[發明專利]一種基于在線非線性判別特征分析的精餾過程異常監測方法

在審

• 申請號: 202110300826.X
• 申請日: 2021-03-13
• 公開（公告）號: CN113065583A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 趙煒濤;陳勇旗;陳楊
• 申請（專利權）人: 寧波大學科學技術學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種基于在線非線性判別特征分析的精餾過程異常監測方法，通過一種在線非線性判別特征分析技術，來實時的針對各個在線采樣數據進行非線性判別特征提取，其目的在于保證實時提取的特征能最大化程度的判別出各個采樣數據中潛藏的異常變化特征。本發明方法的最大優勢在于：旨在最大化監測指標，能夠實時對在線新測量的采樣數據實施在線非線性判別特征分析，從而使在線分析后得到的特征能盡可能的偏離零點；從這個角度來講，本發明方法實施的特征分析技術是在線進行的，總能找到最能反應出在線采樣數據中潛藏的非線性異常變化特征，從而能對精餾過程各式各樣的異常工況數據進行有效的判別。

技術領域

本發明涉及一種化工過程異常狀態監測方法，特別涉及一種基于在線非線性判別特征分析的精餾過程異常監測方法。

背景技術

石油化工行業中廣泛使用板式精餾塔將原油(或稱為：石腦油)通過不同的沸點轉換成不同的石油產品，主要包括：汽油、煤油、輕柴油、和燃料油。為了保證各類產品的產量與純度，降低生產能耗，通常期望精餾過程處于持續穩定的正常運行狀態。因此，實時的監測出精餾過程運行中出現的異常是操控精餾塔運行狀態的關鍵。在當前智能制造的大背景下，利用化工大數據已經成為智能的象征。因此，按照數據驅動的思想實施精餾過程異常在線監測才是負荷時代發展的要求。

在現有的科技文獻與專利文件中，數據驅動的化工過程監測都依是按照單分類的思想開展的。一方面，化工過程在絕大多數時間內是處于穩定運行的正常狀態下，所采集的海量數據大都屬于正常工況。另一方面，適于無監督學習的特征分析算法可以從多個不同的角度挖掘正常工況數據的變化特征。因此，在微乎其微的異常狀態采樣數據的應用前提下，適于無監督學習的特征分析算法在本技術領域得到了廣泛的研究與應用，以主成分分析與獨立成分分析為代表的的化工過程異常監測方法層出不窮。

然而，化工過程因其生產的動態時序變化特性，采樣數據間肯定存在時序相關性。因此，在考慮樣本數據不同測量變量間的交叉相關性外，還需更進一步的涉及體現在采樣時間先后上的時序相關性。但從監測異常狀態的角度出發，不同的異常狀態下的采樣數據可能改變的是交叉相關性，或者時序相關性，再或者兩者皆有。從這個角度出發，單獨挖掘正常工況的數據的潛在特征是無法一直保證所提取特征在用于識別異常狀態上的有效性與敏感性。另外，考慮到現代化工過程的復雜特性，通過微分方程也可以發現不同測量變量間的關系都是非線性的，非線性關系的異常變化同樣可以反映出精餾過程運行中出現了異常。

總而言之，精餾過程做為化工過程常用的物理分離設備，其運行狀態的穩定與持續性在石油化工中的地位不言而喻。此外，精餾過程不同測量變量間的非線性關系特征，以及采樣時間先后上的時序特征的異常變化都能反映出精餾過程操作運行中的異常狀態。考慮到不同的異常狀態會改變樣本數據中不同的變化特征，只有在實時采樣數據參與的情況下實施在線特征提取，才能保證對各類異常狀態監測的有效性與敏感性。

發明內容

本發明所要解決的主要技術問題是：如何針對在線樣本數據實施在線的非線性特征分析，從而使即時提取的特征能有效判別出線采樣數據中潛藏的異常變化特征，以達到高效監測精餾過程異常狀態的目的。具體來講，本發明方法通過一種在線非線性判別特征分析技術，來實時的針對各個在線采樣數據進行非線性判別特征提取，其目的在于保證實時提取的特征能最大化程度的判別出各個采樣數據中潛藏的異常變化特征。

本發明方法解決上述問題所采用的技術方案為：一種基于在線非線性判別特征分析的精餾過程異常監測方法，包括以下所示步驟：