[发明专利]一种石油炼化生产过程故障诊断和预警系统及其建立方法

说明书

技术领域

本发明涉及故障智能诊断技术领域，具体地，涉及一种石油炼化生产过程故障诊断和预警系统及其建立方法。 

背景技术

石油炼化生产属于典型的流程工业，生产装置由静设备、动设备、电气设备、仪器仪表和工艺管道构成，布局紧凑，组成一个功能完备的生产体系；厂区内生产和储运的易燃、易爆物质以及生产设备的数量较多，事故风险高，安全生产控制难度大。同时石油炼化工艺过程具有易燃易爆、腐蚀严重、毒害性大、高温高压以及生产连续性强等特点，炼化装置运行状况的好坏，将直接影响炼化工艺的连续性、稳定性和安全性，而生产的特殊性使整个装置设备也存在许多不安全因素。炼化装置一旦发生事故，将危及人民群众的生命财产安全，并造成巨大的停产损失。 

因此，建立完善的炼化装置预警体系，从大量关联的设备单元中及时发掘事故征兆，找出危险因素根源，并在事故发生之前预先警告可能的后果，给出相应的安全措施，是十分迫切的问题。 

目前，针对石油化工生产过程的故障诊断、预测，应用较好的方法包括多元统计法(PCA、FDA、PLS、ICA等)、解析模型法(参数估计法、状态估计法、等价空间法等)、基于信号处理方法(小波变换法、相关分析法、谱分析法等)、专家系统法(IPOM、AMS等)，以及更为新颖的基于基因表达式编程的过程故障知识抽取法等。另外，人工神经网络理论由于其容错、联想、记忆、自组织、自学习和处理多模式的功能，为非线性系统的故障诊断开辟了新的途径，成为故障诊断领域中的研究热点之一。用于故障诊断的神经网络有：多层感知器(Multi-Layer Perception，MLP)神经网络、径向基函数(Radial Basis Function，RBF)和自组织神经网络等，其中应用最多且较成熟的是BP网。 

在知识获取上，神经网络只需要利用领域专家解决问题的实例或范例来训练网络，与专家系统相比，既具有更多的时间效率，又能保证更高的质量。在知识表示中，神经网络采用隐式表示，自动产生的知识由网络的结构及权值表示，并将某一问题的多个知识在同 一网络中表示，通用性强，便于实现知识的自动获取和并行联想推理；在知识推理方面，网络是通过神经元之间的相互作用实现的，推理是并行的且速度快。神经网络也存在一些自身不可避免的缺陷，不足之处在于：缺乏特殊领域专家的诊断知识；不能自动获取大量知识，只能用一些明确的故障诊断事例；需要有足够的学习样本，才能保证诊断的可靠性，训练样本获取困难；网络权值的含义不明确，对诊断推理过程和诊断结果不能够解释，缺乏透明度。 

另一个研究热点及基于图论模型的故障诊断方法，具有代表性的包括SDG法、LDG法、Petri网络法、因果图法以及小世界网络法。基于图论的方法已经部分接近故障自身演化、传播规律，但是表达内容不全面，推理方法单调。应用SDG、LDG模型只能定性或半定量分析，且适用于连续系统，同时模型节点局限于具体参数，表达能力有限。基于小世界聚类特性的故障传播模型可以在无法准确获得故障之间的因果逻辑关系情况下(大部分实际情况确实如此)，分析故障发生、传播和放大的根本原因，计算扩散强度，找出系统中的脆弱点。该模型在电力系统故障分析中应用良好，而在其他工业领域鲜有提及，其原因是电力系统自身具有明确的拓扑结构特性，可以方便的转化为小世界网络，而油气生产加工等多数复杂系统自身故障传播的结构特点不明确，具有较大随机性，且其故障传播是否具有小世界特性至今尚未得到证明。动态因果图法基于传统的信度网和故障树分析技术，该方法通过引入布尔逻辑运算的方法，克服了当前所流行的信度网络知识表达方法之不足，较好地继承了两者的优点，适合于复杂工业系统的故障诊断领域的应用，但其节点间因果影响强度的确定仅仅依赖专家知识，忽略了具体情况下因果关系的差异。 

综上所述，现有的故障诊断方法在炼化过程故障传播及诊断准确性上存在不足。 

发明内容

本发明实施例的主要目的在于提供一种石油炼化生产过程故障诊断和预警系统及其建立方法，以解决现有的故障诊断方法在炼化过程故障传播及诊断准确性上存在不足的问题。 

为了实现上述目的，本发明实施例提供一种石油炼化生产过程故障诊断和预警系统的建立方法，包括： 

根据石油炼化生产过程涉及的各种设备确定多个功能节点，根据所述各种设备之间物质和能量的转化及传递关系确定所述多个功能节点的连接关系，建立包含所述多个功能节点及其连接关系的多级流模型；