[发明专利]化工过程异常工况因果关系推理模型建模与图形化展示方法

说明书

技术领域

本发明涉及一种化工过程异常工况因果关系推理模型建模与图形化展示方法。

背景技术

石化生产过程异常工况具有隐蔽性强，涉及因素多等特点，装置操作人员对生产过程异常工况的判断仅靠单点报警信息和个人操作经验，一旦发生问题，很难快速、准确地发现根原因，并采取合理的应急处置措施，从而导致危险甚至事故的发生。因此，如何对异常工况进行实时的推理分析并清晰的展示异常工况传播的路径对于发现异常工况的根原因并采取有效的防范措施具有非常重要的意义。

目前，针对异常工况进行分析诊断的技术有很多，CN201010522730.X涉及一种石化过程异常工况诊断测试系统,包括虚拟工厂、数据交换中心、仿集散控制系统、回路操作站、故障诊断软件和安全评价推理功能模块，采用过程仿真软件PSSP或HYSYS对实际生产装置进行实际工艺运行状况的全程模拟，构建虚拟工厂；通过实时数据中心采集来自PSSP或HYSYS的实时数据加以处理,并以可以识别的数据形式传输到故障诊断系统中；通过仿集散控制系统模拟实际生产装置的集散控制系统，并对虚拟工厂进行操作，能在仿集散控制系统上观察分析参数的历史趋势、参数的报警记录；通过推理引擎实时诊断工艺的异常,定位异常原因,显示异常传播途径。其他方法例如主元分析、偏最小二乘等基于数据驱动的分析技术在监测生产过程的异常工况监测预警方面应用较多，但是应用这样的方法只能判断装置是否有波动，而不能指出是何种类型的波动问题，并且图形化展示效果也比较差。而基于解析模型的方法可以通过建立研究对象的纯数学机理模型来对比分析装置是否发生了异常，但是这种方法存在两个缺陷：一个是石油化工异常工况机理非常复杂，建立准确的模型极其困难；二是包括工艺、设备、仪表等问题在内的各种异常工况的表现形式也非常多样化，而建立解析模型的时候往往需要对模型进行简化和假设处理，从而造成与真实过程不一致，导致难以发现异常工况背后真正的根原因。

本发明有针对性的解决了该问题。

发明内容

本发明所要解决的技术问题是现有技术中异常工况根原因判断不准确、图形化展示效果差的问题，提供一种新的化工过程异常工况因果关系推理模型建模与图形化展示方法。该方法具有异常工况根原因判断准确、图形化展示效果好的优点。

为解决上述问题，本发明采用的技术方案如下：一种化工过程异常工况因果关系推理模型建模与图形化展示方法，针对石化生产过程异常工况的故障模式与表现特点，采集控制系统的实时数据，在基于专家系统的基础上，建立与异常工况判断过程密切相关的专家规则模型，根据发生异常工况的根原因分析的模式，建立异常工况根原因分析的故障树逻辑推理模型，采用智能计算方法，通过对关键安全技术参数的阈值判断与特征提取，与建立的专家规则模型与故障树分析模型进行特征匹配，实现对生产工艺过程异常工况智能监测预警与根原因分析；其中，异常工况的判断建立在装置操作人员判断异常工况的实际流程上，采用CLIPS专家系统语言，并根据异常工况实际分析过程需要的逻辑关系，建立异常工况判断分析推理组态环境，以图形化的方式针对异常工况进行组态建模。

上述技术方案中，优选地，所述智能计算方法包括工艺机理与聚类分析方法。

上述技术方案中，优选地，所述异常工况进行组态建模模型中的参数有三种类型的节点：可观测节点、分析节点和虚拟节点；可观测节点从控制系统读取数据，虚拟节点应用别的可观测节点通过数学运算得出的节点，分析节点由操作人员根据定时的质量分析数据来录入。

上述技术方案中，优选地，所述组态建模环境中包含了与、或、非的逻辑节点，工厂技术人员根据此组态建模环境组建上述的异常工况专家判断规则，并且可以根据工况的变化来及时调整该判断规则，从而实现了对异常工况自动识别与专家知识的积累。