基于数据融合的乙烯能耗指标优化算法及应用

本文主要探讨了大数据背景下，针对乙烯生产流程中的能耗指标进行数据融合技术的研究与应用。数据融合技术起源于20世纪80年代，其核心在于整合多个传感器或来源的不同时空数据，以提高信息的准确性和可靠性，已在遥感图像分析、目标跟踪、定位等领域展现出显著优势。 在乙烯生产过程中，传统的能耗评价方法存在局限性，即通常采用综合能耗指标，未能充分考虑不同装置之间的差异，如原料种类、工艺技术和装置规模。这导致了能耗指标体系的不统一。为了解决这个问题，研究者提出了一种创新的方法，即采用k-means聚类算法对单装置的多变量时序数据进行线性最小方差优化融合，以提取出更具针对性的能耗指标。这种方法能够根据装置的技术特性和规模划分不同的能耗类别，形成一个参数、月份和年度维度的多层次能耗指标体系。 此外，文章引入了层次线性优化融合算法和层次分析(AHP)优化融合算法，这些方法不仅考虑了装置内部的能耗指标，还扩展到了全行业的范围，使得能源效率评估更为全面。通过引入消费者物价指数(CPI)评价模型，研究者对比了能耗的同比、环比、定基比和累积比，以实现对乙烯装置能耗的客观评价，帮助行业确定节能降耗的目标和方向。 最后，论文利用Matlab WebServer技术开发了一个乙烯流程能耗指标体系能效管理系统，该系统能够实时监测和管理乙烯装置的能耗情况，支持能耗目标的设定，并推动节能减排政策的实施。研究结果已经在某石化乙烯装置和乙烯行业协会的实际应用中得到了验证，有效提升了国内乙烯行业的能耗管理水平。 这篇论文深入探讨了大数据、算法在乙烯生产能耗指标融合中的应用，旨在通过数据驱动的方式，提升乙烯行业的能效管理和环保水平，具有重要的实践价值和理论贡献。