[发明专利]一种三甘醇脱水装置状态监测及故障诊断系统在审
申请号: | 202110365638.5 | 申请日: | 2021-04-06 |
公开(公告)号: | CN113091817A | 公开(公告)日: | 2021-07-09 |
发明(设计)人: | 尹爱军;何彦霖;谭治斌 | 申请(专利权)人: | 重庆大学 |
主分类号: | G01D21/02 | 分类号: | G01D21/02;G01M99/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 400044 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 甘醇 脱水 装置 状态 监测 故障诊断 系统 | ||
1.一种三甘醇脱水装置状态监测及故障诊断系统,其特征在于,包括如下七个模块:系统主页展示模块、设备监控与报警模块、工艺参数分析与预警模块、故障识别与分析模块、设备检维修管理模块、知识库模块以及故障案例模块;所述系统实时调用Pi数据库中三甘醇脱水装置工艺流程中有关工艺参数数据;其中:
所述系统主页展示模块在三甘醇脱水装置运行过程中用于显示关键工艺参数实时数据、异常信息及参数其他相关信息,并提供异常分析、趋势分析及故障识别等接口用以具体分析;
所述设备监控与报警模块按照参数分组进行实时监控,实现对参数异常的检测,同时提供历史对比分析功能;
所述工艺参数分析与预警模块用以对工艺参数及脱水流程关键参数干气露点以及三甘醇损耗量进行实时预测分析,并可对所监测工艺参数配置正常运行范围区间;
所述故障识别与分析模块用以对设备监控与报警模块所判断出的异常进行故障定位推理,确定导致参数异常的设备故障原因,并可查询历史异常与故障定位记录详细信息;
所述设备检维修管理模块用以统计显示检维修记录以及异常分类统计操作;
所述知识库模块用以显示三甘醇脱水装置知识库,可对知识库进行增删改操作,同时提供故障识别与分析模块中SDG网络增删改的操作;
所述故障案例模块用以查询案例库信息,并实现对异常案例的审批。
2.根据权利要求1所述的三甘醇脱水装置状态监测及故障诊断系统,其特征是,所述系统主页展示模块中将工艺参数分组归纳,并将参数块连接至三甘醇脱水装置三维可视模型中对应子设备处;以曲线形式显示关键工艺参数的运行趋势,并提供干气露点及三甘醇损耗量的实时预测数据。
3.根据权利要求2所述的三甘醇脱水装置状态监测及故障诊断系统,其特征是,所述设备监控与报警模块包括实时监控报警子模块、异常警告分析子模块以及历史对比与分析子模块,所述实时监控报警子模块以工艺参数分组的形式展示实时监控数据趋势变化,并对异常参数进行告警处理;所述异常警告分析子模块用以对上述实时监控报警子模块参数告警信息进行处理与分析,展示当前异常参数异常时间节点前后一段可选时间长度数据曲线信息,并可根据所选参数链接至异常识别模块确定诱发该参数异常的具体设备故障,并可选择当前参数异常时间节点前后一段可选时间长度的数据链接至历史对比模块与历史数据进行对比分析;所述历史对比与分析子模块,以直观的图形方式对比分析两段可选择数据,并可选择异常历史数据与案例库数据进行对比分析,按照相似度排序显示当前所选数据与案例库中所有案例数据的相似情况,所述相似度为皮尔逊相关系数。
4.根据权利要求3所述的三甘醇脱水装置状态监测及故障诊断系统,其特征是,所述工艺参数分析与预警模块主要由工艺参数趋势分析与预警子模块、干气露点预测子模块、三甘醇损耗量预测子模块以及工艺参数阈值配置子模块构成,所述工艺参数趋势分析与预警子模块采用向量自回归(Vector Autoregressive Model,VAR)方法对所有工艺参数按照聚类分组的形式进行实时预测分析,所述VAR可由当前子系统参数状态预测该子系统后续变化发展趋势,用VAR模型中所有当期变量对所有变量的若干滞后变量进行回归;所述干气露点预测子模块,干气露点是反映三甘醇脱水效果的重要衡量指标,利用随机森林(RandomForest,RF)进行实时预测,显示干气露点的趋势并判断干气露点状态正常与否,对脱水现场具有指导意义,所述随机森林是通过集成学习利用多颗决策回归树对样本进行训练并预测的一种分类器;所述三甘醇损耗量预测子模块,三甘醇在脱水与再生过程中存在一定的损耗,醇耗即是用以衡量该指标的参数,醇耗极大地影响着脱水装置的脱水效果,同样利用随机森林进行实时预测,显示醇耗的趋势并判断醇耗状态正常与否,对脱水现场具有指导意义;所述工艺参数阈值配置子模块用以根据不同脱水设备或处理负荷配置各脱水工艺参数正常运行范围区间。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110365638.5/1.html,转载请声明来源钻瓜专利网。