基于工业数据的溶剂脱沥青装置多工况建模

陈鹏宇，隆建，杨明磊，钱锋

华东理工大学化工过程先进控制和优化技术教育部重点实验室

摘 要：作为重油处理的重要单元之一,溶剂脱沥青装置由于进料成分复杂,萃取过程中两相平衡数据过于庞大且难以获取,传统通过机理的建模方法较难适用。提出一种SDAE-FCM工况分类法,借助于深度神经网络的自学习功能提取高维输入特征的同时降低输入维度,减少噪声对后续模型的影响;结合通过隶属度函数定义的模糊C均值聚类（FCM）算法对工况进行划分,缓解了由于进料性质波动和操作条件改变带来的工况漂移问题,较全局分析更具优势;采用基于树模型的集成学习方法针对不同工况分别建立产品收率和性质的模型。现场工业数据验证结果表明,该方法建立的模型,在预测脱沥青油（DAO）收率、残炭、硫含量、四组分等方面有较好的性能,可为实际装置的优化提供指导。

关键词：炼油过程;溶剂脱沥青;栈式降噪自编码器;模糊C均值聚类;集成学习;