研究背景与问题

在石油化工行业中，蒸发气体（Boil-off Gas, BOG）再冷凝系统是一个重要的节能减排环节。然而，由于系统复杂性高，传统的方法在预测最小外输量和总能耗方面存在较大困难。本研究旨在解决这一问题，通过建立精确的预测模型，揭示各工艺参数对最小外输量和总能耗的影响规律，为BOG再冷凝系统的优化提供理论依据。

研究方法

本研究采用HYSYS软件搭建BOG再冷凝系统的机理模型，利用Python-HYSYS交互技术进行批量计算，构建系统样本数据库。首先，对系统进行详细的物料和能量平衡分析，确保模型的准确性和可靠性。其次，通过机器学习中的AutoML技术，对大量样本数据进行训练，建立最小外输量和总能耗的预测模型。最后，采用SHAP（SHapley Additive exPlanations）方法对模型进行解释，分析各工艺参数的影响。

核心结果

本研究成功建立了基于HYSYS-AutoML-SHAP的BOG再冷凝系统最小外输量与总能耗的预测模型。模型预测结果表明，在一定的工艺参数范围内，最小外输量和总能耗存在显著的相关性。通过SHAP分析，发现冷却剂温度、再冷凝压力和冷却剂流量等参数对最小外输量和总能耗的影响较大。此外，模型预测结果与实际运行数据具有较高的吻合度，证明了模型的有效性。

结论与意义

本研究建立的预测模型为BOG再冷凝系统的最小外输量和总能耗预测提供了有效手段。通过模型分析，揭示了各工艺参数对系统性能的影响规律，为系统优化提供了理论依据。此外，本研究有助于提高BOG再冷凝系统的运行效率，降低能耗，实现节能减排的目标。同时，该模型也可应用于其他类似系统的预测与分析，具有一定的推广价值。