>[0176] SPE指标控制限计算单元306,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。
[0177]待测试样本数据处理单元307,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。
[0178] SPE指标确定单元308,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。
[0179]比较单元309,用于根据该待测试样本数据的SPE指标与该SPE指标控制限进行比 较。
[0180]状态确定单元310,用于在该待测试样本数据的SPE指标大于等于该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。
[0181 ]此外，该历史训练数据更新单元303具体用于：
[0182] 确定该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为该监测参数的历史训练数据 的过程变量个数；
[0183] 在每隔一个步长D时更新一次该监测参数的历史训练数据;第k次更新后的监测参 数的历史训练数据为：
[0184] 另外，该标准化处理单元304具体用于：
[0185] 根据公式：
[0187] 确定该标准化历史训练数据Xi/ ;其中，Xl,/为该标准化历史训练数据中第i行第j 列的数据;XU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。
[0188] 另外，该标准化历史训练数据分解单元305具体用于：
[0189] 根据主成分分析方法将该标准化历史训练数据Xi/分解为：
[0191] 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，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，该载荷矩阵P为前A个主元对应的负荷向量组成的矩 阵，该载荷矩阵P所支撑的空间为主元子空间。
[0192] 确定该标准化历史训练数据Xi/的协方差矩阵Σ :
[0194]
.lk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。
[0195] 此外，该SPE指标控制限计算单元306具体用于：
[0196]根据公式：
[0198] 确定主成分分析统计量S P E指标控制限《；其中，
认j为该协方差矩阵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;Α为主成分分析模型的主元个数;m为该监测参数的历史训练数据的过程变量个 数。
[0199] 此外，该待测试样本数据处理单元307具体用于：
[0200] 确定一时亥ijK的待测试样本数据向量为Y=[yi，y2, . . .，ym];
[0201] 对该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/ ];
内为第j个过程变量历史训练数据的均值;A 为第j个过程变量历史训练数据的标准差。
[0202] 此外，该SPE指标确定单元308具体可以：
[0203]根据公式：
[0204] SPEk= 11 (ι-ρρτ)υ7 | |2
[0205] 确定该待测试样本数据的SPE指标SPEk;其中，I为单位矩阵;Ρ为该载荷矩阵;PTS 该载荷矩阵P￡RmXA的转置。
[0206] 此外，该比较单元309具体可以：判断是否成立。
[0207] 该状态确定单元310具体用于：在ΧΛ匕成立时，确定炼化过程生产装置处于 异常工况状态。
[0208] 进一步的，如图8所示，该炼化过程自适应数据驱动的早期故障监测装置，还可以 包括：
[0209] 贡献率确定单元311，可以确定炼化过程生产装置的各过程变量对SPE指标的贡献 率 C.ont】m %
[0211] 其中，表示单位矩阵Im的第i列的转置。
[0212] 值得说明的是，本发明实施例提供的一种炼化过程自适应数据驱动的早期故障监 测装置的具体实现方式可以参见上述图1和图2对应的方法实施例，此处不再赘述。
[0213] 本发明实施例提供的一种炼化过程自适应数据驱动的早期故障监测装置，通过对 标准化历史训练数据进行主成分分析方法的分解，并确定主成分分析统计量SPE指标控制 限，从而使得在确定待测试样本数据后，能够根据待测试样本数据的SPE指标与SPE指标控 制限进行比较;从而在待测试样本数据的SPE指标大于等于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。通过本发明能够提高炼化过程异常识别的灵敏度，针对多 工况、过渡过程和慢时变过程，本发明能够有效降低误报警率，避免了当前静态的多元统计 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。
[0214] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序 产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实 施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机 可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产 品的形式。
[0215] 本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程 图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流 程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序 指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产 生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实 现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0216] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特 定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指 令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或 多个方框中指定的功能。
[0217] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计 算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或 其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一 个方框或多个方框中指定的功能的步骤。
[0218] 本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例 的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员， 依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述，本说明书内 容不应理解为对本发明的限制。
【主权项】
1. 一种炼化过程自适应数据驱动的早期故障监测方法，其特征在于，包括： 获取炼化过程生产装置的监测参数的历史数据； 确定历史训练数据的滑动窗口长度和步长； 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； 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； 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； 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； 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； 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； 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； 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。2. 根据权利要求1所述的炼化过程自适应数据驱动的早期故障监测方法，其特征在于， 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，包括： 确定所述监测参数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过程变量个数； 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：3. 根据权利要求2所述的炼化过程自适应数据驱动的早期故障监测方法，其特征在于， 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，包括： 根据公式：确定所述标准化历史训练数据Xi/ ;其中，XI,/为所述标准化历史训练数据中第i行第j 列的数据