专利名称：基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法
技术领域：
本发明属于工况预测技术领域，特别涉及一种基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法。
背景技术：
化工生产过程的压力高、自动化程度高、生产工艺复杂、连续性强、工艺参数要求苛刻，化工生产过程中涉及的原料、中间体和产品多数有毒、易燃、易爆，系统设备一旦发生故障引发事故，必将造成巨大的经济损失，严重的生态灾难，引起巨大的社会反响。另一方面，随着科技的发展，化工设备系统正朝大规模、复杂化的方向发展，化工装置的控制系统复杂，控制回路与测量点多，操作条件多变，使得维持化工装置正常运行、在异常工况采取正确的决策变得非常困难。化工装置的运行情况可以分为正常状况、异常状况和紧急状况。在化工设备正常运行情况下，可以通过建立数学模型来模拟流程，优化操作条件、改善控制效果等。但是，在异常情况下，化工过程的拓扑结构都有可能发生变化，正常运行状况下的数学模型将不能反映化工过程的特征，此时如何预测化工过程关键变量的发展趋势，从而及时给出可靠的决策依据，进而采取相应措施排除异常工况尽可能防止进入紧急工况，这是具有重要意义而且亟待解决的问题。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法，适用于化工过程发生异常工况甚至事故初期一些关键监控变量的发展趋势预测。为了实现上述目的，本发明采用的技术方案是:一种基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法，包括以下步骤:第一步，在超过化工过程体系正常运行的阈值，进入异常工况后开始采集系统主要变量的数值，使用卡尔曼滤波校正测量数据得到更加真实的实际运行数据；第二步，从校正得到的更加真实的历史数据记录中选择一组连续的数值，使用灰色系统理论建立预测系统，计算分析系统变量的变化趋势；第三步，通过分析预测结果，采取相应的处理措施；第四步，不断采集数据并使用卡尔曼滤波校正数据并从中选择数据作为建立灰色预测系统的输入值，持续更新预测系统的模型，计算分析系统主要变量的变化发展趋势；第五步，根据动态的预测结果，采取相应的措施直到极端情况解除，或者进入紧急工况紧急停车。所述主要变量包括温度以及压力。将所述主要变量记为X，x=(x(l)，x(2)，…，X(Iitl)),共有Iitl个数据，X不断记录测量数据，则Iltl随着时间的推移不断增大，所述数据是等时间间隔的采样测量数据。
对x=(x(l), x(2),…，X(Iici))使用卡尔曼滤波校正方法如下:构造系统的状态方程:X(t+l)=F*X(t)+W ；构造系统的观测方程:Y(t)=H*X(t)+V其中x(t)为状态向量，其中
权利要求
1.一种基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法，其特征在于，包括以下步骤: 第一步，在超过化工过程体系正常运行的阈值，进入异常工况后开始采集系统主要变量的数值，使用卡尔曼滤波校正测量数据得到更加真实的实际运行数据； 第二步，从校正得到的更加真实的历史数据记录中选择一组连续的数值，使用灰色系统理论建立预测系统，计算分析系统变量的变化趋势； 第三步，通过分析预测结果，采取相应的处理措施； 第四步，不断采集数据并使用卡尔曼滤波校正数据并从中选择数据作为建立灰色预测系统的输入值，持续更新预测系统的模型，计算分析系统主要变量的变化发展趋势； 第五步，根据动态的预测结果，采取相应的措施直到极端情况解除，或者进入紧急工况紧急停车。
2.根据权利要求1所述的基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法，其特征在于，所述主要变量包括温度以及压力。
3.根据权利要求1所述的基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法，其特征在于，将所述主要变量记为X, X= (x(l), X (2)，…，X(Iici)),共有Iici个数据,X不断记录测量数据，则Iitl随着时间的推移不断增大，所述数据是等时间间隔的采样测量数据。
4.根据权利要求3所述的基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法，其特征在于，对X= (x(l), x(2),…，X(Iici))使用卡尔曼滤波校正方法如下: 构造系统的状态方程:X(t+l)=F*X(t)+W ； 构造系统的观测方程:Y(t)=H*X(t)+V` 其中X(t)为状态向量，其中X(0= *x(t)为t时刻测量数据，dx(t)为t时刻ax(i)数据的变化率，Y(t)为观测数据，其中Y(t) = [x(t)]； F，H分别为状态矩阵和观测矩阵，其中F为2 X 2矩阵，H为I X 2矩阵； W，V分别为系统控制矩阵和观测噪声矩阵，其中W为2 X I矩阵，V为I X I矩阵； 通过初始状态值X(O)及t时刻内所有Iitl个观测值Y ⑴=X ⑴，Y ⑵=X ⑵，…，Y (t) =X (n0) 对t时刻状态向量X (t)的实际值进行预测校正，计算得到t=P(X(/)|Y(l)s...,Y(O)c
5.根据权利要求4所述的基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法，其特征在于，使用灰色系统理论建立预测系统并计算分析系统变量变化趋势的方法如下: 步骤1，在、的H0个数据中取η个数据，n ^ rv进行灰度预测模型的发展趋势的预测，记该组用来预测的原始数据为x(°)，其中X(0) = (x(0) (I)，X(0) (2)，...，x(0) (η)),x(0)共有η个连续测量的数据； 步骤2，对预测基准数据进行累加，减小随机误差，得到数据序列χ(1)， χω = (χω(1),χ(1) (2),...,χω (η)) 其中χωα)中各数据表示对应前几项的累加:
全文摘要
一种基于卡尔曼滤波与灰色预测的化工异常工况趋势预测方法，在超过化工体系正常运行的阈值进入异常工况之后，采集系统主要变量的测量数据并使用卡尔曼滤波校正数据，选择校正后的数值作为输入，基于灰色预测理论建立预测系统，计算分析系统变量的发展变化趋势，通过分析预测结果，采取相应的处理措施，通过不断采集数据并使用卡尔曼滤波校正数据，不断更新用于模型输入的最新数据，持续更新预测系统的模型，计算分析预测系统变量的变化趋势，根据动态的预测结果，采取相应措施直到极端情况解除，或者进入紧急工况紧急停车，本发明可为化工过程异常情况下及时采取措施提供决策依据，有利于减少化工过程造成人员伤亡和降低设备损毁造成的损失。
文档编号G06Q10/04GK103226737SQ20131012989
公开日2013年7月31日 申请日期2013年4月15日 优先权日2013年4月15日
发明者赵劲松, 王杭州, 朱剑锋, 陈丙珍, 邱彤 申请人:清华大学