[发明专利]一种工业生产过程的异常监测系统和方法

说明书

本申请涉及一种工业生产过程的异常监测系统和方法。监测系统包括以下模块：数据质量判断模块，其采用基于统计或规则的方法对采集的生产过程数据质量进行初步判断，然后采用统计或异常监测算法实现数据的质量判断；设备异常检测模块，其在数据质量判断为正常时，通过规则或机器学习算法对设备运行状态是否异常进行判断；调控规则建议模块，其在所述设备异常检测模块判断设备发生异常且所述数据质量判断模块判断数据质量正常时，对设备异常的种类进行判断，触发调控建议，以为操作人员提供参考。本申请能够准确判断出工业生产过程中出现的异常情况并快速给出处理建议。

技术领域

本申请涉及一种工业生产过程的异常监测系统和方法，适用于工业监测的技术领域。

背景技术

能源调度管理是解决跨工序协同的问题，通过数据的手段解决系统供需平衡的问题，达到提升能源利用效率的目标。然而在能源管理的过程中，对信息化水平提出更高要求，完善的能源计量系统，尤其是支持能源调度的关键数据的完备性，都直接影响到精益管理和精准管控的效果。因此，构建中心化的能源运行数据，形成能源大数据，对数据的采集、规范化处理、存储，多维度数据的贯通融合，为能源精准调度能够提供有效的数据基础。

能源调度的难点在于对异常事件的预见与及时给出相应的预防或规避风险措施。异常的情况，一种是与数据质量有关，一种是与关键设备突发故障有关。以钢铁工业为例，钢铁工业生产现场环境恶劣、电磁干扰严重、仪表计量误差大。这些现场数据测点很容易存在通讯异常、现场干扰带来的数据异常变化等数据质量问题，即数据的低质性，直接影响预测的准确率甚至导致误报警。例如现场高炉正常运行，但是高炉煤气流量计因煤气含有大量杂质导致流量计读数异常，此时则会误判高炉状态为减休风，调度人员可能会因为误报的“高炉减休风”而直接下达减休风的错误调控建议，导致生产损失。第二种情况即是影响生产顺行的重要因素，即对生产流程中关键设备的异常监测，如高炉、发电机组异常，需要实时自动的进行监测诊断，一旦有故障的迹象需要马上检测出，避免这些在线设备突发故障停机或被迫降负荷运行，调度人员需要根据异常带来的风险评估结果选择相应的调度策略，尽快使系统回稳。

因此，现有技术中急需一种能够准确判断出工业生产过程中出现的异常情况并快速给出处理建议的异常监测系统和方法。

发明内容

本申请提供一种工业生产过程的异常监测系统和方法，其能够准确判断出工业生产过程中出现的异常情况并快速给出处理建议。

本申请涉及一种工业生产过程的异常监测系统，包括以下模块：

数据质量判断模块，其采用基于统计或规则的方法对通过传感器采集的生产过程数据质量进行初步判断，然后采用统计或异常监测算法实现数据的质量判断；

设备异常检测模块，其在数据质量判断为正常时，通过规则或机器学习算法对设备运行状态是否异常进行判断；

调控规则建议模块，其在所述设备异常检测模块判断设备发生异常且所述数据质量判断模块判断数据质量正常时，对设备异常的种类进行判断，触发调控建议，以为操作人员提供参考。

其中，所述数据质量判断模块可以包括初步判断模块和偏差判断模块，所述初步判断模块采用基于统计的数据质量判断或基于规则的数据质量判断方法，对生产过程重要参数的数据质量进行初步判断；所述偏差判断模块可以采用基于统计的方法或基于异常监测算法的方法，判断测量值和实际值是否偏差过大；所述设备异常检测模块可以包括基于规则的设备异常判断模块和基于机器学习算法的设备异常判断模块；所述调控规则建议模块可以包括异常判断标准配置单元，以进一步识别所述设备异常检测模块输出的异常类型，所述调控规则建议模块还可以包括调控规则建议库单元，以在实现异常种类判断后给出对应异常情况的最优调控建议。

另一方面，本申请涉及一种工业生产过程的异常监测方法，包括以下步骤：

(1)采用基于统计或基于规则的方法对通过传感器采集的生产过程数据质量进行初步判断；