CN103870711B

CN103870711B - 一种油品调合压力状态识别方法

Info

Publication number: CN103870711B
Application number: CN201410127673.3A
Authority: CN
Inventors: 叶彦斐; 张晓军; 张勇气; 陈静
Original assignee: NANJING RICHISLAND INFORMATION ENGINEERING Co Ltd
Current assignee: NANJING RICHISLAND INFORMATION ENGINEERING Co Ltd
Priority date: 2014-03-31
Filing date: 2014-03-31
Publication date: 2017-02-15
Anticipated expiration: 2034-03-31
Also published as: CN103870711A

Abstract

一种油品调合压力状态识别方法，它包括以下步骤：（1）、采用压力传感器进行数据采集的步骤；（2）、对于异常数据进行处理的步骤；（3）、对剔除异常后的数据进行基本概率分配，得到油品调合中不同位置处的压力传感器对油品调合压力状态的证据信息。本发明所提出的油品调合优化控制系统状态识别方法可处理多个压力传感器中有仪表损坏导致部分数据失效或异常的情况；既适应于多压力传感器信息一致情况、也适应于多压力传感器信息矛盾情况；收敛速度更快，在证据比较少的情况下就可以收敛为正确的目标，误判率低，识别精度高、稳定性好。

Description

一种油品调合压力状态识别方法

技术领域

本发明涉及一种油品调和领域，尤其是适用于在油品调合过程优化控制系统中基于多个压力检测仪表信息识别油品调合压力状态的情况，具体地说是一种油品调合压力状态识别方法。

背景技术

油品调合包括原油调合和成品油调合两大类。在油品调合过程优化控制系统中，准确可靠识别调合运行状态是实现稳定可靠调合的前提，对顺利完成油品调合优化控制至关重要。

目前，识别油品调合运行状态大多数情况下基于单个检测仪表进行简单判断，如采用压力、液位及流量检测仪表分别识别系统压力、液位及流量状态；对于一些重要物理状态，例如，在油品调合中有效管道泵出口压力状态及其重要：如果压力“过高”可能造成安全事故，压力“过低”则会导致无法输送油料，因此必须保证其在调合过程中处于“正常”状态。就需要多个压力检测仪表同时提供相关运行状态。为了判断调合管道压力状态是“过高”、“过低”或“正常”在对应压力测点（或其附近）安装一台或多台压力检测仪表。然后系统对多个压力检测仪表提供的信息进行数学平均或简单逻辑处理。

在自然或人为干扰条件下，采用单个压力检测仪表风险很大，单个仪表出现故障可能导致整个系统运行状态误判；采用多个检测仪表可以降低前述系统误判风险，而在干扰条件下不可避免会存在获取信息的不确定性，导致冲突信息的存在。采用数学平均或简单逻辑处理等方法往往因无法处理这些冲突信息而识别出错误的调合调合运行状态。

发明内容

本发明的目的是针对单个压力检测仪表识别状态风险大，不准确的问题，提出一种油品调合压力状态识别方法，采用多个压力检测传感器信息应用融合技术对油品调合优化控制系统中的重要关键压力状态进行识别。

本发明的技术方案是：

一种油品调合压力状态识别方法，它包括以下步骤：

（1）、采用压力传感器进行数据采集的步骤；

（2）、对于异常数据进行处理的步骤；

（3）、对剔除异常后的数据进行基本概率分配，得到油品调合中不同位置处的压力传感器对油品调合压力状态的证据信息。

本发明的步骤（1）中，采用多个压力传感器安装于调合工艺设备的不同位置，检测出各对应部位的压力值，步骤（3）之后，还包括对多个压力传感器的油品调合压力状态证据信息进行推理识别，得到各压力传感器的识别结果的步骤。

本发明的步骤（2）具体为，首先，对任一压力传感器，设定其最大、最小量程及变化阈值分别为x_max，x_min及x_g；其次，采用下述公式剔除步骤（1）中对应位置压力传感器所采集数据的超限或明显不正常数据：

其中，k为任一压力传感器的数据个数，序列x(1),x(2),…,x(K)为该仪表所采集的数据值，x'(1),x'(2),…,x'(k)为x(1),x(2),…,x(k)处理后的数据。

本发明的步骤（3）具体为：

（A）采集状态及压力值样本，建立隶属度曲线的步骤：

基于某一给定位置处压力传感器的采集数据与实际压力状态构成的样本，建立该传感器描述的压力状态隶属度曲线，样本记录形式为：实际压力状态-实际压力值，具体过程如下：

对于安装于调合工艺设备上的任一压力传感器，将压力状态分为：正常、过低和过高状态：压力正常状态指不停工、不停车、可以正常进行油品调合时的油品调合压力状态；压力过低状态指由于油品黏度大或压力小不足以推动管内油品进行调合时的油品调合压力状态；压力过高状态指由于压力过大超过设定调合工艺最高压力的油品调合压力状态；

根据三种压力状态下压力传感器的最小值、最大值和平均值建立对应该压力传感器的油品调合压力状态隶属度曲线，其中横坐标表示压力值，纵坐标表示置信度，该置信度表示压力值对应所属压力状态的基本概率赋值；

其中，选取调合压力正常状态的样本，对该样本的压力值进行统计，压力最小值记为参数a₁、压力最大值记为参数a₃、平均值记为a₂，压力a₁、a₃的置信度为0，压力a₂的置信度为1。

选取调合压力过低状态的样本，对该样本的压力值进行统计，压力最小值记为参数b₁、压力最大值记为参数b₃、平均值记为b₂，压力b₁、b₂的置信度为0，压力b₃的置信度为1。

选取调合压力过高状态的样本，对该样本的压力值进行统计，压力最小值记为参数c₁、压力最大值记为参数c₃、平均值记为c₂，压力c₁的置信度为0，压力c₂、c₃的置信度为1。

采用同样的方法建立其他不同位置处的不同传感器的油品调合压力状态隶属度曲线；（B）实时采集多个压力传感器的压力值，将各压力值与对应传感器的油品调合压力状态隶属度曲线进行对照，获得各压力传感器对不同油品调合压力状态的基本概率分配，具体步骤如下：

当压力传感器采样的数据与所有油品调合压力状态子集表示的隶属度曲线不相交时,认为该采样数据不支持任一油品调合压力；

当压力传感器采样的数据与某油品调合压力状态子集属性的隶属度曲线表示模型相交时,交点纵坐标为支持此次采样压力属于该油品调合压力的基本概率赋值；

当采样数据与多个油品调合压力状态子集的隶属度曲线表示模型相交时，多个交点的纵坐标为支持此次采样压力属于各种不同油品调合状态的基本概率赋值，表示采样数据所属油品调合压力状态的可能性；

对采样数据生成的基本概率赋值进行归一化处理，使三种压力状态的基本概率赋值之和等于1，计算出任一压力传感器当前采集数据的三种压力状态基本概率分配。

本发明的调合工艺最高压力取调合管道耐压值的0.8倍。

本发明的步骤（4）具体为：对步骤（3）得到的任一压力传感器采集数据的三种油品调合状态基本概率进行推理识别，首先修正多个压力传感器的油品调合压力状态基本概率分配，然后对多个压力传感器的数据进行组合推理，获得油品调合压力状态的最终识别结果。

本发明的修正油品调合压力状态基本概率分配的具体过程如下：

（A）、以A₁代表正常，A₂代表过低，A₃代表过高，Θ代表无法区分，某一传感器对不同调合压力状态的概率分配用向量表示，第i、j个传感器的基本概率分配向量分别表示为和其中，i、j表示传感器的编号，i,j=1,2,…,n，n表示调合管路中压力传感器的数目；

（B）、计算两者之间的距离，

将每个压力传感器提供的基本概率分配向量作为该传感器的调合压力状态证据信息，第k个压力传感器提供的证据信息记为E_k，k=1,2,…,n，n个证据信息构成证据集，证据E_k到证据集中其他n-1个证据的平均距离为

其中，t=1,2,…,n，d_k反映了证据E_k与证据集中其他证据的差异程度，d_kt表示第k个压力传感器的基本概率分配与第t个压力传感器基本概率分配的距离。

（C）、建立证据修正因子r_k，以证据修正因子r_k为证据E_k的权重，对原始证据集的基本概率分配进行修正，

其中，d_t反映了证据E_t与证据集中其他证据的差异程度。

若原始证据E_k的基本概率分配为则证据源修正后基本概率分配为

本发明的对多个压力传感器的数据进行组合推理的具体过程如下：

修正后多个证据源的基本概率分配为：

依次选取两个基本概率分配其中，u=1,2,…,n-1，v=2,…,n，u=v-1，按下述公式组合：

其中，乘性运算部分：

局部冲突中分配给A_s部分：

按式（7）得到新的组合结果再与下一个证据源组合得到新的结果，反复执行，直到

最后一个证据m′_n参与组合后结束，得到基于各证据源即压力传感器信息推理出的概率分配，选择m(A_s)中概率最大值对应的A_s状态作为最终油品调合压力状态识别结果。

本发明的有益效果：

1.本发明所提出的油品调合优化控制系统状态识别方法可处理多个压力传感器中有仪表损坏导致部分数据失效或异常的情况。

2.本发明既适应于多压力传感器信息一致情况、也适应于多压力传感器信息矛盾情况。

3.本发明进行了异常数据处理，给出了明确的隶属度曲线，对多个压力传感器数据进行了可靠性修正，并将局部冲突进行合理分配，最大程度地减少“坏值”对识别结果和决策的影响，也降低了决策风险。

4.冲突信息的分配更加精细合理，对于一致性部分采用乘性算子，提高聚焦能力；对于冲突部分，将局部冲突在引起冲突的焦元间进行加性合理分配，增加组合可靠性。

5.收敛速度更快，在证据比较少的情况下就可以收敛为正确的目标。

6.油品调合优化控制系统状态识别的误判率低，识别精度高、稳定性好。

附图说明

图1是本发明的油品调合优化控制系统状态识别方法流程图。

图2是本发明的用于获取压力传感器对应油品调合多种压力状态隶属度曲线。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

一种油品调合压力状态识别方法，将多个压力传感器安装于调合工艺设备的不同位置，检测出各位置的压力值，根据压力传感器的信息识别油品调合运行状态。所述油品调合运行状态识别方法如图1所示主要包括：异常数据处理步骤、基本概率分配（BasicProbability Assignment，BPA）步骤及推理识别步骤三个部分。

1.异常数据处理步骤

分析检测仪表采集到的数据，剔除超限或明显不正常数据。对某检测仪表的数据序列：x(1),x(2),…,x(K)处理后数据记为x'(1),x'(2),…,x'(K)，K为数据个数。设定该仪表最大、最小量程及变化阈值分别为x_max，x_min及x_g，则具体处理过程为

2.基本概率分配步骤

应用基本概率分配模块分析检测仪表采集到的合理数据，获得检测仪表对多种运行状态子集的基本概率分配，具体过程如下：

（1）选取建立隶属度曲线：

基于给定的某检测仪表采集数据与实际运行状态构成的样本，针对该检测仪表采集的多种运行状态子集样本的具体属性值,可以确定该属性的最小值、最大值、平均值，基于这3个参数可以建立一个描述该多种运行状态子集命题隶属度曲线。选取建立隶属度曲线如图2所示,其中纵坐标，表示隶属度大小，a₁,a₂,a₃、b₁,b₂,b₃及c₁,c₂,c₃分别表示检测仪表采集到的“正常”、“过低”“过高”等行状态对应的属性最小值、平均值、最大值。

（2）基本概率分配：

基于隶属度曲线函数值大小，基本概率分配具体生成策略如下：

1）当检测仪表采样的数据与所有运行状态子集表示的隶属度曲线不相交时,认为该采样数据不支持任一运行状态子集分类；

2）当采样数据与某运行状态子集属性的隶属度曲线表示模型相交时,交点纵坐标为支持该运行状态子集分类的基本概率赋值；

3）当采样数据与多个运行状态子集的隶属度曲线表示模型相交时，多个交点的纵坐标为支持多种不同运行状态子集的基本概率赋值；

对生成的基本概率赋值进行归一化处理，使多种运行状态子集的基本概率赋值之和等于1，计算出对应检测仪表的多种运行状态子集基本概率分配。

3.推理识别模块

推理识别模块首先修正基本概率分配，然后对多组证据BPA进行组合推理，获得油品调合优化控制系统状态的最终识别结果；推理识别模块的具体工作过程如下，

（1）修正基本概率分配，具体过程如下：

Θ是包含N个两两相斥命题的完备识别框架，P(Θ)是Θ所有子集生成的空间,A_p是P(Θ)空间中第p个元素,p=1,2,…,2^N，m(A_p)是A_p的的概率赋值，Ψ_P(Θ)是由P(Θ)中的元素组成的空间，一个基本概率分配是Ψ_P(Θ)中以m(A_p)为坐标的向量表示为

其中，N为大于2的自然数，m(A_p)≥0，p=1,2,…,2^N，且

和是Ψ_P(Θ)中第i个、第j（i,j=1,2,…,n，n系统中证据源的数目）个基本概率分配，计算两者距离

系统中证据源的数目为n，n的取值为自然数，第k（k=1,2,…,n）个证据E_k到证据集中其他证据的平均距离为

其中，t=1,2,…,n，d_k反映了证据E_k与证据集中其他证据的差异程度，d_kt表示第k个基本概率分配与第t个基本概率分配的距离；d_t反映了证据E_t与证据集中其他证据的差异程度。

建立证据修正因子r_k，以证据修正因子r_k为证据E_k的权重，对原始证据集的基本概率分配进行修正，

其中，d_t反映了证据E_t与证据集中其他证据的差异程度；

（2）对多组证据BPA进行推理识别，具体过程如下：

修正后多个证据源的基本概率分配为：

依次选取两个基本概率分配（其中，u=1,2,…,n-1，v=2,…,n，u=v-1）按下述公式组合：

其中，乘性运算部分：

局部冲突中分配给A_s部分：

按式（7）得到新的组合结果再与下一个证据源组合得到新的结果，反复执行，直到最后一个证据m'_n参与组合后结束。

实施例一：

本发明的油品调合优化控制系统辨识系统中，辨识系统采集大量油品调合现场压力数据，基于本发明的推理识别方法对调合压力状态进行识别，获得系统压力状态的准确估计，其具体辨识过程如下。

在油品调合优化控制系统控制中，为保证能可靠识别管道泵出口的当前压力状态，从管道泵出口处开始沿管道每隔8米安装一台压力检测仪表，共安装四台，用于测量同一掺炼线不同点的压力值。

1.异常数据处理

对于检测仪表采集到的数据，剔除超限或明显不正常数据。设定该四台仪表最大、最小量程及变化阈值分别为p_max，p_min及p_g，如可以令第一台压力仪表p_max=4.0MPa，p_min=1.0MPa，p_g=3MPa；其他压力仪表可做类似设置。

2.不同检测仪表原油调合压力状态BPA获取

首先收集某检测仪表采集的压力值与实际运行状态数据，形成该检测仪表的的压力--状态样本数据，基于这些压力样本数据建立该检测仪表的原油调合压力--状态的隶属度曲线。以第一台压力检测仪表为例，压力状态“正常”的区间范围为[3.0MPa,3.2MPa],均值为3.1Mpa；压力状态“过低”的区间范围为[2.0MPa,3.05MPa],低于2.8Mpa确认“过低”置信度为1；压力状态“过高”的区间范围为[3.15MPa,4MPa],高于3.5Mpa确认“过高”置信度为1。第一台压力检测仪表对应的隶属度曲线关键参数记为：a₁=3.0、a₂=3.1、a₃=3.2、b₁=2.0、b₂=2.8、b₃==3.05、c₁=3.15、c₂=3.5、c₁=4.0。

同样方法获得其他检测仪表对原油调合管道泵出口压力状态的隶属度曲线，其中，管道压力状态为“正常”的关键参数a₁,a₂,a₃分别为（2.7MPa，2.8MPa，2.9MPa），（2.4MPa，2.5MPa，2.6MPa），（2.2MPa，2.3MPa，2.4MPa）。

若以A代表“正常”，B代表“过低”，C代表“过高”，若第一台压力检测仪表测得当前管道压力为3.04Mpa，则通过对应的隶属度曲线可计算出f₁(A)=0.48，f₁(B)=0.13，f₁(C)=0；对其进行归一化得m₁(A)=0.787，m₁(B)=0.213，m₁(C)=0。

然后，将不同压力检测仪表采集到的不同压力数据与其对应的隶属度曲线对比，获得不同检测仪表对当前原油调合状态的BPA。

3.推理识别

推理识别模块先基于式（1）～（5）计算各检测仪表证据信息的修正因子，按式（6）对器BPA进行修正，然后按式（7）依次融合推理经BPA修正后的数据，获得最终运行状态识别结果。

下面分别以多个检测仪表证据间较一致或存在较大冲突两种情况进行说明。

1）若通过4个检测仪表的检测数据获取的不同证据信息比较一致时，设不同检测仪表对应的BPA值分别如下：

m₁(A)=0.6，m₁(B)=0.1，m₁(C)=0.3；m₂(A)=0.7，m₂(B)=0.2，m₂(C)=0.1

m₃(A)=0.5，m₃(B)=0.2，m₃(C)=0.3；m₄(A)=0.65，m₄(B)=0.1，m₄(C)=0.25

对4个证据组合推理结果如表1所示。

表1对一致性证据推理识别结果

从表1看出，本发明所述方法收敛明显，对低冲突证据组合很有效。

2）若通过4个检测仪表的检测数据获取的不同证据信息间存在较大冲突的情况，设不同检测仪表对应的BPA值分别如下：

m₁(A)=0.5，m₁(B)=0.2，m₁(C)=0.3；m₂(A)=0，m₂(B)=0.9，m₂(C)=0.1

m₃(A)=0.6，m₃(B)=0.1，m₃(C)=0.3；m₄(A)=0.8，m₄(B)=0.1，m₄(C)=0.1

对不同证据组合推理结果如表2所示。

表2对冲突较大证据推理识别结果

本发明的方法在收到第3个证据时,就可以正确识别出目标了。分析原因可以发现：受某检测仪表自身不可靠、环境恶劣等因素影响，导致证据2与实际情况有较大的偏差。本发明组合规则考虑了多个BPA证据之间的相互关联关系，不仅考虑了各个证据的可信度所表征的全局有效性，而且将局部冲突进行合理分配，最大程度地减少“坏值”对融合结果和决策的影响，提高收敛速度的同时，降低了决策风险，在证据比较少的情况下就可以收敛为正确的目标。

可见，本发明在多个检测仪表证据间较一致或存在较大冲突识别系统运行状态都很有效。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

Claims

1.一种油品调合压力状态识别方法，其特征是它包括以下步骤：

(1)、采用压力传感器进行数据采集的步骤；

(2)、对于异常数据进行处理的步骤；

(3)、对剔除异常后的数据进行基本概率分配，得到油品调合中不同位置处的压力传感器对油品调合压力状态的证据信息；

步骤(2)具体为，首先，对任一压力传感器，设定其最大、最小量程及变化阈值分别为x_max，x_min及x_g；其次，采用下述公式剔除步骤(1)中对应位置压力传感器所采集数据的超限或明显不正常数据：

2.根据权利要求1所述的油品调合压力状态识别方法，其特征是步骤(1)中，采用多个压力传感器安装于调合工艺设备的不同位置，检测出各对应部位的压力值，步骤(3)之后，还包括步骤(4)、对多个压力传感器的油品调合压力状态证据信息进行推理识别，得到各压力传感器的识别结果的步骤。

3.根据权利要求1所述油品调合压力状态识别方法，其特征是步骤(3)具体为：

(A)采集状态及压力值样本，建立隶属度曲线的步骤：

其中，选取调合压力正常状态的样本，对该样本的压力值进行统计，压力最小值记为参数a₁、压力最大值记为参数a₃、平均值记为a₂，压力a₁、a₃的置信度为0，压力a₂的置信度为1；

选取调合压力过低状态的样本，对该样本的压力值进行统计，压力最小值记为参数b₁、压力最大值记为参数b₃、平均值记为b₂，压力b₁、b₂的置信度为0，压力b₃的置信度为1；

选取调合压力过高状态的样本，对该样本的压力值进行统计，压力最小值记为参数c₁、压力最大值记为参数c₃、平均值记为c₂，压力c₁的置信度为0，压力c₂、c₃的置信度为1；

采用同样的方法建立其他不同位置处的不同传感器的油品调合压力状态隶属度曲线；(B)实时采集多个压力传感器的压力值，将各压力值与对应传感器的油品调合压力状态隶属度曲线进行对照，获得各压力传感器对不同油品调合压力状态的基本概率分配，具体步骤如下：

4.根据权利要求1所述油品调合压力状态识别方法，其特征是：调合工艺最高压力取调合管道耐压值的0.8倍。

5.根据权利要求2所述油品调合压力状态识别方法，其特征是步骤(4)具体为：对步骤(3)得到的任一压力传感器采集数据的三种油品调合状态基本概率进行推理识别，首先修正多个压力传感器的油品调合压力状态基本概率分配，然后对多个压力传感器的数据进行组合推理，获得油品调合压力状态的最终识别结果。

6.根据权利要求5所述油品调合压力状态识别方法，其特征是修正油品调合压力状态基本概率分配的具体过程如下：

(A)、以A₁代表正常，A₂代表过低，A₃代表过高，Θ代表无法区分，某一传感器对不同调合压力状态的概率分配用向量表示，第i、j个传感器的基本概率分配向量分别表示为和其中，i、j表示传感器的编号，i,j＝1,2,…,n，n表示调合管路中压力传感器的数目；

(B)、计算两者之间的距离，

将每个压力传感器提供的基本概率分配向量作为该传感器的调合压力状态证据信息，第k个压力传感器提供的证据信息记为E_k，n个证据信息构成证据集，证据E_k到证据集中其他n-1个证据的平均距离为

其中，t＝1,2,…,n，d_k反映了证据E_k与证据集中其他证据的差异程度，d_kt表示第k个压力传感器的基本概率分配与第t个压力传感器基本概率分配的距离；

(C)、建立证据修正因子r_k，以证据修正因子r_k为证据E_k的权重，对原始证据集的基本概率分配进行修正，

其中，d_t反映了证据E_t与证据集中其他证据的差异程度；

。

7.根据权利要求5所述油品调合压力状态识别方法，其特征是对多个压力传感器的数据进行组合推理的具体过程如下：

修正后多个证据源的基本概率分配为：

依次选取两个基本概率分配其中，u＝1,2,…,n-1，v＝2,…,n，u＝v-1，按下述公式组合：

其中，乘性运算部分：

局部冲突中分配给A_s部分：

按式(7)得到新的组合结果再与下一个证据源组合得到新的结果，反复执行，直到最后一个证据m′_n参与组合后结束，得到基于各证据源即压力传感器信息推理出的概率分配，选择m(A_s)中概率最大值对应的A_s状态作为最终油品调合压力状态识别结果。