炼化大数据：从“痛点”入手 独辟蹊径

　　炼油化工作为我国国民经济的支柱产业，在国家的建设发展中发挥着重要的作用。近几年，国内炼油化工产业蓬勃发展，先后有15个大型石化基地投入了规划与建设，一系列按照国际标准和规格设计的现代化装置拔地而起。与此同时，随着云计算、大数据、人工智能技术的快速发展，越来越多的新技术正在应用于传统工业领域，在帮助企业实现产业转型与技术、效益提升方面起到了关键的作用。在众多新技术中，大数据在石油石化领域的应用尤其受到瞩目。

　　炼化行业大数据特点

　　石油石化工业相比较于矿山、冶金等行业，具有易燃易爆、流程工艺复杂、控制要求精细、信息高度集成等特点。在炼油化工的加工过程中，从原料到中间馏分与产品，物性分析数据纷繁多样；在生产控制中，各装置单元的流量、温度、压力、液位数据每秒都在发生变化，按平均每套装置采集1000个数据点，每10秒存储一个数据计算，即使经过数据压缩之后，一个大规模炼化集团每年也将产生几十TB的海量数据。炼化行业产生的大数据，除了数量庞大外，同时还带有明显的行业特点，具体表现在：

　　第一，数据来源复杂。炼化行业大数据，一方面来自原料、中间产品、成品的物性分析，另一方面也来自于中间控制过程和生产管理过程。单就原料中的原油而言，每种原油的详细评价数据就多达两三百个。对于生产过程而言则更为复杂，各种不同类型的数据来自于分布于炼化装置现场的各类检测仪器。对于这种多源的数据如何进行分析、处理和存储，成为炼化大数据应用首要面临的问题。

　　第二，数据种类多样。站在数据治理的角度，炼化企业产生的数据格式种类繁多，既有由DCS系统、RTDB系统产生的数据，也有由工业电视或监控系统产生的视频、音频、图像数据，同时还有由各个专业单元产生的大量文档资料数据，这些异构化数据往往在某一个应用场景中同时被解析和利用，需要按照数据治理要求对各类异构数据进行标准化处理。

　　第三，数据质量参差不齐。由于炼油化工生产现场的环境相对比较苛刻，由此导致产生的各类现场数据质量参差不齐。在炼化工业大数据应用当中，这类数据的甄别和分析，往往占用了分析人员大量的时间和精力，成为影响大数据分析结果和效率的关键因素。

　　第四，与业务的紧密结合。不同于金融及消费类大数据，石油石化行业由于有着特殊的行业技术门槛。一方面大数据从业人员需要对所分析的装置或业务目标有充分的认知，由此才能在数据分析过程中规避各种干扰因素，发现潜在的优化路径。同时作为炼化从业人员，也需要充分接受大数据分析这一新型的优化工具，在确定优化方案之后不折不扣的执行，确保优化的目标能够达成。

　　炼化企业大数据应用

　　在国内，炼化企业的大数据应用探索，最早始于中国石化早期的信息化建设。2007年年底，为更好地对中国石化全系统内的炼油生产装置和工艺技术进行集中管理，同时使抚研院、石科院、SEI、LPEC等系统内部的科研设计单位更便利地服务于炼化企业，中国石化炼油事业部及信息部组织系统内部的科研设计及IT开发单位，开始了搭建基于炼油装置数据采集与分析的信息化系统建设工作。该系统最早从加氢装置开始进行试点，后续历经十年时间覆盖到了整个中国石化炼油五大类、四小类全部炼油装置。系统的建设动员了中国石化组织下属34家企业以及各专业公司等数百人，实现了对企业生产过程、生产管理以及LIMS、MES等系统产生的共16万点数据的综合管理，每年沉淀数据量300多亿条，数据增量达到17TB/年。经过超过十年的数据积累，最终构建了国内最为庞大的炼油工艺海量数据库，并由此奠定了中国石化大数据分析和应用的坚实数据基础。炼油技术分析及远程诊断在平台开发建设中，技术团队对近400套炼油主生产装置开发了60余类2700多个工艺数理模型，平台实时对催化剂剩余寿命进行预估，对产品收率进行在线预测，评估装置的腐蚀风险等；平台整合了中国石化专家资源，通过搭建生产营运诊断平台，进行网上巡检及远程事故诊断；同时建成了炼油知识管理平台，积累专家诊断案例，沉淀专家知识和经验，以此来指导企业工艺生产操作，提升企业工艺技术管理水平。炼油技术分析及远程诊断系统的成功实施，也为后续在炼油化工领域开展大数据建设在方法论、模型构建和应用场景的设计方面起到了较好的借鉴作用。

　　炼化企业的大数据应用，在实践中往往是从企业的“痛点”入手。炼化过程中不同的装置和单元，有着不同的物理和化学反应特征。虽然当下已有不少过程模拟软件或者机理模型来描述生产的重要过程，但由于炼化的复杂性，现实当中仍然有大量的现象是机理模型或模拟软件所不能解释的。因此，在面临此类问题时，借助大数据技术独辟蹊径，在较短的时间从众多的因果变化关系中找出满足优化目标的操作参数，成为解决许多生产问题的有效手段。

　　面向炼化领域的大数据应用，除了需要专业的平台以及分析工具（算法）之外，专业的技术团队以及企业业务部门深度参与也十分必要。海量数据经过数据抽取、转换与加载(ETL)后，需要企业精通生产、设备或相关方向的业务专家对提炼出来的关联关系进行深度分析与确认，帮助大数据技术人员对模型进行不断迭代，确保模型的稳定和优化结果的准确性。炼化大数据技术的应用与实践，要求业务人员在生产管理的过程中敢于突破传统思维，用全局视角来设计应用场景，帮助企业解决生产瓶颈、优化生产过程、提升经济效益。例如催化裂化装置的操作如何调整，在确保目标产品结构最优化、高附加值产品收率最大化的同时，又能将装置能耗和剂耗维持在较低的水平。再或者加氢裂化装置中如何通过分析原料性质、各床层温度与温升、冷氢量的关系来预测催化剂的使用寿命等等。在设备管理层面，如何通过图像、视频和音频识别技术提前对设备的异常情况进行预警。再者在整个炼化集团层面，同类型装置在不同原料和操作状态下，装置的效益和产出区别有多大？一句话，大数据的应用，开拓的视野和全局的角度非常重要。

　　联想工业大数据应用

　　联想集团自2011年开始将大数据技术与制造行业的特点进行了充分的融合，由此孵化出了联想LeapIoT等多个平台型产品。LeapIoT是联想面向工业领域打造的专业物联网平台，提供了从工业设备、传感器的接入到工业应用服务的端到端的解决方案，通过终端接入、边缘计算、实时数据处理、时序存储、数字孪生、数据洞察，以设备、数据为核心，为新建或已有的工业生产线提供全新的工业智能化改造服务，解决工业企业生产制造端工业连接、系统协同、数据分析需求。同时以强大的技术和服务优势，覆盖流程制造、离散制造以及泛工业相关的行业。伴随着联想工业大数据多个重磅产品的推出，联想在石化行业大数据应用“落地”层面也有了突破性进展。2017年~2018年，联想工业大数据团队成功实施了中国石化武汉分公司催化裂化轻收提升大数据项目，这是继联想在汽车制造领域成功实施多个案例之后，又一个行业突破。在该项目中，联想选择了炼化领域装置复杂度最高、汽油收率贡献度最大的催化裂化装置作为试点，分析了近九百多个工艺数据以及一百多个分析化验数据，每15秒对工艺数据进行采集，每小时对操作条件进行优化计算并给出优化建议。

　　联想工业大数据的系列解决方案，目前已涵盖炼油化工工艺优化、设备预防性维护、安全环保分析、企业经营管理等多个应用领域。在为传统工业企业赋能、助力企业转型方面起到了强有力的推动作用。

　　佚名