基于数据挖掘技术的氨合成装置生产优化方法制造方法及图纸

基于数据挖掘技术的氨合成装置生产优化方法属于化学工程、系统工程及数据挖掘等交叉学科领域的研究前沿。本发明专利技术结合氨合成装置的生产特点，根据集散控制系统（Ｄｉｓｔｒｉｂｕｔｅｄ　　Ｃｏｎｔｒｏｌ　　Ｓｙｓｔｅｍ，ＤＣＳ）采集的氨合成装置历史生产工艺参数数据和分析测试数据，运用数据挖掘技术，建立氨合成装置生产优化目标与有关工艺参数间的数学模型。然后将氨合成装置生产实时数据输入到已建立的数学模型中，根掘该模型确定氨合成装置生产状态，实现氨合成装置建模和模型维护、工况诊断与目标预测、优化操作指导。使氨合成装置一直处于优化状态下运行，提高装置的生产能力和管理水平。该方法的特点是安全可靠、风险小、成本低、易于推广。

Production optimization method of ammonia synthesis plant based on Data Mining Technology

The production optimization method of ammonia synthesis equipment based on data mining belongs to the frontier of chemical engineering, system engineering and data mining. The present invention based on the production characteristics of the ammonia synthesis system, based on the distributed control system (Distributed Control System, DCS) production process parameters of ammonia synthesis plant historical data and analysis of test data, using data mining technology to establish and optimize the production target mathematical model and the related technological parameters of the ammonia synthesis plant. And then the mathematical model of ammonia synthesis production real-time data input to the device has been established, according to determine the status of production of synthetic ammonia device of the model, to achieve the ammonia synthesis system modeling and model maintenance, condition prediction, diagnosis and optimization operation guide. The ammonia synthesis plant has been running in an optimized state to improve the production capacity and management level of the unit. The method is characterized by its safety, reliability, low risk, low cost and easy popularization.

【技术实现步骤摘要】

本专利技术涉及一种，属于化学工程、 系统工程及数据挖掘等交叉学科领域的研究前沿，涵盖生产过程优化模型与模型维 护、生产状态实时监测、生产工况实时诊断及生产工艺参数优化。
技术介绍
石油和化工企业是我国的基础支柱产业，在我国国民经济中占有举足轻重的地 位。但与世界石化工业生产水平相比，我国的石油和化学工业还有不小的差距。例如， 每加工一吨产品所需的现金操作费用反映了企业生产成本水平，2003年炼油现金操 作费用，世界平均水平为117元/吨，世界先进水平为86元/吨，我国约为130元/吨， 分别高出11%和51%。乙烯生产的现金操作费用，我国为142美元/吨，比世界先进 水平高出24%，比亚太地区高出5%。因此，如何利用工业优化技术提高劳动生产率 和资源利用率，全面提升我国石油和化学工业的盈利能力和竞争能力，对于我国石油 和化学工业的可持续发展有着十分重要的意义。提升企业的生产水平可以从设备改造、工艺改进等方面着手，实践证明虽然这些 措施可以取得非常好的效果，但周期长、投资大。与此相比，利用控制技术和计算机 软件技术对生产操作进行优化，实施简便、见效快、投资回报率高，正越来越得到业 界的重视。近年来，集散控制系统(DistributedControl System, DCS)已经广泛应用 于我国大中型石化装置，为试点和推广国内外新技术打下了基础。目前世界上已有 20多家公司推出了30余种石化优化软件，应用领域遍及主要石化装置，其中先进控 制(Advanced Process Control, APC)技术已经在我国几十个生产装置实施，如常减压、 催化裂化、催化重整、加氢裂化、聚丙烯、聚乙烯等等。根据Chemshare公司的调查 结果，在已有DCS系统基础上实施先进控制的投资收益比为1:4，在先进控制基础上 实现装置实时优化的投资收益比也为1:4。因此，先进控制和实时优化控制挖潜增效 效果明显。近年来，基于数据挖掘的工业优化技术已在国外受到高度重视，应用的案例日益 增多。将数据挖掘技术引入化工生产领域是一项巨大的挑战。现代化工、炼油等大、 中型企业的生产过程包括复杂的物理、化学变化，这些变化必须借助对多种工艺指标 的监控，才能使生产的综合效益达到最优。化工生产过程难免有时出现故障，在出现故障时能及时发现，正确诊断其原因从而消除故障，也要通过总结故障出现的规律， 建立发现、诊断故障的数学模型，从而顺利处理故障，恢复正常生产。这些都需要从 大批复杂数据中抽提有用信息，建立反映客观规律的数学模型。采用数据挖掘技术是 建立数学模型的必要手段之一。数据挖掘技术用于生产优化可与先进控制、实时优化 控制互为补充，相得益彰。化工生产过程涉及到许多复杂的物理、化学变化，常常很 难通过机理来建立模型，即便建立了模型，其精度也很低，模型只能用来表明生产的 大体变化趋势，而无法用来指导生产。此外，工业生产过程中存在许多可变因素和干 扰(原料性质、设备状态、操作工况的变化，生产环境和生产系统自身的干扰)，数 学模型通常是在某一特定条件下建立的，因而仅仅在小范围内适用，在实际复杂多变 的生产中难以使用。随着计算机科学和过程系统工程的发展，工业生产过程自动化程 度越来越高，工业生产数据采集和存储越来越经济便利，对于一个中等规模的石化生 产装置，其DCS系统的仪表位号点数约500点，如果每分钟保存一个生产数据，那 么，每天就有70万个生产数据， 一年可达2.5亿个数据。这些数据记录了工业生产 过程的特征、性能、变化等，是生产装置的本质反映。利用数据挖掘技术，可以从工 业生产数据中寻找规律和发现知识，并用这些知识指导企业的生产过程，从而达到优 化生产过程，使企业效益最大化。氨合成装置是合成氨工业的关键工段，要实现节能、增产的目的，除了改进工艺 流程、设备结构以外，努力提高氨合成装置的过程控制水平和操作管理水平是一个非 常重要的途径。目前大、中型氨合成装置上较普遍地采用了集散控制系统DCS，并 已经积累了丰富的生产数据，为优化控制提供了可能。但由于消化、吸收及自主开发 投入不足，DCS仍主要用于数据采集、显示打印及单回路控制。近年来，国内外许 多工作者对氨合成装置的模拟与优化进行了大量的研究，并开发了相应的软件，这些软件大都采用简化模型或机理模型进行合成氨模拟优化。距离生产实际应用还有一定 的差距。而实际生产过程中氨合成装置生产工况受到温度、压力、流量、气体成分等 多种因素的影响，目前生产工艺参数基本上根据经验确定，优化潜力很大。
技术实现思路
本专利技术主要解决了基于数据挖掘技术的氨合成装置生产优化问题。本专利技术结合氨 合成装置的生产特点，将氨合成装置生产历史数据放在高维空间中考察，通过各种数 据挖掘技术进行一系列的特征提取，建立用以描述生产规律的数学模型，并经过降维 处理后形成多个图形，以崭新的视角展示隐藏在数据中深层的规律，最终实现氨合成 装置建模和模型维护、工况诊断与目标预测、优化操作指导。整个数据挖掘的过程和 结果应用了可视化技术，生产工程师全程参与数据挖掘，将自己的生产经验和工艺知 识与数据挖掘技术结合起来。的框图参 见图l。由五个方面组成(1)数据采 集采集氨合成装置的生产历史工艺参数数据；(2)数据预处理对生产历史数据进 行去除噪声处理，为数据挖掘提供真实可靠的数据；(3)数据挖掘从生产历史数据 中发现知识和寻找规律，根据优化问题的要求和生产数据的情况从数据挖掘方法库中 调用有关的方法，建立氨合成装置生产优化目标与有关生产工艺参数间的数学模型； (4)可视化分析将高维空间中的样本点通过降维后映射到平面上，以便形象、直 观、多视角地考察优化区的分布，为数据挖掘专家寻找优化规律提供重要参考；(5) 生成优化结果产生各种形式的优化结论。本专利技术，按如下步骤进行。1、 氮合成装置生产历史数据采集，首先要确定生产优化目标T (合 成氨产量、氨净值或吨氨新鲜气消耗量)，T受M个生产工艺参数(温度、压力、流 量、流速、气体成分、合成氨质量)X!， X2， ...， XM影响，由此而确定的一组同 源离散数据集(PJ称为该优化目标的一个描述样本集。其中Pi= (Xn， Xi2，...， XlM， T,} (i^,2,…,N)称为一个样本。采集一段时间内共N个样本的DCS系统生产工 艺参数历史数据。为了保证采集的数据文件包含必要的信息量，样本数N要足够多， 即要满足N/N^20。然后根据生产优化目标T，将样本分为"l"、 "2"两类，"l"类样 本称为优类样本，"2"类样本称为差类样本。2、 氨合成装置生产历史数据预处理，在采集生产历史数据的基础上， 利用数据挖掘技术，对生产历史数据进行数据文件评估(超多面体模型评估、最近邻 留一法判据、非线性回归判据)、数据结构分析(拓扑类型判别、近邻分析、近线性 分析、时间序列分析等)、样本筛选(子空间分割、死区分割、离群点删除等)、相关 分析(单因子分析、双因子分析、多因子分析)、自变量筛选(投票法、熵法、超多 面体法)，最终得到训练样本集及测试样本集。用到的部分分析方法及方法简要说明 见表l。表1数据分析方法及简要说明<table>table see original document p本文档来自技高网...

【技术保护点】
一种基于数据挖掘技术的氨合成装置生产优化方法，其特征在于该方法的具体步骤为：ａ．采集氨合成装置历史生产工艺参数数据和分析测试数据；ｂ．利用采集的历史数据，运用数据挖掘技术，建立氨合成装置生产优化目标与有关工艺参数间的数学模型；ｃ．将装置生产实时数据输入到已建立的数学模型中；ｄ．根据该模型确定氨合成装置生产状态，实现氨合成装置生产优化。

【技术特征摘要】

【专利技术属性】
技术研发人员：陆治荣，陆文聪，刘纯权，杨善升，刘亮，刘太昂，顾天鸿，刘欣，宋向礼，杨明，杨跃，伏跃，
申请(专利权)人：宁波思华数据技术有限公司，云南云维集团有限公司，
类型：发明
国别省市：11[中国|北京]