加氢裂化的产品质量预测方法、装置和存储器制造方法及图纸

本发明专利技术公开了加氢裂化的产品质量预测方法、装置和存储器，其中所述方法包括步骤：预设加氢裂化系统的监控数据的数据标准；获取加氢裂化系统的监测数据；根据数据标准对历史监控数据进行数据整理；根据监控数据统一的采集周期和采集时间点，对监控数据中的性质信息数据和工况数据进行关联，构建建模数据；根据预设目标变量和预设自变量通过分类模型对建模数据进行模型训练，生成产品质量预测模型。本发明专利技术能够以采集时间点为关联点将各种监控数据进行同步关联。从而使各监控数据之间就具有了更好的对应性，因此，就可以实时获取的监控数据为参数通过预测模型来对监控对象进行实时的监控，就可以及时且准确的获得加氢裂化的产品质量预测的结果了。

【技术实现步骤摘要】
加氢裂化的产品质量预测方法、装置和存储器
本专利技术涉及石油化工领域，特别是涉及加氢裂化的产品质量预测方法、装置和存储器。
技术介绍
随着信息技术的发展，石油炼化生产装置信息化程度越来越高，随之也就积累了大量生产数据；比如，目前大型石油化工企业所建立的加氢裂化系统的实时数据库系统、分布式控制系统（DistributedControlSystem，DCS）、生产过程执行系统MES(ManufacturingExecutionSystem，MES)、实验室信息管理系统(LaboratoryInformationManagementSystem，LIMS)等业务系统，可以为安全生产和管理积累了大量数据。但对数据的深度挖掘和利用还远远不够。从海量的数据中寻找事故发生的规律，提高安全生产的管理的水平，具有重要的意义和作用。专利技术人经过研究发现，虽然现有技术中，上述多种业务系统所采集的数据背后隐藏着大量重要的生产信息，但是由于这些历史数据的数据质量差异性较大，且多种工况参数对于加氢裂化产品的产品质量的影响方式尚不够明确，因此工艺人员不能根据上述历史数据来及时了解当前工况参数会对产品质量产生什么样的影响。
技术实现思路
针对现有技术的不足，本专利技术提供加氢裂化的产品质量预测方法、装置和存储器。本专利技术可以提高对产品质量预判的准确性和及时性。本专利技术提供一种加氢裂化的产品质量预测方法，包括步骤：S11、预设加氢裂化系统的监控数据的数据标准，所述数据标准包括监控数据统一的采集周期和采集时间点；所述监控数据包括性质信息数据和工况数据；所述性质信息数据包括加氢裂化系统预设产品的产品属性信息和多种原料的原料性质信息；S12、获取加氢裂化系统的监测数据，所述监测数据包括历史监测数据和实时监测数据；S13、根据所述数据标准对所述历史监控数据进行数据整理，包括：根据预设规则对所述工况信息进行校正，所述预设规则包括：分别获取每个所述工况信息所对应的采集时间点，对所述采集时间点前后预设时段内的所有工况信息进行中值计算，以生成所述工况信息修正后的工况信息；将所述性质信息数据进行扩充，包括：将所述性质信息数据的采集时间的点间隔粒度调整为与所述工况信息的采集时间点的间隔粒度保持一致，并将两个包括有获取自历史数据中数据的性质信息数据之间的空白采集时间点的数据更新为与时序靠前的性质信息数据一致；S14、根据所述监控数据统一的采集周期和采集时间点，对所述监控数据中的性质信息数据和工况数据进行关联，构建建模数据；S15、根据预设目标变量和预设自变量通过分类模型对所述建模数据进行模型训练，生成所述产品质量预测模型；所述预设自变量包括所述性质信息数和工况数据；所述预设目标变量包括所述加氢裂化系统预设产品的产品质量。优选的，在本专利技术实施例中，还包括：S16、根据所述工况信息和所述原料性质信息中各个参数项对于所述产品质量的影响权重的权重值，获取所述产品质量的重点参数项；S17、以实时获得的所述重点参数项为输入，通过所述产品质量预测模型获取所述加氢裂化系统预设产品的预测结果。优选的，在本专利技术实施例中，所述对所述建模数据进行分类模型训练，包括：S21、将所述建模数据按照预设比例划分为训练数据和测试数据；S22、使用所述训练数据进行建模，并使用所述测试数据进行评估；S23、当评估的结果未达到预设值，调整建模时的参数项和/或迭代次数后返回步骤S21；当评估的结果达到预设值，建模结束。优选的，在本专利技术实施例中，所述根据所述监控数据统一的采集周期和采集时间点，对所述监控数据中的性质信息数据和工况数据进行关联，构建建模数据，包括：根据所述工况信息和所述性质信息数据的时间对应关系，生成宽表；所述宽表用于将同一采集时间点的所述工况信息和所述性质信息数据中各个参数项的值进行关联存储。优选的，在本专利技术实施例中，所述分类模型包括通用线性回归模型、逻辑回归模型、决策树模型、支持向量机模型、判别式模型和神经网络模型中的一种及其任意组合。优选的，在本专利技术实施例中，所述根据所述工况信息和所述原料性质信息中各个参数项对于所述产品质量的影响权重的权重值，获取所述产品质量的重点参数项，包括：将权重值高于预设值的参数项，和/或，权重值排序前预设个数的参数项确定为重点参数项。优选的，在本专利技术实施例中，所述分别获取每个所述工况信息所对应的采集时间点，对所述采集时间点前后预设时段内的所有工况信息进行中值计算，以生成所述工况信息修正后的工况信息，包括：所述预设时段为所述采集时间点前30分钟至所述采集时间点后30分钟。优选的，在本专利技术实施例中，所述产品包括液化气、轻石脑油、重石脑油、航煤、柴油或尾油。在本专利技术实施例的另一面，还提供了一种加氢裂化的产品质量预测装置，包括：标准化单元，用于预设加氢裂化系统的监控数据的数据标准，所述数据标准包括监控数据统一的采集周期和采集时间点；所述监控数据包括性质信息数据和工况数据；所述性质信息数据包括加氢裂化系统预设产品的产品属性信息和多种原料的原料性质信息；数据获取单元，用于获取加氢裂化系统的监测数据，所述监测数据包括历史监测数据和实时监测数据；数据整理单元，用于根据所述数据标准对所述历史监控数据进行数据整理，包括：根据预设规则对所述工况信息进行校正，所述预设规则包括：分别获取每个所述工况信息所对应的采集时间点，对所述采集时间点前后预设时段内的所有工况信息进行中值计算，以生成所述工况信息修正后的工况信息；将所述性质信息数据进行扩充，包括：将所述性质信息数据的采集时间的点间隔粒度调整为与所述工况信息的采集时间点的间隔粒度保持一致，并将两个包括有获取自历史数据中数据的性质信息数据之间的空白采集时间点的数据更新为与时序靠前的性质信息数据一致；建模数据生成单元，用于根据所述监控数据统一的采集周期和采集时间点，对所述监控数据中的性质信息数据和工况数据进行关联，构建建模数据；模型训练单元，用于根据预设目标变量和预设自变量通过分类模型对所述建模数据进行模型训练，生成所述产品质量预测模型；所述预设自变量包括所述性质信息数和工况数据；所述预设目标变量包括所述加氢裂化系统预设产品的产品质量。在本专利技术实施例的另一面，还提供了一种存储器，包括软件程序，所述软件程序适于由处理器执行上述加氢裂化的产品质量预测方法的步骤。由上可以看出，在本专利技术中，通过预设加氢裂化系统的监控数据的数据标准，为来自不同监测设备的监控数据设定统一的数据采集周期和同步的采集时间点；然后，根据原始监测数据的不同采集周期和采集时间点进行数据整理，从而可以使原本没有关联的各种监测数据可以根据预设的数据标准中的采集周期和采集时间点，对各种监控数据进行关联。本专利技术实施例在进行数据整理时，通过在多个邻近采集时间点进行中值取值的方式来对监测数据进行修正的方式来减少由于监控数据的采集时间点滞后于产品的产品本文档来自技高网...

【技术保护点】
1.一种加氢裂化的产品质量预测方法，其特征在于，包括步骤：/nS11、预设加氢裂化系统的监控数据的数据标准，所述数据标准包括监控数据统一的采集周期和采集时间点；所述监控数据包括性质信息数据和工况数据；所述性质信息数据包括加氢裂化系统预设产品的产品属性信息和多种原料的原料性质信息；/nS12、获取加氢裂化系统的监测数据，所述监测数据包括历史监测数据和实时监测数据；/nS13、根据所述数据标准对所述历史监控数据进行数据整理，包括：/n根据预设规则对所述工况信息进行校正，所述预设规则包括：分别获取每个所述工况信息所对应的采集时间点，对所述采集时间点前后预设时段内的所有工况信息进行中值计算，以生成所述工况信息修正后的工况信息；/n将所述性质信息数据进行扩充，包括：将所述性质信息数据的采集时间的点间隔粒度调整为与所述工况信息的采集时间点的间隔粒度保持一致，并将两个包括有获取自历史数据中数据的性质信息数据之间的空白采集时间点的数据更新为与时序靠前的性质信息数据一致；/nS14、根据所述监控数据统一的采集周期和采集时间点，对所述监控数据中的性质信息数据和工况数据进行关联，构建建模数据；/nS15、根据预设目标变量和预设自变量通过分类模型对所述建模数据进行模型训练，生成所述产品质量预测模型；所述预设自变量包括所述性质信息数和工况数据；所述预设目标变量包括所述加氢裂化系统预设产品的产品质量。/n...

【技术特征摘要】
1.一种加氢裂化的产品质量预测方法，其特征在于，包括步骤：
S11、预设加氢裂化系统的监控数据的数据标准，所述数据标准包括监控数据统一的采集周期和采集时间点；所述监控数据包括性质信息数据和工况数据；所述性质信息数据包括加氢裂化系统预设产品的产品属性信息和多种原料的原料性质信息；
S12、获取加氢裂化系统的监测数据，所述监测数据包括历史监测数据和实时监测数据；
S13、根据所述数据标准对所述历史监控数据进行数据整理，包括：
根据预设规则对所述工况信息进行校正，所述预设规则包括：分别获取每个所述工况信息所对应的采集时间点，对所述采集时间点前后预设时段内的所有工况信息进行中值计算，以生成所述工况信息修正后的工况信息；
将所述性质信息数据进行扩充，包括：将所述性质信息数据的采集时间的点间隔粒度调整为与所述工况信息的采集时间点的间隔粒度保持一致，并将两个包括有获取自历史数据中数据的性质信息数据之间的空白采集时间点的数据更新为与时序靠前的性质信息数据一致；
S14、根据所述监控数据统一的采集周期和采集时间点，对所述监控数据中的性质信息数据和工况数据进行关联，构建建模数据；
S15、根据预设目标变量和预设自变量通过分类模型对所述建模数据进行模型训练，生成所述产品质量预测模型；所述预设自变量包括所述性质信息数和工况数据；所述预设目标变量包括所述加氢裂化系统预设产品的产品质量。


2.根据权利要求1中所述产品质量预测方法，其特征在于，还包括：
S16、根据所述工况信息和所述原料性质信息中各个参数项对于所述产品质量的影响权重的权重值，获取所述产品质量的重点参数项；
S17、以实时获得的所述重点参数项为输入，通过所述产品质量预测模型获取所述加氢裂化系统预设产品的预测结果。


3.根据权利要求1中所述产品质量预测方法，其特征在于，所述对所述建模数据进行分类模型训练，包括：
S21、将所述建模数据按照预设比例划分为训练数据和测试数据；
S22、使用所述训练数据进行建模，并使用所述测试数据进行评估；
S23、当评估的结果未达到预设值，调整建模时的参数项和/或迭代次数后返回步骤S21；当评估的结果达到预设值，建模结束。


4.根据权利要求1中所述产品质量预测方法，其特征在于，所述根据所述监控数据统一的采集周期和采集时间点，对所述监控数据中的性质信息数据和工况数据进行关联，构建建模数据，包括：
根据所述工况信息和所述性质信息数据的时间对应关系，生成宽表；所述宽表用于将同一采集时间点的所述工况信息和所述性质信息数据中各个参数项的值进行关联存储。


5.根据权利要求1...

【专利技术属性】
技术研发人员：黄新露，吕建新，陈玉石，赵玉琢，佟伟，王建平，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司大连石油化工研究院，
类型：发明
国别省市：北京;11