[发明专利]基于多元非线性回归的工业过程能效识别与诊断方法

说明书

本发明公开了一种基于多元非线性回归的工业过程能效识别与诊断方法，包括：获得工业生产数据之中的产品产出数据和各个原材料数据，对产品产出数据和原材料数据进行单位化，以使产品产出数据作为因变量，原材料数据作为自变量，对因变量和各个自变量分别进行曲线估计，对各个原材料数据分别进行拟合取代，对产品产出数据和拟合取代之后的原材料数据进行线性回归分析，获得能效识别与诊断模型。本发明提供的技术方案客观展现了产品产出和各个生产原材料之间的数学关系，实现通过调整不同的原材料投入得到最优产品产出的方法。因此，本发明通过上述数学关系调整乙烯生产装置的原料比例，提高能源效率，减少原料浪费。

技术领域

本发明涉及工业过程监测的技术领域，尤其涉及一种基于多元非线性回归的工业过程能效识别与诊断方法。

背景技术

工业过程是关系到我国国民经济和社会发展的重要生产过程，尤其是复杂的化工过程。乙烯是化学工业中最重要的化学品之一，其生产过程占化学工业生产过程的30％。2017年，全球乙烯产能1.69亿吨，比上年增长725万吨，同期乙烯消费量1.54亿吨，比上年增长4.2％。2017年，我国乙烯总产能增至2321万吨，同期乙烯的消费增长率高达10％以上，乙烯的需求在短期内将持续增长。2017年，中国石化加强原材料结构调整，实现投入产出效益最大化，进行动态优化。为优化原料质量，石油公司调整轻烃和石脑油比例。然而，高能耗是复杂化工行业面临的主要挑战之一，乙烯生产过程是复杂化学过程中最耗能的过程之一。目前，所有化工产品中乙烯生产的能源消耗占15％以上(包括燃料和材料等)。因此，有必要对乙烯生产能力与原料之间的数学关系进行识别和诊断。

发明内容

为解决现有技术存在的局限和缺陷，本发明提供一种基于多元非线性回归的工业过程能效识别与诊断方法，包括：

获得工业生产数据之中的产品产出数据和各个原材料数据；

对所述产品产出数据和所述原材料数据进行单位化，以使所述产品产出数据作为因变量，所述原材料数据作为自变量；

对所述因变量和各个所述自变量分别进行曲线估计，多元线性方程的计算公式如下：

y_i＝β₀+β₁x₁+β₂x₂+...+β_mx_m+δ_iδ_i～N(0，δ²)

其中，y_i是因变量，x₁，...，x_m是因变量，β₀是常数，β₁，...β_m是系数，δ_i表示每个采样点和直线的偏差，δ_i相互独立而且服从正态分布；

对各个所述原材料数据分别进行拟合取代，多元线性拟合方程的计算公式如下：

y_i＝b₀+b₁x_i1+b₂x_i2+...+b_mx_im+δ，i＝1，2...，n

其中，b₀是拟合方程的截距，b₁，...，b_m是拟合方程的斜率；

对所述产品产出数据和拟合取代之后的原材料数据进行线性回归分析，获得能效识别与诊断模型，三次回归模型的计算公式如下：

y＝b₀+b₁x+b₂x²+b₃x³