【技术实现步骤摘要】
本公开涉及石油化工，特别涉及一种渣油加氢装置反应温度预测模型的训练方法及预测方法。
技术介绍
1、在渣油加氢装置运行过程中，随着催化剂的活性下降，适宜加工原料的性质、产品分布与常渣的产品性质均有显著差异，不仅直接影响下游催化装置的加工量与收率，也会对全厂物料平衡产生影响。固定床装置不能在运转中取剂评价，无法判断催化剂还能使用多长时间，原料、负荷变化引起催化剂失活速度变化时需要有指导炼厂调整工艺参数的方案。由于催化剂的活性不仅与催化剂本身的性能和制备方法有关，还主要与渣油加氢装置反应温度有关，因此，需要预测渣油加氢装置的反应温度。
2、近几年随着机器学习技术的发展，训练反应温度预测模型，进而基于反应温度预测模型预测渣油加氢装置的反应温度成为一种趋势。然而，影响渣油加氢装置的反应温度的因素很多，而相关技术一般只是基于渣油加氢装置本身的特征进行模型训练，导致所训练的反应温度预测模型精度较低。
技术实现思路
1、本公开实施例提供了一种渣油加氢装置反应温度预测模型的训练方法及预测方法，能够提高所训练的反应温度预测模型的精度。所述技术方案如下：
2、第一方面，提供了一种渣油加氢装置反应温度预测模型的训练方法，所述方法包括：
3、获取多个训练样本数据，所述训练样本数据为样本催化剂在样本渣油加氢装置内运行时采集的数据；
4、获取多个所述训练样本数据的基础特征和组合特征，所述基础特征为影响样本渣油加氢装置反应温度的特征，所述组合特征为影响样本渣油加氢装
5、基于多个所述训练样本数据的基础特征和组合特征，对多个初始反应温度预测模型进行训练，得到多个反应温度预测模型，所述多个初始温度预测模型的网络结构不同；
6、基于预设筛选条件，从所述多个反应温度预测模型中，获取目标反应温度预测模型；
7、对所述目标反应温度预测模型的模型参数进行调整，得到已训练的反应温度预测模型，所述已训练的反应温度预测模型用于对渣油加氢装置的反应温度进行预测。
8、在本公开的另一个实施例中，所述样本训练数据为表格形式，所述获取多个所述训练样本数据的基础特征和组合特征之前，还包括：
9、移除多个所述训练样本数据中的非数据列，得到多个第一次处理后的样本训练数据；
10、采用正则表达式，对多个所述第一次处理后的样本训练数据的数据格式进行处理，得到多个第二次处理后的样本训练数据；
11、采用箱型图法，去除多个所述第二次处理后的样本训练数据中的异常值，得到多个第三次处理后的样本训练数据；
12、对多个所述第三次处理后的样本训练数据中的空白值进行填充，得到多个第四次处理后的样本训练数据；
13、将移除的多个所述训练样本数据中的非数据列与相应的第四次处理后的样本训练数据进行关联，得到多个预处理后的训练样本数据；
14、所述获取多个所述训练样本数据的基础特征和组合特征，包括：
15、获取多个所述预处理后的训练样本数据的基础特征和组合特征。
16、在本公开的另一个实施例中，所述多个预处理后的训练样本数据之后，还包括：
17、获取预处理参数，所述预处理参数用于将所述训练样本数据处理成所述预处理后的训练样本数据；
18、存储所述预处理参数，以在调用所述已训练的反应温度预测模型对所述渣油加氢装置的反应温度进行预测时，能够基于所述预处理参数对所述渣油加氢装置的运行数据进行预处理，所述运行数据为催化剂在所述渣油加氢装置内运行时采集的数据。
19、在本公开的另一个实施例中，所述基础特征包括运行天数、进料渣油与蜡油的总流率、原料比重、碳的比重、硫的比重、氮的比重、镍的百万分比浓度、钒的百万分比浓度、渣油产品的比重、渣油产品中剩余碳的比重、渣油产品中剩余硫的比重、渣油产品中剩余氮的比重、渣油产品中剩余镍的百万分比浓度、渣油产品中剩余钒的百万分比浓度、循环氢的比重及样本催化剂中脱金属剂、脱硫剂与脱碳剂的装填比例；
20、所述组合特征包括金属沉积量、除碳率及总进料量。
21、在本公开的另一个实施例中，所述金属沉积量包括每日镍钒的金属沉积量，所述获取多个所述训练样本数据的组合特征，包括：
22、基于多个所述训练样本数据的所述进料渣油与蜡油的总流率、所述镍的百万分比浓度、所述钒的百万分比浓度、所述渣油产品的比重、所述渣油产品中剩余镍的百万分比浓度及所述渣油产品中剩余钒的百万分比浓度，确定多个所述训练样本数据的所述每日镍钒的金属沉积量；
23、基于多个所述训练样本数据的所述进料渣油与蜡油的总流率、所述碳的比重、所述渣油产品的比重、所述渣油产品中剩余碳的比重，确定多个所述训练样本数据的所述除碳率；
24、基于多个所述训练样本数据的所述进料渣油与蜡油的总流率，确定多个所述训练样本数据的所述总进料量。
25、在本公开的另一个实施例中，所述基于多个所述训练样本数据的基础特征和组合特征，对多个初始反应温度预测模型进行训练，得到多个反应温度预测模型，包括：
26、将多个所述训练样本数据划分为训练集和测试集，所述训练集和所述测试集分别包括至少一个所述训练样本数据；
27、基于所述训练集中的训练样本数据的基础特征和组合特征，对所述多个初始反应温度预测模型进行训练，得到多个反应温度预测模型；
28、所述基于预设筛选条件，从所述多个反应温度预测模型中，获取目标反应温度预测模型，包括：
29、调用每个反应温度预测模型，对所述测试集中的每个训练样本数据进行处理，得到每个反应温度预测模型对每个训练样本数据的预测结果；
30、基于每个反应温度预测模型对每个训练样本数据的预测结果，从所述多个反应温度预测模型中，获符合所述预设筛选条件的所述目标反应温度预测模型。
31、第二方面，提供了一种渣油加氢装置反应温度预测方法，所述方法应用于第一方面所训练的反应温度预测模型，所述方法包括：
32、获取运行数据，所述运行数据为催化剂在所述渣油加氢装置内运行时采集的数据；
33、获取所述运行数据的目标基础特征和目标组合特征；
34、调用所述反应温度预测模型，对所述目标基础特征和所述目标组合特征进行处理，得到所述渣油加氢装置的反应温度。
35、第三方面，提供了一种渣油加氢装置反应温度预测模型的训练装置，所述装置包括：
36、第一获取模块，用于获取多个训练样本数据，所述训练样本数据为样本催化剂在样本渣油加氢装置内运行时采集的数据；
37、第二获取模块，用于获取多个所述训练样本数据的基础特征和组合特征，所述基础特征为影响样本渣油加氢装置反应温度的特征，所述组合特征为影响样本渣油加氢装置内样本催化剂活性的特征，所述组合特征根据所述基础特征确定；
38本文档来自技高网...
【技术保护点】
1.一种渣油加氢装置反应温度预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述样本训练数据为表格形式，所述获取多个所述训练样本数据的基础特征和组合特征之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述多个预处理后的训练样本数据之后，还包括：
4.根据权利要求1所述的方法，其特征在于，所述基础特征包括运行天数、进料渣油与蜡油的总流率、原料比重、碳的比重、硫的比重、氮的比重、镍的百万分比浓度、钒的百万分比浓度、渣油产品的比重、渣油产品中剩余碳的比重、渣油产品中剩余硫的比重、渣油产品中剩余氮的比重、渣油产品中剩余镍的百万分比浓度、渣油产品中剩余钒的百万分比浓度、循环氢的比重及样本催化剂中脱金属剂、脱硫剂与脱碳剂的装填比例；
5.根据权利要求4所述的方法，其特征在于，所述金属沉积量包括每日镍钒的金属沉积量，所述获取多个所述训练样本数据的组合特征，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于多个所述训练样本数据的基础特征和组合特征，对多个初始反应温度预测模型进行
7.一种渣油加氢装置反应温度预测方法，其特征在于，所述方法应用于权利要求1至6中任一项所训练的反应温度预测模型，所述方法包括：
8.一种渣油加氢装置反应温度预测模型的训练装置，其特征在于，所述装置包括：
9.一种渣油加氢装置反应温度预测装置，其特征在于，所述装置内安装有权利要求1至6中任一项所训练的反应温度预测模型，所述装置包括：
10.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现如权利要求1至6中任一项所述的渣油加氢装置反应温度预测模型的训练方法，和/或，权利要求7所述的渣油加氢装置反应温度预测方法。
11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现如权利要求1至6中任一项所述的渣油加氢装置反应温度预测模型的训练方法，和/或，权利要求7所述的渣油加氢装置反应温度预测方法。
12.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序代码，所述计算机程序代码存储在计算机可读存储介质中，电子设备的处理器从所述计算机可读存储介质读取所述计算机程序代码，所述处理器执行所述计算机程序代码，使得所述电子设备执行如权利要求1至6中任一项所述的渣油加氢装置反应温度预测模型的训练方法，和/或，权利要求7所述的渣油加氢装置反应温度预测方法。
...【技术特征摘要】
1.一种渣油加氢装置反应温度预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述样本训练数据为表格形式，所述获取多个所述训练样本数据的基础特征和组合特征之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述多个预处理后的训练样本数据之后，还包括：
4.根据权利要求1所述的方法，其特征在于，所述基础特征包括运行天数、进料渣油与蜡油的总流率、原料比重、碳的比重、硫的比重、氮的比重、镍的百万分比浓度、钒的百万分比浓度、渣油产品的比重、渣油产品中剩余碳的比重、渣油产品中剩余硫的比重、渣油产品中剩余氮的比重、渣油产品中剩余镍的百万分比浓度、渣油产品中剩余钒的百万分比浓度、循环氢的比重及样本催化剂中脱金属剂、脱硫剂与脱碳剂的装填比例；
5.根据权利要求4所述的方法，其特征在于，所述金属沉积量包括每日镍钒的金属沉积量，所述获取多个所述训练样本数据的组合特征，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于多个所述训练样本数据的基础特征和组合特征，对多个初始反应温度预测模型进行训练，得到多个反应温度预测模型，包括：
7.一种渣油加氢装置反应温度预测方法，其特征在于，所述方法应用于权利要求1至6中任一项所训练的反应温度预测模型，所述方法...
【专利技术属性】
技术研发人员：卢文君，金玮，侯士超，张金蓉，崔瑞利，张弢，李新宅，安向哲，马旭鑫，
申请(专利权)人：昆仑数智科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。