CN115496424B - 一种甲醇制氢工艺安全管理方法及系统 - Google Patents
一种甲醇制氢工艺安全管理方法及系统 Download PDFInfo
- Publication number
- CN115496424B CN115496424B CN202211394995.5A CN202211394995A CN115496424B CN 115496424 B CN115496424 B CN 115496424B CN 202211394995 A CN202211394995 A CN 202211394995A CN 115496424 B CN115496424 B CN 115496424B
- Authority
- CN
- China
- Prior art keywords
- parameter
- index
- indexes
- change rate
- parameter change
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 title claims abstract description 306
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 193
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 140
- 239000001257 hydrogen Substances 0.000 title claims abstract description 140
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 140
- 238000007726 management method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 158
- 238000001514 detection method Methods 0.000 claims abstract description 122
- 230000005856 abnormality Effects 0.000 claims abstract description 102
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims description 36
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 32
- 238000002407 reforming Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 16
- 238000005192 partition Methods 0.000 claims description 14
- 238000002360 preparation method Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000000746 purification Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 description 11
- 239000003054 catalyst Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 239000000376 reactant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- LCGLNKUTAGEVQW-UHFFFAOYSA-N Dimethyl ether Chemical compound COC LCGLNKUTAGEVQW-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000008016 vaporization Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000012611 container material Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- GBMDVOWEEQVZKZ-UHFFFAOYSA-N methanol;hydrate Chemical compound O.OC GBMDVOWEEQVZKZ-UHFFFAOYSA-N 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Hydrogen, Water And Hydrids (AREA)
Abstract
本发明提供了一种甲醇制氢工艺安全管理方法及系统，涉及甲醇制氢技术领域，包括：获取预设甲醇制氢工艺的多个工艺流程和多个流程指标；分析生产安全和生产质量的关联参数，获得多个关联参数，获得多个敏感流程指标；构建异常检测模型包括参数变化率异常检测模块和参数异常度异常检测模块；监测采集多个敏感流程指标在预设时间范围内的指标参数，获得多个实时指标参数序列计算获得所述多个敏感流程指标的多个实时参数变化率和多个指标参数异常度；输入参数变化率异常检测模块和参数异常度异常检测模块，获得异常监测结果管理。解决了现有技术存在亟需稳定性较高的智能化甲醇制氢安全管理方案的技术问题。
Description
技术领域
本发明涉及甲醇制氢工艺相关技术领域，具体涉及一种甲醇制氢工艺安全管理方法及系统。
背景技术
由于甲醇制氢的低污染性和高效性，在制氢工艺中广受青睐，但是甲醇制氢过程由于多为放热反应，因此反应时安全性是备受关注的一点，由于反应过程呈现多层次、多变量、非线性的特点，导致安全管理的难度较高。
随着物联网的不断发展，安全管理由传统人工监管的方式转化为了机器监管的方式，主要是设定各类传感器，主观设定阈值，当不满足阈值时即进行报警，自动化程度高，但是智能化程度较低，且阈值设定较为主观，安全管理稳定性较差。
综上所述，现有技术存在亟需稳定性较高的智能化甲醇制氢安全管理方案的技术问题。
发明内容
本申请通过提供了一种甲醇制氢工艺安全管理方法及系统，解决了现有技术存在亟需稳定性较高的智能化甲醇制氢安全管理方案的技术问题。
鉴于上述问题，本申请实施例提供了一种甲醇制氢工艺安全管理方法及系统。
第一方面，本申请提供了一种甲醇制氢工艺安全管理方法，其中，包括：获取预设甲醇制氢工艺的多个工艺流程，以及所述多个工艺流程的多个流程指标；分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全和生产质量的关联参数，获得多个关联参数；根据所述多个关联参数，获得多个敏感流程指标；根据所述多个敏感流程指标，构建异常检测模型，所述异常检测模型包括参数变化率异常检测模块和参数异常度异常检测模块；采用所述预设甲醇制氢工艺进行氢气制备，并在制备过程中，监测采集所述多个敏感流程指标在预设时间范围内的指标参数，获得多个实时指标参数序列；根据所述多个实时指标参数序列，计算获得所述多个敏感流程指标的多个实时参数变化率，以及计算获得所述多个敏感流程指标的多个指标参数异常度；将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和所述参数异常度异常检测模块，获得异常监测结果，进行管理。
另一方面，本申请提供了一种甲醇制氢工艺安全管理系统，其中，包括：流程指标获取模块，用于获取预设甲醇制氢工艺的多个工艺流程，以及所述多个工艺流程的多个流程指标；关联参数分析模块，用于分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全和生产质量的关联参数，获得多个关联参数；敏感流程指标筛选模块，用于根据所述多个关联参数，获得多个敏感流程指标；异常监测模型构建模块，用于根据所述多个敏感流程指标，构建异常检测模型，所述异常检测模型包括参数变化率异常检测模块和参数异常度异常检测模块；实时指标采集模块，用于采用所述预设甲醇制氢工艺进行氢气制备，并在制备过程中，监测采集所述多个敏感流程指标在预设时间范围内的指标参数，获得多个实时指标参数序列；指标特征计算模块，用于根据所述多个实时指标参数序列，计算获得所述多个敏感流程指标的多个实时参数变化率，以及计算获得所述多个敏感流程指标的多个指标参数异常度；异常状态监测模块，用于将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和参数异常度异常检测模块，获得异常监测结果，进行管理。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了采集甲醇制氢工艺的各个工艺流程，并为各个流程匹配流程指标；再评估流程指标和生产安全，流程指标和生产质量的关联参数；进一步根据关联参数从流程指标中筛选关联度较高的多个敏感流程指标；根据敏感流程指标，构建异常检测模型；使用异常检测模型对实时参数变化率和实时参数异常度进行处理，依据异常监测结果进行生产安全和/或生产质量的管理的技术方案。依据流程指标和生产安全，生产质量的关联参数进行指标筛选，客观性较强；通过异常检测模型进行异常检测，效率较高，且相比于主观阈值，稳定性较强，达到了提高甲醇制氢工艺安全管理稳定性、智能性和客观性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种甲醇制氢工艺安全管理方法流程示意图；
图2为本申请实施例提供了一种甲醇制氢工艺安全管理方法中多个流程指标确定流程示意图；
图3为本申请实施例提供了一种甲醇制氢工艺安全管理方法中关联参数确定流程示意图；
图4为本申请实施例提供了一种甲醇制氢工艺安全管理系统结构示意图。
附图标记说明：流程指标获取模块11，关联参数分析模块12，敏感流程指标筛选模块13，异常监测模型构建模块14，实时指标采集模块15，指标特征计算模块16，异常状态监测模块17。
具体实施方式
本申请提供的技术方案总体思路如下：
本申请实施例提供了一种甲醇制氢工艺安全管理方法及系统，依据流程指标和生产安全，生产质量的关联参数进行指标筛选，客观性较强；通过异常检测模型进行异常检测，效率较高，且相比于主观阈值，稳定性较强，达到了提高甲醇制氢工艺安全管理稳定性、智能性和客观性的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种甲醇制氢工艺安全管理方法，其中，包括步骤：
S100：获取预设甲醇制氢工艺的多个工艺流程，以及所述多个工艺流程的多个流程指标；
进一步的，如图2所示，基于所述获取预设甲醇制氢工艺的多个工艺流程和所述多个工艺流程的多个流程指标，步骤S100包括步骤：
S110：获取所述预设甲醇制氢工艺中的预设重整工艺、预设提纯工艺和预设甲烷处理工艺；
S120：根据所述预设重整工艺、预设提纯工艺和预设甲烷处理工艺，获得多个重整工艺流程指标、多个提纯工艺流程指标和多个甲烷处理工艺流程指标；
S130：根据所述多个重整工艺流程指标、多个提纯工艺流程指标和多个甲烷处理工艺流程指标，获得所述多个流程指标以及多个指标参数标准值。
具体而言，预设甲醇制氢工艺指的是预先设定的甲醇制氢工艺方法类型，本申请实施例优选的预设甲醇制氢工艺为甲醇重整制氢工艺；多个工艺流程指的是预设甲醇制氢工艺对应的制氢的全部流程数据，以上述的甲醇重整制氢工艺，举不设限制的一例说明：
至少包括如下主干流程：燃料经过输送液泵输入系统，由电磁阀控制液体进出→液体燃料在热交换器处与高温纯氢气进行换热→汽化液体燃料→将汽化后的液体燃料输送至重整室→在高温、高压、催化剂存在的条件下甲醇水蒸汽转化为二氧化碳和氢气去提纯器→提纯器将纯氢气分离出来去甲烷化反应→纯氢气经甲烷化反应器将极少量的一氧化碳转换为甲烷去换热器，常温纯氢气去缓冲罐提供给燃料电池系统需求。
其中，在汽化气体环节至少还包括分支流程：高温纯氢气降至室温去缓冲罐或者排空；
至少还包括分支流程：未分离的氢气和二氧化碳、少量一氧化碳、甲醇、二甲醚去燃烧室在风机提供助燃剂燃烧提供反应所需热量等；
更进一步的，可以将主干流程件重整工艺流程，以及重整工艺之前的工艺流程提取，设为预设重整工艺；将氢气提纯工艺提取出来，设为预设提纯工艺；将甲烷化反应器中的处理流程，提取设为预设甲烷处理工艺。
上述举例中的甲醇重整制氢工艺至少包括五个工艺流程数据，但本申请的技术方案具有通用性，因此仅针对预设重整工艺、预设提纯工艺和预设甲烷处理工艺进行处理举例，但不对其它可套用本申请方案的的工艺流程进行任何限制性说明。
进一步的多个流程指标指的是工艺流程的每个节点一一对应的工艺参数信息，包括但不限于：各个制备节点的反应环境条件参数，示例性地如：温度、压力、pH、氧含量等参数；各个制备节点的反应物参数，示例性的如：催化剂类型、催化剂比例、反应物类型、反应物比例等参数；反应容器参数，示例性地如：容器容量参数、容器材料参数、容器封闭性参数等。
优选，本申请中的多个流程指标，至少包括：多个重整工艺流程指标、多个提纯工艺流程指标和多个甲烷处理工艺流程指标；多个指标参数标准值指的是各个流程指标在反应时，由专家人员设定的标准取值区间，示例性地如：重整工艺中的具体的催化剂类型、催化剂添加量、催化剂粒径、重整过程的温度值、反应时长、压力值、pH值等数据值。此类可控指标于此不多加限制性说明，亦不需要过多举例，因为根据不同的甲醇制氢工艺需要选定不同的指标，需要工作人员依据场景进行明确筛定，此处只需要明确流程指标是甲醇制氢工艺的可控和可监测的指标类型集合即可。
基于上述优选的流程指标以及指标参数标准值和工艺流程节点一一关联存储，为后步甲醇制氢安全管理提供较为全面的参数数据。由于采集了环境指标、反应物指标和反应容器指标，因此数据较为全面，安全管理的准确性提升奠定了基础。
S200：分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全和生产质量的关联参数，获得多个关联参数；
进一步的，如图3所示，分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全和生产质量的关联参数，步骤S200包括步骤：
S210：获取所述多个流程指标不同的指标参数，并进行随机选择和组合，获得多个指标参数集合，其中，每个指标参数集合内包括所述多个流程指标不同的指标参数；
S220：采用所述多个指标参数集合进行多次甲醇制氢试生产，获得多个试生产结果；
S230：对所述多个试生产结果进行安全隐患分析和制氢质量分析，获得多个安全隐患数量和多个制氢纯度信息；
S240：根据所述多个指标参数集合和所述多个安全隐患数量，分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全的关联参数，获得第一关联参数集合；
S250：根据所述多个指标参数集合和所述多个制氢纯度信息，分析所述多个流程指标与所述预设甲醇制氢工艺的生产质量的关联参数，获得第二关联参数集合；
S260：根据所述第一关联参数集合和所述第二关联参数集合，加权计算获得所述多个关联参数。
进一步的，所述根据所述多个指标参数集合和所述多个安全隐患数量，分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全的关联参数，获得第一关联参数集合，步骤S240包括步骤：
S241：对所述多个指标参数集合内的数据和所述多个安全隐患数量进行归一化处理；
S242：根据所述归一化处理的结果，对所述多个指标参数集合和所述多个安全隐患数量按照所述多次甲醇制氢试生产的顺序进行排序，获得多个第一影响序列和第一基准序列；
S243：计算所述多个第一影响序列和所述第一基准序列的关联系数，获得第一关联系数集合，通过下式计算：
P＝mini minj|x0(j)-xi(j)|
Q＝maxi maxj|x0(j)-xi(j)|
其中，ζi(j)为第i个第一影响序列内第j个数据与第一基准序列内第j个数据的影响关联系数，ρ为可调节计算系数，x0(j)为第一基准序列内的第j个数据，xi(j)为第i个第一影响序列内的第j个数据；
S244：根据所述第一关联系数集合，计算获得所述第一关联参数集合。
具体而言，各项指标数据之间为离散关系，和生产安全、以及生产质量也为复杂的非线性关系，如何评估各项指标数据和生产安全、以及生产质量之间的关联性成为一大难题，本申请实施例基于这个问题，构建评估各项指标数据和生产安全、以及生产质量之间的关联性分析的算法过程，进而确定流程指标与预设甲醇制氢工艺的生产安全的关联参数，以及流程指标与预设甲醇制氢工艺的生产质量的关联参数，详细的确定过程如下：
第一步骤：数据整理：由于不清楚每次的生产安全情况，以及生产质量情况和各项指标的具体关系，因此首先遍历多个流程指标，根据专家设定的选择区间，随机选择指标特征值；随后进行随机组合，得到多个指标参数集合，任意一个指标参数集合内多个流程指标的任意一个指标都具有一个特征值，进而视为生产过程某一次指标取值。
第二步骤：试生产：多个试生产结果指的是根据多个指标参数集合进行多次甲醇制氢试生产得到的结果，所谓试生产优选的实现方式为基于大数据从多个甲醇制氢生产厂家，获取使用多个指标参数集合进行甲醇制造的生产数据，由于在生产过程中需要记录日志数据，而日志数据内包括该次生产的安全隐患日志，例如某个位置发生，以及该次生产的制氢纯度日志。优选的，将安全隐患日志和对应的指标参数集合关联存储，记为该次生产的安全隐患数量；将制氢纯度日志和对应的指标参数集合关联存储，记为该次生产的制氢纯度信息。进一步的，多个指标参数集合遍历完毕，得到多个安全隐患数量和多个制氢纯度信息。
第三步骤，关联参数分析：对多个指标参数集合和多个安全隐患数量进行关联度分析，从而得到多个流程指标与预设甲醇制氢工艺的生产安全的关联参数，记为第一关联参数集合；对多个指标参数集合和多个制氢纯度信息进行关联度分析，分析多个流程指标与预设甲醇制氢工艺的生产质量的关联参数，获得第二关联参数集合，进而将第一关联参数集合与第二关联参数集合添加进多个关联参数。
更进一步的，第一关联参数集合与第二关联参数集合的获取方式完全相同，所变化的仅为被分析数据的变化，以下基于第一关联参数集合的确定，阐述关联度分析过程：
归一化处理：为了保障多个指标参数集合内的数据和多个安全隐患数量的量纲可以统一，因此通过归一化处理进行预处理。优选的通过如下公式处理：
其中，M0为大于0的数据，x(k)表征多个指标参数集合内的数据和多个安全隐患数量中的任意一个数据。但是并不对其它去量纲化处理方式加以限制，示例地如：百分比变化、倍数变换、区间值变换等方式。
数据分组：多个第一影响序列指的是由归一化处理后的多个指标参数集合转换得到的数据序列，优选的存储形式为：
Xi＝<xi(1)，xi(2)，....，xi(j)，....>
Xi表征多个第一影响序列中的第i个指标参数集合对应的第i个序列，xi(j)表示第j个指标参数取值。
多个第一基准序列指的是由归一化处理后的多个安全隐患数量转换得到的数据序列，优选的存储形式为：
X0＝<x0(1)，x0(2)，....，x0(j)，....>
X0表征第一基准序列中，x0(j)表示第j个基准指标，安全管理指标，优选为安全隐患数量。
关联系数计算：相同的安全管理指标值，例如安全隐患数量对应的指标数据具有多组，为了计算任意一个指标和安全管理指标值的关联系数，确定多个第一关联系数集合，基于如下公式进行关联系数计算：
P＝mini minj|x0(j)-xi(j)|
Q＝maxi maxj|x0(j)-xi(j)|
ρ表征指的是可调节系数，默认值取0.5。
进一步，mini minj|x0(j)-xi(j)|计算过程如下：首先固定i值，第i个影响序列中第一个指标第j个指标和基准序列中第一个指标第j个指标的特征差值；然后筛选出差值绝对值最小值；然后得到多个最小值；进一步的，筛选多个最小值中的最小值，记为P值；
更进一步的，maxi maxj|x0(j)-xi(j)|的计算过程如下所示，优选的首先固定i值，计算第i个影响序列中第一个指标第j个指标和基准序列中第一个指标第j个指标的特征差值；然后筛选出差值绝对值最大值；然后得到多个最大值；进一步的，筛选多个最大值中的最大值，记为Q值。
更进一步的，将计算完成的P和Q值输入
即可完成第i个序列中第j个指标和对应的基准序列的关联系数的计算，添加进第一关联系数集合。
关联参数计算：更进一步的，优选的通过
m表征第i影响序列的关联参数总数量，ζi(j)为关联系数，将ri设为第i影响序列的关联参数；更进一步的，遍历全部的影响序列，确定第一关联参数集合。
更进一步的，对多个指标参数集合和多个制氢纯度信息进行相同流程的分析，只改变数据，进而得到第二关联参数集合。
将第一关联参数集合和第二关联参数集合置为待响应状态，等待后步调用。通过关联分析，拟合了指标数据和安全管理指标、以及生产质量之间的关联性，为后步进行指标数据和安全生产，以及生产质量之间的联立，提供了技术支持。
S300：根据所述多个关联参数，获得多个敏感流程指标；
S400：根据所述多个敏感流程指标，构建异常检测模型，所述异常检测模型包括参数变化率异常检测模块和参数异常度异常检测模块；
进一步的，构建异常检测模型包括构建所述参数变化率异常检测模块和参数异常度异常检测模块，其中，构建所述参数变化率异常检测模块，步骤S400包括步骤：
S410：采集采用所述预设甲醇制氢工艺多次制备氢气过程中，所述多个敏感流程指标的指标参数，获得多个样本指标参数序列集合；
S420：根据所述多个样本指标参数序列，计算所述多个敏感流程指标在所述预设时间范围参数变化率，获得多个样本参数变化率集合；
S430：根据所述多个样本参数变化率集合，构建所述多个敏感流程指标的多个参数变化率异常检测单元；
S440：基于构建完成的多个所述参数变化率异常检测单元，获得构建完成的所述参数变化率异常检测模块。
进一步的，基于所述根据所述多个样本参数变化率集合，构建所述多个敏感流程指标的多个参数变化率异常检测单元，步骤S430包括步骤：
S431：根据所述多个样本参数变化率集合，获得第一敏感流程指标的第一样本参数变化率集合；
S432：从所述第一样本参数变化率集合随机选择一样本参数变化率，构建第一参数变化率异常检测单元的一级划分节点；
S433：再次从所述第一样本参数变化率集合随机选择一样本参数变化率，构建所述第一参数变化率异常检测单元的二级划分节点；
S434：继续构建所述第一参数变化率异常检测单元的多级划分节点；
S435：根据所述多级划分节点，设置异常参数变化率输出节点；
S436：基于所述多级划分节点和所述异常参数变化率输出节点，获得构建完成的所述第一参数变化率异常检测单元；
S437：基于构建所述多个敏感流程指标的多个参数变化率异常检测单元。
具体而言，多个敏感流程指标指的是比较多个关联参数，将关联参数最大值对应的影响序列中的指标提取所得的指标集合。异常检测模型指的是用于检测实时指标参数是否异常的智能化模型，至少包括用于参数变化率异常检测的参数变化率异常检测模块；以及用于参数异常度异常检测的参数异常度异常检测模块。
参数变化率异常检测模块的构建过程如下：
采集样本数据：根据多个敏感流程指标的指标参数，从预设甲醇制氢工艺多次制备氢气过程的历史数据，提取标准的指标参数序列集合，即正常生产的指标参数序列，即表征生产是安全以及生产质量达标的数据集合，记为多个样本指标参数序列集合，且将任意一个样本指标参数的数据量置为大于或等于2。
预设时间范围参数变化率指的是生产时间区间内的多个样本指标参数序列集合中的任意一个样本指标参数的变化率向量序列，记为多个样本参数变化率集合，与多个样本指标参数序列集合一一关联存储，由于任意一个样本指标参数的数据量置为大于或等于2，所以任意一个的样本参数变化率数据量同样为大于或等于2。基于多个样本参数变化率集合，构建多个敏感流程指标的多个参数变化率异常检测单元，多个样本参数变化率集合即为比对的参考数据。
任意一个敏感流程指标的参数变化率异常检测单元检测原理如下：由于任意一个样本参数变化率集合，数量至少为2，且视为安全且生产质量合格的指标，因此当实时的敏感流程指标输入参数变化率异常检测单元时，划分预设次数，看是否可以将其划分某个变化率，若是其为异常，无法划分入任意一个变化率，最终数据量为1；若是其为正常，则属于某个样本参数变化率，则无法分割出。基于以上原理构建多个参数变化率异常检测单元，合并即为参数变化率异常检测模块。
多个参数变化率异常检测单元的框架构建过程如下：
从多个样本参数变化率集合，获取第一敏感流程指标的第一样本参数变化率集合，从第一样本参数变化率集合随机无放回的选择一样本参数变化率，构建第一参数变化率异常检测单元的一级划分节点；再次随机无放回的选择一样本参数变化率，构建第一参数变化率异常检测单元的二级划分节点；当全部的样本参数变化率分级完成后，得到多级划分节点，将多级划分节点设为异常识别节点，再于最后一个层级设置异常参数变化率输出节点用于输出识别结果。根据多级划分节点和异常参数变化率输出节点，得到第一参数变化率异常检测单元。遍历多个样本参数变化率集合，得到多个参数变化率异常检测单元，再合并，得到参数变化率异常检测模块。
更进一步的，基于完全相同的原理，构建参数异常度异常检测模块，区别在于，将多个样本参数变化率集合，替换为多个样本参数异常度集合，处理原理，数据采集方式完全相同，在得知了参数变化率异常检测模块的构建流程之后，构建参数异常度异常检测模块较为明确，于此不多加赘述。
根据参数异常度异常检测模块与参数变化率异常检测模块，可用于后步的参数识别，自动化程度较高，且由于参考数据是基于大数据确定样本数据集，代表性较强，客观性较强，因此进一步的提高了安全管理的稳定性。
S500：采用所述预设甲醇制氢工艺进行氢气制备，并在制备过程中，监测采集所述多个敏感流程指标在预设时间范围内的指标参数，获得多个实时指标参数序列；
S600：根据所述多个实时指标参数序列，计算获得所述多个敏感流程指标的多个实时参数变化率，以及计算获得所述多个敏感流程指标的多个指标参数异常度；
进一步的，根据所述多个实时指标参数序列，计算获得所述多个敏感流程指标的多个实时参数变化率，以及计算获得所述多个敏感流程指标的多个指标参数异常度，步骤S600包括步骤：
S610：根据所述多个实时指标参数序列和所述预设时间范围，计算获得所述多个敏感流程指标的所述多个实时参数变化率；
S620：获取所述多个实时指标参数序列内的指标参数最大值，获得多个敏感指标参数最大值；
S630：根据所述多个指标参数标准值，获得所述多个敏感流程指标的多个敏感指标参数标准值；
S640：根据所述多个敏感指标参数最大值和所述多个敏感指标参数标准值，计算获得所述多个指标参数异常度。
具体而言，多个实时指标参数序列指的是在预设甲醇制氢工艺进行氢气制备时，采集的多个敏感流程指标在预设时间范围内的指标参数；依据多个实时指标参数序列计算多个实时参数变化率与多个指标参数异常度。计算过程详细的如下：
根据多个实时指标参数序列，以及预设时间范围确定实时指标的变化率向量序列，设为多个实时参数变化率，任意一个指标参数对应于一个实时参数变化率。更进一步的，确定多个实时指标参数序列内的指标参数最大值，得到合多个敏感指标一一对应的多个敏感指标参数最大值；更进一步的，从多个指标参数标准值筛选出多个敏感流程指标的多个敏感指标参数标准值，二者优选求差，得到多个指标参数异常度，将多个实时参数变化率与多个指标参数异常度置为待响应状态，等待后步调用。
S700：将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和所述参数异常度异常检测模块，获得异常监测结果，进行管理。
进一步的，将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和参数异常度异常检测模块，获得异常监测结果，步骤S700包括步骤：
S710：将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和参数异常度异常检测模块，获得第一异常监测结果和第二异常监测结果；
S720：若所述第一异常监测结果和第二异常监测结果为异常，则获得异常的所述异常检测结果，进行报警和管理。
具体而言，将多个实时参数变化率输入参数变化率异常检测模块，确定第一异常监测结果，多个实时参数变化率之间优选为逻辑或，当任意一个实时参数变化率检测为异常，则整体参数变化率视为异常。
将多个指标参数异常度输入参数异常度异常检测模块，确定第二异常监测结果表征检测为异常的敏感指标，多个指标参数异常度之间优选为逻辑或，当任意一个指标参数异常度检测为异常，则整体异常度视为异常。
第一异常监测结果和第二异常监测结果之间为逻辑与状态，当第一异常监测结果和第二异常监测结果都输出为异常时，视为异常，则确定异常敏感指标，输出异常检测结果，进行报警，提醒对应的工作人员对当前的生产工艺进行生产安全与生产质量管理，具体为调整对应的异常敏感指标至正常状态。
综上所述，本申请实施例所提供的一种甲醇制氢工艺安全管理方法及系统具有如下技术效果：
1.本申请实施例提供了一种甲醇制氢工艺安全管理方法及系统，依据流程指标和生产安全，生产质量的关联参数进行指标筛选，客观性较强；通过异常检测模型进行异常检测，效率较高，且相比于主观阈值，稳定性较强，达到了提高甲醇制氢工艺安全管理稳定性、智能性和客观性的技术效果。
实施例二
基于与前述实施例中一种甲醇制氢工艺安全管理方法相同的发明构思，如图4所示，本申请实施例提供了一种甲醇制氢工艺安全管理系统，其中，包括：
流程指标获取模块11，用于获取预设甲醇制氢工艺的多个工艺流程，以及所述多个工艺流程的多个流程指标；
关联参数分析模块12，用于分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全和生产质量的关联参数，获得多个关联参数；
敏感流程指标筛选模块13，用于根据所述多个关联参数，获得多个敏感流程指标；
异常监测模型构建模块14，用于根据所述多个敏感流程指标，构建异常检测模型，所述异常检测模型包括参数变化率异常检测模块和参数异常度异常检测模块；
实时指标采集模块15，用于采用所述预设甲醇制氢工艺进行氢气制备，并在制备过程中，监测采集所述多个敏感流程指标在预设时间范围内的指标参数，获得多个实时指标参数序列；
指标特征计算模块16，用于根据所述多个实时指标参数序列，计算获得所述多个敏感流程指标的多个实时参数变化率，以及计算获得所述多个敏感流程指标的多个指标参数异常度；
异常状态监测模块17，用于将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和参数异常度异常检测模块，获得异常监测结果，进行管理。
进一步的，所述流程指标获取模块11执行步骤包括：
获取所述预设甲醇制氢工艺中的预设重整工艺、预设提纯工艺和预设甲烷处理工艺；
根据所述预设重整工艺、预设提纯工艺和预设甲烷处理工艺，获得多个重整工艺流程指标、多个提纯工艺流程指标和多个甲烷处理工艺流程指标；
根据所述多个重整工艺流程指标、多个提纯工艺流程指标和多个甲烷处理工艺流程指标，获得所述多个流程指标以及多个指标参数标准值。
进一步的，所述关联参数分析模块12执行步骤包括：
获取所述多个流程指标不同的指标参数，并进行随机选择和组合，获得多个指标参数集合，其中，每个指标参数集合内包括所述多个流程指标不同的指标参数；
采用所述多个指标参数集合进行多次甲醇制氢试生产，获得多个试生产结果；
对所述多个试生产结果进行安全隐患分析和制氢质量分析，获得多个安全隐患数量和多个制氢纯度信息；
根据所述多个指标参数集合和所述多个安全隐患数量，分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全的关联参数，获得第一关联参数集合；
根据所述多个指标参数集合和所述多个制氢纯度信息，分析所述多个流程指标与所述预设甲醇制氢工艺的生产质量的关联参数，获得第二关联参数集合；
根据所述第一关联参数集合和所述第二关联参数集合，加权计算获得所述多个关联参数。
进一步的，所述关联参数分析模块12执行步骤包括：
对所述多个指标参数集合内的数据和所述多个安全隐患数量进行归一化处理；
根据所述归一化处理的结果，对所述多个指标参数集合和所述多个安全隐患数量按照所述多次甲醇制氢试生产的顺序进行排序，获得多个第一影响序列和第一基准序列；
计算所述多个第一影响序列和所述第一基准序列的关联系数，获得第一关联系数集合，通过下式计算：
P＝mini minj|x0(j)-xii(j)|
Q＝maxi maxj|x0(j)-xi(j)|
其中，ζi(j)为第i个第一影响序列内第j个数据与第一基准序列内第j个数据的影响关联系数，ρ为可调节计算系数，x0(j)为第一基准序列内的第j个数据，xi(j)为第i个第一影响序列内的第j个数据；
根据所述第一关联系数集合，计算获得所述第一关联参数集合。
进一步的，异常监测模型构建模块14执行步骤包括：
采集采用所述预设甲醇制氢工艺多次制备氢气过程中，所述多个敏感流程指标的指标参数，获得多个样本指标参数序列集合；
根据所述多个样本指标参数序列，计算所述多个敏感流程指标在所述预设时间范围参数变化率，获得多个样本参数变化率集合；
根据所述多个样本参数变化率集合，构建所述多个敏感流程指标的多个参数变化率异常检测单元；
基于构建完成的多个所述参数变化率异常检测单元，获得构建完成的所述参数变化率异常检测模块。
进一步的，异常监测模型构建模块14执行步骤包括：
根据所述多个样本参数变化率集合，获得第一敏感流程指标的第一样本参数变化率集合；
从所述第一样本参数变化率集合随机选择一样本参数变化率，构建第一参数变化率异常检测单元的一级划分节点；
再次从所述第一样本参数变化率集合随机选择一样本参数变化率，构建所述第一参数变化率异常检测单元的二级划分节点；
继续构建所述第一参数变化率异常检测单元的多级划分节点；
根据所述多级划分节点，设置异常参数变化率输出节点；
基于所述多级划分节点和所述异常参数变化率输出节点，获得构建完成的所述第一参数变化率异常检测单元；
基于构建所述多个敏感流程指标的多个参数变化率异常检测单元。
进一步的，指标特征计算模块16执行步骤包括：
根据所述多个实时指标参数序列和所述预设时间范围，计算获得所述多个敏感流程指标的所述多个实时参数变化率；
获取所述多个实时指标参数序列内的指标参数最大值，获得多个敏感指标参数最大值；
根据所述多个指标参数标准值，获得所述多个敏感流程指标的多个敏感指标参数标准值；
根据所述多个敏感指标参数最大值和所述多个敏感指标参数标准值，计算获得所述多个指标参数异常度。
进一步的，异常状态监测模块17执行步骤包括：
将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和参数异常度异常检测模块，获得第一异常监测结果和第二异常监测结果；
若所述第一异常监测结果和第二异常监测结果为异常，则获得异常的所述异常检测结果，进行报警和管理。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种甲醇制氢工艺安全管理方法，其特征在于，包括：
获取预设甲醇制氢工艺的多个工艺流程，以及所述多个工艺流程的多个流程指标；
分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全和生产质量的关联参数，获得多个关联参数；
根据所述多个关联参数，获得多个敏感流程指标；
根据所述多个敏感流程指标，构建异常检测模型，所述异常检测模型包括参数变化率异常检测模块和参数异常度异常检测模块；
采用所述预设甲醇制氢工艺进行氢气制备，并在制备过程中，监测采集所述多个敏感流程指标在预设时间范围内的指标参数，获得多个实时指标参数序列；
根据所述多个实时指标参数序列，计算获得所述多个敏感流程指标的多个实时参数变化率，以及计算获得所述多个敏感流程指标的多个指标参数异常度；
将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和所述参数异常度异常检测模块，获得异常监测结果，进行管理；
其中，所述分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全和生产质量的关联参数，包括：
获取所述多个流程指标不同的指标参数，并进行随机选择和组合，获得多个指标参数集合，其中，每个指标参数集合内包括所述多个流程指标不同的指标参数；
采用所述多个指标参数集合进行多次甲醇制氢试生产，获得多个试生产结果；
对所述多个试生产结果进行安全隐患分析和制氢质量分析，获得多个安全隐患数量和多个制氢纯度信息；
根据所述多个指标参数集合和所述多个安全隐患数量，分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全的关联参数，获得第一关联参数集合；
根据所述多个指标参数集合和所述多个制氢纯度信息，分析所述多个流程指标与所述预设甲醇制氢工艺的生产质量的关联参数，获得第二关联参数集合；
根据所述第一关联参数集合和所述第二关联参数集合，加权计算获得所述多个关联参数；
所述根据所述多个指标参数集合和所述多个安全隐患数量，分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全的关联参数，获得第一关联参数集合，包括：
对所述多个指标参数集合内的数据和所述多个安全隐患数量进行归一化处理；
根据所述归一化处理的结果，对所述多个指标参数集合和所述多个安全隐患数量按照所述多次甲醇制氢试生产的顺序进行排序，获得多个第一影响序列和第一基准序列；
计算所述多个第一影响序列和所述第一基准序列的关联系数，获得第一关联系数集合，通过下式计算：
P＝miniminj|x0(j)-xi(j)|
Q＝maximaxj|x0(j)-xi(j)|
其中，ζi(j)为第i个第一影响序列内第j个数据与第一基准序列内第j个数据的影响关联系数，ρ为可调节计算系数，x0(j)为第一基准序列内的第j个数据，xi(j)为第i个第一影响序列内的第j个数据；
根据所述第一关联系数集合，计算获得所述第一关联参数集合。
2.根据权利要求1所述的一种甲醇制氢工艺安全管理方法，其特征在于，获取预设甲醇制氢工艺的多个工艺流程和所述多个工艺流程的多个流程指标，包括：
获取所述预设甲醇制氢工艺中的预设重整工艺、预设提纯工艺和预设甲烷处理工艺；
根据所述预设重整工艺、预设提纯工艺和预设甲烷处理工艺，获得多个重整工艺流程指标、多个提纯工艺流程指标和多个甲烷处理工艺流程指标；
根据所述多个重整工艺流程指标、多个提纯工艺流程指标和多个甲烷处理工艺流程指标，获得所述多个流程指标以及多个指标参数标准值。
3.根据权利要求1所述的一种甲醇制氢工艺安全管理方法，其特征在于，构建异常检测模型包括构建所述参数变化率异常检测模块和参数异常度异常检测模块，其中，构建所述参数变化率异常检测模块包括：
采集采用所述预设甲醇制氢工艺多次制备氢气过程中，所述多个敏感流程指标的指标参数，获得多个样本指标参数序列集合；
根据所述多个样本指标参数序列，计算所述多个敏感流程指标在所述预设时间范围参数变化率，获得多个样本参数变化率集合；
根据所述多个样本参数变化率集合，构建所述多个敏感流程指标的多个参数变化率异常检测单元；
基于构建完成的多个所述参数变化率异常检测单元，获得构建完成的所述参数变化率异常检测模块。
4.根据权利要求3所述的一种甲醇制氢工艺安全管理方法，其特征在于，根据所述多个样本参数变化率集合，构建所述多个敏感流程指标的多个参数变化率异常检测单元，包括：
根据所述多个样本参数变化率集合，获得第一敏感流程指标的第一样本参数变化率集合；
从所述第一样本参数变化率集合随机选择一样本参数变化率，构建第一参数变化率异常检测单元的一级划分节点；
再次从所述第一样本参数变化率集合随机选择一样本参数变化率，构建所述第一参数变化率异常检测单元的二级划分节点；
继续构建所述第一参数变化率异常检测单元的多级划分节点；
根据所述多级划分节点，设置异常参数变化率输出节点；
基于所述多级划分节点和所述异常参数变化率输出节点，获得构建完成的所述第一参数变化率异常检测单元；
基于构建所述多个敏感流程指标的多个参数变化率异常检测单
元。
5.根据权利要求2所述的一种甲醇制氢工艺安全管理方法，其特征在于，根据所述多个实时指标参数序列，计算获得所述多个敏感流程指标的多个实时参数变化率，以及计算获得所述多个敏感流程指标的多个指标参数异常度，包括：
根据所述多个实时指标参数序列和所述预设时间范围，计算获得所述多个敏感流程指标的所述多个实时参数变化率；
获取所述多个实时指标参数序列内的指标参数最大值，获得多个敏感指标参数最大值；
根据所述多个指标参数标准值，获得所述多个敏感流程指标的多个敏感指标参数标准值；
根据所述多个敏感指标参数最大值和所述多个敏感指标参数标准值，计算获得所述多个指标参数异常度。
6.根据权利要求1所述的一种甲醇制氢工艺安全管理方法，其特征在于，将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和参数异常度异常检测模块，获得异常监测结果，包括：
将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和参数异常度异常检测模块，获得第一异常监测结果和第二异常监测结果；
若所述第一异常监测结果和所述第二异常监测结果为异常，则获得异常的异常检测结果，进行报警和管理。
7.一种甲醇制氢工艺安全管理系统，其特征在于，包括：
流程指标获取模块，用于获取预设甲醇制氢工艺的多个工艺流程，以及所述多个工艺流程的多个流程指标；
关联参数分析模块，用于分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全和生产质量的关联参数，获得多个关联参数；
敏感流程指标筛选模块，用于根据所述多个关联参数，获得多个敏感流程指标；
异常监测模型构建模块，用于根据所述多个敏感流程指标，构建异常检测模型，所述异常检测模型包括参数变化率异常检测模块和参数异常度异常检测模块；
实时指标采集模块，用于采用所述预设甲醇制氢工艺进行氢气制备，并在制备过程中，监测采集所述多个敏感流程指标在预设时间范围内的指标参数，获得多个实时指标参数序列；
指标特征计算模块，用于根据所述多个实时指标参数序列，计算获得所述多个敏感流程指标的多个实时参数变化率，以及计算获得所述多个敏感流程指标的多个指标参数异常度；
异常状态监测模块，用于将所述多个实时参数变化率和所述多个指标参数异常度分别输入所述参数变化率异常检测模块和参数异常度异常检测模块，获得异常监测结果，进行管理；
其中，所述关联参数分析模块包括：
获取所述多个流程指标不同的指标参数，并进行随机选择和组合，获得多个指标参数集合，其中，每个指标参数集合内包括所述多个流程指标不同的指标参数；
采用所述多个指标参数集合进行多次甲醇制氢试生产，获得多个试生产结果；
对所述多个试生产结果进行安全隐患分析和制氢质量分析，获得多个安全隐患数量和多个制氢纯度信息；
根据所述多个指标参数集合和所述多个安全隐患数量，分析所述多个流程指标与所述预设甲醇制氢工艺的生产安全的关联参数，获得第一关联参数集合；
根据所述多个指标参数集合和所述多个制氢纯度信息，分析所述多个流程指标与所述预设甲醇制氢工艺的生产质量的关联参数，获得第二关联参数集合；
根据所述第一关联参数集合和所述第二关联参数集合，加权计算获得所述多个关联参数；
对所述多个指标参数集合内的数据和所述多个安全隐患数量进行归一化处理；
根据所述归一化处理的结果，对所述多个指标参数集合和所述多个安全隐患数量按照所述多次甲醇制氢试生产的顺序进行排序，获得多个第一影响序列和第一基准序列；
计算所述多个第一影响序列和所述第一基准序列的关联系数，获得第一关联系数集合，通过下式计算：
P＝mini minj|x0(j)-xi(j)|
Q＝maxi maxj|x0(j)-xi(j)|
其中，ζi(j)为第i个第一影响序列内第j个数据与第一基准序列内第j个数据的影响关联系数，ρ为可调节计算系数，x0(j)为第一基准序列内的第j个数据，xi(j)为第i个第一影响序列内的第j个数据；
根据所述第一关联系数集合，计算获得所述第一关联参数集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211394995.5A CN115496424B (zh) | 2022-11-09 | 2022-11-09 | 一种甲醇制氢工艺安全管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211394995.5A CN115496424B (zh) | 2022-11-09 | 2022-11-09 | 一种甲醇制氢工艺安全管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115496424A CN115496424A (zh) | 2022-12-20 |
| CN115496424B true CN115496424B (zh) | 2023-04-28 |
Family
ID=85116366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211394995.5A Active CN115496424B (zh) | 2022-11-09 | 2022-11-09 | 一种甲醇制氢工艺安全管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115496424B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115907569B (zh) * | 2023-03-02 | 2023-05-09 | 昆山市恒达精密机械工业有限公司 | 一种基于物联网的塑胶产品安全监测方法及系统 |
| CN115993856B (zh) * | 2023-03-22 | 2023-06-06 | 新立讯科技股份有限公司 | 一种厂房多区域环境条件管控方法及系统 |
| CN116627093B (zh) * | 2023-04-19 | 2024-02-27 | 济南海马机械设计有限公司 | 一种丁腈手套加工控制方法、系统、设备及存储介质 |
| CN116804668B (zh) * | 2023-08-23 | 2023-11-21 | 国盐检测(天津)有限责任公司 | 一种食盐碘含量检测数据标识方法及系统 |
| CN118034172B (zh) * | 2024-04-01 | 2024-09-27 | 太和气体（荆州）有限公司 | 基于物联网的三甲基硅烷生产的人工智能控制系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111724126A (zh) * | 2020-06-12 | 2020-09-29 | 北京科技大学顺德研究生院 | 一种工艺流程质量异常精准追溯方法及系统 |
| CN114358106A (zh) * | 2021-09-29 | 2022-04-15 | 腾讯科技（深圳）有限公司 | 系统异常检测方法、装置、计算机程序产品及电子设备 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5895457B2 (ja) * | 2010-11-25 | 2016-03-30 | Ｊｆｅスチール株式会社 | 異常監視システムおよび異常監視方法 |
| US10733264B2 (en) * | 2015-06-17 | 2020-08-04 | Tata Consultancy Services Limited | System and method for detecting outliers in real-time for a univariate time-series signal |
| CN106020154A (zh) * | 2016-07-12 | 2016-10-12 | 中国石油化工股份有限公司 | 一种用于乙烯生产的安全动态健康评估方法及评估系统 |
| CN107766299B (zh) * | 2017-10-24 | 2021-05-18 | 携程旅游信息技术（上海）有限公司 | 数据指标异常的监控方法及其系统、存储介质、电子设备 |
| CN110045695A (zh) * | 2019-03-26 | 2019-07-23 | 石化盈科信息技术有限责任公司 | 一种基于方差分析的工艺参数在线预警方法 |
| CN113361944B (zh) * | 2021-06-21 | 2022-04-22 | 鑫安利中（北京）科技有限公司 | 基于物联网和人工智能的安全生产指标异常快速感知方法 |
| CN114721336B (zh) * | 2022-03-03 | 2024-05-03 | 上海核工程研究设计院股份有限公司 | 一种仪控系统工艺参数的信息安全事件预警方法 |
-
2022
- 2022-11-09 CN CN202211394995.5A patent/CN115496424B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111724126A (zh) * | 2020-06-12 | 2020-09-29 | 北京科技大学顺德研究生院 | 一种工艺流程质量异常精准追溯方法及系统 |
| CN114358106A (zh) * | 2021-09-29 | 2022-04-15 | 腾讯科技（深圳）有限公司 | 系统异常检测方法、装置、计算机程序产品及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115496424A (zh) | 2022-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115496424B (zh) | 一种甲醇制氢工艺安全管理方法及系统 | |
| CN111275288B (zh) | 基于XGBoost的多维数据异常检测方法与装置 | |
| CN113011478A (zh) | 基于数据融合的污染源识别方法及系统 | |
| CN110362063B (zh) | 基于全局保持无监督核极限学习机的故障检测方法及系统 | |
| CN116757553B (zh) | 一种农业有机废弃物资源利用数字化信息管理系统 | |
| CN116976148B (zh) | 一种铜电解过程离子含量变化的监测方法及系统 | |
| CN117556366B (zh) | 基于数据筛选的数据异常检测系统及方法 | |
| CN115717590B (zh) | 一种压缩机智能异常检测方法及相关装置 | |
| CN115561416A (zh) | 污水处理厂进水水质实时检测方法和装置 | |
| CN116933010A (zh) | 一种基于多源数据融合与深度学习的负载率分析评价方法和系统 | |
| Huang et al. | Active nonstationary variables selection based just-in-time co-integration analysis and slow feature analysis monitoring approach for dynamic processes | |
| CN114841621A (zh) | 一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法 | |
| CN116738866B (zh) | 一种基于时间序列特征提取的即时学习的软测量建模方法 | |
| Xie et al. | Fault diagnosis of large-scale industrial processes using the multi-block probabilistic kernel partial least squares method | |
| CN109858707B (zh) | 一种基于abc-anfis-ctf的乙烯裂解炉炉管智能结焦诊断方法 | |
| CN116862077A (zh) | 基于多模态组合模型的电采暖运行成本预测方法和介质 | |
| CN109273058A (zh) | 一种用于厌氧过程挥发性脂肪酸超标预警的复合算法 | |
| CN110634534A (zh) | 基于拓展傅里叶振幅分析的化工过程参数敏感性确定方法 | |
| CN104460653A (zh) | 一种加热炉监控系统评价方法 | |
| CN114708712A (zh) | 一种化工过程反应器故障检测的信息融合方法 | |
| CN113836813A (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
| WO2024216908A1 (zh) | 定量关系模型及应用、细胞状态监测方法、装置、系统 | |
| Zhou et al. | Research on transformer fault intelligent diagnosis technology based on improved random forest algorithm | |
| CN117117356B (zh) | 一种储能电池组热失控监测溯源方法及系统 | |
| CN118501720B (zh) | 一种基于大数据分析的锂电池异常检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |