首页 新闻 #工业前“言”# 让工业减碳用上“机器学习”

#工业前“言”# 让工业减碳用上“机器学习”

多年来,节能减碳一直是炼油厂和石化厂的重要任务目标。数据显示,2021年化工生产和炼油约占能源相关二氧化碳(CO2)排放量的11%,约占所有工业能源相关二氧化碳排放总量的38%,这些碳排放可能会带来重大的健康和环境风险。

加强排放监测,及时获取识别、处理和减少排放所需的必要数据,对减轻危害影响,并最终创造更清洁、更安全的环境至关重要。然而,通过传统的监测方法,无法获取深入的数据洞察,以进行主动环境改善。

carbon emissions monitoring

值得欣喜的是,借助最新技术,我们能够帮助运营人员优化流程并最大限度地减少碳排放。在近期的某项应用案例中,施耐德电气便为监控某真空蒸馏装置的六个碳排放源,部署了定制化的、近乎实时的机器学习模型,实现了减少碳排放的目标。

真空蒸馏装置广泛应用于化学和药物生产、原油精炼、精油和香料制造、食品加工、超纯水或脱盐水所需的热基水生产等不同行业。施耐德电气建立的机器学习模型利用AVEVA PI连接器实现每5分钟分析一次数据流,从而对二氧化碳排放潜在偏差的产生及时反馈。这使操作人员能够迅速做出反应,调查根本原因,并进行有针对性的调整,以优化流程并最大程度减少二氧化碳排放。

上述模型不仅适用于真空蒸馏装置,还可以迁移到不同工业流程,从而减轻对环境的影响,同时提高运营效率,助力工业迈向更加可持续的未来。

利用机器学习预测碳排放

要实现近乎实时的二氧化碳跟踪,基本步骤包括:验证运行数据、确定排放基准、利用机器学习(ML)算法来预测排放、标记不同运行状态下的事件、进行根本原因分析。在项目执行阶段,项目组专家将协助处理运行数据的验证和纠正,同时提供过程解读。随后,数据科学家专注于特征工程(Feature Engineering)、选择机器学习算法,并确定度量方法。

最终,机器学习算法可以根据具体的工厂运行条件来预测关键运行参数。

图1:基于真空进料和燃烧器内燃气的异常值进行在线检测

在图1(上图)中,初步识别了基于真空进料和燃烧器内燃气的异常值。异常值指与数据集中其他值存在异常距离的观测值,显示为紫色线,数值为1。正常值指数据集中的典型观测值,用数值0来表示。

然后,在剔除历史数据中的异常值后,基于清理后的数据训练ML模型,并通过ML模型每五分钟预测一次关键操作参数。在图2(下图)中,一些预测的KPI关键绩效指标与测量结果密切吻合,表明运行正常,而另一些指标则显示出明显偏差。这些操作有助于我们预见潜在问题。

图2中还监测了数据漂移,反映出统计属性随着时间的变化,并使用曲线下面积(AUC)指标进行评估。其中,AUC接近0.5表明漂移最小,接近1则表示漂移更显著,而JS散度(Jensen Shannon Divergence)用于衡量漂移对模型性能的影响。这些评估有助于确保模型在运行条件随时间变化时,保持准确可靠。

图2:关键运行参数的一日预测

使用机器学习查找偏差

在图3中,ML模型确定了影响目标结果的关键因素,以便对偏差进行根本原因分析。通过不断实时更新和排序重要特征,为排放的控制决策提供洞察。该数值表示某个特征的重要性,值越大,影响越大。

图中还展示了特征重要性随时间变化的平均值、最小值、最大值以及趋势。有了这些数据,我们就能及时干预,并抓住改善过程控制、性能和减排的机会。

图3:关键运行参数的预测模型与实测结果之间的偏差分析

将先进的机器学习模型与AVEVA PI System运营大数据管理平台相集成,可使企业最大限度地发挥运营数据的潜力。如图4所示,该集成提供了可操作的洞察,以优化装置性能,并实现数据驱动的决策。通过使用历史数据分析后的模型,企业可以进行实时预测,检测偏差和潜在的根本原因,从而提高性能,降低成本并获得竞争优势。

集成过程简便、易操作,仅需以下几步即可完成:

 1. 设置虚拟机或云端环境;

 2. 配置PI系统,以实现实时的数据存储和通知管理;

 3. 配置Python环境,并创建必要的文件;

 4. 设置通用文件和流加载器的PI连接器,以便将外部源数据直接导入AVEVA PI System运营大数据管理平台。

所有这一切都确保了无缝、高效的集成。

图4:AVEVA PI System运营大数据管理平台

优化排放监测

本用例展示了一种创新的ML方法,可降低能源和化学工业对环境的影响。通过将复杂模型与AVEVA PI System运营大数据管理平台集成,该项目能够:

 •  开发强大的ML预测模型,准确预测排放量,从而及时做出决策,避免温室气体排放超标。

 •  为不同化学工艺装置生成与工艺相关的预测指标,全面了解特定工艺装置的性能,以便做出及时调整。

 •  该解决方案与AVEVA PI Vision无缝集成,提高了关键数据的可视性和可访问性。PI Vision上的报告还有助于制定维护计划等事项,并使管理层能够轻松了解温室气体排放问题。

排放监测工具与AVEVA PI System运营大数据管理平台的集成,彰显了先进技术在应对复杂挑战和推动持续改善方面的巨大潜力,同时标志着我们向数据驱动型运营迈出坚实一步。

在6月6日即将举办的施耐德电气2024年创新峰会上,施耐德电气将以“双擎并进,数智新生”为主题,展示面向工业和能源领域的更多的创新技术与成功实践,助力工业加速迈向高效与可持续的未来!敬请期待。