基于大数据的电脱盐系统智能优化与影响因素分析

摘要

针对电脱盐系统影响因素耦合关联,脱盐后盐的质量浓度控制困难等问题,提出基于贝叶斯分类的电脱盐系统脱盐后盐的质量浓度智能预测模型,建立基于模型及线性规划的脱盐系统优化方法。利用从分布式控制系统(DCS)和实验室信息管理系统(LIMS)中获取的运行数据,筛选影响电脱盐效果的主要因素,建立基于40个运行参数的脱盐后盐的质量浓度智能监测模型。模型对脱盐后盐的质量浓度1.5~2.0、2.0~3.0 mg·L^(-1)和大于3.0 mg·L^(-1)的识别召回率分别达到89.6%、84.4%和70.0%。利用优化方法识别了脱盐罐油水界位、操作温度、混合压差及注水量等影响脱盐效果的关键因素,通过对电脱盐操作参数进行优化,显著降低了脱盐后盐的质量浓度,实现系统的优化运行。