[发明专利]用于石化装置的智能安全保障实时优化方法及系统

权利要求书

1.用于石化装置的智能安全保障实时优化方法，其特征在于，包括如下步骤：

步骤一，从石化装置中实时获取装置生产过程各类参数数据；

步骤二，收集石化装置生产过程数据和关键参数数据，离线训练建立智能监测模型，并对石化装置的关键参数进行在线实时异常监测，在石化装置工作异常期间参数数据的匹配下，若有关键参数被识别出异常，则会自动给出警告；

步骤三，根据石化装置在线运行的实时输入数据，确定石化装置在未来的预测工况状态，同时自动提前识别出各类异常类型并评估风险等级，并及时给出异常预警；

步骤四，对提示的异常工况发生的原因，进行自动推理与追溯，生成异常预判推理结果表及异常推理网络，并将推理结果表中概率值最大的参数作为导致指标异常的最大关键影响参数；

步骤五，自动实时采集石化装置异常期间的关键参数和关联操作参数，并进行数据处理整定操作，根据整定后的当前数据集，在优化调整目标和约束条件的限定下，在线实时求得石化装置异常关联操作参数的优化设定；

步骤六，将求得的石化装置异常关联操作参数的优化设定，作为被控变量的设定值，自动下载给先进控制器执行。

2.根据权利要求1所述的用于石化装置的智能安全保障实时优化方法，其特征在于，所述智能预警模块基于智能预警模型，所述智能预警模型的建立，包括如下步骤：

利用动态机理建模方法建立装置关键参数的动态预警模型，并对装置各种异常工况进行模拟仿真，生成仿真的虚拟外推样本集其中为与关键参数关联的操作参数虚拟样本，为关键参数虚拟样本；

采集装置实时历史数据作为离线基础训练样本集并与虚拟外推样本集混合为建模样本(X,Y)；

对所述建模样本经过智能标注、深度特征预学习抽取出与装置的设备、工艺各相关参数之间的耦合关联，并基于大数据模型挖掘出装置设备关键参数在各种复杂工况下的运行规律，对未来的关键参数工况进行预测，并设定预警阈值，若关键参数输出有超限的趋势则提前触发异常预警，具体如下公式所示：

其中，Y_t,X_t,Y_t-i,X_t-i,i＝1,2,3...分别为当前时刻t和过去时刻t-i关键参数和关联操作参数输入输出样本，为关键参数未来时刻预测输出，f(·)为关键参数大数据预警模型,δ_min,n,δ_max,n为预警阈值上下限。

3.根据权利要求1所述的用于石化装置的智能安全保障实时优化方法，其特征在于，所述智能推理诊断模块基于智能推理诊断模型，所述智能推理诊断模型的建立，包括如下步骤：

通过贝叶斯结构学习和贝叶斯参数学习构建贝叶斯网络，计算不同参数下石化装置发生故障的概率，得到各节点的条件概率表，概率最大的值即为根源参数。

4.根据权利要求3所述的用于石化装置的智能安全保障实时优化方法，其特征在于，所述贝叶斯参数学习采用最大后验概率的方法，包括如下步骤：

由历史数据统计直接计算获得石化装置故障现象的先验概率；

对于观测节点的先验概率，假设观测节点p符合贝塔分布Beta(p:α,β)；

其中，α和β是贝塔分布中的大于0的参数；

以最大化参数p的验前概率密度函数π(p)的熵H(Beta(p:α,β))为目标，求解最优的α和β；

根据历史样本数据学习得到各观测节点的验后概率。

5.根据权利要求1所述的用于石化装置的智能安全保障实时优化方法，其特征在于，步骤五中所述的数据处理整定操作，包括数据一致性检测、数据在线预处理及动态数据整定和参数估计。