智能常减压系统技术方案

本发明专利技术属于石油炼化领域，公开了一种智能常减压系统，实现了常减压装置从计划到生产操作的数字化、自动化、智能化和闭环操作优化。该系统主要包括：常减压AI模型、计划模块，通盘优化模块和智能执行模块。本发明专利技术综合应用人工智能、大数据、数学建模和优化及过程集成等技术，以生产过程的历史数据为基础，建立能精确描述常减压动态生产过程的常减压AI模型。在此模型基础上建立计划模块，提供可行的物料分配决策；同时，在此模型基础上建立通盘优化模块，提供最佳操作方案决策；智能执行模块自动执行上述决策，实现装置的闭环运行。从计划到操作优化再到智能执行，实现系统的智能一体化运行。实现系统的智能一体化运行。实现系统的智能一体化运行。

【技术实现步骤摘要】
智能常减压系统


[0001]本专利技术涉及石油炼化
，尤其是涉及一种智能常减压系统。

技术介绍

[0002]炼化行业生产决策方式，从以往的依靠经验发展到目前的工艺专家建立机理模型测算，主要经历了两个阶段的变化。
[0003]凭经验决策阶段：缺乏测算工具和模型，计划人员依据统计数据和经验来为生产计划分配物流走向；操作员根据自己的操作经验和操作手册，结合现场的生产情况给出操作参数调整方向，并通过化验分析结果一步步小幅度调整。
[0004]工艺专家用机理模型测算指导阶段：通过工况标定，建立和校正机理模型，再由工艺专家根据专业知识提出的优化思路，利用机理模型模拟测算或者设置简单的优化策略进行测算来验证，最后得到生产计划和操作方案用于指导生产。流程模拟软件20世纪50年代问世，经过几十年的发展，在业界得到了广泛的应用，并培养了一批优秀的建模和工艺优化专家。这些工艺专家利用机理模型和专业知识测算装置加工方案和生产计划，为生产提供指导，取得了一定的经济效益。
[0005]但是，常减压装置掺炼3～5种原油混合加工是普遍现象，受原油采购、运输、储存等环节时间和空间的双重维度影响，装置加工的混合原油性质不断变化，而且生产方案频繁调整，生产工况处于动态调整过程中，目前依赖专家和模拟软件的工艺优化远远跟不上变化的需求。
[0006]操作人员依据自身经验进行操作调优很难达到理想的效果，同时，受化验分析频次较少的影响，操作调优过程延迟较大。一边是变动极繁的工况，而另一边是长期不动的模型，模型与工况不匹配。迫切需要一套智能常减压系统，能够快速、全面的捕捉装置工况信息，及时完成各系统的整体调优和智能化控制，是目前需要解决的技术问题。

技术实现思路

[0007]针对现有技术中存在的上述问题，本专利技术的目的是提供一种建立智能常减压系统的方法，所述系统为常减压装置生产提供了原油加工配方或产品分配决策和实现该产品分配的优化操作决策，并通过智能执行系统自动执行所述决策，实现常减压装置生产的数字化、自动化、智能化和闭环操作优化。
[0008]所述系统根据计划加工原油和二次装置需求采用常减压AI模型测算每月和每周常减压装置侧线产品最佳收率，提供产品最佳分配决策；参考计划测算方案和生产装置的实时数据，采用常减压AI模型，根据设定频次实时优化操作条件，产生实现产品分配的最佳操作决策；由智能执行系统根据调整策略自动执行上述决策。使用同一模型为经营、计划、管理、操作提供决策依据，奠定了企业实现经营目标和操作目标统一、计划排产和生产调整统一、以及高效运行和长周期统一的重要基础。实施闭环操作优化，提升了高价值产品收率、降低能耗的同时确保了装置安全平稳运行。
[0009]为解决上述技术问题，本专利技术采用的技术方案如下：
[0010]所述系统主要包括常减压AI模型、计划模块、物理逻辑重建模块、通盘优化模块、智能执行模块，其中，
[0011]所述常减压AI模型，是对常减压动态生产过程的实时精确数学描述，是计划模块、物理逻辑重建模块和通盘优化模块的基础。常减压AI模型是以考虑了原料、加工量、操作条件、产品分布、设备和装置性能以及工艺流程等变化产生的十亿机理模型数据为基础，利用人工智能技术建立的由数百万模型参数和数百个神经网络群组成的模型。它能实时感知数千个运行参数，包括原油馏程、关键产品指标和馏程、塔板水力学、塔段板效、换热器污垢热阻、转油线/塔段压降等；
[0012]所述计划模块，提供最佳且可行的物料分配决策。它以建立的常减压AI 模型为基础，考虑生产设备实际限制和二次装置加工要求的情况下，可对每月和每周计划加工原油进行常减压产品收率测算，还可根据产品分配要求优化原油配方；
[0013]所述物理逻辑重建模块，预测装置实时特性和当前加工原油性质，并对当前运行工况进行数字化表征，它以建立的常减压AI模型为基础，以采集得到的稳态工况数据为输入，对生产过程进行物理逻辑重建，获得表征生产工况的数据，既用于消除仪表的数据误差，又对没有测量但能表征生产工况和设备性能的数据进行预测；
[0014]所述通盘优化模块，提供最佳操作方案决策，它以常减压AI模型为基础，综合考虑现场的实际可行性约束，通过所述物理逻辑重建模块的计算获得当前装置特性、加工原油性质和变量初值，在设定可控的优化策略下，根据目标方程，利用数学规划算法，优化求解得到操作条件变化的方向和大小，作为生产调整的目标；
[0015]所述智能执行模块，执行通盘优化后的操作方案。
[0016]进一步地，所述系统还包括数据处理模块和智能软仪表模块，其中，
[0017]所述数据处理模块，连接企业实时数据库，获取生产装置的实时数据，并对数据进行预处理和稳态分析后，输出稳态工况数据，并发送给物理逻辑重建模块；
[0018]所述智能软仪表模块，以所述数据处理模块预处理之后形成的有效数据为基础，利用事先训练好的ANN模型或回归的模型，快速测算原油和产品性质，发送给智能执行模块，所述智能执行模块根据测算出的原油和产品性质自动设置产品流量，协同多个多变量模型预测控制器稳定生产操作，其中，执行过程产生的运行数据进入实时数据库，作为数据处理模块的数据输入。
[0019]进一步地，所述系统还包括：数据挖掘模块和模型自学习模块，其中，
[0020]所述数据挖掘模块，基于所述数据处理模块的输出结果、物理逻辑重建模块的输出结果、历史数据变化趋势和事先通过大数据挖掘所得的模型，自动判断仪表及设备的性能变化，分析得出生产装置存在的瓶颈信息；其中，该数据挖掘模块的结果用于计划、物理逻辑重建和通盘优化模块的约束条件，以及常减压装置AI模型的自学习；
[0021]所述模型自学习模块，以所述数据处理模块的输出结果为输入，判断输入数据是否超出现有模型的使用范围，若没有，则无需模型校正和更新，可直接运行所述物理逻辑重建模块，否则补充样本数据，覆盖已有的输入数据，利用补充样本对AI模型进行校正，并将计划模块、物理逻辑重建模块和通盘优化模块中所应用的所述常减压AI模型进行更新；另一方面通过物理逻辑重建结果获得装置实时特性，将此特性数据更新至模型。
[0022]进一步地，所述数据处理模块包括数据预处理模块和稳态分析模块，其中，
[0023]所述数据预处理模块，以间隔采样的现场实时数据和实验室分析数据为数据输入，利用从历史数据学习的模型和规则，对异常数据进行清洗，然后输出数据给所述稳态分析模块分析进一步处理；
[0024]所述稳态分析模块，利用事先学习的稳态模型和规则，对预处理后的数据进行稳态判断和分析，提取数据隐含的有用信息，之后将最新一段时间的稳态数据合并成一个稳态数据样本供所述物理逻辑重建模块、数据挖掘模块，以及模型自学习模块分析或使用。
[0025]进一步地，所述常减压AI模型建模模块包括工况增强模块和AI建模模块，其中，
[0026]所述工况增强模块，用于对样本数据缺失的区域或数据质量不高的区域进行数据增强，将样本区域从历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能常减压系统，其特征在于，该系统包括：常减压AI模型、计划模块、物理逻辑重建模块、通盘优化模块、智能执行模块，其中，所述计划模块，以建立的常减压AI模型为基础，考虑生产设备实际限制和二次装置加工要求的情况下，对计划加工原油进行常减压产品收率测算，或者根据产品分配要求优化原油配方；所述物理逻辑重建模块，以建立的常减压AI模型为基础，以采集得到的稳态工况数据为输入，对生产过程进行物理逻辑重建，预测装置实时特性和当前加工原油性质，并对当前运行工况进行数字化表征；所述通盘优化模块，以常减压AI模型为基础，综合考虑现场的实际可行性约束，通过所述物理逻辑重建模块的计算获得当前装置特性、加工原油性质和变量初值，在设定可控的优化策略下，根据目标方程，利用数学规划算法，优化求解得到操作条件变化的方向和大小，作为生产调整的目标；所述智能执行模块，执行通盘优化后的操作方案。2.根据权利要求1所述的智能常减压系统，其特征在于，所述系统还包括数据处理模块和智能软仪表模块，其中，所述数据处理模块，连接企业实时数据库，获取生产装置的实时数据，并对数据进行预处理和稳态分析后，输出稳态工况数据，并发送给物理逻辑重建模块；所述智能软仪表模块，以所述数据处理模块预处理之后形成的有效数据为基础，利用事先训练好的ANN模型或回归的模型，快速测算原油和产品性质，发送给智能执行模块，所述智能执行模块根据测算出的原油和产品性质自动设置产品流量，协同多个多变量模型预测控制器稳定生产操作，其中，执行过程产生的运行数据进入实时数据库。3.根据权利要求2所述的智能常减压系统，其特征在于，所述系统还包括：数据挖掘模块和模型自学习模块，其中，所述数据挖掘模块，基于所述数据处理模块的输出结果、物理逻辑重建模块的输出结果、历史数据变化趋势和事先通过大数据挖掘所得的模型，自动判断仪表及设备的性能变化，分析得出生产装置存在的瓶颈信息；所述模型自学习模块，以所述数据处理模块的输出结果为输入，判断输入数据是否超出现有模型的使用范围，若没有，则无需模型校正和更新，可直接运行所述物理逻辑重建模块，否则补充样本数据，覆盖已有的输入数据，利用补充样本对AI模型进行校正，并将计划模块、物理逻辑重建模块和通盘优化模块中所应用的所述常减压AI模型进行更新；另一方面通过物理逻辑重建结果获得装置实时特性，将此特性数据更新至AI模型。4.根据权利要求2所述的智能常减压系统，...

【专利技术属性】
技术研发人员：王士波，陈露，吴永文，甘雪琴，杨啸，胡益炯，郑欢欢，尼古拉斯，
申请(专利权)人：北京宜能高科科技有限公司，
类型：发明
国别省市：