本發(fā)明涉及生產過程穩(wěn)態(tài)檢測領域，更具體地，涉及一種連續(xù)生產過程中運行工況穩(wěn)態(tài)判別方法。

背景技術：

目前，隨著自動化技術和監(jiān)測技術的發(fā)展，大量的設備工況和過程參數(shù)得以積累，合理運用這些數(shù)據(jù)信息，對保證安全生產、提升產品質量具有重要意義。連續(xù)生產過程內部原理和結構復雜，表現(xiàn)為物理量間存在著較強的耦合性，同時呈現(xiàn)出極強的非線性和時變性。針對連續(xù)生產過程開展研究，穩(wěn)態(tài)是最重要且最常見的假設，連續(xù)生產過程是否處于穩(wěn)態(tài)，直接關系到后續(xù)對流程所采用的建模、控制和優(yōu)化方法不同。當流程處于非穩(wěn)態(tài)時，系統(tǒng)各變量的數(shù)據(jù)特性變動劇烈，數(shù)值上與真實系統(tǒng)的輸入輸出關系存在較大偏差。只有流程處于穩(wěn)定工況下，各個參數(shù)和變量才具有較強的狀態(tài)一致性?；诖朔N情況，對連續(xù)生產過程運行性能的評價、模擬和優(yōu)化，都需要獲取連續(xù)生產過程的運行穩(wěn)態(tài)為前提。

針對穩(wěn)態(tài)檢測的研究，目前主要有基于機理分析、基于統(tǒng)計理論和基于趨勢提取三類穩(wěn)態(tài)檢測方法。機理分析法普遍在理想化假設前提下對檢測對象的特性進行分析，而實際工業(yè)過程難以滿足這一假設，而且對象依賴性較強，不具有普遍適用性?；诮y(tǒng)計理論的方法中，如CST法和MTE法均假設測量值只含隨機誤差，且誤差服從期望為0的正態(tài)分布，該假設在實際應用中難以達到，降低了方法的穩(wěn)健程度，一旦出現(xiàn)較大干擾就會導致誤判斷。基于趨勢提取的方法中，如小波分析法，檢測閾值需依靠歷史的穩(wěn)態(tài)數(shù)據(jù)計算得出，必須有可靠的穩(wěn)態(tài)歷史數(shù)據(jù)為依托；神經網絡趨勢提取法，檢測結果的精度對滑動窗取值比較敏感，檢測過程重要參數(shù)的取值缺乏有效的理論依據(jù)，致使方法的有效性和可靠性大大降低；自適應多項式濾波法，使用參數(shù)較少，濾波窗口可自適應確定，適用于處理變化劇烈的信號，具有較強的抗噪能力和較好的魯棒性，但是只能進行單變量穩(wěn)態(tài)檢測，且檢測結果易受測量數(shù)據(jù)誤差的影響。由此，在專利CN105389648A一種常減壓裝置穩(wěn)態(tài)工況的判別方法中，根據(jù)當前窗口中數(shù)據(jù)擬合方程的一次項系數(shù)和擬合偏差的標準差，判斷是否穩(wěn)態(tài)；在專利CN104977847A一種面向常減壓優(yōu)化的穩(wěn)態(tài)工況判別方法中，以相鄰一段時間內的均值和一次擬合系數(shù)作為穩(wěn)態(tài)判別準則。這兩種方法都需要分別對所有變量檢測，更適應于單變量或者變量相對較少的過程，不能很好地解決工業(yè)過程中監(jiān)測變量眾多且耦合性強的問題，同時只有所有變量穩(wěn)態(tài)才認為過程穩(wěn)態(tài)，這在工業(yè)過程測量數(shù)據(jù)波動較大時，易造成誤判。

技術實現(xiàn)要素：

為了解決由于連續(xù)生產過程監(jiān)測變量眾多且存在著較強的耦合，測量數(shù)據(jù)波動較大，同時單個或幾個變量的誤差易對檢測結果造成很大的影響，以現(xiàn)有方法對連續(xù)生產過程工業(yè)數(shù)據(jù)難以實現(xiàn)良好的運行工況穩(wěn)態(tài)檢測的問題，本發(fā)明提供了一種連續(xù)生產過程中運行工況穩(wěn)態(tài)判別方法。

本發(fā)明提供的連續(xù)生產過程中運行工況穩(wěn)態(tài)判別方法，包括：

S1.基于生產過程中運行參數(shù)，利用主成分分析法得到主成分和對應的特征值；

S2.基于所述主成分中第一主成分中連續(xù)的穩(wěn)態(tài)片段，確定多項式濾波窗口；

S3.基于每一個所述窗口，利用多項式濾波穩(wěn)態(tài)判別法對所述主成分中每個主成分進行穩(wěn)態(tài)檢測；

S4.基于所述對應的特征值，對所述每個主成分的穩(wěn)態(tài)檢測結果賦予權值，確定所述窗口穩(wěn)態(tài)檢測結果；根據(jù)所述窗口的穩(wěn)態(tài)檢測結果，獲得生產過程中運行工況穩(wěn)態(tài)判別結果。

本發(fā)明提出的連續(xù)生產過程中運行工況穩(wěn)態(tài)判別方法，將單變量的多項式濾波穩(wěn)態(tài)檢測擴展到多變量，綜合多變量信息，減少了單個或幾個變量誤差的影響，同時利用平滑處理技術和改進的穩(wěn)定判別方法，減少測量數(shù)據(jù)中誤差的影響；本發(fā)明將穩(wěn)態(tài)差別分段在同一個窗口內完成，提高了穩(wěn)態(tài)差別的精度；在加氫裂化過程的工業(yè)數(shù)據(jù)驗證中，證明了該方法具有一定的工程實用價值。

附圖說明

圖1為根據(jù)本發(fā)明的連續(xù)生產過程中運行工況穩(wěn)態(tài)判別方法的總體流程示意圖；

圖2為根據(jù)本發(fā)明一個優(yōu)選實施例中連續(xù)生產過程中運行工況穩(wěn)態(tài)判別方法的流程示意圖；

圖3為根據(jù)本發(fā)明實施例1中確定濾波窗口過程中第一主成分濾波前后標準差比值變化圖；

圖4為根據(jù)本發(fā)明實施例1中第一主成分平滑處理前后的對比圖；

圖5為根據(jù)本發(fā)明實施例1中加氫裂化流程穩(wěn)態(tài)檢測結果圖和監(jiān)測部分變量圖。

具體實施方式

下面結合附圖和實施例，對本發(fā)明的具體實施方式作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

本發(fā)明提供的連續(xù)生產過程中運行工況穩(wěn)態(tài)判別方法，如圖1所示，包括：

S1.基于生產過程中運行參數(shù)，利用主成分分析法得到主成分和對應的特征值；

S2.基于所述主成分中第一主成分中連續(xù)的穩(wěn)態(tài)片段，確定多項式濾波窗口；

S3.基于每一個所述窗口，利用多項式濾波穩(wěn)態(tài)判別法對所述主成分中每個主成分進行穩(wěn)態(tài)檢測；

S4.基于所述對應的特征值，對所述每個主成分的穩(wěn)態(tài)檢測結果賦予權值，確定所述窗口穩(wěn)態(tài)檢測結果；根據(jù)所述窗口的穩(wěn)態(tài)檢測結果，獲得最終生產過程中運行工況穩(wěn)態(tài)判別結果。

本發(fā)明利用對生產過程中運行參數(shù)原始數(shù)據(jù)建立主成分分析模型，得到主成分和對應的特征值；依據(jù)濾波前后標準差的變化，確定多項式濾波的窗口大??；在觀測窗口內更優(yōu)選對每個主成分平滑處理，再利用改進的多項式濾波穩(wěn)態(tài)判別對每個主成分進行穩(wěn)態(tài)檢測，根據(jù)主成分的特征值對每個主成分穩(wěn)態(tài)檢測結果賦予不同的權值，從而綜合確定該窗口的穩(wěn)態(tài)檢測結果；隨后根據(jù)每個窗口的穩(wěn)態(tài)檢測結果，得到最終的生產過程運行工況穩(wěn)態(tài)判別結果。本發(fā)明的方法在生產過程調整較為頻繁，監(jiān)測變量多且波動較大時，通過提取數(shù)據(jù)的綜合信息，可以有效地避免單個或幾個變量誤差對穩(wěn)態(tài)判別的影響，增強了在工業(yè)過程中的適應性。

在本發(fā)明的方法中，當使用本領域中常見的主成分分析法對運行參數(shù)數(shù)據(jù)進行分析得到主成分和對應的特征值后，可以通過人工選取第一主成分中連續(xù)的穩(wěn)態(tài)片段，根據(jù)滑動濾波前后標準比值變化，從而確定多項式濾波窗口大小，即S2的具體步驟。在本領域中，使用主成分分析法對運得參數(shù)數(shù)據(jù)進行分析得到包含原數(shù)據(jù)Pe％信息的m個主成分和對應的特征值。其中，Pe％值通常為80％-95％，該值表示：利用主成分分析法時篩選工業(yè)數(shù)據(jù)時，一般選擇包含原數(shù)據(jù)80％-95％的信息的主成分矩陣即可。

在一個優(yōu)選實施例中，S2具體為：

設有濾波窗口H_h＝2h(h＝1,2,..,n_h)，h為濾波半窗，n_h為小于或等于N_t/2的最大整數(shù)，給定閾值α_t∈(0,1)為一較小的值，初始化半窗h＝0，進行如下操作：

S21.h＝h+1，用H_h對Q_train進行滑動濾波，得濾波后的信號序列其中，表示濾波后的信號序列中第n_t個值，T為轉置符號，計算的標準差與訓練數(shù)據(jù)的標準差δ_t的比值

S22.如果h≤n_h，且v_h-1-v_h≥α_t，則返回S21；否則當前的h即為所求濾波半窗，即濾波窗口大小H_t＝2h。

在本發(fā)明中，為了減少測量數(shù)據(jù)中誤差的影響，可以使用平滑處理技術和改進的穩(wěn)定判別方法，即S3可以為：

基于每一個所述窗口，對所述主成分中每個主成分進行平滑處后，再利用多項式濾波穩(wěn)態(tài)判別法對所述主成分中每個主成分進行穩(wěn)態(tài)檢測。其中多項式濾波穩(wěn)態(tài)判別法為改進穩(wěn)態(tài)判別準則后的多項式濾波穩(wěn)態(tài)判別法，判別準則為：分別給一次項系數(shù)的絕對值和標準差設置閾值，一次項系數(shù)的絕對值和差都小于各自設置的閾值，才被認為是穩(wěn)態(tài)。

在本發(fā)明中，S3的具體步驟進一步優(yōu)選為：

S31.根據(jù)每一個所述窗口的大小，對所述主成分矩陣沿著采樣時間方向進行分割；

S32.在每一個所述窗口內，對所述主成分中每個主成分進行平滑處理，并保持所述主成分變化的趨勢不發(fā)生變化；

S33.基于所述的每個主成分，利用多項式濾波得到所述每個主成分的二次多項表達式，利用所述每個主成分的二次多項表達式的一次項系數(shù)絕對值和所述每個主成分的標準差，對所述每個主成分在所述窗口內進行穩(wěn)態(tài)檢測。

在一個優(yōu)選的實施例中，為了進一步減少誤差，S32中平滑處理包括：

假設要處理的第s個窗口的第j個的主成分

其中，q_j(H_t(s-1)+s_t)表示第j個的主成分的第H_t(s-1)+s_t個值，T為轉置符號，計算的平均值和標準差初始化迭代次數(shù)a＝0，進行如下操作：

S321.統(tǒng)計內在域的個數(shù)

S322.若a＝a+1，返回S321；否則將內小于的賦值為將內大于的賦值為

為了使數(shù)據(jù)更加精確，在本發(fā)明中更優(yōu)選使用的改進的穩(wěn)定判別方法為，即S33具體優(yōu)選為：

假設表示平滑處理后的第s個窗口的第j個主成分，記為標準差記為濾波后的信號x(i)表示為時間的函數(shù)，即：

x(i)＝k₀+k₁i+k₂i²+...,+k_ci^c (1)

其中，表示平滑處理后的第j個的主成分的第H_t(s-1)+s_t個值，T為轉置符號，表示平滑處理后的第s個窗口中第j個主成分的第h_t個值，c為模型階數(shù)；

令θ＝[k₀,k₁,..,k_c]^T為模型參數(shù)向量，r(i)＝[i¹,i,..,i^c]^T為回歸變量，式(1)簡記為：

x(i)＝θ^Tr(i) (2)

應用最小二乘法可以得到參數(shù)θ的最優(yōu)估計：

其中，

取c＝2，根據(jù)式(3)可得k₁值，k₁表示變化的快慢，根據(jù)機理分析和窗口內主成分的變化，設定合適的閾值和表示第j個主成分在第s個窗口的穩(wěn)態(tài)判定結果，若且則判斷該主成分在該窗口內為穩(wěn)態(tài)，記為1，否則不是穩(wěn)態(tài)，記為0。

在本發(fā)明的方法中，對每個主成分的穩(wěn)態(tài)檢測結果賦予權值有多種方法，較為優(yōu)選地是：

選取的m個主成分對應的特征值為λ₁,λ₂,...,λ_m，則對j個主成分的穩(wěn)態(tài)判定結果賦予權值為：

計算窗口內的穩(wěn)態(tài)判定結果加權和：

根據(jù)加權和的值來判斷該生產過程是否為穩(wěn)態(tài)。若則認為連續(xù)生產過程在該窗口內是穩(wěn)態(tài)，否則不是穩(wěn)態(tài)。其中，pe％指的含pe％原數(shù)據(jù)信息處于穩(wěn)態(tài)則認為該過程穩(wěn)態(tài)，Pe％值為主成分所包含原數(shù)據(jù)的百分比值，即所述主成分包括原數(shù)據(jù)Pe％信息，Pe％值通常為80％-95％，根據(jù)實際操作數(shù)據(jù)來確定；其中，通常pe％選50％-Pe％。

當pe％選50％時，即若則認為連續(xù)生產過程在該窗口內是穩(wěn)態(tài)，否則不是穩(wěn)態(tài)。其中，Pe％值為主成分所包含原數(shù)據(jù)的百分比值，即所述主成分包括原數(shù)據(jù)Pe％信息，Pe％值通常為80％-95％，根據(jù)實際操作數(shù)據(jù)來確定。

為了消除原始數(shù)據(jù)量綱影響，在使用主成分分析法前通常會對每個運行參數(shù)進行預處理，較常用的為：

假設連續(xù)生產過程運行參數(shù)數(shù)據(jù)為：

(j＝1,2,...,J為連續(xù)生產過程所監(jiān)測的運行參數(shù)個數(shù))，其中(n＝1,2,...,N，為第j個變量的第n個采樣值)；

對每個運行參數(shù)進行如下標準化處理，消除量綱影響：

其中

其中

將預處理后的數(shù)據(jù)X采用主成分分析處理，獲取主成分及其對應的特征值。

在本發(fā)明中，使用主成分分析技術(PCA)得到主成分及其對應的特征值，PCA實際是將研究對象的多個相關變量化為少數(shù)幾個不相關的變量的一種多元統(tǒng)計方法，并且盡可能保留原數(shù)據(jù)的信息。

假設預處理后的數(shù)據(jù)是一張樣本×定量變量的數(shù)據(jù)表X(N×J)(其中，N為數(shù)據(jù)樣本的個數(shù)，J為過程變量的個數(shù))，即每一列對應一個觀測變量，每一行對應一個樣本。矩陣X(N×J)可以分解為：

其中，p_j∈R^J為負荷向量；q_j∈R^N為得分向量，即所要提取的主成分，相應地，P＝[p₁,p₂,...,p_J]為負荷矩陣，Q＝[q₁,q₂,...,q_J]為得分矩陣，代表X在負荷方向上的投影；得分向量和負荷向量皆互相正交，且負荷向量為單位向量。則(8)式兩邊同時右乘以p_j可以轉化為：

q_j＝Xp_j或Q＝XP (9)

根據(jù)數(shù)學結論，對矩陣X的方差陣做奇異值分解，可得負荷矩陣P和特征值矩陣D。即：

S＝PDP^T (10)

其中，其對角線上的元素由大到小排列，λ_j(j＝1,2,...,J)即為特征值。

特征值和主成分的選?。簼M足的最小m值為選取特征值個數(shù)，即選取前m個特征值λ_j(j＝1,2,..,m)，則對應的負荷矩陣P_m為負荷矩陣P的前m列；利用公式(9)可以求得對應的得分矩陣Q_m＝XP_m，即降維后所選取的主成分矩陣為Q_m。

以加氫裂化的連續(xù)生產過程為例來進一步詳述本發(fā)明。

實施例1

該實施例提供的連續(xù)生產過程中運行工況的穩(wěn)態(tài)判別方法，以加氫裂化流程為對象，針對加氫裂化流程監(jiān)測參數(shù)多且耦合性較大的問題，利用PCA提取主成分，實現(xiàn)降維和去耦合的作用，利用多項式濾波對平滑處理后主成分實現(xiàn)穩(wěn)態(tài)檢測，通過主成分的特征值對單個主成分穩(wěn)態(tài)檢測結果賦予一定的權值，最后，根據(jù)加權和判斷加氫裂化流程是否處于穩(wěn)態(tài)。具體過程如下：

本例選擇的加氫裂化監(jiān)測變量有總出口原料油流量調節(jié)、加氫精制反應器1床層溫度(上)、加氫精制反應器2床層溫度(上)、加氫精制反應器3床層溫度(上)、加氫裂化反應器1床層溫度(上)、加氫裂化反應器2床層溫度(上)、航煤出裝置流量、柴油出裝置流量、尾油出裝置流量等22個主要變量。采樣間隔為5分鐘，2016年2月份的整月數(shù)據(jù)；2016年2月份是某廠240萬噸裝置剛投入使用，參數(shù)經過多次調節(jié)，數(shù)據(jù)具有多樣性。

參見圖2，圖2為本發(fā)明中提出的連續(xù)生產過程中運行工況穩(wěn)態(tài)判別方法。

步驟一：對加氫裂化流程運行參數(shù)數(shù)據(jù)預處理，假設加氫裂化流程運行參數(shù)數(shù)據(jù)為：

(j＝1,2,...,J；J＝22為加氫裂化流程所監(jiān)測的運行參數(shù)個數(shù))，其中(n＝1,2,...,N，為第j個變量的第n個采樣值)；

首先，對每個運行參數(shù)進行如下標準化處理，消除量綱影響：

其中

其中

得到預處理后的數(shù)據(jù)矩陣X。

步驟二：對預處理后的數(shù)據(jù)X采用主成分分析(PCA)處理，獲取主成分及其對應的特征值。

首先，求取數(shù)據(jù)矩陣X的方差陣對方差陣S奇異值分解，求取負荷矩陣P和特征值矩陣D。

其次，令Pe％＝95％，滿足的最小值為選取特征值個數(shù)m為5，對應的特征值如表1所示。

表1選取主成分所對應的特征值

最后，取負荷矩陣P的前5列P_m，則選取的主成分矩陣為Q_m＝XP_m。

步驟三：人工選取第一主成分中連續(xù)的穩(wěn)態(tài)片段(即訓練數(shù)據(jù))Q_train＝[q₁(1),q₁(2),...,q₁(N_t)]^T(N_t≥500)。計算訓練數(shù)據(jù)的標準差δ_t。

設有濾波窗口H_h＝2h(h＝1,2,..,n_h)，h為濾波半窗，n_h為小于等于N_t/2的最大整數(shù)，給定閾值α_t∈(0,1)為一較小的值。初始化半窗h＝0，進行如下操作：

1)h＝h+1，用H_h對Q_train進行滑動濾波，得濾波后的信號序列計算的標準差與訓練數(shù)據(jù)的標準差δ_t的比值

2)如果h≤n_t，且v_h-1-v_h≥α_t，則返回1)；否則當前的h即為所求濾波半窗，即濾波窗口大小H_t＝2h。

取閾值α_t＝5.5×10^-5，對應的滑動濾波前后標準差比值，變化趨勢圖如圖3所示，可得濾波窗口為H_t＝250。

步驟四：首先根據(jù)窗口的大小，對選取的主成分矩陣沿著采樣時間方向進行分割。在每個觀測窗口內，對選取的每個主成分進行平滑處理，即：

假設要處理的主成分表示第s個窗口的第j個主成分，計算的平均值和標準差初始化迭代次數(shù)a＝0，進行如下操作：

1)統(tǒng)計內在域的個數(shù)

2)若a＝a+1，返回1)；否則將內小于的賦值為將內大于的賦值為

平滑處理后的數(shù)據(jù)可以消除原始數(shù)據(jù)測量中的隨機誤差，并保持主成分變化的趨勢不發(fā)生變化，如圖4為第一主成分平滑處理前后對比圖。

選取的平滑處理后的主成分，計算標準差記并計算矩陣值(R^TR)^-1R^T。

其中對應的主成分的二次多項式濾波器的一次項系數(shù)絕對值和主成分的標準差閾值選擇如表2所示。

表2一次項系數(shù)絕對值和主成分的標準差閾值

利用多項式濾波，得到主成分的二次多項式濾波器，假設用表示需要利用多項式濾波進行穩(wěn)態(tài)判別的平滑處理后的主成分，則的第二項即為k₁值。表示第j個主成分在第s個窗口的穩(wěn)態(tài)判定結果，若且則判斷該主成分在該窗口內為穩(wěn)態(tài)，記為1，否則不是穩(wěn)態(tài)，記為0。

步驟五：根據(jù)主成分對應的特征值對主成分穩(wěn)態(tài)檢測結果賦予表3所示的不同權值。

表3主成分穩(wěn)態(tài)權值

計算窗口內的穩(wěn)態(tài)判定結果加權和：

取pe％＝50％，若則認為加氫裂化流程在該窗口是穩(wěn)態(tài)，否則不是穩(wěn)態(tài)。

結合所有觀測窗口的穩(wěn)態(tài)結果，從而實現(xiàn)加氫裂化流程穩(wěn)態(tài)的判別。穩(wěn)態(tài)判別結果如圖5所示。

最后，本申請的方法僅為較佳的實施方案，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。