[发明专利]一种自动校罐方法及系统

权利要求书

1.一种自动校罐方法，其特征在于，包括以下步骤：

步骤1：定义状态量和基于交接班检测方式的状态量预测模型；

步骤2：初始化所述状态量预测模型，得到初始化结果，根据所述初始化结果获取上一交接班检测周期的状态量预测值Z_n-1；

步骤3：利用所述状态量预测值Z_n-1和所述状态量预测模型，获取当前交接班检测周期的状态量预测值Z_n；

步骤4：定义状态量预测值的误差相关矩阵，利用所述误差相关矩阵获取所述状态量预测值Z_n的精确度P；

步骤5：利用所述精确度P获取所述状态量预测值Z_n的卡尔曼增益K；

步骤6：获取当前交接班检测周期的状态量观测值C；

步骤7：根据所述状态量观测值C和所述状态量预测值Z_n，获取所述状态量预测值Z_n的反馈误差量E；

步骤8：利用所述卡尔曼增益K和所述反馈误差量E对所述状态量预测值Z_n进行校正，得到更新后的当前交接班检测周期的状态量预测值Z_n’；

步骤9：将所述状态量分别作为油罐付油量和油站销售量，按照步骤1至步骤8的方法获取当前交接班检测周期的付油量观测值C_n、油罐付油量预测值V_n和油站销售量预测值S_n；

步骤10：采集当前交接班检测周期的实销量S，根据所述付油量观测值C_n和所述实销量S计算得到实际损耗量L和实际损耗率R；根据所述油罐付油量预测值V_n和所述油站销售量预测值S_n计算得到预测损耗量L’和预测损耗率R’；利用所述实际损耗率R和所述预测损耗率R’获取损耗量误差△R；

步骤11：将所述损耗量误差△R与预设的损耗量误差阈值进行比较，当时，不对撬装油罐进行校正操作；当时，对撬装油罐进行校正。

2.根据权利要求1所述的一种自动校罐方法，其特征在于，将所述状态量预测模型与时间序列结合，得到基于时间序列的状态量预测模型，包括以下步骤：

步骤S1：构建付油计量模型；

步骤S2：采集多个液位仪历史数据，根据所述多个液位仪历史数据和所述付油计量模型，获取多个付油量历史数据；

步骤S3：根据所述多个付油量历史数据构建滑动平均模型；

步骤S4：利用所述滑动平均模型的自变量和自变量参数替换所述状态量预测模型的自变量和自变量参数，同时引入噪声，得到基于时间序列的状态量预测模型。

3.根据权利要求2所述的一种自动校罐方法，其特征在于，所述步骤S2包括：

步骤S2.1：采集所述液位仪历史数据对应时刻的罐内温度值；

步骤S2.2：利用所述罐内温度值对所述液位仪历史数据进行补偿。

4.根据权利要求2或3所述的一种自动校罐方法，其特征在于，所述滑动平均模型的模型参数确定方法包括：

步骤S3.1：建立长自回归模型，提取所述长自回归模型的所有自回归参数，形成参数矩阵；

步骤S3.2：获取所述参数矩阵中每一个自回归参数的估计值，得到模拟参数矩阵；

步骤S3.3：利用所述模拟参数矩阵和所述多个付油量历史数据，计算得到所述模拟参数矩阵中每一个参数的残差，生成模拟参数矩阵的残差集合；

步骤S3.4：检验所述残差集合的独立性，若所述残差集合不独立，则增大所述长自回归模型的阶数，并返回所述步骤S3.1；若所述残差集合独立，则执行所述步骤S3.5；

步骤S3.5：确定所述长自回归模型的阶数p和所述滑动平均模型的阶数q，根据所述阶数p、所述阶数q、所述残差集合和所述多个付油量历史数据，利用最小二乘估计法获取所述滑动平均模型的每一个自回归参数值。

5.根据权利要求1所述的一种自动校罐方法，其特征在于，在所述步骤8之前，利用所述卡尔曼增益K对当前交接班检测周期的误差相关矩阵进行更新。