CN1694109B - 一种应用于化工炼油生产过程的物流数据校正方法 - Google Patents

Abstract

本发明公开了一种应用于化工炼油生产过程的物流数据校正方法及其系统。针对测量网络复杂和系统冗余度低的特点，在测量模型建模过程中，通过引入随机调度方程，从而来提高系统冗余度。测量仪表的原始数据通过一个数据预处理模块来进行有效性检验，以识别和剔除其中含有的过失误差。利用所建立的协调模型和预处理后的测量数据，通过数据协调算法模块来进行优化计算，为流程模拟、优化控制以及全厂物料数据统计平衡提供一致、准确的数据。本发明能够有效解决测量网络复杂和系统冗余度低的困难，不但可以处理生产过程的物料平衡关系模型的不确定性，而且具有更高的计算精度和效率，整个系统结构合理、开放灵活、便于实现，对于解决大规模工业应用问题具有优势。

Description

一种应用于化工炼油生产过程的物流数据校正方法

技术领域

本发明涉及物流数据校正方法及其系统。 

背景技术

现代流程企业是以处理物流、能量流和信息流为主的柔性系统。企业数据库中每天都有大量的数据。然而无论任何时候，实际测量数据都不可避免地带有误差。测量仪表的精度也由于被测量的物质、测量的条件和测量中所采用的技术等因素具有不可靠的特性。另一方面，由于经济条件、仪表老化、设备故障等因素的限制，使得从化工装置采集到的数据往往不完整。通过频繁的保养维护，工厂可以提高或者还原测量仪表的性能，但是这种提高很有限并且代价昂贵。 

对于化工过程的流程模拟、先进控制、物料平衡统计等应用，都希望使用真实的数据而不是原始测量数据。数据的不可靠和不完整会给这些应用带来困难甚至是错误的指令。尽管我们无法得到流量数据的真实值，但是数据校正技术可以得到更加接近真实值的准确数据。对于一个操作单元(生产装置)，和其相连的所有管线流量可以被测量，那么应用一个质量平衡原理，进料流量的和减去出料流量的和应该等于零，因此我们可以在该装置上建立一个质量平衡方程。由于测量数据含有误差，使得进料流量的和减去出料流量的和不等于零，这个差值我们定义为节点残差。该装置上的每一个流量数据可被调整从而来降低这个节点残差直至等于零。调整后流量数据就是对真实值的一个估计。对于包含多个操作单元(生产装置)的测量网络，传统的数据校正技术就是满足所有质量平衡约束方程条件下的一个二次最优化问题，优化目标是使所有测量值和估计值的对角方差和最小。 

当一个操作单元(生产装置)上的某一个流量数据没有被测量，那么我们也就没有足够的信息来计算节点残差，对于这个节点我们就失去了估计真实值的数据基础。对于测量网络，这个未测变量可能还与其他操作单元(生产装置)连接，通过节点合并我们可以建立新的质量平衡方程来进行数据估计，该未测变量便可通过估计后的数据被推算出来。这便提出了系统冗余度的概念，与其相关的数据校正算法有投影矩阵法等。但是这些方法将受到测量网络结构和系统冗余度的限制。 

数据校正由Kuehn和Davidson于1961年在化工过程的测量数据协调时首先提出。迄今为止，稳态数据校正技术已经比较成熟并且已有广泛的工业应用。数据校正的工业应用主要分为两类：1)生产装置级或操作单元级数据校正，主要为流程模拟、优化和先进控制提供满足物料、能量平衡的操作数据，如WesternOntario大学流程模拟程序MASSBAL，Simulation Science公司的DATACON；2)全厂级数据校正，为全厂物料、能量平衡计算、生产统计、计划调度及计算机信息集成系统的其他应用软件，提供一致、准确的物料流和能量流数据，如KBC公司的Sigmafine，Simulation Science公司的Openyield，AspenTech公司的Advisor和浙大中控公司的DataPro。然而在实际的工业应用中，尤其是全厂级数据校正应用，传统的数据校正方法和这些软件包都存在如下的一些缺点： 

1)要求测量网络模型准确、稳定，这对数据建模过程提出很高的要求。一方面，测量网络可能会随着生产过程发生变化；另一方面，对于某些复杂的生产过程很难精确掌握其测量网络。对于这种情况协调结果的精确度将会大大下降。 

2)流程工业中的生产方案切换和随机调度事件时有发生，那么在每个协调周期内，测量网络的系统冗余度会由于方案切换的影响而发生变化。上述数据校正技术对于系统冗余度时变性的自适应能力不足，经常会出现由于系统冗余度太低而得不到优化解的情况。 

3)协调数据的质量对于原始测量数据的依赖性较大，过失误差的存在对协调结果影响较大，并且对于协调结果中所得到的不合理数据也无法从根本上克服。 

发明内容

本发明的目的是提供一种物流数据校正方法及其系统，以提高流程工业生产过程物流数据准确性。 

针对流程工业测量网络复杂和系统冗余度低的特点，本发明的物流数据校正方法包括以下步骤： 

1)通过协调模型组态模块对单装置或者全厂物流过程进行数据建模； 

2)利用数据输入模块采集现场测量数据，并将测量数据送入数据预处理模块； 

3)数据预处理模块对测量数据进行有效性检验，以识别和剔除其中含有的过失误差； 

4)数据协调算法模块接收预处理后的数据，并根据步骤1)所建立的模型，对测量数据进行真实值逼近估计，计算结果直接送给结果输出模块； 

5)结果输出模块通过标准数据接口将最终优化结果进行输出，或者根据需要输出文本文件格式和EXCEL电子表格式的文件。 

本发明中，协调模型组态模块用于支持单装置或者全厂的物流模型建立，所建立的模型是对象所包括的主要生产装置、贮罐以及它们之间所有物料流的连接，所依据的原理是质量守恒定律。那么针对流程工业生产方案频繁切换所造成的系统冗余度时变性的困难，协调模型组态模块的建模方法为：1)将各个生产装置的塔或者反应器作为非容性节点处理；2)将存储物料相同的多个罐定义为一个虚拟储罐，将虚拟储罐也作为非容性节点处理；3)排除与物料平衡无关的装置；4)消去在稳态情况下，装置内部不影响物料平衡关系的循环流量；5)对于发生生产方案切换的节点，建立调度方程如下： 

u_i＝θ_ix_m  (i＝1，2，Λ，s)             (1) 

${\mathrm{\θ}}_i=\frac{{\mathrm{\Δt}}_i}{T}---\left(2\right)$

式中，u_i是第i个调度方案的未知流量，x_m是方案切换节点处的已测流量，Δt_i是第i个调度方案的执行时间，T是协调周期，θ_i定义为第i个调度方案的参数变量； 

协调模型组态模块中所说的建模方法得到的协调模型为： 

M(θ)X＝0                      (3) 

式中，M(θ)是带调度方案参数变量θ的约束矩阵，X是已测变量向量。 

化工生产过程的每条管线上都配有测量仪表来为我们提供了原始测量信号，这些信号都是对生产过程管线流量的一个实际表示。本发明中的数据输入模块将这些信号转化为计算机可识别的数据格式，提供了数据库接口和人机交互界面两种形式，一方面，通过数据库接口访问由实时数据库所采集的集散控制系统DCS和数据采集系统的数据，来集成生产过程的流量、温度、液位和压力信号，另一方面，通过人机交互界面的数据录入来集成生产过程的化验室数据、部分的贮罐检尺数据、生产方案切换数据和油品移动数据。 

理想情况下测量仪表的误差都是满足正态分布的随机误差。但是由于仪表故障、设备泄露等原因，原始测量数据中可能还含有过失误差。如果不作处理 将会对后面的数据协调造成较大影响，甚至会得到不合理的协调结果。本发明中的数据预处理模块针对协调模型组态模块所建立的带有调度参数变量θ的协调模型，利用改进后的节点残差检验法来辨识过失误差。计算公式如下： 

$Z_r\left(i\right)=\frac{\left|r_i\right|}{\sqrt{H_r(i,i)}}(i=\mathrm{1,2},\mathrm{\Λ},n)---\left(4\right)$

Z_r(i)—改进后的第i个节点平衡检验统计量 

r(i)—第i个节点约束残差 

H_r(i，i)—改进后的第i个节点约束残差的方差 

r＝M(θ₀)X 

H_r＝M(θ₀)VM^T(θ₀)+G(x)WG^T(x)                  (5) 

式中，θ₀是调度参数变量θ的估计值，X是已测变量向量，V是已测变量的协方差阵，W是调度参数变量θ的对角方差矩阵，而M(θ)和G(X)的定义如公式(6)所示。 

$M\left(\mathrm{\θ}\right)=\frac{\∂\left(M\left(\mathrm{\θ}\right)X\right)}{\∂{\left(X\right)}^T}$

$G\left(X\right)=\frac{\∂\left(M\left(\mathrm{\θ}\right)X\right)}{\∂{\mathrm{\θ}}^T}---\left(6\right)$

对于计算得到的含有过失误差的变量，我们有两种处理方法：一种是将其直接删除；另外一种是根据该变量在测量网络中的平衡方程推算出实际流量或者根据历史数据估计出一个值来进行后面的数据协调。 

本发明中，数据协调算法模块根据建立的协调模型和预处理后的测量数据优化计算，对测量流量数据进行真实值逼近估计。对每个约束方程定义一个加权系数，然后通过递归的方式进行二次优化计算。具体计算步骤如下： 

1)首先定义一个后验余差向量 

然后再定义一个衰减系数β_i， 

β_i的计算公式如公式(7)所示 

${\mathrm{\β}}_i=1-\frac{{\left(m_i\left({\mathrm{\θ}}_0\right)V{m}_i^T\left({\mathrm{\θ}}_0\right)\right)}^{1/2}}{{(m_i\left({\mathrm{\θ}}_0\right){\mathrm{Vm}}_i^T\left({\mathrm{\θ}}_0\right)+g_i\left(X\right){\mathrm{Wg}}_i^T\left(X\right))}^{1/2}}---\left(7\right)$

式中，θ₀是调度参数变量θ的估计值，X是已测变量向量，V是已测变量的协方差阵，w是调度参数变量θ的对角方差矩阵； 

2)定义加权系数K并初始化，其中常数k₀分别选择趋近于0或者趋近于无穷大 

$K=\left(\begin{array}{ccc}{k}_0& & 0\\ & O& \\ 0& & k_0\end{array}\right)---\left(8\right)$

3)使i从1到n，n等于模型约束方程个数，第i个加权系数k_i的计算公式如(9)所示 

r_i＝m_iX 

$D_i=m_i{\mathrm{VM}}_{(-i)}^T{(K_{(-i)}^{-2}+M_{-i}{\mathrm{VM}}_{(-i)}^T)}^{-1}{M}_{(-i)}X$

$Y_{(-i)}=(I-{\mathrm{VM}}_{(-i)}^T{(K_{(-i)}^{-2}+M_{(-i)}{\mathrm{VM}}_{(-i)}^T)}^{-1}{M}_{(-i)})V---\left(9\right)$

$A_i=m_i{Y}_{(-i)}{m}_i^T$

$k_i^2=\frac{(1-{\mathrm{\β}}_i)r_i-D_i}{{\mathrm{\β}}_i{r}_i{A}_i}$

式中，r_i是第i个节点约束残差，M_(-i)等于将约束矩阵M的第i个约束m_i去除后的矩阵，而K_(-i)是将加权系数矩阵K的第i行和第i列去除后的矩阵； 

4)收敛分析：如果在两个连续估计之间的所有加权系数的相对变化大于一个固定的阈值，那么使i加1，返回计算公式(9)，否则循环结束，进入下一步5)有了加权系数之后，协调结果

如公式(10)所示 

${\stackrel{\mathrm{\Λ}}{X}}_{i+1}=(I-y_i{m}_{i+1}^T{(k_{i+2}^{-2}+m_{i+1}{y}_i{m}_{i+1}^T)}^{-1}{m}_{i+1}){\stackrel{\mathrm{\Λ}}{X}}_i$

i＝O，Λ，n-1 

$y_{i+1}=(I-y_i{m}_{i+1}^T{(k_{i+1}^{-2}+m_{i+1}{y}_i{m}_{i+1}^T)}^{-1}{m}_{i+1})y_i---\left(10\right)$

i＝0，Λ，n-2 

${\stackrel{\mathrm{\Λ}}{X}}_0=X$ andy₀＝V 

式中，x是已测变量向量，v是已测变量的协方差阵。 

协调结果和原始测量数据一并被保存起来，通过本发明中的结果输出模块所提供的标准数据接口可为流程模拟、优化控制以及全厂物料数据统计平衡等应用提供一致、准确的数据。这些数据是指经过二次优化的测量数据、系统协调值和未测变量的估计值。也可以根据需要输出文本文件格式和EXCEL电子表格式的文件。 

据输入模块、数据预处理模块、数据协调算法模块和结果输出模块。 

—协调模型组态模块，通过模型组态界面，根据单装置或者全厂物流的物理连接，建立含有调度方程的协调模型并输出给数据协调算法模块； 

—数据输入模块，由数据库接口和人机交互界面组成，用于将化工生产过程每条管线上测量仪表的原始测量信号、化验分析数据转化为计算机可识别的数据格式，并将每条管线上测量仪表的原始测量信号和化验分析数据分别输出给数据预处理模块和结果输出模块； 

—数据预处理模块，用于将数据输入模块所集成的原始测量数据进行有效性检验，识别和剔除其中含有的过失误差，预处理后的数据直接输出给数据协调算法模块； 

—数据协调算法模块，用于将所输入协调模型和预处理后的测量数据进行初始化处理并优化计算，计算结果输出给结果输出模块； 

—结果输出模块，用于将所输入的原始测量数据和优化计算数据进行保存并处理，将最终的二次优化测量数据、系统协调值和未测变量的估计值进行输出。 

本发明的优点： 

1)本发明中提出的协调模型建模方法能够有效解决流程工业测量网络复杂和系统冗余度低的困难； 

2)所采用的数据协调算法不但可以处理生产过程的物料平衡关系模型的不确定性，而且具有更高的计算精度和效率； 

3)整个系统结构合理，便于实现，尤其对于解决大规模工业应用问题具有优势； 

4)系统具有开放性、灵活性，数据输出模块提供标准接口。便于实现与其它应用系统的数据集成。 

附图说明

图1是本发明的原理图，图中虚线框内为物流数据校正系统； 

图2是数据协调算法模块算法流程图； 

图3是应用本发明系统前后装置平均平衡率的比较图，左侧柱状图为应用前装置平均平衡率，右侧柱状图为应用后装置平均平衡率。 

具体实施方式

以下结合附图和实例对本发明作进一步说明。 

参照图1，本发明的物流数据校正系统包括： 

—协调模型组态模块1，通过模型组态界面，根据单装置或者全厂物流的物理连接，建立含有调度方程的协调模型并输出给数据协调算法模块； 

—数据输入模块2，由数据库接口和人机交互界面组成，用于将化工生产过程每条管线上测量仪表的原始测量信号、化验分析数据转化为计算机可识别的数据格式，所集成的数据分别输出给数据预处理模块3和结果输出模块5； 

—数据预处理模块3，用于将数据输入模块2所集成的原始测量数据进行有效性检验，识别和剔除其中含有的过失误差，预处理后的数据直接输出给数据协调算法模块4； 

—数据协调算法模块4，用于将所输入协调模型和预处理后的测量数据进行初始化处理并优化计算，计算结果输出给结果输出模块5； 

—结果输出模块5，用于将所输入的原始测量数据和优化计算数据进行保存并处理，将最终的二次优化测量数据、系统协调值和未测变量的估计值进行输出。 

本发明一个重要的工业应用是全厂级的数据校正系统，为全厂物料、能量平衡计算、生产统计、计划调度及计算机信息集成系统的其他应用软件，提供一致、准确的物料流和能量流数据。接下来介绍该系统具体应用于某一个炼油厂的实例和具体实施过程。 

该炼油厂包括常压、减压、催化裂化、重整、加氢等在内的30多套装置和184个贮罐。对于此类的流程企业，每天都会有大量的生产数据被各种数据采集系统集成起来。企业为了达到平稳生产、节能降耗、优化操作的目标，必须对这些数据进行统计分析。但是原始测量数据中不可避免地含有误差，这便会影响统计分析的准确性，甚至会得到错误的结论和控制指令。本发明系统在全厂及车间物料平衡统计应用中就如同一个“真值逼近估算器”，可为计划、调度、统计部门提供一致、准确的物料流和能量流数据，从而满足全厂综合信息自动化的需要和节能降耗的目的。 

首先需要协调模型组态模块对过程进行数据建模。对于本实例中给出的生产流程，传统建模方法所得到的协调模型如同公式(11)所示。 

AX+BU＝0                                                 (11) 

模型中未测变量U的存在不但会影响协调精度，而且也降低了系统冗余度而导致 得不到优化解。本发明提出了新的建模方法，其遵循的规则如下： 

1)各个生产装置的塔或者反应器是连续生产的操作单元，储液量变化不大，可将其作为非容性节点； 

2)储罐是典型的容性节点，其储液量变化不能忽略。我们将存储物料相同的罐定义为一个虚拟储罐，无需考虑其内部罐与罐之间的倒罐量，而将该虚拟储罐的贮液量变化定义为虚拟流量； 

3)排除与物料平衡无关的装置，如换热器、泵等； 

4)消去在稳态情况下不影响物料平衡关系的装置内部循环流量等； 

5)对于发生生产方案切换的节点，建立调度方程并将其引入到原有质量平衡方程中，测量网络中原有的未测变量被已测变量所代替，同时引入随机调度方程参数变量。调度方程如公式(1)、(2)所示，其中Δt_i是第i个调度方案的执行时间，T是协调周期。 

u_i＝θ_ix_m(i＝1，2，Λ，s)                    (1) 

${\mathrm{\θ}}_i=\frac{{\mathrm{\Δt}}_i}{T}---\left(2\right)$

式中，u_i是第i个调度方案的未知流量，x_m是方案切换节点处的已测流量，Δt_i是第i个调度方案的执行时间，T是协调周期，θ_i定义为第i个调度方案的参数变量。 

通过上述方法，我们所得到的协调模型如公式(3)所示，M(θ)是带随机调度方程参数变量θ的约束矩阵，x是已测变量向量。系统中的未测变量都被剔出，冗余度大大提高。 

M(θ)X＝0                                                     (3) 

该炼油厂的各种传感器为我们提供了大量的原始测量数据，但是这些信号只是对过程流量的一个实际描述，需要数据输入模块将这些信号转化为计算机可识别的数据格式。根据炼油厂测量传感器和各种数据集成系统的特点，提供了数据库接口和人机交互界面两种形式。一方面，生产过程的流量、温度、液位、压力信号通过数据库接口访问由实时数据库通过DCS和数据采集系统集成的生产现场数据来得到。另一方面，生产过程的化验室数据、部分的贮罐检尺数据、生产方案切换以及油品移动数据是通过人机界面的数据录入来集成。 

这些原始测量数据被直接送到数据预处理模块进行数据有效性检验，以识别和剔除其中含有的过失误差。针对所建立的带有模型参数变量θ的新型协调模 型，不但要考虑测量变量误差的影响，还要考虑模型不确定程度的影响。因此我们将节点平衡检验统计量做了一些改进，利用改进后的节点残差检验法来辨识显著误差。计算公式如下： 

$z_r\left(i\right)=\frac{\left|r_i\right|}{\sqrt{H_r(i,i)}}(i=\mathrm{1,2},\mathrm{\Λ},n)---\left(4\right)$

z_r(i)—改进后的第i个节点平衡检验统计量 

r(i)—第i个节点约束残差 

H_r(i，i)—改进后的第i个节点约束残差的方差 

r＝M(θ₀)X                                                   (5) 

H_r＝M(θ₀)VM^T(θ₀)+G(X)WG^T(X) 

式中，θ₀是调度参数变量θ的估计值，x是已测变量向量，v是已测变量的协方差阵，w是调度参数变量θ的对角方差矩阵，而M(θ)和G(X)的定义如公式(6)所示。 

$M\left(\mathrm{\θ}\right)=\frac{\∂\left(M\left(\mathrm{\θ}\right)X\right)}{\∂{\left(X\right)}^T}---\left(6\right)$

$G\left(X\right)=\frac{\∂\left(M\left(\mathrm{\θ}\right)X\right)}{{\∂\mathrm{\θ}}^T}$

选择显著性水平，确定平衡检验统计量的临界值z_c，如果z_r(i)>Z_c，那么认为第i个节点可能含有显著误差。当确定可能含有显著误差的节点之后，再根据网络结构和节点之间的连接情况进一步推测含有显著误差的变量。对于找到的含有显著误差的变量，我们有两种处理方法。一种是将其直接删除，但是这样又会引入新的未测变量。我们建议采用第二种方法，就是根据该变量在测量网络中的平衡方程推算出实际流量或者根据历史数据估计出一个值来进行后面的数据协调。 

附图2给出了数据协调算法模块的具体工作流程，其中数据协调的具体计算步骤如下： 

1)首先定义一个后验余差向量  ${\stackrel{\mathrm{\Λ}}{r}}_i=m_i\left(\mathrm{\θ}\right)\stackrel{\mathrm{\Λ}}{X}$ ，然后再定义一个衰减系数β_i，  ${\stackrel{\mathrm{\Λ}}{r}}_i={\mathrm{\β}}_i{r}_i={\mathrm{\β}}_i{m}_i\left(\mathrm{\θ}\right)X$ ，β_i的计算公式如公式(7)所示 

${\mathrm{\β}}_i=1-\frac{{\left(m_i\left({\mathrm{\θ}}_0\right){\mathrm{Vm}}_i^T\left({\mathrm{\θ}}_0\right)\right)}^{1/2}}{{(m_i\left({\mathrm{\θ}}_0\right){\mathrm{Vm}}_i^T\left({\mathrm{\θ}}_0\right)+g_i\left(X\right){\mathrm{Wg}}_i^T\left(X\right))}^{1/2}}---\left(7\right)$

式中，θ₀是调度参数变量θ的估计值，x是已测变量向量，v是已测变量的协方差阵，w是调度参数变量θ的对角方差矩阵； 

2)定义加权系数K并初始化，其中常数k₀分别选择趋近于0或者趋近于无穷大 

$K=\left(\begin{array}{ccc}{k}_0& & 0\\ & O& \\ 0& & k_0\end{array}\right)---\left(8\right)$

3)使i从1到n，n等于模型约束方程个数，第i个加权系数k_i的计算公式如(9)所示 

r_i＝m_iX 

$D_i=m_i{\mathrm{VM}}_{(-i)}^T{(K_{(-i)}^{-2}+M_{-i}{\mathrm{VM}}_{(-i)}^T)}^{-1}{M}_{(-i)}X$

$Y_{(-i)}=(I-{\mathrm{VM}}_{(-i)}^T{(K_{(-i)}^{-2}+M_{(-i)}{\mathrm{VM}}_{(-i)}^T)}^{-1}{M}_{(-i)})V---\left(9\right)$

$A_i=m_i{Y}_{(-i)}{m}_i^T$

$k_i^2=\frac{(1-{\mathrm{\β}}_i)r_i-D_i}{{\mathrm{\β}}_i{r}_i{A}_i}$

式中，r_i是第i个节点约束残差，M_(-i)等于将约束矩阵M的第i个约束m_i去除后的矩阵，而K_(-i)是将加权系数矩阵K的第i行和第i列去除后的矩阵； 

4)收敛分析：如果在两个连续估计之间的所有加权系数的相对变化大于一个固定的阈值，那么使i加1，返回计算公式(9)，否则循环结束，进入下一步5)有了加权系数之后，协调结果

如公式(10)所示 

${\stackrel{\mathrm{\Λ}}{X}}_{i+1}=(I-y_i{m}_{i+1}^T{(k_{i+2}^{-2}+m_{i+1}{y}_i{m}_{i+1}^T)}^{-1}{m}_{i+1}){\stackrel{\mathrm{\Λ}}{X}}_i$

i＝0，Λ，n-1 

$y_{i+1}=(I-y_i{m}_{i+1}^T{(k_{i+1}^{-2}+m_{i+1}{y}_i{m}_{i+1}^T)}^{-1}{m}_{i+1})y_i---\left(10\right)$

i＝O，Λ，n-2 

${\stackrel{\mathrm{\Λ}}{X}}_0=X$ and y₀＝V 

式中，x是已测变量向量，v是已测变量的协方差阵。 

协调结果和原始测量数据一并被保存起来，通过结果输出模块提供的标准数据接口将结果写入到关系数据平台之中。该炼油厂的统计部门利用本发明系统处理过的数据来制作全厂及各车间的物料平衡统计表，附图3是应用本发明系统前后全厂所有装置平均平衡率的比较图。由图可见，采用本发明，其物流数据准确性和精度大幅度提高。

Claims (4)

1.一种应用于化工炼油生产过程的物流数据校正方法，其特征是包括以下步骤：

1)通过协调模型组态模块对单装置或者全厂物流过程进行建模；

2)利用数据输入模块采集现场测量数据，并将测量数据送入数据预处理模块；

3)数据预处理模块对测量数据进行有效性检验，以识别和剔除其中含有的过失误差；

4)数据协调算法模块接收预处理后的数据，并根据步骤1)所建立的模型，对测量数据进行真实值逼近估计，计算结果直接送给结果输出模块；

5)结果输出模块通过标准数据接口将最终优化结果进行输出，或者根据需要输出文本文件格式和EXCEL电子表格式的文件，

其中，协调模型组态模块中所说的建模方法为：1)将各个生产装置的塔或者反应器作为非容性节点处理；2)将存储物料相同的多个罐定义为一个虚拟储罐，将虚拟储罐也作为非容性节点处理；3)排除与物料平衡无关的装置；4)消去在稳态情况下，装置内部不影响物料平衡关系的循环流量；5)对于发生生产方案切换的节点，建立调度方程如下：

u_i＝θ_ix_m  (i＝1，2，…，s)                (1)

式中，u_i是第i个调度方案的未知流量，x_m是方案切换节点处的已测流量，Δt_i是第i个调度方案的执行时间，T是协调周期，θ_i定义为第i个调度方案的参数变量；

协调模型组态模块中所说的建模方法得到的协调模型为：

M(θ)X＝0                   (3)

式中，M(θ)是带调度方案参数变量θ的约束矩阵，X是已测变量向量，

所述的数据输入模块用于将化工生产过程中每条管线上的原始测量信号转化为计算机可识别的数据格式，提供了数据库接口和人机交互界面两种形式，一方面，通过数据库接口访问由实时数据库所采集的集散控制系统DCS和数据采集系统的数据，来集成生产过程的流量、温度、液位和压力信号，另一方面， 通过人机交互界面的数据录入来集成生产过程的化验室数据、部分的贮罐检尺数据、生产方案切换数据和油品移动数据。

2.根据权利要求1所述的物流数据校正方法，其特征在于所说的通过数据预处理模块来进行数据有效性检验：针对协调模型组态模块所建立的带有调度参数变量θ的协调模型，利用改进后的节点残差检验法来辨识过失误差，计算公式如下：

Z_r(i)—改进后的第i个节点平衡检验统计量

r(i)—第i个节点约束残差

H_r(i，i)—改进后的第i个节点约束残差的方差

r＝M(θ₀)X

H_r＝M(θ₀)VM^T(θ₀)+G(X)WG^T(X)              (5)

式中，θ₀是调度参数变量θ的估计值，X是已测变量向量，V是已测变量的协方差阵，W是调度参数变量θ的对角方差矩阵，而M(θ)和G(X)的定义如公式(6)所示，

3.根据权利要求1所述的物流数据校正方法，其特征在于结果输出模块所输出的最终优化结果是指经过二次优化的测量数据、系统协调值和未测变量的估计值。

4.采用如权利要求1所述的应用于化工炼油生产过程的物流数据校正方法的系统，其特征是包括：

—协调模型组态模块(1)，通过模型组态界面，根据单装置或者全厂物流的物理连接，建立含有调度方程的协调模型并输出给数据协调算法模块；

—数据输入模块(2)，由数据库接口和人机交互界面组成，用于将化工生产过程每条管线上测量仪表的原始测量信号、化验分析数据转化为计算机可识 别的数据格式，并将每条管线上测量仪表的原始测量信号和化验分析数据分别输出给数据预处理模块(3)和结果输出模块(5)；

—数据预处理模块(3)，用于将数据输入模块(2)所集成的原始测量数据进行有效性检验，识别和剔除其中含有的过失误差，预处理后的数据直接输出给数据协调算法模块(4)；

—数据协调算法模块(4)，用于将所输入协调模型和预处理后的测量数据进行初始化处理并优化计算，计算结果输出给结果输出模块(5)；

—结果输出模块(5)，用于将所输入的原始测量数据和优化计算数据进行保存并处理，将最终的二次优化测量数据、系统协调值和未测变量的估计值进行输出。 

Images