石油化工建設中的計算機數據整合分析

鄭澤文

（廣東工業大學華立學院，廣東廣州511325）

在石油化工項目建設中，大部分情況下，工程建設時間較長，并且會受到外界影響的因素很多[1]。因此，在石油化工建設中需要很多專業人員，統一進行項目管理決策，根據實際問題提供解決措施[2]。并且由于其面對問題的不同，很難將前人經驗運用于當前項目。一定程度上降低了建設效率[3]。然而，伴隨著信息化的應用與進步，信息技術工具開始在石油化工建設中得到廣泛應用。本文以石油化工建設中計算機數據整合分析為核心，將計算機信息化應用于石油化工建設，設計完整、有效的數據整合方法。并且通過實驗，對該方法的效果進行論證，希望可以促進石油化工建設中的數據管理，提升建設效率。

1 石油化工建設中的計算機數據整合方法設計

以現代化計算機技術為核心的數據整合方法設計主要包括以下幾個部分：原始數據采集和預處理、石油化工建設數據實時測量、實時測量數據處理、構建數據軟測量模型、計算機數據集成，以及計算機數據整合結果展示。

1.1 原始數據采集和預處理

首先要進行的是計算物料平衡，在這個過程中，要將項目中涉及的生產裝置、產品、油罐等數據進行采集，并將數據互相之間的關系進行計算。由于儀器精度和其他因素的影響，會導致采集數據的誤差，從而影響最終數據整合的準確度。因此，在石油化工建設原始數據采集后，通過檢驗法和數字濾波法進行處理，完成數據校正工作。從而實現數據的采集和預處理。

1.2 石油化工建設數據實時測量

在數據實時測量的過程中，由于人為原因、測量錯誤，往往會伴隨著一些大的誤差，以工藝流程中的某一部分為例，如圖1所示：其中A、B、C、D分別表示為四個節點，所代表的是相關生產裝置或者油罐等設備。實線箭頭S1～S6所代表的是物流，并且該物流具有測量值。虛線箭頭S7、S8表示的是缺數。其進料與出料的測量值是不平衡的。關于缺數S7、S8，可以根據質量平衡等式進行計算，但是由于測量值的誤差，導致計算結果并不準確。以S4為例，原始測量值為30.6，以C節點為質量平衡計算后，可得出：

圖1 測量值流圖

當以流程作為質量平衡計算時，可以得出：

對于得到的三個值，應該選用哪一種，可以利用統計的方式進行選擇。以統計學為依據，采用統計測試表明錯誤值X是以0為中心的正態分布，公式中X代表錯誤值，F(X)表示密度，其公式為：

1.3 實時測量數據處理

關于統計數據測試方法，主要包括以下兩個方面。一方面利用兩極統計測試方法，對于大誤差數據進行剔除。初始階段為全局的測試，確定存在大誤差數據的區域。第二階段就是測量測試，將造成誤差的儀表進行隔離，完成數據誤差的降低。另一方面，是串聯消除技術，在測量測試的結果進行誤差數據消除之后，對其余數據進行整合，并且重復上述過程，直到大誤差數據完全消失。

1.4 構建數據軟測量模型

為了確保分析數據與實時測量數據之間保持著統一的頻率，利用統計回歸的手段，采用差值進行數據實時預測分析。對因頻率差產生的數據障礙進行清除。數據軟測量的強調重點，在于以預測變量為輔變量、主導變量為因變量的模型建造。以生產工藝和工程為基礎，明確一系列輔變量，通過逐步回歸方法選擇其中最優的。最終以部分最小二乘法為依托，將模型建立完成。軟測量模型的建造完成，對于主導變量起到了預測作用。然而隨著模型使用時間的延長，往往預測精度有所降低，可以采用在線和連續建模的方式進行校正。將預測效果控制在標準誤差之內。

1.5 計算機數據集成

計算機數據整合的完成，還包括一項重要工作，就是數據集成。數據集成的核心工作是ETL，也就是數據抽取、轉換、裝載的實現。在本文研究中，采用Microsoft SQL Server 2020 Integration Services(SSIS)作為工具，完成數據集成工作。在對代理服務完成調度之后，將擴展組件進行自定義設置，完成數據增t的提取工作。對數據集成過程的調度、監控進行實現。數據集成的作用，除了將數據從平臺數據庫加載至主題數據庫外，還可以完成異構數據源到主題數據庫，除此之外，還可以進行數據管理。選擇某一個平臺作為企業主題數據庫，滿足數據中心建設的需求，并且盡量使得平臺轉換簡單一些，從而加強數據集成中心的穩定性。

1.6 數據整合結果展示

計算機數據整合方法建設完成后，對實時數據進行測量與處理，并且通過數據軟測量預測，確保實時測量數據與分析數據頻率一致。之后通過數據集成中心將數據整合結果，以表格形式展示出來。通過實際應用于柴油初餾點的即時分析過程，得出計算結果及誤差分析，如表1所示。

表1 數據整合結果誤差分析

根據表1實際應用結果分析可以看出：通過數據整合得出數值結果與實際結果之間相比較，誤差保持在1%左右，在工藝誤差范圍內，也就是說計算機數據整合結果有足夠的應用效果。

2 實驗論證分析

為了確保本文提出數據整合方法在實際應用中可以產生良好的效果，特進行實驗論證。為了保證實驗的科學性，選擇兩種傳統的數據整合方法，與本文所提出的計算機數據整合方法進行對比。實驗采用同一家煉油企業進行數據整合實驗，其企業數據較為繁雜，包括幾十套生產裝置、上百個油罐、以及上千條物流鏈路、還有各種儀表設備。首先，分別采用兩種傳統的數據整合方法，對于該企業生產數據進行整合，并將整合數據的準確度進行記錄。將其與實際數據對比，計算其準確度。然后，采用本文所提出方法，預先將企業原始數據采集和預處理，隨后對該企業的實時數據進行測量與處理后，再通過數據軟測量模型進行預測，從而保證數據分析的實時性。最后通過數據集成中心，完成數據的轉換等工作，最終依據形成的數據整合表格，計算整合數據的準確度。根據所得結論，本文所提出的數據整合方法其準確度遠遠高于傳統方法。在同樣的時間條件下，本文所提出方法從10s開始，其準確度就開始保持在90%以上，而且相當穩定。而傳統方法1的準確度始終保持在60%左右。傳統方法2的準確度保持在80%左右。因此，我們可以了解到，在石油化工建設中，本文所設計的計算機數據整合方法，通過更為全面的考慮與設計，再加上算法與軟件的合理應用，將企業內的數據整合準確性提到最高，可以以此作為充分的依據，完成生產統計報表和平衡報表。該項數據整合方法可以有效提高項目管理水平，增強管理效率。數據實時的更新，以及數據軟測量模型的維護，都有利于數據準確度的最大提升，通過信息化獲得的數據整合，可以為企業發展提供更好的基礎。

通過本文的研究，促進了信息化在石油化工建設中的應用，實現了數據整合的自動化，使得企業分析統計人員的工作量得以降低。提高了數據整合的準確率，同時提升了工作效率。