[發明專利]一種煉化過程自適應數據驅動的早期故障監測方法及裝置

有效

• 申請號: 201610131396.2
• 申請日: 2016-03-09
• 公開（公告）號: CN105700517B
• 公開（公告）日: 2018-10-12
• 發明（設計）人: 胡瑾秋;蔡戰勝;張海捷;張來斌;馬曦
• 申請（專利權）人: 中國石油大學(北京);中海石油華岳化工有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王濤

1.一種煉化過程自適應數據驅動的早期故障監測方法，其特征在于，包括：

獲取煉化過程生產裝置的監測參數的歷史數據；

確定歷史訓練數據的滑動窗口長度和步長；

根據所述滑動窗口長度和步長在監測參數的歷史數據中確定歷史訓練數據，并自歷史訓練數據的初始歷史訓練數據每隔一個步長時間更新一次所述歷史訓練數據；所述初始歷史訓練數據為確定歷史訓練數據的初始時刻之前的一滑動窗口長度的歷史數據；

對所述歷史訓練數據進行列向標準化處理，形成標準化歷史訓練數據；

根據主成分分析方法將所述標準化歷史訓練數據進行分解；

根據分解后的標準化歷史訓練數據確定主成分分析統計量SPE指標控制限；

獲取煉化過程的實時測量數據，并將所述實時測量數據確定為待測試樣本數據；

根據當前更新后的歷史訓練數據，確定待測試樣本數據的SPE指標；

根據所述待測試樣本數據的SPE指標與所述SPE指標控制限進行比較；

若所述待測試樣本數據的SPE指標大于等于所述SPE指標控制限，確定煉化過程生產裝置處于異常工況狀態。

2.根據權利要求1所述的煉化過程自適應數據驅動的早期故障監測方法，其特征在于，根據所述滑動窗口長度和步長在監測參數的歷史數據中確定歷史訓練數據，并自歷史訓練數據的初始歷史訓練數據每隔一個步長時間更新一次所述歷史訓練數據，包括：

確定所述監測參數的初始歷史訓練數據矩陣為：其中，l₀為歷史訓練數據長度；m為所述監測參數的歷史訓練數據的過程變量個數；

在每隔一個步長D時更新一次所述歷史訓練數據；第k次更新的歷史訓練數據為：

3.根據權利要求2所述的煉化過程自適應數據驅動的早期故障監測方法，其特征在于，對所述歷史訓練數據進行列向標準化處理，形成標準化歷史訓練數據，包括：

根據公式：

確定所述標準化歷史訓練數據X_k′；其中，x_i,j′為所述標準化歷史訓練數據中第i行第j列的數據；x_i,j為歷史訓練數據X_k中第i行第j列的數據；μ_j為第j個過程變量歷史訓練數據的均值；σ_j為第j個過程變量歷史訓練數據的標準差。

4.根據權利要求3所述的煉化過程自適應數據驅動的早期故障監測方法，其特征在于，根據主成分分析方法將所述標準化歷史訓練數據進行分解，包括：

根據主成分分析方法將所述標準化歷史訓練數據X_k′分解為：

其中，為標準化歷史訓練數據X_k′在主元子空間中的估計；E為標準化歷史訓練數據X_k′在殘差子空間上的投影，即主成分分析模型的估計殘差矩陣；T∈R^L×A，T為得分矩陣，所述得分矩陣表示主成分分析模型的前A個主元對應的得分向量組成的矩陣；L為標準化歷史訓練數據長度；P^T為載荷矩陣P∈R^m×A的轉置，所述載荷矩陣P為前A個主元對應的負荷向量組成的矩陣，所述載荷矩陣P所支撐的空間為主元子空間；

確定所述標準化歷史訓練數據X_k′的協方差矩陣Σ：

其中，l_k為第k次更新后的歷史訓練數據長度；μ_j為第j個過程變量歷史訓練數據的均值；μ_i為第i個過程變量歷史訓練數據的均值。

5.根據權利要求4所述的煉化過程自適應數據驅動的早期故障監測方法，其特征在于，根據分解后的標準化歷史訓練數據確定主成分分析統計量SPE指標控制限，包括：

根據公式：

確定主成分分析統計量SPE指標控制限其中，λ_j為所述協方差矩陣Σ的第m-A個特征值；cα為標準正態分布在置信度水平α下的閾值；A為主成分分析模型的主元個數；m為所述監測參數的歷史訓練數據的過程變量個數。