CN113515506A - 基于大数据挖掘分析的ldar评估***及方法 - Google Patents
基于大数据挖掘分析的ldar评估***及方法 Download PDFInfo
- Publication number
- CN113515506A CN113515506A CN202010281591.XA CN202010281591A CN113515506A CN 113515506 A CN113515506 A CN 113515506A CN 202010281591 A CN202010281591 A CN 202010281591A CN 113515506 A CN113515506 A CN 113515506A
- Authority
- CN
- China
- Prior art keywords
- data
- ldar
- project
- detection
- submodule
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000007418 data mining Methods 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 238
- 230000008439 repair process Effects 0.000 claims abstract description 134
- 238000011156 evaluation Methods 0.000 claims abstract description 76
- 238000013500 data storage Methods 0.000 claims abstract description 64
- 238000007405 data analysis Methods 0.000 claims abstract description 53
- 238000007789 sealing Methods 0.000 claims description 121
- 238000007726 management method Methods 0.000 claims description 103
- 238000007689 inspection Methods 0.000 claims description 98
- 239000000463 material Substances 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 31
- 230000005540 biological transmission Effects 0.000 claims description 28
- 238000012423 maintenance Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000003111 delayed effect Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 239000013067 intermediate product Substances 0.000 claims description 12
- 239000000047 product Substances 0.000 claims description 12
- 239000002994 raw material Substances 0.000 claims description 12
- 238000013102 re-test Methods 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000012552 review Methods 0.000 claims description 7
- 238000012854 evaluation process Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 239000012752 auxiliary agent Substances 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000011065 in-situ storage Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000009472 formulation Methods 0.000 abstract 1
- 239000000203 mixture Substances 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 16
- 238000012550 audit Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 239000007788 liquid Substances 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 5
- 239000000654 additive Substances 0.000 description 5
- 239000001257 hydrogen Substances 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 238000004164 analytical calibration Methods 0.000 description 4
- 150000002500 ions Chemical class 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012634 optical imaging Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- -1 auxiliaries Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011954 pollution control method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Agronomy & Crop Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施方式提供一种基于大数据挖掘分析的LDAR评估***,所述***包括:数据存储层,用于泄漏检测与修复的原始数据的存储;数据应用层,用于提供对所述数据存储层的数据分析应用,所述数据应用层包括数据分析模块和项目审核模块;所述数据分析模块用于响应于用户的数据分析操作,以获取所述泄漏检测与修复的原始数据之间的关联,并形成决策知识;所述项目审核模块用于建立泄漏检测与修复的审核项目,并审核所述审核项目的合规情况,并输出评估报告。同时还提供了一种基于大数据挖掘分析的LDAR评估方法。本发明上述技术方案实现了装置LDAR的运行效果的快速评估,有利于设备无组织排放的关键控制措施的制定与实施。
Description
技术领域
本发明涉及环境技术领域,具体地涉及一种基于大数据挖掘分析的LDAR评估***、一种基于大数据挖掘分析的LDAR评估方法以及对应的存储介质。
背景技术
LDAR(Leak Detection And Repair):泄漏检测与修复,是通过对炼化装置潜在泄漏点进行检测,及时发现存在泄漏现象的组件,并进行修复或替换,进而实现降低泄漏排放。
设备泄漏是VOCs无组织排放的重要源项,大气污染防治法等提出开展泄漏检测与修复LDAR要求,控制来自泵、压缩机、阀门、法兰等设备与管线组件泄漏的VOCs无组织,加强设备与管线组件泄漏控制。企业中载有气态、液态VOCs物料的设备与管线组件,密封点数量大于等于2000个的,应按要求开展LDAR工作。
随着LDAR体系的实施,一个石化企业的LDAR受控密封点在几万到几十万个,依据国家标准,每年至少需要检测2-4次。而每套装置连续运行周期在3-6年,因此每个运行周期,一个石化企业的LDAR数据在几十万到几百万个。鉴于目前LDAR运行管理现状,如何评估企业的设备泄漏控制效果,企业或第三方如何优化改进提高LDAR绩效是国内渉VOCs企业和政府环保部门极为关心的问题。然而,一个大型石化企业密封点多达70万个,按上述原则需要抽测2万多个密封点,抽测需要花费大量的人力和时间,可行性不强,不利于审核工作的全面开展。
发明内容
本发明实施方式的目的是提供一种基于大数据挖掘分析的LDAR评估***及方法,以至少解决目前存在的LDAR存在的数据规模大而导致的评估效率低的问题。
为了实现上述目的,在本发明第一方面,提供一种基于大数据挖掘分析的LDAR评估***,所述***包括:
数据接入层,用于提供待分析的LDAR项目的原始数据;所述原始数据包括历史原始数据和实时原始数据;
数据存储层,用于所述待分析的LDAR项目的原始数据的存储;
数据应用层,用于提供对所述数据存储层的数据分析应用。
可选的,所述数据接入层包括数据采集模块、现场检查检测模块和接口模块;
所述数据采集模块用于响应用户数据采集操作,从所述待分析的LDAR项目的历史原始数据中提取数据,存储到所述的数据存储层;
所述现场检查检测模块用于响应用户现场检查检测操作,现场检查检测抽取的装置、群组和密封点,并将产生的所述实时原始数据存储到所述的数据存储层;
所述接口模块用于响应用户数据的读取和存储操作,将所述数据采集模块与待分析的LDAR项目的历史原始数据和所述数据存储层分别连接;同时将所述现场检查检测模块与数据存储层连接,完成原始数据传输。
可选的,所述数据应用层包括数据分析模块和项目审核模块;
所述数据分析模块用于响应于用户的数据分析操作,以获取所述待分析的LDAR项目的原始数据之间的关联,并形成决策知识;
所述项目审核模块用于建立LDAR项目的审核,评估所述LDAR项目的合规情况,并输出评估报告。
可选的,所述数据采集模块包括:项目建立数据采集子模块、检测与修复数据采集子模块、运行与管理数据采集子模块;
所述项目建立数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集项目建立相关数据,并存储到所述的数据存储层;
所述检测与修复数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集检测与修复相关数据,并存储到所述的数据存储层;
所述运行与管理数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集运行与管理相关数据,并存储到所述的数据存储层。
可选的,所述现场检查检测模块包括:现场抽样子模块、项目建立现场检查子模块、检测与修复现场检查子模块、检测与修复现场检测子模块和运行与管理现场检查子模块;
所述现场抽样子模块用于从所述的待分析的LDAR项目中抽取装置、群组和密封点,构成装置样本、群组样本和密封点样本;
所述项目建立现场检查子模块用于现场检查所述装置样本、群组样本和密封点样本的相关数据与现场实际情况的一致性,包括:受控装置加工原料、助剂、中间产品和产品的组分及浓度(质量),设备、管线接触物料的组分及浓度(质量)、群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态;
所述检测与修复现场检查子模块用于现场检查所述密封点样本的检测与修复相关操作的合规性;包括仪器校准、背景检测、检测距离、检测速度、检测读数、仪器漂移核查、泄漏密封点标识、延迟修复泄漏密封点标识和延迟修复理由;
所述检测与修复现场检测子模块用于现场检测所述密封点样本,包括基于氢火焰离子和和/或气体光学成像气体泄漏检测仪器。
所述运行与管理现场检查子模块用于现场检查对所述密封点样本开展LDAR的实际运行情况,包括检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识和排放量计算。
可选的,所述接口模块包括:历史原始数据传输接口子模块、项目建立的现场检查数据传输接口子模块、检测与修复的现场检查数据传输接口子模块、检测与修复的现场检测数据传输接口子模块和运行与管理的现场检查数据传输接口子模块;
所述历史原始数据传输接口子模块用于连接所述数据采集模块,所述数据采集模块通过所述历史原始数据传输接口子模块访问和读取待分析的LDAR项目的历史原始数据,并将相关数据存储到数据存储层;
所述项目建立的现场检查数据传输接口子模块连接所述项目建立现场检查子模块,所述项目建立现场检查子模块产生的相关实时数据通过所述项目建立的现场检查数据传输接口子模块存储到数据存储层。
所述检测与修复的现场检查数据传输接口子模块用于连接所述检测与修复现场检查子模块,所述检测与修复现场检查子模块产生的相关实时数据通过所述检测与修复的现场检查数据传输接口子模块存储到数据存储层。
所述检测与修复的现场检测数据传输接口子模块用于连接所述检测与修复现场检测子模块,所述检测与修复现场检测子模块产生的相关实时数据通过所述检测与修复的现场检测数据传输接口子模块传至数据存储层。
所述运行与管理的现场检查数据传输接口子模块用于连接所述运行与管理现场检查子模块,所述运行与管理现场检查子模块的相关实时数据通过所述运行与管理的现场检查数据传输接口子模块传至数据存储层。
所述数据分析模块用于响应于用户的数据分析操作,以获取所述LDAR的原始数据之间的关联,并形成决策知识;
所述项目审核模块用于建立LDAR的审核项目,并审核所述审核项目的合规情况,并输出评估报告。
可选的,所述数据分析模块包括:LDAR数据提取子模块、LDAR数据预处理子模块、LDAR数据挖掘分析子模块和LDAR决策知识应用子模块;
所述LDAR数据提取子模块用于从所述数据存储层提取待分析的原始数据;
所述LDAR数据预处理子模块用于对所述待分析的原始数据进行数据清洗,得到清洗后数据;
所述LDAR数据挖掘分析子模块用于根据所述清洗后数据和用户配置的数据分析算法,形成决策知识;以及
所述LDAR决策知识应用子模块用于根据所述决策知识,形成若干措施和建议。
可选的,所述项目审核模块包括:项目建立情况子模块、检测与修复情况子模块、运行与管理情况子模块和评估报告生成子模块;
所述项目建立情况子模块用于检查待分析的LDAR项目的项目建立相关数据是否合规;
所述检测与修复情况子模块用于检查所述待分析的LDAR项目的检测与修复相关数据是否合规;
所述运行与管理情况子模块用于检查所述待分析的LDAR项目的运行与管理相关数据是否合规;
所述评估报告生成子模块用于根据评估结果生成所述待分析的LDAR项目的评估报告。
可选的,所述待分析的LDAR项目的项目建立相关数据,包括:受控范围、基础数据;
所述受控范围包括:受控装置加工原料、助剂、中间产品和产品的组分及浓度(质量),设备、管线接触物料的组分及浓度(质量);
所述基础数据包括:群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态。
可选的,所述待分析的LDAR项目的与检测及修复相关数据,包括:检测相关数据、修复相关数据;
所述与检测相关数据包括:仪器校准、背景检测、检测距离、检测速度、检测数据、检测频次、仪器漂移核查;
所述修复相关数据包括:泄漏密封点的首次维修时间及修复时间、复测数据和延迟修复泄漏密封点原因。
可选的,所述待分析的运行及管理相关数据,包括:运行相关数据、管理相关数据;
所述运行相关数据包括:群组数据上传和\或变更、密封点数据上传和\或变更、检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识和排放量计算、维修任务分配、修复记录上传;
所述管理相关数据包括:***LDAR法规、***排放量计算方法、排污许可阈值。
在本发明的第二方面,还提供一种基于大数据挖掘分析的LDAR评估方法,所述方法包括:
所述数据采集步骤用于根据所述用户操作,通过接口从待分析的LDAR项目的历史原始数据中采集相关数据,并存储到数据存储层;
所述现场检查检测步骤用于根据所述用户操作,对现场抽取的装置、群组和密封点开展检查和\或检测,并将产生的相关实时原始数据通过接口存储到所述的数据存储层;
所述数据分析步骤用于根据所述用户操作,获取所述LDAR的原始数据之间的关联,并形成决策知识;
所述项目审核步骤用于根据所述用户操作,建立LDAR的审核项目,审核所述LDAR项目的合规情况,并输出评估报告。
可选的,所述数据采集步骤包括以下子步骤:项目建立数据采集子步骤、检测与修复数据采集子步骤、运行与管理数据采集子步骤;
所述项目建立数据采集子步骤用于从所述待分析的LDAR项目的历史原始数据中采集项目建立相关数据,并存储到所述的数据存储层;
所述检测与修复数据采集子步骤用于从所述待分析的LDAR项目的历史原始数据中采集检测与修复相关数据,并存储到所述的数据存储层;
所述运行与管理数据采集子步骤用于从所述待分析的LDAR项目的历史原始数据中采集运行与管理相关数据,并存储到所述的数据存储层。
可选的,所述现场检查检测步骤包括以下子步骤:现场抽样子步骤、项目建立现场检查子步骤、检测与修复现场检查子步骤、检测与修复现场检测子步骤和运行与管理现场检查子步骤;
所述现场抽样子步骤用于从所述的待分析的LDAR项目中抽取装置、群组和密封点,构成装置样本、群组样本和密封点样本;
所述项目建立现场检查子步骤用于现场检查所述装置样本、群组样本和密封点样本的项目建立的相关数据是否现场实际情况一致,包括:受控装置加工原料、助剂、中间产品和产品的组分及浓度(质量),设备、管线接触物料的组分及浓度(质量)、群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态;
所述检测与修复现场检查子步骤用于现场检查所述密封点样本的检测与修复的相关操作是否合规;包括仪器校准、背景检测、检测距离、检测速度、检测读数、仪器漂移核查、泄漏密封点标识、延迟修复泄漏密封点标识和延迟修复理由;
所述检测与修复现场检测子步骤用于现场检测所述密封点样本;所述检测与修复现场检测子步骤用包括但不限于采用基于氢火焰离子和/或气体光学成像气体泄漏检测仪器对所述抽取的密封点检测。
所述运行与管理现场检查子步骤用于现场检查对所述密封点样本开展LDAR的实际运行情况的合规性,包括检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识和排放量计算。
基于数据存储层中的LDAR原始数据,开展项目分析。
响应于用户操作,对所述数据存储层的数据进行分析应用,所述分析应用包括数据分析和项目审核;
所述数据分析用于根据所述用户操作,以获取所述LDAR的原始数据之间的关联,并形成决策知识;
所述项目审核用于根据所述用户操作,建立LDAR的审核项目,并审核所述审核项目的合规情况,并输出评估报告。
可选的,所述数据分析包括以下子步骤:LDAR数据提取子步骤、LDAR数据预处理子步骤、LDAR数据挖掘分析子步骤和LDAR决策知识应用子步骤;
所述LDAR数据提取子步骤用于从所述数据存储层提取待分析的原始数据;
所述LDAR数据预处理子步骤用于对所述待分析的原始数据进行数据清洗,得到清洗后数据;
所述LDAR数据挖掘分析子步骤用于根据所述清洗后数据和用户配置的数据分析算法,形成决策知识;以及
所述LDAR决策知识应用子步骤用于根据所述决策知识,形成若干措施和建议。
可选的,所述项目审核包括:LDAR项目建立情况审核子步骤、检测与维修情况审核子步骤、LDAR运行与管理情况审核子步骤以及评估报告生成子步骤;
所述LDAR项目建立情况审核子步骤用于检查待分析的LDAR项目的项目建立相关数据是否合规;
所述检测与维修情况审核子步骤用于检查所述待分析的LDAR项目的检测及修复相关数据是否合规;
所述LDAR运行与管理情况审核子步骤用于检查所述待分析的LDAR项目的运行及管理相关数据是否合规;
所述评估报告生成子步骤用于根据检查结果生成所述待分析的LDAR项目的评估报告。
可选的,所述待分析的LDAR项目的项目建立相关数据,包括:受控范围、基础数据;
所述受控范围包括:受控装置加工原料、助剂、中间产品和产品的组分及浓度(质量),设备、管线接触物料的组分及浓度(质量);
所述基础数据包括:群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态。
可选的,所述待分析的LDAR项目的检测及修复相关数据,包括:检测相关数据、修复相关数据;
所述与检测相关数据包括:仪器校准、背景检测、检测速度、检测数据、检测频次、仪器漂移核查;
所述修复相关数据包括:泄漏密封点的首次维修时间及修复时间、复测数据和延迟修复泄漏密封点原因。
可选的,所述待分析的运行及管理相关数据,包括:运行相关数据、管理相关数据;
所述运行相关数据包括:群组数据上传和\或变更、密封点数据上传和\或变更、检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识、排放量计算、维修任务分配、修复记录上传;
所述管理相关数据包括:***LDAR法规、***排放量计算方法、排污许可阈值。
可选的,所述待分析的LDAR项目的评估报告,包括:评估概述、企业概述、待分析的LDAR项目概述、评估方法与过程、评估结论;
所述评估概述包括:评估依据、评估范围、评估程序;
所述企业概述包括:主要生产工艺、产能和\或加工能力、地理位置;
所述待分析的LDAR项目概述包括:受控装置数量及运行状况、密封点数量、不可达点数量,待分析的LDAR项目起始时间,运行方式;
所述评估方法与过程包括:评估起始和完成日期、现场抽样方式及结果、现场检查检测使用的检测仪器及操作过程、数据分析挖掘方法;
所述评估结论包括:项目建立情况合规性、检测与修复情况合规性、运行与管理情况合规性和项目提升建议。
在本发明的第三方面,还提供一种服务器,所述服务器上加载有前述的基于大数据挖掘分析的LDAR评估***。
在本发明的第四方面,还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,当其在计算机上运行时,使得计算机执行前述的基于大数据挖掘分析的LDAR评估方法。
本发明上述技术方案提出了一种基于大数据挖掘分析的LDAR评估***及方法,实现了装置LDAR运行效果的快速评估,有利于制定和实施设备泄漏管控的优化措施,减少VOCs的无组织排放,提高LDAR的社会效益和经济效益。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是本发明一种实施方式提供的基于大数据挖掘分析的LDAR评估***的结构图;
图2是本发明一种可选实施方式提供的数据采集模块的结构图及数据采集流程图;
图3是本发明一种可选实施方式提供的现场检查检测模块的结构图;
图4是本发明一种可选实施方式提供的数据分析模块的结构图;
图5是本发明一种可选实施方式提供的项目审核模块的结构图;
图6是本发明一种实施方式提供的基于大数据挖掘分析的LDAR评估方法的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
在本发明实施方式中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
图1是本发明一种实施方式提供的基于大数据挖掘分析的LDAR评估***的结构图。如图1所示,本发明实施方式提供一种基于大数据挖掘分析的LDAR评估***,所述***包括:
数据接入层,用于提供待分析的LDAR项目的历史原始数据和实时原始数据,所述数据接入层包括数据采集模块、现场检查检测模块和接口模块;
数据存储层,用于LDAR的原始数据的存储;
数据应用层,用于提供对所述数据存储层的数据分析应用,所述数据应用层包括数据分析模块和项目审核模块;
所述数据采集模块用于响应用户数据采集操作,从所述待分析的LDAR项目的历史原始数据中提取数据,存储到所述的数据存储层;
所述现场检查检测模块用于响应用户现场检查检测操作,现场检查检测抽取的装置、群组和密封点,并将产生的所述实时原始数据存储到所述的数据存储层;
所述接口模块用于响应用户数据的读取和存储操作,将所述数据采集模块与待分析的LDAR项目的历史原始数据和所述数据存储层分别连接;同时将所述现场检查检测模块与数据存储层连接,完成原始数据传输;
所述数据分析模块用于响应于用户的数据分析操作,以获取所述LDAR的原始数据之间的关联,并形成决策知识;
所述项目审核模块用于建立LDAR的审核项目,并审核所述审核项目的合规情况,并输出评估报告。
如此,数据接入层通过接口模块将待分析的LDAR历史原始数据和现场抽查抽测受控密封点的实时数据传送到数据存储层。通过数据存储层存储待分析LDAR项目的原始数据,数据应用层提供对外的数据分析应用的功能,使整个大数据LDAR评估***的结构明晰,简化了模块之间的数据互交。数据存储层对数据的统一管理,降低了对LDAR数据的维护成本;业务层模块的自由配置,丰富了该***的功能。本发明提供的此实施方式实现了装置LDAR运行效果的快速评估,有利于制定和实施设备泄漏管控的优化措施,减少VOCs的无组织排放。
具体的,数据接入层,用于采集LDAR项目的历史原始数据和现场抽查抽测受控密封点的实时原始数据;其中历史原始数据是指待分析的LDAR项目在评估之前的待评估时间段的运行数据。实时原始数据是指评估过程中,评估人员抽取一些装置、群组和密封点,现场检查、检测所述装置、群组和密封点的操作及产生的相关数据。通过接口,连接LDAR历史原始数据,历史原始数据传输至数据存储层;进一步。连接检测仪器,将实时原始数据传输至数据存储层。
数据存储层,用于LDAR的原始数据的存储;原始数据主要是指LDAR运行积累海量的历史原始数据和抽测的实时原始数据,比如密封点编码、密封点类型、物料形态、检测数据、背景记录、质控记录和修复记录等,因此可以利用软件***将数据收集,并且将其保存在数据库中,以便更加安全保护LDAR评估***的运行数据完整性。
数据应用层,用于提供对所述数据存储层的数据分析应用,所述应用层包括数据分析模块和项目审核模块;所述数据分析模块用于响应于用户的数据分析操作,以获取所述LDAR的原始数据之间的关联,并形成决策知识;所述项目审核模块用于建立LDAR的审核项目,审核所述审核项目的合规性,并输出评估报告。数据分析和项目审核是本实施例提供的两大功能。数据分析能够通过数据挖掘得出装置设备泄漏的总体状况和特征,以便可以快速评估装置VOCs排放现状,确定设备泄漏管控的提升方向。项目审核在一定程度上减少了人工评估成本,提高了现有LDAR管理体系的评估准确性。
以下分别对数据接入层的数据采集模块、现场检查检测模块和数据应用层的数据分析模块、项目审核模块进行分别描述。
图2是本发明一种可选实施方式提供的数据采集模块的结构图及数据采集流程图,如图2所示,所述数据采集模块包括:项目建立数据采集子模块、检测与修复数据采集子模块、运行与管理数据采集子模块;
所述项目建立数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集项目建立相关数据,所述检测与修复数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集检测与修复相关数据,所述运行与管理数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集运行与管理相关数据。数据采集模块通过历史原始数据传输接口子模块与待分析的LDAR项目运行平台连接,通过所述LDAR项目运行平台可以访问存有企业LDAR运行记录的数据库,并将所采集的数据存储到所述的数据存储层。具体如下:
(1)项目建立数据采集子模块。项目建立数据采集子模块用于通过接口从LDAR项目运行平台及数据库,提取受控装置加工原料、助剂、中间产品和产品的组分及浓度(质量),设备、管线接触物料的组分及浓度(质量)、群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态等数据;
(2)检测与修复数据采集子模块。检测与修复数据采集子模块用于通过接口从LDAR项目运行平台及数据库,提取待评估时间段的仪器校准、背景检测、检测数据、仪器漂移核查、泄漏密封点的首次维修时间及修复时间、复测数据和延迟修复泄漏密封点原因等数据;
(3)运行与管理数据采集子模块。运行与管理数据采集子模块用于通过接口从LDAR项目运行平台及数据库,提取待评估时间段的所述运行与管理相关数据,包括:群组数据上传和\或变更、密封点数据上传和\或变更、检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识和排放量计算、维修任务分配、修复记录上传、***LDAR法规、***排放量计算方法、排污许可阈值等。
图3是本发明一种可选实施方式提供的现场检查检测模块的结构图,如图3所示,所述现场检查检测模块包括:现场抽样子模块、项目建立现场检查子模块、检测与修复现场检查子模块、检测与修复现场检测子模块和运行与管理现场检查子模块;
所述现场抽样子模块用于从所述的待分析的LDAR项目中抽取装置、群组和密封点,构成装置样本、群组样本和密封点样本;所述项目建立现场检查子模块用于现场检查所述装置样本、群组样本和密封点样本的项目建立的相关数据与现场实际情况的一致性;所述检测与修复现场检查子模块用于现场检查所述密封点样本的检测与修复相关操作的合规性;所述检测与修复现场检测子模块用于现场检测所述密封点样本;所述运行与管理现场检查子模块用于现场检查对所述密封点样本开展LDAR的实际运行情况;具体如下:
(1)现场抽样子模块。所述现场抽样子模块用于从LDAR项目运行平台或\和PFD或\和P&ID或\和装置现场随机抽取装置、群组和密封点。可采取简单随机抽样或\和***抽样或\和分层随机抽样等方式对密封点总体抽样。所述分层随机抽样可以基于装置或\和密封点类型或\和物料形态分层,也可以采用装置、密封点类型、物料形态以“与(用*表示)”、“或(用+表示)”方式组合分层,例如,常减压装置的气体阀门和轻液阀门,可以表示为:常减压装置*(气体+轻液)*阀门;常减压装置的气体法兰和气体连接件,可以表示为:常减压装置*气体*(法兰+连接件);构成装置样本、群组样本和密封点样本;
(2)项目建立现场检查子模块。所述项目建立现场检查子模块用于检查所述装置样本、群组样本和密封点样本接触的加工原料、助剂、中间产品和产品的组分及浓度,核查待分析的LDAR项目的受控范围是否合规;核对所述群组样本和所述密封点样本位置描述的准确性、编码的唯一性,所述密封点样本的类型及其物料形态与现场的一致性;
(3)检测与修复现场检查子模块。所述检测与修复现场检查子模块用于检查LDAR实施方对所述密封点样本的现场操作的合规性;包括仪器校准、背景检测、检测距离、检测速度、检测读数、仪器漂移核查;检查泄漏密封点标识、延迟修复泄漏密封点标识和延迟修复理由的合规性;
(4)检测与修复现场检测子模块。所述检测与修复现场检测子模块用于现场检测密封点样本。包括采用氢火焰离子气体泄漏检测仪器(FID)或\和气体光学成像气体泄漏检测仪器(OGI)检测所述抽取的密封点。按照标准要求记录检测数据或\和视频,为与历史原始数据比对提供实时原始数据;
(5)运行与管理现场检查子模块。所述运行与管理现场检查子模块用于检查对所述密封点样本开展LDAR项目过程中,LDAR项目运行平台的实际运行情况;包括检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识和排放量计算;
图4是本发明一种可选实施方式提供的数据分析模块的结构图,如图4所示,所述数据分析模块包括:LDAR数据提取子模块、LDAR数据预处理子模块、LDAR数据挖掘分析子模块和LDAR决策知识应用子模块;
所述LDAR数据提取子模块用于从所述数据存储层提取待分析的原始数据;所述LDAR数据预处理子模块用于对所述待分析的原始数据进行数据清洗,得到清洗后数据;所述LDAR数据挖掘分析子模块用于根据所述清洗后数据和用户配置的数据分析算法,形成决策知识;以及所述LDAR决策知识应用子模块用于根据所述决策知识,形成若干措施和建议。具体如下:
(1)LDAR历史原始数据和LDAR实时原始数据。LDAR历史原始数据主要是指待评估时间段LDAR运行积累海量的信息,包括但不限于:
a)项目建立相关数据。受控装置加工原料、助剂、中间产品和产品的组分及浓度(质量),设备、管线接触物料的组分及浓度(质量)、群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态;
b)检测与修复相关数据。仪器校准、背景检测、检测速度、检测数据、检测频次、仪器漂移核查、泄漏密封点的首次维修时间及修复时间、复测数据、延迟修复泄漏密封点原因;
c)运行与管理相关数据。群组数据上传和\或变更、密封点数据上传和\或变更、检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、维修任务分配、修复记录上传、***LDAR法规、***排放量计算方法、排污许可阈值;
LDAR实时原始数据主要是指在评估LDAR项目期间,对所述装置样本、群组样本和密封点样本开展现场检查检测产生的数据。包括但不限于:
a)项目建立相关数据。受控装置加工原料、助剂、中间产品和产品的组分及浓度(质量),设备、管线接触物料的组分及浓度(质量)、群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别、物料形态;
b)检测与修复相关数据。仪器校准、背景检测、检测距离、检测速度、检测读数、仪器漂移核查、泄漏密封点标识、延迟修复泄漏密封点标识和延迟修复理由;
c)运行与管理相关数据。检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理和***排放量计算;
(2)LDAR数据预处理。LDAR原始数据存在很多的噪声信息,如净检测值<0μmol/mol或\和物料状态与国家标准或生态环境部规范不一致或\和密封类型与国家标准或生态环境部文件不一致等。采用数据清洗和整理等方法,进一步提高数据的质量,数据预处理可以将不同装置、单元或设备的LDAR运行产生的数据进行一致化操作,可以约简数据中的稀疏属性,这些属性对评估贡献较低或无贡献或产生干扰,提升LDAR数据挖掘的精准性;
(3)LDAR数据挖掘分析。导入的数据经过预处理之后,可以利用数据挖掘技术对数据进行挖掘和分析,本发明实施例采用K均值算法、支持向量机、BP神经网络、遗传算法等数据挖掘技术,分析物料形态、密封形式、检测数据、泄漏频次、维修效果关联关系,获取数据集中隐藏的模式,形成决策知识;
(4)LDAR决策知识应用。决策知识可以预测密封点泄漏风险及发展趋势。设定风险阈值,如果密封点泄漏风险超过阈值,将导出检测评估的预警指示和处置建议。同时指导企业开展基于泄漏风险的检测,缩短泄漏持续时间,大幅降低VOCs的无组织排放;另外,也可以发现某些设备或密封与工艺、环境的适应性水平,形成设备及其密封与工艺、环境迭代优化模式,提高设备长周期运行的可靠性。
图5是本发明一种可选实施方式提供的项目审核模块的结构图,如图5所示,所述项目审核模块包括:项目建立情况子模块、检测与修复情况子模块、运行与管理情况子模块以及评估报告生成子模块;
所述项目建立情况子模块用于检查待分析的LDAR项目的项目建立相关数据是否合规;所述检测与修复情况子模块用于检查所述待分析的LDAR项目检测与修复的相关数据是否合规;所述运行与管理情况子模块用于检查所述待分析的LDAR项目的运行与管理相关数据是否合规;所述评估报告生成子模块用于根据评估结果生成所述待分析的LDAR项目的评估报告。具体如下:
(1)项目建立情况子模块
所述项目建立情况子模块用于检查待分析的LDAR项目的项目建立相关数据是否合规,具体如下:
a)实施范围完整性。分析装置操作工艺手册、工艺原则流程图(PFD),分析装置的加工原料、助剂、中间产品和产品等物料的组分及浓度(质量),依据所述物料的VOCs组分质量浓度,与相关标准或\和规范设定的阈值比较,确定应纳入LDAR的受控装置;进一步,从所述受控装置,采用简单随机抽样或\和***抽样或\和分层随机抽样等方式抽取管道仪表图(P&ID),分析设备、管线接触物料的组分及浓度(质量),与相关标准或\和规范设定的阈值比较,确定应纳入LDAR的受控设备、管线;采用简单随机抽样或\和***抽样或\和分层随机抽样等方式从所述设备、管线的密封点抽取密封点样本,分析所述密封点样本接触物料的组分及浓度(质量),确定应纳入LDAR受控密封点。评估所述LDAR实施范围的误判情况,并计算密封点受控误判率。
其中:δi-i类密封点受控误判率;nio-项目建立过程中,遗漏的i类受控密封点数量;nis-项目建立过程中,误纳入受控范围的i类非受控密封点数量;Ni-i类受控密封点总数。
b)群组、密封点基础数据描述规范性。采用资料分析与装置现场勘察相结合的方式,评估群组、密封点描述是否规范,包括但不限于:群组编码、密封点编码的唯一性;物料形态标准化(气体、轻液或挥发性有机液体、重液);密封点类别标准化(泵、压缩机、搅拌器、阀门、泄压设备、取样连接***、开口阀或开口管线、法兰、连接件、其它);群组和密封点位置描述(包括照片、P&ID多种建档模式)准确性;密封点可达点性。
(2)检测与修复情况子模块
所述检测与修复情况子模块用于检查所述待分析的LDAR项目检测与修复的相关数据是否合规,所述LDAR项目检测与修复的相关数据,包括:检测相关数据、修复相关数据;具体如下:
a)检测相关数据合规性
评估以下数据的合规性:检测仪器的校准(包括标准气体类型、浓度、扩展相对不确定度、有效期、仪器型号及编号、示值误差、校准时间、校准人员),背景检测(包括检测时间、检测浓度、检测位置、检测用仪器型号及编号、检测人员),检测距离(所述检测与修复现场检测子模块中,基于氢火焰离子检测仪器的采样口与被测密封点之间距离),检测速度(相邻两次密封点检测读数的时间差或\和所述检测与修复现场检测子模块的基于氢火焰离子气体泄漏检测仪器的采样口在被测密封点表面移动检测速度),检测数据(包括密封点编码、检测时间、检测浓度、检测用仪器型号及编号、检测人员),检测频次(同一密封点相邻两次检测的时间差),仪器漂移核查(包括标准气体类型、浓度、扩展相对不确定度、有效期、仪器型号及编号、仪器漂移误差、核查时间、核查人员)。
b)修复相关数据合规性
评估以下数据的合规性:泄漏密封点的首次维修时间及修复时间,复测数据(包括密封点编码、复测时间、复测浓度、复测用仪器型号及编号、复测人员),泄漏密封点延迟修复原因。
(3)LDAR运行与管理子模块
所述运行与管理情况子模块用于检查所述待分析的LDAR项目的运行与管理相关数据是否合规。分别描述如下:
a)运行相关数据的合规性
分析群组数据上传和\或变更、密封点数据上传和\或变更、检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识和排放量计算、维修任务分配、修复记录上传等流程的可行性和合规性。
b)管理相关数据的适用性
通过企业LDAR项目运行平台调取管理相关数据,分析***LDAR法规、***排放量计算方法、排污许可阈值的适用性。
(4)评估报告生成子模块
所述评估报告生成子模块用于形成待分析的LDAR项目的评估报告,包括:评估概述、企业概述、待分析的LDAR项目概述、评估方法与过程、评估结论;
所述评估概述包括:评估依据、评估范围、评估程序;所述企业概述包括:主要生产工艺、产能和\或加工能力、地理位置;所述待分析的LDAR项目概述包括:受控装置数量及运行状况、密封点数量、不可达点数量,待分析的LDAR项目起始时间,运行方式;所述评估方法与过程包括:评估起始和完成日期、现场抽样方式及结果、现场检查检测使用的检测仪器及操作过程、数据分析挖掘方法;所述评估结论包括:项目建立情况合规性、检测与修复情况合规性、运行与管理情况合规性和项目提升建议。
图6是本发明一种实施方式提供的基于大数据挖掘分析的LDAR评估方法的流程图,如图6所示:在本发明提供的一种实施方式中,还提供了一种基于大数据挖掘分析的LDAR评估方法,所述方法包括:
将LDAR原始数据(包括历史原始数据和实时原始数据)存储至数据存储层;
响应于用户操作,对所述数据存储层的数据进行分析应用,所述分析应用包括数据分析和项目审核;
所述数据分析用于根据所述用户操作,以获取所述LDAR的原始数据之间的关联,并形成决策知识;
所述项目审核用于根据所述用户操作,建立LDAR的审核项目,并审核所述审核项目的合规情况,并输出评估报告。
在一种可选实施方式中,所述数据分析包括以下子步骤:LDAR数据提取子步骤、LDAR数据预处理子步骤、LDAR数据挖掘分析子步骤和LDAR决策知识应用子步骤;
所述LDAR数据提取子步骤用于从所述数据存储层提取待分析的原始数据;
所述LDAR数据预处理子步骤用于对所述待分析的原始数据进行数据清洗,得到清洗后数据;
所述LDAR数据挖掘分析子步骤用于根据所述清洗后数据和用户配置的数据分析算法,形成决策知识;以及
所述LDAR决策知识应用子步骤用于根据所述决策知识,形成若干措施和建议。
在一种可选实施方式中,所述项目审核包括:LDAR项目建立情况审核子步骤、检测与维修情况审核子步骤、LDAR运行与管理情况审核子步骤以及评估报告生成子步骤;
所述LDAR项目建立情况审核子步骤用于检查待分析的LDAR项目的项目建立相关数据是否合规;
所述检测与维修情况审核子步骤用于检查所述待分析的LDAR项目的检测及修复相关数据是否合规;
所述LDAR运行与管理情况审核子步骤用于检查所述待分析的LDAR项目的运行及管理相关数据是否合规;
所述评估报告生成子步骤用于根据检查结果生成所述待分析的LDAR项目的评估报告。
在一种可选实施方式中,所述LDAR项目建立情况审核子步骤的所述相关数据,包括:受控范围、基础数据;
所述受控范围包括:受控装置加工原料、助剂、中间产品和产品的组分及浓度(质量),设备、管线接触物料的组分及浓度(质量);
所述基础数据包括:群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态;
在一种可选实施方式中,所述检测与维修情况审核子步骤的所述相关数据,包括:检测相关数据、修复相关数据;
所述检测相关数据包括:仪器校准、背景检测、检测距离、检测速度、检测数据、检测频次、仪器漂移核查;
所述修复相关数据包括:泄漏密封点的首次维修时间及修复时间、复测数据和延迟修复泄漏密封点原因。
在一种可选实施方式中,LDAR运行与管理情况审核子步骤的所述相关数据,包括:运行相关数据、管理相关数据;
所述运行相关数据包括:群组数据上传和\或变更、密封点数据上传和\或变更、检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、维修任务分配、修复记录上传;
所述管理相关数据包括:***LDAR法规、***排放量计算方法、排污许可阈值;
在一种可选实施方式中,评估报告生成子步骤的所述相关内容,包括:估概述、企业概述、待分析的LDAR项目概述、评估方法与过程、评估结论;
所述评估概述包括:评估依据、评估范围、评估程序;
所述企业概述包括:主要生产工艺、产能和\或加工能力、地理位置;
所述待分析的LDAR项目概述包括:受控装置数量及运行状况、密封点数量、不可达点数量,待分析的LDAR项目起始时间,运行方式;
所述评估方法与过程包括:评估起始和完成日期、现场抽样方式及结果、现场检查检测使用的检测仪器及操作过程、数据分析挖掘方法;
所述评估结论包括:项目建立情况合规性、检测与修复情况合规性、运行与管理情况合规性和项目提升建议。
此处实施方式提供的方法与前述的***的技术细节相参照,此处不再重复。
在本发明的一种实施方式中,还提供一种服务器,所述服务器上加载有如前述的基于大数据挖掘分析的LDAR评估***。该服务器包括处理单元和存储***,所述处理单元优选为服务器组或服务器组集群,主要考虑大数据量下的负荷分担以及业务响应需求。其通过网络访问提供业务响应。存储***的包括存储LDAR数据的物理介质以及介质驱动程序,目前常用的物理介质为磁盘阵列。
在本发明的一种实施方式中,还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,当其在计算机上运行时,使得计算机执行前述的基于大数据挖掘分析的LDAR评估方法。
如此,本发明的实施方式增加了LDAR大数据挖掘,可以发现海量设备密封的退化和泄漏发展趋势,同时能够为企业下一步优化设备选型、安装、运维提供积极参考。
以上结合附图详细描述了本发明的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (23)
1.一种基于大数据挖掘分析的LDAR评估***,其特征在于,所述***包括:
数据接入层,用于提供待分析的LDAR项目的原始数据;所述原始数据包括历史原始数据和实时原始数据;
数据存储层,用于所述待分析的LDAR项目的原始数据的存储;
数据应用层,用于提供对所述数据存储层的数据分析应用。
2.根据权利要求1所述的***,其特征在于,所述数据接入层包括数据采集模块、现场检查检测模块和接口模块;
所述数据采集模块用于响应用户数据采集操作,从所述待分析的LDAR项目的历史原始数据中提取数据,存储到所述的数据存储层;
所述现场检查检测模块用于响应用户现场检查检测操作,现场检查检测抽取的装置、群组和密封点,并将产生的所述实时原始数据存储到所述的数据存储层;
所述接口模块用于响应用户数据的读取和存储操作,将所述数据采集模块与待分析的LDAR项目的历史原始数据和所述数据存储层分别连接;同时将所述现场检查检测模块与数据存储层连接,完成原始数据传输。
3.根据权利要求2所述的***,其特征在于,所述数据应用层包括数据分析模块和项目审核模块;
所述数据分析模块用于响应于用户的数据分析操作,以获取所述待分析的LDAR项目的原始数据之间的关联,并形成决策知识;
所述项目审核模块用于建立LDAR项目的审核,评估所述LDAR项目的合规情况,并输出评估报告。
4.根据权利要求2所述的***,其特征在于,所述数据采集模块包括:项目建立数据采集子模块、检测与修复数据采集子模块、运行与管理数据采集子模块;
所述项目建立数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集项目建立相关数据,并存储到所述数据存储层;
所述检测与修复数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集检测与修复相关数据,并存储到所述数据存储层;
所述运行与管理数据采集子模块用于从所述待分析的LDAR项目的历史原始数据中采集运行与管理相关数据,并存储到所述数据存储层。
5.根据权利要求4所述的***,其特征在于,所述现场检查检测模块包括:现场抽样子模块、项目建立现场检查子模块、检测与修复现场检查子模块、检测与修复现场检测子模块和运行与管理现场检查子模块;
所述现场抽样子模块用于从所述的待分析的LDAR项目中抽取装置、群组和密封点,构成装置样本、群组样本和密封点样本;
所述项目建立现场检查子模块用于现场检查所述装置样本、群组样本和密封点样本的项目建立的相关数据与现场实际情况的一致性;
所述检测与修复现场检查子模块用于现场检查所述密封点样本的检测与修复相关操作的合规性;
所述检测与修复现场检测子模块用于现场检测所述密封点样本;
所述运行与管理现场检查子模块用于现场检查对所述密封点样本开展LDAR的实际运行情况。
6.根据权利要求5所述的***,其特征在于,所述接口模块包括:
历史原始数据传输接口子模块,连接所述数据采集模块,所述数据采集模块通过所述历史原始数据传输接口子模块访问和读取待分析的LDAR项目的历史原始数据库,并将相关数据存储到数据存储层;
项目建立的现场检查数据传输接口子模块,连接所述项目建立现场检查子模块,所述项目建立现场检查子模块产生的相关实时数据通过所述项目建立的现场检查数据传输接口子模块存储到数据存储层;
检测与修复的现场检查数据传输接口子模块,连接所述检测与修复现场检查子模块,所述检测与修复现场检查子模块产生的相关实时数据通过所述检测与修复的现场检查数据传输接口子模块存储到数据存储层;
检测与修复的现场检测数据传输接口子模块,连接所述检测与修复现场检测子模块,所述检测与修复现场检测子模块产生的相关实时数据通过所述检测与修复的现场检测数据传输接口子模块传至数据存储层;
运行与管理的现场检查数据传输接口子模块,连接所述运行与管理现场检查子模块,所述运行与管理现场检查子模块的相关实时数据通过所述运行与管理的现场检查数据传输接口子模块传至数据存储层。
7.根据权利要求3所述的***,其特征在于,所述数据分析模块包括:LDAR数据提取子模块、LDAR数据预处理子模块、LDAR数据挖掘分析子模块和LDAR决策知识应用子模块;
所述LDAR数据提取子模块用于从所述数据存储层提取待分析的原始数据;
所述LDAR数据预处理子模块用于对所述待分析的原始数据进行数据清洗,得到清洗后数据;
所述LDAR数据挖掘分析子模块用于根据所述清洗后数据和用户配置的数据分析算法,形成决策知识;以及
所述LDAR决策知识应用子模块用于根据所述决策知识,形成若干措施和建议。
8.根据权利要求7所述的***,其特征在于,所述项目审核模块包括:项目建立情况子模块、检测与修复情况子模块、运行与管理情况子模块和评估报告生成子模块;
所述项目建立情况子模块用于检查待分析的LDAR项目的项目建立相关数据是否合规;
所述检测与修复情况子模块用于检查所述待分析的LDAR项目的检测与修复相关数据是否合规;
所述运行与管理情况子模块用于检查所述待分析的LDAR项目的运行与管理相关数据是否合规;
所述评估报告生成子模块用于根据评估结果生成所述待分析的LDAR项目的评估报告。
9.根据权利要求8所述的***,其特征在于,所述项目建立情况子模块用于检测待分析的LDAR项目的项目建立相关数据中的项目建立相关数据包括:受控范围和基础数据;
所述受控范围包括:受控装置加工原料、助剂、中间产品和产品的组分及浓度,设备、管线接触物料的组分及浓度;
所述基础数据包括:群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态。
10.根据权利要求8所述的***,其特征在于,所述检测与修复相关数据,包括:检测相关数据和修复相关数据;
所述检测相关数据包括:仪器校准、背景检测、检测距离、检测速度、检测数据、检测频次、仪器漂移核查;
所述修复相关数据包括:泄漏密封点的首次维修时间及修复时间、复测数据和延迟修复泄漏密封点原因。
11.根据权利要求8所述的***,其特征在于,所述运行与管理相关数据,包括:运行相关数据和管理相关数据;
所述运行相关数据包括:群组数据上传和\或变更、密封点数据上传和\或变更、检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识和排放量计算、维修任务分配和修复记录上传;
所述管理相关数据包括:***LDAR法规、***排放量计算方法和排污许可阈值。
12.根据权利要求8所述的***,其特征在于,所述待分析的LDAR项目的评估报告,包括:评估概述、企业概述、待分析的LDAR项目概述、评估方法与过程和评估结论;
所述评估概述包括:评估依据、评估范围、评估程序;
所述企业概述包括:主要生产工艺、产能和\或加工能力、地理位置;
所述待分析的LDAR项目概述包括:受控装置数量及运行状况、密封点数量、不可达点数量,待分析的LDAR项目起始时间,运行方式;
所述评估方法与过程包括:评估起始和完成日期、现场抽样方式及结果、现场检查检测使用的检测仪器及操作过程、数据分析挖掘方法;
所述评估结论包括:项目建立情况合规性、检测与修复情况合规性、运行与管理情况合规性和项目提升建议。
13.一种基于大数据挖掘分析的LDAR评估方法,其特征在于,所述方法包括:
数据采集步骤,用于根据用户操作,通过接口从待分析的LDAR项目历史原始数据中采集相关数据,并存储到数据存储层;
现场检查检测步骤,用于根据用户操作,对现场抽取的装置、群组和密封点开展检查和\或检测,并将产生的相关实时原始数据通过接口存储到所述的数据存储层;
数据分析步骤,用于根据用户操作,获取所述LDAR的原始数据之间的关联,并形成决策知识;
项目审核步骤,用于根据用户操作,建立LDAR的审核项目,审核所述LDAR项目的合规情况,并输出评估报告。
14.根据权利要求13所述的方法,其特征在于,所述数据采集步骤包括以下子步骤:
项目建立数据采集子步骤,用于从所述待分析的LDAR项目的历史原始数据中采集项目建立相关数据,并存储到所述的数据存储层;
检测与修复数据采集子步骤,用于从所述待分析的LDAR项目的历史原始数据中采集检测与修复相关数据,并存储到所述的数据存储层;
运行与管理数据采集子步骤,用于从所述待分析的LDAR项目的历史原始数据中采集运行与管理相关数据,并存储到所述的数据存储层。
15.根据权利要求13所述的方法,其特征在于,所述现场检查检测步骤包括以下子步骤:
现场抽样子步骤,用于从所述的待分析的LDAR项目中抽取装置、群组和密封点,构成装置样本、群组样本和密封点样本;
项目建立现场检查子步骤,用于现场检查所述装置样本、群组样本和密封点样本的项目建立的相关数据是否现场实际情况一致;
检测与修复现场检查子步骤,用于现场检查所述密封点样本的检测与修复的相关操作是否合规;
检测与修复现场检测子步骤,用于现场检测所述密封点样本;
运行与管理现场检查子步骤,用于现场检查对所述密封点样本开展LDAR的实际运行情况的合规性。
16.根据权利要求13所述的方法,其特征在于,所述数据分析步骤包括以下子步骤:
LDAR数据提取子步骤,用于从所述数据存储层提取待分析的原始数据;
LDAR数据预处理子步骤,用于对所述待分析的原始数据进行数据清洗,得到清洗后数据;
LDAR数据挖掘分析子步骤,用于根据所述清洗后数据和用户配置的数据分析算法,形成决策知识;以及
LDAR决策知识应用子步骤,用于根据所述决策知识,形成若干措施和建议。
17.根据权利要求13所述的方法,其特征在于,所述项目审核步骤包括:
LDAR项目建立情况审核子步骤,用于检查待分析的LDAR项目的项目建立相关数据是否合规;
检测与维修情况审核子步骤,用于检查所述待分析的LDAR项目的检测及修复相关数据是否合规;
LDAR运行与管理情况审核子步骤,用于检查所述待分析的LDAR项目的运行及管理相关数据是否合规;
评估报告生成子步骤,用于根据检查结果生成所述待分析的LDAR项目的评估报告。
18.根据权利要求17所述的方法,其特征在于,所述待分析的LDAR项目的项目建立相关数据,包括:受控范围和基础数据;
所述受控范围包括:受控装置加工原料、助剂、中间产品和产品的组分及浓度,设备、管线接触物料的组分及浓度;
所述基础数据包括:群组编码、群组位置信息、密封点编码、密封点位置信息、密封点类别和物料形态。
19.根据权利要求17所述的方法,其特征在于,所述待分析的LDAR项目的检测及修复相关数据,包括:检测相关数据和修复相关数据;
所述检测相关数据包括:仪器校准、背景检测、检测距离、检测速度、检测数据、检测频次、仪器漂移核查;
所述修复相关数据包括:泄漏密封点的首次维修时间及修复时间、复测数据和延迟修复泄漏密封点原因。
20.根据权利要求17所述的方法,其特征在于,所述运行及管理相关数据,包括:运行相关数据和管理相关数据;
所述运行相关数据包括:群组数据上传和\或变更、密封点数据上传和\或变更、检测任务分配、检测任务下载、检测路径管理、检测数据上传、校准管理、泄漏辨识和排放量计算、维修任务分配、修复记录上传;
所述管理相关数据包括:***LDAR法规、***排放量计算方法、排污许可阈值。
21.根据权利要求17所述的方法,其特征在于,所述待分析的LDAR项目的评估报告,包括:评估概述、企业概述、待分析的LDAR项目概述、评估方法与过程、评估结论;
所述评估概述包括:评估依据、评估范围、评估程序;
所述企业概述包括:主要生产工艺、产能和\或加工能力、地理位置;
所述待分析的LDAR项目概述包括:受控装置数量及运行状况、密封点数量、不可达点数量;待分析的LDAR项目起始时间,运行方式;
所述评估方法与过程包括:评估起始和完成日期、现场抽样方式及结果、现场检查检测使用的检测仪器及操作过程、数据分析挖掘方法;
所述评估结论包括:项目建立情况合规性、检测与修复情况合规性、运行与管理情况合规性和项目提升建议。
22.一种服务器,其特征在于,所述服务器上加载有权利要求1至12中任一项权利要求所述的基于大数据挖掘分析的LDAR评估***。
23.一种机器可读存储介质,其特征在于,该机器可读存储介质上存储有指令,当其在计算机上运行时,使得计算机执行权利要求13至21中任一项权利要求所述的基于大数据挖掘分析的LDAR评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010281591.XA CN113515506A (zh) | 2020-04-10 | 2020-04-10 | 基于大数据挖掘分析的ldar评估***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010281591.XA CN113515506A (zh) | 2020-04-10 | 2020-04-10 | 基于大数据挖掘分析的ldar评估***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113515506A true CN113515506A (zh) | 2021-10-19 |
Family
ID=78060834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010281591.XA Pending CN113515506A (zh) | 2020-04-10 | 2020-04-10 | 基于大数据挖掘分析的ldar评估***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113515506A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975720A (zh) * | 2006-12-27 | 2007-06-06 | 章毅 | 一种基于Web的数据挖掘***及其控制方法 |
CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化***有限公司 | 基于热电***负荷在线预测的调度方法与*** |
CN104050520A (zh) * | 2013-03-13 | 2014-09-17 | 上海汉洁环境工程有限公司 | 一种挥发性有机物排放控制数据管理***和监控平台 |
CN104820907A (zh) * | 2015-05-22 | 2015-08-05 | 中国石油化工股份有限公司 | 基于数据挖掘的作业现场安全检查提升方法及*** |
CN106644284A (zh) * | 2016-12-16 | 2017-05-10 | 北京伟瑞迪科技有限公司 | 一种用于化工厂装置的自动泄漏监测与修复*** |
CN108984761A (zh) * | 2018-07-19 | 2018-12-11 | 南昌工程学院 | 一种基于模型和领域知识驱动的信息处理*** |
CN109146206A (zh) * | 2018-10-18 | 2019-01-04 | 国网山东省电力公司应急管理中心 | 一种基于软件定义网络的灾害预警***及方法 |
CN109376185A (zh) * | 2018-10-25 | 2019-02-22 | 广州市金禧信息技术服务有限公司 | 大数据环境下的数据挖掘***及其应用 |
-
2020
- 2020-04-10 CN CN202010281591.XA patent/CN113515506A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975720A (zh) * | 2006-12-27 | 2007-06-06 | 章毅 | 一种基于Web的数据挖掘***及其控制方法 |
CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化***有限公司 | 基于热电***负荷在线预测的调度方法与*** |
CN104050520A (zh) * | 2013-03-13 | 2014-09-17 | 上海汉洁环境工程有限公司 | 一种挥发性有机物排放控制数据管理***和监控平台 |
CN104820907A (zh) * | 2015-05-22 | 2015-08-05 | 中国石油化工股份有限公司 | 基于数据挖掘的作业现场安全检查提升方法及*** |
CN106644284A (zh) * | 2016-12-16 | 2017-05-10 | 北京伟瑞迪科技有限公司 | 一种用于化工厂装置的自动泄漏监测与修复*** |
CN108984761A (zh) * | 2018-07-19 | 2018-12-11 | 南昌工程学院 | 一种基于模型和领域知识驱动的信息处理*** |
CN109146206A (zh) * | 2018-10-18 | 2019-01-04 | 国网山东省电力公司应急管理中心 | 一种基于软件定义网络的灾害预警***及方法 |
CN109376185A (zh) * | 2018-10-25 | 2019-02-22 | 广州市金禧信息技术服务有限公司 | 大数据环境下的数据挖掘***及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220057365A1 (en) | Method for evaluating pipe condition | |
CN113125888B (zh) | 基于故障行为的航空机电产品加速寿命试验方法 | |
US7664613B2 (en) | System and method of data harvesting | |
US20220341996A1 (en) | Method for predicting faults in power pack of complex equipment based on a hybrid prediction model | |
CN117195135B (zh) | 一种水污染异常溯源检测方法及*** | |
US20180137218A1 (en) | Systems and methods for similarity-based information augmentation | |
CN114492980B (zh) | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 | |
CN113159454A (zh) | 一种鉴定评估土壤环境损害实物量的加密优化布点方法 | |
US8483975B2 (en) | Prediction of remaining life in a heat exchanger | |
Clark et al. | How good is the software: a review of defect prediction techniques | |
Kessler et al. | Reliability evaluation of half-cell potential measurement using POD | |
CN116485263A (zh) | 河流湿地碳汇监测评估方法 | |
Nagappan et al. | Preliminary results on using static analysis tools for software inspection | |
Song et al. | Fiducial inference-based failure mechanism consistency analysis for accelerated life and degradation tests | |
Benstock et al. | Sample selection for extreme value analysis of inspection data collected from corroded surfaces | |
US8483993B2 (en) | Accurately accounting for sizing uncertainty in inspection | |
Khan et al. | Sensitivity of value of information to model and measurement errors | |
CN113515506A (zh) | 基于大数据挖掘分析的ldar评估***及方法 | |
Weller et al. | A calibration capture–recapture model for inferring natural gas leak population characteristics using data from Google Street View cars | |
CN115545112B (zh) | 一种大量地下水实时自动监测数据自动识别和处理的方法 | |
CN114741284B (zh) | 任务可靠性评估方法、装置、计算机设备和存储介质 | |
Lev-On et al. | Derivation of new emission factors for quantification of mass emissions when using optical gas imaging for detecting leaks | |
CN113569387A (zh) | 一种考虑腐蚀动力学稳定性的大气腐蚀预测方法 | |
Turhan et al. | Regularities in learning defect predictors | |
RU2406997C2 (ru) | Способы, системы и компьютерные программные продукты для выполнения диагностики структуры |
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 |