[發明專利]基于卡爾曼濾波與灰色預測的化工異常工況趨勢預測方法

有效

• 申請號: 201310129891.6
• 申請日: 2013-04-15
• 公開（公告）號: CN103226737A
• 公開（公告）日: 2013-07-31
• 發明（設計）人: 趙勁松;王杭州;朱劍鋒;陳丙珍;邱彤
• 申請（專利權）人: 清華大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 賈玉健

1.一種基于卡爾曼濾波與灰色預測的化工異常工況趨勢預測方法，其特征在于，包括以下步驟：

第一步，在超過化工過程體系正常運行的閾值，進入異常工況后開始采集系統主要變量的數值，使用卡爾曼濾波校正測量數據得到更加真實的實際運行數據；

第二步，從校正得到的更加真實的歷史數據記錄中選擇一組連續的數值，使用灰色系統理論建立預測系統，計算分析系統變量的變化趨勢；

第三步，通過分析預測結果，采取相應的處理措施；

第四步，不斷采集數據并使用卡爾曼濾波校正數據并從中選擇數據作為建立灰色預測系統的輸入值，持續更新預測系統的模型，計算分析系統主要變量的變化發展趨勢；

第五步，根據動態的預測結果，采取相應的措施直到極端情況解除，或者進入緊急工況緊急停車。

2.根據權利要求1所述的基于卡爾曼濾波與灰色預測的化工異常工況趨勢預測方法，其特征在于，所述主要變量包括溫度以及壓力。

3.根據權利要求1所述的基于卡爾曼濾波與灰色預測的化工異常工況趨勢預測方法，其特征在于，將所述主要變量記為x，x=(x(1),x(2),…,x(n₀))，共有n₀個數據，x不斷記錄測量數據，則n₀隨著時間的推移不斷增大，所述數據是等時間間隔的采樣測量數據。

4.根據權利要求3所述的基于卡爾曼濾波與灰色預測的化工異常工況趨勢預測方法，其特征在于，對x=(x(1),x(2),…,x(n₀))使用卡爾曼濾波校正方法如下：

構造系統的狀態方程：X(t+1)=F*X(t)+W；

構造系統的觀測方程：Y(t)=H*X(t)+V

其中X(t)為狀態向量，其中X(t)=x(t)dx(t),]]>x(t)為t時刻測量數據，dx(t)為t時刻數據的變化率，Y(t)為觀測數據，其中Y(t)=[x(t)]；

F,H分別為狀態矩陣和觀測矩陣，其中F為2×2矩陣，H為1×2矩陣；

W,V分別為系統控制矩陣和觀測噪聲矩陣，其中W為2×1矩陣，V為1×1矩陣；

通過初始狀態值X(0)及t時刻內所有n₀個觀測值

Y(1)=x(1),Y(2)=x(2),…,Y(t)=x(n₀)

對t時刻狀態向量X(t)的實際值進行預測校正，計算得到

x~=P(X(t)|Y(1),...,Y(t)).]]>

5.根據權利要求4所述的基于卡爾曼濾波與灰色預測的化工異常工況趨勢預測方法，其特征在于，使用灰色系統理論建立預測系統并計算分析系統變量變化趨勢的方法如下：

步驟1，在的n₀個數據中取n個數據，n≤n₀，進行灰度預測模型的發展趨勢的預測，記該組用來預測的原始數據為x⁽⁰⁾，其中

x⁽⁰⁾=(x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n))，

x⁽⁰⁾共有n個連續測量的數據；

步驟2，對預測基準數據進行累加，減小隨機誤差，得到數據序列x⁽¹⁾，

x⁽¹⁾=(x⁽¹⁾(1),x⁽¹⁾(2),…,x⁽¹⁾(n))

其中x⁽¹⁾(t)中各數據表示對應前幾項的累加：

x(1)(t)=Σk=1tx(0)(k),]]>t=1,2,…,n

步驟3，構建矩陣B和向量Y_n，具體形式如下：

B=-0.5(x(1)(1)+x(1)(2))1-0.5(x(1)(2)+x(1)(3))1......-0.5(x(1)(n-1)+x(1)(n))1]]>

Yn=x(0)(2)x(0)(3)...x(0)(n)]]>

步驟4，對x⁽¹⁾(t)建立x⁽¹⁾(t)的一階線性微分方程：

dx(1)dt+ax(1)=u]]>

其中，a和u為系統相關的未知數，其中a和u構成一組向量，記作求解的表達式為

步驟5，將代入得到x⁽¹⁾(t+1)的表達式

由于是近似值，所以是一個近似表達式，求取系統趨勢預測數據x⁽⁰⁾的近似表達式具體如下：

通過計算，對體系關鍵變量的未來的發展趨勢進行預測：