CN106769646A

CN106769646A - 一种基于反演思想的精馏过程双变量扰动原因诊断方法

Info

Publication number: CN106769646A
Application number: CN201610993039.7A
Authority: CN
Inventors: 田文德; 梁慧婷; 崔哲; 李乐宁
Original assignee: Qingdao University of Science and Technology
Current assignee: Qingdao University of Science and Technology
Priority date: 2016-11-11
Filing date: 2016-11-11
Publication date: 2017-05-31
Anticipated expiration: 2036-11-11
Also published as: CN106769646B

Abstract

本发明涉及一种基于反演思想的精馏过程双变量扰动原因诊断方法。本发明通过双变量扰动响应曲线之间分布的规律，提取特征量，通过特征量建立与扰动原因之间的数学模型，运算实现双变量扰动的定量辨识，建立的反演模型可以深入分析扰动原因，提高了扰动诊断的准确性，并且在只有扰动数据的情况下可以快速、准确地得出扰动量的大小。

Description

一种基于反演思想的精馏过程双变量扰动原因诊断方法

技术领域

本发明涉及一种精馏过程故障诊断技术领域，特别涉及一种基于反演思想的精馏过程双变量扰动原因诊断方法。

背景技术

精馏是石油化工生产过程中应用最广泛的操作之一，对精馏设备和操作所作的微小的扰动会产生巨大的经济损失。为确保精馏装置安全、稳定运行，及时发现异常状态中参数的裂化趋势，需要及时识别异常原因，从源头上预防和控制精馏事故的发生。同时精馏过程中存在大量扰动，使得扰动原因难以确定，扰动量信息诊断精度难以提高。

对于双变量的故障诊断，普遍使用的是多变量统计的方法。如主元分析(PCA)、偏最小二乘(PLS)算法等，以及这些算法的改进算法，例如动态PCA、核PCA及独立成分分析(ICA)与动态时间规整(DTW)、累积和控制图(CUSUM)或支持向量机(SVM)等的结合。以上方法只是在故障发生之后诊断出故障的位置或是实时侦测故障是否发生，不能深入分析扰动原因。本文将反演的思想应用于精馏故障诊断领域，在只有扰动数据或曲线的情况下，使用此方法能快速、准确地实现扰动量的定量分析。

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反演思想的精馏过程扰动原因诊断的方法，可深入分析扰动原因，快速、准确地实现扰动量的定量辨识。

为实现上述目的，本发明提供如下技术方案：

一种基于反演思想的精馏过程双变量扰动原因诊断的方法，包括扰动原因反演模型的建立，其具体实施步骤如下：

(1)基于精馏过程机理，动态模拟出双变量同时扰动时的正常及异常样本；

(2)绘制出塔顶组分(苯浓度)随进料量、进料组成及回流比扰动下的响应曲线；

(3)根据扰动曲线的分布规律提取特征量，建立扰动特征量与扰动原因的反演模型。

进一步，步骤(3)中建立扰动特征量与扰动原因的反演模型具体如下：

根据模拟出的扰动响应曲线的分布规律，找出两个能特征表示曲线的量(曲线在某点的切线斜率和扰动曲线和正常曲线之间的欧式距离)，根据遗传算法搜索最优函数形式，将反演问题转化为函数优化问题，得到反演模型。

本发明的有益效果如下：

(1)本发明提供了一种基于反演思想的精馏过程双变量扰动原因诊断方法，实现了由扰动数据直接反向推理出扰动量的目的，更深入的分析了扰动原因。

附图说明

图1为进料量和进料组成扰动时苯浓度的响应曲线图；

图2为进料量和回流比扰动时苯浓度的响应曲线图；

图3为进料组成和回流比扰动时苯浓度的响应曲线图；

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：

一种基于反演思想的精馏过程双变量扰动原因诊断方法，包括扰动原因反演模型的建立，其步骤具体如下：

(1)基于精馏过程动态机理，基于MATLAB平台动态模拟出双变量同时扰动时的正常及异常样本；

(2)绘制出塔顶轻组分(苯浓度)随进料量、进料组成及回流比扰动下的响应曲线；

步骤(2)中塔顶轻组分(苯浓度)随进料量、进料组成及回流比扰动下的响应曲线具体如下：

设置试验时间为40h，采样间隔为5s，异常类型设定为进料流量与进料组成、进料流量与回流比、进料组成与回流比双变量同时扰动，扰动幅度设置为±1～10％以内。

步骤(3)中建立扰动特征量与扰动原因的反演模型具体如下：

如图1、2、3所示，可以看出，六种扰动类型对苯的影响大体趋势相同。随着扰动量的增加扰动曲线排布在标准曲线的上方，最后的浓度越来越大并趋近于1，随着扰动量的减少扰动曲线出现在标准曲线的下方，且呈现一定的规律，根据模拟出的扰动响应曲线的分布规律，找出两个能特征表示曲线的量(曲线在1h处的切线斜率和扰动曲线和正常曲线之间的欧式距离)，根据遗传算法搜索最优函数形式，将反演问题转化为函数优化问题，得到反演模型。具体反演模型如式(1)～(12):

Δz_F2＝3.598-0.00291*d₂+0.000175*d₂ ²-1.082E-5*d₂ ³+2.748E-7*d₂ ⁴

-2.56E-9*d₂ ⁵-46.6*k₂+150.035*k₂ ² (4)

ΔF₃＝0.79+0.938*d₃-1.0225*d₃ ²+0.268*d₃ ³+206.55*ln(x₃)+10298.64*(ln(x₃))² (5)

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

1.一种基于反演思想的精馏过程双变量扰动原因诊断方法，其特征在于，包括如下步骤：

1)基于精馏机理动态模拟扰动正常、扰动样本，绘制出扰动响应曲线；

2)依据扰动响应曲线的规律性，选择各扰动曲线与标准曲线之间的欧氏距离和扰动曲线在某点的切线斜率作为特征量定量表示各扰动；

3)基于遗传算法自搜索特征量与扰动量之间的函数关系式，建立扰动原因反演模型，实现定量分析扰动原因的目的。

2.权利要求1所述的扰动原因反演模型，其特征在于，基于以下方程实现扰动原因的定量分析：

{ΔF}_{1} = \frac{(0.48 - 0.00027 * d_{1} + 0.00093 * {d_{1}}^{2} - 0.000794 * {d_{1}}^{3} - 6.647 * k_{1} + 23.0786 * {k_{1}}^{2})}{(1 - 0.095 * d_{1} - 4.8624 * k_{1} - 8.7328 * {k_{1}}^{2})}

\begin{matrix} {Δz}_{F 1} = - 83.8935 + 4.992 * d_{1} - 8.636 * {d_{1}}^{2} + 7.02 * {d_{1}}^{3} - 2.74 * {d_{1}}^{4} + 0.415 * {d_{1}}^{5} \\ + \frac{31.63}{k_{1}} - \frac{4.02768}{{k_{1}}^{2}} + \frac{0.17}{{k_{1}}^{3}} \end{matrix}

{ΔF}_{2} = \frac{- 0.052 - 0.012 * d_{2} - 0.00094 * {d_{2}}^{2} + 0.32356 * k_{2}}{1 + 0.464 * d_{2} + 0.00183 * {d_{2}}^{2} - 8.616 E - 6 * {d_{2}}^{3} + 0.8975 * k_{2} + 0.8984 * {k_{2}}^{2}}

Δz_F2＝3.598-0.00291*d₂+0.000175*d₂ ²-1.082E-5*d₂ ³+2.748E-7*d₂ ⁴

-2.56E-9*d₂ ⁵-46.6*k₂+150.035*k₂ ²

ΔF₃＝0.79+0.938*d₃-1.0225*d₃ ²+0.268*d₃ ³+206.55*ln(x₃)+10298.64*(ln(x₃))²

{ΔR}_{1} = \frac{- 6.5069 - 0.125 * d_{3} + 0.10077 * x_{3} + 6.69 * {x_{3}}^{2}}{1 - 10.4426 * d_{3} + 2.558 * {d_{3}}^{2} + 9.62 * x_{3}}

{ΔF}_{4} = \frac{- 0.1916 - 0.00011 * d_{4} + 0.38211 * x_{4} - 0.19 * {x_{4}}^{2}}{1 - 0.00191 * d_{4} - 1.00488 E - 7 * {d_{4}}^{2} - 1.00867 * x_{4}}

{ΔR}_{2} = \frac{1.864 - 0.12547 * d_{4} - 0.00593 * {d_{4}}^{2} + 0.0002256 * {d_{4}}^{3} - 1.95 * x_{4}}{1 + 3.82 * d_{4} - 0.088 * {d_{4}}^{2} - 0.00032 * {d_{4}}^{3} + 6.11 * x_{4}}

\begin{matrix} {Δz}_{F 3} = 23.72 - 0.07065 * d_{5} + 0.12 * d_{5} - 0.07 * {d_{5}}^{3} + 0.015 * {d_{5}}^{4} \\ - \frac{9.437}{k_{5}} + \frac{1.245}{{k_{5}}^{2}} - \frac{0.054}{{k_{5}}^{3}} \end{matrix}

\begin{matrix} {ΔR}_{3} = 1594.8 + 0.322 * d_{5} - 0.31 * {d_{5}}^{2} + 0.164 * {d_{5}}^{3} - 0.033 * {d_{5}}^{4} - \frac{833.85}{k_{5}} + \frac{163.43}{{k_{5}}^{2}} \\ - \frac{14.23}{{k_{5}}^{3}} + \frac{0.465}{{k_{5}}^{4}} \end{matrix}

Δz_F4＝0.0113+0.00257*d₆-0.0001279*d₆ ²+4.0587E-6*d₆ ³-6.6245E-8*d₆ ⁴

+4.354E-10*d₆ ⁵+0.627836*ln(k₆)

{ΔR}_{4} = \frac{95.076 - 2.9894 * d_{6} - 0.0824 * {d_{6}}^{2} + 0.0032 * {d_{6}}^{3} - 98.2 * k_{6}}{1 + 80.8895 * d_{6} - 1.9 * {d_{6}}^{2} + 128.42 * k_{6}}

其中d为欧氏距离，k为切线斜率，ΔF，Δz_F，ΔR分别为进料量、进料组成和回流比扰动量。