一种炼化过程参数动态报警阈值的生成方法及装置的制造方法
【技术领域】
[0001] 本发明设及石油炼化故障监测技术领域，尤其设及一种炼化过程参数动态报警阔 值的生成方法及装置。
【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W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监测格外重要。
[0003] 目前，大多数炼化工业采用静态模型参数阔值方法对生产过程进行状态监测，而 基于静态模型参数阔值的方法理论上都建立在W下假设之上：即建模数据基本涵盖所有正 常炼化工况的数据空间，炼化工况过程是稳态不变的。但是，实际的炼化过程中大多数都存 在缓慢而正常的漂移，即慢时变特征，此外实际炼化过程具有多工况非稳态过渡特征，因此 静态参数报警阔值在生产工况变化后将不再适用，若继续应用原始的静态参数报警阔值， 则容易引发大范围的误报警和漏报警。另外，在大多数的炼化工业中，参数报警阔值一般采 用人工调节，即装置生产负责人根据当前的工艺情况适当调整报警阔值W规避冗余报警或 根据操作需要缩小或扩大报警阔值范围。人工参数阔值设置往往会导致报警阔值更新不及 时或误更新，从而引发新的误报警和漏报警或者降低异常监测的灵敏性。
[0004] 可见，当前采用静态模型参数阔值方法，并由人工调节参数报警阔值已经不能满 足复杂多变的炼化工业生产过程。
【发明内容】
[0005] 本发明的实施例提供一种炼化过程参数动态报警阔值的生成方法及装置，W解决 当前采用静态模型参数阔值方法，并由人工调节参数报警阔值，容易引发误报警或漏报警， 且容易降低异常监测的灵敏度的问题。
[0006] 为达到上述目的，本发明采用如下技术方案：
[0007] -种炼化过程参数动态报警阔值的生成方法，包括：
[0008] 获取炼化过程生产装置的参数的历史数据；
[0009] 确定所述参数的历史数据所对应的滑动窗口长度和步长；
[0010] 根据所述滑动窗口长度和步长，确定参数的初始历史训练数据，并自所述初始历 史训练数据每隔一个步长时间更新一次历史训练数据;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参数的历史数据；
[0011] 对所述历史训练数据进行列向的归一化处理，形成归一化历史训练数据；
[0012] 根据所述归一化历史训练数据对每个参数进行核密度估计，生成每个参数的概率 密度函数；
[0013] 根据所述每个参数的概率密度函数，确定每个参数的概率分布函数；
[0014] 根据所述每个参数的概率分布函数W及预先设置的报警阔值置信度，确定每个参 数所对应的报警阔值。
[0015] 具体的，根据所述滑动窗口长度和步长，确定参数的初始历史训练数据，并自所述 初始历史训练数据每隔一个步长时间更新一次历史训练数据，包括：
[0016] 确定所述参数的初始历史训练数据矩阵为：
；其中，Io为 历史训练数据长度;m为所述历史训练数据的过程变量个数；
[0017] 在每隔一个步长D时间更新一次所述历史训练数据，第k次更新后的历史训练数据 为：
Ik为第k次更新后的历史训练数据的长度。
[0018] 具体的，对所述历史训练数据进行列向的归一化处理，形成归一化历史训练数据， 包括：
[0019] 根据公式：
[0020]
[0021] 确定所述归一化历史训练数据;其中，Xi,/为所述归一化历史训练数据中第i行第 巧U的数据;Xi,功历史训练数据Xk中第i行第巧揃数据;Xmin(j)为第巧U历史训练数据的最 小值;Xmax(j)为第j列历史训练数据的最大值。
[0022] 具体的，根据所述归一化历史训练数据对每个参数进行核密度估计，生成每个参 数的概率密度函数，包括：
[0023] 根据公式：
[0024]
[0025] 对每个参数进行核密度估计，生成每个参数的概率密度函数f (X);
[0026] 其中，
；1功第k次更新后的历史训练数据的长度；
d为预先设置的空间维数；
为高斯核函数， 为第j个参数的归一化历史训练数据均值。
[0027] 具体的，根据所述每个参数的概率密度函数，确定每个参数的概率分布函数，包 括：
[002引根据公式：
[0029]
[0030] 确定每个参数的概率分布函数F(X)。
[0031] 具体的，根据所述每个参数的概率分布函数W及预先设置的报警阔值置信度，确 定每个参数所对应的报警阔值，包括：
[0032] 根据公式：
[0033] F(X)=曰
[0034] 确定每个参数所对应的第一参数值Si;其中，a为预先设置的报警阔值置信度； [00巧]根据公式：
[0036] Xl = Sl X (Xmax( j )-Xmin( j ) )+Xmin( j )
[0037] 确定第j个参数所对应的报警阔值下限XI;其中，Xmin(j)为第j列历史训练数据的 最小值;Xmax(j)为第j列历史训练数据的最大值。
[0038] 具体的，根据所述每个参数的概率分布函数W及预先设置的报警阔值置信度，确 定每个参数所对应的报警阔值，还包括：
[0039] 根据公式：
[0040] F(x) = l-a
[0041] 确定每个参数所对应的第二参数值S2;
[0042] 根据公式：
[0043] X2 = S2 X (Xmax( j )-Xmin( j ) )+Xmin( j )
[0044] 确定第j个参数所对应的报警阔值上限X2。
[0045] -种炼化过程参数动态报警阔值的生成装置，包括：
[0046] 历史数据获取单元，用于获取炼化过程生产装置的参数的历史数据；
[0047] 滑动窗口长度和步长确定单元，用于确定所述参数的历史数据所对应的滑动窗口 长度和步长；
[004引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，确定参数的初始历 史训练数据，并自所述初始历史训练数据每隔一个步长时间更新一次历史训练数据;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参数的历史 数据；
[0049] 归一化处理单元，用于对所述历史训练数据进行列向的归一化处理，形成归一化 历史训练数据；
[0050] 核密度估计单元，用于根据所述归一化历史训练数据对每个参数进行核密度估 计，生成每个参数的概率密度函数；
[0051] 概率分布函数确定单元，用于根据所述每个参数的概率密度函数，确定每个参数 的概率分布函数；
[0052] 报警阔值确定单元，用于根据所述每个参数的概率分布函数W及预先设置的报警 阔值置信度，确定每个参数所对应的报警阔值。
[0053] 此外，所述历史训练数据更新单元，具体用于：
[0054] 确定所述参数的初始历史训练数据矩阵为：
其中，Io为 历史训练数据长度;m为所述历史训练数据的过程变量个数；
[0055] 在每隔一个步长D时间更新一次所述历史训练数据，第k次更新后的历史训练数据 为：
Ik为第k次更新后的历史训练数据的长度。
[0化6] 此外，所述归一化处理单元，具体用于：
[0化7]根据公式：
[0化引
[0059] 确定所述归一化历史训练数据;其中，Xi,/为所述归一化历史训练数据中第i行第 j列的数据;Xi,功历史训练数据Xk中第i行第j列的数据;Xmin(j)为第j列历史训练数据的最 小值;Xmax(j)为第j列历史训练数据的最大值。
[0060] 此外，所述核密度估计单元，具体用于：
[0061] 根据公式：
[0062]
[0063] 对每个参数进行核密度估计，生成每个参数的概率密度函数f (X);
[0064] 其中，
；1功第k次更新后的历史训练数据的长度； d为预先设置的空间维数；
为高斯核函数
为第j个参数的归一化历史训练数据均值。
[0065] 此外，所述概率分布函数确定单元，具体用于：
[0066] 根据公式：
[0067]
[0068] 确定每个参数的概率分布函数F(X)。
[0069] 另外，所述报警阔值确定单元，具体用于：
[0070] 根据公式：
[0071] F(X)=曰
[0072] 确定每个参数所对应的第一参数值Si;其中，a为预先设置的报警阔值置信度；
[0073