[发明专利]一种化工装备长周期运行安全风险雷达监测方法及装置

说明书

技术领域

本发明涉及故障诊断技术领域，特别涉及一种化工装备长周期运行安全风险雷达监测方法及装置。

背景技术

化工过程具有易燃易爆、腐蚀严重、毒害性大、高温高压以及生产连续性强等特点，涉及工艺、设备、仪表、电气等多个专业和复杂的公用工程系统。化工过程运行的安全、健康程度，将直接影响石油天然气炼化生产的连续性、稳定性和安全性。由于工艺复杂、设备众多，异常工况时有出现，一旦发生事故，所造成的经济损失及社会、环境影响将相当巨大。为了避免重大事故的发生，确保化工过程的安全生产，对化工过程进行异常工况监测技术的研究是十分必要的。

对化工装备长周期运行安全风险进行监控预测，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，在事故发生之前预测可能的后果，给出相应的安全措施，形成“早发现、早报告、早预警、早处置”的安全防范机制，可有效遏制化工过程重特大事故发生，保障我国能源行业炼化板块健康、可持续发展。

目前，常用的化工过程故障诊断方法有：符号有向图法、贝叶斯方法、神经网络等，然而，这些方法在实际工程应用中都有各自的缺点。例如：符号有向图的准确程度依赖于建模人员对系统的理解，贝叶斯网络的推理算法过于复杂，神经网络的训练需要较多的故障样本。

由于上述问题的存在，目前的化工过程故障诊断方法都无法很好地在实际工程领域中得到应用，针对上述问题，目前尚未提出有效的解决方案。

发明内容

为解决现有技术的问题，本发明提出一种化工装备长周期运行安全风险雷达监测方法及装置，解决了现有技术中无法准确有效地监测和定位出化工过程异常工况的技术问题。

为实现上述目的，本发明提供了一种化工装备长周期运行安全风险雷达监测方法，包括：

获取化工装备运行的实时状态数据，对化工装备中的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；

对所述待监测数据进行故障识别，获得报警信息；

对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

优选地，还包括：

所述实时状态数据通过支持向量机参数预测模型，预测化工过程潜在风险和变化趋势；其中，所述支持向量机参数预测模型是通过已知化工装备运行过程的状态数据建立训练数据集，进行支持向量机学习建立的。

优选地，所述故障识别的步骤包括：

对所述待监测数据的状态值和阈值进行实时比对，实现阈值报警。

优选地，所述故障识别的步骤包括：

采用动态主成分分析方法，基于正常化工装备运行工况下的训练模型，构建动态主成分分析模型，求得正常工况下系统的控制限；

实时计算化工装备运行系统的统计量指标值，若统计量指标值超出所述控制限，所述统计量指标值对应的状态信息为报警信息。

优选地，所述故障识别的步骤包括：

采用贡献图的方法计算出化工装备运行系统的各相关变量的贡献率，根据所述贡献率分离出报警原因变量，并根据报警原因变量的历史变化范围判断对应的所述工艺偏差为偏高或偏低。

对应地，为实现上述目的，本发明还提供了一种化工装备长周期运行安全风险雷达监测装置，包括：

数据采集单元，用于获取化工装备运行的实时状态数据，对化工装备中的各系统进行危险与可操作性分析，确定工艺偏差，并从所述实时状态数据中筛选出待监测数据；

故障识别单元，用于对所述待监测数据进行故障识别，获得报警信息；

诊断溯源单元，用于对所述报警信息进行故障诊断和溯源，获得故障发生的原因以及相应地补救措施。

优选地，还包括：

预测单元，用于所述实时状态数据通过支持向量机参数预测模型，预测化工过程潜在风险和变化趋势；其中，所述支持向量机参数预测模型是通过已知化工装备运行过程的状态数据建立训练数据集，进行支持向量机学习建立的。

优选地，所述故障识别单元包括：

阈值识别模块，用于对所述待监测数据的状态值和阈值进行实时比对，实现阈值报警。

优选地，所述故障识别单元包括：

控制限确定模块，用于采用动态主成分分析方法，基于正常化工装备运行工况下的训练模型，构建动态主成分分析模型，求得正常工况下系统的控制限；

动态主成分识别模块，用于实时计算化工装备运行系统的统计量指标值，若统计量指标值超出所述控制限，所述统计量指标值对应的状态信息为报警信息。

优选地，所述故障识别单元包括：