专利名称：评估和优化原油选择的方法及系统的制作方法
技术领域：
本发明涉及原油的精炼，更具体地说，涉及评估和优化原油选择的方法及系统。具体而言，本发明涉及帮助炼油厂评估和选择非最佳品质的原油和原油掺混物，以及选择适当的化学处理和条件来减小处理这类原油时的运行问题的方法及系统。
背景技术：
由于价格和可用性的原因，炼油厂要处理低质量的原油正面临极高的压力。然而，在许多场合，炼油厂并不具备关于一些原油的以及他们在运行环境中应该如何使处理这些原油切实可行且最佳的足够信息和知识。各家炼油厂只能使用他们实际上已经用过或测试过的原油的信息和知识。
为解决缺乏关于原油的足够信息以及在运行环境中应该怎么办的问题，一些炼油厂已作出了努力，采用实验室模拟来开发某些性能的预测模型。然而，这些模型是有局限的，并不能解决在处理这些原油时可能引起的往住复杂的特定问题，以及如何使用适当的化学处理方案来减轻这些问题。
线性编程系统也已经实现，这些系统着力于原油的分馏和相应的馏分产量，但是这些系统在原油选择模型中并没有解决处理化学药品的使用。这些方法不能告诉炼油厂原油掺混物如何影响运行和设备。因此，炼油厂缺乏为了评估使用这些原油经济实用性所必需的重要信息。
因此，需要能克服现有技术的方法及系统不足的评估和优化原油选择的方法及系统。
发明内容
本发明提出评估和优化原油选择的方法及系统。在本发明的一个方面，用数据库存储大量数据，其中包括与不同种类原油有关的实验数据；它们的测试特性；原油已经被处理过的运行条件以及任何有关的处理困难和/或性能或者风险参数；以及实验室模拟数据。该方法及系统使用数据作为用以优化或改善炼油过程而设计的至少一个预测性能模型和/或至少一个风险评估模型的基础。
本发明提出一种访问并使用存储在数据库的数据的预测引擎。该预测引擎被输入对应于特定原油或者原油掺混物(例如至少一种原油拟用名单)的关键原油信息和对应于特定炼油厂的炼油运行参数和条件，并使用合意性衡量标准来评估与数据库中数据类似之处。至少一个预测性能模型和/或至少一个风险评估模型利用所得到的输出，预测使用特定炼油厂在炼油过程中精炼特定的原油或者原油掺混物的性能措施在炼油过程中发生问题的可能性，问题在整个炼油过程中分布等等。然后预测引擎评估各种处理方案，从而优化或改善炼油过程性能。
合意性衡量标准使用户能评估与以前的准确方案的接近程度，而预测性能模型使得感兴趣的性能或风险参数或它们的可能性能被估计。例如，用户可能对于特定的原油在冷塔列中污垢的可能性的估计感兴趣。预测引擎检索与特定的原油和炼油单元中污垢有关的数据，评估以前的经验与现在状态的接近程度，那未可以通过适合的经验/统计和/或物理/理论模型预测污垢可能性。
本发明利用实际运行数据和专业知识来推导对于性能参数适合的模型。本发明不仅关注性能预测，也关注问题解决方案，可以作为决策支持系统使用。
本发明方法的步骤可以通过处理器执行可编程指令实现，可编程指令或其一部分存储在计算机可读媒体中，或者包含在嵌入传输媒体的计算机数据信号中。
图1表示评估和优化原油选择的系统的示范实施例的框图；图2表示评估和优化原油选择的系统的预测引擎的运行流程图；图3表示预测引擎的原油搜索模块的运行流程图；图4表示预测引擎的运行条件搜索模块的运行流程图；图5表示预测引擎的原油拟用名单和化学药品选择模块的运行流程图；图6表示输入要由预测引擎的拟用原油数据计分算法处理的输入项的示范性显示画面；图7表示输入要由预测引擎的运行条件计分算法处理的输入项的示范性显示画面；图8表示用户选择原油拟用名单的计分结果的示范性显示画面；图9a和9b表示输入预测引擎的预测模型的输入项的示范性显示画面；图10表示使用预测引擎预测腐蚀的示范预测模型的程序；图11表示使用预测引擎预测模型的程序给出结果的示范性显示画面。
优选实施方式在下文结合附图1-5说明本发明评估和优化原油选择的方法及系统。参阅图1，该图表示总体以标号100表示的评估和优化原油选择系统的框图。该系统100包括数据库102，数据库102存储大量数据，其中包括与不同种类原油有关的实验数据；它们的测试特性；原油已经被处理过的运行条件及任何有关的处理困难和/或性能或者风险参数；以及实验室模拟数据。该方法及系统用数据作为用来优化或改善炼油过程的至少一个预测性能模型和/或至少一个风险评估模型的基础。这些模型所得到的输出如图11所示。
该系统100还包括访问并使用存储在数据库102的数据的预测引擎104。该预测引擎104被输入对应于特定的原油或者原油掺混物(例如至少一种原油拟用名单)的关键原油信息106和对应于特定炼油厂的炼油运行参数和条件108，并使用合意性衡量标准来评估与数据库102中数据类似之处。预测引擎104使用一系列的算法来智能化地搜索和评估存储在数据库102的数据，并使用模型预测性能或者风险参数。预测引擎104输出建议的原油拟用名单、化学处理和选预测性能参数110。数据库102可以与预测引擎104相距很远，通过例如LAN、WAN、Internet等常规网络系统与预测引擎104连接。
根据所得到的输出，至少一个预测性能模型和/或至少一个风险评估模型使用该输出，预测使用特定炼油厂在炼油过程中精炼特定的原油或者原油掺混物的性能措施，在炼油过程中发生问题的可能性，问题在整个炼油过程中分布等等。这些预测性能模型和/或风险评估模型可以是预测引擎104的组成部分(在下文结合附图5第二级说明)或者外部引擎的组成部分。各种处理方案被用预测引擎104进行评估，以优化或改善炼油过程性能。最好依据为特定的炼油厂要求定制的衡量标准来评估处理方案。
图2表示预测引擎104的运行流程图，图中示出原油搜索模块202、运行参数/条件搜索模块204和原油拟用名单及化学药品选择模块206。如下所述，预测引擎104的各种功能由这些模块通过使用存储在数据库102中信息并用至少一个处理器执行对应于每个模块的一组可编程指令来实现。
因此，预测引擎104是可编程引擎，其中包含对应于三个模块中的每个模块的全部各组可编程指令。这些可编程指令或者其一部分可以存储在至少一个处理器中。这些可编程指令或其一部分也可以存储在计算机可读媒体中或包含在嵌入在传输媒体中的计算机数据信号中。
本发明的系统100在执行完可编程指令后就立即产生技术效果。该技术效果就是输出算法和模型的结果，指示建议的原油拟用名单的合意度、化学处理和预测的性能或者风险信息110，以及例如运行条件等其它有关信息。
继续参阅图2，原油搜索模块202由用户输入至少一个原油名称106a和可以由至少一个原油名称106a识别的至少一种原油的至少一个化学的或其它的原油特性106b。原油搜索模块202的输出是对应于存储在数据库102中至少一种原油的信息112。由原油搜索模块202输出的至少一种原油对应于可以由至少一个原油名称106a识别的至少一种原油，或者对应于其至少一种化学或其它特性类似于由至少一个原油名称106a识别的至少一种原油的至少一种化学或其它特性的至少一种原油。
运行参数/条件搜索模块204由用户输入至少一个炼油厂运行参数和/或条件108，输出存储在数据库102中的信息114，该信息指示至少一个与用户输入相比具有至少一个相同的或类似的运行参数/条件的炼油厂。如图2所示，由原油搜索模块202输出的信息112和由运行参数/条件搜索模块204输出的信息114，被输入到原油拟用名单及化学药品选择模块206。原油拟用名单及化学药品选择模块206的输出是建议的原油拟用名单的合意度、化学处理和性能或者风险参数信息110以及例如运行条件等其它有关信息。
原油搜索模块参阅图3，该图表示预测引擎104的原油搜索模块202的运行流程图。如上所述，原油搜索模块202由用户输入至少一个原油名称106a和可以由至少一个原油名称106a识别的至少一种原油的至少一个化学或其它原油特性106b。原油搜索模块202的输出是对应于存储在数据库102中的至少一种原油的信息112。
原油搜索模块202被输入至少一种原油名称106a，并在步骤300确定数据库102中是否有至少一个记录含有可用至少一种原油名称106a识别的至少一种原油。假如数据库102中有至少一个记录含有可由至少一种原油名称106a识别的至少一种原油，则过程进入步骤302，而假如没有，则过程转入步骤304。在步骤302中，访问数据库102中具有可由至少一种原油名称106a识别的至少一种原油的至少一个记录。
在步骤304中，原油搜索模块202根据至少一个化学或其它特性106b搜索数据库102，寻找至少一个含有与可由至少一种原油名称106a识别的至少一种原油相类似的原油的记录。步骤302或步骤304中获得的信息由原油搜索模块202输出。因此，如上所述，由原油搜索模块202输出的至少一种原油对应于可以由至少一个原油名称106a识别的至少一种原油，或者对应于至少一种其至少一种化学或其它特性类似于由至少一个原油名称106a识别的至少一种原油的至少一种化学或其它特性的原油。
原油搜索模块202也可输出数据116，该数据指示对应于模块202输出的至少一种原油的统计性能与其它信息。数据116可以用可视的形式(例如，图表或表格等形式)给出。数据116可以从数据库102获得，或者由原油搜索模块202利用存储在数据库102中的原始数据计算得到，或者从别处例如炼油厂计算机系统得到。
运行参数/条件搜索模块参阅图4，该图示出预测引擎104的运行参数/条件搜索模块204的运行流程图。如上所述，运行参数/条件搜索模块204由用户输入至少一个炼油厂运行参数和/或条件108，并输出存储在数据库102中信息114，该信息指示至少一个与用户输入相比具有至少一个相同的或类似的运行参数/条件的炼油厂。
运行参数/条件搜索模块204被输入至少一个炼油厂运行参数和/或条件108，在步骤400确定在数据库102中是否有至少一个记录与具有至少一个炼油厂运行参数和/或条件108的至少一个炼油厂相同。假如在数据库102中有至少一个记录与具有至少一个炼油厂运行参数和/或条件108的至少一个炼油厂相同，则过程进入步骤402，若没有，则过程转至步骤404。在步骤402申，数据库102中至少一个记录被访问，识别至少一个具有至少一个炼油厂运行参数和/或条件108的炼油厂。
在步骤404中，运行参数/条件搜索模块204搜索数据库102中至少一个与至少一个炼油厂运行参数和/或条件108相比具有至少一个类似的运行参数和/或条件的炼油厂。所获得的信息在步骤402或404由运行参数/条件搜索模块204作为信息114输出。因此，如上所述，在至少一个用户输入运行参数和/或条件108时，信息114指示至少一个具有至少一个相同或相似的运行参数和/或条件的炼油厂。
原油拟用名单和化学药品选择模块参阅图5，该图示出预测引擎104的原油拟用名单和化学药品选择模块206的运行流程图。模块206包括图5中标号分别为500和502的两个运行级(第一级和第二级)。如下文所述，第一级运行步骤总是被执行，而第二级运行步骤为任选，主要在第一级的数据输出不能提供有用结果时才被执行。
1.第一级原油拟用名单和化学药品选择模块206被输入从原油搜索模块202和运行参数/条件搜索模块204输出的信息112、114。在第一级的步骤504中，两组信息112、114被计分并加以合并，然后确定经合并的信息的总体合意度，如下文在“第一级预测引擎的算法”部分所详述。在步骤506中，包括根据所确定的合并信息的合意度排列的输出被搜集，输出数据中包括关于处理和对应的性能指标信息。在步骤506之后，处理过程离开第一级。
在步骤508中，用户应当评估该结果的实际应用性，从而有助于确定该输出是否有用，即该输出是否包含充分的信息使用户能够做出有关使用特定的炼油厂来精炼特定的原油或者原油掺混物的决定。假如是，原油拟用名单和化学药品选择模块206提供该输出给用户。如上所述，该输出中包括建议的原油拟用名单、化学处理和性能参数信息110以及例如运行条件等其它有关信息。
2.第二级假如在步骤508中，确定该输出对用户可能不是有用的，用户可选择进入第二级。在第二级内的步骤510中，至少一个预测性能模型和/或至少一个风险评估模型使用来自步骤506的输出，如以下第二级预测引擎的模型中将要详述，在步骤512中预测使用特定炼油厂精炼特定的原油或原油掺混物(例如至少一个原油拟用名单)的性能措施、在炼油过程中发生问题的可能性、问题在整个炼油过程中分布，等等。
此外，如图5所示，在步骤512中，还由至少一个预测性能模型和/或至少一个风险评估模型预测例如腐蚀、污垢和脱盐设备效率的性能指标。然后，第二级输出由至少一个预测性能模型和/或至少一个风险评估模型确定的建议的原油拟用名单、化学处理和KPI信息110以及其它有关信息。
3.第一级预测引擎的算法原油拟用名单和化学药品选择模块206的第一级使用三个基本算法。这些算法在现用的形式中使用并扩充Derringer和Suich的文献(Simultaneous Optimization of Several Response Variables，Journal of Quality Technology，12，4，214-219)中描述的合意衡量标准方案，尽管这些算法可以被改为使用任何种类的其它模糊逻辑方案。该杂志文章全部内容通过引用而纳入本文。这三个算法是原油拟用名单数据计分算法、运行数据计分算法和合并数据算法。原油拟用名单数据计分算法的目的或功能是通过根据每个原油拟用名单成分满足用户标准的程度给每个原油拟用名单成分计分，再将至少一个用户要求的原油拟用名单的各个分数组合，从而给出复合原油拟用名单分数，达到帮助用户识别存储在数据库中的至少一个类似于至少一个用户要求的原油拟用名单(例如，至少一个原油拟用名单)的原油拟用名单。
运行条件数据计分算法的目的或功能是根据各个别参数和/或条件满足用户对于各个别参数和/或条件的标准的程度来给每个个别参数和/或条件计分，并输出运行分数，再将所有各个运行分数组合，从而给出复合运行分数。合并数据算法的目的或功能是通过如下所述地将复合原油拟用名单分数和复合运行分数组合，确定最高的总体复合分数。
3a.原油拟用名单数据计分算法原油拟用名单数据计分算法的用户输入是(1)有兴趣的原油，这些项最好从下拉式菜单604a(见图6)选择；(2)对原油拟用名单内每一种原油选择目标或目的选项(最大化、最小化、指标和范围)；(3)假如选择目标选项是最大化、最小化和范围，则为上限和下限搜索值(USV和LSV)，假如指标是选择的目标选项，则为指标、上限和下限搜索值(target、USV和LSV)；(4)从高、中和低(代码为5、3和1)中选择的重要程度；以及(5)数据库102中的数据(例如，Y_VALUES，在下文说明)。
图6示出输入要由原油拟用名单数据计分算法处理的用户输入项的示范性显示画面。在第一列600，登入用户输入(1)；在第二列602，登入用户输入(3)，即LSV 602a和USV 602b；在第三列604，登入用户输入(2)；在第四列605，若目标是指标，则输入指标值；在第五列606，登入用户输入(4)。
按照下列规则选择USV和LSV假如目标或目的是使选择的感兴趣的原油为最多，则LSV值应该为使用户完全不满意(即0％满意度)的最小值，而USV值应该为使用户完全满意(即100％满意度)的最大值。假如目标或目的是使有选择的感兴趣的原油为最少，则LSV的值应该为使用户完全满意(即100％满意度)的最小值，而USV的值应该为使用户完全不满意(即0％满意度)的最大值。
假如目标或目的是指标，则LSV和USV应该是落在使用户完全不满意(即0％满意度)的值之外，且用户将在LSV和USV的指标点完全满意(即100％满意度)。指标点由用户定义，而且针对具体例而定。假如目标或目的是范围，则LSV和USV应该是落在使用户完全不满意(即0％满意度)的值之外，且用户将对落在LSV和USV之间的值完全满意(即100％满意度)。
在所有例中，对于每一个别原油成分，默认值LSV和USV是由存储在数据库102中数据观测到的最小和最大百分比。在下文给出四种不同情况(即最大、最小、指标和范围)的例子。
例1用户要求在原油拟用名单中阿拉伯重质原油(Arab Heavycrude)尽可能地多。此例中，目标是使阿拉伯重质原油为最大，则LSV是0％，USV是100％。LSV和USV是默认值。这些值表示在数据库102中的范围，即对于在数据库102中包含特定原油的所有记录，过去曾使用过的最低和最高百分比。对于所有情况系统默认值LSV和USV就是这样定义的，但是这些值都可由用户编辑。
例2用户要求在原油拟用名单中阿拉伯中质原油(Arab Mediumcrude)尽可能地少。此例中，目标是使阿拉伯中质原油为最小，则系统默认值LSV是0％，系统默认值USV是50％。
例3用户要求在原油拟用名单中使用阿拉伯超轻质原油(ArabExtra Light crude)正好为9.5％(若可能的话)。此例中，目标是指标，用户选择的指标值是9.5％，则系统默认值LSV是0％，系统默认值USV是100％。此例如图6所示。
例4用户只是要求在原油拟用名单中肯定有阿拉伯轻质原油(Arab Light crude)。此例中，目标是范围，则LSV是1％，USV是100％。此例中，LSV是用户定义的，USV是系统默认值。
原油拟用名单数据计分算法根据原油拟用名单成分满意用户标准的程度给出每种原油拟用名单成分的个别分数。然后再将至少一个用户所要求的原油拟用名单所有各个分数组合得到该原油拟用名单的复合原油拟用名单分数。用户可以选择查看详细计分，并且还可选择根据输出来修改用户输入或标准。
以下是为每一种原油拟用名单成分接受的输入，原油拟用名单数据算法为确定各原油拟用名单成分的单独计分而执行的计算，以及复合原油拟用名单分数。
输入用户指定的针对各成分的输入可能输入值目标最大化，最小化，指标，范围LSV 连续的指标 连续的USV 连续的WT(权重)(在本实施例设为1，但可以变化，通常为1-10)IP(重要性) 1(低)，3(中)，(高)Y_VALUES连续的在以下所示的计算中，Y指要计分的任何特性，例如各原油特性，原油拟用名单特性，运行参数或性能参数。Y_VALUES从数据库102或另外的数据库检索到。
计算对于用户指定的各Y，计算IND_D假如目标是最大化，则IND_D＝0 if Y_Value＜LSVIND_D＝1 if Y_Value＞USV按另一种方式计算IND D＝[(Y_Value-LSV)/(USV-LSV)]WT假如目标是最小化，则IND_D＝0 if Y_Value＞USVIND_D＝1 if Y_Value＜LSV按另一种方式计算
IND_D＝[(Y_Value-USV)/(LSV-USV)]WT假如目标是指标，则If Y_Value＞＝Target andIf Y_Value＞USV then IND_D＝0IND_D＝[(Y_Value-USV)/(Target-USV)]WTIf Y_Valne＜Target andIf Y_Valne＜LSV then IND_D＝0IND_D＝[(Y_Value-LSV)/(Target-LSV)]WT假如目标是范围，则IND_D＝1 if LSV＜＝Y_Value＜＝USV否则IND_D＝0那未，对应于原油拟用名单的复合原油拟用名单分数(composite_D)计算如下Composite_D＝[product of all(IND_DIP)]^(1/sum of all IP).
使用原油拟用名单数据算法对具有下列原油Duri、Griffin、AghaJari和Jran-Heavy的原油拟用名单计分的例子说明如下输入
Component GoalLSV Target USV Importance Y_ValueDuri Maximize40 47 Medium(3)46GriffinTarget 11 13 15 High(5) 13.2Agha Jari Maximize80 92 High(5) 90.3Iran-Heavy Minimize24 26 Low(1) 20计算Component IND_DDuri 0.857 [(46-40)/(47-40)]1Griffin 0.900 [(13.2-15)/(13-15)]1Agha-Jari 0.858 [(90.3-80)/(92-80)]1Iran-Heavy 1 Since 20＜24那未对于该原油拟用名单的Composite_D即复合原油拟用名单分数等于0.88，即[(0.8573)(0.905)(0.8585)(11)]^(1/14)＝0.88.
3b.运行数据计分算法运行数据计分算法的用户输入是(1)感兴趣的运行参数和/或条件；(2)参数和/或条件的目标选项(最大化、最小化、指标和范围，这里指标为默认目标)用下拉式菜单选择；(3)若选择的目标选项是最大化、最小化和范围，则为上限和下限搜索值(USV和LSV)，若选择的目标选项是指标，则为指标、上限和下限搜索值(target，USV和LSV)(与原油拟用名单数据计分算法相同)；(4)从高、中和低(代码为5、3和1)中选择重要程度(即与原油拟用名单数据计分算法相同)；(5)感兴趣的运行参数和/或条件所要求的单位(ISO或者ASTM单位)；以及(6)数据库102中的数据(例如，Y_Values)。
图7表示输入要由运行数据计分算法处理的用户输入项的示范性显示画面。在第一列700，用户检查在搜索数据库102时是否要包括运行参数和/或条件；在第二列702，登入用户输入(1)；在第三列711，登入用户输入(4)；在第四列704，输入当前值；在第五列706，登入用户输入(5)；在第六列708，登入用户输入(3)，即LSV 708a和USV 708b；以及在第七列710，登入用户输入(2)。
运行数据计分算法根据各运行参数和/或条件满足用户对于那个运行参数和/或条件的标准的程度对各运行参数和/或条件给出个别的分数。再将所有各个分数组合，从而给出复合运行分数。
对于各量化的运行参数和/或条件(例如，塔顶温度)，为了获得复合运行分数，运行数据计分算法所执行的计算与上述的原油拟用名单数据计分算法所执行的计算相同。对于任何绝对的参数和/或条件，例如用于脱盐设备的一次清洗水源可以取与清洗酸水、锅炉进水、真空冷凝水等一样的值。假如该参数和/或条件是最佳的，自动地被指定为1分，假如参数和/或条件不是最佳的，自动地被指定为0分。缺失的参数和/或条件自动指定为0分。用户可以选择看详细的计分，并且也有选项根据输出修改用户输入或标准。
题目为“用以设计使一组性质最佳匹配的系统与方法(Systemsand Methods for Designing a New Material that Best Matches a DesiredSet of Properties)”的美国专利申请(2002年10月提交，美国专利申请号No.10/281658)公开并介绍了计分方法和算法。该专利申请的全部内容通过引用而纳入本文。
3c.合并数据算法合并数据算法的用户输入是(1)由原油拟用名单数据算法确定的对应于各原油拟用名单的所有各复合原油拟用名单分数；(2)由运行数据计分算法确定的对应于各个参数和/或条件的所有各个运行分数；以及(3)用户感兴趣的响应参数和/或条件，例如炼油厂污垢可能性、脱盐设备的效率和炼油厂腐蚀可能性。
合并数据算法处理所输入的数据，并通过将复合原油拟用名单和复合运行分数组合而获得综合分数或复合分数，以升高或者降低的次序提供具有最高的总综合分数的原油拟用名单作为输出。在一优选实施例中，对各原油拟用名单的综合或复合分数通过将由原油拟用名单数据计分算法和运行数据计分算法得到的对应于各原油拟用名单的两个独自的复合分数相乘并采用扩展加权几何平均数方法获得。在以下的例中，各个分数被以同样高的重要性(重要性的范围1-5)加权[(复合原油拟用名单分数)5(复合运行分数)5]^(1/10)合并数据算法还输出对用户感兴趣的响应参数和/或条件的响应参数值以及对特定的炼油厂的处理信息。处理信息包括用以处理用户感兴趣的响应参数和/或条件的信息，以及其它可能的炼油厂响应。
图8是表示对所选择的原油拟用名单的计分结果的示范性显示画面。在第一列800，用户可以通过在对应的小框打勾来选择原油拟用名单；在第二列802，根据感兴趣的原油是否正好是数据记录中唯一的或者在感兴趣的原油之外还有其它原油，分别将每个原油拟用名单分类为“正合”或“子集”；在第三列804，给出组成每一个原油拟用名单的各种原油的百分比；在第四列806；给出组成每一个原油拟用名单的各种原油；在第五列808，给出对于每一个原油拟用名单的污垢的可能性；在第六列810，给出对于各原油拟用名单的脱盐效率；在第七列812，如原油拟用名单数据计分算法所确定，给出对于每一个原油拟用名单的匹配分数(匹配分数与复合原油拟用名单分数相同)；在第八列814，如运行数据算法计分所确定，给出对于各运行条件的匹配分数(匹配分数与复合运行分数相同)；在第九列816，给出综合或复合分数。
用户在第二列可以选择“正合”或者“子集”，从而获得更详细的信息。用户也可通过选择图标“计分用模型”818来选择使用至少一个预测性能模型和/或至少一个风险评估模型来对数据计分。用户也可以通过选择图标“修改标准”820来选择修改标准以获得不同的结果。
图8所示的数据按照综合或复合分数分类，即从高到低的降低的次序分类。该数据也可以按照用户感兴趣的响应参数和/或条件以升高或降低的次序分类。
4.第二级预测引擎的模型第二级之目的是在特定的原油或原油掺混物的炼油过程中，通过用以优化或改善炼油运行设计的至少一个预测性能和/或风险评估模型，使用户能获得对于所选择的原油拟用名单和运行参数和/或条件的感兴趣的预测响应参数。对第二级的输入是(1)如图8所示的第一级所有输出；(2)所选择的感兴趣的处理；(3)对各感兴趣的响应参数的目标(即最大化、最小化、指标和范围)；以及(4)来自数据库(102)或其它数据库的数据。第二级使用可以用统计或其它类型的软件实施的经验/统计和/或理论/物理模型；约束优化算法/程序；以及推导输出的计分算法。经验/统计和/或理论/物理模型构成或包含至少一个预测性能模型和至少一个风险评估模型。
经验/统计和/或理论/物理模型可以包括(但不限于)例如下列模型线性回归模型；逻辑回归模型；非线性回归模型；分类和回归树以及它们的扩展；多次可加回归样条以及它们的扩展；部分最小二乘方回归模型；广义可加模型；投影寻踪回归等神经网络以及它们的扩展；模拟模型；贝叶斯置信网络(Bayesian Belief Network)等基于专家系统的模型；理论计算模型；工程经济模型；财务风险模型；决策分析模型；以及反应动力学和热力学质量传输、能量传输、分离过程和流体力学等基于化学、物理和工程原理的工程处理模型。约束优化程序可以包括(但不限于)网格约束程序、任何具有约束的一般非线性算法或者其它补偿函数方法。
此外，这些模型不限于按性能或风险参数的一个模型。这些模型可以取并行或者顺序的路径。例如，可能需要多个模型预测脱盐效率并识别相应的化学处理和剂量率。这些模型的输出还可作为用于其它性能或风险参数的其它模型的输入。例如，脱盐模型的输出就可以作为塔顶交换机腐蚀模型的输入。全部输出包括预测的或计算的响应参数；处理信息；以及包括响应分数和处理分数的综合分数。
图9A和9B表示用于在第二级期间输入预测模型化的输入项的示范性显示画面，其中的目标为指标。首先，如方框900所示，确认原油拟用名单，对每一种原油输入指标百分比。指标百分比用来将个别的分析信息转变为混合的分析信息，用作对预测模型的输入。方框902指示TAN值(总酸值Total Acid Number)，在本例中TAN值是0.25。其次，在方框904，对每个感兴趣的响应参数选择目标904a，输入相应的LSV904b和USV904c，包括指标百分比904d。
继续看图9B，在方框906，选择感兴趣的处理。在第一方框906选择脱盐处理，在第二方框910选择腐蚀处理，在第三方框912输入氨速率。此例中，氨速率是0.0。图9B所示的值和速率最好用对应于用户在图9A和9B所示画面之前显示的画面上选择的特定炼油厂的值和速率的最新数据库登记项自动填入。此后，用户继续选择下列一个图标“取得预测值”914，用于使用预测引擎104的预测模型进行预测；“重设”916，用于抹去所有项目；“返回拟用名单”918，用于返回图8所示的画面显示。
若选择“取得预测值”图标，则预测引擎104用由图9A和9B所示的画面显示提供的输入项以及如上所述的、作为第二级的输入信息接收的其它信息(例如来自数据库102或其他数据库的数据)进行预测模型化。
图10表示使用预测引擎104预测腐蚀的示范性预测模型化程序。预测模型化程序在步骤1使用JavaTM建立输入文本文件。输入文本文件包含两行(Row1和Row2)，第一行(Row1)包含变量名，举例说明例如塔顶温度(ovhdTemp)、塔顶压力(ovhdPressure)、塔顶PH(ovhdPH)和在空气塔交换机中所使用的合金(AtmAlloyExch)，以及第二行(Row2)包含对应于第一行(Row1)的各变量名的值或者数据。
在步骤2，JavaTM访问构造和存储模型的软件。在一实施例中，所用的软件是R，并且通过R脚本例程(script routine)访问。模型可以作为目标建立并存储在R内。在步骤3，R脚本例程取出输入文本文件并建立输出文本文件。此例中，输出文本文件包含具有三列的一行。左边的第一个值是预测的腐蚀，而另外两项是95％预测区间的下和上限值。根据用户感兴趣的性能和风险参数的数目，输出数量会有变化。
最后，在步骤4，JavaTM分析输出文本文件，并通过各种手段向用户提交结果，例如通过图11的示范性显示画面所示的画面显示。在图11，顶行是用以上有关第二级所述的输入值的预测，而其它行是用如下所述的一个可能的约束优化程序排列的结果。
约束优化程序使用网格约束算法。该程序考虑用户提供的指标百分率的±10％作为原油拟用名单成分，并考虑用其它运行/条件参数的上限和下限值作为输入，提供给第二级。若有n个成分，则在所有n个成分周围建立网格。对于配方成分(formulationcomponents)，对n个成分求和，总和小于总数(例如100％)的组合被排除。对于总和大于总数的运算情况，将总和减去总数并一次一个成分地从各个别成分减去所述的结果，同时检查确定所述的结果是否仍在各个限值内。最后，检查结果以确定是否有任何重复。
以下是本发明的一例约束优化程序。原油拟用名单包含四种不同的原油A、B和C，其中10％＜A＜40％，20％＜B＜50％和10％＜C＜70％以及总数是100％。使用三种网格尺寸，网格的子集如下所示
A B C 总和10 20 30 60排除10 30 10 50排除40 30 50 120 差值为2030 40 70 140 差值为4010 40 50 100 保持原样第三行如下所述地修改(1)(40-20)，30，50；(2)40，(30-20)，50；(3)50，30，(50-20)。只有(1)和(3)保持在预测值内，因为(2)产生超出原油B的下限的设定。
第四行如下所述地修改(1)(30-40)，40，70；(2)30，(40-40)，70；(3)30，40，(70-20)。只有(3)保持在预测值内，因为(1)和(2)产生超出下限的设定。
本公开所述的实施例仅用于说明之目的，而不是限制性的，且不打算给出本公开的每个实施例。可以做出各种修改和改变而不脱离本公开在下述权利要求中规定的精神和范围。
权利要求
1.一种评估和优化原油选择的系统(100)，其中包括数据库(102)，存储与至少一种原油或原油掺混物有关的数据；以及具有由至少一个处理器执行的可编程指令的预测引擎(104)，用以访问数据库(102)获取数据并执行至少一个用来优化或改善炼油过程的预测性能和/或风险评估模型。
2.按照权利要求1所述的系统(100)，其中，预测引擎(104)包括原油搜索模块(202)，被输入至少一个原油名称和/或可以由至少一个原油名称识别的至少一种原油的至少一个化学或其它特性，并输出关于存储在数据库(102)中至少一种原油的信息，其中由原油搜索模块输出的至少一种原油对应于可以由至少一个原油名称识别的至少一种原油，或对应于具有其至少一种化学或其它特性类似于由至少一个原油名称识别的至少一种原油的至少一种化学或其它特性的至少一种原油；运行参数/条件搜索模块(204)，被输入至少一个炼油厂运行参数和/或条件，并输出存储在数据库(102)中的、指示具有与至少一个炼油厂运行参数和/或条件输入相比至少一个相同或类似的运行参数和/或条件的至少一个炼油厂的信息；以及原油拟用名单和化学药品选择模块(206)，被输入由原油搜索模块(202)输出的信息和由运行参数/条件搜索模块(204)输出的信息，并输出至少一种建议的原油拟用名单、化学处理和/或性能或风险参数。
3.按照权利要求2所述的系统(100)，其中，原油拟用名单和化学药品选择模块(206)包括第一级(500)，其中所述第一级(500)通过根据每个原油拟用名单成分满足用户标准的程度给至少一个用户要求的原油拟用名单的每个原油拟用名单成分计分，再将至少一个用户要求的原油拟用名单的所有各个分数组合，从而给出一个复合原油拟用名单分数，以识别存储在数据库(102)中的至少一个原油拟用名单类似于至少一个用户要求的原油拟用名单；其中第一级(500)还根据个别运行参数和/或条件满足用户对于那个个别运行参数和/或条件的标准的程度给每个个别运行参数和/或条件计分，并输出运行分数，再将所有各个运行分数组合以给出一个复合运行分数；其中所述第一级(500)还将复合原油拟用名单分数和复合运行参数分数组合来确定最高总综合分数；其中原油拟用名单和化学药品选择模块(206)还包括第二级(502)；其中所述第二级(502)被输入由所述第一级(500)得到的至少一种信息，并用至少一个预测性能模型来获得对于所选择的原油拟用名单感兴趣的预测响应参数、运行参数和/或条件和/或化学处理。
4.按照权利要求1所述的系统(100)，其中，所述预测引擎(104)为炼油过程执行至少一个优化算法。
5.一种评估和优化原油选择的方法，包括如下步骤访问(304)数据库(102)，以获得与至少一种存储的原油或原油掺混物有关的数据；以及对至少一种原油或原油掺混物，执行(500、502)用来优化或改善炼油过程的至少一个预测性能和/或风险评估模型。
6.按照权利要求5所述的方法，还包括如下步骤输入(106a、106b、108)对应于至少一种原油或原油掺混物的原油信息和至少一个炼油厂运行参数和/或条件；以及使用(504)合意性衡量标准评估所述输入与所述数据库中数据的类似性，其中包括至少一种存储的原油或原油掺混物。
7.存有由至少一个处理器执行的一组指令的计算机可读媒体，用以实现以下步骤访问(106a、106b、108)数据库(102)，以获得与至少一种存储的原油或原油掺混物有关的数据；以及对至少一种原油或原油掺混物，执行(500、502)用来优化或改善炼油过程的至少一个预测性能和风险评估模型。
8.按照权利要求7所述的计算机可读媒体，还包括以下步骤输入(106a、106b、108)对应于至少一种原油或原油掺混物的原油信息和至少一个炼油厂运行参数和/或条件；以及使用(504)合意性衡量标准(202)评估所述输入与所述数据库中的数据的类似性，其中包括所述至少一种存储的原油或原油掺混物。
9.按照权利要求7所述的计算机可读媒体，还进行访问(506)存储在数据库(102)中的适用于优化炼油过程的性能的若干处理方案的步骤。
10.按照权利要求7所述的计算机可读媒体，还进行执行(500、502)至少一个炼油过程优化算法的步骤。
全文摘要
本发明提出评估和优化原油选择的方法和系统(100)。预测引擎(104)利用数据库(102)中数据，执行用以优化或改善炼油过程中炼油运行的至少一个预测性能模型和/或至少一个风险评估模型。该预测引擎(104)接受对应于特定的原油或者原油掺混物(例如至少一种原油拟用名单)的关键原油信息和对应于特定炼油厂的炼油运行参数和/或条件作为输入并使用合意性衡量标准来评估与数据库中数据的类似性。至少一个预测性能模型和/或至少一个风险评估模型利用所得到的输出来预测使用特定炼油厂在炼油过程中精炼特定的原油或原油掺混物的性能或风险措施、在炼油过程中发生问题的可能性、问题在整个炼油过程中分布，等等。
文档编号G06Q40/00GK1867933SQ200480030565
公开日2006年11月22日 申请日期2004年7月13日 优先权日2003年8月18日
发明者M·加纳, R·特亚吉, T·雷波夫, A·萨卡, A·萨哈, S·区, R·威尔逊, M·C·温斯罗, M·迪昴 申请人:通用电气公司