[发明专利]一种基于物料平衡的数据同步校正方法

说明书

本发明涉及数据校正领域，尤其涉及一种基于物料平衡的数据同步校正方法，包括以下步骤：S1：基于与测量相关的显著误差以及物料移动信息缺失，采用支持向量回归方法建立模型；S2：采用VC维来表示与测量相关的显著误差以及物料移动信息缺失的数量关系；S3：通过最小化结构风险采用混合整数线性规划方法进行与测量相关的显著误差以及物料移动信息缺失的检测与校正。通过使用本发明，能够同步检测并校正物料平衡问题中与测量相关的显著误差以及物料移动信息的缺失。

技术领域

本发明涉及数据校正领域，尤其涉及一种基于物料平衡的数据同步校正方法。

背景技术

在任何一个现代化的炼化工厂中，生产计划、生产调度以及绩效分析等活动 是制造运行管理的关键，这些活动又依赖于来自生产统计的物料平衡数据，该物 料平衡数据基本的数据源是生产过程中的测量数据。但是，由于炼化工厂中生产 工艺路线复杂，过程数据繁多，很难基于过程测量数据直接获得能够反映全厂真 实生产状况的全厂级生产统计数据。对于一个操作单元(生产装置)，和其相连的 所有管线流量可以被测量，那么应用一个质量平衡原理，进料流量的和减去出料 流量的和应该等于零符合质量守恒，同时，过程测量数据不可避免地受到来自测 量和处理过程中的误差的干扰。这种干扰使得过程测量数据偏离真实值，不能满 足物料平衡和能量平衡或者其他的过程约束。通常来说，这种对于过程测量数据 的干扰有两种——随机误差和显著误差。

随机误差不能够被完全去除并始终存在于测量之中，并且不能够被确定地预 测，概率分布是唯一可用来刻画随机误差的方法。除了在一些偶然的尖峰处之外， 随机误差的幅值通常都很小。

显著误差则是由非随机事件引起的，并且可被分为两类，即与测量相关的显 著误差，例如测量仪表故障；以及与过程相关的显著误差，例如过程泄漏，在物 料平衡过程中也可表现为移动信息缺失。显著误差的非随机特性揭示出，在任意 一个给定时刻，显著误差具有确定的幅值和正负，但是它的幅值和正负都是未知 的。较之随机误差，显著误差发生的概率更小，但是，显著误差的幅值更大。

既然在物料平衡中，过程测量数据的误差可能导致物料平衡结果的偏差，那 么最小化随机误差和显著误差的影响就显得尤为重要。数据校正(Data Rectification，DR)是一种通过减少过程测量数据中的随机误差的影响、减小以 至去除过程测量数据中显著误差的影响来提高过程数据的准确性的技术，该技术 与其它滤波技术的最大不同就是直接地采用过程模型约束(例如物料平衡)来对 过程测量数据进行最优的调整，使得调整之后的数据能够满足这些模型约束。数 据校正技术的特点决定了该技术能够很好的适用于物料平衡问题。

因此，基于生产工艺流程及生产过程测量数据进行数据校正而获得全厂物料 平衡数据已成为炼化企业制造运行管理的关键。并且，全厂物料平衡也是数据校 正技术在实际工业应用中最成功也最广泛的领域，许多大型自动化软件及系统供 应商都有相应的产品，例如Honeywell的BusinessFlex软件套件、Aspen的Aspen One软件套件和Supcon的ESP-SupPlant Production软件套件等。

例如：发明名称：一种炼油厂多层次物料平衡数据校正方法，专利号：200710071291.3的专利，该专利公开了：首先采用进厂、出厂、库存计量数据进 行进销存平衡的数据校正,然后利用第一步计算所得的结果作为约束对生产装置 和油品移动层的数据进行校正,从而得到准确的符合全厂物料平衡的数据。但是该 数据校正方法都没有考虑到由于物料移动信息缺失所引起的显著物料的校正，都 只是利用装置的产率或者测量仪表精度，没有利用更多的生产工艺关键约束条件。 因此通过该数据校正方法得到的校正结果不准确，从而影响其物料平衡结果。

发明内容

为解决上述问题，本发明提出一种基于物料平衡的数据同步校正方法，能够 同时校正物料平衡模型中与测量相关的显著误差以及物料移动信息缺失。

一种基于物料平衡的数据同步校正方法，包括以下步骤：