基于主成分分析的化工风险监测方法.pdf

《基于主成分分析的化工风险监测方法.pdf》由会员分享，可在线阅读，更多相关《基于主成分分析的化工风险监测方法.pdf（6页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911318171.8 (22)申请日 2019.12.19 (71)申请人 南京连易智能科技有限公司 地址 210000 江苏省南京市玄武区玄武大 道699-27号徐庄软家园研发三区A栋 (72)发明人 燕妮胡庚松 (74)专利代理机构 南京常青藤知识产权代理有 限公司 32286 代理人 金迪 (51)Int.Cl. G05B 23/02(2006.01) (54)发明名称 一种基于主成分分析的化工风险监测方法 (57)摘要 本发明提供一种基于主成分分析的化工风 险监测。

2、方法， 包括离线建立分析算法模型和在线 风险监测； 离线建立分析算法模型通过采样化工 生产过程中正常运行的多个指标数据， 进行数据 预处理后建立主成分分析模型( Principle ComponentAnalysis， PCA)， 在线风险监测利用 建立的PCA模型分析化工生产的在线实时数据， 判断生产过程中是否存在异常并及时预警。 本发 明解决海量数据下的化工风险预警难题， 对高维 数据进行综合诊断分析， 有效实现化工安全生产 预警。 权利要求书1页 说明书3页 附图1页 CN 111158338 A 2020.05.15 CN 111158338 A 1.一种基于主成分分析的化工风险监测方。

3、法， 其特征在于， 包括离线建立分析算法模 型和在线风险监测； 离线建立分析算法模型通过采样化工生产过程中正常运行的多个指标 数据， 进行数据预处理后建立主成分分析模型， 在线风险监测利用建立的主成分分析模型 分析化工生产的在线实时数据， 判断生产过程中是否存在异常并及时预警。 2.根据权利要求1所述的一种基于主成分分析的化工风险监测方法， 其特征在于， 所述 离线建立分析算法模型包括以下步骤： S11： 通过多次采样得到若干传感器的样本数据， 形成一个矩阵X； S12： 对数据进行标准化处理； S13： 对矩阵进行特征值分解， 得到不同大小的特征值以及对应的特征向量； S14： 按特征值大小。

4、进行排列， 得到负载矩阵和得分矩阵， 最终得到对矩阵X构造的主元 模型。 3.根据权利要求1所述的一种基于主成分分析的化工风险监测方法， 其特征在于， 所述 在线风险监测包括以下步骤： S21： 计算实时数据的SPE和T2统计量及控制限； S22： 比较统计量及控制限结果， 根据控制限判定生产过程出现是否异常， 若异常进行 预警。 4.根据权利要求1所述的一种基于主成分分析的化工风险监测方法， 其特征在于， 通过 多次采样选取多个相互关联的传感器构建多维数据， 建立主成分分析模型提取其中的综合 信息进行分析。 5.根据权利要求3所述的一种基于主成分分析的化工风险监测方法， 其特征在于， 所述 。

5、在线风险监测包括， 选取与离线建模时相同的若干指标进行SPE和T2统计量及控制限的计 算。 权利要求书 1/1 页 2 CN 111158338 A 2 一种基于主成分分析的化工风险监测方法 技术领域 0001 本发明属于化工风险监测技术领域， 具体涉及一种基于主成分分析的化工风险监 测方法。 背景技术 0002 随着化工过程规模的扩大及流程的复杂化， 各类化工事故发生的概率也日益增 加。 目前普遍采用DCS系统对化工生产过程中的各单个指标进行实时监控， 通过判断是否超 过阈值来对化工风险做出判断并报警预警。 但是在海量数据下要实现对化工风险及故障的 准确有效的诊断仍然存在很大的难度。 DCS。

6、系统是分别对单个指标进行监测， 数量繁多且相 互之间无联系； 面对大规模的化工过程， DCS系统的单个阈值报警无法实现海量数据下对化 工风险及故障的准确有效的诊断和预警。 发明内容 0003 本发明的目的是提供一种基于主成分分析的化工风险监测方法， 解决海量数据下 的化工风险预警难题， 对高维数据进行综合诊断分析， 有效实现化工安全生产预警。 0004 本发明提供了如下的技术方案： 0005 一种基于主成分分析的化工风险监测方法， 包括离线建立分析算法模型和在线风 险监测； 离线建立分析算法模型通过采样化工生产过程中正常运行的多个指标数据， 进行 数据预处理后建立运行的多个指标模型(Princ。

7、iple Component Analysis， PCA)， 在线风险 监测利用建立的主成分分析模型分析化工生产的在线实时数据， 判断生产过程中是否存在 异常并及时预警。 0006 优选的， 所述离线建立分析算法模型包括以下步骤： 0007 S11： 通过多次采样得到若干传感器的样本数据， 形成一个矩阵； 0008 S12： 对数据进行标准化处理； 0009 S13： 对矩阵进行特征值分解， 得到不同大小的特征值以及对应的特征向量； 0010 S14： 按特征值大小进行排列， 得到负载矩阵和得分矩阵， 最终得到对矩阵构造的 主元模型。 0011 优选的， 所述在线风险监测包括以下步骤： 001。

8、2 S21： 计算实时数据的SPE和T2统计量及控制限； 0013 S22： 比较统计量及控制限结果， 根据控制限判定生产过程出现是否异常， 若异常 进行预警。 0014 优选的， 采样通过选取多个相互关联的传感器构建多维数据， 建立主成分分析模 型提取其中的综合信息进行分析。 0015 优选的， 在线风险监测部分选取与离线建模时相同的若干指标进行SPE和T2统计 量及控制限的计算。 0016 本发明的有益效果是： 本发明选取多个相互关联的传感器构建多维数据， 建立主 说明书 1/3 页 3 CN 111158338 A 3 成分分析模型提取其中的综合信息进行分析， 相比于DCS系统对单一数据。

9、进行监测， 剔除了 噪声干扰， 结果更加准确可靠； 从海量数据中提取主要信息， 在线监测发现其中异常数据， 更为有效地定位到设备故障， 一方面可以大幅度减少企业人员排查风险故障的时间， 及时 消除可能存在的事故隐患； 另一方面也有助于提供实时和相对准确的风险数据， 提高实现 对消防人员的辅助决策能力。 附图说明 0017 附图用来提供对本发明的进一步理解， 并且构成说明书的一部分， 与本发明的实 施例一起用于解释本发明， 并不构成对本发明的限制。 在附图中： 0018 图1是本发明离线部分建立流程示意图； 0019 图2是本发明在线部分分析流程示意图。 具体实施方式 0020 如图1和图2所示。

10、， 一种基于主成分分析的化工风险监测方法， 分为离线部分和在 线部分两个步骤， 分别对样本数据和实时数据进行分析。 离线部分基于正常数据样本建立 主成分分析算法模型， 在线部分利用建立的模型对实时数据进行在线化工风险分析。 0021 步骤1： 建立主成分分析算法模型(离线部分)： 0022 1-1.通过采样得到n个传感器的m次采样， 形成一个XRmn的矩阵； 0023 1-2.对数据进行标准化处理； 0024 1-3.对X的协方差矩阵进行特征值分解， 得到不同大小的特征值以及对应的特征 向量； 0025 1-4.按特征值大小进行排列， 得到负载矩阵P(由特征向量构成)和得分矩阵T(主 元变量)。

11、； 0026 最终得到对X构造的主元模型： TXP。 0027选取前A个主元变量， X的模型可以表示为 0028 步骤2： 在线化工风险监测(在线部分) 0029 2-1.计算实时数据的SPE和T2统计量及控制限： 0030 (1)T2统计量定义为所有得分向量的标准平方和， 代表着各个采样时刻在主元分 析模型中偏离中心的大小， 对于第i个时刻的统计量， 定义为： 0031 0032 其中为特征值对角矩阵， A为所选取的主元个数， x是某时刻各个变量的行向量， 表示置信度为a的T2控制限： 0033 0034 (2)SPE统计量用于观测未被主元解释的部分的变化， 定义为： 0035 0036 其。

12、中 2表示置信水平为a的控制限： 说明书 2/3 页 4 CN 111158338 A 4 0037 0038其中ca是置信限为a的标准正态分布，j 是协方差矩阵的第j个特征值。 00392-2.比较结果， 当SPE 2且 时， 表明生产过程出现异常， 立刻预警。 0040 本发明从海量数据中提取主要信息， 在线监测发现其中异常数据， 更为有效地定 位到设备故障， 一方面可以大幅度减少企业人员排查风险故障的时间， 及时消除可能存在 的事故隐患； 另一方面也有助于提供实时和相对准确的风险数据， 提高实现对消防人员的 辅助决策能力。 0041 以上所述仅为本发明的优选实施例而已， 并不用于限制本发明， 尽管参照前述实 施例对本发明进行了详细的说明， 对于本领域的技术人员来说， 其依然可以对前述各实施 例所记载的技术方案进行修改， 或者对其中部分技术特征进行等同替换。 凡在本发明的精 神和原则之内， 所作的任何修改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。 说明书 3/3 页 5 CN 111158338 A 5 图1 图2 说明书附图 1/1 页 6 CN 111158338 A 6 。