基于數(shù)據(jù)驅(qū)動(dòng)換熱設(shè)流動(dòng)腐蝕預(yù)測(cè)及其狀態(tài)監(jiān)管方法的研究.pdf

1、中國(guó)油氣資源需求日益增長(zhǎng)，國(guó)內(nèi)石油后備資源嚴(yán)重不足，石化煉油企業(yè)對(duì)劣質(zhì)進(jìn)口原油的使用比率增加，使得煉油裝置換熱設(shè)備的腐蝕問題不斷加重。此外，伴隨人工智能、互聯(lián)網(wǎng)的興起，石化企業(yè)的信息化程度全面提高，其格式復(fù)雜、信息分散的異構(gòu)系統(tǒng)中所采集的數(shù)據(jù)都在以爆炸式的速度增長(zhǎng)。如何將數(shù)據(jù)分析應(yīng)用于石化企業(yè)煉油裝置的腐蝕預(yù)測(cè)，實(shí)現(xiàn)煉油換熱系統(tǒng)的智能化在線監(jiān)管和預(yù)警防護(hù)是兩化融合的一個(gè)重要關(guān)注點(diǎn)。
　　在此背景下，本文以石化企業(yè)煉油裝置換熱設(shè)備流

2、動(dòng)腐蝕問題為研究對(duì)象，開展了流動(dòng)腐蝕預(yù)測(cè)及其狀態(tài)監(jiān)管方法研究，主要完成了以下幾個(gè)方面的研究工作:
　　(1)針對(duì)石化企業(yè)煉油設(shè)備運(yùn)行過程狀態(tài)數(shù)據(jù)非線性相關(guān)性高、數(shù)據(jù)維度大的特點(diǎn)，選擇合適的數(shù)據(jù)驅(qū)動(dòng)方法——隨機(jī)權(quán)神經(jīng)網(wǎng)絡(luò)(Random Vector Functional Link，RVFL)作為基礎(chǔ)算法，結(jié)合皮爾遜相關(guān)系數(shù)改進(jìn)并提出了小規(guī)范權(quán)重內(nèi)隨機(jī)權(quán)神經(jīng)網(wǎng)絡(luò)模型(Small Normal Random Vector Functio

3、nal Link，SNRVFL)。數(shù)據(jù)集測(cè)試表明該模型收斂速度較快，計(jì)算誤差良好，相較于反饋神經(jīng)網(wǎng)路(Back Propagation Neural Network，BPNN)模型和原始RVFL模型有更好的泛化能力和預(yù)測(cè)精度。
　　(2)針對(duì)石化企業(yè)異構(gòu)數(shù)據(jù)庫系統(tǒng)信息存儲(chǔ)格式繁雜、監(jiān)控?cái)?shù)據(jù)分散的問題，提出了B/S模式的流動(dòng)腐蝕監(jiān)管平臺(tái)，完成了企業(yè)DCS、LIMS等異構(gòu)數(shù)據(jù)系統(tǒng)的數(shù)據(jù)集成;利用所提出的流動(dòng)腐蝕預(yù)測(cè)模型對(duì)大量數(shù)據(jù)進(jìn)行分

4、析，形成了獨(dú)自的流動(dòng)腐蝕特征參數(shù)數(shù)據(jù)庫，結(jié)合經(jīng)驗(yàn)與標(biāo)準(zhǔn)給出相應(yīng)的告警信息與防護(hù)措施，實(shí)現(xiàn)了對(duì)煉油設(shè)備運(yùn)行過程腐蝕狀態(tài)的智能化監(jiān)控。
　　(3)將設(shè)計(jì)的流動(dòng)腐蝕狀態(tài)監(jiān)管平臺(tái)應(yīng)用到舟山石化加氫精制裝置的實(shí)時(shí)監(jiān)管過程中，結(jié)果反饋表明所構(gòu)建的模型能準(zhǔn)確快速預(yù)測(cè)氯化銨的結(jié)晶溫度，誤差為5.51％，計(jì)算速度平均159ms;所設(shè)計(jì)開發(fā)的監(jiān)管平臺(tái)實(shí)現(xiàn)了流動(dòng)腐蝕狀態(tài)的在線實(shí)時(shí)監(jiān)管，降低煉油換熱設(shè)備的腐蝕風(fēng)險(xiǎn)，保障設(shè)備能長(zhǎng)周期安穩(wěn)運(yùn)行。
　　本