基于ARIMA的腐蚀时序数据趋势预测

腐蚀造成的事故严重影响炼化企业生产安全与经济效益。为防止事故发生,企业通常会采取监测技术对设备运行过程的各项参数进行获取与评估。文中基于在线监测探针采集的腐蚀速率数据,建立ARIMA模型,开展腐蚀时序数据趋势预测。首先对腐蚀速率数据进行预处理并判断其稳定性,接着确定ARIMA模型的建模参数,最后采用ARIMA(2,1,5)和ARIMA(1,1,1)2种参数实现了腐蚀速率趋势的快速预测和提前10 d报警,且平均误差为1.4%,为炼化企业优化腐蚀防控提供1种新方法。     

生产过程信息集成优化的研究

从研究炼化企业生产管理信息系统核心模型出发,分析了生产流程模型,生产管理模型,逻辑节点模型、物理节点模型、装置生产单元模型等关键因素。阐述了过程信息集成优化的设计策略应以炼化企业工厂模型及生产流程模型为依据,建立信息体系和优化分析方法,支撑生产层面上的业务管理和数据分析,才能达到生产管理优化运行的效果。在企业生产模型与信息集成的基础上,完成业务集成、数据集成和岗位工作平台等内容,达到生产过程信息的集成优化。     

智慧炼油厂生产数据处理算法及其在催化重整数据处理上的应用

生产装置运行数据是现代炼化企业来源最广、跨度最长、规模最大的数据,充分处理好、利用好生产大数据,对优化生产、提质增效、建设智慧炼油厂具有重大意义.介绍了专门为处理智慧炼油厂生产数据设计的通用标准流程软件包SmartPec及其在催化重整数据处理上的应用.SmartPec通过数据预处理与分类建模,将催化重整装置广义线性模型...     

波动方程正演引导的深度学习地震波形反演

物理驱动的全波形反演方法计算成本高，数据驱动的深度学习反演方法对标记数据集的依赖性强。为了在有限的数据条件下获得更好的反演结果，结合数据驱动与物理驱动，提出了波动方程正演引导的深度学习地震波形反演方法。首先，利用地震数据应用神经网络重建速度模型，对网络预测的速度模型进行正演建模，通过最小化速度模型的误差及地震数据的误差训练网络；其次，使用有限差分法将二阶偏微分波动方程近似为可微算子，使正演过程能够传递梯度，并根据梯度方向动态调整地震数据损失的权重。实验结果表明，该方法能在一定程度上降低数据驱动方法对标记数据集的依赖性，可得到更准确的速度模型，且具有较强的鲁棒性。     

基于BP神经网络的油田生产动态分析方法

为克服目前生产动态分析方法所需数据量大、费工费时和应用局限性大等缺点．文中提出了一种基于BP神经网络的油田生产动态分析新方法。该方法使用一些广泛易得的教据（如测井数据、生产历史数据）建立数据集．然后利用神经网络建模技术建立全油藏范围的基于数据驱动的预测模型,进行预测分析。实际油藏应用结果表明,产油速度的最大预测误差低于7％,产水速度的预测误差低于5％。预测效果较好,具有一定的应用和研究价值。     

基于LSTM的润滑油加氢装置产品预测和基于RF的操作优化相关性分析

基于某炼油厂润滑油加氢装置的生产工艺及实际生产数据,采用Aspen HYSYS软件建立了润滑油加氢装置的生产过程机理模型,并用随机抽样的方法验证了模型的有效性;然后根据生产工艺条件运行机理模型,扩展了装置的产品预测数据集。对比BP神经网络,采用LSTM(Long Short-Term Memory)神经网络,以加氢裂化反应器入口温度、加氢异构反应器入口温度、加氢后精制反应器入口温度、加氢裂化后常压分馏塔塔顶温度、加氢异构常压分馏塔塔顶温度、加氢裂化反应器压力、加氢异构反应器压力为输入,以轻质润滑油常温常压下的质量流量、40 ℃运动黏度、闪点和倾点4个目标为输出建立了预测精度更高的产品预测模型。通过随机森林(RF, Random Forest)算法对该装置产品预测数据集的输入特征变量与输出目标变量进行了相关性分析,确定了特征重要度排序,得到了不同生产目标对应的优化操作方案。     

大数据管理平台在炼化企业管理中的应用

文中对某炼化企业的现状及实际管理中存在的问题进行了分析,阐述了大数据管理平台在炼化企业运行管理中的实施过程。该管理平台可以促进装置的高效运行、提高装置的可控性、提升整体管理水平,对企业资源的合理配置与优化具有重要意义。     

基于单一图像生成对抗神经网络方法在沉积相建模中的应用

沉积相建模是储层建模中的一个重要环节,有多种方法可以用来建立沉积相模型。传统的建模方法需要利用各种参数对变量的空间结构信息进行刻画,如变差函数、数据样式等,在模拟中再现这种空间结构。利用生成对抗神经网络方法(GAN,Generative Adversarial Nets)建模采用了不同的策略,通过对大量图像(模型)的学习,生成与学习样本具有高度相似特征的模型。基于单一图像生成对抗神经网络方法(SinGAN,Generative Adversarial Nets based on single image)对传统的GAN方法进行改进,仅需一张图像进行训练就能够生成高度相似的图像。以N气田2个小层的沉积微相图为例,建立了相应的沉积相模型,并与经典的基于样式的多点地质统计学建模方法(Simpat)对比可以看出,SinGAN方法与训练图像刻画的沉积微相空间结构更相似,具有良好的应用前景。     

异质多模型集成的辛烷值和抗爆系数分级建模

针对成品汽油调和过程中研究法辛烷值(RON)和抗爆系数难以实时获取，且传统未考虑二者关联的单一模型精度和适应性不足等问题，提出了2种异质多模型集成的分级预测建模方法(方法Ⅰ和方法Ⅱ)。先采用K折交叉验证法对建模算法进行参数调整与算法优选，分别建立了5个一级辛烷值和二级抗爆系数异质子模型。方法Ⅰ利用加权平均法对异质子模型进行线性集成，并为提升集成模型性能，对目标函数引入L1、L2、L1&L2等3种正则化约束，以此确定子模型最优权重；考虑线性集成可能对非线性过程适应性不足，方法Ⅱ基于堆叠思想建立了非线性集成预测模型。经使用工业生产数据仿真实验研究表明，较传统单一模型以及加权平均模型，考虑抗爆系数对辛烷值依赖提出的2种异质集成分级建模方法，具有更优的性能，可用于成品汽油调和过程中辛烷值和抗爆系数的准确预测，有望解决后期配方模型建立和优化控制的数据缺失问题。     

软仪表技术在炼化装置中的应用

为了增加高价值产品产量，在确保产品质量合格的条件下，最大限度地减少质量过剩，实现产品质量卡边优化控制，实时获得在线产品质量分析数据是关键。开发的软仪表系统，主要由数据采集及预处理、辅助变量选择、模型开发及应用和模型校正四个模块组成；建立准确的软仪表模型并通过化验分析校正实现在线实时监测和闭环控制。以某炼化企业常减压、催化裂化、延迟焦化等装置为例，对比应用软仪表和化验分析获得的数据，对指导炼化生产操作、减少化验频次和提高装置经济效益具有重要意义。     

基于遗传算法的乙烯生产装置神经网络模型的建立

基于遗传算法建立乙烯生产装置神经网络模型；先依据乙烯生产装置工况间的非线性程度设计人工神经网络模型结构．再用遗传算法对该网络模型参数进行组合优化确定，所建模型既可用来进行乙烯产率预测，亦可用来对其生产工况优化,示例表明；建好后的网络模型可对乙烯生产装置进行快速工艺参数优化，获得较优的操作数据。     

MES及生产数据统计优化

通过海南炼化生产执行系统(MES)的实际建设与优化经验,介绍了MES的功能架构及其主要应用;重点描述了全厂信息集成平台的搭建、功能实现以及全厂物料平衡的功能理念与业务实现,公用工程平衡的管理模式与功能实现;对生产统计报表应用的功能模式及报表种类进行归纳描述,并对WEB用户平台的实现与功能进行说明。基于MES物料平衡应用数据,结合统计数据业务逻辑需求,对生产数据统计功能和实现方法进行了重点介绍,包括如何通过对物料平衡模型和数据统计逻辑进行优化完善和数据统一,最终实现各装置加工生产数据和罐区统计数据的统一,并达到MES全厂物料平衡数据与统计数据的平衡统一。     

水平井数据在精细地质建模中的应用

阿尔巴尼亚PM油田M0小层地震数据缺乏、直井少,造成地质模型精度较低。通过分析水平井数据的特点以及水平井数据在精细地质建模中的优势和应用误区,提出了相应的应用对策。研究表明,水平井具有目的层段井轨迹长、数据信息量大、数据方向性强和砂体钻遇率高等特点。水平井目的层段井轨迹长和数据信息量大使水平井数据在精细地质建模中能够为目的层构造面成图提供更多的控制点、进一步落实砂体微构造在纵向上的起伏和提高属性模型预测精度;但砂体钻遇率高和方向性强导致岩相模型砂岩占比过大和属性模拟过程中影响变差函数分析。针对存在的应用误区,提出在建模时充分利用钻井数据,细分小层内部的“砂泥岩”,建立约束岩相分布的框架。对于“砂岩”小层,变差函数分析时仅使用直井数据,属性预测使用直井+水平井数据;对于“泥岩”小层,变差函数分析和属性预测使用直井+水平井数据,建立相应的岩相和岩相约束的属性模型。该应用对策能够有效解决水平井数据应用时产生的问题,使模型能更加真实地反映地质特征。     

基于生产信息化实时大数据计算油井动液面在NH201区块应用

基于油井基础数据、生产动态数据以及现场实时采集功图、电参、温压等实时数据，通过XGBoost大数据方法建立动液面计算模型。在大数据模型建立过程中，首先对影响动液面的因素进行相关性敏感性分析，最终选取24个相关参数；其次应用机器学习及深度学习算法，建立动液面计算模型，通过实测数据对模型计算结果进行验证，并对模型不断迭代优化，最终形成高精度动液面计算模型。     

软计算是智能油藏描述和井位优化的有效技术

为了识别三维地震数据和生产测井数据之间的非线性关系和映射，开发出了的一种综合方法。该方法在一个在产油田得到了应用。它采用了诸如地质统计和传统的模式识别等常规技术，并结合现代的软计算(soft computing)技术(神经计算学、模糊逻辑学、遗传计算学和概率推理学等)。我们的一个重要研究目的，是在三维地震数据和现有的生产测井数据的基础上，利用聚类(clustering)技术确定最佳的新井井位。采用三种方法进行分类：(1)k-平均聚类；(2)模糊c-平均聚类；(3)识别相似数据体的神经网络聚类。在井筒周围可以识别聚类组(duster)与生产测井数据的关系，所得结果用于在远离并筒方向上重建和外插生产测井数据。这种先进的三维地震和测井数据分析与解释技术可用于：(1)确定生产数据和地震数据之间的映射；(2)在多属性分析的基础上预测油藏连续性；(3)预测产层；(4)优化井位。     

数据驱动技术在石化工业运行中的应用

介绍了数据驱动技术在石化工业运行中应用的重要性.对石化行业过程历史数据的特点及建模过程中的处理方法、数据驱动技术的方法、建模步骤、数据驱动技术在石化工业运行中的应用等进行了回顾与总结.对数据驱动技术在石化工业运行中的发展方向做了讨论.     

基于多参数时间序列及粒子群优化算法的油藏产量动态建模预测方法

在油田开发过程中,油藏产量预测方法的研究对开发方案的动态调整具有重要意义。针对利用机器学习算法进行油藏产量预测过程中,因缺乏考虑时间序列模型的参数调整优化技术,以及新数据叠加进行预测模型动态更新技术,导致产量预测的准确率不高且时效性不强,难以满足实际生产应用需求等问题,研究了基于长短期记忆神经网络模型的多参数时间序列预测方法及粒子群参数优化算法,构建了随时间动态更新的油藏产量预测模型,从而进一步提升油藏产量预测的准确率与实用性,并在长庆油田多个油藏的生产过程中进行了应用。应用结果表明,模型预测结果的准确率较高,且模型具有实时训练和自动更新的特点,在实际生产中展现出了较高的应用价值。     

不同沉积过程尺度下正演数值模拟研究进展及油气地质意义

沉积正演数值模拟是研究沉积过程的重要手段,由大量的数值模型支撑,但如何选择和应用数值模型仍是难点。为此,梳理了沉积数值模型的时间尺度、驱动机制、河道演化、遵循规则、沉积结果和适用对象,着重阐述了Delft3D和DIONISOS模型的运算原理、参数选择、模拟结果和局限性。不同湖平面级次控制下的层序演化和发育过程与沉积过程尺度相对应,沉积物组分特征和模拟目标是优选数值模型的基本原则,井-震数据和地质建模算法是验证和优化训练模型的必要手段,基于大数据和人工智能的深度学习和强化学习模型是沉积正演数值模拟的发展趋势。     

天然气生产数据集成整合与智能分析系统

为了提高天然气开发生产实时数据的利用率，在提升数据质量的同时也能够为基层员工减负，中国石油西南西南油气田公司重庆气矿基于“源头采集、智能核准、全面共享”的原则，自主创新开发了生产数据集成整合与智能分析系统；通过该系统实现了对生产数据的整合集成、实时数据派生功能优化、数据自动核准、共享服务等生产数据治理，以及实时趋势多维分析、管输效率分析、清管周期预测等数据深化应用，并在该公司重庆气矿垫江运销部进行了试运行。研究结果表明：①基于油气生产物联网数据、手工录入数据的集成整合模型，进行生产数据变化趋势分析、报表数据自动生成及核准，实现了生产实时数据的集成整合、自动核准、共享服务、多维展示与预警分析，极大地提升了数据的完整性和准确性，全面支撑上层平台及报表系统的应用；②通过对油气生产数据的全面治理，规范了数据来源、提升了数据质量、减少了基层员工多头录入，为该气矿业务数据化、数据业务化以及大数据智能分析应用提供了准确、唯一的数据源，也助推了其上级公司数字化转型与提质增效；③采用趋势告警、大数据智能算法、实时数据库分析函数计算等技术，可以对气井生产、管道运行进行准确、可靠的数据分析与预测，进而为生产制度优化、精细化管理提供有力支撑。结论认为：①高质量的数据对任何企业都是战略性的资产，更是推进油气田数字化转型进程的基础；②井站作为数据采集源头，井站员工处于数据质量管控的第一线，充分利用信息化平台实现数据完整采集与汇集、数据质量的有效管控、数据的多维分析与预警，有助于为下一步大数据应用、智能分析提供完整、准确的“数据资产”奠定坚实的基础。     

工业互联网在炼化企业的应用

为解决某炼化企业数据采集不规范、系统部署不统一、应用系统多集成度不高、上下游业务信息链条未有效打通、信息孤岛突出等问题，结合企业现状打造了具备炼化企业特色的工业互联网平台。将企业重点管控的仪表、设备、装置等物理实体进行数据采集、集中存储，并借助专用平台进行综合分析处理。规划了统一的虚拟化平台，构建了标准的数据服务、开发服务、中间件服务等通用组件，制定了相应的数据输入与输出标准，提供了相应的数据支撑服务。同时将企业重点关注的生产计划、调度优化、设备管理、安全管控等业务进行数据化、模型化、流程化处理，最终形成行业特色软件平台。通过平台建设，对企业生产经营各链条业务实现了从原料采购、计划排产、调度优化、装置优化、产品销售的全流程管控。同时借助设备大数据分析、统一报警、应急指挥等平台，确保了生产的安全稳定。本文探索了以“数据+平台+应用”的工业互联网平台建设模式，为后续企业数字化转型，围绕生产经营难点痛点，深入推进信息系统应用，积极融入数字经济潮流，奠定了坚实的基础。