中国石油天然气集团炼化时序数据集构建及应用

推荐单位：中国石油天然气集团有限公司

申报单位：中石油（北京）数智研究院有限公司、中石油兰州石化榆林化工有限公司

一、背景

炼化装置生产运行过程中产生的海量时序数据，隐含着工艺机理、运行规律、设备性能等关键信息，但也存在着稳态数据密度大、不同工艺数据跨度大等问题。构建高质量炼化时序数据集，训练炼化时序大模型，提炼工艺机理和演变规律，解决炼化装置产品质量监控频次不高、设备故障预警时间滞后、操作优化依赖专家经验等问题，对于提升装置安全水平和产品收益至关重要。

炼化时序数据集构建及应用技术方案

二、方案和成效

一是构建炼化生产时序数据集。通过数据收集、处理、标注及管理，融合炼化工艺机理，采用数据平滑、时间和语义对齐等技术方法，整合关键时序数据形成高质量炼化时序数据集，覆盖炼油化工常见工艺装置，数据量达到2.2TB，满足炼化时序大模型训练所需。

二是训练炼化时序大模型。创新融合炼化多元异构数据，基于Transformer架构设计具有未来及异常感知能力的深度神经网络结构，将工艺机理约束融入模型损失函数中，训练炼化时序大模型，具备长短周期预测与异常检测等能力，可提前预测产品收率及质量变化趋势，实现生产异常工况智能预警，预测准确度达到95%以上。

三是微调构建炼化业务场景模型。基于炼化时序大模型，创新采用领域知识结合的微调策略，聚焦产品质量、装置能耗、产品收率预测及异常工况预警等核心业务场景，结合智能优化算法自动寻优操作参数，动态规划装置最优调整路径，现场初步验证结果显示，单炉乙烯收率提高0.373%，单炉升温时长缩短35%以上。

四是构建炼化装置运行优化智能体。依托昆仑大模型AI中台，形成“多智能体协同+目标驱动”架构，集成工作流调用、智能问答、语音交互等插件，搭建炼化装置工艺运行优化多智能体协调平台，支持自然语言指令理解与自主决策分析，实现“指令交互”向“目标驱动”转变，显著提高装置质效能力。

三、创新点

一是融合炼油化工行业工艺机理知识。创新采用多源数据提取、集成、筛选、增强及对齐技术，首次构建覆盖主流炼化装置的高质量时序数据集，填补行业空白。

二是引入移动时间窗等高效算法动态捕捉数据趋势。利用高斯混合模型等技术对复杂时序数据聚类，精准选取近邻样本增强非线性关系建模与拟合精度。

三是基于Transformer框架构建炼化时序大模型。深度融合生产过程参数、质量数据和指标数据等多维度特征，引入炼化工艺机理知识，将机理公式与强化学习算法相结合，构建并优化时序大模型，从而提升模型对炼化工艺的理解能力。