[发明专利]一种基于相关性的报警关联变量检测方法及系统

说明书

本发明公开了一种基于相关性的报警关联变量检测方法及系统，其中，该方法通过对关联变量建立二元时间序列，结合时间序列分段法和相关系数趋势法，快速自动地从历史数据中准确地获取异常数据段，从而进行异常数据检测，为实现多变量报警系统的动态报警阈值设计提供有利的条件，从而减少干扰报警，提高现场操作人员处理报警的效率，保障了生产安全性。

技术领域

本发明属于信号处理领域，尤其涉及一种基于相关性的报警关联变量检测方法及系统。

背景技术

报警系统对保障燃煤发电机组的安全生产与高效运行发挥着至关重要的作用，由于实际工业过程中关联变量之间的相互影响，传统的单变量报警阈值设计方法可能产生大量干扰报警(漏报警和误报警)并导致“报警过多”的发生，使得现场操作人员的注意力受到影响，增大了在异常生产状况发生时做出正确处置的难度。

基于流程过程中设备或系统出现异常时变量间相关性往往较正常工况发生明显变化的大量案例事实，寻找一种基于相关性的报警关联变量的检测方法来自动筛选出处于正常状况和异常状况数据段的检测方法是十分必要的。

发明内容

为了解决上述问题，本发明的第一目的是提供了一种基于相关性的报警关联变量检测方法。该方法能够快速自动地从历史数据中准确地获取异常数据段，从而进行异常数据检测，为实现多变量报警系统的动态报警阈值设计提供有利的条件，从而减少干扰报警，提高现场操作人员处理报警的效率，保障了生产安全性。

本发明的基于相关性的报警关联变量检测方法，该方法在服务器或处理器内完成，其具体包括：

步骤1：从历史检测数据中提取预设时间长度的报警变量及与其相关联的多个相关变量的数据，选择其中一组报警变量及相关变量作为检测对象；

步骤2：判断选择的报警变量及相关变量之间的动态延迟关系，进而建立二元时间序列T并将其标准化为T’；

步骤3：在由噪音引起的最小时间间隔的约束下，对二元时间序列T’进行分段；

步骤4：求取每一个分段的相关系数及其相关性趋势；

步骤5：根据相关性趋势与实际趋势比较，获取异常数据段及其相关信息。

进一步的，在所述步骤2中，若报警变量与相关变量之间存在动态延迟关系，则将预设时间长度的报警变量或者相关变量的时间长度进行平移并保持报警变量与相关变量之间存在动态延迟关系不变；如果报警变量与相关变量之间不存在动态延迟关系，则无需平移。

本发明首先判断报警变量与相关变量之间的动态延迟关系，进而建立了准确的二元时间序列T，进而能够准确地获取异常数据段，提高了现场操作人员处理报警的效率，保障了生产安全性。

进一步地，在所述步骤3之前还包括：计算由噪音引起的最小时间间隔，其具体过程包括：

(3.1.1)获取当前预设时间长度的报警变量的每一个下拐点，并求得相邻下拐点之间的距离，进而构成数组d；

(3.1.2)对数组d进行排序并去掉重复元素，得到数组d0；求取数组d0的斜率变化最大的点及其最接近的下拐点之间的距离dm，dm为报警变量中的最小时间间隔；

(3.1.3)对相关变量重复步骤(3.1.1)和(3.1.2)，获得相关变量的最小时间间隔dh；

(3.1.4)将dm和dh中的较大值作为二元时间序列T’的最小时间间隔。

最小时间间隔用于减少噪音对分段结果的影响，在处理实际工业过程数据时，噪声的干扰会导致关键点之间的时间间隔过短，因此，在最小时间间隔的邻域区域不进行关键点搜索。

进一步地，在所述步骤3中对二元时间序列T’进行分段的过程包括：