化工装置运行状态评分方法
【技术领域】
[0001] 本发明涉及一种化工装置运行状态评分方法。
【背景技术】
[0002] 主元分析方法（Principle Component Analysis, PCA)，作为一种基于信号处理的 数据驱动方法，已广泛应用于工业过程故障诊断中。
[0003] CN201410432641. 4提供了一种风力发电设备的运行状态评估方法，包括：筛选出 影响风力发电设备稳定运行的因素，确定各个因素对应的扰动因子，以及扰动系数；将扰动 因子按照四个方面的指标进行归类，建立风力发电设备稳定运行的评价指标体系；根据所 述评价指标体系建立神经网络模型，并对所述神经网络模型进行求解，算出风力发电设备 的运行状态值；比较所述运行状态值和预设的稳定运行阈值，得出风力发电设备的所处的 稳定运行等级，并根据所述稳定运行等级做出状态预警和提供检修策略。能够依据运行评 价体系，对风力发电设备进行实时评价，确定当前的风力发电设备的运行状态，提升风力发 电设备运行的稳定性，有效降低风力发电设备的故障概率。
[0004] 当PCA应用于过程故障监测时，首先以历史无故障工况数据组成测量数据矩阵 (即建模数据），获得正常工况的PCA模型。当所建立的PCA模型应用于实际化工过程故障 监测时，对于根据建模数据的均值和标准差标准化之后的实时测量数据向量x n?e RmX1，可 计算其主元和残差，如下所示：
[0005] t = Pxnew
[0006] t = Pxnav
[0007] 计算出t和F之后，则可计算其T2统计量和Q统计量：
【主权项】
1. 一种化工装置运行状态评分方法，包括如下步骤： 1) 化工装置实时数据进入工艺运行状态评分系统，按照PCA的故障监测算法模型判定 当前的工艺状态； 2) 在基于PCA的故障监测算法模型中，将T2和Q统计量进行统一，形成新的综合故障 监测指标n:
其中，A=mean(T2)+T.std，9Q=mean(Q)+T 表示随机变量x的平 均值，std(x)表示X的标准差，而T为误判风险参数，为2或3;当某一实时数据向量的综 合指标n>2时，则认为过程出现故障； 3) 提出综合故障监测指标n后，在n值为（0, 2)时，认为装置没有异常波动；在（2, 10) 时，认为是异常波动；在（10, + <-)时，认为是故障状态；n越大，偏离正常状态的程度越高； 将n值换算为百分制的工艺状态运行指数z，实现对工艺运行状态的打分，具体打分规则如 下： (a)nG(〇, 2)，zG(95, 100); (b)nG(2, 10)，zG(85, 95); (c)nG(10, 1〇〇)，zG(75, 85); (d)nG(100, 1000)，zG(65, 75); (e)nG(1000, +①），zG(50, 65) 〇
【专利摘要】本发明涉及一种化工装置运行状态评分方法，主要解决现有技术中故障监测存在结果不确定性的问题。本发明通过采用一种化工装置运行状态评分方法，化工装置实时数据进入工艺运行状态评分系统，按照PCA的故障监测算法模型判定当前的工艺状态；在基于PCA的故障监测算法模型中，形成新的综合故障监测指标的技术方案较好地解决了上述问题，可用于化工装置运行状态评分中。
【IPC分类】G05B23-02
【公开号】CN104808652
【申请号】CN201510186037
【发明人】李传坤, 王春利, 李 杰, 高新江, 朱剑锋, 石宁
【申请人】中国石油化工股份有限公司, 中国石油化工股份有限公司青岛安全工程研究院
【公开日】2015年7月29日
【申请日】2015年4月20日