CN108388224A - 一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法 - Google Patents
一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法 Download PDFInfo
- Publication number
- CN108388224A CN108388224A CN201810316637.XA CN201810316637A CN108388224A CN 108388224 A CN108388224 A CN 108388224A CN 201810316637 A CN201810316637 A CN 201810316637A CN 108388224 A CN108388224 A CN 108388224A
- Authority
- CN
- China
- Prior art keywords
- crude oil
- desalting
- spe
- monitoring
- near infrared
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 239000010779 crude oil Substances 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 238000011033 desalting Methods 0.000 title claims abstract description 33
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 27
- 238000011112 process operation Methods 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 7
- 239000000523 sample Substances 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 2
- 238000002790 cross-validation Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 230000007257 malfunction Effects 0.000 claims description 2
- 230000003252 repetitive effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000036314 physical performance Effects 0.000 abstract description 4
- 230000000246 remedial effect Effects 0.000 abstract description 3
- 150000003839 salts Chemical class 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 239000003921 oil Substances 0.000 description 6
- TWRXJAOTZQYOKJ-UHFFFAOYSA-L Magnesium chloride Chemical compound [Mg+2].[Cl-].[Cl-] TWRXJAOTZQYOKJ-UHFFFAOYSA-L 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- UXVMQQNJUSDDNG-UHFFFAOYSA-L Calcium chloride Chemical compound [Cl-].[Cl-].[Ca+2] UXVMQQNJUSDDNG-UHFFFAOYSA-L 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 239000001110 calcium chloride Substances 0.000 description 2
- 229910001628 calcium chloride Inorganic materials 0.000 description 2
- 238000002425 crystallisation Methods 0.000 description 2
- 230000008025 crystallization Effects 0.000 description 2
- 239000000839 emulsion Substances 0.000 description 2
- 229910001629 magnesium chloride Inorganic materials 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 206010021036 Hyponatraemia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000012267 brine Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012527 feed solution Substances 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007792 gaseous phase Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- IXCSERBJSXMMFS-UHFFFAOYSA-N hydrogen chloride Substances Cl.Cl IXCSERBJSXMMFS-UHFFFAOYSA-N 0.000 description 1
- 229910000041 hydrogen chloride Inorganic materials 0.000 description 1
- 238000010978 in-process monitoring Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- C—CHEMISTRY; METALLURGY
- C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
- C10G—CRACKING HYDROCARBON OILS; PRODUCTION OF LIQUID HYDROCARBON MIXTURES, e.g. BY DESTRUCTIVE HYDROGENATION, OLIGOMERISATION, POLYMERISATION; RECOVERY OF HYDROCARBON OILS FROM OIL-SHALE, OIL-SAND, OR GASES; REFINING MIXTURES MAINLY CONSISTING OF HYDROCARBONS; REFORMING OF NAPHTHA; MINERAL WAXES
- C10G33/00—Dewatering or demulsification of hydrocarbon oils
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Organic Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法,属于现代流程工业过程监控领域。该方法分为四个部分,第一部分是光谱数据的采集与预处理,第二部分是校正模型的建立,第三部分是监控指标的确定,第四部分是运行状态监控。本发明克服了原有基于宏观变量的运行状态监控方法发现问题时间长、采取补救措施的时间长,由于不能及时止损而造成更为严重的经济和能源的损失等问题,同时使原油脱盐过程运行状况的探索进入到微观分子领域。由于微观分子的变化快于宏观物理表现,使得基于微观分子光谱的近红外监控技术比基于常规宏观测量变量的运行状态监控技术可以更准确快速地区分原油脱盐过程的运行状态是否正常。
Description
技术领域
本发明涉及一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法,属于现代流程工业过程监控领域。
背景技术
原油中含有大量的无机盐如氯化钠、氯化钙和氯化镁等,所含盐类大部分溶于水中,呈油包水型乳化液,也有少部分盐结晶悬浮于油中。原油含盐含水对原油储运、加工、产品质量及设备等均造成很大危害,不仅会增加设备的负荷和动力、热能、冷却水的消耗,影响蒸馏塔正常操作,而且含水过多的原油,水分气化,气相体积大增,造成蒸馏塔内压降增加,气速过大,易引起冲塔等操作事故。另外原油中的盐类,随着水分蒸发,盐分在换热器和加热炉管壁上形成盐垢,降低传热效率,增大流动阻力,严重时导至堵塞管路,烧穿管壁、造成事故。且氯化钙和氯化镁能水解生成具有强腐蚀性的氯化氢,特别是在低温设备部分存在水分时,形成盐酸,腐蚀更为严重。当盐类中的金属进入重馏分油或渣油中时,会毒害催化剂、影响二次加工原料质量及产品质量。因此原油进入炼油厂后,必须先进行脱盐脱水。
常用的脱盐脱水过程是向原油中注入部分含氯低的新鲜水,以溶解原油中的结晶盐类,并稀释原有盐水,形成新的乳状液,然后在一定温度、压力和破乳剂及高压电场作用下,使微小的水滴,聚集成较大水滴,因密度差别,借助重力水滴从油中沉降、分离,达到脱盐脱水的目的。近年来随着原油需求量的日益增大,原油重质化、劣质化趋势不断加大,使原有装置的脱盐脱水效率大幅度下降,伴随装置运行不稳定,脱后的含盐含水量达标率明显降低,且不能满足合格率大于90%的工艺要求,一定程度上影响了原油后续的加工工艺,同时增加了实际运行能耗。因此有必要对原油脱盐脱水过程的运行状态进行监控。传统监控手段是采用常规的分析仪表测量脱盐过程中的一些过程宏观变量,然后利用偏最小二乘算法提取过程变量中与质量变量最大相关信息完成模型的建立,同时选择Hotelling T2和平均预测误差统计量对原油脱盐过程是否正常进行监控。
近年来,近红外光谱分析仪作为一种振动光谱技术可以从分子层面获取过程信息,并且由于其快速、高效、无损以及可在线分析的特点在过程监控领域得到了广泛的应用。然而,近红外在原油脱盐脱水过程中含盐含水量的在线检测、过程监控等至今还无人研究。因此本发明提出了一种利用近红外光谱技术从分子振动信号中获取过程信息,从而完成原油脱盐过程运行状态监控的新方法,克服了原有基于过程宏观变量的运行状态监控方法发现问题的时间长、采取补救措施的时间长,由于不能及时止损而造成更为严重的经济和能源的损失等问题,同时使原油脱盐过程运行状况的探索进入到微观分子领域。由于微观分子的变化快于宏观物理表现,使得基于微观分子光谱的近红外监控技术比基于常规宏观测量变量的运行状态监控技术可以更准确更快速地区分原油脱盐过程的运行状态是否正常。
发明内容
本发明旨在提供一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法。利用近红外光谱技术提出了从微观分子光谱数据角度对过程的运行状态进行监控的新思路。不同于传统基于宏观过程变量的运行状态监控手段,该方法从分子振动信号中获取过程信息从而完成对原油脱盐脱水过程运行状态的监控。
本发明采用的技术方案:
一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法,分为四个部分,第一部分是光谱数据的采集与预处理,第二部分是校正模型的建立,第三部分是监控指标的确定,第四部分是运行状态监控;具体步骤如下:
步骤一:光谱数据的采集与预处理
(1)采集原油样品:在不同工况下采集原油脱盐脱水装置输出通道的原油样品,并将其分为校正集和验证集;
(2)光谱的采集:当校正集样品温度达到稳定状态时,用反射式近红外探头与样品表面接触,采集样品的近红外光谱数据;
(3)光谱的预处理和奇异点剔除:对上述(2)中采集的近红外光谱,进行基线校正及一阶微分预处理,对处理后的光谱进行主元分析,剔除奇异样品点;
步骤二:校正模型的建立
对步骤一中预处理之后的光谱数据采用NIPALS算法建立PLS模型,具体如下:
(4)设X∈Rn×m为过程变量矩阵,Y∈Rn×l为质量变量矩阵,其中n表示样本数量,m表示过程变量数目(光谱波长数),l表示质量变量数目,采用NIPALS算法获得如下模型:
其中,T=[t1,t2,…tk]和U=[u1,u2,…uk]分别是X和Y的得分矩阵,P=[p1,p2,…pk]和Q=[q1,q2,…qk]分别为X和Y的负载矩阵,E和F分别为X和Y的残差矩阵;k为主元个数,
k值采用交叉验证法确定,即先将样本集平均分成几组,每次剔除一组,用剩下的进行建模,再用剔除的那一组计算预测误差,然后重复过程直到所有组都剔除一次,计算PRESS和RSS,当PRESS或RSS小于阈值(如0.85)时的主元个数即为所求k值;
(5)初始化E0=X,F0=Y,h=0;
(6)令h=h+1,取uh的值为Fh-1中的任意一列;
(7)计算权值向量得分向量th=Eh-1wh/||Eh-1wh||、负载向量得分向量uh=Fh-1qh/||Fh-1qh||,直到uh收敛;
(8)计算负载向量残差矩阵返回(6)重复上述过程直到k个主元均被提取;
步骤三:监控指标的确定(9)用Hotelling T2统计量来监测主元空间的变化,其表达形式如下:
其中,为统计量,G=W(PTW)-1为权重矩阵,W=[w1,w2,…wk],Λ=TTT;在过程变量X服从高斯分布的前提下,统计量的监控指标以利用F分布确定,其表达形式如下:
其中,T1 2为控制限,Fα(k,n-k)是自由度为k和n-k,置信度为α的F分布;
(10)用SPE统计量来监测残差空间的变化,其表达形式如下:
SPE0=X(I-PGT)XT (4)
其中,SPE0为统计量,I为单位矩阵;设过程变量X服从高斯分布的前提下,SPE0统计量的监控指标能利用χ2分布确定,其表达形式如下:
其中,SPE1实控制限,是自由度为d,置信度为α的χ2分布,其中d=2a2/b,a和b分别为SPE0统计量的均值和方差,c=b/2a;
步骤四:运行状态监控
用过程历史正常工况数据(训练集)代入式(3)和式(5)计算得到相应的监控指标,将过程运行状态的监测数据(验证集)代入式(2)和式(4)计算得到相应的统计量,则过程的运行状态通过如下形式进行判断:
正常状态:
质量相关故障状态:
质量无关故障状态:{X|SPE0>SPE1}。
本发明提出一种利用近红外光谱技术从分子振动信号中获取过程信息从而完成原油脱盐脱水过程运行状态监控的新方法,克服了原有基于宏观变量的运行状态监控方法发现问题时间长、采取补救措施的时间长,由于不能及时止损而造成更为严重的经济和能源的损失等问题,同时使原油脱盐过程运行状况的探索进入到微观分子领域。由于微观分子的变化快于宏观物理表现,使得基于微观分子光谱的近红外监控技术比基于常规宏观测量变量的运行状态监控技术可以更准确快速地区分原油脱盐过程的运行状态是否正常。
附图说明
图1为实施步骤流程框图。
图2为原始近红外光谱图。
图3为预处理后的近红外光谱图。
图4(a)为监控指标为T2时,基于近红外光谱的运行状态监控图。
图4(b)为监控指标为SPE时,基于近红外光谱的运行状态监控图。
图5(a)为监控指标为T2时,基于过程宏观变量的运行状态监控图。
图5(b)为监控指标为SPE时,基于过程宏观变量的运行状态监控图。
具体实施方式
下面结合技术方案和附图对本发明的技术方案进行清楚描述。
实施例:如图1所示,基于近红外光谱的原油脱盐脱水过程运行状态监控方法
步骤1:选择2分钟的采样间隔采集原油脱盐过程4天的历史正常数据(训练集)以及包含故障工况数据的前后约1.5天的数据(验证集)。采集得到的原始近红外光谱数据如图2所示。
步骤2:由于采集过程中存在的背景噪声、仪器性能的漂移以及杂散光等干扰因素,近红外光谱会有一定程度的变化,因此采用一阶导数的预处理方法对原始光谱数据进行预处理,并采用主元分析的方法进行奇异点剔除。预处理之后的近红外光谱数据如图3所示。
步骤3:对步骤2中预处理之后的正常近红外光谱数据(训练集)与相应质量指标数据通过NIPALS算法建立PLS模型并计算得到监控指标T1 2=38.6159和SPE1=485.7717。
步骤4:将包含故障工况的1.5天近红外光谱数据(验证集)代入模型计算新的统计量和SPE0,最后通过比较判断原油脱盐过程处于何种运行状态。基于近红外光谱的原油脱盐脱水过程运行状态监控结果如图4(a)和图4(b)所示。
对比例:对比基于近红外光谱的原油脱盐过程运行状态监控效果
步骤1:选择2分钟的采样间隔采集原油脱盐过程4天的历史正常数据(训练集)以及包含故障工况数据的前后约1.5天的宏观测量变量,包括水含量,固体物含量,溶剂浓度,沥青浓度,混合进料密度,出料密度,进料溶剂流量,原料进料流量,为氯化物含量等。经过数据预处理并剔除奇异点后,通过NIPALS算法建立PLS模型并计算得到监控指标T1 2=9.8622和SPE1=27.8860。
步骤2:将包含故障工况的1.5天宏观变量数据代入模型计算新的统计量和SPE0,对原油脱盐过程的运行状态进行监控。基于过程宏观变量的原油脱盐过程运行状态监控结果如图5(a)和图5(b)所示。比较图4(a)(图4(b))和图5(a)(图5(b))可以看出,在相同的时间点,基于宏观过程变量的运行状态监控方法没有检测到过程发生了故障,而近红外光谱是从分子层面获取过程信息,由于微观分子的变化快于宏观物理表现,因此对早期故障比较灵敏,在检测时间上比基于宏观变量的方法早了约46分钟。
Claims (2)
1.一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法,其特征在于,具体步骤如下:
步骤一:光谱数据的采集与预处理
(1)采集原油样品:在不同工况下采集原油脱盐脱水装置输出通道的原油样品,并将其分为校正集和验证集;
(2)光谱的采集:当校正集样品温度达到稳定状态时,用反射式近红外探头与样品表面接触,采集样品的近红外光谱数据;
(3)光谱的预处理和奇异点剔除:对上述(2)中采集的近红外光谱,进行基线校正及一阶微分预处理,对处理后的光谱进行主元分析,剔除奇异样品点;
步骤二:校正模型的建立
对步骤一中预处理之后的光谱数据采用NIPALS算法建立PLS模型,具体如下:
(4)设X∈Rn×m为过程变量矩阵,Y∈Rn×l为质量变量矩阵,其中,n表示样本数量,m表示过程变量数目,l表示质量变量数目,采用NIPALS算法获得如下模型:
其中,T=[t1,t2,…tk]和U=[u1,u2,…uk]分别是X和Y的得分矩阵,P=[p1,p2,…pk]和Q=[q1,q2,…qk]分别为X和Y的负载矩阵,E和F分别为X和Y的残差矩阵;k为主元个数;
(5)初始化E0=X,F0=Y,h=0;
(6)令h=h+1,取uh的值为Fh-1中的任意一列;
(7)计算权值向量得分向量th=Eh-1wh/||Eh-1wh||、负载向量得分向量uh=Fh-1qh/||Fh-1qh||,直到uh收敛;
(8)计算负载向量残差矩阵返回(6)重复上述过程直到k个主元均被提取;
步骤三:监控指标的确定
(9)用Hotelling T2统计量来监测主元空间的变化,其表达形式如下:
其中,为统计量,G=W(PTW)-1为权重矩阵,W=[w1,w2,…wk],Λ=TTT;在过程变量X服从高斯分布的前提下,统计量的监控指标以利用F分布确定,其表达形式如下:
其中,T1 2为控制限,Fα(k,n-k)是自由度为k和n-k,置信度为α的F分布;
(10)用SPE统计量来监测残差空间的变化,其表达形式如下:
SPE0=X(I-PGT)XT (4)
其中,SPE0为统计量,I为单位矩阵;设过程变量X服从高斯分布的前提下,SPE0统计量的监控指标能利用χ2分布确定,其表达形式如下:
其中,SPE1实控制限,是自由度为d,置信度为α的χ2分布,其中d=2a2/b,a和b分别为SPE0统计量的均值和方差,c=b/2a;
步骤四:运行状态监控
用过程历史正常工况数据代入式(3)和式(5),计算得到相应的监控指标,将过程运行状态的监测数据代入式(2)和式(4)计算得到相应的统计量,则过程的运行状态通过如下形式进行判断:
正常状态:
质量相关故障状态:
质量无关故障状态:{X|SPE0>SPE1}。
2.根据权利要求1所述的一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法,其特征在于,所述步骤(4)中的k值采用交叉验证法确定,即先将样本集平均分成几组,每次剔除一组,用剩下的进行建模,再用剔除的那一组计算预测误差,然后重复过程直到所有组都剔除一次,计算PRESS和RSS,当PRESS或RSS小于阈值时的主元个数即为所求k值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810316637.XA CN108388224A (zh) | 2018-04-03 | 2018-04-03 | 一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810316637.XA CN108388224A (zh) | 2018-04-03 | 2018-04-03 | 一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108388224A true CN108388224A (zh) | 2018-08-10 |
Family
ID=63073791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810316637.XA Pending CN108388224A (zh) | 2018-04-03 | 2018-04-03 | 一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388224A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101758A (zh) * | 2018-09-03 | 2018-12-28 | 江南大学 | 基于t-pls模型的间歇过程工艺条件设计方法 |
CN111238997A (zh) * | 2020-02-12 | 2020-06-05 | 江南大学 | 一种原油脱盐脱水过程的进料密度在线测量方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004069164A2 (en) * | 2003-01-30 | 2004-08-19 | Euro Celtique Sa | Wireless blood glucose monitoring system |
CN102338743A (zh) * | 2011-05-27 | 2012-02-01 | 中国人民解放军总后勤部油料研究所 | 一种识别发动机燃料种类和牌号中红外光谱方法 |
CN104833651A (zh) * | 2015-04-15 | 2015-08-12 | 浙江大学 | 金银花浓缩过程在线实时放行检测方法 |
CN107356552A (zh) * | 2017-06-12 | 2017-11-17 | 浙江大学 | 一种基于近红外光谱技术的黄芪一次醇沉工艺的过程监控方法 |
-
2018
- 2018-04-03 CN CN201810316637.XA patent/CN108388224A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004069164A2 (en) * | 2003-01-30 | 2004-08-19 | Euro Celtique Sa | Wireless blood glucose monitoring system |
CN102338743A (zh) * | 2011-05-27 | 2012-02-01 | 中国人民解放军总后勤部油料研究所 | 一种识别发动机燃料种类和牌号中红外光谱方法 |
CN104833651A (zh) * | 2015-04-15 | 2015-08-12 | 浙江大学 | 金银花浓缩过程在线实时放行检测方法 |
CN107356552A (zh) * | 2017-06-12 | 2017-11-17 | 浙江大学 | 一种基于近红外光谱技术的黄芪一次醇沉工艺的过程监控方法 |
Non-Patent Citations (1)
Title |
---|
熊皓舒: "基于光谱的中药制药过程一致性实时监控方法", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101758A (zh) * | 2018-09-03 | 2018-12-28 | 江南大学 | 基于t-pls模型的间歇过程工艺条件设计方法 |
CN111238997A (zh) * | 2020-02-12 | 2020-06-05 | 江南大学 | 一种原油脱盐脱水过程的进料密度在线测量方法 |
CN111238997B (zh) * | 2020-02-12 | 2021-07-27 | 江南大学 | 一种原油脱盐脱水过程的进料密度在线测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105700518B (zh) | 一种工业过程故障诊断方法 | |
CN105893700B (zh) | 基于物理-大数据混合模型的化工生产在线故障检测与诊断技术 | |
CN106872657B (zh) | 一种多变量水质参数时序数据异常事件检测方法 | |
CN104764869B (zh) | 一种基于多维特征量的变压器气体故障诊断和报警方法 | |
CN106845796B (zh) | 一种加氢裂化流程产品质量在线预测方法 | |
CN107528823A (zh) | 一种基于改进的K‑Means聚类算法的网络异常检测方法 | |
CN112070109A (zh) | 一种基于改进密度峰值聚类的马蹄窑能耗异常检测方法 | |
CN105242155A (zh) | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 | |
CN103699514B (zh) | 一种火力发电厂水处理流程稳态检测及运行工况判别方法 | |
CN105930629B (zh) | 一种基于海量运行数据的在线故障诊断方法 | |
CN111080074B (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 | |
CN105955214B (zh) | 基于样本时序和近邻相似性信息的间歇过程故障检测方法 | |
CN110009126B (zh) | 基于pls模型与pca贡献度融合的在线报警分析方法 | |
CN108388224A (zh) | 一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法 | |
CN109085805A (zh) | 一种基于多采样率因子分析模型的工业过程故障检测方法 | |
CN117407827A (zh) | 一种净化工程废气净化设备异常运行数据检测方法 | |
CN113757093A (zh) | 一种闪蒸汽压缩机组故障诊断方法 | |
CN112598144A (zh) | 基于相关性分析的cnn-lstm突发故障预警方法 | |
CN112066724A (zh) | 一种基于自适应主元分析的辊道窑能耗异常检测方法 | |
CN109799405A (zh) | 一种基于时间序列-卡尔曼滤波的变压器故障预测方法 | |
CN111556111A (zh) | 基于物联网的管廊设备故障远程诊断系统 | |
CN109978059B (zh) | 一种原油蒸馏过程初馏塔冲塔故障预警方法 | |
CN117057150A (zh) | 一种基于无监督叠加集成的供水管网爆管检测与识别方法 | |
CN115186754A (zh) | 基于信息熵及自联想回归模型的机组能效监测诊断方法 | |
CN113849479A (zh) | 基于即时学习和自适应阈值的综合能源供应站油罐泄漏检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180810 |