[發明專利]一種流程工業過程狀態異常的預警方法

有效

• 申請號: 201710750153.1
• 申請日: 2017-08-28
• 公開（公告）號: CN107390661B
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 陳夕松;蔣立沫;蘇曼;梅彬
• 申請（專利權）人: 南京富島信息工程有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 劉暢;夏平

本發明公開了一種流程工業過程狀態異常的預警方法，首先設定趨勢和限值的預警信息，按照工況趨勢將趨勢預警分為4類，同時設定工況參數限值預警的上下限區間；然后基于時間軸，以當前點為起點向前選取p個采樣點進行回歸計算，得到斜率和相關系數；接著按照上述步驟每次前移1個采樣點并重復計算共計n次；最后依據趨勢預警的識別流程，確定當前工況的趨勢預警類別，依據限值預警的識別流程，判斷是否產生限值預警，并綜合趨勢預警和限值預警的識別結果，判斷當前運行工況的預警級別。該方法實用、可靠，既降低了因噪聲數據而導致誤判的概率，又能對異常工況提前預警。該方法對及時故障處理、降低故障損失、保證生產安全具有重要的應用價值。

技術領域

本發明涉及流程工業過程領域的故障檢測與預警方面，基于趨勢和限值兩類預警信息，建立一種異常狀態的實時檢測與預警方法。

背景技術

石油、石化等流程工業領域里的故障或異常狀態，往往采用集散控制系統(DCS)報警。然而，目前DCS普遍采用固定的上下限報警，存在無法提供預警、報警不及時等諸多問題。

目前已有一些故障或異常的預警方法，主要分為基于模型和基于數據驅動兩大類?；谀Ｐ偷姆椒ㄐ枰羁汤斫獠⒄莆諟蚀_的工藝過程機理，在實際應用中受到極大限制；基于數據驅動的方法是從DCS采集實時及歷史數據，然后進行數據處理和判斷。但數據驅動的方法在實際應用中尚存在一些問題，例如，測量的數據往往帶有噪聲，極易造成故障誤報；而為了消除噪聲有時采用的濾波方法又容易引入滯后問題，造成報警不及時。因此，如何建立一個實用、可靠的異常狀態預警系統，能夠在準確性、實時性間找到平衡，近年來越來越引起關注。

發明內容

本發明針對上述問題，綜合了趨勢和限值的預警識別信息，建立過程狀態異常預警的判斷規則和流程，可對變化劇烈或漸變性異常進行實時檢測和預警。

本發明采用以下技術方案：

一種流程工業過程狀態異常的預警方法，該方法綜合了趨勢和限值的預警識別信息，建立過程狀態異常預警的判斷規則和流程，具有以下步驟：

⑴按照工況趨勢將趨勢預警分為4類：趨勢快速上升、趨勢快速下降、趨勢大幅波動和趨勢正常；

⑵設定工況參數正常運行區間的上限x^h和下限x^l；

⑶從監控系統提取實時運行數據，以當前采樣點為起點，對p個歷史采樣點進行回歸計算，得到斜率k₁和相關系數r₁；

⑷基于時間軸前移1個采樣點，再次對p個采樣點計算擬合斜率k₂和相關系數r₂，重復此過程，直至得到k₁～k_n和r₁～r_n；

⑸依據趨勢預警識別流程，確定當前工況的趨勢預警類別：若趨勢為快速上升、快速下降或大幅波動，則執行步驟⑹；若趨勢為正常，則執行步驟⑺；

⑹依據限值預警識別流程，判斷是否產生限值預警；

⑺綜合趨勢和限值的識別結果，判斷裝置當前運行工況的預警級別。

具體的，本方法提供了對當前工況中趨勢快速上升和快速下降預警的識別流程：

⑴統計r₁～r_n處于相關系數預警范圍q_1l≤|r|≤q_1r的比例w₁，并與閾值m₁比較，若w₁＜m₁則對當前工況進行大幅波動的趨勢預警識別；若w₁≥m₁則轉至步驟⑵；