一种分子级预测石化生产中任意流股能量的方法及系统与流程

摘要: 本申请涉及数据处理,尤其涉及一种分子级预测石化生产中任意流股能量的方法及系统。背景技术:1、在石化生产过程中,流股能量的准确预测是换热器热负荷设定、加热炉燃料量...
一种分子级预测石化生产中任意流股能量的方法及系统与流程

本申请涉及数据处理,尤其涉及一种分子级预测石化生产中任意流股能量的方法及系统。

背景技术:

1、在石化生产过程中,流股能量的准确预测是换热器热负荷设定、加热炉燃料量调节及冷却水量分配等工艺参数优化的核心依据。现有技术中,流股能量的预测主要依赖基于宏观物性参数的集总模型方法,即以密度、馏程、折射率等宏观测量值为输入,通过状态方程或经验关联式估算流股的整体焓值。该类方法将具有相似沸点但分子结构迥异的烃类化合物归并处理,以固定权重神经网络或经验公式建立宏观物性与能量参数之间的映射关系,并以离线历史数据完成模型训练后在实际生产中直接调用,在流股组成相对稳定的工况下具有一定的工程适用性。

2、然而,石化生产流股的分子组成随原料批次切换、反应温度变化及催化剂活性衰减等因素实时波动,宏观物性参数无法区分具有相似沸点但生成焓差异显著的烃类分子(例如具有相近沸点的环烷烃与直链烷烃,其生成焓差值可超过15kj/mol),导致集总模型在组成波动场景下产生系统性的能量预测偏差。与此同时,现有固定权重神经网络在完成离线训练后权重不再更新,当流股组成漂移超出历史训练数据覆盖范围时,模型无法自适应调整映射关系,预测误差随工况偏移而持续累积,在原料批次切换或操作条件大幅变更时尤为突出。此外,基团加和法等分子级热力学计算方法虽能从分子结构层面准确估算生成焓,但对所有分子簇统一执行精细化重构计算的资源消耗使其难以满足工业实时预测的时效性要求。

3、正是由于缺乏分子级的流股组成表征手段,导致模型无法识别哪些分子类别的组成波动会引发显著的能量预测误差;而在无法区分高风险与低风险分子类别的前提下,即便引入分子级重构手段,也只能对所有分子类别统一分配计算资源,无法将精细化重构集中投入到能量预测风险最高的区域;进一步地,即便完成了分子级重构,若神经网络的局部权重映射关系未能随精细重构结果同步校正,精细化输入的信息增益将被粗糙的权重映射所抵消,预测精度的提升依然受限。因此,如何建立一种以分子级特征为基础、以预测误差风险为调度信号、以局部权重在线校正为闭环手段的流股能量预测方法,是本领域亟待解决的技术问题。

技术实现思路

1、本申请提供了一种分子级预测石化生产中任意流股能量的方法及系统,解决了现有技术中流股能量预测无法区分不同分子簇组成波动对预测误差贡献差异、导致计算资源无法定向集中于高风险分子簇的技术问题,解决了固定权重神经网络在流股组成漂移时无法自适应校正局部映射关系、导致能量预测误差随工况偏移持续累积的技术问题。

2、第一方面,本申请提供了一种分子级预测石化生产中任意流股能量的方法,所述分子级预测石化生产中任意流股能量的方法包括:

3、步骤s1、获取流股样本的光谱数据,提取分子特征矢量;

4、步骤s2、将所述分子特征矢量按结构相似性归组,得到若干分子簇及各分子簇对应的混合权重;

5、步骤s3、基于各分子簇的历史能量预测误差与组成波动幅度的比值,确定各分子簇的误差敏感度系数,将各分子簇划分为高敏感分子簇与低敏感分子簇,并对高敏感分子簇执行精细化分子重构,得到全流股分子簇能量特征矩阵;

6、步骤s4、将所述全流股分子簇能量特征矩阵与所述混合权重输入局部权重校正神经网络,以高敏感分子簇的精细能量特征值为锚点,对所述局部权重校正神经网络中与高敏感分子簇对应的权重执行在线校正,输出流股预测比焓。

7、第二方面,本申请提供了一种分子级预测石化生产中任意流股能量的系统,所述分子级预测石化生产中任意流股能量的系统包括:

8、提取模块,用于获取流股样本的光谱数据,提取分子特征矢量;

9、分组模块,用于将所述分子特征矢量按结构相似性归组,得到若干分子簇及各分子簇对应的混合权重;

10、重构模块,用于基于各分子簇的历史能量预测误差与组成波动幅度的比值,确定各分子簇的误差敏感度系数,将各分子簇划分为高敏感分子簇与低敏感分子簇,并对高敏感分子簇执行精细化分子重构,得到全流股分子簇能量特征矩阵;

11、校正模块,用于将所述全流股分子簇能量特征矩阵与所述混合权重输入局部权重校正神经网络,以高敏感分子簇的精细能量特征值为锚点,对所述局部权重校正神经网络中与高敏感分子簇对应的权重执行在线校正,输出流股预测比焓。

12、第三方面,提供了一种分子级预测石化生产中任意流股能量的设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述分子级预测石化生产中任意流股能量的设备执行上述的分子级预测石化生产中任意流股能量的方法。

13、第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的分子级预测石化生产中任意流股能量的方法。

14、本申请提供的技术方案中,通过获取流股样本的光谱数据并提取分子特征矢量,将流股的组成表征从宏观物性层面深入至分子振动模式与质量分布层面,使后续能量预测所依赖的输入信息直接反映流股中各类烃分子的化学键结构差异,从根本上解决了宏观物性参数无法区分具有相似沸点但生成焓差异显著的同沸点异构分子的问题。在此基础上,将分子特征矢量按结构相似性归组得到若干分子簇及对应混合权重的技术特征,使流股组成的描述从单一整体转变为若干具有结构内聚性的分子类别集合,混合权重进一步量化了各类分子在当前流股中的摩尔占比,为后续以分子簇为单元开展差异化能量计算提供了结构化的数据基础。

15、基于各分子簇历史能量预测误差与组成波动幅度的比值确定误差敏感度系数,并以此将分子簇划分为高敏感与低敏感两类,是本申请最具技术贡献的算法特征。该特征将神经网络能量预测中隐性的、分散的预测不确定性转化为显性的、可量化的分子簇级风险信号,使计算资源得以按风险强度定向分配:对高敏感分子簇执行精细化分子重构并得到全流股分子簇能量特征矩阵,确保能量预测精度的提升集中作用于最易引发误差的分子类别,而非对所有分子簇施加均匀的计算负担;将全流股分子簇能量特征矩阵与混合权重输入局部权重校正神经网络,并以高敏感分子簇的精细能量特征值为锚点对对应局部权重执行在线校正的技术特征,使神经网络的映射能力能够随精细重构结果同步更新,避免了精细化输入信息被固定权重映射抵消的问题,从而在不重新训练整个网络的前提下实现了跨工况、跨原料批次的自适应能量预测。

1.一种分子级预测石化生产中任意流股能量的方法,其特征在于,所述方法包括:

2.根据权利要求1所述的分子级预测石化生产中任意流股能量的方法,其特征在于,所述步骤s1,包括:

3.根据权利要求2所述的分子级预测石化生产中任意流股能量的方法,其特征在于,所述步骤s2,包括:

4.根据权利要求3所述的分子级预测石化生产中任意流股能量的方法,其特征在于,基于各分子簇的历史能量预测误差与组成波动幅度的比值,确定各分子簇的误差敏感度系数,包括:

5.根据权利要求4所述的分子级预测石化生产中任意流股能量的方法,其特征在于,将各分子簇划分为高敏感分子簇与低敏感分子簇,包括:

6.根据权利要求5所述的分子级预测石化生产中任意流股能量的方法,其特征在于,对高敏感分子簇执行精细化分子重构,得到全流股分子簇能量特征矩阵,包括:

7.根据权利要求1所述的分子级预测石化生产中任意流股能量的方法,其特征在于,所述步骤s4,包括:

8.一种分子级预测石化生产中任意流股能量的系统,其特征在于,用于实现如权利要求1-7中任一项所述的分子级预测石化生产中任意流股能量的方法,所述分子级预测石化生产中任意流股能量的系统包括:

9.一种分子级预测石化生产中任意流股能量的设备,其特征在于,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的分子级预测石化生产中任意流股能量的方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序在被处理器运行时使得所述处理器执行如权利要求1至7中任一项所述的分子级预测石化生产中任意流股能量的方法。