CN113108842B - 一种热交换器多参数关联监测预警方法和系统 - Google Patents

Abstract

本申请公开了热交换器多参数关联监测预警方法，包括获取热交换器的一次监测参数；根据热交换器的结构参数、工艺流体物理性能参数和一次监测参数，构建二次监测参数，提取一次监测参数和二次监测参数的数据基线；构建多参数预警模型，包括构建健康矩阵和观测矩阵，根据健康矩阵和观测矩阵计算状态估计矩阵；计算观测矩阵与状态估计矩阵之间的距离值，根据距离值计算估计值与实际值之间的相似指数；统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致热交换器状态向量偏离的故障并进行预警，该方法能提高识别故障类型的准确度，提高热交换器运行的安全性和可靠性。本申请还公开了热交换器多参数关联监测预警系统。

Description

一种热交换器多参数关联监测预警方法和系统

技术领域

本发明属于换热设备技术领域，特别是涉及一种热交换器多参数关联监测预警方法和系统。

背景技术

管壳式热交换器是化工、炼油、动力、原子能、核电等工业部门中通用的工艺设备，通过这种设备，使温度较高的流体物料将热量传递给温度较低的流体物料以满足工艺要求。对于发展迅速的化工、炼油等工业部门来说，热交换器尤为重要，通常在化工厂的建设中，热交换器的投资约占总投资的10％至20％。管壳式热交换器作为工业生产现场主要的换热设备，其运转状况直接影响到工艺流体是否能够达到要求的工艺温度，从而影响到整套工艺目标的实现，因此，开展管壳式热交换器的运行状态估计和预警有利于设备运行状态的及时评估，方便现场生产人员进行针对性检修与维护，从而减少由于热交换器故障引起的生产停滞时间，提高生产效益。

目前管壳式热交换器运行状态评估与预警存在如下问题：工艺流体进出口温度、压力和流量等一次监测参数无法全面表征热交换器的使用性能及不同工况下各个状态参数的改变，导致热交换器监测预警困难，具体而言，温度和压力等一次监测状态参数作为热交换器使用性能的直接体现，易受到环境温度类因素的影响。如仅采用工艺流体进出口温度等监测状态参数等作为热交换器运行状态表征因素，则难以确保运行状态的估计值能精确描述管壳式热交换器的实时运转状态；其次，在不同工况下，不同种类的工艺介质、冷热流体间的不同温差等因素均会造成热交换器换热量的改变，从而使以换热量作为衡量热交换器使用性能的基础受到挑战，因此，如何选取不受工艺条件影响的、能反映热交换器本身性能的状态指标以及如何结合工艺要求对热交换器运行状态进行精准评估以预警是亟需解决的问题。

发明内容

为解决上述问题，本发明提供了一种热交换器多参数关联监测预警方法和系统，能够把握设备整体运行状态，实时追踪故障发展过程，提前发现设备异常以及引起异常的主要参数信息，提高识别故障类型的准确度，提高热交换器运行的安全性和可靠性。

本发明提供的一种热交换器多参数关联监测预警方法包括：

获取热交换器的一次监测参数，所述一次监测参数包括温度、压力和流量；

根据所述热交换器的结构参数、工艺流体物理性能参数和所述一次监测参数，构建反应传热性能、阻力性能、结垢故障和泄漏故障的二次监测参数，提取所述一次监测参数和所述二次监测参数的数据基线；

根据所述热交换器的运行状态、使用性能和故障失效与所述一次监测参数和所述二次监测参数的数据基线的关联关系，构建多参数预警模型，所述多参数预警模型包括构建健康矩阵和观测矩阵，根据所述健康矩阵和所述观测矩阵计算状态估计矩阵；

计算所述观测矩阵与所述状态估计矩阵之间的距离值，根据所述距离值计算估计值与实际值之间的相似指数；

统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致所述热交换器状态向量偏离的故障并进行预警。

优选的，在上述热交换器多参数关联监测预警方法中，所述二次监测参数包括有效平均温差、传热效率、流体功耗、总熵增率、泄漏因子和结垢阻抗系数。

优选的，在上述热交换器多参数关联监测预警方法中，所述根据所述热交换器的运行状态、使用性能和故障失效与所述一次监测参数和所述二次监测参数的数据基线的关联关系，构建多参数预警模型，所述多参数预警模型包括构建健康矩阵和观测矩阵，根据所述健康矩阵和所述观测矩阵计算状态估计矩阵包括：

通过高阶性能指标和所述一次监测参数以及所述二次监测参数的健康数据计算平均值，作为初始聚类中心，计算每种参数与相应聚类中心的距离，根据距离范围划分聚类中心所属集合，对划分好的集合重新计算每个集合的聚类中心，然后进行迭代，以其作为典型状态向量构建出健康矩阵；

根据构建完毕的所述健康矩阵与热交换器实时获取的一次监测参数、二次监测参数构建的观测矩阵计算所述状态估计矩阵，计算公式如下：

其中，D为所述健康矩阵，X_obs为实时获取的一次监测参数、二次监测参数组成的所述观测矩阵，X_est为所述状态估计矩阵。

优选的，在上述热交换器多参数关联监测预警方法中，所述计算所述观测矩阵与所述状态估计矩阵之间的距离值，根据所述距离值计算估计值与实际值之间的相似指数具体包括：

根据如下计算公式计算所述距离值：

其中，dist代表所述距离值，dist(X_obs,X_est)代表观测矩阵X_obs与状态估计矩阵X_est之间的距离；

所述相似指数的计算公式如下：

其中，sim代表所述相似指数。

优选的，在上述热交换器多参数关联监测预警方法中，在所述预警之前，还包括：

在历史健康数据相似指数序列中取一个包含N个样本的滑动窗口，计算所述滑动窗口内连续N个相似指数的平均值，计算公式如下：

其中，sim_i为第i个相似指数，将使用滑动窗口得出的相似度指数最小值s_min作为预警阈值。

优选的，在上述热交换器多参数关联监测预警方法中，所述统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致所述热交换器状态向量偏离的故障并进行预警包括：

统计监测时间段内的第一监测参数和/或二次监测参数对所述距离值产生的距离贡献率不同来确定造成状态偏移的主要参数，根据对应的参数变化所代表的故障原因进行判别和定位，具体计算方式如下：

下式表示第j时刻第i个参数对于同时刻的所述距离值的贡献率；

式中i代表参数种类，是由典型健康记忆矩阵构建时的参数排列顺序决定，j代表监测时间段中的某一时刻；通过上式计算同时刻各个参数对于差异值的贡献率，贡献率排前三位的参数为该时刻的异常参数，然后统计全部的监测时间段内各个参数的差异贡献率，差异贡献率排前三位的参数为异常参数，其中，全部的监测时间段内的单个参数差异贡献值计算如下：

根据各参数在监测时间段内的差异贡献率确定异常参数，进行故障的判别与定位，然后进行预警。

优选的，在上述热交换器多参数关联监测预警方法中，所述根据各参数在监测时间段内的差异贡献率确定异常参数，进行故障的判别与定位包括：

根据确定的所述异常参数，结合热交换器故障判别与定位规则，实现热交换器故障的判别与定位，具体包括：

当所述异常参数为热侧进口压力与传热效率时，判定热交换器发生管板泄漏故障或管束泄漏故障；

当所述异常参数为热侧进口压力与泄漏因子时，判定热交换器发生法兰泄漏故障；

当所述异常参数为传热效率、有效平均温差和结垢阻抗系数时，判定热交换器发生结垢故障。

本发明提供的一种热交换器多参数关联监测预警系统包括：

获取装置，用于获取热交换器的一次监测参数，所述一次监测参数包括温度、压力和流量；

二次监测参数构建装置，用于根据所述热交换器的结构参数、工艺流体物理性能参数和所述一次监测参数，构建反应传热性能、阻力性能、结垢故障和泄漏故障的二次监测参数,提取所述一次监测参数和所述二次监测参数的数据基线；

多参数预警模型构建装置，用于根据所述热交换器的运行状态、使用性能和故障失效与所述一次监测参数和所述二次监测参数的数据基线的关联关系，构建多参数预警模型，所述多参数预警模型包括构建健康矩阵和观测矩阵，根据所述健康矩阵和所述观测矩阵计算状态估计矩阵；

相似指数计算装置，用于计算所述观测矩阵与所述状态估计矩阵之间的距离值，根据所述距离值计算估计值与实际值之间的相似指数；

故障定位和预警装置，用于统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致所述热交换器状态向量偏离的故障并进行预警。

优选的，在上述热交换器多参数关联监测预警系统中，所述二次监测参数包括有效平均温差、传热效率、流体功耗、总熵增率、泄漏因子和结垢阻抗系数。

优选的，在上述热交换器多参数关联监测预警系统中，所述多参数预警模型构建装置具体用于：

通过高阶性能指标和所述一次监测参数以及所述二次监测参数的健康数据计算平均值，作为初始聚类中心，计算每种参数与相应聚类中心的距离，根据距离范围划分聚类中心所属集合，对划分好的集合重新计算每个集合的聚类中心，然后进行迭代，以其作为典型状态向量构建出健康矩阵；

根据构建完毕的所述健康矩阵与热交换器实时获取的一次监测参数、二次监测参数构建的观测矩阵计算所述状态估计矩阵，计算公式如下：

其中，D为所述健康矩阵，X_obs为实时获取的一次监测参数、二次监测参数组成的所述观测矩阵，X_est为所述状态估计矩阵。

通过上述描述可知，本发明提供的上述热交换器多参数关联监测预警方法，由于包括获取热交换器的一次监测参数，所述一次监测参数包括温度、压力和流量；根据所述热交换器的结构参数、工艺流体物理性能参数和所述一次监测参数，构建反应传热性能、阻力性能、结垢故障和泄漏故障的二次监测参数，提取所述一次监测参数和所述二次监测参数的数据基线；根据所述热交换器的运行状态、使用性能和故障失效与所述一次监测参数和所述二次监测参数的数据基线的关联关系，构建多参数预警模型，所述多参数预警模型包括构建健康矩阵和观测矩阵，根据所述健康矩阵和所述观测矩阵计算状态估计矩阵；计算所述观测矩阵与所述状态估计矩阵之间的距离值，根据所述距离值计算估计值与实际值之间的相似指数；统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致所述热交换器状态向量偏离的故障并进行预警，可见其在以往多元状态估计的基础上，将一次监测参数与二次监测参数结合做为状态评估的指标，建立起故障与机理之间的对应关系，可根据确定的异常参数对设备性能、失效程度等进行评判，从而利用该方法能够把握设备整体运行状态，实时追踪故障发展过程，提前发现设备异常以及引起异常的主要参数信息，提高识别故障类型的准确度，提高热交换器运行的安全性和可靠性。本发明提供的上述系统具有与上述方法同样的优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明提供的一种热交换器多参数关联监测预警方法的实施例的示意图；

图2为冷热流体在热交换器内流动状况的示意图；

图3为本发明提供的一种热交换器多参数关联监测预警系统的实施例的示意图。

具体实施方式

本发明的核心是提供一种热交换器多参数关联监测预警方法和系统，能够把握设备整体运行状态，实时追踪故障发展过程，提前发现设备异常以及引起异常的主要参数信息，提高识别故障类型的准确度，提高热交换器运行的安全性和可靠性。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供的一种热交换器多参数关联监测预警方法的实施例如图1所示，图1为本发明提供的一种热交换器多参数关联监测预警方法的实施例的示意图，该方法可以包括如下步骤：

S1：获取热交换器的一次监测参数，一次监测参数包括温度、压力和流量；

需要说明的是，一次监测参数就是可直接监测到的实时参数，可以根据热交换器工作机理以及现场工作经验、监测成本和施工条件来选取一次监测参数，可以利用一个实时处理模块来采集和处理热交换器中的冷、热侧工艺流体进出口的温度、压力和流量等一次监测参数，以此作为高阶指标构建的基础以及部分状态评估指标，以解决数据缺失、大幅波动等现象，当然还可以根据实际需要选择其他参数，此处并不限制。还需要说明的是，在该步骤中，还可以利用滑动平均算法剔除一次监测参数中的背景噪声，并将未知长度的实时状态参数转存在定步长的数组内，这就能够解决数据缺失、数据大幅波动等缺陷，还能达到降低系统计算压力的目的。

S2：根据热交换器的结构参数、工艺流体物理性能参数和一次监测参数，构建反应传热性能、阻力性能、结垢故障和泄漏故障的二次监测参数，提取一次监测参数和二次监测参数的数据基线；

具体的，就是通过温度、压力及流量等一次监测参数构建表征热交换器传热、阻力、结垢及泄漏的二次监测参数，可反映热交换器结垢失效与泄漏失效程度及发展，建立起设备工作机理与状态参数的关联关系，形成能够最大程度反映热交换器运行状态的指标体系，全面的表征热交换器使用时性能的变化，在计算出上述指标之后，需进行数据动态基线提取。由于原始数据产生的微小波动，在计算二次监测参数指标的过程之中这些微小波动会被不同程度的放大，从而影响设备状态估计结果。通过提取各个指标的数据动态基线，保留数据动态特征的同时在一定程度上剔除了数据波动，为进一步计算做好准备。

数据动态基线提取方法如下式表示：

V_t＝βV_t-1+(1-β)θ_t

式中：

V_t——t时刻的基准值；

V_t-1——t-1时刻的基准值；

θ_t——监测指标原始值；

β——权重系数；

如上式所示，当选定权重值β后，V_t计算如下式：

V_t＝(1-β)(θ_t+βθ_t-1+β²θ_t-2+…+β^t-1θ₁)+β^tV₀

取V₀等于0，监测指标原始值θ值权重系数呈指数下降，时间比较久远的变量值的影响力相对较低，时间比较近的变量值的影响力相对较高，实现所有基准数据在一定范围变化，保证数据基线具有数据动态特性且不会有较大波动。

S3：根据热交换器的运行状态、使用性能和故障失效与一次监测参数和二次监测参数的数据基线的关联关系，构建多参数预警模型，多参数预警模型包括构建健康矩阵和观测矩阵，根据健康矩阵和观测矩阵计算状态估计矩阵；

具体的，可以通过热交换器历史健康数据结合同时刻的高阶性能指标利用k-means算法构建涵盖所有运行工况的典型健康记忆矩阵，能够最大程度的消除工况变化对状态评估参数的影响。

S4：计算观测矩阵与状态估计矩阵之间的距离值，根据距离值计算估计值与实际值之间的相似指数；

具体的，可以根据实时传入的一次监测参数及二次监测参数与其估计值之间距离值来评估热交换器的整体运行状态，实现热交换器运行状态的定性评估。

S5：统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致热交换器状态向量偏离的故障并进行预警。

具体的，可以将定步长的测试样本X_obs与典型记忆矩阵进行相关运算，得到相对应的估计值X_est，采用欧式距离来计算测试样本X_obs与样本估计值X_est的差异值，保证代表了设备状态的坐标对差异值的贡献源自于坐标值的本身，降低数据计算过程中的波动性，将实时监测值与估计值的距离变换为0到1区间内的相似指数，通过相似指数的变化去表征设备管壳式热交换器运转过程中实际值与估计值之间差异值变化情况，消除由于运行状态不同产生不同距离带来预警阈值设置困难的问题。还需要说明的是，可以通过计算历史健康数据实际值与估计值之间的归一化相似指数，使用多个滑动窗口得出的历史健康数据平均归一化相似指数的最小值E作为报警阈值，从而实现管壳式热交换器的状态估计与预警，基于状态参数误差贡献统计来监测一定时间段内的状态指标估计值与实际值差异贡献值较大的参数，从而进行精准故障诊断及故障原因追溯，避免设备运行时偶然超阈值现象的发生。利用产生差异值时各个评估向量对于差异的贡献率不同来确定导致设备运行状态变化的异常参数，从而根据确定的一次监测参数与二次监测参数中的异常参数关联关系进行设备的故障定位及故障原因追溯。还需要强调的是，对差异贡献率进行排序后，可以选择前三位，将排在前三位的参数进行分析，这就是对故障贡献较大的参数，从而据此定位故障，当然还可以根据实际需要选择其他数量，此处并不限制。

在上述热交换器多参数关联监测预警方法的另一个具体实施例中，二次监测参数可以包括：有效平均温差、传热效率、流体功耗、总熵增率、泄漏因子和结垢阻抗系数。

具体的这些二次监测参数计算方式如下：

1、有效平均温差

有效平均温差又称平均传热温差，是冷、热侧流体传热推动力的直接体现，也是衡量热交换器传热性能的重要指标之一，其计算公式如下：

式中，Δt_m代表有效平均温差，Δt_max及Δt_min代表热交换器冷、热两侧温差较大者与较小者，上式对于并流传热及逆流传热均适用。冷、热两侧温差计算公式如下：

Δt_h＝t_hi-t_ho

Δt_c＝t_co-t_ci

式中：

Δt_h——代表热侧温差，℃

Δt_c——代表冷侧温差，℃

Δt_hi——代表热侧流体进口温度，℃

Δt_ho——代表热侧流体出口温度，℃

Δt_ci——代表冷侧流体进口温度，℃

Δt_co——代表冷侧流体出口温度，℃

当热交换器发生结垢故障时，会使热交换器传热性能下降，导致冷、热侧流体温差减小，从而使有效平均温差降低。故有效平均温差也可作为结垢监测的重要指标。

2、传热效率

传热效率ε表示热交换器的实际效果与最大可能的换热效果之比。热交换器的传热效率将实际性能与理想条件下热交换器所能实现的性能相联系，在热交换器设计优化中被经常采用。在热交换器运行过程中，也可以根据传热效率值来评价热交换器的工作状况，判断热交换器内部结垢情况。其计算公式如下：

式中：

Q—冷热流体在热交换器中的实际换热量，W；

Q_max—流体在热交换器中可能发生的最大换热量，W；

(t-t″)_max—冷流体或热流体在热交换器中的实际温度差值中的大者，℃；

t′₁-t′₂—流体在热交换器中可能发生的最大温差值，℃；

3、流体功耗

流动功耗表示了流体在热交换器流动换热过程中损失的功。功耗越大，热交换器使用性能越差，功耗越低，热交换器使用性能越好。计算公式如下：

N＝[V_h(P_hi-P_ho)+V_c(P_ci-P_co)]

式中：

N——流动功耗，W

V_c——冷流体的体积流量，m³/s

V_h——热流体的体积流量，m³/s

P_hi——热流体进口压力，MPa

P_ho——热流体出口压力，MPa

P_ci——冷流体进口压力，MPa

P_co——冷流体出口压力，MPa

4、总熵增率

热交换器的总熵增率即为热交换器每传过单位热量时所消耗的可用能，工业中常用来进行热交换器的能效评价，计算过程如下：

式中：

Y_s——热交换器的总熵增率

T₀——环境温度，℃

Δs_Tot——总熵增，J/K

Δs_Δt——由温差传热引起的熵增，J/K

Δs_Δp——由压差流动引起的熵增，J/K

n——折算系数，无因次量由温差传热引起的熵增：

Δs_Δt＝Δs_Δt1+Δs_Δt2

式中

Δs_Δt1——冷流体放热引起的熵增，J/K

Δs_Δt2——热流体吸热引起的熵增，J/K

Δs_Δt1、Δs_Δt1的计算公式为：

Δs_Δt1＝Q/2t_ci(3-t_co/t_ci)

Δs_Δt2＝Q/2t_hi(3-t_ho/t_hi)

同理：

Δs_Δp＝Δs_Δp1+Δs_Δp2

式中：

Δs_Δp1——冷流体流动引起的熵增，J/K

Δs_Δp2——热流体流动引起的熵增，J/K

由冷热流体引起的熵增计算公式如下：

Δs_Δp1＝V_cΔp_c/t_cm＝2V_c(p_ci-p_co)/(t_ci+t_co)

Δs_Δp2＝V_hΔp_h/t_hm＝2V_h(p_hi-p_ho)/(t_hi+t_ho)

V_c、V_h——单位时间内冷、热流体体积流量，m³/s

Δp_c、Δp_h——热交换器冷、热侧压降，Pa

t_cm、t_cm——热交换器冷、热侧进、出口平均温度，Pa

p_ci、p_co、p_hi、p_ho—热交换器冷、热流进、出口压力，Pa

t_ci、t_co、t_hi、t_ho—热交换器冷、热流进、出口温度，℃

4、泄漏因子

泄漏作为热交换器主要失效模式之一，严重影响了热交换器使用。在针对热交换器监测与预警方面，泄漏是一定不能忽视的。如何根据以监测参数为基础构建泄漏程度的表征量一直是热交换器监测与预警的难题。现构建泄漏因子作为表征热交换器泄漏程度的主要指标。

热交换器器内冷、热流体的流动情况描述如图2所示，图2为冷热流体在热交换器内流动状况的示意图，其中G_ci、G_co分别为冷流体的进、出口质量流量；G_hi、G_ho分别为热流体进、出口质量流量；G_l为假设的热流体漏入流体的质量流量。根据各进、出口点的温度和压力可以得到对应的焓值，基于质量-能量平衡的方程可以推导得出定义为热交换器泄漏因子Δ的理论计算模型，该模型可以有效的用于监测热交换器是否发生泄漏和泄漏程度的大小。根据热量平衡：

G_hih_i+G_hiH_i＝G_coh_o+G_hoH_o

根据质量平衡：

G_co＝G_ci+G_l

G_ho＝G_hi-G_l

根据进出口压力温度得出介质的焓，从而可计算液体的泄漏量为：

式中：

G_l——为泄漏量(质量流量)，kg/s

G_hi——为热流体进口质量流量，kg/s

G_ci——为冷流体进口质量流量，kg/s

H_i——为热流体进口焓，kJ/kg

H_o——为热流体出口焓，kJ/kg

h_i——为冷流体进口焓，kJ/kg

h_o——为冷流体出口焓，kJ/kg

为考虑工况变化，对泄漏量进行归一化处理，定义泄漏因子Δ如下：

根据质量平衡和热量平衡推导的泄漏因子Δ可以用来帮助判断热交换器的运行状态。从泄漏因子公式可以看出Δ是一个相对量，是一个比值，它是根据能量平衡推导计算出来的，它不受外部工况的变化的影响，仅与热交换器本身的状态相关。Δ的理想值为0，但是在实际运行的过程中，由于测量数据的误差和其他干扰因素的影响，根据实际数据计算出来的结果与理想值有一定差别，可根据总体变化趋势和相关数据加以分析判断。

5、结垢阻抗系数

热交换器在使用时由于工艺流体种类、物性等因素，一段时间后总会附着在传热器内壁上的污垢层，导致使用性能的下降，严重时还可能造成换热管堵塞，酿成重大事故，因此，构建针对结垢失效的状态指标也十分必要。在此，根据温度、压力、流量等一次监测参数构建热交换器结垢阻抗系数作为表征热交换器结失效的状态指标，构建过程如下：

首先需要建立垢层厚度与流动压损、介质流速之间的函数关系，然后通过监测压降和流速等参数来计算污垢厚度。壳程、管程换热量可以由传热系数、传热面积、介质密度等可测量得到。通过阻抗系数与结垢厚度的关系可以得到结垢厚度与热交换器换热过程中可测参数的关系，从而根据可测参数的量计算出结垢厚度。

管壳式热交换器壳程的当量直径为：

式中：

D_i——壳体内径，m

n——换热管数，

d——换热管外径，m

管壳式热交换器结垢时，壳程的当量直径为：

式中：

δ_f——为热交换器结垢厚度，m

管壳式热交换器壳程流体流量的换热量为：

Q_l＝cG_lΔT_l＝cρ_lV_lΔT_l

式中：

Q_l——为热交换器壳程换热量，W

c——为热交换器内介质比热容，J/(kg·℃)

G_l——为热交换器壳程质量流量，kJ/kg

ΔT_l——为热交换器壳程进出口温差，℃

ρ_l——为热交换器内介质密度，kg/m³

V_l——为热交换器壳程体积流量，m³/s

管壳式热交换器管程流体换热量为：

Q_r＝cG_rΔt_r＝c_rρV_rΔt_r

式中

Q_r——为热交换器管程换热量，W

G_r——为热交换器管程质量流量，kJ/kg

Δt_r——为热交换器管程进出口温差，℃

V_r——为热交换器管程体积流量，m³/s

管壳式热交换器的换热效率为：

管壳式热交换器的传热系数为:

式中：

K——热交换器传热系数，W/(㎡·K)

A——热交换器换热面积，m²

ΔT_m——管壳式热交换器对数平均温差，℃

α₁——热交换器管程对流换热系数，W/(m·K)

α₂——热交换器壳程对流换热系数，W/(m·K)

λ₁——换热管的导热系数，W/(m·K)

λ₂——换热管上污垢的导热系数，W/(m·K)

δ_f——换热管厚度，m

管壳式热交换器壳程结垢后，壳程阻抗系数:

由上述公式分析，可得壳程当量结垢厚度为:

其中

其中λ为介质流动的阻抗系数，由热交换器壳程内流体的流动状态决定，本课题所选取的热交换器流动状态，热交换器管程、壳程的雷诺数Re＝700～1250之间，取

管壳式热交换器结垢后，阻抗系数为:

以上述二次监测参数结合温度、压力、流量等一次监测参数作为评价热交换器运行状态的表征参数。需指出，由于热交换器种类、工艺目的不同，相关状态表征参数包括但不限于上述监测参数。

在上述热交换器多参数关联监测预警方法的又一个具体实施例中，根据热交换器的运行状态、使用性能和故障失效与一次监测参数和二次监测参数的数据基线的关联关系，构建多参数预警模型，多参数预警模型包括构建健康矩阵和观测矩阵，根据健康矩阵和观测矩阵计算状态估计矩阵可以具体包括如下步骤：

通过高阶性能指标和一次监测参数以及二次监测参数的健康数据计算平均值，作为初始聚类中心，计算每种参数与相应聚类中心的距离，根据距离范围划分聚类中心所属集合，对划分好的集合重新计算每个集合的聚类中心，然后进行迭代，以其作为典型状态向量构建出健康矩阵；

根据构建完毕的健康矩阵与热交换器实时获取的一次监测参数、二次监测参数构建的观测矩阵计算状态估计矩阵，计算公式如下：

其中，D为健康矩阵，X_obs为实时获取的一次监测参数、二次监测参数组成的观测矩阵，X_est为状态估计矩阵。

理论上根据选定的一次监测参数及二次监测参数构建出2n×m维的典型健康记忆矩阵D：

其中，Y代表由二次监测参数，X代表一次监测参数，n为估计参数种类，m为估计参数长度，γ为同时刻各参数组成的状态向量。

当输入某一时刻的新观测向量X_obs，模型的输出为对该输入向量的估计值X_est。实时测试样本X_obs为2n×k维矩阵，n为估计参数种类，k为估计参数长度，可表示为：

对任何一个输入观测向量X_obs在计算估计值X_est过程中生成一个m维的权值向量，可表示为：

W＝[W(1),W(2),...W(m)]^T

使得：

X_est＝D·W＝D·[W(1),W(2),...W(m)]^T

＝W(1)γ(t₁)+W(2)γ(t₂)+…+W(m)γ(t_m)

估计向量实质是m个正常状态的线性组合，权值向量W是实时观测向量与m个正常状态向量的权重系数。权值向量W可通过最小化残差向量来获得，在最小化残差向量的条件下，权值向量可由以下式子获得：

式中

是为避免观测向量运算之后出现不可逆现象引进的非线性算子，其计算过程为：

根据上述步骤易得到2n×k维的到估计矩阵X_est。

当设备健康运行时，估计值X_est与实时测试值X_obs较为相似，同时刻状态向量的距离维持在一个较小且稳定的值。当设备运行状态发生变化甚至发生故障，X_obs与X_est在设备运行状态发生改变的时刻状态向量距离发生改变，两组向量之间差异值较正常运行时增大，以此来评估设备运行状态。

上述计算观测矩阵与状态估计矩阵之间的距离值，根据距离值计算估计值与实际值之间的相似指数具体可以包括如下步骤：

估计值X_est与实时样本值X_obs之间的差异由同时刻状态向量之间的距离dist表示，计算公式如下：

式中dist代表距离值，dist(X_obs,X_est)代表观测矩阵X_obs与状态估计矩阵X_est之间的距离，X_obsi、X_esti代表了实时样本值与估计值在第i时刻的状态向量；

考虑到在设备在运行时状态发生改变及产生故障等均会造成同时刻状态向量距离的改变，产生不确定的距离变化，由此造成设备预警的困难，故在此引进基于距离的归一化相似度sim：

其中，sim代表相似指数，基于距离的归一化相似度将实时样本值与估计值在同时刻的距离转换为0到1区间的相似度，当两状态向量之间距离值较大时，sim较小，反之sim值较大，可将sim值作为评定热交换器整体状态的最终指标。

在上述热交换器多参数关联监测预警方法的一个优选实施例中，在预警之前，还可以包括如下步骤：

在历史健康数据相似指数序列中取一个包含N个样本的滑动窗口，计算窗口内连续N个相似指数的平均值，计算公式如下：

其中，sim_i为相似指数，将使用滑动窗口得出的相似度指数最小值s_min作为预警阈值。

具体的，使用热交换器健康历史数据通过上述步骤计算健康值的估计值，以健康值的估计值与实际值最大偏移距离作为设备正常运行时估计值与实际值所允许的最大偏移量，以相对应的归一化相似指数作为报警阈值，达到判断设备整体是否正常运行的目的。当基于距离的相似度指数降低时表明热交换器运行状态正在偏离健康状态，为避免偶发的超阈值现象，提高预警阈值使用的可靠性，使用滑动窗口算法降低健康数据相似指数的波动性。在历史健康数据相似指数序列中取一个包含N个样本的滑动窗口，计算窗口内连续N个相似指数的平均值，计算公式如下：

将使用滑动窗口得出的相似度指数最小值s_min作为预警阈值。

进一步的，上述统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致热交换器状态向量偏离的故障并进行预警可以具体包括如下步骤：

统计监测时间段内的第一监测参数和/或二次监测参数对距离值产生的距离贡献率不同来确定造成状态偏移的主要参数，根据对应的参数变化所代表的故障原因进行判别和定位，具体计算方式如下：

下式表示第j时刻第i个参数对于同时刻的距离值的贡献率；

式中i代表参数种类，是由典型健康记忆矩阵构建时的参数排列顺序决定，j代表监测时间段中的某一时刻；通过上式计算同时刻各个参数对于差异值的贡献率，贡献率排前三位的参数为该时刻的异常参数，然后统计全部的监测时间段内各个参数的差异贡献率，差异贡献率排前三位的参数为异常参数，其中，全部的监测时间段内的单个参数差异贡献值计算如下：

根据各参数在监测时间段内的差异贡献率确定异常参数，进行故障的判别与定位，然后进行预警。

具体而言，可以采用基于状态参数误差贡献统计的故障诊断模块，利用热交换器在监测时间段内不同状态参数对距离值产生的距离贡献率不同来锁定造成状态偏移的主要参数，进而根据对应参数变化所代表的故障原因进行诊断。用户可根据各参数在监测时间段内的差异贡献率锁定异常参数，从而根据锁定的异常参数进行故障定位、故障判别，从而实现热交换器的精准故障诊断。

更进一步的，上述根据各参数在监测时间段内的差异贡献率确定异常参数，进行故障的判别与定位可以具体包括如下情况：

根据确定的异常参数，结合热交换器故障判别与定位规则，实现热交换器故障的判别与定位，具体包括：

当异常参数为热侧进口压力与传热效率时，判定热交换器发生管板泄漏故障或管束泄漏故障；

当异常参数为热侧进口压力与泄漏因子时，判定热交换器发生法兰泄漏故障；

当异常参数为传热效率、有效平均温差和结垢阻抗系数时，判定热交换器发生结垢故障。

综上，本申请提供的上述方法，在采集热交换器的状态参数时，考虑到采集到的状态特征参数不能够最大限度的表征热交换器的运行状态，本实施例以工艺流体的温度、压力、流量等一次监测参数为基础，构建表征热交换器传热性能、阻力性能、结垢失效、泄漏失效二次监测参数，包括但不限于有效平均温差、传热效率、流动功耗、总熵增率、泄漏因子、结垢阻抗系数，将一次监测测数及二次监测参数作为评价热交换器运行状态的特性参数，形成针对热交换器性能及主要失效模式的评价指标体系，能够最大程度上反映热交换器的运行状态和使用性能等，提高热交换器监测预警的有效性。而且，在进行热交换器多元状态评估时，考虑到热交换器工况繁多、不同工况下监测参数变化较大，选取健康数据构建记忆矩阵时在保证系统计算速度的同时难以涵盖所有设备运行工况，本实施例提出利用典型聚类算法对所有热交换器运行工况的健康数据进行聚类，保证在有限数据量的条件下涵盖代表所有运行工况的健康数据，旨在消除工况变化的影响。另外，为克服多元状态评估只能对设备整体状态进行评估、无法追溯影响设备运行状态因素的弊端，本实施例提出基于状态参数误差贡献统计方法进行设备的故障诊断，通过统计在全监测时间段内单一参数对估计值与实际监测值之间误差贡献率的大小，判断导致设备运行状态偏离的主要参数，进而追溯故障原因。

本发明提供的一种热交换器多参数关联监测预警系统的实施例如图3所示，图3为本发明提供的一种热交换器多参数关联监测预警系统的实施例的示意图，该系统可以包括：

获取装置301，用于获取热交换器的一次监测参数，一次监测参数包括温度、压力和流量，需要说明的是，一次监测参数就是可以直接监测到的实时参数，可以根据热交换器工作机理以及现场工作经验、监测成本和施工条件，选取一次监测参数，可以利用一个实时处理模块来采集和处理热交换器中的冷、热侧工艺流体进出口的温度、压力和流量等一次监测参数，以此作为高阶指标构建基础以及部分状态评估指标，以解决数据缺失、大幅波动等现象，当然还可以根据实际需要其他参数，此处并不限制，还可以利用滑动平均算法剔除一次监测参数中的背景噪声，并将未知长度的实时状态参数转存在定步长的数组内，这就能够解决数据缺失、数据大幅波动等缺陷，还能达到降低系统计算压力的目的；

二次监测参数构建装置302，用于根据热交换器的结构参数、工艺流体物理性能参数和一次监测参数，构建反应传热性能、阻力性能、结垢故障和泄漏故障的二次监测参数，提取一次监测参数和二次监测参数的数据基线，具体的，就是通过温度、压力及流量等一次监测参数构建表征热交换器传热、阻力、结垢及泄漏的二次监测参数，可反映热交换器结垢失效与泄漏失效程度及发展，建立起设备工作机理与状态参数的关联关系，形成能够最大程度反映热交换器运行状态的指标体系，全面的表征热交换器使用时性能的变化，在计算出上述指标之后，需进行数据动态基线提取。由于原始数据产生的微小波动，在计算二次监测参数指标的过程之中这些微小波动会被不同程度的放大，从而影响设备状态估计结果。通过提取各个指标的数据动态基线，保留数据动态特征的同时在一定程度上剔除了数据波动，为进一步计算做好准备；

多参数预警模型构建装置303，用于根据热交换器的运行状态、使用性能和故障失效与一次监测参数和二次监测参数的数据基线的关联关系，构建多参数预警模型，多参数预警模型包括构建健康矩阵和观测矩阵，根据健康矩阵和观测矩阵计算状态估计矩阵，具体的，可以通过热交换器历史健康数据结合同时刻的高阶性能指标利用k-means算法构建涵盖所有运行工况的典型健康记忆矩阵，能够最大程度的消除工况变化对状态评估参数的影响；

相似指数计算装置304，用于计算观测矩阵与状态估计矩阵之间的距离值，根据距离值计算估计值与实际值之间的相似指数，具体的，可以根据实时传入的一次监测参数及二次监测参数与其估计值之间距离值来评估热交换器的整体运行状态，实现热交换器运行状态的定性评估；

故障定位和预警装置305，用于统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致热交换器状态向量偏离的故障并进行预警，具体的，可以将定步长的测试样本X_obs与典型记忆矩阵进行相关运算，得到相对应的估计值X_est，采用欧式距离来计算测试样本X_obs与样本估计值X_est的差异值，保证代表了设备状态的坐标对差异值的贡献源自于坐标值的本身，降低数据计算过程中的波动性，将实时监测值与估计值的距离变换为0到1区间内的相似指数，通过相似指数的变化去表征设备管壳式热交换器运转过程中实际值与估计值之间差异值变化情况，消除由于运行状态不同产生不同距离带来预警阈值设置困难的问题，还需要说明的是，可以通过计算历史健康数据实际值与估计值之间的归一化相似指数，使用多个滑动窗口得出的历史健康数据平均归一化相似指数的最小值E作为报警阈值，从而实现管壳式热交换器的状态估计与预警，基于状态参数误差贡献统计来监测一定时间段内的状态指标估计值与实际值差异贡献值较大的参数，从而进行精准故障诊断及故障原因追溯，避免设备运行时偶然超阈值现象的发生。利用产生差异值时各个评估向量对于差异的贡献率不同来确定导致设备运行状态变化的异常参数，从而根据确定的一次监测参数与二次监测参数中的异常参数关联关系进行设备的故障定位及故障原因追溯。还需要强调的是，对差异贡献率进行排序后，可以选择前三位，将排在前三位的参数进行分析，这就是对故障贡献较大的参数，从而据此定位故障，当然还可以根据实际需要选择其他数量，此处并不限制。

在上述热交换器多参数关联监测预警系统的一个具体实施例中，二次监测参数构建装置用于构建有效平均温差、传热效率、流体功耗、总熵增率、泄漏因子和结垢阻抗系数。具体这些参数的计算可以参考上面的描述，此处不再赘述。

在上述热交换器多参数关联监测预警系统的另一个具体实施例中，多参数预警模型构建装置具体可以用于：

通过高阶性能指标和一次监测参数以及二次监测参数的健康数据计算平均值，作为初始聚类中心，计算每种参数与相应聚类中心的距离，根据距离范围划分聚类中心所属集合，对划分好的集合重新计算每个集合的聚类中心，然后进行迭代，以其作为典型状态向量构建出健康矩阵；

根据构建完毕的健康矩阵与热交换器实时获取的一次监测参数、二次监测参数构建的观测矩阵计算状态估计矩阵，计算公式如下：

其中，D为健康矩阵，X_obs为实时获取的一次监测参数、二次监测参数组成的观测矩阵，X_est为状态估计矩阵。

具体的，可以通过K-Means聚类算法构件涵盖所有工况条件的典型健康记忆矩阵作为设备运行状态评估的标准。通过高阶性能指标以及工艺参数等健康数据计算各个参数的平均值作为初始聚类中心，计算每种参数与相应聚类中心的距离，根据距离范围划分聚类中心所属集合，对划分好的K个集合重新计算每个集合的聚类中心，对上述步骤进行迭代，以其作为典型状态向量进行健康矩阵D的构建和训练。如此构建的记忆矩阵可以涵盖设备各种工况运行的正常数据，同时又避免因矩阵过大造成计算量过大而无法满足工程实时性要求，从而达到消除不同工况对设备运行状态参数造成的影响。

理论上根据选定的一次监测参数及二次监测参数构建出2n×m维的典型健康记忆矩阵D：

其中，Y代表由二次监测参数，X代表一次监测参数，n为估计参数种类，m为估计参数长度，γ为同时刻各参数组成的状态向量。

当输入某一时刻的新观测向量X_obs，模型的输出为对该输入向量的估计值X_est。实时测试样本X_obs为2n×k维矩阵，n为估计参数种类，k为估计参数长度，可表示为：

对任何一个输入观测向量X_obs在计算估计值X_est过程中生成一个m维的权值向量，可表示为：

W＝[W(1),W(2),...W(m)]^T

使得：

X_est＝D·W＝D·[W(1),W(2),...W(m)]^T

＝W(1)γ(t₁)+W(2)γ(t₂)+…+W(m)γ(t_m)

估计向量实质是m个正常状态的线性组合，权值向量W是实时观测向量与m个正常状态向量的权重系数。权值向量W可通过最小化残差向量来获得，在最小化残差向量的条件下，权值向量可由以下式子获得：

式中

是为避免观测向量运算之后出现不可逆现象引进的非线性算子，其计算过程为：

根据上述步骤易得到2n×k维的到估计矩阵X_est。

当设备健康运行时，估计值X_est与实时测试值X_obs较为相似，同时刻状态向量的距离维持在一个较小且稳定的值。当设备运行状态发生变化甚至发生故障，X_obs与X_est在设备运行状态发生改变的时刻状态向量距离发生改变，两组向量之间差异值较正常运行时增大，以此来评估设备运行状态。估计值X_est与实时样本值X_obs之间的差异由同时刻状态向量之间的距离dist表示，计算公式如下：

式中X_obsi、X_esti代表了实时样本值与估计值在第i时刻的状态向量。

考虑到在设备在运行时状态发生改变及产生故障等均会造成同时刻状态向量距离的改变，产生不确定的距离变化，由此造成设备预警的困难，故在此引进基于距离的归一化相似度sim：

基于距离的归一化相似度将实时样本值与估计值在同时刻的距离转换为0到1区间的相似度，当两状态向量之间距离值较大时，sim较小，反之sim值较大，可将sim值作为评定热交换器整体状态的最终指标。

在上述热交换器多参数关联监测预警系统的一个优选实施例中，在预警之前，还可以具体包括在历史健康数据相似指数序列中取一个包含N个样本的滑动窗口，计算窗口内连续N个相似指数的平均值，计算公式如下：

其中，sim_i为相似指数，将使用滑动窗口得出的相似度指数最小值s_min作为预警阈值。

具体的，使用热交换器健康历史数据通过前面方法计算健康值的估计值，以健康值的估计值与实际值最大偏移距离作为设备正常运行时估计值与实际值所允许的最大偏移量，以相对应的归一化相似指数作为报警阈值，达到判断设备整体是否正常运行的目的。当基于距离的相似度指数降低时表明热交换器运行状态正在偏离健康状态，为避免偶发的超阈值现象，提高预警阈值使用的可靠性，使用滑动窗口算法降低健康数据相似指数的波动性。在历史健康数据相似指数序列中取一个包含N个样本的滑动窗口，计算窗口内连续N个相似指数的平均值，计算公式如下：

将使用滑动窗口得出的相似度指数最小值s_min作为预警阈值。

进一步的实施例中，上述系统中的故障诊断和预警装置可以具体用于统计监测时间段内的第一监测参数和/或二次监测参数对距离值产生的距离贡献率不同来确定造成状态偏移的主要参数，根据对应的参数变化所代表的故障原因进行判别和定位，具体计算方式如下：

下式表示第j时刻第i个参数对于同时刻的距离值的贡献率；

式中i代表参数种类，是由典型健康记忆矩阵构建时的参数排列顺序决定，j代表监测时间段中的某一时刻；通过上式计算同时刻各个参数对于差异值的贡献率，贡献率排前三位的参数为该时刻的异常参数，然后统计全部的监测时间段内各个参数的差异贡献率，差异贡献率排前三位的参数为异常参数，其中，全部的监测时间段内的单个参数差异贡献值计算如下：

根据各参数在监测时间段内的差异贡献率确定异常参数，进行故障的判别与定位，然后进行预警。

详细来说，可以采用基于状态参数误差贡献统计的故障诊断模块，利用热交换器在监测时间段内不同状态参数对距离值产生的距离贡献率不同来锁定造成状态偏移的主要参数，进而根据对应参数变化所代表的故障原因进行诊断。用户可根据各参数在监测时间段内的差异贡献率锁定异常参数，从而进行精准故障诊断。

更进一步的，上述故障定位和预警装置可以具体用于：

根据确定的异常参数，结合热交换器故障判别与定位规则，实现热交换器故障的判别与定位，具体包括：

当异常参数为热侧进口压力与传热效率时，判定热交换器发生管板泄漏故障或管束泄漏故障；

当异常参数为热侧进口压力与泄漏因子时，判定热交换器发生法兰泄漏故障；

当异常参数为传热效率、有效平均温差和结垢阻抗系数时，判定热交换器发生结垢故障。

通过上述描述可知，本发明提供的上述热交换器多参数关联监测预警系统，能够把握设备整体运行状态，实时追踪故障发展过程，提前发现设备异常以及引起异常的主要参数信息，提高识别故障类型的准确度，提高热交换器运行的安全性和可靠性。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种热交换器多参数关联监测预警方法，其特征在于，包括：

获取热交换器的一次监测参数，所述一次监测参数包括温度、压力和流量；

根据所述热交换器的结构参数、工艺流体物理性能参数和所述一次监测参数，构建反应传热性能、阻力性能、结垢故障和泄漏故障的二次监测参数，提取所述一次监测参数和所述二次监测参数的数据基线；

根据所述热交换器的运行状态、使用性能和故障失效与所述一次监测参数和所述二次监测参数的数据基线的关联关系，构建多参数预警模型，所述多参数预警模型包括构建健康矩阵和观测矩阵，根据所述健康矩阵和所述观测矩阵计算状态估计矩阵；

计算所述观测矩阵与所述状态估计矩阵之间的距离值，根据所述距离值计算估计值与实际值之间的相似指数；

统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致所述热交换器状态向量偏离的故障并进行预警；

所述二次监测参数包括有效平均温差、传热效率、流体功耗、总熵增率、泄漏因子和结垢阻抗系数；

所述根据所述热交换器的运行状态、使用性能和故障失效与所述一次监测参数和所述二次监测参数的数据基线的关联关系，构建多参数预警模型，所述多参数预警模型包括构建健康矩阵和观测矩阵，根据所述健康矩阵和所述观测矩阵计算状态估计矩阵包括：

通过高阶性能指标和所述一次监测参数以及所述二次监测参数的健康数据计算平均值，作为初始聚类中心，计算每种参数与相应聚类中心的距离，根据距离范围划分聚类中心所属集合，对划分好的集合重新计算每个集合的聚类中心，然后进行迭代，以其作为典型状态向量构建出健康矩阵；

根据构建完毕的所述健康矩阵与热交换器实时获取的一次监测参数、二次监测参数构建的观测矩阵计算所述状态估计矩阵，计算公式如下：

其中，D为所述健康矩阵，X_obs为实时获取的一次监测参数、二次监测参数组成的所述观测矩阵，X_est为所述状态估计矩阵，

式中

是为避免观测向量运算之后出现不可逆现象引进的非线性算子，其计算过程为：

2.根据权利要求1所述的热交换器多参数关联监测预警方法，其特征在于，所述计算所述观测矩阵与所述状态估计矩阵之间的距离值，根据所述距离值计算估计值与实际值之间的相似指数具体包括：

根据如下计算公式计算所述距离值：

其中，dist代表所述距离值，dist(X_obs,X_est)代表观测矩阵X_obs与状态估计矩阵X_est之间的距离，X_obsi、X_esti代表了实时样本值与估计值在第i时刻的状态向量；

所述相似指数的计算公式如下：

其中，sim代表所述相似指数。

3.根据权利要求2所述的热交换器多参数关联监测预警方法，其特征在于，在所述预警之前，还包括：

在历史健康数据相似指数序列中取一个包含N个样本的滑动窗口，计算所述滑动窗口内连续N个相似指数的平均值，计算公式如下：

其中，sim_i为第i个相似指数，将使用滑动窗口得出的相似度指数最小值s_min作为预警阈值。

4.根据权利要求3所述的热交换器多参数关联监测预警方法，其特征在于，所述统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致所述热交换器状态向量偏离的故障并进行预警包括：

统计监测时间段内的第一监测参数和/或二次监测参数对所述距离值产生的距离贡献率不同来确定造成状态偏移的主要参数，根据对应的参数变化所代表的故障原因进行判别和定位，具体计算方式如下：

下式表示第j时刻第i个参数对于同时刻的所述距离值的贡献率；

式中i代表参数种类，是由典型健康记忆矩阵构建时的参数排列顺序决定，j代表监测时间段中的某一时刻；通过上式计算同时刻各个参数对于差异值的贡献率，贡献率排前三位的参数为该时刻的异常参数，然后统计全部的监测时间段内各个参数的差异贡献率，差异贡献率排前三位的参数为异常参数，其中，全部的监测时间段内的单个参数差异贡献值计算如下：

根据各参数在监测时间段内的差异贡献率确定异常参数，进行故障的判别与定位，然后进行预警。

5.根据权利要求4所述的热交换器多参数关联监测预警方法，其特征在于，所述根据各参数在监测时间段内的差异贡献率确定异常参数，进行故障的判别与定位包括：

根据确定的所述异常参数，结合热交换器故障判别与定位规则，实现热交换器故障的判别与定位，具体包括：

当所述异常参数为热侧进口压力与传热效率时，判定热交换器发生管板泄漏故障或管束泄漏故障；

当所述异常参数为热侧进口压力与泄漏因子时，判定热交换器发生法兰泄漏故障；

当所述异常参数为传热效率、有效平均温差和结垢阻抗系数时，判定热交换器发生结垢故障。

6.一种热交换器多参数关联监测预警系统，其特征在于，包括：

获取装置，用于获取热交换器的一次监测参数，所述一次监测参数包括温度、压力和流量；

二次监测参数构建装置，用于根据所述热交换器的结构参数、工艺流体物理性能参数和所述一次监测参数，构建反应传热性能、阻力性能、结垢故障和泄漏故障的二次监测参数,提取所述一次监测参数和所述二次监测参数的数据基线；

多参数预警模型构建装置，用于根据所述热交换器的运行状态、使用性能和故障失效与所述一次监测参数和所述二次监测参数的数据基线的关联关系，构建多参数预警模型，所述多参数预警模型包括构建健康矩阵和观测矩阵，根据所述健康矩阵和所述观测矩阵计算状态估计矩阵；

相似指数计算装置，用于计算所述观测矩阵与所述状态估计矩阵之间的距离值，根据所述距离值计算估计值与实际值之间的相似指数；

故障定位和预警装置，用于统计监测时间段内对差异贡献率排前三位的一次监测参数和/或二次监测参数，定位出导致所述热交换器状态向量偏离的故障并进行预警；

所述二次监测参数包括有效平均温差、传热效率、流体功耗、总熵增率、泄漏因子和结垢阻抗系数；

所述多参数预警模型构建装置具体用于：

通过高阶性能指标和所述一次监测参数以及所述二次监测参数的健康数据计算平均值，作为初始聚类中心，计算每种参数与相应聚类中心的距离，根据距离范围划分聚类中心所属集合，对划分好的集合重新计算每个集合的聚类中心，然后进行迭代，以其作为典型状态向量构建出健康矩阵；

根据构建完毕的所述健康矩阵与热交换器实时获取的一次监测参数、二次监测参数构建的观测矩阵计算所述状态估计矩阵，计算公式如下：

其中，D为所述健康矩阵，X_obs为实时获取的一次监测参数、二次监测参数组成的所述观测矩阵，X_est为所述状态估计矩阵，

式中

是为避免观测向量运算之后出现不可逆现象引进的非线性算子，其计算过程为：

Images