基于动态核独立分量分析的天然气净化过程异常检测方法
【技术领域】
[0001] 本发明属于高含硫天然气脱硫生产过程故障检测与诊断技术，涉及一种基于动态 核独立分量分析的天然气净化过程异常检测方法。
【背景技术】
[0002] 高含硫天然气净化脱硫工业流程复杂，过程工艺参数众多，受温度、压力、流量、设 备老化和原料气处理量等不确定因素影响，是典型的复杂非线性动态特性化工系统。高含 硫天然气净化脱硫过程主要包括以下部分：主吸收塔MDEA溶液吸收酸性组分H 2S和C02， 水解反应器脱除（COS)，再生塔MDEA溶液的循环再生以及换热过程，具体工艺流过程如图 2所示。一旦系统发生异常，如何及时检测故障发生，并追溯工艺操作参数导致故障发生原 因，从而为系统故障排查和恢复提供决策参考依据，对指导实际工业生产具有重要的现实 意义。
[0003] 原料气处理量负荷波动、脱硫单元吸收塔发泡、硫磺回收装置硫收率下降是高含 硫天然气过程常见的三种异常工况。目前高含硫天然气异常工况检测与诊断主要依赖现场 生产经验，异常工况发生机理描述的不够透彻，缺乏对高含硫天然气异常工况的检测与诊 断机制。
[0004] 基于多元统计的故障检测与诊断方法是工业大数据技术在故障检测与诊断领域 应用的代表，已成为工业过程监控的热点。基于多元统计过程的高含硫天然气净化脱硫过 程故障检测与诊断采用基于T 2和SPE统计量质量控制图和PCA、ICA技术分析DCS采集的 相关工艺参数，从而为系统运行状态提供决策参考依据，并结合贡献图法实现异常工况的 参数追溯。
[0005] 核独立元分析在故障诊断中是一种常见的特征分析方法，这种方法是利用非线性 映射Φ和Ψ将原始随机向量空间\和y i映射到高维空间F，Fy，使得数据在特征空间 中成为线性数据，再在特征空间中利用独立成分分析法对变换后的数据提取独立元，从而 实现特征变量互相独立（不相关）。但现有的核独立分量分析没有考虑到高含硫天然气净 化脱硫过程是一个动态过程，采集的原始数据在时序上呈现自相关性。
[0006] 基于T2和SPE统计量的质量控制图通过判断独立元对应的T 2和SPE统计量是否 超出设定的控制限，判断系统运行状态。若超过控制限，系统处于故障状态；否则系统处于 正常状态。贡献图法通过分析故障时刻不同参数对故障贡献程度实现异常参数追溯。
【发明内容】
[0007] 本发明的目的在于克服现有技术不能及时检测故障发生的不足，提供一种基于动 态核独立分量分析的天然气净化过程异常检测方法，它能够及时检测故障发生，并追溯工 艺操作参数导致故障发生原因，从而为系统故障排查和恢复提供决策参考依据。
[0008] 本发明的目的是这样实现的：
[0009] 一种基于动态核独立分量分析的天然气净化过程异常检测方法，该诊断方法按如 下步骤进行：
[0010] 步骤1 :确定所监测的高含硫天然气净化脱硫生产过程中的m个工艺参数，其中，m =10,各工艺参数分别为IX1表示脱硫吸收塔胺液入口流量，X 2表示尾气吸收塔胺液入口流 量，X3表示原料气处理量，X 4表示半富胺液循环量，X 5表示一级吸收塔胺液入口温度，X 6表 示二级吸收塔胺液入口温度，X7表示闪蒸罐压力，X 8表示重沸器A 口蒸汽消耗量，X 9表示重 沸器B 口蒸汽消耗量，Xltl表示蒸汽预热器流量；
[0011] 步骤2 :对高含硫天然气净化脱硫生产过程进行数据采集，所得的样本数据为 [XmXN，Y1, Y2]，其中：x为工艺参数，m为工艺参数数量，N为采集数据样本数量，H 2S含 量，Y2SCO2含量；
[0012] 采集高含硫天然气净化脱硫生产过程中的工艺参数，并采集对应工艺参数下生产 的天然气当中的H 2S含量和CO2含量，用于后续数据分析。
[0013] 步骤3 :对步骤2所得的样本数据进行预处理：
[0014] 3. 1剔除采集数据中缺失参数的样本，并保证样本满足企业净化气技术指标，得到 的数据为[Xmxn，Y1, Y2]，η为处理后采集样本数量，η < N ;
[0015] 通过剔除采集数据中缺失参数的样本能够得到最能反映出生产过程实际特性的 有效数据。
[0016] 3. 2进行数据归一化处理，得到的工业数据为[X' mXn，Y' i，Y' 2];
[0017] 数据归一化的目的是为了把不同来源的数据统一到一个参考系下，方便排查。
[0018] 步骤4 :分析步骤3所得的工业数据WmxwY1^Y/]的自回归模型，确定其动态时 滞后阶次h，得到其动态扩展矩阵；
[0019] 计算时滞后阶次h的方法为：首先处理h = 0的静态情况，数据矩阵中的静态关系 数等于变量数与主元个数之差；然后令h = 1，计算新的动态关系数，新的动态关系数等于 变量数减去主元个数和第一步计算出的静态关系数，h函数逐渐增加，新关系函数按以下公 式递推计算：
【主权项】
1. 一种基于动态核独立分量分析的天然气净化过程异常检测方法，其特征在于该诊断 方法按如下步骤进行： 步骤1 :确定所监测的高含硫天然气净化脱硫生产过程中的m个工艺参数，其中，m = 10,各工艺参数分别为：Xl表示脱硫吸收塔胺液入口流量，X 2表示尾气吸收塔胺液入口流 量，X3表示原料气处理量，X 4表示半富胺液循环量，X 5表示一级吸收塔胺液入口温度，X 6表 示二级吸收塔胺液入口温度，X7表示闪蒸罐压力，X 8表示重沸器A 口蒸汽消耗量，X 9表示重 沸器B 口蒸汽消耗量，Xltl表示蒸汽预热器流量； 步骤2:对高含硫天然气净化脱硫生产过程进行数据采集，所得的样本数据为 [XmXN，Y1, Y2]，其中：X为工艺参数，m为工艺参数数量，N为采集数据样本数量，H 2S含 量，Y2SCO2含量； 步骤3 :对步骤2所得的样本数据进行预处理： 3. 1剔除采集数据中缺失参数的样本，并保证样本满足企业净化气技术指标，得到的数 据为[XnXn，Y1, Y2]，η为处理后采集样本数量，η < N ; 3.2进行数据归一化处理，得到的工业数据为[X' mXn，Y' i，Y' 2]; 步骤4 :分析步骤3所得的工业数据[X'mXn，Y/，Y2']的自回归模型，确定其动态时滞后 阶次h，得到其动态扩展矩阵； 计算时滞后阶次h的方法为：首先处理h = 0的静态情况，数据矩阵中的静态关系数等 于变量数与主元个数之差；然后令h = 1，计算新的动态关系数，新的动态关系数等于变量 数减去主元个数和第一步计算出的静态关系数，h函数逐渐增加，新关系函数按以下公式递 推计算：
直至rnOT(h)〈0，即持续到没有新的静态和动态关系为止， 观测向量Xi= [X n, Xi2,…xim]，考虑其h时滞后阶次信息，则 Xf = [Xn, Xp1 i，·. · X;._/;1, X;.2，X;M2, ·. 七―/2 , ·. ，, X;.-lw , · ·七―-]最终得到的动态 扩展矩阵为?"(，···，乂] 步骤5 :在核主元空间对扩展矩阵Xh进行白化处理，提取核主元分量Z h，并采用独立分 量分析估计独立元sh; 步骤6 :计算独立元Sh对应的SPE统计量和T 2统计量，并分析统计量是否超限，若超限 则发生异常工况，否则正常，再结合T2贡献图法，进行异常工况参数追溯。
2. 根据权利要求1所述的基于动态核独立分量分析的天然气净化过程异常检测方法， 其特征在于：步骤3. 1中的企业净化气技术指标为H2S含量低于6mg/m3，C(V#量低于3%。
3. 根据权利要求1所述的基于动态核独立分量分析的天然气净化过程异常检测方法， 其特征在于：步骤3. 2中的具体归一化处理方法如下：
其中，Xi为归一化前的操作变量，X' i为归一化后的操作变量，Xmin为归一化前Xi的最 小值，Xmax为归一化前X i的最大值，y 归一化前的观测变量，太归一化后观测变量， ymin为归一化前y i最小值，y max为归一化前y i最大值。
【专利摘要】本发明公开了一种基于动态核独立分量分析的天然气净化过程异常检测方法，该诊断方法按如下步骤进行：确定所监测的高含硫天然气净化脱硫生产过程中的工艺参数；对高含硫天然气净化脱硫生产过程进行数据采集；对数据进行预处理；分析数据的自回归模型，确定其动态时滞后阶次，得到其动态扩展矩阵；在核主元空间对扩展矩阵进行白化处理，提取核主元分量，并采用独立分量分析估计独立元；计算独立元对应的SPE统计量和T2统计量，并分析统计量是否超限，若超限则发生异常工况，否则正常，再结合T2贡献图法，进行异常工况参数追溯。本方法能够及时检测故障发生，并追溯工艺操作参数导致故障发生原因，从而为系统故障排查和恢复提供决策参考依据。
【IPC分类】G05B23-02
【公开号】CN104635724
【申请号】CN201410826845
【发明人】李景哲, 苏盈盈, 邱奎, 辜小花, 李太福, 张莉娅
【申请人】重庆科技学院
【公开日】2015年5月20日
【申请日】2014年12月25日