| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 炼油常减压装置的能效研究现状 | 第8-9页 |
| 1.3 国内外诊断技术与能效优化的研究进展 | 第9-12页 |
| 1.3.1 诊断技术的国内外研究现状 | 第9-11页 |
| 1.3.2 常减压装置的优化国内外研究进展 | 第11-12页 |
| 1.4 课题研究意义及内容 | 第12-13页 |
| 1.5 论文组织结构 | 第13-14页 |
| 2 常减压装置的工艺原理与用能分析 | 第14-23页 |
| 2.1 常减压蒸馏工艺流程 | 第14-17页 |
| 2.1.1 原油初馏部分 | 第14-15页 |
| 2.1.2 常压蒸馏过程 | 第15-16页 |
| 2.1.3 减压蒸馏过程 | 第16-17页 |
| 2.2 常减压装置的用能分析 | 第17-19页 |
| 2.3 常减压装置的等级划分和能效指标 | 第19-20页 |
| 2.4 影响常减压装置拔出率的主要因素 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于PSO-SVM的常减压装置能效诊断 | 第23-38页 |
| 3.1 皮尔逊相关系数法原理 | 第23-24页 |
| 3.2 支持向量机分类的理论基础 | 第24-28页 |
| 3.2.1 支持向量机分类的基本原理 | 第24-27页 |
| 3.2.2 组合多类支持向量机 | 第27-28页 |
| 3.3 粒子群优化算法 | 第28-29页 |
| 3.3.1 粒子群算法的简介 | 第28页 |
| 3.3.2 粒子群算法的基本原理 | 第28-29页 |
| 3.4 基于PSO-SVM的常减压装置拔出率诊断模型 | 第29-37页 |
| 3.4.1 建立SVM的常减压装置拔出率双工况诊断模型 | 第29-33页 |
| 3.4.2 PSO优化SVM的模型参数 | 第33-35页 |
| 3.4.3 基于PSO-SVM诊断模型的仿真结果 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于PSO-LS-SVM的常减压装置能效优化 | 第38-46页 |
| 4.1 最小二乘支持向量机 | 第38-40页 |
| 4.2 基于LS-SVM的能效软测量建模 | 第40-42页 |
| 4.3 基于PSO的常减压装置能效建模优化 | 第42-45页 |
| 4.3.1 常减压装置能效优化模型建立 | 第42-43页 |
| 4.3.2 PSO优化操作参数的流程 | 第43页 |
| 4.3.3 优化结果及分析 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 炼油常减压装置能效管理平台的设计与实现 | 第46-60页 |
| 5.1 系统的需求分析 | 第46-47页 |
| 5.2 能效管理平台的整体设计 | 第47-49页 |
| 5.2.1 系统的框架设计 | 第47-48页 |
| 5.2.2 平台的功能设计 | 第48-49页 |
| 5.3 系统的开发技术介绍 | 第49-50页 |
| 5.4 界面功能的实现 | 第50-59页 |
| 5.4.1 三级监控部分 | 第51-55页 |
| 5.4.2 能效诊断模块 | 第55-57页 |
| 5.4.3 系统管理功能 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-66页 |