CN105717888A - 一种基于物联网传感数据的噪点过滤系统及智能预警系统 - Google Patents

Abstract

本发明提供一种基于物联网传感数据的噪点过滤系统及智能预警系统，噪点过滤系统包括：第一获取模块、稳态计算模块、第二获取模块、容忍度设定模块、振幅计算模块和扰动判断模块。本发明提供的基于物联网传感数据的噪点过滤系统及智能预警系统，采用适合的统计方法过滤噪点，得到有价值的数据，从而在各个油气田日后油气生产预警分析方面，保证数据的实用性、正确性，减少误报和错误判断，优化工艺，提高生产效率。

Description

一种基于物联网传感数据的噪点过滤系统及智能预警系统

技术领域

本发明属于油气物联网、统计学、油田工业技术领域，具体涉及一种基于物联网传感数据的噪点过滤系统及智能预警系统。

背景技术

目前，在油气处理工艺流程中，油气处理站采用DCS(DistributedControlSystem，分布式控制系统)实时监控油气处理过程，通过对监控到的数据进行分析，从而判断油气处理过程的运行健康状况。然而，在采集实时监测数据，即传感数据时，例如，液位、温度等参数数据，由于扰动的存在，如，信号不稳定或其他干扰因素，容易导致采集到异常监测数据，从而降低了对油气处理过程的运行健康状况的分析结果的准确性。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于物联网传感数据的噪点过滤系统及智能预警系统，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于物联网传感数据的噪点过滤系统，包括：

第一获取模块，对于某一监测点的某一监测参数，获得该监测参数在最近历史时间内的k个监测历史数据；

稳态计算模块，采用统计学方法，计算k个监测历史数据的稳态指标ε，具体为：

(1)对于k个监测历史数据，首先计算方差S²的值、均方相继差δ²的值、均方容差的值，计算公式分别为：

$S^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2$

${\mathrm{\δ}}^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\Σ}}}{(X_{i+1}-X_i)}^2$

${\mathrm{\δ}}_t^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\Σ}}}{T}^2;$

(2)计算稳态指标ε的值，计算方法为：

若则令 $\mathrm{\ϵ}=\frac{{\mathrm{\δ}}_t^2}{S^2},$ 否则， $\mathrm{\ϵ}=\frac{{\mathrm{\δ}}_t^2}{S^2}$

其中，各参数含义为：

k：监测点历史值的数量

X_i：历史值

监测点所有历史数据的平均值

T：观测点的容差，0≤T≤1；

(3)稳态指标ε的计算值反应监测参数在该监测点的稳态变化情况，如果稳态指标ε达到设定阈值，则得出该监测参数在该监测点为稳定状态数据；

第二获取模块，当通过所述稳态计算模块，得到该监测参数在该监测点为稳定状态数据之后，获取最新的该监测参数的q个监测数据；以q个监测数据为计算对象，用于判断q个监测数据是否存在噪点数据；

容忍度设定模块，用于根据现场工艺，人工设定容忍度范围；

振幅计算模块，用于计算最新监测数据的振幅A；其中，对于q个监测数据，将各监测数据按监测时间从近到远排列，分别记为：W1、W2…Wq；其中，W1为最新监测数据；

则：A＝W1/(W1-(W2+W3…+Wq)/(q-1))*100％；

扰动判断模块，用于判断监测数据W1是否为噪点，具体判断步骤为：

S1，判断A是否大于容忍度设定模块所设定的容忍度范围，如果大于，则得出监测数据W1为噪点的结论；如果不大于，则执行S2；

S2，判断当前是否发生数据不变情况，如果发生，则推断出当前发生传输故障或传感器故障，进行故障报警；如果未发生，则得出该监测点当前输出的监测参数为正常有效的监测参数。

优选的，所述扰动判断模块通过以下方法判断是否发生数据不变情况：

计算q个监测数据的稳态指标ε，判断稳态指标ε是否大于设定值，如果大于，则表明监测数据过于稳定，发生数据不变情况。

本发明还提供一种智能预警系统，包括：

采集工具，用于采集油气处理站各处理工艺中的实时监测数据；

噪点过滤系统，用于判断所述采集工具采集到的所述实时监测数据是否为噪点数据，如果是，则过滤，如果不是，则启动执行后续模块；

实时数据库，用于接收并实时存储所述噪点过滤系统过滤后的正常的所述实时监测数据；

数据存储模块，用于存储所述实时数据库接收到的与所述预警对象相关的实时监测数据；

预警规则设定模块，用于设定预警规则，其中，所述预警规则包括关键参数预警规则、设备预警规则和流程预警规则；

状态识别模块，用于将所述数据存储模块存储的所述实时监测数据与所述预警规则设定模块所设定的预警规则进行对比分析，判断所述实时监测数据是否出现异常，如果出现异常，则得出异常的所述实时监测数据所反应的故障；

预警模式选择模块，用于当所述状态识别模块识别出所述故障时，选择本次需要预警的预警模式；其中，所述预警模式包括关键参数预警模式、设备预警模式和流程预警模式；

预警专家知识库，用于以知识的形式存储流程、设备、关键参数、故障、故障原因和故障处理措施的对应关系；

正向推理机，用于接收所述预警模式选择模块所选择的预警模式，基于所述预警模式，以所述状态识别模块识别出的故障为遍历条件，遍历所述预警专家知识库，得到与所述故障对应的故障原因和故障处理措施；

预警模块，用于将所述故障、所述故障原因和所述故障处理措施整合为预警信息，并进行预警；

修正模块，用于对所述预警模块的预警进行修正；

预警记录模块，用于记录经修正的预警信息，所述预警信息包括故障、故障原因和故障处理措施之间的对应关系；

更新模块，用于将所述预警记录模块所记录的预警信息添加到所述预警专家知识库。

优选的，所述流程预警模式是指：对油气处理站包含的每个生产系统流程的流程运行状态进行预警；

所述设备预警模式是指：对油气处理站包含的每个生产系统流程中所包含的关键设备的运行状态进行预警；

所述关键参数预警模式是指：对油气处理站包含的每个生产系统流程中的关键设备的各个关键检测参数的状态进行预警。

优选的，所述预警专家知识库采用多叉树的表达形式，存储所述知识。

优选的，所述预警专家知识库采用多叉树的表达形式，存储所述知识，具体为：

以油田作业区名称作为根节点；

以所述油田作业区名称所包含的流程名称作为第1层节点；

以所述流程名称包含的设备名称作为第2层节点；

以所述设备名称包含的关键参数名称作为第3层节点；

以所述关键参数名称涉及到的故障名称作为第4层节点；

以所述故障名称涉及到的故障原因信息作为第5层节点；

以所述故障原因信息涉及到的故障处理措施作为第6层节点。

优选的，所述正向推理机具体包括：

第一遍历模块，用于基于所述预警模式，以所述状态识别模块识别出的故障为遍历条件，遍历所述预警专家知识库，得到与所述故障对应的所有可能的故障原因；

其中，如果为流程预警模式，则对油气处理站包含的各生产系统流程进行运行状态跟踪，对于每个所述生产系统流程，将任意一个生产系统流程记为生产系统流程B，获得生产系统流程B中每个设备的发生故障的关键参数值，并获得该关键参数值在故障时的多条故障原因

如果为关键参数预警模式，通过查找所述预警专家知识库，获得所述关键参数在所述故障下的所有可能故障原因；

如果为设备预警模式，则获得需要预警的设备A的多项关键参数值，对每项所述关键参数，均获得该关键参数在故障时的多条故障原因；

如果为流程预警模式，则对油气处理站包含的各生产系统流程进行运行状态跟踪，对于每个所述生产系统流程，将任意一个生产系统流程记为生产系统流程B，获得生产系统流程B中每个设备的发生故障的关键参数值，并获得该关键参数值在故障时的多条故障原因；

逻辑判定条件存储模块，用于存储所述预警专家知识库中与每条故障原因对应的逻辑判定条件；其中，所述逻辑判定条件为关联设备的关键参数出现特定故障，并且，关联设备之间的故障存在特定逻辑关系，该特定逻辑关系与工艺流程中关联设备之间的工艺逻辑关系相一致；

第二遍历模块，用于对所述第一遍历模块获得的所有可能的故障原因，均执行以下操作：

将任意一个可能的故障原因记为故障原因W，查找所述逻辑判定条件存储模块，获得与所述故障原因W对应的逻辑判定条件，进行获得关联设备的关键参数；然后，以所述关联设备的关键参数为遍历条件，遍历所述预警专家知识库，判断所述关联设备的关键参数是否出现所述特定故障，并且，关联设备之间的故障是否符合特定逻辑关系，如果均符合，则所述故障原因W为实际故障原因；否则，所述故障原因W并非为实际发生的故障，将故障原因W剔除；

由此得到至少一个实际故障原因；

故障处理措施获取模块，用于根据所述预警专家知识库，获得与所述实际故障原因对应的故障处理措施。

本发明的有益效果如下：

本发明提供的基于物联网传感数据的噪点过滤系统及智能预警系统，采用适合的统计方法过滤噪点，得到有价值的数据，从而在各个油气田日后油气生产预警分析方面，保证数据的实用性、正确性，减少误报和错误判断，优化工艺，提高生产效率。

附图说明

图1为本发明提供的数据稳态计算示意图；

图2为本发明提供的数据扰动计算示意图；

图3为本发明提供的振幅计算过程示意图；

图4为本发明提供的基于物联网传感数据的油气处理站智能预警系统的结构示意图；

图5为本发明提供的预警大罐液位速率模型图；

图6为采用本发明提供的最小二乘法计算得到的液位变化趋势图；

图7为采用通用的多点移动平均算法计算得到的液位变化趋势图；

图8为本发明提供的预警专家知识库中存储的知识的自然描述的图形展示示意图；

图9为本发明提供的预警知识表示类图；

图10为本发明提供的故障原因判定树图；

图11为本发明提供的故障原因判定类图。

具体实施方式

以下结合附图对本发明进行详细说明：

本发明的核心思想之一为提供了一种基于物联网传感数据的噪点过滤系统，该系统实现了预警均值计算中，剔除小概率数据，即对偶发的扰动进行剔除，提高均值计算的实用性，从而在各个油气田日后油气生产预警分析方面，保证传感数据的实用性、正确性，减少误报和错误判断，优化工艺，提高生产效率。

具体的，基于物联网传感数据的噪点过滤系统，包括：

第一获取模块，对于某一监测点的某一监测参数，获得该监测参数在最近历史时间内的k个监测历史数据；

稳态计算模块，采用统计学方法，计算k个监测历史数据的稳态指标ε，具体为：

(1)对于k个监测历史数据，首先计算方差S²的值、均方相继差δ²的值、均方容差的值，计算公式分别为：

$S^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2$

${\mathrm{\δ}}^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\Σ}}}{(X_{i+1}-X_i)}^2$

${\mathrm{\δ}}_t^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\Σ}}}{T}^2;$

(2)计算稳态指标ε的值，计算方法为：

若则令 $\mathrm{\ϵ}=\frac{{\mathrm{\δ}}_t^2}{S^2},$ 否则， $\mathrm{\ϵ}=\frac{{\mathrm{\δ}}_t^2}{S^2}$

其中，各参数含义为：

k：监测点历史值的数量

X_i：历史值

监测点所有历史数据的平均值

T：观测点的容差，0≤T≤1；

(3)稳态指标ε的计算值反映监测参数在该监测点的稳态变化情况，如果稳态指标ε达到设定阈值，则得出该监测参数在该监测点为稳定状态数据；如果未达到设定阈值，则表明监测参数在监测点为非稳态状态数据，因此，需要不断推移更新时间窗数据，直到监测参数在监测点为稳态数据，才能执行后续步骤。一般情况下，稳态指标ε的计算值表示稳态的变化情况，如果这个比率的实际值接近2或者更高地话，那么该监测点的数据将被列为稳定状态。

其中，推移更新时间窗数据是指：假设时间窗为10个监测数据，则：设当前时刻为3点10分，获得最近的10个监测数据，分别为：3点1分获取的监测数据1、3点2分获取的监测数据2、3点3分获取的监测数据3、3点4分获取的监测数据4…3点10分获取的监测数据10；然后，计算这10个监测数据的稳态指标ε，如果稳态指标ε未达到设定阈值，则表明这10个监测数据不属于稳态数据，例如，参考图1，为数据稳态计算示意图，其中，横坐标为监测时间，纵坐标为稳态指标ε，由图1可以看出，当监测时间窗包含t1时刻的数据时，由于存在异常数据，则稳态指标ε不会达到设定阈值，监测数据为非稳态的，并且，非稳态现象会持续一段时间，直到用于计算的时间窗的数据没有异常时，系统恢复稳定。例如，对于3点1分到3点10分的时间窗，如果3点5分为异常数据，则不断推移更新时间窗，当时间窗为3：6分到3点15时，通过稳态计算，得出监测数据为稳态数据。

第二获取模块，当通过所述稳态计算模块，得到该监测参数在该监测点为稳定状态数据之后，获取最新的该监测参数的q个监测数据；以q个监测数据为计算对象，用于判断q个监测数据是否存在噪点数据；

容忍度设定模块，用于根据现场工艺，人工设定容忍度范围；

振幅计算模块，用于计算最新监测数据的振幅A；其中，对于q个监测数据，将各监测数据按监测时间从近到远排列，分别记为：W1、W2…Wq；其中，W1为最新监测数据；

则：A＝W1/(W1-(W2+W3…+Wq)/(q-1))*100％；

扰动判断模块，用于判断监测数据W1是否为噪点，具体判断步骤为：

S1，判断A是否大于容忍度设定模块所设定的容忍度范围，如果大于，则得出监测数据W1为噪点的结论；如果不大于，则执行S2；

S2，判断当前是否发生数据不变情况，如果发生，则推断出当前发生传输故障或传感器故障，进行故障报警；如果未发生，则得出该监测点当前输出的监测参数为正常有效的监测参数。

上述过程的主要思路为：

本发明中，首先通过第一获取模块选取少量的k个监测历史数据，例如10个，通过统计计算，分析过去的最近时间长度内，系统是否是稳态的，如果为非稳态的，需要不断更新数据，持续进行监测，只有当系统恢复稳态时，才进行第二获取模块的计算。

对于第二获取模块，其所获得的监测数据的数量q远大于第一获取模块获得的监测数据数量，例如，如果k取10，则q可以取31甚至更高。

对于第二获取模块所获取的数据，需要判断当前监测数据是否为燥点，燥点的出现表明出现了扰动，如图2所示，为本发明噪点过滤方法数据扰动计算示意图，从图2可以看出，测量对象因外界干扰，出现个别测量点，或短时间内(如一分钟以内)出现大幅偏差，称为扰动。图2中，在18点位置，出现一次波峰，即为出现一次扰动。定义为扰动，是因为该测量值出现了显著误差，并没有反映真实情况。扰动计算需要结合稳态判断，即在稳态下，扰动的可能性增加，触发的预警信息可信度低，否则需要提高预警信息的可信度，即该测量值包含故障信息。

本发明中，通过对监测数据振幅的计算，判断是否出现噪点，如图3所示，为振幅计算过程示意图。如果监测数据振幅超过设定阈值，则得出最新监测数据为噪点的结论；但是，如果监测数据振幅未超过设定阈值，并不能必然得出最新监测数据为正常数据的结论，因为，有可能此时系统发生数据不变现象，如果发生数据不变现象，必然会使振幅在设定范围之中，但是，数据不变为一种异常现象，可能由于传感器或传输链路故障导致，因此，在监测数据振幅未超过设定阈值时，需要进一步判断是否发生数据不变情况。本发明中，采用计算q个监测数据的稳态指标ε的方法，判断q个监测数据是否发生数据不变情况，即：判断稳态指标ε是否大于设定值，如果大于，则表明监测数据过于稳定，发生数据不变情况，此时，需进行数据不变预警。

本发明提供的基于物联网传感数据的噪点过滤系统，采用适合的统计方法过滤噪点，得到有价值的数据，从而在各个油气田日后油气生产预警分析方面，保证数据的实用性、正确性，减少误报和错误判断，优化工艺，提高生产效率。

如图4所示，本发明还提供一种智能预警系统，包括：

(1)采集工具：

用于采集油气处理站各处理工艺中的实时监测数据；

具体采集方式为：

油气处理站各处理工艺的关键设备均安装有传感器，通过传感器采集相关的参数。

例如，油气处理站包括多个生产系统流程，如，原油系统流程、锅炉系统流程、注水系统流程等；对于每套生产系统流程，均包括多个设备，例如，对于原油系统流程，包括沉降罐、分离器和净化油罐等；而对于每个设备，又包括多个关键参数，例如，对于分离器，通过安装液位传感器和压力传感器，检测的关键参数为液位和压力。

因此，油气处理站各处理工艺中，通过物联网传感设备，实时采集各个监测点的实时监测数据，并将采集到的实时监测数据传输到中控室SCADA系统中；然后，本发明预警系统安装有采集工具，该采集工具通过OPC协议将中控室SCADA系统中的实时监测数据采集到实时数据库中。

噪点过滤系统，即前述的基于物联网传感数据的噪点过滤系统，采用上述的噪点过滤系统，判断所述采集工具采集到的所述实时监测数据是否为噪点数据，如果是，则过滤，如果不是，则启动执行后续模块；

(2)实时数据库，用于接收并实时存储所述噪点过滤系统过滤后的正常的所述实时监测数据；

(3)数据存储模块，用于存储所述实时数据库接收到的与所述预警对象相关的实时监测数据；

此处，需要强调的是，为提高预警监测的实时性，实时数据库只存储实时数据，例如，设置每条实时监测数据的生命周期为1秒，实时数据库当接收到噪点过滤系统传输的某条实时监测数据后，保存时间仅为1秒；当达到保存时间时，即删除该实时监测数据。

由于实时数据库为面向整个油气处理站中所有处理工艺的，本发明提供的预警系统，可并发对该油气处理站中的多个系统流程、或者多个设备、或者多个关键参数进行预警，因此，对于某个预警对象，需要从实时数据库中获得与本次预警对象相关的实时监测数据，例如，如果油气处理站包括3个生产系统流程，分别为原油系统流程、锅炉系统流程、注水系统流程，如果用户本次只需要对原油系统流程进行预警监测，由只需要将所有与原油系统流程相关的实时监测数据存储到数据存储模块即可，而不需要存储其他系统流程的实时监测数据。

(4)预警规则设定模块，用于设定预警规则，其中，所述预警规则包括关键参数预警规则、设备预警规则和流程预警规则；

(5)状态识别模块，用于将所述数据存储模块存储的所述实时监测数据与所述预警规则设定模块所设定的预警规则进行对比分析，判断所述实时监测数据是否出现异常，如果出现异常，则得出异常的所述实时监测数据所反应的故障；

例如，对于关键参数预警规则，以关键参数为液位为例，设置的液位预警规则为包括液位越限(阈值)预警和液位变化趋势预警。

参考图5，为预警大罐液位速率模型图，从图5可以看出，预设置液位正常上升速度范围、最高液位以及最低液位；则：对接收到的大罐液位的实时液位进行识别，如果实时液位高出最高液位，则识别出液位出现超高故障；如果实时液位低于最低液位，则识别出液位出现超代故障；再对接收到的实时液位的上升速度进行计算，判断液位上升速度是否属于液位正常上升速度范围，如果低于液位正常上升速度范围，则识别出液位出现不变的故障。

其中，变化趋势预警是预警系统较为常见的计算方法之一，由于实时数据变化的幅度和频率没有规则，所以，现有技术中，通常采用的多点平均算法计算的斜率会出现严重的不稳定性。经测试，最小二乘法能有效地解决这个问题。

仍参照图5，可以看出，LINEST函数可通过使用最小二乘法计算与现有数据最佳拟合的直线，计算某直线的统计值，然后返回描述此直线的数组。也可以将LINEST与其他函数结合使用，再计算未知参数中其他类型的线性模型的统计值，包括多项式、对数、指数和幂级数。因为此函数返回数值数组，所以必须以数组公式的形式输入。

直线的公式为：

y＝mx+b

-或-

y＝m1x1+m2x2+...+b(如果有多个区域的x值)

其中，因变量y是自变量x的函数值。m值是与每个x值相对应的系数，b为常量。注意，y、x和m可以是向量。LINEST函数返回的数组为{mn,mn-1,...,m1,b}。LINEST函数还可返回附加回归统计值。

语法为：

LINEST(known_y's,[known_x's],[const],[stats])

LINEST函数语法具有以下参数：

Known_y's必需。关系表达式y＝mx+b中已知的y值集合。

如果known_y's对应的单元格区域在单独一列中，则known_x's的每一列被视为一个独立的变量。

如果known_y's对应的单元格区域在单独一行中，则known_x's的每一行被视为一个独立的变量。

Known_x's可选。关系表达式y＝mx+b中已知的x值集合。

known_x's对应的单元格区域可以包含一组或多组变量。如果仅使用一个变量，那么只要known_y's和known_x's具有相同的维数，则它们可以是任何形状的区域。如果使用多个变量，则known_y's必须为向量(即必须为一行或一列)。

如果省略known_x's，则假设该数组为{1,2,3,...}，其大小与known_y's相同。

const可选。一个逻辑值，用于指定是否将常量b强制设为0。

如果const为TRUE或被省略，b将按通常方式计算。

如果const为FALSE，b将被设为0，并同时调整m值使y＝mx。

stats可选。一个逻辑值，用于指定是否返回附加回归统计值。

如果stats为TRUE，则LINEST函数返回附加回归统计值，这时返回的数组为{mn,mn-1,...,m1,b；sen,sen-1,...,se1,seb；r2,sey；F,df；ssreg,ssresid}。

如果stats为FALSE或被省略，LINEST函数只返回系数m和常量b。

参考图6，为采用本发明提供的最小二乘法计算得到的液位变化趋势图；参考图7，为采用通用的多点移动平均算法计算得到的液位变化趋势图；对比图6和图7，可明显看出，本发明得到的液位变化趋势图更能反应液位变化的整体趋势。

再例如，实际应用中，可设定以下预警规则：

1)分离器压力<0.22

2)液位超高

3)液位超过3分钟数据未变化

4)污水系统流程中3#、4#、5#加压泵不能停，其流量计FIC302停机时间不能超过一小时，否则管线会凝。通过流量计和压力表来知道管线是否停

5)定子温度不能超过107℃并且润滑油温度不能超过70℃

6)液位上升速度若小于0.2米/小时(变化趋势报警)，如0.1米/小时，预警。

可见，多数的预警规则可以归结为最基本的比较判断，即，判定量是否大于、小于、等于、大于等于、小于等于等比较运算，对于3)的数据为变化，一般表示液位会在一个很小的区间内波动，可以看作是超高和超低报警，对于4)中判断加压泵停止可以变化为流量小于一定的值和压力小于一定的值。对于6)液位上升速率报警，其中包含对速率的计算和对计算结果的比较，我们可以将速率计算作为一个函数，将函数看作一个基本数据来源。

(6)预警模式选择模块，用于当所述状态识别模块识别出所述故障时，选择本次需要预警的预警模式；其中，所述预警模式包括关键参数预警模式、设备预警模式和流程预警模式；

其中，所述流程预警模式是指：对油气处理站包含的每个生产系统流程的流程运行状态进行预警；

所述设备预警模式是指：对油气处理站包含的每个生产系统流程中所包含的关键设备的运行状态进行预警；

所述关键参数预警模式是指：对油气处理站包含的每个生产系统流程中的关键设备的各个关键检测参数的状态进行预警。

(7)预警专家知识库，用于以知识的形式存储流程、设备、关键参数、故障、故障原因和故障处理措施的对应关系；

参考图8，为预警专家知识库中存储的知识的自然描述的图形展示示意图；本发明中，预警专家知识库采用多叉树的表达形式，存储所述知识，具体为：

以油田作业区名称作为根节点；

以所述油田作业区名称所包含的流程名称作为第1层节点；

以所述流程名称包含的设备名称作为第2层节点；

以所述设备名称包含的关键参数名称作为第3层节点；

以所述关键参数名称涉及到的故障名称作为第4层节点；

以所述故障名称涉及到的故障原因信息作为第5层节点；

以所述故障原因信息涉及到的故障处理措施作为第6层节点。

如图9，为本发明预警知识表示类图；从图9中，可以看出，预警专家知识库的深度和广度都有不确定性，从树根到树叶，每层节点均对应1到多个子节点。推理机的推理过程，转换为对知识树的遍历问题。

(8)正向推理机，用于接收所述预警模式选择模块所选择的预警模式，基于所述预警模式，以所述状态识别模块识别出的故障为遍历条件，遍历所述预警专家知识库，得到与所述故障对应的故障原因和故障处理措施；

所述正向推理机具体包括：

第一遍历模块，用于基于所述预警模式，以所述状态识别模块识别出的故障为遍历条件，遍历所述预警专家知识库，得到与所述故障对应的所有可能的故障原因；

其中，如果为流程预警模式，则对油气处理站包含的各生产系统流程进行运行状态跟踪，对于每个所述生产系统流程，将任意一个生产系统流程记为生产系统流程B，获得生产系统流程B中每个设备的发生故障的关键参数值，并获得该关键参数值在故障时的多条故障原因

如果为关键参数预警模式，通过查找所述预警专家知识库，获得所述关键参数在所述故障下的所有可能故障原因；

如果为设备预警模式，则获得需要预警的设备A的多项关键参数值，对每项所述关键参数，均获得该关键参数在故障时的多条故障原因；

如果为流程预警模式，则对油气处理站包含的各生产系统流程进行运行状态跟踪，对于每个所述生产系统流程，将任意一个生产系统流程记为生产系统流程B，获得生产系统流程B中每个设备的发生故障的关键参数值，并获得该关键参数值在故障时的多条故障原因；

逻辑判定条件存储模块，用于存储所述预警专家知识库中与每条故障原因对应的逻辑判定条件；其中，所述逻辑判定条件为关联设备的关键参数出现特定故障，并且，关联设备之间的故障存在特定逻辑关系，该特定逻辑关系与工艺流程中关联设备之间的工艺逻辑关系相一致；

第二遍历模块，用于对所述第一遍历模块获得的所有可能的故障原因，均执行以下操作：

将任意一个可能的故障原因记为故障原因W，查找所述逻辑判定条件存储模块，获得与所述故障原因W对应的逻辑判定条件，进行获得关联设备的关键参数；然后，以所述关联设备的关键参数为遍历条件，遍历所述预警专家知识库，判断所述关联设备的关键参数是否出现所述特定故障，并且，关联设备之间的故障是否符合特定逻辑关系，如果均符合，则所述故障原因W为实际故障原因；否则，所述故障原因W并非为实际发生的故障，将故障原因W剔除；

由此得到至少一个实际故障原因；

故障处理措施获取模块，用于根据所述预警专家知识库，获得与所述实际故障原因对应的故障处理措施。

具体的，在预警专家知识库中，对于一个故障，有可能存在多条故障原因，例如，对于分离器液位超高这一故障，存在的可能故障原因包括：分离器压力低、过滤器堵塞和气动阀故障；此时，需要借助逻辑判定条件，对得到的可能的故障原因进行筛选，得到实际故障原因。例如，对于分离器压力低这个故障原因，进行故障原因排查的步骤为：逻辑判定条件存储模块存在每个故障原因的逻辑判定条件，如：分离器压力低这个故障原因对应的逻辑判定条件可以为：分离器液位超过and分离器压力超低；因此，在判断这个逻辑判定条件后，再次遍历预警专家知识库，查找到分离器当前压力值，并判断此时的分离器当前压力值是否出现压力超低这个故障，如果出现，则表明分离器压力低这个故障原因为分离器液位超高这个故障的实际故障原因。

实际应用中，根据预警模式的不同，所设定的逻辑判定条件可非常复杂，更复杂的逻辑判定条件为多个基本比较组合的逻辑判定，如，(X>1)AND(y＝0))，如图10，为故障原因判定树图；如图11，为故障原因判定类图；为了便于将来可能出现的更加复杂的故障原因逻辑判定条件，采用判定树表示形式表示故障原因逻辑判定条件，将基本比较作为叶子节点。例如对于表达式(TI101>50)AND((LI101>100)OR(LI101<10))，可以用判定树表示。

对于设备预警模式和流程预警模式，可概括表示为：

如果为设备预警模式，则获得需要预警的设备A的多项关键参数值，对每项所述关键参数，均获得该关键参数在故障时的多条故障原因；然后，基于工艺流程中该设备A的各项关键参数之间的工艺逻辑关系，通过故障原因逻辑判定条件，对所获得的故障原因进行筛选，去除不合理的故障原因，得到精确的所述设备A的实际故障原因，再查找到实际故障原因的故障处理措施；

如果为流程预警模式，则对油气处理站包含的各生产系统流程进行运行状态跟踪，对于每个所述生产系统流程，将任意一个生产系统流程记为生产系统流程B，获得生产系统流程B中每个设备的发生故障的关键参数值，并获得该关键参数值在故障时的多条故障原因；然后，基于生产系统流程中各设备之间的逻辑关系、以及，根据同一设备中各个关键参数之间的逻辑关系，通过故障原因逻辑判定条件，对所获得的故障原因进行筛选，去除不合理的故障原因，得到精确的生产系统流程B的实际故障原因，再查找到实际故障原因的故障处理措施。

(9)预警模块，用于将所述故障、所述故障原因和所述故障处理措施整合为预警信息，并进行预警；

(10)修正模块，用于对所述预警模块的预警进行修正；

(11)预警记录模块，用于记录经修正的预警信息，所述预警信息包括故障、故障原因和故障处理措施之间的对应关系；

(12)更新模块，用于将所述预警记录模块所记录的预警信息添加到所述预警专家知识库。

目前，DCS控制系统在国际自动控制行业属于主流系统，本发明提供的基于物联网传感数据的油气处理站智能预警系统用于辅助DCS控制系统，使其更加及时了解生产状态，发现异常，获知隐患和对应的处理措施，掌握产量质量的调整方向。

以某油气处理站为例，原油系统流程为A、B、C、D、E等五个集油区来油进入1#～4#汽液分离器分离油气，气体进入天然气处理系统，液体经一段掺热，进入一段沉降罐(7#、8#)，再经二段加热和加药处理进入二段沉降罐(5#、6#)，然后进入净化油罐(1#、2#、3#、4#、9#、10#)。如果原油净化不达标，通过泵将净化油罐的液体打入二段，再次沉降，净化油达标外输。

对于上述的油气处理站，对原油系统流程预警的过程为：

(1)采集分离器、净化油罐、一段沉降罐、二段沉降罐等实时监测数据；

(2)基于下述公式计算原油系统流程健康度：

原油系统流程健康度＝Σ函数(设备i)*权重i；Σ权重i＝1

(3)设定预警规则，以净化油罐为例，设定下述的预警规则：

液位越限(阈值)预警、液位变化趋势预警、液位偏差预警。

对于液位变化趋势预警，采用最小二乘法计算净化油罐液位变化速率，据速率设定范围判断净化油罐状态(进油、外输、排水、静置)，下表是净化油罐参数属性信息：

(4)基于预警规则，进行智能预警：

净化油罐液位允许最高10米，运行期间低液位一般为1.5米(越限预警)，平均进油液位上升速度0.2-0.4米/小时(变化趋势预警、越限预警)，空罐进满约需25小时。实际运行中，进油液位上升油速度若在0.2米/小时和0.4米/小时之间频繁波动(偏差预警)，分析可能由来液管路和输液泵异常造成，现场人员进行排查处理；液位上升速度若大于0.4米/小时(变化趋势预警、越限预警)，如0.6米/小时，预测12.5小时满罐，预警，分析可能由来液量过大、沉降罐出水不畅等原因造成，现场人员进行排查处理；液位上升油速度若小于0.2米/小时(变化趋势预警、越限预警)，如0.1米/小时，预警，分析可能由来液量过小、装置管线破损等原因造成，现场人员进行排查处理。

本发明还提供一种油气处理站智能预警方法，包括以下步骤：

步骤1、预警模块启动后，对监测对象进行在线监测，得到实时监测数据；然后，对于接收到的实时监测数据，对预存储的所有预警规则进行搜索，判断实时监测数据是否满足某条预警规则；如果满足，则产生预警，并将预警消息推送到预警订阅响应模块；

步骤2，预警订阅响应模块判断是否当前正在对该监测对象进行报警，如果是，则解除预警，并记录解除时间；

步骤3，预警模块在运行过程中，如果接收到对预警专家知识库进行修改的消息，则更新预警专家知识库，并继续进行预警监测。

总之，本发明提供的基于物联网传感数据的油气处理站智能预警系统，可以有效的解决目前油气处理站DCS人工观察监测参数或仪表指示，经验判断运行健康状况的问题，可用于辅助DCS控制系统，使其更加及时了解生产状态，发现异常，获知隐患和对应的处理措施，掌握产量质量的调整方向。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (7)

1.一种基于物联网传感数据的噪点过滤系统，其特征在于，包括：

第一获取模块，对于某一监测点的某一监测参数，获得该监测参数在最近历史时间内的k个监测历史数据；

稳态计算模块，采用统计学方法，计算k个监测历史数据的稳态指标ε，具体为：

(1)对于k个监测历史数据，首先计算方差S²的值、均方相继差δ²的值、均方容差的值，计算公式分别为：

$S^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\&Sigma;}}}{(X_i-\stackrel{\&OverBar;}{X})}^2$

${\mathrm{\&delta;}}^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\&Sigma;}}}{(X_{i+1}-X_i)}^2$

${{\mathrm{\&delta;}}_t}^2=\frac{1}{k-1}\underset{i=1}{\overset{k-1}{\mathrm{\&Sigma;}}}{T}^2;$

(2)计算稳态指标ε的值，计算方法为：

若δ_t ²＞δ²，则令 $\mathrm{\&epsiv;}=\frac{{{\mathrm{\&delta;}}_t}^2}{S^2},$ 否则， $\mathrm{\&epsiv;}=\frac{{\mathrm{\&delta;}}^2}{S^2}$

其中，各参数含义为：

k：监测点历史值的数量

X_i：历史值

：监测点所有历史数据的平均值

T：观测点的容差，0≤T≤1；

(3)稳态指标ε的计算值反应监测参数在该监测点的稳态变化情况，如果稳态指标ε达到设定阈值，则得出该监测参数在该监测点为稳定状态数据；

第二获取模块，当通过所述稳态计算模块，得到该监测参数在该监测点为稳定状态数据之后，获取最新的该监测参数的q个监测数据；以q个监测数据为计算对象，用于判断q个监测数据是否存在噪点数据；

容忍度设定模块，用于根据现场工艺，人工设定容忍度范围；

振幅计算模块，用于计算最新监测数据的振幅A；其中，对于q个监测数据，将各监测数据按监测时间从近到远排列，分别记为：W1、W2…Wq；其中，W1为最新监测数据；

则：A＝W1/(W1-(W2+W3…+Wq)/(q-1))*100％；

扰动判断模块，用于判断监测数据W1是否为噪点，具体判断步骤为：

S1，判断A是否大于容忍度设定模块所设定的容忍度范围，如果大于，则得出监测数据W1为噪点的结论；如果不大于，则执行S2；

S2，判断当前是否发生数据不变情况，如果发生，则推断出当前发生传输故障或传感器故障，进行故障报警；如果未发生，则得出该监测点当前输出的监测参数为正常有效的监测参数。

2.根据权利要求1所述的基于物联网传感数据的噪点过滤系统，其特征在于，所述扰动判断模块通过以下方法判断是否发生数据不变情况：

计算q个监测数据的稳态指标ε，判断稳态指标ε是否大于设定值，如果大于，则表明监测数据过于稳定，发生数据不变情况。

3.一种智能预警系统，其特征在于，包括：

采集工具，用于采集油气处理站各处理工艺中的实时监测数据；

噪点过滤系统，用于判断所述采集工具采集到的所述实时监测数据是否为噪点数据，如果是，则过滤，如果不是，则启动执行后续模块；

实时数据库，用于接收并实时存储所述噪点过滤系统过滤后的正常的所述实时监测数据；

数据存储模块，用于存储所述实时数据库接收到的与所述预警对象相关的实时监测数据；

预警规则设定模块，用于设定预警规则，其中，所述预警规则包括关键参数预警规则、设备预警规则和流程预警规则；

状态识别模块，用于将所述数据存储模块存储的所述实时监测数据与所述预警规则设定模块所设定的预警规则进行对比分析，判断所述实时监测数据是否出现异常，如果出现异常，则得出异常的所述实时监测数据所反应的故障；

预警模式选择模块，用于当所述状态识别模块识别出所述故障时，选择本次需要预警的预警模式；其中，所述预警模式包括关键参数预警模式、设备预警模式和流程预警模式；

预警专家知识库，用于以知识的形式存储流程、设备、关键参数、故障、故障原因和故障处理措施的对应关系；

正向推理机，用于接收所述预警模式选择模块所选择的预警模式，基于所述预警模式，以所述状态识别模块识别出的故障为遍历条件，遍历所述预警专家知识库，得到与所述故障对应的故障原因和故障处理措施；

预警模块，用于将所述故障、所述故障原因和所述故障处理措施整合为预警信息，并进行预警；

修正模块，用于对所述预警模块的预警进行修正；

预警记录模块，用于记录经修正的预警信息，所述预警信息包括故障、故障原因和故障处理措施之间的对应关系；

更新模块，用于将所述预警记录模块所记录的预警信息添加到所述预警专家知识库。

4.根据权利要求3所述的智能预警系统，其特征在于，所述流程预警模式是指：对油气处理站包含的每个生产系统流程的流程运行状态进行预警；

所述设备预警模式是指：对油气处理站包含的每个生产系统流程中所包含的关键设备的运行状态进行预警；

所述关键参数预警模式是指：对油气处理站包含的每个生产系统流程中的关键设备的各个关键检测参数的状态进行预警。

5.根据权利要求4所述的智能预警系统，其特征在于，所述预警专家知识库采用多叉树的表达形式，存储所述知识。

6.根据权利要求5所述的智能预警系统，其特征在于，所述预警专家知识库采用多叉树的表达形式，存储所述知识，具体为：

以油田作业区名称作为根节点；

以所述油田作业区名称所包含的流程名称作为第1层节点；

以所述流程名称包含的设备名称作为第2层节点；

以所述设备名称包含的关键参数名称作为第3层节点；

以所述关键参数名称涉及到的故障名称作为第4层节点；

以所述故障名称涉及到的故障原因信息作为第5层节点；

以所述故障原因信息涉及到的故障处理措施作为第6层节点。

7.根据权利要求3所述的智能预警系统，其特征在于，所述正向推理机具体包括：

第一遍历模块，用于基于所述预警模式，以所述状态识别模块识别出的故障为遍历条件，遍历所述预警专家知识库，得到与所述故障对应的所有可能的故障原因；

其中，如果为流程预警模式，则对油气处理站包含的各生产系统流程进行运行状态跟踪，对于每个所述生产系统流程，将任意一个生产系统流程记为生产系统流程B，获得生产系统流程B中每个设备的发生故障的关键参数值，并获得该关键参数值在故障时的多条故障原因

如果为关键参数预警模式，通过查找所述预警专家知识库，获得所述关键参数在所述故障下的所有可能故障原因；

如果为设备预警模式，则获得需要预警的设备A的多项关键参数值，对每项所述关键参数，均获得该关键参数在故障时的多条故障原因；

如果为流程预警模式，则对油气处理站包含的各生产系统流程进行运行状态跟踪，对于每个所述生产系统流程，将任意一个生产系统流程记为生产系统流程B，获得生产系统流程B中每个设备的发生故障的关键参数值，并获得该关键参数值在故障时的多条故障原因；

逻辑判定条件存储模块，用于存储所述预警专家知识库中与每条故障原因对应的逻辑判定条件；其中，所述逻辑判定条件为关联设备的关键参数出现特定故障，并且，关联设备之间的故障存在特定逻辑关系，该特定逻辑关系与工艺流程中关联设备之间的工艺逻辑关系相一致；

第二遍历模块，用于对所述第一遍历模块获得的所有可能的故障原因，均执行以下操作：

将任意一个可能的故障原因记为故障原因W，查找所述逻辑判定条件存储模块，获得与所述故障原因W对应的逻辑判定条件，进行获得关联设备的关键参数；然后，以所述关联设备的关键参数为遍历条件，遍历所述预警专家知识库，判断所述关联设备的关键参数是否出现所述特定故障，并且，关联设备之间的故障是否符合特定逻辑关系，如果均符合，则所述故障原因W为实际故障原因；否则，所述故障原因W并非为实际发生的故障，将故障原因W剔除；

由此得到至少一个实际故障原因；

故障处理措施获取模块，用于根据所述预警专家知识库，获得与所述实际故障原因对应的故障处理措施。