延迟焦化开工线腐蚀机理及温度模型预测

以某延迟焦化装置为研究对象,明确了延迟焦化装置开工线发生的低温湿硫化氢(H2S)腐蚀问题并分析了腐蚀机理,在此基础上确立了开工线温度作为腐蚀失效的表征参量;由于开工线温度直接测量有延迟、成本高,且延迟焦化生产中各环境变量具有较强的非线性、时变性和复杂性,在高斯过程回归(GPR)模型的基础上,提出了基于引力搜索算法(GSA)优化的复合核函数高斯过程回归(GSA-CKGPR)模型,实现了开工线温度的软测量。通过对实际延迟焦化过程数据的训练预测分析,表明该预测模型相比于单核GPR模型、支持向量回归机(SVR)模型以及其他启发式优化算法具有更好的预测精度和稳定性,相对GPR模型均方根误差降低了47.3%,有利于延迟焦化开工线温度的精准预测,可为该装置的工艺操作参数优化及安全稳定运行提供理论支撑。

基于GPR的延迟焦化系统温度软测量建模与预测

为了解决延迟焦化系统中因腐蚀引起的硬测量仪表维护成本高的现状,提出并构建了一种基于高斯过程回归的开工线温度软测量预测模型。通过选取合适的核函数,优化超参数,实现了预测温度的目的。最后用现场测试数据对该模型进行评估,结果表明:基于GPR的软测量建模算法在工业领域具有实用性和可操作性。

基于移动窗口和粒子群寻优的集成偏最小二乘改进算法

为了克服传统偏最小二乘算法对时序非线性数据拟合效果差的问题,提出了结合移动窗口技术和粒子群算法的集成偏最小二乘算法(EMWPLS_PSO)。该算法通过移动窗口判定时序数据状态突变时刻以对原始数据集进行数据划分,添加冗余检查步骤,简化模型结构,同时引入粒子群算法对关键参数寻优,提高了模型性能。采用工业数据集Debutanizer_data验证算法,结果表明:该算法在处理时序、非线性数据时具有更高的精准度和更好的稳定性。这表明基于EMWPLS_PSO的软测量建模算法在工业领域的实用性和可操作性。