[发明专利]渣油加氢装置失效预测模型的建立方法及装置

说明书

本发明公开了一种渣油加氢装置失效预测模型的建立方法及装置该建立方法包括：获取渣油加氢装置对应的失效数据库，失效数据库包括所述渣油加氢装置对应的全部失效数据；获取渣油加氢装置对应的数据挖掘模型和失效因素分析模型，数据挖掘模型包括渣油加氢装置对应的历史分类数据，失效因素分析模型包括渣油加氢装置对应的失效模式和失效因素之间的历史对应关系；根据失效数据库、数据挖掘模型和失效因素分析模型，建立渣油加氢装置对应的失效预测模型。本发明可有效地建立渣油加氢装置对应的失效预测模型。

技术领域

本发明涉及大数据预测应用技术领域，特别是涉及一种渣油加氢装置失效预测模型的建立方法及装置。

背景技术

数据是实现炼化企业静设备长周期安全运行的关键因素，通过对炼化企业静设备的全寿命数据集进行分析，可以有效的保障静设备的安全运行。目前，炼化企业静设备实实在在是个大数据集合体，大数据时代已经到来，应用大数据技术处理分析静设备设计、施工和运营过程中所产生的海量数据成为必然趋势，大数据管理平台将会在石油化工企业有广泛的应用前景。为了解决静设备数据的碎片化和孤岛化，形成统一的静设备大数据，需要建立静设备的失效风险预警模型，以结合静设备的失效风险预警模型，提示现阶段静设备的风险情况。但是，在现有技术中，对于如何分析静设备的失效和腐蚀因素，建立静设备失效风险预警模型，还没有成熟的方法，如何建立静设备失效风险预警模型，成为亟待解决的问题。

发明内容

本发明实施例提供一种渣油加氢装置失效预测模型的建立方法及装置，以解决现有技术中，对于如何分析静设备的失效和腐蚀因素，建立静设备失效风险预警模型，还没有成熟方法的问题。

为解决上述技术问题，本发明实施例采用的第一技术方案如下：

一种渣油加氢装置失效预测模型的建立方法，其包括以下步骤：获取所述渣油加氢装置对应的失效数据库，所述失效数据库包括所述渣油加氢装置对应的全部失效数据；获取所述渣油加氢装置对应的数据挖掘模型和失效因素分析模型，所述数据挖掘模型包括所述渣油加氢装置对应的历史分类数据，所述失效因素分析模型包括所述渣油加氢装置对应的失效模式和失效因素之间的历史对应关系；根据所述失效数据库、所述数据挖掘模型和所述失效因素分析模型，建立所述渣油加氢装置对应的失效预测模型。

可选地，所述根据所述失效数据库、所述数据挖掘模型和所述失效因素分析模型，建立所述渣油加氢装置对应的失效预测模型，包括：获取用于建立所述失效预测模型的失效因素；将所述失效因素输入预设人工神经网络进行训练，并输出与所述失效因素对应的训练失效模式。

可选地，所述输出与所述失效因素对应的训练失效模式之后，包括：判断所述训练失效模式与指定失效模式之间的相似度是否达到预设相似度值，其中所述指定失效模式为所述历史对应关系对应的失效模式。

可选地，所述判断所述训练失效模式与指定失效模式之间的相似度是否达到预设相似度值之后，包括：若所述训练失效模式与指定失效模式之间的相似度达到预设相似度值，则停止对所述预设人工神经网络的训练，并保存此时的所述预设人工神经网络的网络结构与参数数值，并将其作为所述渣油加氢装置失效预测模型的网络结构与参数数值。

可选地，所述判断所述训练失效模式与指定失效模式之间的相似度是否达到预设相似度值之后，包括：若所述训练失效模式与指定失效模式之间的相似度没有达到预设相似度值，则重复以上步骤，继续将获取到的所述失效因素输入所述预设人工神经网络进行训练，并输出与所述失效因素对应的所述训练失效模式，直至所述训练失效模式与所述指定失效模式之间的相似度达到所述预设相似度值。

可选地，所述获取用于建立所述失效预测模型的失效因素，包括：根据所述失效数据库和所述数据挖掘模型，获取用于建立所述失效预测模型的失效因素。

可选地，所述预设人工神经网络在获取用于建立所述失效预测模型的失效因素之前已经完成设置。