CN111353236B - 基于多因素的石化常压储油罐健康状态评估系统 - Google Patents
基于多因素的石化常压储油罐健康状态评估系统 Download PDFInfo
- Publication number
- CN111353236B CN111353236B CN202010182511.5A CN202010182511A CN111353236B CN 111353236 B CN111353236 B CN 111353236B CN 202010182511 A CN202010182511 A CN 202010182511A CN 111353236 B CN111353236 B CN 111353236B
- Authority
- CN
- China
- Prior art keywords
- storage tank
- parameter
- oil storage
- health state
- influence
- 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 205
- 238000011156 evaluation Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 81
- 239000013598 vector Substances 0.000 claims abstract description 71
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 230000015556 catabolic process Effects 0.000 claims abstract description 29
- 238000006731 degradation reaction Methods 0.000 claims abstract description 29
- 238000012790 confirmation Methods 0.000 claims abstract description 22
- 238000005315 distribution function Methods 0.000 claims description 32
- 230000003862 health status Effects 0.000 claims description 22
- 230000006866 deterioration Effects 0.000 claims description 21
- 201000010099 disease Diseases 0.000 claims description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 239000011248 coating agent Substances 0.000 claims description 6
- 238000000576 coating method Methods 0.000 claims description 6
- 230000005713 exacerbation Effects 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 238000004321 preservation Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 4
- 230000003935 attention Effects 0.000 claims description 3
- 239000004566 building material Substances 0.000 claims description 3
- 239000004035 construction material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000036642 wellbeing Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 abstract 2
- 238000003786 synthesis reaction Methods 0.000 abstract 2
- 238000000034 method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012372 quality testing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种基于多因素的石化常压储油罐健康状态评估系统,所述评估系统包括影响因素确认模块、概率影响下健康状态等级隶属度矩阵获取模块、参数异常严酷度影响下健康状态等级隶属度矩阵获取模块、综合影响下健康状态隶属度向量获取模块、储油罐动态监测参数健康状态确定模块、储油罐各基础参数确认模块、储油罐各基础参数劣化度确认模块、储油罐基础参数模糊综合评估模块、储油罐基础健康状态确定模块、最终储油罐的健康状态确认模块;其中,常压储油罐的健康状态受多种因素的影响,通过采集相应传感数据,再综合储油罐基础数据情况对储油罐的健康状态进行评估,本发明对储油罐健康状态进行科学的综合评估,提高了储油罐使用的安全性。
Description
技术领域
本发明涉及装备健康状态评估应用领域,特别是公开了一种基于多因素的石化常压储油罐健康状态评估系统。
背景技术
目前石化行业常压储油罐主要通过定期人工巡检和定点监测警报系统相结合的安全管理模式来保障库区安全问题,但是随着石化产业的蓬勃发展、储油罐规模日益扩大、储油罐规格大型化、精密化,现有模式检测显得精度和效率较为低下。
影响储油罐的安全因素众多,目前还没有一种涉及石化储油罐的多因素综合,高效、科学的健康状态评估系统。
发明内容
为克服上述问题,本发明的目的是提供一种基于多因素的石化常压储油罐健康状态评估系统,对储油罐健康状态进行科学的综合评估,提高了储油罐使用的安全性。
本发明采用以下方案实现:一种基于多因素的石化常压储油罐健康状态评估系统,所述评估系统包括影响因素确认模块、概率影响下健康状态等级隶属度矩阵获取模块、参数异常严酷度影响下健康状态等级隶属度矩阵获取模块、综合影响下健康状态隶属度向量获取模块、储油罐动态监测参数健康状态确定模块、储油罐各基础参数确认模块、储油罐各基础参数劣化度确认模块、储油罐基础参数模糊综合评估模块、储油罐基础健康状态确定模块、最终储油罐的健康状态确认模块;
所述影响因素确认模块,用于确定储油罐健康状态影响因素,对影响因素的参数进行采集并得到每种参数发生异常的概率;
所述概率影响下健康状态等级隶属度矩阵获取模块,用于建立健康状态下参数发生异常的概率隶属度分布函数,获取概率影响下健康状态等级隶属度矩阵;
所述参数异常严酷度影响下健康状态等级隶属度矩阵获取模块,用于建立健康状态等级隶属度分布函数,获取参数异常严酷度影响下健康状态等级隶属度矩阵;
所述综合影响下健康状态隶属度向量获取模块,用于获取综合影响下参数异常严酷度对健康状态隶属度向量;
所述储油罐动态监测参数健康状态确定模块,用于确定储油罐动态监测参数健康状态;
所述储油罐各基础参数确认模块,用于建立储油罐状态集和状态评价集,获取储油罐各基础参数重要度权重系数;
所述储油罐各基础参数劣化度确认模块,用于确定储油罐各基础参数劣化度;
所述储油罐基础参数模糊综合评估模块,用于建立基础参数劣化度判断矩阵,进行储油罐基础参数模糊综合评估;
所述储油罐基础健康状态确定模块,用于按最大隶属度原则确定储油罐基础健康状态;
所述最终储油罐的健康状态确认模块,用于取所述储油罐动态监测参数健康状态和所述储油罐基础健康状态中的严重级别,确定最终储油罐的健康状态。
进一步的,所述影响因素确认模块进一步具体包括在线监测的参数确认单元、比对单元、参数发生异常的概率获取单元,
所述在线监测的参数确认单元,用于通过储油罐健康状态影响分析,选取在线监测的参数包括但不限于该五项参数:罐内温度记为参数A、罐内压力记为参数B、罐内液位记为参数C、管道的振动数据记为参数D、防雷接地电阻记为参数E;对监测的参数进行采集经过网络传输至数据处理服务器;
所述比对单元,对每种参数与对应设置好的正常范围值进行比对,若超出正常范围则记为异常,统计异常次数,用于测试数据分析;
所述参数发生异常的概率获取单元,通过测试数据分析得到参数发生异常的概率,概率越小,则储油罐健康状态越好。
进一步的,所述概率影响下健康状态等级隶属度矩阵获取模块进一步具体包括概率隶属度分布函数获取单元、概率影响下健康状态隶属度向量获取单元;
所述概率隶属度分布函数获取单元,用于根据每种参数发生异常概率p分布的特性,在一设定的置信区间内,监测的参数异常发生的概率值越小,健康状态越趋于优,则选择三角分布作为健康状态下参数发生异常的概率隶属度分布函数,有:
所述概率影响下健康状态隶属度向量获取单元,用于将监测的参数A、参数B、参数C、参数D、参数E对应的发生异常的概率值代入概率隶属度分布函数,可得单因素影响下的健康状态隶属度向量分别为vA1、vB1、vC1、vD1、vE1。
进一步的,所述参数异常严酷度影响下健康状态等级隶属度矩阵获取模块进一步具体包括参数异常严酷度的健康状态等级隶属度分布函数获取单元、参数异常严酷度影响下健康状态隶属度向量获取单元;
所述参数异常严酷度的健康状态等级隶属度分布函数获取单元,用于设置参数异常的严酷度级别q,其中,参数异常严酷度和参数异常发生的概率对健康状态的影响特性相同,则同样选取三角分布作为参数异常严酷度的健康状态等级隶属度分布函数,有
所述参数异常严酷度影响下健康状态隶属度向量获取单元,用于选取各严酷度级别的最大评分值代入健康状态等级隶属度分布函数,可得单因素参数异常严酷度影响下健康状态隶属度向量分别为vA2、vB2、vC2、vD2、vE2。
进一步的,所述综合影响下健康状态隶属度向量获取模块进一步具体为:
将动态监测参数异常概率影响下各参数的健康状态隶属度向量vA1、vB1、vC1、vD1、vE1和参数异常严酷度影响下各参数的健康状态隶属度向量vA2、vB2、vC2、vD2、vE2与第j种健康状态等级向量v0j分别进行灰色关联;其中,j为健康状态等级分健康、良好、注意、恶化和疾病,记作1,…,5;即向量v0j表示为:v01=(1,0,0,0,0)、v02=(0,1,0,0,0)、v03=(0,0,1,0,0)、v04=(0,0,0,1,0)、v05=(0,0,0,0,1);
依据式
式中m为1,…,5;
k为参数A、B、C、D、E;
因素i为1,2;
j为1,…,5;
为二级最小差,
为二级最大差,|v0j(m)-vki(m)|为绝对差值;
求得ξkij(m)
再利用式
式中m为1,…,5;
k为参数A、B、C、D、E;
因素i为1,2;
j为1,…,5;
求得rkij
再利用式
计算得到r’ki
能计算得到权重向量Rk=(r’k1,r’k2),即:RA=(r’A1,r’A2),RB=(r’B1,r’B2),RC=(r’C1,r’C2),RD=(r’D1,r’D2),RE=(r’E1,r’E2),
Hk=Rk·Vk
式中k为参数A、B、C、D、E;
可行到储油罐的A、B、C、D、E五种参数在参数异常发生概率和参数异常严酷度综合影响下的健康状态隶属度向量分别为HA、HB、HC、HD、HE。
进一步的,所述储油罐动态监测参数健康状态确定模块进一步具体为:设置动态监测参数异常概率与动态监测参数异常严酷度综合影响下的储油罐动态监测参数健康状态等级为:健康、良好、注意、恶化、疾病;则根据最大隶属度原则,通过健康状态隶属度向量HA、HB、HC、HD、HE能得储油罐的A、B、C、D、E五种参数对应的储油罐动态监测参数健康状态等级。
进一步的,所述储油罐各基础参数确认模块进一步具体为:所述储油罐各基础参数包括投用、改造日期,涂层、保温和衬里的安装质量,常压储油罐历次检验和检测情况数据,各层壁板和底板的建造材料、名义厚度,将此四项基础数据依次编为U1,U2,U3,U4;根据储油罐各基础数据,则储油罐状态集为:U=(U1,U2,U3,U4);根据储油罐动态监测参数健康状态等级:健康、良好、注意、恶化、疾病;则设定储油罐的健康状态等级分别对应为I,II,III,IV,V,则储油罐状态评价集为G=(I,II,III,IV,V);根据储油罐状态集和状态评价集,确定四项基础参数的权重系数分别为:权重W1、权重W2、权重W3、权重W4。
进一步的,所述储油罐各基础参数劣化度确认模块进一步具体为:针对投用、改造日期的基础参数U1,根据储油罐实际使用时间计算劣化度;即劣化度计算公式为:
li=(t/T)k
式中:i=1,t为储油罐的使用时间;T为该储油罐的平均故障寿命;k为故障指数,k取1或2;
针对涂层、保温和衬里的安装质量U2,常压储油罐历次检验和检测情况数据U3,各层壁板和底板的建造材料、名义厚度U4,这些基础参数先经过劣化度估算公式:
li′=(X·P1+Y·P2+Z·P3)/(P1+P2+P3),i=2,3,4
式中:X,Y,Z为系数其值介于0~1之间,0代表健康,1代表完全劣化;P1、P2、P3分别为设计人员、质检人员、行内专家的权重;
求解,再结合储油罐的平均故障寿命计算,利用公式:
式中:t为储油罐的使用时间;T为该储油罐的平均故障寿命;k为故障指数,k取1或2;
计算基础参数U2,U3,U4的劣化度。
进一步的,所述储油罐基础参数模糊综合评估模块进一步具体为:
根据各基础参数劣化度求其健康状态等级的隶属度,采用岭形分布隶属度函数:
由此可得到以劣化度为评价标准的模糊评判矩阵为:
Ri=(rI(li),rII(li),rIII(li),rIV(li),rV(li))
则储油罐基础参数的模糊综合评估:
E=W·R
其中W为四项基础参数的权重系数W=(W1,W2,W3,W4)。
进一步的,所述储油罐基础健康状态确定模块进一步具体为:从模糊综合评估结果能得到该储油罐属于健康、良好、注意、恶化、疾病的数值,再按最大隶属度原则能判断储油罐基础参数所处的是健康、良好、注意、恶化、疾病中的哪一个状态。
本发明的有益效果在于:本发明公布了一种基于多因素的石化常压储油罐健康状态评估系统,运用传感监测收集与设备故障、安全相关的数据,结合合储油罐基础数据,对储油罐健康状态进行科学的综合评估,不仅提高了储油罐使用的安全性,而且也确保了石化常压储油罐的使用寿命。
附图说明
图1是本发明的系统框架示意图。
图2是本发明的影响因素确认模块的详细原理图。
图3是本发明的概率影响下健康状态等级隶属度矩阵获取模块的详细原理图。
图4是本发明的参数异常严酷度影响下健康状态等级隶属度矩阵获取模块的详细原理图。
具体实施方式
下面结合附图对本发明做进一步说明。
请参阅图1所示,本发明的一种基于多因素的石化常压储油罐健康状态评估系统,所述评估系统包括影响因素确认模块、概率影响下健康状态等级隶属度矩阵获取模块、参数异常严酷度影响下健康状态等级隶属度矩阵获取模块、综合影响下健康状态隶属度向量获取模块、储油罐动态监测参数健康状态确定模块、储油罐各基础参数确认模块、储油罐各基础参数劣化度确认模块、储油罐基础参数模糊综合评估模块、储油罐基础健康状态确定模块、最终储油罐的健康状态确认模块;
所述影响因素确认模块,用于确定储油罐健康状态影响因素,对影响因素的参数进行采集并得到每种参数发生异常的概率;
所述概率影响下健康状态等级隶属度矩阵获取模块,用于建立健康状态下参数发生异常的概率隶属度分布函数,获取概率影响下健康状态等级隶属度矩阵;
所述参数异常严酷度影响下健康状态等级隶属度矩阵获取模块,用于建立健康状态等级隶属度分布函数,获取参数异常严酷度影响下健康状态等级隶属度矩阵;
所述综合影响下健康状态隶属度向量获取模块,用于获取综合影响下参数异常严酷度对健康状态隶属度向量;
所述储油罐动态监测参数健康状态确定模块,用于确定储油罐动态监测参数健康状态;
所述储油罐各基础参数确认模块,用于建立储油罐状态集和状态评价集,获取储油罐各基础参数重要度权重系数;
所述储油罐各基础参数劣化度确认模块,用于确定储油罐各基础参数劣化度;
所述储油罐基础参数模糊综合评估模块,用于建立基础参数劣化度判断矩阵,进行储油罐基础参数模糊综合评估;
所述储油罐基础健康状态确定模块,用于按最大隶属度原则确定储油罐基础健康状态;
所述最终储油罐的健康状态确认模块,用于取所述储油罐动态监测参数健康状态和所述储油罐基础健康状态中的严重级别,确定最终储油罐的健康状态。
下面对本发明进一步说明:所述影响因素确认模块进一步具体包括在线监测的参数确认单元、比对单元、参数发生异常的概率获取单元,所述在线监测的参数确认单元,用于通过储油罐健康状态影响分析,综合考虑影响储油罐安全的因素,选取在线监测的参数包括但不限于该五项参数:罐内温度(记为A)、罐内压力(记为B)、罐内液位(记为C),重要管道的振动数据(记为D),防雷接地电阻(记为E)。在储油罐合适部分别装设相应参数采集传感器。
所述比对单元,数据采集设备采集各传感器数据并进行预处理,预处理后的数据经过网络传输至数据处理服务器,对数据进行处理、管理。健康状态评估系统对每种参数与对应设置好的正常范围值进行比对,若超出范围则记为异常,统计异常次数;用于测试数据分析;
所述参数发生异常的概率获取单元,通过测试数据分析得到参数发生异常的概率,概率越小,则储油罐健康状态越好。即根据历史正式运行天数统计每种参数发生异常的概率(正式运行天数内发生异常的次数/正式运行天数);
每种参数对应的参数异常严酷度级别:I(强),II(较强),III(中等),IV(轻度);见下表1
监测参数 | 参数异常概率(p) | 参数异常严酷度级别(q) |
A | 历史正式运行天数统计p<sub>A</sub> | 专家评估q<sub>A</sub> |
B | 历史正式运行天数统计p<sub>B</sub> | 专家评估q<sub>B</sub> |
C | 历史正式运行天数统计p<sub>C</sub> | 专家评估q<sub>C</sub> |
D | 历史正式运行天数统计p<sub>D</sub> | 专家评估q<sub>D</sub> |
E | 历史正式运行天数统计p<sub>E</sub> | 专家评估q<sub>E</sub> |
表1
所述概率影响下健康状态等级隶属度矩阵获取模块进一步具体包括概率隶属度分布函数获取单元、概率影响下健康状态隶属度向量获取单元;
所述概率隶属度分布函数获取单元,用于建立隶属度分布函数。根据异常概率分布的特性,在一定的置信区间内,监测参数异常发生的概率值越小,健康状态越趋于优。可选择三角分布作为参数参数异常概率因素的健康状态隶属度分布函数,有:
所述概率影响下健康状态隶属度向量获取单元,计算健康状态隶属度向量;
将A、B、C、D、E状态参数异常概率值代入隶属度分布函数,可得单因素影响下的健康状态隶属度向量分别为
确定概率影响下常压储油罐健康状态等级;
按最大隶属度原则,根据单因素影响下的健康状态隶属度向量计算结果,可得到A、B、C、D、E状态参数异常影响下的健康状态等级分别值(健康状态等级分“健康”、“良好”、“注意”、“恶化”和“疾病”)。
参数异常严酷度因素分析
所述参数异常严酷度影响下健康状态等级隶属度矩阵获取模块进一步具体包括参数异常严酷度的健康状态等级隶属度分布函数获取单元、参数异常严酷度影响下健康状态隶属度向量获取单元;
所述参数异常严酷度的健康状态等级隶属度分布函数获取单元,用于建立严酷度等级评分标准;
严酷度等级的评分采用10分制,I~IV级对应1~10分,每级对应2~3个分数点,为便于分析,可将对应分数压缩到0.1~1.0之间,如表2所列。
表2严酷度等级的评分标准
严酷度等级 | 评分标准 | 压缩评分标准 |
IV(轻度) | 1,2,3 | 0.1,0.2,0.3 |
III(中等) | 4,5,6 | 0.4,0.5,0.6 |
II(较强) | 7,8 | 0.7,0.8 |
I(强) | 9,10 | 0.9,1.0 |
建立参数异常严酷度隶属度分布函数;
参数异常严酷度和参数异常概率对健康状态的影响特性相同,所以同样选取三角分布作为参数异常严酷度的健康状态隶属度分布函数,类似有
所述参数异常严酷度影响下健康状态隶属度向量获取单元,计算动态监测参数异常严酷度对健康状态隶属度向量;
针对A、B、C、D、E状态的参数状态严酷度级别(见表1),按照表2的严酷度等级评分标准,选取各严酷度等级的最大评分值代入隶属度分布函数,可得严酷度等级单因素影响下的健康状态隶属度向量分别为vA2、vB2、vC2、vD2、vE2;
确定严酷度影响下常压储油罐健康状态等级;
按最大隶属度原则,根据严酷度等级单因素影响下的健康状态隶属度向量计算结果,可得到A、B、C、D、E状态参数异常影响下的健康状态等级分别值(健康状态等级分“健康”、“良好”、“注意”、“恶化”和“疾病”五种)。
常压储油罐动态健康状态综合评定
所述综合影响下健康状态隶属度向量获取模块进一步具体为:计算综合影响下严酷度对健康状态隶属度向量;
将动态监测参数异常概率影响下各参数的健康状态隶属度向量vA1、vB1、vC1、vD1、vE1和参数异常严酷度影响下各参数的健康状态隶属度向量vA2、vB2、vC2、vD2、vE2与第j种健康状态等级向量v0j分别进行灰色关联;其中,j为健康状态等级分健康、良好、注意、恶化和疾病,记作1,…,5;即向量v0j表示为:v01=(1,0,0,0,0)、v02=(0,1,0,0,0)、v03=(0,0,1,0,0)、v04=(0,0,0,1,0)、v05=(0,0,0,0,1);
依据式
式中m为1,…,5;
k为参数A、B、C、D、E;
因素i为1,2;
j为1,…,5;
为二级最小差,
为二级最大差,|v0j(m)-vki(m)|为绝对差值;
求得ξkij(m)
再利用式
式中m为1,…,5;
k为参数A、B、C、D、E;
因素i为1,2;
j为1,…,5;
求得rkij
再利用式
计算得到r’ki
能计算得到权重向量Rk=(r’k1,r’k2),即:RA=(r’A1,r’A2),RB=(r’B1,r’B2),RC=(r’C1,r’C2),RD=(r’D1,r’D2),RE=(r’E1,r’E2),
Hk=Rk·Vk
式中k为参数A、B、C、D、E;
可行到储油罐的A、B、C、D、E五种参数在参数异常发生概率和参数异常严酷度综合影响下的健康状态隶属度向量分别为HA、HB、HC、HD、HE。
为了让本领域技术人员更加清楚地理解各参数A、B、C、D、E对应的权重向量的求解方式,下面对权重向量RA作进一步的说明:
如因素1影响下A参数的健康状态隶属度向量vA1与因素2影响下A参数的健康状态隶属度向量vA2作为比较系列,v0j为参考数列,进行关联系数、关联度和权重的求解,得到权重向量RA,具体为:
步骤S1、求解关联系数:
v0j中取j=1,有v01=(v01(1)、v01(2)、v01(3)、v01(4)、v01(5))
依据式
式中m为1,…,5;
k为参数A(求其他参数权重向量时k则为对应的参数)
因素i为1,2;
j为1(求其他j种健康状态等级向量v0j则为对应的参数为2、3、4、5);
为二级最小差,
为二级最大差,|v0j(m)-vki(m)|为绝对差值;
求得ξA11(m)和ξA21(m);
再利用式
式中m为1,…,5;
k为参数A(求其他参数权重向量时k则为对应的参数);
因素i为1,2;
j为1(求其他j种健康状态等级向量v0j则为对应的参数为2、3、4、5);求得rA11,rA21;
步骤S2、此时j再取2,3,4,5,再分别以v0j作为参考数列,根据步骤S1的计算方式,得到参数A的关联度rA1j,rA2j;
再利用式
计算得到r’A1和r’A2
能计算得到权重向量RA=(r’A1,r’A2);
步骤S3、再按步骤S1和步骤S2的方法,k以B、C、D、E分别代入,同理可求得RB,RC,RD,RE;
Hk=Rk·Vk
式中k为参数A、B、C、D、E;
可行到储油罐的A、B、C、D、E五种参数在参数异常发生概率和参数异常严酷度综合影响下的健康状态隶属度向量分别为HA、HB、HC、HD、HE。
确定储油罐动态监测健康状态等级;
所述储油罐动态监测参数健康状态确定模块进一步具体为:根据最大隶属度原则,可得储油罐的A、B、C、D、E三种动态监测参数异常概率与动态监测参数异常严酷度综合影响下的动态监测健康状态等级分别值:(健康状态等级分为“健康”、“良好”、“注意”、“恶化”和“疾病”五种)。
确定储油罐基础健康状态
所述储油罐各基础参数确认模块进一步具体为:储油罐影响健康状态的基础数据主要有:投用、改造日期,涂层、保温和衬里的安装质量,常压储油罐历次检验和检测情况数据,各层壁板和底板的建造材料、名义厚度,此四项基础数据依次编为U1,U2,U3,U4。
确定储油罐状态集和状态评价集;
根据储油罐基础数据,其状态集为:
U=(U1,U2,U3,U4)
设定储油罐的健康状态分为“健康”、“良好”、“注意”、“恶化”和“疾病”
5个等级,则状态评价集为V=(I,II,III,IV,V)
确定基础数据的重要度;
通过对石化储油罐专业资料的分析,关于4项基础参数的重要程度分析结果,最终确定四项基础参数的权重如表3:
表3石化储油罐基础参数及权重
确定各基础数据的劣化度;
所述储油罐各基础参数劣化度确认模块进一步具体为:
针对表3中不同基础参数采用不同的劣化度计算方法,具体为:
1.针对“投用、改造日期(U1)”,根据装备实际使用时间计算劣化度。
因投用、改造日期难以监测及检测,其变化与时间之间具有近似的线性关系,根据设计寿命等设计资料及大量统计数据确定其平均故障寿命,则其劣化度计算公式为:
li=(t/T)k
式中:t为储油罐的使用时间;T为该储油罐的平均故障寿命;k为故障指数,通常可取1或2。
2.针对“涂层、保温和衬里的安装质量(U2)”,“常压储油罐历次检验和检测情况数据(U3)”“各层壁板和底板的建造材料、名义厚度(U4)”,因这些参数的劣化度与本身质量和使用时间均有关系,故采用“打分估计”和“实际使用时间”综合计算的方法。
1)根据设计人员、质检人员、行内专家计算劣化度。
其劣化度估算公式为:
li′=(X·P1+Y·P2+Z·P3)/(P1+P2+P3)i=2,3,4
式中:X,Y,Z分别为系数,其值介于0~1之间,0代表健康,1代表完全劣化;P1、P2、P3分别为设计人员、质检人员、行内专家的权重,其值反映打分人员的水平和权威性;2)综合根据设计寿命等资料及大量统计数据确定的平均故障寿命,计算最终劣化度。
则其最终劣化度计算公式为:
式中:t为储油罐的使用时间;T为该储油罐的平均故障寿命;k为故障指数,k取1或2;
计算基础参数U2,U3,U4的劣化度。
建立基础参数劣化度判断矩阵;
所述储油罐基础参数模糊综合评估模块进一步具体为:根据劣化度求其健康状态等级的隶属度,由于岭形分布具有主值区间宽、过渡带平缓的特点,能较好的反映储油罐劣化度的状态空间的模糊关系,采用岭形分布隶属度函数:
由此可得到以劣化度为评价标准的模糊评判矩阵为:
Ri=(rI(li),rII(li),rIII(li),rIV(li),rV(li))
进行储油罐基础参数的模糊综合评判;
E=W·R
其中W为据表3中的
W=(W1,W2,W3,W4)
所述储油罐基础健康状态确定模块进一步具体为:从模糊综合评判结果可以得到该装备系统属于“健康”、“良好”、“注意”、“恶化”和“疾病”的程序值,依据隶属最大原则可以判断储油罐基础参数所处状态。
综合储油罐动态监测健康状态和基础健康状态进行最终状态的确认;
所述最终储油罐的健康状态确认模块,用于综合储油罐动态监测健康状态和基础健康状态进行最终状态的确认;
根据储油罐动态监测参数健康状态,和储油罐基础健康状态,取储油罐动态监测参数健康状态和储油罐基础健康状态中的较严重级别为最终健康状态评估值。
Claims (2)
1.一种基于多因素的石化常压储油罐健康状态评估系统,其特征在于:所述评估系统包括影响因素确认模块、概率影响下健康状态等级隶属度矩阵获取模块、参数异常严酷度影响下健康状态等级隶属度矩阵获取模块、综合影响下健康状态隶属度向量获取模块、储油罐动态监测参数健康状态确定模块、储油罐各基础参数确认模块、储油罐各基础参数劣化度确认模块、储油罐基础参数模糊综合评估模块、储油罐基础健康状态确定模块、最终储油罐的健康状态确认模块;
所述影响因素确认模块,用于确定储油罐健康状态影响因素,对影响因素的参数进行采集并得到每种参数发生异常的概率;
所述概率影响下健康状态等级隶属度矩阵获取模块,用于建立健康状态下参数发生异常的概率隶属度分布函数,获取概率影响下健康状态等级隶属度矩阵;
所述参数异常严酷度影响下健康状态等级隶属度矩阵获取模块,用于建立健康状态等级隶属度分布函数,获取参数异常严酷度影响下健康状态等级隶属度矩阵;
所述综合影响下健康状态隶属度向量获取模块,用于获取综合影响下参数异常严酷度对健康状态隶属度向量;
所述储油罐动态监测参数健康状态确定模块,用于确定储油罐动态监测参数健康状态;所述储油罐各基础参数确认模块,用于建立储油罐状态集和状态评价集,获取储油罐各基础参数重要度权重系数;
所述储油罐各基础参数劣化度确认模块,用于确定储油罐各基础参数劣化度;
所述储油罐基础参数模糊综合评估模块,用于建立基础参数劣化度判断矩阵,进行储油罐基础参数模糊综合评估;
所述储油罐基础健康状态确定模块,用于按最大隶属度原则确定储油罐基础健康状态;所述最终储油罐的健康状态确认模块,用于取所述储油罐动态监测参数健康状态和所述储油罐基础健康状态中的严重级别,确定最终储油罐的健康状态;
所述概率影响下健康状态等级隶属度矩阵获取模块进一步具体包括概率隶属度分布函数获取单元、概率影响下健康状态隶属度向量获取单元;
所述概率隶属度分布函数获取单元,用于根据每种参数发生异常概率p分布的特性,在一设定的置信区间内,监测的参数异常发生的概率值越小,健康状态越趋于优,则选择三角分布作为健康状态下参数发生异常的概率隶属度分布函数,有:
所述概率影响下健康状态隶属度向量获取单元,用于将监测的参数A、参数B、参数C、参数D、参数E对应的发生异常的概率值代入概率隶属度分布函数,其中,罐内温度记为参数A、罐内压力记为参数B、罐内液位记为参数C、管道的振动数据记为参数D、防雷接地电阻记为参数E;可得单因素影响下的健康状态隶属度向量分别为vA1、vB1、vC1、vD1、vE1;
所述参数异常严酷度影响下健康状态等级隶属度矩阵获取模块进一步具体包括参数异常严酷度的健康状态等级隶属度分布函数获取单元、参数异常严酷度影响下健康状态隶属度向量获取单元;
所述参数异常严酷度的健康状态等级隶属度分布函数获取单元,用于设置参数异常的严酷度级别q,其中,参数异常严酷度和参数异常发生的概率对健康状态的影响特性相同,则同样选取三角分布作为参数异常严酷度的健康状态等级隶属度分布函数,有
所述参数异常严酷度影响下健康状态隶属度向量获取单元,用于选取各严酷度级别的最大评分值代入健康状态等级隶属度分布函数,可得单因素参数异常严酷度影响下健康状态隶属度向量分别为vA2、vB2、vC2、vD2、vE2;
所述综合影响下健康状态隶属度向量获取模块进一步具体为:
将动态监测参数异常概率影响下各参数的健康状态隶属度向量vA1、vB1、vC1、vD1、vE1和参数异常严酷度影响下各参数的健康状态隶属度向量vA2、vB2、vC2、vD2、vE2与第j种健康状态等级向量v0j分别进行灰色关联;其中,j为健康状态等级分健康、良好、注意、恶化和疾病,记作1,…,5;即向量v0j表示为:v01=(1,0,0,0,0)、v02=(0,1,0,0,0)、v03=(0,0,1,0,0)、v04=(0,0,0,1,0)、v05=(0,0,0,0,1);
依据式子
式中m为1,…,5;
k为参数A、B、C、D、E;
因素i为1,2;
j为1,…,5;
为二级最小差,
为二级最大差,|v0j(m)-vki(m)|为绝对差值;
求得ξkij(m)
再利用式
式中m为1,…,5;
k为参数A、B、C、D、E;
因素i为1,2;
j为1,…,5;
求得rkij
再利用式
计算得到r’ki
能计算得到权重向量Rk=(r’k1,r’k2),即:RA=(r’A1,r’A2),RB=(r’B1,r’B2),RC=(r’C1,r’C2),RD=(r’D1,r’D2),RE=(r’E1,r’E2),
Hk=Rk·Vk
式中k为参数A、B、C、D、E;
可行到储油罐的A、B、C、D、E五种参数在参数异常发生概率和参数异常严酷度综合影响下的健康状态隶属度向量分别为HA、HB、HC、HD、HE;
所述储油罐动态监测参数健康状态确定模块进一步具体为:设置动态监测参数异常概率与动态监测参数异常严酷度综合影响下的储油罐动态监测参数健康状态等级为:健康、良好、注意、恶化、疾病;则根据最大隶属度原则,通过健康状态隶属度向量HA、HB、HC、HD、HE能得储油罐的A、B、C、D、E五种参数对应的储油罐动态监测参数健康状态等级;
所述储油罐各基础参数确认模块进一步具体为:所述储油罐各基础参数包括投用、改造日期,涂层、保温和衬里的安装质量,常压储油罐历次检验和检测情况数据,各层壁板和底板的建造材料、名义厚度,将此四项基础数据依次编为U1,U2,U3,U4;根据储油罐各基础数据,则储油罐状态集为:U=(U1,U2,U3,U4);根据储油罐动态监测参数健康状态等级:健康、良好、注意、恶化、疾病;则设定储油罐的健康状态等级分别对应为I,II,III,IV,V,则储油罐状态评价集为G=(I,II,III,IV,V);根据储油罐状态集和状态评价集,确定四项基础参数的权重系数分别为:权重W1、权重W2、权重W3、权重W4;
所述储油罐各基础参数劣化度确认模块进一步具体为:针对投用、改造日期的基础参数U1,根据储油罐实际使用时间计算劣化度;即劣化度计算公式为:
li=(t/T)k
式中:i=1,t为储油罐的使用时间;T为该储油罐的平均故障寿命;k为故障指数,k取1或2;
针对涂层、保温和衬里的安装质量U2,常压储油罐历次检验和检测情况数据U3,各层壁板和底板的建造材料、名义厚度U4,这些基础参数先经过劣化度估算公式:
li′=(X·P1+Y·P2+Z·P3)/(P1+P2+P3),i=2,3,4
式中:X,Y,Z为系数其值介于0~1之间,0代表健康,1代表完全劣化;P1、P2、P3分别为设计人员、质检人员、储油罐领域专家的权重;
求解,再结合储油罐的平均故障寿命计算,利用公式:
式中:t为储油罐的使用时间;T为该储油罐的平均故障寿命;k为故障指数,k取1或2;
计算基础参数U2,U3,U4的劣化度;
所述储油罐基础参数模糊综合评估模块进一步具体为:
根据各基础参数劣化度求其健康状态等级的隶属度,采用岭形分布隶属度函数:
由此可得到以劣化度为评价标准的模糊评判矩阵为:
Ri=(rI(li),rII(li),rIII(li),rIV(li),rV(li))
则储油罐基础参数的模糊综合评估:
E=W·R
其中W为四项基础参数的权重系数W=(W1,W2,W3,W4)。
2.根据权利要求1所述的基于多因素的石化常压储油罐健康状态评估系统,其特征在于:所述影响因素确认模块进一步具体包括在线监测的参数确认单元、比对单元、参数发生异常的概率获取单元,
所述在线监测的参数确认单元,用于通过储油罐健康状态影响分析,选取在线监测的参数包括但不限于该五项参数:罐内温度记为参数A、罐内压力记为参数B、罐内液位记为参数C、管道的振动数据记为参数D、防雷接地电阻记为参数E;对监测的参数进行采集经过网络传输至数据处理服务器;
所述比对单元,对每种参数与对应设置好的正常范围值进行比对,若超出正常范围则记为异常,统计异常次数,用于测试数据分析;
所述参数发生异常的概率获取单元,通过测试数据分析得到参数发生异常的概率,概率越小,则储油罐健康状态越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010182511.5A CN111353236B (zh) | 2020-03-16 | 2020-03-16 | 基于多因素的石化常压储油罐健康状态评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010182511.5A CN111353236B (zh) | 2020-03-16 | 2020-03-16 | 基于多因素的石化常压储油罐健康状态评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111353236A CN111353236A (zh) | 2020-06-30 |
CN111353236B true CN111353236B (zh) | 2023-03-24 |
Family
ID=71196188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010182511.5A Active CN111353236B (zh) | 2020-03-16 | 2020-03-16 | 基于多因素的石化常压储油罐健康状态评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353236B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368451B (zh) * | 2020-03-16 | 2023-03-31 | 福建省特种设备检验研究院 | 基于多数据采集的石化常压储油罐健康状态评估方法 |
CN112381110A (zh) * | 2020-10-10 | 2021-02-19 | 神华北电胜利能源有限公司 | 基于模糊规则的煤矿生产多维度数据异常概率预测方法 |
CN112380641B (zh) * | 2020-10-26 | 2023-05-05 | 苏州热工研究院有限公司 | 一种应急柴油机健康状态评价方法及计算机终端 |
CN112785091A (zh) * | 2021-03-04 | 2021-05-11 | 湖北工业大学 | 一种对油田电潜泵进行故障预测与健康管理的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928507A (zh) * | 2012-10-17 | 2013-02-13 | 浙江省电力公司电力科学研究院 | 气体绝缘全封闭组合电器罐体健康监测装置及其监测方法 |
CN105910806A (zh) * | 2016-05-30 | 2016-08-31 | 重庆大学 | 加注泵早期健康状态监测方法 |
CN108035838A (zh) * | 2017-12-07 | 2018-05-15 | 武汉四创自动控制技术有限责任公司 | 全厂水轮机调速系统健康状态评估及优化方法 |
WO2019080367A1 (zh) * | 2017-10-25 | 2019-05-02 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
-
2020
- 2020-03-16 CN CN202010182511.5A patent/CN111353236B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928507A (zh) * | 2012-10-17 | 2013-02-13 | 浙江省电力公司电力科学研究院 | 气体绝缘全封闭组合电器罐体健康监测装置及其监测方法 |
CN105910806A (zh) * | 2016-05-30 | 2016-08-31 | 重庆大学 | 加注泵早期健康状态监测方法 |
WO2019080367A1 (zh) * | 2017-10-25 | 2019-05-02 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
CN108035838A (zh) * | 2017-12-07 | 2018-05-15 | 武汉四创自动控制技术有限责任公司 | 全厂水轮机调速系统健康状态评估及优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111353236A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368451B (zh) | 基于多数据采集的石化常压储油罐健康状态评估方法 | |
CN111353236B (zh) | 基于多因素的石化常压储油罐健康状态评估系统 | |
US7827006B2 (en) | Heat exchanger fouling detection | |
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
CN104677997B (zh) | 一种变压器油色谱在线监测差异化预警方法 | |
KR101776350B1 (ko) | 압축기를 진단하는 방법 및 시스템 | |
CN113343177A (zh) | 基于模糊综合评价理论的电梯设备健康状态诊断方法 | |
CN106408436A (zh) | 一种晶圆制造企业电压暂降损失风险模糊综合评价方法 | |
JPH0269619A (ja) | プラント機器保守管理支援装置 | |
CN111339661A (zh) | 一种高压电缆巡检周期自动规划方法 | |
CN117308275B (zh) | 一种基于温差的管路连接异常检测方法及系统 | |
CN111626646B (zh) | 一种装备完好性检查信息融合方法 | |
CN117927729A (zh) | 一种工业阀门故障远程监测预警方法及系统 | |
CN116628976A (zh) | 一种水轮机组设备状态变权综合评价方法 | |
CN117277435A (zh) | 一种光伏逆变器的健康评估方法、系统及装置 | |
CN116384732A (zh) | 场站管道风险智能评估方法、系统、存储介质及计算设备 | |
CN116167659B (zh) | 一种碳市场碳排放数据质量评价方法 | |
CN115796832A (zh) | 基于多维参量的变电设备健康状态综合评估方法 | |
CN116205622A (zh) | 烟机设备智能故障预警与维修决策方法 | |
JP6980034B2 (ja) | 装置寿命評価方法 | |
CN113406537B (zh) | 一种电力设备故障程度的定量评估方法 | |
CN110458408B (zh) | 典型故障对动设备及装置影响后果的分析方法 | |
Al-Ali et al. | Developing deterioration prediction model for the potable water pipes renewal plan—Case of Jubail Industrial City, KSA | |
CN118052082B (zh) | 加热铠丝管口密封控制方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |