CN111899798B - 一种原油数据管理方法、系统、装置及存储介质 - Google Patents
一种原油数据管理方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN111899798B CN111899798B CN202010533476.7A CN202010533476A CN111899798B CN 111899798 B CN111899798 B CN 111899798B CN 202010533476 A CN202010533476 A CN 202010533476A CN 111899798 B CN111899798 B CN 111899798B
- Authority
- CN
- China
- Prior art keywords
- single molecule
- group
- groups
- crude oil
- reaction
- 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.)
- Active
Links
- 239000010779 crude oil Substances 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000013523 data management Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 356
- 238000004821 distillation Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 42
- 239000003208 petroleum Substances 0.000 claims abstract description 31
- 239000000047 product Substances 0.000 claims description 223
- 230000000704 physical effect Effects 0.000 claims description 217
- 238000009835 boiling Methods 0.000 claims description 144
- 238000004364 calculation method Methods 0.000 claims description 103
- 239000002994 raw material Substances 0.000 claims description 98
- 239000000203 mixture Substances 0.000 claims description 94
- 238000012549 training Methods 0.000 claims description 60
- 238000004422 calculation algorithm Methods 0.000 claims description 49
- 238000004891 communication Methods 0.000 claims description 18
- 239000013067 intermediate product Substances 0.000 claims description 15
- 238000000926 separation method Methods 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 11
- 239000003054 catalyst Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 239000007789 gas Substances 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 125000004429 atom Chemical group 0.000 claims description 5
- 238000001833 catalytic reforming Methods 0.000 claims description 5
- 125000004435 hydrogen atom Chemical group [H]* 0.000 claims description 5
- 230000029936 alkylation Effects 0.000 claims description 4
- 238000005804 alkylation reaction Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000004523 catalytic cracking Methods 0.000 claims description 4
- 238000004939 coking Methods 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims 28
- 239000000758 substrate Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 19
- 238000012512 characterization method Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 8
- 238000004817 gas chromatography Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 238000004949 mass spectrometry Methods 0.000 description 6
- 239000012634 fragment Substances 0.000 description 5
- 239000003921 oil Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007670 refining Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000004252 FT/ICR mass spectrometry Methods 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 238000001069 Raman spectroscopy Methods 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 3
- 150000001335 aliphatic alkanes Chemical class 0.000 description 3
- 150000001336 alkenes Chemical class 0.000 description 3
- 125000003118 aryl group Chemical group 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 125000004432 carbon atom Chemical group C* 0.000 description 3
- 239000007795 chemical reaction product Substances 0.000 description 3
- 150000001924 cycloalkanes Chemical class 0.000 description 3
- 150000001925 cycloalkenes Chemical class 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000005686 electrostatic field Effects 0.000 description 3
- 125000005842 heteroatom Chemical group 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 238000005504 petroleum refining Methods 0.000 description 3
- 238000010517 secondary reaction Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 229910052717 sulfur Inorganic materials 0.000 description 3
- 239000011593 sulfur Substances 0.000 description 3
- 238000001269 time-of-flight mass spectrometry Methods 0.000 description 3
- 239000012467 final product Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000000376 reactant Substances 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 239000011342 resin composition Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 239000012429 reaction media Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- 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
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种原油数据管理方法、系统、装置及存储介质。方法包括：获取原油的分子数据；基于原油的分子数据，得到原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据；将每组馏分分别输入预先训练的产物预测模型；其中，产物预测模型与石油加工装置的种类相对应；获取产物预测模型输出的在不同反应条件下的目标产物的产量；将原油的分子数据、原油在不同馏分馏程下得到的每种馏分的分子数据和每种馏分在不同反应条件下的目标产物的产量进行对应存储。
Description
技术领域
本发明涉及石油加工技术领域，尤其涉及一种原油数据管理方法、系统、装置及存储介质。
背景技术
随着我国环保要求的日益提高，要求汽油满足更加严格的排放标准。而与此同时，随着世界油价上涨，炼油企业为提高效益，必须实现质量卡边控制。
在石油的加工过程中，由于炼油企业所使用的原油产地的变化，会导致生产的方案也随之发生变化，为了适应不同组分的原油，必须有针对性的进行加工，才能最终产出符合条件的油品，但是，原油的产地较多，而且同一产地的原油在不同的油层也会有不同的分子组成，炼油企业若是不能及时根据原油的变化调整生产方案，就会生产出大量不合格产品，重新处理这类汽油产品耗时费力，使得炼油企业出现重大经济损失。
发明内容
为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种原油数据管理方法、设备及存储介质。
第一方面，本发明实施例提供了一种原油数据管理方法，所述方法包括：
获取原油的分子数据；
基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据；
将每组所述馏分分别输入预先训练的产物预测模型；其中，所述产物预测模型与石油加工装置的种类相对应；
获取所述产物预测模型输出的在不同反应条件下的目标产物的产量；
将所述原油的分子数据、所述原油在不同馏分馏程下得到的每种馏分的分子数据和每种馏分在不同反应条件下的目标产物的产量进行对应存储。
基于上述技术方案，本发明实施例还可以做出如下改进。
结合第一方面，在第一方面的第一种实施例中，所述获取原油的分子数据，包括：
获取原油中的每种单分子和每种单分子的含量；
分别计算所述原油中每种单分子的物性；
将所述原油中的每种单分子、每种单分子的含量和每种单分子的物性作为所述原油的分子数据。
结合第一方面的第一种实施例，在第一方面的第二种实施例中，所述分别计算所述原油中每种单分子的物性，包括：
针对原油中每种单分子，获取构成所述单分子的每种基团的基团数量，以及获取每种所述基团对沸点的贡献值；
将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点。
结合第一方面的第二种实施例，在第一方面的第三种实施例中，所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型之前，所述方法还包括：
将构成所述单分子的每种基团的基团数量与数据库中预存储的已知沸点的模板单分子的分子信息进行比对；所述分子信息包括：构成所述模板单分子的每种基团的基团数量；
判断是否存在与所述单分子相同的所述模板单分子；
若存在与所述单分子相同的所述模板单分子，输出所述模板单分子的沸点作为所述单分子的沸点；
若不存在与所述单分子相同的所述模板单分子，则执行所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型的步骤。
结合第一方面的第二或第三种实施例，在第一方面的第四种实施例中，所述获取构成所述单分子的每种基团的基团数量，包括：
获取构成所述单分子的各级基团的数量；
在所述单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；
将构成单分子的所有基团作为一级基团；
将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
结合第一方面的第四种实施例，在第一方面的第五种实施例中，
所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点，包括：
根据如下物性计算模型计算所述单分子的沸点：
其中，T为所述单分子的沸点，SOL为根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，GROUP1为根据一级基团对沸点的贡献值转化得到的第一贡献值向量，GROUP2为根据二级基团对沸点的贡献值转化得到的第二贡献值向量，GROUPN为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为所述单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；N为大于或等于2的正整数。
结合第一方面的第五种实施例，在第一方面的第六种实施例中，
所述根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，包括：
将基团的种类数量作为所述单分子向量的维数；
将每种基团的基团数量作为所述单分子向量中对应维度的元素值；
所述根据一级基团对沸点的贡献值转化得到的第一贡献值向量，包括：
将一级基团的种类数量作为所述第一贡献值向量的维数；
将每种所述一级基团对沸点的贡献值作为所述第一贡献值向量中对应维度的元素值；
所述根据二级基团对沸点的贡献值转化得到的第二贡献值向量，包括：
将二级基团的种类数量作为所述第二贡献值向量的维数；
将每种所述二级基团对沸点的贡献值作为所述第二贡献值向量中对应维度的元素值；
所述根据N级基团对沸点的贡献值转化得到的第N贡献值向量，包括：
将N级基团的种类数量作为所述第N贡献值向量的维数；
将每种N级基团对沸点的贡献值作为所述第N贡献值向量中对应维度的元素值。
结合第一方面的第二种实施例，在第一方面的第七种实施例中，训练所述物性计算模型的步骤包括：
构建物性计算模型；
获取构成样本单分子的每种基团的基团数量；所述样本单分子的物性已知；
将所述样本单分子包含的每种基团的基团数量输入所述物性计算模型；
获取所述物性计算模型输出的所述样本单分子的预测物性；
如果所述预测物性与已知的所述物性之间的偏差值小于预设偏差阈值，则判定所述物性计算模型收敛，在已收敛的所述物性计算模型中获取每种基团对应的贡献值，并存储为所述基团对所述物性的贡献值；
如果所述预测物性与已知的所述物性之间的偏差值大于等于所述偏差阈值，则调整所述物性计算模型中每种基团对应的贡献值，直到所述物性计算模型收敛为止。
结合第一方面的第七种实施例，在第一方面的第八种实施例中，所述物性计算模型按照下述方式确定单分子的物性：
获得各种基团的基团数量与各种基团对所述物性的贡献值的乘积；
根据各种基团相应的乘积的总和获得所述单分子的物性；
例如，所述物性计算模型如下所示：
其中，f为所述单分子的物性，ni为第i种基团的基团数量，Δfi为第i种基团对所述物性的贡献值，a为关联常数。
结合第一方面的第七种实施例，在第一方面的第九种实施例中，所述获取构成样本单分子的每种基团的基团数量，包括：
在所述样本单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；
将构成单分子的所有基团作为一级基团；
将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
结合第一方面的第九种实施例，在第一方面的第十种实施例中，所述物性计算模型按照下述方式确定单分子的物性：
在每一级基团中，分别获得其所包含的各种基团的基团数量与各种基团对所述物性的贡献值的乘积，然后获得各种基团相应的乘积的总和记为该级基团对物性的贡献值；
根据各级基团对物性的贡献值的总和获得所述单分子的物性；
例如，所述物性计算模型如下所示：
其中，f为所述单分子的物性，m1i为一级基团中第i种基团的基团数量，Δf1i为一级基团中第i种基团对物性的贡献值，m2j为二级基团中第j种基团的基团数量，Δf2j为二级基团中第j种基团对物性的贡献值；mNl为N级基团中第l种基团的基团数量，ΔfNl为N级基团中第l种基团对物性的贡献值；a为关联常数；N为大于或等于2的正整数。
结合第一方面，在第一方面的第十一种实施例中，所述基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据，包括：
所述原油的分子数据包括：所述原油包含的每种单分子、每种单分子的含量和每种单分子的沸点；
对所述原油进行模拟蒸馏切割得到多组馏分，并根据所述原油中每种所述单分子的沸点和含量，确定每组所述馏分中所包含的单分子和单分子的含量。
结合第一方面的第十一种实施例，在第一方面的第十二种实施例中，所述第一馏分和第二馏分馏程重叠的重叠区间的最小值以及最大值，各自通过第一馏分和第二馏分的分离指数与第一馏分和第二馏分的蒸馏切割温度确定；
例如，通过如下公式计算得到所述第一馏分和第二馏分馏程重叠的重叠区间的最小值：
Tmin＝Tcut×(1-SF)；
例如，通过如下公式计算得到所述第一馏分和第二馏分馏程重叠的重叠区间的最大值：
Tmax＝Tcut×(1+SF)；
其中，Tmin为所述重叠区间的最小值，Tmax为所述重叠区间的最大值，Tcut为所述第一馏分和第二馏分的蒸馏切割温度，SF为所述第一馏分和第二馏分的分离指数。
结合第一方面的第十二种实施例，在第一方面的第十三种实施例中，所述重叠区间内每种单分子分别蒸馏进所述两组馏分的含量通过如下方法确定：
针对沸点位于重叠区间每种所述单分子，获取所述单分子的沸点的自然对数与所述重叠区间的自然对数之差；
根据所述自然对数之差与所述单分子的含量的乘积确定所述单分子蒸馏进第一馏分的含量；
根据所述单分子的含量与所述单分子蒸馏进第一馏分的含量之差确定所述单分子蒸馏进第二馏分的含量；例如，通过如下公式计算重叠区间内每种单分子分别蒸馏进所述两组馏分的含量：
其中，为沸点位于所述重叠区间中的第i种单分子蒸馏进所述第一馏分的含量，为沸点位于所述重叠区间中的第i种单分子蒸馏进所述第二馏分的含量，Ti为所述第i种单分子的沸点，Tmin为重叠区间的最小值，Ci为沸点位于所述重叠区间中的第i种单分子的含量。
结合第一方面，在第一方面的第十四种实施例中，在获取所述产物预测模型输出的在不同反应条件下的目标产物的产量之后，还包括：
查询在不同反应条件下的目标产物的产量；
确定所述目标产物的产量为最大值时对应的反应条件；和/或，
确定所述目标产物的产量为最小值时对应的反应条件。
结合第一方面，在第一方面的第十五种实施例中，在获取所述产物预测模型输出的在不同反应条件下的目标产物的产量之后，还包括：
根据在不同反应条件下的目标产物的分子组成，确定所述在不同反应条件下的目标产物的物性。
结合第一方面，在第一方面的第十六种实施例中，获取所述产物预测模型输出的在不同反应条件下的目标产物的产量，包括：
获取所述产物预测模型输出的在不同反应条件下的各产物分子的含量；
在不同反应条件下的各产物分子的含量中，获取在不同反应条件下的目标产物分子的含量，作为所述目标产物的产量。
结合第一方面，在第一方面的第十七种实施例中，对所述产物预测模型进行训练的步骤，包括：
建立产物预测模型；其中，所述产物预测模型，包括：反应规则集以及反应速率算法；所述反应规则集包括多种反应规则；
获取样本原料的样本原料信息；
利用所述样本原料信息，对所述反应规则集进行训练，并固定训练完成的所述反应规则集；
利用所述样本原料信息，对所述反应速率算法进行训练，并固定训练完成的所述反应速率算法，得到训练完成的所述产物预测模型。
结合第一方面的第十七种实施例，在第一方面的第十八种实施例中，
所述样本原料的样本原料信息，包括：所述样本原料的分子组成，所述样本原料中每种分子的分子含量，所述样本原料对应的实际产物的分子组成以及所述实际产物中每种分子的实际含量。
结合第一方面的第十八种实施例，在第一方面的第十九种实施例中，利用所述样本原料信息，对所述反应规则集进行训练，包括：
将所述样本原料的分子组成按预设的反应规则集进行处理，得到所述样本原料的分子组成中每种分子对应的反应路径；
根据所述样本原料的分子组成中每种分子对应的反应路径，得到装置产物的第一分子组成；在所述装置产物中，包括：所述样本原料、中间产物以及预测产物；
根据所述装置产物的第一分子组成与所述实际产物的第二分子组成，计算第一相对偏差；
若所述第一相对偏差符合预设条件，则固定所述反应规则集；
若所述第一相对偏差不符合预设条件，则调整所述反应规则集中的反应规则，根据调整后的反应规则集，重新计算所述第一相对差值，直至所述第一相对偏差符合预设条件。
结合第一方面的第十九种实施例，在第一方面的第二十种实施例中，所述根据所述装置产物的第一分子组成与所述实际产物的第二分子组成，计算第一相对偏差，包括：
获取所述第一分子组成中单分子的种类，构成第一集合；
获取所述第二分子组成中单分子的种类，构成第二集合；
判断所述第二集合是否为所述第一集合的子集；
若所述第二集合不是所述第一集合的子集，则获取预存储的不符合预设条件的相对偏差值作为所述第一相对偏差值；
若所述第二集合是所述第一集合的子集，通过如下方式计算第一相对偏差：根据所述预测产物的分子组成中的单分子不在所述第二集合中的部分的种类数量在所述预测产物的分子组成中的单分子的种类总数量中的占比确定所述第一相对偏差；
例如，通过如下计算公式计算第一相对偏差：
x1为所述第一相对偏差，M为所述第一集合，M1为所述样本原料的分子组成中单分子的种类组成的集合，M2为所述中间产物的分子组成中单分子的种类组成的集合，M3为所述第二集合，card表示集合中元素的个数。
结合第一方面的第十八种实施例，在第一方面的第二十一种实施例中，利用所述样本原料信息，对所述反应速率算法进行训练，包括：
根据所述反应速率算法，分别计算所述样本原料的分子组成中每种分子对应的反应路径的反应速率；
根据所述样本原料中每种分子的分子含量和所述分子的反应路径对应的反应速率，得到所述样本原料对应的预测产物中每种分子的预测含量；
根据所述预测产物中每种分子的预测含量和所述实际产物中每种分子的实际含量，计算第二相对偏差；
若所述第二相对偏差符合预设条件，则固定所述反应速率算法；
若所述第二相对偏差不符合预设条件，则调整所述反应速率算法中的参数，根据调整后的反应速率算法，重新计算所述第二相对偏差，直至所述第二相对偏差符合预设条件。
结合第一方面的第二十一种实施例，在第一方面的第二十二种实施例中，根据所述反应速率算法，分别计算所述样本原料的分子组成中每种分子对应的反应路径的反应速率，包括：
根据所述反应速率算法中的反应速率常数，计算每条反应路径的反应速率；
其中，所述反应速率常数基于过渡态理论计算方法确定；
例如，根据如下计算公式确定所述反应速率常数：
其中，k为所述反应速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，催化剂活性因子，P为反应路径所述环境的压力值，α为反应路径对应的反应规则对应的压力影响因子。
结合第一方面，在第一方面的第二十三种实施例中，所述石油加工装置的种类包括：
催化裂化装置，延迟焦化装置，渣油加氢装置，加氢裂化装置，柴油加氢改质装置，柴油加氢精制装置，汽油加氢精制装置，催化重整装置和烷基化装置；其中，每种石油加工装置对应一种反应规则集。
结合第一方面，在第一方面的第二十四种实施例中，
所述反应条件包括：反应温度、反应压力和空速。
第二方面，本发明实施例提供了一种原油数据管理系统，所述系统包括：
第一获取单元，用于获取原油的分子数据；
第二获取单元，用于基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据；
处理单元，用于将每组所述馏分分别输入预先训练的产物预测模型；其中，所述产物预测模型与石油加工装置的种类相对应；
第三获取单元，用于获取所述产物预测模型输出的在不同反应条件下的目标产物的产量；
存储单元，用于将所述原油的分子数据、所述原油在不同馏分馏程下得到的每种馏分的分子数据和每种馏分在不同反应条件下的目标产物的产量进行对应存储。
结合第二方面，在第二方面的第一种实施例中，所述第一获取单元，具体用于获取原油中的每种单分子和每种单分子的含量；分别计算所述原油中每种单分子的物性；将所述原油中的每种单分子、每种单分子的含量和每种单分子的物性作为所述原油的分子数据。
结合第二方面，在第二方面的第二种实施例中，所述原油的分子数据包括：所述原油包含的每种单分子、每种单分子的含量和每种单分子的沸点；所述第二获取单元，具体用于对所述原油进行模拟蒸馏切割得到多组馏分，并根据所述原油中每种所述单分子的沸点和含量，确定每组所述馏分中所包含的单分子和单分子的含量。
结合第二方面，在第二方面的第三种实施例中，所述系统还包括：模型训练单元，用于建立产物预测模型；其中，所述产物预测模型，包括：反应规则集以及反应速率算法；所述反应规则集包括多种反应规则；获取样本原料的样本原料信息；利用所述样本原料信息，对所述反应规则集进行训练，并固定训练完成的所述反应规则集；利用所述样本原料信息，对所述反应速率算法进行训练，并固定训练完成的所述反应速率算法，得到训练完成的所述产物预测模型。
第三方面，本发明实施例提供了一种原油数据管理装置，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一实施例所述的管理方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现第一方面中任一实施例所述的管理方法。
本发明的上述技术方案与现有技术相比具有如下优点：本发明实施例实现了获取原油的分子数据，基于原油的分子数据得到该原油在不同的馏分馏程下的每种馏分的分子数据，根据不同的馏分的分子数据通过产物预测模型，得到不同反应条件下的目标产物的产量，完成了对原油的全流程模拟炼化，并将相应的各项数据进行存储，以使得该原油可以直接进行用于后续生产，而且可以根据不同的产品需求按存储的数据进行生产工艺的确定，提高生产效益。
附图说明
图1是本发明实施例提供的一种原油数据管理方法流程示意图。
图2是本发明另一实施例提供的一种原油数据管理方法流程示意图。
图3是本发明又一实施例提供的一种原油数据管理方法流程示意图其一。
图4是本发明又一实施例提供的一种原油数据管理方法流程示意图其二。
图5是本发明又一实施例提供的一种原油数据管理方法流程示意图其三。
图6是本发明又一实施例提供的一种原油数据管理方法流程示意图其四。
图7是本发明又一实施例提供的一种原油数据管理方法流程示意图其五。
图8是本发明又一实施例提供的一种原油数据管理方法流程示意图其六。
图9是本发明又一实施例提供的一种原油数据管理方法流程示意图其七。
图10是本发明又一实施例提供的一种原油数据管理方法流程示意图其八。
图11是本发明又一实施例提供的一种原油数据管理系统结构示意图。
图12是本发明又一实施例提供的一种原油数据管理设备装置结构示意图。
图13是本发明又一实施例提供的一种原油数据管理设备装置结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供的一种原油数据管理方法。参照图1，所述方法包括如下步骤：
S11、获取原油的分子数据。
在本实施例中，在本实施例中，原油的分子种类多，不同的单分子的沸点不同，需要以不同的温度蒸馏分离，一般来说，原油中分子量越大的单分子，其沸点越高，就越难分离，在原油分离过程中，按蒸馏出来的油品的种类，结合分子的沸点划分馏程，每个馏程对应一种油品，以完成对原油的分离，在本步骤中，获取原油中的单分子和每种单分子对应的含量。
在本实施例中，可以通过全二维气相色谱法、四级杆气相色谱-质谱仪检测法、气相色谱/场电离-飞行时间质谱检测法、气相色谱法、近红外光谱法、核磁共振波谱法、拉曼光谱法、傅立叶变换离子回旋共振质谱法、静电场轨道阱质谱法和离子淌度质谱法中的一种或多种，确定混合物的分子组成。当然，还可以通过其他方式来确定混合物的分子组成，例如：通过ASTM D2425、SH/T 0606和/或ASTM D8144-18的方式确定混合物的分子组成。
上述分子检测方法可以检测出分子的结构，并以此来得到分子的种类，但是由于原油中的分子种类数量大，虽然检测一次原油，在该原油再次使用时，可以不再检测原油的分子，但是每个单分子均进行检测的工作量大，耗时久，所以，在本方案中还可以基于结构导向集总分子表征方法构建单分子，结构导向集总分子表征方法，就是SOL分子表征方法，该方法利用24个结构增量片段表征复杂烃类分子的基础结构。任何一个石油分子都能够用一组特定的结构增量片段来表述。SOL方法属于分子尺度上的集总，将实际体系中的分子数由上百万个减少到几千，大大降低了模拟的复杂性。该表征方法不仅可以表示烷烃、环烷烃，一直到包含50-60个碳原子的复杂芳烃结构，还可表示作为中间产物或二次反应产物的烯烃或环烯烃，另外还考虑了含硫、氮、氧等杂原子化合物。
S12、基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据。
在本实施例中，分别计算每种单分子的沸点，可以通过获取构成单分子的每种基团的基团数量以及每种基团对沸点的贡献值，输入预先训练的物性计算模型，获取物性计算模型输出的单分子的沸点，其中构成单分子的基团就是上述实施例中基于SOL分子表征方法的24个结构增量片段。
在本实施例中，按预设馏分馏程对原油进行切割，分别得到原油蒸馏处的各组馏分。
S13、将每组所述馏分分别输入预先训练的产物预测模型；其中，所述产物预测模型与石油加工装置的种类相对应。
所述石油加工装置的种类，包括但不限于：催化裂化装置，延迟焦化装置，渣油加氢装置，加氢裂化装置，柴油加氢改质装置，柴油加氢精制装置，汽油加氢精制装置，催化重整装置和烷基化装置；其中，每种石油加工装置对应一种反应规则集。
产物预测模型，用于根据原料的分子组成确定该原料在不同反应条件下的产物的产量。进一步地，产物预测模型，用于根据原料的分子组成确定该原料在不同反应条件下各种产物分子的含量。
对于训练产物预测模型的步骤，将在后面进行描述，在此不做赘述。
S14、获取所述产物预测模型输出的在不同反应条件下的目标产物的产量。
在本实施例中，所述反应条件，包括：反应温度、反应压力和空速。
进一步地，不同反应条件下的目标产物的产量可以通过空间坐标系来表示，例如：横轴和纵轴为反应条件，反应条件可以是反应温度、反应压力和空速中的两种，竖轴可以是目标产物的产量。
具体的，可以获取所述产物预测模型输出的在不同反应条件下的各产物分子的含量；在不同反应条件下的各产物分子的含量中，获取在不同反应条件下的目标产物分子的含量。
在本实施例中，在获取所述产物预测模型输出的在不同反应条件下的目标产物的产量之后，还可以查询在不同反应条件下的目标产物的产量；确定所述目标产物的产量为最大值时对应的反应条件；和/或，确定所述目标产物的产量为最小值时对应的反应条件。
在本实施例中，在获取所述产物预测模型输出的在不同反应条件下的目标产物的产量之后，还可以根据在不同反应条件下的目标产物的分子组成，确定所述不同反应条件下的目标产物的物性。
对于如果确定不同反应条件下的目标产物的物性，将在后面进行描述，在此不做赘述。
本实施例预先为每种石油加工装置对应训练产物预测模型，通过对应的产物预测模型预测对应的石油加工装置在不同反应条件下的目标产物的产量。该方式准确性较高，用时较短并且成本较低。
S15、将所述原油的分子数据、所述原油在不同馏分馏程下得到的每种馏分的分子数据和每种馏分在不同反应条件下的目标产物的产量进行对应存储。
在本实施例中，将上述原油的分子数据、该原油进行在不同馏程下得到的馏分的分子数据、以及每种馏分在不同反应条件下的产物预测模型输出的目标产物的产量对应进行存储，实现了对该原油在不同情况下的产物分析，对应存储后生成加工报告，在后续生产工艺中，通过该加工报告即可快速实现该原油的加工生产，提高生产效益。
在本实施例中，在获取所述产物预测模型输出的在不同反应条件下的目标产物的产量之后，还包括：查询在不同反应条件下的目标产物的产量；确定所述目标产物的产量为最大值时对应的反应条件；和/或，确定所述目标产物的产量为最小值时对应的反应条件。
在本实施例中，通过确定在不同反应条件下的目标产物的产量，确定产量达到最大或者最小时，对应的反应条件，在真实生产过程中，可以根据记录的目标产物的产量对应的反应条件进行生产，提高生产效益。
在本实施例中，在获取所述产物预测模型输出的在不同反应条件下的目标产物的产量之后，还包括：根据在不同反应条件下的目标产物的分子组成，确定所述在不同反应条件下的目标产物的物性。
在本实施例中，根据目标产物的分子组成确定目标产物的物性，可以通过后续步骤中所描述的物性计算方法通过分子组成计算本步骤中的目标产物的物性。
在本实施例中，获取所述产物预测模型输出的在不同反应条件下的目标产物的产量，包括：获取所述产物预测模型输出的在不同反应条件下的各产物分子的含量；在不同反应条件下的各产物分子的含量中，获取在不同反应条件下的目标产物分子的含量，作为所述目标产物的产量。
如图2所示，在本实施例中，步骤S11中，所述获取原油的分子数据，包括如下步骤：
S21、获取原油中的每种单分子和每种单分子的含量。
在本实施例中，可以通过全二维气相色谱法、四级杆气相色谱-质谱仪检测法、气相色谱/场电离-飞行时间质谱检测法、气相色谱法、近红外光谱法、核磁共振波谱法、拉曼光谱法、傅立叶变换离子回旋共振质谱法、静电场轨道阱质谱法和离子淌度质谱法中的一种或多种，确定混合物的分子组成。当然，还可以通过其他方式来确定混合物的分子组成，例如：通过ASTM D2425、SH/T 0606和/或ASTM D8144-18的方式确定混合物的分子组成。
上述分子检测方法可以检测出分子的结构，并以此来得到分子的种类，但是由于原油中的分子种类数量大，虽然检测一次原油，在该原油再次使用时，可以不再检测原油的分子，但是每个单分子均进行检测的工作量大，耗时久，所以，在本方案中还可以基于结构导向集总分子表征方法构建单分子，结构导向集总分子表征方法，就是SOL分子表征方法，该方法利用24个结构增量片段表征复杂烃类分子的基础结构。任何一个石油分子都能够用一组特定的结构增量片段来表述。SOL方法属于分子尺度上的集总，将实际体系中的分子数由上百万个减少到几千，大大降低了模拟的复杂性。该表征方法不仅可以表示烷烃、环烷烃，一直到包含50-60个碳原子的复杂芳烃结构，还可表示作为中间产物或二次反应产物的烯烃或环烯烃，另外还考虑了含硫、氮、氧等杂原子化合物。
S22、分别计算所述原油中每种单分子的物性。
S23、将所述原油中的每种单分子、每种单分子的含量和每种单分子的物性作为所述原油的分子数据。
在本实施例中，分别计算每种单分子的物性，可以通过获取构成单分子的每种基团的基团数量以及每种基团对物性的贡献值，输入预先训练的物性计算模型，获取物性计算模型输出的单分子的物性，其中构成单分子的基团就是上述实施例中基于SOL分子表征方法的24个结构增量片段。
在本实施例中，如图3所示，步骤S22中，所述分别计算所述原油中每种单分子的物性，包括如下步骤：
S31、针对原油中每种单分子，获取构成所述单分子的每种基团的基团数量，以及获取每种所述基团对沸点的贡献值。
在本实施例中，基于结构导向集总分子表征方法构建待验证单分子，结构导向集总分子表征方法，就是SOL分子表征方法利用24个结构增量片段表征复杂烃类分子的基础结构。任何一个石油分子都能够用一组特定的结构增量片段来表述。SOL分子表征方法属于分子尺度上的集总，将实际体系中的分子数由上百万个减少到几千，大大降低了模拟的复杂性。该表征方法不仅可以表示烷烃、环烷烃，一直到包含50-60个碳原子的复杂芳烃结构，还可表示作为中间产物或二次反应产物的烯烃或环烯烃，另外还考虑了含硫、氮、氧等杂原子化合物。可以通过拉曼光谱法、四级杆气相色谱-质谱仪检测法、气相色谱/场电离-飞行时间质谱检测法、气相色谱法、近红外光谱法、核磁共振波谱法、傅立叶变换离子回旋共振质谱法、静电场轨道阱质谱法和离子淌度质谱法中的一种或多种，确定分子结构，而后通过结构导向集总分子表征方法构建该单分子，在本步骤中，获取构成单分子的每种基团的基团数量，并获取每种基团对物性的贡献值，由于分子的物性是由分子的结构确定的，而在本方案中通过基团构建单分子，获取每种基团的基团数量和每种基团对物性的贡献值。
在本实施例中，基于SOL分子表征方法，确定每种单分子包含的基团；分别在每个单分子中，确定该单分子的每种基团的基团数量以及在该单分子中每种基团对物性的贡献值。由于单分子的物性的数量为多个，需要确定该单分子中每种基团分别对每种物性的贡献值。
S32、将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点。
在本实施例中，通过将每种基团的基团数量和每种基团对物性的贡献值输入预先训练的物性计算模型，获取物性计算模型输出的该单分子的多个物性。
如图4所示，训练物性计算模型的步骤流程包括：
S41、构建单分子的物性计算模型。
在本实施例中，在该物性计算模型中，包括：每种基团对物性的贡献值。该贡献值为可调的值，该贡献值在首次训练时为初始值。进一步地，在该物性计算模型中，包括：每种基团对每种物性的贡献值。
S42、获取构成样本单分子的每种基团的基团数量；样本单分子的物性已知。
在本实施例中，预先设置训练样本集。在训练样本集中包括多个样本单分子信息。样本单分子信息，包括但不限于：构成样本单分子的每种基团的基团数量，以及样本单分子的物性。
S43、将样本单分子包含的每种基团的基团数量输入物性计算模型。
S44、获取物性计算模型输出的样本单分子的预测物性。
S45a、如果预测物性与已知的物性之间的偏差值小于预设偏差阈值，则判定物性计算模型收敛，在已收敛的物性计算模型中获取每种基团对应的贡献值，并存储为基团对物性的贡献值。
由于单分子的物性可能为多种，所以，可以在已收敛的物性计算模型中获取到每种基团分别对每种物性的贡献值。
针对每种基团而言，存储该基团对每种物性的贡献值，以便后续计算单分子的物性时，可以获取到该单分子中每种基团对需要获知的物性的贡献值，并将该单分子的每种基团的基团数量，以及每种基团对需要获知的物性的贡献值作为物性计算模型的输入，物性计算模型将该单分子的每种基团的基团数量作为模型变量，将每种基团对需要获知的物性的贡献值作为模型参量(替换物性计算模型中每种基团对物性的可调贡献值)，计算出该需要获知的物性。
S45b、如果预测物性与已知的物性之间的偏差值大于等于偏差阈值，则调整物性计算模型中每种基团对应的贡献值，直到物性计算模型收敛为止。
在本实施例中，如果样本单分子的物性为多个，那么物性计算模型输出的样本单分子的预测物性也将为多个，这时，计算每个预测物性与对应的已知物性之间的偏差值，判定所有预测物性分别与对应的已知物性之间的偏差值是否都小于预设偏差值，若是，则判定该物性计算模型收敛，根据收敛的物性计算模型中即可获取得到每种基团对应物性的贡献值，通过上述方案可以得到每种基团对不同物性的贡献值。
下面给出两种针对不同物性均可使用的物性计算模型。本领域技术人员应当知道的是，下面两种物性计算模型仅为说明本实施例，而不用于限定本实施例。
模型一：建立如下所示的物性计算模型：
其中，f为单分子的物性，ni为第i种基团的基团数量，Δfi为第i种基团对物性的贡献值，a为关联常数。
例如：对于沸点而言，在基于SOL的分子表征方法中，24种基团都作为一级基团；在24种基团中，N6、N5、N4、N3、me、AA、NN、RN、NO、RO和KO等基团中的一种或者多种同时存在会对沸点存在贡献，而针对不同的物性，基团对物性的贡献值均不一致，但在不同分子中同一基团对同一物性的贡献值是一致的，基于该方案，在本实施例中构建上述物性计算模型，通过训练构建的物性计算模型，使得物性计算模型收敛，即训练模型中的每种基团对物性的贡献值，最终得到每种基团对物性的贡献值。
在本实施例中，对于构成单分子的基团，我们可以进一步划分为多级基团。进一步地，在单分子的所有基团中确定一级基团和多级基团；其中，将构成单分子的所有基团作为一级基团；将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将多种基团的数量作为多级基团的级别，我们可以根据同时存在对同一种物性会一起产生作用的多种基团作为多级基团，具体的，比如，N6和N4基团分别单独存在不同的分子中时，会对物性产生一定的影响，而其同时存在一个分子中时，在原先对物性的贡献值的基础上，对物性的贡献值会产生一定的波动。我们划分上述多级基团的方式还可以通过基团之间的化学键力按预设键力区间进行划分，针对不同的物性，化学键力不同会有不同的影响，具体的可以根据分子稳定性对物性的影响进行划分。
模型二：基于划分的多级基团，可以建立如下物性计算模型：
其中，f为单分子的物性，m1i为一级基团中第i种基团的基团数量，Δf1i为一级基团中第i种基团对物性的贡献值，m2j为二级基团中第j种基团的基团数量，Δf2j为二级基团中第j种基团对物性的贡献值；mNl为N级基团中第l种基团的基团数量，ΔfNl为N级基团中第l种基团对物性的贡献值；a为关联常数；N为大于或等于2的正整数。
除了上述的通用型的物性计算模型，还可以根据物性种类的不同，为每种物性分别构建物性计算模型。
例如：根据如下物性计算模型计算单分子的沸点：
其中，T为单分子的沸点，SOL为根据构成单分子的每种基团的基团数量转化得到的单分子向量，GROUP11为根据一级基团对沸点的贡献值转化得到的第一贡献值向量，GROUP12为根据二级基团对沸点的贡献值转化得到的第二贡献值向量，GROUP1N为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；N为大于或等于2的正整数。
根据构成单分子的每种基团的基团数量转化得到的单分子向量，包括：将构成单分子的所有基团的种类数量作为单分子向量的维数；将每种基团的基团数量作为单分子向量中对应维度的元素值。
根据单分子的各个一级基团分别对沸点的贡献值转化得到的第一贡献值向量，包括：将一级基团的种类数量作为第一贡献值向量的维数；将每种一级基团对沸点的贡献值作为第一贡献值向量中对应维度的元素值。根据单分子的各个二级基团分别对沸点的贡献值转化得到的第二贡献值向量，包括：将二级基团的种类数量作为第二贡献值向量的维数；将每种二级基团对沸点的贡献值作为第二贡献值向量中对应维度的元素值。以此类推，根据单分子的各个N级基团分别对沸点的贡献值转化得到的第N贡献值向量，包括：将N级基团的种类数量作为第N贡献值向量的维数；将每种N级基团对沸点的贡献值作为第N贡献值向量中对应维度的元素值。
上述步骤中计算得到相应的单分子的沸点后，将单分子作为模板单分子，并将构成单分子的每种基团的基团数量和对应的沸点存储进数据库中。
如图5所示，上述步骤S32之前，方法还包括：
S51、将构成单分子的每种基团的基团数量与数据库中预存储的已知沸点的模板单分子的分子信息进行比对；分子信息包括：构成模板单分子的每种基团的基团数量。
S52、判断是否存在与单分子相同的模板单分子。
S53a、若存在与单分子相同的模板单分子，输出模板单分子的沸点作为单分子的沸点。
S53b、若不存在与单分子相同的模板单分子，则进行将构成单分子的每种基团的基团数量以及每种基团对沸点的贡献值，输入预先训练的物性计算模型的步骤。
本方案在获取到构成单分子的每种基团的基团数量后，通过比对相应的基团数量，确认该类单分子的结构和沸点是否已被存储在数据库中，并在确认出现与单分子一致的模板单分子后，直接输出单分子的沸点，提高单分子沸点计算效率，减少计算量。
如图6所示，本发明实施例提供了一种原油数据管理方法，所述方法包括如下步骤：，所述基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据，包括：
S61、获取原油的分子数据；所述原油的分子数据包括：所述原油包含的每种单分子、每种单分子的含量和每种单分子的沸点。
有关步骤S61，详细可参见步骤S11中的描述，本实施例在此不再赘述。
S62、对所述原油进行模拟蒸馏切割得到多组馏分，并根据所述原油中每种所述单分子的沸点和含量，确定每组所述馏分中所包含的单分子和单分子的含量。
在本实施例中，如图7所示，步骤S62中还包括如下步骤：
S71、针对馏程相邻的两组馏分，将馏程温度相对较高的馏分作为第一馏分，将馏程温度相较低的馏分作为第二馏分。
在本实施例中，针对任意两组馏程相邻的两组馏分，在蒸馏过程中，两组馏分分割温度处，不仅沸点较低的馏分会蒸馏出来，沸点高于该分割温度的另一组馏分也会出现蒸馏出一定量，比如，水的沸点为100摄氏度，但是在低于100摄氏度的温度时，水也会蒸发，在本方案中，通过计算得到原油蒸馏时，到什么温度时第二馏分中会出现第一馏分中的分子，到什么温度时，第一馏分中不会再出现第二馏分中的分子，实现对馏分中分子种类的分子级掌握。
S72、通过如下公式计算得到第一馏分和第二馏分馏程重叠的重叠区间的最小值：
Tmin＝Tcut×(1-SF)；
通过如下公式计算得到第一馏分和第二馏分馏程重叠的重叠区间的最大值：
Tmax＝Tcut×(1+SF)；
其中，Tmin为重叠区间的最小值，Tmax为重叠区间的最大值，Tcut为第一馏分和第二馏分的蒸馏切割温度，SF为第一馏分和第二馏分的分离指数。
S73、根据最小值和最大值得到重叠区间。
在本实施例中，计算相邻两个馏分的重叠区间，比如，第一馏分的馏程为100-150℃，第二馏分的馏程为50-100℃，℃为温度单元，此时的蒸馏分割温度为100℃，第一馏分的馏程虽然是100-150℃，比如，在蒸馏温度为70℃时，蒸馏得到第二馏分的过程中，就有部分第一馏分蒸发出，掺杂在第二馏分中，在较低温度时第一馏分的蒸馏量较小，随着温度的升高，蒸发进第二馏分中的第一馏分就越多，在本方案中，通过确认第一馏分中何时出现预设量第二馏分时，进行记录，在本实施例中，第一馏分和第二馏分的分离指数可以通过过往蒸馏过程中记录的相邻馏分出现混合的情况计算得到。具体的，在过往的蒸馏过程中，记录第二馏分中出现预设量的第一馏分时的温度，和第一馏分中不再出现预设量的第二馏分时的温度，基于第一馏分和第二馏分的蒸馏切割温度，计算得到预备分离指数，获取大量的预备分离指数计算结果，平均得到该蒸馏切割温度下的分离指数。
在本实施例中，重叠区间内的每种单分子分别进入不同馏分的含量的步骤包括：
根据重叠区间的各个沸点对应的每种单分子和每种单分子的含量，计算得到重叠区间内每种单分子分别蒸馏进两组馏分的含量。
其中，通过如下公式计算重叠区间内每种单分子分别蒸馏进两组馏分的含量：
其中，为沸点位于重叠区间中的第i种单分子蒸馏进第一馏分的含量，/>为沸点位于重叠区间中的第i种单分子蒸馏进第二馏分的含量，Ti为第i种单分子的沸点，Tmin为重叠区间的最小值，Ci为沸点位于重叠区间中的第i种单分子的含量；
根据沸点位于重叠区间中的单分子分别蒸馏进第一馏分和第二馏分的含量，得到原油蒸馏切割后，第一馏分和第二馏分中的每种单分子和每种单分子的含量。
在本实施例中，在确定重叠区间后，再计算得到重叠区间中每种单分子在进入相邻两组馏分的量，通过构建模型完成对不同馏分中各种分子的含量确定，提高后续精炼的准确度。
如图8所示，下面对训练产物预测模型的步骤进行进一步地描述。为根据本发明一实施例的训练产物预测模型的步骤流程图。
S81、建立产物预测模型；其中，所述产物预测模型，包括：反应规则集以及反应速率算法；所述反应规则集包括多种反应规则。
根据石油加工装置的种类对应建立产物预测模型。不同种类的石油加工装置对应的反应规则集可以不同。不同种类的石油加工装置对应的反应速率算法也可以不同。
进一步地，在与所述种类的石油加工装置对应的产物预测模型中包括：与所述种类的石油加工装置对应的反应规则集和反应速率算法。其中，反应规则集中包括：与所述种类的石油加工装置对应的多个反应规则。
S82、获取样本原料的样本原料信息。
所述样本原料的样本原料信息，包括：所述样本原料的分子组成，所述样本原料中每种分子的分子含量，所述样本原料对应的实际产物的分子组成以及所述实际产物中每种分子的实际含量。实际产物是指样本原料经过所述种类的石油加工装置处理后得到的产物。
所述样本原料的样本原料信息，包括：所述样本原料的分子组成，所述样本原料中每种分子的分子含量，所述样本原料对应的实际产物的分子组成以及所述实际产物中每种分子的实际含量。
S83、利用所述样本原料信息，对所述反应规则集进行训练，并固定训练完成的所述反应规则集。
下面给出一种对反应规则集进行训练的方式。本领域技术人员应当知道的是，该方式仅用于说明本实施例，而不用于限定本实施例。
如图9所示，为根据本发明一实施例的反应规则集的训练步骤流程图。
S91、将所述样本原料的分子组成按预设的反应规则集进行处理，得到所述样本原料的分子组成中每种分子对应的反应路径。
反应路径用于表示每种分子经反应得到的中间产物、或者经反应得到的最终产物的化学反应路径。
在首次计算反应路径时，将所述样本原料的分子组成按预设的反应规则集进行处理，得到所述样本原料的分子组成中每种分子对应的反应路径。
将样本原料中的每种分子按照反应规则集中的反应规则进行反应，得到每种分子对应的反应路径。其中，每种分子在进行第一次反应生成中间产物后，该中间产物的分子结构可能满足另一条反应规则，则该中间产物会继续按照满足的反应规则进行后续反应，直至该分子生成的产物的分子结构不符合反应规则集合中的任一反应规则为止，得到该分子进行反应的最终产物，这些反应的汇总就是该分子的反应路径。
S92、根据所述样本原料的分子组成中每种分子对应的反应路径，得到装置产物的第一分子组成；在所述装置产物中，包括：所述样本原料、中间产物以及预测产物。
S93、根据所述装置产物的第一分子组成与所述实际产物的第二分子组成，计算第一相对偏差。
具体的，获取所述第一分子组成中单分子的种类，构成第一集合；获取所述第二分子组成中单分子的种类，构成第二集合；判断所述第二集合是否为所述第一集合的子集；若所述第二集合不是所述第一集合的子集，则获取预存储的不符合预设条件的相对偏差值作为所述第一相对偏差值；若所述第二集合是所述第一集合的子集，通过如下计算公式计算第一相对偏差：
其中，x1为所述第一相对偏差，M为所述第一集合，M1为所述样本原料的分子组成中单分子的种类组成的集合，M2为所述中间产物的分子组成中单分子的种类组成的集合，M3为所述第二集合，card表示集合中元素的个数。
所述预设条件，包括：相对偏差范围。该相对偏差范围的两个端点值为经验值或者实验获得的值。预存储的相对偏差值不处于该相对偏差范围之内。
S94a、若所述第一相对偏差符合预设条件，则固定所述反应规则集。
S94b、若所述第一相对偏差不符合预设条件，则调整所述反应规则集中的反应规则，根据调整后的反应规则集，重新计算所述第一相对差值，直至所述第一相对偏差符合预设条件。
S84、利用所述样本原料信息，对所述反应速率算法进行训练，并固定训练完成的所述反应速率算法，得到训练完成的所述产物预测模型。
下面给出一种对反应速率算法进行训练的方式。本领域技术人员应当知道的是，该方式仅用于说明本实施例，而不用于限定本实施例。
如图10所示，为根据本发明一实施例的反应速率算法的训练步骤流程图。
S101、根据所述反应速率算法，分别计算所述样本原料的分子组成中每种分子对应的反应路径的反应速率。
具体的，根据所述反应速率算法中的反应速率常数，计算每条反应路径的反应速率；
根据如下计算公式确定所述反应速率常数：
其中，k为所述反应速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，催化剂活性因子，P为反应路径所述环境的压力值，α为反应路径对应的反应规则对应的压力影响因子。
具体的，根据反应路径对应的反应速率常数和反应浓度，得到该反应路径的反应速率。例如：在反应速率常数已经确定的情况下，空速越大，原料和催化剂的接触时间越短，原料的反应时间越短，原料中反应物的浓度越高，该反应路径的反应速率越高；相反的，空速越小，原料和催化剂的接触时间越长，原料的反应时间越长，原料中反应物的浓度越低，该反应路径的反应速率越低。
在本实施例中，上式中的k称为反应速率常数，其物理意义是其数值相当于参加反应的物质都处于单位浓度(1mol/L)时的反应速率，故又称为反应的比速率，不同反应有不同的速率常数，速率常数与反应温度、反应介质(溶剂)、催化剂等有关，甚至会随反应器的形状、性质而异。与浓度无关，但受温度、催化剂、固体表面性质等因素的影响。在本实施例中，计算得到反应速率常数后，根据该分子的浓度即可得到该分子的实时反应速率，比如，单位浓度下的该分子的反应速率为k，则确认浓度V后，该分子对应该反应路径的反应速率为Vk，由此计算得到反应速率。
S102、根据所述样本原料中每种分子的分子含量和所述分子的反应路径对应的反应速率，得到所述样本原料对应的预测产物中每种分子的预测含量。
在本实施例中，通过产物预测模型中的反应速率计算方法计算得到每条反应路径对应的反应速率，结合原料中每种单分子的单分子含量，即可计算得到预测产物中每种单分子的预测含量。
比如，原料中的单分子A，假设该单分子A对应了有3条反应路径，已知3条反应路径对应的反应速率，随着反应的进行，单分子A的浓度降低，3条反应路径对应的反应速率会按浓度的下降比例而降低，所以单分子A会以3条反应路径的反应速率的比例生成生成物，按上述步骤，即可得到每种分子进行反应得到的生成物，并得到预测产物，在知晓催化重整原料中每种单分子的单分子含量时，即可得到预测产物中每种单分子的含量。
S103、根据所述预测产物中每种分子的预测含量和所述实际产物中每种分子的实际含量，计算第二相对偏差。
计算第二相对偏差例如是：
第二相对偏差＝(实际含量-预测含量)÷实际含量。
S104a、若所述第二相对偏差符合预设条件，则固定所述反应速率算法。
如果第二相对偏差处于相对偏差范围之内，则判定第二相对偏差符合预设条件，反之，则判定第二相对偏差不符合预设条件。
S104b、若所述第二相对偏差不符合预设条件，则调整所述反应速率算法中的参数，根据调整后的反应速率算法，重新计算所述第二相对偏差，直至所述第二相对偏差符合预设条件。
在本实施例中，通过调整产物预测模型中每条反应路径对应的反应速率计算方法中的反应速率算法中的参数。通过反馈调整保证产物预测模型中的反应速率算法的准确性。
如图11所示，本发明实施例提供了一种原油数据管理系统，所述系统包括：第一获取单元11、第二获取单元12、处理单元13、第三获取单元14和存储单元15。
在本实施例中，第一获取单元11，用于获取原油的分子数据。
在本实施例中，第二获取单元12，用于基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据。
在本实施例中，处理单元13，用于将每组所述馏分分别输入预先训练的产物预测模型；其中，所述产物预测模型与石油加工装置的种类相对应。
在本实施例中，第三获取单元14，用于获取所述产物预测模型输出的在不同反应条件下的目标产物的产量。
在本实施例中，存储单元15，用于将所述原油的分子数据、所述原油在不同馏分馏程下得到的每种馏分的分子数据和每种馏分在不同反应条件下的目标产物的产量进行对应存储。
在本实施例中，所述第一获取单元11，具体用于获取原油中的每种单分子和每种单分子的含量；分别计算所述原油中每种单分子的物性；将所述原油中的每种单分子、每种单分子的含量和每种单分子的物性作为所述原油的分子数据。
在本实施例中，第一获取单元11，具体用于针对原油中每种单分子，获取构成所述单分子的每种基团的基团数量，以及获取每种所述基团对沸点的贡献值；将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点。
在本实施例中，所述系统还包括：单分子沸点模板匹配单元，用于构成所述单分子的每种基团的基团数量与数据库中预存储的已知沸点的模板单分子的分子信息进行比对；所述分子信息包括：构成所述模板单分子的每种基团的基团数量；判断是否存在与所述单分子相同的所述模板单分子；若存在与所述单分子相同的所述模板单分子，输出所述模板单分子的沸点作为所述单分子的沸点；若不存在与所述单分子相同的所述模板单分子，则通过第一获取单元11执行所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型的步骤。
在本实施例中，第一获取单元11，具体用于获取构成所述单分子的各级基团的数量；在所述单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；将构成单分子的所有基团作为一级基团；将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
在本实施例中，第一获取单元11，具体用于根据如下物性计算模型计算所述单分子的沸点：
其中，T为所述单分子的沸点，SOL为根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，GROUP1为根据一级基团对沸点的贡献值转化得到的第一贡献值向量，GROUP2为根据二级基团对沸点的贡献值转化得到的第二贡献值向量，GROUPN为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为所述单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；N为大于或等于2的正整数。
在本实施例中，第一获取单元11，具体用于将基团的种类数量作为所述单分子向量的维数；将每种基团的基团数量作为所述单分子向量中对应维度的元素值。
在本实施例中，第一获取单元11，具体用于将一级基团的种类数量作为所述第一贡献值向量的维数；将每种所述一级基团对沸点的贡献值作为所述第一贡献值向量中对应维度的元素值。
在本实施例中，第一获取单元11，具体用于将二级基团的种类数量作为所述第二贡献值向量的维数；将每种所述二级基团对沸点的贡献值作为所述第二贡献值向量中对应维度的元素值。
在本实施例中，第一获取单元11，具体用于将N级基团的种类数量作为所述第N贡献值向量的维数；将每种N级基团对沸点的贡献值作为所述第N贡献值向量中对应维度的元素值。
在本实施例中，系统还包括：模型训练单元，用于构建物性计算模型；获取构成样本单分子的每种基团的基团数量；所述样本单分子的物性已知；将所述样本单分子包含的每种基团的基团数量输入所述物性计算模型；获取所述物性计算模型输出的所述样本单分子的预测物性；如果所述预测物性与已知的所述物性之间的偏差值小于预设偏差阈值，则判定所述物性计算模型收敛，在已收敛的所述物性计算模型中获取每种基团对应的贡献值，并存储为所述基团对所述物性的贡献值；如果所述预测物性与已知的所述物性之间的偏差值大于等于所述偏差阈值，则调整所述物性计算模型中每种基团对应的贡献值，直到所述物性计算模型收敛为止。
在本实施例中，模型训练单元，具体用于建立如下所示物性计算模型：
其中，f为所述单分子的物性，ni为第i种基团的基团数量，Δfi为第i种基团对所述物性的贡献值，a为关联常数。
在本实施例中，模型训练单元，具体用于在所述样本单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；将构成单分子的所有基团作为一级基团；将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
在本实施例中，模型训练单元，具体用于建立如下物性计算模型：
其中，f为所述单分子的物性，m1i为一级基团中第i种基团的基团数量，Δf1i为一级基团中第i种基团对物性的贡献值，m2j为二级基团中第j种基团的基团数量，Δf2j为二级基团中第j种基团对物性的贡献值；mNl为N级基团中第l种基团的基团数量，ΔfNl为N级基团中第l种基团对物性的贡献值；a为关联常数；N为大于或等于2的正整数。
在本实施例中，所述原油的分子数据包括：所述原油包含的每种单分子、每种单分子的含量和每种单分子的沸点；所述第二获取单元12，具体用于对所述原油进行模拟蒸馏切割得到多组馏分，并根据所述原油中每种所述单分子的沸点和含量，确定每组所述馏分中所包含的单分子和单分子的含量。
在本实施例中，第二获取单元12，具体用于针对馏程相邻的两组馏分，将馏程温度相较高的所述馏分作为第一馏分，将馏程温度相较低的所述馏分作为第二馏分；根据所述最小值和最大值得到所述重叠区间。
通过如下公式计算得到所述第一馏分和第二馏分馏程重叠的重叠区间的最小值：
Tmin＝Tcut×(1-SF)；
通过如下公式计算得到所述第一馏分和第二馏分馏程重叠的重叠区间的最大值：
Tmax＝Tcut×(1+SF)；
其中，Tmin为所述重叠区间的最小值，Tmax为所述重叠区间的最大值，Tcut为所述第一馏分和第二馏分的蒸馏切割温度，SF为所述第一馏分和第二馏分的分离指数。
在本实施例中，第二获取单元12，根据所述重叠区间的各个沸点对应的每种单分子和每种单分子的含量，计算得到重叠区间内每种单分子分别蒸馏进所述两组馏分的含量；根据沸点位于重叠区间中的单分子分别蒸馏进所述第一馏分和所述第二馏分的含量，得到所述原油蒸馏切割后，第一馏分和第二馏分中的每种单分子和每种单分子的含量。
其中，通过如下公式计算重叠区间内每种单分子分别蒸馏进所述两组馏分的含量：
其中，为沸点位于所述重叠区间中的第i种单分子蒸馏进所述第一馏分的含量/>为沸点位于所述重叠区间中的第i种单分子蒸馏进所述第二馏分的含量，Ti为所述第i种单分子的沸点，Tmin为重叠区间的最小值，Ci为沸点位于所述重叠区间中的第i种单分子的含量。
在本实施例中，系统还包括：第一查询单元，用于查询在不同反应条件下的目标产物的产量；确定所述目标产物的产量为最大值时对应的反应条件；和/或，确定所述目标产物的产量为最小值时对应的反应条件。
在本实施例中，系统还包括：第二查询单元，用于根据在不同反应条件下的目标产物的分子组成，确定所述在不同反应条件下的目标产物的物性。
在本实施例中，系统还包括：第三查询单元，用于获取所述产物预测模型输出的在不同反应条件下的各产物分子的含量；在不同反应条件下的各产物分子的含量中，获取在不同反应条件下的目标产物分子的含量，作为所述目标产物的产量。
在本实施例中，系统还包括：模型训练单元，用于建立产物预测模型；其中，所述产物预测模型，包括：反应规则集以及反应速率算法；所述反应规则集包括多种反应规则；获取样本原料的样本原料信息；利用所述样本原料信息，对所述反应规则集进行训练，并固定训练完成的所述反应规则集；利用所述样本原料信息，对所述反应速率算法进行训练，并固定训练完成的所述反应速率算法，得到训练完成的所述产物预测模型。
所述样本原料的样本原料信息，包括：所述样本原料的分子组成，所述样本原料中每种分子的分子含量，所述样本原料对应的实际产物的分子组成以及所述实际产物中每种分子的实际含量。
在本实施例中，模型训练单元，具体用于将所述样本原料的分子组成按预设的反应规则集进行处理，得到所述样本原料的分子组成中每种分子对应的反应路径；根据所述样本原料的分子组成中每种分子对应的反应路径，得到装置产物的第一分子组成；在所述装置产物中，包括：所述样本原料、中间产物以及预测产物；根据所述装置产物的第一分子组成与所述实际产物的第二分子组成，计算第一相对偏差；若所述第一相对偏差符合预设条件，则固定所述反应规则集；若所述第一相对偏差不符合预设条件，则调整所述反应规则集中的反应规则，根据调整后的反应规则集，重新计算所述第一相对差值，直至所述第一相对偏差符合预设条件。
在本实施例中，模型训练单元，具体用于获取所述第一分子组成中单分子的种类，构成第一集合；获取所述第二分子组成中单分子的种类，构成第二集合；判断所述第二集合是否为所述第一集合的子集；若所述第二集合不是所述第一集合的子集，则获取预存储的不符合预设条件的相对偏差值作为所述第一相对偏差值；若所述第二集合是所述第一集合的子集，通过如下计算公式计算第一相对偏差：
x1为所述第一相对偏差，M为所述第一集合，M1为所述样本原料的分子组成中单分子的种类组成的集合，M2为所述中间产物的分子组成中单分子的种类组成的集合，M3为所述第二集合，card表示集合中元素的个数。
在本实施例中，模型训练单元，具体用于根据所述反应速率算法，分别计算所述样本原料的分子组成中每种分子对应的反应路径的反应速率；根据所述样本原料中每种分子的分子含量和所述分子的反应路径对应的反应速率，得到所述样本原料对应的预测产物中每种分子的预测含量；根据所述预测产物中每种分子的预测含量和所述实际产物中每种分子的实际含量，计算第二相对偏差；若所述第二相对偏差符合预设条件，则固定所述反应速率算法；若所述第二相对偏差不符合预设条件，则调整所述反应速率算法中的参数，根据调整后的反应速率算法，重新计算所述第二相对偏差，直至所述第二相对偏差符合预设条件。
在本实施例中，模型训练单元，具体用于根据所述反应速率算法中的反应速率常数，计算每条反应路径的反应速率；其中，根据如下计算公式确定所述反应速率常数：
其中，k为所述反应速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，催化剂活性因子，P为反应路径所述环境的压力值，α为反应路径对应的反应规则对应的压力影响因子。
在本实施例中，所述石油加工装置的种类包括：催化裂化装置，延迟焦化装置，渣油加氢装置，加氢裂化装置，柴油加氢改质装置，柴油加氢精制装置，汽油加氢精制装置，催化重整装置和烷基化装置；其中，每种石油加工装置对应一种反应规则集。
在本实施例中，所述反应条件包括：反应温度、反应压力和空速。
如图12所示，本发明实施例提供了一种原油数据管理装置，包括处理器1110、通信接口1120、存储器1130和通信总线1140，其中，处理器1110，通信接口1120，存储器1130通过通信总线1140完成相互间的通信；
存储器1130，用于存放计算机程序；
处理器1110，用于执行存储器1130上所存放的程序时，实现如下管理方法的步骤：
获取原油的分子数据；
基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据；
将每组所述馏分分别输入预先训练的产物预测模型；其中，所述产物预测模型与石油加工装置的种类相对应；
获取所述产物预测模型输出的在不同反应条件下的目标产物的产量；
将所述原油的分子数据、所述原油在不同馏分馏程下得到的每种馏分的分子数据和每种馏分在不同反应条件下的目标产物的产量进行对应存储。
本发明实施例提供的电子设备，处理器1110通过执行存储器1130上所存放的程序实现了获取原油的分子数据，基于原油的分子数据得到该原油在不同的馏分馏程下的每种馏分的分子数据，根据不同的馏分的分子数据通过产物预测模型，得到不同反应条件下的目标产物的产量，完成了对原油的全流程模拟炼化，并将相应的各项数据进行存储，以使得该原油可以直接进行用于后续生产，而且可以根据不同的产品需求按存储的数据进行生产工艺的确定，提高生产效益。
上述电子设备提到的通信总线1140可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口1120用于上述电子设备与其他设备之间的通信。
存储器1130可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器1130还可以是至少一个位于远离前述处理器1110的存储装置。
上述的处理器1110可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在一具体实施例中，所述原油数据管理装置构成的示意框图如图13所示，所述原油数据管理装置进一步包含输入单元1150、显示器1160和电源1170，所述处理器1110使用中央处理器1111(中央处理器1111用于执行存储器1130上所存放的程序时，实现管理方法的步骤，参照上述“处理器1110，用于执行存储器1130上所存放的程序时，实现管理方法的步骤”的内容，重复之处不再赘述)；
所述存储器1130包括缓冲存储器1131(有时被称为缓冲器)。存储器140可以包括应用/功能存储部1132，该应用/功能存储部1132用于存储应用程序和功能程序或用于通过中央处理器1111执行原油数据管理装置的操作的流程；
存储器1130还可以包括数据存储部1133，该数据存储部1133用于存储数据，例如产物预测模型、物性计算模型、反应规则集、反应速率算法、数字数据、图片和/或任何其他由原油数据管理装置使用的数据；存储器1130的驱动程序存储部1134可以包括原油数据管理装置的各种驱动程序；
中央处理器1111有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器1111接收输入并控制原油数据管理装置的各个部件的操作；
输入单元1150向中央处理器1111提供输入；该输入单元1150例如为按键或触摸输入装置；电源1170用于向原油数据管理装置提供电力；显示器1160用于进行图像和文字等显示对象的显示；该显示器例如可为LCD显示器，但并不限于此。
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任一实施例所述的管理方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (22)
1.一种原油数据管理方法，其特征在于，所述方法包括：
获取原油的分子数据；
基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据；
将每组所述馏分分别输入预先训练的产物预测模型；其中，所述产物预测模型与石油加工装置的种类相对应；
获取所述产物预测模型输出的在不同反应条件下的目标产物的产量；
将所述原油的分子数据、所述原油在不同馏分馏程下得到的每种馏分的分子数据和每种馏分在不同反应条件下的目标产物的产量进行对应存储；
其中，所述获取原油的分子数据，包括：
获取原油中的每种单分子和每种单分子的含量；
分别计算所述原油中每种单分子的物性；
将所述原油中的每种单分子、每种单分子的含量和每种单分子的物性作为所述原油的分子数据；
其中，所述分别计算所述原油中每种单分子的物性，包括：
针对原油中每种单分子，获取构成所述单分子的每种基团的基团数量，以及获取每种所述基团对沸点的贡献值；
将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点；
其中，所述获取构成所述单分子的每种基团的基团数量，包括：
获取构成所述单分子的各级基团的数量；
在所述单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；
将构成单分子的所有基团作为一级基团；
将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别；
其中，所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点，包括：
根据如下物性计算模型计算所述单分子的沸点：
其中，T为所述单分子的沸点，SOL为根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，GROUP1为根据一级基团对沸点的贡献值转化得到的第一贡献值向量，GROUP2为根据二级基团对沸点的贡献值转化得到的第二贡献值向量，GROUPN为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为所述单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；N为大于或等于2的正整数；
其中，所述根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，包括：
将基团的种类数量作为所述单分子向量的维数；
将每种基团的基团数量作为所述单分子向量中对应维度的元素值；
所述根据一级基团对沸点的贡献值转化得到的第一贡献值向量，包括：
将一级基团的种类数量作为所述第一贡献值向量的维数；
将每种所述一级基团对沸点的贡献值作为所述第一贡献值向量中对应维度的元素值；
其中，所述根据二级基团对沸点的贡献值转化得到的第二贡献值向量，包括：
将二级基团的种类数量作为所述第二贡献值向量的维数；
将每种所述二级基团对沸点的贡献值作为所述第二贡献值向量中对应维度的元素值；
所述根据N级基团对沸点的贡献值转化得到的第N贡献值向量，包括：
将N级基团的种类数量作为所述第N贡献值向量的维数；
将每种N级基团对沸点的贡献值作为所述第N贡献值向量中对应维度的元素值。
2.根据权利要求1所述的方法，其特征在于，所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型之前，所述方法还包括：
将构成所述单分子的每种基团的基团数量与数据库中预存储的已知沸点的模板单分子的分子信息进行比对；所述分子信息包括：构成所述模板单分子的每种基团的基团数量；
判断是否存在与所述单分子相同的所述模板单分子；
若存在与所述单分子相同的所述模板单分子，输出所述模板单分子的沸点作为所述单分子的沸点；
若不存在与所述单分子相同的所述模板单分子，则执行所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型的步骤。
3.根据权利要求1所述的方法，其特征在于，训练所述物性计算模型的步骤包括：
构建物性计算模型；
获取构成样本单分子的每种基团的基团数量；所述样本单分子的物性已知；
将所述样本单分子包含的每种基团的基团数量输入所述物性计算模型；
获取所述物性计算模型输出的所述样本单分子的预测物性；
如果所述预测物性与已知的所述物性之间的偏差值小于预设偏差阈值，则判定所述物性计算模型收敛，在已收敛的所述物性计算模型中获取每种基团对应的贡献值，并存储为所述基团对所述物性的贡献值；
如果所述预测物性与已知的所述物性之间的偏差值大于等于所述偏差阈值，则调整所述物性计算模型中每种基团对应的贡献值，直到所述物性计算模型收敛为止。
4.根据权利要求1所述的方法，其特征在于，所述基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据，包括：
所述原油的分子数据包括：所述原油包含的每种单分子、每种单分子的含量和每种单分子的沸点；
对所述原油进行模拟蒸馏切割得到多组馏分，并根据所述原油中每种所述单分子的沸点和含量，确定每组所述馏分中所包含的单分子和单分子的含量。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
针对馏程相邻的两组馏分，将馏程温度相对较高的所述馏分作为第一馏分，将馏程温度相较低的所述馏分作为第二馏分；
通过如下公式计算得到所述第一馏分和第二馏分馏程重叠的重叠区间的最小值：
Tmin＝Tcut×(1-SF)；
通过如下公式计算得到所述第一馏分和第二馏分馏程重叠的重叠区间的最大值：
Tmax＝Tcut×(1+SF)；
其中，Tmin为所述重叠区间的最小值，Tmax为所述重叠区间的最大值，Tcut为所述第一馏分和第二馏分的蒸馏切割温度，SF为所述第一馏分和第二馏分的分离指数；
根据所述最小值和最大值得到所述重叠区间。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据所述重叠区间的各个沸点对应的每种单分子和每种单分子的含量，计算得到重叠区间内每种单分子分别蒸馏进所述两组馏分的含量；
其中，通过如下公式计算重叠区间内每种单分子分别蒸馏进所述两组馏分的含量：
其中，为沸点位于所述重叠区间中的第i种单分子蒸馏进所述第一馏分的含量，/>为沸点位于所述重叠区间中的第i种单分子蒸馏进所述第二馏分的含量，Ti为所述第i种单分子的沸点，Tmin为重叠区间的最小值，Ci为沸点位于所述重叠区间中的第i种单分子的含量；
根据沸点位于重叠区间中的单分子分别蒸馏进所述第一馏分和所述第二馏分的含量，得到所述原油蒸馏切割后，第一馏分和第二馏分中的每种单分子和每种单分子的含量。
7.根据权利要求1所述的方法，其特征在于，在获取所述产物预测模型输出的在不同反应条件下的目标产物的产量之后，还包括：
查询在不同反应条件下的目标产物的产量；
确定所述目标产物的产量为最大值时对应的反应条件；和/或，
确定所述目标产物的产量为最小值时对应的反应条件。
8.根据权利要求1所述的方法，其特征在于，在获取所述产物预测模型输出的在不同反应条件下的目标产物的产量之后，还包括：
根据在不同反应条件下的目标产物的分子组成，确定所述在不同反应条件下的目标产物的物性。
9.根据权利要求1所述的方法，其特征在于，获取所述产物预测模型输出的在不同反应条件下的目标产物的产量，包括：
获取所述产物预测模型输出的在不同反应条件下的各产物分子的含量；
在不同反应条件下的各产物分子的含量中，获取在不同反应条件下的目标产物分子的含量，作为所述目标产物的产量。
10.根据权利要求1所述的方法，其特征在于，对所述产物预测模型进行训练的步骤，包括：
建立产物预测模型；其中，所述产物预测模型，包括：反应规则集以及反应速率算法；所述反应规则集包括多种反应规则；
获取样本原料的样本原料信息；
利用所述样本原料信息，对所述反应规则集进行训练，并固定训练完成的所述反应规则集；
利用所述样本原料信息，对所述反应速率算法进行训练，并固定训练完成的所述反应速率算法，得到训练完成的所述产物预测模型。
11.根据权利要求10所述的方法，其特征在于，
所述样本原料的样本原料信息，包括：所述样本原料的分子组成，所述样本原料中每种分子的分子含量，所述样本原料对应的实际产物的分子组成以及所述实际产物中每种分子的实际含量。
12.根据权利要求11所述的方法，其特征在于，利用所述样本原料信息，对所述反应规则集进行训练，包括：
将所述样本原料的分子组成按预设的反应规则集进行处理，得到所述样本原料的分子组成中每种分子对应的反应路径；
根据所述样本原料的分子组成中每种分子对应的反应路径，得到装置产物的第一分子组成；在所述装置产物中，包括：所述样本原料、中间产物以及预测产物；
根据所述装置产物的第一分子组成与所述实际产物的第二分子组成，计算第一相对偏差；
若所述第一相对偏差符合预设条件，则固定所述反应规则集；
若所述第一相对偏差不符合预设条件，则调整所述反应规则集中的反应规则，根据调整后的反应规则集，重新计算所述第一相对差值，直至所述第一相对偏差符合预设条件。
13.根据权利要求12所述的方法，其特征在于，所述根据所述装置产物的第一分子组成与所述实际产物的第二分子组成，计算第一相对偏差，包括：
获取所述第一分子组成中单分子的种类，构成第一集合；
获取所述第二分子组成中单分子的种类，构成第二集合；
判断所述第二集合是否为所述第一集合的子集；
若所述第二集合不是所述第一集合的子集，则获取预存储的不符合预设条件的相对偏差值作为所述第一相对偏差值；
若所述第二集合是所述第一集合的子集，通过如下计算公式计算第一相对偏差：
x1为所述第一相对偏差，M为所述第一集合，M1为所述样本原料的分子组成中单分子的种类组成的集合，M2为所述中间产物的分子组成中单分子的种类组成的集合，M3为所述第二集合，card表示集合中元素的个数。
14.根据权利要求13所述的方法，其特征在于，利用所述样本原料信息，对所述反应速率算法进行训练，包括：
根据所述反应速率算法，分别计算所述样本原料的分子组成中每种分子对应的反应路径的反应速率；
根据所述样本原料中每种分子的分子含量和所述分子的反应路径对应的反应速率，得到所述样本原料对应的预测产物中每种分子的预测含量；
根据所述预测产物中每种分子的预测含量和所述实际产物中每种分子的实际含量，计算第二相对偏差；
若所述第二相对偏差符合预设条件，则固定所述反应速率算法；
若所述第二相对偏差不符合预设条件，则调整所述反应速率算法中的参数，根据调整后的反应速率算法，重新计算所述第二相对偏差，直至所述第二相对偏差符合预设条件。
15.根据权利要求14所述的方法，其特征在于，根据所述反应速率算法，分别计算所述样本原料的分子组成中每种分子对应的反应路径的反应速率，包括：
根据所述反应速率算法中的反应速率常数，计算每条反应路径的反应速率；
其中，根据如下计算公式确定所述反应速率常数：
其中，k为所述反应速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，催化剂活性因子，P为反应路径所述环境的压力值，α为反应路径对应的反应规则对应的压力影响因子。
16.根据权利要求1所述的方法，其特征在于，所述石油加工装置的种类包括：
催化裂化装置，延迟焦化装置，渣油加氢装置，加氢裂化装置，柴油加氢改质装置，柴油加氢精制装置，汽油加氢精制装置，催化重整装置和烷基化装置；其中，每种石油加工装置对应一种反应规则集。
17.根据权利要求1所述的方法，其特征在于，
所述反应条件包括：反应温度、反应压力和空速。
18.一种原油数据管理系统，其特征在于，所述系统包括：
第一获取单元，用于获取原油的分子数据；
第二获取单元，用于基于所述原油的分子数据，得到所述原油在不同馏分馏程下进行蒸馏后得到的每种馏分的分子数据；
处理单元，用于将每组所述馏分分别输入预先训练的产物预测模型；其中，所述产物预测模型与石油加工装置的种类相对应；
第三获取单元，用于获取所述产物预测模型输出的在不同反应条件下的目标产物的产量；
存储单元，用于将所述原油的分子数据、所述原油在不同馏分馏程下得到的每种馏分的分子数据和每种馏分在不同反应条件下的目标产物的产量进行对应存储；
其中，所述第一获取单元，具体用于获取原油中的每种单分子和每种单分子的含量；分别计算所述原油中每种单分子的物性；将所述原油中的每种单分子、每种单分子的含量和每种单分子的物性作为所述原油的分子数据；
其中，第一获取单元，具体用于针对原油中每种单分子，获取构成所述单分子的每种基团的基团数量，以及获取每种所述基团对沸点的贡献值；将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点；
其中，所述系统还包括：单分子沸点模板匹配单元，用于构成所述单分子的每种基团的基团数量与数据库中预存储的已知沸点的模板单分子的分子信息进行比对；所述分子信息包括：构成所述模板单分子的每种基团的基团数量；判断是否存在与所述单分子相同的所述模板单分子；若存在与所述单分子相同的所述模板单分子，输出所述模板单分子的沸点作为所述单分子的沸点；若不存在与所述单分子相同的所述模板单分子，则通过第一获取单元执行所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型的步骤；
其中，第一获取单元，具体用于获取构成所述单分子的各级基团的数量；在所述单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；将构成单分子的所有基团作为一级基团；将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别；
其中，第一获取单元，具体用于根据如下物性计算模型计算所述单分子的沸点：
其中，T为所述单分子的沸点，SOL为根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，GROUP1为根据一级基团对沸点的贡献值转化得到的第一贡献值向量，GROUP2为根据二级基团对沸点的贡献值转化得到的第二贡献值向量，GROUPN为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为所述单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；N为大于或等于2的正整数；
其中，第一获取单元，具体用于将基团的种类数量作为所述单分子向量的维数；将每种基团的基团数量作为所述单分子向量中对应维度的元素值；将一级基团的种类数量作为所述第一贡献值向量的维数；将每种所述一级基团对沸点的贡献值作为所述第一贡献值向量中对应维度的元素值；将二级基团的种类数量作为所述第二贡献值向量的维数；将每种所述二级基团对沸点的贡献值作为所述第二贡献值向量中对应维度的元素值；将N级基团的种类数量作为所述第N贡献值向量的维数；将每种N级基团对沸点的贡献值作为所述第N贡献值向量中对应维度的元素值。
19.根据权利要求18所述的系统，其特征在于，所述原油的分子数据包括：所述原油包含的每种单分子、每种单分子的含量和每种单分子的沸点；所述第二获取单元，具体用于对所述原油进行模拟蒸馏切割得到多组馏分，并根据所述原油中每种所述单分子的沸点和含量，确定每组所述馏分中所包含的单分子和单分子的含量。
20.根据权利要求18所述的系统，其特征在于，所述系统还包括：模型训练单元，用于建立产物预测模型；其中，所述产物预测模型，包括：反应规则集以及反应速率算法；所述反应规则集包括多种反应规则；获取样本原料的样本原料信息；利用所述样本原料信息，对所述反应规则集进行训练，并固定训练完成的所述反应规则集；利用所述样本原料信息，对所述反应速率算法进行训练，并固定训练完成的所述反应速率算法，得到训练完成的所述产物预测模型。
21.一种原油数据管理装置，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-17任一所述的管理方法。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1-17中任一所述的管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010533476.7A CN111899798B (zh) | 2020-06-12 | 2020-06-12 | 一种原油数据管理方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010533476.7A CN111899798B (zh) | 2020-06-12 | 2020-06-12 | 一种原油数据管理方法、系统、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111899798A CN111899798A (zh) | 2020-11-06 |
| CN111899798B true CN111899798B (zh) | 2024-05-28 |
Family
ID=73207582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010533476.7A Active CN111899798B (zh) | 2020-06-12 | 2020-06-12 | 一种原油数据管理方法、系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111899798B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116410771B (zh) * | 2021-12-31 | 2024-03-01 | 中国石油天然气股份有限公司 | 一种原油调合优化方法、装置、设备及存储介质 |
| CN116410772B (zh) * | 2021-12-31 | 2024-04-26 | 中国石油天然气股份有限公司 | 一种原油蒸馏切割方法、装置、设备及存储介质 |
| CN116013425B (zh) * | 2023-02-20 | 2023-07-14 | 新疆独山子石油化工有限公司 | 一种分子水平炼化过程模型构建方法及装置、存储介质 |
| CN115860267B (zh) * | 2023-02-20 | 2023-06-06 | 新疆独山子石油化工有限公司 | 一种炼厂物流价值估算方法及装置、设备及存储介质 |
| CN115831250B (zh) * | 2023-02-20 | 2023-06-06 | 新疆独山子石油化工有限公司 | 一种延迟焦化反应模型构建方法及装置、存储介质及设备 |
| CN115862760B (zh) * | 2023-02-20 | 2023-06-06 | 新疆独山子石油化工有限公司 | 一种分子反应走向优化方法及装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1534292A (zh) * | 2003-03-28 | 2004-10-06 | 中国石油化工股份有限公司 | 一种色-质联用预测油品性质的方法 |
| CN107704720A (zh) * | 2017-09-18 | 2018-02-16 | 中国石油大学(北京) | 一种石油平均分子结构模型的构建方法以及性质预测方法 |
| CN108760789A (zh) * | 2018-05-04 | 2018-11-06 | 杭州辛孚能源科技有限公司 | 一种原油快评方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8512550B2 (en) * | 2004-08-24 | 2013-08-20 | Exxonmobil Research And Engineering Company | Refinery crude unit performance monitoring using advanced analytic techniques for raw material quality prediction |
| US10941645B2 (en) * | 2018-01-03 | 2021-03-09 | Saudi Arabian Oil Company | Real-time monitoring of hydrocarbon productions |
-
2020
- 2020-06-12 CN CN202010533476.7A patent/CN111899798B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1534292A (zh) * | 2003-03-28 | 2004-10-06 | 中国石油化工股份有限公司 | 一种色-质联用预测油品性质的方法 |
| CN107704720A (zh) * | 2017-09-18 | 2018-02-16 | 中国石油大学(北京) | 一种石油平均分子结构模型的构建方法以及性质预测方法 |
| CN108760789A (zh) * | 2018-05-04 | 2018-11-06 | 杭州辛孚能源科技有限公司 | 一种原油快评方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111899798A (zh) | 2020-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111899798B (zh) | 一种原油数据管理方法、系统、装置及存储介质 | |
| CN111899795B (zh) | 一种分子级炼油加工全流程优化方法、装置、系统及存储介质 | |
| CN111899793B (zh) | 一种分子级装置的实时优化方法、装置、系统及存储介质 | |
| CN111899811B (zh) | 一种催化重整装置产物预测模型建立方法、系统、设备及存储介质 | |
| CN111899813B (zh) | 柴油加氢装置的产物预测模型优化方法、系统、设备及存储介质 | |
| Floris et al. | A generalizable definition of chemical similarity for read-across | |
| CN111892938B (zh) | 一种原油分子组成的确定方法、系统、装置及存储介质 | |
| CN111892939B (zh) | 一种原油蒸馏切割方法、系统、设备及存储介质 | |
| CN109507352B (zh) | 一种预测石化生产中任意流股分子组成的方法 | |
| He et al. | Online optimization of Fluid Catalytic Cracking process via a Hybrid model based on Simplified structure-Oriented Lumping and case-based reasoning | |
| Huang et al. | Variable-scale probabilistic just-in-time learning for soft sensor development with missing data | |
| CN111899812B (zh) | 一种石油加工装置的产物模拟方法、系统、设备和存储介质 | |
| CN115860267B (zh) | 一种炼厂物流价值估算方法及装置、设备及存储介质 | |
| WO2023202345A1 (zh) | 一种基于层次基团构建的纯组分炼化性质的预测方法 | |
| CN111899814B (zh) | 一种单分子、混合物物性计算方法、设备及存储介质 | |
| CN111892960B (zh) | 一种汽油调合方法、系统、设备及存储介质 | |
| CN111899794B (zh) | 基于b/s架构的炼油装置模拟方法、装置、系统和存储介质 | |
| CN115831250B (zh) | 一种延迟焦化反应模型构建方法及装置、存储介质及设备 | |
| CN111899802B (zh) | 一种混合物物性检测方法、系统、设备和存储介质 | |
| CN116432794A (zh) | 产物预测模型建立方法、系统、设备及存储介质和应用 | |
| CN116434865A (zh) | 润滑油产品特征分子确定方法、装置、设备及存储介质和应用 | |
| CN118275380A (zh) | 一种蜡油馏分的组分解析方法和装置 | |
| CN116434850A (zh) | 分子级汽油调合配方确定方法、设备及存储介质和应用 | |
| CN116434847A (zh) | 分子级汽油调合配方获取方法、装置、设备及存储介质和应用 | |
| CN116434849A (zh) | 柴油调合配方确定方法、装置、设备及存储介质和应用 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |