[发明专利]一种基于数据驱动的报警根源寻找方法

摘要

本发明公开的一种基于数据驱动的报警根源寻找方法，本发明通过数据采集、数据时间平稳性检查、数据预处理及参数优化设置步骤，建立变量之间关系的数学模型，然后计算变量间的NTE及NDTE值，从而判断系统变量间是否具有直接的因果关系，该方法不依赖于系统物理模型和先验知识，仅依靠过程测量变量就能获得因果关系，适用性强，可广泛应用于化工、纺织、冶金等工业领域，在报警发出初期就能寻找根源，以便及时隔离和排除故障，减少甚至避免事故发生，提高系统运行的安全性和可靠性，同时也能减少环境污染。

主权项

一种基于数据驱动的报警根源寻找方法，其特征在于，包括以下步骤：步骤一：检测工业系统的工作数据并获得观测变量，并将d个观测变量存储到数据矩阵X中，检查数据的时间平稳性并对数据进行预处理；所述的工作数据包括反应系统运行情况的参数；步骤二：对模型参数进行初始化，并利用Cao准则或者Ragwitz准则优化模型参数；步骤三：计算转变熵矩阵P，包括：A、选取变量：从数据矩阵X中任取两个变量，标记为x、y，共d(d‑1)/2种组合；B、计算两个变量间的转变熵：公式如下：Tx→y=∫f(yi+h1,yi(k1),xi(l1))·logf(yi+h1|yi(k1),xi(l1))f(yi+h1|yi(k1))dw]]>其中，是联合概率密度函数，f(·|·)是条件概率密度函数，w是随机向量假设w的元素是w1,w2,...,ws，∫(·)dw是和分别是x和y历史测量值的嵌入向量，k1和l1分别是y和x的嵌入维数，h1是预测范围；C、计算标准转变熵：NTEx→yc=Hc(yi+h1|yi(k1))-Hc(yi+h1|yi(k1),xi(l1))H0-Hc(yi+h1|yi(k1),xi(l1))=Tx→yH0(y)-Hc(yi+h1|yi(k1),xi(l1))∈[0,1]]]>H0(y)=-∫yminymax1ymax-yminlog1ymax-ymindy=log(ymax-ymin)]]>Hc(yi+h1|yi(k1))=-Σf(yi+h1,yi(k1))·logf(yi+h1|yi(k1))]]>其中，H表示熵,是条件熵；且Tx→y≠Ty→x；如果大于规定阈值，则判定两个变量x、y具有因果关系；D、重复步骤B、C直至计算d(d‑1)，将d(d‑1)/2种组合的变量标准转变熵计算出来，存入矩阵P中，然后将具有因果关系的变量用流向图表示；步骤四：基于信息流向图中变量因果关系计算标准直接转变熵：从矩阵P任取x、y、z3个具有因果关系的变量，其中z是中间变量，判断x和y的直接因果关系，包括：1)、计算直接转变熵：DTEx→y=∫f(yi+h,yi(k),zi+h-h3(m2),xi+h-h1(l1))·logf(yi+h|yi(k),zi+h-h3(m2),xi+h-h1(l1))f(yi+h|yi(k),zi+h-h3(m2))dv]]>其中，v表示随机向量预测范围h＝max(h1,h3)，嵌入向量是z的历史值，能够为i+h时刻的预测y提供有效信息，是x的历史值，若h＝h1，则若h＝h3，则且计算Tx→z时，l2和m1是x和z的嵌入维数，h2是预测范围，τ2是时间间隔；计算Tz→y时，k2和m2是y和z的嵌入维数，h3是预测范围，τ3是时间间隔；2)、计算标准直接转变熵：NDTEx→yc=DTEx→yHc(yi+h|yi(k))-Hc(yi+h|yi(k),zi+h-h3(m2),xi+h-h1(l1))∈[0,1]]]>如果大于规定阈值，则说明x和y有直接的因果关系；对步骤三信息流向图中的变量进行上述1)和2)两步计算，验证变量因果关系的真假性；步骤五，根据步骤四的验证结果建立变量直接因果关系图。