近日，九江石化煉油運行三部工藝員段弘磊照例輕點鼠標，打開催化裂化大數據分析系統，只見一個沉降器的內構圖映入眼簾，各種色彩的實時數據閃爍其間。數據顯示，1號催化裂化裝置沉降器當日結焦量下降至60千克以下。困擾裝置的運行難題成功解決。

段弘磊操控的智能系統叫作催化裂化大數據分析系統，能夠每天對沉降器劃分的800余萬個區域參數進行實時統計，并構建油氣流動模擬，通過數字模型、顆粒軌道模型等手段形成樣本數據，進行比對分析，找出結焦原因，從而優化生產，減少結焦量。“我們把它叫作智能‘啄木鳥’，是我們催化裝置的‘醫生’。”段弘磊介紹說。

沉降器是催化裝置的重要組成部分。由于催化裂化過程溫度較高，產生的油氣中存在較多的重組分，很容易在塔器內形成焦塊，當達到一定程度時，就會堵塞氣固分離的設備——旋風分離器，嚴重影響生產。過去，催化裂化這套效益裝置常年受此“頑疾”侵擾。催化裂化是煉化企業生產汽柴油最重要的二次加工裝置，也是煉油加工工藝最復雜的裝置之一。如何減少催化裂化裝置結焦，一直是行業的大難題。

在傳統解決方案中，由于密閉生產，除非檢修，否則無法看到內部結焦情況。什么情況會結焦，會在哪個部分結焦，結焦量有多少？一切都是未知數，只能憑經驗判斷。為此，九江石化決定建設催化裂化大數據分析系統。

攻關團隊通過一年多的觀察和研究，基于結焦率的預測模型，采集有效樣本數11萬組，通過排查原因，測算分析了結焦量，發現溫度、速度、渦流強度是影響結焦的關鍵因素，最終找到了結焦參數關聯，并建立了生產報警預警模型、操作參數優化模型。經過驗證，系統判斷與實際情況的吻合率達95%以上，解決了結焦這個不可測變量的定量化問題。

系統上線后，這個智能“啄木鳥”會自主監控、預測沉降器結焦量、結焦部位、結焦速率等參數。如果結焦量突然增大，系統會迅速報警，并分析原因和對策，依據系統進行生產調整，能切實有效延長裝置運行周期，實現裝置高效運行。

過去每次檢修，需要7個人連續作業20天，才能清除全部的150多噸的焦炭，相當于20平方米辦公室那么大的焦塊。現在，不僅不用擔心結焦對裝置的影響，而且停工檢修時只需要不到1/3的人力，就能完成清焦工作。

作為中國石化首個催化裂化裝置大數據技術應用系統，該系統的應用，實現了由“單純數據”到“為操作決策”的轉變，進一步拓展了智能化在煉化企業高難度裝置的深化應用，助推石化行業智能制造的發展。