基于罐底批次的成品汽油调和混合配方模型建模方法组成比例

本发明专利技术公开了一种基于罐底批次的成品汽油调和混合配方模型建模方法，包括：步骤1：建立保守配方模型与卡边配方模型；步骤2：将所述保守配方模型与卡边配方模型进行融合，获取混合配方模型。本发明专利技术以保守配方模型作为输出卡边配方模型的数据给以补充和完备，针对迁移学习和模型方法结合后优化，得到卡边配方模型，使得油品趋近卡边生产，同时采用保守配方模型与卡边配方模型融合的策略，既能保证一次调和率且趋近卡边生产，确保配方生成系统能够可持续使用为目标，减少企业生产成本，提高生产效益，满足卡边生产。满足卡边生产。满足卡边生产。

【技术实现步骤摘要】
基于罐底批次的成品汽油调和混合配方模型建模方法


[0001]本专利技术涉及汽油调和
，更具体的说是涉及一种基于罐底批次的成品汽油调和混合配方模型建模方法。

技术介绍

[0002]目前，随着绿色环保理念的日益推进，我国汽柴油质量标准升级速度不断加快，这就需要炼油企业的油品调和技术不断升级跟进。在罐式在线调和过程中，罐底通常会留有约占调和罐1/6的余油，且调和组分受不同产地原油影响，进而导致调和过程呈现批次现象；同时，调和过程中呈现非线性状态，现有技术中采用保守批次配方模型，确保了一次调和成功。
[0003]但是，在实际工业中，为了提高企业的生产效益，还需使油品趋近卡边生产。这需要建立高精度的卡边配方模型，然而卡边配方模型的建立依然存在问题，一是企业生产中卡边数据极少，如何允以补充完备；二是卡边配方建模方法的选择与优化。
[0004]因此，如何提供一种基于罐底批次的成品汽油调和混合配方模型建模方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于罐底批次的成品汽油调和混合配方模型建模方法，采用保守配方模型与卡边配方模型融合的策略，既能保证一次调和率且趋近卡边生产，同时确保配方生成系统能够可持续使用为目标，用以解决现有技术中的缺陷。
[0006]为了实现上述目的，本专利技术采用如下技术方案：基于罐底批次的成品汽油调和混合配方模型建模方法，包括：步骤1：建立保守配方模型与卡边配方模型；步骤2：将所述保守配方模型与所述卡边配方模型进行融合，获取混合配方模型。
[0007]优选的，步骤1中，所述保守配方模型建立过程为：步骤1
‑
1：基于初始化隶属度矩阵利用改进的MKFCM算法对历史罐底余油组分聚类，获取各批次类别以及隶属于各批次的隶属度矩阵；步骤1
‑
2：采用XGBoost对所述各个批次类别分别建立对应的子配方模型；步骤1
‑
3：将当前罐余油组分基于改进的MKFCM算法聚类，将聚类得到的隶属度作为当前罐各批次子配方模型的融合系数；将当前罐余油组分以及欲达到要求的质量指标输入各批次子配方模型，得出当前罐关于各批次子配方模型的预测值；将当前罐各批次子配方模型的融合系数以及预测值进行加权融合，生成保守配方模型。
[0008]优选的，步骤1
‑
1中，对历史罐底余油组分进行聚类，使得聚类算法的目标函数最小，其步骤为：
[0009]步骤1
‑1‑
1：改进的MKFCM算法采用高斯核函数，高斯核函数为：
[0010][0011]步骤1
‑1‑
2：根据整体核参数以及罐底油各组分，计算各个核函数参数，所述各个
核函数参数公式为：
[0012][0013]其中，K(X,Y)为高斯核函数，min(
·
)为各个组分距离的最小值，σk为第k个子核函数的核参数，x
ik
为第i个样本的第k特征数值，x
jk
为第j个样本的第k个特征数值，i为第i个样本，j为该样本的第j个特征，X为高斯核函数第一个自变量，此处指样本的特征值，Y为高斯核函数第二个自变量，此处指样本的特征值，σ为自适应选取子核参数的整体核参数；
[0014]步骤1
‑1‑
3：根据各个核函数以及初始化核权重向量，计算总核函数以及初始化隶属度矩阵；步骤1
‑1‑
4：根据初始化隶属度矩阵，获取标准化隶属度矩阵；步骤1
‑1‑
5：根据标准化隶属度矩阵，计算系数α，β；步骤1
‑1‑
6：根据所述系数β，计算核函数融合权值矩阵；步骤1
‑1‑
7：根据核函数融合权值矩阵以及所述系数α，计算距离矩阵；步骤1
‑1‑
8：根据距离矩阵，获取更新的隶属度矩阵；步骤1
‑1‑
9：重复步骤1
‑1‑
2至1
‑1‑
8，直至更新的隶属度矩阵满足预设的收敛条件；步骤1
‑1‑
10：根据得到的隶属度矩阵对历史罐底余油的各组分添加比例进行批次类别划分；
[0015]步骤1
‑
2中，所述各批次子配方模型的建立过程包括：步骤1
‑2‑
1：设置子配方模型的循环参数K，并令K＝0；步骤1
‑2‑
2：判断循环参数K是否小于等于预设值；若否或者满足收敛条件时，并跳出此循环；若是，重复步骤1
‑2‑
3至1
‑2‑
6；步骤1
‑2‑
3：将各个批次类别数据分为第一训练集和第一测试集；步骤1
‑2‑
4：基于所述第一训练集训练子配方模型，得到训练后的子配方模型；步骤1
‑2‑
5：基于所述第一测试集对训练后的子配方模型进行测试，获取测试的子配方模型结果后进行评价指标的计算；步骤1
‑2‑
6：循环参数K增加1次，回到步骤1
‑2‑
2。
[0016]优选的，所述步骤1中，所述卡边配方模型的建立过程为：步骤1
‑
4：将历史卡边数据分为第二训练集和第二测试集；步骤1
‑
5：预训练XGBoost模型，包括对XGBoost模型参数进行初始化；步骤1
‑
6：将所述第二训练集输入到所述保守配方模型中，计算L
soft
值；将所述第二训练集输入到所述XGBoost模型中，计算L
hard
值；其中，y
s
为XGBoost模型输出的预测值，y
T
为保守配方模型经过改进Softmax输出的概率值，y
true
为保守配方模型经过改进Softmax输出的真实值，L
soft
为y
s
与y
T
的误差函数，L
hard
为y
s
与y
true
的误差函数；步骤1
‑
7：若L
hard
+m值大于L
soft
值，执行L＝λL
soft
(y
s
,y
T
)+(1
‑
λ)L
hard
(y
s
,y
true
)；否则执行L＝L
hard
(y
s
,y
true
)，其中，L为总损失值，λ为加权系数，m为常数；步骤1
‑
8：基于所述损失总值对所述XGBoost模型参数进行更新，重复步骤1
‑
6至1
‑
7，直至第二训练集输出的预测值与输出的真实值误差小于阈值，此时XGBoost模型训练完成，得到卡边配方模型；步骤1
‑
9：将所述第二测试集输入到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于罐底批次的成品汽油调和混合配方模型建模方法，其特征在于，包括：步骤1：建立保守配方模型与卡边配方模型；步骤2：将所述保守配方模型与所述卡边配方模型进行融合，获取混合配方模型。2.根据权利要求1所述的基于罐底批次的成品汽油调和混合配方模型建模方法，其特征在于，步骤1中，所述保守配方模型建立过程为：步骤1
‑
1：基于初始化隶属度矩阵利用改进的MKFCM算法对历史罐底余油组分聚类，获取各批次类别以及隶属于各批次的隶属度矩阵；步骤1
‑
2：采用XGBoost对所述各个批次类别分别建立对应的子配方模型；步骤1
‑
3：将当前罐余油组分基于改进的MKFCM算法聚类，将聚类得到的隶属度作为当前罐各批次子配方模型的融合系数；将当前罐余油组分以及欲达到要求的质量指标输入各批次子配方模型，得出当前罐关于各批次子配方模型的预测值；将当前罐各批次子配方模型的融合系数以及预测值进行加权融合，生成所述保守配方模型。3.根据权利要求2所述的基于罐底批次的成品汽油调和混合配方模型建模方法，其特征在于，步骤1
‑
1中，对历史罐底余油组分进行聚类，使得聚类算法的目标函数最小，其步骤为：步骤1
‑1‑
1：改进的MKFCM算法采用高斯核函数，高斯核函数为：步骤1
‑1‑
2：根据整体核参数以及罐底油各组分，计算各个核函数参数，所述各个核函数参数公式为：其中，K(X,Y)为高斯核函数，min(
·
)为各个组分距离的最小值，σ
k
为第k个子核函数的核参数，x
ik
为第i个样本的第k特征数值，x
jk
为第j个样本的第k个特征数值，i为第i个样本，j为该样本的第j个特征，X为高斯核函数第一个自变量，此处指样本的特征值，Y为高斯核函数第二个自变量，此处指样本的特征值，σ为自适应选取子核参数的整体核参数；步骤1
‑1‑
3：根据各个核函数以及初始化核权重向量，计算总核函数以及初始化隶属度矩阵；步骤1
‑1‑
4：根据初始化隶属度矩阵，获取标准化隶属度矩阵；步骤1
‑1‑
5：根据标准化隶属度矩阵，计算系数α，β；步骤1
‑1‑
6：根据所述系数β，计算核函数融合权值矩阵；步骤1
‑1‑
7：根据核函数融合权值矩阵以及所述系数α，计算距离矩阵；步骤1
‑1‑
8：根据距离矩阵，获取更新的隶属度矩阵；步骤1
‑1‑
9：重复步骤1
‑1‑2‑1‑1‑
8，直至更新的隶属度矩阵满足预设的收敛条件；步骤1
‑1‑
10：根据得到的隶属度矩阵对历史罐底余油的各组分添加比例进行批次类别划分；
步骤1
‑
2中，所述各批次子配方模型的建立过程包括：步骤1
‑2‑
1：设置各批次子配方模型的循环参数K，并令K＝0；步骤1
‑2‑
2：判断循环参数K是否小于等于预设值；若否或者满足收敛条件时，并跳出此循环；若是，重复步骤1
‑2‑
3至1
‑2‑
6；步骤1
‑2‑
3：将各个批次类别数据分为第一训练集和第一测试集；步骤1
‑2‑
4：基于所述第一训练集训练子配方模型，得到训练后的子配方模型；步骤1
‑2‑
5：基于所述第一测试集对训练后的子配方模型进行测试，获取测试的子配方模型结果后进行评价指标的计算；步骤1
‑2‑
6：循环参数K增加1次，回到步骤1
‑2‑
2。4.根据权利要求2所述的基于罐底批次的成品汽油调和混合配方模型建模方法，其特征在于，所述步骤1中，所述卡边配方模型的建立过程为：步骤1
‑
4：将历史卡边数据分为第二训练集和第二测试集；步骤1
‑
5：预训练XGBoost模型，包括对XGBoost模型参数进行初始化；步骤1
‑
6：将所述第二训练集输入到所述保守配方模型中，计算L
soft
值；将所述第二训练集输入到所述XGBoost模型中，计算L
hard
值；其中，L
soft
为y
s
与y
T
的误差函数，L
hard
为y
s
与y
true
的误差函数，y
s
为XGBoost模型输出的预测值，y
T
为保守配方模型经过改进Softmax输出的概率值，y
true
为保守配方模型经过改进Softmax输出的真实值，步骤1
‑
7：若L
ha...

【专利技术属性】
技术研发人员：李炜，阮成龙，李亚洁，王晓明，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：