张梦轩，刘洪辰，王敏，蓝兴英，石孝刚，高金森

（中国石油大学（北京）重质油国家重点实验室，北京102249）

化学工业作为中国制造业的重要的组成部分之一，既是经济社会发展的支柱产业，也是实体经济的重要基石[1]，根据2018年末统计结果显示，化学工业占国内规模工业总份额的12.7%，同比增长12.4%[2-3]，其对国内经济、工业、民生的重要性不言而喻。为应对传统炼化行业中存在的产能过剩、成本上升、效益下滑、资源环境约束等问题[4]，近年国家制订了《新一代人工智能发展规划》、《智能制造发展规划》等纲领性文件，结合先进控制系统、建模与仿真技术、人工智能理论、核心软硬件的快速发展，将智能炼化相关研究与建设提上了“快车道”[5-8]。智能化研究与建设的主要应用场景包括大至炼厂全厂，小至单元设备的模拟、监测、优化、预测等，并对解决问题的速度、精度、敏捷性等提出了更高的要求，对研究对象建立合适的数学物理模型是实现上述应用场景的基础，国内外学者围绕化工过程建模展开了大量研究，并取得了一定的成果[9-11]。

目前根据建模过程对系统知识和过程数据的需求关系，化工过程模型可以分为机理模型、数据驱动模型、混合模型三大类。机理模型，也被称作第一性原理模型（first principle model,FPM），主要是依据三大守恒定律、热力学、动力学、流体和颗粒性质等推导出的过程模型，能有效地反映工艺特点及规律，具有很好的可解释性和外推性，并可以用于指导实际过程的设计。……