CN110398288A - 一种基于dbscan的裂解炉炉管外表面温度计量方法 - Google Patents
一种基于dbscan的裂解炉炉管外表面温度计量方法 Download PDFInfo
- Publication number
- CN110398288A CN110398288A CN201910518797.7A CN201910518797A CN110398288A CN 110398288 A CN110398288 A CN 110398288A CN 201910518797 A CN201910518797 A CN 201910518797A CN 110398288 A CN110398288 A CN 110398288A
- Authority
- CN
- China
- Prior art keywords
- furnace tube
- eps
- cracking furnace
- temperature
- skin temperature
- 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
- 238000005336 cracking Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 11
- 238000013480 data collection Methods 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims 1
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 abstract description 21
- 239000005977 Ethylene Substances 0.000 abstract description 21
- 238000005259 measurement Methods 0.000 abstract description 17
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 239000000523 sample Substances 0.000 description 19
- 238000000197 pyrolysis Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004939 coking Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 1
- 235000018212 Betula X uliginosa Nutrition 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0044—Furnaces, ovens, kilns
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiation Pyrometers (AREA)
Abstract
专利涉及乙烯工业测温设备领域，更具体的说是一种基于DBSCAN的裂解炉炉管外表面温度计量方法及系统和计算机可读存储介质。所述方法具体包括测量裂解炉炉管外表面温度的多个连续温度，得到裂解炉炉管的温度数据集；再由DBSCAN算法计算得到裂解炉炉管外表面温度的聚类簇；最后，根据所述聚类簇，求聚类簇中温度的平均值，作为裂解炉炉管外表面温度计量结果。本专利所提出的基于DBSCAN的裂解炉炉管外表面温度测量方法，使得炉管外表面温度计算的准确率和理论性有了很大的提升，为乙烯裂解生产提供了安全上的保障。
Description
技术领域
本专利涉及乙烯工业测温设备领域，更具体的说是一种基于DBSCAN的裂解炉炉管外表面温度计量方法及系统和计算机可读存储介质。
背景技术
乙烯工业是石油化工产业的核心。世界上已将乙烯产量作为衡量一个国家石油化工发展水平的重要标志之一。裂解炉作为乙烯工业生产中的关键设备，它的生产能力及技术的发展状况，将直接决定乙烯的产量和乙烯产品的品质。目前，国内外绝大多数企业都采用管式裂解炉，通过热裂解技术生产乙烯。裂解炉炉管作为管式裂解炉的核心构件，其安全平稳运行是保障管式裂解炉生产能力的关键。
然而，通过热裂解技术生产乙烯的过程中，裂解炉炉管总是不可避免的产生结焦。研究表明，在裂解炉管结焦的诸多成因中，裂解超温是裂解炉炉管发生结焦进而导致炉管机械失效的最主要原因。因此，为确保裂解炉炉管安全平稳运行，乙烯生产企业在生产过程中极为重视裂解炉炉管外表面温度(Tube Metal External Surface Temperature,TMT)的监测。
在裂解炉炉管外表面温度监测技术方面，本发明团队研制了一种裂解炉炉管外表面非接触式智能测温装置，实现了裂解炉炉管外表面温度的连续多点自动测量。但是，在由测量的连续多点温度数据计算裂解炉炉管外表面最终温度结果方面，原始的计量方法还存在诸多不足。综上所述，本方法的研究对于乙烯裂解炉生产过程中炉管外表面温度的监测具有重要的现实意义。
目前，广泛应用的裂解炉管测温方试主要为通过人工手持非接触式红外测温枪通过裂解炉的观测窗口对炉管进行定位测温[1]，然而，裂解炉的观测窗口周围温度极高，通过人工瞄准测温方式难度大，而且该方法具有测量精度低、随意性强、一次性所测得的炉管数目有限等缺点。文献[2]采用红外热像仪，实现了从看火口检测炉管的表面温度。红外热像仪虽然具有响应速度快、测温范围广等优点，但由于测量时离炉子太近，使得测量仪器易受损伤。此外，红外热像仪价格昂贵。文献[3]提出了一种基于红外比色测温技术的炉管表面温度实时在线监测系统，实现了裂解炉炉管温度场的全局监测。但是，该方法在实现的过程中，需采用内窥式的高温光谱监测探头，而且探头需探入裂解炉内部，才能采集炉内炉管热辐射图像。为维持探头的正常运行，必须长期通入液氮对探头进行降温，因此该方法具有安装和维护成本极高等缺陷。文献[4]提出了一种乙烯裂解炉炉管与炉壁温度判别的方法和测量装置，实现了裂解炉炉管外表面温度的自动测量。文献[5]在文献[4]的基础上提出了一种温度处理算法，实现了原始测量温度数据中每根裂解炉炉管外表面温度的提取和计算，但是此方法中用于温度计算的数据取舍规则是基于人为经验制定的，存在理论性和计算准确性不足等缺陷。
[1]吴家伟,谭伟洪,崔俊华,邹奇海.炉管自动测温与结焦智能诊断系统在裂解炉上的应用[J].乙烯工业,2018,30(04):57-59+6.
[2]付冬梅,石雅楠,杨焘,et al.一种加热炉炉管表面红外检测温度的修正方法[J].激光与红外,vol.46,no.12,pp.1486-1490,2016.
[3]唐磊,吴海滨,仓亚军,等.红外辐射测温在管式工业炉上的应用[J].红外技术,vol.38,no.7,pp.612-616,2016.
[4]Peng ZP(2015)Temperature discrimination method and measuringdevice of the furnace tube surface and the furnace wall.China Patent no201410666748.5.
[5]Peng Z,He J,Tan Y,et al.“Study of dual-phase drive synchronizationmethod and temperature measurement algorithm for measuring external surfacetemperatures of ethylene cracking furnace tubes,”Applied PetrochemicalResearch, vol.8,no.3,pp.163-172,2018.
针对上述现有技术的缺陷，本专利发明人设计了全新的温度采集装置，并申请了大量的专利，包括：
CN104374478B裂解炉炉管外壁与炉膛内壁的温度甄别方法及测量装置；
CN104880255B一种裂解炉炉管外壁测温仪驱动装置；
CN104833432B一种裂解炉炉管外壁测温仪双相驱动同步方法；
CN107367331A一种乙烯裂解炉炉管温度的连续测量装置；
CN108106753A一种关于裂解炉炉管外壁测温初始位置和角度优化方法；
CN108072448A一种关于裂解炉炉管外壁温度计量的数据处理方法；
CN205228645U一种乙烯裂解炉炉管壁温实时监测装置；
CN207007343U一种基于曲柄摇杆的乙烯裂解炉炉管壁温测量装置；
CN206990111U一种基于摆动导杆的乙烯裂解炉炉管壁温测量装置；
CN206920027U一种乙烯裂解炉炉管温度的连续测量装置。
上述这些技术方案，已经很好的解决了裂解炉炉管外表面温度的多个连续温度的测量问题，但对于测得的数据进行分析计算，获得更加精确的结果尚未十分完善，特别是针对测量过程中所产生的噪音，智能测温装置无法进行自动识别和区分。
发明内容
本专利的目的在于克服上述至少一项技术缺陷，提供一种适合智能测温装置能够自动去除测量噪音、获得更加准确计量结果的裂解炉炉管外表面温度计量方法及系统和计算机可读存储介质。
本专利具体通过以下方案实现上述目的。
本专利技术方案提供一种基于DBSCAN的裂解炉炉管外表面温度计量方法，具体包括以下步骤：
S1.测量裂解炉炉管外表面温度的多个连续温度，得到裂解炉炉管的温度数据集为D＝{a1,a2,…,am}；
S2.由DBSCAN算法计算得到裂解炉炉管外表面温度的聚类簇；
S3.根据所述聚类簇，求聚类簇中温度的平均值，作为裂解炉炉管外表面温度计量结果。
DBSCAN算法是一种基于密度的聚类算法，该算法将具有足够密度的区域划分为簇，并可以在具有噪声的数据集中发现任意形状的簇，簇的定义为密度相连的数据点的最大集合。DBSCAN算法中的参数(Eps,MinPts)用来描述簇内样本分布的紧密程度，Eps是聚类簇的半径，MinPts是簇内最少点的数目。下面介绍 DBSCAN算法的一些基本概念。
假设原始样本集为D＝{x1,x2,…,xm}，则DBSCAN具体的密度描述定义如下：
1)Eps-邻域：对于xj∈D，其Eps-邻域是指在其邻域半径Eps范围内数据点的集合，表示为Eps(xj),Eps(xj)的定义为：
Eps(xj)＝{xi∈D|dis tan ce(xi,xj)≤Eps} (1)
2)核心对象：对于xj∈D，如果其Eps-邻域对应的Eps(xj)至少包含MinPts 个数据点，即
|Eps(xj)|≥MinPts (2)
则xj是核心对象。
3)密度直达：对于xi,xj∈D，如果满足以下条件
则称xi到xj密度直达。
4)密度可达：对于xi和xj，如果存在样本序列p1,p2,…,pn，满足 p1＝xi,pn＝xj且pt+1到pt密度直达，则称xj到xi密度可达。
5)密度相连：对于xi和xj，如果存在核心对象样本xk，使xi和xj均由xk密度可达，则称xi和xj密度相连。
6)噪声点：假设C1,C2,…,Ck为数据集D根据参数Eps和MinPts产生的类簇，如果数据集D中某些数据点不属于任何一个类，就把这些数据点定义为噪声点，表示为：
基于上述的理论分析，所述步骤S2具体包括以下步骤：
S21.设置DBSCAN算法中的参数(Eps,MinPts)，Eps是聚类簇的半径，MinPts 是簇内最少点的数目；
S22.根据设定的参数，找到数据点ai的Eps-邻域子样本集Eps(ai)；
S23.如果数据点ai的Eps-邻域子样本集Eps(ai)中的数据点数目满足公式 |Eps(xj)|≥MinPts，则将数据点ai加入核心对象样本集合Ω；
S24.在核心对象集合Ω中，选取一个未分类的核心对象ω，找到ω能够密度可达的所有得数据点构成的序列ST；
S25.由公式Eps(xj)＝{xi∈D|dis tan ce(xi,xj)≤Eps}获取序列ST的Eps-邻域内所有的数据点集合CT＝{b1,b2,…,bn}，CT作为裂解炉炉管外表面温度的聚类簇。
以下详细解释上述步骤的计算过程：
1、假设采集得到的裂解炉炉管温度数据集为D＝{a1,a2,…,am}，通过分析D 中温度数据点的特征，设置DBSCAN算法中的参数(Eps,MinPts)和数据集D中数据点距离的计算方式。
2、对于温度数据集D中的数据点，按照以下步骤找出所有的核心对象：
步骤一：通过选定的距离计算方式，找到数据点ai的Eps-邻域子样本集 Eps(ai)；
步骤二：如果数据点ai的Eps-邻域子样本集中的数据点数目满足公式(2)，则将数据点ai加入核心对象样本集合Ω。
3、在核心对象集合Ω中，随机选取一个未分类的核心对象ω，找到ω能够密度可达的所有得数据点构成的序列ST，然后由公式(1)获取序列ST的Eps-邻域内所有的数据点集合CT＝{b1,b2,…,bn}，即为炉管温度数据的聚类簇。
4、根据得到的炉管温度数据的聚类簇CT，由公式(5)即可计算出当前裂解炉炉管的外表面温度的最终结果
上述第4点即为本专利所述步骤S3具体步骤。
进一步的，为保证具有足够的裂解炉炉管外表面温度数据能够在运行于智能测温装置内嵌入式处理平台的DBSCAN算法形成聚类簇CT，所述步骤S1中测量8～20个裂解炉炉管外表面温度。如上所述DBSCAN算法是一种基于密度的聚类算法，当然基于密度的聚类算法还有很多，比如K-MEANS、BIRCH、OPTICS、 DENCLUE、WAVE-CLUSTER等等，算法最终的准确性和适用度是需要基于不同的数据来源进行具体应用的，也就是说算法无好坏之分，只有是否适用，是否最优的差异，所以如何选择合适的算法就十分关键。本专利基于上述本专利发明人所开发的温度数据采集方法和设备(背景技术中的专利列表)，可以获得准确的数据集(当然噪音是不可完全避免的)，数据准确性高的前提下，则无需过多的样本采集，这样可以大大提高计算效率，也更符合DBSCAN这种计算方法。而且采用该采集方法设备所获得的温度数据，经过多方验证，DBSCAN体现出来的优异性远高于其他算法。另外，采用DBSCAN还能降低数据采集量，在该领域中具有无可比拟的设备成本优势。
合理的选择聚类簇的半径Eps和簇内最少点的数目MinPts能提交计算的效率和准确性，在本专利中，所述步骤S21中，优选Eps＝3～15，MinPts＝3～10。
基于上述方法，本专利还开发了一种基于DBSCAN的裂解炉炉管外表面温度计量系统，用于计算机或计量设备适用，具体包括：
测量裂解炉炉管外表面温度的多个连续温度，得到裂解炉炉管的温度数据集为D＝{a1,a2,…,am}的智能测温装置；
接收智能测温装置的温度数据集，并通过DBSCAN算法计算得到裂解炉炉管外表面温度的聚类簇的计算系统；
根据所述计算模块输出的聚类簇，求聚类簇中温度的平均值，作为裂解炉炉管外表面温度计量结果的输出系统。
具体的所述计算系统包括：
设置DBSCAN算法中的参数(Eps,MinPts)的输入模块，Eps是聚类簇的半径，MinPts是簇内最少点的数目；
根据输入的参数，找到数据点ai的Eps-邻域子样本集Eps(ai)的邻域子样本分析模块；
判断数据点ai的Eps-邻域子样本集Eps(ai)中的数据点数目满足公式 |Eps(xj)|≥MinPts，将数据点ai加入核心对象样本集合的核心对象判断模块；
在核心对象集合Ω中，选取一个未分类的核心对象ω，找到ω能够密度可达的所有得数据点构成的序列ST的密度可达计算模块；
通过公式Eps(xj)＝{xi∈D|dis tan ce(xi,xj)≤Eps}获取序列ST的Eps-邻域内所有的数据点集合CT＝{b1,b2,…,bn}，得到裂解炉炉管外表面温度的聚类簇的聚类簇计算模块。
所述输出系统具体为：
根据得到的炉管温度数据的聚类簇CT，由公式计算出当前裂解炉炉管的外表面温度的最终结果。
本专利还进一步开发了实现上述方法步骤的计算机程序，存储于计算机可读存储介质上，使计算机程序被处理器执行时能够实现上述方法的步骤。
所述计算机程序符合如下算法：
本专利所提出的基于DBSCAN的裂解炉炉管外表面温度测量方法，使得炉管外表面温度计算的准确率和理论性有了很大的提升，为乙烯裂解生产提供了安全上的保障。
附图说明
图1示出了基于DBSCAN的裂解炉炉管外表面温度计量方法的整体流程图。
图2示出了基于DBSCAN的裂解炉炉管外表面温度计量方法的详细流程。
图3为智能测温装置所取的裂解炉炉管的温度数据分布图。
图4为图3中H-115号裂解炉随机提取的四根不同炉管的温度数据的聚类结果之一。
图5为图3中H-115号裂解炉随机提取的四根不同炉管的温度数据的聚类结果之二。
图6为图3中H-115号裂解炉随机提取的四根不同炉管的温度数据的聚类结果之三。
图7为本专利方法处理得到的炉管温度结果的变化曲线。
图8为对比例根据文献[5]中的方法处理得到的炉管温度结果的变化曲线。
图9为对比例采用人工测量方法处理得到的炉管温度结果的变化曲线。
具体实施方式
以下结合附图针对本发明举例说明其优越性。
本发明附图仅用于示例性说明，不能理解为对本发明的限制。为了更好说明以下实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
原理说明
DBSCAN算法是一种基于密度的聚类算法，该算法将具有足够密度的区域划分为簇，并可以在具有噪声的数据集中发现任意形状的簇，簇的定义为密度相连的数据点的最大集合。DBSCAN算法中的参数(Eps,MinPts)用来描述簇内样本分布的紧密程度，Eps是聚类簇的半径，MinPts是簇内最少点的数目。下面介绍 DBSCAN算法的一些基本概念。
假设原始样本集为D＝{x1,x2,…,xm}，则DBSCAN具体的密度描述定义如下：
1)Eps-邻域：对于xj∈D，其Eps-邻域是指在其邻域半径Eps范围内数据点的集合，表示为Eps(xj),Eps(xj)的定义为：
Eps(xj)＝{xi∈D|dis tan ce(xi,xj)≤Eps} (6)
2)核心对象：对于xj∈D，如果其Eps-邻域对应的Eps(xj)至少包含MinPts 个数据点，即
|Eps(xj)|≥MinPts (7)
则xj是核心对象。
3)密度直达：对于xi,xj∈D，如果满足以下条件
则称xi到xj密度直达。
4)密度可达：对于xi和xj，如果存在样本序列p1,p2,…,pn，满足 p1＝xi,pn＝xj且pt+1到pt密度直达，则称xj到xi密度可达。
5)密度相连：对于xi和xj，如果存在核心对象样本xk，使xi和xj均由xk密度可达，则称xi和xj密度相连。
6)噪声点：假设C1,C2,…,Ck为数据集D根据参数Eps和MinPts产生的类簇，如果数据集D中某些数据点不属于任何一个类，就把这些数据点定义为噪声点，表示为：
图1示出了基于DBSCAN的裂解炉炉管外表面温度计量方法的整体流程图。
具体实施方式如下：
第一步：数据采集过程。通过运行于乙烯裂解炉边缘侧的智能测温装置，测量得到用于计算裂解炉管外表面温度的连续温度数据点。
第二步：由基于DBSCAN的裂解炉炉管外表面温度计量方法计算得到裂解炉炉管外表面温度的最终结果。
图2示出了基于DBSCAN的裂解炉炉管外表面温度计量方法的详细流程，具体步骤如下所述：
1、假设采集得到的裂解炉炉管温度数据集为D＝{a1,a2,…,am}，通过分析D 中温度数据点的特征，设置DBSCAN算法中的参数(Eps,MinPts)和数据集D中数据点距离的计算方式。
2、对于温度数据集D中的数据点，按照以下步骤找出所有的核心对象：
步骤一：通过选定的距离计算方式，找到数据点ai的Eps-邻域子样本集 Eps(ai)；
步骤二：如果数据点ai的Eps-邻域子样本集中的数据点数目满足公式(2)，则将数据点ai加入核心对象样本集合Ω。
3、在核心对象集合Ω中，随机选取一个未分类的核心对象ω，找到ω能够密度可达的所有得数据点构成的序列ST，然后由公式(1)获取序列ST的Eps-邻域内所有的数据点集合CT＝{b1,b2,…,bn}，即为炉管温度数据的聚类簇。
4、根据得到的炉管温度数据的聚类簇CT，由公式(5)即可计算出当前裂解炉炉管的外表面温度的最终结果。
裂解炉炉管外表面温度计算方法的算法描述如(Algorithm 1)。
对比分析
以下结合上述方法和计算机程序，采用实验对比方式来体现本实施例的优越性。
实验所取的裂解炉炉管的温度数据分布图如图3所示，图3(a)、3(b)、3(c) 和3(d)分别为智能测温装置测量得到的H-115号裂解炉中随机抽取的四根不同炉管的温度数据分布图。由图3可以看出，测量得到的炉管外表面温度数据中存在少量的噪声数据。由分析可知，这些噪声数据产生的原因是由于在智能测温装置测量过程中，当测温探头的红外光束刚开始接触到炉管表面和离开炉管表面的时候，只能测量到很小部分的裂解炉炉管表面，此时裂解炉炉膛内的温度会对测量的炉管温度有很大影响，使得测量结果与实际炉管表面温度偏差较大，无法准确代表炉管表面的温度。
通过分析炉管的温度数据分布存在的特点，设定DBSCAN算法中的参数 (Eps,MinPts)，本实验中设定为(4,4)、(6,4)和(14,4)，然后对炉管的温度数据进行聚类。图3中H-115号裂解炉随机提取的四根不同炉管的温度数据的聚类结果分别如图4、图5和图6所示，图中ε＝Eps，由图可以看出，当参数设置为(4,4) 和(14,4)时，会出现正常点与噪声点区分不理想，导致聚类过渡或是聚类不足的情况；最终，根据聚类结果，按照公式(5)计算四根炉管的外表面温度值，图4 中计算结果分别为：923℃，924℃，905℃和1086℃；图5中计算结果分别为： 921℃，923℃，904℃和1089℃，其中第四根炉管温度计算结果偏高；图6中计算结果分别为：926℃，924℃，906℃和1084℃，其中第一根炉管温度计算结果偏高，第四根炉管温度计算结果偏低。
为验证所提方法在炉管外表面温度计算方面的优越性，使用本方法与文献[5] 中的方法以及人工测量方法做了对比性。实验数据选取于H-115号裂解炉的3 号观测窗口观测到的12根炉管的温度数据，采集数据的时间段为7天。然后，分别使用上述3种方法对炉管温度数据进行处理，并绘制了3种方法处理得到的炉管温度结果的变化曲线，变化曲线分别如图7、图8和图9所示。
由图7可以看出，H-115号炉的3号观测窗口观测到的12根炉管的外表面温度都呈上升的趋势，并由乙烯裂解厂工艺员确认，图示趋势符合实际裂解生产过程中炉管外表面温度的变化规律；由图8可以看出，根据文献[5]中的方法计算得到的12根炉管的外表面温度变化趋势总体上和本文方法一致，但是在第3 根和第8根炉管的外表面温度中，还是会存在与总体趋势有较大偏离的数据，如方框中的温度点所示；由图9可以看出，通过传统人工测量的方式所测得的炉管外表面温度数据的整体变化情况表现得极为混乱，会存在很多的异常数据值，如图中红色圆圈内的温度点所示，而且其值超出了炉管温度变化趋势正常的范围。通过分析，这种情况产生的原因是由于测量工人的不准确测温造成的。测温的不准确会对炉管的健康状况的诊断形成误判，而且对炉管温度再次进行测量，还会加重工人的劳动量。
有上述实验可知，所提出的一种基于DBSCAN的裂解炉炉管外表面温度测量方法，使得炉管外表面温度计算的准确率和理论性有了一定程度上的提升，为乙烯裂解生产提供了安全上的保障。
显然，本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于DBSCAN的裂解炉炉管外表面温度计量方法，其特征在于，包括以下步骤：
S1.测量裂解炉炉管外表面温度的多个连续温度，得到裂解炉炉管的温度数据集为D＝{a1,a2,…,am}；
S2.由DBSCAN算法计算得到裂解炉炉管外表面温度的聚类簇；
S3.根据所述聚类簇，求聚类簇中温度的平均值，作为裂解炉炉管外表面温度计量结果。
2.根据权利要求1所述的基于DBSCAN的裂解炉炉管外表面温度计量方法，其特征在于，所述步骤S2具体包括以下步骤：
S21.设置DBSCAN算法中的参数(Eps,MinPts)，Eps是聚类簇的半径，MinPts是簇内最少点的数目；
S22.根据设定的参数，找到数据点ai的Eps-邻域子样本集Eps(ai)；
S23.如果数据点ai的Eps-邻域子样本集Eps(ai)中的数据点数目满足公式|Eps(xj)|≥MinPts，则将数据点ai加入核心对象样本集合Ω；
S24.在核心对象集合Ω中，选取一个未分类的核心对象ω，找到ω能够密度可达的所有得数据点构成的序列ST；
S25.由公式Eps(xj)＝{xi∈D|distance(xi,xj)≤Eps}获取序列ST的Eps-邻域内所有的数据点集合CT＝{b1,b2,…,bn}，CT作为裂解炉炉管外表面温度的聚类簇。
3.根据权利要求2所述的基于DBSCAN的裂解炉炉管外表面温度计量方法，其特征在于，所述步骤S3具体包括以下步骤：
根据得到的炉管温度数据的聚类簇CT，由公式计算出当前裂解炉炉管的外表面温度的最终结果。
4.根据权利要求1至3任一项所述的基于DBSCAN的裂解炉炉管外表面温度计量方法，其特征在于，所述步骤S1中测量8～20个裂解炉炉管外表面温度。
5.根据权利要求2至3任一项所述的基于DBSCAN的裂解炉炉管外表面温度计量方法，其特征在于，所述步骤S21中，Eps＝3～15，MinPts＝3～10。
6.一种基于DBSCAN的裂解炉炉管外表面温度计量系统，其特征在于，包括：
测量裂解炉炉管外表面温度的多个连续温度，得到裂解炉炉管的温度数据集为D＝{a1,a2,…,am}的智能测温装置；
接收智能测温装置的温度数据集，并通过DBSCAN算法计算得到裂解炉炉管外表面温度的聚类簇的计算系统；
根据所述计算模块输出的聚类簇，求聚类簇中温度的平均值，作为裂解炉炉管外表面温度计量结果的输出系统。
7.根据权利要求1所述的基于DBSCAN的裂解炉炉管外表面温度计量系统，其特征在于，所述计算系统包括：
设置DBSCAN算法中的参数(Eps,MinPts)的输入模块，Eps是聚类簇的半径，MinPts是簇内最少点的数目；
根据输入的参数，找到数据点ai的Eps-邻域子样本集Eps(ai)的邻域子样本分析模块；
判断数据点ai的Eps-邻域子样本集Eps(ai)中的数据点数目满足公式|Eps(xj)|≥MinPts，将数据点ai加入核心对象样本集合的核心对象判断模块；
在核心对象集合Ω中，选取一个未分类的核心对象ω，找到ω能够密度可达的所有得数据点构成的序列ST的密度可达计算模块；
通过公式Eps(xj)＝{xi∈D|distance(xi,xj)≤Eps}获取序列ST的Eps-邻域内所有的数据点集合CT＝{b1,b2,…,bn}，得到裂解炉炉管外表面温度的聚类簇的聚类簇计算模块。
8.根据权利要求7所述的基于DBSCAN的裂解炉炉管外表面温度计量系统，其特征在于，所述输出系统具体为：
根据得到的炉管温度数据的聚类簇CT，由公式计算出当前裂解炉炉管的外表面温度的最终结果的输出系统。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述方法的步骤。
10.根据权利要求7所述的计算机可读存储介质，其特征在于，所述计算机程序符合如下算法：
。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910518797.7A CN110398288A (zh) | 2019-06-16 | 2019-06-16 | 一种基于dbscan的裂解炉炉管外表面温度计量方法 |
| PCT/CN2020/092650 WO2020253485A1 (zh) | 2019-06-16 | 2020-05-27 | 一种基于dbscan的裂解炉炉管外表面温度计量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910518797.7A CN110398288A (zh) | 2019-06-16 | 2019-06-16 | 一种基于dbscan的裂解炉炉管外表面温度计量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110398288A true CN110398288A (zh) | 2019-11-01 |
Family
ID=68324089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910518797.7A Pending CN110398288A (zh) | 2019-06-16 | 2019-06-16 | 一种基于dbscan的裂解炉炉管外表面温度计量方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110398288A (zh) |
| WO (1) | WO2020253485A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020253485A1 (zh) * | 2019-06-16 | 2020-12-24 | 广东石油化工学院 | 一种基于dbscan的裂解炉炉管外表面温度计量方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107367331A (zh) * | 2017-07-26 | 2017-11-21 | 广东石油化工学院 | 一种乙烯裂解炉炉管温度的连续测量装置 |
| CN108072448A (zh) * | 2017-12-13 | 2018-05-25 | 广东石油化工学院 | 一种关于裂解炉炉管外壁温度计量的数据处理方法 |
| CN108436050A (zh) * | 2018-04-16 | 2018-08-24 | 大连理工大学 | 一种采用空间密度聚类dbscan预报连铸结晶器漏钢的方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105717556B (zh) * | 2016-02-03 | 2018-03-27 | 长江水利委员会水文局 | 一种基于大数据的自分型雷达估测降水方法 |
| CN109669990A (zh) * | 2018-11-16 | 2019-04-23 | 重庆邮电大学 | 一种基于dbscan对密度不规则数据进行异常挖掘的改进算法 |
| CN110398288A (zh) * | 2019-06-16 | 2019-11-01 | 广东石油化工学院 | 一种基于dbscan的裂解炉炉管外表面温度计量方法 |
-
2019
- 2019-06-16 CN CN201910518797.7A patent/CN110398288A/zh active Pending
-
2020
- 2020-05-27 WO PCT/CN2020/092650 patent/WO2020253485A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107367331A (zh) * | 2017-07-26 | 2017-11-21 | 广东石油化工学院 | 一种乙烯裂解炉炉管温度的连续测量装置 |
| CN108072448A (zh) * | 2017-12-13 | 2018-05-25 | 广东石油化工学院 | 一种关于裂解炉炉管外壁温度计量的数据处理方法 |
| CN108436050A (zh) * | 2018-04-16 | 2018-08-24 | 大连理工大学 | 一种采用空间密度聚类dbscan预报连铸结晶器漏钢的方法 |
Non-Patent Citations (1)
| Title |
|---|
| ZHIPING PENG ET AL.: ""Study of dual-phase drive synchronizationmethod and temperature measurement algorithm for measuring external surfacetemperatures of ethylene cracking furnace tubes"", 《APPLIED PETROCHEMICAL RESEARCH》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020253485A1 (zh) * | 2019-06-16 | 2020-12-24 | 广东石油化工学院 | 一种基于dbscan的裂解炉炉管外表面温度计量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020253485A1 (zh) | 2020-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102508110B (zh) | 基于纹理的绝缘子缺陷诊断方法 | |
| CN110889455B (zh) | 一种化工园巡检机器人的故障检测定位及安全评估方法 | |
| CN103839302B (zh) | 一种火电厂智能巡检系统及方法 | |
| CN100394147C (zh) | 数字视频水位计 | |
| CN105769130A (zh) | 一种测量人体体温的装置和方法 | |
| CN108896186A (zh) | 设备智能诊断的方法及装置 | |
| 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 | |
| CN103335537A (zh) | 凝汽器实时运行清洁系数在线监测方法 | |
| CN106247000B (zh) | 一种可分析油井供液情况的单流阀及油井供液情况的分析方法 | |
| CN103247039A (zh) | 一种基于复合视觉的高压线缆带电检测方法 | |
| CN116595327A (zh) | 水闸变形监测数据预处理系统及方法 | |
| CN110398288A (zh) | 一种基于dbscan的裂解炉炉管外表面温度计量方法 | |
| CN110343541A (zh) | 一种裂解炉管智能结焦监测边云协同平台及其工作方法 | |
| CN105447444A (zh) | 一种基于差分窗和模板匹配的otdr事件分析算法 | |
| CN113820017A (zh) | 基于红外图像的发电机碳刷温度监测系统及温度预测方法 | |
| US20180075114A1 (en) | Petrochemical Equipment Corrosion Treatment Method, Apparatus and System | |
| He et al. | Intelligent Fault Analysis With AIOps Technology | |
| CN113404655A (zh) | 一种基于ps0-anfis的风力发电机传感器状态诊断系统 | |
| CN105956591B (zh) | 一种在线高温零件红外图像光谱抽样检测方法 | |
| CN110320236A (zh) | 大型风力机叶片内部缺陷深度的红外测量方法 | |
| CN110222814A (zh) | 基于嵌入式dcnn的乙烯裂解炉炉管重管识别方法 | |
| CN107063734A (zh) | 一种凝汽器、凝汽器监测系统、凝汽器耗差分析方法 | |
| CN116429269A (zh) | 一种乙烯裂解炉炉管红外智能分析系统 | |
| CN110197199A (zh) | 嵌入式dcnn和边缘计算的裂解炉重管温度识别方法 | |
| CN106248215A (zh) | 一种电力变压器关键部件运行温度的实时测算系统 |
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: 20191101 |