智慧煉油廠(chǎng)生產(chǎn)數(shù)據(jù)處理算法及其在催化重整數(shù)據(jù)處理上的應(yīng)用

苗 準(zhǔn)，王鑫磊，張 蕾

(中國(guó)石化石油化工科學(xué)研究院，北京 100083)

隨著信息技術(shù)的發(fā)展應(yīng)用，現(xiàn)代煉油化工企業(yè)基本實(shí)現(xiàn)了生產(chǎn)裝置運(yùn)行數(shù)據(jù)的實(shí)時(shí)采集、記錄與監(jiān)控，積累了海量數(shù)據(jù)。如何充分處理好、利用好生產(chǎn)大數(shù)據(jù)，對(duì)優(yōu)化生產(chǎn)、提質(zhì)增效、建設(shè)智慧煉油廠(chǎng)具有重大意義，但也面臨不小的挑戰(zhàn)。每個(gè)煉油廠(chǎng)的生產(chǎn)數(shù)據(jù)采集位點(diǎn)數(shù)量各不相同，少則數(shù)千，多則數(shù)萬(wàn)乃至數(shù)十萬(wàn)；數(shù)據(jù)采集時(shí)間間隔也隨煉油廠(chǎng)、裝置和采集位點(diǎn)有所不同，多在數(shù)秒至數(shù)分鐘，對(duì)同一位點(diǎn)，其采集間隔有時(shí)也會(huì)有所波動(dòng)；煉油廠(chǎng)生產(chǎn)裝置年均運(yùn)行時(shí)間在8 000 h以上，總體上煉油廠(chǎng)生產(chǎn)大數(shù)據(jù)具有多位點(diǎn)、高頻率、長(zhǎng)時(shí)間的特點(diǎn)，具備一定的復(fù)雜性。

因此，工業(yè)數(shù)據(jù)處理是一項(xiàng)高度專(zhuān)業(yè)化、流程化、自動(dòng)化的系統(tǒng)工程，面對(duì)如此海量的煉油廠(chǎng)生產(chǎn)大數(shù)據(jù)，必須形成一套高效、專(zhuān)業(yè)、各裝置通用的處理方法。本課題針對(duì)煉油廠(chǎng)生產(chǎn)數(shù)據(jù)特點(diǎn)，研發(fā)設(shè)計(jì)智慧煉油廠(chǎng)生產(chǎn)數(shù)據(jù)處理分析通用標(biāo)準(zhǔn)流程，并將其形成SmartPec軟件工具包。通過(guò)其在催化重整裝置生產(chǎn)數(shù)據(jù)上的應(yīng)用，解決目前生產(chǎn)數(shù)據(jù)模型準(zhǔn)確性低、影響收率的關(guān)鍵要素難以確定、最優(yōu)化目標(biāo)難以實(shí)現(xiàn)等難題。

1 數(shù)據(jù)處理分析總流程簡(jiǎn)介

針對(duì)煉油廠(chǎng)特點(diǎn)研發(fā)設(shè)計(jì)的數(shù)據(jù)處理分析通用標(biāo)準(zhǔn)流程，并形成SmartPec軟件工具包，如圖1所示。主要包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析、數(shù)據(jù)仿真、數(shù)據(jù)建模4大模塊。數(shù)據(jù)預(yù)處理模塊依次對(duì)煉油廠(chǎng)生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)校驗(yàn)、缺失值填補(bǔ)(可選)、數(shù)據(jù)清洗、離群點(diǎn)識(shí)別與去除。預(yù)處理后的數(shù)據(jù)可在數(shù)據(jù)分析模塊進(jìn)行數(shù)據(jù)挖掘，該模塊集成了包括相關(guān)性分析、降維與可視化分析、聚類(lèi)分析、差異特征分析等在內(nèi)的數(shù)據(jù)分析方法，既可以獨(dú)立運(yùn)行，又可以按次序依次運(yùn)行。此外，軟件包還具備數(shù)據(jù)仿真功能，當(dāng)數(shù)據(jù)樣本量不足時(shí)，該模塊可對(duì)差異特征分析的輸出結(jié)果進(jìn)行數(shù)據(jù)分組仿真，實(shí)現(xiàn)數(shù)據(jù)的補(bǔ)充。另外，在數(shù)據(jù)建模模塊，SmartPec提供了廣義線(xiàn)性(GLM)模型和神經(jīng)網(wǎng)絡(luò)(NN)模型的構(gòu)建方法供選擇，并囊括了兩種模型的比較及應(yīng)用。

圖1 SmartPec數(shù)據(jù)處理流程

2 SmartPec各模塊介紹

2.1 數(shù)據(jù)預(yù)處理

SmartPec采用數(shù)據(jù)矩陣作為輸入，行是特征，即各數(shù)據(jù)采集位點(diǎn)或各種物化性質(zhì)；列是樣本，一般是采集數(shù)據(jù)的時(shí)間點(diǎn)，各時(shí)間點(diǎn)可等間隔也可不等間隔。由于各煉油廠(chǎng)所用數(shù)據(jù)庫(kù)不同、數(shù)據(jù)格式各異，準(zhǔn)備工作難以編寫(xiě)統(tǒng)一的處理程序，但其基本步驟都包括讀入數(shù)據(jù)、對(duì)齊(或平滑)時(shí)間點(diǎn)、統(tǒng)一缺失值格式。其目的是按照SmartPec對(duì)輸入數(shù)據(jù)的要求將數(shù)據(jù)規(guī)范化，建立統(tǒng)一的數(shù)據(jù)格式。

2.1.1數(shù)據(jù)校驗(yàn)

數(shù)據(jù)校驗(yàn)主要包括校驗(yàn)數(shù)據(jù)中的常數(shù)行數(shù)與列數(shù)、缺失值數(shù)量、負(fù)數(shù)值數(shù)量等。該模塊的目的是在數(shù)據(jù)處理前，及時(shí)發(fā)現(xiàn)數(shù)據(jù)中的冗余數(shù)據(jù)、缺失數(shù)據(jù)與異常數(shù)據(jù)，并提前進(jìn)行處理。

2.1.2缺失值填補(bǔ)

處理缺失值的一種方法是缺失值填補(bǔ)，即依據(jù)已有數(shù)據(jù)，按一定規(guī)則對(duì)缺失值進(jìn)行預(yù)測(cè)和插補(bǔ)。其優(yōu)點(diǎn)是保持矩陣行列數(shù)不變，不會(huì)帶來(lái)額外的數(shù)據(jù)和信息損失；缺點(diǎn)是填補(bǔ)數(shù)據(jù)質(zhì)量存在未知性。SmartPec根據(jù)數(shù)據(jù)是否是等間隔時(shí)間序列數(shù)據(jù)，采取線(xiàn)性插值法或鏈?zhǔn)椒匠潭嘣逖a(bǔ)法[1]兩種策略進(jìn)行缺失值填補(bǔ)。

2.1.3數(shù)據(jù)清洗

處理缺失值的另一種方法是數(shù)據(jù)清洗，即按一定準(zhǔn)則刪除包含缺失值的行或列，從而達(dá)到消除缺失值的目的。其優(yōu)點(diǎn)是簡(jiǎn)單快捷，且不會(huì)引入錯(cuò)誤數(shù)據(jù)給后續(xù)分析帶來(lái)不利影響；缺點(diǎn)是需刪除整行整列數(shù)據(jù)，會(huì)帶來(lái)額外的數(shù)據(jù)和信息損失。SmartPec包含一套專(zhuān)門(mén)設(shè)計(jì)的數(shù)據(jù)清洗算法，以窮舉打分的方式確定最優(yōu)的行列刪除方式，從而在刪除所有缺失值的同時(shí)盡可能多地保留矩陣中的數(shù)據(jù)。

2.1.4離群點(diǎn)識(shí)別與去除

離群點(diǎn)又叫歧異值或野值，是指顯著偏離總體均值的數(shù)據(jù)點(diǎn)。采樣誤差、記錄錯(cuò)誤等原因都會(huì)產(chǎn)生離群點(diǎn)，它不僅直接影響模型擬合精度，甚至?xí)狗治龅贸鲥e(cuò)誤結(jié)論。SmartPec包含一套專(zhuān)門(mén)設(shè)計(jì)的算法，通過(guò)計(jì)算每個(gè)樣本與其他樣本間距離來(lái)識(shí)別和去除數(shù)據(jù)中的離群點(diǎn)，并經(jīng)過(guò)多個(gè)煉油廠(chǎng)多套裝置的數(shù)據(jù)校合，有力保障了數(shù)據(jù)的正確性和后續(xù)分析的準(zhǔn)確性。

2.2 數(shù)據(jù)分析

2.2.1相關(guān)性分析

特征間相關(guān)系數(shù)是相關(guān)性分析中最常用的量，SmartPec可計(jì)算所有特征對(duì)間相關(guān)系數(shù)，并篩選出相關(guān)系數(shù)大于0.5和小于-0.5的強(qiáng)相關(guān)特征對(duì)，然后畫(huà)出相關(guān)系數(shù)熱圖。

2.2.2降維與可視化分析

煉油廠(chǎng)數(shù)據(jù)特征多、維度高，需降維以進(jìn)行可視化和下游分析。SmartPec集成了常用的降維與可視化方法PCA[2](Principal Component Analysis，主成分分析)和t-SNE[3](t-distributed Stochastic Neighbor Embedding，t-分布隨機(jī)鄰域嵌入算法)。t-SNE是采用非線(xiàn)性隨機(jī)鄰域嵌入的一種機(jī)器學(xué)習(xí)算法，其主要思想是通過(guò)將高維空間中點(diǎn)與點(diǎn)間的歐氏距離轉(zhuǎn)換為條件概率來(lái)表征其相似性，進(jìn)而使用這些概率分布在低維空間中進(jìn)行點(diǎn)重構(gòu)，因而更適合數(shù)據(jù)分類(lèi)可視化，而PCA更多作為下游分析的輸入。

2.2.3聚類(lèi)分析

SmartPec采用Elbow法確定聚類(lèi)數(shù)，以類(lèi)內(nèi)平方和隨聚類(lèi)數(shù)變化曲線(xiàn)的拐點(diǎn)作為最優(yōu)聚類(lèi)數(shù)。為去除無(wú)關(guān)成分的干擾，SmartPec采用PCA主成分作為層次聚類(lèi)法的輸入，并將t-SNE圖按聚類(lèi)結(jié)果染色作為可視化輸出。聚類(lèi)結(jié)果可用于對(duì)數(shù)據(jù)進(jìn)行分類(lèi)建模，有助于提高模型的擬合度和準(zhǔn)確性。

2.2.4差異特征分析

刻畫(huà)聚類(lèi)結(jié)果各子類(lèi)間差異的本質(zhì)是探測(cè)在各類(lèi)間存在差異的特征，可定義為差異特征分析問(wèn)題。SmartPec采用ANOVA[4](Analysis of Variance，方差分析)對(duì)每個(gè)特征進(jìn)行多類(lèi)樣本均值檢驗(yàn)，當(dāng)結(jié)果顯著時(shí)，再多次使用T檢驗(yàn)刻畫(huà)該特征在每對(duì)子類(lèi)間均值的差異情況。最后，輸出差異特征分析匯總表，按差異由強(qiáng)到弱給出所有特征及其顯著性，并給出所有顯著差異特征的箱線(xiàn)圖。

2.3 數(shù)據(jù)仿真

數(shù)據(jù)建模一般需要較多樣本量，當(dāng)原始數(shù)據(jù)或子類(lèi)樣本數(shù)較少時(shí)，建模效果難以保證。為解決這一問(wèn)題，需依據(jù)已有樣本進(jìn)行數(shù)據(jù)仿真產(chǎn)生更多樣本。整體來(lái)講，同類(lèi)數(shù)據(jù)具有同一性，不同類(lèi)數(shù)據(jù)具有差異性。進(jìn)行仿真的前提是被仿真數(shù)據(jù)具有相似性或同一性，即一次仿真只能針對(duì)一個(gè)子類(lèi)進(jìn)行。在該前提下，可假設(shè)同類(lèi)數(shù)據(jù)的同一特征在大量樣本中近似服從正態(tài)分布，不同特征服從不同參數(shù)的正態(tài)分布。此外，針對(duì)煉油廠(chǎng)數(shù)據(jù)可能存在的約束，例如百分比特征取值在0～100%之間、族組成數(shù)據(jù)(PONA)之和為100%等，SmartPec采用了截尾正態(tài)分布來(lái)控制每個(gè)特征的上下限，并設(shè)計(jì)了歸一化方法來(lái)確保多個(gè)特征之和為指定常數(shù)。

2.4 數(shù)據(jù)建模

數(shù)據(jù)建模廣泛用于目標(biāo)特征預(yù)測(cè)，例如，根據(jù)原料性質(zhì)、操作條件預(yù)測(cè)產(chǎn)品性質(zhì)。通常，先用訓(xùn)練數(shù)據(jù)建模和訓(xùn)練模型，再用測(cè)試數(shù)據(jù)測(cè)試準(zhǔn)確率達(dá)標(biāo)后，所建模型即可用于實(shí)際數(shù)據(jù)。廣義線(xiàn)性模型[5](Generalized Linear Model，GLM)是指用自變量對(duì)因變量進(jìn)行廣義線(xiàn)性回歸訓(xùn)練出的預(yù)測(cè)模型。神經(jīng)網(wǎng)絡(luò)[6-7](Neural Networks，NN)模型是人工智能領(lǐng)域近年來(lái)的研究熱點(diǎn)。SmartPec實(shí)現(xiàn)了兩種方法在生產(chǎn)數(shù)據(jù)上的建模、訓(xùn)練、測(cè)試與應(yīng)用，并集成了模型比較功能。由于一次隨機(jī)劃分訓(xùn)練、測(cè)試樣本其結(jié)果難免有一定隨機(jī)性，為減小隨機(jī)性、反映真實(shí)情況，SmartPec中的模型比較功能采用K折交叉驗(yàn)證。K折交叉驗(yàn)證是指將所有樣本隨機(jī)等分為K份，用其中K-1份樣本作訓(xùn)練集、1份樣本作測(cè)試集得出預(yù)測(cè)結(jié)果和真實(shí)值的均方誤差(Mean-Square Error，MSE)，循環(huán)K次，每次依次將1份樣本作測(cè)試集，其余K-1份樣本作訓(xùn)練集，最終MSE等于K個(gè)MSE的平均值，MSE均值越小代表模型準(zhǔn)確性越好。

3 SmartPec在催化重整數(shù)據(jù)處理上的應(yīng)用

3.1 大幅提高重整裝置數(shù)據(jù)建模預(yù)測(cè)準(zhǔn)確性

芳烴收率是催化重整裝置的關(guān)鍵優(yōu)化目標(biāo)之一，要最大化芳烴收率，首先要對(duì)重整生產(chǎn)數(shù)據(jù)進(jìn)行建模。使用某煉油廠(chǎng)2016—2019年催化重整裝置的運(yùn)行數(shù)據(jù)，用SmartPec數(shù)據(jù)處理流程對(duì)其進(jìn)行數(shù)據(jù)預(yù)處理、降維和聚類(lèi)分析，并分類(lèi)建模。以重整進(jìn)料性質(zhì)和操作條件為自變量、產(chǎn)品芳烴收率為因變量，SmartPec對(duì)聚類(lèi)各子類(lèi)隨機(jī)抽取90%樣本作為訓(xùn)練數(shù)據(jù)分別訓(xùn)練GLM和NN模型，其余10%樣本作為測(cè)試數(shù)據(jù)，計(jì)算芳烴收率的建模預(yù)測(cè)結(jié)果和真實(shí)值的MSE，并進(jìn)行10折交叉驗(yàn)證來(lái)減小樣本抽取的隨機(jī)性，10折交叉驗(yàn)證可參考2.4節(jié)中K折交叉驗(yàn)證的定義。在不使用SmartPec流程進(jìn)行數(shù)據(jù)預(yù)處理，直接全樣本建模時(shí)，GLM模型和NN模型的10折交叉驗(yàn)證MSE分別為3.887和4.168，如圖2中實(shí)線(xiàn)所示。使用SmartPec流程進(jìn)行數(shù)據(jù)預(yù)處理后，GLM模型的10折交叉驗(yàn)證MSE均值為0.897，NN模型的10折交叉驗(yàn)證MSE均值為0.489，如圖2中虛線(xiàn)所示。結(jié)果證明使用SmartPec流程建模可將GLM模型的MSE減小76.9%、NN模型的MSE減小88.3%，大幅提高了數(shù)據(jù)建模的準(zhǔn)確性。

圖2 使用NN模型和GLM模型對(duì)催化重整數(shù)據(jù)建模的10折交叉驗(yàn)證MSE●—NN； ▲—GLM

此外，由于SmartPec的開(kāi)發(fā)不針對(duì)單一裝置或煉油廠(chǎng)，這使得它的適用范圍非常廣，對(duì)于不同的數(shù)據(jù)類(lèi)型及裝置類(lèi)型，都可用SmartPec建立的標(biāo)準(zhǔn)流程處理分析進(jìn)而提高數(shù)據(jù)建模準(zhǔn)確性。因此SmartPec不僅可以對(duì)催化重整裝置進(jìn)行建模，還可以對(duì)其他各類(lèi)煉化裝置具有廣泛的適用性與非常好的建模效果。

3.2 準(zhǔn)確識(shí)別影響重整芳烴收率的關(guān)鍵要素

催化重整裝置的芳烴收率與重整進(jìn)料性質(zhì)和裝置操作條件密切相關(guān)，找出影響重整芳烴收率的關(guān)鍵要素并按其重要性進(jìn)行排序，不僅可以方便裝置操作人員對(duì)裝置整體運(yùn)行狀況進(jìn)行監(jiān)測(cè)，也可以通過(guò)對(duì)各項(xiàng)主要影響參數(shù)的分析和調(diào)節(jié)，實(shí)現(xiàn)裝置的故障清除或優(yōu)化運(yùn)行。圖3是某煉油廠(chǎng)2016—2019年催化重整裝置運(yùn)行數(shù)據(jù)中芳烴收率的直方圖，為了劃分高低收率樣本，圖中給出了25%和75%分位數(shù)線(xiàn)，如圖3中紅色虛線(xiàn)所示，25%分位數(shù)線(xiàn)左側(cè)的305個(gè)樣本是低收率樣本，75%分位數(shù)線(xiàn)右側(cè)的305個(gè)樣本是高收率樣本。使用SmartPec的差異特征分析功能，對(duì)低收率樣本和高收率樣本進(jìn)行分析，識(shí)別并給出了校正后p值小于0.01的差異特征排序，即為影響重整芳烴收率的關(guān)鍵要素。通過(guò)對(duì)數(shù)據(jù)進(jìn)行分析，給出了影響芳烴收率的4個(gè)關(guān)鍵要素，分別是重整進(jìn)料終餾點(diǎn)、平均相對(duì)分子質(zhì)量、C8環(huán)烷烴(C8N)含量以及脫丁烷塔回流量。圖4為芳烴收率和4個(gè)關(guān)鍵要素的關(guān)系，由圖4可見(jiàn)，重整進(jìn)料終餾點(diǎn)、平均相對(duì)分子質(zhì)量、脫丁烷塔回流量與芳烴收率呈現(xiàn)負(fù)相關(guān)，C8N含量與芳烴收率呈現(xiàn)正相關(guān)，由此可指導(dǎo)工藝人員對(duì)重整芳烴收率進(jìn)行優(yōu)化。

圖3 某煉油廠(chǎng)催化重整裝置運(yùn)行數(shù)據(jù)中芳烴收率

圖4 SmartPec識(shí)別出的影響催化重整芳烴收率的4個(gè)關(guān)鍵要素

此外，SmartPec不僅可以識(shí)別兩類(lèi)樣本間的關(guān)鍵差異特征，更可以準(zhǔn)確識(shí)別多類(lèi)樣本間的關(guān)鍵差異特征，應(yīng)用方式靈活多變；SmartPec在開(kāi)發(fā)時(shí)充分考慮到各種異常輸入與提示，且在做好輸入控制的同時(shí)盡量包容各種可能的數(shù)據(jù)情況，能夠適應(yīng)煉油廠(chǎng)數(shù)據(jù)特點(diǎn)，穩(wěn)定性強(qiáng)。

3.3 最大化重整芳烴收率

SmartPec的數(shù)據(jù)仿真功能提供了最大化重整芳烴收率的計(jì)算方案。將本文3.2小節(jié)中，差異特征分析結(jié)果高芳烴收率組的參數(shù)作為輸入變量，使用SmartPec對(duì)高芳烴收率樣本進(jìn)行仿真，仿真樣本量為10 000個(gè)；再將10 000個(gè)仿真樣本作為3.1小節(jié)中所建立的NN模型的輸入變量進(jìn)行計(jì)算，結(jié)果表明，10 000個(gè)仿真樣本中最大預(yù)測(cè)芳烴收率為83.61%。此樣本對(duì)應(yīng)的原料性質(zhì)與主要操作條件參數(shù)即為重整最優(yōu)芳烴收率工況。

研究結(jié)果表明，將數(shù)據(jù)仿真功能與數(shù)據(jù)建模功能相結(jié)合，實(shí)現(xiàn)了建模數(shù)據(jù)的快速獲取，提高了數(shù)據(jù)模型的適用性和準(zhǔn)確性。隨后利用所建立的模型篩選最優(yōu)化目標(biāo)變量或目標(biāo)函數(shù)的樣本參數(shù)，給出的最優(yōu)化結(jié)果可作為煉油廠(chǎng)實(shí)際運(yùn)行調(diào)參的依據(jù)之一。SmartPec軟件工具包對(duì)復(fù)雜的數(shù)據(jù)處理分析過(guò)程進(jìn)行模塊化設(shè)計(jì)和實(shí)現(xiàn)，用戶(hù)只需根據(jù)需求“搭積木”進(jìn)行組合，簡(jiǎn)單易用。此外，SmartPec還專(zhuān)門(mén)開(kāi)發(fā)了對(duì)多線(xiàn)程并行計(jì)算的支持系統(tǒng)，且支持Windows，Mac，Linux等多個(gè)平臺(tái)，方便快捷。

4 結(jié) 論

介紹了專(zhuān)用于處理煉油廠(chǎng)生產(chǎn)數(shù)據(jù)的通用標(biāo)準(zhǔn)流程程序包SmartPec，并測(cè)試了該軟件工具在催化重整數(shù)據(jù)處理上的應(yīng)用。SmartPec可將基于重整裝置運(yùn)行數(shù)據(jù)建立的GLM模型的MSE減小76.9%、NN模型的MSE減小88.3%，大幅提高了重整裝置及煉油廠(chǎng)各類(lèi)裝置數(shù)據(jù)建模預(yù)測(cè)準(zhǔn)確性，且具有適用范圍廣，通用性強(qiáng)的特點(diǎn)；SmartPec還具備一系列適用于煉油廠(chǎng)數(shù)據(jù)特點(diǎn)的數(shù)據(jù)挖掘和分析功能，準(zhǔn)確識(shí)別出了影響催化重整芳烴收率的4個(gè)關(guān)鍵要素，并可用于探測(cè)多類(lèi)樣本間差異特征，應(yīng)用方式靈活，穩(wěn)定性強(qiáng)；SmartPec通過(guò)對(duì)某煉油廠(chǎng)催化重整裝置運(yùn)行數(shù)據(jù)的數(shù)據(jù)分析、數(shù)據(jù)處理、模型訓(xùn)練和模擬計(jì)算，提供了芳烴收率最大化方案；最后，SmartPec軟件包可用于多種優(yōu)化任務(wù)，簡(jiǎn)單易用，方便快捷。