大数据技术应用于提升催化裂化装置生产运行水平研究

大数据技术应用于提升催化裂化装置生摘要：在我国进入21世纪快速发展的新时期，经济在迅猛发展，社会在不断进步，利用大数据技术对企业催化裂化装置在运行过程中遇到的共性与个性问题加以研究，从工艺以外的视角对问题解决加以尝试。大数据分析技术是运用计算程序对业务沉淀数据进行抽取、清理、转换、分析并结合一定的算法模型的处理，从中发现规律和异常，获取辅助决策的关键性数据，定性问题定量化，用它来预测未来可能的发展趋势，并为工艺上及时处理提供较为可靠的参考。关键词：大数据技术；催化裂化；运行水平商务等行业应用大数据技术都取得了良好的效果。在石化领域，国外已进行试验性探索，如某公司对海量的石油管道运输的管道传感数据进行了分析，发现管道压力数据与管道腐蚀程度的关联关系，可作为管道腐蚀程度的表征，从而更好地1在催化裂化装置上应用大数据技术的思路控制，从根本的角度上保证催化裂化装置在进行石化工作时候发生问题的概率有一定的降低。而在社会上得到广泛应用的大数据技术对催化裂化装置使用过程中数据平台进行全面地建设。在对这项技术手段研究中发现对大数据平台的建立可性，表明大数据分析结果可信度高。发现新的报警根原因，以再生滑阀压降为例，利用大数据分析发现了其根原因“待生斜管滑阀阀位”。经过工业验证，证明待生斜管滑阀阀位对再生滑阀压降存在反向影响，分析结果正确，这是仅凭以往经验发现不了的。通过分析挖掘催化裂化装置报警规律，基于大量历史数据计算各以因果链路知识库为基础，建立预警模型，形成对关键报警位点的预警机制，以技术人员可以收到反馈，及时采取工艺调整等措施，为装置非停争取到宝贵时间。2.2建设完善催化裂化装置大数据平台催化装置大数据平台是应用大数据开展催化装置应用的基础，为问题分析提供良好的数据样本及分析算法，并支持系统应用。可采用分布式技术架构进行大高度可定制化的用户界面，便于系统的扩展，改善信息的展现方式。利用工厂生产的历史数据进行数据挖掘，生成各个位点之间的相关性与因果化装置的报警数据进行筛选，利用报警管理算法降低报警数量。生成各个位点间的相关性与因果链路主要通过传递熵算法，需要选取历史数据中各个位点平稳的大小表示)。根据对相关性的显著性水平检验判断筛选出各位点之间的因果关系，并以此为依据做出因果链路。由传递熵可以离线计算得到因果链路图，并存储在知识库中以备查询。当链路图上的位点出现异常工况或较大波动时，异常工况预警系统便会提示之后的位点也将出现异常，方便操作员及时操作处理。同时，异常工况预警系统会根据链路图给出当前异常工况出现的原因，以供操作员迅速判2.4通过数值模拟做重油液滴捕获率催化裂化沉降器结构十分复杂，其内部安装有多组一级旋风分离器和二风分离器。油气和催化剂自提升管出口直接进入一级旋风分离器，在一级旋风分离器中绝大部分的油气和催化剂被迅速分离。剩余的少量油气和催化剂进入二级旋风分离器进行二次分离，分离后的油气经集气室进入分馏装置。受沉降器结构的影响，其内部的流动情况也相当复杂。油气在旋风分离器内流速高，而在沉降器内流动却相当缓慢。催化剂浓度在沉降器下部相对较高，而在旋风分离器内部和沉降器中上部则相对偏低。对于这个一个装置内的复杂气固流动体系，本研究将选用双流体模型对其进行描述。反应油气在沉降器流动过程中，器内存在少数低温区域，重组分油气会会因为周遭温度低于露点冷凝成重油液滴。这些重油液滴在随油气的运动过程中，可能粘附在器壁上，发生热转化反应生成焦炭。由于沉降器内重油液滴浓度很低，本研究将选用颗粒轨道模型对液滴的运动规律进行模拟研究。2.5报警分析模型利用工厂生产的历史数据进行数据挖掘，生成各个位点之间的相关性与因果链路，并以因果链路图为指导完成工厂生产异常工况的预警。此外，对中国石化各套催化裂化装置的报警数据进行筛选，利用报警管理算法降低报警数量。生成各个位点间的相关性与因果链路主要通过传递熵算法，需要选取历史数据中各个位点平稳的一段数据作为算法输入，计算后得到位点两两之间的相关性大小（以传递熵值大小表示）。根据对相关性的显著性水平检验判断筛选出各位点之间的因果关系，并以此为依据做出因果链路。减少装置报警次数，提高装置平稳运行率；通过本50%以上；通过对催化装置结焦大数据分析应用，运行周期，实现催化装置结焦状况的即时评估，减划停工次数；通过装置汽油收率研究，有效提高催来趋势，以便做出正确的生产或经营决策，如何对到装置粒度等，生产及经营数据如何有效关联和挖为企业迫切需求。因此，对数据的分析方向在流程智能化手段，通过大数据分析技术，