[發(fā)明專利]基于卡爾曼濾波與灰色預(yù)測的化工異常工況趨勢預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201310129891.6
• 申請日: 2013-04-15
• 公開（公告）號: CN103226737A
• 公開（公告）日: 2013-07-31
• 發(fā)明（設(shè)計）人: 趙勁松;王杭州;朱劍鋒;陳丙珍;邱彤
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 西安智大知識產(chǎn)權(quán)代理事務(wù)所 61215
• 代理人: 賈玉健

技術(shù)領(lǐng)域

本發(fā)明屬于工況預(yù)測技術(shù)領(lǐng)域，特別涉及一種基于卡爾曼濾波與灰色預(yù)測的化工異常工況趨勢預(yù)測方法。

背景技術(shù)

化工生產(chǎn)過程的壓力高、自動化程度高、生產(chǎn)工藝復(fù)雜、連續(xù)性強、工藝參數(shù)要求苛刻，化工生產(chǎn)過程中涉及的原料、中間體和產(chǎn)品多數(shù)有毒、易燃、易爆，系統(tǒng)設(shè)備一旦發(fā)生故障引發(fā)事故，必將造成巨大的經(jīng)濟損失，嚴重的生態(tài)災(zāi)難，引起巨大的社會反響。另一方面，隨著科技的發(fā)展，化工設(shè)備系統(tǒng)正朝大規(guī)模、復(fù)雜化的方向發(fā)展，化工裝置的控制系統(tǒng)復(fù)雜，控制回路與測量點多，操作條件多變，使得維持化工裝置正常運行、在異常工況采取正確的決策變得非常困難。

化工裝置的運行情況可以分為正常狀況、異常狀況和緊急狀況。在化工設(shè)備正常運行情況下，可以通過建立數(shù)學(xué)模型來模擬流程，優(yōu)化操作條件、改善控制效果等。但是，在異常情況下，化工過程的拓撲結(jié)構(gòu)都有可能發(fā)生變化，正常運行狀況下的數(shù)學(xué)模型將不能反映化工過程的特征，此時如何預(yù)測化工過程關(guān)鍵變量的發(fā)展趨勢，從而及時給出可靠的決策依據(jù)，進而采取相應(yīng)措施排除異常工況盡可能防止進入緊急工況，這是具有重要意義而且亟待解決的問題。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)的缺點，本發(fā)明的目的在于提供一種基于卡爾曼濾波與灰色預(yù)測的化工異常工況趨勢預(yù)測方法，適用于化工過程發(fā)生異常工況甚至事故初期一些關(guān)鍵監(jiān)控變量的發(fā)展趨勢預(yù)測。

為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

一種基于卡爾曼濾波與灰色預(yù)測的化工異常工況趨勢預(yù)測方法，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(tǒng)主要變量的數(shù)值，使用卡爾曼濾波校正測量數(shù)據(jù)得到更加真實的實際運行數(shù)據(jù)；

第二步，從校正得到的更加真實的歷史數(shù)據(jù)記錄中選擇一組連續(xù)的數(shù)值，使用灰色系統(tǒng)理論建立預(yù)測系統(tǒng)，計算分析系統(tǒng)變量的變化趨勢；

第三步，通過分析預(yù)測結(jié)果，采取相應(yīng)的處理措施；

第四步，不斷采集數(shù)據(jù)并使用卡爾曼濾波校正數(shù)據(jù)并從中選擇數(shù)據(jù)作為建立灰色預(yù)測系統(tǒng)的輸入值，持續(xù)更新預(yù)測系統(tǒng)的模型，計算分析系統(tǒng)主要變量的變化發(fā)展趨勢；

第五步，根據(jù)動態(tài)的預(yù)測結(jié)果，采取相應(yīng)的措施直到極端情況解除，或者進入緊急工況緊急停車。

所述主要變量包括溫度以及壓力。

將所述主要變量記為x，x=(x(1),x(2),…,x(n₀))，共有n₀個數(shù)據(jù)，x不斷記錄測量數(shù)據(jù)，則n₀隨著時間的推移不斷增大，所述數(shù)據(jù)是等時間間隔的采樣測量數(shù)據(jù)。

對x=(x(1),x(2),…,x(n₀))使用卡爾曼濾波校正方法如下：

構(gòu)造系統(tǒng)的狀態(tài)方程：X(t+1)=F*X(t)+W；

構(gòu)造系統(tǒng)的觀測方程：Y(t)=H*X(t)+V

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

F,H分別為狀態(tài)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(tǒng)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(tài)值X(0)及t時刻內(nèi)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(tài)向量X(t)的實際值進行預(yù)測校正，計算得到