首頁 > 技術(shù)發(fā)展 > 神經(jīng)網(wǎng)絡(luò)技術(shù)在全煉廠優(yōu)化方面的應(yīng)用

神經(jīng)網(wǎng)絡(luò)技術(shù)在全煉廠優(yōu)化方面的應(yīng)用

時間：2020-06-15 來源：網(wǎng)絡(luò) 瀏覽：

在之前的文章中，我提出了一些關(guān)于神經(jīng)網(wǎng)絡(luò)技術(shù)在化工建模、優(yōu)化等方面的看法，并通過建立常壓塔和催化裂化的反再單元驗證了它的可行性。通過前面的分析，個人認(rèn)為將工業(yè)數(shù)據(jù)、嚴(yán)格機(jī)理模型和神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合可以做出一些好玩的事情來。當(dāng)然，這并不是我個人的先見之明，搜索各類文獻(xiàn)均可以看到之前就有很多學(xué)者進(jìn)行過這方面的工作了，但近幾年再次被頻繁提及的緣由之一也是依賴于個人計算機(jī)性能的大幅度提升，讓我們可以擺脫前人所遭遇的性能束縛，能夠再結(jié)合可視化技術(shù)將其向前推進(jìn)一步。

本篇所分享的內(nèi)容來自互聯(lián)網(wǎng)，介紹的是如何將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用在全廠優(yōu)化方面。目前應(yīng)用最為廣泛和成功的全煉廠優(yōu)化方法主要是線性規(guī)劃和KBC的全煉廠范圍的嚴(yán)格機(jī)理模型這兩種。線性規(guī)劃的優(yōu)點之一是計算速度賊快（畢竟都LP了），但是缺點是沒有可靠的Delta-Base數(shù)據(jù)來維護(hù)，則計算結(jié)果與實際情況偏差越來越大，直至不可用；全煉廠嚴(yán)格機(jī)理模型的優(yōu)點之一是準(zhǔn)（畢竟都是嚴(yán)格機(jī)理模型了），但缺點就是如果建模工程師的經(jīng)驗不足，可能會導(dǎo)致整個模型優(yōu)化計算收斂比較緩慢。那神經(jīng)網(wǎng)絡(luò)也許可以“恰當(dāng)”的填補(bǔ)這一空檔。通過使用嚴(yán)格機(jī)理模型巧妙、可靠的訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，使其較為廣泛的具備嚴(yán)格機(jī)理模型的非線性，然后再通過優(yōu)化該一系列的神經(jīng)網(wǎng)絡(luò)模型來非常迅速的獲得全廠范圍的優(yōu)化結(jié)果。在之前跟斯倫貝謝-VMG的技術(shù)交流中，我個人認(rèn)為它們就是采用了這一技術(shù)來解決全廠模型的優(yōu)化問題的，盡管我問他們具體啥技術(shù)時并沒告我說。

以下是分享的正文部分，希望這些內(nèi)容對你能夠有所幫助。