[發明專利]一種基于油高軟測量預測的加油站油罐泄漏檢測預警方法

有效

• 申請號: 202110558561.3
• 申請日: 2021-05-21
• 公開（公告）號: CN113326610B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 趙春暉;王應龍;常樹超;周君良;范海東
• 申請（專利權）人: 浙江大學
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明提供一種基于油高軟測量預測的加油站油罐泄漏檢測預警方法。本發明基于油量守恒分析，針對加油站儲油罐油高和溫度滿足多元回歸分析的特點，構造通過當前時刻的溫度、油量和過去時刻的油高、溫度、油量預測當前時刻油高的數據樣本；結合機器學習等技術利用液位儀系統的運行數據，建立能夠在不同油量下使用的統一油高軟測量模型；將油高的實時測量結果與模型的預測結果進行誤差對比分析，從而在油罐泄漏檢測儀表故障時對油罐可能存在的泄漏故障進行有效檢測。本發明所提出的檢測方法能夠構建合理的數據預測樣本并在此基礎上快速檢測油罐是否存在泄漏故障，具有較高的檢測精度和可靠性，在降低加油站油罐安全風險方面有一定的實用價值。

技術領域

本發明公開一種基于油高軟測量預測的加油站油罐泄漏檢測預警方法，本發明屬于工業系統故障檢測領域。該方法通過構建合理的數據樣本對實現油罐油高的軟測量預測和誤差分析，進而實現對油罐泄漏的準確快速檢測，保證油罐的安全運行生產，提高生產效益。該方法涉及對工業系統的特征提取、數據分析、異常檢測、故障預警等相關領域。

背景技術

隨著工業物聯網、云計算、人工智能技術和智能儀表的迅猛發展，現代工業過程中能夠根據實際生產和控制的要求準確采集并存儲高頻和低頻的傳感器測量信號、工藝數據和產品質量等結構化和非結構化數據。傳統的基于機理的異常檢測方法逐漸被基于數據驅動的方法所代替，數據驅動的故障檢測和預警方法是近年來最熱門也是被認為最可靠的方法。結合裝備的功能作用、結構組成和工作特點，分析設備的大數據進行價值挖掘、信息提取進而實現裝備的狀態監測、異常預警、故障診斷、壽命預測、智能維護等工作十分迫切。

基于數據驅動的異常檢測方法不需要建立精準的機理模型，僅依靠系統運行過程中收集到的大量數據，建立模型刻畫對象的特性，進而實現對異常故障的檢測。數據驅動方法的優勢在于都是以多變量統計技術為基礎的，只需要正常工況下的歷史數據來建立模型，同時能夠有效地剔除過程數據中的冗余信息、極大地降低數據維數等。目前常用的工業過程異常檢測方法有主元分析法(principal component analysis，PCA)、偏最小二乘法(partial least squares，PLS)、獨立成分分析(independent component analysis，ICA)、多向主元分析法(Multiway PCA，MPCA)、多向偏最小二乘法(Multiway PLS，MPLS)等多元統計分析方法，以及高斯混合模型(Gaussian Mixture Model，GMM)、支持向量機(SupportVector Machine，SVM)等機器學習方法。

加油站是成品油銷售同時提供其他便利服務的場所，而成品油具有易燃、易爆、易泄漏、易產生靜電等特點，因此加油站必須把安全作為第一標準。而目前設備運行維護和故障檢測多是依賴于末端工作人員的被動式維護，加油站設備故障的維護及時性存在很大的問題，同時，也沒有一個有效的設備故障預警機制及設備使用年限報警機制，對各廠家各型號設備的使用情況也沒有一個定量的分析工具，所有的一切幾乎都依靠維護人員的經驗。

在真實場景下，加油站液位儀系統通常運行在正常工況下，發生故障的頻次較少，目前的檢測方法大部分都是通過檢測儀表指示油罐是否泄漏，缺乏比較智能的泄漏檢測方法，對儀表設備的依賴性比較大，如果儀表發生故障則會產生誤報漏報等現象，對實際的故障檢測造成干擾。加油站的設備種類繁多、各個設備的運行數據具有數量大、結構復雜的特點。

發明內容

本發明的目的是在儲油罐泄漏檢測儀表故障的情況下，檢測加油站在日常運行中可能發生的油罐泄漏事件。本發明從數據驅動的角度出發，提出了一種基于數據樣本構造和油高軟測量預測的加油站儲油罐泄漏檢測方法，從正常工況的歷史數據中建立過程的統計學模型，然后基于該模型預測當前的油高，根據預測結果和測量結果的誤差分析實時判斷儲油罐是否發生泄漏。該方法具有較高的泛化能力和使用價值。

本發明的目的是通過以下技術方案實現的：

一種基于油高軟測量預測的加油站油罐泄漏檢測預警方法，所述方法包括以下步驟：