CN112083689A - 炼化装置的异常工况评估方法、装置及存储介质 - Google Patents

炼化装置的异常工况评估方法、装置及存储介质 Download PDF

Info

Publication number
CN112083689A
CN112083689A CN201910506837.6A CN201910506837A CN112083689A CN 112083689 A CN112083689 A CN 112083689A CN 201910506837 A CN201910506837 A CN 201910506837A CN 112083689 A CN112083689 A CN 112083689A
Authority
CN
China
Prior art keywords
alarm
parameter
obtaining
monitoring
pro
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
Application number
CN201910506837.6A
Other languages
English (en)
Other versions
CN112083689B (zh
Inventor
高新江
王春利
李传坤
韩华伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Safety Engineering Research Institute Co Ltd
Original Assignee
China Petroleum and Chemical Corp
Sinopec Qingdao Safety Engineering Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Qingdao Safety Engineering Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201910506837.6A priority Critical patent/CN112083689B/zh
Publication of CN112083689A publication Critical patent/CN112083689A/zh
Application granted granted Critical
Publication of CN112083689B publication Critical patent/CN112083689B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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]
    • G05B19/41875—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 quality surveillance of production
    • 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
    • G05B2219/32368—Quality control
    • 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)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及炼化装置的监控技术领域，公开了一种炼化装置的异常工况评估方法、装置及存储介质，解决了现有技术中无法评估当前炼化装置的异常工况的问题。所述方法包括：获取预设时间范围内分布式控制系统DCS中的报警数据；将所述报警数据进行标准化处理，得到所述报警数据中每个监控参数的报警记录，所述报警记录包括参数标识、报警开始时间、报警结束时间和报警程度；根据每个监控参数的报警记录，得到当前炼化装置的异常工况风险评估得分。本发明实施例适用于监控炼化装置的当前异常工况。

Description

炼化装置的异常工况评估方法、装置及存储介质
技术领域
本发明涉及炼化装置的监控技术领域，具体地，涉及一种炼化装置的异常工况评估方法、装置及存储介质。
背景技术
在炼化装置生产过程中，一般采用集散式控制系统DCS(Distributed ControlSystem，分布式控制系统)进行工艺流程的生产控制。通常为了防止异常事故的发生，针对重要的控制参数设置报警，即当参数偏离正常生产范围时，发出报警，提醒操作人员及时进行处理。
由于炼化装置生产过程涉及成千上万个监控参数，DCS中设置了大量报警。当装置出现异常时，将产生大量报警，对操作人员产生判断干扰，无法及时发现关键报警。国际标准EEMUA 191、ISA 18.2对炼化装置的报警系统建立了平均报警率、峰值报警率、扰动率等关键KPI(Key Performance Indicator，关键业绩指标)进行性能评估，并提出了优化方法。但是这些指标仅提供了一段时间内的报警系统状态评估，并未给出当前炼化装置的异常状况。
发明内容
本发明实施例的目的是提供一种炼化装置的异常工况评估方法、装置及存储介质，解决了现有技术中无法评估当前炼化装置的异常工况的问题，通过获取DCS中的报警数据，从多方面定量评估当前装置的运行工况的风险状况，辅助操作人员及时判断炼化装置所处工况的异常风险状况。
为了实现上述目的，本发明实施例提供一种炼化装置的异常工况评估方法，所述方法包括：获取预设时间范围内分布式控制系统DCS中的报警数据；将所述报警数据进行标准化处理，得到所述报警数据中每个监控参数的报警记录，所述报警记录包括参数标识、报警开始时间、报警结束时间和报警程度；根据每个监控参数的报警记录，得到当前炼化装置的异常工况风险评估得分。
进一步地，所述根据每个监控参数的报警记录，得到当前炼化装置的异常工况风险评估得分包括：根据每个监控参数的报警记录中的报警开始时间和报警结束时间，确定每个监控参数每次报警的报警时长；根据每个监控参数的报警记录中的参数标识，得到报警个数以及每个监控参数的报警次数，所述报警个数为所述预设时间范围内报警的监控参数的个数；根据所述监控参数的报警时长、报警次数和报警个数，得到关键参数报警占比；根据每个监控参数的报警次数以及预设参考值，得到平均报警次数；根据每个监控参数的报警时长，得到报警时长占比；根据每个监控参数的报警程度以及报警次数，得到报警程度演变概率；根据所述报警个数以及每个监控参数的报警次数，得到报警波动率；根据关键参数报警占比、平均报警次数、报警时长占比、报警程度演变概率、报警波动率以及对应的权重值，得到当前炼化装置的异常工况风险评估得分。
进一步地，所述根据所述监控参数的报警时长、报警次数和报警个数，得到关键参数报警占比包括：根据所述监控参数的参数标识，提取关键参数的报警时长、报警次数和报警个数；根据
Figure BDA0002092095500000021
得到关键参数报警次数占比keyfre_pro，其中，Akn(i)表示第i个关键参数在所述预设时间范围内发生的报警次数，An(i)表示第i个监控参数在所述预设时间范围内发生的报警次数，m为在所述预设时间范围内发生报警的关键参数的个数，n为在所述预设时间范围内发生报警的监控参数的个数；根据
Figure BDA0002092095500000031
得到关键参数报警个数占比keynum_pro，其中，m为在所述预设时间范围内发生报警的关键参数的个数，n为在所述预设时间范围内发生报警的监控参数的个数，M为关键参数的总个数，N为监控参数的总个数；根据
Figure BDA0002092095500000032
得到关键参数报警时长占比keytime_pro，其中，Akt(i)表示第i个关键参数在所述预设时间范围内发生的报警时长，At(i)表示第i个监控参数在所述预设时间范围内发生的报警时长，m为在所述预设时间范围内发生报警的关键参数的个数，n为在所述预设时间范围内发生报警的监控参数的个数；根据key_pro＝(keyfre_pro+keynum_pro+keytime_pro)/3，得到所述关键参数报警占比key_pro。
进一步地，所述根据每个监控参数的报警次数以及预设参考值，得到平均报警次数包括：利用设定时间段划分所述预设时间范围，并根据每个监控参数的报警开始时间确定每个设定时间段内的报警次数；根据
Figure BDA0002092095500000033
得到平均报警次数avg_pro，其中，Re为所述预设参考值，w为所述预设时间范围内设定时间段的个数，Bn(i)表示第i个设定时间段内所有监控参数的报警次数。
进一步地，所述根据每个监控参数的报警时长，得到报警时长占比包括：根据每个监控参数的参数标识，得到具有相同参数标识的监控参数的总报警时长；将每个监控参数的总报警时长进行降序排列，得到排名前设定个数的监控参数；根据
Figure BDA0002092095500000034
得到报警时长占比timepro，其中，p为设定个数，n为在所述预设时间范围内发生报警的监控参数的个数，An(i)表示排序后第i个监控参数在所述预设时间范围内发生的报警时长。
进一步地，所述根据每个监控参数的报警程度以及报警次数，得到报警程度演变概率包括：根据每个监控参数的报警程度，得到每个监控参数发生高高限报警和低低限报警的次数；根据
Figure BDA0002092095500000041
得到报警程度演变概率degreepro，其中，n为在所述预设时间范围内发生报警的监控参数的个数，An(i)表示第i个监控参数在所述预设时间范围内发生的报警次数，AHn(i)表示第i个监控参数在所述预设时间范围内发生的高高限报警和低低限报警的次数。
进一步地，所述根据所述报警个数以及每个监控参数的报警次数，得到报警波动率包括：利用预定时间段划分所述预设时间范围，并根据每个监控参数的报警开始时间确定每个预定时间段内的报警次数和报警个数；根据
Figure BDA0002092095500000042
得到报警次数波动率fluctuatefre_pro，其中，f为所述预设时间范围内预定时间段的个数，Fn(i)表示第i个预定时间段内所有监控参数的报警次数；根据
Figure BDA0002092095500000043
得到报警个数波动率fluctuatenum_pro，其中，Fc(i)表示第i个预定时间段内所有监控参数的报警个数；根据fluctuate_pro＝(fluctuatefre_pro+fluctuatenum_pro)/2，得到报警波动率fluctuate_pro。
进一步地，所述根据关键参数报警占比、平均报警次数、报警时长占比、报警程度演变概率、报警波动率以及对应的权重值，得到当前炼化装置的异常工况风险评估得分包括：根据下述公式得到当前炼化装置的异常工况风险评估得分Hazard：
Figure BDA0002092095500000051
其中，key_pro为所述关键参数报警占比，avg_pro为平均报警次数，timepro为报警时长占比，degreepro为报警程度演变概率，fluctuate_pro为报警波动率，a、b、c、d、e分别为所述关键参数报警占比、平均报警次数、报警时长占比、报警程度演变概率、报警波动率对应的权重值。
进一步地，在所述得到当前炼化装置的异常工况风险评估得分之后，所述方法还包括：判断所述当前炼化装置的异常工况风险评估得分是否超过预设评估阈值；当所述当前炼化装置的异常工况风险评估得分超过所述预设评估阈值时，提示当前炼化装置的异常工况风险较高。
相应的，本发明实施例还提供一种炼化装置的异常工况评估装置，所述装置用于执行如上所述的炼化装置的异常工况评估方法。
相应的，本发明实施例还提供一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行如上所述的炼化装置的异常工况评估方法。
通过上述技术方案，获取预设时间范围内DCS中的报警数据，将所述报警数据进行标准化处理，得到所述报警数据中每个监控参数的报警记录，其中，所述报警记录包括参数标识、报警开始时间、报警结束时间和报警程度，然后根据每个监控参数的报警记录，得到当前炼化装置的异常工况风险评估得分。本发明实施例解决了现有技术中无法评估当前炼化装置的异常工况的问题，通过获取DCS中的报警数据，从多方面定量评估当前装置的运行工况的风险状况，辅助操作人员及时判断炼化装置所处工况的异常风险状况。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是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，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明实施例提供的一种炼化装置的异常工况评估方法的流程示意图；
图2是本发明实施例提供的报警数据进行标准化处理的示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
图1是本发明实施例提供的一种炼化装置的异常工况评估方法的流程示意图。如图1所示，所述方法包括如下步骤：
步骤101，获取预设时间范围内DCS中的报警数据；
步骤102，将所述报警数据进行标准化处理，得到所述报警数据中每个监控参数的报警记录，所述报警记录包括参数标识、报警开始时间、报警结束时间和报警程度；
步骤103，根据每个监控参数的报警记录，得到当前炼化装置的异常工况风险评估得分。
其中，可通过OPC(OLE for Process Control，用于过程控制的OLE)服务器的A&E接口或打印机接口获取炼化装置的DCS中的预设时间范围内的报警数据。另外，为了防止过去工况波动对当前炼化装置工况的影响，所述预设时间范围可选取当前工况的前8小时。
由于各DCS厂商的报警数据各不相同，为了便于本发明实施例对报警数据的处理，需要对报警数据进行标准化处理，从而得到所述报警数据中每个监控参数的报警记录，而且所述报警记录中至少包括参数标识、报警开始时间、报警结束时间和报警程度。如图2所示，所述报警数据的标准化处理可通过下述方式实现：
S1，将获取的报警数据按照报警时间进行升序排列，其中，报警数据的总条数为K；
S2，获取报警数据A(i)，当i＝1时，即获取第一条报警数据；
S3，判断i是否小于K，是则执行步骤S4，否则结束；
S4，判断报警数据A(i)是否为其监控参数的报警开始，是则执行步骤S5，否则将i＝i+1并执行步骤S2；
S5，获取下一条报警数据，即j＝i+1；
S6，判断j是否小于K，是则执行步骤S7，否则执行i＝i+1并返回步骤S3；
S7，判断报警数据A(j)是否为A(i)的报警结束，若是则执行步骤S8，否则将j＝j+1并执行步骤S6；
S8，将报警数据A(i)与A(j)统一存储为其对应的监控参数的报警记录，其中包括该参数的参数标识、报警开始时间、报警结束时间和报警程度，然后执行i＝i+1并返回步骤S2。
执行上述步骤，直到遍历完所有的报警数据。最终即可得到所述报警数据中涉及的监控参数的参数标识、报警开始时间、报警结束时间和报警程度。
在实施步骤103根据每个监控参数的报警记录，得到当前炼化装置的异常工况风险评估得分之前，先说明一下本发明实施例涉及的术语：
报警次数：将某一个监控参数从开始报警到结束报警的完整的一个时间段称为1次报警。
报警个数：某一时间段内发生报警的监控参数的个数。一个监控参数多次报警，视为报警个数为1个。
报警时长：某一个监控参数从开始报警到结束报警的完整的一个时间段的时长。
报警程度：某一监控参数设置了高高、高、低、低低限报警，报警程度用于区分上述报警限度。
然后，基于上述标准化处理后的报警记录，分别计算关键参数报警占比、平均报警次数、报警时长占比、报警程度演变概率、报警波动率等关键指标，进而得到当前炼化装置的异常工况风险评估得分。
在计算上述关键指标之前，根据每个监控参数的报警记录中的报警开始时间和报警结束时间，确定每个监控参数每次报警的报警时长。根据每个监控参数的报警记录中的参数标识，将报警记录中存在多个相同参数标识的报警记录记为一条报警个数，即一个监控参数多次报警，视为报警个数为1个，从而得到报警个数(即所述预设时间范围内报警的监控参数的个数)，以及每个监控参数的报警次数，即统计报警记录中具有相同参数标识的报警记录的个数。然后，逐一计算得到上述关键指标。
对于关键参数报警占比，在监控参数中筛选关键参数，可依据企业所做的HAZOP(Hazard and Operability Analysis，危险与可操作性分析)及联锁逻辑图、SIL(SafetyIntegrity Level，安全完整性等级)定级报告等进行遴选。例如，SIL包括SIL1，SIL2，SIL3和SIL4四个等级，将SIL中大于等于SIL1的联锁回路的相关监测参数设为关键参数。HAZOP分析报告中风险等于包括5级，将风险等级大于3的设定为关键参数。通过上述原则可得到关键参数，然后根据所述监控参数的参数标识，提取关键参数的报警时长、报警次数和报警个数，并根据下述公式得到关键参数报警占比：
Figure BDA0002092095500000091
Figure BDA0002092095500000092
Figure BDA0002092095500000093
key_pro＝(keyfre_pro+keynum_pro+keytime_pro)/3公式(4)
上述公式(1)-(4)中，keyfre_pro为关键参数报警次数占比，keynum_pro为关键参数报警个数占比，keytime_pro为关键参数报警时长占比，key_pro为所述关键参数报警占比，Akn(i)表示第i个关键参数在所述预设时间范围内发生的报警次数，An(i)表示第i个监控参数在所述预设时间范围内发生的报警次数，m为在所述预设时间范围内发生报警的关键参数的个数，n为在所述预设时间范围内发生报警的监控参数的个数，M为关键参数的总个数，N为监控参数的总个数，Akt(i)表示第i个关键参数在所述预设时间范围内发生的报警时长，At(i)表示第i个监控参数在所述预设时间范围内发生的报警时长。所述关键参数报警占比越大，表明当前炼化装置极易发生严重后果的事故。
对于平均报警次数表示当前炼化装置每设定时间段(例如10分钟)发生的报警次数，报警次数越多表明炼化装置多数监控参数处于非正常范围边界运行，易发生危险事件。其中，认为每设定时间段的报警次数大于预设参考值(例如为1000)为极端情况，在利用设定时间段划分所述预设时间范围后，根据每个监控参数的报警开始时间确定每个设定时间段内的报警次数，并根据下述公式得到平均报警次数：
Figure BDA0002092095500000094
其中，avg_pro为平均报警次数，Re为所述预设参考值，w为所述预设时间范围内设定时间段的个数，Bn(i)表示第i个设定时间段内所有监控参数的报警次数。
对于报警时长占比，首先根据每个监控参数的参数标识，得到具有相同参数标识的监控参数的总报警时长，然后将每个监控参数的总报警时长进行降序排列，得到排名前设定个数(例如10个)的监控参数，利用总报警时长排名前设定个数的作为统计对象，能够表明炼化装置多数参数是否长期处于异常操作范围。根据下述公式得到报警时长占比：
Figure BDA0002092095500000101
其中，timepro为报警时长占比，p为设定个数，n为在所述预设时间范围内发生报警的监控参数的个数，An(i)表示排序后第i个监控参数在所述预设时间范围内发生的报警时长。报警时长占比越大，表明多数监控参数处于非正常范围之外长期运行，易发生危险事件。
对于报警程度演变概率，其中报警限由大到小依次为高高限、高限、低限、低低限，正常值在高限与低限之间运行。报警程度演变概率是指监控参数报警由高报警演变到高高报警、低报警演变到低低报警的概率。根据每个监控参数的报警程度，得到每个监控参数发生高高限报警和低低限报警的次数，然后根据下述公式得到报警程度演变概率：
Figure BDA0002092095500000102
其中，degreepro为报警程度演变概率，n为在所述预设时间范围内发生报警的监控参数的个数，An(i)表示第i个监控参数在所述预设时间范围内发生的报警次数，AHn(i)表示第i个监控参数在所述预设时间范围内发生的高高限报警和低低限报警的次数。报警程度演变概率越大，表明炼化装置多数监控参数超越正常范围较远，易发生事故。
对于报警波动率，主要包括次数的波动和个数的波动，首先利用预定时间段(例如10分钟)划分所述预设时间范围，并根据每个监控参数的报警开始时间确定每个预定时间段内的报警次数和报警个数，然后根据下述公式得到报警波动率：
Figure BDA0002092095500000111
Figure BDA0002092095500000112
fluctuate_pro＝(fluctuatefre_pro+fluctuatenum_pro)/2公式(10)
其中，fluctuatefre_pro为报警次数波动率，fluctuatenum_pro为报警个数波动率，fluctuate_pro为报警波动率，f为所述预设时间范围内预定时间段的个数，Fn(i)表示第i个预定时间段内所有监控参数的报警次数，Fc(i)表示第i个预定时间段内所有监控参数的报警个数。报警波动率越大，表明炼化装置工况不稳，从一个工况转变到另一个异常工况，易发生事故。
然后，根据下述公式得到当前炼化装置的异常工况风险评估得分Hazard：
Figure BDA0002092095500000113
其中，key_pro为所述关键参数报警占比，avg_pro为平均报警次数，timepro为报警时长占比，degreepro为报警程度演变概率，fluctuate_pro为报警波动率，a、b、c、d、e分别为所述关键参数报警占比、平均报警次数、报警时长占比、报警程度演变概率、报警波动率对应的权重值，权重值可根据炼化装置实际状况调节，也可均默认为1。
在本发明的一种实施方式中，在得到当前炼化装置的异常工况风险评估得分之后，可判断所述当前炼化装置的异常工况风险评估得分是否超过预设评估阈值，当所述当前炼化装置的异常工况风险评估得分超过所述预设评估阈值时，提示当前炼化装置的异常工况风险较高。
为了便于理解本发明实施例，下面提供具体数据示例说明本发明实施例。在获取当前工况的前8个小时的DCS中的报警数据，并参考上述实施例对所述报警数据进行标准化处理之后，得到包括参数标识、报警开始时间、报警结束时间和报警程度的每个监控参数的报警记录，并根据每个监控参数的报警记录中的报警开始时间和报警结束时间，确定每个监控参数每次报警的报警时长，以及根据每个监控参数的报警记录中的参数标识，得到报警个数以及每个监控参数的报警次数。
对于关键参数报警占比，通过装置的HAZOP分析报告、SIL定级报告等技术文档，定义161-TC-10307、162-TC-10307、162-TC-10803、161-FC-40902、161-AI-10707A等62个参数为关键参数，所有监控参数的个数为616个。从8小时的报警记录中，得到已发生报警的关键参数的个数(4个)，已发生报警的监控参数的个数(24个)，已发生报警的关键参数的总次数(2266次)，已发生报警的总次数(6585次)，已发生报警的关键参数的总时长(185min)，已发生报警的监控参数的总时长(796min)，则根据公式(1)-(4)得到关键参数报警占比：
key_pro＝(2266/6585+(4*616)/(24*62)+185/796)/3*100％＝74.4％
对于平均报警次数，以设定时间段为10分钟统计8小时内的报警次数，预设参考值为1000，并统计得到该系列数据的平均值为142.02，根据公式(5)得到平均报警次数：
avg_pro＝log(142.02)/log(1000)*100％＝71.7％
对于报警时长占比，首先根据每个监控参数的参数标识，得到具有相同参数标识的监控参数的总报警时长，然后将每个监控参数的总报警时长进行降序排列，得到排名前10个的监控参数的总报警时长(701分钟)，所有监控参数报警的总时长(796)，根据公式(6)得到报警时长占比：
timepro＝701/796*100％＝88.1％
对于报警程度演变概率，统计高高报警(HH)、低低报警(LL)的次数(10)，统计报警总次数(6585)，根据公式(7)得到报警程度演变概率：
degreepro＝10/6585*100％＝0.15％
对于报警波动率，以10分钟为预定时间段，并统计该系列数据的报警次数平均值(142.02)，统计该系列数据的报警次数标准差值(164.3)，并统计该系列数据的报警个数平均值(2.75)，统计该系列数据的报警个数标准差值(1.57)，根据公式(8-10)所示，计算报警波动率：
fluctuate_pro＝(164.3/142.02+1.57/2.75)/2*100％＝86.4％
从而根据公式(11)以及上述得到的关键指标的结果，权重均为1，得到当前炼化装置的异常工况风险评估得分Hazard：
Hazard＝(74.4％+71.7％+88.1％+0.15％+86.4％)/5＝64.15％
通过上述关键指标可知，关键参数报警占比反映了关键参数的波动，平均报警次数与报警时长占比反映了异常波动的广度，报警程度演变概率反映了异常波动的深度，报警波动率反映了工况变化，因此，从关键参数、超限运行广度、超限运行深度、工况变化等多方面进行当前炼化装置的运行工况风险状况的定量评估。
相应的，本发明实施例还提供一种炼化装置的异常工况评估装置，所述装置用于执行上述实施例所述的炼化装置的异常工况评估方法。装置的具体实施过程可参见上述方法实施例的实现过程。
相应的，本发明实施例还提供一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例所述的炼化装置的异常工况评估方法。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (11)

1.一种炼化装置的异常工况评估方法，其特征在于，所述方法包括：
获取预设时间范围内分布式控制系统DCS中的报警数据；
将所述报警数据进行标准化处理，得到所述报警数据中每个监控参数的报警记录，所述报警记录包括参数标识、报警开始时间、报警结束时间和报警程度；
根据每个监控参数的报警记录，得到当前炼化装置的异常工况风险评估得分。
2.根据权利要求1所述的方法，其特征在于，所述根据每个监控参数的报警记录，得到当前炼化装置的异常工况风险评估得分包括：
根据每个监控参数的报警记录中的报警开始时间和报警结束时间，确定每个监控参数每次报警的报警时长；
根据每个监控参数的报警记录中的参数标识，得到报警个数以及每个监控参数的报警次数，所述报警个数为所述预设时间范围内报警的监控参数的个数；
根据所述监控参数的报警时长、报警次数和报警个数，得到关键参数报警占比；
根据每个监控参数的报警次数以及预设参考值，得到平均报警次数；
根据每个监控参数的报警时长，得到报警时长占比；
根据每个监控参数的报警程度以及报警次数，得到报警程度演变概率；
根据所述报警个数以及每个监控参数的报警次数，得到报警波动率；
根据关键参数报警占比、平均报警次数、报警时长占比、报警程度演变概率、报警波动率以及对应的权重值，得到当前炼化装置的异常工况风险评估得分。
3.根据权利要求2所述的方法，其特征在于，所述根据所述监控参数的报警时长、报警次数和报警个数，得到关键参数报警占比包括：
根据所述监控参数的参数标识，提取关键参数的报警时长、报警次数和报警个数；
根据
Figure FDA0002092095490000021
得到关键参数报警次数占比keyfre_pro，其中，Akn(i)表示第i个关键参数在所述预设时间范围内发生的报警次数，An(i)表示第i个监控参数在所述预设时间范围内发生的报警次数，m为在所述预设时间范围内发生报警的关键参数的个数，n为在所述预设时间范围内发生报警的监控参数的个数；
根据
Figure FDA0002092095490000022
得到关键参数报警个数占比keynum_pro，其中，m为在所述预设时间范围内发生报警的关键参数的个数，n为在所述预设时间范围内发生报警的监控参数的个数，M为关键参数的总个数，N为监控参数的总个数；
根据
Figure FDA0002092095490000023
得到关键参数报警时长占比keytime_pro，其中，Akt(i)表示第i个关键参数在所述预设时间范围内发生的报警时长，At(i)表示第i个监控参数在所述预设时间范围内发生的报警时长，m为在所述预设时间范围内发生报警的关键参数的个数，n为在所述预设时间范围内发生报警的监控参数的个数；
根据key_pro＝(keyfre_pro+keynum_pro+keytime_pro)/3，得到所述关键参数报警占比key_pro。
4.根据权利要求2所述的方法，其特征在于，所述根据每个监控参数的报警次数以及预设参考值，得到平均报警次数包括：
利用设定时间段划分所述预设时间范围，并根据每个监控参数的报警开始时间确定每个设定时间段内的报警次数；
根据
Figure FDA0002092095490000031
得到平均报警次数avg_pro，其中，Re为所述预设参考值，w为所述预设时间范围内设定时间段的个数，Bn(i)表示第i个设定时间段内所有监控参数的报警次数。
5.根据权利要求2所述的方法，其特征在于，所述根据每个监控参数的报警时长，得到报警时长占比包括：
根据每个监控参数的参数标识，得到具有相同参数标识的监控参数的总报警时长；
将每个监控参数的总报警时长进行降序排列，得到排名前设定个数的监控参数；
根据
Figure FDA0002092095490000032
得到报警时长占比timepro，其中，p为设定个数，n为在所述预设时间范围内发生报警的监控参数的个数，An(i)表示排序后第i个监控参数在所述预设时间范围内发生的报警时长。
6.根据权利要求2所述的方法，其特征在于，所述根据每个监控参数的报警程度以及报警次数，得到报警程度演变概率包括：
根据每个监控参数的报警程度，得到每个监控参数发生高高限报警和低低限报警的次数；
根据
Figure FDA0002092095490000033
得到报警程度演变概率degreepro，其中，n为在所述预设时间范围内发生报警的监控参数的个数，An(i)表示第i个监控参数在所述预设时间范围内发生的报警次数，AHn(i)表示第i个监控参数在所述预设时间范围内发生的高高限报警和低低限报警的次数。
7.根据权利要求2所述的方法，其特征在于，所述根据所述报警个数以及每个监控参数的报警次数，得到报警波动率包括：
利用预定时间段划分所述预设时间范围，并根据每个监控参数的报警开始时间确定每个预定时间段内的报警次数和报警个数；
根据
Figure FDA0002092095490000041
得到报警次数波动率fluctuatefre_pro，其中，f为所述预设时间范围内预定时间段的个数，Fn(i)表示第i个预定时间段内所有监控参数的报警次数；
根据
Figure FDA0002092095490000042
得到报警个数波动率fluctuatenum_pro，其中，Fc(i)表示第i个预定时间段内所有监控参数的报警个数；
根据fluctuate_pro＝(fluctuatefre_pro+fluctuatenum_pro)/2，得到报警波动率fluctuate_pro。
8.根据权利要求2所述的方法，其特征在于，所述根据关键参数报警占比、平均报警次数、报警时长占比、报警程度演变概率、报警波动率以及对应的权重值，得到当前炼化装置的异常工况风险评估得分包括：
根据下述公式得到当前炼化装置的异常工况风险评估得分Hazard：
Figure FDA0002092095490000051
其中，key_pro为所述关键参数报警占比，avg_pro为平均报警次数，timepro为报警时长占比，degreepro为报警程度演变概率，fluctuate_pro为报警波动率，a、b、c、d、e分别为所述关键参数报警占比、平均报警次数、报警时长占比、报警程度演变概率、报警波动率对应的权重值。
9.根据权利要求1所述的方法，其特征在于，在所述得到当前炼化装置的异常工况风险评估得分之后，所述方法还包括：
判断所述当前炼化装置的异常工况风险评估得分是否超过预设评估阈值；
当所述当前炼化装置的异常工况风险评估得分超过所述预设评估阈值时，提示当前炼化装置的异常工况风险较高。
10.一种炼化装置的异常工况评估装置，其特征在于，所述装置用于执行上述权利要求1-9任一项所述的炼化装置的异常工况评估方法。
11.一种存储介质，其特征在于，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述权利要求1-9任一项所述的炼化装置的异常工况评估方法。
CN201910506837.6A 2019-06-12 2019-06-12 炼化装置的异常工况评估方法、装置及存储介质 Active CN112083689B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910506837.6A CN112083689B (zh) 2019-06-12 2019-06-12 炼化装置的异常工况评估方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910506837.6A CN112083689B (zh) 2019-06-12 2019-06-12 炼化装置的异常工况评估方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112083689A true CN112083689A (zh) 2020-12-15
CN112083689B CN112083689B (zh) 2022-02-08

Family

ID=73733349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910506837.6A Active CN112083689B (zh) 2019-06-12 2019-06-12 炼化装置的异常工况评估方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112083689B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114283503A (zh) * 2021-12-28 2022-04-05 河南中烟工业有限责任公司 应用于卷烟设备的台时能耗报警控制方法
CN114664070A (zh) * 2020-12-22 2022-06-24 中国石油化工股份有限公司 工业装置的报警处理方法、装置及该工业装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102447570A (zh) * 2010-09-30 2012-05-09 中国移动通信集团福建有限公司 一种基于健康度分析的监控装置及方法
CN107451402A (zh) * 2017-07-13 2017-12-08 北京交通大学 一种基于告警数据分析的设备健康度评估方法及装置
CN108573761A (zh) * 2017-03-14 2018-09-25 中核核电运行管理有限公司 一种核电厂设备实时性能监测方法及系统
CN109686066A (zh) * 2018-12-27 2019-04-26 石化盈科信息技术有限责任公司 报警管理系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102447570A (zh) * 2010-09-30 2012-05-09 中国移动通信集团福建有限公司 一种基于健康度分析的监控装置及方法
CN108573761A (zh) * 2017-03-14 2018-09-25 中核核电运行管理有限公司 一种核电厂设备实时性能监测方法及系统
CN107451402A (zh) * 2017-07-13 2017-12-08 北京交通大学 一种基于告警数据分析的设备健康度评估方法及装置
CN109686066A (zh) * 2018-12-27 2019-04-26 石化盈科信息技术有限责任公司 报警管理系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王秀香等: "石化企业异常工况预警与过程安全管理评估技术研究", 《炼油与化工》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114664070A (zh) * 2020-12-22 2022-06-24 中国石油化工股份有限公司 工业装置的报警处理方法、装置及该工业装置
CN114283503A (zh) * 2021-12-28 2022-04-05 河南中烟工业有限责任公司 应用于卷烟设备的台时能耗报警控制方法
CN114283503B (zh) * 2021-12-28 2024-06-14 河南中烟工业有限责任公司 应用于卷烟设备的台时能耗报警控制方法

Also Published As

Publication number Publication date
CN112083689B (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
EP3026518A1 (en) Method for Root analysis of an alarm flood sequence
CN112083689B (zh) 炼化装置的异常工况评估方法、装置及存储介质
EP3244277B1 (en) Method and apparatus for optimizing process control systems
DE102010038827A1 (de) Verfahren und System für die Fehlervorhersage mit Hilfe eines Agenten
US7289935B1 (en) Statistical quality control of alarm occurrences
CN116611712B (zh) 基于语义推断的电网工作票评估系统
US11625029B2 (en) Manufacturing condition setting automating apparatus and method
US20090254551A1 (en) Guided entry system for individuals for annotating process deviations
CN110798428A (zh) 一种账号暴力破解行为的检测方法、系统及相关装置
US11887465B2 (en) Methods, systems, and computer programs for alarm handling
CN106468909A (zh) 过程控制警报审核
KR101281460B1 (ko) 통계적 공정 관리도를 이용하여 이상증후를 탐지하는 방법
CN113723726A (zh) 化工装置运行过程风险预警与管控的方法及系统
KR101725839B1 (ko) Psa 정량화 결과를 활용한 원전 리스크 커뮤니케이션 정보제공 시스템
CN117111568B (zh) 基于物联网的设备监测方法、装置、设备及存储介质
US20210034047A1 (en) Data processing device capable of performing problem diagnosis in a production system with plurality of robots and method
CN115169650B (zh) 一种大数据分析的装备健康预测方法
CN116911596A (zh) 基于作业稳定性模型的作业人员风险预警方法及系统
KR101982235B1 (ko) 생존 함수 기반의 특질 추출 방법을 이용한 유사 설비 군집화 방법 및 장치
CN115871745A (zh) 一种应用于轨道交通的智能维护方法与装置
CN115187026A (zh) 一种产业风险监控方法、系统和可读存储介质
EP3454154A1 (de) Automatisierte erkennung von statistischen abhängigkeiten zwischen prozessmeldungen
KR101686940B1 (ko) 분리수리 수행 후 조기경보 기준값 제공 시스템 및 그 제공 방법
CN117593166B (zh) 一种作业人员安全生产行为管理系统
CN116502957B (zh) 产品生产质量监控方法、系统和可读存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220110

Address after: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen

Applicant after: CHINA PETROLEUM & CHEMICAL Corp.

Applicant after: Sinopec Safety Engineering Research Institute Co., Ltd

Address before: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen

Applicant before: CHINA PETROLEUM & CHEMICAL Corp.

Applicant before: Qingdao Safety Engineering Research Institute of Sinopec

GR01 Patent grant
GR01 Patent grant