中國自動(dòng)化學(xué)會(huì)專家咨詢工作委員會(huì)指定宣傳媒體
新聞詳情
gkongbbs

#工業(yè)前“言”# 讓工業(yè)減碳用上“機(jī)器學(xué)習(xí)”

http://m.casecurityhq.com 2024-05-23 11:32 來源:施耐德電氣(中國)有限公司

多年來,節(jié)能減碳一直是煉油廠和石化廠的重要任務(wù)目標(biāo)。數(shù)據(jù)顯示,2021年化工生產(chǎn)和煉油約占能源相關(guān)二氧化碳(CO2)排放量的11%,約占所有工業(yè)能源相關(guān)二氧化碳排放總量的38%,這些碳排放可能會(huì)帶來重大的健康和環(huán)境風(fēng)險(xiǎn)。

加強(qiáng)排放監(jiān)測,及時(shí)獲取識別、處理和減少排放所需的必要數(shù)據(jù),對減輕危害影響,并最終創(chuàng)造更清潔、更安全的環(huán)境至關(guān)重要。然而,通過傳統(tǒng)的監(jiān)測方法,無法獲取深入的數(shù)據(jù)洞察,以進(jìn)行主動(dòng)環(huán)境改善。

值得欣喜的是,借助最新技術(shù),我們能夠幫助運(yùn)營人員優(yōu)化流程并最大限度地減少碳排放。在近期的某項(xiàng)應(yīng)用案例中,施耐德電氣便為監(jiān)控某真空蒸餾裝置的六個(gè)碳排放源,部署了定制化的、近乎實(shí)時(shí)的機(jī)器學(xué)習(xí)模型,實(shí)現(xiàn)了減少碳排放的目標(biāo)。

真空蒸餾裝置廣泛應(yīng)用于化學(xué)和藥物生產(chǎn)、原油精煉、精油和香料制造、食品加工、超純水或脫鹽水所需的熱基水生產(chǎn)等不同行業(yè)。施耐德電氣建立的機(jī)器學(xué)習(xí)模型利用AVEVA PI連接器實(shí)現(xiàn)每5分鐘分析一次數(shù)據(jù)流,從而對二氧化碳排放潛在偏差的產(chǎn)生及時(shí)反饋。這使操作人員能夠迅速做出反應(yīng),調(diào)查根本原因,并進(jìn)行有針對性的調(diào)整,以優(yōu)化流程并最大程度減少二氧化碳排放。

上述模型不僅適用于真空蒸餾裝置,還可以遷移到不同工業(yè)流程,從而減輕對環(huán)境的影響,同時(shí)提高運(yùn)營效率,助力工業(yè)邁向更加可持續(xù)的未來。

利用機(jī)器學(xué)習(xí)預(yù)測碳排放

要實(shí)現(xiàn)近乎實(shí)時(shí)的二氧化碳跟蹤,基本步驟包括:驗(yàn)證運(yùn)行數(shù)據(jù)、確定排放基準(zhǔn)、利用機(jī)器學(xué)習(xí)(ML)算法來預(yù)測排放、標(biāo)記不同運(yùn)行狀態(tài)下的事件、進(jìn)行根本原因分析。在項(xiàng)目執(zhí)行階段,項(xiàng)目組專家將協(xié)助處理運(yùn)行數(shù)據(jù)的驗(yàn)證和糾正,同時(shí)提供過程解讀。隨后,數(shù)據(jù)科學(xué)家專注于特征工程(Feature Engineering)、選擇機(jī)器學(xué)習(xí)算法,并確定度量方法。

最終,機(jī)器學(xué)習(xí)算法可以根據(jù)具體的工廠運(yùn)行條件來預(yù)測關(guān)鍵運(yùn)行參數(shù)。

圖1:基于真空進(jìn)料和燃燒器內(nèi)燃?xì)獾漠惓V颠M(jìn)行在線檢測

在圖1(上圖)中,初步識別了基于真空進(jìn)料和燃燒器內(nèi)燃?xì)獾漠惓V?。異常值指與數(shù)據(jù)集中其他值存在異常距離的觀測值,顯示為紫色線,數(shù)值為1。正常值指數(shù)據(jù)集中的典型觀測值,用數(shù)值0來表示。

然后,在剔除歷史數(shù)據(jù)中的異常值后,基于清理后的數(shù)據(jù)訓(xùn)練ML模型,并通過ML模型每五分鐘預(yù)測一次關(guān)鍵操作參數(shù)。在圖2(下圖)中,一些預(yù)測的KPI關(guān)鍵績效指標(biāo)與測量結(jié)果密切吻合,表明運(yùn)行正常,而另一些指標(biāo)則顯示出明顯偏差。這些操作有助于我們預(yù)見潛在問題。

圖2中還監(jiān)測了數(shù)據(jù)漂移,反映出統(tǒng)計(jì)屬性隨著時(shí)間的變化,并使用曲線下面積(AUC)指標(biāo)進(jìn)行評估。其中,AUC接近0.5表明漂移最小,接近1則表示漂移更顯著,而JS散度(Jensen Shannon Divergence)用于衡量漂移對模型性能的影響。這些評估有助于確保模型在運(yùn)行條件隨時(shí)間變化時(shí),保持準(zhǔn)確可靠。

圖2:關(guān)鍵運(yùn)行參數(shù)的一日預(yù)測

使用機(jī)器學(xué)習(xí)查找偏差

在圖3中,ML模型確定了影響目標(biāo)結(jié)果的關(guān)鍵因素,以便對偏差進(jìn)行根本原因分析。通過不斷實(shí)時(shí)更新和排序重要特征,為排放的控制決策提供洞察。該數(shù)值表示某個(gè)特征的重要性,值越大,影響越大。

圖中還展示了特征重要性隨時(shí)間變化的平均值、最小值、最大值以及趨勢。有了這些數(shù)據(jù),我們就能及時(shí)干預(yù),并抓住改善過程控制、性能和減排的機(jī)會(huì)。

圖3:關(guān)鍵運(yùn)行參數(shù)的預(yù)測模型與實(shí)測結(jié)果之間的偏差分析

將先進(jìn)的機(jī)器學(xué)習(xí)模型與AVEVA PI System運(yùn)營大數(shù)據(jù)管理平臺(tái)相集成,可使企業(yè)最大限度地發(fā)揮運(yùn)營數(shù)據(jù)的潛力。如圖4所示,該集成提供了可操作的洞察,以優(yōu)化裝置性能,并實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的決策。通過使用歷史數(shù)據(jù)分析后的模型,企業(yè)可以進(jìn)行實(shí)時(shí)預(yù)測,檢測偏差和潛在的根本原因,從而提高性能,降低成本并獲得競爭優(yōu)勢。

集成過程簡便、易操作,僅需以下幾步即可完成:

1.    設(shè)置虛擬機(jī)或云端環(huán)境;

2.    配置PI系統(tǒng),以實(shí)現(xiàn)實(shí)時(shí)的數(shù)據(jù)存儲(chǔ)和通知管理;

3.    配置Python環(huán)境,并創(chuàng)建必要的文件;

4.    設(shè)置通用文件和流加載器的PI連接器,以便將外部源數(shù)據(jù)直接導(dǎo)入AVEVA PI System運(yùn)營大數(shù)據(jù)管理平臺(tái)。

所有這一切都確保了無縫、高效的集成。

圖4:AVEVA PI System運(yùn)營大數(shù)據(jù)管理平臺(tái)

優(yōu)化排放監(jiān)測

本用例展示了一種創(chuàng)新的ML方法,可降低能源和化學(xué)工業(yè)對環(huán)境的影響。通過將復(fù)雜模型與AVEVA PI System運(yùn)營大數(shù)據(jù)管理平臺(tái)集成,該項(xiàng)目能夠:

•    開發(fā)強(qiáng)大的ML預(yù)測模型,準(zhǔn)確預(yù)測排放量,從而及時(shí)做出決策,避免溫室氣體排放超標(biāo)。

•    為不同化學(xué)工藝裝置生成與工藝相關(guān)的預(yù)測指標(biāo),全面了解特定工藝裝置的性能,以便做出及時(shí)調(diào)整。

•    該解決方案與AVEVA PI Vision無縫集成,提高了關(guān)鍵數(shù)據(jù)的可視性和可訪問性。PI Vision上的報(bào)告還有助于制定維護(hù)計(jì)劃等事項(xiàng),并使管理層能夠輕松了解溫室氣體排放問題。

排放監(jiān)測工具與AVEVA PI System運(yùn)營大數(shù)據(jù)管理平臺(tái)的集成,彰顯了先進(jìn)技術(shù)在應(yīng)對復(fù)雜挑戰(zhàn)和推動(dòng)持續(xù)改善方面的巨大潛力,同時(shí)標(biāo)志著我們向數(shù)據(jù)驅(qū)動(dòng)型運(yùn)營邁出堅(jiān)實(shí)一步。

在6月6日即將舉辦的施耐德電氣2024年創(chuàng)新峰會(huì)上,施耐德電氣將以“雙擎并進(jìn),數(shù)智新生”為主題,展示面向工業(yè)和能源領(lǐng)域的更多的創(chuàng)新技術(shù)與成功實(shí)踐,助力工業(yè)加速邁向高效與可持續(xù)的未來!敬請期待。

版權(quán)所有 中華工控網(wǎng) Copyright?2024 Gkong.com, All Rights Reserved