洛阳石化的多层神经网络模型技术在2020年9月首次应用于直柴加氢装置。应用数据显示，该技术可提前2小时预测硫含量，并有效降低装置波动，延长催化剂使用寿命，每月可节约成本170多万元。
据洛阳石化公司信息中心经理付岷介绍，该公司直柴加氢装置的模型存在着建立过程复杂、耗时长、灵活性不足等问题，在装置稳态情况下预测效果较好。由于原料及生产工况复杂、工艺更改频繁，通过机理建模无法适应生产的变化，加上只能通过经验来调整装置反应深度，很难实现精制柴油产品硫含量控制的卡边操作，无法准确预测精制柴油产品中硫含量，进而影响产品质量，增加了能耗和物耗。
为了更准确预测硫含量，2018年6月该公司科技人员深入调研直柴加氢装置工艺流程，查找所有可能影响硫含量的测点39个，从实时数据库中提取并过滤出有效数据4500万条，从实验室信息管理系统数据库中提取化验值1143条，分析筛选影响精制柴油硫含量的数据。他们还开展基于多层神经网络机器学习的建模与预测技术研究，建立了柴油加氢装置反应器的多层神经网络模型。
“该模型不仅可定期自动更新，更好地适应生产调整的变化，还可以在线实时预测硫含量，甚至可以提前2小时预测硫含量，有效降低了装置波动，延长了催化剂的使用寿命。同时，它还能保证产品质量、节约成本。”付岷说。
据介绍，该模型采用先进软件整体架构技术、人工智能技术和大数据挖掘技术，且该技术被应用于石化行业同类装置尚属首次。同时，该模型的应用降低了劳动强度和工作成本，减少了工艺调整过程对操作人员经验的依赖，也为企业培养了一批信息化建设技术骨干。
下一步，洛阳石化将建立催化裂化装置反应器的多层循环神经网络模型，开发神经网络模型训练、测试系统和在线实时预测系统，实现对反应深度的在线实时预测。同时，他们将根据各项反应条件的变化预测产品分布，指导生产优化，以增产高附加值产品，减少能耗和物耗。