论文部分内容阅读
近年来我国粗犷的经济增长方式引发了诸多能源和环保的问题,目前国家对这些问题给予了高度的重视,对各行业的生产和发展提出了更高的要求,尤其是炼油石化行业。氢气作为一种非常宝贵的清洁能源,在炼油石化行业中,它既是石油炼制和石油化工加氢工艺中的重要原料,同时也是石油炼制和石油化工过程中的副产品之一。随着原油的重质化和劣质化,以及国家对成品油品质标准的提高,炼油石化企业的氢气成本急剧提升,目前已经成为炼油石化企业的第二大成本要素,如何降低氢气成本已经成为一个重大的研究课题。加氢装置作为主要的氢气消耗体,对其进行建模能够有效的监测氢气的使用,对于产氢系统和供氢系统的调节具有重要的指导意义。本文针对加氢装置中的蜡油加氢装置进行建模分析,建立基于LSTM(Long-Short Term Memory)的蜡油加氢装置新氢流量预测模型,并对此模型进行改进提出了一种新的模型一CC-LASSO-LSTM模型,在炼油企业实际数据集上验证了模型的有效性。针对该模型在变工况情况下的适用性问题,对模型增加自适应策略,提出了自适应CC-LASSO-LSTM模型。同时针对炼油企业的实用性要求,建立基于WEB的加氢装置新氢流量预测平台。本研究的主要研究内容有以下几个方面:1、针对蜡油加氢装置,建立基于数据的新氢流量预测模型,预测下一时刻的新氢流量。基于炼油企业现场实际数据集,分别建立了基于SVR(Support Vector Regrssion),BPNN(Back Propagation Neutral Network),RNN(Recurrent Neutral Network)和 LSTM 的蜡油加氢装置新氢流量预测模型。实验结果表明,LSTM模型因其在时序数据处理上的优势其模型预测效果最好,预测 RMSEP(RootMean Square Error of Prediction)为 427.855Nm3/h,MAPE(Mean Absolute Percentage Error)为 1.281%,RNN 次之,其中 BPNN 因模型稳定性差,SVR预测精度不高而不适用于此问题。2、考虑经过操作人员选择的特征可能存在冗余以及存在共线性等问题,提出CC-LASSO-LSTM模型,该模型通过对特征进行两步选择,最终保留6个特征,并用LSTM进行建模,模型预测RMSEP为402.182Nm3/h,MAPE为1.233%,相对LSTM模型分别降低 6.000%和3.747%。3、针对CC-LASSO-LSTM模型在变工况情况下的适用性不足的问题,提出一种带自适应机制的CC-LASSO-LSTM模型-自适应CC-LASSO-LSTM模型,在现场采集数据集下进行验证,工况不变情况下自适应CC-LASSO-LSTM模型预测效果与传统模型相比较有略微提升;在变工况情况下,模型预测效果显著提升,RMSEP为413.159Nm3/h,MAPE为 1.535%,分别降低了 15.165%和 14.405%。4、针对炼油企业的预测模型平台化需求,建立基于WEB的加氢装置新氢流量预测平台。平台集成用户登录验证、数据显示、新氢流量预测、消息通知四大模块。其中可使用多种模型进行预测,例如LSTM、RNN、SVR等。