则保留该软测量模型;
7)重复步骤6),从所有建立的软测量模型中获得最终的较优软测量模型。
若步骤6)结束后,偏差均大于第二设定值,则重复步骤4)至步骤6)。
所述第一设定数量与所述第二设定数量相同或不相同。
各所述软测量模型中包括的潜变量的数量相同或不相同。
所述观测变量的数量大于或等于所述潜变量的数量。
本发明的有益效果是:
本技术方案通过与预测变量相关的观测变量在历史周期内数据一一对应关系,建立多个软测量模型,再将软测量模型通过验证数据进行验证,排除误差较大的软测量模型后,再使用历史周期的离线数据进行测试,从所有建立的软测量模型中获得最终的较优软测量模型。实现了对某些无法实时准确测量或者测量成本高的变量的预测或用于监测变量的装置因为自身故障导致无法测量变量的预测。
具体实施方式
以下通过实施例来详细说明本发明的技术方案,以下的实施例仅是示例性的,仅能用来解释和说明本发明的技术方案,而不能解释为是对本发明技术方案的限制。
软测量技术就是为了降低这些变量的测量成本和实现实时测量而发展起来的。在实时预测参数变量前,基于裂解生产过程的历史数据建立一个可以描述目标过程的软测量模型,该软测量模型的准确程度直接关系到预测结果的精度。
通过提取过程信息中的潜变量,可以有效降低观测信息维度,而且潜变量之间是相互独立的,而且可以有效去除观测变量共线性的影响,在许多领域用均有所应用。潜变量不是单纯的特质某观测变量,潜变量是将高维的观测变量数据进行投影转换到另一个维度空间,在新的维度空间中,各个维度是相互独立的,一个维度就称作一个潜变量。潜变量最大个数为观测变量个数。在提取潜变量时,随着潜变量个数的增加,观测变量矩阵中的信息提取量也在逐渐增加,软测量模型对训练数据中的预测变量预测能力也在逐步增强。
在本实施例中,以仪表故障为例进行详细的说明。
在线过程监测系统在应用于石脑油裂解制乙烯的裂解炉生产运行中,出现了传感器或者仪表的自身故障,造成系统采集的变量数据突然较大的偏离正常范围,这样会直接影响监测系统的监测结果,造成监测系统的误报警。
应用的裂解炉特点为裂解原料石脑油和稀释蒸汽各分为6组并分别对应混合进入对流段与烟气进行初步换热后,再进入辐射段进行裂解反应(此石脑油裂解制乙烯的裂解炉装置中共有6组辐射炉管,每组炉管各有4小根辐射炉管)。辐射段的热量由燃料气进入燃烧喷嘴燃烧提供。裂解结束后产生的裂解气进入急冷锅炉急速冷却结束裂解反应。
DCS系统针对该石脑油裂解制乙烯的裂解炉采集的变量信息包括:1、蒸汽发生系统部分:锅炉水流量、蒸汽出口温度和压力;2、原料部分:裂解原料总石脑油进料流量、裂解原料六组石脑油进料流量、裂解原料石脑油的组成、裂解原料总石脑油进料温度和压力、裂解原料六组石脑油进料量的设定值;3、稀释蒸汽部分:总稀释蒸汽进料流量、六组稀释蒸汽进料流量、总稀释蒸汽进料温度、六组稀释蒸汽进料量的设定值;4、横跨段温度和压力部分:六组炉管横跨段温度、六组炉管横跨段压力;5、炉出口温度部分:六组炉管共24根小辐射炉管出口温度;6、废热锅炉部分:六组废热锅炉出口温度;7、炉出口压力部分:六组炉管出口压力;8、裂解气部分:甲烷、乙烷、乙烯、丙烷和丙烯的含量;9、炉膛部分:裂解气的组成、炉膛温度、烟气组成、和燃料气流量及其平均分子质量等110余个变量数据信息(一分钟间隔的数据)。
发现的仪表异常为第四组炉管的第二小根辐射管出口温度在生产过程中出现仪表异常,数据出现较大的偏离正常范围。对于该变量建立了软测量校正模型,用于对该变量的数据校正,即确定预测变量。
仪表故障数据的软测量校正模型的预测变量为第四组炉管的第二小根辐射管出口温度。
当测量第四组炉管的第二小根辐射管出口温度的仪表出现异常时,为了更好的对第四组炉管的第二小根辐射管出口温度进行软测量,尽可能选择与软测量变量相关的观测变量,最终除去各组裂解原料石脑油和稀释蒸汽进料量设定值,选择了97个观测变量。
为了能够使第四组炉管的第二小根辐射管出口温度得到更准确的预测,获取了五个石脑油裂解制乙烯生产过程中完整历史运行周期的离线数据。
在这五个离线数据中,选择任意一个离线数据,并在该离线数据中,选择第一设定数量的设定时长的数据段为训练数据,选择第二设定数量的设定时长的数据段为验证数据。
在本申请的各实施例中,第一设定数量与第二设定数量可以相同也可以不相同。
在第一设定数量的训练数据中,包括有N(自然数)个预测变量点值数据段(与数据采集的时间间隔相关),将每个预测变量点值数据段在相同时间内一一对应观测变量的数据,将预测变量点值及对应的潜变量的数据建立软测量校正模型,共建立N个软测量校正模型。
将N个软测量校正模型分别与验证数据计算相对预测误差,若相对预测误差不大于第一设定值,第一设定值可以根据需要进行相应的设定,保留该软测量校正模型,否则就弃用该软测量校正模型,共获得M(自然数)个软测量校正模型,且M≤N。
将M个软测量校正模型中任一个带入五个石脑油裂解制乙烯生产过程中完整历史运行周期的离线数据中,选择任意一个离线数据中预测变量数据进行比对,并计算偏差。若所述偏差大于第二设定值,在本实施例中,偏差选取0.0017,在本申请的其它实施例中,可以根据需要选取大于0.0017或小于0.0017的均能够实现本申请的技术方案,则弃用该软测量校正模型;若所述偏差不大于第二设定值,则保留该软测量校正模型;直到获得最终的较优软测量校正模型。
在本申请中,还可能存在当对M个软测量校正模型全部测试完毕,所有软测量校正模型的偏差均大于第二设定值,不能确定较优软测量校正模型,为此,则重新选择训练数据进行再次比对,直至得到最终的较优软测量校正模型为止。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由所附权利要求极其等同限定。
Claims (5)
1.一种石脑油裂解制乙烯监测变量的软测量模型的建立方法,其特征在于,包括以下步骤:
1)确定预测变量;
2)选择与所述预测变量相关的观测变量;
3)获取多个石脑油裂解制乙烯生产过程中完整历史运行周期的离线数据;
4)从步聚3)中的离线数据中,选择第一设定数量的设定时长的数据段为训练数据,选择第二设定数量的设定时长的数据段为验证数据;
基于所述训练数据中的预测变量与时间上的一一对应的观测变量,建立软测量模型;
5)根据所述验证数据计算每个所述软测量模型的相对预测误差,并判断,若相对预测误差不大于第一设定值,则保留该软测量模型,否则弃用该软测量模型;
6)将的每个软测量模型中的预测变量数据与步聚3)中任一个石脑油裂解制乙烯生产过程中完整历史运行周期的离线数据中预测变量数据进行比对,并计算偏差,并判断:
若所述偏差大于第二设定值,则弃用该软测量模型;
若所述偏差不大于第二设定值,则保留该软测量模型;
7)重复步骤6),从所有建立的软测量模型中获得最终的较优软测量模型。
2.根据权利要求1所述的石脑油裂解制乙烯监测变量的软测量模型的建立方法,其特征在于,若步骤6)结束后,偏差均大于第二设定值,则重复步骤4)至步骤6)。
3.根据权利要求1所述的石脑油裂解制乙烯监测变量的软测量模型的建立方法,其特征在于,所述第一设定数量与所述第二设定数量相同或不相同。
4.根据权利要求1所述的石脑油裂解制乙烯监测变量的软测量模型的建立方法,其特征在于,各所述软测量模型中包括的潜变量的数量相同或不相同。
5.根据权利要求1所述的石脑油裂解制乙烯监测变量的软测量模型的建立方法,其特征在于,所述观测变量的数量大于或等于所述潜变量的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910986616.3A CN110751987A (zh) | 2019-10-17 | 2019-10-17 | 一种石脑油裂解制乙烯监测变量的软测量模型的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910986616.3A CN110751987A (zh) | 2019-10-17 | 2019-10-17 | 一种石脑油裂解制乙烯监测变量的软测量模型的建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110751987A true CN110751987A (zh) | 2020-02-04 |
Family
ID=69278691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910986616.3A Pending CN110751987A (zh) | 2019-10-17 | 2019-10-17 | 一种石脑油裂解制乙烯监测变量的软测量模型的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751987A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106644162A (zh) * | 2016-10-12 | 2017-05-10 | 云南大学 | 基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法 |
CN106677763A (zh) * | 2016-12-29 | 2017-05-17 | 沈阳工业大学 | 一种基于动态集成建模的油井动液面预测方法 |
CN108549740A (zh) * | 2018-03-06 | 2018-09-18 | 华南理工大学 | 一种基于混合智能算法的厌氧系统出水氨氮软测量方法 |
CN109840362A (zh) * | 2019-01-16 | 2019-06-04 | 昆明理工大学 | 一种基于多目标优化的集成即时学习工业过程软测量建模方法 |
-
2019
- 2019-10-17 CN CN201910986616.3A patent/CN110751987A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106644162A (zh) * | 2016-10-12 | 2017-05-10 | 云南大学 | 基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法 |
CN106677763A (zh) * | 2016-12-29 | 2017-05-17 | 沈阳工业大学 | 一种基于动态集成建模的油井动液面预测方法 |
CN108549740A (zh) * | 2018-03-06 | 2018-09-18 | 华南理工大学 | 一种基于混合智能算法的厌氧系统出水氨氮软测量方法 |
CN109840362A (zh) * | 2019-01-16 | 2019-06-04 | 昆明理工大学 | 一种基于多目标优化的集成即时学习工业过程软测量建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kourti | Multivariate dynamic data modeling for analysis and statistical process control of batch processes, start‐ups and grade transitions | |
CN111033253A (zh) | 水质诊断系统、发电站及水质诊断方法 | |
CN108604094B (zh) | 设备的异常诊断方法及设备的异常诊断装置 | |
CN106782708B (zh) | 一种修正核电站中液位变送器的多变量交叉比较方法 | |
CA3003072C (en) | Systems and methods for predicting tube fouling in a fired apparatus, and for utilizing tube fouling predictions | |
CN103207949A (zh) | 乙烯裂解炉tle出口温度和运行周期预测方法 | |
Han et al. | PCA-SDG based process monitoring and fault diagnosis: application to an industrial pyrolysis furnace | |
CN110469372B (zh) | 一种汽轮机热力性能试验不确定度控制方法 | |
CN110751987A (zh) | 一种石脑油裂解制乙烯监测变量的软测量模型的建立方法 | |
CN113918881A (zh) | 基于分层多项式模型的飞灰含碳量软测量方法及监测系统 | |
US20220405446A1 (en) | High-precision high-fidelity real-time simulation and behavior prediction method and device for nuclear power station | |
CN107870611A (zh) | 车间模拟装置及车间模拟方法 | |
CN110717279B (zh) | 石脑油裂解制乙烯的裂解产物组分软测量模型的建立方法 | |
WO2020176060A2 (en) | A production optimisation method for the ethylene furnaces | |
CN107450314B (zh) | 一种用于乙烯裂解炉全运行周期裂解深度控制系统及其方法 | |
CN110684550A (zh) | 一种石脑油裂解制乙烯生产故障诊断方法 | |
EP4098720A1 (en) | A method of determining a carburisation model of a coil of a steam cracking furnace | |
Swirski | Power plant performance monitoring using statistical methodology approach | |
CN110751988A (zh) | 一种石脑油裂解制乙烯的在线监测系统 | |
JP7142545B2 (ja) | ボイラチューブリーク診断システム及びボイラチューブリーク診断方法 | |
CN106382842A (zh) | 一种水泥厂余热回收多环路换热器爆管监控方法及系统 | |
Buljubašić et al. | Improvement of steam boiler plant efficiency based on results of on-line performance monitoring | |
Heyen et al. | Methodology for optimization of operation to reduce site-scale energy use in production plants | |
EP4148105A1 (en) | Method for steam cracking and corresponding systems | |
CN110718273A (zh) | 一种石脑油裂解制乙烯的裂解炉运行过程的监测模型的建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |