CN115879379A - 一种设备的腐蚀智能监测预警方法及系统 - Google Patents
一种设备的腐蚀智能监测预警方法及系统 Download PDFInfo
- Publication number
- CN115879379A CN115879379A CN202310123570.9A CN202310123570A CN115879379A CN 115879379 A CN115879379 A CN 115879379A CN 202310123570 A CN202310123570 A CN 202310123570A CN 115879379 A CN115879379 A CN 115879379A
- Authority
- CN
- China
- Prior art keywords
- corrosion
- target
- intelligent
- early warning
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种设备的腐蚀智能监测预警方法及系统,涉及人工智能领域,所述方法包括:通过分析得到预设炼油设备的设备组件集;依次腐蚀分析得到易腐蚀部位集;筛选得到智能监测部位集,并布设得到探针布设结果;基于目标探针目标部位的目标实时状态信息;构建智能腐蚀预测模型,并将目标实时状态信息输入得到目标输出结果;获得预设预警方案,分析得到目标预警决策;对预设炼油设备的目标部位进行腐蚀预警。解决了现有技术存在腐蚀监测智能化程度低,腐蚀故障发现不及时、预警不精确的技术问题。通过对预设炼油设备进行针对性的智能监测并预警,达到了提高设备腐蚀预警及时性、准确性和有效性的效果,实现了有效控制设备安全运行的目标。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种设备的腐蚀智能监测预警方法及系统。
背景技术
金属腐蚀是指在金属界面上发生化学或电化学反应,进而导致使金属被氧化的现象,金属腐蚀对金属的强度、塑性、韧性等力学性能均具有不同程度的破坏性,对于金属装置和设备,则会破坏金属构件的几何形状,造成设备泄漏等问题,特别是在石化行业,腐蚀导致的开裂泄漏甚至造成火灾、爆炸等极易引发安全事故。现有技术通过在设备装置停工期间对设备进行内部检查,或者通过设备工艺介质、操作条件和管线材质等对设备装置进行多维度的腐蚀分析,进而发现设备腐蚀问题并针对性进行防腐处理,存在无法基于设备装置的实际应用状态特征对设备的腐蚀情况进行实时动态分析,进而导致设备腐蚀预警不及时、预警准确性不高,从而无法对设备安全进行有效控制,甚至影响设备操作人员的财产、生命安全。随着原油质量劣化,原油进入高硫、高酸时代,利用计算机技术对炼油装置设备的腐蚀情况进行动态监测预警,具有重要意义。
然而,现有技术通过传统腐蚀分析手段对设备进行腐蚀监测分析,存在腐蚀监测智能化程度低,腐蚀故障发现不及时、预警不精确的技术问题。
发明内容
本发明的目的是提供一种设备的腐蚀智能监测预警方法及系统,用以解决现有技术通过传统腐蚀分析手段对设备进行腐蚀监测分析,存在腐蚀监测智能化程度低,腐蚀故障发现不及时、预警不精确的技术问题。
鉴于上述问题,本发明提供了一种设备的腐蚀智能监测预警方法及系统。
第一方面,本发明提供了一种设备的腐蚀智能监测预警方法,所述方法通过一种设备的腐蚀智能监测预警系统实现,其中,所述方法包括:通过基于炼油工艺流程分析,得到预设炼油设备的常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置,并组建得到设备组件集;对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集;对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果;基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息;构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果;获得预设预警方案,并基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策;根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。
第二方面,本发明还提供了一种设备的腐蚀智能监测预警系统,用于执行如第一方面所述的一种设备的腐蚀智能监测预警方法,其中,所述系统包括:组件获得模块,所述组件获得模块用于基于炼油工艺流程分析,得到预设炼油设备的常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置,并组建得到设备组件集;易腐蚀获得模块,所述易腐蚀获得模块用于对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集;探针布设模块,所述探针布设模块用于对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果;监测模块,所述监测模块用于基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息;处理模块,所述处理模块用于构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果;决策模块,所述决策模块用于获得预设预警方案,并基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策;执行模块,所述执行模块用于根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。
本发明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:
通过基于炼油工艺流程分析,得到预设炼油设备的常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置,并组建得到设备组件集;对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集;对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果;基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息;构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果;获得预设预警方案,并基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策;根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。通过对预设炼油设备进行针对性的智能监测,进而智能化分析得到设备腐蚀情况并针对性预警,达到了提高设备腐蚀预警及时性、准确性和有效性的效果,实现了有效控制设备安全运行的目标。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明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示例性的,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为本发明一种设备的腐蚀智能监测预警方法的流程示意图;
图2为本发明一种设备的腐蚀智能监测预警方法中将所述目标装置组件添加至所述易腐蚀部位集的流程示意图;
图3为本发明一种设备的腐蚀智能监测预警方法中得到所述探针布设结果的流程示意图;
图4为本发明一种设备的腐蚀智能监测预警方法中将所述目标腐蚀概率预测阈作为所述目标输出结果的流程示意图;
图5为本发明一种设备的腐蚀智能监测预警系统的结构示意图。
附图标记说明:
组件获得模块M100,易腐蚀获得模块M200,探针布设模块M300,监测模块M400,处理模块M500,决策模块M600,执行模块M700。
实施方式
本发明通过提供一种设备的腐蚀智能监测预警方法及系统,解决了现有技术通过传统腐蚀分析手段对设备进行腐蚀监测分析,存在腐蚀监测智能化程度低,腐蚀故障发现不及时、预警不精确的技术问题。通过对预设炼油设备进行针对性的智能监测,进而智能化分析得到设备腐蚀情况并针对性预警,达到了提高设备腐蚀预警及时性、准确性和有效性的效果,实现了有效控制设备安全运行的目标。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
请参阅附图1,本发明提供了一种设备的腐蚀智能监测预警方法,其中,所述方法应用于一种设备的腐蚀智能监测预警系统,所述方法具体包括如下步骤:
步骤S100:基于炼油工艺流程分析,得到预设炼油设备的常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置,并组建得到设备组件集;
具体而言,所述一种设备的所述腐蚀智能监测预警方法应用于一种设备的腐蚀智能监测预警系统,可以通过智能设备对预设炼油设备各部位进行自动化监测和数据采集,进而通过智能腐蚀预测模型的处理分析得到对应部位发生局部腐蚀的预测结果,并针对性进行智能预警,相关负责人根据预警信息采取针对性处理措施,进而降低设备腐蚀损失,保证设备安全生产和运行。其中,所述预设炼油设备是指对原油进行工艺处理的设备,包括常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置。通过根据炼油机理和工艺流程分析确定炼油设备组件集,实现了为后续确定智能监测部位和布设智能监测探针提供基础和依据的技术目标。通过对炼油过程中的工艺流程进行针对性分析,得到炼油用各装置设备,并组成设备组件集,达到了为后续分析确定预设炼油设备的智能监测方案提供监测目标基础的技术效果。
步骤S200:对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集;
进一步的,如附图2所示,本发明步骤S200还包括:
步骤S210:基于所述设备组件集,得到目标装置组件;
步骤S220:采集所述目标装置组件的基本特征信息,组成目标特征集,其中,所述目标体征集包括材质特征、工艺特征、腐蚀形态特征;
步骤S230:利用Ada Boost算法原理构建智能判断模型;
进一步的,本发明还包括如下步骤:
步骤S231:组建训练样本集,其中,所述训练样本集包括多个带有腐蚀标记的部位样本;
步骤S232:将所述多个带有腐蚀标记的部位样本作为第一训练数据,训练得到第一判断器,并获得所述第一判断器的第一判断结果;
步骤S233:根据所述第一判断结果,得到所述训练样本集中各部位样本的腐蚀情况,并将所述腐蚀情况与对应腐蚀标记进行对比分析,得到第一对比结果;
步骤S234:基于所述第一对比结果进行所述第一训练数据的调整,得到第二训练数据,并根据所述第二训练数据,训练得到第二判断器;
步骤S235:继续迭代至训练得到第N判断器;
步骤S236:基于所述第一判断器、所述第二判断器直至所述第N判断器,叠加得到所述智能判断模型。
步骤S240:将所述材质特征、所述工艺特征、所述腐蚀形态特征作为所述智能判断模型的输入信息,并得到所述智能判断模型的输出信息;
步骤S250:基于所述输出信息,判断所述目标装置组件是否符合预设易腐蚀条件;
步骤S260:若是,将所述目标装置组件添加至所述易腐蚀部位集。
具体而言,通过炼油工艺分析得到所述设备组件集之后,对所述设备组件集中的各个设备装置组件依次进行组成部位的分析,从而得到对应设备装置组件的各个组件,即得到所述目标装置组件。示范性的如对设备组件集中的常减压蒸馏装置进行组件和部位分析,得到常减压蒸馏装置包括初馏塔、常压塔、减压塔、常压炉、减压炉等构成,则将初馏塔、常压塔、减压塔、常压炉、减压炉等作为常减压蒸馏装置的装置组件。然后,对所述目标装置组件中各个组件的装置材质、装置工艺、腐蚀形态及装置结构、部位等特征的分析,进而得到对应设备装置组件的特征集合。示范性的如对设备组件集中的常减压蒸馏装置进行特征采集,得到初馏塔的材质为碳钢和奥氏体不锈钢,其腐蚀常为均匀减薄腐蚀,同时存在点蚀情况,常压塔的材质为合金钢和碳钢,其腐蚀常为酸露点减薄腐蚀、点蚀和应力腐蚀开裂多种形态,减压塔的材质同样为合金钢和碳钢,一般腐蚀形态为冲刷腐蚀、均匀腐蚀和点蚀。
进一步的,通过利用Ada Boost算法原理构建得到所述智能判断模型。其中,所述智能判断模型用于判断对应装置组件是否为容易发生腐蚀的组件。首先组建训练样本集,其中,所述训练样本集包括多个带有腐蚀标记的部位样本。示范性的如用实心圆圈标记容易腐蚀的部位样本,用空心圆圈标记不容易发生腐蚀的部位样本。然后,将所述多个带有腐蚀标记的部位样本作为第一训练数据,训练得到第一判断器,并获得所述第一判断器的第一判断结果。接着根据所述第一判断结果,得到所述训练样本集中各部位样本的腐蚀情况,并将所述腐蚀情况与对应腐蚀标记进行对比分析,得到第一对比结果。进而基于所述第一对比结果进行所述第一训练数据的调整,得到第二训练数据,并根据所述第二训练数据,训练得到第二判断器。接下来继续迭代至训练得到第N判断器,最后基于所述第一判断器、所述第二判断器直至所述第N判断器,叠加得到所述智能判断模型。
再进一步的,将所述材质特征、所述工艺特征、所述腐蚀形态特征作为所述智能判断模型的输入信息,并通过所述智能判断模型的智能化处理分析,得到所述智能判断模型的输出信息。其中,所述输出信息中包括所述目标装置组件的各个特征为易发生腐蚀的特征个数。接着,基于所述输出信息,判断所述目标装置组件是否符合预设易腐蚀条件,当是,将所述目标装置组件为符合预设易腐蚀条件时,将所述目标装置组件添加至所述易腐蚀部位集。示范性的如某装置组件的材质特征和腐蚀形态特征均为易腐蚀情况,其工艺特征为不易腐蚀情况,那么基于预设易腐蚀条件,将达到腐蚀阈值达到50%的该组件作为易腐蚀的组件部位。
通过对各装置组件依次进行分析,确定各装置容易发生局部腐蚀,影响炼油安全性的易腐蚀部位,实现了为系统智能化监测设备提供重点监测基础的技术目标,达到了提高腐蚀监测全面性、可靠性、有效性的技术效果。
步骤S300:对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果;
进一步的,如附图3所示,本发明步骤S300还包括:
步骤S310:提取所述智能监测部位集中的目标智能监测部位;
步骤S320:采集所述目标智能监测部位的部位特征集,其中,所述部位特征集包括多个部位特征;
步骤S330:组建腐蚀监测探针集,并基于所述腐蚀监测探针集得到目标腐蚀监测探针;
步骤S340:获得所述目标腐蚀监测探针的探针特征集,其中,所述探针特征集包括多个探针特征;
步骤S350:对所述多个部位特征与所述多个探针特征进行适配性分析,得到适配性指数;
进一步的,本发明还包括如下步骤:
步骤S351:提取所述多个部位特征中的第一部位特征;
步骤S352:提取所述多个探针特征中的第一探针特征;
步骤S353:判断所述第一探针特征是否适配所述第一部位特征;
步骤S354:若是,获得适配标记,并统计得到所述适配标记的总适配标记数;
步骤S355:统计所述多个部位特征的总特征数,并结合所述总适配标记数计算得到目标适配性指数;
步骤S356:其中,所述目标适配性指数是指所述目标腐蚀监测探针与所述目标智能监测部位的适配性程度,所述目标适配性指数的计算公式如下:
步骤S360:若所述适配性指数满足预设适配阈值,将所述目标腐蚀监测探针布设至所述目标智能监测部位,得到所述探针布设结果。
具体而言,在依次智能化判断分析得到预设炼油设备的易腐蚀部位集之后,对所述易腐蚀部位集中各部位依次进行位置、环境等基本条件分析,并根据分析结果筛选得到智能监测部位集。其中,所述智能监测部位集是指通过监测探针智能化监测的设备部位的集合。
首先提取所述智能监测部位集中的任意一个部位,将其作为所述目标智能监测部位,然后采集所述目标智能监测部位的部位特征集,其中,所述部位特征集包括多个部位特征。示范性的如部位空间大小、形状结构、所处环境温度、湿度等基本特征。此外,基于企业实际情况组建腐蚀监测探针集,并基于所述腐蚀监测探针集得到任意一个监测探针,将其作为所述目标腐蚀监测探针。接着,采集获得所述目标腐蚀监测探针的探针特征集,其中,所述探针特征集包括多个探针特征。示范性的如PH探针适用于介质全部为水的部位监测,其灵敏度为0.005PH,使用温度为0-99.9℃,常用于监测塔顶回流罐污水口的腐蚀情况,可对全面腐蚀进行准确监测识别,但因易受截止污染导致其使用寿命较短。进一步的,对所述多个部位特征与所述多个探针特征进行适配性分析统计,从而计算得到适配性指数。接下来,判断所述适配性指数是否满足预设适配阈值,当判断结果证明所述适配性指数满足所述预设适配阈值时,将所述目标腐蚀监测探针布设至所述目标智能监测部位,从而得到所述探针布设结果。
在对所述多个部位特征与所述多个探针特征进行适配性分析统计时,首先提取所述多个部位特征中的任意一个部位特征,即所述第一部位特征,同时提取所述多个探针特征中的任意一个探针特征,即所述第一探针特征。然后对比分析并判断所述第一探针特征是否适配所述第一部位特征。也就是说判断所述第一探针特征是否符合所述第一部位特征,若所述第一探针特征适配所述第一部位特征,系统自进行特征适配标记,即得到所述适配标记。接着对各个特征依次对比判断后,得到所有适配标记,进而统计得到所述适配标记的总适配标记数。此外,统计所述多个部位特征的总特征数,并结合所述总适配标记数计算得到目标适配性指数。其中,所述目标适配性指数是指所述目标腐蚀监测探针与所述目标智能监测部位的适配性程度,所述目标适配性指数的计算公式如下:
其中,所述 是指所述目标适配性指数,所述 />是指所述总适配标记数,所述是指所述目标智能监测部位的所述总特征数。示范性的如某部位A腐蚀过程复杂,对探针灵敏度要求高,则电化学探针的灵敏度特征与该部位的腐蚀特征即为适配特征,对其进行适配标记,若该部位A周围的环境温度为-20℃,电化学探针的适用温度特征为0-100℃,则电化学探针的适用温度特征与该部位的环境温度特征即为不适配特征,对其进行不适配标记。最后,根据特征适配性分析后,在各个智能监测部位布设对应的监测探针,也就是说,对所述智能监测部位集中各部位依次进行探针的布设,即得到所述探针布设结果。
通过对各个易腐蚀部位依次进行分析,并根据分析结果安装布设对应的探针设备,实现了为后续对预设炼油设备的实时应用状态数据采集提供设备基础的技术目标,达到了为后续数据自动采集和监测提供基础的技术效果。
步骤S400:基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息;
步骤S500:构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果;
进一步的,如附图4所示,本发明步骤S500还包括:
步骤S510:训练得到单项学习器集,并从所述单项学习器集中提取任意一个单项学习器,作为所述智能腐蚀预测模型的终极学习器;
步骤S520:将剔除所述终极学习器后的所述单项学习器集中各单项学习器作为所述智能腐蚀预测模型的初级学习器,得到初级学习器集;
步骤S530:将所述目标实时状态信息依次输入所述初级学习器集中各初级学习器,得到腐蚀概率预测集,其中,所述腐蚀概率预测集包括多个初级腐蚀概率预测;
步骤S540:将所述多个初级腐蚀概率预测依次输入所述终极学习器,得到多个终极预测结果;
步骤S550:根据所述多个终极预测结果,得到目标腐蚀概率预测阈,并将所述目标腐蚀概率预测阈作为所述目标输出结果。
具体而言,基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息。其中,所述目标探针是指任意一个探针,所述目标部位是指所述目标探针布设和监测的设备部位,所述目标实时状态信息是指所述目标部位的实时运行和腐蚀状态信息。进一步,通过采集组建训练数据,并训练得到单项学习器集,然后从所述单项学习器集中提取任意一个单项学习器,作为所述智能腐蚀预测模型的终极学习器,而将剔除所述终极学习器后的所述单项学习器集中各单项学习器作为所述智能腐蚀预测模型的初级学习器,得到初级学习器集。接着,将所述目标实时状态信息依次输入所述初级学习器集中各初级学习器,通过各个初级学习器的智能化处理分析,即得到多个初级腐蚀概率预测,即组成所述腐蚀概率预测集。然后,将所述多个初级腐蚀概率预测依次输入所述终极学习器,得到所述终极学习器的多个终极预测结果。接下来,提取所述多个终极预测结果中的最小终极预测结果和最大终极预测结果,并以最小终极预测结果和最大终极预测结果作为目标腐蚀概率预测阈的上下限。最后,将所述目标腐蚀概率预测阈作为所述智能腐蚀预测模型的所述目标输出结果。
通过集成学习构建智能腐蚀预测模型,达到了为智能化分析并预测预设炼油设备的腐蚀情况提供模型基础,同时达到了提高腐蚀预测精准性、科学性、实用性的技术效果。
步骤S600:获得预设预警方案,并基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策;
步骤S700:根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。
进一步的,本发明还包括步骤S800:
步骤S810:剔除所述易腐蚀部位集中的所述智能监测部位集,得到人工监测部位集;
步骤S820:获得所述人工监测部位集中的目标人工监测部位,并在所述目标人工监测部位安装图像采集装置;
步骤S830:通过所述图像采集装置采集得到目标实时图像;
步骤S840:人工分析所述目标实时图像得到所述目标人工监测部位的目标腐蚀预测;
步骤S850:基于所述预设预警方案,得到所述目标腐蚀预测的第二目标预警决策;
步骤S860:根据所述第二目标预警决策对所述预设炼油设备的所述目标人工监测部位进行腐蚀预警。
具体而言,综合分析实际炼油情况和人员分配情况,预先设置所述预设炼油设备的腐蚀预警方案,即所述预设预警方案。然后,基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策,并根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。示范性的如当目标输出结果中的目标腐蚀概率预测阈为10-15%时,不进行腐蚀预警,当目标输出结果中的目标腐蚀概率预测阈为30-45%时,进行三级腐蚀预警,当目标输出结果中的目标腐蚀概率预测阈为80-95%时,进行一级腐蚀预警等。
进一步的,剔除所述易腐蚀部位集中的所述智能监测部位集,得到人工监测部位集。其中,所述人工监测部位集是指无法通过探针进行智能监测设备部位的集合,因此通过图像采集装置实时采集对应部位的图像,进而通过人工观察图像进行对应部位的腐蚀监测。也就是说,获得所述人工监测部位集中的任意一个部位,即所述目标人工监测部位,并在所述目标人工监测部位安装图像采集装置。然后通过所述图像采集装置采集得到目标实时图像,并人工分析所述目标实时图像得到所述目标人工监测部位的目标腐蚀预测。其中,所述目标腐蚀预测为人工分析后,基于主观因素和经验等主观确定的腐蚀概率预测结果。进而基于所述预设预警方案,得到所述目标腐蚀预测的第二目标预警决策,并根据所述第二目标预警决策对所述预设炼油设备的所述目标人工监测部位进行腐蚀预警。
通过基于预设预警方案对预设炼油设备的腐蚀情况进行动态化分析预警,达到了提高腐蚀预警个性化、智能化的效果,进一步实现了对预设炼油设备安全的有效控制目标,达到降低企业财产损失的效果。
综上所述,本发明所提供的一种设备的腐蚀智能监测预警方法具有如下技术效果:
通过基于炼油工艺流程分析,得到预设炼油设备的常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置,并组建得到设备组件集;对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集;对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果;基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息;构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果;获得预设预警方案,并基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策;根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。通过对预设炼油设备进行针对性的智能监测,进而智能化分析得到设备腐蚀情况并针对性预警,达到了提高设备腐蚀预警及时性、准确性和有效性的效果,实现了有效控制设备安全运行的目标。
实施例二
基于与前述实施例中一种设备的腐蚀智能监测预警方法,同样发明构思,本发明还提供了一种设备的腐蚀智能监测预警系统,请参阅附图5,所述系统包括:
组件获得模块M100,所述组件获得模块M100用于基于炼油工艺流程分析,得到预设炼油设备的常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置,并组建得到设备组件集;
易腐蚀获得模块M200,所述易腐蚀获得模块M200用于对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集;
探针布设模块M300,所述探针布设模块M300用于对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果;
监测模块M400,所述监测模块M400用于基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息;
处理模块M500,所述处理模块M500用于构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果;
决策模块M600,所述决策模块M600用于获得预设预警方案,并基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策;
执行模块M700,所述执行模块M700用于根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。
进一步的,所述系统中的所述易腐蚀获得模块M200还用于:
基于所述设备组件集,得到目标装置组件;
采集所述目标装置组件的基本特征信息,组成目标特征集,其中,所述目标体征集包括材质特征、工艺特征、腐蚀形态特征;
利用Ada Boost算法原理构建智能判断模型;
将所述材质特征、所述工艺特征、所述腐蚀形态特征作为所述智能判断模型的输入信息,并得到所述智能判断模型的输出信息;
基于所述输出信息,判断所述目标装置组件是否符合预设易腐蚀条件;
若是,将所述目标装置组件添加至所述易腐蚀部位集。
进一步的,所述系统中的所述易腐蚀获得模块M200还用于:
组建训练样本集,其中,所述训练样本集包括多个带有腐蚀标记的部位样本;
将所述多个带有腐蚀标记的部位样本作为第一训练数据,训练得到第一判断器,并获得所述第一判断器的第一判断结果;
根据所述第一判断结果,得到所述训练样本集中各部位样本的腐蚀情况,并将所述腐蚀情况与对应腐蚀标记进行对比分析,得到第一对比结果;
基于所述第一对比结果进行所述第一训练数据的调整,得到第二训练数据,并根据所述第二训练数据,训练得到第二判断器;
继续迭代至训练得到第N判断器;
基于所述第一判断器、所述第二判断器直至所述第N判断器,叠加得到所述智能判断模型。
进一步的,所述系统还包括第二执行模块,所述第二执行模块用于:
剔除所述易腐蚀部位集中的所述智能监测部位集,得到人工监测部位集;
获得所述人工监测部位集中的目标人工监测部位,并在所述目标人工监测部位安装图像采集装置;
通过所述图像采集装置采集得到目标实时图像;
人工分析所述目标实时图像得到所述目标人工监测部位的目标腐蚀预测;
基于所述预设预警方案,得到所述目标腐蚀预测的第二目标预警决策;
根据所述第二目标预警决策对所述预设炼油设备的所述目标人工监测部位进行腐蚀预警。
进一步的,所述系统中的所述探针布设模块M300还用于:
提取所述智能监测部位集中的目标智能监测部位;
采集所述目标智能监测部位的部位特征集,其中,所述部位特征集包括多个部位特征;
组建腐蚀监测探针集,并基于所述腐蚀监测探针集得到目标腐蚀监测探针;
获得所述目标腐蚀监测探针的探针特征集,其中,所述探针特征集包括多个探针特征;
对所述多个部位特征与所述多个探针特征进行适配性分析,得到适配性指数;
若所述适配性指数满足预设适配阈值,将所述目标腐蚀监测探针布设至所述目标智能监测部位,得到所述探针布设结果。
进一步的,所述系统中的所述探针布设模块M300还用于:
提取所述多个部位特征中的第一部位特征;
提取所述多个探针特征中的第一探针特征;
判断所述第一探针特征是否适配所述第一部位特征;
若是,获得适配标记,并统计得到所述适配标记的总适配标记数;
统计所述多个部位特征的总特征数,并结合所述总适配标记数计算得到目标适配性指数;
其中,所述目标适配性指数是指所述目标腐蚀监测探针与所述目标智能监测部位的适配性程度,所述目标适配性指数的计算公式如下:
进一步的,所述系统中的所述处理模块M500还用于:
训练得到单项学习器集,并从所述单项学习器集中提取任意一个单项学习器,作为所述智能腐蚀预测模型的终极学习器;
将剔除所述终极学习器后的所述单项学习器集中各单项学习器作为所述智能腐蚀预测模型的初级学习器,得到初级学习器集;
将所述目标实时状态信息依次输入所述初级学习器集中各初级学习器,得到腐蚀概率预测集,其中,所述腐蚀概率预测集包括多个初级腐蚀概率预测;
将所述多个初级腐蚀概率预测依次输入所述终极学习器,得到多个终极预测结果;
根据所述多个终极预测结果,得到目标腐蚀概率预测阈,并将所述目标腐蚀概率预测阈作为所述目标输出结果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种设备的腐蚀智能监测预警方法和具体实例同样适用于本实施例的一种设备的腐蚀智能监测预警系统,通过前述对一种设备的腐蚀智能监测预警方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种设备的腐蚀智能监测预警系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
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。
显然,本领域的技术人员可以对本发明进行各种改动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及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种设备的腐蚀智能监测预警方法,其特征在于,包括:
基于炼油工艺流程分析,得到预设炼油设备的常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置,并组建得到设备组件集;
对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集;
对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果;
基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息;
构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果;
获得预设预警方案,并基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策;
根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。
2.根据权利要求1所述的腐蚀智能监测预警方法,其特征在于,所述对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集,包括:
基于所述设备组件集,得到目标装置组件;
采集所述目标装置组件的基本特征信息,组成目标特征集,其中,所述目标体征集包括材质特征、工艺特征、腐蚀形态特征;
利用Ada Boost算法原理构建智能判断模型;
将所述材质特征、所述工艺特征、所述腐蚀形态特征作为所述智能判断模型的输入信息,并得到所述智能判断模型的输出信息;
基于所述输出信息,判断所述目标装置组件是否符合预设易腐蚀条件;
若是,将所述目标装置组件添加至所述易腐蚀部位集。
3.根据权利要求2所述的腐蚀智能监测预警方法,其特征在于,所述利用Ada Boost算法原理构建智能判断模型,包括:
组建训练样本集,其中,所述训练样本集包括多个带有腐蚀标记的部位样本;
将所述多个带有腐蚀标记的部位样本作为第一训练数据,训练得到第一判断器,并获得所述第一判断器的第一判断结果;
根据所述第一判断结果,得到所述训练样本集中各部位样本的腐蚀情况,并将所述腐蚀情况与对应腐蚀标记进行对比分析,得到第一对比结果;
基于所述第一对比结果进行所述第一训练数据的调整,得到第二训练数据,并根据所述第二训练数据,训练得到第二判断器;
继续迭代至训练得到第N判断器;
基于所述第一判断器、所述第二判断器直至所述第N判断器,叠加得到所述智能判断模型。
4.根据权利要求1所述的腐蚀智能监测预警方法,其特征在于,还包括:
剔除所述易腐蚀部位集中的所述智能监测部位集,得到人工监测部位集;
获得所述人工监测部位集中的目标人工监测部位,并在所述目标人工监测部位安装图像采集装置;
通过所述图像采集装置采集得到目标实时图像;
人工分析所述目标实时图像得到所述目标人工监测部位的目标腐蚀预测;
基于所述预设预警方案,得到所述目标腐蚀预测的第二目标预警决策;
根据所述第二目标预警决策对所述预设炼油设备的所述目标人工监测部位进行腐蚀预警。
5.根据权利要求1所述的腐蚀智能监测预警方法,其特征在于,所述对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果,包括:
提取所述智能监测部位集中的目标智能监测部位;
采集所述目标智能监测部位的部位特征集,其中,所述部位特征集包括多个部位特征;
组建腐蚀监测探针集,并基于所述腐蚀监测探针集得到目标腐蚀监测探针;
获得所述目标腐蚀监测探针的探针特征集,其中,所述探针特征集包括多个探针特征;
对所述多个部位特征与所述多个探针特征进行适配性分析,得到适配性指数;
若所述适配性指数满足预设适配阈值,将所述目标腐蚀监测探针布设至所述目标智能监测部位,得到所述探针布设结果。
6.根据权利要求5所述的腐蚀智能监测预警方法,其特征在于,所述对所述多个部位特征与所述多个探针特征进行适配性分析,得到适配性指数,包括:
提取所述多个部位特征中的第一部位特征;
提取所述多个探针特征中的第一探针特征;
判断所述第一探针特征是否适配所述第一部位特征;
若是,获得适配标记,并统计得到所述适配标记的总适配标记数;
统计所述多个部位特征的总特征数,并结合所述总适配标记数计算得到目标适配性指数;
其中,所述目标适配性指数是指所述目标腐蚀监测探针与所述目标智能监测部位的适配性程度,所述目标适配性指数的计算公式如下:
7.根据权利要求1所述的腐蚀智能监测预警方法,其特征在于,所述构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果,包括:
训练得到单项学习器集,并从所述单项学习器集中提取任意一个单项学习器,作为所述智能腐蚀预测模型的终极学习器;
将剔除所述终极学习器后的所述单项学习器集中各单项学习器作为所述智能腐蚀预测模型的初级学习器,得到初级学习器集;
将所述目标实时状态信息依次输入所述初级学习器集中各初级学习器,得到腐蚀概率预测集,其中,所述腐蚀概率预测集包括多个初级腐蚀概率预测;
将所述多个初级腐蚀概率预测依次输入所述终极学习器,得到多个终极预测结果;
根据所述多个终极预测结果,得到目标腐蚀概率预测阈,并将所述目标腐蚀概率预测阈作为所述目标输出结果。
8.一种设备的腐蚀智能监测预警系统,其特征在于,所述腐蚀智能监测预警系统包括:
组件获得模块,所述组件获得模块用于基于炼油工艺流程分析,得到预设炼油设备的常减压蒸馏装置、催化裂化装置、延迟焦化装置、催化重整装置、加氢裂化装置,并组建得到设备组件集;
易腐蚀获得模块,所述易腐蚀获得模块用于对所述设备组件集中各装置组件依次进行腐蚀分析,得到装置组件腐蚀部位集,并将所述装置组件腐蚀部位集作为所述预设炼油设备的易腐蚀部位集;
探针布设模块,所述探针布设模块用于对所述易腐蚀部位集中各部位依次进行分析,根据分析结果筛选得到智能监测部位集,并在所述智能监测部位集中各部位依次进行探针的布设,得到探针布设结果;
监测模块,所述监测模块用于基于所述探针布设结果中的目标探针,监测得到目标部位的目标实时状态信息;
处理模块,所述处理模块用于构建智能腐蚀预测模型,并将所述目标实时状态信息作为所述智能腐蚀预测模型的目标输入信息,得到目标输出结果;
决策模块,所述决策模块用于获得预设预警方案,并基于所述预设预警方案对所述目标输出结果进行分析,得到目标预警决策;
执行模块,所述执行模块用于根据所述目标预警决策对所述预设炼油设备的所述目标部位进行腐蚀预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310123570.9A CN115879379B (zh) | 2023-02-16 | 2023-02-16 | 一种设备的腐蚀智能监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310123570.9A CN115879379B (zh) | 2023-02-16 | 2023-02-16 | 一种设备的腐蚀智能监测预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115879379A true CN115879379A (zh) | 2023-03-31 |
CN115879379B CN115879379B (zh) | 2023-06-06 |
Family
ID=85761211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310123570.9A Active CN115879379B (zh) | 2023-02-16 | 2023-02-16 | 一种设备的腐蚀智能监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879379B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402257A (zh) * | 2023-04-14 | 2023-07-07 | 创正电气股份有限公司 | 一种防爆行程开关的生产监测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111366487A (zh) * | 2020-03-31 | 2020-07-03 | 北京科技大学 | 一种监测应力腐蚀开裂的探针及监测和预测方法 |
CN112257942A (zh) * | 2020-10-29 | 2021-01-22 | 中国特种设备检测研究院 | 一种应力腐蚀开裂预测方法及系统 |
CN112633540A (zh) * | 2019-09-20 | 2021-04-09 | 中国石油化工股份有限公司 | 炼油静设备智能腐蚀预警方法及预警系统 |
CN113252544A (zh) * | 2021-05-21 | 2021-08-13 | 北京化工大学 | 一种炼油装置腐蚀监测系统和方法 |
CN114741844A (zh) * | 2022-03-11 | 2022-07-12 | 兰斌 | 静设备腐蚀监控方法、装置、设备及存储介质 |
WO2022170698A1 (zh) * | 2021-02-10 | 2022-08-18 | 宁波诺丁汉新材料研究院有限公司 | 一种工业锅炉故障识别与预警的方法及智能系统 |
CN115575584A (zh) * | 2022-12-06 | 2023-01-06 | 江苏旭龙环境科技有限公司 | 一种大气环境镉含量监测预警方法及系统 |
US20230034897A1 (en) * | 2019-12-27 | 2023-02-02 | Ptt Exploration And Production Public Company Limited | A method and system for predicting pipeline corrosion |
-
2023
- 2023-02-16 CN CN202310123570.9A patent/CN115879379B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633540A (zh) * | 2019-09-20 | 2021-04-09 | 中国石油化工股份有限公司 | 炼油静设备智能腐蚀预警方法及预警系统 |
US20230034897A1 (en) * | 2019-12-27 | 2023-02-02 | Ptt Exploration And Production Public Company Limited | A method and system for predicting pipeline corrosion |
CN111366487A (zh) * | 2020-03-31 | 2020-07-03 | 北京科技大学 | 一种监测应力腐蚀开裂的探针及监测和预测方法 |
CN112257942A (zh) * | 2020-10-29 | 2021-01-22 | 中国特种设备检测研究院 | 一种应力腐蚀开裂预测方法及系统 |
WO2022170698A1 (zh) * | 2021-02-10 | 2022-08-18 | 宁波诺丁汉新材料研究院有限公司 | 一种工业锅炉故障识别与预警的方法及智能系统 |
CN113252544A (zh) * | 2021-05-21 | 2021-08-13 | 北京化工大学 | 一种炼油装置腐蚀监测系统和方法 |
CN114741844A (zh) * | 2022-03-11 | 2022-07-12 | 兰斌 | 静设备腐蚀监控方法、装置、设备及存储介质 |
CN115575584A (zh) * | 2022-12-06 | 2023-01-06 | 江苏旭龙环境科技有限公司 | 一种大气环境镉含量监测预警方法及系统 |
Non-Patent Citations (2)
Title |
---|
HUAN LIU 等: "Matching pipeline in-line inspection data for corrosion characterization" * |
骆正山 等: "凝析气田集输管线腐蚀预测研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402257A (zh) * | 2023-04-14 | 2023-07-07 | 创正电气股份有限公司 | 一种防爆行程开关的生产监测方法及系统 |
CN116402257B (zh) * | 2023-04-14 | 2023-08-29 | 创正电气股份有限公司 | 一种防爆行程开关的生产监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115879379B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086804B (zh) | 一种基于多源状态监测信息和可靠性特征融合的液压设备早期故障预测方法 | |
CN109978048B (zh) | 一种脱硫塔浆液循环泵故障分析与诊断方法 | |
CN115879379B (zh) | 一种设备的腐蚀智能监测预警方法及系统 | |
CN110276385B (zh) | 基于相似性的机械部件剩余使用寿命预测方法 | |
CN110619691B (zh) | 一种板坯表面裂纹的预测方法及装置 | |
CN112149750A (zh) | 一种供水管网爆管识别数据驱动方法 | |
CN114638164B (zh) | 一种预测电站压力管道高温蠕变寿命的方法 | |
CN115031776A (zh) | 一种排水管网淤积监测分析的方法 | |
CN111027881B (zh) | 基于改进灰色关联度的输电杆塔自然灾害损失评估方法 | |
CN114217025B (zh) | 评估空气质量浓度预测中气象数据对其影响的分析方法 | |
CN115688581A (zh) | 油气集输站设备参数预警方法、系统、电子设备及介质 | |
Miao | Prediction-based maintenance of existing bridges using neural network and sensitivity analysis | |
CN111044617A (zh) | 一种基于深度学习与声发射技术的拉索损伤识别方法 | |
CN113112123B (zh) | 一种基于关联矩阵的飞机航电系统故障诊断评估方法 | |
CN105741184B (zh) | 一种变压器状态评估方法及装置 | |
CN112949680A (zh) | 一种基于对应分析和多元线性回归的污染源识别方法 | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
CN109902752B (zh) | 基于病害信息大数据的桥梁定检分类方法、装置及设备 | |
CN116739999A (zh) | 一种在役桩基无损检测方法 | |
CN116384732A (zh) | 场站管道风险智能评估方法、系统、存储介质及计算设备 | |
CN115689312A (zh) | 一种基于损伤的承压设备检验策略智能生成系统及方法 | |
CN114971164A (zh) | 一种基于人工智能的污泥处理设备异常检测方法及系统 | |
CN112182854B (zh) | 一种高炉异常炉况智能监测方法及系统 | |
CN111429028A (zh) | 一种适用于山区地形的输电线路覆冰灾害风险评估方法 | |
Velázquez et al. | A Bayesian approach for estimating the thinning corrosion rate of steel heat exchanger in hydrodesulfurization plants |
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 |