CN1734482A - 一种基于产率模型的物流数据校正方法 - Google Patents

Abstract

本发明公开了一种基于产率模型的物流数据校正方法。该方法首先从数据库中得到历史质量物流数据，生成某个生产装置或某几个生产装置在各种生产方案下的产率，然后将产率模型引入质量物流数据的校正计算，采用解最小二乘方程的通用方法，得到准确的质量物流数据。本发明的优点：1)本发明在数据校正的约束条件中引入产率模型，从而提高物流变量的冗余性，缩小最优搜索域，有效地排除一些不合理的结果，降低显著误差对物流测量变量的影响；2)本发明考虑了生产方案切换发生在数据校正操作周期中的情况，引入了平均产率的概念，扩大了该方法的适用范围；3)本发明原理简单，实施方便，便于实现与其它应用系统的数据集成。

Description

一种基于产率模型的物流数据校正方法

技术领域

本发明涉及一种基于产率模型的物流数据校正方法。

背景技术

过程测量数据作为反映装置运行状况的特征信息，是实现计算机过程控制、模拟、优化和生产管理的基本依据。化工过程测量数据理论上应该满足物料平衡、能量平衡等，但实际上不可避免的带有误差，从而是不准确的，也就无法精确地满足平衡了。测量数据的误差可分为随机误差和显著误差两大类。任何测量数据都带有随机误差，它是受随机因素的影响而产生的，服从一定的统计规律。而显著误差则是由于测量仪表失灵、操作不稳定或设备有泄漏等原因引起的。同时，由于受经济条件、测量技术和仪表等的限制，并非所有的变量都可以测量，从而造成了数据的不完整性。显然，不准确和不完整的数据将使许多过程优化、仿真和控制无法有效发挥作用，甚至造成决策的偏差。目前已经建成和正在开发的企业综合自动化系统，都受到数据不完整和不准确的困扰。随着系统规模的不断扩大和复杂性的提高，这一问题将更加突出。为了充分利用实时的测量数据信息，满足日益增长的信息化需求，优化操作参数，降低成本和能耗，数据校正技术应运而生。

在生产过程综合自动化系统中，以8小时或一天为周期进行全厂数据校正和物料平衡计算已有广泛的应用。数据校正分为显著误差检测和数据校正优化计算(使数据满足物料平衡约束)两步。目前显著误差检测的方法层出不穷，主要可分为整体检测法、测量值检测法、节点检测法、极大似然比法、无偏估计法、主元分析法等，然而大多还仅限于理论研究，未能应用于实际工业过程中，主要因为现有显著误差检测依赖于测量点的布局和实时性，因此往往不得不在存在显著误差的情况下进行数据校正，如果仍然只针对物料平衡的约束寻找与测量值最接近的最优解是不合理的，也就失去了校正的意义。

发明内容

本发明的目的是提供一种在测量数据含有显著误差时能得到比较准确的数据协调值的基于产率模型的物流数据校正方法。

根据实际经验可知，炼油厂中每个特定的生产方案下都具有一定的产率模型，而以往进行数据校正时都没能充分利用这些产率模型，基于此我们提出在数据校正的约束条件中引入产率模型，从而增加冗余性，缩小最优搜索域，有效地排除一些不合理的解，降低显著误差对其他校正变量的污染。特别当生产方案切换发生在校正周期中时，我们引入平均收率的概念，扩大了收率模型的适用范围。

本发明的基于产率模型的物流数据校正方法，其特征是包括以下步骤：

1)从数据库中得到历史质量物流数据，生成某个生产装置或某几个生产装置在各种生产方案下的产率： $D=\left[\begin{array}{cccc}\frac{x_2}{x_1}& \frac{x_3}{x_1}& ...& \frac{x_{m+1}}{x_1}\end{array}\right]=\left[\begin{array}{cccc}{d}_{1s}& d_{2s}& ...& d_{\mathrm{ms}}\end{array}\right],$ 其中x₁＝x_in为原料的输入量，x₂，…，x_m+1为输出的产品量或中间产品量，d_1s，d_2s，…，d_ms表示各个输出量与输入量在第s种方案下的比值

2)根据传感器测量得到的质量物流数据建立物流平衡模型方程式： $\stackrel{\→}{P}\stackrel{\→}{X}=0$

其中

$\stackrel{\→}{X}={\left[\begin{array}{cccc}{x}_1& x_2& \·\·\·& x_{m+1}\end{array}\right]}^T$

3)如果在生产过程中只采用某一生产方案s，则将产率模型方程式x₁·(d_(l-1)s-0.01)≤x_l≤x₁·(d_(l-1)s+0.01)，(l＝2，3，…，m+1)作为新的约束来补充步骤2)中的物流平衡模型方程式 $\stackrel{\→}{P}\stackrel{\→}{X}=0;$

如果生产过程中涉及到生产方案的切换，则需定义平均产率 d_j，步骤如下：

假设数据校正操作周期为T，开始时间为t₀，结束时间为t_k＝t₀+T，x_j+1为一条侧线，x_j+1(p)表示时刻t_p-1至t_p的质量测量变量，方案切换的过程中其不同的标定产率如下：

在t₀至t₁时刻： $\frac{x_{j+1}\left(1\right)}{x_1\left(1\right)}=d_{j1}$

在t₁至t₂时刻： $\frac{x_{j+1}\left(2\right)}{x_1\left(2\right)}=d_{j2}$

……

在t_k-1至t_k时刻： $\frac{x_{j+1}\left(k\right)}{x_1\left(k\right)}=d_{\mathrm{jk}}$

令Δt_p＝t_p-t_p-1(p＝1，2，…，k)

则有：

$\underset{p=1}{\overset{k}{\mathrm{\Σ}}}\mathrm{\Δ}{t}_p=T---\left(1\right)$

假设生产方案是平稳切换，生产装置各个时段的输入量基本不变

             x₁(1)≈x₁(2)≈…≈x₁(k)    (2)

此时平均产率为

${\stackrel{\‾}{d}}_j=\frac{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{x}_{j+1}\left(p\right)\mathrm{\Δ}{t}_p}{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{x}_1\left(p\right){\mathrm{\Δt}}_p}\≈\frac{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{d}_{\mathrm{jp}}{\mathrm{\Δt}}_p}{T}---\left(3\right)$

并将平均产率模型方程式x₁·( d_j-0.01)≤x_j+1≤x₁·( d_j+0.01)，作为新的约束来补充步骤2)中的物流平衡模型方程式 $\stackrel{\→}{P}\stackrel{\→}{X}=0$

4)采用解最小二乘方程的通用方法，得到准确的质量物流数据

：

$\underset{\stackrel{\→}{X}}{\min }{(\stackrel{\→}{X}-X_m)}^T{Q}^{-1}(\stackrel{\→}{X}-X_m)$

满足条件： $\stackrel{\→}{P}\stackrel{\→}{X}=0$

其中： 为待求解数据校正值；

为质量物流数据；Q为测量仪表误差的协方差矩阵。

本发明的优点：

1)本发明在数据校正的约束条件中引入产率模型，从而提高测量数据的冗余性，缩小最优搜索域，有效地排除一些不合理的结果，降低显著误差对质量物流变量的影响；

2)本发明考虑了生产方案切换发生在数据校正操作周期中的情况，引入了平均产率的概念，扩大了该方法的适用范围；

3)本发明原理简单，实施方便，便于实现与其它应用系统的数据集成。

附图说明

图1是基于产率模型的数据校正方法流程图；

图2是本发明应用于一个炼油厂部分生产装置的简化示意图。

具体实施方式

本发明基于产率模型的数据校正方法的全部流程如图1所示。

根据炼油厂的实际可知，除了物料平衡模型，在特定的生产方案下还具有一定的产率模型。产品的收率并非固定不变的，往往会有微小的波动，因此第s种方案下合理的产率模型应该是用不等式组x₁·(d_(l-1)s-0.01)≤x₁≤x₁·(d_(l-1)s+0.01)，(l＝2，3，…，m+1)来描述，此时新的数据校正命题为典型的二次规划问题：

$\underset{\stackrel{\→}{X}}{\min }{(\stackrel{\→}{X}-{\stackrel{\→}{X}}_m)}^T{Q}^{-1}(\stackrel{\→}{X}-{\stackrel{\→}{X}}_m)$

满足条件： $\stackrel{\→}{P}\stackrel{\→}{X}=0$

x₁·(d_(l-1)s-0.01)≤x_l≤x₁·(d_((l-1)s+001)l＝2，3，…，m+1    (1)

其中： 为待求解数据校正值；

为质量物流数据；Q为测量仪表误差的协方差矩阵，矩阵对角线数值为测量仪表精度；x₁·(d_(l-1)s-0.01)≤x₁≤x₁·(d_(l-1)s+0.01)为产率模型约束方程； $\stackrel{\→}{P}\stackrel{\→}{X}=0$ 为物料平衡约束方程。

实际连续的生产过程中有着离散的生产调度事件，即生产方案的切换，若调度事件发生在数据校正操作周期内，可能带来的后果有两种：一是直接改变了物料平衡关系，即改变了模型；二是模型不变，只是生产条件的变化导致每条侧线的标定产率变化。两种情况下标定产率均不能直接使用，必须定义平均产率，建立新的产率模型。

假设数据校正操作周期为T，开始时间为t₀，结束时间为t_k＝t₀+T，x_j+1为一条侧线，x_j+1(p)表示时刻t_p-1至t_p的质量测量变量，方案切换的过程中其不同的标定产率如下：

在t₀至t₁时刻： $\frac{x_{j+1}\left(1\right)}{x_1\left(1\right)}=d_{j1}$

在t₁至t₂时刻： $\frac{x_{j+1}\left(2\right)}{x_1\left(2\right)}=d_{j2}$

……

在t_k-1至t_k时刻： $\frac{x_{j+1}\left(k\right)}{x_1\left(k\right)}=d_{\mathrm{jk}}$

令Δt_p＝t_p-t_p-1(p＝1，2，…，k)

则有： $\underset{p=1}{\overset{k}{\mathrm{\Σ}}}\mathrm{\Δ}{t}_p=T---\left(2\right)$

假设生产方案是平稳切换，生产装置各个时段的输入量基本不变

x₁(1)≈x₁(2)≈…≈x₁(k)    (3)

此时平均产率为

${\stackrel{\‾}{d}}_j=\frac{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{x}_{j+1}\left(p\right)\mathrm{\Δ}{t}_p}{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{x}_1\left(p\right){\mathrm{\Δt}}_p}\≈\frac{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{d}_{\mathrm{jp}}{\mathrm{\Δt}}_p}{T}---\left(4\right)$

模型发生变化时，可以用一个平衡方程组涵盖所有可能出现的调度方案，即将所有物料可能的流向都列入平衡模型。则在某种特定的生产方案下，若该条物理侧线没有物料流过，可将该侧线此时的标定产率定义为0，仍然不影响平均产率的计算。数据校正操作周期内发生生产方案的切换时，数据校正的对象应该是平均质量流量，即该周期内流过物料的累积总量除以数据校正周期T。

以某一炼油厂部分生产装置为例，如附图2所示，共有3个生产装置(常减压蒸馏装置、灯油罐、蜡油罐)，8个流量测量变量(原油输入量x1、航空煤油x2、灯油x3、蜡油x4、渣油x5、汽车运输出厂量x6、管道运输出厂量x7、提供催化裂化装置的原料量x8)，8个流量测量变量均为已测变量，以平稳状态下一天的质量流量累积量视为真实值(取自数据库)，测量变量之间的随机误差互不相关。

装置质量物料平衡模型 $\stackrel{\→}{P}\stackrel{\→}{X}=0$ 为：

x₁-(x₂+x₃+x₄+x₅)＝0         (5)

x₃-(x₆+x₇)＝0                  (6)

x₄-x₈＝0                        (7)

当只存在随机误差时，数据校正可以通过以上3个方程有效地降低随机误差对测量值的影响，但当显著误差存在时，仅有这3个方程是不够的。

假设根据历史质量流量数据获得4个产率模型分别为：

$d_1:\frac{x_2}{x_1}=0.18---\left(8\right)$

$d_2:\frac{x_3}{x_1}=0.11---\left(9\right)$

$d_3:\frac{x_4}{x_1}=0.31---\left(10\right)$

$d_4:\frac{x_5}{x_1}=0.40---\left(11\right)$

为了表明本发明优于以往的数据校正方法，定义性能指标：

$\mathrm{IRR}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left(\frac{x_{i,t}-x_{i,r}}{x_{i,t}}\right)}^2---\left(12\right)$

式中x_i，t：变量x_i的真实值；

x_i，r：变量x_i的校正值；

n：变量个数。

1)若x₄存在20％的显著误差，引入对应的产率模型

x₁·(d₃-0.01)≤x₄≤x₁·(d₃-0.01)，则可以增加新的约束条件为

(0.31+0.01)x₁-x₄≥0        (13)

-(0.31-0.01)x₁+x₄≥0       (14)

校正结果如表1所示，其中X_r ⁽¹⁾为现有技术未引入产率模型时的校正值，X_r ⁽²⁾为本发明引入产率模型后的校正值。

表1.应用产率模型方法前后的校正结果比较

X	Xt	Xm	Xr (1)	Xr (2)
					106/kg·day-1
	x1x2x3x4x5x6x7x8	6.8091.1960.7822.1092.7220.2250.5572.109	6.81541.19000.78752.5176*2.72290.20500.55212.1136	6.86111.14430.74692.29282.67720.19990.54702.2928					6.88821.18770.77582.20422.72050.21430.56152.2042
IRR							0.0322	0.0066

注：*-测量值带有显著误差

由表1可以看出，显著误差的存在对整个数据校正的结果有很大的影响，校正值与真值都有较大的偏差，失去了数据校正的意义，而产率模型的引入对此有了明显改善，校正值更接近真值。

2)假设校正周期为3天，第一天侧线x₄和x₅的标定产率分别为0.31和0.40，日累积流量的真值为X_t(1)，第二、三天由于生产方案的切换，侧线x₄和x₅的标定产率分别变为0.40和0.31，日累积流量的真值为X_t(2)，此时侧线x₄的平均收率是

${\stackrel{\‾}{d}}_4=\frac{\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{d}_{4i}{\mathrm{\Δt}}_i}{T}=0.37---\left(19\right)$

该平均收率仍可用于数据校正，但此时校正的对象是平均日累积流量，则性能指标有所改变：

$\mathrm{IRR}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left(\frac{{\stackrel{\‾}{x}}_{i,t}-x_{i,r}}{x_{i,t}}\right)}^2---\left(20\right)$

式中 x_i，t：变量x_i真实的平均日累积流量；

x_i，r：变量x_i的校正值；

n：变量个数。

校正结果如表2所示。

表2.应用平均收率模型方法前后的校正结果比较

X	Xt(1)	Xt(2)	Xt	Xm(1)	Xm(2)	Xr (1)	Xr (2)
								106/kg·day-1
	x1x2x3x4x5x6x7x8	6.8091.1960.7822.1092.7220.2250.5572.109	6.8091.1960.7822.7222.1090.2250.5572.722	6.8091.1960.7822.51772.31330.2250.5572.5177	6.81191.19170.78202.10532.71740.22870.56432.1301	6.79541.18580.79243.2617*2.09520.22820.57252.7291	6.84521.14350.76262.68072.25830.21060.55202.6807								6.87441.18010.78702.61232.29500.22280.56422.6123
IRR													0.0157	0.0035

注：*-测量值带有显著误差

由表2可以看出，在生产方案平稳切换装置进料保持稳定的情况下，平均收率的引入同样可以降低显著误差对整个校正结果的污染，得到较为准确的测量数据修正值。

本发明的特点是原理简单，实施方便，能够实现显著误差存在时的数据校正，降低显著误差等因素对于测量数据的干扰，提高企业测量数据的数据校正精度，确保数据的准确性。

Claims (1)

1、一种基于产率模型的物流数据校正方法，其特征是包括以下步骤：

1)从数据库中得到历史质量物流数据，生成某个生产装置或某几个生产装置在各种生产方案下的产率： $D=\left[\begin{array}{cccc}\frac{x_2}{x_1}& \frac{x_3}{x_1}& \·\·\·& \frac{x_{m+1}}{x_1}\end{array}\right]=\left[\begin{array}{cccc}{d}_{1s}& d_{2s}& \·\·\·& d_{\mathrm{ms}}\end{array}\right],$ 其中x₁＝x_m为原料的输入量，x₂，…，x_m+1为输出的产品量或中间产品量，d_1s，d_2s，…，d_ms表示各个输出量与输入量在第s种方案下的比值

2)根据传感器测量得到的质量物流数据建立物流平衡模型方程式： $\stackrel{\→}{P}\stackrel{\→}{X}=0$

其中

$\stackrel{\→}{X}={\left[\begin{array}{cccc}{x}_1& x_2& \·\·\·& x_{m+1}\end{array}\right]}^T$

3)如果在生产过程中只采用某一生产方案s，则将产率模型方程式x₁·(d_(l-1)s-0.01)≤x₁≤x₁·(d_(l-1)s+0.01)，(l＝2，3，…，m+1)作为新的约束来补充步骤2)中的物流平衡模型方程式 $\stackrel{\→}{P}\stackrel{\→}{X}=0;$

如果生产过程中涉及到生产方案的切换，则需定义平均产率 步骤如下：

假设数据校正操作周期为T，开始时间为t₀，结束时间为t_k＝t₀+T，x_j+1为一条侧线，x_j+1(p)表示时刻t_p-1至t_p的质量测量变量，方案切换的过程中其不同的标定产率如下：

在t₀至t₁时刻： $\frac{x_{j+1}\left(1\right)}{x_1\left(1\right)}=d_{j1}$

在t₁至t₂时刻： $\frac{x_{j+1}\left(2\right)}{x_1\left(2\right)}=d_{j2}$

在t_k-1至t_k时刻： $\frac{x_{j+1}\left(k\right)}{x_1\left(k\right)}=d_{\mathrm{jk}}$

令Δt_p＝t_p-t_p-1(p＝1，2，…，k)

则有： $\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\Δt}}_p=T---\left(1\right)$

假设生产方案是平稳切换，生产装置各个时段的输入量基本不变

              x₁(1)≈x₁(2)≈…≈x₁(k)            (2)

此时平均产率为

${\stackrel{\‾}{d}}_j=\frac{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{x}_{j+1}\left(p\right)\mathrm{\Δ}{t}_p}{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{x}_1\left(p\right){\mathrm{\Δt}}_p}\≈\frac{\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{d}_{\mathrm{jp}}{\mathrm{\Δt}}_p}{T}---\left(3\right)$

并将平均产率模型方程式x₁·( d_j-0.01)≤x_j+1≤x₁( d_j+0.01)，作为新的约束来补充步骤2)中的物流平衡模型方程式 $\stackrel{\→}{P}\stackrel{\→}{X}=0$

4)采用解最小二乘方程的通用方法，得到准确的质量物流数据

$\underset{\stackrel{\→}{X}}{\min }{(\stackrel{\→}{X}-X_m)}^T{Q}^{-1}(\stackrel{\→}{X}-X_m)$

满足条件： $\stackrel{\→}{P}\stackrel{\→}{X}=0$

其中：

为待求解数据校正值；

为质量物流数据；Q为测量仪表误差的协方差矩阵。

Images