CN105389595A - 一种化工装备长周期运行安全风险雷达监测方法及装置 - Google Patents

Abstract

本发明涉及一种化工装备长周期运行安全风险雷达监测方法及装置，其中，方法包括：获取化工装备运行的实时状态数据，对化工装备的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；对所述待监测数据进行故障识别，获得报警信息；对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

Description

一种化工装备长周期运行安全风险雷达监测方法及装置

技术领域

本发明涉及故障诊断技术领域，特别涉及一种化工装备长周期运行安全风险雷达监测方法及装置。

背景技术

化工过程具有易燃易爆、腐蚀严重、毒害性大、高温高压以及生产连续性强等特点，涉及工艺、设备、仪表、电气等多个专业和复杂的公用工程系统。化工过程运行的安全、健康程度，将直接影响石油天然气炼化生产的连续性、稳定性和安全性。由于工艺复杂、设备众多，异常工况时有出现，一旦发生事故，所造成的经济损失及社会、环境影响将相当巨大。为了避免重大事故的发生，确保化工过程的安全生产，对化工过程进行异常工况监测技术的研究是十分必要的。

对化工装备长周期运行安全风险进行监控预测，从大量关联的设备单元中及时发掘事故征兆，找出危险因素根源，在事故发生之前预测可能的后果，给出相应的安全措施，形成“早发现、早报告、早预警、早处置”的安全防范机制，可有效遏制化工过程重特大事故发生，保障我国能源行业炼化板块健康、可持续发展。

目前，常用的化工过程故障诊断方法有：符号有向图法、贝叶斯方法、神经网络等，然而，这些方法在实际工程应用中都有各自的缺点。例如：符号有向图的准确程度依赖于建模人员对系统的理解，贝叶斯网络的推理算法过于复杂，神经网络的训练需要较多的故障样本。

由于上述问题的存在，目前的化工过程故障诊断方法都无法很好地在实际工程领域中得到应用，针对上述问题，目前尚未提出有效的解决方案。

发明内容

为解决现有技术的问题，本发明提出一种化工装备长周期运行安全风险雷达监测方法及装置，解决了现有技术中无法准确有效地监测和定位出化工过程异常工况的技术问题。

为实现上述目的，本发明提供了一种化工装备长周期运行安全风险雷达监测方法，包括：

获取化工装备运行的实时状态数据，对化工装备中的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；

对所述待监测数据进行故障识别，获得报警信息；

对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

优选地，还包括：

所述实时状态数据通过支持向量机参数预测模型，预测化工过程潜在风险和变化趋势；其中，所述支持向量机参数预测模型是通过已知化工装备运行过程的状态数据建立训练数据集，进行支持向量机学习建立的。

优选地，所述故障识别的步骤包括：

对所述待监测数据的状态值和阈值进行实时比对，实现阈值报警。

优选地，所述故障识别的步骤包括：

采用动态主成分分析方法，基于正常化工装备运行工况下的训练模型，构建动态主成分分析模型，求得正常工况下系统的控制限；

实时计算化工装备运行系统的统计量指标值，若统计量指标值超出所述控制限，所述统计量指标值对应的状态信息为报警信息。

优选地，所述故障识别的步骤包括：

采用贡献图的方法计算出化工装备运行系统的各相关变量的贡献率，根据所述贡献率分离出报警原因变量，并根据报警原因变量的历史变化范围判断对应的所述工艺偏差为偏高或偏低。

对应地，为实现上述目的，本发明还提供了一种化工装备长周期运行安全风险雷达监测装置，包括：

数据采集单元，用于获取化工装备运行的实时状态数据，对化工装备中的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；

故障识别单元，用于对所述待监测数据进行故障识别，获得报警信息；

诊断溯源单元，用于对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

优选地，还包括：

预测单元，用于所述实时状态数据通过支持向量机参数预测模型，预测化工过程潜在风险和变化趋势；其中，所述支持向量机参数预测模型是通过已知化工装备运行过程的状态数据建立训练数据集，进行支持向量机学习建立的。

优选地，所述故障识别单元包括：

阈值识别模块，用于对所述待监测数据的状态值和阈值进行实时比对，实现阈值报警。

优选地，所述故障识别单元包括：

控制限确定模块，用于采用动态主成分分析方法，基于正常化工装备运行工况下的训练模型，构建动态主成分分析模型，求得正常工况下系统的控制限；

动态主成分识别模块，用于实时计算化工装备运行系统的统计量指标值，若统计量指标值超出所述控制限，所述统计量指标值对应的状态信息为报警信息。

优选地，所述故障识别单元包括：

贡献图识别模块，用于采用贡献图的方法计算出化工装备运行系统的各相关变量的贡献率，根据所述贡献率分离出报警原因变量，并根据报警原因变量的历史变化范围判断对应的所述工艺偏差为偏高或偏低。

上述技术方案具有如下有益效果：本技术方案通过数据库技术获取实时状态数据，在危险与可操作性分析的基础上，筛选出所需数据，利用该数据识别出报警信息，对识别出的报警信息进行故障诊断和溯源，并通过支持向量机方法进行实时追踪和在线预测，保障化工过程的安全可靠运行。这种方法更加符合实际的生产工况，通过预测可以更快速、更准确地监测化工过程潜在风险与变化趋势，能够为现场维修计划和监测计划的制定提供准确、及时的消除故障根源提供可靠的理论依据，从而合理规避不利风险事件。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提出了一种化工装备长周期运行安全风险雷达监测方法流程图之一；

图2为本发明提出了一种化工装备长周期运行安全风险雷达监测方法流程图之二；

图3为本实施例中通过危险与可操作性分析选取的分馏系统的状态数据显示示意图；

图4为本发明提出了一种化工装备长周期运行安全风险雷达监测装置框图之一；

图5为本发明提出了一种化工装备长周期运行安全风险雷达监测装置框图之二；

图6为本实施例故障溯源结果显示界面示意图；

图7为本实施例参数预测显示界面示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本技术方案的工作原理：本技术方案首先结合企业分布式控制系统和生产信息化管理系统，采用OPC技术，开展数据采集拓扑结构以及与物联网络接口研究，获取装置运行的实时状态数据，并将数据实时存储到SQL数据库中。对化工过程各个系统进行危险与可操作性分析，确定工艺偏差，从而筛选出所需要的数据进行监测，然后采用数据挖掘技术，对获取到的历史数据进行训练，计算综合指标控制限及当前参数的综合指标，将综合指标与控制限比较，判断当前状态是否出现异常，从而实现超限报警。并在危险与可操作性分析报告的基础上进行故障诊断，分析参数偏差的直接原因并提出相应的建议措施。在故障诊断的基础上进一步进行深度故障溯源分析，对当前报警信息建立故障传播模型，模型中得到各种故障路径并计算相关根原因发生的概率，以提供最可能根原因的信息。溯源结果为现场人员提供简要的故障根原因信息和解决根原因的应对措施。最后利用历史数据建立训练数据集，进行支持向量机学习，建立支持向量机参数预测模型，实时预测未来5min的参数值，监测化工过程潜在风险与变化趋势，合理规避不利风险事件，从而解决了现有技术中无法准确有效地监测出化工过程异常工况的技术问题，达到了有效提高监测准确度和监测效率的技术效果。

基于上述工作原理，本发明提出了一种化工装备长周期运行安全风险雷达监测方法之一。如图1所示，包括：

步骤101)：获取化工装备运行的实时状态数据，对化工装备中的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；

对于本实施例来说，步骤101是该风险雷达系统开发的数据基础，它实现了状态参数采集、显示和数据信息储存等功能。具体包括：可获取化工装备运行的实时状态数据；实时记录其过程监测数据，同时存储日常操作纪录、历史维修监测纪录、以及诊断结果等信息；采用C#窗体设计开发实现装置状态参数、历史数据和历史故障诊断结果的查询与显示。

对于本实施例来说，以分馏系统为例，通过对分馏系统进行危险与可操作性分析，选取分馏塔塔顶压力、塔顶温度、塔底液位、塔底温度等主要参数进行重点监测，设计软件的数据读取界面如图3所示。

SQL(StructuredQueryLanguage)是结构化查询语言，其主要功能是同各种数据库建立联系，进行沟通。将现场DCS系统的过程参数实时存储到SQL数据库并建立装置运行状态数据库，实时记录其过程监测数据，同时存储日常操作纪录、历史维修监测纪录，以及诊断结果等信息。

步骤102)：对所述待监测数据进行故障识别，获得报警信息；

对于本实施例来说，故障识别的方法包括：

第一种方法为：对所述待监测数据的状态值和阈值进行实时比对，实现阈值报警。

第二种方法为：采用动态主成分分析方法，基于正常化工装备运行工况下的训练模型，构建动态主成分分析模型，求得正常工况下系统的控制限；

实时计算化工装备运行系统的统计量指标值，若统计量指标值超出所述控制限，所述统计量指标值对应的状态信息为报警信息。

第三种方法为：采用贡献图的方法计算出化工装备运行系统的各相关变量的贡献率，根据所述贡献率分离出报警原因变量，并根据报警原因变量的历史变化范围判断对应的所述工艺偏差为偏高或偏低。

步骤103)：对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

在步骤101中，涉及到危险与可操作性分析，在危险与可操作性分析报告的基础上分析参数偏差的直接原因并提出相应的建议措施。其中，具体步骤包括：

建立危险与可操作性分析知识库，提供危险与可操作性分析的查询、添加、修改、删除和导出等功能；

在报警发生后查询危险与可操作性分析知识库，为现场工作人员提供报警发生的可能原因、后果以及相应的安全措施等信息。

在故障诊断的基础上进一步进行深度故障溯源分析，找出故障发生的根原因。具体包括：

针对当前报警信息建立故障传播模型，模型中得到各种故障路径并计算相关根本原因发生的概率，以提供最可能根原因、故障传播下级节点参数的信息。

为现场人员提供简要的故障根本原因信息和解决根本原因的应对措施。

进一步地，本发明提出了一种化工装备长周期运行安全风险雷达监测方法之二。如图2所示，在图1的基础上，还包括：

步骤104)：所述实时状态数据通过支持向量机参数预测模型，预测化工过程潜在风险和变化趋势；其中，所述支持向量机参数预测模型是通过已知化工装备运行过程的状态数据建立训练数据集，进行支持向量机学习建立的。

为了进一步监测化工过程潜在风险与变化趋势，可继续执行上述步骤104，利用历史数据建立训练数据集，进行支持向量机学习，建立支持向量机参数预测模型，实时预测未来5min的参数值，监测化工过程潜在风险与变化趋势，合理规避不利风险事件。

对应地，为实现上述目的，本发明提供了一种化工装备长周期运行安全风险雷达监测装置之一，如图4所示。包括：

数据采集单元401，用于获取化工装备运行的实时状态数据，对化工装备中的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；

故障识别单元402，用于对所述待监测数据进行故障识别，获得报警信息；

诊断溯源单元403，用于对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

进一步地，如图5所示，为本发明提出了一种化工装备长周期运行安全风险雷达监测装置框图之二。在图4的基础上，还包括：

预测单元404，用于所述实时状态数据通过支持向量机参数预测模型，预测化工过程潜在风险和变化趋势；其中，所述支持向量机参数预测模型是通过已知化工装备运行过程的状态数据建立训练数据集，进行支持向量机学习建立的。

本技术方案通过对化工过程各系统中存在的异常工况进行危险与可操作性分析，筛选出所需数据进行离群点监测及早期预警，通过故障诊断-溯源模块，找出故障发生的根原因，并建立预测模型，实时追踪，进行在线预测，为企业和公众提供有效可信的信息，帮助其合理规避不利风险事件，

下面将结合一个具体实施例对上述化工过程异常工况风险雷达监测方法进行说明，然而值得注意的是，该具体实施例仅是为了更好地说明本发明，并不构成对本发明的不当限定。

在本例中，以化工过程催化裂化分馏系统为研究对象，结合企业DCS系统和MES系统，采用OPC技术，开展数据采集拓扑结构以及与物联网络接口研究，获取装置运行的实时状态数据，并将数据实时存储到SQL数据库中。

通过对分馏系统进行危险与可操作性分析，找出各分析节点，确定工艺偏差，从而筛选出所需要的数据进行监测，进行化工过程异常工况的故障诊断。具体分析步骤如下：

通过危险与可操作性分析筛选出所需要的监测数据之后，采用数据挖掘技术PCA方法，对获取到的历史数据进行训练，计算综合指标控制限及当前参数的综合指标，整个计算过程通过C#平台实现，得出T²控制限值为15.7203，Q控制限值为4.3668，通过将当前参数的综合指标与控制限比较判断是否出现异常工况，从而实现超限报警，通过实时监测，该方法的准确率为100％，部分监测结果如表1。

表1

状态编号	T2指标	Q指标	是否超限	异常工况	报警是否准确
						1	16.3205	4.3796	是	是	是
2	14.7923	4.2405	否	否	是
						3	15.3405	4.3089	否	否	是
4	14.8236	4.4102	Q超限	是	是
						5	14.5285	4.3028	否	否	是
6	15.6209	4.3197	否	否	是
						7	16.1427	4.2886	T2超限	是	是
8	15.7168	4.3405	否	否	是
						9	14.9376	4.2948	否	否	是
10	15.3209	4.3592	否	否	是

识别出报警信息之后，进行故障诊断和溯源，在危险与可操作性分析报告的基础上分析参数偏差的直接原因并提出相应的建议措施。在故障诊断的基础上进一步进行深度故障溯源分析，找出故障发生的根原因。

如图6所示，为本实施例故障溯源结果显示界面示意图。因FIC3201参数偏高，所以FIC3201偏高即为根原因变量，故障传播下级节点参数为TIC1201，图中分别给出了报警信息、故障溯源预测路径、预测的后果及相应的建议措施，为现场人员提供简要的故障根原因信息和解决根原因的应对措施。

为了进一步监测化工过程潜在风险与变化趋势，利用历史数据建立训练数据集，进行支持向量机学习，建立支持向量机参数预测模型，参数预测界面如图7所示，实时预测未来5min的参数值，本例中预测了故障传播下级节点回炼油罐液位TIC1201，实际值与预测值对比如表2。

表2

实际值

108.3272

108.4249

108.4642

108.4536

108.4309

预测值

108.33

108.44

108.47

108.45

108.42

通过对比可以求出平均误差率仅为0.006％，通过支持向量机预测可有效监控化工过程潜在风险与变化趋势，合理规避不利风险事件。

基于上述的诊断结果，将相同的故障数据使用人工神经网络的方法进行故障诊断，诊断结果对比如下表3所示：

表3

由上述表3可以看出，采用该风险雷达异常工况监测方法可以准确地诊断出异常工况并准确预测其变化趋势，提高了化工过程异常工况诊断的成功率，充分说明了化工过程异常工况风险雷达监测方法用于化工过程故障诊断的可行性。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种化工装备长周期运行安全风险雷达监测方法，其特征在于，包括：

获取化工装备运行的实时状态数据，对化工装备的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；

对所述待监测数据进行故障识别，获得报警信息；

对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

2.如权利要求1所述的方法，其特征在于，还包括：

所述实时状态数据通过支持向量机参数预测模型，预测化工过程潜在风险和变化趋势；其中，所述支持向量机参数预测模型是通过已知化工装备运行过程的状态数据建立训练数据集，进行支持向量机学习建立的。

3.如权利要求1或2所述的方法，其特征在于，所述故障识别的步骤包括：

对所述待监测数据的状态值和阈值进行实时比对，实现阈值报警。

4.如权利要求1或2所述的方法，其特征在于，所述故障识别的步骤包括：

采用动态主成分分析方法，基于正常化工装备运行工况下的训练模型，构建动态主成分分析模型，求得正常工况下系统的控制限；

实时计算化工装备运行系统的统计量指标值，若统计量指标值超出所述控制限，所述统计量指标值对应的状态信息为报警信息。

5.如权利要求1或2所述的方法，其特征在于，所述故障识别的步骤包括：

采用贡献图的方法计算出化工装备运行系统的各相关变量的贡献率，根据所述贡献率分离出报警原因变量，并根据报警原因变量的历史变化范围判断对应的所述工艺偏差为偏高或偏低。

6.一种化工装备长周期运行安全风险雷达监测装置，其特征在于，包括：

数据采集单元，用于获取化工装备运行的实时状态数据，对化工装备的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；

故障识别单元，用于对所述待监测数据进行故障识别，获得报警信息；

诊断溯源单元，用于对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

7.如权利要求6所述的装置，其特征在于，还包括：

预测单元，用于所述实时状态数据通过支持向量机参数预测模型，预测化工过程潜在风险和变化趋势；其中，所述支持向量机参数预测模型是通过已知化工装备运行过程的状态数据建立训练数据集，进行支持向量机学习建立的。

8.如权利要求6或7所述的装置，其特征在于，所述故障识别单元包括：

阈值识别模块，用于对所述待监测数据的状态值和阈值进行实时比对，实现阈值报警。

9.如权利要求6或7所述的装置，其特征在于，所述故障识别单元包括：

控制限确定模块，用于采用动态主成分分析方法，基于正常化工装备运行工况下的训练模型，构建动态主成分分析模型，求得正常工况下系统的控制限；

动态主成分识别模块，用于实时计算化工装备运行系统的统计量指标值，若统计量指标值超出所述控制限，所述统计量指标值对应的状态信息为报警信息。

10.如权利要求6或7所述的装置，其特征在于，所述故障识别单元包括：

贡献图识别模块，用于采用贡献图的方法计算出化工装备运行系统的各相关变量的贡献率，根据所述贡献率分离出报警原因变量，并根据报警原因变量的历史变化范围判断对应的所述工艺偏差为偏高或偏低。