[發(fā)明專利]一種確定復(fù)雜工業(yè)過程中關(guān)鍵變量因果關(guān)系的方法

有效

• 申請?zhí)枺?/td>: 201711427123.3
• 申請日: 2017-12-26
• 公開（公告）號: CN108171142B
• 公開（公告）日: 2019-02-12
• 發(fā)明（設(shè)計）人: 王雅琳;胡芳香;曹躍;袁小鋒;陽春華;桂衛(wèi)華
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/18
• 代理公司: 北京紐樂康知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11210
• 代理人: 陳興強(qiáng)

本發(fā)明公開了一種確定復(fù)雜工業(yè)過程中關(guān)鍵變量因果關(guān)系的方法，通過對工業(yè)過程中待確定因果關(guān)系的關(guān)鍵變量的歷史數(shù)據(jù)采用偽近鄰思想計算每個關(guān)鍵變量的最佳時序嵌入維度；針對兩兩關(guān)鍵變量，假定因果關(guān)系，以假定因變量的最佳時序嵌入維度為標(biāo)準(zhǔn)，構(gòu)造兩個關(guān)鍵變量的時序重構(gòu)流形，利用收斂交叉映射算法計算兩者間的收斂交叉映射能力；基于蒙特卡洛模擬確定CCM的能力判定閾值，以此判定關(guān)鍵變量間假定因果關(guān)系的正確性，從而構(gòu)建工業(yè)過程中關(guān)鍵變量的初步因果關(guān)系網(wǎng)絡(luò)；利用時滯檢測方法修正初步因果關(guān)系網(wǎng)絡(luò)，得到最終關(guān)鍵變量因果關(guān)系網(wǎng)絡(luò)。本發(fā)明充分利用生產(chǎn)離線數(shù)據(jù)，對生產(chǎn)過程無干擾作用，提高了安全性和經(jīng)濟(jì)效益。

技術(shù)領(lǐng)域

本發(fā)明涉及工業(yè)過程異常工況診斷與溯因分析中的關(guān)鍵變量因果關(guān)系分析等技術(shù)領(lǐng)域，具體涉一種確定復(fù)雜工業(yè)過程中關(guān)鍵變量因果關(guān)系的方法。

背景技術(shù)

在石油煉制、鋼鐵冶煉等大型復(fù)雜工業(yè)系統(tǒng)，流程中運(yùn)行變量較多，各變量之間耦合嚴(yán)重，集成度高。例如，加氫裂化過程是石油煉制流程中一個子過程，是氫氣在較高壓力和溫度下經(jīng)催化劑作用使重質(zhì)油發(fā)生加氫、裂化和異構(gòu)化反應(yīng)轉(zhuǎn)化為輕質(zhì)油的加工過程，主要包括加氫精制反應(yīng)、加氫裂化反應(yīng)、高低壓分離以及分餾系統(tǒng)這四個重要部分。加氫裂化的工業(yè)過程作為這類典型的龐大而復(fù)雜的流程工業(yè)，具有流程長、變量多、工況多以及非線性的特點(diǎn)。當(dāng)流程中一個關(guān)鍵變量出現(xiàn)異常時，可能會引起相關(guān)變量出現(xiàn)異常，從而導(dǎo)致整個流程出現(xiàn)波動，然而操作人員根據(jù)經(jīng)驗得到的結(jié)果往往無法及時并準(zhǔn)確地定位到異常發(fā)生的原因，使工業(yè)過程長時間處于非優(yōu)狀態(tài)，造成資源能源的浪費(fèi)。

在異常工況診斷研究中，有關(guān)學(xué)者提出了基于定性模型、基于定量模型及基于數(shù)據(jù)驅(qū)動的方法。其中，基于定量模型和定性模型是從對流程物理特性的基本理解發(fā)展而來，依靠模型的先驗知識，但它只適用于機(jī)理明確的工業(yè)過程。目前，在流程工業(yè)中存有海量的歷史數(shù)據(jù)，因而基于數(shù)據(jù)驅(qū)動的診斷方法對比其他兩類方法具有明顯的優(yōu)勢，而通過這類方法分析異常傳播路徑、定位異常原因的核心是尋找變量之間的因果關(guān)系，但是由于工業(yè)過程中變量具有非線性、耦合嚴(yán)重等特性，變量之間即使存在相關(guān)性也不能保證變量之間存在因果關(guān)系，給流程中變量間的因果關(guān)系識別帶來了挑戰(zhàn)。

針對上述挑戰(zhàn)，目前已有不少學(xué)者從不同角度出發(fā)提出了一些解決方法。格蘭杰提出的Granger因果關(guān)系檢驗主要適合于變量之間存在線性相關(guān)性，同時還要求測試的兩個變量相互獨(dú)立，但是該方法對于耦合動態(tài)系統(tǒng)不適用，雖然一些學(xué)者改進(jìn)并提出了非線性Granger因果關(guān)系分析方法，但是該方法在不可分離非線性動態(tài)系統(tǒng)中測試失敗。互相關(guān)函數(shù)(Cross Correlation Function)通過計算變量之間最大CCF值得到時間延遲來確定信號的因果關(guān)系，但是這個方法適用于線性系統(tǒng)，對于非線性系統(tǒng)計算結(jié)果不能保證準(zhǔn)確性。Schreiber提出的傳遞熵(Transfer Entropy)算法來判斷因果關(guān)系雖然對非線性和線性系統(tǒng)都能適用，但是不僅對參數(shù)改變敏感，而且計算量大、實現(xiàn)相對困難，同時結(jié)果計算的準(zhǔn)確性與概率密度函數(shù)的估計密切相關(guān)，因此要求數(shù)據(jù)具有時間穩(wěn)定性。此外，還有學(xué)者提出通過輸入激勵信號來監(jiān)測模型的變化，但是這類方法對于實際工業(yè)流程來說，不僅難以設(shè)計激勵信號，而且加入的激勵信號本身會影響工業(yè)流程的正常運(yùn)行。

針對上述方法的局限性以及復(fù)雜工業(yè)過程的實際特點(diǎn)，亟需提出一種用于確定復(fù)雜工業(yè)過程中關(guān)鍵變量間因果關(guān)系的方法。考慮Sugihara等提出的收斂交叉映射(CCM)方法不僅適用于非線性、中強(qiáng)耦合的復(fù)雜系統(tǒng)，而且計算方便參數(shù)選擇量少的特點(diǎn)，本專利采用收斂交叉映射(CCM)的思想確定關(guān)鍵變量間的因果關(guān)系。然而由于CCM初始應(yīng)用于生態(tài)系統(tǒng)，并沒有對時序嵌入維度的選擇進(jìn)行討論，而且對于具有高維空間的復(fù)雜工業(yè)過程，依據(jù)人工經(jīng)驗選擇嵌入維度和CCM能力判定閾值無法確保結(jié)果的準(zhǔn)確性，并且很難實現(xiàn)自動監(jiān)測。因此本專利通過改進(jìn)CCM方法確定復(fù)雜工業(yè)過程中關(guān)鍵變量間因果關(guān)系的方法，最終形成關(guān)鍵變量的因果關(guān)系網(wǎng)。

發(fā)明內(nèi)容