大數(shù)據(jù)技術(shù)在催化裂化裝置運(yùn)行分析中的應(yīng)用

李鵬，鄭曉軍，明梁，趙勁松，高金森

（1中國石油化工股份有限公司煉油事業(yè)部，北京 100728；2石化盈科信息技術(shù)有限責(zé)任公司，北京 100007；3清華大學(xué)化工系，北京 100084；4中國石油大學(xué)(北京)化學(xué)工程學(xué)院，北京 102249）

?

大數(shù)據(jù)技術(shù)在催化裂化裝置運(yùn)行分析中的應(yīng)用

李鵬1，鄭曉軍2，明梁3，趙勁松3，高金森4

（1中國石油化工股份有限公司煉油事業(yè)部，北京 100728；2石化盈科信息技術(shù)有限責(zé)任公司，北京 100007；3清華大學(xué)化工系，北京 100084；4中國石油大學(xué)(北京)化學(xué)工程學(xué)院，北京 102249）

摘要：催化裂化裝置是煉油廠生產(chǎn)汽柴油的核心生產(chǎn)裝置，是煉廠效益的重要來源，但催化裂化裝置的運(yùn)行面臨著結(jié)焦、催化劑跑損等影響長(zhǎng)周期運(yùn)行問題。因此本文介紹了在中國石油化工股份有限公司開發(fā)的煉油技術(shù)分析與遠(yuǎn)程診斷平臺(tái)上，運(yùn)用大數(shù)據(jù)數(shù)據(jù)處理技術(shù)和積累的海量的催化運(yùn)行數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘與分析，嘗試對(duì)催化裂化裝置報(bào)警、結(jié)焦等問題進(jìn)行深入探索研究與分析，解決催化裂化裝置報(bào)警問題、結(jié)焦問題和收率問題，從而進(jìn)一步提升催化裂化裝置運(yùn)行水平。分析表明基于傳遞熵的根原因分析能夠比較全面、準(zhǔn)確地找出相關(guān)問題的影響因素，從而提高催化裂化裝置平穩(wěn)運(yùn)行，而大數(shù)據(jù)技術(shù)一旦工業(yè)化應(yīng)用取得成功，將取得良好的經(jīng)濟(jì)效益和社會(huì)效益，進(jìn)而促進(jìn)大數(shù)據(jù)技術(shù)在石化行業(yè)的推廣應(yīng)用。

關(guān)鍵詞：大數(shù)據(jù)；催化裂化；技術(shù)分析

2001年，Gartner公司的一份研究報(bào)告首次出現(xiàn)“大數(shù)據(jù)”概念的提法[1]。進(jìn)入2012年，大數(shù)據(jù)一詞越來越多地被提及，人們用它來描述和定義信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新。越來越多的政府、企業(yè)等機(jī)構(gòu)開始意識(shí)到數(shù)據(jù)正在成為組織最重要的資產(chǎn)[2-4]，數(shù)據(jù)分析能力正在成為組織的核心競(jìng)爭(zhēng)力。

大數(shù)據(jù)技術(shù)在國內(nèi)外呈現(xiàn)了快速發(fā)展的趨勢(shì)，國內(nèi)外金融業(yè)、互聯(lián)網(wǎng)、通信、電子商務(wù)等行業(yè)應(yīng)用大數(shù)據(jù)技術(shù)都取得了良好的效果。近年來，京東、淘寶、亞馬遜等網(wǎng)絡(luò)零售第三方交易平臺(tái)和電子商務(wù)網(wǎng)站蓬勃發(fā)展，聚集了大量的經(jīng)營(yíng)者、消費(fèi)者和商品、服務(wù)，并因此產(chǎn)生了大量的商業(yè)數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)對(duì)網(wǎng)絡(luò)購物、網(wǎng)絡(luò)消費(fèi)、網(wǎng)絡(luò)團(tuán)購、網(wǎng)上支付數(shù)據(jù)進(jìn)行深度挖掘、深入分析，可發(fā)現(xiàn)大量有價(jià)值的信息和統(tǒng)計(jì)規(guī)律，對(duì)布局和推動(dòng)今后互聯(lián)網(wǎng)經(jīng)濟(jì)的健康有序發(fā)展、進(jìn)一步規(guī)范經(jīng)營(yíng)者和消費(fèi)者的電子商務(wù)活動(dòng)、加強(qiáng)國家對(duì)該領(lǐng)域的宏觀調(diào)控和監(jiān)管等，均產(chǎn)生了積極的作用。在通信行業(yè)，中國聯(lián)通、中國移動(dòng)、中國電信3大運(yùn)營(yíng)商分別采取了加速推進(jìn)大數(shù)據(jù)應(yīng)用的舉措。

在石化領(lǐng)域，國外已進(jìn)行試驗(yàn)性探索，如BP公司對(duì)海量管道傳感數(shù)據(jù)進(jìn)行分析[5]，發(fā)現(xiàn)管道壓力數(shù)據(jù)與管道腐蝕程度的關(guān)聯(lián)關(guān)系可作為管道腐蝕程度的表征，從而更好地安排原油輸運(yùn)，降低腐蝕風(fēng)險(xiǎn)。但國內(nèi)石化行業(yè)對(duì)于大數(shù)據(jù)技術(shù)的應(yīng)用目前仍是空白。

1 中國石化催化裂化裝置初步具備大數(shù)據(jù)分析的條件

2012年底中國石油化工股份有限公司（簡(jiǎn)稱中國石化）共有催化裂化裝置55套，總加工能力6911萬噸/年，負(fù)荷率100.3%，2Mt/a規(guī)模以上的催化裂化裝置已增加到9套，平均規(guī)模達(dá)到127萬噸/年。以2012年為例，中國石化催化裂化裝置生產(chǎn)汽油2532.7萬噸（占當(dāng)年國內(nèi)汽油消費(fèi)量的29%以上），生產(chǎn)柴油1363.6萬噸（占當(dāng)年國內(nèi)柴油消費(fèi)量的10%以上）。盡管催化裂化裝置的運(yùn)行水平在不斷地提高，但在產(chǎn)品分布、節(jié)能減排、運(yùn)行周期及催化劑技術(shù)4方面仍存在一系列亟待解決的問題。以影響催化裂化運(yùn)行周期的非計(jì)劃停工為例，根據(jù)中國石化煉油事業(yè)部統(tǒng)計(jì)：2013年中國石化下屬煉油企業(yè)共19套裝置發(fā)生非計(jì)劃停工，非計(jì)劃停工天數(shù)共207天。其中，催化裝置非計(jì)劃停工占53%，占停工天數(shù)72%，而催化裂化裝置非計(jì)劃停工主要原因是由裝置結(jié)焦引起的（圖1）。此外，催化裂化裝置的生產(chǎn)工藝非常復(fù)雜，根據(jù)中國石化煉油技術(shù)分析與遠(yuǎn)程診斷系統(tǒng)統(tǒng)計(jì)，催化裂化裝置的生產(chǎn)報(bào)警數(shù)量遠(yuǎn)遠(yuǎn)大于其他裝置的生產(chǎn)報(bào)警數(shù)（圖1），因此降低催化裂化裝置生產(chǎn)報(bào)警與結(jié)焦，成為催化裂化裝置迫切需要解決的問題。

圖1 裝置報(bào)警統(tǒng)計(jì)分布圖和催化裂化裝置非計(jì)劃停工原因分布圖

針對(duì)催化裝置中存在的上述問題，目前一直使用傳統(tǒng)工藝技術(shù)分析手段進(jìn)行分析研究，獲得了一定的成果。但由于數(shù)據(jù)來源的單一性及不連續(xù)性，無法對(duì)結(jié)焦等問題發(fā)生的原因進(jìn)行深層次的分析，更談不上預(yù)警與預(yù)防，只能被動(dòng)的事后分析。

2008年3月，中國石化開始煉油工藝遠(yuǎn)程診斷平臺(tái)建設(shè)[6]，截至2013年，中國石化310套煉油主生產(chǎn)裝置全部實(shí)現(xiàn)上線運(yùn)行，系統(tǒng)3分鐘采集一次的數(shù)據(jù)點(diǎn)數(shù)達(dá)到16萬個(gè)，目前存儲(chǔ)歷史數(shù)據(jù)約55TB，且每年以18TB左右的速度增長(zhǎng)。經(jīng)過近年煉油技術(shù)分析及遠(yuǎn)程診斷系統(tǒng)對(duì)數(shù)據(jù)的不斷積累，初步形成了中國石化煉油大數(shù)據(jù)源，利用這些大數(shù)據(jù)，來挖掘分析數(shù)據(jù)背后的關(guān)聯(lián)，從而對(duì)催化裝置運(yùn)行中存在的一些問題進(jìn)行分析、預(yù)測(cè)、預(yù)警、可視化展示，從而提供了解決工業(yè)問題的新思路和新方法。

2 在催化裂化裝置上應(yīng)用大數(shù)據(jù)技術(shù)的思路

針對(duì)催化裂化裝置存在的突出問題（報(bào)警多、結(jié)焦問題及如何提高目的產(chǎn)品收率問題），基于中國石化煉油技術(shù)分析及遠(yuǎn)程診斷系統(tǒng)，應(yīng)用大數(shù)據(jù)技術(shù)理念對(duì)催化裂化裝置的海量數(shù)據(jù)進(jìn)行深層次的數(shù)據(jù)挖掘，發(fā)現(xiàn)問題，找到問題的關(guān)聯(lián)因子，建立預(yù)測(cè)模型，通過對(duì)試點(diǎn)裝置的驗(yàn)證后，形成可供推廣的生產(chǎn)操作指導(dǎo)和風(fēng)險(xiǎn)評(píng)估技術(shù)，開創(chuàng)應(yīng)用大數(shù)據(jù)技術(shù)解決催化裂化裝置生產(chǎn)問題的新途徑。

2.1 建設(shè)完善催化裂化裝置大數(shù)據(jù)平臺(tái)

圖2 催化裝置大數(shù)據(jù)平臺(tái)技術(shù)架構(gòu)

催化裝置大數(shù)據(jù)平臺(tái)是應(yīng)用大數(shù)據(jù)開展催化裝置應(yīng)用的基礎(chǔ)，為問題分析提供良好的數(shù)據(jù)樣本及分析算法，并支持系統(tǒng)應(yīng)用。可采用分布式技術(shù)架構(gòu)進(jìn)行大數(shù)據(jù)平臺(tái)建設(shè)，便于數(shù)據(jù)的快速采集與分析計(jì)算；采用組件化的開發(fā)技術(shù)，實(shí)現(xiàn)高度可定制化的用戶界面，便于系統(tǒng)的擴(kuò)展，改善信息的展現(xiàn)方式。平臺(tái)建設(shè)包括數(shù)據(jù)整定及樣本數(shù)據(jù)模型開發(fā)、分析算法開發(fā)及模型應(yīng)用3部分，平臺(tái)技術(shù)架構(gòu)見圖2。

2.1.1 數(shù)據(jù)整定及樣本數(shù)據(jù)模型開發(fā)

數(shù)據(jù)整定是根據(jù)所定義的具體分析問題，對(duì)研究所需的數(shù)據(jù)進(jìn)行整定形成樣本。樣本庫包括基礎(chǔ)樣本庫和專題樣本庫兩個(gè)層面，見圖2。基礎(chǔ)樣本庫開發(fā)工作是將中國石化技術(shù)分析及遠(yuǎn)程診斷系統(tǒng)、企業(yè)端ODS及其他信息系統(tǒng)數(shù)據(jù)進(jìn)行整定，以時(shí)間為統(tǒng)一維度，將不同系統(tǒng)的各業(yè)務(wù)主題數(shù)據(jù)串聯(lián)，形成基礎(chǔ)樣本庫；專題樣本庫是在基礎(chǔ)樣本庫基礎(chǔ)上，利用領(lǐng)域?qū)＜业慕?jīng)驗(yàn)選取解決專題問題所需的業(yè)務(wù)主題數(shù)據(jù)，形成進(jìn)行專題分析的專題問題樣本庫。

基礎(chǔ)樣本庫包括總部端基礎(chǔ)樣本庫及企業(yè)端基礎(chǔ)樣本庫，包括生產(chǎn)物料、質(zhì)量、計(jì)量、操作、工藝等業(yè)務(wù)主題數(shù)據(jù)。專題樣本庫針對(duì)研究目標(biāo)，包括催化報(bào)警問題分析樣本庫、催化結(jié)焦問題分析樣本庫及催化提高汽油（目的產(chǎn)品）收率研究樣本庫3個(gè)部分。

數(shù)據(jù)模型庫是進(jìn)行大數(shù)據(jù)分析的直接數(shù)據(jù)基礎(chǔ)，通過調(diào)用平臺(tái)大數(shù)據(jù)分析算法庫中的相關(guān)算法，從專題樣本庫中篩選與研究問題高度相關(guān)的數(shù)據(jù)維度，形成專題模型庫。如催化報(bào)警問題分析模型庫中，是基于催化報(bào)警問題分析樣本庫進(jìn)行維度篩選，樣本數(shù)量不變，數(shù)據(jù)維度范圍使用數(shù)學(xué)分析方法進(jìn)一步縮小。數(shù)據(jù)模型庫針對(duì)研究目標(biāo)，包括催化報(bào)警問題分析模型庫、催化結(jié)焦問題分析模型庫及催化提高汽油收率研究模型庫3個(gè)部分。

2.1.2 大數(shù)據(jù)分析算法庫開發(fā)

分析算法庫是支持模型庫建立的重要工具，同時(shí)也是支持應(yīng)用的計(jì)算引擎。大數(shù)據(jù)分析算法庫包括聚類算法、分類算法、關(guān)聯(lián)分析算法及預(yù)測(cè)算法4個(gè)部分，每類算法包含具體應(yīng)用所需的數(shù)據(jù)挖掘算法，具體算法見表1。

2.1.3 分析模型應(yīng)用

分析模型應(yīng)用是將研究成果可視化，支持關(guān)鍵用戶進(jìn)行在線的操作。應(yīng)用開發(fā)是基于樣本數(shù)據(jù)模型進(jìn)行在線的模型調(diào)用分析，需要調(diào)用大數(shù)據(jù)分析算法庫中的算法進(jìn)行分析計(jì)算，最終將結(jié)果進(jìn)行可視化展示。

2.2 應(yīng)用模型開發(fā)

2.2.1 報(bào)警分析模型

利用工廠生產(chǎn)的歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，生成各個(gè)位點(diǎn)之間的相關(guān)性與因果鏈路，并以因果鏈路圖為指導(dǎo)完成工廠生產(chǎn)異常工況的預(yù)警。此外，對(duì)中國石化各套催化裂化裝置的報(bào)警數(shù)據(jù)進(jìn)行篩選，利用報(bào)警管理算法降低報(bào)警數(shù)量。生成各個(gè)位點(diǎn)間的相關(guān)性與因果鏈路主要通過傳遞熵算法[7]，需要選取歷史數(shù)據(jù)中各個(gè)位點(diǎn)平穩(wěn)的一段數(shù)據(jù)作為算法輸入，計(jì)算后得到各位點(diǎn)兩兩之間的相關(guān)性大小（以傳遞熵值大小表示）。根據(jù)對(duì)相關(guān)性的顯著性水平檢驗(yàn)判斷篩選出各位點(diǎn)之間的因果關(guān)系，并以此為依據(jù)做出因果鏈路，如圖3所示。

表1 數(shù)據(jù)挖掘算法

為了驗(yàn)證分析結(jié)果的準(zhǔn)確性，將傳遞熵的分析結(jié)果分別與中國石化集團(tuán)FCCU專家、九江FCCU專家的經(jīng)驗(yàn)分析結(jié)果進(jìn)行了比對(duì)。以再生滑閥壓降（PDIC217）為例，不同層級(jí)的專家對(duì)再生滑閥壓降影響因素的分析結(jié)果不一致，而傳遞熵對(duì)再生滑閥壓降影響因素與集團(tuán)FCCU專家的分析結(jié)果的重合率為56%，存在比較大程度的重合；與FCCU專家的經(jīng)驗(yàn)分析相比，傳遞熵發(fā)現(xiàn)了大量沒有被FCCU 專家分析出的影響因素。

由于生產(chǎn)條件的限制，本文針對(duì)兩個(gè)位點(diǎn)進(jìn)行了傳遞熵結(jié)果工業(yè)驗(yàn)證，分別為再生滑閥壓降（PDIC217）與二再密相溫度（TI227A）。根據(jù)傳遞熵的計(jì)算結(jié)果，待生滑閥閥位是再生滑閥壓降的影響因素，而FCCU專家并沒有提及，因此以驗(yàn)證待生滑閥閥位對(duì)再生滑閥壓降的影響為例，其具體驗(yàn)證方案和驗(yàn)證結(jié)果分別見表2和圖4。

由于再生滑閥壓降一直存在較大的波動(dòng)，因此以平均值衡量其變化。如圖4所示，待生滑閥閥位（從24.1%到25.3%，增加1.2%）時(shí)，再生滑閥壓降減小約1MPa；待生滑閥閥位（從24.1%到23.3%，減少0.8%）時(shí)，再生滑閥壓降增大約1.5MPa，即待生滑閥閥位越大，再生滑閥壓降越小。上述工業(yè)驗(yàn)證結(jié)果表明待生滑閥閥位是再生滑閥壓降的影響因素，驗(yàn)證了傳遞熵計(jì)算結(jié)果的準(zhǔn)確性和可信度，同時(shí)也體現(xiàn)了基于數(shù)據(jù)分析的傳遞熵算法較人工分析的優(yōu)勢(shì)。

圖3 再生滑閥壓降（PDIC217）的因果鏈路圖

表2 待生滑閥閥位對(duì)再生滑閥壓降影響的工業(yè)驗(yàn)證

圖4 驗(yàn)證期間操作變量及觀察變量趨勢(shì)

2.2.2 結(jié)焦診斷模型

模型收集催化裝置結(jié)焦前后歷史數(shù)據(jù)，利用非線性主成分分析方法，結(jié)合實(shí)驗(yàn)室的結(jié)焦機(jī)理研究[8]，確定結(jié)焦關(guān)鍵性參數(shù)，綜合利用神經(jīng)網(wǎng)絡(luò)算法等預(yù)測(cè)方法對(duì)結(jié)焦趨勢(shì)（包括結(jié)焦速率、累積結(jié)焦量、結(jié)焦分布，模型建立步驟見圖5）進(jìn)行長(zhǎng)周期預(yù)測(cè)及優(yōu)化，并通過聚類算法及互相關(guān)函數(shù)等時(shí)滯分析算法建立關(guān)鍵性參數(shù)與大量操作數(shù)據(jù)、原料性質(zhì)數(shù)據(jù)、裝置數(shù)據(jù)等工業(yè)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系網(wǎng)，并提出具體可執(zhí)行的減緩結(jié)焦的方案。

T時(shí)刻沉降器內(nèi)部的瞬時(shí)結(jié)焦量的計(jì)算方法如式(1)～式(3)。

瞬時(shí)結(jié)焦量 = 純焦量 + 焦塊中催化劑量 (1)

純焦量 = 重油沉降器內(nèi)重油液滴生成量×捕獲率×生焦率(2)

重油沉降器內(nèi)重油液滴生成量 = 油氣平均質(zhì)量流量×油氣中油漿含量×油漿平均冷凝率 (3)

圖5 神經(jīng)網(wǎng)絡(luò)模型建立步驟

T時(shí)刻沉降器內(nèi)部的總結(jié)焦量計(jì)算如式(4)。

總結(jié)焦量 = 裝置開工到T時(shí)刻的瞬時(shí)結(jié)焦量之和 (4)

結(jié)焦量的預(yù)測(cè)結(jié)果見表3。

表3 結(jié)焦量的預(yù)測(cè)結(jié)果

2.2.3 汽油收率模型

模型以現(xiàn)有催化裂化操作、設(shè)備、原料、催化劑方面的工業(yè)過程數(shù)據(jù)為基礎(chǔ)，采用優(yōu)秀機(jī)器學(xué)習(xí)算法，如支持向量機(jī)（support vector machine，SVM）進(jìn)行長(zhǎng)周期預(yù)測(cè)模型，確保模型運(yùn)行的穩(wěn)健性和自主學(xué)習(xí)性，并建立優(yōu)化方案，以提出操作改進(jìn)建議。

2.3 信息可視化

信息可視化[9]（information visualization）旨在進(jìn)行大規(guī)模信息資源的視覺呈現(xiàn)，利用圖形圖像方面的技術(shù)與方法，幫助操作人員理解和分析數(shù)據(jù)，囊括了數(shù)據(jù)可視化、信息圖形、知識(shí)可視化、科學(xué)可視化以及視覺設(shè)計(jì)等方面，見圖6。可視化提供了深入洞察大數(shù)據(jù)的手段，將擬采用Processing語言，引入電子藝術(shù)的概念，輔助進(jìn)行系統(tǒng)開發(fā)的可視化設(shè)計(jì)。

圖6 結(jié)焦量預(yù)測(cè)可視化界面

3 結(jié) 論

本文探討了如何利用大數(shù)據(jù)技術(shù)解決煉油工業(yè)中催化裂化裝置運(yùn)行存在的3個(gè)亟需解決的問題（報(bào)警問題、結(jié)焦問題、收率問題）。由于催化裂化過程的復(fù)雜性和不確定性，大數(shù)據(jù)技術(shù)在上述3個(gè)問題方面較傳統(tǒng)的基于經(jīng)驗(yàn)和過程知識(shí)的解決思路體現(xiàn)出較大的優(yōu)勢(shì)。以報(bào)警問題為例，基于傳遞熵的根原因分析能夠比較全面、準(zhǔn)確地找出相關(guān)位點(diǎn)的影響因素，并為下一步預(yù)警模型的建立提供重要依據(jù)，從而提高催化裂化裝置平穩(wěn)運(yùn)行時(shí)間。而大數(shù)據(jù)技術(shù)一旦工業(yè)化應(yīng)用取得成功，將取得良好的經(jīng)濟(jì)效益和社會(huì)效益，進(jìn)而促進(jìn)大數(shù)據(jù)技術(shù)在石化行業(yè)的推廣應(yīng)用。

參 考 文 獻(xiàn)

[1] HIGUCHI F，YAMAMOTO I，TAKAI T，et al. Use of event correlation analysis to reduce number of alarms[J]. Computer Aided Chemical Engineering，2009，27：1521-1526.

[2] 趙云山，劉換換. 大數(shù)據(jù)技術(shù)在電力行業(yè)的應(yīng)用研究[J]. 研究與開發(fā)，2014（1）：57-62.

[3] 王靜遠(yuǎn)，李超，熊章，等. 以數(shù)據(jù)為中心的智慧城市研究綜述[J]. 計(jì)算機(jī)研究與進(jìn)展，2014，51（2）：239-259.

[4] 全石峰. 云計(jì)算環(huán)境下大數(shù)據(jù)處理對(duì)電子商務(wù)發(fā)展的作用[J]. 電腦知識(shí)與技術(shù)，2013，19（20）：4762-4770.

[5] NISHIGUCHI J，TAKAI T. IPL2 and 3 performance improvement method for process safety using event correlation analysis[J]. Computers & Chemical Engineering，2010，34（12）：2007-2013.

[6] 李鵬，鄭曉軍. 中國石化煉油技術(shù)分析及遠(yuǎn)程診斷系統(tǒng)的開發(fā)與實(shí)踐[J]. 煉油技術(shù)與工程，2012（10）：49-53.

[7] SHU Yidan，ZHAO Jinsong. Data-driven causal inference based on a modified transfer entropy[J]. Computers & Chemical Engineering，2013，57：173-180.

[8] 藍(lán)興英，高金森，徐春明. 重油催化裂化沉降器結(jié)焦歷程分析[J].現(xiàn)代化工，2007（4）：46-48.

[9] 羅萬才，雷君虎，李敘庚. 基于Processing的信息可視化研究[J].電腦知識(shí)與技術(shù)，2009，13：3543-3544，3546.

綜述與專論

Application of big data technology in operation analysis of catalytic cracking

LI Peng1，ZHENG Xiaojun2，MING Liang3，ZHAO Jinsong3，GAO Jinsen4
（1SINOPEC Petroleum Refining Business Unit，Beijing 100728，China;2Petro-Cyber Works Information Technology Co.，Ltd.，Beijing 100007，China;3Department of Chemical Engineering，Tsinghua University，Beijing 100084，China;
4College of Chemical Engineering，China University of Petroleum-Beijing，Beijing 102249，China）

Abstract：FCC as the core equipment for gasoline and diesel oil production，is an important source of refinery economic efficiency，but long period operation of catalytic cracking unit is constrained by coking and loss of catalyst. In order to further enhance operating level of catalytic cracking unit and try to use big data processing technology，China’s petrochemical refining technology analysis and remote fault diagnosis platform was developed and data mining and analysis of accumulated massive data of catalytic cracking was conducted to make exploratory research and analysis of operational problems of coking，alarming，etc. A more comprehensive analysis can accurately identify the factors related to the problems，thereby securing smooth running of catalytic cracking unit. Once industrial applications of big data technology make good economic and social benefits based on the root cause transfer entropy，further application of big data technology in the petrochemical industry is expected.

Key words：big data; catalytic cracking; technical analysis

收稿日期：2015-08-21；修改稿日期：2015-09-06。

DOI：10.16085/j.issn.1000-6613.2016.03.002

中圖分類號(hào)：TP 15；TE 626

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1000–6613（2016）03–0665–06

第一作者：李鵬（1972—），男，工學(xué)博士，教授級(jí)高級(jí)工程師，在中國石油化工股份有限公司煉油事業(yè)部從事技術(shù)管理工作。聯(lián)系人：鄭曉軍，博士。E-mail steven. zheng@pcitc.com。