石化园区加氢裂化装置的工艺异常预警预判模型研究

为降低石化园区内生产装置工艺异常带来的安全风险,以加氢裂化精制反应温度为例,基于装置生产数据,探究关键工艺异常预警预判模型的构建过程和方法,以及模型应用效果。研究结果表明:基于深度学习的LSTM算法适用于工艺变量的动态预测,结合阈值预警机制实现提前5 min一反总温升异常预警,异常召回率为97.9%;应用贝叶斯网络算法诊断一反总温升异常最可能的根本原因为一反一床入口温度异常,概率值为0.5462。研究结果可为及时发现生产装置工艺异常进而调整操作,减少石化园区安全事故提供技术支撑。