基于数据挖掘技术的流程工业生产操作参数优化研究.pdfVIP

基于数据挖掘技术的流程工业生产操作参数优化 陆治荣 摘要：由于流程工业生产机理的复杂性、生产模式的不断变化、设备状况的老化以及生产过程 中的扰动等原因，常常使生产偏离优化状态。不少生产装置在产品质量、能耗和产量方面存在的问题， 是生产操作参数设置不当造成的。许多流程业生产过程是多变量、非线性系统，变量之间具有强相关， 生产数据呈非高斯分布，并伴有高噪声，又没有精确的机理模型，技术人员只能靠经验调整生产操作参 数。我们应用数据挖掘技术，提出了一套分析数据的新方法和新思路，不是着力于寻求精确描述生产过 程的函数表达式，而是设法寻求生产历史数据中存在的差异性，以及造成的原因；进而分析数据中存在 的某种特定模式，以及使生产维持或避免该模式而采取的措施。应用案例证明，该数据分析方法是行之 有效的，当今流程行业已经普遍使用DCS系统，有些企业建立了工厂级的实时数据库和关系数据库，这 为数据挖掘技术的应用提供了宽广的舞台。本文简要介绍我们开发的数据挖掘软件叫MOS软件及其应 用情况。 关键词：数据挖掘；工业优化；数据分析； 中图法分类号：TP30l 文献标识码：A 引言 流程工业的生产是一种由若干单元设备组成的连续过程。在生产队过程中，由于受 到物料、上下游工段、周围环境等因素变化的影响，主要操作参数需随时进行适当的调 整，以适应这种变化，使生产维持在较好的水平上。生产操作参数调整可分为两个层次， 第一、克服生产过程中的各种瞬间扰动，将重要参数稳定在预先确定的给定值。第二、 根据生产工况的变化，对给定值进行调整。第一层次的参数调整是一个动态的控制过程， 控制周期较短，如石化工业通常为秒级，必须由各种控制回路自动完成，根据应用场合 的不同，评价控制回路性能的指标有控制精度、过渡过程时间、超调量、振荡次数等， 依据的理论是经典控制理论，流程工业广泛应用PID调节器实现控制算法。近年来，基 于模型的多变量预估控制技术，即先进控制(APC)在一些大型石化企业试点，以解决 复杂生产单元多变量之间的耦合问题，提高控制品质，典型的调节周期是分钟级。 PID控制只是将生产参数调整到某给定点(setpoint)，但由于装置生产负荷、产品 规格、生产模式的变化，以及装置设备、工艺条件的波动，相应的给定点还需要做出适 当调整，使生产维持在较好水平，即进行第二层次的参数调整。考虑到装置运行的稳定 作者简介：陆治荣北京石油化工设计院软件研发中心，上海大学理学院计算机化学实验室研究员(兼) 邮编：1OOl0IEmail：Iuzhimng@tSinghua．org_cn 14l 性，给定点的调整周期比较长，达数十分钟或小时级，根据系统的惯性而定，第二层次 的参数调整为稳态调整。 如果生产过程简单，影响因素少，生产操作人员根据工艺机理和经验知识，就可以 对操作参数的给定点进行调整，使生产维持在较好水平。但流程工业的许多生产装置比 较复杂，工艺流程长，影响的因素多。例如乙烯(olefin)装置，其生产过程需要监测 的仪表点约有5000个，其中600点为重要变量，设置了趋势曲线的显示，这时生产操 作的调整并非那么容易了。 1用数理统计方法优化生产操作参数的局限性 一个工艺机理非常清楚的生产装置，如果有成套的图表，甚至一系列的函数表达式 将工艺变量之 间的相互关系描述得十分精确，生产操作参数的调整将是一件简单的事情。但事实并非 如此，一些复杂的生产装置只有定性的机理模型，只能进行趋势分析。因此，技术人员 希望从生产历史数据中寻找规律，而数理统计是惟一的方法。 数理统计可以分为描述性统计和分析性统计，描述性统计学重点研究数据的收集和 整理，对数据进行简单的直观描述。分析性统计学研究对数据的分析，并对母体进行估 计和推断。例如，当生产质量碰到问题，而影响的因素较多时，常常用方差分析来鉴别 数据的波动中哪些由随机因素引起的，哪些由于生产条件变化引起的，并进一步分析哪 些是主要因素。数理统计的回归分析则可以建立变量之间的代数表达式，由此可以定量 地研究变量之间的关系，并预报未来，是生产技术人员常用的一种统计建模方法。数理 统计方法仍是目前普遍应用的有效的数据分析方法，也是数据挖掘的重要方法。但是， 数理统计的应用有其局限性，当生产过程所涉及的因素多，变量为非高斯分布，数据中 存在高噪声，变量之间存在非线性和强关联性时，数理统计方法常常难以处理，因此， 不得不进行一些简化，