一种炼化过程自适应数据驱动的早期故障监测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及石油炼化故障监测技术领域，尤其涉及一种炼化过程自适应数据驱动 的早期故障监测方法及装置。
【背景技术】
[0002] 当前，作为典型的过程工业，炼化过程工艺复杂且生产装置数量及种类繁多。在炼 化过程中，一旦发生故障将影响到炼化过程及以外的其他装置。甚至有可能引发一些重大 事故。因此，对炼化过程中的生产过程进行状态监测格外重要。
[0003] 目前，大多数炼化工业采用参数阈值方法对生产过程进行状态监测，而炼化过程 多为复杂工艺，参数间具有复杂的相关性和动态性，工况的异常变化常常不能及时地反映 在单一参数的变化上，而过程数据的数据结构受到工况的波动会表现出明显的变化。因此， 通过多元统计方法，挖掘数据相关性变化对异常工况进行早期识别可在参数超出阈值报警 前识别出异常工况，为操作人员提供足够的异常工况反应和处理时间，从而保证生产的稳 态运行并且避免了操作不及时导致的重大事故的发生。
[0004] 多元统计方法是常用的数据驱动方法，包括主成分分析、独立成分分析等，利用多 个过程变量间的相关性实现过程故障诊断，能够从数据结构方面提取出故障特征，相较于 参数报警方式，可以提早发现异常工况。然而实际生产过程具有工况缓慢变化的特征，静态 的多元统计模型应用于实际生产过程中容易出现大范围的误报警问题。可见，静态模型不 适用于实际炼化过程的故障监测中。
【发明内容】
[0005] 本发明的实施例提供一种炼化过程自适应数据驱动的早期故障监测方法及装置， 以解决实际生产过程具有工况缓慢变化的特征，静态的多元统计模型应用于实际生产过程 中容易出现大范围的误报警的问题。
[0006] 为达到上述目的，本发明采用如下技术方案：
[0007] -种炼化过程自适应数据驱动的早期故障监测方法，包括：
[0008] 获取炼化过程生产装置的监测参数的历史数据；
[0009] 确定历史训练数据的滑动窗口长度和步长；
[0010] 根据所述滑动窗口长度和步长在监测参数的历史数据中确定历史训练数据，并自 历史训练数据的初始历史训练数据每隔一个步长时间更新一次所述历史训练数据;所述初 始历史训练数据为确定历史训练数据的初始时刻之前的一滑动窗口长度的历史数据；
[0011] 对所述历史训练数据进行列向标准化处理，形成标准化历史训练数据；
[0012] 根据主成分分析方法将所述标准化历史训练数据进行分解；
[0013] 根据分解后的标准化历史训练数据确定主成分分析统计量SPE指标控制限；
[0014] 获取炼化过程的实时测量数据，并将所述实时测量数据确定为待测试样本数据； [0015]根据当前更新后的历史训练数据，确定待测试样本数据的SPE指标；
[0016]根据所述待测试样本数据的SPE指标与所述SPE指标控制限进行比较；
[0017]若所述待测试样本数据的SPE指标大于等于所述SPE指标控制限，确定炼化过程生 产装置处于异常工况状态。
[0018] 具体的，根据所述滑动窗口长度和步长在监测参数的历史数据中确定历史训练数 据，并自历史训练数据的初始历史训练数据每隔一个步长时间更新一次所述历史训练数 据，包括：
[0019] 确定所述监测参数的初始历史训练数据矩阵为： 1〇为历史训练数据长度;m为所述监测参数的历史训练数据的过程变量个数；
[0020] 在每隔一个步长D时更新一次所述历史训练数据;第k次更新的历史训练数据为：
[0021] 具体的，对所述历史训练数据进行列向标准化处理，形成标准化历史训练数据，包 括：
[0022]根据公式：
[0024]确定所述标准化历史训练数据Χι/ ;其中，Xl,/为所述标准化历史训练数据中第i 行第j列的数据;为历史训练数据Xk中第i行第j列的数据;^为第j个过程变量历史训练 数据的均值;力为第j个过程变量历史训练数据的标准差。
[0025]具体的，根据主成分分析方法将所述标准化历史训练数据进行分解，包括：
[0026]根据主成分分析方法将所述标准化历史训练数据Χι/分解为：
[0028] 其中，为标准化历史训练数据X!/在主元子空间中的估计;E为标准化历史训练 数据Xi/在残差子空间上的投影，即主成分分析模型的估计残差矩阵；TeRLXA，T为得分矩 阵，所述得分矩阵表示主成分分析模型的前A个主元对应的得分向量组成的矩阵;L为标准 化历史训练数据长度;PT为载荷矩阵P￡R mXA的转置，所述载荷矩阵P为前A个主元对应的负 荷向量组成的矩阵，所述载荷矩阵P所支撑的空间为主元子空间；
[0029] 确定所述标准化历史训练数据Xi/的协方差矩阵Σ :
[0031]
,1k为第k次更新后的历 史训练数据长度;为第j个过程变量历史训练数据的均值;W为第i个过程变量历史训练数 据的均值。
[0032] 具体的，根据分解后的标准化历史训练数据确定主成分分析统计量SPE指标控制 限，包括：
[0033]根据公式：
[0035] 确定主成分分析统计量S P E指标控制限元·，其中
为所述协方差矩阵Σ的第m-A个特征值;ca为标准正态分布在置信度水 平α下的阈值;A为主成分分析模型的主元个数;m为所述监测参数的历史训练数据的过程变 量个数。
[0036] 具体的，所述获取炼化过程的实时测量数据，并将所述实时测量数据确定为待测 试样本数据，包括：
[0037] 确定一时亥ijK的待测试样本数据向量为Y=[yi，y2, . . .，ym];
[0038] 对所述待测试样本数据向量进行列向标准化处理，形成标准化待测试样本数据向 量:疒=[y/ ^/，. . .，y/ ];其中
内为第j个过程变量历史训练数据的均值 为第j个过程变量历史训练数据的标准差。
[0039] 具体的，根据当前更新后的历史训练数据，确定待测试样本数据的SPE指标，包括：
[0040] 根据公式：
[0041] SPEk= 11 (ι-ρρτ)υ7 112
[0042] 确定所述待测试样本数据的SPE指标SPEk;其中，I为单位矩阵;P为所述载荷矩阵； PTS所述载荷矩阵P e RmXA的转置。
[0043] 具体的，根据所述待测试样本数据的SPE指标与所述SPE指标控制限进行比较，包 括：
[0044] 判断SPE, 2 <是否成立；
[0045]若所述待测试样本数据的SPE指标大于等于所述SPE指标控制限，确定炼化过程生 产装置处于异常工况状态，包括：
[0046] 若《成立，确定炼化过程生产装置处于异常工况状态。
[0047] 进一步的，该炼化过程自适应数据驱动的早期故障监测方法，还包括：
[0048] 确定炼化过程生产装置的各过程变量对SPE指标的贡献率:
[0050]其中，#为单位矩阵Im的第i列的转置。
[0051 ] -种炼化过程自适应数据驱动的早期故障监测装置，包括：
[0052]监测参数的历史数据获取单元，用于获取炼化过程生产装置的监测参数的历史数 据；
[0053]滑动窗口长度和步长确定单元，用于确定历史训练数据的滑动窗口长度和步长； [0054]历史训练数据更新单元，用于根据所述滑动窗口长度和步长在监测参数的历史数 据中确定历史训练数据，并自历史训练数据的初始历史训练数据每隔一个步长时间更新一 次所述历史训练数据;所述初始历史训练数据为确定历史训练数据的初始时刻之前的一滑 动窗口长度的历史数据；
[0055] 标准化处理单元，用于对所述历史训练数据进行列向标准化处理，形成标准化历 史训练数据；
[0056] 标准化历史训练数据分解单元，用于根据主成分分析方法将所述标准化历史训练 数据进行分解；
[0057] SPE指标控制限计算单元，用于根据分解后的标准化历史训练数据确定主成分分 析统计量SPE指标控制限；
[0058]待测试样本数据处理单元，用于获取炼化过程的实时测量数据，并将所述实时测 量数据确定为待测试样本数据；
[0059] SPE指标确定单元，用于根据当前更新后的历史训练数据，确定待测试样本数据的 SPE指标；
[0060]比较单元，用于根据所述待测试样本数据的SPE指标与所述SPE指标控制限进行比 较；
[0061 ]状态确定单元，用于在所述待测试样本数据的SPE指标大于等于所述SPE指标控制 限时，确定炼化过程生产装置处于异常工况状态。
[0062] 此外，所述历史训练数据更新单元具体用于：
[0063] 确定所述监测参数的历史训练数据的初始历史训练数据矩阵为：
;其中，1〇为历史训练数据长度;m为所述监测参数的历史训练数 据的