[发明专利]一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法

说明书

本发明公开一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法，旨在通过分析合成氨过程采样数据的近邻关系分布特征，实时通过不同的近邻特征提取机制来计算在线近邻检测指标，从而解决合成氨过程运行状态异常检测的难题。首先，本发明方法涉及采用了一种全新的在线近邻关系特征分析方法技术，通过实时更新获取的特征向量来计算在线采样数据近邻嵌入异常检测指标，保证了近邻关系特征提取的自适应特性，而不是像传统方法那样使用固定的特征提取机制来分析提取在线数据中潜藏的特征成分。其次，本发明方法使用的是考虑了近邻关系的局部异常检测指标，能充分考虑合成氨过程采样数据的局部分布变化特征。

技术领域

本发明涉及一种工业过程异常检测方法，特别涉及一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法。

背景技术

氨是重要的无机化工产品之一，在国民经济中占有重要的地位。除液氨可直接用于农业肥料外，农业上使用的氮肥，例如尿素、硝酸铵、碳酸铵、氯化铵以及各种含氮复合肥，都是以氨为原料。合成氨行业是我国化肥工业的基础，也是传统煤化工的重要组成部分。合成氨生产过程将焦炭、煤、焦炉气、天然气、石脑油、重油和原料气(半水煤气)等原料经过净化、精制后(主要成分为氢气和氮气)压缩到一定压力，进入氨合成塔，在高温和催化剂作用下生成氨和其它副产物。合成氨过程产生氨的主要化学反应是通过氨合成塔完成的，此外整个工艺流程还包括氨合成塔之前的净化工艺过程和氨合成后的分离工艺流程。

由于氨合成的转化率低，单位产品的能耗较大，实时保证合成氨过程运行的稳定性是保证产品中氨含量的重要技术手段。目前国内合成氨过程安装有很多的测量仪器仪表以及分布式控制系统(Distributed Control System，缩写：DCS)，可实时测量包括了净化环节，氨合成塔环节和分离环节等工艺过程的多个变量，如温度、压力、流量等。然而，影响氨产品产量的因素很多且关系复杂，无法通过建立机理模型的方式实现对合成氨过程运行状态的实时监测。这两方面的现实原因为实施数据驱动的合成氨过程运行状态监测奠定了良好的技术需求背景和数据基础。

近年来，通过数据驱动的方式监测化工过程运行状态是否出现异常已经得到了较为广泛的研究与关注。然而，合成氨过程不同于其他化工过程对象，所谓的运行状态异常不是传统意义上的管道泄漏等设备异常，而是因为流量或温度等的变化导致氨含量降低或能耗提升等问题。此外，合成氨生产过程的绝大多数时间都是运行在期望状态的，几乎没有可用的异常状态数据供设计人员参考。因此，检验数据驱动的异常检测方法的优劣主要停留在专家经验或尝试阶段。为了实时监控合成氨过程的持续稳定的运行，及时发现运行中的异常，需要通过更有效的数据驱动技术手段来实现。

发明内容

本发明所要解决的主要技术问题是：如何通过分析合成氨过程采样数据的近邻关系分布特征，实时通过不同的近邻特征提取机制来计算在线近邻检测指标，从而解决合成氨过程运行状态异常检测的难题。具体来讲，本发明方法设计了一种在线近邻嵌入检测指标，通过实时分析最新采样数据在正常工况采样数据集中搜寻的近邻关系特征，来构建一个实时的近邻特征提取机制，从而通过相应的在线近邻嵌入指标来实时检测合成氨过程运行状态是否出现异常。

本发明方法解决上述问题所采用的技术方案为：一种基于在线近邻嵌入指标的合成氨过程运行状态异常检测方法，包括以下所示步骤：

步骤(1)：从合成氨过程配套的DCS数据库中，获取正常运行状态下的N组采样数据x₁，x₂，…，x_N，并将其组成正常数据矩阵X＝[x₁，x₂，…，x_N]；其中，x_i∈R^39×1表示第i组采样数据，下标号i∈{1，2，…，N}，每组采样数据具体由21个温度测量数据，6个压力测量数据和12个流量测量数据组成，R^39×1表示39×1维的实数向量。