基于原油性质的直馏沥青性质智能预测模型研究于子浩,郭小圣,陈博(中石化(大连)石油化工研究院有限公司,辽宁省大连市116045)摘要:介绍了采用XGBoost算法模型对直馏沥青性质的数据处理及模型预测建立的过程。以炼油企业常减压装置运行数据、原油评价数据为基础,结合生产经验扩展数据特征,对收集到的128条沥青产品分析数据建立数据驱动的回归模型,利用梯度提升树模型充分挖掘原油性质与沥青性质间的关联,智能预测沥青产品在不同目标针入度下的软化点、延度(10℃)等关键指标性质,其中沥青软化点预测决定系数大于0.77。经对比,拓展的数据特征能有效提高模型预测能力。同时分析了不同数据下模型预测的能力,随着数据的不断积累,模型预测潜力较大。该模型可为企业提供生产高标号沥青所需要的原油配比,协助企业优化全局生产流程,实现降本增效。关键词:原油性质直馏沥青性质智能预测模型特征扩增软化点预测延度预测XGBoost直馏沥青产品具有生产工艺简单、成本低、性质可控等优点,可满足大部分道路的建设需求,占据了沥青市场的主要份额[13]。同时,直馏沥青的生产还可优化渣油组分的平衡,有助于企业根据市场需求优化炼油厂加工流程[4]。生产高等级直馏沥青的关键在于筛选与调配适宜的原油品种及比例,实际生产中主要依靠实验数据与生产经验进行调度[56]。由于蒸馏实验存在成本高、周期长、响应速度慢等问题,同时实际生产过程中原油品种多,后续流程复杂,故原油在储罐与管道中无法按实验比例混合,实验数据缺少拓展性与泛化性。在已有的使用数据驱动模型预测沥青性质的工作中[78],主要使用实验数据进行建模,由于实验数据成本高,数据少,无法发挥模型的预测潜力。随着企业数字化、信息化的发展以及人工智能算法的发展,隐藏在庞大的工业数据资源中的价值在被不断挖掘。该研究使用企业生产数据为基础,训练人工智能模型预测沥青产品的软化点、延度等性质,为企业直馏沥青生产与原油调合提供指导。1数据准备1.1数据收集收集整理了2016—2021年某沿海炼化企业沥青生产数据,包括沥青产品罐区LIMS(实验室信息管理系统)分析数据、加工原油台账、原油到港评价数据。其中,沥青产品数据共128条,包括密度、针入度、针入度指数、软化点、动力黏度(60℃)、延度(10℃)、蜡含量、闪点(开口)等13个特征;到港原油评价数据包括14种原油,共39条快速...