一种石油炼化生产过程故障诊断和预警系统及其建立方法

一种石油炼化生产过程故障诊断和预警系统及其建立方法
【专利摘要】本发明提供一种石油炼化生产过程故障诊断和预警系统及其建立方法，包括：建立石油炼化生产过程的多级流模型；确定故障传播路径；对石油炼化生产过程进行危险与可操作性HAZOP分析；确定多个静态节点和多个动态节点，确定所述静态节点和动态节点的连接关系，建立至少一个备选模型；采用动态贝叶斯网络结构评分机制对所述至少一个备选模型评分，将评分值最高的备选模型确定为故障多级关联模型；确定所述故障多级关联模型中静态节点与动态节点之间的条件概率关系；建立故障诊断和预警模块。本发明所建的故障多级关联模型及故障诊断和预警模块具有较强的故障传播及故障溯源推理能力，能够实现对石油炼化生产过程故障的准确诊断与及时预警。
【专利说明】一种石油炼化生产过程故障诊断和预警系统及其建立方法

【技术领域】
[0001] 本发明涉及故障智能诊断【技术领域】，具体地，涉及一种石油炼化生产过程故障诊 断和预警系统及其建立方法。

【背景技术】
[0002] 石油炼化生产属于典型的流程工业，生产装置由静设备、动设备、电气设备、仪器 仪表和工艺管道构成，布局紧凑，组成一个功能完备的生产体系；厂区内生产和储运的易 燃、易爆物质以及生产设备的数量较多，事故风险高，安全生产控制难度大。同时石油炼化 工艺过程具有易燃易爆、腐蚀严重、毒害性大、高温高压以及生产连续性强等特点，炼化装 置运行状况的好坏，将直接影响炼化工艺的连续性、稳定性和安全性，而生产的特殊性使整 个装置设备也存在许多不安全因素。炼化装置一旦发生事故，将危及人民群众的生命财产 安全，并造成巨大的停产损失。
[0003] 因此，建立完善的炼化装置预警体系，从大量关联的设备单元中及时发掘事故征 兆，找出危险因素根源，并在事故发生之前预先警告可能的后果，给出相应的安全措施，是 十分迫切的问题。
[0004] 目前，针对石油化工生产过程的故障诊断、预测，应用较好的方法包括多元统计法 (PCA、FDA、PLS、ICA等）、解析模型法（参数估计法、状态估计法、等价空间法等）、基于信 号处理方法（小波变换法、相关分析法、谱分析法等）、专家系统法（ΙΡ0Μ、AMS等），以及更 为新颖的基于基因表达式编程的过程故障知识抽取法等。另外，人工神经网络理论由于其 容错、联想、记忆、自组织、自学习和处理多模式的功能，为非线性系统的故障诊断开辟了新 的途径，成为故障诊断领域中的研究热点之一。用于故障诊断的神经网络有：多层感知器 (Multi-Layer Perception，MLP)神经网络、径向基函数（Radial Basis Function，RBF)和 自组织神经网络等，其中应用最多且较成熟的是BP网。
[0005] 在知识获取上，神经网络只需要利用领域专家解决问题的实例或范例来训练网 络，与专家系统相比，既具有更多的时间效率，又能保证更高的质量。在知识表示中，神经网 络采用隐式表示，自动产生的知识由网络的结构及权值表示，并将某一问题的多个知识在 同一网络中表示，通用性强，便于实现知识的自动获取和并行联想推理；在知识推理方面， 网络是通过神经元之间的相互作用实现的，推理是并行的且速度快。神经网络也存在一些 自身不可避免的缺陷，不足之处在于：缺乏特殊领域专家的诊断知识；不能自动获取大量 知识，只能用一些明确的故障诊断事例；需要有足够的学习样本，才能保证诊断的可靠性， 训练样本获取困难；网络权值的含义不明确，对诊断推理过程和诊断结果不能够解释，缺乏 透明度。
[0006] 另一个研究热点及基于图论模型的故障诊断方法，具有代表性的包括SDG法、LDG 法、Petri网络法、因果图法以及小世界网络法。基于图论的方法已经部分接近故障自身演 化、传播规律，但是表达内容不全面，推理方法单调。应用SDG、LDG模型只能定性或半定量 分析，且适用于连续系统，同时模型节点局限于具体参数，表达能力有限。基于小世界聚类 特性的故障传播模型可以在无法准确获得故障之间的因果逻辑关系情况下（大部分实际 情况确实如此），分析故障发生、传播和放大的根本原因，计算扩散强度，找出系统中的脆弱 点。该模型在电力系统故障分析中应用良好，而在其他工业领域鲜有提及，其原因是电力系 统自身具有明确的拓扑结构特性，可以方便的转化为小世界网络，而油气生产加工等多数 复杂系统自身故障传播的结构特点不明确，具有较大随机性，且其故障传播是否具有小世 界特性至今尚未得到证明。动态因果图法基于传统的信度网和故障树分析技术，该方法通 过引入布尔逻辑运算的方法，克服了当前所流行的信度网络知识表达方法之不足，较好地 继承了两者的优点，适合于复杂工业系统的故障诊断领域的应用，但其节点间因果影响强 度的确定仅仅依赖专家知识，忽略了具体情况下因果关系的差异。
[0007] 综上所述，现有的故障诊断方法在炼化过程故障传播及诊断准确性上存在不足。


【发明内容】

[0008] 本发明实施例的主要目的在于提供一种石油炼化生产过程故障诊断和预警系统 及其建立方法，以解决现有的故障诊断方法在炼化过程故障传播及诊断准确性上存在不足 的问题。
[0009] 为了实现上述目的，本发明实施例提供一种石油炼化生产过程故障诊断和预警系 统的建立方法，包括：
[0010] 根据石油炼化生产过程涉及的各种设备确定多个功能节点，根据所述各种设备之 间物质和能量的转化及传递关系确定所述多个功能节点的连接关系，建立包含所述多个功 能节点及其连接关系的多级流模型；
[0011] 根据石油炼化生产过程的工艺特点以及所述多级流模型中各功能节点之间的连 接关系，确定故障传播路径；
[0012] 通过对石油炼化生产过程进行危险与可操作性HAZOP分析，确定多个监测变量、 每种监测变量的状态偏差及其产生原因和可能后果；
[0013] 根据所述多个监测变量确定多个静态节点，根据所述多级流模型包含的功能节点 确定多个动态节点，根据所述故障传播路径、所述每种监测变量的状态偏差及其产生原因 和可能后果确定所述静态节点和动态节点的连接关系，建立至少一个备选模型，每个备选 模型包含所述静态节点和动态节点及其一种连接关系；所述至少一个备选模型与所述静态 节点和动态节点的至少一种连接关系分别对应；
[0014] 结合石油炼化生产过程的历史数据，采用动态贝叶斯网络结构评分机制对所述至 少一个备选模型评分，将评分值最高的备选模型确定为故障多级关联模型；
[0015] 结合石油炼化生产过程的历史数据和专家经验，确定所述故障多级关联模型中静 态节点与动态节点之间的条件概率关系；
[0016] 建立故障诊断和预警模块，所述故障诊断和预警模块用于采用贝叶斯网络推理规 则和隐马尔可夫算法，利用所述故障多级关联模型和所述监测变量的实时数据诊断已发生 故障产生的原因及预测可能发生的故障。
[0017] 相应的，本发明还提供一种石油炼化生产过程故障诊断和预警系统，包括：故障多 级关联模型和故障诊断和预警模块；其中，
[0018] 所述故障多级关联模型采用如下方法建立：
[0019] 根据石油炼化生产过程涉及的各种设备确定多个功能节点，根据所述各种设备之 间物质和能量的转化及传递关系确定所述多个功能节点的连接关系，建立包含所述多个功 能节点及其连接关系的多级流模型；
[0020] 根据石油炼化生产过程的工艺特点以及所述多级流模型中各功能节点之间的连 接关系，确定故障传播路径；
[0021] 通过对石油炼化生产过程进行危险与可操作性HAZOP分析，确定多个监测变量、 每种监测变量的状态偏差及其产生原因和可能后果；
[0022] 根据所述多个监测变量确定多个静态节点，根据所述多级流模型包含的功能节点 确定多个动态节点，根据所述故障传播路径、所述每种监测变量的状态偏差及其产生原因 和可能后果确定所述静态节点和动态节点的连接关系，建立至少一个备选模型，每个备选 模型包含所述静态节点和动态节点及其一种连接关系；所述至少一个备选模型与所述静态 节点和动态节点的至少一种连接关系分别对应；
[0023] 结合石油炼化生产过程的历史数据，采用动态贝叶斯网络结构评分机制对所述至 少一个备选模型评分，将评分值最高的备选模型确定为故障多级关联模型；
[0024] 结合石油炼化生产过程的历史数据和专家经验，确定所述故障多级关联模型中静 态节点与动态节点之间的条件概率关系；
[0025] 所述故障诊断和预警模块用于采用贝叶斯网络推理规则和隐马尔可夫算法，利用 所述故障多级关联模型和所述监测变量的实时数据诊断已发生故障产生的原因及预测可 能发生的故障。
[0026] 借助于上述技术方案，本发明充分考虑了石油炼化生产过程中工艺参数之间关联 程度高、耦合性强，任何子系统或子部件发生故障易引发链式效应，导致其他故障发生的特 点，首先针对石油炼化生产过程建立多级流模型，在此基础上，基于动态贝叶斯网络构建故 障多级关联模型，其能够很好地表现石油炼化生产过程所涉及装置、工艺参数之间以及故 障模式之间的影响关系，进而揭示故障传播路径，在此基础上实现石油炼化生产过程故障 的诊断、根原因的深度推理，以及故障后果发展情况的逐级预测。相比于现有技术，本发明 所建的故障多级关联模型及故障诊断和预警模块具有较强的故障传播及故障溯源推理能 力，能够实现对石油炼化生产过程故障的准确诊断与及时预警。

【专利附图】

【附图说明】
[0027] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些 附图获得其他的附图。
[0028] 图1是本发明提供的石油炼化生产过程故障诊断和预警系统的建立方法流程示 意图；
[0029] 图2是本发明提供的石油炼化生产过程故障诊断和预警系统结构框图；
[0030] 图3是本发明实施例一提供的吸收稳定单元的工艺流程图；
[0031] 图4是本发明实施例一提供的吸收稳定单元的多级流模型；
[0032] 图5是本发明实施例一提供的吸收稳定单元故障传播路径图示；
[0033] 图6是本发明实施例一提供的吸收塔塔底液位高故障传播路径图示；
[0034]图7是本发明实施例一提供的吸收塔顶回流罐备选模型的评分值；
[0035] 图8是本发明实施例一提供的吸收塔顶回流罐的故障多级关联模型；
[0036] 图9是本发明实施例一提供的D4_l节点状态分布变化；
[0037] 图10是本发明实施例一提供的D4_2节点状态分布变化；
[0038] 图11是本发明实施例一提供的动态节点的状态推理结果；
[0039] 图12是本发明实施例一提供的回流罐压力和回流罐液位的变化状态历史数据；
[0040] 图13是本发明实施例一提供的静态节点的状态推理结果；
[0041] 图14是本发明提供的MFM标准化图形符号；
[0042] 图15 (a)、图15 (b)、图15 (c)是本发明提供的MFM标准化图形符号相关概念定义。

【具体实施方式】
[0043] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0044] 本发明提供一种石油炼化生产过程故障诊断和预警系统的建立方法，如图1所 示，包括如下步骤：
[0045] 步骤S1，根据石油炼化生产过程涉及的各种装置确定多个功能节点，根据所述各 种装置之间物质和能量的转化及传递关系确定所述多个功能节点的连接关系，建立包含所 述多个功能节点及其连接关系的多级流模型。
[0046] 考虑到石油炼化生产过程中设备单元与操作关联程度高，危险因素耦合性强，因 此在本发明引入MFM(Multilevel Flow Model，多级流模型）思想，建立石油炼化生产过程 的多级流模型，分析生产过程及设备的耦合规律，揭示生产过程的故障传播机理，明确故障 在生产系统内的发生及发展规律。
[0047] 建立石油炼化生产过程的MFM，即整个生产过程抽象成广义的"流"。首先把具有 一定功能的设备（或装置）用功能节点表示，然后根据物质或能量的转化、转换、传递过程， 用功能节点组成相对应的物质流或能量流。这样，应用MFM可以展示出生产过程中单元部 件之间及变量参数之间的关系，明确故障传播的路径，根据系统物质流、能量流等的变化可 以诊断生产过程中的危险因素和故障。
[0048] MFM建模方法包括三个层次：即目标、功能以及设备元件。如图2所示为MFM的建 模流程图，首先，全面分析系统工艺过程，确定分析的范围并将系统分解为若干个子系统； 其次，分析系统（或子系统）会达成的目标，例如，系统所达成的生产目标、经济目标或安全 目标等；再次，列出每个子系统内元件的功能，从功能符号中选取表达流功能，用连接关系 内部连接流功能；最后，以达成关系、条件关系等连接目标与流功能，形成MFM。
[0049] MFM的标准化图形符号如图14所示。
[0050] 部分图形符号的概念定义如图15 (a)、图15(b)、图15(c)所示。
[0051] 步骤S2,根据石油炼化生产过程的工艺特点以及所述MFM中各功能节点之间的连 接关系，确定故障传播路径。
[0052] 在建立石油炼化生产过程的MFM之后，MFM不仅为从大量的局部警报中搜寻根本 原因提供了良好的基础，还可提供一套蕴涵推理规则的可视化图形符号，运行人员可采用 符号分析的方法进行推理和判断，确定MFM中不同功能节点之间的状态传递关系；另外，再 结合石油炼化生产过程的工艺特点（例如，生产过程及设备的耦合规律，物质或能量的转 化、转换、传递过程），可确定出MFM的告警传递规则，进而基于告警传递规则确定故障传播 路径。
[0053] 以下为常见石油炼化生产过程的MFM告警传递规则：
[0054] ①传送节点的高（低）流量报警会导致其上游的存储节点的低（高）容量报警， 导致其下游的存储节点高（低）容量报警。反之，存储节点的高（低）容量报警将导致其 上游的传送节点的低（高）流量报警，导致其下游高（低）流量报警。
[0055] ②传送节点的高流量报警会导致与它相连的上游的源节点产生低容量报警。汇节 点的低容量报警将会迫使与其相连的上游的传送节点的高流量报警。
[0056] ③平衡节点的泄漏将会导致与它的输出端相连的传送节点的低流量报警，与它的 输入端相连的传送节点的高流量报警。平衡节点的填充将会导致与它的输出端相连的传送 节点的高流量报警，与它的输入端相连的传送节点的低流量报警。
[0057] 针对不同的故障，根据上述告警传递规则确定故障传播路径。
[0058] 步骤S3,通过对石油炼化生产过程进行HAZOP(Hazard and Operability,危险与 可操作性）分析，确定多个监测变量、每种监测变量的状态偏差及其产生原因和可能后果。
[0059] 本发明进行的HAZOP分析是采用科学的程序和方法，按照石油炼化生产过程的工 艺流程，结合工艺参数，分析正常/非正常时可能出现的问题、产生的原因、可能导致的后 果以及应采取的措施。具体的，HAZOP分析针对石油炼化生产过程涉及的各种设备元件，确 定需要监测的工艺参数（即监测变量），针对每一种监测变量确定其可能出现的各种非正 常状态（即监测变量的状态偏差，如温度过高\过低、压力过高\过低等），进一步确定产生 每一种状态偏差的原因以及这种状态偏差可能会导致的后果。
[0060] 1)分析之前的准备
[0061] 准备工作主要完成以下任务：确定HAZOP分析的对象、目的和范围；完成资料（包 括工艺流程PID图、装置操作规程、管道仪表流程图、装置平面布置图、事故统计报告等） 的准备工作；成立HAZOP分析小组；安排会议次数及时间。
[0062] 2) HAZOP分析会议并完成分析
[0063] 小组成员以HAZOP分析会议的形式，分析并确定出石油炼化生产过程中对故障产 生或传递有影响的工艺参数，即监测变量，例如温度、压力、液位等；进一步的，分析这些监 测变量的可能状态，确定每种监测变量的状态偏差，例如温度高\低、压力高\低、液位高 \低等；然后，对工艺过程的危险和操作性问题进行分析，分析导致状态偏差的全部原因， 不同状态偏差可能导致的危害后果，已有的安全措施是否充足，提出需要添加的安全措施。
[0064] 3)根据HAZOP分析的记录编写结果报告
[0065] 分析记录是HAZOP分析的一个重要组成部分，也是后期编制分析报告的直接依 据。会议记录员应根据分析结果讨论过程提炼出恰当的结果，将所有重要的意见全部记录 下来，并应当将记录内容及时与分析组人员沟通，以避免遗漏和误解。HAZOP分析会议以表 格形式记录。
[0066] 4)分析结果的追踪和完善
[0067] HAZOP建议措施需要进行审核和实施，需要针对每一项建议制定一个行动方案， 所采取的措施要有完整的文件记录才能关闭，适当的实施措施和行动计划需要包括以下内 容：
[0068] ①同意采纳建议、接受研究、不接受不同方案或拒绝的声明；
[0069] ②接受建议后方案责任的落实；
[0070] ③拟采取措施的简短描述；
[0071] ④实施建议措施所需要做的工作。
[0072] 步骤S4,根据所述多个监测变量确定多个静态节点，根据所述多级流模型包含的 功能节点确定多个动态节点，根据所述故障传播路径、所述每种监测变量的状态偏差及其 产生原因和可能后果确定所述静态节点和动态节点的连接关系，建立至少一个备选模型， 每个备选模型包含所述静态节点和动态节点及其一种连接关系；所述至少一个备选模型与 所述静态节点和动态节点的至少一种连接关系分别对应。
[0073] 该步骤是在已经建立的MFM以及故障传播路径分析、HAZOP分析基础上，研究石油 炼化生产过程所涉及的设备元件、工艺参数之间的影响关系，并建立符合这种影响关系的 模型，即备选模型。由于设备元件之间的关联关系复杂，工艺参数之间相互作用、相互影响 的关系也相当复杂，因此，该步骤得出的符合石油炼化生产工艺与设备元件、工艺参数影响 关系的备选模型有时并不唯一，也就是说，该步骤可能会得出多个满足要求的备选模型，但 最优的网络结构需要进一步分析选择。
[0074] 建立备选模型，首先要确定其组成节点：静态节点和动态节点。其中，静态节点代 表石油炼化生产过程涉及的各种工艺参数，与HAZOP分析过程中的监测变量相对应，静态 节点的状态（如工艺参数是否正常、偏离正常的严重程度等）由监测变量的实时数据（由 石油炼化生产现场的传感器进行采集）与预设安全区间的比较结果决定；动态节点代表石 油炼化生产过程涉及的设备元件，与已建立的MFM中的功能节点相对应，动态节点的状态 (如设备元件的故障模式、故障程度或功能退化程度等）需要通过分析推理静态节点的状 态之后才能确定。
[0075] 节点确定之后，需要继续确定备选模型的网络结构，即静态节点与动态节点的连 接关系。通过对步骤S2中确定的故障传播路径，以及步骤S3中确定的每种监测变量的状态 偏差及其产生原因和可能后果进行分析，可以得出石油炼化生产过程所涉及的设备元件、 工艺参数之间的影响关系，将这种影响关系转换至静态节点和动态节点中，即得到静态节 点与动态节点的连接关系。
[0076] 步骤S5,结合石油炼化生产过程的历史数据，采用动态贝叶斯网络结构评分机制 对所述至少一个备选模型评分，将评分值最高的备选模型确定为故障多级关联模型。
[0077] 具体的，石油炼化生产过程的历史数据包含了监测变量在各个时刻的状态数据， 将这些历史数据运用至每一个备选模型，选择出推理结果准确度最高、路径最优化、推理速 度最快的模型，作为最终的故障多级关联模型。
[0078] 针对每一个备选模型，该步骤可采用如下函数进行评分：

【权利要求】
1. 一种石油炼化生产过程故障诊断和预警系统的建立方法，其特征在于，包括： 根据石油炼化生产过程涉及的各种设备确定多个功能节点，根据所述各种设备之间物 质和能量的转化及传递关系确定所述多个功能节点的连接关系，建立包含所述多个功能节 点及其连接关系的多级流模型； 根据石油炼化生产过程的工艺特点以及所述多级流模型中各功能节点之间的连接关 系，确定故障传播路径； 通过对石油炼化生产过程进行危险与可操作性HAZOP分析，确定多个监测变量、每种 监测变量的状态偏差及其产生原因和可能后果； 根据所述多个监测变量确定多个静态节点，根据所述多级流模型包含的功能节点确定 多个动态节点，根据所述故障传播路径、所述每种监测变量的状态偏差及其产生原因和可 能后果确定所述静态节点和动态节点的连接关系，建立至少一个备选模型，每个备选模型 包含所述静态节点和动态节点及其一种连接关系；所述至少一个备选模型与所述静态节点 和动态节点的至少一种连接关系分别对应； 结合石油炼化生产过程的历史数据，采用动态贝叶斯网络结构评分机制对所述至少一 个备选模型评分，将评分值最高的备选模型确定为故障多级关联模型； 结合石油炼化生产过程的历史数据和专家经验，确定所述故障多级关联模型中静态节 点与动态节点之间的条件概率关系； 建立故障诊断和预警模块，所述故障诊断和预警模块用于采用贝叶斯网络推理规则和 隐马尔可夫算法，利用所述故障多级关联模型和所述监测变量的实时数据诊断已发生故障 产生的原因及预测可能发生的故障。
2. 根据权利要求1所述的方法，其特征在于，所述的采用动态贝叶斯网络结构评分机 制对所述至少一个备选模型评分过程中所采用的评分函数为：
其中，BIC为评分值；ξ为备选模型的模型结构X=(X1,X2，…，Xi,…，XJ，由η个节点Xi组成；节点Xi有Si个取值（1，2,…，Si)，节点Xi的父节点^七有ti个取值Q，2,…，; D为石油炼化生产过程的历史数据集；表示数据集D内Xi =Xi,Π& 的概 率；/φ'/k、.J表示节点Xi父节点Πχ;状态为' 的前提下、节点状态为Xi的概率；N为数据 条数。
3. 根据权利要求2所述的方法，其特征在于，所述故障多级关联模型中静态节点与动 态节点之间的条件概率关系包括： 动态节点初始状态分布T=ill% ; 动态节点状态转移概率分布j= ; aa 静态节点状态转移概率分布$ = ; 其中，na为动态节点的数目，nb为静态节点的数目。
4. 根据权利要求3所述的方法，其特征在于，所述故障诊断和预警模块诊断已发生故 障产生的原因时采用如下公式： δ!(i) =Ji ^i(Y1),I^i^η Δ,(?)=O χν
' ?^?^η - - 其中，λ= (Α，Β，π)为故障多级关联模型中静态节点与动态节点之间的条件概率关 系；SJi)对应各状态产生输出y(l的概率，AtlQ)表示该时刻动态节点序列的状态，δt(i) 表示在t时刻到达状态j时产生对应输出序列y(l的概率，At (i)表示t-1时刻前的动态节 点的序列。
5. 根据权利要求3所述的方法，其特征在于，所述故障诊断和预警模块预测可能发生 的故障时采用如下公式：
其中at(i) =P(Xt =i|y1:t)表示动态节点y在时间段[1，t]的所有取值时，静态节 点X在时刻t取值为状态i的概率；P(xt+1 |xt)表示已知静态节点X当前时刻的状态时，未 来下一时刻该静态节点出现该状态的概率。
6. -种石油炼化生产过程故障诊断和预警系统，其特征在于，包括：故障多级关联模 型和故障诊断和预警模块；其中， 所述故障多级关联模型采用如下方法建立： 根据石油炼化生产过程涉及的各种设备确定多个功能节点，根据所述各种设备之间物 质和能量的转化及传递关系确定所述多个功能节点的连接关系，建立包含所述多个功能节 点及其连接关系的多级流模型； 根据石油炼化生产过程的工艺特点以及所述多级流模型中各功能节点之间的连接关 系，确定故障传播路径； 通过对石油炼化生产过程进行危险与可操作性HAZOP分析，确定多个监测变量、每种 监测变量的状态偏差及其产生原因和可能后果； 根据所述多个监测变量确定多个静态节点，根据所述多级流模型包含的功能节点确定 多个动态节点，根据所述故障传播路径、所述每种监测变量的状态偏差及其产生原因和可 能后果确定所述静态节点和动态节点的连接关系，建立至少一个备选模型，每个备选模型 包含所述静态节点和动态节点及其一种连接关系；所述至少一个备选模型与所述静态节点 和动态节点的至少一种连接关系分别对应； 结合石油炼化生产过程的历史数据，采用动态贝叶斯网络结构评分机制对所述至少一 个备选模型评分，将评分值最高的备选模型确定为故障多级关联模型； 结合石油炼化生产过程的历史数据和专家经验，确定所述故障多级关联模型中静态节 点与动态节点之间的条件概率关系； 所述故障诊断和预警模块用于采用贝叶斯网络推理规则和隐马尔可夫算法，利用所述 故障多级关联模型和所述监测变量的实时数据诊断已发生故障产生的原因及预测可能发 生的故障。
【文档编号】G05B23/02GK104238545SQ201410327722
【公开日】2014年12月24日 申请日期:2014年7月10日 优先权日:2014年7月10日
【发明者】胡瑾秋, 张来斌, 蔡战胜, 王宇, 王安琪 申请人:中国石油大学(北京), 中海石油中捷石化有限公司