本發(fā)明涉及化工控制，更具體地說，它涉及基于物理信息神經(jīng)網(wǎng)絡(luò)的油品調(diào)和質(zhì)量預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、在油品煉制領(lǐng)域，油品調(diào)和是一項至關(guān)重要的工序，旨在通過將不同性質(zhì)的原料按照特定比例和工藝進(jìn)行混合，從而生產(chǎn)出符合各類質(zhì)量標(biāo)準(zhǔn)的油品，以滿足多樣化的市場需求，例如車用汽油、柴油以及航空煤油等不同用途油品的質(zhì)量要求均有差異。

2、傳統(tǒng)的油品調(diào)和質(zhì)量控制方法主要依賴于經(jīng)驗公式以及基于大量實驗數(shù)據(jù)總結(jié)出的線性模型。這些方法在實際應(yīng)用過程中存在諸多局限性：

3、其一，經(jīng)驗公式往往是基于特定工況和有限的原料類型推導(dǎo)而來，缺乏對復(fù)雜油品調(diào)和體系全面且準(zhǔn)確的描述能力。隨著煉油工藝的不斷發(fā)展以及原料來源的日益多樣化，油品調(diào)和涉及的各組分之間相互作用愈發(fā)復(fù)雜，呈現(xiàn)出高度的非線性特征，傳統(tǒng)經(jīng)驗公式難以精準(zhǔn)刻畫這些復(fù)雜的關(guān)系，進(jìn)而導(dǎo)致在預(yù)測油品調(diào)和后的各項質(zhì)量指標(biāo)（如辛烷值、粘度、閃點、凝點、餾程等）時，出現(xiàn)較大偏差，無法滿足現(xiàn)代高精度油品質(zhì)量控制的要求。

4、其二，單純依靠數(shù)據(jù)驅(qū)動的線性模型，雖然能夠從大量歷史數(shù)據(jù)中挖掘出一定的規(guī)律，但卻忽略了油品調(diào)和過程中內(nèi)在的物理機(jī)理和物理約束條件。油品調(diào)和過程中各質(zhì)量指標(biāo)并非孤立存在，它們之間相互影響且受到如混合規(guī)則、熱力學(xué)原理等物理規(guī)律的制約。例如，不同組分的混合對油品粘度的影響遵循特定的混合規(guī)則（像線性混合規(guī)則在某些簡單情況下適用，而對于復(fù)雜體系則需采用如grunberg-nissan非線性混合規(guī)則等更貼合實際的模型），而線性模型很難將這些物理約束融入其中，使得預(yù)測結(jié)果可能違背基本的物理常識，在實際應(yīng)用中可靠性大打折扣。

5、此外，當(dāng)預(yù)測的油品調(diào)和質(zhì)量出現(xiàn)問題時，傳統(tǒng)方法在追溯問題根源、排查調(diào)和原料工藝參數(shù)方面缺乏系統(tǒng)性和高效性。通常只能通過逐一排查各個工藝參數(shù)或者憑借操作人員的經(jīng)驗來判斷可能的影響因素，這種方式不僅耗時費力，而且難以準(zhǔn)確聚焦關(guān)鍵影響因素，容易遺漏重要線索，導(dǎo)致無法及時有效地對調(diào)和工藝進(jìn)行優(yōu)化調(diào)整，進(jìn)而影響油品調(diào)和的整體質(zhì)量和生產(chǎn)效率。

6、在當(dāng)今化工行業(yè)日益追求高質(zhì)量、高效率生產(chǎn)以及精細(xì)化管理的大背景下，迫切需要一種能夠?qū)⒂推氛{(diào)和過程中的物理機(jī)理與數(shù)據(jù)智能深度融合的方法及系統(tǒng)，既能夠精準(zhǔn)地預(yù)測油品調(diào)和后的各項指標(biāo)以及綜合質(zhì)量，又能在出現(xiàn)質(zhì)量問題時，快速、準(zhǔn)確地追溯調(diào)和工藝，篩查出關(guān)鍵的工藝參數(shù)影響因素，從而實現(xiàn)對油品調(diào)和質(zhì)量的有效可控以及工藝參數(shù)的定向優(yōu)化，提升整個油品調(diào)和工序的穩(wěn)定性和可靠性。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供基于物理信息神經(jīng)網(wǎng)絡(luò)的油品調(diào)和質(zhì)量預(yù)測方法及系統(tǒng)。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案：

3、基于物理信息神經(jīng)網(wǎng)絡(luò)的油品調(diào)和質(zhì)量預(yù)測系統(tǒng)，包括調(diào)和參數(shù)預(yù)測模塊、質(zhì)量預(yù)測追溯模塊、原料工藝篩查模塊；

4、調(diào)和參數(shù)預(yù)測模塊，用于構(gòu)建多調(diào)和質(zhì)量指標(biāo)的物理信息神經(jīng)網(wǎng)絡(luò)模型，并基于調(diào)和原料的各種工藝參數(shù)，確定多調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)組；

5、質(zhì)量預(yù)測追溯模塊，根據(jù)多調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)組確定各調(diào)和質(zhì)量指標(biāo)的預(yù)測質(zhì)量指數(shù)，進(jìn)而確定調(diào)和原料的質(zhì)量綜合指數(shù)，基于調(diào)和原料的質(zhì)量綜合指數(shù)與質(zhì)量綜合閾指數(shù)的比較結(jié)果，判定是否啟動調(diào)和工藝追溯步驟；

6、原料工藝篩查模塊，當(dāng)啟動調(diào)和工藝追溯步驟后，生成綜合差異篩查范圍，獲取系統(tǒng)當(dāng)前時間之前的所有調(diào)和原料以及對應(yīng)的質(zhì)量綜合指數(shù)，將質(zhì)量綜合指數(shù)在綜合差異篩查范圍內(nèi)的調(diào)和原料標(biāo)記為參考原料，進(jìn)而生成工藝參數(shù)篩查順序，按工藝參數(shù)篩查順序依次對調(diào)和原料的工藝參數(shù)進(jìn)行篩查。

7、進(jìn)一步的，基于調(diào)和原料的各種工藝參數(shù)，確定多調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)組：獲取調(diào)和原料的各種工藝參數(shù)，將調(diào)和原料的工藝參數(shù)輸入多調(diào)和質(zhì)量指標(biāo)的物理信息神經(jīng)網(wǎng)絡(luò)模型，輸出得到多調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)組。

8、進(jìn)一步的，根據(jù)多調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)組確定各調(diào)和質(zhì)量指標(biāo)的預(yù)測質(zhì)量指數(shù)：獲取多調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)組中各調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)，獲取各調(diào)和質(zhì)量指標(biāo)對應(yīng)的預(yù)測質(zhì)量量化模型，將調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)分別輸入對應(yīng)的預(yù)測質(zhì)量量化模型，輸出得到各調(diào)和質(zhì)量指標(biāo)的預(yù)測質(zhì)量指數(shù)。

9、進(jìn)一步的，調(diào)和原料的質(zhì)量綜合指數(shù)，確定過程：獲取各調(diào)和質(zhì)量指標(biāo)的預(yù)測質(zhì)量指數(shù)，將各調(diào)和質(zhì)量指標(biāo)的預(yù)測質(zhì)量指數(shù)進(jìn)行兩兩比較，將比較的兩個調(diào)和質(zhì)量指標(biāo)的預(yù)測質(zhì)量指數(shù)進(jìn)行絕對差值計算，計算得到預(yù)測質(zhì)量波動指數(shù)，將所有預(yù)測質(zhì)量波動指數(shù)進(jìn)行求和均值計算，計算得到平均預(yù)測質(zhì)量波動指數(shù)，設(shè)定預(yù)測質(zhì)量閾指數(shù)，當(dāng)調(diào)和質(zhì)量指標(biāo)的預(yù)測質(zhì)量指數(shù)小于預(yù)測質(zhì)量閾指數(shù)，將指標(biāo)消沉次數(shù)增加一次，基于平均預(yù)測質(zhì)量波動指數(shù)與指標(biāo)消沉次數(shù)確定調(diào)和原料的質(zhì)量綜合指數(shù)。

10、進(jìn)一步的，基于調(diào)和原料的質(zhì)量綜合指數(shù)與質(zhì)量綜合閾指數(shù)的比較結(jié)果，判定是否啟動調(diào)和工藝追溯步驟：設(shè)定質(zhì)量綜合閾指數(shù)，當(dāng)調(diào)和原料的質(zhì)量綜合指數(shù)大于等于質(zhì)量綜合閾指數(shù)，啟動調(diào)和工藝追溯步驟，同步確定該調(diào)和原料對應(yīng)的質(zhì)量綜合差異指數(shù)。

11、進(jìn)一步的，綜合差異篩查范圍，生成過程：獲取差異上指數(shù)與差異下指數(shù)，將質(zhì)量綜合差異指數(shù)與差異上指數(shù)進(jìn)行和值計算，計算得到質(zhì)量綜合上指數(shù)，將質(zhì)量綜合差異指數(shù)與差異下指數(shù)進(jìn)行差值計算，計算得到質(zhì)量綜合下指數(shù)，基于質(zhì)量綜合下指數(shù)與質(zhì)量綜合上指數(shù)生成綜合差異篩查范圍。

12、進(jìn)一步的，工藝參數(shù)篩查順序，生成過程：確定調(diào)和原料的各種工藝參數(shù)，獲取各種工藝參數(shù)的質(zhì)量優(yōu)化影響指數(shù)，將各種工藝參數(shù)的質(zhì)量優(yōu)化影響指數(shù)按照先后排序，進(jìn)而生成工藝參數(shù)篩查順序。

13、進(jìn)一步的，一種工藝參數(shù)的質(zhì)量優(yōu)化影響指數(shù)，獲取過程：選擇一種工藝參數(shù)，確定所有參考原料，確定所有參考原料針對該種工藝參數(shù)的參數(shù)影響指數(shù)，將所有參數(shù)影響指數(shù)進(jìn)行和值計算，計算得到該種工藝參數(shù)的質(zhì)量優(yōu)化影響指數(shù)。

14、進(jìn)一步的，一個參考原料針對該種工藝參數(shù)的參數(shù)影響指數(shù)，確定過程：獲取參考原料的該種工藝參數(shù)，隨機(jī)對該種工藝參數(shù)進(jìn)行s次調(diào)整，確定每次調(diào)整后參考原料的質(zhì)量綜合指數(shù)，將每次調(diào)整后參考原料的質(zhì)量綜合指數(shù)進(jìn)行兩兩比較，將比較的兩個質(zhì)量綜合指數(shù)進(jìn)行絕對差值計算，計算得到調(diào)整搖擺指數(shù)，將所有調(diào)整搖擺指數(shù)進(jìn)行求和均值計算，計算得到平均調(diào)整搖擺指數(shù)，將每次調(diào)整后參考原料的質(zhì)量綜合指數(shù)與調(diào)整前參考原料的質(zhì)量綜合指數(shù)進(jìn)行比較，當(dāng)調(diào)整后參考原料的質(zhì)量綜合指數(shù)小于調(diào)整前參考原料的質(zhì)量綜合指數(shù)，將質(zhì)量優(yōu)化數(shù)量增加一個，基于平均調(diào)整搖擺指數(shù)與質(zhì)量優(yōu)化數(shù)量確定該參考原料針對該種工藝參數(shù)的參數(shù)影響指數(shù)。

15、進(jìn)一步的，基于物理信息神經(jīng)網(wǎng)絡(luò)的油品調(diào)和質(zhì)量預(yù)測方法，步驟如下：

16、步驟一：構(gòu)建多調(diào)和質(zhì)量指標(biāo)的物理信息神經(jīng)網(wǎng)絡(luò)模型；

17、步驟二：基于調(diào)和原料的各種工藝參數(shù)，確定多調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)組；

18、步驟三：根據(jù)多調(diào)和質(zhì)量指標(biāo)的預(yù)測參數(shù)組確定各調(diào)和質(zhì)量指標(biāo)的預(yù)測質(zhì)量指數(shù)，進(jìn)而確定調(diào)和原料的質(zhì)量綜合指數(shù)；

19、步驟四：基于調(diào)和原料的質(zhì)量綜合指數(shù)與質(zhì)量綜合閾指數(shù)的比較結(jié)果，判定是否啟動調(diào)和工藝追溯步驟；

20、步驟五：當(dāng)啟動調(diào)和工藝追溯步驟后，生成綜合差異篩查范圍；

21、步驟六：生成工藝參數(shù)篩查順序，按工藝參數(shù)篩查順序依次對調(diào)和原料的工藝參數(shù)進(jìn)行篩查。

22、與現(xiàn)有技術(shù)相比，本發(fā)明具備以下有益效果：

23、本發(fā)明的系統(tǒng)通過調(diào)和參數(shù)預(yù)測模塊、質(zhì)量預(yù)測追溯模塊以及原料工藝篩查模塊，實現(xiàn)物理約束與數(shù)據(jù)驅(qū)動的深度融合，可以根據(jù)調(diào)和原料的工藝參數(shù)直接精準(zhǔn)預(yù)測油品調(diào)和后的各項指標(biāo)以及綜合質(zhì)量，在預(yù)測油品調(diào)和后的質(zhì)量存在問題時，啟動調(diào)和工藝追溯步驟，根據(jù)綜合差異篩查范圍深度分析與調(diào)和原料相似參考原料中各工藝參數(shù)對于質(zhì)量的影響情況，進(jìn)而定制工藝參數(shù)篩查順序，保證優(yōu)先對質(zhì)量影響的關(guān)鍵工藝參數(shù)進(jìn)行篩查，保證對于調(diào)和原料工藝參數(shù)的篩查效率以及精度，本發(fā)明的方法實現(xiàn)了物理機(jī)理與數(shù)據(jù)智能深度融合，精準(zhǔn)預(yù)判調(diào)和質(zhì)量并定向優(yōu)化工藝參數(shù)，顯著提升油品調(diào)和的質(zhì)量可控性。