[發明專利]一種甲醇制烯烴工業過程的故障監測方法和系統

有效

• 申請號: 202210984001.9
• 申請日: 2022-08-17
• 公開（公告）號: CN115047839B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 孫巍;紀成;王璟德;馬方圓;洪富貴;饒景之;馬佳營;陶婷婷
• 申請（專利權）人: 北京化工大學
• 主分類號: G05B19/418
• 分類號: G05B19/418;G06F17/18
• 代理公司: 北京正和明知識產權代理事務所(普通合伙) 11845
• 代理人: 劉陽陽

本發明提出一種甲醇制烯烴工業過程的故障監測方法和系統。其中，方法包括：根據甲醇制烯烴工業的工藝過程和關鍵設備確定故障變量；并從歷史數據庫中選擇故障監測的監測變量；對所述監測變量的數據進行數據校正，基于信息熵的方法自動選出正常工況的監測變量的數據作為故障監測的建模數據，并進行標準化；構建兩層自編碼器的過程監測模型，并應用標準化處理后的建模數據對所述過程監測模型進行訓練；應用訓練好的過程監測模型對甲醇制烯烴工業過程的故障進行監測。本發明提出的方案可以有效識別歷史數據中的異常樣本，并自動獲取可靠的建模數據；可以更早地發現故障，并且可以同時診斷出故障的根本原因。

技術領域

本發明屬于甲醇制烯烴工業過程的故障監測領域，尤其涉及一種甲醇制烯烴工業過程的故障監測方法和系統。

背景技術

在石油化工行業中，乙烯和丙烯的生產能力一定程度上代表了石化工業水平，其生產路線主要是石腦油蒸汽裂解。甲醇制烯烴技術，即DMTO的發展開辟一條新的乙烯生產途徑，由于甲醇易于從煤礦中提取，因此DMTO對低碳烯烴的供需平衡具有十分重要的意義。

過程的平穩操作是保證DMTO產品質量和生產安全的重要前提，其中反應器密相溫度是影響產品質量的關鍵變量，該溫度通常被控制在較小范圍內來確保過程穩定運行，因為隨著溫度的降低，二甲醚的轉化率會降低，導致乙烯和丙烯的選擇性降低。另一方面，溫度的升高會加劇副反應速率，增加催化劑的積碳速率。因此操作人員對反應器密相溫度的變化十分關注，但是通常情況下溫度的異常波動不會觸及集散控制系統的報警限，難以被操作人員實時或提前獲知，因此對DMTO過程進行實時監測不僅能夠及時識別生產中的異常偏離，保證產品質量和生產安全，也可以為操作人員調整生產提供參考。

在過去的二十年中，隨著工廠中傳感器的廣泛應用和數據傳輸技術的發展，大量的包含過程信息的歷史數據被儲存下來，使數據驅動過程監測方法取得了快速的發展。多變量統計方法常用于數據驅動的過程監測，該方法旨在將原始數據投影到低維特征空間中，然后在特征空間中構建監控統計量以進行故障檢測。最經典的方法是主成分分析、偏最小二乘法、典型變量分析和獨立成分分析，這些方法適用于監測線性過程。對于非線性過程，可以通過將原始數據映射到更高維的線性可分空間來解決，例如一些基于核的方法，如核主成分分析和核偏最小二乘法。最近，人工神經網絡作為最流行的機器學習算法之一，以其強大的擬合能力在過程監測領域引起了廣泛關注。自編碼器是一種利用反向傳播使輸出值等于輸入值的神經網絡，已被證明是一種比主成分分析更有效的降維和重構方法。后來，自動編碼器被應用于異常檢測，并最終應用于無監督故障檢測中。為了提高過程監測的性能，已經開發了許多對自動編碼器的擴展。由于深度神經網絡在特征提取方面的良好性能，堆疊自編碼器被廣泛應用于過程監測。Yu 和 Zhao 將去噪自動編碼器應用于魯棒過程監測。變分自編碼器是由 Kingma 和 Welling 提出的，作為一種正則化自編碼器，其中潛在變量的分布被限制為正態分布以防止過度擬合。 Cheng 等人基于變分自動編碼器。構建了一個遞歸神經網絡而不是人工神經網絡來提取過程動態。Zhang 和 Qiu 提出了一種動態內部自編碼器，其中將向量自回歸模型集成到卷積自編碼器中以捕獲過程動態特征。

然而，過程監測技術在大規模化工工業過程的應用仍是一個巨大的挑戰。上述方法大多應用于仿真過程，其性能在工業應用中可能受到限制。一個全廠過程通常包含多個操作單元和復雜的自動控制系統，導致過程變量眾多且相互關聯復雜。此外，生產負荷的調整導致化工生產過程存在多種運行工況。鑒于這些復雜的數據特征，從海量歷史數據中定義正常運行條件并選擇合適的無故障建模數據來建立長期有效的過程監測模型需要大量的人工成本和時間成本。雖然半監督學習已被引入機器學習領域的過程監測中，然而，據報道仍然很少有研究被成功應用于監測全廠化工工業過程。

發明內容

為解決上述技術問題，本發明提出一種甲醇制烯烴工業過程的故障監測方法的技術方案，以解決上述技術問題。

本發明第一方面公開了一種甲醇制烯烴工業過程的故障監測方法，所述方法包括：