CN106448096A - 一种基于维度压缩和正态转换的报警阈值优化方法 - Google Patents

一种基于维度压缩和正态转换的报警阈值优化方法 Download PDF

Info

Publication number
CN106448096A
CN106448096A CN201611042358.6A CN201611042358A CN106448096A CN 106448096 A CN106448096 A CN 106448096A CN 201611042358 A CN201611042358 A CN 201611042358A CN 106448096 A CN106448096 A CN 106448096A
Authority
CN
China
Prior art keywords
threshold value
variable
alarm
normal state
weight
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.)
Pending
Application number
CN201611042358.6A
Other languages
English (en)
Inventor
田文德
张桂鑫
李乐宁
崔哲
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.)
Qingdao University of Science and Technology
Original Assignee
Qingdao University of Science and 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 Qingdao University of Science and Technology filed Critical Qingdao University of Science and Technology
Priority to CN201611042358.6A priority Critical patent/CN106448096A/zh
Publication of CN106448096A publication Critical patent/CN106448096A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/20—Calibration, including self-calibrating arrangements
    • G08B29/24—Self-calibration, e.g. compensating for environmental drift or ageing of components
    • G08B29/26—Self-calibration, e.g. compensating for environmental drift or ageing of components by updating and storing reference thresholds

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于维度压缩和正态转换的报警阈值优化方法。本发明通过主元分析法计算的多变量权重来进行变量压缩，并根据初始报警频率确定初始阈值与控制限，同时对变量数据进行正态转换，在控制限不变的情况下进行逆变换，确定变量报警阈值，若根据该值求出的误报率(FAR)降低且满足国际标准下的报警频率，则该值即为优化之后的阈值，否则重新确定初始报警频率进行求解，以此进行报警阈值优化。本发明提高了操作人员处理多个变量报警的准确性与及时性，可避免多个影响微弱的变量报警对操作人员的干扰，避免因存在误报率增加而引起安全事故等问题的发生，极大降低运行生产风险，有效降低误报率，实现报警阈值优化。

Description

一种基于维度压缩和正态转换的报警阈值优化方法
技术领域
本发明涉及一种报警优化技术领域，特别涉及一种报警阈值优化的方法。
背景技术
报警系统是过程工业生产的一个重要环节，能有效监控生产过程的重要参数值，分析过程数据并收集报警数据，及时产生报警，保证系统的安全性和稳定性。目前，在化工生产过程中经常会出现报警数量多(其中大部分为误报警)、误报率(FAR)高的情况，虽然一部分原因是由于报警系统缺乏有效管理造成，但更多的是因为变量报警阈值的不合理设置。这些报警的数量远远超出了操作员能够有效处理的报警个数。
目前存在的阈值优化方法主要可以分为三类：基于模型，基于知识和基于统计的方法。基于上述三类方法中虽然已经有过很多方法，并在一定程度上实现了报警阈值优化，但是没有考虑多变量压缩问题，增加了许多无效报警，加重了操作员负荷，不利于安全，及高效率生产。本发明将主元分析法计算出的权重用于多变量压缩当中，降低了变量维度，使用此方法能有效减少报警数目，降低误报率，实现报警阈值优化。
发明内容
针对上述现有技术中存在的问题，本发明提供一种基于维度压缩和正态转换的报警阈值优化方法，可代替传统阈值优化方法，实现了报警阈值优化。
为实现上述目的，本发明提供如下技术方案：
一种基于维度压缩和正态转换的报警阈值优化方法，包括主元分析法计算变量权重，正态转换变量数据等，其控制步骤具体如下：
(1)利用主元分析法对常减压流程多变量进行分析，求出变量权重，并据此提取其中比较重要的变量，并看作一整体，归一化重新计算权重；
(2)选取初始报警频率并根据取样时间与重新计算后的变量权重确定各变量对应的报警个数，进而确定初始阈值，求出控制限；
(3)对变量数据进行正态转换，根据求出的控制限逆变换求出变量阈值；
(4)根据求出的变量阈值计算误报率，统计报警个数，并计算报警频率；
(5)若求出的误报率降低且满足国际标准下的报警频率，则该值即为优化之后的阈值，否则重复步骤(2)-(4)，实现报警阈值优化。
进一步，将基于维度压缩和正态转换的报警阈值优化方法转化成流程框图形式，对于流程中的每一个步骤通过有向箭头相连接，表明步骤的前后顺序。
本发明的有益效果如下：
(1)本发明提供了基于维度压缩和正态转换的报警阈值优化方法，利用该方法不仅能够明显降低误报率，同时还能使变量报警数满足国际标准中规定的单位时间内报警限制的数目。。
(2)本发明方法能够避免过多无效报警对操作员的干扰，提高操作员对一些重要报警的关注，使装置能够更加安全有效地运行。
附图等说明
图1为报警阈值优化流程图；
图2 7个变量在进行正态转换前后的误报率柱状图(左边浅色柱状图为转换前的，右面阴影柱状图为转换后的)
表1 11个变量的权重
表2 7个变量的权重
表3 11个变量的初始报警阈值与控制限
表4正态转换前后的变量报警阈值
表5 7个变量进行正态转换前后的误报率
表6正态转换前后的变量报警个数
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案，下面对本发明的技术方案进行清楚、完整的描述，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本申请保护的范围。
实施例一：
如图1所示，通过流程框图的形式将一种基于维度压缩和正态转换的报警阈值优化方法进行了说明，包括主元分析法计算变量权重，正态转换变量数据等，其具体步骤如下：
(1)利用主元分析法对常减压流程多变量进行分析，求出变量权重，并据此提取其中比较重要的变量，并看作一整体，归一化重新计算权重；
(2)选取初始报警频率并根据取样时间与重新计算后的变量权重确定各变量对应的报警个数，进而确定初始阈值，求出控制限；
(3)对变量数据进行正态转换，根据求出的控制限逆变换求出变量阈值；
(4)根据求出的变量阈值计算误报率，统计报警个数，并计算报警频率；
(5)若求出的误报率降低且满足国际标准下的报警频率，则该值即为优化 之后的阈值，否则重复步骤(2)-(4)，实现报警阈值优化。
步骤(1)中变量选取，数据采集等具体如下：
选取某原油常减压操作中的11个变量为例，采集164组数据，包括正常状态下的100组数据和异常状况(常压塔进料增加20％)下的64组数据，采样时间为1min。由表1可知，变量X2、X5、X7和X8的权重与其他7个变量权重相比明显相差几倍、甚至是几十倍不止，故提取另外7个进行归一化，结果如表2所示。
步骤(2)中得出的报警个数如表6所示，初始阈值与控制限如表3所示；
步骤(3)中求出变量阈值如表4所示；
步骤(4)中计算的误报率与报警个数分别如表5、表6所示，报警频率为100min/100个＝1min/个；
步骤(5)中对结果的分析具体如下：
如表6所示，优化之后的报警频率为每分钟一个，符合国际标准(通常平均每分钟不超过一个报警)这点满足；如表5或图2所示，优化之后7个变量的误报率均降低，且平均在15％以上，这一点也满足。
表1-6如下所示：
表1 11个变量的权重
表2 7个变量的权重
表3 11个变量的初始报警阈值与控制限
表4正态转换前后的变量报警阈值
表5 7个变量进行正态转换前后的误报率
表6正态转换前后的变量报警个数
至此，报警阈值优化顺利结束。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (3)

1.一种基于维度压缩和正态转换的报警阈值优化方法。包括如下步骤：
(1)利用主元分析法对多变量进行分析，求出变量权重，并据此提取其中比较重要的变量，并看作一整体，归一化重新计算权重；
(2)选取初始报警频率并根据取样时间与重新计算后的变量权重确定各变量对应的报警个数，进而确定初始阈值，求出控制限；
(3)对变量数据进行正态转换，根据求出的控制限逆变换求出变量阈值；
(4)根据求出的变量阈值计算误报率，统计报警个数，并计算报警频率；
(5)若求出的误报率降低且满足国际标准下的报警频率，则该值即为优化之后的阈值，否则重复步骤(2)-(4)，以此实现报警阈值优化的目的。
2.如权利要求1所述的基于维度压缩和正态转换的报警阈值优化方法，其特征在于，基于以下说明与方程实现变量权重的计算与正态转换：
(1)主元分析法确定权重
1)根据变量成分矩阵与主元特征值的算术平方根之比确定线性组合中的系数；
2)以主元方差贡献率为权重，对变量在主元线性组合中的系数做加权平均，确定综合得分模型中的系数；
3)在综合模型变量系数(取绝对值)的基础上归一化确定权重。
(2)正态转换
变换公式
逆变换公式
3.如权利要求2所述的，基于维度压缩和正态转换的报警阈值优化方法，其特征在于，步骤(1)-(4)的具体实现如下：
(1)11个变量的权重和提取的7个变量归一化后的权重分别如表1、表2所示
表1 11个变量的权重
表2 7个变量的权重
(2)初始报警阈值与控制限如表3所示
表3 11个变量的初始报警阈值与控制限
(3)正态转换前后的变量报警阈值如表4所示
表4正态转换前后的变量报警阈值
(4)变量进行正态转换前后的误报率与报警个数分别如表5、表6所示表5 7个变量进行正态转换前后的误报率
表6正态转换前后的变量报警个数
CN201611042358.6A 2016-11-24 2016-11-24 一种基于维度压缩和正态转换的报警阈值优化方法 Pending CN106448096A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611042358.6A CN106448096A (zh) 2016-11-24 2016-11-24 一种基于维度压缩和正态转换的报警阈值优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611042358.6A CN106448096A (zh) 2016-11-24 2016-11-24 一种基于维度压缩和正态转换的报警阈值优化方法

Publications (1)

Publication Number Publication Date
CN106448096A true CN106448096A (zh) 2017-02-22

Family

ID=58218246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611042358.6A Pending CN106448096A (zh) 2016-11-24 2016-11-24 一种基于维度压缩和正态转换的报警阈值优化方法

Country Status (1)

Country Link
CN (1) CN106448096A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960554A (zh) * 2017-03-20 2017-07-18 山东科技大学 基于单一模拟量和报警延迟器的报警系统评价方法及装置
CN107122586A (zh) * 2017-03-20 2017-09-01 山东科技大学 基于单一模拟量和报警延迟器的报警系统优化方法及装置
CN110647117A (zh) * 2019-09-06 2020-01-03 青岛科技大学 一种化工过程故障识别方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040140892A1 (en) * 2003-01-06 2004-07-22 Jbs Technologies, Llc Self-adjusting alarm system
US20110018726A1 (en) * 2008-10-03 2011-01-27 Universal Security Instruments, Inc. Dynamic Alarm Sensitivity Adjustment and Auto-Calibrating Smoke Detection
CN102662321A (zh) * 2012-03-23 2012-09-12 清华大学 一种主元分析监控模型的在线更新方法
CN103207567A (zh) * 2013-03-08 2013-07-17 华北电力大学 一种低误报率的改进主元分析过程监测方法及其监测系统
CN104866864A (zh) * 2015-05-07 2015-08-26 天津大学 一种用于立体图像质量客观评价的极端学习机

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040140892A1 (en) * 2003-01-06 2004-07-22 Jbs Technologies, Llc Self-adjusting alarm system
US20110018726A1 (en) * 2008-10-03 2011-01-27 Universal Security Instruments, Inc. Dynamic Alarm Sensitivity Adjustment and Auto-Calibrating Smoke Detection
CN102662321A (zh) * 2012-03-23 2012-09-12 清华大学 一种主元分析监控模型的在线更新方法
CN103207567A (zh) * 2013-03-08 2013-07-17 华北电力大学 一种低误报率的改进主元分析过程监测方法及其监测系统
CN104866864A (zh) * 2015-05-07 2015-08-26 天津大学 一种用于立体图像质量客观评价的极端学习机

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960554A (zh) * 2017-03-20 2017-07-18 山东科技大学 基于单一模拟量和报警延迟器的报警系统评价方法及装置
CN107122586A (zh) * 2017-03-20 2017-09-01 山东科技大学 基于单一模拟量和报警延迟器的报警系统优化方法及装置
CN106960554B (zh) * 2017-03-20 2018-06-29 山东科技大学 基于单一模拟量和报警延迟器的报警系统评价方法及装置
CN107122586B (zh) * 2017-03-20 2018-09-21 山东科技大学 基于单一模拟量和报警延迟器的报警系统优化方法及装置
CN110647117A (zh) * 2019-09-06 2020-01-03 青岛科技大学 一种化工过程故障识别方法及系统

Similar Documents

Publication Publication Date Title
CN115864658B (zh) 一种基于数据分析的电力远动智能监控系统
CN103838202B (zh) 参数控制方法和参数控制系统
CN106448096A (zh) 一种基于维度压缩和正态转换的报警阈值优化方法
CN104020724B (zh) 告警监控方法和装置
EP3244271A1 (en) Ore dressing multi-production-index optimization decision making system and method based on cloud and mobile terminal
CN108571320B (zh) 一种智能化综采工作面的采煤机多级控制方法
CN106600447B (zh) 一种变电站巡检机器人集中监控系统大数据云分析方法
CN109847916B (zh) 一种水泥原料立磨系统的节能优化方法
CN109767090B (zh) 一种化学危险工艺风险智能监控方法
CN103488135A (zh) 一种用于半导体生产加工过程监控的统计过程控制方法
CN107862324B (zh) 一种基于mwspca的cbr预测模型智能化预警方法
CN110137947B (zh) 一种基于itic曲线的电网电压暂降严重程度评估方法
CN115657631B (zh) 一种工控设备运行现场环境智能监控系统
CN109032117B (zh) 基于arma模型的单回路控制系统性能评价方法
CN108448721A (zh) 电力系统主站监控信号与标准信号自动匹配的方法
CN115949890A (zh) 一种城市燃气管网泄漏监测分级报警和处置方法
CN116128309A (zh) 基于物联网的石油工程井场运行维护管理系统
CN113221453A (zh) 风电机组齿轮箱输出轴故障监测预警方法
CN114430198A (zh) 智能配电装置的监控管理装置、方法、设备及存储介质
CN106933097B (zh) 一种基于多层优化pcc-sdg的化工过程故障诊断方法
KR102126954B1 (ko) 스마트 재봉작업 측정 방법 및 이를 수행하기 위한 시스템
CN115078892B (zh) 一种单机大传动变频器状态远程监测系统
CN116934162A (zh) 一种基于数据分析的农机设备运行管控系统
CN110826024A (zh) 一种传感器数据异常的抽样判别方法
CN113794281B (zh) 一种基于数据分析的电力网络用安全监测系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170222

WD01 Invention patent application deemed withdrawn after publication