CN115438756A - 一种用于精馏塔故障根源诊断识别的方法 - Google Patents
一种用于精馏塔故障根源诊断识别的方法 Download PDFInfo
- Publication number
- CN115438756A CN115438756A CN202211401577.4A CN202211401577A CN115438756A CN 115438756 A CN115438756 A CN 115438756A CN 202211401577 A CN202211401577 A CN 202211401577A CN 115438756 A CN115438756 A CN 115438756A
- Authority
- CN
- China
- Prior art keywords
- curve
- standard
- data
- actual
- monitoring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012544 monitoring process Methods 0.000 claims abstract description 276
- 238000003745 diagnosis Methods 0.000 claims abstract description 147
- 238000012423 maintenance Methods 0.000 claims abstract description 25
- 239000006185 dispersion Substances 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 abstract description 6
- 230000001419 dependent effect Effects 0.000 abstract description 3
- 238000013459 approach Methods 0.000 description 14
- 238000010276 construction Methods 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000003889 chemical engineering Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003313 weakening effect Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明涉及一种用于精馏塔故障根源诊断识别的方法，涉及化工故障诊断领域，包括：步骤S1，根据历史数据绘制若干条单凭曲线以构成各监控区域曲线组，根据各监控区域曲线组的标准方差绘制标准拟合曲线并设置上限拟合曲线和下限拟合曲线；步骤S2，实时监测实际监测曲线和其斜率变化曲线，判定精馏塔实际数据是否符合预设标准，在精馏塔实际数据不符合预设标准时，拟合对比实际监测曲线和标准拟合曲线，并根据对比结果输出故障根源诊断结果；步骤S3，根据故障根源诊断结果进行实际维修，根据实际维修核验故障根源诊断结果的准确性是否符合预设标准。本发明以历史数据为判断标准根据实际诊断结果准确性进行调整，提高故障根源诊断精确度。
Description
技术领域
本发明涉及化工故障诊断领域，尤其涉及一种用于精馏塔故障根源诊断识别的方法。
背景技术
精馏塔是石化行业应用非常广泛的物质分离设备，其主要作用是实现物质的气液分离。从保证生产的持续性和产品质量的稳定性而言，精馏塔实现物质的分离起到了衔接的关键性作用。因此，精馏塔的故障检测与诊断方法技术在整个化工智能制造系统中占有着重要的地位。
利用化工过程的采样数据来监测运行状态已经成为化工“大数据”的研究热门，其优势在于充分的利用了先进测量仪表与计算机技术，同时避免了为复杂化工系统建立机理模型的难题。故障诊断技术主要的思路是在各类型故障数据充裕的情况下，按照模式识别策略进行故障类型匹配。中国专利CN111912638B公开了一种在线故障根源识别的精馏塔故障诊断方法：在实施故障根源识别时，构造一个最优的区分向量，使得在线被检测出的故障数据尽可能的远离正常工况数据，即可实现变量贡献度的最佳分析。该发明方法根据不同的故障数据在线求解相对应的区分向量，具备较强的灵活性，但脱离了历史数据的根据，导致故障根源诊断精确度较低。
发明内容
为此，本发明提供一种用于精馏塔故障根源诊断识别的方法，通过在以历史数据为判断标准的基础上根据实际诊断结果准确性进行调整实现提高故障根源诊断精确度的有益效果，可以解决现有技术中的故障根源诊断精确度较低的问题。
为实现上述目的，本发明提供一种用于精馏塔故障根源诊断识别的方法，包括：
步骤S1，采集精馏塔故障分析历史数据，根据所述历史数据绘制不同故障根源的若干条单凭曲线，其中，以所述故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成各监控区域的各监控区域曲线组，根据各所述监控区域曲线组的标准方差绘制不同故障根源的标准拟合曲线并设置上限拟合曲线和下限拟合曲线；
步骤S2，监测精馏塔实际数据并绘制实际监测曲线和实际监测曲线的斜率变化曲线，通过实时监测实际监测曲线和斜率变化曲线，根据斜率变化曲线判定精馏塔实际数据是否符合预设标准，并在精馏塔实际数据不符合预设标准时，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果；
步骤S3，根据故障根源诊断结果进行实际维修，并根据实际维修核验故障根源诊断结果的准确性是否符合预设标准，当故障根源诊断结果的准确性不符合预设标准时，调整标准拟合曲线的上限拟合曲线和下限拟合曲线。
进一步地，当根据所述历史数据绘制不同故障根源的若干条所述单凭曲线时，以一个所述故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成一个监控区域曲线组，以同一故障根源下的各监控区域曲线组构成监控曲线队列。
进一步地，当根据各所述监控区域曲线组的标准方差绘制各故障根源下的标准拟合曲线时，计算各监控区域曲线组中的各单凭曲线的重合度并根据所述重合度设置各监控区域曲线组的标准方差，计算各单凭曲线的相同监测时间下的数据的初级平均值，以所述初级平均值与标准方差的差设为标准拟合数据，以标准拟合数据绘制标准拟合曲线。
进一步地，当计算各监控区域曲线组中的各单凭曲线的重合度时，计算各监控区域曲线组中的各单凭曲线的相同监控时间下的各数据的平均值，并计算各所述数据与所述平均值之间的离散度，设置最大离散度，
当所述离散度小于等于最大离散度时，判定该组数据为重合数据；
当所述离散度大于最大离散度时，判定该组数据为离散数据；
统计各监控区域曲线组中的重合数据的组数占重合数据的组数与离散数据的组数之和的数据组数比重，所述数据组数比重的平均值为监控区域曲线组的重合度。
进一步地，当根据所述重合度设置各监控区域曲线组的标准方差时，设置一级重合度、二级重合度以及三级重合度，其中，一级重合度大于二级重合度大于三级重合度，根据重合度与所述一级重合度、所述二级重合度以及所述三级重合度的大小关系，设置各监控区域曲线组的标准方差，
当重合度大于一级重合度时，将监控区域曲线组的标准方差设置为一级标准方差；
当一级重合度大于等于重合度大于二级重合度时，将监控区域曲线组的标准方差设置为二级标准方差；
当二级重合度大于等于重合度大于三级重合度时，将监控区域曲线组的标准方差设置为三级标准方差；
当三级重合度大于等于重合度时，将监控区域曲线组的标准方差设置为四级标准方差；
其中，一级标准方差小于二级标准方差小于三级标准方差小于四级标准方差。
进一步地，当根据各所述监控区域曲线组的标准方差和标准拟合曲线设置不同故障根源的标准拟合曲线的上限拟合曲线和下限拟合曲线时，以标准拟合曲线的各数据分别与标准方差相加所得的上限拟合数据绘制得到上限拟合曲线，以标准拟合曲线的各数据分别与标准方差相减所得的下限拟合数据绘制得到下限拟合曲线。
进一步地，当根据斜率变化曲线判定精馏塔实际数据是否符合预设标准时，根据监测区域设置关键监测时刻并设置关键监测时刻下的标准斜率范围，
当关键监测时刻下的实时斜率属于标准斜率范围时，判定精馏塔实际数据符合预设标准；
当关键监测时刻下的实时斜率不属于标准斜率范围时，判定精馏塔实际数据符合不预设标准，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果。
进一步地，当将实际监测曲线和各标准拟合曲线进行拟合对比时，判断实际监测曲线是否处于与各标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间，
当实际监测曲线不处于标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间时，判定当前故障根源与标准拟合曲线相对应的故障根源不一致；
当实际监测曲线处于标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间时，判定当前故障根源与标准拟合曲线相对应的故障根源疑似一致，计算实际监测曲线的数据与标准拟合曲线的相同监测时刻下的数据之间的数据方差，将数据方差大于标准方差的数据设为分歧数据，将数据方差小于等于标准方差的数据设为趋合数据，统计所述趋合数据的组数占所述分歧数据的组数与趋合数据的组数之和的实际趋合数据比重，所述实际趋合数据比重为实际监测曲线与各标准拟合曲线的实际重合度，比较所述实际重合度与标准拟合曲线对应的监控区域曲线组的重合度，
当实际重合度小于等于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源不一致，
当实际重合度大于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源一致，以当前故障根源为故障根源诊断结果并输出。
进一步地，当根据实际维修核验故障根源诊断结果的准确性是否符合预设标准时，实际维修判定实际故障根源结果，同时设置各故障根源之间的根源关联度，其中，所述根源关联度包括一级关联度和二级关联度，
若实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源相同，则实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为一级关联度，判定故障根源诊断结果的准确性符合预设标准；
若实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源不同，则实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为二级关联度，判定故障根源诊断结果的准确性不符合预设标准，调整上限拟合曲线和下限拟合曲线。
进一步地，当调整所述上限拟合曲线以及所述下限拟合曲线时，设置第一调整参数k1，用于将上限拟合数据与标准拟合曲线的各数据之差△A1调整为△A1’，△A1’=△A1×（1-k1），将下限拟合数据与标准拟合曲线的各数据之差△A2调整为△A2’，△A2’=△A2×（1-k1），其中，k1=|M0-M|/M0，M为实际重合度，M0为重合度。
与现有技术相比，本发明的有益效果在于，通过根据历史数据绘制不同故障根源的若干条单凭曲线，根据各所述监控区域曲线组的标准方差绘制不同故障根源的标准拟合曲线并设置上限拟合曲线和下限拟合曲线，监测精馏塔实际数据并绘制实际监测曲线，实时监测实际监测曲线和实际监测曲线的斜率变化曲线，根据斜率变化曲线判定精馏塔实际数据是否符合预设标准，并在精馏塔实际数据不符合预设标准时，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果，根据故障根源诊断结果进行实际维修，并根据实际维修核验故障根源诊断结果的准确性是否符合预设标准，当故障根源诊断结果的准确性不符合预设标准时，调整标准拟合曲线的上限拟合曲线和下限拟合曲线，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
尤其，通过以一个故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成一个监控区域曲线组，以同一故障根源下的各监控区域曲线组构成监控曲线队列，将由相同故障根源出现时的监控数据分别绘制成单凭曲线作为原始样本曲线并按照监控数据来源的监控区域进行归类，作为不同故障根源的标准拟合曲线的绘制根据，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
尤其，通过计算各监控区域曲线组中的各单凭曲线的重合度并根据=重合度设置各监控区域曲线组的标准方差，计算各单凭曲线的相同监测时间下的数据的初级平均值，以所述初级平均值与标准方差之差为标准拟合数据，以标准拟合数据绘制标准拟合曲线，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
尤其，通过计算各监控区域曲线组中的各单凭曲线的相同监控时间下的各数据的平均值，并计算各所述数据与所述平均值之间的离散度，根据离散度与最大离散度的大小关系判断数据是否为重合数据，统计各监控区域曲线组中的重合数据的组数占重合数据的组数与离散数据的组数之和的数据组数比重，以数据组数比重的平均值为监控区域曲线组的重合度，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
尤其，通过根据重合度与所述一级重合度、所述二级重合度以及所述三级重合度的大小关系，设置各监控区域曲线组的标准方差，当重合度大于一级重合度时，将监控区域曲线组的标准方差设置为一级标准方差，当一级重合度大于等于重合度大于二级重合度时，将监控区域曲线组的标准方差设置为二级标准方差，当二级重合度大于等于重合度大于三级重合度时，将监控区域曲线组的标准方差设置为三级标准方差，当三级重合度大于等于重合度时，将监控区域曲线组的标准方差设置为四级标准方差，使重合度越小的监控区域曲线组的标准方差越小，以使数值较为集中的表征能力更强的监控区域曲线组的容许误差范围越小，增强表征能力更强的监控区域曲线组的判定功能，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
尤其，通过以标准拟合曲线的各数据分别与标准方差相加所得的上限拟合数据绘制得到上限拟合曲线，以标准拟合曲线的各数据分别与标准方差相减所得的下限拟合数据绘制得到下限拟合曲线，保证数值较为集中的表征能力更强的监控区域曲线组的容许误差范围越小，增强表征能力更强的监控区域曲线组的判定功能，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
尤其，通过以比监测效果更为灵敏的斜率变化曲线作为精馏塔实际数据是否出现异常的判断标准，在数据陡增、陡降或是变化幅度过小时及时预警数据异常，并在关键监测时刻下的实时斜率不属于标准斜率范围时，判定精馏塔实际数据符合不预设标准，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果，保证及时进行故障根源诊断，从而提高故障根源诊断方法的诊断精度。
尤其，通过判断实际监测曲线是否处于与各标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间，判定当前故障根源与标准拟合曲线相对应的故障根源是否一致，当判定当前故障根源与标准拟合曲线相对应的故障根源疑似一致，计算实际监测曲线的数据与标准拟合曲线的相同监测时刻下的数据之间的数据方差，将数据方差大于标准方差的数据设为分歧数据，将数据方差小于等于标准方差的数据设为趋合数据，统计趋合数据的组数占重合数据的组数与离散数据的组数之和的实际趋合数据比重，所述实际趋合数据比重为实际监测曲线与各标准拟合曲线的实际重合度，比较所述实际重合度与标准拟合曲线对应的监控区域曲线组的重合度，当实际重合度小于等于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源不一致，当实际重合度大于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源一致，以当前故障根源为故障根源诊断结果并输出，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
尤其，通过根据实际维修核验故障根源诊断结果的准确性是否符合预设标准，实际维修判定实际故障根源结果，实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为一级关联度，判定故障根源诊断结果的准确性符合预设标准，若实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为二级关联度，判定故障根源诊断结果的准确性不符合预设标准，调整上限拟合曲线和下限拟合曲线，保证故障根源诊断方法在以历史故障数据为构建标准根据的同时符合实际故障根源诊断的预设标准，从而提高故障根源诊断方法的诊断精度。
尤其，通过在调整上限拟合曲线以及下限拟合曲线时，根据实际重合度和重合度设置第一调整参数以对上限拟合数据与标准拟合曲线的各数据之差与将下限拟合数据与标准拟合曲线的各数据之差分别进行调整，使上限拟合曲线以及下限拟合曲线的设置缩小允许误差范围，从而提高故障根源诊断方法的诊断精度。
附图说明
图1为本发明实施例提供的用于精馏塔故障根源诊断识别的方法的流程示意图；
图2为本发明实施例提供的用于精馏塔故障根源诊断识别的方法的精馏塔故障根源诊断识别系统的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，本发明实施例提供的用于精馏塔故障根源诊断识别的方法，包括：
步骤S1，采集精馏塔故障分析历史数据，根据所述历史数据绘制不同故障根源的若干条单凭曲线，其中，以所述故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成各监控区域的各监控区域曲线组，根据各所述监控区域曲线组的标准方差绘制不同故障根源的标准拟合曲线并设置上限拟合曲线和下限拟合曲线；
步骤S2，监测精馏塔实际数据并绘制实际监测曲线和实际监测曲线的斜率变化曲线，实时监测实际监测曲线和斜率变化曲线，根据斜率变化曲线判定精馏塔实际数据是否符合预设标准，并在精馏塔实际数据不符合预设标准时，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果；
步骤S3，根据故障根源诊断结果进行实际维修，并根据实际维修核验故障根源诊断结果的准确性是否符合预设标准，当故障根源诊断结果的准确性不符合预设标准时，调整标准拟合曲线的上限拟合曲线和下限拟合曲线。
请参阅如图2所示，本发明实施例提供的用于精馏塔故障根源诊断识别的方法的精馏塔故障根源诊断识别系统的结构示意图，包括：用于对精馏塔实际使用过程中的数据进行监控和采集的监控模块1，监控模块包括若干个用于对不同监控区域进行监控的监控单元；数据处理模块2，用于根据历史数据计算历史数据的离散度，计算各单凭曲线的重合度；绘制曲线模块3，用于根据历史数据绘制各单凭曲线、标准拟合曲线、上限拟合曲线以及下限拟合曲线，根据实际监测数据绘制实际监测曲线和斜率变化曲线；诊断单元4，用于根据斜率变化曲线判断精馏塔是否出现故障，并根据实际监测曲线判断故障根源；中控模块5，用于设置一级重合度、二级重合度以及三级重合度，根据各单凭曲线的重合度设置标准方差，设置关键监测时刻下的标准斜率范围，设置各故障根源之间的关联度，核验故障根源诊断结果的准确性是否符合预设标准，设置第一调整参数k1以调整上限拟合曲线以及下限拟合曲线；上述各模块通信连接。
单凭曲线是指在某一次出现某一故障根源时，精馏塔中某一监测部位的监测模块所监测到异常数据，根据上述异常数据绘制所得曲线，即为单凭曲线，其能够表征在出现该故障根源时，精馏塔中该监测部位的监测模块所监测到异常数据的一种数据曲线。在一次再沸器热蒸汽供应中断故障中，精馏塔中塔底温度监测单元监测精馏塔塔底温度骤降的塔底温度异常数据，以塔底温度异常数据绘制得到一条再沸器热蒸汽供应中断故障下的塔底温度监测单元的单凭曲线。
通过根据历史数据绘制不同故障根源的若干条单凭曲线，根据各监控区域曲线组的标准方差绘制不同故障根源的标准拟合曲线并设置上限拟合曲线和下限拟合曲线，监测精馏塔实际数据并绘制实际监测曲线，实时监测实际监测曲线和实际监测曲线的斜率变化曲线，根据斜率变化曲线判定精馏塔实际数据是否符合预设标准，并在精馏塔实际数据不符合预设标准时，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果，根据故障根源诊断结果进行实际维修，并根据实际维修核验故障根源诊断结果的准确性是否符合预设标准，当故障根源诊断结果的准确性不符合预设标准时，调整标准拟合曲线的上限拟合曲线和下限拟合曲线，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
具体而言，当根据所述历史数据绘制不同故障根源的若干条所述单凭曲线时，以一个所述故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成一个监控区域曲线组，以同一故障根源下的各监控区域曲线组构成监控曲线队列。
在一次再沸器热蒸汽供应中断故障中，精馏塔中塔底温度监测单元监测精馏塔塔底温度骤降的塔底温度异常数据，以塔底温度异常数据绘制得到一条再沸器热蒸汽供应中断故障下的塔底温度监测单元的单凭曲线。收集若干次在再沸器热蒸汽供应中断故障情形下的历史数据，若干次即对应若干个监控周期，绘制在获得在再沸器热蒸汽供应中断故障情形下精馏塔的分布器、回流口、气相入口以及气相出口等各监控区域的若干条单凭曲线，以若干条单凭曲线构成一个监控区域曲线组，以再沸器热蒸汽供应中断故障下的各监控区域曲线组构成监控曲线队列。
通过以一个故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成一个监控区域曲线组，以同一故障根源下的各监控区域曲线组构成监控曲线队列，将由相同故障根源出现时的监控数据分别绘制成单凭曲线作为原始样本曲线并按照监控数据来源的监控区域进行归类，作为不同故障根源的标准拟合曲线的绘制根据，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
具体而言，当根据各所述监控区域曲线组的标准方差绘制各故障根源下的标准拟合曲线时，计算各监控区域曲线组中的各单凭曲线的重合度并根据所述重合度设置各监控区域曲线组的标准方差，计算各单凭曲线的相同监测时间下的数据的初级平均值，以所述初级平均值与标准方差的差设为标准拟合数据，以标准拟合数据绘制标准拟合曲线。
各单凭曲线的相同监测时间下的数据的初级平均值是指在若干次出现相同故障根源时，选取同一监测区域内的相同监测时间点下的若干条监测曲线的对应数据，将对应数据的平均值作为各单凭曲线的相同监测时间下的数据的初级平均值。
通过计算各监控区域曲线组中的各单凭曲线的重合度并根据=重合度设置各监控区域曲线组的标准方差，计算各单凭曲线的相同监测时间下的数据的初级平均值，以所述初级平均值与标准方差之差为标准拟合数据，以标准拟合数据绘制标准拟合曲线，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
具体而言，当计算各监控区域曲线组中的各单凭曲线的重合度时，计算各监控区域曲线组中的各单凭曲线的相同监控时间下的各数据的平均值，并计算各所述数据与所述平均值之间的离散度，设置最大离散度，
当所述离散度小于等于最大离散度时，判定该组数据为重合数据；
当所述离散度大于最大离散度时，判定该组数据为离散数据；
统计各监控区域曲线组中的重合数据的组数占重合数据的组数与离散数据的组数之和的数据组数比重，所述数据组数比重的平均值为监控区域曲线组的重合度。
通过计算各监控区域曲线组中的各单凭曲线的相同监控时间下的各数据的平均值，并计算各所述数据与所述平均值之间的离散度，根据离散度与最大离散度的大小关系判断数据是否为重合数据，统计各监控区域曲线组中的重合数据的组数占重合数据的组数与离散数据的组数之和的数据组数比重，以数据组数比重的平均值为监控区域曲线组的重合度，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
具体而言，当根据所述重合度设置各监控区域曲线组的标准方差时，设置一级重合度、二级重合度以及三级重合度，其中，一级重合度大于二级重合度大于三级重合度，根据重合度与所述一级重合度、所述二级重合度以及所述三级重合度的大小关系，设置各监控区域曲线组的标准方差，
当重合度大于一级重合度时，将监控区域曲线组的标准方差设置为一级标准方差；
当一级重合度大于等于重合度大于二级重合度时，将监控区域曲线组的标准方差设置为二级标准方差；
当二级重合度大于等于重合度大于三级重合度时，将监控区域曲线组的标准方差设置为三级标准方差；
当三级重合度大于等于重合度时，将监控区域曲线组的标准方差设置为四级标准方差；
其中，一级标准方差小于二级标准方差小于三级标准方差小于四级标准方差。
当监控区域曲线组的重合度较小时，说明在此种故障根源下，此类曲线的数据更加趋同，即此类曲线对此种故障根源的表征能力较强，为避免在设置上限拟合曲线与下限拟合曲线时削弱此类曲线对此种故障根源的表征能力，此时将用于设置上限拟合曲线与下限拟合曲线的标准方差设置为数值最小的一级标准方差，对于根据其他监控区域曲线组的重合度设置不同数值的标准方差的逻辑亦同。
通过根据重合度与所述一级重合度、所述二级重合度以及所述三级重合度的大小关系，设置各监控区域曲线组的标准方差，当重合度大于一级重合度时，将监控区域曲线组的标准方差设置为一级标准方差，当一级重合度大于等于重合度大于二级重合度时，将监控区域曲线组的标准方差设置为二级标准方差，当二级重合度大于等于重合度大于三级重合度时，将监控区域曲线组的标准方差设置为三级标准方差，当三级重合度大于等于重合度时，将监控区域曲线组的标准方差设置为四级标准方差，使重合度越小的监控区域曲线组的标准方差越小，以使数值较为集中的表征能力更强的监控区域曲线组的容许误差范围越小，增强表征能力更强的监控区域曲线组的判定功能，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
具体而言，当根据各所述监控区域曲线组的标准方差和标准拟合曲线设置不同故障根源的标准拟合曲线的上限拟合曲线和下限拟合曲线时，以标准拟合曲线的各数据分别与标准方差相加所得的上限拟合数据绘制得到上限拟合曲线，以标准拟合曲线的各数据分别与标准方差相减所得的下限拟合数据绘制得到下限拟合曲线。
通过以标准拟合曲线的各数据分别与标准方差相加所得的上限拟合数据绘制得到上限拟合曲线，以标准拟合曲线的各数据分别与标准方差相减所得的下限拟合数据绘制得到下限拟合曲线，保证数值较为集中的表征能力更强的监控区域曲线组的容许误差范围越小，增强表征能力更强的监控区域曲线组的判定功能，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
具体而言，当根据斜率变化曲线判定精馏塔实际数据是否符合预设标准时，根据监测区域设置关键监测时刻并设置关键监测时刻下的标准斜率范围，
当关键监测时刻下的实时斜率属于标准斜率范围时，判定精馏塔实际数据符合预设标准；
当关键监测时刻下的实时斜率不属于标准斜率范围时，判定精馏塔实际数据符合不预设标准，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果。
关键监测时刻是指当时数据对精馏塔故障根源诊断具有关键表征说明性的监测时刻。使用实际监测曲线对精馏塔故障根源进行诊断的前提，是精馏塔在实际使用过程中出现故障，而对精馏塔是否出现故障可以用比监测数据更为灵敏的斜率变化曲线作为精馏塔实际数据是否出现异常的判断标准，可以在数据陡增、陡降或是变化幅度过小时及时预警数据异常，并在关键监测时刻下的实时斜率不属于标准斜率范围时，判定精馏塔实际数据符合不预设标准，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果，保证及时进行故障根源诊断，从而提高故障根源诊断方法的诊断精度。
通过以比监测效果更为灵敏的斜率变化曲线作为精馏塔实际数据是否出现异常的判断标准，在数据陡增、陡降或是变化幅度过小时及时预警数据异常，并在关键监测时刻下的实时斜率不属于标准斜率范围时，判定精馏塔实际数据符合不预设标准，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果，保证及时进行故障根源诊断，从而提高故障根源诊断方法的诊断精度。
具体而言，当将实际监测曲线和各标准拟合曲线进行拟合对比时，判断实际监测曲线是否处于与各标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间，
当实际监测曲线不处于标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间时，判定当前故障根源与标准拟合曲线相对应的故障根源不一致；
当实际监测曲线处于标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间时，判定当前故障根源与标准拟合曲线相对应的故障根源疑似一致，计算实际监测曲线的数据与标准拟合曲线的相同监测时刻下的数据之间的数据方差，将数据方差大于标准方差的数据设为分歧数据，将数据方差小于等于标准方差的数据设为趋合数据，统计所述趋合数据的组数占所述分歧数据的组数与趋合数据的组数之和的实际趋合数据比重，所述实际趋合数据比重为实际监测曲线与各标准拟合曲线的实际重合度，比较所述实际重合度与标准拟合曲线对应的监控区域曲线组的重合度，
当实际重合度小于等于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源不一致，
当实际重合度大于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源一致，以当前故障根源为故障根源诊断结果并输出。
实际监测曲线处于与各标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间是指在任一监测时刻下，同一时刻上限拟合曲线的数据大于等于实际监测曲线的数据大于等于同一时刻下限拟合曲线的数据。
通过判断实际监测曲线是否处于与各标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间，判定当前故障根源与标准拟合曲线相对应的故障根源是否一致，当判定当前故障根源与标准拟合曲线相对应的故障根源疑似一致，计算实际监测曲线的数据与标准拟合曲线的相同监测时刻下的数据之间的数据方差，将数据方差大于标准方差的数据设为分歧数据，将数据方差小于等于标准方差的数据设为趋合数据，统计趋合数据的组数占重合数据的组数与离散数据的组数之和的实际趋合数据比重，所述实际趋合数据比重为实际监测曲线与各标准拟合曲线的实际重合度，比较所述实际重合度与标准拟合曲线对应的监控区域曲线组的重合度，当实际重合度小于等于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源不一致，当实际重合度大于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源一致，以当前故障根源为故障根源诊断结果并输出，保证故障根源诊断方法以实际历史故障数据为构建标准根据，使故障根源诊断方法的判断标准以实际历史故障数据为依据，从而提高故障根源诊断方法的诊断精度。
具体而言，当根据实际维修核验故障根源诊断结果的准确性是否符合预设标准时，实际维修判定实际故障根源结果，同时设置各故障根源之间的根源关联度，其中，所述根源关联度包括一级关联度和二级关联度，
若实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源相同，则实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为一级关联度，判定故障根源诊断结果的准确性符合预设标准；
若实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源不同，则实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为二级关联度，判定故障根源诊断结果的准确性不符合预设标准，调整上限拟合曲线和下限拟合曲线。
在监测到精馏塔塔底温度骤降时，根据精馏塔塔底温度的实际监测曲线对故障根源进行诊断，将实际监测曲线分别与塔压波动故障下的第一标准拟合曲线、塔底温度控制器失灵故障下的第二标准拟合曲线以及再沸器热蒸汽供应中断故障情形下的第三标准拟合曲线进行对比，其中，塔压波动故障、塔底温度控制器失灵故障以及再沸器热蒸汽供应中断故障之间的关联度分别为二级关联度，实际故障根源结果为再沸器热蒸汽供应中断故障，实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为一级关联度，判定故障根源诊断结果的准确性符合预设标准。
通过根据实际维修核验故障根源诊断结果的准确性是否符合预设标准，实际维修判定实际故障根源结果，实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为一级关联度，判定故障根源诊断结果的准确性符合预设标准，若实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为二级关联度，判定故障根源诊断结果的准确性不符合预设标准，调整上限拟合曲线和下限拟合曲线，保证故障根源诊断方法在以历史故障数据为构建标准根据的同时符合实际故障根源诊断的预设标准，从而提高故障根源诊断方法的诊断精度。
具体而言，当调整上限拟合曲线以及下限拟合曲线时，设置第一调整参数k1，用于将上限拟合数据与标准拟合曲线的各数据之差△A1调整为△A1’，△A1’=△A1×（1-k1），将下限拟合数据与标准拟合曲线的各数据之差△A2调整为△A2’，△A2’=△A2×（1-k1），其中，k1=|M0-M|/M0，M为实际重合度，M0为重合度。
通过在调整上限拟合曲线以及下限拟合曲线时，根据实际重合度和重合度设置第一调整参数以对上限拟合数据与标准拟合曲线的各数据之差与将下限拟合数据与标准拟合曲线的各数据之差分别进行调整，使上限拟合曲线以及下限拟合曲线的设置缩小允许误差范围，从而提高故障根源诊断方法的诊断精度。
在实际使用过程中，本发明提供的用于精馏塔故障根源诊断识别的方法的使用过程如下：
步骤S1，采集精馏塔故障分析历史数据，根据所述历史数据绘制不同故障根源的若干条单凭曲线，其中，以所述故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成各监控区域的各监控区域曲线组，根据各所述监控区域曲线组的标准方差绘制不同故障根源的标准拟合曲线并设置上限拟合曲线和下限拟合曲线；
步骤S2，监测精馏塔实际数据并绘制实际监测曲线，实时监测实际监测曲线和实际监测曲线的斜率变化曲线，根据斜率变化曲线判定精馏塔实际数据是否符合预设标准；
步骤S3，在监测到精馏塔的塔底温度监测曲线的斜率变化曲线数值小于-0.58时，根据精馏塔塔底温度的实际监测曲线对故障根源进行诊断，监测到塔底温度在短时间内由105℃~107℃骤降至87℃~95℃，将实际监测曲线分别与塔压波动故障下的第一塔底温度标准拟合曲线、塔底温度控制器失灵故障下的第二塔底温度标准拟合曲线以及再沸器热蒸汽供应中断故障情形下的第三塔底温度标准拟合曲线进行对比，其中，塔压波动故障、塔底温度控制器失灵故障以及再沸器热蒸汽供应中断故障之间的关联度分别为二级关联度；
步骤S4，根据故障根源诊断结果进行实际维修，实际故障根源结果为再沸器热蒸汽供应中断故障，实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为一级关联度，判定故障根源诊断结果的准确性符合预设标准。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种用于精馏塔故障根源诊断识别的方法，其特征在于，包括：
步骤S1，采集精馏塔故障分析历史数据，根据所述历史数据绘制不同故障根源的若干条单凭曲线，其中，以所述故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成各监控区域的各监控区域曲线组，根据各所述监控区域曲线组的标准方差绘制不同故障根源的标准拟合曲线并设置上限拟合曲线和下限拟合曲线；
步骤S2，监测精馏塔实际数据并绘制实际监测曲线和实际监测曲线的斜率变化曲线，通过实时监测实际监测曲线和斜率变化曲线，根据斜率变化曲线判定精馏塔实际数据是否符合预设标准，并在精馏塔实际数据不符合预设标准时，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果；
步骤S3，根据故障根源诊断结果进行实际维修，并根据实际维修核验故障根源诊断结果的准确性是否符合预设标准，当故障根源诊断结果的准确性不符合预设标准时，调整标准拟合曲线的上限拟合曲线和下限拟合曲线。
2.根据权利要求1所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当根据所述历史数据绘制不同故障根源的若干条所述单凭曲线时，以一个所述故障根源的若干个监控周期内的同一监控区域的监控数据绘制若干条单凭曲线，以若干条单凭曲线构成一个监控区域曲线组，以同一故障根源下的各监控区域曲线组构成监控曲线队列。
3.根据权利要求2所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当根据各所述监控区域曲线组的标准方差绘制各故障根源下的标准拟合曲线时，计算各监控区域曲线组中的各单凭曲线的重合度并根据所述重合度设置各监控区域曲线组的标准方差，计算各单凭曲线的相同监测时间下的数据的初级平均值，以所述初级平均值与标准方差的差设为标准拟合数据，以标准拟合数据绘制标准拟合曲线。
4.根据权利要求3所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当计算各监控区域曲线组中的各单凭曲线的重合度时，计算各监控区域曲线组中的各单凭曲线的相同监控时间下的各数据的平均值，并计算各所述数据与所述平均值之间的离散度，设置最大离散度，
当所述离散度小于等于最大离散度时，判定所述监控区域曲线组数据为重合数据；
当所述离散度大于最大离散度时，判定所述监控区域曲线组数据为离散数据；
统计各监控区域曲线组中的重合数据的组数占重合数据的组数与离散数据的组数之和的数据组数比重，所述数据组数比重的平均值为监控区域曲线组的重合度。
5.根据权利要求4所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当根据所述重合度设置各监控区域曲线组的标准方差时，设置一级重合度、二级重合度以及三级重合度，其中，一级重合度大于二级重合度大于三级重合度，根据重合度与所述一级重合度、所述二级重合度以及所述三级重合度的大小关系，设置各监控区域曲线组的标准方差，
当重合度大于一级重合度时，将监控区域曲线组的标准方差设置为一级标准方差；
当一级重合度大于等于重合度大于二级重合度时，将监控区域曲线组的标准方差设置为二级标准方差；
当二级重合度大于等于重合度大于三级重合度时，将监控区域曲线组的标准方差设置为三级标准方差；
当三级重合度大于等于重合度时，将监控区域曲线组的标准方差设置为四级标准方差；
其中，一级标准方差小于二级标准方差小于三级标准方差小于四级标准方差。
6.根据权利要求5所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当根据各所述监控区域曲线组的标准方差和标准拟合曲线设置不同故障根源的标准拟合曲线的上限拟合曲线和下限拟合曲线时，以标准拟合曲线的各数据分别与标准方差相加所得的上限拟合数据绘制得到上限拟合曲线，以标准拟合曲线的各数据分别与标准方差相减所得的下限拟合数据绘制得到下限拟合曲线。
7.根据权利要求6所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当根据斜率变化曲线判定精馏塔实际数据是否符合预设标准时，根据监测区域设置关键监测时刻并设置关键监测时刻下的标准斜率范围，
当关键监测时刻下的实时斜率属于标准斜率范围时，判定精馏塔实际数据符合预设标准；
当关键监测时刻下的实时斜率不属于标准斜率范围时，判定精馏塔实际数据符合不预设标准，将实际监测曲线和标准拟合曲线进行拟合对比，并根据对比结果输出故障根源诊断结果。
8.根据权利要求7所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当将实际监测曲线和各标准拟合曲线进行拟合对比时，判断实际监测曲线是否处于与各标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间，
当实际监测曲线不处于标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间时，判定当前故障根源与标准拟合曲线相对应的故障根源不一致；
当实际监测曲线处于标准拟合曲线相对应的上限拟合曲线与下限拟合曲线之间时，判定当前故障根源与标准拟合曲线相对应的故障根源疑似一致，计算实际监测曲线的数据与标准拟合曲线的相同监测时刻下的数据之间的数据方差，将数据方差大于标准方差的数据设为分歧数据，将数据方差小于等于标准方差的数据设为趋合数据，统计所述趋合数据的组数占所述分歧数据的组数与趋合数据的组数之和的实际趋合数据比重，所述实际趋合数据比重为实际监测曲线与各标准拟合曲线的实际重合度，比较所述实际重合度与标准拟合曲线对应的监控区域曲线组的重合度，
当实际重合度小于等于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源不一致，
当实际重合度大于重合度时，判定当前故障根源与标准拟合曲线相对应的故障根源一致，以当前故障根源为故障根源诊断结果并输出。
9.根据权利要求8所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当根据实际维修核验故障根源诊断结果的准确性是否符合预设标准时，实际维修判定实际故障根源结果，同时设置各故障根源之间的根源关联度，其中，所述根源关联度包括一级关联度和二级关联度，
若实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源相同，则实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为一级关联度，判定故障根源诊断结果的准确性符合预设标准；
若实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源不同，则实际故障根源结果中的故障根源与故障根源诊断结果中的故障根源之间的关联度为二级关联度，判定故障根源诊断结果的准确性不符合预设标准，调整上限拟合曲线和下限拟合曲线。
10.根据权利要求9所述的用于精馏塔故障根源诊断识别的方法，其特征在于，当调整所述上限拟合曲线以及所述下限拟合曲线时，设置第一调整参数k1，用于将上限拟合数据与标准拟合曲线的各数据之差△A1调整为△A1’，△A1’=△A1×（1-k1），将下限拟合数据与标准拟合曲线的各数据之差△A2调整为△A2’，△A2’=△A2×（1-k1），其中，k1=|M0-M|/M0，M为实际重合度，M0为重合度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211401577.4A CN115438756B (zh) | 2022-11-10 | 2022-11-10 | 一种用于精馏塔故障根源诊断识别的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211401577.4A CN115438756B (zh) | 2022-11-10 | 2022-11-10 | 一种用于精馏塔故障根源诊断识别的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115438756A true CN115438756A (zh) | 2022-12-06 |
| CN115438756B CN115438756B (zh) | 2023-04-28 |
Family
ID=84252804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211401577.4A Active CN115438756B (zh) | 2022-11-10 | 2022-11-10 | 一种用于精馏塔故障根源诊断识别的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115438756B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104329509A (zh) * | 2013-07-22 | 2015-02-04 | 进典工业股份有限公司 | 具自动检测及故障排除功能的智能阀 |
| CN105759212A (zh) * | 2016-01-27 | 2016-07-13 | 惠州市蓝微新源技术有限公司 | 电池包故障模拟方法及故障检测方法 |
| CN107302449A (zh) * | 2017-06-13 | 2017-10-27 | 中国工商银行股份有限公司 | 智能监控统计与报警处理系统及方法 |
| CN109214595A (zh) * | 2018-10-23 | 2019-01-15 | 中核核电运行管理有限公司 | 基于大数据分析的核电厂主泵三级密封故障预测方法 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
| CN111912638A (zh) * | 2020-06-13 | 2020-11-10 | 宁波大学 | 一种在线故障根源识别的精馏塔故障诊断方法 |
| CN112539828A (zh) * | 2020-12-08 | 2021-03-23 | 中水三立数据技术股份有限公司 | 基于曲线拟合对比分析的泵组设备诊断方法、系统、设备 |
| CN113077172A (zh) * | 2021-04-19 | 2021-07-06 | 瑞湖智科数据(苏州)有限公司 | 一种设备状态趋势分析及故障诊断方法 |
| CN113420935A (zh) * | 2021-07-01 | 2021-09-21 | 中国工商银行股份有限公司 | 故障定位方法、装置、设备和介质 |
| CN114167156A (zh) * | 2020-09-11 | 2022-03-11 | 施耐德电气美国股份有限公司 | 用于管理电气系统中的电压事件警报的系统和方法 |
| CN114565161A (zh) * | 2022-03-01 | 2022-05-31 | 北京九天翱翔科技有限公司 | 基于多时空维度数据融合的存储阶段故障预测与延寿方法 |
| CN114662322A (zh) * | 2022-03-29 | 2022-06-24 | 国网福建省电力有限公司超高压分公司 | 一种变压器油位异常在线监测与故障诊断方法及系统 |
| US20220221843A1 (en) * | 2021-01-11 | 2022-07-14 | Vanti Analytics Ltd | Anomaly detection in high-volume manufacturing lines |
-
2022
- 2022-11-10 CN CN202211401577.4A patent/CN115438756B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104329509A (zh) * | 2013-07-22 | 2015-02-04 | 进典工业股份有限公司 | 具自动检测及故障排除功能的智能阀 |
| CN105759212A (zh) * | 2016-01-27 | 2016-07-13 | 惠州市蓝微新源技术有限公司 | 电池包故障模拟方法及故障检测方法 |
| CN107302449A (zh) * | 2017-06-13 | 2017-10-27 | 中国工商银行股份有限公司 | 智能监控统计与报警处理系统及方法 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
| CN109214595A (zh) * | 2018-10-23 | 2019-01-15 | 中核核电运行管理有限公司 | 基于大数据分析的核电厂主泵三级密封故障预测方法 |
| CN111912638A (zh) * | 2020-06-13 | 2020-11-10 | 宁波大学 | 一种在线故障根源识别的精馏塔故障诊断方法 |
| CN114167156A (zh) * | 2020-09-11 | 2022-03-11 | 施耐德电气美国股份有限公司 | 用于管理电气系统中的电压事件警报的系统和方法 |
| CN112539828A (zh) * | 2020-12-08 | 2021-03-23 | 中水三立数据技术股份有限公司 | 基于曲线拟合对比分析的泵组设备诊断方法、系统、设备 |
| US20220221843A1 (en) * | 2021-01-11 | 2022-07-14 | Vanti Analytics Ltd | Anomaly detection in high-volume manufacturing lines |
| CN113077172A (zh) * | 2021-04-19 | 2021-07-06 | 瑞湖智科数据(苏州)有限公司 | 一种设备状态趋势分析及故障诊断方法 |
| CN113420935A (zh) * | 2021-07-01 | 2021-09-21 | 中国工商银行股份有限公司 | 故障定位方法、装置、设备和介质 |
| CN114565161A (zh) * | 2022-03-01 | 2022-05-31 | 北京九天翱翔科技有限公司 | 基于多时空维度数据融合的存储阶段故障预测与延寿方法 |
| CN114662322A (zh) * | 2022-03-29 | 2022-06-24 | 国网福建省电力有限公司超高压分公司 | 一种变压器油位异常在线监测与故障诊断方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| QI-NENG JIANG 等: "A Power Cable Fault Location Method Combining With Wavelet Analysis And Curve Fitting", 《2010 CHINA INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION》 * |
| 唐伦 等: "基于深度动态贝叶斯网络的服务功能链故障诊断算法", 《电子与信息学报》 * |
| 韩先尧 等: "基于累计T2献值的乙烯裂解炉故障诊断分析", 《控制工程》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115438756B (zh) | 2023-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109840362B (zh) | 一种基于多目标优化的集成即时学习工业过程软测量建模方法 | |
| CN106355030B (zh) | 一种基于层次分析法和加权投票决策融合的故障检测方法 | |
| CN105893700B (zh) | 基于物理-大数据混合模型的化工生产在线故障检测与诊断技术 | |
| CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
| US5838561A (en) | Automatic control loop monitoring and diagnostics | |
| CN109524139A (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
| CN105930629B (zh) | 一种基于海量运行数据的在线故障诊断方法 | |
| KR100839071B1 (ko) | 공정장비의 상태를 모니터링하기 위한 시스템 및 방법 | |
| CN110926809A (zh) | 一种基于大数据分析的风电机组传动链故障预警方法 | |
| CN104677997B (zh) | 一种变压器油色谱在线监测差异化预警方法 | |
| CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
| CN108919044B (zh) | 一种基于互校验机制的单元制配电网故障主动识别方法 | |
| CN105259756A (zh) | 电厂控制回路模型辨识方法与系统 | |
| CN110298369A (zh) | 一种电力系统不良数据的辨识方法及系统 | |
| CN112836941B (zh) | 一种煤电机组汽轮机高加系统在线健康状况评估方法 | |
| CN113757093B (zh) | 一种闪蒸汽压缩机组故障诊断方法 | |
| CN108334898A (zh) | 一种多模态工业过程模态辨识与故障分类方法 | |
| CN109741927A (zh) | 微型变压器生产线的设备故障和潜在不良品智能预测系统 | |
| CN113535765A (zh) | 一种基于工业互联网的智慧工厂远程实时监测调控云平台 | |
| CN109298225A (zh) | 一种电压量测数据异常状态自动识别模型及方法 | |
| CN106200624B (zh) | 基于交叉分段pca的工业锅炉故障诊断方法 | |
| CN108181893B (zh) | 一种基于pca-kdr的故障检测方法 | |
| EP0907913B1 (en) | Automatic control loop monitoring and diagnostics | |
| CN110119579A (zh) | 一种基于oica的复杂工业过程故障监测方法 | |
| CN115438756A (zh) | 一种用于精馏塔故障根源诊断识别的方法 |
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 |