CN112905632A - 一种基于参数案例的常减压设备配置方法及装置 - Google Patents
一种基于参数案例的常减压设备配置方法及装置 Download PDFInfo
- Publication number
- CN112905632A CN112905632A CN202110067788.8A CN202110067788A CN112905632A CN 112905632 A CN112905632 A CN 112905632A CN 202110067788 A CN202110067788 A CN 202110067788A CN 112905632 A CN112905632 A CN 112905632A
- Authority
- CN
- China
- Prior art keywords
- parameter
- atmospheric
- data
- working condition
- cases
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004519 manufacturing process Methods 0.000 claims abstract description 16
- 239000010779 crude oil Substances 0.000 claims description 32
- 238000012216 screening Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000004821 distillation Methods 0.000 claims description 11
- 239000003209 petroleum derivative Substances 0.000 claims description 8
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 abstract description 10
- 239000003921 oil Substances 0.000 description 25
- 238000000605 extraction Methods 0.000 description 14
- 230000010354 integration Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000005292 vacuum distillation Methods 0.000 description 7
- 238000010438 heat treatment Methods 0.000 description 6
- 238000007670 refining Methods 0.000 description 6
- 238000009834 vaporization Methods 0.000 description 6
- 230000008016 vaporization Effects 0.000 description 6
- 230000002155 anti-virotic effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 239000008358 core component Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000013450 outlier detection Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出了一种基于参数案例的常减压设备配置方法及装置,包括:获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例;对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库;基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置。本发明提出的技术方案无需基于反应机理对常减压装置进行机理建模,采用常减压装置在真实运行时产生的历史工况数据形成参数案例,避免机理建模容易导致理论值与实际值出现偏差的问题,以及生产条件变化时需要重新建模的问题。
Description
技术领域
本发明属于炼油设备参数配置领域,尤其涉及一种基于参数案例的常减压设备配置方法及装置。
背景技术
常减压设备是炼化企业生产流程的常用装置,是常压蒸馏和减压蒸馏两个装置的总称,用于将原油切割成各种不同馏分的产品,完成对原油的一次加工过程。常减压设备的运行状态影响着整个炼化过程的状态,因此常减压设备的参数配置对炼化生产具有重要意义。现有的参数配置方法一般通过建立机理模型或者参数案例库实现,其中机理模型是基于特定的设备在稳定运行的情况下构建的,因此适应性较差,当装置操作条件发生变化时,需要重新建模。因此,通常采用检索参数案例库进行参数配置的方法来克服机理模型的缺点,在参数案例库中选取与实际情况最相近的参数案例实现常减压设备的参数配置。
上述方法带来的问题是每当对常减压设备进行参数配置时,需要对所有参数案例进行检索,造成计算量巨大,增大了检索压力也增加了检索时间。
发明内容
为了解决现有技术中存在的缺点和不足,本发明提出了一种基于参数案例的常减压设备配置方法,包括:
获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例;
对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库;
基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置。
可选的,所述获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例,包括:
通过部署在常减压设备上的传感器采集历史工况数据,所述历史工况数据包括进料数据、操作数据以及产出数据;
从进料数据中提取出原油总量、原油种类以及每种原油的比例组成工况标签;
由工况标签对应的操作数据、产出数据构成参数案例。
进一步的,所述操作数据包括初馏塔塔顶、常压塔塔顶、减压塔塔顶处的压力与温度,所述产出数据包括各种石油产品的产出率。
进一步的,所述对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库,包括:
设置对操作数据的第一约束条件,以及对产出数据的第二约束条件;
根据参数案例中的操作数据和产出数据,生成参数案例的特征向量;
筛选出符合第一约束条件和第二约束条件的参数案例,根据特征向量对参数案例进行聚类,用于聚类的算法包括K均值聚类算法、层次聚类算法、DBSCAN聚类算法以及AP聚类算法;
计算每一类参数案例的聚类中心,将聚类中心存储在参数案例库中。
进一步的,所述基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置,包括:
根据实际生产要求确定目标工况标签以及预期的产出目标;
在参数案例库中检索出属于目标工况标签的参数案例,根据参数案例中的产出数据,筛选出符合产出目标的参数案例;
根据筛选出的参数案例中的操作数据,对常减压设备进行参数配置。
本发明还基于同样的思路提出了一种基于参数案例的常减压设备配置装置,包括:
获取单元:用于获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例;
聚类单元:用于对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库;
参数配置单元:用于基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置。
可选的,所述获取单元具体用于:
通过部署在常减压设备上的传感器采集历史工况数据,所述历史工况数据包括进料数据、操作数据以及产出数据;
从进料数据中提取出原油总量、原油种类以及每种原油的比例组成工况标签;
由工况标签对应的操作数据、产出数据构成参数案例。
进一步的,所述获取单元采集到的所述操作数据包括初馏塔塔顶、常压塔塔顶、减压塔塔顶处的压力与温度,所述产出数据包括各种石油产品的产出率。
进一步的,所述聚类单元具体用于:
设置对操作数据的第一约束条件,以及对产出数据的第二约束条件;
根据参数案例中的操作数据和产出数据,生成参数案例的特征向量;
筛选出符合第一约束条件和第二约束条件的参数案例,根据特征向量对参数案例进行聚类,用于聚类的算法包括K均值聚类算法、层次聚类算法、DBSCAN聚类算法以及AP聚类算法;
计算每一类参数案例的聚类中心,将聚类中心存储在参数案例库中。
进一步的,所述参数配置单元具体用于:
根据实际生产要求确定目标工况标签以及预期的产出目标;
在参数案例库中检索出属于目标工况标签的参数案例,根据参数案例中的产出数据,筛选出符合产出目标的参数案例;
根据筛选出的参数案例中的操作数据,对常减压设备进行参数配置。
本发明提供的技术方案带来的有益效果是:
相比于通过机理模型进行参数配置的常用手段,本发明提出的技术方案无需基于反应机理对常减压装置进行机理建模,采用常减压装置在真实运行时产生的历史工况数据形成参数案例,避免机理建模容易导致理论值与实际值出现偏差的问题,以及生产条件变化时需要重新建模的问题。
除此之外,根据采集历史工况数据中的进料数据生成工况标签,并以工况标签为单位对参数案例进行聚类,便于后续以进料工况为检索条件对参数案例进行检索,通过工况标签能够减少需要检索的参数案例的数量,从而缩短了检索时间。同时,在对参数案例进行聚类时还分别对历史工况数据中的操作数据与产出数据预设了约束条件,剔除了不符合实际工况需求或无法实现的参数案例,同时针对不同的工况标签设置不同的约束条件,使建立的参数案例库能够适应多种工况。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提出的一种基于参数案例的常减压设备配置方法的流程示意图;
图2为常减压设备的各个工艺环节以及产出的石油产品的示意图;
图3为参数推荐系统的拓扑图;
图4为本发明提出的一种基于参数案例的常减压设备配置装置的结构框图。
具体实施方式
为使本发明的结构和优点更加清楚,下面将结合附图对本发明的结构作进一步地描述。
实施例一
如图1所示,本发明提出了一种基于参数案例的常减压设备配置方法,包括:
S1:获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例。
通过部署在常减压设备上的传感器采集历史工况数据,所述历史工况数据包括进料数据、操作数据以及产出数据。本实施例中,进料数据包括进料总量、进料种类以及每种进料的比例,从进料数据中提取出原油总量、原油种类以及每种原油的比例组成工况标签。例如,参数案例1的进料量为200吨/小时,进料种类包括原油1和原油2,且原油1和原油2的比例为1:1,进而得到工况标签为“200_原油1:原油2_1:1”。
确定了工况标签后,由工况标签对应的操作数据、产出数据按照时间对齐的方式。图2为常减压设备的各个工艺环节以及产出的石油产品,工艺环节中常用的设备包括初馏塔、常压塔、减压塔、常压炉以及减压炉,最后通过减压塔排除减压渣油。所述操作数据表示常减压设备的各个工艺环节在进行炼化反应时的环境参数,主要为初馏塔塔顶、常压塔塔顶、减压塔塔顶处的压力与温度,在本实施例中具体包括:初馏塔塔顶压力、汽化段压力、进料段压力、加热炉温度、塔顶冷凝器温度、塔底汽提蒸汽;常压塔塔顶压力、汽化段压力、进料段压力、塔顶冷凝器温度、加热炉温度、塔底汽提蒸汽量、常一线蒸汽量、常二线蒸汽量、常三线蒸汽量、常一抽出流量、常一中回塔温度、常二中抽出流量、常二中回塔温度、常三中抽出流量、常三中回塔温度;减压塔塔顶压力、汽化段压力、进料段压力、加热炉负荷、塔底汽提蒸汽、减一中抽出流量、减一中回塔热负荷、减二中抽出流量、减二中回塔温度、减三中抽出流量、减三中回塔温度、减四中抽出流量、减四中回塔温度。所述产出数据表示常减压设备的各个工艺环节产出各种石油产品的产出率,如常顶油、常一线油、常二线油、常三线油、减顶油、减一线油、减二线油、减三线油和减四线油的产出率。
S2:对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库。
设置对操作数据的第一约束条件,以及对产出数据的第二约束条件。由于常减压装置的生产在不同厂、不同时期等有不同的要求。例如,要求常顶油收率大于2.1%、要求进料段温度不高于220℃等需求。同时,由于常减压设备在运行时可能会因一些设备异常原因导致采集到的历史工况数据出现错误,导致形成的参数案例存在没有实际应用可能性、不符合常理的问题。因此需要在不同约束条件下进行聚类。本实施例中,第一约束条件表示对操作数据的约束,第二约束条件表示对产出数据的约束。通过设置第一约束条件和第二约束条件能够去除一些明显错误、没有实际应用可能性的数据,有利于提高后续的聚类效果。
本实施例中,在对参数案例进行聚类之前,还需要对采集到的历史工况数据进行预处理,所述预处理方法包括但不限于样条插值算法、局外点检测算法、滑动平均算法,从而保证参数案例中数据的正确性、可靠性和稳定性,避免因控制、环境、测量仪器不稳定以及人为失误等因素造成历史工况数据的缺失和误差。
根据参数案例中的操作数据和产出数据,生成参数案例的特征向量。筛选出符合第一约束条件和第二约束条件的参数案例,根据特征向量对参数案例进行聚类,用于聚类的算法包括K均值聚类算法、层次聚类算法、DBSCAN聚类算法以及AP聚类算法。
最后,计算每一类参数案例的聚类中心,将聚类中心存储在参数案例库中。例如,聚类前的参数案例如表1所示,聚类后的参数案例如表2所示。在本实施例中,对于同一个工况标签下的参数案例进行聚类时,可以只设置第一约束条件或只设置第二约束条件,也可以同时设置第一约束条件和第二约束条件。例如,表2中的参数案例分别为仅基于第一约束条件聚类得到的参数案例1与仅基于第二约束条件聚类得到的参数案例2,第一约束条件为初馏塔顶温大于217℃,第二约束条件为常顶油收率大于2.25%。由此可见,基于不同的约束条件能够得到不同的参数案例,因此能够满足更多样的工况需求,得到针对不同工厂、不同时期的参数案例,提高了参数配置的适应性。
表1
表2
S3:基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置。
根据实际生产要求确定目标工况标签以及预期的产出目标;在参数案例库中检索出属于目标工况标签的参数案例,根据参数案例中的产出数据,筛选出符合产出目标的参数案例;根据筛选出的参数案例中的操作数据,对常减压设备进行参数配置。
例如,在需要进行参数配置时,当前的进料要求是需加工原油200吨/小时,原油比例为原油1:原油2=1:1,既目标工况标签为“200_原油1:原油2_1:1”预期的产出目标是希望常一线收率油收率大于3.1,因此推荐表2中的参数案例1。
上述常减压设备配置方法通过图3所示的参数推荐系统实现,所述参数推荐系统包括安装在现场的测量仪表与传感器、分布式控制系统(Distributed Control System,DCS)、数据集成平台服务器、应用服务器、客户端、防火墙、防病毒服务器、第三方系统数据库服务器等硬件设备以及连结各计算机设备、控制器和传感器的计算机网络。通过测量仪表与传感器采集历史工况数据,并通过计算机网络上传至DCS,实现数据采集和控制。数据采集过程如下:常减压装置现场分布着若干个测定各台设备运行数据的测量仪表,由这些测量仪表对采集到的历史工况数据进行滤波、缓冲、放大等预处理,然后将信号通过光电隔离后,送入DCS对应控制点标签中。
应用服务器是整个系统的核心部件,客户端可以根据用户需求向应用服务器提出读取或者写入目标工况标签、检索参数案例的要求,通过访问数据集成平台服务器对存储的参数案例库进行检索,并根据用户需求将通过检索得到的参数案例在客户端上进行展示,实现参数推荐。数据集成平台服务器基于专业的实时数据库和关系数据库管理系统构建,将生产现场采集到的历史工况数据存储在数据库中,可调用第三方系统数据库服务器获取或者通过人工录入的方式将历史工况数据写入数据集成平台服务器的数据库中。
防火墙与防病毒服务器的主要任务是监控常减压装置操作参数推荐系统进行网络连接的客户端、应用服务器、数据集成平台服务器等网络的工作环境。
实施例二
如图4所示,本发明提出了一种基于参数案例的常减压设备配置装置4,包括:
获取单元41:用于获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例。具体用于:
通过部署在常减压设备上的传感器采集历史工况数据,所述历史工况数据包括进料数据、操作数据以及产出数据。本实施例中,进料数据包括进料总量、进料种类以及每种进料的比例,从进料数据中提取出原油总量、原油种类以及每种原油的比例组成工况标签。例如,参数案例1的进料量为200吨/小时,进料种类包括原油1和原油2,且原油1和原油2的比例为1:1,进而得到工况标签为“200_原油1:原油2_1:1”。
确定了工况标签后,由工况标签对应的操作数据、产出数据按照时间对齐的方式。所述操作数据表示常减压设备的各个工艺环节在进行炼化反应时的环境参数,主要为初馏塔塔顶、常压塔塔顶、减压塔塔顶处的压力与温度,在本实施例中具体包括:初馏塔塔顶压力、汽化段压力、进料段压力、加热炉温度、塔顶冷凝器温度、塔底汽提蒸汽;常压塔塔顶压力、汽化段压力、进料段压力、塔顶冷凝器温度、加热炉温度、塔底汽提蒸汽量、常压一线蒸汽量、常压二线蒸汽量、常压三线蒸汽量、常压一抽出流量、常压一中回塔温度、常压二中抽出流量、常压二中回塔温度、常压三中抽出流量、常压三中回塔温度;减压塔塔顶压力、汽化段压力、进料段压力、加热炉负荷、塔底汽提蒸汽、减压一中抽出流量、减压一中回塔热负荷、减压二中抽出流量、减压二中回塔温度、减压三中抽出流量、减压三中回塔温度、减压四中抽出流量、减压四中回塔温度。所述产出数据表示常减压设备的各个工艺环节产出各种石油产品的产出率,如常顶油、常一线油、常二线油、常三线油、减顶油、减一线油、减二线油、减三线油和减四线油的产出率。
聚类单元42:用于对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库。具体用于:
设置对操作数据的第一约束条件,以及对产出数据的第二约束条件。由于常减压装置的生产在不同厂、不同时期等有不同的要求。例如,要求常顶油收率大于2.1%、要求进料段温度不高于220℃等需求。同时,由于常减压设备在运行时可能会因一些设备异常原因导致采集到的历史工况数据出现错误,导致形成的参数案例存在没有实际应用可能性、不符合常理的问题。因此需要在不同约束条件下进行聚类。本实施例中,第一约束条件表示对操作数据的约束,第二约束条件表示对产出数据的约束。通过设置第一约束条件和第二约束条件能够去除一些明显错误、没有实际应用可能性的数据,有利于提高后续的聚类效果。
本实施例中,在对参数案例进行聚类之前,还需要对采集到的历史工况数据进行预处理,所述预处理方法包括但不限于样条插值算法、局外点检测算法、滑动平均算法,从而保证参数案例中数据的正确性、可靠性和稳定性,避免因控制、环境、测量仪器不稳定以及人为失误等因素造成历史工况数据的缺失和误差。
根据参数案例中的操作数据和产出数据,生成参数案例的特征向量。筛选出符合第一约束条件和第二约束条件的参数案例,根据特征向量对参数案例进行聚类,用于聚类的算法包括K均值聚类算法、层次聚类算法、DBSCAN聚类算法以及AP聚类算法。
最后,计算每一类参数案例的聚类中心,将聚类中心存储在参数案例库中。例如,聚类前的参数案例如表1所示,聚类后的参数案例如表2所示。在本实施例中,对于同一个工况标签下的参数案例进行聚类时,可以只设置第一约束条件或只设置第二约束条件,也可以同时设置第一约束条件和第二约束条件。例如,表2中的参数案例分别为仅基于第一约束条件聚类得到的参数案例1与仅基于第二约束条件聚类得到的参数案例2,第一约束条件为初馏塔顶温大于217℃,第二约束条件为常顶油收率大于2.25%。由此可见,基于不同的约束条件能够得到不同的参数案例,因此能够满足更多样的工况需求,得到针对不同工厂、不同时期的参数案例,提高了参数配置的适应性。
表1
表2
参数配置单元43:用于基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置。具体用于:
根据实际生产要求确定目标工况标签以及预期的产出目标;在参数案例库中检索出属于目标工况标签的参数案例,根据参数案例中的产出数据,筛选出符合产出目标的参数案例;根据筛选出的参数案例中的操作数据,对常减压设备进行参数配置。
例如,在需要进行参数配置时,当前的进料要求是需加工原油200吨/小时,原油比例为原油1:原油2=1:1,既目标工况标签为“200_原油1:原油2_1:1”预期的产出目标是希望常一线收率油收率大于3.1,因此推荐表2中的参数案例1。
上述常减压设备配置方法通过图3所示的参数推荐系统实现,所述参数推荐系统包括安装在现场的测量仪表与传感器、分布式控制系统(Distributed Control System,DCS)、数据集成平台服务器、应用服务器、客户端、防火墙、防病毒服务器、第三方系统数据库服务器等硬件设备以及连结各计算机设备、控制器和传感器的计算机网络。通过测量仪表与传感器采集历史工况数据,并通过计算机网络上传至DCS,实现数据采集和控制。数据采集过程如下:常减压装置现场分布着若干个测定各台设备运行数据的测量仪表,由这些测量仪表对采集到的历史工况数据进行滤波、缓冲、放大等预处理,然后将信号通过光电隔离后,送入DCS对应控制点标签中。
应用服务器是整个系统的核心部件,客户端可以根据用户需求向应用服务器提出读取或者写入目标工况标签、检索参数案例的要求,通过访问数据集成平台服务器对存储的参数案例库进行检索,并根据用户需求将通过检索得到的参数案例在客户端上进行展示,实现参数推荐。数据集成平台服务器基于专业的实时数据库和关系数据库管理系统构建,将生产现场采集到的历史工况数据存储在数据库中,可调用第三方系统数据库服务器获取或者通过人工录入的方式将历史工况数据写入数据集成平台服务器的数据库中。
防火墙与防病毒服务器的主要任务是监控常减压装置操作参数推荐系统进行网络连接的客户端、应用服务器、数据集成平台服务器等网络的工作环境。
上述实施例中的各个序号仅仅为了描述,不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例,并不用以限制本发明,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 (10)
1.一种基于参数案例的常减压设备配置方法,其特征在于,所述常减压设备配置方法包括:
获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例;
对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库;
基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置。
2.根据权利要求1所述的一种基于参数案例的常减压设备配置方法,其特征在于,所述获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例,包括:
通过部署在常减压设备上的传感器采集历史工况数据,所述历史工况数据包括进料数据、操作数据以及产出数据;
从进料数据中提取出原油总量、原油种类以及每种原油的比例组成工况标签;
由工况标签对应的操作数据、产出数据构成参数案例。
3.根据权利要求2所述的一种基于参数案例的常减压设备配置方法,其特征在于,所述操作数据包括初馏塔塔顶、常压塔塔顶、减压塔塔顶处的压力与温度,所述产出数据包括各种石油产品的产出率。
4.根据权利要求2所述的一种基于参数案例的常减压设备配置方法,其特征在于,所述对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库,包括:
设置对操作数据的第一约束条件,以及对产出数据的第二约束条件;
根据参数案例中的操作数据和产出数据,生成参数案例的特征向量;
筛选出符合第一约束条件和第二约束条件的参数案例,根据特征向量对参数案例进行聚类,用于聚类的算法包括K均值聚类算法、层次聚类算法、DBSCAN聚类算法以及AP聚类算法;
计算每一类参数案例的聚类中心,将聚类中心存储在参数案例库中。
5.根据权利要求2所述的一种基于参数案例的常减压设备配置方法,其特征在于,所述基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置,包括:
根据实际生产要求确定目标工况标签以及预期的产出目标;
在参数案例库中检索出属于目标工况标签的参数案例,根据参数案例中的产出数据,筛选出符合产出目标的参数案例;
根据筛选出的参数案例中的操作数据,对常减压设备进行参数配置。
6.一种基于参数案例的常减压设备配置装置,其特征在于,所述常减压设备配置装置包括:
获取单元:用于获取常减压设备的历史工况数据,基于历史工况数据生成工况标签以及与工况标签对应的参数案例;
聚类单元:用于对属于同一工况标签的参数案例设置约束条件,基于约束条件对参数案例进行聚类,根据聚类结果得到参数案例库;
参数配置单元:用于基于目标工况标签对参数案例库进行检索,根据检索出的参数案例对常减压设备进行参数配置。
7.根据权利要求6所述的一种基于参数案例的常减压设备配置装置,其特征在于,所述获取单元具体用于:
通过部署在常减压设备上的传感器采集历史工况数据,所述历史工况数据包括进料数据、操作数据以及产出数据;
从进料数据中提取出原油总量、原油种类以及每种原油的比例组成工况标签;
由工况标签对应的操作数据、产出数据构成参数案例。
8.根据权利要求7所述的一种基于参数案例的常减压设备配置装置,其特征在于,所述获取单元采集到的所述操作数据包括初馏塔塔顶、常压塔塔顶、减压塔塔顶处的压力与温度,所述产出数据包括各种石油产品的产出率。
9.根据权利要求7所述的一种基于参数案例的常减压设备配置装置,其特征在于,所述聚类单元具体用于:
设置对操作数据的第一约束条件,以及对产出数据的第二约束条件;
根据参数案例中的操作数据和产出数据,生成参数案例的特征向量;
筛选出符合第一约束条件和第二约束条件的参数案例,根据特征向量对参数案例进行聚类,用于聚类的算法包括K均值聚类算法、层次聚类算法、DBSCAN聚类算法以及AP聚类算法;
计算每一类参数案例的聚类中心,将聚类中心存储在参数案例库中。
10.根据权利要求7所述的一种基于参数案例的常减压设备配置装置,其特征在于,所述参数配置单元具体用于:
根据实际生产要求确定目标工况标签以及预期的产出目标;
在参数案例库中检索出属于目标工况标签的参数案例,根据参数案例中的产出数据,筛选出符合产出目标的参数案例;
根据筛选出的参数案例中的操作数据,对常减压设备进行参数配置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110067788.8A CN112905632A (zh) | 2021-01-19 | 2021-01-19 | 一种基于参数案例的常减压设备配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110067788.8A CN112905632A (zh) | 2021-01-19 | 2021-01-19 | 一种基于参数案例的常减压设备配置方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112905632A true CN112905632A (zh) | 2021-06-04 |
Family
ID=76115417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110067788.8A Pending CN112905632A (zh) | 2021-01-19 | 2021-01-19 | 一种基于参数案例的常减压设备配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112905632A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420499A (zh) * | 2021-06-10 | 2021-09-21 | 北京宜能高科科技有限公司 | 用于常减压装置的物理逻辑重建方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9025182D0 (en) * | 1989-12-01 | 1991-01-02 | Digital Equipment Corp | A system and method for retrieving justifiably relevant cases from a case library |
CN102402720A (zh) * | 2011-12-17 | 2012-04-04 | 东南大学 | 一种公路突发交通事故应急预案的快速生成方法 |
CN106354997A (zh) * | 2016-08-24 | 2017-01-25 | 清华大学 | 基于案例库的炼油过程模糊匹配调优方法 |
CN106406257A (zh) * | 2016-10-17 | 2017-02-15 | 鞍钢集团矿业有限公司 | 一种基于案例推理的铁矿浮选精矿品位软测量方法及系统 |
CN110764468A (zh) * | 2018-07-26 | 2020-02-07 | 国家能源投资集团有限责任公司 | 一种确定火电机组运行参数基准值的方法及装置 |
CN111221920A (zh) * | 2019-11-29 | 2020-06-02 | 国网电力科学研究院武汉南瑞有限责任公司 | 变电设备运维装置的案例库构建方法、装置及计算机存储介质 |
CN111241677A (zh) * | 2020-01-09 | 2020-06-05 | 浙江中控技术股份有限公司 | 一种基于机器学习的常减压装置生产模拟方法及系统 |
CN111270028A (zh) * | 2020-03-06 | 2020-06-12 | 江苏省沙钢钢铁研究院有限公司 | 高炉干熄焦转湿熄焦的应对方法和应对系统 |
CN111723456A (zh) * | 2020-05-08 | 2020-09-29 | 华南理工大学 | 一种基于nsga-ⅱ算法的中央空调系统能效优化方法 |
-
2021
- 2021-01-19 CN CN202110067788.8A patent/CN112905632A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9025182D0 (en) * | 1989-12-01 | 1991-01-02 | Digital Equipment Corp | A system and method for retrieving justifiably relevant cases from a case library |
CN102402720A (zh) * | 2011-12-17 | 2012-04-04 | 东南大学 | 一种公路突发交通事故应急预案的快速生成方法 |
CN106354997A (zh) * | 2016-08-24 | 2017-01-25 | 清华大学 | 基于案例库的炼油过程模糊匹配调优方法 |
CN106406257A (zh) * | 2016-10-17 | 2017-02-15 | 鞍钢集团矿业有限公司 | 一种基于案例推理的铁矿浮选精矿品位软测量方法及系统 |
CN110764468A (zh) * | 2018-07-26 | 2020-02-07 | 国家能源投资集团有限责任公司 | 一种确定火电机组运行参数基准值的方法及装置 |
CN111221920A (zh) * | 2019-11-29 | 2020-06-02 | 国网电力科学研究院武汉南瑞有限责任公司 | 变电设备运维装置的案例库构建方法、装置及计算机存储介质 |
CN111241677A (zh) * | 2020-01-09 | 2020-06-05 | 浙江中控技术股份有限公司 | 一种基于机器学习的常减压装置生产模拟方法及系统 |
CN111270028A (zh) * | 2020-03-06 | 2020-06-12 | 江苏省沙钢钢铁研究院有限公司 | 高炉干熄焦转湿熄焦的应对方法和应对系统 |
CN111723456A (zh) * | 2020-05-08 | 2020-09-29 | 华南理工大学 | 一种基于nsga-ⅱ算法的中央空调系统能效优化方法 |
Non-Patent Citations (1)
Title |
---|
王东风等: "基于大数据驱动案例匹配的电站锅炉燃烧优化", 《仪器仪表学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420499A (zh) * | 2021-06-10 | 2021-09-21 | 北京宜能高科科技有限公司 | 用于常减压装置的物理逻辑重建方法 |
CN113420499B (zh) * | 2021-06-10 | 2022-12-02 | 北京宜能高科科技有限公司 | 用于常减压装置的物理逻辑重建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102792282B (zh) | 数据库管理方法、计算机、传感器网络系统 | |
US8438192B2 (en) | System and method for retrieving and storing industrial data | |
CN101398685B (zh) | 在过程控制环境中标准化数据属性的方法及设备 | |
WO2020052292A1 (zh) | 基于工业互联网的集成电路测试信息化管理系统 | |
DE102016119100A1 (de) | Datenanalysedienste für eine verteilte Leistungsüberwachung industrieller Anlagen | |
DE102016119084A1 (de) | Verteilte Leistungsüberwachung und Analyse industrieller Anlagen | |
DE102016119186A1 (de) | Verteilte Leistungsüberwachung und Analyse in industriellen Anlagen | |
DE102016119178A1 (de) | Quellenunabhängige Abfragen in einem verteilten Industriesystem | |
DE102016119066A1 (de) | Verteilte Leistungsüberwachung und Analyseplattform für industrielle Anlagen | |
US20130238619A1 (en) | Data processing system, and data processing device | |
CN106446181A (zh) | 一种大数据处理及远程监控系统 | |
CN110515931B (zh) | 一种基于随机森林算法的电容型设备缺陷预测方法 | |
CN107944005B (zh) | 一种数据展示方法及装置 | |
CN109270907A (zh) | 一种基于分层概率密度分解的过程监测和故障诊断方法 | |
CN107391550A (zh) | 一种基于大数据模板技术的报表生成方法及系统 | |
CN111159165A (zh) | 基于云平台的电力井下低功耗边缘计算系统及其方法 | |
CN112905632A (zh) | 一种基于参数案例的常减压设备配置方法及装置 | |
CN105956037A (zh) | 一种工厂数据库系统 | |
CN111291028A (zh) | 一种面向高速工业现场数据采集系统及方法 | |
CN110287253A (zh) | 一种自动化产线测试数据的管理系统及方法 | |
CN115730734A (zh) | 一种基于迁移成分回归的生产线与装备的预测方法 | |
CN110727427A (zh) | 调度自动化主站模型安全智能校核方法 | |
CN112561388A (zh) | 一种基于物联网的信息处理方法、装置及设备 | |
Ji et al. | A self-evolving method of data model for cloud-based machine data ingestion | |
CN109783455B (zh) | 一种基于大规模数据的管理方法、系统以及存储装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |