CN111158338A - 一种基于主成分分析的化工风险监测方法 - Google Patents

一种基于主成分分析的化工风险监测方法 Download PDF

Info

Publication number
CN111158338A
CN111158338A CN201911318171.8A CN201911318171A CN111158338A CN 111158338 A CN111158338 A CN 111158338A CN 201911318171 A CN201911318171 A CN 201911318171A CN 111158338 A CN111158338 A CN 111158338A
Authority
CN
China
Prior art keywords
principal component
chemical
component analysis
data
risk 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.)
Pending
Application number
CN201911318171.8A
Other languages
English (en)
Inventor
燕妮
胡庚松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Lianyi Intelligent Technology Co Ltd
Original Assignee
Nanjing Lianyi Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Lianyi Intelligent Technology Co Ltd filed Critical Nanjing Lianyi Intelligent Technology Co Ltd
Priority to CN201911318171.8A priority Critical patent/CN111158338A/zh
Publication of CN111158338A publication Critical patent/CN111158338A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种基于主成分分析的化工风险监测方法，包括离线建立分析算法模型和在线风险监测；离线建立分析算法模型通过采样化工生产过程中正常运行的多个指标数据，进行数据预处理后建立主成分分析模型(Principle Component Analysis，PCA)，在线风险监测利用建立的PCA模型分析化工生产的在线实时数据，判断生产过程中是否存在异常并及时预警。本发明解决海量数据下的化工风险预警难题，对高维数据进行综合诊断分析，有效实现化工安全生产预警。

Description

一种基于主成分分析的化工风险监测方法
技术领域
本发明属于化工风险监测技术领域，具体涉及一种基于主成分分析的化工风险监测方法。
背景技术
随着化工过程规模的扩大及流程的复杂化，各类化工事故发生的概率也日益增加。目前普遍采用DCS***对化工生产过程中的各单个指标进行实时监控，通过判断是否超过阈值来对化工风险做出判断并报警预警。但是在海量数据下要实现对化工风险及故障的准确有效的诊断仍然存在很大的难度。DCS***是分别对单个指标进行监测，数量繁多且相互之间无联系；面对大规模的化工过程，DCS***的单个阈值报警无法实现海量数据下对化工风险及故障的准确有效的诊断和预警。
发明内容
本发明的目的是提供一种基于主成分分析的化工风险监测方法，解决海量数据下的化工风险预警难题，对高维数据进行综合诊断分析，有效实现化工安全生产预警。
本发明提供了如下的技术方案：
一种基于主成分分析的化工风险监测方法，包括离线建立分析算法模型和在线风险监测；离线建立分析算法模型通过采样化工生产过程中正常运行的多个指标数据，进行数据预处理后建立运行的多个指标模型(Principle Component Analysis，PCA)，在线风险监测利用建立的主成分分析模型分析化工生产的在线实时数据，判断生产过程中是否存在异常并及时预警。
优选的，所述离线建立分析算法模型包括以下步骤：
S11：通过多次采样得到若干传感器的样本数据，形成一个矩阵；
S12：对数据进行标准化处理；
S13：对矩阵进行特征值分解，得到不同大小的特征值以及对应的特征向量；
S14：按特征值大小进行排列，得到负载矩阵和得分矩阵，最终得到对矩阵构造的主元模型。
优选的，所述在线风险监测包括以下步骤：
S21：计算实时数据的SPE和T2统计量及控制限；
S22：比较统计量及控制限结果，根据控制限判定生产过程出现是否异常，若异常进行预警。
优选的，采样通过选取多个相互关联的传感器构建多维数据，建立主成分分析模型提取其中的综合信息进行分析。
优选的，在线风险监测部分选取与离线建模时相同的若干指标进行SPE和T2统计量及控制限的计算。
本发明的有益效果是：本发明选取多个相互关联的传感器构建多维数据，建立主成分分析模型提取其中的综合信息进行分析，相比于DCS***对单一数据进行监测，剔除了噪声干扰，结果更加准确可靠；从海量数据中提取主要信息，在线监测发现其中异常数据，更为有效地定位到设备故障，一方面可以大幅度减少企业人员排查风险故障的时间，及时消除可能存在的事故隐患；另一方面也有助于提供实时和相对准确的风险数据，提高实现对消防人员的辅助决策能力。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明离线部分建立流程示意图；
图2是本发明在线部分分析流程示意图。
具体实施方式
如图1和图2所示，一种基于主成分分析的化工风险监测方法，分为离线部分和在线部分两个步骤，分别对样本数据和实时数据进行分析。离线部分基于正常数据样本建立主成分分析算法模型，在线部分利用建立的模型对实时数据进行在线化工风险分析。
步骤1：建立主成分分析算法模型(离线部分)：
1-1.通过采样得到n个传感器的m次采样，形成一个X∈Rm×n的矩阵；
1-2.对数据进行标准化处理；
1-3.对X的协方差矩阵进行特征值分解，得到不同大小的特征值以及对应的特征向量；
1-4.按特征值大小进行排列，得到负载矩阵P(由特征向量构成)和得分矩阵T(主元变量)；
最终得到对X构造的主元模型：T＝XP。
选取前A个主元变量，X的模型可以表示为
Figure BDA0002326417900000031
步骤2：在线化工风险监测(在线部分)
2-1.计算实时数据的SPE和T2统计量及控制限：
(1)T2统计量定义为所有得分向量的标准平方和，代表着各个采样时刻在主元分析模型中偏离中心的大小，对于第i个时刻的统计量，定义为：
Figure BDA0002326417900000041
其中Λ为特征值对角矩阵，A为所选取的主元个数，x是某时刻各个变量的行向量，
Figure BDA0002326417900000042
表示置信度为a的T2控制限：
Figure BDA0002326417900000043
(2)SPE统计量用于观测未被主元解释的部分的变化，定义为：
Figure BDA0002326417900000044
其中δ2表示置信水平为a的控制限：
Figure BDA0002326417900000045
其中ca是置信限为a的标准正态分布，
Figure BDA0002326417900000046
λj是协方差矩阵的第j个特征值。
2-2.比较结果，当SPE＞δ2且
Figure BDA0002326417900000047
时，表明生产过程出现异常，立刻预警。
本发明从海量数据中提取主要信息，在线监测发现其中异常数据，更为有效地定位到设备故障，一方面可以大幅度减少企业人员排查风险故障的时间，及时消除可能存在的事故隐患；另一方面也有助于提供实时和相对准确的风险数据，提高实现对消防人员的辅助决策能力。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于主成分分析的化工风险监测方法，其特征在于，包括离线建立分析算法模型和在线风险监测；离线建立分析算法模型通过采样化工生产过程中正常运行的多个指标数据，进行数据预处理后建立主成分分析模型，在线风险监测利用建立的主成分分析模型分析化工生产的在线实时数据，判断生产过程中是否存在异常并及时预警。
2.根据权利要求1所述的一种基于主成分分析的化工风险监测方法，其特征在于，所述离线建立分析算法模型包括以下步骤：
S11：通过多次采样得到若干传感器的样本数据，形成一个矩阵X；
S12：对数据进行标准化处理；
S13：对矩阵进行特征值分解，得到不同大小的特征值以及对应的特征向量；
S14：按特征值大小进行排列，得到负载矩阵和得分矩阵，最终得到对矩阵X构造的主元模型。
3.根据权利要求1所述的一种基于主成分分析的化工风险监测方法，其特征在于，所述在线风险监测包括以下步骤：
S21：计算实时数据的SPE和T2统计量及控制限；
S22：比较统计量及控制限结果，根据控制限判定生产过程出现是否异常，若异常进行预警。
4.根据权利要求1所述的一种基于主成分分析的化工风险监测方法，其特征在于，通过多次采样选取多个相互关联的传感器构建多维数据，建立主成分分析模型提取其中的综合信息进行分析。
5.根据权利要求3所述的一种基于主成分分析的化工风险监测方法，其特征在于，所述在线风险监测包括，选取与离线建模时相同的若干指标进行SPE和T2统计量及控制限的计算。
CN201911318171.8A 2019-12-19 2019-12-19 一种基于主成分分析的化工风险监测方法 Pending CN111158338A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911318171.8A CN111158338A (zh) 2019-12-19 2019-12-19 一种基于主成分分析的化工风险监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911318171.8A CN111158338A (zh) 2019-12-19 2019-12-19 一种基于主成分分析的化工风险监测方法

Publications (1)

Publication Number Publication Date
CN111158338A true CN111158338A (zh) 2020-05-15

Family

ID=70557456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911318171.8A Pending CN111158338A (zh) 2019-12-19 2019-12-19 一种基于主成分分析的化工风险监测方法

Country Status (1)

Country Link
CN (1) CN111158338A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113723725A (zh) * 2020-05-25 2021-11-30 中国石油化工股份有限公司 化工装置运行过程的风险预警方法、装置及终端设备
CN114167826A (zh) * 2021-11-26 2022-03-11 华中科技大学 一种用于铸造生产过程混合多变量的监控方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105700518A (zh) * 2016-03-10 2016-06-22 华中科技大学 一种工业过程故障诊断方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105700518A (zh) * 2016-03-10 2016-06-22 华中科技大学 一种工业过程故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王中伟: "基于对数变换和最大信息系数PCA的过程监测", 《科学技术与工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113723725A (zh) * 2020-05-25 2021-11-30 中国石油化工股份有限公司 化工装置运行过程的风险预警方法、装置及终端设备
CN114167826A (zh) * 2021-11-26 2022-03-11 华中科技大学 一种用于铸造生产过程混合多变量的监控方法

Similar Documents

Publication Publication Date Title
CN109459993B (zh) 一种流程工业过程在线自适应故障监测与诊断方法
CN109544399B (zh) 基于多源异构数据的输电设备状态评价方法及装置
CN111145517B (zh) 一种人工智能电气线路火灾风险实时预警方法及***
CN114757590A (zh) 基于大数据分析的企业运营风险预警及管控***
CN106950945B (zh) 一种基于量纲可变型独立元分析模型的故障检测方法
CN110687895B (zh) 一种基于自适应核主成分分析的化工过程故障检测方法
CN111439681B (zh) 一种基于塔式起重机的不安全作业智能辨识方法及***
CN111158338A (zh) 一种基于主成分分析的化工风险监测方法
CN111222702A (zh) 一种调控***运行变化趋势预测方法和***
CN110175682A (zh) 一种基于混沌粒子群的优化核主元分析故障监测方法
CN116112283A (zh) 一种基于cnn-lstm的电力***网络安全态势预测方法及***
CN115951606A (zh) 智慧工厂生产环境预警处理方法
CN108171271B (zh) 一种设备劣化早期预警方法和***
CN104616209B (zh) 一种基于在线监测的电力电缆接头信息聚合评价方法
CN116542956B (zh) 一种织物组分自动检测方法、***及可读存储介质
CN105809257B (zh) 一种基于电力通信网络的触发式状态检修方法
CN112131516A (zh) 一种基于特征权值混合朴素贝叶斯模型的异常检测方法
CN116665401A (zh) 一种化工生产用防事故报警***
CN115187026A (zh) 一种产业风险监控方法、***和可读存储介质
CN117850375B (zh) 一种生产线的多维度监测***
CN117521084B (zh) 一种复杂***的主动安全预警方法
CN117975372B (zh) 一种基于YOLOv8和Transformer编码器相结合的工地安全检测***及方法
CN117391458B (zh) 基于数据分析的安全生产风险检测预警方法及***
Sun et al. Failure Impact Analyzing of a Chemical Plant based on its DCS Data Set
Jin et al. Research on dynamic intelligent control system of grinding quality

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200515