[发明专利]一种工控系统主动防危的方法

说明书

技术领域

本发明设计工业控制系统防危技术，特别是指一种基于时间序列数据的工业控制系统主动防危的方法。

背景技术

从工业事故预防和控制领域来看，其防治理论和技术的研究进程明显滞后于经济、社会对工业发展的要求，在事故特性、预防和控制理论研究方面的存在着很多薄弱环节。对工业事故系统防危性进行理论上、应用的研究，注重解决事故频繁发生的深层次理论和技术问题，以达到控制工业事故危险的目的。研究和探索工业事故的演变特性、发生规律以及有效的控制技术成为我国工业必须重视并尽快解决的重大安全课题。

基于数据预测的主动防危，即通过历史数据建立数据预测模型，实现对工业控制系统采集数据的预测，从而能够对工控系统的安全风险给出精确的预测，做到对危险的预警预报，防范于未然。提高系统的防危性，如果实现对工控系统的趋势预测，从而能够对工控系统的安全给出精确的预测，是实现工控系统主动防危的重要所在。

传统的防危保障机制是被动的操作验证方式，无法提前预估系统状态评判危险。基于时序数据预测的主动防危技术对设备的状态进行随时验证，做到防忠于未然。根据工业控制系统现场的时空序列数据变化的规律建立模型，动态的、实时的进行单步乃至多步数据预测。预测精度一直是时间序列预测研究中最核心的问题，但是在实时性要求很高的工控领域中，预测效率的是同等重要的核心问题。如何在保证高预测精度的前提下，最大程度提高预测效率满足工业控制系统实时性要求，是工业控制系统主动防危的重要问题。需要设计实现满足工业控制系统的时间序列的通用、动态、实时预测算法，达到预测精度高和预测效率高的双重目标。

发明内容

有鉴于此，本发明的主要目的在于提供种基于时间序列数据的工业控制系统主动防危的方法，在保证单步、多步数据预测精度的基础上，最大化提高数据预测效率，保证满足工业控制系统实时性要求，运用技术手段使得该方法在系统鲁棒性和泛化能力上，也具有出色的表现。最终给工业控制现场提供实时可靠的预警信息。

为了达到上述目的，该方法的设计上分为以下几个步骤：

步骤一、确定滑动窗口参数，选取工业控制系统满足滑动窗口数量的实时数据，对不同数据进行加权；、根据加权实时数据作为训练样本建立LS-SVM模型；

步骤二、对新输入样本进行预处理，去除工业现场噪声影响，根据嵌入维数和延迟时间对输入样本进行相空间重构并归一化，使得输入向量满足预测要求，根据输入向量建立加权LS-SVM预测模型；

步骤三、将处理的输入向量作为预测模型输入至步骤一建立的训练模型，得到输出预测值；

步骤四、将得到的预测输出值作为反馈，运用迭代自相关技术，建立预测模型反馈实现数据的多步预测；

步骤五、将预测值与实际值进行比对，对预测结果进行精度评价和计算效率评价，判断是否进行模型

更新，需要更新则重建LS-SVM预测模型；

采用本发明的设计方法能够准确预测工业控制现场数据的变化趋势，结合系统预设的报警设置，提前发出预警信号，为现场操作人员提供有力支撑，能够有效的防止系统危险发生。

本发明有效的提高了预警时间，采用多步预测的预测手段能够有效的发现危险，自适应能力的加入能够有效避免警报的误启动，提高了预警的准确性。

本发明在建立模型前，使用向量相空间重构的方法，使输入数据更适合预测分析的多步预测，最小二乘向量机的采用有效降低了模型的复杂度，使之能够更好的运用在实时性较好工业控制系统。本发明自动定时进行模型更新，保证预测精度不会下降，并保证对预测效率的要求；

附图说明

图1所示为本发明的整体框架图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合附图举具体实施例，对本发明作进一步清楚、详细、完整的说明，所描述的实施例仅仅是本发明的一部分实施例，而非全部实施例。

传统的防危保障机制是被动的操作验证方式，无法提前预估系统状态评判危险。基于时序数据预测的主动防危技术对设备的状态进行随时验证，做到防患于未然。如何在保证高预测精度的前提下，最大程度提高预测效率满足工业控制系统实时性要求。本发明实施例提供了一种基于时间序列预测的主动防危技术，如图1所示，包括：

步骤一、确定滑动窗口参数，选取工业控制系统满足滑动窗口数量的实时数据，对不同数据进行加权；、根据加权实时数据作为训练样本建立LS-SVM模型；