一种基于工况的流程行业操作模式自适应调整方法
【专利摘要】本发明提供一种基于工况的流程行业操作模式自适应调整方法，属于信息处理领域。首先对复杂工业现场数据进行预处理，并结合工艺分析选取若干变量以描述工况，然后建立操作指标的预测模型进行指标预测，将预测结果与实测结果比较进行偏差判断。通过阈值设定判断生产是否处于正常状态，若处于非正常状态则需要进行参数的自适应调整。最后将产生误判结果的样本结合改进的支持向量机方法进行二次预测，将预测结果与操作模式库进行二次匹配，寻找最优操作模式进行操作优化，并随着工况的不断变化，操作模式匹配可持续调整更新，为操作优化提供支撑。该方法可基于工况来动态自适应调整参数实现操作模式匹配，提升了模式匹配和模式优化的准确率。
【专利说明】一种基于工况的流程行业操作模式自适应调整方法
【技术领域】
[0001]本发明涉及一种操作模式自适应调整方法，尤其是一种基于工况的流程行业操作模式自适应调整方法，属于信息处理领域。
【背景技术】
[0002]流程行业经过多年的信息化建设，主要生产过程在不同水平上均已实现了自动控制，以及对生产过程的实时监测。当前，工业控制大部分都是基于机理模型和相关反馈来进行实时控制，但流程工业生产过程涉及多种化学变化和物理变化，生产工艺复杂，并且流程行业生产过程生产连续，对生产控制技术实时要求高，造成对生产过程的建模和操作参数的优化凋整较为困难。建立一种基于企业生产过程中产生的实时数据的、更有效率的操作模式优化方法成为解决上述问题的一个有效途径。
[0003]流程企业现场仪表、DCS、LIMS以及进出厂计量数据的采集积累了越来越多的数据，其中隐含了运行规律和优化参数之间的潜在信息。由此针对流程行业生产过程，业界提出了基于工况的操作模式优化框架，如图1所示:基于大量工业运行数据和评价模型构建最优操作模式集合，然后从最优操作模式集合中寻找与当前工况相匹配的最优操作模式，从而实现生产过程的优化。然而，由于生产现场的工况复杂多变，操作模式匹配过程涉及的算法及其参数不具有自适应性，导致反映工业过程动态信息的操作模式与最优操作模式集合匹配困难，适用于稳态或某一特定工况，操作模式的匹配及优化的实用性较差。
[0004]因此，如何确立一种流程行业操作模式自适应调整方法，基于工况来自适应调整操作模式以提高操作模式匹配的精度和效率，为在线运行的操作提供指导，具有非常重要的意义。
【发明内容】
[0005]本发明提出了一种流程行业操作模式自适应调整方法，以实现流程工业生产现场大量、快速、连续、时变的数据流实时处理并进一步进行操作模式的自适应调整，提升操作模式匹配的精度和效率。
[0006]为实现上述发明目的，本发明采用如下的技术方案:
[0007]一种基于工况的流程行业操作模式自适应调整方法，其步骤包括:
[0008]步骤1:对采集的复杂工业现场的数据进行预处理，并结合工艺分析选取若干变量以描述工况，根据选择的变量定义最优操作模式集合；
[0009]步骤2:通过Logitboost方法建立操作变量的预测模型，并进行指标预测，将预测结果与实测结果比较进行偏差判断；
[0010]步骤3:设定偏差判断的阈值，偏差在该阈值内则判定为正常状态，保持当前操作参数不变，与所述最优操作模式集合进行匹配进行操作模式优化；偏差在该阈值外则判定为非正常状态；
[0011]步骤4:将判定为非正常状态的样本结合改进的支持向量机方法进行二次预测，将预测结果与所述最优操作模式集合进行二次匹配，寻找最优操作模式进行操作模式优化，并随着工况的不断变化持续更新操作模式匹配，以持续进行操作模式优化。
[0012]所述步骤I包括:
[0013]步骤1.1:采用数据预处理技术对工业现场的实时海量数据进行预处理，如降维、去噪和转换等；
[0014]步骤1.2:筛选并明确某一生产过程中关键的指标，结合生产过程的工艺机理和统计分析，选择影响该指标的若干变量；
[0015]步骤1.3:根据生产过程中的输入条件、状态参数、操作参数以及工艺指标，定义操作模式、最优操作模式和最优操作模式集合。其中，输入条件是指原料种类、品位、杂质含量等参数的原始信息；状态参数是指生产过程中各类传感器检测到的温度、压力等一系列可以反映生产运行状态的数据；操作参数是指是指生产过程中可进行调节控制的参数；操作模式是指一定的输入条件和状态参数及与之对应的操作参数所组成的向量；最优操作模式是通过综合考虑产品产量、质量、能耗、成本和工况稳定情况等工艺指标(工艺指标是指生产过程所要求达到的目标)，对相同输入条件下的操作模式进行评价，综合评价最好的操作模式称为该输入和状态条件下的最优操作模式；最优操作模式集合为在不同输入条件和状态下的最优操作模式组成的集合。
[0016]所述步骤2包括:
[0017]步骤2.1:基于步骤I所得的数据通过反复实验找到一个最优的训练集进行模型训练，得到Logitboost模型；
[0018]步骤2.2:采用训练好的Logitboost模型计算每个测试样本，结合模型评估的结果优化模型参数；
[0019]步骤2.3:基于Logitboost算法输出预测结果，并与实测结果进行比对，以进行所述偏差判断。
[0020]所述步骤3包括:
[0021]步骤3.1:定义实测值为P= {Pl，P2，…，pj，预测值为P’ ={Pl’，P2’，…，Pn’ }，则相
对误差为E=Ie1, e2,…，en}，气'其中，P」为实测值，p/为预测值，4为预测值与实:-k
测值的相对误差值；
[0022]步骤3.2:定义状态评价函数为:S =kze2 -…+ knffn,状态评价函数值越
小，则说明工况越好。若工况为优，则维持当前操作参数不变。根据业务领域的不同，^可由业务人员通过经验赋值。S ( d时，判断当前操作状态正常，S > d时，判断当前操作状态不正常，需要进一步自适应调整，其中，b k2，…kn为权重，d为设定调整的阈值，均根据统计分析结合经验值设定。
[0023]所述步骤4包括:
[0024]步骤4.1:结合基于改进的SVM算法(改进的支持向量机方法)的预测模型进行二次预测；
[0025]步骤4.2:将基于Logitboost算法和改进的SVM算法的模型预测结果进行集成，得到预测结果，即
[0026]Y= a fLogitoost (x) + (l-a )fSvi(x) ?[0027]其中，y为预测结果，> f SVM (x)分别为基于Logitboost算法和改进的SVM算法的模型预测结果，a为集成模型的权重，二者集成可得出最终预测结果；
[0028]步骤4.3:确定a的取值:
【权利要求】
1.一种基于工况的流程行业操作模式自适应调整方法，其步骤包括: 1)对采集的复杂工业现场的数据进行预处理，并结合工艺分析选取若干变量以描述工况，并根据选择的变量定义最优操作模式集合； 2)通过Logitboost方法建立操作变量的预测模型，并进行指标预测，将预测结果与实测结果比较进行偏差判断； 3)设定偏差判断的阈值，偏差在该阈值内则判定为正常状态，保持当前操作参数不变，与所述最优操作模式集合进行匹配进行操作模式优化；偏差在该阈值外则判定为非正常状态； 4)将判定为非正常状态的样本结合改进的支持向量机方法进行二次预测，将预测结果与所述最优操作模式集合进行二次匹配，寻找最优操作模式进行操作模式优化，并随着工况的不断变化持续更新操作模式匹配，以持续进行操作模式优化。
2.如权利要求1所述的方法，其特征在于:步骤I)所述预处理包括降维、去噪和转换中的一种或多种。
3.如权利要求1所述的方法，其特征在于，步骤I)根据生产过程中的输入条件、状态参数、操作参数以及工艺指标，定义操作模式和最优操作模式，进而确定所述最优操作模式集口 ο
4.如权利要求1所述的方法，其特征在于，所述步骤2)包括: 2.1)基于步骤I)所得的数据通过反复实验找到一个最优的训练集进行模型训练，得到Logitboost 模型； 2.2)采用训练好的Logitboost模型计算每个测试样本，结合模型评估的结果优化模型参数； 2.3)基于Logitboost算法输出预测结果，并与实测结果进行比对，以进行所述偏差判断。
5.如权利要求1所述的方法，其特征在于，所述步骤3)包括: 3.1)定义实测值为P= {Pl，P2，…，Pj，预测值为P’ ={Ρι’，ρ2’，...，ρη’ }，则相对误差为E=Ie1, e2,…，ej，e.=其中，Pj为实测值，p/为预测值，ej为预测值与实测值的相对误差值； 3.2)定义状态评价函数为S^d时,判断当前操作状态正常，S>d时，判断当前操作状态不正常，需要进一步自适应调整，其中，ki，k2，…匕为权重，d为设定调整的阈值，均根据统计分析结合经验值设定。
6.如权利要求1所述的方法，其特征在于，所述步骤4)对基于Logitboost算法和改进的SVM算法的模型预测结果进行集成，以得到预测结果，即
YQ fLogitoost
(X) + (1-a ) fSVM(x), 其中，y为预测结果，fLogitoost (x) >fSvM(x)分别为基于Logitboost算法和改进的SVM算法的模型预测结果，α为集成模型的权重。
7.如权利要求6所述的方法，其特征在于，所述α的取值为:ΙαΡ--ι < ?Δε? < ft
. 1 — c^
.lag-λ |Ac.| < m,?i < IiScI * ω，其中，△ c为预测结果与历史数据均值的偏差；a为偏差绝对值在m到η的范围内时α 的取值；!osh.为偏差绝对值在m到η的范围外时α的取值;m，η为根据经验值确定的偏 差范围上下限取值；ω为1gitboost方法在其训练集合上的分类错误率。
【文档编号】G05B19/418GK103543719SQ201310488293
【公开日】2014年1月29日 申请日期:2013年10月17日 优先权日:2013年10月17日
【发明者】刘伟, 王宏安, 董为, 贾建坤 申请人:中国科学院软件研究所