[发明专利]一种基于耦合关系的流程工业生产系统数据监测方法

说明书

本发明公开了一种基于耦合关系的流程工业生产系统数据监测方法，包括获取集散控制系统从生产现场采集的流程工业生产系统监测数据，并且对监测数据进行标准化处理；通过改进符号传递熵刻画系统内监测数据之间的耦合关系，确定耦合关系强度和耦合关系方向；耦合关系异常监测，确定耦合关系异常点对应的监测数据点；局部异常点监测，基于密度的局部异常点监测方法，获取监测数据异常点的准确位置。解决了流程工业生产系统DCS采集数据质量监测的问题，以流程工业生产系统现场监测数据为对象，以生产系统存在的固有耦合约束关系为基础，提出基于耦合关系异常监测和局部异常监测的流程工业生产系统数据监测方法，做到及时预警，更有效的避免事故风险。

技术领域

本发明属于数据质量监测技术领域；具体涉及一种基于耦合关系的流程工业生产系统数据监测方法。

背景技术

以能源化工为代表的流程工业是现代制造业中不可或缺的一部分，流程工业生产系统是一类基于系统状态信息进行生产调度控制的分布式复杂制造系统，其生产过程耦合度高且系统庞大复杂，生产对象多属于高温、高压以及易燃、易爆等危险物质，而系统的正常运行依赖于集散控制系统(DCS)根据监测数据对系统的调度控制，生产系统一旦发生数据质量问题，轻则造成调度和控制失误，引起企业减产、能耗增加等，重则引起操作人员危险动作或系统连锁动作，导致系统跳车或停车，火灾等安全事故的发生，其生产过程对安全性的要求远远高于其他领域；针对数据质量问题，企业通常的做法是加强现场巡检、增加冗余仪表、定期校验仪表等，虽有一定效果，但耗费较大的人力、物力、财力，效率低。

因此需要一种基于数据驱动的数据质量监测方法，流程工业生产系统运行过程中会积累大量的涵盖压力、温度、流量、液位、振动、转速以及开关、连锁、报警等信号的数据，然而如何利用这些数据监测DCS系统采集数据的质量，尚缺乏有效手段。传统的数据异常监测的方法有三类，即基于模型的、基于邻近度的和基于密度的方法。基于模型的分析方法建立监测数据的数学模型，然后监测数据是否符合模型来判断是否异常。基于邻近度的方法首先在数据之间定义邻近距离，异常点是远离大部分其他点的数据。基于密度的方法可以直接计算监测点的密度估计，将位于低密度区的监测点数据判定为异常数据。

但是，流程工业生产系统在正常运行中常常要进行工况调整，传统的异常监测方法在工况改变时会误认为是数据产生异常；流程工业生产系统通过管道、能量、控制变量等将整个系统连接一起，按照既定的设备连接、生产工艺要求形成系统固有的耦合约束关系；所以将耦合关系异常监测和数据异常监测结合的方法可以有效解决传统方法存在的问题。基于以上分析，本发明提出一种基于耦合关系的流程工业生产系统数据监测方法。

发明内容

本发明提供了一种基于耦合关系的流程工业生产系统数据监测方法；解决了流程工业生产系统DCS采集数据质量监测的问题，以流程工业生产系统现场监测数据为对象，以生产系统存在的固有耦合约束关系为基础，提出基于耦合关系异常监测和局部异常监测的流程工业生产系统数据监测方法，做到及时预警，更有效的避免事故风险。

本发明的技术方案是：一种基于耦合关系的流程工业生产系统数据监测方法，包括以下步骤：

步骤S1，获取集散控制系统从生产现场采集的流程工业生产系统监测数据，并且对监测数据进行标准化处理；

步骤S2，通过改进符号传递熵刻画系统内监测数据之间的耦合关系，确定耦合关系强度和耦合关系方向；具体的，基于有限穿越和有限跨越水平可视图符号传递熵算法以两个可视点之间跨过的数据点的个数作为符号化值，传递熵的计算公式为：

其中τ为延迟时间，为两个符号化序列在t时刻和t+τ时刻的联合概率，和为对应的两个条件概率分布；

步骤S3，耦合关系异常监测，确定耦合关系异常点对应的监测数据点；

步骤S4，局部异常点监测，基于密度的局部异常点监测方法，获取监测数据异常点的准确位置。