【大数据】工业大数据在石化行业的应用成功“落地”

2018 年 11 月 25 日 产业智能官

炼油化工

作为我国国民经济的支柱产业，在国家建设和发展中发挥着极其重要的作用。近些年，国内炼油化工产业蓬勃发展，先后有十余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、信息高度集成等鲜明特点，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。根据实际统计，一个大规模炼化集团每年采集十几万个数据点，由此每年积累的数据高达几十TB。

图1 炼油化工产业链示意图

相比较其他行业而言，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：

1 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，各种不同类型的数据来自于分布在炼化装置现场的各类检测仪器。因此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。

2 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系统产生的结构化数据，也有由工业电视或监控系统产生的视频、音频、图像等异构数据，这些不同类别的数据往往在某一个应用场景中同时被解析和利用，因此需要按照数据治理要求对各类异构数据进行标准化处理。

3 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。

4 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。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，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。

炼化企业

大数据应用

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。

大数据应用过程中，专业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过程中敢于突破传统思维，用全局视角来思考和设计应用场景。例如催化裂化装置的操作如何调整，才能既确保目标产品结构最优化，又能将装置能耗和剂耗维持在较低的水平；再或者加氢装置中如何通过分析原料性质、各床层温升、冷氢量的关系来预测催化剂的使用寿命；在设备管理层面，如何通过图像、视频和音频识别技术来提前对设备的异常情况进行预警等等。

联想工业大数据在

石化行业的应用

作为全球离散制造企业的典型代表，联想集团自2011年开始就将大数据技术与制造行业的特点进行了充分融合，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，围绕设备、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。

图 2 联想LeapIOT平台架构图

伴随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人分析化验数据，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。经过联想大数据团队的不断探索，目前已充分实现前期预定目标。

基于石油石化行业的大数据应用，需根植行业土壤。为此联想工业大数据与石油石化行业内众多科研设计单位与院校进行了广泛且深入的合作。并在此合作的基础上开发了面向催化裂化高附加值产品收率提升模型、加氢装置催化剂寿命预测模型、产品质量预测模型、设备预测性维护模型、换热系统结垢与腐蚀预测模型、炼厂安全分析评估模型等。

在充分理解上述业务模型和逻辑思想后，联想工业大数据将这些业务模型或机理模型以行业模板的形式内置在自动化机器学习平台HyperMiner之中。HyperMiner 是联想大数据在人工智能和机器学习方面的突破性产品，该产品以AI技术为基础，将数据集成、数据预处理、特征工程、数据建模和可视化展示功能融为一体，在大数据分析的过程中，只要获得结构清晰的数据集和用户需求，就可以自动化地实现整个流程，大幅提升了行业大数据分析的工作效率。

联想工业大数据的系列解决方案，目前已涵盖炼油化工的工艺优化、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。

展

望

根据最新统计数据，截止2017年，我国炼油产能过剩已经达1.38亿吨/年。从长远角度看，炼化行业正步入前所未有的“洗牌”时代。在此前提之下，未来的竞争，将是人才和技术的全面竞争。企业除了在炼油化工主业方面进行结构优化与调整之外，抓紧对工业数据基础进行改造和建设，提升资源协调与整合能力，为下一个十年的数字化竞争做好准备，也是非常重要的一环。

未来可以预见，随着云计算、物联网、人工智能、大数据等技术与石油石化产业的深度结合，这些新技术将不断推动传统炼化产业完成新旧动能的转换，实现更加全面的感知、更加快捷的反应、更加智慧的决策，塑造传统炼化产业的新未来！

工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进产业OT（工艺+自动化+机器人+新能源+精益）技术和新一代信息IT技术（云计算+大数据+物联网+区块链+人工智能）深度融合，在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。