[发明专利]采用机器学习方法预测工业老化过程

权利要求书

1.一种用于预测化学生产工厂的劣化进展的计算机实现的方法(100)，包括：

a)经由输入通道接收(110)当前测量的过程数据，所述过程数据指示用于所述化学生产工厂的至少一个化学过程装备的当前操作的当前过程条件，其中，所述至少一个化学过程装备具有用于量化所述至少一个化学过程装备的所述劣化进展的一个或多个劣化关键性能指标KPI；

b)经由所述输入通道接收(120)一个或多个预期操作参数，所述预期操作参数指示在预测范围内的所述至少一个化学过程装备的计划操作条件；

c)由处理器将数据驱动模型应用(130)到包括所述当前测量的过程数据和所述一个或多个预期操作参数的输入数据集，以估计在所述预测范围内的所述一个或多个劣化KPI的未来值，其中，根据训练数据集对所述数据驱动模型进行参数化或训练，其中，所述训练数据集是基于包括过程数据和所述一个或多个劣化KPI的历史数据集；以及

d)经由输出通道提供(140)在所述预测范围内的所述一个或多个劣化KPI的所述未来值，所述未来值可用于监视和/或控制。

2.根据权利要求1所述的方法，

其中，所述至少一个化学过程装备以包括多次运行的循环方式操作，其中，每次运行包括一个生产阶段并接着是再生阶段；以及

其中，所述输入数据集包括来自上次运行的至少一个过程信息。

3.根据权利要求1或2所述的方法，

其中，所述一个或多个劣化KPI选自包括以下的参数：

-被包含在一组经测量的过程数据中的参数；和/或

-导出参数，其表示被包含在一组经测量的过程数据中的一个或多个参数的函数。

4.根据前述权利要求中任一项所述的方法，

其中，所选择的参数具有以下特征中的至少一个：

-在比典型生产时间尺度更长的时间尺度上以基本单调的方式趋向更高或更低的值，从而指示不可逆劣化现象的发生；以及

-在再生阶段之后返回到基线。

5.根据前述权利要求中任一项所述的方法，

其中，所述劣化包括以下中的至少一个：

-由于焦化、烧结、和/或中毒而导致的多相催化剂的失活；

-由于焦炭层形成和/或聚合而导致的在过程侧的化学过程装备的堵塞；

-由于微生物和/或结晶沉积物而导致的在水侧的热交换器的污垢；以及

-在流化床反应器中所安装的装备的腐蚀。

6.根据前述权利要求中任一项所述的方法，

其中，所述数据驱动模型包括：

-有状态模型，其是具有隐藏状态的机器学习模型，所述隐藏状态随着新的时间步长而不断被更新并包含关于整个过去时间序列的信息；和/或

-无状态模型，其是机器学习模型，所述机器学习模型的预测仅基于在所述当前操作之前的固定时间窗口内的所述输入。

7.根据权利要求6所述的方法，

其中，所述有状态模型包括递归神经网络RNN。

8.根据权利要求7所述的方法，

其中，所述RNN包括以下中的至少一个：

-回声状态网络ESN；以及

-长短期记忆LSTM网络。

9.根据权利要求6至8中任一项所述的方法，

其中，所述有状态模型包括反馈状态模型，所述反馈状态模型包括关于来自前一时间步长的到用于当前时间步长的所述输入数据集中的预测输出或真实输出的信息；

其中，所述预测输出是在所述前一时间步长处的一个或多个预测KPI；以及

其中，所述真实输出是在所述前一时间步长处的一个或多个测量KPI。

10.根据权利要求9所述的方法，

其中，所述输入数据集还包括指标变量，所述指标变量指示来自所述前一时间步长的所述数据驱动模型的输出是预测输出还是真实输出。