一种裂解产物收率的预测方法及其预测装置

本发明涉及乙烯裂解领域，具体涉及了一种裂解产物收率的预测方法、一种裂解产物收率的预测装置，以及一种计算机可读存储介质。背景技术：1、石油化工产业占据了国民经济的重要地位，乙烯作为重要的石化产品基础原材料，其产量已成为度量一个国家石油化工产业发展水平的重要标识。乙烯装置的原料可以包括经炼油厂一次加工的炼厂气等和二次加工的加氢尾油等，其产物包括甲烷、乙烯、丙烯、丁二烯、苯等。这些产物是塑料、合成纤维、合成橡胶以及其他有机材料的重要基础原料，广泛应用于化工、纺织、汽车、建筑等行业。2、要优化乙烯裂解生产过程，关键的一步就是实时对乙烯裂解炉出口产品组成进行监测，从而对参数进行调控以提高裂解产物的质量和产量。目前，工业乙烯裂解炉的产品收率可以利用在线色谱分析仪测定，但由于炉管出口裂解气温度很高，一个流路需要冷却数分钟后才能采集进入分析仪，这使得在线分析存在一定时滞。然而裂解反应的停留时间相对来说十分短暂，如果直接采用在线分析的方法，控制效果往往不太理想。此外，分析仪故障率较高且数据稳定性较差，运行和维护成本高。因此，建立易于测量的过程变量与裂解产物收率之间的软测量模型，对过程控制和优化具有重要意义。3、随着软测量技术的发展，各种神经网络被应用于裂解反应建模。然而，在乙烯裂解生产过程中，为降低成本和提高收益，每台裂解炉的进料负荷和操作条件经常需要调整。当工况发生变化时，原有神经网络模型的预测精度将会大幅降低，极易造成误判。若建立新的模型则需要重复训练过程，这将会花费大量的时间，也会降低过程模型的实时性和经济性。4、为了解决现有技术中存在的上述问题，本领域亟需一种裂解产物收率的预测技术，能够有效处理裂解过程中变量间复杂的非线性，从而解决由工艺状况变化等引起的软测量预测性能下降的问题，进而延长软测量的生命周期，获得更优的预测结果。技术实现思路1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。2、为了克服现有技术存在的上述缺陷，本发明提供了一种裂解产物收率的预测方法、一种裂解产物收率的预测装置，以及一种计算机可读存储介质，能够有效处理裂解过程中变量间复杂的非线性，从而解决由工艺状况变化等引起的软测量预测性能下降的问题，进而延长软测量的生命周期，获得更优的预测结果。3、具体来说，根据本发明的第一方面提供的上述裂解产物收率的预测方法，包括以下步骤：根据历史裂解过程中，裂解产物的收率及其相关变量，构建历史数据集，并根据多个相似性度量准则，在所述历史数据集中确定查询样本的多个局部历史数据集；选取所述多个局部历史数据集中与所述查询样本的相似度大于预设标准的历史样本，确定多个局部训练样本；基于各所述局部训练样本及其对应的相似度，构建多个局部加权偏最小二乘模型，以获得所述查询样本的局部输出预测值；以及通过验证数据集，获取各所述相似度的集成权重，以集成各所述局部预测输出值，获得所述裂解产物收率的最终预测结果。4、此外，根据本发明的第二方面提供的上述裂解产物收率的预测装置，包括：存储器；以及处理器，所述处理器连接所述存储器，并被配置用于实施本发明的第一方面提供的上述裂解产物收率的预测方法。5、此外，根据本发明的第三方面还提供了一种计算机可读存储介质，其上存储有计算机指令。所述计算机指令被处理器执行时，实施本发明的第一方面提供的上述裂解产物收率的预测方法。技术特征：1.一种裂解产物收率的预测方法，其特征在于，包括以下步骤：2.如权利要求1所述的预测方法，其特征在于，所述根据历史裂解过程中，裂解产物的收率及其相关变量，构建历史数据集，并根据多个相似性度量准则，确定查询样本的多个局部历史数据集的步骤包括：3.如权利要求2所述的预测方法，其特征在于，所述多个相似性度量准则，对所述历史数据进行聚类预处理，并在获得的多组聚类结果中获取各类的质心的步骤包括：4.如权利要求3所述的预测方法，其特征在于，所述多个相似性度量准则包括：基于欧氏距离和余弦相似度的第一相似性度量准则、基于有监督潜变量空间投影欧氏距离的第二相似性度量准则，以及基于互信息加权的欧氏距离的第三相似性度量准则。5.如权利要求4所述的预测方法，其特征在于，所述基于欧氏距离和余弦相似度的第一相似性度量准则的计算步骤包括：6.如权利要求4所述的预测方法，其特征在于，所述基于有监督潜变量空间投影欧氏距离的第二相似性度量准则的计算步骤包括：7.如权利要求4所述的预测方法，其特征在于，所述基于互信息加权的欧氏距离的第三相似性度量准则的计算步骤包括：8.如权利要求1所述的预测方法，其特征在于，所述选取所述多个局部历史数据集中与所述查询样本的相似度大于预设标准的历史样本，确定多个局部训练样本的步骤包括：9.如权利要求8所述的预测方法，其特征在于，所述基于各所述局部训练样本及其对应的相似度，构建多个局部加权偏最小二乘模型，以获得所述查询样本的局部输出预测值的步骤包括：10.如权利要求9所述的预测方法，其特征在于，所述基于各所述局部训练样本及其对应的相似度，构建多个局部加权偏最小二乘模型，以获得所述查询样本的局部输出预测值的步骤还包括：11.如权利要求10所述的预测方法，其特征在于，所述根据各所述局部训练样本对应的相似度，计算各所述局部训练样本的输入变量和输出变量的加权平均值的步骤包括：12.如权利要求10所述的预测方法，其特征在于，所述以所述查询样本输出的初始估计值作为各所述局部训练样本的加权输出均值的步骤包括：13.如权利要求10所述的预测方法，其特征在于，所述分别计算各所述局部训练样本和所述查询样本的潜变量，并根据所述潜变量，更新所述局部输出预测值的步骤包括：14.如权利要求13所述的预测方法，其特征在于，所述根据所述局部训练样本和所述查询样本的潜变量，以第k个潜变量，更新所述查询样本的局部输出预测值的步骤之后，还包括：15.如权利要求1所述的预测方法，其特征在于，所述通过验证数据集，获取各所述相似度的集成权重，以集成各所述局部预测输出值，获得所述裂解产物收率的最终预测结果的步骤包括：16.如权利要求1所述的预测方法，其特征在于，所述裂解产物的收率相关的变量包括进料流量、裂解炉出口温度、裂解炉出口压力，以及汽烃比，所述裂解产物包括氢气、甲烷、乙炔、丙炔、乙烯、丙烯、乙烷、丙烷、碳四、丁二烯，以及苯。17.一种裂解产物收率的预测装置，其特征在于，包括：18.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实施如权利要求1～16中任一项所述的裂解产物收率的预测方法。技术总结本发明公开了一种裂解产物收率的预测方法及其预测装置。预测方法包括以下步骤：根据历史裂解过程中，裂解产物的收率及其相关变量，构建历史数据集，并根据多个相似性度量准则，在历史数据集中确定查询样本的多个局部历史数据集；选取多个局部历史数据集中与查询样本的相似度大于预设标准的历史样本，确定多个局部训练样本；基于各局部训练样本及其对应的相似度，构建多个局部加权偏最小二乘模型，获得查询样本的局部输出预测值；以及通过验证数据集，获取各相似度的集成权重，以集成各局部预测输出值，获得裂解产物收率的最终预测结果。本发明能够解决由工艺状况变化等引起的预测性能下降的问题，进而延长软测量的生命周期，获得更优的预测结果。技术研发人员：杜文莉,周钊,田洲,钱锋受保护的技术使用者：华东理工大学技术研发日：技术公布日：2024/8/16