[发明专利]基于DCS系统边缘实现工况寻优的数据挖掘方法和系统

说明书

本发明提供基于DCS系统边缘实现工况寻优的数据挖掘方法和系统。本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法，通过DCS系统采集装置采集备择拟合量X的实时变量，并将输入的备择拟合量X与预警决策相关联，从而进行历史数据挖掘和故障检测决策树的构建，达到了不需借助额外的检测装置即可实现分析实时工况的潜在故障的目的；故障检测及时、检测精度高，具有良好的市场应用前景。

技术领域

本发明涉及工业系统故障检测领域，特别涉及基于DCS系统边缘实现工况寻优的数据挖掘方法和系统。

背景技术

在当前的电力、石化等大型工业企业中，伴随着环境、效率等内外诉求的提升，其生产业务系统已发展的极为复杂，且对于精密控制的要求越发严格，DCS控制系统作为大部分工业生产行业领域通用的控制核心，需要不断优化升级适应新要求。

然而，对大型工业如电力生产企业而言，整个热力循环系统涉及极多的压力、温度、料位等采集变量，由于DCS控制系统部分可变编程语言的限制，仅能在邻近时序范围内完成顺序逻辑控制，对于高维变量数据和长时序数据的分析往往是困难的。较常见的作法是划分业务子系统，对整个热力循环系统分段实时分析，这样的分析结果往往是粗糙的，前置系统的分析误差经常会带入后置系统。部分关键业务系统为了消除分析误差经常需要增加变量采集设备，以提升分析控制精确度，但不受限制的增加设备会使生产成本高企，且部分业务系统的高集成度也限制了新设备安装空间，更特殊的一些变量采集设备如实时入炉煤热值在目前还处于低精度技术水平，增加投入实际效果不明显。而对于长周期生产数据的分析多年以来还是依靠人机交互界面，由生产专家通过历史趋势图等工具根据自身经验进行识别分析判断。长期以来，大型工业企业的生产业务数据被认定为缺乏有效挖掘利用的信息孤岛、数据荒漠。

伴随着统计学数据分析与工业领域的融合，开始对工业DCS控制系统的多变量复杂控制问题提供分析帮助。但是上述分析手段需要完成DCS生产数据传输的先期建设投入，这个成本都是以百万元计的，而随着网络安全问题引发大规模停电等社会性事件，关键工业领域的生产业务系统联通外层数据库的安全设施投入成本逐年递增，在日常使用中也受限极多，近年来已基本禁止外层数据分析系统向生产业务系统的反向数据传输。因此基于生产过程数据的二次传输采集并开发专业数据分析的做法，往往是一过性的集中建设，基本上只具备分析提示功能不具备控制功能，欠缺延续性，无法实时多次开发。无法满足在受限于生产业务系统无法增加变量采集设备的情况下对工况故障检测的工业生产要求。

发明内容

为解决上述背景技术中提到的问题，本发明提供基于DCS系统边缘实现工况寻优的数据挖掘方法和系统，其中，基于DCS系统边缘实现工况寻优的数据挖掘方法，所述方法步骤具体如下：

S1、根据生产业务系统、设备的控制需求，分析欠采集工况的备择拟合量X；并通过DCS系统采集装置采集备择拟合量X的实时变量作为输入项；

S2、分析备择拟合量X在生产过程中的受控情况，确认拟合工况造成拟合量变化的各项边界条件，通过DCS系统采集装置对各项边界条件进行实时采集和/或二次处理形成确认集K；

S3、建立训练集，以每次完整的生产过程拟合工况周期变化为一个学习周期，预期备择拟合量X的收敛方向，并估计反向初始值；

S4、在DCS系统中设计迭代学习回路，使每个学习周期内的备择拟合量X经确认集K判定有效后，与初始估计值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ，K判定无效则不学习；

S5、设定DCS系统学习迭代过程的分段限幅区间；初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；

S6、在DCS系统学习回路设置中间优值寄存取回分支，以拟合工况单次学习绝对时间判定所述寄存取回分支的学习率λ阈值；

S7、根据拟合工况单次学习绝对时间设置学习率λ终止值，达到阈值终止DCS系统学习迭代，获得备择拟合量X的历史优值；