CN109887253A - 石油化工装置报警的关联分析方法 - Google Patents
石油化工装置报警的关联分析方法 Download PDFInfo
- Publication number
- CN109887253A CN109887253A CN201811612468.0A CN201811612468A CN109887253A CN 109887253 A CN109887253 A CN 109887253A CN 201811612468 A CN201811612468 A CN 201811612468A CN 109887253 A CN109887253 A CN 109887253A
- Authority
- CN
- China
- Prior art keywords
- position number
- instrument position
- instrument
- time
- time delay
- 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.)
- Granted
Links
- 238000012097 association analysis method Methods 0.000 title abstract 2
- 238000007621 cluster analysis Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 49
- 238000010219 correlation analysis Methods 0.000 claims description 31
- 238000005314 correlation function Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 32
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 230000001174 ascending effect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004523 catalytic cracking Methods 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种石油化工装置报警的关联分析方法,包括:获取预设时间段内石油化工装置的集散控制系统事件;根据预设处理规则,对各仪表位号的报警事件进行处理,得到各仪表位号在预设时间段包含的各预设子时间段的报警状态;根据石油化工装置的各仪表位号中的每两个仪表位号在各预设子时间段的实时数据时间序列,得到每两个仪表位号之间的时延范围;根据每两个仪表位号在各预设子时间段的报警状态、以及每两个仪表位号之间的时延范围,得到每两个仪表位号之间的影响度;根据石油化工装置的各仪表位号两两之间的影响度,得到石油化工装置的各仪表位号的聚类分析结果。本发明可以辅助操作人员快速地找到根报警,有效降低报警次数、减少报警时长。
Description
技术领域
本发明涉及计算机软件技术领域,尤其涉及一种石油化工装置报警的关联分析方法。
背景技术
石油化工行业生产装置具有工艺流程复杂、相互影响制约因素多、高温、高压、易燃、易爆等特点。石油化工装置在生产过程中出现异常工况,轻者会导致产品质量下降或生产周期延误,重者则会导致发生安全事故甚至人员的伤亡。为此,人们通常在石油化工装置中建立报警系统,以防止化工生产过程中出现紧急停车、异常工况而引起经济损失,从而保障石油化工装置在稳定、安全的工况下生产。
通常,石油化工装置的各仪表位号的关键操作参数都会设置有报警上下限值,当操作参数的数值超出报警上下限值时,石油化工装置的各仪表位号则会发出报警。将石油化工装置的各仪表位号的关键操作参数控制在报警限值以内,是防止石油化工装置在生产过程中出现异常工况的有效措施。
由于石油化工装置的复杂性,各仪表位号的关键操作参数较多。通常,一个常减压装置中,为关键操作参数设置有报警限值的仪表位号的数量可能多达200个,一个催化裂化装置中,为关键操作参数设置有报警限值的仪表位号的数量可能多达400个。当某一时刻某报警装置发生报警的数量较多时,操作人员难免会出现手忙脚乱和误操作的情况,给石化企业带来较大的安全隐患。然而,报警装置中发生报警的各仪表位号之间并不是完全独立的,而是存在一定的关联性的。为此,对石油化工装置报警进行关联分析,是降低石油化工装置报警次数、减少报警时长的有效手段。
目前,本领域技术人员可以凭借其具有的丰富经验和丰富的理论知识直接发现报警装置的各仪表位号之间的部分关联性,但这种分析方式容易受到个人因素的影响,且分析结果并不全面,容易有遗漏之处。有鉴于此,国内外科研机构从报警装置的海量的报警数据出发开展对报警数据的分析,研究出了一些石油化工装置报警的关联分析方法。但是,这些方法比较碎片化,仅对报警的某一方面进行分析、且仅将报警上下限值简单处理为单限值,使得分析结果并不全面、准确。由此可见,目前并没有一种完整的石油化工装置报警的关联分析方法。
为了解决上述技术问题,本发明提供了一种石油化工装置报警的关联分析方法。
发明内容
本发明所要解决的技术问题是:目前,缺少一种完整的石油化工装置报警的关联分析方法,致使企业操作人员不能快速地找到并处理根报警,给石化企业带来较大的安全隐患。
为了解决上述技术问题,本发明提供了一种石油化工装置报警的关联分析方法,包括:
获取预设时间段内石油化工装置的集散控制系统事件,其中,所述集散控制系统事件包括该石油化工装置的各仪表位号的报警事件和实时数据时间序列;
根据预设处理规则,对所述各仪表位号的报警事件进行处理,得到所述各仪表位号在预设时间段包含的各预设子时间段的报警状态;
针对该石油化工装置的各仪表位号中的每两个仪表位号,均执行以下操作:
根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号与第二仪表位号之间的时延范围;
根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号与第二仪表位号之间的时延范围,得到第一仪表位号与第二仪表位号之间的影响度;
根据该石油化工装置的各仪表位号两两之间的影响度,得到该石油化工装置的各仪表位号的聚类分析结果,从而完成该石油化工装置报警的关联分析。
在本发明一优选实施例中,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号与第二仪表位号之间的时延范围,包括:
根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号影响第二仪表位号的时延范围、以及第二仪表位号影响第一仪表位号的时延范围;
其中,第一仪表位号影响第二仪表位号的时延范围不同于第二仪表位号影响第一仪表位号的时延范围。
在本发明一优选实施例中,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号影响第二仪表位号的时延范围,包括:
获取预先设置的第一仪表位号影响第二仪表位号的时延范围,得到第一时延范围;
根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列、第一仪表位号与第二仪表位号的相关函数、以及第一时延范围,得到第一时延参数;
根据石油化工装置的工艺参数,得到第二时延参数;以及
根据第一时延参数和第二时延参数,得到第二时延范围,其中,该第二时延范围为第一仪表位号影响第二仪表位号的时延范围。
在本发明一优选实施例中,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第二仪表位号影响第一仪表位号的时延范围,包括:
获取预先设置的第二仪表位号影响第一仪表位号的时延范围,得到第三时延范围;
根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列、第二仪表位号与第一仪表位号的相关函数、以及第三时延范围,得到第三时延参数;
根据石油化工装置的工艺参数,得到第四时延参数;以及
根据第三时延参数和第四时延参数,得到第四时延范围,其中,该第四时延范围为第二仪表位号影响第一仪表位号的时延范围。
在本发明一优选实施例中,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号与第二仪表位号之间的时延范围,得到第一仪表位号与第二仪表位号之间的影响度,包括:
根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号影响第二仪表位号的时延范围,得到第一仪表位号对第二仪表位号的影响度;以及
根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第二仪表位号影响第一仪表位号的时延范围,得到第二仪表位号对第一仪表位号的影响度;
其中,第一仪表位号对第二仪表位号的影响度不同于第二仪表位号对第一仪表位号的影响度。
在本发明一优选实施例中,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号影响第二仪表位号的时延范围,得到第一仪表位号对第二仪表位号的影响度,包括:
根据第一仪表位号和第二仪表位号在各预设子时间段出现的高报次数、以及在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号是否高报及其次数,得到第一影响度,其中,该第一影响度为第一仪表位号的高报对第二仪表位号的高报的影响度;
根据第一仪表位号在各预设子时间段出现的高报次数、第二仪表位号在各预设子时间段出现的低报次数、以及在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号是否低报及其次数,得到第二影响度,其中,该第二影响度为第一仪表位号的高报对第二仪表位号的低报的影响度;
根据第一仪表位号在各预设子时间段出现的低报次数、第二仪表位号在各预设子时间段出现的高报次数、以及在第一仪表位号每出现低报对应的时刻后的第二时延范围内,第二仪表位号是否高报及其次数,得到第三影响度,其中,该第三影响度为第一仪表位号的低报对第二仪表位号的高报的影响度;以及
根据第一仪表位号和第二仪表位号在各预设子时间段出现的低报次数、以及在第一仪表位号每出现低报对应的时刻后的第二时延范围内,第二仪表位号是否低报及其次数,得到第四影响度,其中,该第四影响度为第一仪表位号的低报对第二仪表位号的低报的影响度。
在本发明一优选实施例中,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第二仪表位号影响第一仪表位号的时延范围,得到第二仪表位号对第一仪表位号的影响度,包括:
根据第一仪表位号和第二仪表位号在各预设子时间段出现的高报次数、以及在第二仪表位号每出现高报对应的时刻后的第四时延范围内,第一仪表位号是否高报及其次数,得到第五影响度,其中,该第五影响度为第二仪表位号的高报对第一仪表位号的高报的影响度;
根据第二仪表位号在各预设子时间段出现的高报次数、第一仪表位号在各预设子时间段出现的低报次数、以及在第二仪表位号每出现高报对应的时刻后的第四时延范围内,第一仪表位号是否低报及其次数,得到第六影响度,其中,该第六影响度为第二仪表位号的高报对第一仪表位号的低报的影响度;
根据第二仪表位号在各预设子时间段出现的低报次数、第一仪表位号在各预设子时间段出现的高报次数、以及在第二仪表位号每出现低报对应的时刻后的第四时延范围内,第一仪表位号是否高报及其次数,得到第七影响度,其中,该第七影响度为第二仪表位号的低报对第一仪表位号的高报的影响度;以及
根据第一仪表位号和第二仪表位号在各预设子时间段出现的低报次数、以及在第二仪表位号每出现低报对应的时刻后的第四时延范围内,第一仪表位号是否低报及其次数,得到第八影响度,其中,该第八影响度为第二仪表位号的低报对第一仪表位号的低报的影响度。
在本发明一优选实施例中,根据石油化工装置的各仪表位号两两之间的影响度,得到该石油化工装置的各仪表位号的聚类分析结果,包括:
根据石油化工装置的各仪表位号两两之间的影响度,得到该石油化工装置的各仪表位号两两之间的相关度;以及
根据该石油化工装置的各仪表位号两两之间的相关度,得到该石油化工装置的各仪表位号的聚类分析结果。
在本发明一优选实施例中,第一仪表位号与第二仪表位号之间的相关度为第一仪表位号与第二仪表位号之间的所有影响度中的最大值。
在本发明一优选实施例中,根据石油化工装置的各仪表位号两两之间的相关度,得到该石油化工装置的各仪表位号的聚类分析结果,包括:
根据石油化工装置的各仪表位号两两之间的相关度,利用层次聚类算法,得到该石油化工装置的各仪表位号的聚类分析结果。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
应用本发明实施例提供的石油化工装置报警的关联分析方法,根据石油化工装置的各仪表位号中的每两个仪表位号在各预设子时间段的报警状态、以及每两个仪表位号之间的时延范围,计算每两个仪表位号之间的影响度,并基于该影响度对石油化工装置的各仪表位号进行聚类分析,从而完成石油化工装置报警的关联分析。本发明可以在石油化工装置发生报警的数量较多时,有效地辅助操作人员快速地找到根报警,从而能够降低报警次数、减少报警时长,为石化企业的安全提供有利保障,具有很好的应用前景。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例的石油化工装置报警的关联分析方法的具体流程示意图;
图2为图1中步骤S103的具体流程示意图;
图3为图2中步骤S1031的具体流程示意图;
图4为图2中步骤S1032的具体流程示意图;
图5为图1中步骤S104的具体流程示意图;
图6为图5中步骤S1041的具体流程示意图;
图7为图5中步骤S1042的具体流程示意图;
图8为图1中步骤S105的具体流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
目前,缺少一种完整的石油化工装置报警的关联分析方法,致使企业操作人员不能快速地找到并处理根报警,给石化企业带来较大的安全隐患。
为了解决上述技术问题,本发明提供了一种石油化工装置报警的关联分析方法。
图1为本发明实施例的石油化工装置报警的关联分析方法的具体流程示意图。
如图1所示,本发明实施例的石油化工装置报警的关联分析方法,主要包括以下步骤S101至步骤S105。
在步骤S101中,获取预设时间段内石油化工装置的集散控制系统事件,其中,该集散控制系统事件包括该石油化工装置的各仪表位号的报警事件和实时数据时间序列。
在步骤S102中,根据预设处理规则,对各仪表位号的报警事件进行处理,得到各仪表位号在预设时间段包含的各预设子时间段的报警状态。
其中,预设处理规则如下:
若报警装置的某仪表位号在当前子时间段的前一子时间段不发生报警或发生低报,在当前子时间段发生高报,则该仪表位号在当前子时间段的报警状态为1。
若报警装置的某仪表位号在当前子时间段的前一子时间段不发生报警或发生高报,在当前子时间段发生低报,则该仪表位号在当前子时间段的报警状态为-1。
若报警装置的某仪表位号在当前子时间段的前一子时间段发生高报,在当前子时间段发生高报,则该仪表位号在当前子时间段的报警状态为0。
若报警装置的某仪表位号在当前子时间段的前一子时间段发生低报,在当前子时间段发生低报,则该仪表位号在当前子时间段的报警状态为0。
优选地,预设子时间段为15s或20s,该预设子时间段的时长可以根据实际需求来调整。
将各仪表位号在预设时间段包含的各预设子时间段的报警状态整理成表格形式,以表1为例。
表1某报警装置的仪表位号A-E在5个预设子时间段内的报警状态
表1简单显示了某报警装置的仪表位号A-E在预设时间段75s内的报警状态。其中,A-E表示报警装置的5个仪表位号,1-5表示5个子时间段,每个子时间段为15s。1表示高报,-1表示低报,0表示正常。仪表位号A对应的列表示仪表位号A的实时数据时间序列,仪表位号B对应的列表示仪表位号B的实时数据时间序列,仪表位号C对应的列表示仪表位号C的实时数据时间序列,仪表位号D对应的列表示仪表位号D的实时数据时间序列,仪表位号E对应的列表示仪表位号E的实时数据时间序列。
针对石油化工装置的各仪表位号中的每两个仪表位号,均执行以下操作:
在步骤S103中,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号与第二仪表位号之间的时延范围。其具体过程如图2所示。
在步骤S1031中,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号影响第二仪表位号的时延范围。其具体过程如图3所示。
在步骤S10311中,获取预先设置的第一仪表位号影响第二仪表位号的时延范围,得到第一时延范围。
需要说明的是,根据本领域技术人员的经验来设置该第一时延范围。
在步骤S10312中,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列、第一仪表位号与第二仪表位号的相关函数、以及第一时延范围,得到第一时延参数。
优选地,根据以下表达式得到第一时延参数:
其中,表示第一仪表位号x1与第二仪表位号x2的相关函数,x1(i)表示第一仪表位号x1的实时数据时间序列中的第i个实时数据,x2(i)表示第二仪表位号x2的实时数据时间序列中的第i个实时数据,N表示第一仪表位号x1的实时数据时间序列中的实时数据的总数、以及第二仪表位号x2的实时数据时间序列中的实时数据的总数,其中,第一仪表位号x1的实时数据时间序列中的实时数据的总数与第二仪表位号x2的实时数据时间序列中的实时数据的总数相同,τ表示第一时延参数。
具体地,第一仪表位号x1的实时数据时间序列中的第i个实时数据例如为温度或压力等,第二仪表位号x2的实时数据时间序列中的第i个实时数据例如为温度或压力等,令τ在第一时延范围内变化,得到使得上述表达式(1)的的数值最大的τ的取值,并将该τ的取值作为第一时延参数。
需要说明的是,由于计算第一时延参数的具体步骤已为本领域技术人员所公知,在此不再赘述。
在步骤S10313中,根据石油化工装置的工艺参数,得到第二时延参数。其中,该石油化工装置的工艺参数包括生产负荷等。
需要说明的是,根据本领域技术人员的经验来设置该第二时延参数。例如,当石油化工装置的生产负荷波动相对较大时,则将第二时延参数的数值设置得相对大一些;当石油化工装置的生产负荷波动相对较小时,则将第二时延参数的数值设置得相对小一些。
在步骤S10314中,根据第一时延参数和第二时延参数,得到第二时延范围,其中,该第二时延范围为第一仪表位号影响第二仪表位号的时延范围。
具体地,将第一时延参数与第二时延参数之差作为该第二时延范围的最小值,将第一时延参数与第二时延参数之和作为该第二时延范围的最大值。
为了便于理解,下面通过示例对上述步骤进行详细描述。
假设预设时间段内某报警装置的DCS系统中第一仪表位号x1的实时数据时间序列为{x1(1),x1(2),…,x1(50000)},第二仪表位号x2的实时数据时间序列为{x2(1),x2(2),…,x2(50000)}。其中,第一仪表位号x1的实时数据时间序列为按照其时间戳信息进行升序排序得到的结果,x1(1),x1(2),…,x1(50000)分别对应第一仪表位号x1在预设时间段包含的第1个子时间段的数值、预设时间段包含的第2个子时间段的数值、…、预设时间段包含的第50000个子时间段的数值。第二仪表位号x2的实时数据时间序列为按照其时间戳信息进行升序排序得到的结果,x2(1),x2(2),…,x2(50000)分别对应第二仪表位号x2在预设时间段包含的第1个子时间段的数值、预设时间段包含的第2个子时间段的数值、…、预设时间段包含的第50000个子时间段的数值。
首先,执行步骤S10311。获取预先设置的第一仪表位号x1影响第二仪表位号x2的时延范围,得到第一时延范围。其中,该第一时延范围为预设子时间段的倍数,例如,第一时延范围为(0,1000)。
其次,执行步骤S10312。根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列、第一仪表位号与第二仪表位号的相关函数、以及第一时延范围,得到第一时延参数。
具体地,根据第一仪表位号x1在预设时间段包含的第1个子时间段x1(1)的数值,以及第二仪表位号x2在预设时间段包含的第1个子时间段x2(1)的数值,且令τ在(0,1000)变化,利用上述表达式(1),得到的数值、的数值、…、的数值。然后,根据第一仪表位号x1在预设时间段包含的第2个子时间段x1(2)的数值,以及第二仪表位号x2在预设时间段包含的第2个子时间段x2(2)的数值,且令τ在(0,1000)变化,利用上述表达式(1),得到的数值、的数值、…、的数值。如此反复执行上述步骤,直至根据第一仪表位号x1在预设时间段包含的第50000个子时间段x1(50000)的数值,以及第二仪表位号x2在预设时间段包含的第50000个子时间段x2(50000)的数值,且令τ在(0,1000)变化,利用上述表达式(1),得到的数值、的数值、…、的数值为止。
然后,从这些数值中选取使得上述表达式(1)的的数值最大的τ的取值,并将该τ的取值作为第一时延参数。
接着,执行步骤S10313。根据石油化工装置的工艺参数,得到第二时延参数,记为Δ1。
最后,执行步骤S10314。根据第一时延参数和第二时延参数,得到第二时延范围(τ-Δ1,τ+Δ1),其中,该第二时延范围为第一仪表位号影响第二仪表位号的时延范围。
本发明通过对第一仪表位号和第二仪表位号在预设时间段包含的各预设子时间段的实时数据时间序列来计算第一仪表位号影响第二仪表位号的时延范围,且该时延范围由利用第一仪表位号与第二仪表位号的相关函数计算得到的第一时延参数和本领域技术人员评估得到的第二时延参数组成,有效提高了第一仪表位号影响第二仪表位号的时延范围的计算结果的准确性。
在步骤S1032中,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第二仪表位号影响第一仪表位号的时延范围。其具体过程如图4所示。
在步骤S10321中,获取预先设置的第二仪表位号影响第一仪表位号的时延范围,得到第三时延范围。
需要说明的是,根据本领域技术人员的经验来设置该第三时延范围。
在步骤S10322中,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列、第二仪表位号与第一仪表位号的相关函数、以及第三时延范围,得到第三时延参数。
优选地,根据以下表达式得到第三时延参数:
其中,表示第二仪表位号x2与第一仪表位号x1的相关函数,x1(i)表示第一仪表位号x1的实时数据时间序列中的第i个实时数据,x2(i)表示第二仪表位号x2的实时数据时间序列中的第i个实时数据,N表示第一仪表位号x1的实时数据时间序列中的实时数据的总数、以及第二仪表位号x2的实时数据时间序列中的实时数据的总数,其中,第一仪表位号x1的实时数据时间序列中的实时数据的总数与第二仪表位号x2的实时数据时间序列中的实时数据的总数相同,τ表示第三时延参数。
具体地,第一仪表位号x1的实时数据时间序列中的第i个实时数据例如为温度或压力等,第二仪表位号x2的实时数据时间序列中的第i个实时数据例如为温度或压力等,令τ在第三时延范围内变化,得到使得上述表达式(2)的的数值最大的τ的取值,并将该τ的取值作为第三时延参数。
需要说明的是,由于计算第三时延参数的具体步骤已为本领域技术人员所公知,在此不再赘述。
在步骤S10323中,根据石油化工装置的工艺参数,得到第四时延参数。其中,该石油化工装置的工艺参数包括生产负荷等。
需要说明的是,根据本领域技术人员的经验来设置该第四时延参数。例如,当石油化工装置的生产负荷波动相对较大时,则将第四时延参数的数值设置得相对大一些;当石油化工装置的生产负荷波动相对较小时,则将第四时延参数的数值设置得相对小一些。
在步骤S10324中,根据第三时延参数和第四时延参数,得到第四时延范围,其中,该第四时延范围为第二仪表位号影响第一仪表位号的时延范围。
具体地,将第三时延参数与第四时延参数之差作为该第四时延范围的最小值,将第三时延参数与第四时延参数之和作为该第四时延范围的最大值。
为了便于理解,下面通过示例对上述步骤进行详细描述。
假设预设时间段内某报警装置的DCS系统中第一仪表位号x1的实时数据时间序列为{x1(1),x1(2),…,x1(50000)},第二仪表位号x2的实时数据时间序列为{x2(1),x2(2),…,x2(50000)}。其中,第一仪表位号x1的实时数据时间序列为按照其时间戳信息进行升序排序得到的结果,x1(1),x1(2),…,x1(50000)分别对应第一仪表位号x1在预设时间段包含的第1个子时间段的数值、预设时间段包含的第2个子时间段的数值、…、预设时间段包含的第50000个子时间段的数值。第二仪表位号x2的实时数据时间序列为按照其时间戳信息进行升序排序得到的结果,x2(1),x2(2),…,x2(50000)分别对应第二仪表位号x2在预设时间段包含的第1个子时间段的数值、预设时间段包含的第2个子时间段的数值、…、预设时间段包含的第50000个子时间段的数值。
首先,执行步骤S10321。获取预先设置的第二仪表位号x2影响第一仪表位号x1的时延范围,得到第三时延范围。其中,该第三时延范围为预设子时间段的倍数,例如,第三时延范围为(0,900)。
其次,执行步骤S10322。根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列、第二仪表位号与第一仪表位号的相关函数、以及第三时延范围,得到第三时延参数。
具体地,根据第一仪表位号x1在预设时间段包含的第1个子时间段x1(1)的数值,以及第二仪表位号x2在预设时间段包含的第1个子时间段x2(1)的数值,且令τ在(0,900)变化,利用上述表达式(2),得到的数值、的数值、…、的数值。然后,根据第一仪表位号x1在预设时间段包含的第2个子时间段x1(2)的数值,以及第二仪表位号x2在预设时间段包含的第2个子时间段x2(2)的数值,且令τ在(0,900)变化,利用上述表达式(2),得到的数值、的数值、…、的数值。如此反复执行上述步骤,直至根据第一仪表位号x1在预设时间段包含的第50000个子时间段x1(50000)的数值,以及第二仪表位号x2在预设时间段包含的第50000个子时间段x2(50000)的数值,且令τ在(0,900)变化,利用上述表达式(2),得到的数值、的数值、…、的数值为止。
然后,从这些数值中选取使得上述表达式(2)的的数值最大的τ的取值,并将该τ的取值作为第三时延参数。
接着,执行步骤S10323。根据石油化工装置的工艺参数,得到第四时延参数,记为Δ2。
最后,执行步骤S10324。根据第三时延参数和第四时延参数,得到第四时延范围(τ-Δ2,τ+Δ2),其中,该第四时延范围为第二仪表位号影响第一仪表位号的时延范围。
需要说明的是,第一仪表位号影响第二仪表位号的时延范围不同于第二仪表位号影响第一仪表位号的时延范围。
将石油化工装置的各仪表位号中的每两个仪表位号之间的时延范围整理成表格形式,以表2为例。
表2某报警装置的仪表位号A-E两两之间的时延范围
位号/位号 | A | B | C | D | E |
A | 0 | (0,1) | (1,5) | ||
B | 0 | (1,4) | |||
C | 0 | (3,5) | |||
D | (6,8) | 0 | (2,3) | ||
E | 0 |
表2简单显示了某报警装置的仪表位号A-E两两之间的时延范围,单位为分钟。例如,第二行第三列的时延范围(0,1)表示报警装置的仪表位号A影响仪表位号B的时延范围,空白区域表示两个仪表位号之间不存在影响关系。
本发明通过对第一仪表位号和第二仪表位号在预设时间段包含的各预设子时间段的实时数据时间序列来计算第二仪表位号影响第一仪表位号的时延范围,且该时延范围由利用第二仪表位号与第一仪表位号的相关函数计算得到的第三时延参数和本领域技术人员评估得到的第四时延参数组成,有效提高了第二仪表位号影响第一仪表位号的时延范围的计算结果的准确性。
此外,本发明将第一仪表位号影响第二仪表位号的时延范围与第二仪表位号影响第一仪表位号的时延范围区别开来,有利于提高第一仪表位号与第二仪表位号之间的影响度的计算结果的准确性。
在步骤S104中,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号与第二仪表位号之间的时延范围,得到第一仪表位号与第二仪表位号之间的影响度。其具体过程如图5所示。
这里,需要说明的是,本发明考虑到第一仪表位号对第二仪表位号的影响与第二仪表位号对第一仪表位号的影响是不同的,因此,在本发明实施例中引入了影响度的概念。例如,第一仪表位号对第二仪表位号的影响度是用于度量第一仪表位号对第二仪表位号的影响的程度,第二仪表位号对第一仪表位号的影响度是用于度量第二仪表位号对第一仪表位号的影响的程度,这两者是不同的。由此可见,影响度是单向的。
第一仪表位号与第二仪表位号之间的相关度是用于度量第一仪表位号与第二仪表位号之间的相关性的,其只能表示第一仪表位号与第二仪表位号之间的总体相关性。因此,相关度是双向的。
若两个仪表位号之间存在影响度,则这两个仪表位号一定是相关的。但是,若两个仪表位号之间存在相关度,则这两个仪表位号未必是相互影响的。
在步骤S1041中,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号影响第二仪表位号的时延范围,得到第一仪表位号对第二仪表位号的影响度。其具体过程如图6所示。
在步骤S10411中,根据第一仪表位号和第二仪表位号在各预设子时间段出现的高报次数、以及在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号是否高报及其次数,得到第一影响度,其中,该第一影响度为第一仪表位号的高报对第二仪表位号的高报的影响度。
需要说明的是,若第一仪表位号在某一预设子时间段(15s)内出现高报,则第一仪表位号在该预设子时间段(15s)内出现的高报次数记为1。同样地,第二仪表位号也遵循上述计数规则。
优选地,根据以下表达式得到第一影响度:
其中,Y1表示第一影响度,Za表示第一仪表位号在预设时间段出现的高报次数,Zb表示第二仪表位号在预设时间段出现的高报次数,d1表示在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号也出现高报的次数。
例如,假设预设时间段60分钟内第一仪表位号x1的实时数据时间序列中出现高报的次数为10次,第二仪表位号x2的实时数据时间序列中出现高报的次数为20次,第二时延范围为(0,5),单位为分钟。假设第一仪表位号x1在预设时间段包含的第1个子时间段内出现高报,第二仪表位号x2在第一仪表位号x1出现高报对应的时刻后的第二时延范围(0,5)内也出现高报,不管第二仪表位号x2在此期间出现几次高报,第二仪表位号x2高报的次数均在原基础上加1。如此反复执行,直至第一仪表位号出现的高报次数为10时为止。这里,假设在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号也出现高报的次数共计5次,则利用上述表达式(3)计算得到第一影响度为0.2。
补充说明的是,与上面计数规则类似,在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号高报的次数与其在此期间出现几次高报无关。只要其在此期间出现过高报,则d1就在原基础上加1。
在步骤S10412中,根据第一仪表位号在各预设子时间段出现的高报次数、第二仪表位号在各预设子时间段出现的低报次数、以及在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号是否低报及其次数,得到第二影响度,其中,该第二影响度为第一仪表位号的高报对第二仪表位号的低报的影响度。
优选地,根据以下表达式得到第二影响度:
其中,Y2表示第二影响度,Za表示第一仪表位号在预设时间段出现的高报次数,Fb表示第二仪表位号在预设时间段出现的低报次数,d2表示在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号也出现低报的次数。
需要说明的是,第一仪表位号与第二仪表位号的计数规则与步骤S10411中的类似,在此不再赘述。
在步骤S10413中,根据第一仪表位号在各预设子时间段出现的低报次数、第二仪表位号在各预设子时间段出现的高报次数、以及在第一仪表位号每出现低报对应的时刻后的第二时延范围内,第二仪表位号是否高报及其次数,得到第三影响度,其中,该第三影响度为第一仪表位号的低报对第二仪表位号的高报的影响度。
优选地,根据以下表达式得到第三影响度:
其中,Y3表示第三影响度,Fa表示第一仪表位号在预设时间段出现的低报次数,Zb表示第二仪表位号在预设时间段出现的高报次数,d3表示在第一仪表位号每出现低报对应的时刻后的第二时延范围内,第二仪表位号也出现高报的次数。
需要说明的是,第一仪表位号与第二仪表位号的计数规则与步骤S10411中的类似,在此不再赘述。
在步骤S10414中,根据第一仪表位号和第二仪表位号在各预设子时间段出现的低报次数、以及在第一仪表位号每出现低报对应的时刻后的第二时延范围内,第二仪表位号是否低报及其次数,得到第四影响度,其中,该第四影响度为第一仪表位号的低报对第二仪表位号的低报的影响度。
优选地,根据以下表达式得到第四影响度:
其中,Y4表示第四影响度,Fa表示第一仪表位号在预设时间段出现的低报次数,Fb表示第二仪表位号在预设时间段出现的低报次数,d4表示在第一仪表位号每出现低报对应的时刻后的第二时延范围内,第二仪表位号也出现低报的次数。
需要说明的是,第一仪表位号与第二仪表位号的计数规则与步骤S10411中的类似,在此不再赘述。
在步骤S1042中,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第二仪表位号影响第一仪表位号的时延范围,得到第二仪表位号对第一仪表位号的影响度。其具体过程如图7所示。
在步骤S10421中,根据第一仪表位号和第二仪表位号在各预设子时间段出现的高报次数、以及在第二仪表位号每出现高报对应的时刻后的第四时延范围内,第一仪表位号是否高报及其次数,得到第五影响度,其中,该第五影响度为第二仪表位号的高报对第一仪表位号的高报的影响度。
优选地,根据以下表达式得到第五影响度:
其中,Y5表示第五影响度,Za表示第一仪表位号在预设时间段出现的高报次数,Zb表示第二仪表位号在预设时间段出现的高报次数,d5表示在第二仪表位号每出现高报对应的时刻后的第四时延范围内,第一仪表位号也出现高报的次数。
需要说明的是,第一仪表位号与第二仪表位号的计数规则与步骤S10411中的类似,在此不再赘述。
在步骤S10422中,根据第二仪表位号在各预设子时间段出现的高报次数、第一仪表位号在各预设子时间段出现的低报次数、以及在第二仪表位号每出现高报对应的时刻后的第四时延范围内,第一仪表位号是否低报及其次数,得到第六影响度,其中,该第六影响度为第二仪表位号的高报对第一仪表位号的低报的影响度。
优选地,根据以下表达式得到第六影响度:
其中,Y6表示第六影响度,Fa表示第一仪表位号在预设时间段出现的低报次数,Zb表示第二仪表位号在预设时间段出现的高报次数,d6表示在第二仪表位号每出现高报对应的时刻后的第四时延范围内,第一仪表位号也出现低报的次数。
需要说明的是,第一仪表位号与第二仪表位号的计数规则与步骤S10411中的类似,在此不再赘述。
在步骤S10423中,根据第二仪表位号在各预设子时间段出现的低报次数、第一仪表位号在各预设子时间段出现的高报次数、以及在第二仪表位号每出现低报对应的时刻后的第四时延范围内,第一仪表位号是否高报及其次数,得到第七影响度,其中,该第七影响度为第二仪表位号的低报对第一仪表位号的高报的影响度。
优选地,根据以下表达式得到第七影响度:
其中,Y7表示第七影响度,Za表示第一仪表位号在预设时间段出现的高报次数,Fb表示第二仪表位号在预设时间段出现的低报次数,d7表示在第二仪表位号每出现低报对应的时刻后的第四时延范围内,第一仪表位号也出现高报的次数。
需要说明的是,第一仪表位号与第二仪表位号的计数规则与步骤S10411中的类似,在此不再赘述。
在步骤S10424中,根据第一仪表位号和第二仪表位号在各预设子时间段出现的低报次数、以及在第二仪表位号每出现低报对应的时刻后的第四时延范围内,第一仪表位号是否低报及其次数,得到第八影响度,其中,该第八影响度为第二仪表位号的低报对第一仪表位号的低报的影响度。
优选地,根据以下表达式得到第八影响度:
其中,Y8表示第八影响度,Fa表示第一仪表位号在预设时间段出现的低报次数,Fb表示第二仪表位号在预设时间段出现的低报次数,d8表示在第二仪表位号每出现低报对应的时刻后的第四时延范围内,第一仪表位号也出现低报的次数。
需要说明的是,第一仪表位号与第二仪表位号的计数规则与步骤S10411中的类似,在此不再赘述。
需要说明的是,第一仪表位号对第二仪表位号的影响度不同于第二仪表位号对第一仪表位号的影响度。
将上述计算结果整理为表格形式,可以得到四个表格,分别为:各仪表位号两两之间的高报对高报的影响度、各仪表位号两两之间的高报对低报的影响度、各仪表位号两两之间的低报对高报的影响度、以及各仪表位号两两之间的低报对低报的影响度,以表3为例。
表3某报警装置的仪表位号A-E两两之间的高报对高报的影响度
位号/位号 | A | B | C | D | E |
A | 1 | 0.3 | 0.4 | ||
B | 1 | 0.3 | |||
C | 1 | ||||
D | 0.1 | 1 | 0.6 | ||
E | 1 |
表3简单显示了某报警装置的仪表位号A-E两两之间的高报对高报的影响度,例如,第二行第三列表示仪表位号A的高报对仪表位号B的高报的影响度,空白区域表示两个仪表位号之间不存在影响关系。由上表3可知:仪表位号A的高报对仪表位号B的高报的影响度与仪表位号B的高报对仪表位号A的高报的影响度是不同的。
本发明通过根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号与第二仪表位号之间的时延范围,来计算第一仪表位号与第二仪表位号之间的影响度,有利于提高第一仪表位号与第二仪表位号之间的相关度的计算结果的准确性,进而提高了石油化工装置报警的关联分析结果的准确性。
此外,本发明将第一仪表位号对第二仪表位号的影响度与第二仪表位号对第一仪表位号的影响度区分开来,且将第一仪表位号对第二仪表位号的影响度细分为第一至第四影响度、将第二仪表位号对第一仪表位号的影响度细分为第五至第八影响度,有利于提高第一仪表位号与第二仪表位号之间的相关度的计算结果的准确性,进而提高了石油化工装置报警的关联分析结果的准确性。
在步骤S105中,根据石油化工装置的各仪表位号两两之间的影响度,得到该石油化工装置的各仪表位号的聚类分析结果,从而完成该石油化工装置报警的关联分析。其具体过程如图8所示。
在步骤S1051中,根据石油化工装置的各仪表位号两两之间的影响度,得到该石油化工装置的各仪表位号两两之间的相关度。其中,第一仪表位号与第二仪表位号之间的相关度为第一仪表位号与第二仪表位号之间的所有影响度中的最大值。
将石油化工装置的各仪表位号两两之间的相关度整理为表格形式,以表4为例。
表4某报警装置的仪表位号A-E两两之间的相关度
位号/位号 | A | B | C | D | E |
A | 1 | 0.3 | 0.4 | 0 | 0 |
B | 0.3 | 1 | 0.3 | 0.1 | 0 |
C | 0.4 | 0.3 | 1 | 0 | 0 |
D | 0 | 0.1 | 0 | 1 | 0.6 |
E | 0 | 0 | 0 | 0.6 | 1 |
表4简单显示了某报警装置的仪表位号A-E两两之间的相关度,例如,第二行第三列表示仪表位号A与仪表位号B之间的相关度为0.3。由上表4可知:仪表位号A与仪表位号B之间的相关度和仪表位号B与仪表位号A之间的相关度是相同的。
在步骤S1052中,根据石油化工装置的各仪表位号两两之间的相关度,得到该石油化工装置的各仪表位号的聚类分析结果。
具体地,根据石油化工装置的各仪表位号两两之间的相关度,利用层次聚类算法,得到该石油化工装置的各仪表位号的聚类分析结果。其具体过程如下:
(1)假设石油化工装置有N个仪表位号,每个仪表位号算作一个类C,得到类集合{C1,C2,…,CN},其中,每对类两两之间的相关度在步骤S1051中确定。
(2)将相关度最大的两个类Ci和Cj合并成一个新类CN+1。
(3)用新类CN+1替换掉Ci和Cj,得到新的类集合,且新集合中类的数量比旧集合中类的个数少1个。
(4)重新计算新集合中新类CN+1与其他类之间的相关度。
其中,新类CN+1与其他类之间的相关度取为两个旧类Ci、Cj与其他类Ck之间的相关度的最大值。
(5)重复步骤(2)~步骤(4),直至步骤(4)中计算得到的各类之间的相关度都小于预设阈值为止,最终得到的类集合即是聚类分析结果。
将聚类分析结果整理为表格形式,以表5为例。
表5某报警装置的仪表位号A-H的聚类分析结果
类别/位号 | 位号 | 位号 | 位号 |
类1 | A | C | G |
类2 | B | D | H |
类3 | E | F | - |
表5简单显示了某报警装置的仪表位号A-H的聚类分析结果。其中,仪表位号A、C、G归为类1,仪表位号B、D、H归为类2,仪表位号E、F归为类3。
本发明通过对石油化工装置的各仪表位号进行聚类分析,能够在石油化工装置发生报警的数量较多时,有效地辅助操作人员快速地找到根报警,从而能够降低报警次数、减少报警时长,为石化企业的安全提供有利保障。
应用本发明实施例提供的石油化工装置报警的关联分析方法,根据石油化工装置的各仪表位号中的每两个仪表位号在各预设子时间段的报警状态、以及每两个仪表位号之间的时延范围,计算每两个仪表位号之间的影响度,并基于该影响度对石油化工装置的各仪表位号进行聚类分析,从而完成石油化工装置报警的关联分析。本发明可以在石油化工装置发生报警的数量较多时,有效地辅助操作人员快速地找到根报警,从而能够降低报警次数、减少报警时长,为石化企业的安全提供有利保障,具有很好的应用前景。
本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种石油化工装置报警的关联分析方法,其特征在于,包括:
获取预设时间段内石油化工装置的集散控制系统事件,其中,所述集散控制系统事件包括该石油化工装置的各仪表位号的报警事件和实时数据时间序列;
根据预设处理规则,对所述各仪表位号的报警事件进行处理,得到所述各仪表位号在预设时间段包含的各预设子时间段的报警状态;
针对该石油化工装置的各仪表位号中的每两个仪表位号,均执行以下操作:
根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号与第二仪表位号之间的时延范围;
根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号与第二仪表位号之间的时延范围,得到第一仪表位号与第二仪表位号之间的影响度;
根据该石油化工装置的各仪表位号两两之间的影响度,得到该石油化工装置的各仪表位号的聚类分析结果,从而完成该石油化工装置报警的关联分析。
2.根据权利要求1所述的石油化工装置报警的关联分析方法,其特征在于,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号与第二仪表位号之间的时延范围,包括:
根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号影响第二仪表位号的时延范围、以及第二仪表位号影响第一仪表位号的时延范围;
其中,第一仪表位号影响第二仪表位号的时延范围不同于第二仪表位号影响第一仪表位号的时延范围。
3.根据权利要求2所述的石油化工装置报警的关联分析方法,其特征在于,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第一仪表位号影响第二仪表位号的时延范围,包括:
获取预先设置的第一仪表位号影响第二仪表位号的时延范围,得到第一时延范围;
根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列、第一仪表位号与第二仪表位号的相关函数、以及第一时延范围,得到第一时延参数;
根据石油化工装置的工艺参数,得到第二时延参数;以及
根据第一时延参数和第二时延参数,得到第二时延范围,其中,该第二时延范围为第一仪表位号影响第二仪表位号的时延范围。
4.根据权利要求2所述的石油化工装置报警的关联分析方法,其特征在于,根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列,得到第二仪表位号影响第一仪表位号的时延范围,包括:
获取预先设置的第二仪表位号影响第一仪表位号的时延范围,得到第三时延范围;
根据第一仪表位号和第二仪表位号在各预设子时间段的实时数据时间序列、第二仪表位号与第一仪表位号的相关函数、以及第三时延范围,得到第三时延参数;
根据石油化工装置的工艺参数,得到第四时延参数;以及
根据第三时延参数和第四时延参数,得到第四时延范围,其中,该第四时延范围为第二仪表位号影响第一仪表位号的时延范围。
5.根据权利要求3或4所述的石油化工装置报警的关联分析方法,其特征在于,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号与第二仪表位号之间的时延范围,得到第一仪表位号与第二仪表位号之间的影响度,包括:
根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号影响第二仪表位号的时延范围,得到第一仪表位号对第二仪表位号的影响度;以及
根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第二仪表位号影响第一仪表位号的时延范围,得到第二仪表位号对第一仪表位号的影响度;
其中,第一仪表位号对第二仪表位号的影响度不同于第二仪表位号对第一仪表位号的影响度。
6.根据权利要求5所述的石油化工装置报警的关联分析方法,其特征在于,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第一仪表位号影响第二仪表位号的时延范围,得到第一仪表位号对第二仪表位号的影响度,包括:
根据第一仪表位号和第二仪表位号在各预设子时间段出现的高报次数、以及在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号是否高报及其次数,得到第一影响度,其中,该第一影响度为第一仪表位号的高报对第二仪表位号的高报的影响度;
根据第一仪表位号在各预设子时间段出现的高报次数、第二仪表位号在各预设子时间段出现的低报次数、以及在第一仪表位号每出现高报对应的时刻后的第二时延范围内,第二仪表位号是否低报及其次数,得到第二影响度,其中,该第二影响度为第一仪表位号的高报对第二仪表位号的低报的影响度;
根据第一仪表位号在各预设子时间段出现的低报次数、第二仪表位号在各预设子时间段出现的高报次数、以及在第一仪表位号每出现低报对应的时刻后的第二时延范围内,第二仪表位号是否高报及其次数,得到第三影响度,其中,该第三影响度为第一仪表位号的低报对第二仪表位号的高报的影响度;以及
根据第一仪表位号和第二仪表位号在各预设子时间段出现的低报次数、以及在第一仪表位号每出现低报对应的时刻后的第二时延范围内,第二仪表位号是否低报及其次数,得到第四影响度,其中,该第四影响度为第一仪表位号的低报对第二仪表位号的低报的影响度。
7.根据权利要求5所述的石油化工装置报警的关联分析方法,其特征在于,根据第一仪表位号和第二仪表位号在各预设子时间段的报警状态、以及第二仪表位号影响第一仪表位号的时延范围,得到第二仪表位号对第一仪表位号的影响度,包括:
根据第一仪表位号和第二仪表位号在各预设子时间段出现的高报次数、以及在第二仪表位号每出现高报对应的时刻后的第四时延范围内,第一仪表位号是否高报及其次数,得到第五影响度,其中,该第五影响度为第二仪表位号的高报对第一仪表位号的高报的影响度;
根据第二仪表位号在各预设子时间段出现的高报次数、第一仪表位号在各预设子时间段出现的低报次数、以及在第二仪表位号每出现高报对应的时刻后的第四时延范围内,第一仪表位号是否低报及其次数,得到第六影响度,其中,该第六影响度为第二仪表位号的高报对第一仪表位号的低报的影响度;
根据第二仪表位号在各预设子时间段出现的低报次数、第一仪表位号在各预设子时间段出现的高报次数、以及在第二仪表位号每出现低报对应的时刻后的第四时延范围内,第一仪表位号是否高报及其次数,得到第七影响度,其中,该第七影响度为第二仪表位号的低报对第一仪表位号的高报的影响度;以及
根据第一仪表位号和第二仪表位号在各预设子时间段出现的低报次数、以及在第二仪表位号每出现低报对应的时刻后的第四时延范围内,第一仪表位号是否低报及其次数,得到第八影响度,其中,该第八影响度为第二仪表位号的低报对第一仪表位号的低报的影响度。
8.根据权利要求5所述的石油化工装置报警的关联分析方法,其特征在于,根据石油化工装置的各仪表位号两两之间的影响度,得到该石油化工装置的各仪表位号的聚类分析结果,包括:
根据石油化工装置的各仪表位号两两之间的影响度,得到该石油化工装置的各仪表位号两两之间的相关度;以及
根据该石油化工装置的各仪表位号两两之间的相关度,得到该石油化工装置的各仪表位号的聚类分析结果。
9.根据权利要求8所述的石油化工装置报警的关联分析方法,其特征在于,第一仪表位号与第二仪表位号之间的相关度为第一仪表位号与第二仪表位号之间的所有影响度中的最大值。
10.根据权利要求8所述的石油化工装置报警的关联分析方法,其特征在于,根据石油化工装置的各仪表位号两两之间的相关度,得到该石油化工装置的各仪表位号的聚类分析结果,包括:
根据石油化工装置的各仪表位号两两之间的相关度,利用层次聚类算法,得到该石油化工装置的各仪表位号的聚类分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811612468.0A CN109887253B (zh) | 2018-12-27 | 2018-12-27 | 石油化工装置报警的关联分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811612468.0A CN109887253B (zh) | 2018-12-27 | 2018-12-27 | 石油化工装置报警的关联分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109887253A true CN109887253A (zh) | 2019-06-14 |
CN109887253B CN109887253B (zh) | 2021-01-22 |
Family
ID=66925276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811612468.0A Active CN109887253B (zh) | 2018-12-27 | 2018-12-27 | 石油化工装置报警的关联分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109887253B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113839806A (zh) * | 2021-08-12 | 2021-12-24 | 中国地质大学(武汉) | 基于时滞关联检测的根源报警分析方法和存储介质 |
CN116781481A (zh) * | 2023-04-28 | 2023-09-19 | 湖北清江水电开发有限责任公司 | 流域梯级电站集控中心监控系统报警报文辅助分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995880A (zh) * | 2010-10-28 | 2011-03-30 | 中国石油化工股份有限公司 | 石化过程异常工况诊断测试系统 |
CN105069115A (zh) * | 2015-08-11 | 2015-11-18 | 浙江中控技术股份有限公司 | 一种基于历史报警分布式聚类的报警抑制方法 |
CN106338975A (zh) * | 2016-09-21 | 2017-01-18 | 浙江中控技术股份有限公司 | 一种报警归并方法及报警归并系统 |
KR20170131045A (ko) * | 2016-05-20 | 2017-11-29 | 고려대학교 산학협력단 | 화학 사고 예방 및 관리를 위한 통합 데이터베이스 구축 방법 |
-
2018
- 2018-12-27 CN CN201811612468.0A patent/CN109887253B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995880A (zh) * | 2010-10-28 | 2011-03-30 | 中国石油化工股份有限公司 | 石化过程异常工况诊断测试系统 |
CN105069115A (zh) * | 2015-08-11 | 2015-11-18 | 浙江中控技术股份有限公司 | 一种基于历史报警分布式聚类的报警抑制方法 |
KR20170131045A (ko) * | 2016-05-20 | 2017-11-29 | 고려대학교 산학협력단 | 화학 사고 예방 및 관리를 위한 통합 데이터베이스 구축 방법 |
CN106338975A (zh) * | 2016-09-21 | 2017-01-18 | 浙江中控技术股份有限公司 | 一种报警归并方法及报警归并系统 |
Non-Patent Citations (4)
Title |
---|
张越然: "基于spark的化工装置平稳度实时预测模型", 《工程科技Ⅰ辑》 * |
杨帆: "智能报警管理若干研究问题", 《计算机与应用化学》 * |
胡静泓: "流程工业分布式智能报警管理系统的研究与开发", 《信息科技辑》 * |
陈磊: "从现场总线到工业以太网的实时性问题研究", 《万方数据知识服务平台》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113839806A (zh) * | 2021-08-12 | 2021-12-24 | 中国地质大学(武汉) | 基于时滞关联检测的根源报警分析方法和存储介质 |
CN113839806B (zh) * | 2021-08-12 | 2023-06-09 | 中国地质大学(武汉) | 基于时滞关联检测的根源报警分析方法和存储介质 |
CN116781481A (zh) * | 2023-04-28 | 2023-09-19 | 湖北清江水电开发有限责任公司 | 流域梯级电站集控中心监控系统报警报文辅助分析方法 |
CN116781481B (zh) * | 2023-04-28 | 2024-05-17 | 湖北清江水电开发有限责任公司 | 流域梯级电站集控中心监控系统报警报文辅助分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109887253B (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459778B (zh) | 运维系统异常指标检测模型优化方法、装置及存储介质 | |
CN106991145B (zh) | 一种监测数据的方法及装置 | |
CN111143102B (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
CN108763729B (zh) | 基于网络结构熵的流程工业机电系统耦合状态评估方法 | |
CN103020166B (zh) | 一种电力实时数据异常检测方法 | |
CN103366091B (zh) | 基于多级阈值指数加权平均的异常报税数据检测方法 | |
CN109033513B (zh) | 电力变压器故障诊断方法与电力变压器故障诊断装置 | |
DE112016004597T5 (de) | System und Verfahren zum Konfigurieren getrennter Überwachungs- und Wirkungsblöcke eines Prozessleitsystems | |
CN109887253B (zh) | 石油化工装置报警的关联分析方法 | |
Gu et al. | A t‐chart for monitoring multi‐variety and small batch production run | |
CN106950945A (zh) | 一种基于量纲可变型独立元分析模型的故障检测方法 | |
CN110895495A (zh) | 人因失误分析方法、系统、计算机设备及存储介质 | |
CN111860645B (zh) | 挥发性有机物观测数据中缺省值的修复方法及装置 | |
WO2019019429A1 (zh) | 一种虚拟机异常检测方法、装置、设备及存储介质 | |
CN109325061A (zh) | 一种基于概率分布的异常数据处理方法及装置 | |
CN106952077B (zh) | 一种工单处理策略的生成方法及装置 | |
Ghute et al. | A nonparametric signed-rank control chart for bivariate process location | |
Rasay et al. | Integration of the decisions associated with maintenance management and process control for a series production system | |
CN112700050A (zh) | 一种光伏电站超短期第1点功率预测方法及系统 | |
Filipovich et al. | Simulation model of selective assembly of two parts with sorting by the estimated values | |
CN110515796B (zh) | 一种基于皮质学习的异常检测方法、装置及终端设备 | |
Imro'ah et al. | The Implementation of Control Charts as a Verification Tool in a Time Series Model for COVID-19 Vaccine Participants in Pontianak | |
CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
CN110110814B (zh) | 基于连续MapReduce的分布并行PCA过程监测建模方法 | |
CN113077105B (zh) | 一种长假日负荷预测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |