石油化工建设中的计算机数据整合范文

摘要：作为近些年的支柱产业之一，石油化工不断向着科学化、信息化方向进步。企业建设中计算机数据整合开始成为研究重点。在石油化工建设中的计算机数据整合分析中，阐述了计算机数据整合方法设计。从原始数据采集和预处理开始，完成石油化工建设数据实时测量、实时测量数据处理、构建数据软测量模型，最终实现计算机数据集成，并且将数据整合结果进行展示。此外，通过实验进行论证，明确计算机数据整合方法具有良好的实践效果。

关键词：数据整合；石油化工；计算机；监测

在石油化工项目建设中，大部分情况下，工程建设时间较长，并且会受到外界影响的因素很多[1]。因此，在石油化工建设中需要很多专业人员，统一进行项目管理决策，根据实际问题提供解决措施[2]。并且由于其面对问题的不同，很难将前人经验运用于当前项目。一定程度上降低了建设效率[3]。然而，伴随着信息化的应用与进步，信息技术工具开始在石油化工建设中得到广泛应用。本文以石油化工建设中计算机数据整合分析为核心，将计算机信息化应用于石油化工建设，设计完整、有效的数据整合方法。并且通过实验，对该方法的效果进行论证，希望可以促进石油化工建设中的数据管理，提升建设效率。

1石油化工建设中的计算机数据整合方法设计

以现代化计算机技术为核心的数据整合方法设计主要包括以下几个部分：原始数据采集和预处理、石油化工建设数据实时测量、实时测量数据处理、构建数据软测量模型、计算机数据集成，以及计算机数据整合结果展示。

1.1原始数据采集和预处理

首先要进行的是计算物料平衡，在这个过程中，要将项目中涉及的生产装置、产品、油罐等数据进行采集，并将数据互相之间的关系进行计算。由于仪器精度和其他因素的影响，会导致采集数据的误差，从而影响最终数据整合的准确度。因此，在石油化工建设原始数据采集后，通过检验法和数字滤波法进行处理，完成数据校正工作。从而实现数据的采集和预处理。

1.2石油化工建设数据实时测量

在数据实时测量的过程中，由于人为原因、测量错误，往往会伴随着一些大的误差，以工艺流程中的某一部分为例，如图1所示：其中A、B、C、D分别表示为四个节点，所代表的是相关生产装置或者油罐等设备。实线箭头S1~S6所代表的是物流，并且该物流具有测量值。虚线箭头S7、S8表示的是缺数。其进料与出料的测量值是不平衡的。关于缺数S7、S8，可以根据质量平衡等式进行计算，但是由于测量值的误差，导致计算结果并不准确。以S4为例，原始测量值为30.6，以C节点为质量平衡计算后。

1.3实时测量数据处理

关于统计数据测试方法，主要包括以下两个方面。一方面利用两极统计测试方法，对于大误差数据进行剔除。初始阶段为全局的测试，确定存在大误差数据的区域。第二阶段就是测量测试，将造成误差的仪表进行隔离，完成数据误差的降低。另一方面，是串联消除技术，在测量测试的结果进行误差数据消除之后，对其余数据进行整合，并且重复上述过程，直到大误差数据完全消失。

1.4构建数据软测量模型

为了确保分析数据与实时测量数据之间保持着统一的频率，利用统计回归的手段，采用差值进行数据实时预测分析。对因频率差产生的数据障碍进行清除。数据软测量的强调重点，在于以预测变量为辅变量、主导变量为因变量的模型建造。以生产工艺和工程为基础，明确一系列辅变量，通过逐步回归方法选择其中最优的。最终以部分最小二乘法为依托，将模型建立完成。软测量模型的建造完成，对于主导变量起到了预测作用。然而随着模型使用时间的延长，往往预测精度有所降低，可以采用在线和连续建模的方式进行校正。将预测效果控制在标准误差之内。

1.5计算机数据集成

计算机数据整合的完成，还包括一项重要工作，就是数据集成。数据集成的核心工作是ETL，也就是数据抽取、转换、装载的实现。在本文研究中，采用MicrosoftSQLServer2020IntegrationSer－vices(SSIS)作为工具，完成数据集成工作。在对服务完成调度之后，将扩展组件进行自定义设置，完成数据增t的提取工作。对数据集成过程的调度、监控进行实现。数据集成的作用，除了将数据从平台数据库加载至主题数据库外，还可以完成异构数据源到主题数据库，除此之外，还可以进行数据管理。选择某一个平台作为企业主题数据库，满足数据中心建设的需求，并且尽量使得平台转换简单一些，从而加强数据集成中心的稳定性。

1.6数据整合结果展示

计算机数据整合方法建设完成后，对实时数据进行测量与处理，并且通过数据软测量预测，确保实时测量数据与分析数据频率一致。之后通过数据集成中心将数据整合结果，以表格形式展示出来。通过实际应用于柴油初馏点的即时分析过程，得出计算结果及误差分析。根据表1实际应用结果分析可以看出：通过数据整合得出数值结果与实际结果之间相比较，误差保持在1%左右，在工艺误差范围内，也就是说计算机数据整合结果有足够的应用效果。

2实验论证分析

为了确保本文提出数据整合方法在实际应用中可以产生良好的效果，特进行实验论证。为了保证实验的科学性，选择两种传统的数据整合方法，与本文所提出的计算机数据整合方法进行对比。实验采用同一家炼油企业进行数据整合实验，其企业数据较为繁杂，包括几十套生产装置、上百个油罐、以及上千条物流链路、还有各种仪表设备。首先，分别采用两种传统的数据整合方法，对于该企业生产数据进行整合，并将整合数据的准确度进行记录。将其与实际数据对比，计算其准确度。然后，采用本文所提出方法，预先将企业原始数据采集和预处理，随后对该企业的实时数据进行测量与处理后，再通过数据软测量模型进行预测，从而保证数据分析的实时性。最后通过数据集成中心，完成数据的转换等工作，最终依据形成的数据整合表格，计算整合数据的准确度。根据所得结论，本文所提出的数据整合方法其准确度远远高于传统方法。在同样的时间条件下，本文所提出方法从10s开始，其准确度就开始保持在90%以上，而且相当稳定。而传统方法1的准确度始终保持在60%左右。传统方法2的准确度保持在80%左右。因此，我们可以了解到，在石油化工建设中，本文所设计的计算机数据整合方法，通过更为全面的考虑与设计，再加上算法与软件的合理应用，将企业内的数据整合准确性提到最高，可以以此作为充分的依据，完成生产统计报表和平衡报表。该项数据整合方法可以有效提高项目管理水平，增强管理效率。数据实时的更新，以及数据软测量模型的维护，都有利于数据准确度的最大提升，通过信息化获得的数据整合，可以为企业发展提供更好的基础。通过本文的研究，促进了信息化在石油化工建设中的应用，实现了数据整合的自动化，使得企业分析统计人员的工作量得以降低。提高了数据整合的准确率，同时提升了工作效率。

参考文献：

［1］李雪梅.石油化工专业群对区域经济建设的影响研究———评《石油化工经济学———碳约束时代的技术选择》[J].有色金属工程,2021,11(1):141.

［2］侯超.信息化管理、模块化、工厂化预制在大型石油化工建设项目中的应用探究[J].化工管理,2020(6):99-101.

［3］刘孙发,林志兴.基于虚拟化技术的服务器端数据整合系统设计研究[J].现代电子技术,2020,43(2):77-79+83.

作者:郑泽文 单位:广东工业大学华立学院