基于支持向量机的减压塔产品粘度预估ProductViscosityEstimationofVacuumDistillationColum.pdfVIP

基于支持向量机的减压塔产品粘度预估 Product Viscosity Estimation of Vacuum Distillation Column Using Support Vector Machine （清华大学）苏明 王雄 熊智华 （Tsinghua University）Su, Ming Wang, Xiong Xiong, Zhihua 摘要：原油炼制中减压塔侧线产品是精制润滑油的原料，其粘度测量对生产有重要意义。通 过统计分析得出了影响侧线产品粘度的主要因素，并采用支持向量机回归方法建立粘度软测 量模型。针对支持向量机训练参数确定问题，提出了采用差分进化算法的搜索策略，使模型 训练参数的调整过程按预定目标自动快速优化。所构建的粘度软测量模型预报精度较高，趋 势跟踪性能良好。 关键词：软测量；减压塔；粘度；支持向量机；差分进化； 中图分类号：TP273 文献标识码：A Abstract: The measurement of viscosity is important for the side-draw product quality of vacuum distillation column in oil refinery. The main factors, which influence the viscosity, were analyzed by statistic methods. Then soft-sensor models were developed based on support vector regression. A search method based on differential evolution was proposed to select proper training parameters. Using this strategy, the parameters can be optimized automatically and efficiently. The developed model got high accuracy and good trend tracking performance on the real industrial data. Keywords: soft sensor; vacuum distillation column; viscosity; support vector machine; differential evolution; 1．引言 原油炼制过程中，对减压蒸馏塔侧线产品质量有严格要求，而粘度指标在其中最为重要。 实际生产中的粘度通过定时采样化验得出，数据滞后时间长，达不到指导操作的要求。市场 上的粘度在线分析仪价格贵、应用效果差。因此对粘度进行自动连续分析成为炼油企业急需 解决的问题。生产中的温度、压力、流量等过程变量对粘度有着密切的关联，可以利用这种 关联建立软测量模型，实时估计出粘度值。 本文研究的减压蒸馏塔有四条侧线的产品粘度需要测量。由于化验值采样间隔长达 6 个小时，而且现场的各种干扰和不确定因素很多，这些特点决定了建立产品粘度模型要考虑 采用适应样本少、有较强推广能力的方法。支持向量机(Support Vector Machine，简称SVM) 算法满足了这些需求。本文结合某炼油厂常减压装置的实际生产数据，构建了支持向量机回 归（SVR ）粘度软测量模型。在SVR 建模过程中，往往需要反复试凑确定最优训练参数， 这成为其应用的瓶颈，本文提出采用差分进化（Differential Evolution ，DE ）的策略确定训 练参数，研究表明该方法快捷、可靠，弥补了SVR 实际应用中的缺点。 2 ．支持向量机回归理论 SVR 基于Vapnik 提出的统计学习理论的一种机器学习算法[1] 。所针对的问题描述为： 给定一组训练样本S=((x , y ), …, (x , y )) ，采用f (x)=w ·x+b 对其进行拟合。针对拟合误 1 1 l l 差采用一阶软间隔损失，针对非线性问题，将问题映射到高维空间转化为线性问题，采用核 函数x * ·x