硫含量预测模型的确定方法、硫含量预测方法和装置与流程

本公开涉及计算机，具体地，涉及一种硫含量预测模型的确定方法、硫含量预测方法和装置。

背景技术：

1、近年来，以大数据驱动为主的数据模型在石化行业发挥着越来越重要的作用。相关技术中可以将蜡油通过炼厂蜡油加氢装置处理之后获得精制蜡油，而精制蜡油的硫含量通常也用于评价该精制蜡油的质量。

2、随着智能炼厂的提出，以数据驱动为主的建模方式由于搭建简单，受到越来越多的关注。相关技术中，工作人员可以根据模型的需求如预测产品性质即预测产品中的硫含量进行建模，从而基于构建后的神经网络模型对产品中的硫含量进行预测。通过上述方式建模方式比较单一，难以适应蜡油加氢装置实际运行时的复杂环境，从而导致硫含量预测的准确性不足。

技术实现思路

1、本公开的目的是提供一种硫含量预测模型的确定方法、硫含量预测方法和装置，以对蜡油中硫含量进行准确的预测。

2、为了实现上述目的，根据本公开的第一方面，提供一种硫含量预测模型的确定方法，所述方法包括：

3、获取蜡油样本数据，其中，所述蜡油样本数据中包含生成蜡油的多个参数特征对应的特征数据、所述蜡油对应的硫含量以及所述蜡油对应的辅助特征的目标数据，所述参数特征包括原料参数特征和/或操作参数特征；

4、将所述蜡油样本数据中的多个参数特征输入预设模型，获得所述预设模型输出的硫含量的预测值和所述辅助特征的预测值；

5、根据所述硫含量的预测值、所述辅助特征的预测值、所述蜡油样本数据中的硫含量和辅助特征的目标数据，确定所述预设模型的目标损失；

6、基于所述目标损失对所述预设模型进行训练，并将训练完成的预设模型确定为所述硫含量预测模型。

7、可选地，所述辅助特征包括以下中的至少一者：

8、蜡油加氢装置的反应器中的至少一个床层对应的床层温升、所述蜡油加氢装置对应的至少一个馏程信息。

9、可选地，所述辅助特征为一个或多个，根据所述硫含量的预测值、所述辅助特征的预测值、所述蜡油样本数据中的硫含量和辅助特征的目标数据，确定所述预设模型的目标损失，包括：

10、根据所述硫含量的预测值和所述蜡油样本数据中的硫含量，确定所述预设模型的预测损失；

11、针对每一所述辅助特征，根据所述辅助特征的预测值和所述辅助特征的目标数据，确定所述预设模型在所述辅助特征下的辅助损失；

12、根据所述预测损失和各个所述辅助损失，确定所述预设模型的目标损失。

13、可选地，所述根据所述硫含量的预测值和所述蜡油样本数据中的硫含量，确定所述预设模型的预测损失，包括：

14、针对每一所述蜡油样本数据，将所述蜡油样本数据对应的硫含量的预测值、和所述蜡油样本数据中的硫含量的差值的平方，与硫含量平均值的比值确定为所述蜡油样本数据对应的损失，其中，所述硫含量平均值为每一所述蜡油样本数据中的硫含量的平均值；

15、将每一所述蜡油样本数据对应的损失之和确定为所述预设模型的预测损失。

16、可选地，所述根据所述辅助特征的预测值和所述辅助特征的目标数据，确定所述预设模型在所述辅助特征下的辅助损失，包括：

17、针对每一所述蜡油样本数据，将所述蜡油样本数据对应的所述辅助特征的预测值、和所述蜡油样本数据中的辅助特征的目标数据的差值的平方，与所述辅助特征的数据平均值的比值确定为所述蜡油样本数据在所述辅助特征下对应的损失，其中，所述辅助特征的数据平均值为每一所述蜡油样本数据中所述辅助特征的目标数据的平均值；

18、将每一所述蜡油样本数据对应的损失之和确定为所述预设模型在所述辅助特征下的辅助损失。

19、根据本公开的第二方面，提供一种硫含量预测方法，所述方法包括：

20、获取蜡油加氢装置运行中的多个参数特征对应的检测数据，其中，所述参数特征包括原料参数特征和/或操作参数特征；

21、将所述检测数据输入硫含量预测模型，获得所述硫含量预测模型输出的硫含量预测结果，其中，所述硫含量预测模型是基于第一方面任一所述的硫含量预测模型的确定方法进行训练获得的。

22、根据本公开的第三方面，提供一种硫含量预测模型的确定装置，所述装置包括：

23、第一获取模块，用于获取蜡油样本数据，其中，所述蜡油样本数据中包含生成蜡油的多个参数特征对应的特征数据、所述蜡油对应的硫含量以及所述蜡油对应的辅助特征的目标数据，所述参数特征包括原料参数特征和/或操作参数特征；

24、第一处理模块，用于将所述蜡油样本数据中的多个参数特征输入预设模型，获得所述预设模型输出的硫含量的预测值和所述辅助特征的预测值；

25、确定模块，用于根据所述硫含量的预测值、所述辅助特征的预测值、所述蜡油样本数据中的硫含量和辅助特征的目标数据，确定所述预设模型的目标损失；

26、训练模块，用于基于所述目标损失对所述预设模型进行训练，并将训练完成的预设模型确定为所述硫含量预测模型。

27、根据本公开的第四方面，提供一种硫含量预测装置，所述装置包括：

28、第二获取模块，用于获取蜡油加氢装置运行中的多个参数特征对应的检测数据，其中，所述参数特征包括原料参数特征和/或操作参数特征；

29、第二处理模块，用于将所述检测数据输入硫含量预测模型，获得所述硫含量预测模型输出的硫含量预测结果，其中，所述硫含量预测模型是基于第一方面任一所述的硫含量预测模型的确定方法进行训练获得的。

30、根据本公开的第五方面，提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面或第二方面任一所述方法的步骤。

31、根据本公开的第六方面，提供一种电子设备，包括：

32、存储器，其上存储有计算机程序；

33、处理器，用于执行所述存储器中的所述计算机程序，以实现第一方面或第二方面任一所述方法的步骤。

34、通过上述技术方案，在对硫含量预测模型进行训练的过程中，在确定预设模型的目标损失时，不仅会考虑模型对硫含量的预测值的准确性，同时也考虑了运行过程中该预设模型对其他辅助特征的预测值的准确性，以使得确定出的目标损失可以同时对多个预测值的准确性进行表征，提高目标损失的准确性和有效性，从而既可以保证模型训练的准确度，又能够为模型的训练提供准确的数据支持，提高模型训练的效率。另外，通过辅助特征对增加模型训练的参考因素，可以使得训练所得的硫含量预测模型可以适用于复杂的蜡油生产环境中，从而在一定程度上提高训练所得的硫含量预测模型的使用范围，提高硫含量预测的准确性，提升用户使用体验。

35、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种硫含量预测模型的确定方法，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，所述辅助特征包括以下中的至少一者：

3.根据权利要求1所述的方法，其特征在于，所述辅助特征为一个或多个，根据所述硫含量的预测值、所述辅助特征的预测值、所述蜡油样本数据中的硫含量和辅助特征的目标数据，确定所述预设模型的目标损失，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述硫含量的预测值和所述蜡油样本数据中的硫含量，确定所述预设模型的预测损失，包括：

5.根据权利要求3所述的方法，其特征在于，所述根据所述辅助特征的预测值和所述辅助特征的目标数据，确定所述预设模型在所述辅助特征下的辅助损失，包括：

6.一种硫含量预测方法，其特征在于，所述方法包括：

7.一种硫含量预测模型的确定装置，其特征在于，所述装置包括：

8.一种硫含量预测装置，其特征在于，所述装置包括：

9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。

10.一种电子设备，其特征在于，包括：

技术总结
本公开涉及一种硫含量预测模型的确定方法、硫含量预测方法和装置，所述方法包括：获取蜡油样本数据，其中，所述蜡油样本数据中包含生成蜡油的多个参数特征对应的特征数据、所述蜡油对应的硫含量以及所述蜡油对应的辅助特征的目标数据，所述参数特征包括原料参数特征和/或操作参数特征；将所述蜡油样本数据中的多个参数特征输入预设模型，获得所述预设模型输出的硫含量的预测值和所述辅助特征的预测值；根据所述硫含量的预测值、所述辅助特征的预测值、所述蜡油样本数据中的硫含量和辅助特征的目标数据，确定所述预设模型的目标损失；基于所述目标损失对所述预设模型进行训练，并将训练完成的预设模型确定为所述硫含量预测模型。

技术研发人员：田旺,秦康,李明丰,梁家林
受保护的技术使用者：中国石油化工股份有限公司
技术研发日：
技术公布日：2024/1/15