日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

                                                         關(guān)鍵詞：流程工業(yè)；連續(xù)重整；數(shù)據(jù)挖掘
    彭松濤
男，中國(guó)石油化工股份公司信息系統(tǒng)管理部  北京  100029。

1   引言
 
    流程工業(yè)包括石化、冶金、電力、輕工、制藥、造紙、環(huán)保等在國(guó)民經(jīng)濟(jì)中占主導(dǎo)地位的行業(yè)，是經(jīng)濟(jì)發(fā)展的重要支柱產(chǎn)業(yè)。流程工業(yè)生產(chǎn)過(guò)程物流和能量流連續(xù)，產(chǎn)品相對(duì)穩(wěn)定，生產(chǎn)周期長(zhǎng)，工藝流程基本不變，通過(guò)調(diào)整在線工藝參數(shù)可使生產(chǎn)具有一定程度的柔性。目前我國(guó)流程工業(yè)企業(yè)普遍存在著能耗大、產(chǎn)品質(zhì)量差、生產(chǎn)工藝落后、自動(dòng)化及操作水平低等問(wèn)題，1999年我國(guó)流程工業(yè)能耗普遍比國(guó)外先進(jìn)水平高出30%；而據(jù)測(cè)算，僅通過(guò)優(yōu)化自動(dòng)化系統(tǒng)及過(guò)程工藝參數(shù)的在線優(yōu)化技術(shù)對(duì)過(guò)程生產(chǎn)增加收益的典型值為裝置產(chǎn)值的3%-5%。針對(duì)現(xiàn)有生產(chǎn)工藝設(shè)備，從企業(yè)大量保存的歷史數(shù)據(jù)中提取有用的知識(shí)，根據(jù)這些知識(shí)提高過(guò)程的控制及操作水平，在當(dāng)今能源和自然資源緊張的情況下具有重要的經(jīng)濟(jì)和技術(shù)意義。
 
    流程工業(yè)的生產(chǎn)過(guò)程優(yōu)化問(wèn)題按時(shí)期分兩大類(lèi)，一類(lèi)是設(shè)計(jì)時(shí)的優(yōu)化，工藝流程、設(shè)備類(lèi)型和尺寸、生產(chǎn)操作條件都可以調(diào)整，但確定之后一般不做修正；另一類(lèi)是運(yùn)行中的優(yōu)化，此時(shí)工藝及設(shè)備因素均已確定，只有操作條件可以變動(dòng)。當(dāng)環(huán)境條件變量變動(dòng)時(shí)，運(yùn)行變量值需要及時(shí)做相應(yīng)的調(diào)整。一般而言，生產(chǎn)裝置的操作條件在設(shè)計(jì)時(shí)已按設(shè)計(jì)指標(biāo)優(yōu)化并定義為標(biāo)準(zhǔn)操作參數(shù)，如按反應(yīng)動(dòng)力學(xué)分析得到的原料配比，過(guò)程單元設(shè)備的工作參數(shù)等。但在長(zhǎng)期生產(chǎn)過(guò)程中，由于原料成份、公用工程等工況的改變和設(shè)備老化等常見(jiàn)因素，設(shè)計(jì)階段定義的操作參數(shù)往往不能達(dá)到期望的效果。操作優(yōu)化的目的是在現(xiàn)有工藝及設(shè)備條件下，通過(guò)調(diào)整可控變量，使生產(chǎn)過(guò)程處于最優(yōu)工況附近，從而提高產(chǎn)值、降低能耗。雖然對(duì)于數(shù)學(xué)模型的優(yōu)化問(wèn)題已較容易解決，但由于現(xiàn)實(shí)生產(chǎn)過(guò)程的復(fù)雜性，精確建模的工作非常困難。
 
    相對(duì)于建立能充分反映系統(tǒng)全局動(dòng)態(tài)的精確模型而言，用戶更關(guān)注于得到一些對(duì)指導(dǎo)生產(chǎn)有益的不精確甚至僅僅是定性正確的信息。另一方面，隨著各種傳感器、智能化儀表及數(shù)據(jù)庫(kù)在工業(yè)過(guò)程中的廣泛應(yīng)用，流程工業(yè)企業(yè)在日常生產(chǎn)中積累了大量的過(guò)程歷史數(shù)據(jù)，這些數(shù)據(jù)蘊(yùn)涵了工業(yè)過(guò)程的客觀規(guī)律和操作人員的豐富經(jīng)驗(yàn)。但生產(chǎn)過(guò)程包括各種物理及化學(xué)過(guò)程，具有機(jī)理復(fù)雜、數(shù)據(jù)信息量大、處理難度大的特點(diǎn)。由于早期的工業(yè)計(jì)算設(shè)備缺乏足夠的計(jì)算能力、有效的分析算法，這些包含過(guò)程運(yùn)行狀態(tài)信息數(shù)據(jù)的利用還只是停留在一個(gè)比較淺的層次上，大量的數(shù)據(jù)只是用來(lái)產(chǎn)生各種統(tǒng)計(jì)報(bào)表，或僅作動(dòng)態(tài)查詢以服務(wù)于在線優(yōu)化或控制系統(tǒng)，而沒(méi)有進(jìn)行進(jìn)一步的分析。

    數(shù)據(jù)挖掘技術(shù)的出現(xiàn)使得從海量數(shù)據(jù)中提取操作優(yōu)化信息變得可能，它不僅能對(duì)過(guò)去的數(shù)據(jù)進(jìn)行查詢和遍歷，并且能夠找出數(shù)據(jù)之間的潛在聯(lián)系及規(guī)律，從中提取輔助用戶決策的關(guān)鍵性信息。數(shù)據(jù)挖掘技術(shù)是近年國(guó)內(nèi)外活躍的研究領(lǐng)域，商業(yè)化的數(shù)據(jù)挖掘軟件已獲得大量應(yīng)用。但工業(yè)技術(shù)數(shù)據(jù)領(lǐng)域的數(shù)據(jù)挖掘相對(duì)尚未成熟。本文的目標(biāo)，就是在介紹數(shù)據(jù)挖掘基本概念以及流程工業(yè)數(shù)據(jù)的特點(diǎn)上，結(jié)合流程工業(yè)的實(shí)際應(yīng)用，解決工業(yè)中操作參數(shù)調(diào)優(yōu)、故障診斷及預(yù)測(cè)等常見(jiàn)的問(wèn)題，為流程企業(yè)日常生產(chǎn)經(jīng)營(yíng)提供決策決策依據(jù)。

2  流程工業(yè)數(shù)據(jù)特點(diǎn)
 
    數(shù)據(jù)挖掘(Data Mining, 簡(jiǎn)稱DM)又被稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Database, 簡(jiǎn)稱KDD) 、知識(shí)抽取(Information Extraction)等, 是在大量數(shù)據(jù)集中提取隱含的、目前未知的、最終可理解的、有效的、新穎的、對(duì)于決策過(guò)程有用的知識(shí)的非平凡的過(guò)程[7]。數(shù)據(jù)挖掘技術(shù)是人工智能、統(tǒng)計(jì)技術(shù)、模式識(shí)別、數(shù)據(jù)庫(kù)等領(lǐng)域交叉研究的產(chǎn)物。
 
    數(shù)據(jù)挖掘可以分為探索型(描述型)數(shù)據(jù)挖掘和預(yù)言型(預(yù)測(cè))數(shù)據(jù)挖掘兩大類(lèi)。所謂探索型數(shù)據(jù)挖掘是指在預(yù)先未知任何模式的情況下, 在數(shù)據(jù)集內(nèi)查找模式的一種技術(shù), 探索型數(shù)據(jù)挖掘主要包括統(tǒng)計(jì)分析、可視化、聚類(lèi)分析、概念描述、關(guān)聯(lián)分析、序列分析等。預(yù)言型數(shù)據(jù)挖掘則是已知一些模式的基礎(chǔ)上在數(shù)據(jù)中查找特定變量與其他變量之間關(guān)系的一種技術(shù), 預(yù)言型數(shù)據(jù)挖掘主要包括分類(lèi)、回歸預(yù)測(cè)、孤立點(diǎn)檢測(cè)、規(guī)則歸納、時(shí)間序列預(yù)測(cè)等。數(shù)據(jù)挖掘自從上個(gè)世紀(jì)90年代提出后, 經(jīng)過(guò)十幾年的發(fā)展, 到現(xiàn)在已經(jīng)發(fā)展為一種比較成熟的技術(shù), 目前對(duì)數(shù)據(jù)挖掘的研究主要集中在數(shù)據(jù)挖掘模型[16]、數(shù)據(jù)挖掘技術(shù)和算法、數(shù)據(jù)挖掘應(yīng)用等研究上。
 
    盡管數(shù)據(jù)挖掘在許多領(lǐng)域得到很好的應(yīng)用, 然而在流程工業(yè)中, 數(shù)據(jù)挖掘的應(yīng)用卻受到很大限制, 已有的一些應(yīng)用其效果也沒(méi)有像在商業(yè)、金融、保險(xiǎn)、生物學(xué)等領(lǐng)域中所報(bào)道的那樣好。究其原因, 一個(gè)很重要的因素是由于流程工業(yè)的數(shù)據(jù)特點(diǎn)所決定的, 以數(shù)據(jù)挖掘中的分類(lèi)模式為例, 流程工業(yè)中的歷史數(shù)據(jù)具有以下幾個(gè)特點(diǎn)：
 
    (1) 生產(chǎn)裝置產(chǎn)生的數(shù)據(jù)量巨大, 數(shù)據(jù)樣本維數(shù)多。以煉油工業(yè)為例, 反映系統(tǒng)運(yùn)行狀況的數(shù)據(jù)由數(shù)據(jù)采集系統(tǒng)每隔幾秒、十幾秒就在實(shí)時(shí)數(shù)據(jù)庫(kù)中產(chǎn)生一組數(shù)據(jù), 每組數(shù)據(jù)中包含上萬(wàn)個(gè)記錄, 如何從這些海量數(shù)據(jù)中得到有用的知識(shí), 對(duì)于常用的數(shù)據(jù)挖掘算法是一個(gè)挑戰(zhàn)；
 
    (2) 數(shù)據(jù)時(shí)間性強(qiáng), 隨著時(shí)間波動(dòng)；流程工業(yè)的連續(xù)生產(chǎn)中, 由于工況的改變、操作控制的調(diào)整、原料改變, 數(shù)據(jù)時(shí)刻在變化, 這更增加了從中提取知識(shí)的難度；
 
    (3) 與商業(yè)上事務(wù)處理數(shù)據(jù)庫(kù)中的數(shù)據(jù)不同, 流程工業(yè)數(shù)據(jù)的屬性之間往往存在復(fù)雜的非線性關(guān)系以及相互耦合的現(xiàn)象；
 
    (4) 流程工業(yè)數(shù)據(jù)的質(zhì)量指標(biāo)和操作參數(shù)之間存在較大的時(shí)間滯后。在很多情況下, 由于裝置是連續(xù)生產(chǎn)的, 因此很難得到操作參數(shù)與質(zhì)量指標(biāo)之間精確對(duì)應(yīng)的數(shù)據(jù)記錄；
 
    (5) 與商業(yè)上數(shù)據(jù)很少存在孤立點(diǎn)、噪聲不同, 流程工業(yè)數(shù)據(jù)中往往存在較大噪聲或者孤立點(diǎn)。由于原料改變、工藝改變、人為因素、生產(chǎn)裝置故障以及測(cè)量?jī)x表問(wèn)題使得流程工業(yè)數(shù)據(jù)中不可避免地存在孤立點(diǎn), 進(jìn)一步增加了數(shù)據(jù)挖掘的難度；
 
    (6) 可用于分析的質(zhì)量數(shù)據(jù)少。在流程工業(yè)的數(shù)據(jù)挖掘中, 通常需要對(duì)一些質(zhì)量指標(biāo)如產(chǎn)量、能耗、收率、純度、雜質(zhì)含量、環(huán)境影響等進(jìn)行評(píng)價(jià), 然而這些指標(biāo)中, 有些往往是無(wú)法直接測(cè)量的，如產(chǎn)率、收率等, 有些雖然可以通過(guò)實(shí)驗(yàn)室分析化驗(yàn)得到, 如純度、雜質(zhì)含量等, 但這些指標(biāo)采樣周期長(zhǎng), 通常只有一天兩到三次, 造成數(shù)據(jù)質(zhì)量不高。
  
    現(xiàn)有的數(shù)據(jù)挖掘軟件大多以商業(yè)過(guò)程中事務(wù)處理為背景, 而這些事務(wù)本身相對(duì)比較簡(jiǎn)單, 目的也比較明確, 但在流程工業(yè)數(shù)據(jù)挖掘中則復(fù)雜得多, 例如當(dāng)前操作參數(shù)下, 產(chǎn)品的某些質(zhì)量指標(biāo)比較差, 想通過(guò)數(shù)據(jù)挖掘來(lái)知道為什么。對(duì)于這樣一個(gè)問(wèn)題, 首先我們需要對(duì)工藝有一個(gè)比較全面的了解, 需要了解影響質(zhì)量指標(biāo)的主要操作參數(shù)有那些, 另外可能因?yàn)橛绊戀|(zhì)量指標(biāo)的操作參數(shù)太多, 我們只能選擇其中的一部分, 還要考慮這些參數(shù)之間的耦合關(guān)系, 最后還要考慮時(shí)間滯后。由于工業(yè)過(guò)程所具有的特點(diǎn), 很有可能我們需要的參數(shù)找不到, 在這種情況下可以采用一些其他的方法, 如建模來(lái)得到需要的參數(shù), 但這樣會(huì)使得最后挖掘出來(lái)的知識(shí)置信度較低, 這些因素決定了流程工業(yè)數(shù)據(jù)挖掘的難度。

3   流程工業(yè)中的數(shù)據(jù)挖掘建模
 
    針對(duì)流程工業(yè)數(shù)據(jù)的特點(diǎn)以及日常操作應(yīng)用情況，流程工業(yè)中的數(shù)據(jù)挖掘建模建立在對(duì)海量數(shù)據(jù)的處理基礎(chǔ)上。與傳統(tǒng)商業(yè)上的數(shù)據(jù)挖掘應(yīng)用不同，流程工業(yè)中的數(shù)據(jù)挖掘涉及到生產(chǎn)過(guò)程的各個(gè)方面，貫穿于流程工業(yè)整個(gè)管理活動(dòng)過(guò)程中，工業(yè)數(shù)據(jù)挖掘的應(yīng)用主要包括預(yù)測(cè)建模、故障診斷、操作性能優(yōu)化、新產(chǎn)品/工藝開(kāi)發(fā)、庫(kù)存預(yù)測(cè)等等應(yīng)用方面。
 
    3.1  操作性能優(yōu)化
 
    數(shù)據(jù)挖掘可以為企業(yè)生產(chǎn)挖潛增效。但是由于各種不可控的因素，生產(chǎn)狀態(tài)不可避免地發(fā)生波動(dòng)，操作參數(shù)也應(yīng)隨之調(diào)整。數(shù)據(jù)挖掘?qū)⒏鶕?jù)對(duì)生產(chǎn)歷史數(shù)據(jù)的分析和挖掘，診斷當(dāng)前的生產(chǎn)狀況，提出改變生產(chǎn)操作參數(shù)的具體建議，使生產(chǎn)維持在優(yōu)化狀態(tài)。在多變量的操作環(huán)境中，單一的質(zhì)量要求對(duì)應(yīng)著多種操作可能，人工無(wú)法完成這個(gè)對(duì)應(yīng)質(zhì)量控制要求的I/O模式匹配。在長(zhǎng)期的操作過(guò)程中，有各種原因所致的設(shè)定值波動(dòng)和調(diào)整，由于流程工業(yè)的大時(shí)滯多變量復(fù)雜性，操作參數(shù)優(yōu)化未得到重視和利用。
 
    對(duì)大量生產(chǎn)數(shù)據(jù)進(jìn)行挖掘找到產(chǎn)品質(zhì)量與工藝參數(shù)的模型關(guān)系，分析諸多變量作用下的產(chǎn)品質(zhì)量規(guī)律，幫助質(zhì)檢人員、工藝人員弄清影響產(chǎn)品質(zhì)量的主次因素，提出相應(yīng)的對(duì)策，進(jìn)一步調(diào)整工藝參數(shù)，進(jìn)行質(zhì)量控制，為實(shí)現(xiàn)生產(chǎn)過(guò)程操作優(yōu)化提供指導(dǎo)。數(shù)據(jù)挖掘用于流程工業(yè)裝置性能優(yōu)化主要解決以下兩個(gè)問(wèn)題：
 
    （1）裝置運(yùn)行性能分析：對(duì)裝置歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘，找出裝置操作參數(shù)和產(chǎn)品產(chǎn)量及質(zhì)量之間的關(guān)聯(lián)。如采用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘，尋找最佳的原油混煉比。
 
    （2）采用決策樹(shù)、關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘找出班組操作差異性所在以及影響差異性的主要裝置控制參數(shù)從歷史記錄中提取最優(yōu)工藝設(shè)定及操作。
 
    生產(chǎn)裝置性能優(yōu)化主要采用以下兩種方法實(shí)現(xiàn)：第一種方法是在歷史數(shù)據(jù)中尋找最優(yōu)記錄所對(duì)應(yīng)的工藝設(shè)定值或動(dòng)態(tài)操作過(guò)程，并基于樣本相似性度量的搜索和時(shí)序匹配方法充分利用已有的歷史經(jīng)驗(yàn)，給出與當(dāng)前工況最近似的最優(yōu)估計(jì)；另外一種方法是根據(jù)歷史數(shù)據(jù)提取既有狀態(tài)的本質(zhì)特征并利用各種方法探索歷史中沒(méi)有的最優(yōu)方案，這方面內(nèi)容比較接近的是序貫實(shí)驗(yàn)設(shè)計(jì)方法、定性推理方法、模式識(shí)別調(diào)優(yōu)法。
 
    3.2  預(yù)測(cè)建模以及故障診斷
 
    在有條件建立比較準(zhǔn)確的過(guò)程機(jī)理模型時(shí)，機(jī)理建模方法應(yīng)是首選。但由于流程工業(yè)的復(fù)雜性和大規(guī)模性，建立精確的數(shù)學(xué)模型異常困難。當(dāng)可以得到被控過(guò)程的輸入輸出數(shù)據(jù)時(shí)，可采用基于數(shù)據(jù)挖掘的方法，如神經(jīng)網(wǎng)絡(luò)、支持向量回歸、PLS回歸。當(dāng)很難建立被控過(guò)程的定量數(shù)學(xué)模型時(shí)，住往采用基于知識(shí)的方法，如定性模型、模糊模型。采用基于數(shù)據(jù)挖掘的數(shù)據(jù)預(yù)測(cè)技術(shù)，可以建立起一些無(wú)法測(cè)量變量的預(yù)測(cè)模型，根據(jù)建立的模型可以進(jìn)一步對(duì)影響目標(biāo)變量的操作參數(shù)之間的關(guān)系進(jìn)行分析，找出改善質(zhì)量指標(biāo)的操作變量調(diào)整策略。
 
    利用數(shù)據(jù)挖掘還可以診斷和解決生產(chǎn)中的瓶頸問(wèn)題、以及檢測(cè)生產(chǎn)中的異常問(wèn)題。例如，當(dāng)生產(chǎn)中出現(xiàn)質(zhì)量不合格、產(chǎn)量上不去、能耗或物耗居高不下等其他制約生產(chǎn)的難題時(shí)，采用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則、聚類(lèi)等方法找出解決問(wèn)題的辦法。基于數(shù)據(jù)挖掘方法，對(duì)裝置的歷史數(shù)據(jù)包括正常狀態(tài)、異常狀態(tài)及各種故障狀態(tài)數(shù)據(jù)進(jìn)行聚類(lèi)、分類(lèi)及孤立點(diǎn)分析，可建立系統(tǒng)狀態(tài)的評(píng)估和故障診斷模型。在此基礎(chǔ)上可以根據(jù)典型故障或異常工況對(duì)裝置運(yùn)行進(jìn)行實(shí)時(shí)監(jiān)控.，當(dāng)系統(tǒng)狀態(tài)或動(dòng)態(tài)趨勢(shì)與故障樣本匹配時(shí)可及時(shí)辨識(shí)出故障類(lèi)型。對(duì)于數(shù)據(jù)噪聲較小的數(shù)據(jù)集，可直接采用決策樹(shù)及關(guān)聯(lián)規(guī)則方法從數(shù)據(jù)集中分析故障與工況及操作因素之間的相關(guān)性，從而分析故障發(fā)生的原因。
 
    3.3  其他應(yīng)用
 
    對(duì)于流程企業(yè)中的一個(gè)新裝置、新工藝，數(shù)據(jù)挖掘通過(guò)對(duì)收集到的生產(chǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，可以幫助企業(yè)迅速找到生產(chǎn)的規(guī)律，確定最佳的生產(chǎn)操作參數(shù)，減少摸索的時(shí)間，盡快生產(chǎn)出合格產(chǎn)品，達(dá)到設(shè)計(jì)指標(biāo)。開(kāi)發(fā)新產(chǎn)品、設(shè)計(jì)新工藝時(shí)，采用數(shù)據(jù)挖掘可以幫助企業(yè)從有限的已知數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，指出方向，少走彎路，縮短開(kāi)發(fā)和設(shè)計(jì)時(shí)間。
 
    采用數(shù)據(jù)挖掘可以從企業(yè)保存的大量歷史數(shù)據(jù)中獲取對(duì)生產(chǎn)經(jīng)營(yíng)有用的知識(shí)，全面、客觀地分析企業(yè)的運(yùn)作現(xiàn)狀，探索企業(yè)運(yùn)營(yíng)的客觀規(guī)律，使之為企業(yè)經(jīng)營(yíng)決策提供有價(jià)值的信息，達(dá)到減少庫(kù)存、降低能耗、減少采購(gòu)成本、提高管理效率的目的，進(jìn)而使得企業(yè)獲得利潤(rùn)。

4  流程工業(yè)數(shù)據(jù)挖掘應(yīng)用實(shí)例
 
    以某石化企業(yè)連續(xù)重整裝置重整反應(yīng)器為研究對(duì)象，采用數(shù)據(jù)挖掘中的決策樹(shù)方法來(lái)建立過(guò)程操作優(yōu)化的決策樹(shù)模型。利用該模型，可以對(duì)裝置的操作給出合理的建議，以幫助操作工提高操作水平，優(yōu)化裝置的生產(chǎn)。
 
    該裝置用于生產(chǎn)苯、甲苯、二甲苯等基本有機(jī)原料，同時(shí)副產(chǎn)氫氣。重整過(guò)程主要反應(yīng)有：環(huán)烷脫氫、異構(gòu)化、加氫裂化和烷烴的脫氫環(huán)化反應(yīng)。在重整過(guò)程中，反應(yīng)器溫度對(duì)加氫裂化和芳構(gòu)化影響較大，提高反應(yīng)溫度有利于芳烴的生成，但當(dāng)溫度進(jìn)一步提高時(shí)，加氫裂化反應(yīng)增多，而芳構(gòu)化反應(yīng)減少，且催化劑結(jié)炭增加。因此，反應(yīng)溫度是重整過(guò)程中一個(gè)比較重要的參數(shù)，反應(yīng)器反應(yīng)溫度的波動(dòng)過(guò)大會(huì)直接影響芳烴收率以及裝置運(yùn)行平穩(wěn)性。如何減少控制系統(tǒng)中控制參數(shù)對(duì)于反應(yīng)器溫度波動(dòng)的影響，提高裝置運(yùn)行的平穩(wěn)性，具有重要的意義。采用決策樹(shù)歸納的數(shù)據(jù)挖掘方法，對(duì)于過(guò)程系統(tǒng)數(shù)據(jù)庫(kù)中的歷史數(shù)據(jù)進(jìn)行分析，建立反應(yīng)器溫度波動(dòng)的決策樹(shù)預(yù)測(cè)模型，利用建立的模型對(duì)過(guò)程系統(tǒng)當(dāng)前的操作進(jìn)行預(yù)測(cè)，對(duì)于引起反應(yīng)器溫度波動(dòng)較大的操作進(jìn)行預(yù)警,根據(jù)生成的決策規(guī)則，對(duì)于這些操作提出建議性的調(diào)整措施，并反饋?zhàn)饔糜诳刂葡到y(tǒng)，達(dá)到改善控制，提高裝置運(yùn)行的平穩(wěn)性的目的。
 
    以石化企業(yè)七月份連續(xù)重整過(guò)程的歷史數(shù)據(jù)為對(duì)象，該數(shù)據(jù)來(lái)源于該裝置的DCS。重整反應(yīng)主要工藝過(guò)程簡(jiǎn)述如下: 來(lái)源于預(yù)加氫裝置脫戊烷塔低料與加氫裂化裝置的重石腦油進(jìn)入進(jìn)料緩沖罐，其液位與壓力由控制器LC3003、PC3005控制。原料經(jīng)過(guò)聯(lián)合進(jìn)料換熱器預(yù)熱后進(jìn)入反應(yīng)進(jìn)料加熱爐BA301加熱，然后進(jìn)入1號(hào)反應(yīng)器DC301,從1號(hào)反應(yīng)器出來(lái)后進(jìn)入中間加熱爐BA302A/B、2號(hào)反應(yīng)器，然后依次進(jìn)入加熱爐BA303、3號(hào)反應(yīng)器DC303、加熱爐BA304、4號(hào)反應(yīng)器DC304，最后進(jìn)入產(chǎn)品分離罐。該裝置主要測(cè)量點(diǎn)總共為95個(gè)，從中選取和反應(yīng)器緊密相連19個(gè)主要測(cè)量點(diǎn)，其中包括重整進(jìn)料緩沖罐液位與壓力，重整進(jìn)料量，進(jìn)料加熱爐、中間加熱爐壓力，反應(yīng)器進(jìn)出口溫度等。主要測(cè)量點(diǎn)見(jiàn)表1。 

    以上每條規(guī)則的規(guī)則體中的數(shù)字代表該參數(shù)增加或減少的百分?jǐn)?shù)，正值代表增加，負(fù)值代表減少。每條規(guī)則后面的百分?jǐn)?shù)代表該規(guī)則的置信度。如秒時(shí)，規(guī)則1表示的意義為，當(dāng)DC301入口溫度增加量超過(guò)10％，F(xiàn)A301壓力減少量超過(guò)4.8％，DC302入口溫度增加量超過(guò)0.4%，那么反應(yīng)器溫度波動(dòng)將會(huì)比較高，該條規(guī)則的置信度為75.8%。
 
    從規(guī)則 1、2、3 可以看出進(jìn)料緩沖罐FA301壓力（PC3005）出現(xiàn)在三條決策規(guī)則的規(guī)則體中，進(jìn)一步從規(guī)則 4 中可以看出：進(jìn)料緩沖罐壓力下降太大（超過(guò)4.7%），將可能導(dǎo)致反應(yīng)器溫度波動(dòng)過(guò)高，并且這條規(guī)則的置信度較高為88.2%；另外，從規(guī)則 5 中可以看出進(jìn)料加熱爐BA301的入口溫度（也就是聯(lián)合進(jìn)料換熱器出口溫度）下降不超過(guò)0.037％以及DC303入口溫度向上波動(dòng)不超過(guò)0.163％，那么反應(yīng)器將有比較小的溫度波動(dòng)，置信度為97.2％，由此可見(jiàn)，聯(lián)合進(jìn)料換熱器換熱效果和工作穩(wěn)定性對(duì)反應(yīng)器有著重要影響。利用得到的反應(yīng)器溫度波動(dòng)決策樹(shù)模型，對(duì)來(lái)自系統(tǒng)實(shí)時(shí)數(shù)據(jù)庫(kù)中的當(dāng)前操作進(jìn)行預(yù)測(cè)，如果溫度波動(dòng)較大，利用決策樹(shù)規(guī)則對(duì)控制參數(shù)進(jìn)行調(diào)整，可以提高整個(gè)裝置運(yùn)行的平穩(wěn)性。

5  總結(jié)
 
    針對(duì)目前我國(guó)流程工Q業(yè)企業(yè)普遍存在著能耗大、產(chǎn)品質(zhì)量不穩(wěn)定、生產(chǎn)工藝落后、自動(dòng)化及操作水平低等問(wèn)題，以數(shù)據(jù)挖掘?yàn)槭侄危槍?duì)現(xiàn)有生產(chǎn)工藝設(shè)備，從企業(yè)保存的大量的歷史數(shù)據(jù)中獲取對(duì)生產(chǎn)經(jīng)營(yíng)有用的知識(shí)，全面、客觀地分析企業(yè)的運(yùn)作現(xiàn)狀，探索企業(yè)運(yùn)營(yíng)的客觀規(guī)律，以達(dá)到優(yōu)化生產(chǎn)、提高產(chǎn)品質(zhì)量、減少庫(kù)存、降低能耗目的，進(jìn)而使得企業(yè)獲得利潤(rùn)，進(jìn)一步根據(jù)這些知識(shí)提高過(guò)程控制及操作水平，在當(dāng)今能源和自然資源緊張的情況下具有重要的經(jīng)濟(jì)和戰(zhàn)略意義。