侯士超(昆侖數(shù)智科技有限責(zé)任公司，北京 102206)

0 引言

在大數(shù)據(jù)時(shí)代背景中，數(shù)字化正在改變著流程工業(yè)對(duì)業(yè)務(wù)和技術(shù)的傳統(tǒng)認(rèn)知，數(shù)據(jù)即資產(chǎn)。基于大數(shù)據(jù)在工業(yè)裝置上的應(yīng)用是石化企業(yè)未來(lái)生存和發(fā)展的根基，一切生產(chǎn)活動(dòng)都將依賴于數(shù)據(jù)應(yīng)用和服務(wù)。未來(lái)誰(shuí)能做到“有據(jù)可依”“智能分析”，掌握“數(shù)據(jù)變現(xiàn)”，才能真正實(shí)現(xiàn)工業(yè)應(yīng)用的智能分析?；跀?shù)據(jù)的智慧分析應(yīng)用將是發(fā)展實(shí)現(xiàn)“數(shù)據(jù)變現(xiàn)”的有力手段。

1 大數(shù)據(jù)治理與分析方法

利用不同的大數(shù)據(jù)分析方法，應(yīng)用到實(shí)際生產(chǎn)中去，通過(guò)數(shù)據(jù)挖掘與探索分析，發(fā)現(xiàn)數(shù)據(jù)特征及規(guī)律，作為數(shù)據(jù)建模輸入的依據(jù)。常見(jiàn)的數(shù)據(jù)特征分析方法有數(shù)據(jù)特征描述、相關(guān)性分析、主成分分析等。數(shù)據(jù)首先要轉(zhuǎn)換成適合于挖掘的形式，即統(tǒng)一數(shù)據(jù)的量綱及數(shù)量級(jí)，稱為數(shù)據(jù)標(biāo)準(zhǔn)化。常用的方法有數(shù)據(jù)泛化、標(biāo)準(zhǔn)化、屬性構(gòu)造等。

數(shù)據(jù)轉(zhuǎn)換主要包括以下幾種方法：

(1)基期標(biāo)準(zhǔn)化法

選擇數(shù)據(jù)系列的第一個(gè)時(shí)期作為參照，各期標(biāo)準(zhǔn)化數(shù)據(jù)＝各期數(shù)據(jù)/基期數(shù)據(jù)。

(2)直線法

①極值法：

②z-score法：

(3)折線法

(4)曲線法

①Log函數(shù)法：x′=log(xi)/log(max(xi))；

②Arctan函數(shù)法：x′=arctan(xi)×2/π。

綜上所述，在起搏器間歇性感知功能字符異常的臨床診斷中采用動(dòng)態(tài)心電圖檢測(cè)展示良好效果，存在比較高的檢出幾率，檢出準(zhǔn)確性比較好。

通過(guò)以上幾種方法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化轉(zhuǎn)換，實(shí)現(xiàn)數(shù)據(jù)分析的基礎(chǔ)。下一步進(jìn)行數(shù)據(jù)分析，建立分析模型，形成解決工業(yè)裝置實(shí)際問(wèn)題的方案，在分析中主要有以下幾種方法：

(1)回歸分析(趨勢(shì)研判)

進(jìn)行回歸分析之前有兩個(gè)準(zhǔn)備工作，第一確定變量的數(shù)量。第二確定自變量和因變量。只有一個(gè)變量X與因變量Y有關(guān)，使用一元回歸；分析多個(gè)變量與因變量Y的關(guān)系，使用多元回歸。

(2)聚類分析(發(fā)生概率)

K-Means聚類算法。主要思想是：首先將各個(gè)聚類子集內(nèi)的所有數(shù)據(jù)樣本的均值作為該聚類的代表點(diǎn)，然后把每個(gè)數(shù)據(jù)點(diǎn)劃分到最近的類別中，使得評(píng)價(jià)聚類性能的準(zhǔn)則函數(shù)達(dá)到最優(yōu)，從而使同一個(gè)類中的對(duì)象相似度較高，而不同類之間的對(duì)象的相似度較小[1]。

(3) EM算法(關(guān)聯(lián)關(guān)系)

通過(guò)EM算法建立關(guān)鍵性參數(shù)與大量操作數(shù)據(jù)、原料性質(zhì)數(shù)據(jù)、裝置數(shù)據(jù)等工業(yè)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系網(wǎng)。最大期望算法經(jīng)過(guò)兩個(gè)步驟交替進(jìn)行計(jì)算，第一步是計(jì)算期望(E)；第二步是最大化(M)。M步上找到的參數(shù)估計(jì)值被用于下一個(gè)E步計(jì)算中，這個(gè)過(guò)程不斷交替進(jìn)行，也就是迭代使用EM步驟，直至收斂。

本文通過(guò)嘗試，各方法都有缺點(diǎn)，在方法選擇中根據(jù)數(shù)據(jù)特征確定分析方法，如：聚類分析、關(guān)聯(lián)分析等常用直線法；而綜合評(píng)價(jià)則折線和曲線方法用得較多。

在分析方法的選擇上，本文主要用到的算法如表1所示。

表1 大數(shù)據(jù)分析算法

2 大數(shù)據(jù)工業(yè)應(yīng)用

催化裂化裝置作為煉油廠生產(chǎn)汽、柴油的主要裝置，其加工工藝最復(fù)雜、操作控制難度大，在各類主裝置非計(jì)劃停工中占比最高[2]。目前，大部分煉化企業(yè)裝置運(yùn)行周期只有3年，裝置運(yùn)行周期還有很大的提升空間。在大多數(shù)煉廠中，催化裝置主要存在以下三個(gè)問(wèn)題：一是報(bào)警占比高，運(yùn)行不平穩(wěn)等；二是催化裝置非計(jì)劃停工占停工總數(shù)的大部分，其中結(jié)焦是主要原因，結(jié)焦問(wèn)題表現(xiàn)在結(jié)焦量難以預(yù)測(cè)；三是運(yùn)行工況的不同造成汽油收率高低差異較大[3]。因此，催化裂化裝置生產(chǎn)中出現(xiàn)的問(wèn)題需要重點(diǎn)解決。本文是基于海量的運(yùn)行數(shù)據(jù)和分析化驗(yàn)數(shù)據(jù)，通過(guò)對(duì)催化裂化裝置進(jìn)行大數(shù)據(jù)分析研究，嘗試對(duì)報(bào)警、結(jié)焦和收率建立算法模型，提出提高裝置運(yùn)行的“安穩(wěn)長(zhǎng)滿優(yōu)”、優(yōu)化產(chǎn)品結(jié)構(gòu)、提升裝置經(jīng)濟(jì)效益的建議方案。

2.1 催化報(bào)警分析的數(shù)據(jù)應(yīng)用

造成非計(jì)劃停車經(jīng)過(guò)統(tǒng)計(jì)，催化裝置報(bào)警占比高，運(yùn)行不平穩(wěn)。通過(guò)大數(shù)據(jù)分析得到的關(guān)鍵報(bào)警位點(diǎn)的根原因，與專家經(jīng)驗(yàn)分析的結(jié)果存在很大程度的重合性，表明大數(shù)據(jù)分析結(jié)果可信度高。發(fā)現(xiàn)新的報(bào)警根原因，以再生滑閥壓降為例，如圖1所示，利用大數(shù)據(jù)分析發(fā)現(xiàn)了其根原因“待生斜管滑閥閥位”。經(jīng)過(guò)工業(yè)驗(yàn)證，證明待生斜管滑閥閥位對(duì)再生滑閥壓降存在反向影響，分析結(jié)果正確，這是僅憑以往經(jīng)驗(yàn)發(fā)現(xiàn)不了的。

圖1 大數(shù)據(jù)報(bào)警原因分析

通過(guò)分析挖掘催化裂化裝置報(bào)警規(guī)律，基于大量歷史數(shù)據(jù)計(jì)算各位點(diǎn)間的相關(guān)性，形成因果鏈路圖，暴露引發(fā)報(bào)警的源頭，進(jìn)行重點(diǎn)監(jiān)測(cè)和控制，以因果鏈路知識(shí)庫(kù)為基礎(chǔ)，建立預(yù)警模型，形成對(duì)關(guān)鍵報(bào)警位點(diǎn)的預(yù)警機(jī)制，以輔助操作人員及時(shí)做出判斷和調(diào)整。從實(shí)際案例分析，如圖2所示，曲線為過(guò)程數(shù)據(jù)，黑粗線為預(yù)測(cè)值，生產(chǎn)過(guò)程中利用大數(shù)據(jù)分析建立預(yù)警算法，在報(bào)警發(fā)生前提前預(yù)警，預(yù)警模型判斷2 min后“二再密相溫度”將出現(xiàn)報(bào)警，預(yù)警發(fā)出時(shí)，技術(shù)人員可以收到反饋，及時(shí)采取工藝調(diào)整等措施，為裝置非停爭(zhēng)取到寶貴時(shí)間。

圖2 大數(shù)據(jù)報(bào)警預(yù)測(cè)

2.2 催化結(jié)焦預(yù)測(cè)

基于大數(shù)據(jù)分析回歸方法，建設(shè)生焦率的預(yù)測(cè)模型，采集有效樣本數(shù)萬(wàn)組，測(cè)算了催化長(zhǎng)時(shí)間的結(jié)焦量，并進(jìn)行了現(xiàn)場(chǎng)的工業(yè)驗(yàn)證。模型的預(yù)測(cè)值較為準(zhǔn)確，解決了結(jié)焦這個(gè)不可測(cè)變量的定量化問(wèn)題。每天估算沉降器內(nèi)的結(jié)焦總量，為操作提供參考，為催化裝置的長(zhǎng)周期運(yùn)行提供支持。如圖3所示，每天估算沉降器中關(guān)鍵部位的結(jié)焦量。

圖3 結(jié)焦累計(jì)分析

2.3 汽油收率預(yù)測(cè)

依據(jù)相關(guān)性分析篩選出來(lái)的影響因素，從大量生產(chǎn)數(shù)據(jù)中分析對(duì)汽油收率影響較大的工藝因素。如圖4所示，結(jié)合裝置現(xiàn)場(chǎng)條件確定可調(diào)操作變量，并以汽油收率最大化為目標(biāo)尋優(yōu)可調(diào)操作變量。建立大數(shù)據(jù)分析模型，采用神經(jīng)網(wǎng)絡(luò)技術(shù)建立的汽油收率模型，從而實(shí)現(xiàn)實(shí)時(shí)提供汽油收率最大化的生產(chǎn)操作方案。

圖4 汽油收率最大優(yōu)化方案

3 結(jié)語(yǔ)

隨著本次大數(shù)據(jù)應(yīng)用的研究，可以得出：通過(guò)大數(shù)據(jù)分析報(bào)警應(yīng)用，可有效減少裝置報(bào)警次數(shù)，提高裝置平穩(wěn)運(yùn)行率；通過(guò)本次研究可以有效減少報(bào)警次數(shù)50%以上；通過(guò)對(duì)催化裝置結(jié)焦大數(shù)據(jù)分析應(yīng)用，有效延緩裝置結(jié)焦，提高裝置運(yùn)行周期，實(shí)現(xiàn)催化裝置結(jié)焦?fàn)顩r的即時(shí)評(píng)估，減少催化裝置因結(jié)焦造成的非計(jì)劃停工次數(shù)；通過(guò)裝置汽油收率研究，有效提高催化裝置目的產(chǎn)品收率，催化裝置汽油收率提升1個(gè)百分點(diǎn)左右。

對(duì)于煉化企業(yè)來(lái)說(shuō)，以真實(shí)的運(yùn)行數(shù)據(jù)預(yù)測(cè)未來(lái)趨勢(shì)，以便做出正確的生產(chǎn)或經(jīng)營(yíng)決策，如何對(duì)生產(chǎn)運(yùn)行安全性預(yù)測(cè)預(yù)警落實(shí)到裝置粒度等，生產(chǎn)及經(jīng)營(yíng)數(shù)據(jù)如何有效關(guān)聯(lián)和挖掘，提升認(rèn)知，深化應(yīng)用，成為企業(yè)迫切需求。因此，對(duì)數(shù)據(jù)的分析方向在流程工業(yè)的應(yīng)用，應(yīng)該以信息化和智能化手段，通過(guò)大數(shù)據(jù)分析技術(shù)，從統(tǒng)計(jì)分析向預(yù)測(cè)分析轉(zhuǎn)變，從被動(dòng)分析向主動(dòng)分析轉(zhuǎn)變，真正解決企業(yè)業(yè)務(wù)痛點(diǎn)，為企業(yè)創(chuàng)造經(jīng)濟(jì)效益。