“當前，隨著(zhù)自動(dòng)化、數字化設備的應用，石油和化工企業(yè)數據量急劇增加。以國內某大型石化集團為例，旗下每個(gè)裝置平均有600~1000個(gè)數據采集點(diǎn)，數據每*鐘要上傳到集團總部相關(guān)部門(mén)。目前該集團煉油裝置數據量已經(jīng)有70TB，并以每年18TB的速度在增長(cháng)。”袁志宏告訴記者，“以前，我們苦于缺乏相關(guān)的數據，現在如何應用這些海量數據，是行業(yè)智能制造的重要課題。”

 

　　袁志宏表示，大數據技術(shù)應用于石油化工行業(yè)前景廣闊，其中*關(guān)鍵的應用就是優(yōu)化生產(chǎn)，也就是用大數據技術(shù)來(lái)提升石油和化工企業(yè)的經(jīng)濟效益。對石化企業(yè)而言，由于市場(chǎng)行情的變化，對產(chǎn)品類(lèi)型和產(chǎn)量的需求是波動(dòng)的。很多潛在的效益，可以利用大數據工具挖掘出來(lái)。

 

　　一方面，可以利用大數據等技術(shù)，建立智能混合模型。把單元操作優(yōu)化和全流程優(yōu)化操作結合起來(lái)，利用系統工程的理論和技術(shù)，建立精度可控的數據驅動(dòng)代理模型，實(shí)現自適應，提升操作精度。“要在整個(gè)生產(chǎn)管理協(xié)同優(yōu)化，兼顧庫存、市場(chǎng)等各個(gè)因素，來(lái)指導調度和生產(chǎn)計劃，確定操作條件、產(chǎn)品類(lèi)型、裝置負荷，實(shí)現柔性生產(chǎn)，進(jìn)而實(shí)現效益*優(yōu)化。”袁志宏說(shuō)。

 

　　另一方面，可以利用大數據預測市場(chǎng)需求和行情，進(jìn)而指導生產(chǎn)調度。比如，石化企業(yè)可以利用積累的海量數據進(jìn)行評估，用大數據來(lái)預測市場(chǎng)對汽油柴油需求量的變化情況;在精細化工行業(yè)，則可以利用大數據預判市場(chǎng)行情、指導生產(chǎn)。一旦預判市場(chǎng)行情會(huì )不好時(shí)，企業(yè)可以減少生產(chǎn)負荷應對市場(chǎng)變化;預判市場(chǎng)需求會(huì )提升的時(shí)候，提前提升生產(chǎn)負荷，調整產(chǎn)品的產(chǎn)量、品種，確保利潤的*大化。

 

　　據介紹，清華大學(xué)陳丙珍院士團隊針對針對催化裂化裝置敏捷、優(yōu)化運行的問(wèn)題，開(kāi)發(fā)案例庫匹配驅動(dòng)的尋優(yōu)策略，對裝置的歷史優(yōu)化加工方案以及相關(guān)模擬優(yōu)化數據進(jìn)行結構化的知識整理和數據挖掘，使得企業(yè)在一體化優(yōu)化方案制訂和實(shí)施過(guò)程所產(chǎn)生的經(jīng)驗進(jìn)行積累和重用，實(shí)現裝置更敏捷地響應加工原料變化，捕捉了常規運營(yíng)操作中可能忽略掉的那些潛在優(yōu)化機會(huì )。

 

　　此外，大數據在行業(yè)應用的場(chǎng)景還有很多。“首先，可以應用于設備的預知性維護。利用大數據技術(shù)，通過(guò)設備使用頻次、維修頻次、使用時(shí)間、運行參數以及更換設備備件等情況，進(jìn)行數據統計、歸類(lèi)、趨勢分析，從而為制訂設備預防性維護頻次、設備備件控制計劃、購置設備及購置設備備件廠(chǎng)家等提供依據。”袁志宏介紹說(shuō)。

 

　　利用大數據方法還可實(shí)現報警管理。袁志宏表示：“現在石油和化工企業(yè)的DCS等，都安裝各種各樣的報警系統。有時(shí)候為了確保工藝設備的安全性，報警軟件就裝多了，或者報警點(diǎn)設置多了，系統就會(huì )出現亂報或者多報的情況，給操作人員帶來(lái)了很大的麻煩。利用大數據技術(shù)，可以開(kāi)發(fā)自動(dòng)執行程序，通過(guò)機器自動(dòng)識別，將一些虛假報警，或者不構成安全威脅的報警過(guò)濾掉。”

 

　　針對催化裂化裝置報警多的問(wèn)題，清華大學(xué)化學(xué)工程系系統工程研究所趙勁松教授團隊應用大數據技術(shù)與理念，對催化裂化裝置的海量數據進(jìn)行深層次的數據挖掘，找到問(wèn)題的關(guān)聯(lián)因子，建立預測模型，通過(guò)對試點(diǎn)裝置的驗證后，形成可供推廣的風(fēng)險評估技術(shù)，開(kāi)創(chuàng )了應用大數據技術(shù)解決催化裂化裝置生產(chǎn)問(wèn)題的新途徑。

 

　　在應用大數據的同時(shí)，對數據的處理和校正同樣重要。袁志宏認為，現在的石化大數據中，有一些是無(wú)效數據。很多數據是來(lái)自于ERP、DCS、MES等系統，可能受到某些因素的干擾，某一個(gè)值出現大幅瞬時(shí)波動(dòng)，要利用數據處理技術(shù)，剔除到一些無(wú)效數據，讓數據利用更快速、準確。此外，石油和化工行業(yè)還有很多非結構化的數據，比如視頻、圖像等，要利用先進(jìn)的數學(xué)方法，或者是數據機器學(xué)習方法，把這些數據價(jià)值開(kāi)發(fā)出來(lái)。