CN102436720B - 一种基于数据过滤的重复报警处理方法 - Google Patents

Abstract

本发明公开了报警管理技术领域中的一种基于数据过滤的重复报警处理方法。本发明利用变量过程历史数据对变量的报警处理参数进行最优化设计，并将求得的报警处理最优化参数存入报警参数数据库中；然后，从实时数据库或集散控制系统中采集实时过程数据；之后，从报警参数数据库中获取过滤窗口的参数，对实时过程数据进行数据过滤；最后，对数据过滤后的实时过程数据进行重复报警判定，若判定为重复报警，则对判定为重复报警的报警进行报警自动抑制，否则，显示报警信息。本发明消除了实时过程数据中的噪声影响，减少了重复报警发生的数量，达到了流程工业报警管理的目标。

Description

一种基于数据过滤的重复报警处理方法

技术领域

本发明属于报警管理技术领域，尤其涉及一种基于数据过滤的重复报警处理方法。

背景技术

流程工业中报警系统起着很重要的作用。当一个报警激活后，操作员应查找报警原因，采取正确的行动，以消除异常，使装置回到正常状态。随着集散控制系统DCS(Distributed Control System)的出现，报警设置变得更加容易，使得报警系统中报警数量急剧增加。由于报警系统缺乏有效地管理，异常工况下容易产生报警泛滥，对于操作员正确处理装置异常起到负面作用。糟糕的报警系统带给操作员的报警泛滥往往是导致事故的主要原因之一。历史上，1994年德士古米尔福德港炼油厂爆炸、2005年BP公司德克萨斯城炼油厂爆炸事故等重大事故，都与缺乏有效管理的报警系统有一定关系。

在实际流程工业报警系统中，错误或无效报警的过多出现给操作员正常操作带来了严重地干扰，其不仅分散了操作员对装置运行的注意力，而且掩盖了重要、关乎装置安全的报警。重复报警是错误或无效报警中最常见的表现形式，所以重复报警的处理对于流程工业中装置正常运行具有很重要的意义。

重复报警是指那些在短时间内多次激活和消除的报警。产生重复报警的原因有很多，比如过程变量受到噪声影响，使得变量值在报警限上下浮动，或者由于报警限设置不恰当，装置运行波动时导致报警重复发生等。统计表明，在一个典型的化工装置中，重复报警所导致的报警数量能够占到报警总数的约50％，严重地干扰操作员正确处理装置异常。

重复报警处理方法主要有设置死区、延迟报警时间、报警搁置以及报警自动抑制等。报警自动抑制虽然能够消除重复报警所导致的报警数量的增多，但也有其不足，即如果一个过程变量被长时间抑制，则操作员看不到其数据分布变化，而如果此变量的数据分布变化能够反映一个异常，则对于操作员来说就因为报警自动抑制而导致了信息缺失，不利于异常的正确处理。在报警自动抑制的基础上加入数据过滤，同时对于报警处理参数采用过程历史数据最优化设计，可以解决报警自动抑制的不足，达到有效处理重复报警的目的。

发明内容

针对上述背景技术中提到的现有报警系统中存在噪声干扰、报警限设置不当等不足，本发明提出了一种基于数据过滤的重复报警处理方法。

本发明的技术方案是，一种基于数据过滤的重复报警处理方法，其特征是该方法包括以下步骤：

步骤1：利用变量过程历史数据对变量的报警处理参数进行最优化设计，并将求得的最优化的过滤窗口、最优化的报警上限和最优化的报警下限存入报警参数数据库中；

步骤2：从实时数据库或集散控制系统中采集实时过程数据；

步骤3：从报警参数数据库中获取过滤窗口的参数，对实时过程数据进行数据过滤；

步骤4：对数据过滤后的实时过程数据进行重复报警判定，若判定为重复报警，则进入步骤5；否则，显示报警信息；

步骤5：对判定为重复报警的报警进行报警自动抑制。

所述步骤1具体为：

步骤1.1：选取一段引起报警重复的过程历史数据，对过程历史数据进行数据过滤；

步骤1.2：在步骤1.1的基础上，选择过滤窗口和报警限，得到过滤窗口和报警上限的二维数组与过滤窗口和报警下限的二维数组；

步骤1.3：在步骤1.2的基础上，确定报警上限的目标函数和报警下限的目标函数，求出最优化的过滤窗口、最优化的报警上限和最优化的报警下限，并将最优化的过滤窗口、最优化的报警上限和最优化的报警下限存入报警参数数据库中。

所述对实时过程数据进行数据过滤的方法为移动平均法、移动方差法、加权移动平均法或指数加权移动平均法。

所述对过程历史数据进行数据过滤的方法为移动平均法、移动方差法、加权移动平均法或指数加权移动平均法。

所述报警上限的目标函数为：

$S\left(i\right)=\min \{\mathrm{\α}\·\mathrm{\β}\·i+(1-\mathrm{\α})\·|{{\mathrm{AMLMT}}_i}^H-{\mathrm{AMLMT}}^H\left|\right\}$

其中：

S(i)是目标函数；

i为过滤窗口；

α为权值，表征过滤窗口i所占的权重；

β为过滤窗口i与报警限差值之间的权值；

为过滤窗口i对应的报警上限值；

AMLMT^H为报警上限值。

所述报警下限的目标函数为：

$S\left(i\right)=\min \{\mathrm{\α}\·\mathrm{\β}\·i+(1-\mathrm{\α})\·|{{\mathrm{AMLMT}}_i}^L-{\mathrm{AMLMT}}^L\left|\right\}$

其中：

为过滤窗口i对应的报警下限值；

AMLMT^L为报警下限值。

所述过滤窗口和报警上限的二维数组为

所述过滤窗口和报警下限的二维数组为

本发明在原有报警自动抑制方法的基础上加入数据过滤处理，即在判定重复报警之前，先对从集散控制系统DCS或实时数据库中采集到的实时过程数据进行数据过滤处理，以消除实时过程数据中的噪声影响。其中数据过滤处理中过滤窗口大小及重复报警判定中报警限等报警处理参数均由过程历史数据最优化设计得到，保证了报警处理参数的实用性和准确性。

本发明能够有效处理重复报警，减少重复报警发生的数量，达到流程工业集散控制系统DCS报警管理的目标。同时采用过程历史数据最优化报警处理参数，保证了方法的实用性和准确性。

附图说明

图1为实施例的方法的流程图；

图2为实施例方法应用的引起报警重复的过程历史数据段；

图3为实施例方法应用的目标函数曲线；

图4为实施例方法应用的一段实时过程数据分布；

图5为实施例方法应用的过滤后实时过程数据分布。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

本发明的一个目的，是在报警自动抑制的基础上加入数据过滤，同时对于报警处理参数采用过程历史数据最优化设计，从而克服了如果某报警被长时间自动抑制导致的对操作员信息缺失问题。在确定报警处理参数时，采用过程历史数据最优化设计，保证了方法的实用性和准确性。

本发明的步骤为：

步骤1：利用变量过程历史数据对变量的报警处理参数进行最优化设计，并将求得的最优化的过滤窗口、最优化的报警上限和最优化的报警下限存入报警参数数据库中。；

步骤2：从实时数据库或集散控制系统中采集实时过程数据；

步骤3：从报警参数数据库中获取过滤窗口的参数，对实时过程数据进行数据过滤；

步骤4：对数据过滤后的实时过程数据进行重复报警判定，若判定为重复报警，则进入步骤5；否则，显示报警信息；

步骤5：对判定为重复报警的报警进行报警自动抑制。

本发明方法的具体步骤如下：

1.对变量的报警处理参数最优化设计，并将报警处理最优化参数存入报警参数数据库中，为后续数据过滤及重复报警判定部分提供相应参数支持。

a)对于某一变量，首先选取一段典型的引起报警重复的过程历史数据段，同时从移动平均法、移动方差法、加权移动平均法以及指数加权移动平均法等方法中选择一种数据过滤方法，用来对过程历史数据段进行过滤处理，以获取最优化的过滤窗口。

移动平均法公式如下：

$y_i=\frac{1}{n}(x_{j-n+1}+\·\·\·+x_{j-1}+x_j),j=n,n+1,\·\·\·$

移动方差法公式如下：

$y_j=\frac{1}{n-1}\underset{k=0}{\overset{n-1}{\mathrm{\Σ}}}{(x_{j-k}-\stackrel{\‾}{x})}^2,j=n,n+1,\·\·\·$

加权移动平均法公式如下：

$y_j=\frac{n\·x_j+(n-1)\·x_{j-1}+\·\·\·+2\·x_{j-n+2}+x_{j-n+1}}{n+(n-1)+\·\·\·+2+1},j=n,n+1,\·\·\·$

指数加权移动平均法公式如下：

y_j＝γ·x_j+γ(1-γ)·x_j-1+…+γ(1-γ)^n-1·x_j-n+1，j＝n，n+1，…

其中：

y_j为过滤后的实时过程数据；

x_j为实时过程数据；

为实时过程数据的平均值；

γ为指数加权移动平均法参数，γ∈[0，1]，参数n为过滤窗口大小，过滤窗口大小从报警参数数据库中获得。

b)接下来，根据变量报警限类型和过程历史数据段性质选择具体的最优化设计方法，以选择适合的报警限。变量报警限类型包括报警上限和报警下限，当然设计报警上上限方法同报警上限，设计报警下下限方法同报警下限。过程历史数据段性质根据引发重复报警的装置状态而定，引发重复报警的装置状态分为稳态和异常态两种。

i)如果变量报警限类型为报警上限且过程历史数据段性质为稳态，选取误报率POFA作为优化目标，当过滤窗口大小为i时，从小到大改变报警上限值AMLMT^H，计算误报率POFA，记录使误报率POFA达到最小的最小报警上限值；得到过滤窗口和报警上限的二维数组

过滤窗口大小i＝2，3，…。

ii)如果变量报警限类型为报警上限且过程历史数据段性质为异常态，选取漏报率POMA作为优化目标，当过滤窗口大小为i时，从大到小改变报警上限值AMLMT^H，计算漏报率POMA，记录使漏报率POMA达到最小的最大报警上限值；得到过滤窗口和报警上限的二维数组

过滤窗口大小i＝2，3，…。

iii)如果变量报警限类型为报警下限且过程历史数据段性质为稳态，选取误报率POFA作为优化目标，当过滤窗口大小为i时，从大到小改变报警下限值AMLMT^L，计算误报率POFA，记录使误报率POFA达到最小的最大报警下限值；得到过滤窗口和报警下限的二维数组过滤窗口大小i＝2，3，…。

iv)如果变量报警限类型为报警下限且过程历史数据段性质为异常态，选取漏报率POMA作为优化目标，当过滤窗口大小为i时，从小到大改变报警下限值AMLMT^L，计算漏报率POMA，记录使漏报率POMA达到最小的最小报警下限值；得到过滤窗口和报警下限的二维数组

过滤窗口大小i＝2，3，…。

c)在b)的基础上，根据所确定报警上限或报警下限的不同，确定目标函数为：

确定报警上限时，目标函数为：

$S\left(i\right)=\min \{\mathrm{\α}\·\mathrm{\β}\·i+(1-\mathrm{\α})\·|{{\mathrm{AMLMT}}_i}^H-{\mathrm{AMLMT}}^H\left|\right\}$

确定报警下限时，目标函数为：

$S\left(i\right)=\min \{\mathrm{\α}\·\mathrm{\β}\·i+(1-\mathrm{\α})\·|{{\mathrm{AMLMT}}_i}^L-{\mathrm{AMLMT}}^L\left|\right\}$

其中：

S(i)是目标函数；

α为权值，表征过滤窗口i所占的权重，α∈[0，1]；

β为平衡过滤窗口i与报警限差值之间的权值，一般比报警限小一个数量级；

为过滤窗口i对应的报警上限值；

AMLMT^H为报警上限值；

为过滤窗口i对应的报警下限值；

AMLMT^L为报警下限值；

i为过滤窗口。

使目标函数S(i)最小的过滤窗口、报警上限和报警下限为变量报警处理参数的最优化参数。将最优化的过滤窗口、最优化的报警上限和最优化的报警下限存入报警参数数据库中。

2.从DCS或实时数据库中采集实时过程数据。

3.采集到的实时过程数据进入数据过滤模块，数据过滤模块对实时过程数据进行数据过滤，以消除实时过程数据中的噪声影响，从而降低重复报警发生的几率。数据过滤方法采用移动平均法、移动方差法、加权移动平均法以及指数加权移动平均法等的其中一种方法。数据过滤模块中每输入一个实时过程数据x_j，便对其进行数据过滤处理，采用上述过滤方法中的公式进行计算，得到过滤后的实时过程数据y_j，并将y_j作为重复报警判定部分的输入数据。数据过滤方法中的过滤窗口大小等参数从报警参数数据库中获取。

4.过滤后实时过程数据进入重复报警判定部分，根据预先输入的重复报警定义，使用过滤后实时过程数据判定报警是否是重复报警，判定结果进入报警自动抑制部分，若判定为重复报警，启动报警自动抑制。重复报警判定中的变量报警限等参数从报警参数数据库中获取。

5.如果重复报警判定部分判定某报警是重复报警，在得到操作员确认之后，会被自动抑制，添加到自动抑制表中，抑制时间为5分钟，同时在报警列表中用特殊颜色标记其最近一次发生的记录，在5分钟结束之后，此报警并没有彻底结束抑制，而是进入一个“考验”阶段，时间为5分钟，如果在“考验”阶段没有重复报警的条件发生，则此报警彻底结束自动抑制，如果在“考验”阶段仍然被判定是重复报警，则此报警会再次被抑制，抑制时间为上一次抑制时间的2倍，所以自动抑制时间会以指数形式增长，直到达到上限320分钟，操作员可以随时取消正在被自动抑制的报警。

图1是本发明方法的流程图，把根据本发明的方法应用到一个具体的重复报警处理。

根据本发明的步骤，首先确定最优化的报警处理参数。选择位号变量V1的一段典型的引起报警重复的过程历史数据段，如图2所示。由于噪声影响，变量值在报警上限

附近浮动，故有重复报警产生，需基于数据过滤进行报警限再设计。变量V1报警限类型为报警上限。由于所选V1过程历史数据段性质为稳态，故以误报率作为优化指标。

数据过滤方法选择移动平均法，当然也可以选择移动方差法、加权移动平均法以及指数加权移动平均法等方法。依照报警处理参数最优化设计步骤，选取过滤窗口i的取值为i＝2，…，15，分别计算使误报率POFA最小的最小报警上限，得到一个二维数组

接下来，取α＝0.2，由于原始报警限为1，故取β＝0.1。将二维数组

代入报警上限目标函数S(i)中，目标函数S(i)的结果如下图3所示。

从图3可知，当过滤窗口i的大小为i＝6时，目标函数S(i)最小，此时，报警上限故变量V1报警处理参数最优化设计为过滤窗口大小为6，报警上限为1.04。并将此报警处理参数存入报警参数数据库中。

在装置实时运行时，数据采集部分从集散控制系统DCS或实时数据库中采集位号变量V1的一段实时过程数据分布如图4所示。由于在第50个数据点处有异常情况，故变量V1数据分布发生变化。

设数据点采集周期为5秒，且在重复报警判定部分定义重复报警为：一个报警在5分钟内重复发生的次数达到4次或更多。

在重复报警判定过程中，在第17个数据点，即1分25秒处就已经出现了4次报警激活和消除，所以标记变量V1为重复报警，启动报警自动抑制。当没有从报警参数数据库输入最优化报警处理参数，即数据过滤部分不起作用时，由于接下来的数据分布仍有报警重复现象，故整个时间段内变量V1处于抑制状态。第50个数据点之后，有异常发生，变量数据分布发生变化，我们认为此变量对于异常识别和处理是有价值的。但是如果变量V1一直处于抑制状态，操作员就不能根据此变量判断异常，发生了信息的丢失。

当从报警参数数据库中输入最优化报警处理参数，即启动数据过滤时，根据报警限最优化方法确定的最优过滤窗口大小为6，报警上限为1.04，过滤后变量V1的实时数据如图5所示。虽然在1分25秒处被抑制，但由于在接下来的时间段内不会出现报警重复现象，故在6分25秒，即第75个数据点处抑制解除，“考验”阶段开始，此变量回到操作员视野范围内，由于一直处于报警激活状态，且消除了重复报警现象，故对后面异常的处理具有积极作用。

应用本发明方法处理变量V1实时过程数据前后对比结果如表1所示。

表1应用本发明方法处理变量V1实时过程数据前后对比结果

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.一种基于数据过滤的重复报警处理方法，其特征是该方法包括以下步骤：

步骤1：利用变量过程历史数据对变量的报警处理参数进行最优化设计，并将求得的最优化的过滤窗口、最优化的报警上限和最优化的报警下限存入报警参数数据库中；所述步骤1具体为：

步骤1.1：选取一段引起报警重复的过程历史数据，对过程历史数据进行数据过滤；

步骤1.2：在步骤1.1的基础上，选择过滤窗口和报警限，得到过滤窗口和报警上限的二维数组与过滤窗口和报警下限的二维数组；

步骤1.3：在步骤1.2的基础上，确定报警上限的目标函数和报警下限的目标函数，求出最优化的过滤窗口、最优化的报警上限和最优化的报警下限；所述报警上限的目标函数为：

$S\left(i\right)=\min \{\mathrm{\α}\·\mathrm{\β}\·i+(1-\mathrm{\α})\·|{{\mathrm{AMLMT}}_i}^H-{\mathrm{AMLMT}}^H\left|\right\}$

其中：

S(i)是目标函数；

i为过滤窗口；

α为权值，表征过滤窗口i所占的权重；

β为过滤窗口i与报警限差值之间的权值；

为过滤窗口i对应的报警上限值；

AMLMT^H为报警上限值；

所述报警下限的目标函数为：

$S\left(i\right)=\min \{\mathrm{\α}\·\mathrm{\β}\·i+(1-\mathrm{\α})\·|{{\mathrm{AMLMT}}_i}^L-{\mathrm{AMLMT}}^L\left|\right\}$

其中：

S(i)是目标函数；

i为过滤窗口；

α为权值，表征过滤窗口i所占的权重；

为过滤窗口i对应的报警下限值；

AMLMT^L为报警下限值；

所述过滤窗口和报警上限的二维数组为

所述过滤窗口和报警下限的二维数组为

步骤2：从实时数据库或集散控制系统中采集实时过程数据；

步骤3：从报警参数数据库中获取过滤窗口的参数，对实时过程数据进行数据过滤；

步骤4：对数据过滤后的实时过程数据进行重复报警判定，若判定为重复报警，则进入步骤5；否则，显示报警信息；

步骤5：对判定为重复报警的报警进行报警自动抑制。

2.根据权利要求1所述的一种基于数据过滤的重复报警处理方法，其特征是所述对实时过程数据进行数据过滤的方法为移动平均法、移动方差法、加权移动平均法或指数加权移动平均法。

3.根据权利要求1所述的一种基于数据过滤的重复报警处理方法，其特征是所述对过程历史数据进行数据过滤的方法为移动平均法、移动方差法、加权移动平均法或指数加权移动平均法。

Images