智慧煉油廠生產(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)基本實現(xiàn)了生產(chǎn)裝置運行數(shù)據(jù)的實時采集、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)，對優(yōu)化生產(chǎn)、提質(zhì)增效、建設(shè)智慧煉油廠具有重大意義，但也面臨不小的挑戰(zhàn)。每個煉油廠的生產(chǎn)數(shù)據(jù)采集位點數(shù)量各不相同，少則數(shù)千，多則數(shù)萬乃至數(shù)十萬；數(shù)據(jù)采集時間間隔也隨煉油廠、裝置和采集位點有所不同，多在數(shù)秒至數(shù)分鐘，對同一位點，其采集間隔有時也會有所波動；煉油廠生產(chǎn)裝置年均運行時間在8 000 h以上，總體上煉油廠生產(chǎn)大數(shù)據(jù)具有多位點、高頻率、長時間的特點，具備一定的復(fù)雜性。

因此，工業(yè)數(shù)據(jù)處理是一項高度專業(yè)化、流程化、自動化的系統(tǒng)工程，面對如此海量的煉油廠生產(chǎn)大數(shù)據(jù)，必須形成一套高效、專業(yè)、各裝置通用的處理方法。本課題針對煉油廠生產(chǎn)數(shù)據(jù)特點，研發(fā)設(shè)計智慧煉油廠生產(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)難以實現(xiàn)等難題。

1 數(shù)據(jù)處理分析總流程簡介

針對煉油廠特點研發(fā)設(shè)計的數(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)處理模塊依次對煉油廠生產(chǎn)數(shù)據(jù)進行數(shù)據(jù)校驗、缺失值填補(可選)、數(shù)據(jù)清洗、離群點識別與去除。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，既可以獨立運行，又可以按次序依次運行。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，該模塊可對差異特征分析的輸出結(jié)果進行數(shù)據(jù)分組仿真，實現(xiàn)數(shù)據(jù)的補充。另外，在數(shù)據(jù)建模模塊，SmartPec提供了廣義線性(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)采集位點或各種物化性質(zhì)；列是樣本，一般是采集數(shù)據(jù)的時間點，各時間點可等間隔也可不等間隔。由于各煉油廠所用數(shù)據(jù)庫不同、數(shù)據(jù)格式各異，準(zhǔn)備工作難以編寫統(tǒng)一的處理程序，但其基本步驟都包括讀入數(shù)據(jù)、對齊(或平滑)時間點、統(tǒng)一缺失值格式。其目的是按照SmartPec對輸入數(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

數(shù)據(jù)校驗主要包括校驗數(shù)據(jù)中的常數(shù)行數(shù)與列數(shù)、缺失值數(shù)量、負數(shù)值數(shù)量等。該模塊的目的是在數(shù)據(jù)處理前，及時發(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)，并提前進行處理。

2.1.2缺失值填補

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

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，從而達到消除缺失值的目的。其優(yōu)點是簡單快捷，且不會引入錯誤數(shù)據(jù)給后續(xù)分析帶來不利影響；缺點是需刪除整行整列數(shù)據(jù)，會帶來額外的數(shù)據(jù)和信息損失。SmartPec包含一套專門設(shè)計的數(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盡可能多地保留矩陣中的數(shù)據(jù)。

2.1.4離群點識別與去除

離群點又叫歧異值或野值，是指顯著偏離總體均值的數(shù)據(jù)點。采樣誤差、記錄錯誤等原因都會產(chǎn)生離群點，它不僅直接影響模型擬合精度，甚至?xí)狗治龅贸鲥e誤結(jié)論。SmartPec包含一套專門設(shè)計的算法，通過計算每個樣本與其他樣本間距離來識別和去除數(shù)據(jù)中的離群點，并經(jīng)過多個煉油廠多套裝置的數(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可計算所有特征對間相關(guān)系數(shù)，并篩選出相關(guān)系數(shù)大于0.5和小于-0.5的強相關(guān)特征對，然后畫出相關(guān)系數(shù)熱圖。

2.2.2降維與可視化分析

煉油廠數(shù)據(jù)特征多、維度高，需降維以進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-分布隨機鄰域嵌入算法)。t-SNE是采用非線性隨機鄰域嵌入的一種機器學(xué)習(xí)算法，其主要思想是通過將高維空間中點與點間的歐氏距離轉(zhuǎn)換為條件概率來表征其相似性，進而使用這些概率分布在低維空間中進行點重構(gòu)，因而更適合數(shù)據(jù)分類可視化，而PCA更多作為下游分析的輸入。

2.2.3聚類分析

SmartPec采用Elbow法確定聚類數(shù)，以類內(nèi)平方和隨聚類數(shù)變化曲線的拐點作為最優(yōu)聚類數(shù)。為去除無關(guān)成分的干擾，SmartPec采用PCA主成分作為層次聚類法的輸入，并將t-SNE圖按聚類結(jié)果染色作為可視化輸出。聚類結(jié)果可用于對數(shù)據(jù)進行分類建模，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

刻畫聚類結(jié)果各子類間差異的本質(zhì)是探測在各類間存在差異的特征，可定義為差異特征分析問題。SmartPec采用ANOVA[4](Analysis of Variance，方差分析)對每個特征進行多類樣本均值檢驗，當(dāng)結(jié)果顯著時，再多次使用T檢驗刻畫該特征在每對子類間均值的差異情況。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)或子類樣本數(shù)較少時，建模效果難以保證。為解決這一問題，需依據(jù)已有樣本進行數(shù)據(jù)仿真產(chǎn)生更多樣本。整體來講，同類數(shù)據(jù)具有同一性，不同類數(shù)據(jù)具有差異性。進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一個子類進行。在該前提下，可假設(shè)同類數(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，針對煉油廠數(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)分布來控制每個特征的上下限，并設(shè)計了歸一化方法來確保多個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，例如，根據(jù)原料性質(zhì)、操作條件預(yù)測產(chǎn)品性質(zhì)。通常，先用訓(xùn)練數(shù)據(jù)建模和訓(xùn)練模型，再用測試數(shù)據(jù)測試準(zhǔn)確率達標(biāo)后，所建模型即可用于實際數(shù)據(jù)。廣義線性模型[5](Generalized Linear Model，GLM)是指用自變量對因變量進行廣義線性回歸訓(xùn)練出的預(yù)測模型。神經(jīng)網(wǎng)絡(luò)[6-7](Neural Networks，NN)模型是人工智能領(lǐng)域近年來的研究熱點。SmartPec實現(xiàn)了兩種方法在生產(chǎn)數(shù)據(jù)上的建模、訓(xùn)練、測試與應(yīng)用，并集成了模型比較功能。由于一次隨機劃分訓(xùn)練、測試樣本其結(jié)果難免有一定隨機性，為減小隨機性、反映真實情況，SmartPec中的模型比較功能采用K折交叉驗證。K折交叉驗證是指將所有樣本隨機等分為K份，用其中K-1份樣本作訓(xùn)練集、1份樣本作測試集得出預(yù)測結(jié)果和真實值的均方誤差(Mean-Square Error，MSE)，循環(huán)K次，每次依次將1份樣本作測試集，其余K-1份樣本作訓(xùn)練集，最終MSE等于K個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，首先要對重整生產(chǎn)數(shù)據(jù)進行建模。使用某煉油廠2016—2019年催化重整裝置的運行數(shù)據(jù)，用SmartPec數(shù)據(jù)處理流程對其進行數(shù)據(jù)預(yù)處理、降維和聚類分析，并分類建模。以重整進料性質(zhì)和操作條件為自變量、產(chǎn)品芳烴收率為因變量，SmartPec對聚類各子類隨機抽取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%樣本作為測試數(shù)據(jù)，計算芳烴收率的建模預(yù)測結(jié)果和真實值的MSE，并進行10折交叉驗證來減小樣本抽取的隨機性，10折交叉驗證可參考2.4節(jié)中K折交叉驗證的定義。在不使用SmartPec流程進行數(shù)據(jù)預(yù)處理，直接全樣本建模時，GLM模型和NN模型的10折交叉驗證MSE分別為3.887和4.168，如圖2中實線所示。使用SmartPec流程進行數(shù)據(jù)預(yù)處理后，GLM模型的10折交叉驗證MSE均值為0.897，NN模型的10折交叉驗證MSE均值為0.489，如圖2中虛線所示。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模型對催化重整數(shù)據(jù)建模的10折交叉驗證MSE●—NN； ▲—GLM

此外，由于SmartPec的開發(fā)不針對單一裝置或煉油廠，這使得它的適用范圍非常廣，對于不同的數(shù)據(jù)類型及裝置類型，都可用SmartPec建立的標(biāo)準(zhǔn)流程處理分析進而提高數(shù)據(jù)建模準(zhǔn)確性。因此SmartPec不僅可以對催化重整裝置進行建模，還可以對其他各類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行排序，不僅可以方便裝置操作人員對裝置整體運行狀況進行監(jiān)測，也可以通過對各項主要影響參數(shù)的分析和調(diào)節(jié)，實現(xiàn)裝置的故障清除或優(yōu)化運行。圖3是某煉油廠2016—2019年催化重整裝置運行數(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，如圖3中紅色虛線所示，25%分位數(shù)線左側(cè)的305個樣本是低收率樣本，75%分位數(shù)線右側(cè)的305個樣本是高收率樣本。使用SmartPec的差異特征分析功能，對低收率樣本和高收率樣本進行分析，識別并給出了校正后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。通過對數(shù)據(jù)進行分析，給出了影響芳烴收率的4個關(guān)鍵要素，分別是重整進料終餾點、平均相對分子質(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個關(guān)鍵要素的關(guān)系，由圖4可見，重整進料終餾點、平均相對分子質(zhì)量、脫丁烷塔回流量與芳烴收率呈現(xiàn)負相關(guān)，C8N含量與芳烴收率呈現(xiàn)正相關(guān)，由此可指導(dǎo)工藝人員對重整芳烴收率進行優(yōu)化。

圖3 某煉油廠催化重整裝置運行數(shù)據(jù)中芳烴收率

圖4 SmartPec識別出的影響催化重整芳烴收率的4個關(guān)鍵要素

此外，SmartPec不僅可以識別兩類樣本間的關(guān)鍵差異特征，更可以準(zhǔn)確識別多類樣本間的關(guān)鍵差異特征，應(yīng)用方式靈活多變；SmartPec在開發(fā)時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盡量包容各種可能的數(shù)據(jù)情況，能夠適應(yīng)煉油廠數(shù)據(jù)特點，穩(wěn)定性強。

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對高芳烴收率樣本進行仿真，仿真樣本量為10 000個；再將10 000個仿真樣本作為3.1小節(jié)中所建立的NN模型的輸入變量進行計算，結(jié)果表明，10 000個仿真樣本中最大預(yù)測芳烴收率為83.61%。此樣本對應(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)果可作為煉油廠實際運行調(diào)參的依據(jù)之一。SmartPec軟件工具包對復(fù)雜的數(shù)據(jù)處理分析過程進行模塊化設(shè)計和實現(xiàn)，用戶只需根據(jù)需求“搭積木”進行組合，簡單易用。此外，SmartPec還專門開發(fā)了對多線程并行計算的支持系統(tǒng)，且支持Windows，Mac，Linux等多個平臺，方便快捷。

4 結(jié) 論

介紹了專用于處理煉油廠生產(chǎn)數(shù)據(jù)的通用標(biāo)準(zhǔn)流程程序包SmartPec，并測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各類裝置數(shù)據(jù)建模預(yù)測準(zhǔn)確性，且具有適用范圍廣，通用性強的特點；SmartPec還具備一系列適用于煉油廠數(shù)據(jù)特點的數(shù)據(jù)挖掘和分析功能，準(zhǔn)確識別出了影響催化重整芳烴收率的4個關(guān)鍵要素，并可用于探測多類樣本間差異特征，應(yīng)用方式靈活，穩(wěn)定性強；SmartPec通過對某煉油廠催化重整裝置運行數(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)，簡單易用，方便快捷。