當前，世界百年未有之大變局加速演進，俄烏戰(zhàn)爭也深刻改變地緣環(huán)境，大國博弈日趨加劇，美國結盟圍堵特別是打壓我國先進制造業(yè)的圖謀愈演愈烈。隨著工業(yè)互聯網平臺的興起，新型工業(yè)軟件再度成為發(fā)達爭奪的戰(zhàn)略G地。工業(yè)軟件已經成為支撐流程制造產業(yè)發(fā)展和創(chuàng)新的“國之重器”之一，可謂是“工業(yè)之魂”。石化工業(yè)軟件是石化工業(yè)的“神經系統”，更是支撐石化強國建設的基石。石化工業(yè)自主工業(yè)軟件缺乏已成為我國由石化大國向石化強國邁進的“瓶頸”，成為石化工業(yè)“卡脖子”之痛。而在線實時優(yōu)化軟件作為石化核心工業(yè)軟件之一，是兩化融合，數智賦能的重要工具，對推動石化行業(yè)智能制造，提升新質生產力具有非常重要的戰(zhàn)略意義，事關能源安全及產業(yè)鏈供應鏈穩(wěn)定。

在線實時優(yōu)化軟件（RTO）項目得到了L導人、部委、院士專家團隊、石化集團公司L導、石化盈科及合作單位的大力支持和G度關注。石化盈科牽頭承擔乙烯裂解、S Zorb、連續(xù)重整 3 類工藝的專用 RTO軟件攻關工作，該 3 個專用 RTO 軟件研發(fā)與實施采用了大量人工智能（AI）算法和模型技術，形成了乙烯裂解爐、S Zorb 反應器和再生器等工藝模型，自主擁有了數據預處理、穩(wěn)態(tài)工況判斷、SQP 求解器、非梯度求解器、數據接口、在線調度模塊等核心技術。

在線實時優(yōu)化軟件（RTO）采用的AI 技術或者算法選擇下面 3 方面進行介紹。

1)面向實時優(yōu)化的多源數據清洗與轉換

為了確保現場測量數據的質量和可靠性，面向實時優(yōu)化的數據預處理采用了機器學習算法。針對中科煉化乙烯裂解裝置，攻克了“乙烯裂解機理+數據驅動”的建模技術和大規(guī)模非線性規(guī)劃系列技術，開發(fā)了序列二次規(guī)劃（SQP）算法、內點信賴域算法、混合驅動初值生成算法、動態(tài)降維算法、自適應微分技術、加速迭代算法，為通用 RTO 平臺的研發(fā)奠定基礎。與此同時，開發(fā)了“研發(fā)機理+數據驅動”模式的裂解爐反應器模型、結焦周期模型、超G壓蒸汽發(fā)生模型、燃燒模型，結合與裂解爐模型相匹配的 SQP 求解器和在線計算平臺，封裝形成乙烯裂解爐專用實時優(yōu)化軟件。

2)非梯度求解模塊

如圖所示，RTO 根據不同裝置的計算量采用了基于個體的優(yōu)化算法模塊和基于種群的優(yōu)化算法模塊，前者適用于求解 10-100 維連續(xù)優(yōu)化問題，并在 200-500 次迭代內找到滿意解，后者適用于求解 100-500 維連續(xù)優(yōu)化 問題，并在 500-1000 次迭代內找到滿意解。

（i）基于個體的優(yōu)化算法

（ii）基于種群的優(yōu)化算法圖

13.1 非梯度求解模塊

3)基于強化學習算法的參數優(yōu)化求解算法

針對復雜的實際化工過程，其參數優(yōu)化問題選用數據驅動的強化學習等 AI 路線實現構建成基于強化學習方法的參數優(yōu)化求解模型，并結合強化學習算法,實現生產裝置參數優(yōu)化。強化學習模型的訓練需要設置網絡層數、學習率等超參數，其中模型超參數的選擇運用了貝葉斯優(yōu)化等方法來實現，進而提升強化學習模型的準確性。

建設成效 專用 RTO 軟件在乙烯裂解、S Zorb 裝置應用取得的成效如下。

乙烯裂解爐專用 RTO 軟件應用。乙烯裂解爐專用 RTO 軟件投用后，以效益大化為目標，實時在線進行裂解爐原料分配、裂解深度、稀釋比優(yōu)化計算。每小時對裂解爐自動執(zhí)行一次操作優(yōu)化計算，提G雙烯收率 0.14wt%，噸乙烯增效 17.74 元，折合裝置年增效 1551 萬元。單次優(yōu)化求解平均時間僅用 3 分 38 秒，單爐產品收率相對偏差控制在±5%以內，模型收斂率接近 100%。

S Zorb 裝置專用 RTO 軟件應用。S Zorb 裝置專用RTO 軟件投用后，以辛烷值損失小化為優(yōu)化目標，產品硫含量符合排放標準為約束目標，實時在線進行反應溫度、氫油比等變量的優(yōu)化計算。在保證產品脫硫的效果和不增加裝置能耗劑耗的條件下，降低辛烷值損失 0.4 個單位以上，經濟效益 3500 萬元，并且 RTO 收斂率達到 90%以上，裝置運行平穩(wěn)性提G 35%以上。