融合大数据与机理的炼油过程智能混合建模与优化方法研究

The basis of optimal operation of refinery is precise model and effective algorithm, but the difficulties lie on the following factors, such as the complex reaction mechanism, multi-scale of operation mode, high-dimension multi-objective optimization and so on. Aiming at optimization demand for the process profit, quality and safety, we investigate the interaction between multi-scale operation mode and key variables, and detect the inner correlative knowledge to build the hybrid model on the basis of large amount the industry data and process mechanism，which enable the model to describe refinery process more accurate, especially for non-technological factors. The hybrid model is then applied to multi-objective steady and dynamic optimization problem by combing with the DE algorithm. The compromise between objectives and optimization scheme are investigated. The model and optimization technology will be applied and verified in the industrial refinery process, to provide effective modeling theory and optimization technologies for the application of big data technology in complex industry.

炼油过程优化运行的基础在于准确描述过程的模型和高效优化方法，但其面临过程机理复杂、操作模式多尺度、优化问题高维且目标多等共性复杂因素。本课题针对实际炼油过程效益、质量、安全等优化问题，从深层次应用工业过程海量数据和工艺机理出发，探索复杂炼油装置、区域流程和全流程尺度上运行模式与关键变量之间的关联关系，挖掘其内在的关联知识，构建炼油过程混合模型，克服传统机理模型无法准确描述非工艺因素对过程影响的问题；在此基础上，针对炼油多目标优化问题，利用进化多目标算法，实施稳态和动态优化，重点分析多目标协同和优化策略，为实际炼油过程运行优化提供指导。通过典型炼油加工过程的应用，为大数据在复杂工业过程应用提供建模相关的理论方法和优化技术支撑。

本课题针对炼油过程机理复杂、操作模式多尺度、优化问题高维且目标多等共性复杂问题，应用工业过程海量运行数据和工艺机理分析，探索复杂炼油过程混合建模和高效优化技术，提出了：1）智能建模方法：针对炼油工业生产过程中诸多非工艺机理因素对生产结果的影响，基于自组织映射神经网络（SOM） 和卷积神经网络（CNN）提出一种新的深度神经网络框架，其中通过SOM将过程操作数据映射到2维特征空间来提取装置操作特征，然后这些特征送入CNN进行特征融合和学习，最后预测炼油生产过程产品产率、反应器出口温度等关键变量；2）混合建模方法：针对机理模型和数据模型在准确性与鲁棒性方面难以兼得的情况，通过机理与数据进行深度融合，提出了“机理主导模型”和“数据主导模型” 两种混合建模策略；针对反应过程，提出了一种全新的混合模型-自适应加权混合模型（AWHM），可实现根据装置特点自动调整机理和数据权重，提高模型精度；针对分离过程，提出了一种基于铰链超平面模型的原油混合计算模型，采用连续分段线性模型来近似基于虚拟组分法的原油混合TBP曲线计算，显著提升建模时间和求解效率；3）优化求解方法：提出了差分进化算法和化学反应算法的改进方法，提升算法在求解多峰问题时的全局搜索能力和收敛速度。针对传统智能优化算法求解多峰问题时全局搜索能力不足的情况，利用距离信息对差分进化算法进行了改进，使其更好的保持种群多样性，提升全局搜索能力。另外，针对化学反应算法收敛速度慢的缺点，提出了带有精英保留机制的混和差分化学反应优化算法。通过对测试函数的求解和与其他优秀改进算法优化结果的对比，验证了该改进算法的有效性；4）针对炼厂优化应用场景，研发了大数据驱动的炼油虚拟制造系统，辅助工业生产操作运行。相关研究工作已应用于中国石化九江分公司150万吨/年催化重整装置，显著提高了装置效益产品芳烃的收率，经济效益显著。