基于异常工况检测的高含硫天然气净化工艺建模优化方法

    公开(公告)号:CN104657586B

    公开(公告)日:2017-09-19

    申请号:CN201410848322.1

    申请日:2014-12-31

    Abstract: 本发明公开了一种基于异常工况检测的高含硫天然气净化工艺建模优化方法,利用独立元分析提取独立元,并计算对应的SPE统计量,再与设定控制限对比,判断异常工况下采集到的样本数据,并给予剔除;将净化工艺操作参数作为极限学习机的输入变量,建立高含硫天然气净化脱硫工艺过程模型,模型输出即为净化气中H2S和CO2含量,经采用粒子群算法对极限学习机模型结构进行优化;物理规划偏好函数将能耗、产量不同物理量在同一度量准则下进行设计,MOGA可实现工艺操作参数与能耗、产量对应的Pareto最优解集。本发明利用粒子群优化的极限学习机建立高含硫天然气净化脱硫过程统计模型,提高了模型的精度;同时还实现相互冲突的能耗和产量多目标优化。

    高含硫天然气净化工艺动态演化建模与节能优化方法

    公开(公告)号:CN106777465A

    公开(公告)日:2017-05-31

    申请号:CN201611001268.2

    申请日:2016-11-14

    Abstract: 本发明提供的高含硫天然气净化工艺动态演化建模与节能优化方法,包括选取影响脱硫效率的工艺参数和脱硫单元的性能指标后进行采集形成样本集;对样本集进行归一化形成归一化样本集,并从中选取训练样本和测试样本;基于训练样本构建神经网络模型并确定神经网络模型的初始状态变量;用ST‑UPFNN算法估计神经网络模型的最优状态变量;根据最优状态变量对神经网络模型进行更新;分别构建H2S浓度和CO2浓度的偏好函数;利用SPEA‑II算法对H2S浓度和CO2浓度的工艺参数各自的上下限进行优化,将优化后的工艺参数带入更新后的神经网络模型,计算优化后的工艺参数的系统性能,与实际样本的系统性能的平均值进行比较。利用本发明可以提高高含硫天然气净化的生产效率。

    基于计算智能的油田机采参数动态演化建模与优化方法

    公开(公告)号:CN106529042B

    公开(公告)日:2019-12-31

    申请号:CN201611001269.7

    申请日:2016-11-14

    Abstract: 本发明提供的基于计算智能的油田机采参数动态演化建模与优化方法,包括:确定油田机采过程中的效率影响因素和性能变量;对样本中的载荷变量进行降维处理构建新样本,并归一化新样本;基于归一化后的新样本构建神经网络模型;利用ST‑UPFNN算法估计神经网络模型中由权值阈值所组成的状态变量的最优状态;并利用最优状态变量重构更新后的神经网络模型获得油田机采过程模型;利用SPEA‑II算法对决策参量进行优化;将优化后的决策变量,带入油田机采过程模型,计算优化后的决策变量的系统性能的平均值,与实际样本的系统性能的平均值进行比较。利用本发明可以提高油田机采的生产效率,降低能耗。

    基于计算智能的油田机采参数动态演化建模与优化方法

    公开(公告)号:CN106529042A

    公开(公告)日:2017-03-22

    申请号:CN201611001269.7

    申请日:2016-11-14

    Abstract: 本发明提供的基于计算智能的油田机采参数动态演化建模与优化方法,包括:确定油田机采过程中的效率影响因素和性能变量;对样本中的载荷变量进行降维处理构建新样本,并归一化新样本;基于归一化后的新样本构建神经网络模型;利用ST-UPFNN算法估计神经网络模型中由权值阈值所组成的状态变量的最优状态;并利用最优状态变量重构更新后的神经网络模型获得油田机采过程模型;利用SPEA-II算法对决策参量进行优化;将优化后的决策变量,带入油田机采过程模型,计算优化后的决策变量的系统性能的平均值,与实际样本的系统性能的平均值进行比较。利用本发明可以提高油田机采的生产效率,降低能耗。

    非高斯动态高含硫天然气净化过程异常检测与诊断方法

    公开(公告)号:CN104656635A

    公开(公告)日:2015-05-27

    申请号:CN201410849339.9

    申请日:2014-12-31

    CPC classification number: G05B23/0281

    Abstract: 本发明公开了一种非高斯动态高含硫天然气净化过程异常检测与诊断方法,该诊断方法按如下步骤进行:随机采集高含硫天然气净化过程数据组成原始测量样本集;对数据进行预处理;通过分析工业过程自回归模型,确定模型时滞阶次,然后将数据投影到核独立元空间,通过监控独立元对应的T2和SPE统计量是否超出正常状态设定的控制限实现异常检测。最后计算T2统计量对原始变量的一阶偏导数,绘制其贡献图,从而实现异常诊断。本方法能够及时检测故障发生,并追溯工艺操作参数导致故障发生原因,从而为系统故障排查和恢复提供决策参考依据,实现非线性、动态、非高斯过程监控。

    基于动态核独立分量分析的天然气净化过程异常检测方法

    公开(公告)号:CN104635724B

    公开(公告)日:2017-02-22

    申请号:CN201410826845.6

    申请日:2014-12-25

    Abstract: 本发明公开了一种基于动态核独立分量分析的天然气净化过程异常检测方法,该诊断方法按如下步骤进行:确定所监测的高含硫天然气净化脱硫生产过程中的工艺参数;对高含硫天然气净化脱硫生产过程进行数据采集;对数据进行预处理;分析数据的自回归模型,确定其动态时滞后阶次,得到其动态扩展矩阵;在核主元空间对扩展矩阵进行白化处理,提取核主元分量,并采用独立分量分析估计独立元;计算独立元对应的SPE统计量和T2统计量,并分析统计量是否超限,若超限则发生异常工况,否则正常,再结合T2贡献图法,进行异常工况参数追溯。本方法能够及时检测故障发生,并追溯工艺操作参数导致故障发生原因,从而为系统故障排查和恢复提供决策参考依据。

    基于异常工况检测的高含硫天然气净化工艺建模优化方法

    公开(公告)号:CN104657586A

    公开(公告)日:2015-05-27

    申请号:CN201410848322.1

    申请日:2014-12-31

    Abstract: 本发明公开了一种基于异常工况检测的高含硫天然气净化工艺建模优化方法,利用独立元分析提取独立元,并计算对应的SPE统计量,再与设定控制限对比,判断异常工况下采集到的样本数据,并给予剔除;将净化工艺操作参数作为极限学习机的输入变量,建立高含硫天然气净化脱硫工艺过程模型,模型输出即为净化气中H2S和CO2含量,经采用粒子群算法对极限学习机模型结构进行优化;物理规划偏好函数将能耗、产量不同物理量在同一度量准则下进行设计,MOGA可实现工艺操作参数与能耗、产量对应的Pareto最优解集。本发明利用粒子群优化的极限学习机建立高含硫天然气净化脱硫过程统计模型,提高了模型的精度;同时还实现相互冲突的能耗和产量多目标优化。

    高含硫天然气净化工艺动态演化建模与节能优化方法

    公开(公告)号:CN106777465B

    公开(公告)日:2020-06-09

    申请号:CN201611001268.2

    申请日:2016-11-14

    Abstract: 本发明提供的高含硫天然气净化工艺动态演化建模与节能优化方法,包括选取影响脱硫效率的工艺参数和脱硫单元的性能指标后进行采集形成样本集;对样本集进行归一化形成归一化样本集,并从中选取训练样本和测试样本;基于训练样本构建神经网络模型并确定神经网络模型的初始状态变量;用ST‑UPFNN算法估计神经网络模型的最优状态变量;根据最优状态变量对神经网络模型进行更新;分别构建H2S浓度和CO2浓度的偏好函数;利用SPEA‑II算法对H2S浓度和CO2浓度的工艺参数各自的上下限进行优化,将优化后的工艺参数带入更新后的神经网络模型,计算优化后的工艺参数的系统性能,与实际样本的系统性能的平均值进行比较。利用本发明可以提高高含硫天然气净化的生产效率。

    基于无迹卡尔曼神经网络的天然气净化工艺建模优化方法

    公开(公告)号:CN104656441B

    公开(公告)日:2017-12-08

    申请号:CN201410836321.5

    申请日:2014-12-29

    Abstract: 本发明的目的在于克服现有技术的不足,提供一种基于无迹卡尔曼神经网络的天然气净化工艺建模优化方法,步骤:确定输入变量;采集工艺生产数据;对数据进行预处理;进行数据归一化处理;采用无迹卡尔曼神经网络对数据进行建模,得到模型;以无迹卡尔曼滤波神经网络模型两个输出变量设计偏好函数,运用多目标遗传算法对输入变量进行优化;将优化后输入变量解集依次带入无迹卡尔曼神经网络模型,计算此时的模型两个输出值,与样本值平均值进行比较,观察优化效果。本方法能够建立精确可靠的高含硫天然气净化脱硫工业过程模型,能够以此为基础提高成品气产量,降低脱硫过程能耗,对指导实际工业生产具有重要的现实意义。

Patent Agency Ranking