沥青生产的操作参数确定方法、装置、设备及存储介质与流程

1.本发明涉及石油化工技术领域，特别是涉及一种沥青生产的操作参数确定方法、装置、设备以及计算机可读存储介质。


背景技术：

2.石油沥青是石油加工的主要产品之一，常温下是黑色或黑褐色的粘稠液体、半固体、固体，具有良好的粘结性、绝缘性、不渗水性，被广泛用于道路设施、房屋建筑及水利工程等。通常，石油加工企业一般采用蒸馏工艺直接生产蒸馏沥青。在实际蒸馏生产沥青过程中，沥青生产装置上存在大量需要调控的温度、压力、流量等操作参数，而这些操作参数直接影响沥青生产的经济效益和沥青的产品性能。因此，如何在沥青生产过程中为沥青生产装置选择更为合理的操作参数，是业内重点研究的问题之一。


技术实现要素：

3.本发明的目的是提供一种沥青生产的操作参数确定方法、装置、设备以及计算机可读存储介质，能够合理确定操作参数，保证沥青性质和经济收益。
4.为解决上述技术问题，本发明提供一种沥青生产的操作参数确定方法，包括：
5.获取原油检测数据，并设定初始操作参数；
6.根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数；
7.若所述沥青性质指标参数符合沥青性质指标要求，则根据所述初始操作参数进行经济收益运算，获得所述初始操作参数对应的经济收益数据；
8.基于所述经济收益数据利用非线性规划算法更新所述初始操作参数，并重复执行根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数的步骤，直到获得经济收益数据达到设定要求，则将达到所述设定要求的所述经济收益数据对应的初始操作参数作为沥青生产的操作参数。
9.可选的，所述预估模型的创建过程，包括：
10.获取历史原油检测数据样本、以及对应的操作参数样本和沥青指标参数样本；
11.利用神经网络对所述历史原油检测数据样本、所述操作参数样本和所述沥青指标参数样本学习训练，获得表征不同种类的原油对应的操作参数和沥青性质指标参数之间对应关系的所述预估模型；
12.对应的，根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数，包括：
13.将所述原油检测数据和所述初始操作参数共同输入所述预估模型，获得所述沥青性质指标参数。
14.可选地，设定初始操作参数包括：
15.将所述初始操作参数划分为第一部分操作参数和第二部分操作参数；
16.基于历史操作参数，设定所述初始操作参数中的第一部分操作参数；
17.将所述原油检测数据和所述第一部分操作参数输入预先基于aspenplus软件机理建模获得的机理模型，预测获得所述初始操作参数中的第二部分操作参数；
18.相应地，基于所述经济收益数据利用非线性规划算法更新所述初始操作参数，包括：
19.根据所述经济效益数据利用非线性规划算法对所述初始操作参数中的第一部分操作参数进行优化运算，并将优化后的所述第一部分操作参数作为更新后的所述初始操作参数中的第一部分操作参数；
20.将优化更新后的所述第一部分操作参数和所述原油检测数据输入所述机理模型，获得所述初始操作参数更新后的第二部分操作参数。
21.可选地，基于历史操作参数，设定所述初始操作参数中的第一部分操作参数之后，还包括：
22.将所述第一部分操作参数划分为样本操作参数和验证操作参数；
23.将所述原油检测数据和所述样本操作参数输入所述机理模型，预测获得所述验证操作参数对应的预测值；
24.将所述预测值和所述验证操作参数进行对比，确定所述机理模型的准确率；
25.若所述准确率低于预设准确率，则对所述机理模型中包括塔板效率、换热器效率、组分比例、流量中的至少一个模型参数进行校正，并重复执行将所述第一部分操作参数划分为样本操作参数和验证操作参数的操作，直到所述机理模型的准确率达到预设准确率；再执行将所述原油检测数据和所述第一部分操作参数输入预先基于aspenplus软件机理建模获得的机理模型的操作。
26.可选地，获取原油检测数据，包括：
27.通过原油快评检测和模拟蒸馏检测获得至少包括密度、硫含量、氮含量、水含量、粘度、残碳、astmd2887蒸馏曲线中的一种的所述原油检测数据。
28.一种沥青生产的操作参数确定装置，包括：
29.数据获取模块，用于获取原油检测数据，并设定初始操作参数；
30.指标预估模块，用于根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数；
31.收益评估模块，用于若所述沥青性质指标参数符合沥青性质指标要求，根据所述初始操作参数进行经济收益运算，获得所述初始操作参数对应的经济收益数据；
32.参数优化模块，用于基于所述经济收益数据利用非线性规划算法更新所述初始操作参数，并重复执行根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数的步骤，直到获得经济收益数据达到设定要求，则将达到所述设定要求的所述经济收益数据对应的初始操作参数作为沥青生产的操作参数。
33.可选地，还包括模型创建模块，所述模型创建模块包括：
34.样本获取单元，用于获取历史原油检测数据样本、以及对应的操作参数样本和沥青指标参数样本；
35.模型训练单元，用于利用神经网络对所述历史原油检测数据样本、所述操作参数
样本和所述沥青指标参数样本学习训练，获得表征不同种类的原油对应的操作参数和沥青性质指标参数之间对应关系的所述预估模型；
36.对应的，所述指标预估模块具体用于将所述原油检测数据和所述初始操作参数共同输入所述预估模型，获得所述沥青性质指标参数。
37.可选地，所述数据获取模块具体用于将所述初始操作参数划分为第一部分操作参数和第二部分操作参数；基于历史操作参数，设定所述初始操作参数中的第一部分操作参数；将所述原油检测数据和所述第一部分操作参数输入预先基于aspenplus软件机理建模获得的机理模型，预测获得所述初始操作参数中的第二部分操作参数；
38.相应地，所述参数优化模块具体用于根据所述经济效益数据利用非线性规划算法对所述初始操作参数中的第一部分操作参数进行优化运算，并将优化后的所述第一部分操作参数作为更新后的所述初始操作参数中的第一部分操作参数；将优化更新后的所述第一部分操作参数和所述原油检测数据输入所述机理模型，获得所述初始操作参数更新后的第二部分操作参数。
39.一种沥青生产的操作参数确定设备，包括：
40.存储器，用于存储计算机程序；
41.处理器，用于执行所述计算机程序时实现如上任一项所述沥青生产的操作参数确定方法的步骤。
42.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述沥青生产的操作参数确定方法的步骤。
43.本发明所提供的一种沥青生产的操作参数确定方法，包括：获取原油检测数据，并设定初始操作参数；根据预先基于神经网络训练获得的预估模型和初始操作参数，预估获得初始操作参数对应的沥青性质指标参数；若沥青性质指标参数符合沥青性质指标要求，则根据初始操作参数进行经济收益运算，获得初始操作参数对应的经济收益数据；基于经济收益数据利用非线性规划算法更新初始操作参数，并重复执行根据预先基于神经网络训练获得的预估模型和初始操作参数，预估获得初始操作参数对应的沥青性质指标参数的步骤，直到获得经济收益数据达到设定要求，则将达到设定要求的经济收益数据对应的初始操作参数作为沥青生产的操作参数。
44.本技术中在利用原油进行沥青生产过程中先利用神经网络训练获得的预估模型对设定的初始操作参数对应的沥青性质指标参数进行预估，从而判断以该初始操作参数生产获得的沥青是否符合性质指标要求，再对预估能够获得符合性质指标要求的初始操作参数进行经济效益运算，并基于运算获得的经济效益结果对初始操作参数进行非线性规划算法优化运算，以实现对该初始操作参数进行循环优化，使得最终获得的操作参数既能够获得较好的经济效益又能够保证以该操作参数操作生产获得的沥青产品满足性质指标要求。
45.本技术还提供了一种沥青生产的操作参数确定装置、设备以及计算机可读存储介质，具有上述有益效果。
附图说明
46.为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有
技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
47.图1为本技术实施例提供的一种沥青生产的操作参数确定方法的流程示意图；
48.图2为本发明实施例提供的沥青生产的操作参数确定装置的结构框图。
具体实施方式
49.在沥青生产过程中，生产沥青的蒸馏装置与常规石油蒸馏装置在操作参数控制上具有显著不同，蒸馏装置的操作参数的调节直接影响生产获得的产品的质量，如果蒸馏装置的塔底得到的石油沥青组分符合某种特定沥青产品规格时即为石油沥青产品，否则即成为减压渣油。但目前在考虑沥青产品性质要求的基础上设定操作参数时，往往通过化学工程原理、数学方程、经验公式相结合，大致确定出操作参数的合理范围。但是目前并不存在较为成熟的经验公式，由此确定出的操作参数并不能保证沥青产品的良好性质。
50.在此基础上还需要考虑沥青生产的经济效益而对操作参数进一步的调控，最终往往难以确定出最合理的操作参数，由此使得生产获得的沥青产品难以在性质指标和经济效益两方面的指标达到较好的平衡。
51.为此，本技术中提供了一种确定沥青生产的操作参数的技术方案，使得确定出的沥青产品既能够满足性质指标，又具有较好的经济效益。
52.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
53.如图1所示，图1为本技术实施例提供的一种沥青生产的操作参数确定方法的流程示意图，该方法可以包括：
54.s11：获取原油检测数据，并设定初始操作参数。
55.该原油也即是生产制备沥青产品的石油原油；原油的特性也在一定程度上影响操作参数的设定。
56.原油检测数据也即是对生产沥青产品的原油进行特性检测获得的数据，具体可以包括密度、硫含量、氮含量、水含量、粘度、残碳、astmd2887蒸馏曲线等各种特性参数中一种或多种。
57.需要说明的是，本实施例中的沥青生产的操作参数确定方法可以是沥青生产过程中操作参数的线上实时优化的过程。因此，为了避免对原油进行特征参数的检测耗时过长，可以优先采用原油快评检测或模拟蒸馏检测中至少一种检测方式获得上述的全部或部分的原油检测数据。
58.此外，对于本实施例中的操作参数主要是指蒸馏装置各个不同部位操作控制节点的温度、压力、流量、流量等参数的调节。在整个蒸馏装置中包含有大量的操作控制节点，相应的，在整个蒸馏装置中需要设定的操作参数也就包含有多个不同节点位置对应的一系列的温度、压力、流量等参数数据。
59.s12：根据预先基于神经网络训练获得的预估模型和初始操作参数，预估获得初始
操作参数对应的沥青性质指标参数。
60.该预估模型可以是利用历史操作参数数据和对应的沥青性质指标参数进行神经网络训练获得的表征操作参数和理化性质指标参数之间对应关系的预估模型。
61.进一步地考虑到，对于具有不同特性的原油而言，其操作参数和沥青性质指标参数之间的对应关系可以并不相同，为此为了保证预估模型的准确性，在本技术的一种可选地实施例中，该预估模型的创建过程可以包括：
62.获取历史原油检测数据样本、以及对应的操作参数样本和沥青指标参数样本；
63.利用神经网络对历史原油检测数据样本、操作参数样本和沥青指标参数样本学习训练，获得表征不同种类的原油对应的操作参数和沥青性质指标参数之间对应关系的预估模型。
64.相应的，在基于该预估模型对设定的初始操作参数对应的沥青性质指标参数进行预估时，也应当同时将初始操作参数和原油检测数据同时作为输入数据输入该预估模型最终获得沥青性质指标参数。
65.对于本实施例中的神经网络可以采用bp神经网络，或者其他具有类似功能的神经网络，对此本实施例中不做具体限制。
66.s13：判断沥青性质指标参数是否符合沥青性质指标要求，若否，则进入s14，若是，则进入s15。
67.通过该预估模型对设定的初始操作参数对应的沥青性质指标参数进行预估，即可大致确定按照该初始操作参数生产获得的沥青的性质指标，以便确定该初始操作参数是否能够生产获得满足需求的沥青产品。相当于从沥青性质指标的角度先对初始操作参数进行一定的筛选和判断，进而保证最终确定出来的操作参数能够满足沥青产品的性质指标要求。
68.沥青性质指标参数可以包含针入度、软化点、动力粘度、延度、闪点中的一个或多个参数。可以将预估获得的沥青性质指标参数和标准沥青性质指标参数进行逐一对比，如果各项沥青性质指标参数和标准沥青性质指标参数之间的偏差过大，则认为该沥青性质指标参数不符合要求，反之，如果偏差在允许范围内，则认为该沥青性质指标参数符合要求。
69.s14：调整更新初始操作参数，进入s12。
70.在对初始操作参数进行更新调节时，可以参照具体哪一项沥青性质指标参数不符合要求为依据，对初始操作参数进行调节。
71.例如在蒸馏装置上某几个特定节点的温度过高，往往会导致动力粘度降低，由此，当预估的动力粘度过低，则可以考虑将该特定节点的温度参数适当降低。
72.还可以采用类似于非线性规划算法或者其他优化算法对初始操作参数进行优化运算，最终确定出满足沥青性质指标参数要求的参数数据。
73.当然，在实际应用中也并不排除逐一试错的方式，增大或减小某个操作参数，反复尝试，最终获得一组对应的沥青性能指标参数最贴近沥青标准指标参数的初始操作数据。
74.s15：对初始操作参数进行经济效益运算，获得初始操作参数对应的经济收益数据。
75.对于初始操作参数对应的经济收益数据，具体可以是耗费1吨原油所获得的净收益。
76.基于初始操作参数进行经济效益的运算，主要是利用初始操作参数中的流量参数，例如，可以基于产品流量和产品单价的乘积减去原油流量和原油单价的乘积再减去耗能流量和耗能单价的乘积，其中耗能流量和耗能单价可以是类似于用水流量、用水单价等，当然也不排除对其他方面的能源消耗。对于产品经济收益的运算属于业内的常规运算，在此本实施例中不做详细赘述。
77.s16：判断经济收益数据是否达到设定要求，若否，则进入s17；若是，则进入s18。
78.s17：基于经济收益数据利用非线性规划算法更新初始操作参数，并进入s12。
79.非线性规划算法属于优化算法中的一种，本实施例中在经济收益数据未达到设定要求的基础上，利用非线性规划算法以获得最高的经济收益作为优化目标，对初始操作参数进行优化运算，能够在一定程度上提升初始操作参数的优化速度，进而提升确定最合适的操作参数的运算效率。
80.s18：以经济收益数据对应的初始操作参数作为沥青生产的操作参数。
81.在实际应用中，可以重复循环执行s12、s13、s14、s15、s16、s17的操作步骤，不断优化更新初始操作参数，最终获得更高的经济收益数据，因此在上述s17中基于经济收益数据更新初始操作参数时，应当是以获得最高经济收益数据为目标优化更新初始操作参数的过程；而上述s16中判断经济收益数据是否达到设定要求，可以视为判断是否达到循环优化终止条件的过程，具体可以是随着初始操作参数的更新，经济收益的增长已经非常小，或者是经济收益的大小已经达到预期大小，都可以认为该经济收益数据达到设定要求。
82.综上所述，本技术中在对沥青生产过程中的操作参数进行优化运算时，融入了神经网络训练获得的预估模型，在以获得经济收益最高为优化目的基础上，进一步地通过预估模型对沥青产品性质指标进行了预估，从而保证了最终确定出的操作参数既能够保证产品性质良好，又能够获得较高的经济收益。
83.如前所述，对于生产沥青的蒸馏装置，存在大量需要设定的操作参数，但在实际应用中一般不可能将每个操作参数进行人为设定，且某些操作参数之间也存在一定的关联性。为此，基于上述实施例，可以进一步地在确定沥青生产过程中的操作参数时，进一步地引入机理模型。
84.在本技术的一种可选地实施例中，沥青生产的操作参数确定方法的步骤可以包括：
85.s21：获取原油检测数据，将初始操作参数划分为第一部分操作参数和第二部分操作参数。
86.为了便于对初始操作参数进行设定，可以将该初始操作参数划分为两部分，仅仅只对其中一部分的操作参数进行设定，而另一部分操作参数基于已设定的操作参数和未设定的操作参数之间的联系即可确定；对于初始操作参数划分成第一部分操作参数和第二部分操作参数的划分方式，本实施例中不做具体限制，可以采用随机划分的方式。
87.s22：基于历史操作参数，设定初始操作参数中的第一部分操作参数。
88.例如，对第一部分操作参数中某一操作参数，可以参照历史操作参数中，生产获得沥青性质较好时对应的操作参数，最终取平均值即可作为该操作参数的平均值；也可以基于历史操作参数确定各个操作参数的取值范围，在该取值范围内随机选定一个数值作为该操作参数的设定值等，都属于本技术中可选的实施方式。
89.当然，为了降低设定第一部分操作参数的工作量，可以在划分第一部分操作参数和第二部分操作参数时，使得第一部分操作参数的数量尽可能的划分的少，而第二部分操作参数的数量尽可能的多，只要不影响后续基于第一部分操作参数确定第二部分操作参数即可。
90.s23：将原油检测数据和第一部分操作参数输入预先基于aspen plus软件机理建模获得的机理模型，预测获得初始操作参数中的第二部分操作参数。
91.该机理模型在一定程度上相当于是沥青生产的蒸馏装置的仿真模型，该机理模型可以包括原料处理模块、换热网络模块、初馏塔模块、常压塔模块、减压塔模块，以及与各模块相匹配的必要的温度、压力、流量仪表传感器。
92.其中，原料预处理模块负责原料的虚拟组分切割与电脱盐过程计算；换热网络模块负责所有换热器的热负荷、传热效率、物料温度计算；初馏塔模块负责初馏塔的塔效率、分离精度、质量平衡、热量平衡计算；常压塔模块负责常压塔和附属常压汽提塔的塔效率、分离精度、质量平衡、热量平衡计算；减压塔模块负责减压塔和附属减压汽提塔的塔效率、分离精度、质量平衡、热量平衡计算。
93.基于该机理模型，可以实现通过部分操作参数和原油检测数据确定出另一部分操作参数，还可以通过操作参数和部分原油检测数据确定另一部分原油检测数据，甚至可以通过部分操作参数和部分原油检测数据确定出另一部分操作参数和另一部分原油检测数据，都属于机理模型可以实现的常规功能，对此本技术中不详细赘述。
94.此外，为了进一步地的保证机理模型的准确性，在本技术可选地实施例中，在将原油检测数据和第一部分操作参数输入预先基于aspenplus软件机理建模获得的机理模型之前，还可以进一步地包括：
95.将第一部分操作参数划分为样本操作参数和验证操作参数；
96.将原油检测数据和样本操作参数输入机理模型，预测获得验证操作参数对应的预测值；
97.将预测值和验证操作参数进行对比，确定机理模型的准确率；
98.若准确率低于预设准确率，则对机理模型中至少包括塔板效率、换热器效率、组分比例、流量中的一个模型参数进行校正，并重复执行将第一部分操作参数划分为样本操作参数和验证操作参数，直到机理模型的准确率达到预设准确率。
99.需要说明的是，上述步骤相当于对机理模型中各个模型参数进行校正的过程。在实际应用中，也可以直接基于历史原油检测数据和对应的历史操作参数数据对机理模型进行校正训练。但是对于不同种类不同生产批次原油，不可避免的会存在一定的差异，因此，本实施例中直接将设定好的第一部分操作参数再次划分为训练集和验证集，通过该训练集和验证集对机理模型进行学习训练并校正模型参数，最终使得机理模型能够更准确的确定出第二部分操作参数。
100.在实际应用中，对机理模型的校正可以是线上实时进行的，每完成一次对操作参数的优化，即可利用优化后的操作参数对机理模型进行校正。
101.s24：根据预先基于神经网络训练获得的预估模型和初始操作参数，预估获得初始操作参数对应的沥青性质指标参数。
102.在基于初始操作参数对沥青性质指标参数进行预估时，可以将初始操作参数中随
机选取的部分操作参数作为预估模型的输入值，也可以是所有的初始操作参数作为预估模型的输入值，当然也可以直接将上述划分的第一部分操作参数或者第二部分操作参数作为输入值，对此本实施例中不做具体限制。
103.s25：若沥青性质指标参数符合沥青性质指标要求，则对初始操作参数进行经济收益运算，获得初始操作参数对应的经济收益数据。
104.s26：判断经济收益数据是否达到设定要求，若是，则进入s27，若否，则进入s28。
105.s27：将经济收益数据对应的初始操作参数作为沥青生产的操作参数。
106.s28：基于经济收益数据利用非线性规划算法更新初始操作参数中的第一部分操作参数，并进入s23。
107.本实施例中将基于神经网络获得的预估模型、机理模型以及循环优化算法相结合，最终实现沥青产品的操作参数的优化运算，为沥青产品的生产提供可靠的数据指导依据，保证了沥青生产的产品性质和经济收益。
108.下面对本发明实施例提供的沥青生产的操作参数确定装置进行介绍，下文描述的沥青生产的操作参数确定装置与上文描述的沥青生产的操作参数确定方法可相互对应参照。
109.图2为本发明实施例提供的沥青生产的操作参数确定装置的结构框图，参照图2的沥青生产的操作参数确定装置可以包括：
110.数据获取模块100，用于获取原油检测数据，并设定初始操作参数；
111.指标预估模块200，用于根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数；
112.收益评估模块300，用于若所述沥青性质指标参数符合沥青性质指标要求，则根据所述初始操作参数进行经济收益运算，获得所述初始操作参数对应的经济收益数据；
113.参数优化模块400，用于基于所述经济收益数据利用非线性规划算法更新所述初始操作参数，并重复执行根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数的步骤，直到获得经济收益数据达到设定要求，则将所述经济收益数据对应的初始操作参数作为沥青生产的操作参数。
114.在本技术的一种可选地实施例中，还包括模型创建模块，所述模型创建模块包括：
115.样本获取单元，用于获取历史原油检测数据样本、以及对应的操作参数样本和沥青指标参数样本；
116.模型训练单元，用于利用神经网络对所述历史原油检测数据样本、所述操作参数样本和所述沥青指标参数样本学习训练，获得表征不同种类的原油对应的操作参数和沥青性质指标参数之间对应关系的所述预估模型；
117.对应的，所述指标预估模块200具体用于将所述原油检测数据和所述初始操作参数共同输入所述预估模型，获得所述沥青性质指标参数。
118.在本技术的一种可选地实施例中，所述数据获取模块100具体用于将所述初始操作参数划分为第一部分操作参数和第二部分操作参数；基于历史操作参数，设定所述初始操作参数中的第一部分操作参数；将所述原油检测数据和所述第一部分操作参数输入预先基于aspenplus软件机理建模获得的机理模型，预测获得所述初始操作参数中的第二部分操作参数；
119.相应地，所述参数优化模块400具体用于根据所述经济效益数据利用非线性规划算法对所述初始操作参数中的第一部分操作参数进行优化运算，并将优化后的所述第一部分操作参数作为更新后的所述初始操作参数中的第一部分操作参数；将优化更新后的所述第一部分操作参数和所述原油检测数据输入所述机理模型，获得所述初始操作参数更新后的第二部分操作参数。
120.在本技术的一种可选地实施例中，还包括模型优化模块，该模型优化模块包括：
121.样本划分单元，用于基于历史操作参数，设定所述初始操作参数中的第一部分操作参数之后，将所述第一部分操作参数划分为样本操作参数和验证操作参数；
122.预测训练单元，用于将所述原油检测数据和所述样本操作参数输入所述机理模型，预测获得所述验证操作参数对应的预测值；
123.参数对比单元，用于将所述预测值和所述验证操作参数进行对比，确定所述机理模型的准确率；
124.参数校正单元，用于若所述准确率低于预设准确率，则对所述机理模型中至少包括塔板效率、换热器效率、组分比例、流量中的一个模型参数进行校正，并重复执行将所述第一部分操作参数划分为样本操作参数和验证操作参数，直到所述机理模型的准确率达到预设准确率；再执行将所述原油检测数据和所述第一部分操作参数输入预先基于aspenplus软件机理建模获得的机理模型的操作。
125.在本技术的一种可选地实施例中，数据获取模块具体用于通过原油快评检测和模拟蒸馏检测获得至少包括密度、硫含量、氮含量、水含量、粘度、残碳、astmd2887蒸馏曲线中的一种的所述原油检测数据。
126.本实施例的沥青生产的操作参数确定装置用于实现前述的沥青生产的操作参数确定方法，因此沥青生产的操作参数确定装置中的具体实施方式可见前文中的沥青生产的操作参数确定方法的实施例部分，在此不再赘述。
127.本技术还提供了一种沥青生产的操作参数确定设备，该设备可以包括：
128.存储器，用于存储计算机程序；
129.处理器，用于执行所述计算机程序时实现上任一项所述沥青生产的操作参数确定方法的步骤。
130.该处理器所执行的沥青生产的操作参数确定方法可以包括：
131.获取原油检测数据，并设定初始操作参数；
132.根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数；
133.若所述沥青性质指标参数符合沥青性质指标要求，则根据所述初始操作参数进行经济收益运算，获得所述初始操作参数对应的经济收益数据；
134.基于所述经济收益数据利用非线性规划算法更新所述初始操作参数，并重复执行根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数的步骤，直到获得经济收益数据达到设定要求，则将所述经济收益数据对应的初始操作参数作为沥青生产的操作参数。
135.本实施例所提供的沥青生产的操作参数确定设备，能够在蒸馏装置进行沥青产品生产的线上流程中，实时基于原油特性的变化对操作参数不断优化更新，既保证了沥青产
品的性质又提高了生产沥青产品的经济收益。
136.本技术还提供了一种计算机可读存在介质，该计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述沥青生产的操作参数确定方法的步骤。
137.该计算机可读存储介质可以包括随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质。
138.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本技术实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
139.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

技术特征：
1.一种沥青生产的操作参数确定方法，其特征在于，包括：获取原油检测数据，并设定初始操作参数；根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数；若所述沥青性质指标参数符合沥青性质指标要求，则根据所述初始操作参数进行经济收益运算，获得所述初始操作参数对应的经济收益数据；基于所述经济收益数据利用非线性规划算法更新所述初始操作参数，并重复执行根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数的步骤，直到获得经济收益数据达到设定要求，则将达到所述设定要求的所述经济收益数据对应的初始操作参数作为沥青生产的操作参数。2.如权利要求1所述的沥青生产的操作参数确定方法，其特征在于，所述预估模型的创建过程，包括：获取历史原油检测数据样本、以及对应的操作参数样本和沥青指标参数样本；利用神经网络对所述历史原油检测数据样本、所述操作参数样本和所述沥青指标参数样本学习训练，获得表征不同种类的原油对应的操作参数和沥青性质指标参数之间对应关系的所述预估模型；对应的，根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数，包括：将所述原油检测数据和所述初始操作参数共同输入所述预估模型，获得所述沥青性质指标参数。3.如权利要求1所述的沥青生产的操作参数确定方法，其特征在于，设定初始操作参数包括：将所述初始操作参数划分为第一部分操作参数和第二部分操作参数；基于历史操作参数，设定所述初始操作参数中的第一部分操作参数；将所述原油检测数据和所述第一部分操作参数输入预先基于aspen plus软件机理建模获得的机理模型，预测获得所述初始操作参数中的第二部分操作参数；相应地，基于所述经济收益数据利用非线性规划算法更新所述初始操作参数，包括：根据所述经济效益数据利用非线性规划算法对所述初始操作参数中的第一部分操作参数进行优化运算，并将优化后的所述第一部分操作参数作为更新后的所述初始操作参数中的第一部分操作参数；将优化更新后的所述第一部分操作参数和所述原油检测数据输入所述机理模型，获得所述初始操作参数更新后的第二部分操作参数。4.如权利要求3所述的沥青生产的操作参数确定方法，其特征在于，基于历史操作参数，设定所述初始操作参数中的第一部分操作参数之后，还包括：将所述第一部分操作参数划分为样本操作参数和验证操作参数；将所述原油检测数据和所述样本操作参数输入所述机理模型，预测获得所述验证操作参数对应的预测值；将所述预测值和所述验证操作参数进行对比，确定所述机理模型的准确率；若所述准确率低于预设准确率，则对所述机理模型中包括塔板效率、换热器效率、组分
比例、流量中的至少一个模型参数进行校正，并重复执行将所述第一部分操作参数划分为样本操作参数和验证操作参数的操作，直到所述机理模型的准确率达到预设准确率；再执行将所述原油检测数据和所述第一部分操作参数输入预先基于aspen plus软件机理建模获得的机理模型的操作。5.如权利要求1所述的沥青生产的操作参数确定方法，其特征在于，获取原油检测数据，包括：通过原油快评检测和模拟蒸馏检测获得至少包括密度、硫含量、氮含量、水含量、粘度、残碳、astm d2887蒸馏曲线中的一种的所述原油检测数据。6.一种沥青生产的操作参数确定装置，其特征在于，包括：数据获取模块，用于获取原油检测数据，并设定初始操作参数；指标预估模块，用于根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数；收益评估模块，用于若所述沥青性质指标参数符合沥青性质指标要求，根据所述初始操作参数进行经济收益运算，获得所述初始操作参数对应的经济收益数据；参数优化模块，用于基于所述经济收益数据利用非线性规划算法更新所述初始操作参数，并重复执行根据预先基于神经网络训练获得的预估模型和所述初始操作参数，预估获得所述初始操作参数对应的沥青性质指标参数的步骤，直到获得经济收益数据达到设定要求，则将达到所述设定要求的所述经济收益数据对应的初始操作参数作为沥青生产的操作参数。7.如权利要求6所述的沥青生产的操作参数确定装置，其特征在于，还包括模型创建模块，所述模型创建模块包括：样本获取单元，用于获取历史原油检测数据样本、以及对应的操作参数样本和沥青指标参数样本；模型训练单元，用于利用神经网络对所述历史原油检测数据样本、所述操作参数样本和所述沥青指标参数样本学习训练，获得表征不同种类的原油对应的操作参数和沥青性质指标参数之间对应关系的所述预估模型；对应的，所述指标预估模块具体用于将所述原油检测数据和所述初始操作参数共同输入所述预估模型，获得所述沥青性质指标参数。8.如权利要求1所述的沥青生产的操作参数确定装置，其特征在于，所述数据获取模块具体用于将所述初始操作参数划分为第一部分操作参数和第二部分操作参数；基于历史操作参数，设定所述初始操作参数中的第一部分操作参数；将所述原油检测数据和所述第一部分操作参数输入预先基于aspen plus软件机理建模获得的机理模型，预测获得所述初始操作参数中的第二部分操作参数；相应地，所述参数优化模块具体用于根据所述经济效益数据利用非线性规划算法对所述初始操作参数中的第一部分操作参数进行优化运算，并将优化后的所述第一部分操作参数作为更新后的所述初始操作参数中的第一部分操作参数；将优化更新后的所述第一部分操作参数和所述原油检测数据输入所述机理模型，获得所述初始操作参数更新后的第二部分操作参数。9.一种沥青生产的操作参数确定设备，其特征在于，包括：
存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述沥青生产的操作参数确定方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述沥青生产的操作参数确定方法的步骤。

技术总结
本发明公开了一种沥青生产的操作参数确定方法、装置、设备以及计算机可读存储介质，该方法包括：获取原油检测数据，并设定初始操作参数；根据预先基于神经网络训练获得的预估模型和初始操作参数，预估获得沥青性质指标参数；对符合沥青性质指标要求的初始操作参数进行经济收益运算，获得经济收益数据；基于经济收益数据利用非线性规划算法更新初始操作参数并重复上述步骤，直到获得对应经济收益数据满足设定要求的操作参数。本申请中利用预估模型判断以该初始操作参数生产获得的沥青是否符合性质指标要求，并根据经济效益数据优化初始操作参数，使得最终获得的操作参数能够兼顾经济效益满足设定要求和沥青产品满足沥青性质指标要求。质指标要求。质指标要求。


技术研发人员：宋佳 何海红 王文娟 张凤岐
受保护的技术使用者：山东京博石油化工有限公司
技术研发日：2021.11.30
技术公布日：2022/3/8