CN113760625A - 一种模型预测控制器性能的评估方法及监控系统 - Google Patents
一种模型预测控制器性能的评估方法及监控系统 Download PDFInfo
- Publication number
- CN113760625A CN113760625A CN202110740375.1A CN202110740375A CN113760625A CN 113760625 A CN113760625 A CN 113760625A CN 202110740375 A CN202110740375 A CN 202110740375A CN 113760625 A CN113760625 A CN 113760625A
- Authority
- CN
- China
- Prior art keywords
- variable
- rate
- bit number
- controlled variable
- controlled
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000004364 calculation method Methods 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims description 104
- 230000008569 process Effects 0.000 claims description 18
- 238000010586 diagram Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000002354 daily effect Effects 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/26—Functional testing
- G06F11/263—Generation of test inputs, e.g. test vectors, patterns or sequences ; with adaptation of the tested hardware for testability with external testers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种模型预测控制器性能的评估方法及监控系统,方法包括:借助于B/S端的监控系统读取控制网内控制器的位号数据,每一控制器的位号数据包括该控制器关联的至少一个变量指标的信息;基于所述控制器,确定每一个变量指标所属的指标计算逻辑;针对每一个控制器,采用该控制器的每一个变量指标所属的指标计算逻辑对该变量指标的信息进行处理,获取用于评估所述控制器性能的量化信息;根据量化信息,获取控制器的评价结果。由于采用的指标计算逻辑考虑更充分、逻辑更合理,因此,能够达到按照指标的计算逻辑计算位号数据得到的评估所述控制器性能的量化信息更为全面,更符合管理要求。
Description
技术领域
本发明涉及控制器性能评估技术领域,尤其涉及一种模型预测控制器性能的评估方法及监控系统。
背景技术
随着过程工业日益走向大规模、复杂化,形成了以产能规模扩张为主导的经济增长模式,工业发展模式从规模速度型向质量效益型转变。产业的优化升级,造成了工业过程的高集成度与高效化,同时增加了系统的复杂性和耦合度,因此基于模型的预测控制作为常用的先进过程控制方法得到了广泛的应用。然而随着生产装置的长期运行,先进控制器常常因缺乏及时、专业的维护逐渐退化,影响装置运行平稳性、产品质量、产品收率、物耗、能耗等,一些因控制器性能退化的回路直接被打到手动状态,并且回路数量多难以准确定位,而项目工程师现场维护的成本过高,因此需要一款实现对控制器运行情况的监控与评估软件,并计算关键回路指标对控制器性能进行及时评价与展示,便于项目工程师及时进行回路维护和参数整定。
先进控制技术已经成为流程工业企业智能工厂的核心技术之一,用于在常规控制的基础上提高复杂工业过程的控制品质,增强系统的抗干扰性能和鲁棒性能,实现节能增效,提高企业自动化水平。然而随着先进控制器的投用,多变量回路的特性会产生变化,仪器仪表阀门也在使用过程中老化,导致控制性能退化。而工业装置下的控制回路数目众多且复杂,大多控制器无法做到及时专业的维护,因此需要对先进过程控制器以及回路信息进行监控,另外提供一些可靠的关键性能指标对回路信息进行统计判断,使得现场运行信息更加量化可衡量。常用的关键性能指标包括厂级、车间、装置的投运率、平稳率,控制器级的指标包括投运率、平稳率、切除次数,每个控制器下的操作变量指标包括投运率、有效投运率、切除次数,被控变量指标包括投运率、有效投运率、平稳率、超限率、切除次数。对这些控制器计算提供了合理的计算方法可减少实施运维的工作量。但是,目前相近似的实现方案中对先进过程控制的指标计算比较简单,没有充分考虑到实际回路运行可能的情况,其计算结果不能有效的作为实际各班组或各车间的考核标准。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种模型预测控制器性能的评估方法及监控系统,其解决了现有技术中多个数据源不兼容、用来评估控制器性能的指标计算不准确的技术问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
第一方面,本发明实施例提供一种模型预测控制器性能的评估方法,包括:
S01、借助于B/S端的监控系统读取控制网内控制器的位号数据,每一控制器的位号数据包括该控制器关联的变量指标的信息;
S02、基于所述控制器,确定每一个变量指标所属的指标计算逻辑;
S03、针对每一个控制器,采用该控制器的每一个变量指标所属的指标计算逻辑对该变量指标的信息进行处理,获取用于评估所述控制器性能的量化信息;
S04、根据所述量化信息,获取所述控制器的评价结果。
优选的,S01之后,所述方法还包括:
针对每一个控制器,判断读取的该控制器的位号数据是否存在丢失,若存在丢失,则重复读取该控制器的所有位号数据。
优选的,所述S01包括:
性能监控服务器借助于所述监控系统中的标准化数据服务接口读取该监控系统内全量同步连接的各数据源内的位号数据;
各数据源内的位号数据为控制网内控制器按照预先设定的采样频率采集的集散控制系统DCS中的位号数据以及控制器的运行数据;
所述位号数据的属性包括:数据源标识、数据源内对象节点的标识和对象节点的变量描述的标识;
变量指标包括:操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率。
优选的,
所述位号数据包括:操作变量开关状态、操作变量实时值、操作变量的操作上限、操作变量的操作下限、被控变量开关状态、被控变量的测量值、被控变量的设定值、被控变量的工程上限、被控变量的工程下限;
数据源包括:iSYS数据库、PI数据库、IP21数据库、PHD数据库中的一种数据库或多种数据库;
所述预先设定的采样频率为5s每次。
优选的,S02包括:
根据位号数据的属性,从预先建立的模型预测控制器中选择与数据源标识、数据源内对象节点的标识和对象节点的变量描述的标识均匹配的指标计算逻辑。
优选的,S03包括:
变量指标为操作变量有效投运率时,采用该控制器的操作变量有效投运率指标所属的操作变量有效投运率指标计算逻辑对操作变量有效投运率变量指标的信息进行处理,获取操作变量有效投运率包括:
A1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的操作变量投运状态条件;
其中,所述预先设定的操作变量投运状态条件为:所述采样时间点的位号数据中的操作变量开关为开;
A2、若满足,则确定所述采样时间点的位号数据中的操作变量为投运状态;
并判断所述采样时间点的位号数据是否满足预先设定的操作变量有效投运状态条件,若满足,则确定所述采样时间点的位号数据中的操作变量为有效投运状态;
其中,所述预先设定的操作变量有效投运状态条件为:所述采样时间点的位号数据中操作变量的测量值在第一范围内;
所述第一范围为大于等于操作变量有效投运操作下限且小于等于操作变量有效投运操作上限;
所述操作变量有效投运操作上限为操作变量的操作上限减去所述操作范围容忍度;
所述操作变量有效投运操作下限为操作变量的操作下限加上操作范围容忍度;
所述操作范围容忍度为预先设定的操作变量的操作范围裕度乘以第一差值;
所述第一差值为:操作变量的操作上限减去操作下限的值;
A3、基于预先设定的时间段中满足预先设定的操作变量投运状态条件的采样时间点的位号数据和满足预先设定的操作变量有效投运状态条件的采样时间点的位号数据,获取预先设定时间段内操作变量的有效投运率;
其中,所述预先设定时间段内的有效投运率为:预先设定时间段内位号数据中的操作变量为有效投运状态的采样时间点的个数与预先设定时间段内的操作变量为投运状态的采样时间点的个数的比值;
变量指标为被控变量有效投运率时,采用该控制器的被控变量有效投运率变量指标所属的被控变量有效投运率指标计算逻辑对被控变量有效投运率变量指标的信息进行处理获取被控变量有效投运率包括:
B1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量投运状态条件;
其中,所述先设定的被控变量投运状态条件为:所述采样时间点的位号数据中的被控变量开关为开;
B2、若满足,则确定所述采样时间点的被控变量为投运状态;并判断在与被控变量有模型关系的操作变量中是否存在至少1个操作变量开关为开;
如果存在,则判断是否存在至少1个操作变量满足预先设定的操作变量有效投运状态条件,若存在,则确定所述采样时间点的位号数据中的被控变量为有效投运状态;
B3、基于预先设定的时间段中满足预先设定的被控变量投运状态条件的采样时间点的位号数据和有效投运状态的采样时间点的位号数据中的被控变量,获取预先设定时间段内被控变量的有效投运率;
所述预先设定时间段内的有效投运率为预先设定时间段内位号数据中的被控变量为有效投运状态的采样时间点的个数与预先设定时间段内的被控变量为投运状态的采样时间点的个数的比值。
优选的,S03包括:
变量指标为被控变量平稳率时,采用该控制器的被控变量平稳率指标所属的被控变量平稳率指标计算逻辑对被控变量平稳率变量指标的信息进行处理获取被控变量平稳率包括:
C1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量平稳状态条件;
所述预先设定的被控变量平稳状态条件为:第二差值小于等于被控变量的平稳范围;
所述第二差值为:为第一差值取的绝对值;
所述第一差值为被控变量的测量值与被控变量的设定值之间的偏差;
被控变量的平稳范围为预先设定的被控变量的工程范围裕度与第三差值的乘积值;
所述第三差值为被控变量的工程上限减去工程下限得到的值;
C2、基于预先设定的时间段中满足预先设定的平稳状态条件的采样时间点的位号数据和被控变量测量值的位号数据个数,获取预先设定时间段内被控变量的平稳率;
在所述预先设定时间段内的被控变量的平稳率为:被控变量的平稳次数与数据个数的比值;
变量指标为被控变量超限率时,采用该控制器的被控变量超限率指标所属的被控变量超限率指标计算逻辑对被控变量超限率变量指标的信息进行处理获取被控变量超限率包括:
D1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量投运状态条件;
所述预先设定的被控变量投运状态条件为:所述采样时间点的位号数据中的被控变量为开;
D2、若满足,则确定所述采样时间点的位号数据中的被控变量为投运状态;
并判断所述采样时间点的位号数据是否满足预先设定的被控变量超限条件,若满足,则确定所述采样时间点的位号数据中的被控变量为超限状态;
所述预先设定的被控变量超限条件为:被控变量测量值小于被控变量的操作下限或被控变量测量值大于被控变量的操作上限;
D3、基于预先设定的时间段中满足预先设定的被控变量投运状态条件的采样时间点的位号数据和满足预先设定的被控变量超限条件的采样时间点的位号数据,获取预先设定时间段内被控变量的超限率;
其中,所述预先设定时间段内被控变量的超限率为:预先设定时间段内位号数据中的被控变量为超限的采样时间点的个数与预先设定时间段内的被控变量为投运状态的采样时间点的个数的比值。
优选的,S04包括:
根据预先设定的操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率各自的等级标准,分别确定所述操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率的等级信息;
所述评价结果包括操作变量有效投运率的等级、被控变量有效投运率的等级、被控变量平稳率的等级、被控变量超限率的等级。
另一方面,本实施例还提供一种模型预测控制器性能的监控系统,所述系统部署在B/S端,所述系统包括:
数据源,用于存储监控系统读取的控制网内模型预测控制器以及DCS设备中的位号数据;
所述控制器的位号数据包括该控制器关联的至少一个变量指标的信息;
标准数据服务组件,包括标准化数据服务接口;
所述标准化数据服务接口与性能监控服务器连接;
性能监控服务器,借助于所述监控系统中的标准化数据服务接口读取数据源内的位号数据,并对所述位号数据进行处理,获取处理结果;
所述性能监控服务器包括指标计算模块;
所述指标计算模块,用于基于控制器确定每一个变量指标所属的指标计算逻辑,并针对每一个控制器,采用该控制器的每一个变量指标所属的指标计算逻辑对该变量指标的信息进行处理,获取用于评估所述控制器性能的量化信息。
优选的,所述性能监控服务器还包括:
控制器监控模块,采集监控系统读取的控制网内控制器实时运行的动态数据,针对所述动态数据展示与监控;
等级评估模块,用于根据预先设定的变量指标的等级标准和量化信息,获取所述控制器的评价结果;
所述评价结果包括量化信息所对应的变量指标的等级;
报表展示模块,用于根据的量化信息,生成相应报表。
(三)有益效果
本发明的有益效果是:本发明的一种模型预测控制器性能的评估方法及监控系统,由于借助于B/S端的监控系统读取控制网内控制器的位号数据,相对于现有技术而言,其可以通过所述监控系统中的标准化数据服务接口读取该监控系统内全量同步连接的各数据源内的位号数据,能够兼容多个数据源的位号数据。
本发明的一种模型预测控制器性能的评估方法,由于丢失的数据信息进行重复读取,因此,能达到获取更为准确的位号数据,进一步使的通过位号数据的确定评估所述控制器性能的量化信息更为准确。
本发明的一种模型预测控制器性能的评估方法,由于采用的变量指标所述的指标的计算逻辑更合理,因此,能够达到按照指标的计算逻辑计算位号数据得到的评估所述控制器性能的量化信息更为准确。
附图说明
图1为本发明的一种模型预测控制器性能的评估方法流程图;
图2为本发明的一种模型预测控制器性能的监控系统的结构图;
图3为本发明的模型预测控制器性能的监控系统在实施例中的实际应用结构图;
图4为本发明实施例中的操作变量有效投运率计算方法示意图;
图5为本发明实施例中的被控变量有效投运率计算方法示意图;
图6为本发明实施例中的被控变量平稳率计算方法示意图;
图7为本发明实施例中的被控变量超限率计算方法示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
在工业应用中先进过程控制器是部署在控制网内,并且各企业或各装置所采购的实时数据库不尽相同,因此需要从监控系统的技术架构上考虑兼容不同数据源的位号信息读取,再根据现场通讯协议以及防火墙的设置不同灵活部署在控制网或者信息网中。
参见图1,本实施例提供一种模型预测控制器性能的评估方法,包括:
S01、借助于B/S端的监控系统读取控制网内控制器的位号数据,每一控制器的位号数据包括该控制器关联的变量指标的信息;
S02、基于所述控制器,确定每一个变量指标所属的指标计算逻辑;
S03、针对每一个控制器,采用该控制器的每一个变量指标所属的指标计算逻辑对该变量指标的信息进行处理,获取用于评估所述控制器性能的量化信息;
S04、根据所述量化信息,获取所述控制器的评价结果。
在具体实现过程中,S01之后,所述方法还包括:针对每一个控制器,判断读取的该控制器的位号数据是否存在丢失,若存在丢失,则重复读取该控制器的所有位号数据。
本实施例中的一种模型预测控制器性能的评估方法,由于丢失的数据信息进行重复读取,因此,能达到获取更为准确的位号数据,进一步使得通过位号数据的确定评估所述控制器性能的量化信息更为准确。
变量指标是对各生产环节包括回路、变量的运行情况的量化评估和管理,同时通过长期一段时间的指标数据,可以指定对各装置或各班组的考核指标。其中现场的装置会一段时间内停工检修,那么指标的统计需要合理的排除停工段。另外需要灵活的制定班组排版计划,根据各班组的工作时间段进行各班组的指标计算。由于指标监控是根据位号数据进行数据,可能会存在现场环境因素导致数据波动变化,从而导致指标结果的不合理,本实施例中提供指标重算功能支持用户选择数据段进行重计算。
在具体实现过程中,所述S01包括:
参见图2,本实施例中性能监控服务器借助于所述监控系统中的标准化数据服务接口读取该监控系统内全量同步连接的各数据源内的位号数据;本实施例中标准化数据服务接口能够为性能监控服务器提供数据通讯支持,该标准化数据服务接口屏蔽了不同数据源的具体技术细节,通过对外提供统一的访问接口,最大化的降低了上层应用程序的开发工作量,支持各种不同的数据源。能够兼容多个数据源的位号数据。
各数据源内的位号数据为所述控制网内控制器按照预先设定的采样频率采集的集散控制系统DCS中的位号数据以及控制器的运行数据。
所述位号数据的属性包括:数据源标识、数据源内对象节点的标识和对象节点的变量描述的标识。本实施例中数据源内对象节点的标识即为数据源内对应的控制器的标识。
变量指标包括:操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率。
本实施例中每个变量指标都依赖于特定对象而存在,比如控制器的变量指标。在进行监控变量指标的创建和定义之前,需要同时定义位号数据的属性,同步数据源的位号数据后需要关联位号的意义。用户在底层组建了由字母和数字组成的位号名后在实时数据库里进行数据读写传输,标准数据服务读取到的底层数据源为位号名称,监控软件以对象节点为依据创建指标,需要指明位号名是哪种类型的位号,例如控制器开关位号、操作变量MV操作上限、被控变量CV工程下限等。
在具体实现过程中,所述位号数据包括:操作变量开关状态、操作变量实时值、操作变量的操作上限、操作变量的操作下限、被控变量开关状态、被控变量的测量值、被控变量的设定值、被控变量的工程上限、被控变量的工程下限。
参见图2,数据源包括:iSYS数据库、PI数据库、IP21数据库、PHD数据库中的至少一种。其中,图2中的iSYS数据库为浙江中控软件技术有限公司自主研发的一种实时数据库。
所述预先设定的采样频率为5s每次。
在具体实现过程中,S02包括:
根据位号数据的属性,从预先建立的模型预测控制器中选择与数据源标识、数据源内对象节点的标识和对象节点的变量描述的标识均匹配的指标计算逻辑。
在本实施例的实际应用中,性能监控服务器借助于所述监控系统中的标准化数据服务接口与多个数据源连接,然后读取多个数据源中的位号数据,然后根据位号数据的属性,从预先建立的模型预测控制器中选择与数据源标识、数据源内对象节点的标识和对象节点的变量描述的标识均匹配的指标计算逻辑。
参见图3,在本实施例的实际应用中,性能监控服务器在实际网络部署上根据现场防火墙的设置部署于控制网或者信息网内。DCS与现场仪表进行通讯,数据源与DCS进行通讯交互,本实施例中,DCS在操作站中,每一个DCS与一个数据源连接,DCS向数据源中存入DCS的位号数据,其中所有的数据源都存在于OPC服务器中。
本实施例中所说的控制器(上层控制类软件如模型预测控制软件与软测量软件),存在于APC服务器中,也与数据源也进行数据交互,向数据源存入控制器的运行数据。
各数据源内的位号数据为所述监控系统的底层组件按照预先设定的采样频率采集的集散控制系统DCS中的位号数据以及控制器的运行数据。
性能监控服务器(也就是图3中的APC性能监控服务器)则可以借助于所述监控系统中的标准化数据服务接口与多个数据源连接,然后读取多个数据源中的位号数据,然后根据位号数据的属性,从预先建立的模型预测控制器中选择与数据源标识、数据源内对象节点的标识和对象节点的变量描述的标识均匹配的指标计算逻辑进行指标计算、展示。
本实施例的一种模型预测控制器性能的评估方法及监控系统,由于借助于B/S端的监控系统读取控制网内控制器的位号数据,相对于现有技术而言,其可以通过所述监控系统中的标准化数据服务接口读取该监控系统内全量同步连接的各数据源内的位号数据能够兼容多个数据源的位号数据。
在具体实现过程中,S03包括:
变量指标为操作变量有效投运率时,采用该控制器的操作变量有效投运率变量指标所属的操作变量有效投运率指标计算逻辑对操作变量有效投运率变量指标的信息进行处理获取操作变量有效投运率包括:
A1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的操作变量投运状态条件。
其中,所述预先设定的操作变量投运状态条件为:所述采样时间点的位号数据中的操作变量开关为开。
A2、若满足,则确定所述采样时间点的位号数据中的操作变量为投运状态。
并判断所述采样时间点的位号数据是否满足预先设定的操作变量有效投运状态条件,若满足,则确定所述采样时间点的位号数据中的操作变量为有效投运状态。
其中,所述预先设定的操作变量有效投运状态条件为:所述采样时间点的位号数据中操作变量的测量值在第一范围内。
所述第一范围为大于等于操作变量有效投运操作下限且小于等于操作变量有效投运操作上限。
所述操作变量有效投运操作上限为操作变量的操作上限减去所述操作范围容忍度。
所述操作变量有效投运操作下限为操作变量的操作下限加上操作范围容忍度。
所述操作范围容忍度为预先设定的操作变量的操作范围裕度乘以第一差值。
所述第一差值为:操作变量的操作上限减去操作下限的值。
A3、基于预先设定的时间段中满足预先设定的操作变量投运状态条件的采样时间点的位号数据和满足预先设定的操作变量有效投运状态条件的采样时间点的位号数据,获取预先设定时间段内操作变量的有效投运率
其中,所述预先设定时间段内的有效投运率为:预先设定时间段内位号数据中的操作变量为有效投运状态的采样时间点的个数与预先设定时间段内的操作变量为投运状态的采样时间点的个数的比值。
本实施例中,图4至图7中,MV表示操作变量CV表示被控变量。
参见图4,在本实施例的实际应用中,获取操作变量有效投运率的方法包括:
首先对应每个采样时间点的位号数据,判断操作变量开关是否为开,如果为开则认为操作变量是投运状态,投运次数累计加1。
在操作变量开关为开的情况下进一步作操作变量有效投运的判断,包括:
对应同样的采样时间点,将操作变量的操作上限减去操作下限作为操作变量的操作范围差值记为第一差值,将用户定义的操作变量的操作范围裕度乘以第一差值作为操作范围容忍度。
为了避免操作变量的卡限饱和,在操作变量的操作上下限范围基础上,进一步缩小范围,即将操作变量的操作上限减去操作范围容忍度作为操作变量有效投运操作上限,操作变量的操作下限加上操作范围容忍度作为操作变量有效投运操作下限。
判断操作变量的测量值是否大于等于操作变量有效投运操作下限并且小于等于操作变量有效投运操作上限,如果符合范围则认为操作变量在当前采样时间点是有效投运,其次数累计加1。
操作变量的有效投运率日指标的计算方式是根据每日起始时间开始,统计24小时的有效投运次数与投运次数,将操作变量的有效投运次数与投运次数的比值作为操作变量的日有效投运率。
操作变量的有效投运率月指标的计算方式是根据每月起始时间开始,统计30天的有效投运次数与投运次数,将操作变量的有效投运次数与投运次数的比值作为操作变量的月有效投运率。
变量指标为被控变量有效投运率时,采用该控制器的被控变量有效投运率变量指标所属的被控变量有效投运率指标计算逻辑对被控变量有效投运率变量指标的信息进行处理获取被控变量有效投运率包括:
B1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量投运状态条件。
其中,所述先设定的被控变量投运状态条件为:所述采样时间点的位号数据中的被控变量开关为开。
B2、若满足,则确定所述采样时间点的被控变量为投运状态;并判断在与被控变量有模型关系的操作变量中是否存在至少1个操作变量开关为开。
如果存在,则判断是否存在至少1个操作变量满足预先设定的操作变量有效投运状态条件,若存在,则确定所述采样时间点的位号数据中的被控变量为有效投运状态。
B3、基于预先设定的时间段中满足预先设定的被控变量投运状态条件的采样时间点的位号数据和有效投运状态的采样时间点的位号数据中的被控变量,获取预先设定时间段内被控变量的有效投运率。
其中,所述预先设定时间段内的有效投运率为预先设定时间段内位号数据中的被控变量为有效投运状态的采样时间点的个数与预先设定时间段内的被控变量为投运状态的采样时间点的个数的比值。
参见图5,在本实施例的实际应用中,获取被控变量有效投运率包括:
关联与被控变量有模型关系的所有操作变量,有模型关系的操作变量的数量可能是1个或者多个,同时考虑这些操作变量是否卡限饱和。
对应每个采样时间点的位号数据,判断被控变量开关是否为开,如果为开则认为被控变量是投运状态,投运次数累计加1。
在被控变量开关为开的情况下进一步作被控变量有效投运的判断,包括:
对与被控变量有模型关系的操作变量做是否属于有效投运的判断,判断方法有:这些操作变量中是否至少存在1个操作变量开关为开,如果存在1个或者多个操作变量开关为开时,则进一步进行判断是否至少存在1个操作变量满足有效投运的条件,有效投运的判断逻辑与操作变量的有效投运率中的描述一致。
如果被控变量的开关为开的情况下,存在至少一个操作变量的开关为开,且开关为开的操作变量中至少有一个操作变量是有效投运的,则认为被控变量属于有效投运,被控变量有效投运次数累计加1。
被控变量的有效投运率日指标的计算方式是根据每日起始时间开始,统计24小时的有效投运次数与投运次数,将被控变量的有效投运次数与投运次数的比值作为被控变量的日有效投运率。
被控变量的有效投运率月指标的计算方式是根据每月起始时间开始,统计30天的有效投运次数与投运次数,将被控变量的有效投运次数与投运次数的比值作为被控变量的月有效投运率。
在具体实现过程中,S03包括:
变量指标为被控变量平稳率时,采用该控制器的被控变量平稳率指标所属的被控变量平稳率指标计算逻辑对被控变量平稳率变量指标的信息进行处理获取被控变量平稳率包括:
C1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量平稳状态条件。
其中所述预先设定的被控变量平稳状态条件为:第二差值小于等于被控变量的平稳范围。
所述第二差值为:为第一差值取的绝对值。
所述第一差值为被控变量的测量值与被控变量的设定值之间的偏差。
被控变量的平稳范围为预先设定的被控变量的工程范围裕度与第三差值的乘积值。
所述第三差值为被控变量的工程上限减去工程下限得到的值。
C2、基于预先设定的时间段中满足预先设定的平稳状态条件的采样时间点的位号数据和被控变量测量值的位号数据个数,获取预先设定时间段内被控变量的平稳率。
其中,在所述预先设定时间段内的被控变量的平稳率为:被控变量的平稳次数与数据个数的比值。
图6,在本实施例的实际应用中,获取被控变量平稳率包括:
每个采样时间点对应一个位号数据,单个位号一段时间内的采样时间点的个数即为该时间段内的数据个数。
对应每个采样时间点的位号数据,计算被控变量的测量值与被控变量的设定值之间的偏差作为第一差值,并对第一差值取绝对值的方式得到大于等于0的值记为第二差值。
根据被控变量的工程范围,选取被控变量的平稳范围,将被控变量的工程上限减去工程下限得到的差记为第三差值,因为工程上限总是大于工程下限的,第三差值是个恒大于0的值,将用户输入的被控变量的工程范围裕度alpha乘以第三差值得到被控变量的平稳范围。
比较第二差值是否小于等于被控变量的平稳范围,如果满足条件则认为被控变量是平稳的,平稳次数累计加1。
被控变量的平稳率日指标的计算方式是根据每日起始时间开始,统计24小时的平稳次数与被控变量测量值的位号数据个数,将被控变量的平稳次数与数据个数的比值作为被控变量的日平稳率。
被控变量的平稳率月指标的计算方式是根据每月起始时间开始,统计30天的平稳次数与被控变量测量值的位号数据个数,将被控变量的平稳次数与数据个数的比值作为被控变量的月平稳率。
变量指标为被控变量超限率时,采用该控制器的被控变量超限率指标所属的被控变量超限率指标计算逻辑对被控变量超限率变量指标的信息进行处理获取被控变量超限率包括:
D1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量投运状态条件。
其中,所述预先设定的被控变量投运状态条件为:所述采样时间点的位号数据中的被控变量为开。
D2、若满足,则确定所述采样时间点的位号数据中的被控变量为投运状态。
并判断所述采样时间点的位号数据是否满足预先设定的被控变量超限条件,若满足,则确定所述采样时间点的位号数据中的被控变量为超限状态。
所述预先设定的被控变量超限条件为:被控变量测量值小于被控变量的操作下限或被控变量测量值大于被控变量的操作上限。
D3、基于预先设定的时间段中满足预先设定的被控变量投运状态条件的采样时间点的位号数据和满足预先设定的被控变量超限条件的采样时间点的位号数据,获取预先设定时间段内被控变量的超限率。
其中,所述预先设定时间段内被控变量的超限率为:预先设定时间段内位号数据中的被控变量为超限的采样时间点的个数与预先设定时间段内的被控变量为投运状态的采样时间点的个数的比值。
参见图7,在本实施例的实际应用中,获取被控变量超限率包括:
对应每个采样时间点的位号数据,判断被控变量开关是否为开,即当前时间被控变量是否投运,如果投运则投运次数累计加1。
在被控变量开关开启时判断当前采样时间点的被控变量测量值超出被控变量的操作上下限范围,如果被控变量测量值小于操作下限或者大于操作上限则则认为被控变量超限,超限次数累计加1。
被控变量的有效投运率日指标的计算方式是根据每日起始时间开始,统计24小时的超限次数与投运次数,将被控变量的超限次数与投运次数的比值作为被控变量的日超限率。
被控变量的有效投运率月指标的计算方式是根据每月起始时间开始,统计月的超限次数与投运次数,将被控变量的超限次数与投运次数的比值作为被控变量的月超限率。
在具体实现过程中,S04包括:
根据预先设定的操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率等级标准,分别确定所述操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率的等级。
所述评价结果包括操作变量有效投运率的等级、被控变量有效投运率的等级、被控变量平稳率的等级、被控变量超限率的等级。
本实施例中的一种模型预测控制器性能的评估方法,由于采用的变量指标所述的指标的计算逻辑更合理,因此,能够达到按照指标的计算逻辑计算位号数据得到的评估所述控制器性能的量化信息更为准确。
第二方面,本实施例还提供一种模型预测控制器性能的监控系统,所述系统部署在B/S端,所述系统包括:
数据源,用于存储监控系统读取的控制网内模型预测控制器以及DCS设备中的位号数据。
所述控制器的位号数据包括该控制器关联的至少一个变量指标的信息。
标准数据服务组件,包括标准化数据服务接口。
所述标准化数据服务接口与性能监控服务器连接。
性能监控服务器,借助于所述监控系统中的标准化数据服务接口读取数据源内的位号数据,并对所述位号数据进行处理,获取处理结果。
所述性能监控服务器包括指标计算模块。
所述指标计算模块,用于基于控制器确定每一个变量指标所属的指标计算逻辑,并针对每一个控制器,采用该控制器的每一个变量指标所属的指标计算逻辑对该变量指标的信息进行处理,获取用于评估所述控制器性能的量化信息。
本实施例中的所述指标计算模块,变量指标为操作变量有效投运率时,获取操作变量有效投运率的方法就是本实施例中基于模型预测控制器评估控制器性能的方法记载的获取操作变量有效投运率的具体方法,在此不作赘述。变量指标为被控变量有效投运率时,获取被控变量有效投运率的方法就是本实施例中基于模型预测控制器评估控制器性能的方法记载的获取被控变量有效投运率的具体方法,在此不作赘述。变量指标为被控变量平稳率时,获取被控变量平稳率的方法就是本实施例中基于模型预测控制器评估控制器性能的方法记载的获取被控变量平稳率的具体方法,在此不作赘述。变量指标为被控变量超限率时,获取被控变量超限率的方法就是本实施例中基于模型预测控制器评估控制器性能的方法记载的获取被控变量超限率的具体方法,在此不作赘述。
在具体实现过程中,所述性能监控服务器还包括:
控制器监控模块,采集监控系统读取的控制网内控制器实时运行的动态数据,针对所述动态数据展示与监控。本实施例中主要是通过图表化方式直观展示控制器运行情况,是对控制器运行性能判断的重要手段,有利于项目人员的及时维护,保证持续的质量效益。常用的监控内容是以控制器为节点,显示控制器开关和运行状态,操作变量名称、当前值、操作上限、操作下限、输出值、先控开关、运行状态等,显示被控变量名称、测量值、操作上限、操作下限、目标值、工程上限、工程下限、先控开关、运行状态等位号信息。
等级评估模块,用于根据预先设定的变量指标的等级标准和量化信息,获取所述控制器的评价结果。
所述评价结果包括量化信息所对应的变量指标的等级。
报表展示模块,用于根据的量化信息,生成相应报表。
本实施例中监控系统支持多数据源连接,满足不同数据源读取,满足用户各数据源需求;支持对控制器运行性能展示与监控,保障及时专业的维护以及控制器健康良好的运行,集成了常用性能评价指标,提供指标的等级评估,并以颜色在指标趋势图中显性区分等级;同时周期性生成厂、车间、装置、控制器不同层级的日报月报,支持报表导出,可定制化报表;另外还支持历史数据查询及趋势图展示,支持指标重算功能和班组配置计算功能。
由于本发明上述实施例所描述的系统,为实施本发明上述实施例的方法所采用的系统,故而基于本发明上述实施例所描述的方法,本领域所属技术人员能够了解该系统的具体结构及变形,因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统都属于本发明所欲保护的范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中,这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。
Claims (10)
1.一种模型预测控制器性能的评估方法,其特征在于,包括:
S01、借助于B/S端的监控系统读取控制网内控制器的位号数据,每一控制器的位号数据包括该控制器关联的变量指标的信息;
S02、基于所述控制器,确定每一个变量指标所属的指标计算逻辑;
S03、针对每一个控制器,采用该控制器的每一个变量指标所属的指标计算逻辑对该变量指标的信息进行处理,获取用于评估所述控制器性能的量化信息;
S04、根据所述量化信息,获取所述控制器的评价结果。
2.根据权利要求1所述的方法,其特征在于,S01之后,所述方法还包括:
针对每一个控制器,判断读取的该控制器的位号数据是否存在丢失,若存在丢失,则重复读取该控制器的所有位号数据。
3.根据权利要求1所述的方法,其特征在于,所述S01包括:
性能监控服务器借助于所述监控系统中的标准化数据服务接口读取该监控系统内全量同步连接的各数据源内的位号数据;
各数据源内的位号数据为控制网内控制器按照预先设定的采样频率采集的集散控制系统DCS中的位号数据以及控制器的运行数据;
所述位号数据的属性包括:数据源标识、数据源内对象节点的标识和对象节点的变量描述的标识;
变量指标包括:操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率。
4.根据权利要求3所述的方法,其特征在于,
所述位号数据包括:操作变量开关状态、操作变量实时值、操作变量的操作上限、操作变量的操作下限、被控变量开关状态、被控变量的测量值、被控变量的设定值、被控变量的工程上限、被控变量的工程下限;
数据源包括:iSYS数据库、PI数据库、IP21数据库、PHD数据库中的一种数据库或多种数据库;
所述预先设定的采样频率为5s每次。
5.根据权利要求4所述的方法,其特征在于,S02包括:
根据位号数据的属性,从预先建立的模型预测控制器中选择与数据源标识、数据源内对象节点的标识和对象节点的变量描述的标识均匹配的指标计算逻辑。
6.根据权利要求4所述的方法,其特征在于,S03包括:
变量指标为操作变量有效投运率时,采用该控制器的操作变量有效投运率指标所属的操作变量有效投运率指标计算逻辑对操作变量有效投运率变量指标的信息进行处理,获取操作变量有效投运率包括:
A1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的操作变量投运状态条件;
其中,所述预先设定的操作变量投运状态条件为:所述采样时间点的位号数据中的操作变量开关为开;
A2、若满足,则确定所述采样时间点的位号数据中的操作变量为投运状态;
并判断所述采样时间点的位号数据是否满足预先设定的操作变量有效投运状态条件,若满足,则确定所述采样时间点的位号数据中的操作变量为有效投运状态;
其中,所述预先设定的操作变量有效投运状态条件为:所述采样时间点的位号数据中操作变量的测量值在第一范围内;
所述第一范围为大于等于操作变量有效投运操作下限且小于等于操作变量有效投运操作上限;
所述操作变量有效投运操作上限为操作变量的操作上限减去所述操作范围容忍度;
所述操作变量有效投运操作下限为操作变量的操作下限加上操作范围容忍度;
所述操作范围容忍度为预先设定的操作变量的操作范围裕度乘以第一差值;
所述第一差值为:操作变量的操作上限减去操作下限的值;
A3、基于预先设定的时间段中满足预先设定的操作变量投运状态条件的采样时间点的位号数据和满足预先设定的操作变量有效投运状态条件的采样时间点的位号数据,获取预先设定时间段内操作变量的有效投运率;
其中,所述预先设定时间段内的有效投运率为:预先设定时间段内位号数据中的操作变量为有效投运状态的采样时间点的个数与预先设定时间段内的操作变量为投运状态的采样时间点的个数的比值;
变量指标为被控变量有效投运率时,采用该控制器的被控变量有效投运率变量指标所属的被控变量有效投运率指标计算逻辑对被控变量有效投运率变量指标的信息进行处理获取被控变量有效投运率包括:
B1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量投运状态条件;
其中,所述先设定的被控变量投运状态条件为:所述采样时间点的位号数据中的被控变量开关为开;
B2、若满足,则确定所述采样时间点的被控变量为投运状态;并判断在与被控变量有模型关系的操作变量中是否存在至少1个操作变量开关为开;
如果存在,则判断是否存在至少1个操作变量满足预先设定的操作变量有效投运状态条件,若存在,则确定所述采样时间点的位号数据中的被控变量为有效投运状态;
B3、基于预先设定的时间段中满足预先设定的被控变量投运状态条件的采样时间点的位号数据和有效投运状态的采样时间点的位号数据中的被控变量,获取预先设定时间段内被控变量的有效投运率;
所述预先设定时间段内的有效投运率为预先设定时间段内位号数据中的被控变量为有效投运状态的采样时间点的个数与预先设定时间段内的被控变量为投运状态的采样时间点的个数的比值。
7.根据权利要求5所述的方法,其特征在于,S03包括:
变量指标为被控变量平稳率时,采用该控制器的被控变量平稳率指标所属的被控变量平稳率指标计算逻辑对被控变量平稳率变量指标的信息进行处理获取被控变量平稳率包括:
C1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量平稳状态条件;
所述预先设定的被控变量平稳状态条件为:第二差值小于等于被控变量的平稳范围;
所述第二差值为:为第一差值取的绝对值;
所述第一差值为被控变量的测量值与被控变量的设定值之间的偏差;
被控变量的平稳范围为预先设定的被控变量的工程范围裕度与第三差值的乘积值;
所述第三差值为被控变量的工程上限减去工程下限得到的值;
C2、基于预先设定的时间段中满足预先设定的平稳状态条件的采样时间点的位号数据和被控变量测量值的位号数据个数,获取预先设定时间段内被控变量的平稳率;
在所述预先设定时间段内的被控变量的平稳率为:被控变量的平稳次数与数据个数的比值;
变量指标为被控变量超限率时,采用该控制器的被控变量超限率指标所属的被控变量超限率指标计算逻辑对被控变量超限率变量指标的信息进行处理获取被控变量超限率包括:
D1、针对预先设定的时间段中的每个采样时间点的位号数据,判断是否满足预先设定的被控变量投运状态条件;
所述预先设定的被控变量投运状态条件为:所述采样时间点的位号数据中的被控变量为开;
D2、若满足,则确定所述采样时间点的位号数据中的被控变量为投运状态;
并判断所述采样时间点的位号数据是否满足预先设定的被控变量超限条件,若满足,则确定所述采样时间点的位号数据中的被控变量为超限状态;
所述预先设定的被控变量超限条件为:被控变量测量值小于被控变量的操作下限或被控变量测量值大于被控变量的操作上限;
D3、基于预先设定的时间段中满足预先设定的被控变量投运状态条件的采样时间点的位号数据和满足预先设定的被控变量超限条件的采样时间点的位号数据,获取预先设定时间段内被控变量的超限率;
其中,所述预先设定时间段内被控变量的超限率为:预先设定时间段内位号数据中的被控变量为超限的采样时间点的个数与预先设定时间段内的被控变量为投运状态的采样时间点的个数的比值。
8.根据权利要求5所述的方法,其特征在于,S04包括:
根据预先设定的操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率各自的等级标准,分别确定所述操作变量有效投运率、被控变量有效投运率、被控变量平稳率、被控变量超限率的等级信息;
所述评价结果包括操作变量有效投运率的等级、被控变量有效投运率的等级、被控变量平稳率的等级、被控变量超限率的等级。
9.一种模型预测控制器性能的监控系统,其特征在于,所述系统部署在B/S端,所述系统包括:
数据源,用于存储监控系统读取的控制网内模型预测控制器以及DCS设备中的位号数据;
所述控制器的位号数据包括该控制器关联的变量指标的信息;
标准数据服务组件,包括标准化数据服务接口;
所述标准化数据服务接口与性能监控服务器连接;
性能监控服务器,借助于所述监控系统中的标准化数据服务接口读取数据源内的位号数据,并对所述位号数据进行处理,获取处理结果;
所述性能监控服务器包括指标计算模块;
所述指标计算模块,用于基于控制器确定每一个变量指标所属的指标计算逻辑,并针对每一个控制器,采用该控制器的每一个变量指标所属的指标计算逻辑对该变量指标的信息进行处理,获取用于评估所述控制器性能的量化信息。
10.根据权利要求9所述的系统,其特征在于,所述性能监控服务器还包括:
控制器监控模块,采集监控系统读取的控制网内控制器实时运行的动态数据,针对所述动态数据展示与监控;
等级评估模块,用于根据预先设定的变量指标的等级标准和量化信息,获取所述控制器的评价结果;
所述评价结果包括量化信息所对应的变量指标的等级;
报表展示模块,用于根据的量化信息,生成相应报表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740375.1A CN113760625B (zh) | 2021-06-30 | 2021-06-30 | 一种模型预测控制器性能的评估方法及监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740375.1A CN113760625B (zh) | 2021-06-30 | 2021-06-30 | 一种模型预测控制器性能的评估方法及监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113760625A true CN113760625A (zh) | 2021-12-07 |
CN113760625B CN113760625B (zh) | 2024-02-02 |
Family
ID=78787529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110740375.1A Active CN113760625B (zh) | 2021-06-30 | 2021-06-30 | 一种模型预测控制器性能的评估方法及监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113760625B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918775A (zh) * | 2021-12-09 | 2022-01-11 | 浙江中控技术股份有限公司 | 数据查询方法、装置和电子设备 |
CN115079577A (zh) * | 2022-07-22 | 2022-09-20 | 浙江中控技术股份有限公司 | 基于实时控制性能评估的闭环阶跃测试方法和测试装置 |
CN117452901A (zh) * | 2023-12-22 | 2024-01-26 | 浙江中智达科技有限公司 | 控制生产装置运行的零手动操作方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102985884A (zh) * | 2010-04-19 | 2013-03-20 | Abb研究有限公司 | 用于更新模型预测控制器中模型的方法和系统 |
US20150205269A1 (en) * | 2014-01-21 | 2015-07-23 | Yokogawa Electric Corporation | Method and system for monitoring controlled variable of multivariable predictive controller in an industrial plant |
US20180157247A1 (en) * | 2016-12-02 | 2018-06-07 | Honeywell International Inc. | Apparatus and method for performing process simulations for embedded multivariable predictive controllers in industrial process control and automation systems |
CN108182198A (zh) * | 2017-11-29 | 2018-06-19 | 浙江中控软件技术有限公司 | 存储先进控制器运行数据的控制装置和读取方法 |
CN111610774A (zh) * | 2020-04-01 | 2020-09-01 | 石化盈科信息技术有限责任公司 | 一种有效投用率的计算方法、系统、电子设备及存储介质 |
CN112415989A (zh) * | 2021-01-07 | 2021-02-26 | 浙江中控技术股份有限公司 | 一种回路性能评估用的全厂监控系统及监控方法 |
CN112452520A (zh) * | 2020-11-04 | 2021-03-09 | 上海宝田新型建材有限公司 | 一种矿渣立磨智能化方法 |
-
2021
- 2021-06-30 CN CN202110740375.1A patent/CN113760625B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102985884A (zh) * | 2010-04-19 | 2013-03-20 | Abb研究有限公司 | 用于更新模型预测控制器中模型的方法和系统 |
US20150205269A1 (en) * | 2014-01-21 | 2015-07-23 | Yokogawa Electric Corporation | Method and system for monitoring controlled variable of multivariable predictive controller in an industrial plant |
US20180157247A1 (en) * | 2016-12-02 | 2018-06-07 | Honeywell International Inc. | Apparatus and method for performing process simulations for embedded multivariable predictive controllers in industrial process control and automation systems |
CN108182198A (zh) * | 2017-11-29 | 2018-06-19 | 浙江中控软件技术有限公司 | 存储先进控制器运行数据的控制装置和读取方法 |
CN111610774A (zh) * | 2020-04-01 | 2020-09-01 | 石化盈科信息技术有限责任公司 | 一种有效投用率的计算方法、系统、电子设备及存储介质 |
CN112452520A (zh) * | 2020-11-04 | 2021-03-09 | 上海宝田新型建材有限公司 | 一种矿渣立磨智能化方法 |
CN112415989A (zh) * | 2021-01-07 | 2021-02-26 | 浙江中控技术股份有限公司 | 一种回路性能评估用的全厂监控系统及监控方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918775A (zh) * | 2021-12-09 | 2022-01-11 | 浙江中控技术股份有限公司 | 数据查询方法、装置和电子设备 |
CN113918775B (zh) * | 2021-12-09 | 2022-06-07 | 浙江中控技术股份有限公司 | 数据查询方法、装置和电子设备 |
CN115079577A (zh) * | 2022-07-22 | 2022-09-20 | 浙江中控技术股份有限公司 | 基于实时控制性能评估的闭环阶跃测试方法和测试装置 |
CN115079577B (zh) * | 2022-07-22 | 2022-11-11 | 浙江中控技术股份有限公司 | 基于实时控制性能评估的闭环阶跃测试方法和测试装置 |
CN117452901A (zh) * | 2023-12-22 | 2024-01-26 | 浙江中智达科技有限公司 | 控制生产装置运行的零手动操作方法、装置、设备及介质 |
CN117452901B (zh) * | 2023-12-22 | 2024-03-15 | 浙江中智达科技有限公司 | 控制生产装置运行的零手动操作方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113760625B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113760625B (zh) | 一种模型预测控制器性能的评估方法及监控系统 | |
KR101935652B1 (ko) | 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법 | |
CN102455698B (zh) | 基于树状结构的自控率、平稳率监控系统及监控方法 | |
CN109359950B (zh) | 一种电网监控信息全过程管控的方法 | |
CN113361139B (zh) | 一种基于数字孪生的产线仿真滚动优化系统及方法 | |
CN101408767A (zh) | 工业系统中非时间序列事件的关联 | |
CN112734284B (zh) | 流程工业能耗优化决策系统及提高评估结果准确度方法 | |
CN113822547B (zh) | 一种精细化需求侧管理综合信息平台系统及管理方法 | |
CN117709617A (zh) | 一种基于mes的生产车间智能排程系统 | |
CN117035513A (zh) | 一种智慧工业园区能源运行智能监测管理系统及方法 | |
CN115689177A (zh) | 一种基于机器学习的变电检修计划智能排程策略方法 | |
CN113219910A (zh) | 一种全流程的生产自诊断及优化系统 | |
CN104200337A (zh) | 一种基于综合能耗判断的企业能源平衡方法 | |
Steiner et al. | Understanding process capability indices | |
CN115982268A (zh) | 一种生产综合管理看板系统 | |
CN108305002A (zh) | 一种基于监控威布尔形状参数的早期失效率变点识别方法 | |
CN108230183A (zh) | 一种基于时标量测的电网设备多维度综合告警的处理方法 | |
CN116826976B (zh) | 一种配网运行自动化监管控制系统 | |
CN113469385A (zh) | 一种设备状态可视化监控方法及系统 | |
CN111367255A (zh) | 一种多变量控制系统性能评价测试系统及方法 | |
CN116090702B (zh) | 一种基于物联网的erp数据智能监管系统及方法 | |
CN111859039A (zh) | 一种基于改进案例推理技术的车间扰动决策方法及装置 | |
CN116483042A (zh) | 一种精益生产管控平台数字化精益诊断方法 | |
KR102352658B1 (ko) | 건설 사업 정보 관리 시스템 및 이의 제어 방법 | |
KR20230065478A (ko) | 스마트 팩토리를 위한 제조 공정 성과 관리 장치 |
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 |