论文部分内容阅读
我国油气资源需求日益增长,国内石油后备资源严重不足,石化炼油企业对劣质进口原油的使用比率增加,使得炼油装置换热设备的腐蚀问题不断加重。此外,伴随人工智能、互联网的兴起,石化企业的信息化程度全面提高,其格式复杂、信息分散的异构系统中所采集的数据都在以爆炸式的速度增长。如何将数据分析应用于石化企业炼油装置的腐蚀预测,实现炼油换热系统的智能化在线监管和预警防护是两化融合的一个重要关注点。在此背景下,本文以石化企业炼油装置换热设备流动腐蚀问题为研究对象,开展了流动腐蚀预测及其状态监管方法研究,主要完成了以下几个方面的研究工作:(1)针对石化企业炼油设备运行过程状态数据非线性相关性高、数据维度大的特点,选择合适的数据驱动方法——随机权神经网络(Random Vector Functional Link,RVFL)作为基础算法,结合皮尔逊相关系数改进并提出了小规范权重内随机权神经网络模型(Small Normal Random Vector Functional Link,SNRVFL)。数据集测试表明该模型收敛速度较快,计算误差良好,相较于反馈神经网路(Back Propagation Neural Network,BPNN)模型和原始RVFL模型有更好的泛化能力和预测精度。(2)针对石化企业异构数据库系统信息存储格式繁杂、监控数据分散的问题,提出了B/S模式的流动腐蚀监管平台,完成了企业DCS、LIMS等异构数据系统的数据集成;利用所提出的流动腐蚀预测模型对大量数据进行分析,形成了独自的流动腐蚀特征参数数据库,结合经验与标准给出相应的告警信息与防护措施,实现了对炼油设备运行过程腐蚀状态的智能化监控。(3)将设计的流动腐蚀状态监管平台应用到舟山石化加氢精制装置的实时监管过程中,结果反馈表明所构建的模型能准确快速预测氯化铵的结晶温度,误差为5.51%,计算速度平均159ms;所设计开发的监管平台实现了流动腐蚀状态的在线实时监管,降低炼油换热设备的腐蚀风险,保障设备能长周期安稳运行。本文创新性在于建立了流动腐蚀预测的数据驱动模型,以数据为驱动对流动腐蚀进行预测,使石化企业大量搁置的数据信息得到了有效利用,为流动腐蚀关键特征参数提供了计算方法。嵌入数据驱动模型的状态监管平台实现了装置流程的实时监测、工艺模拟、腐蚀预测、超限报警等功能,为炼油设备的腐蚀防控和风险评估提供了操作平台和数据支撑。