基于案例库的炼油过程模糊匹配调优方法与流程

本发明涉及炼化
技术领域：
，具体涉及一种基于案例库的炼油过程模糊匹配调优方法。
背景技术：
：在大数据和物联网的背景下，工业界联合学术界提出了以智能制造为目标的工业新发展方向。德国2006年8月启动“High-TechStrategy”，2012年3月进一步提出“High-TechStrategyActionPlan”来具体落实06年的计划，该计划提出了十大“FutureProjects”，而“INDUSTRIE4.0”是其中重要的一项。美国2008年举行了NSF支持的研讨会讨论智能过程制造，2009年9月该研讨会成果及后续的讨论成果，以“SmartProcessManufacturing:anoperationsandtechnologyroadmap”为名集结发布，详细论述了智能过程制造的发展远景和面对的技术难题。其他国家也陆续跟进，都欲把握住第四次工业革命带来的机会。在这样的国际背景下，综合对国内工业发展的全面分析，国务院于2015年5月发布了《中国制造2025》，作为中国实施制造业强国战略的第一个十年行动纲领。工信部随后发布了首批智能制造试点单位，国内关于智能制造的研究步入实际行动。智能制造的特点之一是具有敏捷性，即快速识别新环境或者变动并对其快速响应。对由于进料或者市场带来的变化能否快速响应，直接影响炼化企业的盈利能力。而目前炼化行业采用的生产方案制定流程，由于数学模型收敛的难度大且计算结果与实际结果存在差距，炼厂操作的敏捷性比较低。技术实现要素：本发明旨在至少解决上述技术问题之一。为此，本发明的一个目的在于提出一种基于案例库的炼油过程模糊匹配调优方法，以提高炼油过程制造的敏捷性，为增加炼油企业的利润提供有效策略。为了实现上述目的，本发明的实施例公开了一种基于案例库的炼油过程模糊匹配调优方法，包括以下步骤：S1：设定案例结构，并根据所述案例结构构建案例库，其中，所述案例结构包括指纹信息、操作情况评估信息，以及待匹配操作参数和状态参数，所述指纹信息用于描述案例的特异性，所述操作情况评估信息用于评价操作状况；S2：以当前操作状况生成的案例信息作为输入，根据所述操作情况评估信息进行评估，从所述案例库筛选出操作状况优于当前案例的历史案例，提取所述操作状况优于当前案例的历史案例的匹配操作参数和状态参数；S3：从所述案例库中选取预设数量的案例，并利用数据扰动的方法构建模糊匹配方法中的隶属度函数参数优化模型；S4：采用数据扰动的方法测试所述模糊匹配方法的稳定性，从而得到描述稳定性的稳定数；S5：根据所述操作状况优于当前案例的历史案例的匹配操作参数和状态参数，和所述稳定数调整所述当前操作状况。根据本发明实施例的基于案例库的炼油过程模糊匹配调优方法，在很短的时间内给出可行的且操作状况比当下操作好的调整方案，从而能够快速对变化进行响应，使操作状况一直处于较优的状况，从而提高整体的效益。另外，根据本发明上述实施例的基于案例库的炼油过程模糊匹配调优方法，还可以具有如下附加的技术特征：进一步地，所述指纹信息包括直馏蜡油含量、轻油浆含量、减渣含量、回炼油含量、回炼油初馏点、回炼油终馏点和回炼油密度中的多种。进一步地，所述操作情况评估信息包括稳定汽油蒸汽压、汽油流量、液化气丙烯比重和液化气流量中的多种。进一步地，所述待匹配操作参数和状态参数包括主风量、烧焦罐密相温度、再生器顶部压力、再生器稀相温度、雾化蒸汽流量、提升蒸汽流量、汽提蒸汽流量、汽提蒸汽温度、主风出口温度、二密相温度、稀相温度、烟气温度、再生器压力、主风出口压力、富气压缩机出口压力、富气压缩机入口压力、提升管出口温度、急冷油流量、小主风机风量、沉降器顶部压力、待生润阀压降、再生润阀压降、烧焦罐藏量、二密藏量和蒸汽压力中的多种。进一步地，步骤S2进一步包括：S2-1：对所述指纹信息进行逻辑计算和数值大小比较，淘汰进料类型不同和进料流量变动大于变动阈值的历史案例；S2-2：用模糊匹配方法计算当前案例与历史案例的关于所述指纹信息中物性信息的隶属度，淘汰隶属度低于隶属度阈值的历史案例；S2-3：根据所述当前操作状况生成的案例的操作情况评估信息进行评估，从所述案例库筛选出操作状况优于当前案例的历史案例，提取所述操作状况优于当前案例的历史案例的操作参数和状态参数。进一步地，在步骤S4中，所述模糊匹配方法为正态分布函数、伽玛分布函数或柯西分布函数。本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本发明实施例的基于案例库的炼油过程模糊匹配调优方法的流程图；图2是本发明一个实施例的案例结构的结构示意图；图3是本发明一个实施例的部分指纹信息的结构示意图；图4是本发明一个实施例的三级匹配过程流程图；图5是本发明一个实施例的模糊匹配计算过程流程图；图6是本发明一个是实施例的指纹信息的匹配结果示意图；图7是本发明一个实施例的匹配后操作参数调整示意图；图8是本发明一个实施例的操作参数调整后B部分信息对比示意图。具体实施方式下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。以下结合附图描述根据本发明实施例的基于案例库的炼油过程模糊匹配调优方法。图1是本发明一个实施例的基于案例库的炼油过程模糊匹配调优方法的流程图。请参考图1，一种基于案例库的炼油过程模糊匹配调优方法，包括以下步骤：S1：设定案例结构，并根据案例结构构建案例库。其中，每一个案例由ABC三部分组成，A部分为指纹信息，，包含案例的物性信息等，用于描述一个案例的特异性；B部分是操作情况评估信息，用于评价操作状况，主要的评判标准就是其对经济效益的贡献程度；C部分为待匹配操作参数和状态参数，例如各流股流量、操作参数等。在本发明的一个实施例中，指纹信息包括直馏蜡油含量、轻油浆含量、减渣含量、回炼油含量、回炼油初馏点、回炼油终馏点和回炼油密度中的多种。在本发明的一个实施例中，操作情况评估信息包括稳定汽油蒸汽压、汽油流量、液化气丙烯比重和液化气流量中的多种。在本发明的一个实施例中，待匹配操作参数和状态参数包括主风量、烧焦罐密相温度、再生器顶部压力、再生器稀相温度、雾化蒸汽流量、提升蒸汽流量、汽提蒸汽流量、汽提蒸汽温度、主风出口温度、二密相温度、稀相温度、烟气温度、再生器压力、主风出口压力、富气压缩机出口压力、富气压缩机入口压力、提升管出口温度、急冷油流量、小主风机风量、沉降器顶部压力、待生润阀压降、再生润阀压降、烧焦罐藏量、二密藏量和蒸汽压力中的多种。在本发明的一个示例中，如图2和图3所示，基于工厂数据和对FCCU工艺的认识，提出针对FCCU的案例结构，以此为基础构建案例库，例如在本实例中案例库大小为200。S2：以当前操作状况生成的案例信息作为输入，根据操作情况评估信息进行评估，从案例库筛选出操作状况优于当前案例的历史案例，提取操作状况优于当前案例的历史案例的操作参数和状态参数。在本发明的一个实施例中，步骤S2进一步包括：S2-1：对指纹信息进行逻辑计算和数值大小比较，淘汰进料类型不同和进料流量变动大于变动阈值的历史案例。具体地，如图4所示，利用“案例指纹信息”中的“进料流量”信息，通过逻辑计算和数值大小比较，淘汰进料类型不同和进料流量变动太大的历史案例。S2-2：用模糊匹配方法计算当前案例与历史案例的关于“指纹信息”中物性信息的隶属度，淘汰隶属度低于隶属度阈值的历史案例。具体地，利用“进料物性”信息，按图5所示，用模糊匹配方法计算当前案例与历史案例的物性隶属度，淘汰隶属度低于隶属度阈值(实例中设定为0.9)的历史案例。隶属度函数选用正态分布函数：A(x)=e-k(x-a)2;]]>及其变形：A(x)=1,x<ae-k(x-a)2,x≥a;]]>其中k使得下式成立：0.5=e-k[σ(Max-Min)]2;]]>从而得到：k=-ln0.5[σ(Max-Min)]2;]]>其中σ∈(0,1)，带入得到隶属度函数对于实例的具体通式：g(σm,xi,m,xj,m)=e-ln0.5[σm(Maxm-Minm)]2(xi,m-xj,m)2;]]>g′(σm,xi,m,xj,m)=1,xi,m<xj,meln0.5[σm(Maxm-Minm)]2(xi,m-xj,m)2,xi,m≥xj,m;]]>其中：Max和Min是案例库的数据范围；Max,Min,k和x均表示25维向量，对应图4中的25个数据点；xi表示新工况物性值向量；xj表示案例库中案例j物性值向量；m表示某一具体物性对应下标；具体计算过程如下，蜡+渣流股：ASTM：d1＝g(σ1,xi1,xj1)d2＝g(σ2,xi2,xj2)d3＝g(σ3,xi3,xj3)d4＝g(σ4,xi4,xj4)得到：dASTM＝0.1d1+0.3d2+0.3d3+0.3d4；金属含量(M):d5＝g'(σ5,xi5,xj5)d6＝g'(σ6,xi6,xj6)d7＝g'(σ7,xi7,xj7)d8＝g'(σ8,xi8,xj8)d9＝g'(σ9,xi9,xj9)d10＝g'(σ10,xi10,xj10)得到：dM＝0.25d5+0.1d6+0.2d7+0.1d8+0.25d9+0.1d10；粘度(V)：dV＝g(σ11,xi11,xj11)；密度(D)：dD＝g(σ12,xi12,xj12)；氮含量(N)：dN＝g'(σ13,xi13,xj13)；硫含量(S)：dS＝g'(σ14,xi14,xj14)；其他性质(O)：d15＝g(σ15,xi15,xj15)d16＝g(σ16,xi16,xj16)d17＝g(σ17,xi17,xj17)d18＝g(σ18,xi18,xj18)d19＝g(σ19,xi19,xj19)得到：dO=Σi=1519diΣj=1219dj;]]>从而得到“蜡+渣隶属度”：DOSMF=dASTM2+dM2+dV2+dD2+dN2+dS2+dO2dASTM+dM+dV+dD+dN+dS+dO;]]>回炼油流股：ASTM’:d20＝g(σ20,xi20,xj20)d21＝g(σ21,xi21,xj21)d22＝g(σ22,xi22,xj22)d23＝g(σ23,xi23,xj23)d24＝g(σ24,xi24,xj24)得到：dASTM'＝0.05d20+0.3d21+0.3d22+0.3d23+0.05d24；密度(D’)：dD'＝g(σ25,xi25,xj25)；从而得到“回炼油隶属度”：DOSRSO=dASTM′2+dD′2dASTM′+dD′;]]>最终得到“进料隶属度”：S2-3：根据当前操作状况生成的案例的操作情况评估信息进行评估，从案例库筛选出操作状况优于当前案例的历史案例，提取操作状况优于当前案例的历史案例的操作参数和状态参数。具体地，利用“操作优劣评估信息”对历史案例的操作状况进行评估，筛选出操作状况比当前好的案例，提取其C部分信息来指导调整；实例中用到两个指标：汽油产率和丙烯产率，计算表达式如下：S3：从案例库中选取预设数量的案例，并利用数据扰动的方法构建模糊匹配方法中的隶属度函数参数优化模型。在本发明的一个示例中，选取200个案例中的5个案例作为母案例，这里选择编号为10,50,90,130,170的案例。每个案例给予1％的扰动，各生成10个案例，总计50个，称为子案例。在这50个子案例的基础上构建的优化模型如下：其中，Di,j表示子案例i与其母案例j的进料物性隶属度，具体计算如步骤S2-2所示。优化得到的参数值如下表：表1正态分布系列隶属度函数参数优化结果S4：采用数据扰动的方法测试模糊匹配方法的稳定性，从而得到描述稳定性的稳定数。具体地，为了进行定量评估，引入四个指标：有效率(ER)：选出母案例的比例；多选率(MR)：除母案例外还选出其他案例的比例；失效率(IR)：选不出母案例，但选出其他案例的比例；失败率(FR)：没有匹配结果的比例。所谓稳定性，在本发明的实施例中指的是在扰动下仍能够选出母案例，即ER＝100％。由扰动数据得到的匹配结果如下：表2正态分布系列稳定性测试结果由表2可知，扰动超过9％，匹配方法不能保持稳定性。将9％称为正态分布函数的稳定数。类似的，可以用其他隶属度函数来代替前面的正态分布函数。例如，采用Gamma分布：A(x)=ek(x-a),x≤ae-k(x-a),x>a;]]>及其变形：A(x)=1,x≤ae-k(x-a),x>a]]>得到稳定数为4％；采用Cauchy分布：A(x)=11+α(x-a)2,α>0;]]>及其变形：A(x)=1,x≤a11+α(x-a)2,x>a]]>得到稳定数为6％。三者比较可以得到如下的方法选用标准：正态分布函数的稳定性最高，而Gamma分布函数的灵敏度最好。对于案例库规模较小的情况，选用正态分布比较容易得到结果；对于案例库较大的体系，选择Gamma分布能够得到比较精准的结果。S5：根据操作状况优于当前案例的历史案例的匹配操作参数和状态参数调整当前操作状况。具体地，图6到图8说明了这一过程：图6展示了针对实例的经过匹配后被选出来的案例A部分信息与新工况对应信息的对比；然后如图7所示，将被选出案例的C部分信息用于指导新工况操作的调整；图8展示调整后B部分信息的比较，可以看到采用该调整方案得到的模拟结果和被选出的案例上的结果很接近。另外，本发明实施例的基于案例库的炼油过程模糊匹配调优方法的其它构成以及作用对于本领域的技术人员而言都是已知的，为了减少冗余，不做赘述。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。当前第1页1 2 3