“十三五”時(shí)期,我國(guó)石油化工行業(yè)節(jié)能節(jié)水和低碳工作仍面臨著嚴(yán)峻的挑戰(zhàn)。能源消耗總量仍持續(xù)增長(zhǎng),資源利用率依然較低,節(jié)能邊際效應(yīng)將逐漸降低,完成指標(biāo)任務(wù)尤其艱巨。集輸系統(tǒng)作為油田生產(chǎn)中的重要環(huán)節(jié)更應(yīng)將節(jié)能降耗放到首要位置,而在油田生產(chǎn)過程中積累了海量數(shù)據(jù),大數(shù)據(jù)時(shí)代的到來為集輸系統(tǒng)節(jié)能降耗帶來了新的曙光。本文以某油田某聯(lián)合站生產(chǎn)數(shù)據(jù)為支撐,借助Python平臺(tái),對(duì)海量數(shù)據(jù)進(jìn)行預(yù)處理、聚類分析、關(guān)聯(lián)分析和預(yù)測(cè),進(jìn)而提出節(jié)能降耗措施和能耗優(yōu)化建議。首先對(duì)大數(shù)據(jù)分析所使用的聚類分析、關(guān)聯(lián)分析和預(yù)測(cè)數(shù)據(jù)挖掘技術(shù)所有算法進(jìn)行歸納總結(jié),并結(jié)合集輸系統(tǒng)的特點(diǎn)、生產(chǎn)數(shù)據(jù)的要求以及算法適用性對(duì)各類挖掘技術(shù)的算法進(jìn)行篩選,從而得到適合于本文大數(shù)據(jù)分析的算法,并進(jìn)行詳細(xì)介紹。對(duì)于聚類分析選擇K-means算法,對(duì)于關(guān)聯(lián)分析選擇Apriori算法,對(duì)于預(yù)測(cè)技術(shù)選擇灰色預(yù)測(cè)和BP神經(jīng)網(wǎng)絡(luò)結(jié)合的算法。以某聯(lián)合站各類設(shè)備的海量生產(chǎn)數(shù)據(jù)為基礎(chǔ),利用Python語言,結(jié)合大數(shù)據(jù)挖掘算法,編譯出對(duì)應(yīng)的程序來實(shí)現(xiàn)數(shù)據(jù)的預(yù)處理、聚類分析、關(guān)聯(lián)分析和預(yù)測(cè)功能。數(shù)據(jù)的預(yù)處理包括數(shù)據(jù)的清洗和標(biāo)準(zhǔn)化,聚類分析即數(shù)據(jù)的離散化,將數(shù)據(jù)按照... 

【文章來源】：中國(guó)石油大學(xué)(華東)山東省 211工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

聚類的分析過程

中國(guó)石油大學(xué)（華東）工程碩士學(xué)位論文33表3-2加熱爐生產(chǎn)參數(shù)（續(xù)）Table3-2Heatingfurnaceproductionparameters（continued）進(jìn)口溫度（℃）出口溫度（℃）進(jìn)口壓力（mPa）出口壓力（mPa）燃油用量（kg）燃?xì)庥昧浚╩3）通過油量（m3/h）通過液量（m3/h）運(yùn)行效率（%）65820.70.60.269020022072.0456900.350.30300558071.4656920.30.20300689372.4665820.70.60.269020022072.0465800.70.6030020022072.0665800.70.6030020022072.0665800.70.6030020022072.0665800.70.6030020022072.0665800.70.6030020022072.0665800.70.6030020022072.063.2.3三相分離器三相分離器[72]是能夠完成油氣水三相分離的設(shè)備。其結(jié)構(gòu)圖如圖3-3所示。工作原理是：油氣水混合物高速進(jìn)入預(yù)脫氣室，依靠旋流分離及重力作用脫出大量的原油伴生氣，預(yù)脫氣后的油水混合物經(jīng)導(dǎo)流管高速進(jìn)入分配器與水洗室，在含有破乳劑的活性水層內(nèi)洗滌破乳，進(jìn)行穩(wěn)流，降低來液的雷諾數(shù)，再經(jīng)聚結(jié)整流后，流入沉降分離室進(jìn)一步沉降分離，脫氣原油越過隔板進(jìn)入油室，經(jīng)過流量計(jì)計(jì)量，控制后流出分離器，水相依靠壓力平衡經(jīng)導(dǎo)管進(jìn)入水室，從而達(dá)到油氣水三相分離的目的。圖3-3三相分離器結(jié)構(gòu)圖Fig3-3Thestructureofthree-phaseseparator如果三相分離器分水效率低下，出口含水率高會(huì)導(dǎo)致大量的水進(jìn)入加熱爐加熱，增加加熱爐的熱負(fù)荷，消耗更多的燃料，從而影響系統(tǒng)能耗，因而應(yīng)提高三相分離器效率

第五章聯(lián)合站能耗優(yōu)化和預(yù)測(cè)系統(tǒng)的研發(fā)705.2開發(fā)環(huán)境PC端聯(lián)合站能耗優(yōu)化和預(yù)測(cè)的服務(wù)器操作系統(tǒng)采用Windows7操作系統(tǒng)，開發(fā)平臺(tái)采用Python3.5+PyQt5+Anaconda3.5。Python是功能很強(qiáng)大的跨平臺(tái)解釋性腳本語言，Qt是C++跨平臺(tái)應(yīng)用程序框架，二者的結(jié)合就是PyQt。而Anconda則是由Python及C語言開發(fā)的一款支持PyQt的IDE。Python是一種開源的、面向?qū)ο蟮哪_本編程語言，Python可以輕松駕馭現(xiàn)存的主流操作系統(tǒng)：Windows，Linux，Mac等，可移植性極強(qiáng)。Anaconda可提供純文字模式和GUI模式，其代碼功能強(qiáng)大，與Qt5的完美結(jié)合，非常適合開發(fā)圖形界面的Python應(yīng)用程序[75]。5.3系統(tǒng)功能模塊聯(lián)合站能耗優(yōu)化和預(yù)測(cè)系統(tǒng)功能包括：原始數(shù)據(jù)錄入，輸出數(shù)據(jù)離散化結(jié)果，輸出關(guān)聯(lián)分析結(jié)果，輸出灰色預(yù)測(cè)以及神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果。系統(tǒng)界面如圖5-2所示。圖5-2系統(tǒng)界面圖Fig5-2Systeminterfacediagram下面對(duì)幾個(gè)重要功能做簡(jiǎn)要介紹。（1）原始數(shù)據(jù)錄入：查詢、輸入、修改系統(tǒng)內(nèi)各類生產(chǎn)數(shù)據(jù)。這些數(shù)據(jù)包括：聯(lián)

【參考文獻(xiàn)】：
期刊論文
[1]一種基于高斯混合模型的海上浮標(biāo)軌跡聚類算法[J]. 荊曉剛,葛麗閣,孫偉.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(36)
[2]基于大數(shù)據(jù)分析的油氣生產(chǎn)設(shè)備故障多維分析與預(yù)測(cè)[J]. 趙長(zhǎng)軍.  中國(guó)市場(chǎng). 2017(12)
[3]淺析大數(shù)據(jù)技術(shù)的發(fā)展[J]. 黃楚鵬.  現(xiàn)代經(jīng)濟(jì)信息. 2017(01)
[4]基于大數(shù)據(jù)的油氣集輸系統(tǒng)生產(chǎn)能耗時(shí)序預(yù)測(cè)模型[J]. 檀朝東,項(xiàng)勇,趙昕銘,王輝萍,高麗潔.  石油學(xué)報(bào). 2016(S2)
[5]基于智能油氣田云平臺(tái)的SmartConPetro油氣生產(chǎn)大數(shù)據(jù)挖掘系統(tǒng)技術(shù)研究[J]. 劉萍,樊金丁,孫江華,楊若谷,宋健.  數(shù)碼設(shè)計(jì). 2016(03)
[6]基于大數(shù)據(jù)的高含硫天然氣脫硫工藝優(yōu)化[J]. 辜小花,邱奎,李太福,王坎,唐海紅,商劍峰.  天然氣工業(yè). 2016(09)
[7]油氣生產(chǎn)大數(shù)據(jù)挖掘系統(tǒng)的研究及應(yīng)用[J]. 檀朝東,張恒汝,馬永忠,楊兵,王輝萍.  數(shù)碼設(shè)計(jì). 2016(01)
[8]第三次工業(yè)革命背景下世界油氣的發(fā)展路徑[J]. 孫德強(qiáng),張涵奇,張國(guó)生,鄭軍衛(wèi),張映紅,賈智彬.  中國(guó)能源. 2016(05)
[9]中國(guó)能源行業(yè)未來五年發(fā)展風(fēng)向標(biāo)——《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃綱要》能源發(fā)展摘編[J].   石油石化綠色低碳. 2016(02)
[10]基于云平臺(tái)大數(shù)據(jù)高效的成品油損溢管理模式[J]. 羅文彬,何才寧.  石油庫與加油站. 2016(02)

博士論文
[1]基于Napofics多維泰勒網(wǎng)的非線性時(shí)間序列建模及預(yù)測(cè)研究[D]. 林屹.東南大學(xué) 2016
[2]云計(jì)算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D]. 許玉杰.大連海事大學(xué) 2014
[3]基于集成算子的多屬性決策與時(shí)間序列預(yù)測(cè)方法[D]. 劉金培.天津大學(xué) 2012

碩士論文
[1]數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則算法研究與應(yīng)用[D]. 滕子牧.遼寧科技大學(xué) 2015
[2]基于數(shù)據(jù)挖掘的移動(dòng)通信業(yè)終端營(yíng)銷活動(dòng)客戶拆包預(yù)測(cè)研究[D]. 韓雪雪.昆明理工大學(xué) 2014
[3]基于回歸分析的山東省就業(yè)人口預(yù)測(cè)模型及數(shù)據(jù)失真分析[D]. 宋茹茹.華中師范大學(xué) 2013
[4]基于權(quán)重設(shè)計(jì)的聚類融合算法研究及應(yīng)用[D]. 李丹丹.遼寧工程技術(shù)大學(xué) 2009
[5]模糊C-均值聚類算法及其在圖像分割中的應(yīng)用[D]. 李麗麗.山東師范大學(xué) 2009
[6]基于領(lǐng)域知識(shí)庫的程序代碼挖掘系統(tǒng)研究[D]. 倪海峰.東華大學(xué) 2009
[7]關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘方法的研究與實(shí)現(xiàn)[D]. 蘭天.西安科技大學(xué) 2008
[8]基于神經(jīng)網(wǎng)絡(luò)模型的企業(yè)財(cái)務(wù)困境預(yù)警研究[D]. 方瑞.西北農(nóng)林科技大學(xué) 2008
[9]聯(lián)合站工藝優(yōu)化設(shè)計(jì)研究[D]. 李巖芳.中國(guó)石油大學(xué) 2007
[10]大慶采油三廠集輸系統(tǒng)能量利用最優(yōu)化研究[D]. 單孝森.大慶石油學(xué)院 2007



本文編號(hào)：3565136