[发明专利]一种基于主成分分析的化工风险监测方法

说明书

本发明提供一种基于主成分分析的化工风险监测方法，包括离线建立分析算法模型和在线风险监测；离线建立分析算法模型通过采样化工生产过程中正常运行的多个指标数据，进行数据预处理后建立主成分分析模型(Principle Component Analysis，PCA)，在线风险监测利用建立的PCA模型分析化工生产的在线实时数据，判断生产过程中是否存在异常并及时预警。本发明解决海量数据下的化工风险预警难题，对高维数据进行综合诊断分析，有效实现化工安全生产预警。

技术领域

本发明属于化工风险监测技术领域，具体涉及一种基于主成分分析的化工风险监测方法。

背景技术

随着化工过程规模的扩大及流程的复杂化，各类化工事故发生的概率也日益增加。目前普遍采用DCS系统对化工生产过程中的各单个指标进行实时监控，通过判断是否超过阈值来对化工风险做出判断并报警预警。但是在海量数据下要实现对化工风险及故障的准确有效的诊断仍然存在很大的难度。DCS系统是分别对单个指标进行监测，数量繁多且相互之间无联系；面对大规模的化工过程，DCS系统的单个阈值报警无法实现海量数据下对化工风险及故障的准确有效的诊断和预警。

发明内容

本发明的目的是提供一种基于主成分分析的化工风险监测方法，解决海量数据下的化工风险预警难题，对高维数据进行综合诊断分析，有效实现化工安全生产预警。

本发明提供了如下的技术方案：

一种基于主成分分析的化工风险监测方法，包括离线建立分析算法模型和在线风险监测；离线建立分析算法模型通过采样化工生产过程中正常运行的多个指标数据，进行数据预处理后建立运行的多个指标模型(Principle Component Analysis，PCA)，在线风险监测利用建立的主成分分析模型分析化工生产的在线实时数据，判断生产过程中是否存在异常并及时预警。

优选的，所述离线建立分析算法模型包括以下步骤：

S11：通过多次采样得到若干传感器的样本数据，形成一个矩阵；

S12：对数据进行标准化处理；

S13：对矩阵进行特征值分解，得到不同大小的特征值以及对应的特征向量；

S14：按特征值大小进行排列，得到负载矩阵和得分矩阵，最终得到对矩阵构造的主元模型。

优选的，所述在线风险监测包括以下步骤：

S21：计算实时数据的SPE和T2统计量及控制限；

S22：比较统计量及控制限结果，根据控制限判定生产过程出现是否异常，若异常进行预警。

优选的，采样通过选取多个相互关联的传感器构建多维数据，建立主成分分析模型提取其中的综合信息进行分析。

优选的，在线风险监测部分选取与离线建模时相同的若干指标进行SPE和T2统计量及控制限的计算。

本发明的有益效果是：本发明选取多个相互关联的传感器构建多维数据，建立主成分分析模型提取其中的综合信息进行分析，相比于DCS系统对单一数据进行监测，剔除了噪声干扰，结果更加准确可靠；从海量数据中提取主要信息，在线监测发现其中异常数据，更为有效地定位到设备故障，一方面可以大幅度减少企业人员排查风险故障的时间，及时消除可能存在的事故隐患；另一方面也有助于提供实时和相对准确的风险数据，提高实现对消防人员的辅助决策能力。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明离线部分建立流程示意图；

图2是本发明在线部分分析流程示意图。