[00817242]基于数据挖掘等技术的乙烯裂解炉在线优化操作

该项目基于小波理论、输入训练神经网络、径向基函数神经网络、模糊聚类等过程数据预处理技术，基于非线性主元-神经网络建模技术，基于模糊-粗糙集-神经网络技术的故障诊断技术，基于粒子群优化算法的工程应用技术等，建立了乙烯裂解炉COT、烟气温度、乙烯和丙烯等在线收率的智能预测模型、在线校正模型、过程优化操作模型、非正常工况监测模型等，实现了乙烯裂解炉参数预测、生产操作优化、实时安全监控、非正常工况监测，可提高乙烯、丙烯收率，增强乙烯裂解炉的操作安全性。该项目基于数据挖掘等技术开发了乙烯裂解炉在线优化操作系统。该系统包括数据采集模块、关键变量的预测与非正常工况监测模块、不同油品的优化操作模块、神经网络建模与优化算法模块、数据库管理模块等。经现场应用表明，该系统可操作性强，界面友好，整体性好，运行稳定。基于PCA-NN的流程工业建模和软测量技术不需要复杂的过程机理模型，从大量的历史数据和实时数据发现过程规律值得推广应用，基于粒子群-神经网络的优化模型在流程工业是一种新的应用以及对非正常工况的预警和监控，减少非正常波动和停车的监控方法有待于进一步应用和推广。该系统具有很好的通用性，可以在其他企业同类装置上进行推广应用，同时，该课题探索到的优化操作与对非正常工况的预警的方法及经验，可以为其它工艺流程装置的优化操作与非正常工况监控提供可行的方法和拓展借鉴，推广前景广阔。