一种基于数据驱动的报警根源寻找方法与流程

本发明属于安全监控技术领域，特别涉及一种基于数据驱动的报警根源寻找方法。

背景技术：

由于对工业系统安全性和可靠性要求的不断提高，在线、实时地对系统运行过程进行监控成为现代工业系统中必不可少的关键环节。考虑到难以获取系统精确的数学模型和先验知识以及工业系统产生大量历史运行数据等情况，基于数据驱动的过程监控成为现代工业安全监控的主流技术。在故障发生后发出警报能帮助工作人员及时判断系统运行情况，但该方法不能确定警报发生原因。报警根源寻找方法就能够在警报发生时明确报警原因，因而受到了普遍重视。

报警根源寻找方法通过一系列措施准确定位故障，辅助工作人员及时隔离并排除故障。经过多年的发展，人们已经提出了多种报警根源寻找技术，主要分为三大类：

1)符号有向图方法，依赖于系统的物理模型和先验知识；

2)Granger因果分析方法，是基于预测的因果关系；

3)转变熵(transfer entropy，TE)方法。

前两种方法都只适用于线性系统，通过构建模型来获取变量之间的关系，并不适用于大型复杂系统。最后一种方法主要通过计算过程变量的概率密度函数来获取变量之间的因果关系，能够应用于复杂的非线性系统，实用性更强。该类方法的不足在于对建模数据的数量具有较高的要求，而现代工业系统产生海量数据的特点正好弥补这一不足。

因此，本发明人考虑利用转变熵方法确定变量间的因果关系，为寻找报警根源奠定坚实的基础。

技术实现要素：

本发明的目的在于提供一种基于数据驱动的报警根源寻找方法，不依赖于系统物理模型和先验知识，仅依靠过程测量变量就能获得因果关系，就可在报警发出初期就能寻找根源，以便及时隔离和排除故障，减少甚至避免事故发生，提高系统运行的安全性和可靠性。

为了实现上述目的，本发明采用如下技术方案：

一种基于数据驱动的报警根源寻找方法，包括以下步骤：

步骤一：检测工业系统的工作数据并获得观测变量，并将d个观测变量存储到数据矩阵X中，检查数据的时间平稳性并对数据进行预处理；

所述的工作数据包括反应系统运行情况的参数；

步骤二：对模型参数进行初始化，并利用Cao准则或者Ragwitz准则优化模型参数；

步骤三：计算转变熵矩阵P，包括：

A、选取变量：从数据矩阵X中任取两个变量，标记为x、y，共d(d-1)/2种组合；

B、计算两个变量间的转变熵：

其中，是联合概率密度函数，f(·|·)是条件概率密度函数，w是随机向量假设w的元素是w₁,w₂,…,w_s，∫(·)dw是和分别是x和y历史测量值的嵌入向量，k₁和l₁分别是y和x的嵌入维数，h₁是预测范围；

C、计算标准转变熵：

其中，H表示熵,是条件熵；且T_x→y≠T_y→x；

如果大于规定阈值，则判定两个变量x、y具有因果关系；

D、重复步骤B、C直至计算d(d-1)，将d(d-1)/2种组合的变量标准转变熵计算出来，存入矩阵P中，然后将具有因果关系的变量用流向图表示；

步骤四：基于信息流向图中变量因果关系计算标准直接转变熵：

从矩阵P任取x、y、z3个具有因果关系的变量，其中z是中间变量，判断x和y的直接因果关系，包括：

1)、计算直接转变熵：

其中，v表示随机向量预测范围h＝max(h₁,h₃)，嵌入向量是z的历史值，能够为i+h时刻的预测y提供有效信息，是x的历史值，若h＝h₁，则若h＝h₃，则且计算T_x→z时，l₂和m₁是x和z的嵌入维数，h₂是预测范围，τ₂是时间间隔；计算T_z→y时，k₂和m₂是y和z的嵌入维数，h₃是预测范围，τ₃是时间间隔；

2)、计算标准直接转变熵：

如果大于规定阈值，则说明x和y有直接的因果关系；

对步骤三信息流向图中的变量进行上述1)和2)两步计算，验证变量因果关系的真假性；

步骤五，根据步骤四的验证结果建立变量直接因果关系图。

步骤一中，用增广的富勒检验方法对数据进行时间平稳性检查。

所述步骤一对数据进行预处理包括：利用滤波等方法处理数据噪声。

步骤四中，从矩阵P任取x、y、z3个具有因果关系的变量，其中变量z可以为空，x、y为相邻变量。

采用上述方案后，本发明具有以下优点：仅利用反映系统运行的海量数据建立模型，不依赖于系统的物理模型和先验知识，限制条件少，适用性强；此外，在报警初期进行故障定位，能够快速排出故障，减少重大事故发生，提高系统的安全性和可靠性，提高经济效益。

下面结合附图对本发明做进一步的说明。

附图说明

图1为本发明基于数据驱动的报警根源寻找方法的流程图。

图2为变量x、y和z的关系图。

图3为变量x、y和z的信息流向图，其中z到y有直接的因果关系。

图4为变量x、y和z的信息流向图，其中z到y没有因果关系。

图5为基于标准转变熵的信息流向图。

图6为标准直接转变熵的计算步骤。

图7为基于标准直接转变熵的信息流向图。

具体实施方式

实施例一

结合图1说明本具体实施方式，本发明实施例一揭示的一种基于数据驱动的报警根源寻找方法，是按以下步骤进行的：

步骤一：检测工业系统的工作数据并获得观测变量，并将d个观测变量存储到数据矩阵X中，此实施例利用了增广的富勒检验方法检查数据的时间平稳性，并对数据进行预处理，预处理包括利用滤波等方法处理数据噪声；其中工作数据包括反应系统运行情况的参数，例如温度、压力、水位等；

步骤二：对模型参数进行初始化，并利用Cao准则优化模型参数；模型是指建立变量因果关系的模型，模型参数就是建立模型需要的一些设置参数，预处理后的工作数据是模型的输入；

步骤三：计算转变熵矩阵P：

A、从数据矩阵X中取3个变量，标记为x、y、z，计算任意两个变量间的标准转变熵值(normalized TE,NTE)，共d(d-1)/2种组合；

以这3个变量为例说明标准直接转变熵的计算方法；

B、计算x到y的TE值：

其中，是联合概率密度函数，f(·|·)是条件概率密度函数，w是随机向量假设w的元素是w₁,w₂,...,w_s，∫(·)dw是和分别是x和y历史测量值的嵌入向量，k₁和l₁分别是y和x的维数，h₁是预测范围；

如果T_x→y＝0，说明x和y没有因果关系；

C、计算x到y的NTE：

其中，是条件熵；

H表示熵；

D、计算x到z的TE值：

其中，和是时间间隔τ₂的嵌入向量，η是随机向量h₂是预测范围；

如果T_x→z＝0，说明x和z没有因果关系；

E、计算x到z的NTE值：

F、计算z到y的TE值：

其中，和是时间间隔τ₃的嵌入向量，是随机向量h₃是预测范围；

如果T_z→y＝0，说明z和y没有因果关系；

G、计算z到y的NTE值：

对数据矩阵X的任意两个变量都进行TE值的计算，并将该TE值存储到d×d的矩阵P中；

矩阵P的对角线元素是变量本身的转变熵，其值为NA；

当NTE值大于规定的阈值时，判定两个变量具有因果关系，描述基于NTE的信息流向图；

需要说明的是，通常利用高斯核函数估计概率密度函数

对单变量概率密度函数可以用下列公式计算

其中，N是样本数，γ是减少概率密度函数估计的带宽，c＝(4/3)^1/5≈1.06；

对d维多变量情形，概率密度函数估计可以用下列公式计算

其中，s＝1,…,d；

步骤四：计算标准直接转变熵值(normalized direct TE,NDTE)：

A：计算直接转变熵(direct TE,DTE)：

如图2所示，x引起z和y的变化，为了判断x和y是否具有直接因果关系，定义DTE：

其中，v表示随机向量预测范围h＝max(h₁,h₃)，嵌入向量是z的历史值，能够为i+h时刻的预测y提供有效信息，是x的历史值，若h＝h₁，则若h＝h₃，则

B、计算NDTE：

如果DTE_x→y＝0，则x和y没有直接的因果关系；

如果大于规定阈值，则x和y有直接的因果关系；

接下来需要判断z到y因果关系的真假性；

z到y的DTE值计算为：

其中，υ表示随机向量预测范围h＝max(h₁,h₃)，嵌入向量是z的历史值，能够为i+h时刻的预测y提供有效信息，是x的历史值，若h＝h₁，则若h＝h₃，则

z到y的NDTE值计算为

如果NDTE_z→y大于规定阈值，表示z到y具有因果关系，如图3所示；否则，z到y不具有因果关系，如图4所示；

步骤五：对确认有因果关系的变量进行NDTE的计算，验证两个变量之间的直接因果关系，筛选出直接因果关系的变量，以建立直接因果关系图，即确定信息流向图。

实施例二：本实施方式与具体实施方式一不同的是：步骤二采用Ragwitz准则优化参数。

具体实施例：本具体实施例的基于数据驱动的报警根源寻找方法，用于一家石油公司的烟气脱硫过程(flue gas desulfurization，FGD)变量因果关系进行仿真，具体步骤如下；

步骤一，以FDG过程为例，选取反应池、水槽1和水槽2的液位以及泵2和3的流速为变量，分别记为y₁、y₂、y₃y₄、y₅，采集3544组数据，数据具有时间平稳性，并对数据进行预处理；

步骤二，模型参数初始化，并利用Cao准则对参数进行优化；

步骤三，计算变量间的TE值和NTE值，见表1；

表1

选取0.02作为阈值，基于标准转变熵的信息流向路径如图5所示；

步骤四，计算FDG部分过程的DTE和NDTE值，见表2；

表2

如果NDTE值过小，则判定变量没有直接因果关系，根据直接转变熵计算结果获取信息流向图的步骤如图6所示；

步骤五，得到FDG过程的信息流向图如图7所示。

上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。