CN103676836A - 在线安全运行指导方法 - Google Patents

Abstract

本发明涉及一种在线安全运行指导方法，主要解决现有技术中过程故障诊断过程中诊断方法单一、难以及时准确判断风险状况的问题。本发明通过采用一种在线安全运行指导方法，用户通过网络与在线安全运行平台相连，实现对装置的安全运行指导，所述在线安全运行平台采集的数据进入实时数据库，经过滤波、传感器有效性，然后再由异常工况识别子系统进行甄别，如发现有异常，启动推理引擎，推理引擎得到分析结果的逻辑编码后，到专家知识库中去匹配相应的解释，然后根据推理引擎分析结果和解释进行报警管理和设备性能分析的技术方案较好地解决了上述问题，可用于装置的安全运行监测中。

Description

在线安全运行指导方法

技术领域

本发明涉及一种在线安全运行指导方法。 

技术背景

目前，工业装置的安全问题引起大家越来越多的关注，尤其是石油、化工等类型的装置，由于目前的DCS（Distributed Control Systems）报警仅能给出简单的报警信息，无法提供深层次的故障原因，一旦出现传感器漂移、设备失效、工艺波动或误操作等原因导致的复杂故障，操作员难以及时准确判断，甚至可能做出错误决策，轻则影响产品质量、生产调度计划，重则会出现生产事故，造成人员伤亡和巨大的经济损失。如国内的己内酰胺生产装置，由于其生产工艺复杂、装置高度非线性、关联性与时变性，控制精度要求高，其中的双氧水装置、环己酮氨肟化装置都属具有高危险性的装置,国内同类装置曾发生过多起安全事故。因此，从海量的生产数据中挖掘出有效的信息，为操作人员提供对装置运行状态准确及时的分析，防止事故的发生，是确保工业装置在线安全运行的重要环节。 

上述过程的核心技术是对工业过程的故障诊断。目前，国际上故障诊断技术的研究主要以定性仿真、神经网络、模糊数学和数据融合等方法为主，同时结合专家系统的理论。定性仿真方法，是关于建立当系统的结构、参数和状态不完全已知条件下的数学模型（称为定性数学模型）和求取定性数学模型的近似解、行为预测或趋势展望的应用问题及方法。神经网络模拟人脑神经网络的方式来处理信息，以其非线性映射能力为工程界提供了一条有潜力的解决问题的途径；模糊理论的出现解决了不确定性问题；这些工具的成功运用，解决了传统的诊断技术不能解决的问题，给诊断领域的发展带来了新的活力。但是，在实际应用中，需要将多种诊断方法有机地结合在一起，这样可以发挥出各种诊断方法的优势，弥补单一诊断方一法的不足，因此，对于复杂的过程工业系统宜采用基于定性定量集成智能诊断策略。 

CN02154759中涉及了一种生产装置的故障诊断方法，其特征在于包括下列步骤：对于进行与成为诊断对象的被诊断生产装置相同或类似的处理的参照生产装置，进行特征量的时间系列数据的测定，将该测定结果作为装置信息数据库记录在装置信息存储装置中； 读出在过程管理信息存储装置中记录的过程管理信息数据库中记载的方法；根据该方法驱动控制上述被诊断生产装置，将上述特征量的时间系列数据作为试验数据进行测定，实时输出该试验数据；对上述负荷试验数据进行运算处理制作故障诊断数据；使用该故障诊断数据和上述装置信息数据库进行上述被诊断生产装置的故障诊断。该方法诊断方法单一，过分依赖标准装置的运行数据，难以及时准确的发现风险状况。 

本发明有针对性的解决了该问题。 

发明内容

本发明所要解决的技术问题是现有技术中过程故障诊断过程中诊断方法单一、难以及时准确判断风险状况的问题，提供一种新的在线安全运行指导方法。该方法用于装置的安全运行监测中，具有多种诊断方法集成判断、发现风险及时准确的优点。 

为解决上述问题，本发明采用的技术方案如下：一种在线安全运行指导方法，用户通过网络与在线安全运行平台相连，实现对装置的安全运行指导，所述在线安全运行平台采集的数据进入实时数据库，经过滤波后，首先进行传感器有效性分析，然后再由异常工况识别子系统进行甄别，如发现有异常，启动推理引擎，所述推理引擎包括工艺监测引擎和设备监测引擎，主要由符号有向图、主元分析、模糊逻辑、数学解析模型和专家知识库构成；专家知识库为推理引擎提供历史事故经验、设备失效知识、物性参数、常见控制器失效模式和传感器失灵模式等相关知识与规则，推理引擎得到分析结果的逻辑编码后，到专家知识库中去匹配相应的解释，然后根据推理引擎分析结果和解释进行报警管理和设备性能分析，所有的数据内容被保存到内存数据库中，提供给客户端模块调用，所述客户端模块负责数据显示、声光报警、报表生成、操作历史记录、监测工艺对象进行建模组态、浏览实时推理的结果、对专家知识库进行编辑以及车间的日常管理工作。 

上述技术方案中，优选地，所述传感器有效性分析主要使用基于最大敏感度结构化残差即Structured Residual Approach with Maximum Sensitivity，SRAMS的方法对常见传感器故障（如固定偏差、漂移、彻底失灵（即传感器读数不变）和精度下降等）进行探测、识别与估计。 

上述技术方案中，优选地，所述异常工况识别子系统主要靠监测标志设备状态、生产质量的关键点，采用与人工神经网络推理结果相结合的方法来识别异常工况。 

上述技术方案中，优选地，所述工艺监测使用融合的混合算法引擎，得到故障传播的相容通路，经过专家规则的过滤作用，去掉伪相容通路，得到最终诊断结果。 

上述技术方案中，优选地，在异常工况处理过程中得到的新规则，可以动态加入到知识库中，提高其准确性和效率。 

上述技术方案中，优选地，使用工业化实时数据库产品StrongDAS采集现场数据，适应对包括DCS、PSSP仿真软件或Matlab仿真等多种控制系统的连接。 

上述技术方案中，优选地，所述系统软件分别采用C/S和B/S架构实现，分为服务器端和客户端两部分，其中，C/S架构侧重于监测功能，而B/S架构侧重于日常管理功能。上述技术方案中，优选地，所述安全运行指导系统构建了图形化的HAZOP的分析环境，实现对监测对象的风险分析，帮助工艺人员找出过程的危险，识别出那些具有潜在危险的偏差，并对偏差原因、后果及控制措施等进行分析，形成专家知识库。 

本发明通过采用一种具有数据采集、数据滤波、传感器有效性分析、报警管理（工艺监测、预报警、报警统计）、设备监测、专家知识管理、故障“剧情”智能自解释与可视化显示等功能的在线实时故障监测与诊断软硬件系统，用于多种装置的在线实时故障监测与诊断，并能提供交接班、操作日志、工作台历、工艺卡片等日常管理功能，同时采用高效的推理机制，推理引擎利用符号有向图SDG（Signed Directed Graph）的双向推理能力，结合风险发生的严重等级、频率等级，可进行事故的后果评估，解决了现有技术中过程故障诊断过程中诊断方法单一、难以及时准确判断风险状况的问题，取得了较好的技术效果。 

附图说明

图1为本发明所述方法的结构示意图。 

下面通过实施例对本发明作进一步的阐述，但不仅限于本实施例。 

具体实施方式

【实施例1】 

本发明所述的在线安全运行指导方法已经应用于己内酰胺装置的安全运行监测中，“己内酰胺装置在线安全运行指导方法”（CPL Plant Safety Operation Guidance System，CSOG）通过实时监测、诊断己内酰胺装置的工段的潜在风险，提供异常工况的主动发现、诊断及恢复指南，为操作人员提供安全操作指导建议，从而减低代价昂贵的异常工况影响。通过内置的知识管理系统，可以有效保存优秀的专家经验和工艺知识，为操作人员提供一个学习的平台。使用CSOG，能帮助企业保持持续运行，提高设备的有效性，避免停产（紧急停车），改进操作人员的产能。CSOG应用方案使用来自现有自动化系统、实时数据库 等的数据。其主要功能包括： 

对工艺人员关注的各项指标提供信息总览，减轻工艺人员的工作负荷 

监测己内酰胺装置重点工段或设备的运行状态，发现报警并找出报警原因和故障传播路径，辅助操作员及时排除故障 

管理DCS报警，以避免操作人员信息超载 

留住有经验的操作人员的知识 

所述系统硬件总体上由四部分组成：数据采集、实时数据库、CSOG推理引擎、屏幕显示系统。 

化工生产在各类自控系统的控制下进行生产，各种工艺参数（温度、压力、流量、液位、成分等）的测量值、控制阀门的开度、遥控阀门的开度以及各种开关量的状态信号，均可从自控系统里进行实时采集；各种易燃/有毒气体的泄露到环境中的浓度由易燃/有毒气体监测子系统进行采集；关键岗位/危险场所的图象信号经数字视频子系统进行采集后，各类信号全部进入到计算机系统里，存入服务器中。使用工业化实时数据库产品StrongDAS采集现场数据，适应对包括DCS、PSSP仿真软件或Matlab仿真等多种控制系统的连接。 

根据生产工艺流程和变量之间的影响关系，在SDG建模工具环境中建立工艺系统的SDG模型，SDG模型经测试、检验合格，根据实时数据提供的生产工况数据的报警状态进行反向推理，寻找事故原因和传播路径。并将结果进行存储和显示。在监控中心，由SDG故障诊断推理出的结果可在大屏幕液晶显示器上显示出来，使生产指挥人员对异常情况一览无余。对于局域网上的其他生产管理者，可在办公室电脑上实时浏览诊断结果。以便及时指挥和协调生产运行，排除故障，保障装置正常运行。 

所述系统软件分别采用C/S和B/S架构实现，分为服务器端和客户端两部分，其中，C/S架构侧重于监测功能，而B/S架构侧重于日常管理功能。软件的主要功能有： 

（1）报警管理： 

报警管理为操作人员提供在线安全运行指导，它的主要功能包括： 

状态识别：能够在对现场实时监测过程中，准确及时地识别出当前是否存在异常状态。 

显示故障传播路径：能够根据从DCS系统获取的数据进行实时的分析，并显示发生异常的故障传播的路径。 

诊断原因：依据现场操作数据，通过对工艺过程的分析，利用SDG技术建立异常工艺状况传播的推理模型及相应的知识库。对异常事件进行自动诊断，寻找事故潜在的本质原因。 

预测后果：对当前的状态，进行快速预测，分析事故发展的不利后果。 

提出措施：根据上面的分析结果，迅速提出一批可行的措施。 

（2）故障预案库管理： 

该功能模块主要是汇集装置各个单元可能发生的异常情况及处理措施，包括：故障现象描述、所属单元、关联仪表、故障原因及处理措施等，可方便操作人员实时查询，并可以根据发生的新情况添加新的故障，从而将优秀的操作人员的实际经验随时记录下来。 

（3）参数信息管理： 

参数信息维护包括可观测节点，虚拟节点及分析节点，可观测节点即各个控制仪表和显示仪表，是SDG模型的主要组成部分。虚拟节点是在可观测节点的基础上，通过加减乘除等数学运算而计算出来的节点。分析节点为当产品的各个分析数据出来后，操作人员添加的节点。 

（4）传感器有效性分析： 

传感器有效性分析用于监视和诊断传感器和在线分析仪存在的一般问题，例如静态或动态突然超限、尖峰、震荡、死区等，或者通过判断推理，确定传感器漂移等。 

（5）异常工况识别： 

该模块的对工艺过程中的某些关键点进行监测，如果这些关键点发生异常，则说明装置目前进入异常工况，进入工艺监测推理引擎。若这些关键点正常，此时软件系统不用进入后边的推理算法，可大幅减少系统的推理时间。 

（6）工艺过程监测： 

针对读取的实时数据，运用融合的推理算法对石化过程进行监测，及时发现工艺出现的异常工况，推理得到工艺产生当前的异常的根原因、传播路径并提出合理的操作措施；结合参数的历史数据，实现对运行参数的预报警，将某些异常工况的出现消除在萌芽状态。 

（7）SDG建模 

SDG模型是整个软件的核心，模型的合理性直接影响异常是否能够诊断出来、诊断出的结果是否正确。考虑到有些仪表既不可观测也不可控控制，但对反映某些问题也比较关键，而有的参数如组分含量等信息则需要质检人员的定时分析。因此，在模型中有三种类型的节点：可观测节点、分析节点和虚拟节点。可观测节点即从DCS控制系统可读取的数据，虚拟节点是可以应用别的可观测节点通过数学运算得出的节点（+、-、*、/、乘方、开放、对数等已经实现）。分析节点可由操作人员根据定时的质量分析数据来录入。 

（8）设备运行性能监控： 

针对己内酰胺装置的设备，按照物料平衡与热量平衡的计算，对关键设备（如换热器、加热炉、泵、压缩机、塔、罐等）进行在线监测。通过计算换热器总传热系数、加热炉结焦速率等反映设备运行状态的关键指标，从而在设备性能下降的情况下，提前通知设备人员进行维护，在提高生产效率的同时，降低设备突然发生事故的概率。 

（9）历史数据记录： 

本系统可以记录流程最近7天的运行数据，为进行其它工作提供了历史数据保证。 

（10）用户权限管理： 

该功能主要提供用户信息的操作，用户权限的分配。软件管理员可以进行用户管理，包括添加、修改（修改用户等级，用户基本资料，用户密码）、删除操作。该用户是指登陆该系统的操作员。用户的关键操作会被系统自动记录成操作日志，日志数据保存到数据库，可供查询。关键操作包括登陆系统、退出系统、重大数据改动。。 

系统采集的DCS数据进入实时数据库，经过滤波后，首先进行传感器有效性分析，然后再由异常工况识别子系统进行甄别，如发现有异常，启动推理引擎，述推理引擎包括工艺监测引擎和设备监测引擎，主要由符号有向图、主元分析、模糊逻辑、数学解析模型和专家知识库构成；专家知识库为推理引擎提供历史事故经验、设备失效知识、物性参数、常见控制器失效模式和传感器失灵模式等相关知识与规则，推理引擎得到分析结果的逻辑编码后，到专家知识库中去匹配相应的解释，然后根据推理引擎分析结果和解释进行报警管理和设备性能分析，所有的数据内容被保存到内存数据库中，提供给客户端模块调用，客户端模块负责数据显示、声光报警、报表生成、操作历史记录、监测工艺对象进行建模组态、浏览实时推理的结果、对专家知识库进行编辑以及车间的日常管理工作。传感器有效性分析主要使用基于最大敏感度结构化残差（Structured Residual Approach with Maximum Sensitivity，SRAMS）的方法对常见传感器故障（如固定偏差、漂移、彻底失灵（即传感器读数不变）和精度下降等）进行探测、识别与估计，异常工况识别子系统主要靠监测标志设备状态、生产质量的关键点，采用与人工神经网络推理结果相结合的方法来识别异常工况。工艺监测模块使用融合的混合算法引擎，得到故障传播的相容通路，经过专家规则的过滤作用，去掉伪相容通路，得到最终诊断结果，在异常处理过程中得到的新规则，可以动态加入到知识库中，提高其准确性和效率。 

安全运行指导系统构建了图形化的HAZOP（Hazard and Operability Study）的分析环境，实现对监测对象的风险分析，帮助工艺人员找出过程的危险，识别出那些具有潜在危险的偏差，并对偏差原因、后果及控制措施等进行分析，形成专家知识库。 

显然，本发明提出的在线实时故障监测与诊断软硬件系统，具有数据采集、数据滤波、传感器有效性分析、报警管理（工艺监测、预报警、报警统计）、设备监测、专家知识管理、故障“剧情”智能自解释与可视化显示等功能，并能提供交接班、操作日志、工作台历、工艺卡片等日常管理功能，同时采用高效的推理机制，推理引擎利用SDG的双向推理能力，结合风险发生的严重等级、频率等级，可进行事故的后果评估，取得了较好的技术效果。 

Claims (8)

1.一种在线安全运行指导方法，用户通过网络与在线安全运行平台相连，实现对装置的安全运行指导，所述在线安全运行平台采集的数据进入实时数据库，经过滤波后，首先进行传感器有效性分析，然后再由异常工况识别子系统进行甄别，如发现有异常，启动推理引擎，所述推理引擎包括工艺监测引擎和设备监测引擎，主要由符号有向图、主元分析、模糊逻辑、数学解析模型和专家知识库构成；专家知识库为推理引擎提供历史事故经验、设备失效知识、物性参数、常见控制器失效模式和传感器失灵模式等相关知识与规则，推理引擎得到分析结果的逻辑编码后，到专家知识库中去匹配相应的解释，然后根据推理引擎分析结果和解释进行报警管理和设备性能分析，所有的数据内容被保存到内存数据库中，提供给客户端模块调用，所述客户端模块负责数据显示、声光报警、报表生成、操作历史记录、监测工艺对象进行建模组态、浏览实时推理的结果、对专家知识库进行编辑以及车间的日常管理工作。

2.根据权利要求1所述在线安全运行指导方法，其特征在于所述传感器有效性分析主要使用基于最大敏感度结构化残差即Structured Residual Approach with Maximum Sensitivity，SRAMS的方法对常见传感器故障（如固定偏差、漂移、彻底失灵（即传感器读数不变）和精度下降等）进行探测、识别与估计。

3.根据权利要求1所述在线安全运行指导方法，其特征在于所述异常工况识别子系统主要靠监测标志设备状态、生产质量的关键点，采用与人工神经网络推理结果相结合的方法来识别异常工况。

4.根据权利要求1所述在线安全运行指导方法，其特征在于所述工艺监测使用融合的混合算法引擎，得到故障传播的相容通路，经过专家规则的过滤作用，去掉伪相容通路，得到最终诊断结果。

5.根据权利要求1所述在线安全运行指导方法，其特征在于在异常工况处理过程中得到的新规则，可以动态加入到知识库中，提高其准确性和效率。

6.根据权利要求1所述在线安全运行指导方法，其特征在于使用工业化实时数据库产品StrongDAS采集现场数据，适应对包括DCS、PSSP仿真软件或Matlab仿真等多种控制系统的连接。

7.根据权利要求1所述在线安全运行指导方法，其特征在于所述系统软件分别采用C/S和B/S架构实现，分为服务器端和客户端两部分，其中，C/S架构侧重于监测功能，而B/S架构侧重于日常管理功能。

8.根据权利要求1所述在线安全运行指导方法，其特征在于所述安全运行指导系统构建了图形化的HAZOP的分析环境，实现对监测对象的风险分析，帮助工艺人员找出过程的危险，识别出那些具有潜在危险的偏差，并对偏差原因、后果及控制措施等进行分析，形成专家知识库。

Images