[发明专利]一种基于在线采样数据驱动的精馏过程实时监测方法

说明书

本发明公开一种基于在线采样数据驱动的精馏过程实时监测方法，旨在根据在线采样数据实时驱动特征变换，从而使用最有代表性的特征实现对精馏塔的运行状态实时监测。具体来讲，本发明方法不采用固定的投影变换向量提取特征，而是利用在线数据实时驱动特征分析与提取。与传统方法相比，本发明方法实施非常简单明了，且几乎没有离线建模阶段。因为离线建模阶段主要涉及标准化处理和基矩阵的计算。其次，本发明方法针对每个在线测量的样本数据，找寻最能区分其与正常工况数据的投影变换向量。从这点上讲，本发明方法提取的特征成分是最利于监测故障数据的。最后，通过一个具体的实施案例，验证本发明方法在精馏塔过程实时监测上的优越性。

技术领域

本发明涉及一种化工过程运行状态监测方法，特别涉及一种基于在线采样数据驱动的精馏过程实时监测方法。

背景技术

精馏塔广泛应用于石化行业，其主要作用是实现物质的气液分离，对精馏塔的控制与优化已于近年来得到了长足的发展。从保证生产的稳定性而言，精馏塔实现物质的分离起到了衔接的关键性作用。因此，维持精馏塔工作在期望的正常工况下是非常重要的，因为它会直接影响后续的加工工序。近年来，在智能制造的大背景下，利用化工大数据实现智能化工生产已越来越受到企业界和学术的关注。数据驱动的过程监测方法就是利用采样数据的特征变化来识别故障工况与正常工况。对精馏塔而言，主要涉及到的测量仪表包括流量、各塔板层的温度，冷却水进料流量温度等，这些数据信息的异常变化都能昭示精馏塔设备偏离了正常工况而进入故障工况。值得注意的是，这里的故障工况是指不在期望状态下的工作狂态，当然同样包括设备故障因素等等。

数据驱动的过程监测方法已经广泛应用于机械制造、生物化工、医药等行业。现已经建立起了一套以主成分分析(Principal Component Analysis，缩写：PCA)为基础的方法技术框架。数据驱动的过程监测技术的本质就是通过对采样数据的特征挖掘，提取有用的潜藏特征，并通过监测潜藏特征的变化来反映是否进入故障工况。因此，如何提取有用的潜藏特征成为这类方法技术能否成功检测出故障工况的关键。纵观已有的专利与科研文献，都是通过特定的算法挖掘出正常工况数据潜藏的特征，如方差，局部近邻结构，非高斯特征等等。然而，这些数据特征是否在过程监测中发挥作用就无从得知了。这主要是因为正常工况数据充裕而故障数据严重缺乏，我们似乎只能能对正常数据进行特征分析与提取。

从数据驱动的过程监测方法，特别是统计过程监测方法的实施思路来看，一般都是通过投影变换向量对采样数据进行变换得到相应的特征成分，然后利用距离(比如平方马氏距离或平方欧式距离)构造监测指标来监测特征成分的变化。若是监测指标数值超出一定的阈值，则判断出现故障。从这个角度出发，监测指标的数值越大，就越能区分出正常与故障之间的差异。因此，虽然正常工况数据充裕而故障数据缺失，但依旧可以通过在线实时测量得到的数据驱动相应的特征分析与提取，从而使用最有利的特征变换来实现对过程运行状态的监测。

发明内容

本发明所要解决的主要技术问题是：如何根据在线采样数据实时驱动特征变换任务，从而使用最有代表性的特征实现对精馏塔的运行状态实时监测。具体来讲，本发明方法不采用固定的投影变换向量提取特征，而是利用在线数据去实时驱动特征分析与提取。

本发明方法解决上述问题所采用的技术方案为：一种基于在线采样数据驱动的精馏过程实时监测方法，包括以下步骤：

步骤(1)：利用精馏塔设备所安装的测量仪表，在精馏塔正常运行状态时采集N个样本数据x₁，x₂，…，x_N，其中第i个采样时刻的样本数据x_i∈R^m×1由m个采样数据组成，具体包括：塔釜液位、塔釜压力，塔釜底部产品流量，进料流量，进料温度，顶部回流流量，冷凝器液位，和各塔板层的温度，R^m×1表示m×1维的实数向量，i∈{1，2，…，N}。