(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110647018.0 (22)申请日 2021.06.10 (65)同一申请的已公布的文献号 申请公布号 CN 113420500 A (43)申请公布日 2021.09.21 (73)专利权人 北京宜能高科 科技有限公司 地址 100020 北京市朝阳区金桐西路10号 远洋光华国际AB座6层 专利权人 北京中环信科 科技股份有限公司 (72)发明人 王士波　陈露　吴永文　甘雪琴　 杨啸　胡益炯　郑欢欢　 尼古拉斯·拉科夫蒂斯　梁延桂　 钱承军　宋菲　朱尚琪　 (74)专利代理 机构 北京市万慧达律师事务所 11111 专利代理师 刘伟 (51)Int.Cl. G06F 30/27(2020.01)G06Q 10/06(2012.01) G06Q 50/02(2012.01) (56)对比文件 CN 110009142 A,2019.07.12 CN 106444428 A,2017.02.2 2 CN 112347629 A,2021.02.09 CN 111949700 A,2020.1 1.17 CN 10262 2655 A,2012.08.01 US 2003211621 A1,20 03.11.13 Xiao Yang.Operati onal Optimizati on of Crude Oi l Distillation System s with Limited I nformati on. 《The Un iversity of Manchester》 .2020,全 文. 董晓杨等.基 于流程模拟的常减压装置过程 操作与生产计划集成优化. 《化工学报》 .2015, (第01期), 审查员 丁蓬莉 (54)发明名称 智能常减压系统 (57)摘要 本发明属于石油炼化领域， 公开了一种智能 常减压系统， 实现了常减压装置从计划到生产操 作的数字化、 自动化、 智能化和闭环操作优化。 该 系统主要包括： 常减压AI模型、 计划模块， 通盘优 化模块和智能执行模块。 本发明综合应用人工智 能、 大数据、 数学建模和优化及过程集成等技术， 以生产过程的历史数据为基础， 建立能精确描述 常减压动态生产过程的常减压AI模型。 在此模型 基础上建立计划模块， 提供可行的物料分配决 策； 同时， 在此模型基础上建立通盘优化模块， 提 供最佳操作方案决策； 智能执行模块自动执行上 述决策， 实现装置的闭环运行。 从计划到操作优 化再到智能执 行， 实现系统的智能一体化 运行。 权利要求书2页 说明书12页 附图2页 CN 113420500 B 2022.12.02 CN 113420500 B 1.一种智能常减压系统， 其特征在于， 该系统包括： 常减压AI模型、 计划模块、 数据处理 模块、 物理逻辑重建模块、 通盘优化模块、 智能执行模块、 数据挖掘模块、 模型自学习模块， 其中， 所述计划模块， 以建立的常减压AI模型为基础， 考虑生产设备实际限制和二次装置加 工要求的情况下， 对计划加工原油进行常减压产品收率测 算， 或者根据产品分配要求优化 原油配方； 所述数据处理模块， 连接企业实时数据库， 获取生产装置的实时数据， 并对数据进行预 处理和稳态分析后， 输出 稳态工况 数据， 并发送给物理逻辑重建模块； 所述物理逻辑重建模块， 以建立的常减压AI模型为基础， 以采集得到的稳态工况数据 为输入， 对生产过程进 行物理逻辑重建， 预测装置实时特性和当前加工原油性质， 并对当前 运行工况进行 数字化表征； 所述通盘优化模块， 以常减压AI模型为基础， 综合考虑 现场的实际可行性约束， 通过所 述物理逻辑重建模块的计算获得当前装置特性、 加工原油性质和变量初值， 在设定可控的 优化策略下， 根据目标方程， 利用数学规划算法， 优化求解得到操作条件变化的方向和大 小， 作为生产调整的目标； 所述智能执 行模块， 执 行通盘优化后的操作方案； 所述数据挖掘模块， 基于所述数据处理模块的输出结果、 物理逻辑重建模块的输出结 果、 历史数据变化趋势和事先通过大数据挖掘所得 的模型， 自动判断仪表及设备 的性能变 化， 分析得出生产装置存在的瓶颈信息； 所述模型自学习模块， 以所述数据处理模块的输出结果为输入， 判断输入数据是否超 出现有模 型的使用范围， 若没有， 则无需模型校正和更新， 可直接运行所述物理逻辑重 建模 块， 否则补充样本数据， 覆盖已有的输入数据， 利用补充样本对AI模型进行校正， 并将计划 模块、 物理逻辑重建模块和通盘优化模块中所应用的所述常减压AI模型进行更新； 另一方 面通过物理逻辑重建结果获得装置实时特性， 将此 特性数据更新至AI模型。 2.根据权利要求1所述的智能常减压系统， 其特征在于， 所述系统还包括智能软仪表模 块， 其中， 所述智能软仪表模块， 以所述数据处理模块预处理之后形成的有效数据为基础， 利用 事先训练好的ANN模型或回归的模型， 快速测算原油和产品性质， 发送给智能执行模块， 所 述智能执行模块根据测算出的原油和产品性质自动设置产品流量， 协同多个多变量模型预 测控制器稳定生产操作， 其中， 执 行过程产生的运行 数据进入实时数据库。 3.根据权利要求1所述的智能常减压系统， 其特征在于， 所述数据处理模块包括数据 预 处理模块和稳态分析模块， 其中， 所述数据预处理模块， 以间隔采样的现场实时数据和实验室分析数据为数据输入， 利 用从历史数据学习的模型和 规则， 对异常数据进行清洗， 然后输出数据给所述稳态分析模 块分析进一 步处理； 所述稳态分析模块， 利用事先学习的稳态模型和规则， 对预处理后的数据进行稳态判 断和分析， 提取数据隐含的有用信息， 之后将最新一段时间的稳态数据合并成一个稳态数 据样本供 所述物理逻辑重建模块、 数据 挖掘模块， 以及模型自学习模块分析或使用。 4.根据权利要求1或2所述的智能常减压系统， 其特征在于， 所述常减压AI模型建模模权　利　要　求　书 1/2 页 2 CN 113420500 B 2块包括工况增强模块和AI建模 模块， 其中， 所述工况增强模块， 用于对样本数据缺失的区域或数据质量不高的区域进行数据增 强， 将样本区域从历史操作区域扩展到其它需要覆盖的区域； 所述AI建模模块， 用于在收集所有可行的样本后， 确定神经网络的输入、 输出变量， 利 用样本数据训练输入变量和输出变量的关系， 从而获得AI模型。 5.根据权利要求1～3任一权利要求所述的智能常减压系统， 其特征在于， 所述通盘优 化模块， 通过最近一次物理逻辑重 建的计算 获得装置当前特性和原油当前性质以及 优化变 量初值， 并制定优化策略对优化模型进 行求解， 使优化值跳出局部最优， 最 终获得目标方程 全局最优解及 对应的优化变量的调整方向和幅度， 其中， 在每一步的优化方向搜索中， 对选 取的可调变量对整个装置优化目标和潜在瓶颈产生的影响统一进行测算。 6.根据权利要求1所述的智能常减压系统， 其特征在于， 所述智能执行模块， 根据预先 指定的执行步骤、 调整步长以及等待时间自动 将新操作参数匹配写入多变量模型预测控制 器， 并根据反馈结果动态调整 下一步方向及步长， 其中， 所述智能执行模块根据优化的操作 方案分步骤进行。 7.根据权利要求5所述的智能常减压系统， 其特征在于， 所述通盘优化模块对变量的优 化按照属性进行调整频率分类， 根据变量类别来决定不同的调整 级别时是否需要调整。 8.根据权利要求6所述的智能常减压系统， 其特征在于， 所述智能执行模块对优化方案 按照如下调整策略进行： 按照产品线的先后顺序， 从前往后调整； 每个塔从下往上进行调整； 在产品运行初期 或测试期中， 每一步先选择一个主调变量， 若调整过程中产品超标、 或 设备达到瓶颈， 则再同时进行多个主调变量的调整。 9.根据权利要求1～8任一项所述的智能常减压系统在炼油厂的过程控制管理中的应 用。权　利　要　求　书 2/2 页 3 CN 113420500 B 3