发明内容

根据本发明的第一方面，提供了一种用于确定包括至少一个催化反应器的化学生产工厂的操作条件的系统。该系统包括：

通信接口和与通信接口通信的处理设备，该系统被配置为：

-经由通信接口接收指示预定生产运行的预定义操作条件的操作数据，或指示当前生产运行的当前操作条件的测量操作数据，其中，至少一个操作数据点包括指示当前操作条件变化的期望操作值，

-经由通信接口接收与催化剂已经在当前或预定生产运行中被使用的时间段相关联的催化剂老化指标，

-使用数据驱动模型，优选数据驱动机器学习模型，基于操作数据和催化剂老化指标，经由处理设备确定用于预定生产运行或当前生产运行的变化的操作条件的至少一个目标操作参数，其中，数据驱动的模型根据训练数据集参数化，其中，训练数据集基于包括操作数据、催化剂老化指标和至少一个目标操作参数的历史数据集，

-经由通信接口提供用于预定生产运行或当前生产运行的变化的操作条件的至少一个目标操作参数。

根据本发明的第一方面的另一个示例，提供了一种用于确定包括至少一个催化反应器的化学生产工厂的操作条件的系统。该系统包括通信接口和与通信接口通信的处理设备。

(a)对于预定生产运行，系统被配置为：

-经由通信接口接收指示用于预定生产运行的预定义操作条件的操作数据，

-经由通信接口接收与催化剂已经在预定生产运行中被使用的时间段相关联的催化剂老化指标，

-使用数据驱动模型基于操作数据和催化剂老化指标，经由处理设备确定用于预定生产运行的操作条件的至少一个目标操作参数，其中，数据驱动模型根据训练数据集参数化，其中，训练数据集基于包括操作数据、催化剂老化指标和至少一个目标操作参数的历史数据集，

-经由通信接口提供用于预定生产运行的操作条件的至少一个目标操作参数，或

(b)对于当前生产运行的变化，系统被配置为：

-经由通信接口接收指示当前生产运行的当前操作条件的所测量的操作数据，其中，至少一个操作数据点包括指示当前操作条件的变化的期望操作值，

-经由通信接口接收与催化剂已经在当前生产运行中被使用的时间段相关联的催化剂老化指标，

-使用数据驱动模型基于操作数据和催化剂老化指标，经由处理设备确定用于当前生产运行的变化的操作条件的至少一个目标操作参数，其中，数据驱动模型根据训练数据集参数化，其中，训练数据集基于包括操作数据、催化剂老化指标和至少一个目标操作参数的历史数据集，

-经由通信接口提供用于当前生产运行的变化的操作条件的至少一个目标操作参数。

根据本发明的第二方面，提供了一种用于优化化学生产工厂的预定生产运行或当前生产运行的变化的操作条件的系统。该系统包括上述系统和优化处理设备，优化处理设备被配置为：

-对于预定生产运行或当前生产运行的变化的多于一种的操作条件，经由通信接口接收所确定的目标操作参数，

-基于所接收的用于每个操作条件的目标操作参数，经由优化处理设备确定目标操作参数的最小值或最大值，或者从目标操作参数导出的至少一个优化参数的最小值或最大值，

-经由通信接口提供指示预定生产运行或当前生产运行的最优操作条件的最小值或最大值，例如目标操作参数的最小值或最大值，或者从目标操作参数导出的优化参数的最小值或最大值。

根据本发明的第二方面的另一个示例，提供了一种用于优化化学生产工厂的操作条件的系统。该系统包括上述系统和优化处理设备，优化处理设备被配置为：

-对于如(a)对于预定生产运行或(b)对于当前生产运行的变化所确定的多于一种的操作条件，经由通信接口接收所确定的目标操作参数，

-基于所接收的用于每个操作条件的目标操作参数，经由优化处理设备确定目标操作参数的最小值或最大值，或者从目标操作参数导出的优化参数的最小值或最大值，

-经由通信接口提供指示在(a)预定生产运行或(b)当前生产运行中的最优操作条件的最小值或最大值，例如目标操作参数的最小值或最大值，或者从目标操作参数导出的优化参数的最小值或最大值。

根据本发明的第三方面，提供了一种生产监视和/或控制系统，其包括例如经由有线或无线连接通信地耦合到用于确定如上所列的操作条件的系统或用于优化如上所列的操作条件的系统的通信接口。生产监视和/或控制系统可以包括显示设备，该显示设备被配置为接收和显示所确定的操作条件。生产监视和/或控制系统可包括控制单元，该控制单元被配置为接收所确定的操作条件以基于所确定的操作条件控制化学生产工厂中的当前或预定的生产运行。所确定的操作条件优选地包括所确定的目标操作参数和进一步可选地包括期望操作值的可选的操作数据。

根据本发明的第四方面，提供了一种用于确定包括至少一个催化反应器的化学生产工厂的预定生产运行或当前生产运行的变化的操作条件的计算机实现方法。该方法包括以下步骤：

-经由通信接口接收指示预定生产运行的预定义操作条件的操作数据，或指示当前操作条件的测量操作数据，其中，至少一个操作数据点包括指示当前操作条件变化的期望操作值，

-经由通信接口接收与催化剂已经在当前或预定的生产运行中被使用的时间段相关联的催化剂老化指标，

-使用数据驱动机器学习模型基于操作数据和催化剂老化指标，经由处理设备确定用于预定或当前生产运行的变化的操作条件的至少一个目标操作参数，其中，数据驱动模型根据训练数据集参数化，其中，训练数据集基于包括操作数据、催化剂老化指标和至少一个目标操作参数的历史数据集，

-经由通信接口提供用于预定或当前生产运行的变化的操作条件的至少一个目标操作参数。

根据本发明的第四方面的另一示例，提供了一种用于确定包括至少一个催化反应器的化学生产工厂的操作条件的计算机实现方法。该方法包括以下步骤：

(a)对于预定生产运行，该方法包括以下步骤：

-经由通信接口接收指示用于预定生产运行的预定义操作条件的操作数据，

-经由通信接口接收与催化剂已经在预定生产运行中被使用的时间段相关联的催化剂老化指标，

-使用数据驱动模型基于操作数据和催化剂老化指标，经由处理设备确定用于预定生产运行的操作条件的至少一个目标操作参数，其中，数据驱动模型根据训练数据集参数化，其中，训练数据集基于包括操作数据、催化剂老化指标和至少一个目标操作参数的历史数据集，

-经由通信接口提供用于预定生产运行的操作条件的至少一个目标操作参数，或

(b)对于当前生产运行的变化，该方法包括以下步骤：

-经由通信接口接收指示当前生产运行的当前操作条件的所测量的操作数据，其中，至少一个操作数据点包括指示当前操作条件的变化的期望操作值，

-经由通信接口接收与催化剂已经在当前生产运行中被使用的时间段相关联的催化剂老化指标，

-使用数据驱动模型基于操作数据和催化剂老化指标，经由处理设备确定用于当前生产运行的变化的操作条件的至少一个目标操作参数，其中，数据驱动模型根据训练数据集参数化，其中，训练数据集基于包括操作数据、催化剂老化指标和至少一个目标操作参数的历史数据集，

-经由通信接口提供用于当前生产运行的变化的操作条件的至少一个目标操作参数。

根据本发明的第五方面，提供了一种用于优化化学生产工厂的预定生产运行或当前生产运行的变化的操作条件的方法。该方法包括以下步骤：

-对于预定生产运行或当前生产运行的变化的多于一种的操作条件，经由通信接口接收所确定的目标操作参数，

-基于所接收的用于每个操作条件的目标操作参数，经由优化处理单元确定目标操作参数的最小值或最大值，或者从目标操作参数导出的优化参数的最小值或最大值，

-经由通信接口提供指示预定生产运行或当前生产运行的最优操作条件的最小值或最大值，例如目标操作参数的最小值或最大值，或者从目标操作参数导出的优化参数的最小值或最大值。

根据本发明第五方面的另一个示例，一种用于优化化学生产工厂的预定生产运行或当前生产运行的变化的操作条件的方法，该方法包括以下步骤：

-对于如(a)对于预定生产运行或(b)对于当前生产运行的变化所确定的多于一种的操作条件，经由通信接口接收所确定的目标操作参数，

-基于所接收的用于每个操作条件的目标操作参数，经由优化处理设备确定目标操作参数的最小值或最大值，或者从目标操作参数导出的优化参数的最小值或最大值，

-经由通信接口提供指示在(a)预定生产运行或(b)当前生产运行中的最优操作条件的最小值或最大值，例如目标操作参数的最小值或最大值，或者从目标操作参数导出的优化参数的最小值或最大值。

根据本发明的第六方面，提供了一种用于监视和/或控制化学生产工厂的方法，其包括执行用于确定或优化如上列出的操作条件的方法的步骤。该方法可进一步包括在显示设备上显示所确定的操作条件和/或基于所确定的操作条件控制化学生产工厂中的当前或预定的生产运行。所确定的操作条件优选地包括所确定的目标操作参数和/或可选地包括期望操作值的操作数据。

根据本发明的第七方面，提供了一种用于训练数据驱动模型的方法，该数据驱动模型用于确定包括至少一个催化反应器的化学生产工厂的预定生产运行或当前生产运行的变化的操作条件。该方法包括以下步骤：

-经由通信接口接收训练数据集，该训练数据集基于包括操作数据、催化剂老化指标、至少一个目标操作参数、可选的工厂元数据的历史数据集，

-经由处理设备通过根据训练数据集调节参数化来训练数据驱动模型，

-经由通信接口提供所训练的数据驱动模型。

根据本发明的第八方面，一种包括计算机可读指令的计算机程序或计算机程序产品或计算机可读非易失性存储介质，当被处理设备加载和执行时，其执行在此公开的方法。

根据本发明的第九方面，提供了一种催化剂，该催化剂包括与根据在此列出的方法训练的数据驱动模型相关联的催化剂类型标识符，其中，该模型针对由催化剂类型标识符指示的催化剂类型进行训练。换句话说，提供了催化剂系统，其包括催化剂和与根据在此列出的方法训练的数据驱动模型相关联的催化剂类型标识符，其中，该模型针对由催化剂类型标识符指示的催化剂类型进行训练。

根据本发明的第十方面，提供了一种催化剂，该催化剂包括与在此列出的计算机程序相关联的催化剂类型标识符。换句话说，提供了一种催化剂系统，其包括催化剂和与在此列出的计算机程序相关联的催化剂类型标识符。

根据本发明的第十一方面，提供了一种使用与根据在此列出的方法训练的数据驱动模型相关联的催化剂的化学过程，其中，数据驱动模型用于设计工厂组件和优化用于实现目标性能的化学过程的操作，特别是包括至少一个催化反应器的化学生产工厂的操作条件。

以下公开适用于在此公开的系统、方法、计算机程序、计算机可读非易失性存储介质、催化剂、化学过程和计算机程序产品等。因此，在系统、方法、计算机程序、计算机可读非易失性存储介质或计算机程序产品之间不进行区分。与在此公开的系统、方法、计算机程序、计算机可读非易失性存储介质、催化剂、化学过程和计算机程序产品相关地公开所有特征。

本发明提供用于仅基于数据驱动模型确定操作条件或操作参数的系统或方法，其允许更稳健、稳定和可靠的反应器操作并增强基于催化剂的生产工厂中的过程控制。特别地，该确定比基于动力学模型或混合模型的已知方法更准确，因为不需要关于反应动力学的先验信息，并且因此不需要关于潜在过程的估计或简化假设。

具体地，该确定通过提供与催化剂已经在当前生产运行中被使用的时间段相关联的催化剂老化指标来考虑催化剂失活。包括催化剂老化指标作为模型输入参数允许更准确地确定操作条件，因为该模型固有地考虑了催化剂失活或老化。考虑到催化剂失活，操作参数的确定适用于范围广泛的化学生产工厂和操作参数。相比之下，不考虑催化剂老化的数据驱动模型仅狭窄地适用。特别地，这种模型仅限于模型训练所针对的化学生产工厂，有时甚至仅在生产工厂中运行一次，操作条件范围也很窄。

本公开的系统和方法执行短期离散预测以及时间序列预报。在后一种情况下，它们能够在整个生产运行期间涵盖催化剂的完全失活过程。该方法和系统使工厂操作者能够根据能源成本、原材料的市场供应或工厂产品的需求，以及工厂中可能发生的其它限制(如不同工厂部分或公用设施的停电)，在日常基础上改进和优化操作策略。

此外，该系统和方法允许使用工厂的操作数据和催化剂老化指标来预测基于催化剂的生产工厂的短期行为和/或预报其长期行为。这允许在基于催化剂的生产工厂中增强过程控制，因为例如工厂操作者可以基于生产工厂中存在的操作条件轻松评估预定的或当前的运行。因此，该系统为规划、监视和控制生产过程提供强大的工具。

在本发明的一个实施例中，化学生产工厂包括一个或多个催化反应器。在本发明的上下文中，术语“催化反应器”是指其中发生催化化学反应并且通常包含催化剂的化学反应器。催化反应器可以是固定床催化反应器。化学生产工厂可以是苯乙烯生产工厂。

在该上下文中，数据驱动模型，优选地数据驱动机器学习模型或仅数据驱动模型，是指根据训练数据集被参数化以反映化学生产工厂或催化反应器的反应动力学或物理化学过程的经训练的数学模型。未训练的数学模型是指不反映反应动力学或物理化学过程的模型，例如未训练的数学模型并非源自提供基于经验观察的科学概括的物理定律。因此，动力学或物理化学特性可能不是未训练的数学模型所固有的。未训练的模型不反映这种特性。采用相应的训练数据集进行特征工程化和训练，可以实现未训练的数学模型的参数化。这种训练的结果仅仅是数据驱动的模型，优选地数据驱动机器学习模型，它作为训练过程的结果，优选地仅仅作为训练过程的结果，反映了反应动力学或物理化学特性。

在该上下文中的历史数据是指至少包括操作数据、催化剂老化指标和至少一个目标操作参数的数据集，其中，每个数据集与单个生产运行相关联。因此，每个数据集包括与一种催化剂从生产开始到生产结束的生产运行相关联的数据。当催化剂需要再次更换时，这种数据可以在催化剂寿命期内的生产运行期间(例如从催化剂更换后的生产开始到生产结束)被测量和记录。

所催化的化学反应不限制本发明的范围。作为示例，催化剂可以是脱氢催化剂。特别地，催化反应器的催化剂可以是用于脂肪族或烷基芳族烃脱氢以形成对应的不饱和烃的氧化铁基催化剂。这种脱氢过程的示例是乙苯脱氢成苯乙烯、异丙苯脱氢成α-甲基苯乙烯、丁烯脱氢成丁二烯或异戊烯脱氢成异戊二烯。该方法和系统在苯乙烯生产工厂中特别有用。优选地，化学生产工厂是使用苯乙烯催化剂将乙苯转化为苯乙烯的苯乙烯生产工厂。苯乙烯的制备通常包括在蒸汽存在下异相催化乙苯脱氢。脂肪族或烷基芳香族烃的催化脱氢通常在工业上在蒸汽存在下在500至700℃的温度范围内执行。在这些过程中，烃和蒸汽通常在高温和低压下混合并通过氧化铁脱氢催化剂。

术语操作数据是指指示化学生产工厂的操作状态的量。特别地，这种量涉及在化学生产工厂的生产运行期间收集的测量数据并且可以直接或间接地从这种测量数据导出。在优选实施例中，操作数据包括通过安装在化学生产工厂中的传感器测量的传感器数据、直接或间接从这种传感器数据导出的量、在从化学生产工厂取得的样品中测量的分析数据、直接或间接从这种分析数据导出的量，或其组合。

传感器数据可以包括借助于安装的传感器(例如温度传感器、压力传感器、流量传感器等)在化学生产工厂中可用的经测量的量。分析数据可包括在过程或时间中的任何点从化学生产工厂提取的样品的分析测量提供的量。特别地，这种分析数据可以包括如例如经由气相色谱法从在生产过程的不同阶段处(例如，在催化反应器之前或之后)的生产过程期间提取的样品确定的反应物、起始材料、产品和/或副产品的成分。分析数据优选地形成确定催化剂性能特征的基础。

操作数据集可以包括原始数据，该原始数据是指基本的、未处理的分析和/或传感器数据；或直接或间接地从原始数据导出的经处理或导出的参数。在化学生产工厂的情况下，导出的参数可以包括从相应温度传感器导出的多个催化反应器的平均入口温度；从蒸汽流速和反应物流速的原始数据导出的蒸汽油比；从反应器前后的分析数据导出的转化率和选择性；任何类型的归一化数据，例如通过催化剂体积或催化剂质量归一化的生产值；从时间序列数据导出的任何数据，例如累积生产量、迄今为止的最大负荷或其任何组合。

特别是对于化学生产工厂，转化率、选择性和产率可以从分析数据中导出。这里的转化率是指在反应器中完全转化的反应物的分数，优选为百分比。在例如苯乙烯生产的情况下，这对应于起始材料乙苯到任何产品的转化。期望产品的选择性是指转化为期望产品的转化反应物的数量。在例如苯乙烯生产的情况下，这对应于乙苯到苯乙烯反应的选择性。期望产品的产率是指转化率和产品特定选择性的数学乘积。产率可由进入反应器的反应物转化为期望产品的百分比表示。在另一实施例中，指示物理工厂布局的工厂元数据经由通信接口接收。工厂元数据可以包括描述例如反应器的特性的工厂特定的量，该工厂特定的量由物理工厂布局预定义，并且可与工厂或反应器的性能相关。例如，工厂元数据包括反应物混合物随后通过的多个反应器，例如2或3个反应器、总催化剂体积、反应器的催化剂体积、每个反应器的尺寸(长度、直径、高度……)、工厂中使用的催化剂类型或其组合。在另一实施例中，经由处理单元确定至少一个目标操作参数是另外基于使用数据驱动模型的工厂元数据，其中训练数据集基于另外包括工厂元数据的历史数据集。将工厂元数据纳入操作条件的确定允许构建适用于不同工厂的数据驱动模型，其进而增加可用于训练数据驱动模型的数据点的数量。因此，数据驱动模型广泛地捕获了在具有不同的物理工厂布局的不同操作条件下运行的不同工厂的操作条件，这允许更准确的确定。

在另一个实施例中，该组历史数据包括来自多个生产运行、多个工厂和/或相同类型催化剂的多个催化剂批次的数据。将多次生产运行纳入训练允许涵盖相同或不同工厂的不同操作条件。包括来自多个催化剂批次的数据允许考虑催化剂批次之间的差异。来自多个催化剂批次的数据可以包括来自多个生产运行的数据，其中对于至少一个生产运行，使用相同类型催化剂的不同生产批次。通过包括来自不同工厂的一个或多个生产运行的多个工厂数据，可以包括在内。因此，可以涵盖不同工厂中的操作条件，从而提供更广泛的模型适用性。在该上下文中，相同类型的催化剂是指相同类型的催化剂配方。多个催化剂批次包括来自不同制造批次或不同交货日期提供的相同类型的催化剂。

在另一实施例中，催化剂老化指标基于时间点、时间段、从时间相关操作数据导出的量和/或从时间相关操作数据累积导出的量。催化剂老化指标可以通过催化剂在反应条件下自其第一次与反应混合物接触以来在反应器中花费的时间来指定。另外地或可替代地，催化剂的累积负荷或累积生产量可用作催化剂老化指标，该催化剂老化指标优选地由自运行开始直至预测开始时间点的反应物进料或转化的反应物的总量定义。除了这里提到的指标之外，可以利用可用作催化剂老化指标的任何其它量。催化剂老化指标可以经由客户端设备提供，其中工厂操作者输入生产运行开始的时间或从生产运行开始直至预测开始时间点的时间段。可替代地或另外地，催化剂老化指标可以基于优选地自生产运行开始起的操作数据的时间序列来确定，其中生产运行开始可以基于操作数据中的操作配置文件来确定。这种操作配置文件可以包括某些温度、压力、流量配置文件或这种配置文件的组合。

用于预定或当前生产变化的操作条件是指化学生产工厂在未来或预测开始时间点之后可能运行的操作条件。这种操作条件可以包括一个或多个离散时间点、多个离散时间点、一段时间或若干时间间隔的一个或多个操作条件。在后一种情况下，操作条件可以包括不同的时间间隔，对于该时间间隔，至少一个预定义的或期望的操作值在不同的间隔中采用不同的值。多个离散的时间点、时间段或时间间隔可以从预测开始时间点延伸到剩余的生产运行直至生产运行结束，此时催化剂需要更换。

用于预定生产运行的操作条件可以指在生产运行开始之前化学生产工厂的预定义操作条件的操作数据。预定义操作条件可以包括指定操作条件的一组预定义操作数据。确定用于预定生产运行的操作条件对于在生产运行开始之前的生产设计和规划特别有用。用于当前生产运行的操作条件可以指如化学生产工厂中当前设定的操作条件的变化。操作条件可以包括指定当前操作条件的一组操作数据，其中操作数据位于与化学生产工厂中当前设定的操作参数不同的至少一个操作数据点中。确定用于当前生产运行的操作条件对于在当前生产运行期间监视和控制生产特别有用。

确定操作条件包括预测或预报催化剂或反应器的性能/行为，并以一般方式用于描述数据驱动模型对一组适当输入参数的应用。在苯乙烯生产工厂的示例中，例如，该确定是指在经由操作数据给定特定操作条件的情况下反应器入口温度和乙苯到苯乙烯反应的相关联选择性的确定。模型的输出参数的这种选择可能受以下事实驱动：大多数工厂以操作者调节入口温度以实现确定期望转化的方式运行。然而，给定相同的数据集，可以以类似方式开发模型，如下面进一步详述，具有不同的输入和输出分配，例如使用反应器温度作为输入来预测在操作条件下预期的转化率。

在一个实施例中，用于操作条件的至少一个目标操作参数的确定基于确定离散时间点的目标操作参数的短期模型或基于确定一段时间(特别是未来)的目标操作参数的长期模型。在短期模型的情况下，用于操作条件的至少一个目标操作参数是基于短时间框架确定的。这里，短时间框架可以指离散的或单一的时间点。短期模型可以基于不同的机器学习技术，包括例如诸如线性回归模型、非线性回归模型、贝叶斯线性回归的回归模型、随机森林模型、神经网络或其组合。也可以应用其它方法。优选地，短期模型不具有固有时间相关性。更优选地，短期模型基于相同时间t的模型输入来预测时间t的性能或操作条件。

在预定生产运行的情况下，操作数据可以指定预定义操作条件。例如在预定义操作条件随时间推移恒定或随时间推移或基于先前的生产运行具有预定义变化的假设下，可以针对预定生产运行估计催化剂老化指标。经由短期模型的确定可以例如应用于多于一个的离散时间点，用于在整个生产运行中保持恒定的预定义操作条件，并且可以针对离散时间点中的每个离散时间点估计催化剂老化指标。这种实现方式对于设计和规划未来的生产运行特别有利。

在当前生产运行的情况下，操作数据可以指定化学生产中当前设定的操作条件，其中至少一个期望操作值指示当前操作条件的变化或与当前操作条件的偏离。经由短期模型的确定可以例如应用于一个或多个离散时间点，用于确定指示与当前在化学生产中设定的操作条件的偏差的至少一个期望操作值的影响。这种实现方式特别有利于监视和控制当前的生产运行。

在长期模型的情况下，基于长时间框架确定用于操作条件的至少一个目标操作参数。这里的长时间框架可以指未来的多个时间点。点的数量以及因此的预测范围取决于生产工厂中时间动态的时间尺度。对于基于催化剂的生产过程，这种动态可以由催化剂老化动态及其时间范围确定。对于像苯乙烯生产的多相催化剂反应，这种时间尺度可能在数周、数月或数年的范围内。长期模型可以基于时间序列预报方法。这种方法例如包括诸如自回归模型，特别是自回归(AR)、移动平均(MA)、自回归移动平均(ARMA)、自回归综合移动平均(ARIMA)、向量自回归(VAR)、向量自回归移动平均(VARMA)、带有外源回归量的向量自回归移动平均(VARMAX)的已知的回归方法，随机森林模型，神经网络，卷积神经网络，递归神经网络或其组合。也可以应用其它方法。

在一个实施例中，经由通信接口接收如在当前或先前的生产运行期间直至预测开始时间点所测量、预测或导出的至少一个目标操作参数的时间序列。例如。在预定运行的情况下，可以使用如在先前生产期间所测量、预测或导出的目标操作参数。优选地，使用数据驱动模型基于可选地包括期望操作值的操作数据、至少一个目标操作参数的时间序列、催化剂老化指标和可选的工厂元数据来确定预测开始时间点之后的一个或多个时间点的至少一个目标运行参数。更优选地，数据驱动模型包括固有时间相关性。在该实施例中，至少一个目标操作参数可以包括不受控的或内源的参数，该参数在化学生产工厂中不能经由机器设置来控制。相反，包括至少一个期望操作值的操作数据可以包括受控或外源的参数，该参数在化学生产工厂中可经由机器设置来控制。在预测开始时间t的目标操作参数的确定可以包括例如对于时间t,…,t+N，N>0的确定，其基于不受控参数或不受控参数的子集，直至时间点t-1或更短，并且可选地基于受控参数或受控参数的子集，例如在时间点t,…,t+N(可选地进一步包括例如t-1,t-2,...)或在适合使用所选模型的特定结构进行预报的其它时间点。

优选地，长期模型是基于时间序列的模型，其包括固有时间相关性并且基于直至时间点t-1的时间点的模型输入来预报时间t,…,t+N的目标操作参数。这里t是指在时间上的预测起点。因此，长期模型允许在优选延长的时间段内确定反应器或催化剂性能以及反应器或催化剂性能的变化，而无需超出预报起点的不受控的参数的可用信息。这些模型至少具有一些固有的时间相关性，并且基于直至时间点t-1的不受控的参数以及可选地基于受控参数(例如在时间点t,…,t+N或适合采用所选模型的特定结构进行预报的其它时间点)预报时间t,…,t+N的性能。

在一个实施例中，处理设备进一步被配置为在经由数据驱动模型的确定之前预处理操作数据。优选地，预处理包括对独立于物理工厂布局的量的转换。预处理允许考虑不同工厂之间的系统性和非系统性差异。因此，即使来自所讨论的特定工厂的数据未用于训练数据驱动模型，它也能够广泛适用于目标操作参数的确定。特别地，转换包括作为数据驱动模型和/或操作数据归一化的输入参数的系统因素。

在另一实施例中，在确定至少一个目标操作参数之前验证数据驱动模型。这种验证增强了对所确定的目标操作参数的可解释性和可信度。为了验证，可以经由通信接口接收操作数据和如在当前生产运行期间针对一个或多个时间点测量或导出的至少一个目标操作参数。操作数据可用于确定与时间点对应的至少一个目标操作参数，其中所测量的目标操作参数可用。可以比较针对某个时间点的所确定的目标操作参数和与相同时间点对应的所测量的操作参数的结果。如果该比较导致有效的模型操作，例如如果差异小于阈值或没有识别出系统误差，则可以遵循基于包括至少一个期望操作值的一组操作数据对用于操作条件的至少一个目标操作参数的确定。如果该比较导致无效的模型操作，则可能会触发警报，例如经由显示设备或音频设备，表明模型操作不适用于在当前操作条件下监视和/或控制目标化学工厂。

在另一实施例中，在确定至少一个目标操作参数之前，基于催化剂类型选择数据驱动模型。催化剂类型可以经由元数据接收，该元数据例如经由催化剂类型标识符来表明所使用的催化剂类型。催化剂类型可以指定催化剂配方。这种选项允许高度灵活地使用系统、计算机程序、计算机程序产品和方法，不仅涵盖不同的化学生产工厂，而且涵盖不同的催化剂类型。通过在确定至少一个目标操作参数之前基于输入和输出参数标识符选择数据驱动模型，可以增加进一步的灵活性程度。输入和输出参数标识符可以指定在系统或方法中哪些参数用作操作数据以及哪些参数用作目标操作参数。在这种实现方式中，基于可以执行的选择步骤，不同的数据驱动模型可以被存储在系统的存储器中，包括催化剂类型和/或每个模型的参数标识符。

在一个实施例中，基于包括催化剂类型标识符的训练数据执行数据驱动模型的训练。经训练的模型可以与催化剂类型标识符一起存储并且可以与优选地包括催化剂类型标识符的那种类型的催化剂一起提供。这种识别可以经由存储在数据库中或例如结合相应的化学生产工厂附接到催化剂输送容器的移动存储介质中的催化剂ID以电子方式实现。在这种情况下，模型优选基于在生产运行中测量的训练数据集进行训练，该生产运行使用与催化剂类型标识符所指示的催化剂类型相同的催化剂。因此，催化剂可以与数据驱动模型捆绑在一起，并且可以帮助对采用特定催化剂类型的催化剂运行的生产工厂进行更稳健的控制。

提供了一种例如在固定床催化反应器中作为反应器操作参数或操作数据和催化剂老化或催化剂老化指标的函数来预测催化剂的短期行为和预报催化剂的长期行为的方法。该方法使用数据驱动模型，优选地数据驱动机器学习模型，其不涉及关于反应动力学的先验信息。该模型能够预测作为输入参数(包括典型的反应器操作参数或操作数据以及从传感器和生产工厂中可用的分析原始数据导出的参数)的函数的催化剂的短期和长期行为二者。还提供了用于执行该方法的软件产品。作为应用实例，该方法用于预测和预报乙苯转化为苯乙烯的催化剂和工艺反应器的行为。

本公开提供了一种预测包括催化反应器的化学生产工厂中的催化剂的短期性能并预报其长期性能(包括催化剂老化效应)的计算机实现方法。该方法涉及使用化学生产工厂并且特别是催化反应器的数学模型，该数学模型基于机器学习，不涉及反应动力学的先验信息，并使用选自传感器原始数据、导出参数、反应器操作参数或操作数据、工厂元数据和指示催化剂老化或催化剂老化指标的参数的输入参数。

在一个实施例中，操作数据选自可从化学生产工厂，特别是催化反应器获得的传感器数据，来自例如气相色谱(GC)分析的分析数据，以及如上面列出的导出参数。

在一个实施例中，操作数据包括一个或多个催化反应器(优选一个或多个催化反应器中的每一个催化反应器)的入口温度和出口温度，一个或多个催化反应器(优选一个或多个催化反应器中的每一个催化反应器)的入口压力和出口压力，以及在一个或多个催化反应器(优选一个或多个催化反应器中的每一个催化反应器)的入口和出口处的反应混合物的成分。

在特别适用于苯乙烯生产工厂的一个实施例中，操作数据包括蒸汽油比(STO)、液时空速(LHSV)、按催化剂体积归一化的苯乙烯总生产、目标乙苯转化率、苯乙烯选择性、平均入口温度、最后一个催化反应器后的归一化压力、一个或多个催化反应器上的归一化压降、一个或多个催化反应器上的温度损失、与预期值相比的温度损失的归一化偏差(基于转换来计算)。这种参数集的优点是它仍然是可解释的，因为许多参数对应于实际操作参数或可以在该上下文中轻松解释。减少问题维度数量的其它方法(例如，PCA或RFA)可以产生对建模过程和预测准确性有用的参数，但通常缺乏可解释性。

数据驱动模型优选地执行时间序列预报并且能够在反应器系统中的整个生产运行期间涵盖催化剂的完全失活过程。该模型使工厂操作者能够根据能源成本、原材料的市场供应或工厂产品的需求以及工厂可能出现的其它限制(例如不同工厂部分或公用设施的中断)，每天改进和优化操作策略。

在一个实施例中，预报时段横跨由操作条件的限制(优选可以操作的最大反应器温度)确定的催化剂的剩余寿命。该模型允许基于预报的操作条件和这些操作条件的限制(例如可以操作的最大反应器温度或压力)，确定使用中催化剂的剩余寿命。这使操作者能够可靠地计划直到下一次催化剂更换所剩余的时间，并且还模拟不同的操作策略以便延长催化剂寿命(如果需要)，或从剩余时间直到下一次计划的工厂停工来获得最大生产率。

在一个实施例中，数据驱动模型用于预测未提供用于训练数据驱动模型的历史数据的生产工厂中催化剂的操作条件。

在一个实施例中，数据驱动模型的输出用于优化化学生产工厂的预定生产运行或当前生产运行的操作条件。在这样的实施例中，经由数据驱动模型针对多于一个的操作条件确定的目标操作参数被接收并馈送到优化处理设备中。优化可包括一个或多个优化目标。优化目标可以由例如优化参数或要被优化的目标参数指定。在该上下文中，优化目标可以进一步包括找到所指定的优化参数或目标参数的最小值或最大值。除了用于多于一个的操作条件的目标参数之外，优化目标可以被接收并馈送到优化处理设备。例如可以向操作者提供可能的优化目标的选择并且可以基于用户选择来接收所选择的优化目标。

在一个或多个优化目标的情况下，一个最优解决方案可能存在并且可以作为优化的结果被提供。这种最优解决方案可以提供给用于监视和/或控制的系统。最优解决方案可以显示在显示设备上或用于控制化学生产过程。在多于一个的优化目标或多目标优化的情况下，一个或多个最优解决方案可能存在并且可以作为优化的结果被提供。多个最优解决方案可以提供给用于监视和/或控制的系统并显示在显示设备上。在该情况下，工厂的操作者可以在多个最优解决方案之间进行选择，这简化了在操作化学生产工厂的复杂情况下的决策过程。

在另一实施例中，优化处理设备基于如由数据驱动模型输出的目标操作参数来确定目标操作参数的最小值或最大值或从目标操作参数导出的至少一个优化参数的最小值或最大值。在一个示例性场景中，催化剂的剩余寿命可以是从目标操作参数导出的优化参数并且找到最大值是优化过程的目标。此外，优化问题中可以包含约束条件。关于目标操作参数方面的限制可包括最高反应器温度、最低选择性或每天最低生产量。在另一示例性场景中，在催化剂的剩余寿命期内或直到用于催化剂更换的预定时间点的生产量可以是从目标操作参数导出的优化参数并且找到最大值是优化过程的目标。关于目标操作参数方面的约束可以包括最大反应器温度、最小选择性或最小和可选的每天最大生产量。

在另一示例性场景中，可以组合多个目标。例如，在催化剂寿命期内，催化剂在生产量下的剩余寿命可以是从目标操作参数导出的优化参数，并且找到与最大生产量相结合的最大剩余寿命是优化过程的目标。关于目标操作参数方面的约束可包括最大反应器温度、最低选择性或每天最低生产量。在另一示例中，多个目标进一步包括进一步考虑成本方面(诸如剩余产量、能量需求、催化剂更换费用或其组合)的催化剂更换的最优时机。对于多目标优化，可以使用已知的帕累托(pareto)优化技术。

在一个实施例中，数据驱动模型用于模拟预期的催化剂性能、生产率(例如一段时间内产生的苯乙烯总量)、能量需求(与例如反应器或蒸汽反应物加热相关联)和成本或利润(例如与反应物成本、产品的市场价格、能源成本有关)，用于选择催化反应器中的操作数据或操作参数集。在此，产量、能耗、CO₂排放、成本、副产品、催化剂更换间隔、剩余寿命或其组合可以是目标操作参数或从目标操作参数导出的优化参数。在优化中可以定义不同的约束，例如目标参数的确定所基于的操作数据的约束。

在一个实施例中，数据驱动模型用于模拟在给定的工厂设置(例如，较低的压力水平(更深真空)、较低的STO比率或附加反应器)中实际上无法实现的所选操作数据集的预期催化剂性能、生产率和能源需求。这可以帮助工厂管理者更好地评估工厂潜在升级的经济性。

在一个实施例中，数据驱动模型用于模拟和/或评估先前未使用催化剂的新工厂的预期性能和操作条件。

本公开还提供了一种被配置为执行本公开的方法的计算机程序产品。在一个实施例中，计算机程序产品是在化学生产工厂或苯乙烯生产工厂中，特别是在其中集成和/或连接到其上的计算单元(计算机)中实现的计算机程序。在一个实施例中，计算机程序产品被集成到化学生产工厂或苯乙烯生产工厂的仪表板中。

在一个实施例中，计算机程序产品包括用于输入化学生产工厂的操作条件的界面。操作条件可以是先前生产运行的历史数据或当前运行中化学生产工厂的实际操作条件。

在计算机程序产品的一个实施例中，用于预报的输入参数或操作数据被手动上传到计算机程序产品中和/或由计算机程序产品从过程控制系统中读出。在一个实施例中，在格式化的数据表中提供输入参数或操作数据。在一个实施例中，提供图形用户界面用于将数据手动上传到计算机程序产品中。在另一实施例中，提供了用于将数据上传到计算机程序产品中的应用编程接口。

在一个实施例中，计算机程序产品的用户向计算机程序产品提供以上指定的所有信息(例如，原始数据、对应单元、工厂元数据)。该信息可以手动输入、经由结构化数据文件上传或经由应用编程接口(手动或自动)提供。对于长期预测，目标操作参数的输入时间序列优选地至少覆盖模型中使用的时滞结构所需的范围。如果模型中也使用了它们的时间滞后，则可能还包括控制参数。

在一个实施例中，外源操作参数由用户输入，例如用于要被预测其性能的多个操作场景。所有附加的数据处理(包括格式化、聚合和预测)都由软件产品执行。

在一个实施例中，由计算机程序产品产生的预报经由图形用户界面作为结构化数据文件或经由应用编程界面被呈现给用户。

根据另外的实施例，计算机程序产品是当加载到计算设备的存储器中并且由计算设备的至少一个处理器执行时执行上述计算机实现的方法的步骤的计算机程序产品。

计算机程序产品可以与计算机系统一起使用或并入计算机系统中，该计算机系统可以是独立单元或包括经由网络(诸如例如互联网或内联网)与中央计算机通信的一个或多个远程终端或设备。因此，在此描述的计算机或处理器和相关组件可以是本地计算机系统或远程计算机或在线系统或其组合的一部分。在此描述的任何数据库和计算机程序产品都可以存储在计算机内部存储器或非暂态计算机可读介质中。

本公开的另一方面是一种用于预报化学生产工厂中催化剂的性能或用于确定化学生产工厂的操作条件的计算机系统。该计算机系统包括：至少一个接口组件，其被配置为访问和读取操作参数或操作数据和催化剂特定参数，特别是催化剂老化指标；以及处理器单元，其实现数据驱动模型并被配置为通过向数据驱动模型提供反应器操作参数或操作数据以及经由接口组件提供的催化剂特定参数来预测催化剂的性能。在一个实施例中，计算机系统被配置为经由有线和/或无线通信连接耦合到包括催化反应器的化学生产工厂，并经由接口组件从包括催化反应器的化学生产工厂的过程控制系统至少部分地自动访问和读出反应器操作参数或操作数据和/或催化剂特定参数。

本公开的另一方面是一种用于训练包括一个或多个催化反应器化学生产工厂的基于机器学习的数据驱动模型的计算机实现方法，该数据驱动模型用于预测或预报催化反应器中催化剂的性能。该方法包括提供数学模型作为初始基础；提供历史数据，例如来自相同类型催化剂的多个生产运行和/或来自多个化学生产工厂或包括相同类型催化剂的催化反应器的多个生产运行，以及可选地预先确定的化学生产工厂(并且特别是催化反应器)的目标操作参数或操作和性能参数；访问和导入提供的历史数据到数学模型中；使数据驱动的数学模型的参数化适应所提供的历史数据；提供一个在适应的参数化的基础上数据驱动的数学模型的更新；以及通过将所更新的数据驱动的数学模型设置为初始基础来迭代地重复方法步骤。

本公开的另一方面是用于确定包括一个或多个催化反应器的化学生产工厂的操作和/或性能参数或目标操作参数的计算机实现的方法。该方法包括访问指示反应器系统中存在的操作条件的传感器数据和指示反应器系统中当前使用的催化剂的催化剂特定的传感器数据，使用数据驱动模型确定化学生产工厂的操作和/或性能参数或目标操作参数，其中数据驱动模型根据训练数据集参数化，其中训练数据集包括例如来自相同类型催化剂的多个生产运行和/或来自包括相同类型催化剂和先前确定的操作和性能参数或目标操作参数的多个催化反应器中的多个生产运行的历史数据，并且提供所确定的包括一个或多个催化反应器的化学生产工厂的操作和/或性能参数或目标操作参数。

本公开的另一方面是一种用于确定包括一个或多个催化反应器的化学生产工厂的操作和/或性能参数的计算机实现的方法。该方法包括访问指示反应器系统中存在的操作条件的传感器数据和指示反应器系统中当前使用的催化剂的催化剂特定的传感器数据，使用数据驱动模型确定化学生产工厂的操作和/或性能参数或目标操作参数，其中数据驱动模型根据训练数据集参数化，其中训练数据集包括例如来自相同类型催化剂的多个生产运行和/或来自包括相同类型的催化剂和先前确定的化学生产工厂的操作和性能参数或目标操作参数的多个反应器系统中的多个生产运行的历史数据，以及提供化学生产工厂的所确定的操作和/或性能参数或目标操作参数。

本公开的另一方面是用于控制包括一个或多个催化反应器的化学生产工厂的控制系统。控制系统包括如上所述的计算机系统和控制单元，该控制单元被配置为基于所提供的化学生产工厂的操作和/或性能参数或目标操作参数来控制化学生产工厂中运行的实际和/或预定的生产。

计算机程序可以存储和/或分布在合适的介质上，诸如与其它硬件一起或作为其它硬件的一部分提供的光存储介质或固态介质，但也可以以其它形式分布，诸如经由互联网或其它有线或无线电信系统。

然而，计算机程序也可以通过像万维网这样的网络呈现并且可以从这样的网络下载到数据处理器的工作存储器中。

根据本发明的另一示例性实施例，提供了一种用于使计算机程序可供下载的数据载体或数据存储介质，该计算机程序被布置为执行根据本发明的前述实施例之一的方法。

应当理解，在此描述的实施例彼此不相互排斥，并且如本领域普通技术人员将理解的，一个或多个所述的实施例可以以各种方式组合。

执行本发明的任何方法的计算机程序可以存储在计算机可读存储介质(例如，非暂态计算机可读存储介质)上。计算机可读存储介质可以是软盘、硬盘、CD(光盘)、DVD(数字多功能磁盘)、USB(通用串行总线)驱动器、RAM(随机存取存储器)、ROM(只读存储器)和EPROM(可擦除可编程只读存储器)。计算机可读介质也可以是允许下载程序代码的数据通信网络，例如互联网。在此描述的方法、系统和设备可以作为数字信号处理器DSP、微控制器或任何其他侧处理器中的软件或作为专用集成电路ASIC、CPLD、FPGA或其它合适的设备内的硬件电路来实现。本发明可以在数字电子电路中或在计算机硬件、固件、软件或其组合中，例如在传统移动设备的可用硬件中或在专用于处理在此描述的方法的新硬件中实现，如下面将更详细描述的。