主要观点总结
本文介绍了在2024年夏季学期《大数据实践课》上，中国石化工程建设有限公司与清华大学软件学院共建的研究生专业实践基地的同学们所做的期末答辩汇报。课题旨在响应国家双碳目标号召，通过石化行业降低碳排放。研究重点是加氢处理过程的能耗因素，使用大数据和深度学习进行预测和工艺优化。研究内容包括数据集预处理、能耗因素筛选和精准预测。
关键观点总结
关键观点1: 背景与意义
课题旨在响应国家双碳目标，石化行业排放的二氧化碳量大，希望通过优化工艺降低能耗和碳排放。
关键观点2: 研究内容与挑战
研究内容包括数据集预处理、能耗因素筛选和精准预测。挑战在于现有研究方法模型搭建时间长、准确性及有效性验证困难，以及能耗与碳排放量预测与工艺流程模拟的对应难度大。
关键观点3: 数据集处理
对X（与能耗相关的因素）和Y（能耗输出）进行了预处理，包括归一化、时间序列可视化、DTW距离定量观测、特征提取等。
关键观点4: 特征筛选与模型选择
通过相关性分析和XGBoost进行特征筛选，考虑Y的自相关性和时间序列的滞后效应。最终选择GRU模型进行预测。
关键观点5: 预测结果
使用过去24小时的X和过去23小时的Y作为输入预测未来一个时间点的Y，预测误差在18%左右。
文章预览
以下内容整理自2024年夏季学期《大数据实践课》中国石化工程建设有限公司与清华大学软件学院共建的研究生专业实践基地的同学们所做的期末答辩汇报。 各位老师同学好，我们是炼化装置能耗、碳排放预测模型开发小组，我们将从以下四个部分进行汇报。 首先简要介绍一下我们的课题目的。我们总体的背景是为了响应国家实现双碳目标的号召，因为石化行业的生产过程，排放的二氧化碳在全国的碳排放中占的比例也非常大。因此我们希望能够通过石化行业来降低碳排放，从而实现国家的一个双碳目标。 加氢处理过程是石油炼化的一个核心环节，然而这个环节它需要高温和高压，所以需要消耗大量的热能和电能，因此找出加氢处理环节中与能耗相关的因素，优化相关工艺，并且调控能耗是实现节能减排的关键。 现有的一些研究方法，比
………………………………
