大数据技术在提高重整汽油收率方面的应用
发布时间：2021-04-11 22:07
茂名石化100万吨/年连续重整装置长期处于高负荷运行工况,通过采取优化原料、操作条件等措施一定程度上提高了汽油产量,但与期望值仍有差距。结合中国石油化工股份有限公司开展的工业大数据分析项目,本论文进行了基于大数据技术提高催化重整汽油收率的相关研究和生产实践等工作。论文依托工业分析（大数据）技术平台开展相关研究工作。以重整装置实时数据库、LIMS、MES、HSE等系统九类数据为基础,应用大数据分析技术中的相关性算法对这些海量数据进行数据挖掘,考察相关性而忽略因果性,单纯通过基于数据层面的分析,尝试寻找提高汽油收率的潜在因素。通过对装置运行数据的挖掘,发现汽提塔重沸炉F602支路流量等操作变量与汽油收率具有强的正相关性。在通过工业验证基础上,工业优化实施。取得良好效果:提高汽提塔重沸炉F602支路流量6t/h后,汽油收率提高0.14%0.42%。该措施提高了分馏效果,减少了不发生重整反应的C5以下组分进入反应器,从而提高实际重整进料,提高生产能力,达到提高汽油产量的目的。实现了挖潜增效,年增加效益698.43万元以上,取得了良好的经济效益和社会效益。
【文章来源】：中国石油大学(华东)山东省 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
工业大数据分析系统
第二章工业分析（大数据）技术平台建设16析、展示。工业分析系统需要存储大量相关的专业系统数据。目前这些数据存储于“中国石化-阿里云”平台，这是搭建在阿里云平台上的中国石化私有云平台，存取的数据包括实时数据库数据、LIMS数据、SMES数据、能源数据、格鲁森腐蚀系统数据、绩效管理系统数据、HSE数据以及交接班日志、漏点台账等部分非结构化数据，为大数据分析、展示提供数据源。总体数据存储架构如图2-2所示：图2-2数据存储架构Fig2-2Datastoragearchitecture2.6技术体系架构本文使用的工业大数据分析方法依托的工业分析系统基于阿里云平台进行建设，利用阿里云平台提供的数据和应用服务，结合企业数据、模型及算法，实现相关性分析等功能。系统的技术体系架构如图2-3所示：
中国石油大学（华东）工程硕士学位论文17图2-3技术体系架构Fig2-3TechnicalArchitecture系统的整体架构分为数据层、算法及模型层、服务层、展示层。在数据层实现对生产数据、计量数据等各类数据的获取及清洗整理，然后存储到企业数据仓库。算法及模型层提供各种算法及分析模型。服务层实现各综合应用的核心业务逻辑，并通过数据接口服务为相关性分析、异常侦测等应用提供数据。展示层则通过图表等展现方式把数据分析处理的结果进行动态展示。工业大数据分析系统需要满足快速增长的结构化和非结构化数据处理需要，其技术体系架构主要具备以下特点：（1）线性扩展能力：工业大数据分析系统需要汇总企业各个装置的各类生产、安全等数据，数据规模非常庞大，我们规划中的工业大数据分析系统的计算性能需要随着数据规模的增长而不断扩展，其计算、存储能力需要随着计算节点的增长而实现线性增长。（2）结构化和非结构化数据融合处理能力：工业大数据分析系统居于行业特点，需要收集大量的情报信息，辅以内部的大量生产数据，实现对中高层的决策支持。我们规划中的工业大数据分析系统既要采集各个装置上传的结构化数据，又要采集非结构化的情报信息等，实现非结构化数据的存储、处理。应用方面还要通过标准SQL实现结构化数据和非结构化数据的结合。（3）统一的数据模型和接口：工业大数据分析系统将使用企业统一的数据模型实现所有装置数据格式的统一，装置之间进行数据交换使用统一的数据接
【参考文献】：
期刊论文
[1]增产汽油技术和措施[J]. 李永林. 石油炼制与化工. 2017(05)
[2]大数据技术在石油石化行业的应用[J]. 徐鹏,吴冬,魏骞. 信息系统工程. 2016(10)
[3]大数据技术将引领油气行业变革[J]. 周大通,林东龙,戴倚霞,侯新然,李哲. 石油科技论坛. 2016(05)
[4]2015年世界主要国家和地区原油加工能力统计[J]. 石卫,萧芦. 国际石油经济. 2016(05)
[5]催化重整研究进展[J]. 张阳. 当代化工. 2016(04)
[6]国内外汽柴油质量标准分析及对我国的思考[J]. 郑丽君,朱庆云,王春娇. 中国石油和化工经济分析. 2015(09)
[7]重油催化裂化装置增产汽油的措施[J]. 王国峰. 中外能源. 2015(08)
[8]大数据背景下的犯罪预测与预防——基于犯罪预测分析模型的应用及构建[J]. 李熙,黄力. 山西科技. 2015(03)
[9]烷基化技术进展[J]. 靳爱民. 石油炼制与化工. 2015(05)
[10]城市道路交通拥堵状态时空相关性分析[J]. 张婧,任刚. 交通运输系统工程与信息. 2015(02)
博士论文
[1]基于大数据的医学气象服务方法与技术研究[D]. 翟广宇.兰州大学 2015
[2]大数据时代基于物联网和云计算的地质信息化研究[D]. 何文娜.吉林大学 2013
[3]大数据服务若干关键技术研究[D]. 韩晶.北京邮电大学 2013
硕士论文
[1]炼厂连续重整装置操作条件优化研究[D]. 张东升.内蒙古大学 2016
[2]雾霾与气象要素数据流间的关联性挖掘及应用研究[D]. 牛海玲.长春工业大学 2016
[3]数据挖掘中若干关键算法的研究[D]. 冯宏亮.西安科技大学 2010
本文编号：3132042
【文章来源】：中国石油大学(华东)山东省 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
工业大数据分析系统
第二章工业分析（大数据）技术平台建设16析、展示。工业分析系统需要存储大量相关的专业系统数据。目前这些数据存储于“中国石化-阿里云”平台，这是搭建在阿里云平台上的中国石化私有云平台，存取的数据包括实时数据库数据、LIMS数据、SMES数据、能源数据、格鲁森腐蚀系统数据、绩效管理系统数据、HSE数据以及交接班日志、漏点台账等部分非结构化数据，为大数据分析、展示提供数据源。总体数据存储架构如图2-2所示：图2-2数据存储架构Fig2-2Datastoragearchitecture2.6技术体系架构本文使用的工业大数据分析方法依托的工业分析系统基于阿里云平台进行建设，利用阿里云平台提供的数据和应用服务，结合企业数据、模型及算法，实现相关性分析等功能。系统的技术体系架构如图2-3所示：
中国石油大学（华东）工程硕士学位论文17图2-3技术体系架构Fig2-3TechnicalArchitecture系统的整体架构分为数据层、算法及模型层、服务层、展示层。在数据层实现对生产数据、计量数据等各类数据的获取及清洗整理，然后存储到企业数据仓库。算法及模型层提供各种算法及分析模型。服务层实现各综合应用的核心业务逻辑，并通过数据接口服务为相关性分析、异常侦测等应用提供数据。展示层则通过图表等展现方式把数据分析处理的结果进行动态展示。工业大数据分析系统需要满足快速增长的结构化和非结构化数据处理需要，其技术体系架构主要具备以下特点：（1）线性扩展能力：工业大数据分析系统需要汇总企业各个装置的各类生产、安全等数据，数据规模非常庞大，我们规划中的工业大数据分析系统的计算性能需要随着数据规模的增长而不断扩展，其计算、存储能力需要随着计算节点的增长而实现线性增长。（2）结构化和非结构化数据融合处理能力：工业大数据分析系统居于行业特点，需要收集大量的情报信息，辅以内部的大量生产数据，实现对中高层的决策支持。我们规划中的工业大数据分析系统既要采集各个装置上传的结构化数据，又要采集非结构化的情报信息等，实现非结构化数据的存储、处理。应用方面还要通过标准SQL实现结构化数据和非结构化数据的结合。（3）统一的数据模型和接口：工业大数据分析系统将使用企业统一的数据模型实现所有装置数据格式的统一，装置之间进行数据交换使用统一的数据接
【参考文献】：
期刊论文
[1]增产汽油技术和措施[J]. 李永林. 石油炼制与化工. 2017(05)
[2]大数据技术在石油石化行业的应用[J]. 徐鹏,吴冬,魏骞. 信息系统工程. 2016(10)
[3]大数据技术将引领油气行业变革[J]. 周大通,林东龙,戴倚霞,侯新然,李哲. 石油科技论坛. 2016(05)
[4]2015年世界主要国家和地区原油加工能力统计[J]. 石卫,萧芦. 国际石油经济. 2016(05)
[5]催化重整研究进展[J]. 张阳. 当代化工. 2016(04)
[6]国内外汽柴油质量标准分析及对我国的思考[J]. 郑丽君,朱庆云,王春娇. 中国石油和化工经济分析. 2015(09)
[7]重油催化裂化装置增产汽油的措施[J]. 王国峰. 中外能源. 2015(08)
[8]大数据背景下的犯罪预测与预防——基于犯罪预测分析模型的应用及构建[J]. 李熙,黄力. 山西科技. 2015(03)
[9]烷基化技术进展[J]. 靳爱民. 石油炼制与化工. 2015(05)
[10]城市道路交通拥堵状态时空相关性分析[J]. 张婧,任刚. 交通运输系统工程与信息. 2015(02)
博士论文
[1]基于大数据的医学气象服务方法与技术研究[D]. 翟广宇.兰州大学 2015
[2]大数据时代基于物联网和云计算的地质信息化研究[D]. 何文娜.吉林大学 2013
[3]大数据服务若干关键技术研究[D]. 韩晶.北京邮电大学 2013
硕士论文
[1]炼厂连续重整装置操作条件优化研究[D]. 张东升.内蒙古大学 2016
[2]雾霾与气象要素数据流间的关联性挖掘及应用研究[D]. 牛海玲.长春工业大学 2016
[3]数据挖掘中若干关键算法的研究[D]. 冯宏亮.西安科技大学 2010
本文编号：3132042
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3132042.html
