基於DEA的複雜化工過程能效分析與預測方法研究

《基於DEA的複雜化工過程能效分析與預測方法研究》是依託北京化工大學，由韓永明擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於DEA的複雜化工過程能效分析與預測方法研究
• 依託單位：北京化工大學
• 項目類別：青年科學基金項目
• 項目負責人：韓永明

項目摘要

複雜化工過程是我國的高能耗生產過程，其生產規模大、流程長、結構複雜，影響其能源消耗、轉化和利用的因素多，如何提高能源效率、降低能耗、提高生產效率是迫切需要解決的問題。本課題基於大量統計數據、面板數據及化工裝置運行數據，結合複雜化工過程機理模型和領域知識，提出一種複雜化工過程能效數據綜合處理與特徵提取方法，獲取表述系統整體能流特徵和信息的能效數據與知識；從過程系統的多層次結構出發，提出一種基於工況劃分數據包絡分析（DEA）的能效分析方法，實現複雜化工過程裝置運行的工況劃分、能效和全要素生產分析；基於DEA中鬆弛變數最佳化非有效工況投入產出量，提出一種基於DEA的極限學習機神經網路（ELM）預測建模方法，建立複雜化工過程多工況能效預測自適應模型，實現生產系統最優運行。最後以乙烯生產裝置為實例，驗證所提理論和方法的有效性與普適性，為複雜化工過程節能降耗與最佳化運行提供理論依據和方法指導。

結題摘要

本項目選取複雜化工行業中乙烯生產和PTA生產全流程系統為研究對象，結合乙烯生產裝置和PTA生產裝置運行特點和相關能效數據特徵，在複雜化工過程能效數據分析與特徵提取方面，基於主元分析方法（PCA）、數據融合、數值濾波等數據處理方法，結合結構分解法（SDA），指標分解法（IDA），解釋結構模型（ISM）等能效指標分解方法，提出一種多源能效數據綜合分析與特徵提取方法；在複雜石化過程能效分析與評價方面，基於複雜化工過程能效數據與知識，結合複雜化工過程機理模型，研究了數據包絡分析方法、數據包絡交叉模型以及馬奎斯特全要素多指標協同評價等能效分析與評價關鍵技術，建立了複雜乙烯生產過程綜合能效分析與評價模型，通過DEA模型得到複雜化工過程運行中高效和低效的生產配置，並以高效生產配置為標桿，在複雜化工過程運行中基於鬆弛變數找到低效配置下投入冗餘量和產出不足量，同時得到技術改變、技術效率、規模等生產全要素指標，基於基準時間最佳化高效和低效生產配置，從而得到複雜化工過程運行中最優生產標桿，找到複雜化工節能降耗生產的改進方向；在複雜化工過程能效預測方面，通過DEA中鬆弛變數和馬奎斯特全要素生產指標改進低效配置為高效配置，結合原有的高效生產配置，得到複雜化工過程中大量高效生產數據，通過ELM等神經網路方法建立了以複雜化工過程不同工況高效配置下投入量預測產出量的自適應模型。研究成果在解決複雜化工過程能效數據關係分析、能效分析與評價、預測建模等方面具有創新性，為分析複雜化工過程節能降耗與運行最佳化的整體解決方案，在流程工業數據分析方面具有廣闊的套用前景。相關研究成果和技術在中石化南陽能源化工有限公司的常減壓等裝置上進行了套用，取得了較好的套用效果。經過課題的系統研究，發表術論文31篇，其中SCI/EI收錄30篇，授權發明專利1項，申請發明專利6項。聯合培養畢業博士生1名和碩士生4名。