[发明专利]一种炼油化工生产过程的模拟方法及系统

说明书

本发明公开了一种炼油化工生产过程的模拟方法及系统，所述模拟方法包括如下步骤：获取历史的炼油化工生产过程中的输入数据参数和输出结果，建立样本数据集；建立炼油化工生产过程模拟的神经网络模型；利用样本数据集对神经网络模型进行训练，获得训练后的神经网络模型；将待模拟的炼油化工生产过程中的输入数据参数输入训练后的神经网络模型，获得待模拟的炼油化工生产过程中的输入数据参数对应的输出结果。本发明利用线性神经网络具有的学习能力、容错性和快速收敛性等优势，对目标对象的输入输出数据进行参数拟合，由于神经网络算法是一种迭代算法，无需对矩阵求解，提高了炼油化工生产过程的模拟的精度，进而提高炼油化工生产的安全。

技术领域

本发明涉及炼油化工生产管理技术领域，特别涉及一种炼油化工生产过程的模拟方法及系统。

背景技术

在炼油化工生产过程中，基于最小二乘法和偏最小二乘法拟合算法是常用的计算方法。但两种算法均需要对矩阵求解，若矩阵是奇异矩阵，参数拟合有可能得不到结果，或是拟合结果的精度可能较差，从而影响到系统建模、软测量等，对安全生产和提高效益带来不利影响。

发明内容

本发明的目的是提供一种炼油化工生产过程的模拟方法及系统，以提高炼油化工生产过程的模拟的精度，进而提高炼油化工生产的安全性。

为实现上述目的，本发明提供了如下方案：

一种炼油化工生产过程的模拟方法，所述模拟方法包括如下步骤：

获取历史的炼油化工生产过程中的输入数据参数和输出结果，将历史的炼油化工生产过程中的输入数据参数作为自变量，将历史的炼油化工生产过程中的输入数据参数对应的输出结果作为因变量，建立样本数据集；

建立炼油化工生产过程模拟的神经网络模型；

利用所述样本数据集对所述神经网络模型进行训练，获得训练后的神经网络模型；

将待模拟的炼油化工生产过程中的输入数据参数输入所述训练后的神经网络模型，获得待模拟的炼油化工生产过程中的输入数据参数对应的输出结果。

可选的，所述获取历史的炼油化工生产过程中的输入数据参数和输出结果，建立样本数据集，之后还包括

对所述样本数据集中的样本数据，利用公式进行Z-Score规范化处理；

其中，

A_i1、A_ij和A_iN分别为第1个数据样本、第j个样本数据和第N个数据样本中的第i个变量，X1_ij表示规范化之后的第j个样本数据中的第i个变量，X2_i表示N个样本数据中第i个变量的方差，X3_i表示N个样本数据中第i个变量的平均值；

i＝1,2,…,M，j＝1,2,…,N；N表示样本数量，M表示变量个数，第1个变量到第M-1个变量为自变量，第M个变量为因变量。

可选的，所述利用所述样本数据集对所述神经网络模型进行训练，获得训练后的神经网络模型，具体包括：

将样本数据中的自变量输入所述神经网络模型，获得输出量；

计算样本数据中的因变量和所述输出量的差值作为线性网络误差；

采用Widrow-Hoff学习规则，利用公式W_i(t)＝W_i(t-1)+η*error_j*X1_ij，调整神经网络模型中的权值参数；