CN105975748B - 一种基于历史数据的工业报警系统 - Google Patents

一种基于历史数据的工业报警系统 Download PDF

Info

Publication number
CN105975748B
CN105975748B CN201610272910.4A CN201610272910A CN105975748B CN 105975748 B CN105975748 B CN 105975748B CN 201610272910 A CN201610272910 A CN 201610272910A CN 105975748 B CN105975748 B CN 105975748B
Authority
CN
China
Prior art keywords
data
alarm
filter
mar
variance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610272910.4A
Other languages
English (en)
Other versions
CN105975748A (zh
Inventor
夏浩
杨希珞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ruichuang Technology Dalian Co Ltd
Original Assignee
Dalian University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201610272910.4A priority Critical patent/CN105975748B/zh
Publication of CN105975748A publication Critical patent/CN105975748A/zh
Application granted granted Critical
Publication of CN105975748B publication Critical patent/CN105975748B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
    • G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation

Landscapes

  • Complex Calculations (AREA)

Abstract

本发明属于报警技术运用领域，涉及基于历史数据的工业报警系统。根据故障发生时采样数据均值和方差的变化，将数据分成“正常”数据和“故障”数据；用小波滤波器分别将数据分为高频与低频两个部分，估计数据的概率密度分布；分析滤波后数据的概率分布特性得到FAR和MAR的计算方法，建立关于误报警概率和漏报警概率的目标函数；最后，分析滤波器窗口阶数n与报警指标FAR，MAR及ADD之间的联系，得到报警系统中滤波器阶数n和报警系统阈值xtp。本发明的方法计算量小，减少了大量的误报警，同时对漏报警的次数进行了抑制，大大减轻了操作员的工作负荷，保证了系统运行的安全性和可靠性。

Description

一种基于历史数据的工业报警系统
技术领域
本发明属于报警技术运用领域，涉及一种基于历史数据的工业报警系统。
背景技术
当前，环境问题受到越来越多的关注，任何重大的工厂事故发生都会对周围的水、空气和土地环境造成严重污染，有效的过程监控和报警管理已经成为工业生产面临的重要问题。在实际生产过程中，一个故障的发生会引起连锁反应，监控系统会接收到大量的报警信息，建立能够有效减少错报警和漏报警的报警管理系统对提高产能、保证生产安全至关重要。
1998年，Bransty自动化有限公司提出了关于健康与安全生产的研究报告，该报告通过调研化工、能源等行业的报警系统，证明改进报警系统的价值，并且总结了当时最好的改进实践方法。受这份报告启发，EEMUA制定了报警系统的指南，2007年的修订版文档在工业报警的实践和设计方面被广泛接受。该指南的主题涵盖报警系统的理念，报警系统设计原理，执行问题，绩效衡量，管理改进方案，以及新的警报系统采购。由ISA提出的工业过程管理报警系统标准被看作是报警管理领域的一个里程碑。
Izadi I等人在文献“A Framework for Optimal Design of Alarm Systems.In7th IFAC,2009”中详细介绍了误报率(false alarm rate，FAR)、漏报率(miss alarmrate，MAR)、平均检测延时(average detect delay，ADD)等评价指标。在报警系统设计时通常加入死区(deadband)、延时定时器(delay timer)和滤波(filter)等环节，来提高报警准确性。根据死区、延时定时器的结构特点，Xu J W等人在总结前人工作的基础上，在文章“Performance Assessment and Design for Univariate Alarm Systems Based on FAR,MAR,and AAD.In IEEE TASE,2012”中应用马尔可夫过程推导评价指标FAR、MAR和ADD的表达式，并提出单变量报警系统的设计方法。对于单变量报警系统来说，过程数据滤波是减少报警抖动与错误报警最为有效的方法。Cheng Y等人在“Optimal alarm signalprocessing:Filter design and performance analysis[J].IEEE TASE,2013”中介绍了最优滤波器的设计方法，并根据概率密度函数的特征函提出最佳线性滤波器求法。
目前对于工业报警系统的研究也存在着一些不足：一是，在设计报警系统时过程数据大都假定为高斯分布数据，没有考虑系统结构对监控变量的影响，对过程数据的描述形式过于单一，不能准确描述系统的运行状态；二是，应用滤波器法设计报警系统时，目标函数多为多重积分形式，寻优方法复杂。
发明内容
本发明考虑系统结构对监控变量的影响，同时考虑采样数据中有低频振荡和高频采样噪声两个组成部分对报警系统的影响；在报警系统中加入滑动平均滤波器技术后，错报率和漏报率的求解方法。
本发明根据故障发生时采样数据均值和方差的变化，将数据分成“正常”数据和“故障”数据。用小波滤波器分别将正常数据和故障数据都分为高频与低频两个部分。低频部分受系统结构和变量相互关系影响，高频部分主要为采样白噪声。采用核心平滑密度估计法估计数据低频部分的概率密度分布情况以此表示采样数据均值的分布。正常数据和故障数据高频部分主要为采样白噪声，采用核心平滑密度估计法可得正常数据方差σ1和故障数据方差σ2。根据MA滤波器的结构特点，分析滤波后数据的概率分布特性得到FAR和MAR的计算方法。建立关于误报警概率和漏报警概率的目标函数，提出最优阈值的直接求解方法。分析滤波器窗口阶数n与报警指标FAR，MAR及ADD之间的联系，得到报警系统中滤波器阶数n和报警系统阈值xtp。本发明中基于历史数据的工业报警系统，包括如下步骤：
(1)从工厂分布式控制系统数据库中选取一段历史数据，包含系统发生故障前后的采样信息；根据故障发生时采样数据均值和方差的变化，将数据分成“正常”数据和“故障”数据；
(2)用小波滤波器分别将正常数据和故障数据都分为高频与低频两个部分；
(3)利用数据低频部分表示采样数据均值的分布情况；采用核心平滑密度估计法，得正常数据均值μ1在[a,b]范围变化，μ1的概率密度函数表示为：
故障数据组均值μ2在[c,d]范围变化，μ2的概率密度函数表示为：
(4)正常数据和故障数据高频部分主要为采样白噪声，采用核心平滑密度估计法得正常数据方差σ1和故障数据方差σ2；正常数据和故障数据的高频部分概率密度函数分别表示为：和
(5)利用阶数为n的滑动平均滤波器对采样数据高频部分滤波；滤波只改变了数据方差，且新的方差与原来方差之间的关系为：
(6)利用数据的概率统计特性，推导评价指标报警系统误报率(FAR)和漏报率(MAR)的表达式：
其中xtp为报警阈值表示，1<n<8；
(7)报警系统设计目标是使系统的FAR与MAR之和达到最小；当滑动平均滤波器阶数取不同值时，求使FAR+MAR最小的报警系统最优报警阈值xtp；
(8)在滤波器阶数取不同值，报警阈值取最优xtp时，利用蒙特卡洛模拟，求不同情况下报警系统的平均检测延时ADD的值；
(9)报警系统要求FAR<α，MAR<β，ADD<η，根据步骤7)计算结果，得到满足要求的滤波器阶数n和报警系统阈值xtp。
本发明的效果和益处是在报警系统设计时考虑实际数据受系统结构影响，提出过程数据新的描述方法，克服了应用滤波器法设计报警系统时，目标函数多为多重积分形式，寻优方法复杂的问题。本发明中的设计方法计算量小，减少了大量的误报警，同时对漏报警的次数进行了抑制，大大减轻了操作员的工作负荷，保证了系统运行的安全性和可靠性。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施例。
本发明的基于历史数据的工业报警系统，采用的步骤如下述的实施例中所例，但不限于下述的实施例。
(1)数据分类
从工厂分布式控制系统数据库中选取一段具有系统发生故障前后采样信息的历史数据根据故障发生时采样数据均值和方差的变化，将数据分成“正常”数据和“故障”数据。数据分类步骤如表1所示。
表1数据分类步骤
(2)小波滤波
用小波滤波器分别将正常数据和故障数据都分为高频与低频两个部分。低频部分受系统结构和变量相互关系影响，高频部分主要为采样白噪声。
(3)评估均值概率密度分布
利用数据低频部分表示采样数据均值的分布情况。采用核心平滑密度估计法，可得正常数据均值μ1在[a,b]范围变化，μ1的概率密度函数表示为：
故障数据组均值μ2在[c,d]范围变化，μ2的概率密度函数表示为：
在设计过程中我们假设均值在一定范围内均匀分布。
(4)评估采样噪声概率密度分布
正常数据和故障数据高频部分主要为采样白噪声，采用核心平滑密度估计法可得正常数据方差σ1和故障数据方差σ2。正常数据和故障数据的高频部分概率密度函数分别表示为：和
(5)滑动平均滤波
滑动平均(moving average,MA)滤波器设计报警系统。滑动平均滤波器的表达式为：
其中n为滤波器窗口阶数。利用阶数为n的滑动平均滤波器对采样数据高频部分滤波。滤波只改变了数据的方差，且新的方差与原来方差之间的关系为
利用数据的概率统计特性，推导评价指标报警系统误报率(FAR)和漏报率(MAR)的表达式：
其中xtp为报警阈值。
(6)最优阈值求解
报警系统设计目标是使系统的FAR与MAR之和达到最小，则最优阈值求解的目标函数为：J＝FAR+MAR (5)
由式(5)导数，当报警阈值xtp满足：
则目标函数取值最小，xtp为最优阈值。
函数积累分布函数CDFμ,σ(x)是概率密度分布函数PDFμ,σ(x)的积分函数，其中μ，σ为随机变量的x均值与方差。值得注意的是，式(6)中积累分布函数CDF没有解析表达式，在实际运算时，我们用高斯误差函数的基本初等函数近似形式来表示积累分布函数。
其中a1＝0.278393，a2＝0.230389，a3＝0.000972，a4＝0.078108，最大误差为5×10-4。
求当滑动平均滤波器阶数取不同值时(1<n<8)，使目标函数(5)最小的报警阈值xtp，求解最优阈值的过程如表2所示。
表2最优阈值的求解过程
(7)滤波器参数确定
进行5000次蒙特卡洛模拟，求不同情况下，报警系统平均检测延时(ADD)的值，步骤如表3所示ADD的统计过程。
(8)滤波器参数确定
报警系统要求FAR<α，MAR<β，ADD<η，根据(6)(7)计算结果，可求得满足要求的滤波器阶数n和报警系统阈值xtp。

Claims (1)

1.一种基于历史数据的工业报警系统，其特征包括如下步骤：
(1)从工厂分布式控制系统数据库中选取一段历史数据，包含系统发生故障前后的采样信息；根据故障发生时采样数据均值和方差的变化，将数据分成“正常”数据和“故障”数据；
(2)用小波滤波器分别将正常数据和故障数据都分为高频与低频两个部分；
(3)利用数据低频部分表示采样数据均值的分布情况；采用核心平滑密度估计法，得正常数据均值μ1在[a,b]范围变化，μ1的概率密度函数表示为：
<mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>a</mi> <mo>&amp;le;</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>&amp;le;</mo> <mi>b</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>s</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
故障数据组均值μ2在[c,d]范围变化，μ2的概率密度函数表示为：
<mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>c</mi> <mo>&amp;le;</mo> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> <mo>&amp;le;</mo> <mi>d</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>s</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
(4)正常数据和故障数据高频部分主要为采样白噪声，采用核心平滑密度估计法得正常数据方差σ1和故障数据方差σ2；正常数据和故障数据的高频部分概率密度函数分别表示为：和
(5)利用阶数为n的滑动平均滤波器对采样数据高频部分滤波；滤波只改变了数据方差，且新的方差与原来方差之间的关系为：
<mrow> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>n</mi> <mi>e</mi> <mi>w</mi> </mrow> </msub> <mo>=</mo> <mfrac> <msub> <mi>&amp;sigma;</mi> <mrow> <mi>o</mi> <mi>r</mi> <mi>i</mi> <mi>g</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> <msqrt> <mi>n</mi> </msqrt> </mfrac> <mo>;</mo> </mrow>
(6)利用数据的概率统计特性，推导评价指标报警系统误报率FAR和漏报率MAR的表达式：
<mrow> <mi>F</mi> <mi>A</mi> <mi>R</mi> <mo>=</mo> <munderover> <mo>&amp;Integral;</mo> <mi>a</mi> <mi>b</mi> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <munderover> <mo>&amp;Integral;</mo> <msub> <mi>x</mi> <mrow> <mi>t</mi> <mi>p</mi> </mrow> </msub> <mi>&amp;infin;</mi> </munderover> <msub> <mi>PDF</mi> <mrow> <mn>0</mn> <mo>,</mo> <mfrac> <msub> <mi>&amp;sigma;</mi> <mn>1</mn> </msub> <msqrt> <mi>n</mi> </msqrt> </mfrac> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <msub> <mi>dxd&amp;mu;</mi> <mn>1</mn> </msub> </mrow>
<mrow> <mi>M</mi> <mi>A</mi> <mi>R</mi> <mo>=</mo> <munderover> <mo>&amp;Integral;</mo> <mi>c</mi> <mi>d</mi> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <munderover> <mo>&amp;Integral;</mo> <mrow> <mo>-</mo> <mi>&amp;infin;</mi> </mrow> <msub> <mi>x</mi> <mrow> <mi>t</mi> <mi>p</mi> </mrow> </msub> </munderover> <msub> <mi>PDF</mi> <mrow> <mn>0</mn> <mo>,</mo> <mfrac> <msub> <mi>&amp;sigma;</mi> <mn>2</mn> </msub> <msqrt> <mi>n</mi> </msqrt> </mfrac> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <msub> <mi>dxd&amp;mu;</mi> <mn>2</mn> </msub> </mrow>
其中xtp为报警阈值，1<n<8；
(7)报警系统设计目标是使系统的FAR与MAR之和达到最小；当滑动平均滤波器阶数取不同值时，求使FAR+MAR最小的报警系统的最优报警阈值xtp；
(8)在滤波器阶数取不同值，报警阈值取最优xtp时，利用蒙特卡洛模拟，求不同情况下报警系统的平均检测延时ADD的值；
(9)报警系统要求FAR<α，MAR<β，ADD<η，根据步骤(7)的计算结果，得到满足要求的滤波器阶数n和报警阈值xtp。
CN201610272910.4A 2016-04-27 2016-04-27 一种基于历史数据的工业报警系统 Active CN105975748B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610272910.4A CN105975748B (zh) 2016-04-27 2016-04-27 一种基于历史数据的工业报警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610272910.4A CN105975748B (zh) 2016-04-27 2016-04-27 一种基于历史数据的工业报警系统

Publications (2)

Publication Number Publication Date
CN105975748A CN105975748A (zh) 2016-09-28
CN105975748B true CN105975748B (zh) 2018-04-10

Family

ID=56993260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610272910.4A Active CN105975748B (zh) 2016-04-27 2016-04-27 一种基于历史数据的工业报警系统

Country Status (1)

Country Link
CN (1) CN105975748B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407082B (zh) * 2016-09-30 2019-06-14 国家电网公司 一种信息系统告警方法和装置
CN107861915B (zh) * 2017-11-09 2021-06-25 东软集团股份有限公司 获取预警阈值的方法、装置以及存储介质
CN110456739B (zh) * 2018-05-07 2022-05-03 中国石油化工股份有限公司 基于多源数据的石化过程报警系统自适应死区设置方法
CN110633450A (zh) * 2018-06-06 2019-12-31 中国石油化工股份有限公司 一种双氧水装置报警系统报警阈值优化方法
CN109376877B (zh) * 2018-10-11 2021-01-26 华自科技股份有限公司 设备运维预警方法、装置、计算机设备和存储介质
CN110689050B (zh) * 2019-09-04 2022-03-04 大连理工大学 一种多个报警浪涌序列的对齐方法
CN110806733B (zh) * 2019-10-30 2021-09-21 中国神华能源股份有限公司国华电力分公司 火电厂设备监测方法、装置及电子设备
CN111932843A (zh) * 2020-07-01 2020-11-13 中国人民解放军海军工程大学 一种动设备在线监测报警限反复穿越方法
CN114005256B (zh) * 2021-10-25 2023-06-20 山东科技大学 基于报警持续时间概率函数的报警延迟器设计方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Performance Assessment and Design for Univariate Alarm Systems Based on FAR, MAR, and AAD;Xu J W.et.;《IEEE Transactions on Automation Science and Engineering》;20121231;第9卷(第2期);第296-307页 *
Systematic design approach for plant alarm systems;Yan L.et.;《Journal of Chemical Engineering of Japan》;20071231;第40卷(第9期);第765-772页 *
基于数据驱动的过程参数报警阈值优化;刘恒;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015(第10期);第I140-1486页 *
智能火灾自动报警系统的设计与实现;崔兴文;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20090515(第5期);第C038-163页 *
火灾报警系统设计;曹君;《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅰ辑》;20070115(第1期);第B026-5页 *

Also Published As

Publication number Publication date
CN105975748A (zh) 2016-09-28

Similar Documents

Publication Publication Date Title
CN105975748B (zh) 一种基于历史数据的工业报警系统
CN106888205B (zh) 一种非侵入式基于功耗分析的plc异常检测方法
Yu Hidden Markov models combining local and global information for nonlinear and multimodal process monitoring
CN110895526A (zh) 一种大气监测系统中数据异常的修正方法
CN106372799B (zh) 一种电网安全风险预测方法
Yang et al. Heterogeneous recurrence monitoring and control of nonlinear stochastic processes
CN110648480B (zh) 一种基于变化速率的单变量报警系统及方法
CN117009831B (zh) 一种精细化工事故风险预测评估方法
CN104062968A (zh) 一种连续化工过程故障检测方法
CN106656669B (zh) 一种基于阈值自适应设置的设备参数异常检测系统及方法
CN111080074A (zh) 基于网络多特征关联的系统服役安全态势要素获取方法
CN114611744A (zh) 机床管理方法、机床管理系统及介质
Zang et al. Design and analysis of improved alarm delay-timers
Juuso Intelligent trend indices in detecting changes of operating conditions
CN104156612A (zh) 基于粒子滤波的正向与逆向预测误差的故障预报方法
Lee et al. Variation source identification in manufacturing processes using Bayesian approach with sparse variance components prior
CN109060393A (zh) 一种桥梁结构恒载响应时域融合分析方法
Perry Identifying the time of polynomial drift in the mean of autocorrelated processes
CN108508860B (zh) 一种基于耦合关系的流程工业生产系统数据监测方法
Chen et al. Causality analysis in process control based on denoising and periodicity-removing CCM
CN116842410B (zh) 一种基于动态感知的智能头盔防盗管理方法以及系统
CN111339986A (zh) 基于时域/频域分析的装备用频规律挖掘方法和系统
CN115310499B (zh) 一种基于数据融合的工业设备故障诊断系统及方法
CN115204675A (zh) 一种多源异构数据相融合的动态风险评估方法与系统
Sheu et al. Monitoring autocorrelated process mean and variance using a GWMA chart based on residuals

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20190923

Address after: 116024 No. 2 Ling Road, Liaoning, Dalian

Patentee after: Dalian University of Technology Industry Investment Company Limited

Address before: 116024 Liaoning, Dalian, Ganjingzi Ling Road, No. 2

Patentee before: Dalian University of Technology

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200812

Address after: Room 510, 5 / F, Science Park (block B), Dalian University of technology, No. 80, software park, high tech Industrial Park, Dalian City, Liaoning Province

Patentee after: RuiChuang Technology (Dalian) Co., Ltd

Address before: 116024 No. 2 Ling Road, Liaoning, Dalian

Patentee before: Dalian University of Technology Industry Investment Co.,Ltd.