4、一个大模型实现多设备自监督

基于1个大模型的实现装置设备监测、预警全覆盖，降低实施成本，实施周期缩短50% 70%, 提升实施效率。

5、实现早期设备异常预警

TPT大模型通过分析高频与低频数据特征，结合工艺与设备数据，实现早期的设备异常预警，减少过度检维修。使设备安稳长满优运行。

6、降低故障诊断专家依赖

通过对高低频异常数据进行分析，实现更精准的故障问题定位，减少误报，结合大语言模型生成诊断报告，降低对专家分析依刺

典型案例

某炼化有限公司

应用效果：

TPT大模型在常减压装置首先实现对常顶一级油的终馏点预测，大模型准确地据实时的操作参数及塔运行情况预测出终馏点温度。基于终馏点预测，实现对常顶一级油调整的动态操作路径规划。模型推优结果经现场开环验证执行、操作，较传统人工经验操作稳定达到终馏点目标提前时间约1.5h，缩短调整时间、稳定重整石脑油质量。根据油品差价测算，可以减少因调整不及时导致的原油加工损失成本≥200万/年。

在常减压加热炉上，大模型通过常减压加热炉操作优化提升加热效率，结合APC实现优化+控制，降低燃料气消耗0.5% 以上。

在设备异常预警及故障诊断方面，利用大模型，实现了某石化企业常减压装置70余台核心泵等关键设备全覆盖进行异常预警及故障诊断。5个月已累计发现常减压装置的5类典型故障和异常提前预警及诊断分析，异常提前预警准确率达95%以上。

Industrial Al

流程工业时序大模型TPT常减压装置TPT解决方案

动态路径规划与操作优化设备异常预警及故障诊断

背景

4大痛点

1、生产原油性质变化大，工艺操作参数波动大，控制难度大

常减压装置原料来源多样，经调和后轻重组分不一，原料性质变化比较频繁，从而对后续流程的气液相负荷及温度、压力和流量等操作参数产生影响，如果调整不及时，工艺参数将产生较大的波动，进一步增加了控制的难度。

2、加工方案多变，操作员劳动强度大

由于受到内外部市场原因、价格波动，需要针对不同的原料制定不同的加工方案，在调整加工方案时，人工操作劳动强度大，据典型统计，平均油品切换2次/周，每次常顶一级油终馏点指标调整后，需要操作5\~8h才能稳定，因常顶一级油加工指标更换需手动操作塔温8000余次/年。

3、在线仪表化验周期长，无法实时指导操作，难以实现过程操作优化

典型常减压装置配备多个在线分析点及多项化验分析指标，在线化验分析平均时长1.5\~2h/次。周期较长，无法实时指导生产操作，人工凭经验操作后往往需要在线仪表的结果进行最终状态的判断。在加工方案调整时，人工操作过渡时间长，难以依据经验与在线仪表分析结果实现过程的操作优化。

4、设备体量大，传统监测成本高，设备故障案例少，诊断长期依赖专家经验

大型关键设备体量大，如泵、风机、压缩机等基于传统监测模式投资成本高，目前仍缺乏有效的监测，设备大多运行在正常工况，故障样本需要长期积累，传统基于特征库匹配的故障诊断受传感器加装位置、设备类型等影响，故障类型、维护方式等长期依赖专家经验。

方案概述

中控技术自主研发的基于生成式Al算法及海量工业数据训练而成的流程工业时序大模型TPT（Time-series Pre-trained Transform-er)，拥有模拟和预测能力，可模拟分析工艺参数、生产指标运行状态，设备健康状况，能预测工艺参数、生产指标、设备健康的未来变化趋势。

在常减压装置的应用实施方案中，通过时序TPT大模型、结合DeepSeek行业知识大语言模型形成4大应用，实现对常减压装置生产过程的质量预测、生产操作优化、智能信息生成与设备异常诊断。

价值与效益

用户价值

1、质量预测降低检化验成本

对原料数据、操作参数及运行工况建立质量预测模型，实现不同工况下实时质量分析预测，降低离线化验成本。同时识别质量异常原因，通过采取措施提升质量。

2、操作路径规划指导降低加工损失

在工况调整时，利用动态路径规划给出动态操作路径指导，弥补稳态优化在动态优化上的不足。

3、工艺操作优化与控制实现节能降耗

通过大模型对常压塔、减压塔、加热炉进行操作优化，实时指导工艺操作，实现节能降耗。