[发明专利]基于时滞皮尔逊的空分工厂氩馏分氩含量相关性分析方法

说明书

本申请涉及空气分离控制工程技术领域，特别涉及一种基于时滞皮尔逊的空分工厂氩馏分氩含量相关性分析方法，包括以下步骤：获取与氩馏分氩含量变化相关的变量组成相关变量集A1，获取氩馏分氩含量及相关变量集A1中各变量在一定时段的历史时序数据；对所述数据进行预处理，消除显著误差与随机误差；计算氩馏分氩含量、相关变量集A1中各变量的hurst指数；根据所述hurst指数对相关变量集A1进行第一次变量筛选，得到相关变量集A2；计算相关变量集A2中各变量与氩馏分氩含量之间的时滞皮尔逊关联度；根据所述时滞皮尔逊关联度对相关变量集A2进行第二次变量筛选，得到相关变量集A3；过滤所述相关变量集A3中的冗余变量，获得最终相关变量集A4。

技术领域

本申请涉及空气分离控制工程技术领域，特别涉及一种基于时滞皮尔逊的空分工厂氩馏分氩含量相关性分析方法。

背景技术

多变量的时间序列在研究同时记录的多个信号之间的关联上已经被广泛应用。为了准确分析这些信号的功能，不能只是单一的分析信号本身的特征，而是应该分析信号之间的相互依赖性。相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。

空分工厂具有规模大、工艺复杂多变、非线性、强耦合、大滞后等特点，现场操作人员常用人工经验对个别关键指标进行监测的方法难以确保在故障潜伏期就发现异常。氩气的制取采用空气分离提取，使用即将液化的空气进行精馏，得到粗氩，经进一步提纯可得到高纯氩。空分装置提取氩的原料为氩馏分，氩馏分由空分装置中的精馏塔抽取。氩馏分中包括有氧组分和氮组分，因此纯氩产品的制取分为两个步骤。首先是粗氩的提取(氩与氧分离)，而后是精氩的制取(氩与氮分离)。在这一分离过程中，氩馏分氩含量通常作为监测过程中的一个关键指标。氩馏分氩含量的多少受到氧含量、氮含量、温度、压力等环境条件的影响，关乎最终能提取出多少氩气，也是衡量生产效率的一个重要指标。因此，从实时生产调度出发，操作人员希望预先了解氩馏分氩含量的未来变化趋势，以做出相应地生产调整。因此，需要对氩馏分过程中的氩含量进行相关性分析通过调整相关变量来进行调控氩馏分氩含量。

被预测的氩馏分氩含量与生产过程中的多个过程变量相关，生产过程中要进行氩馏分氩含量的预测首先需要将与氩馏分氩含量相关性较强的特征变量从众多候选变量中挑选出来。相关变量的选择通常有基于经验知识手动选择和基于机理的建模方法。基于经验知识的方法虽然快捷，但时常会因为经验不足出现漏选或者特征冗余的情况。另外，空分工厂生产过程中存在时滞问题，所以导致了输入变量的变化通常需要一段时间后才能影响指标变量或者被预测变量。另一方面输入变量之间也存在着时滞。目前人工经验或者专家手动确定时滞时，变量选择的准确性难以保证。基于机理的建模方法，即在工艺机理分析的基础上依据物性方程建立数学模型。然而此类模型对于建模误差、参数摄动、噪声和干扰非常敏感，并不适用于多变量的空分工厂氩馏分氩含量分析过程。

发明内容

本申请采用基于数据分析的预测方式，与基于机理建模的区别在于此类方法只关注模型的输入和输出，不需要准确的数学模型。

本发明是通过以下技术措施来实现的：一种基于时滞皮尔逊的空分工厂氩馏分氩含量相关性分析方法，包括以下步骤：获取与氩馏分氩含量变化相关的变量组成相关变量集A1，获取氩馏分氩含量及相关变量集A1中各变量在一定时段的历史时序数据；对所述数据进行预处理，消除显著误差与随机误差；计算氩馏分氩含量、相关变量集A1中各变量的hurst指数；根据所述hurst指数对相关变量集A1进行第一次变量筛选，得到相关变量集A2；计算相关变量集A2中各变量与氩馏分氩含量之间的时滞皮尔逊关联度；根据所述时滞皮尔逊关联度对相关变量集A2进行第二次变量筛选，得到相关变量集A3；过滤所述相关变量集A3中的冗余变量，获得最终相关变量集A4。

作为优选，所述根据所述hurst指数对相关变量集A1进行第一次变量筛选，是指根据hurst指数删除相关变量集A1中随机游走的变量。