一种化工园区重大危险源动态预警方法技术

本发明专利技术涉及一种化工园区重大危险源动态预警方法。本发明专利技术采用平行坐标方法对重大危险源中关键环节参数的相关变量进行相关性分析，将筛选出的强相关性变量作为输入变量，在预测之前再利用主成分分析方法，对强相关性变量进行降维。利用递归神经网络动态预测关键生产环节变量。之后利用各关键参数的动态预测结果做危险等级评估。本发明专利技术是针对化工园区危险源动态预警中的一些难题提出的一种动态预测预警的方法，该方法具有开放性、鲁棒性、并行性、灵活性、以及对问题的数学形式无特殊要求等特点。

【技术实现步骤摘要】
一种化工园区重大危险源动态预警方法
本专利技术属于信息与控制
，涉及到自动化技术，特别是涉及一种化工园区动态预警方法。
技术介绍
近年来，随着人们对化工产品需求的提高，化工生产过程正朝着大型化、综合化和复杂化的方向发展，大规模的化工园区成为了我国一种新型的化工生产模式。化工生产过程有着复杂度高、关联性强、生产流程长、设备众多等工艺特点，是一个多变量、系统强耦合、时变、大滞后的过程系统。由于设备发生故障、生产装置老化、人员操作错误、原料特性以及外部环境变化等，工业过程变量会偏离目标值，引发一系列故障。如果不能及时处理，将给工厂生产带来不可避免的经济损失，甚至引起重大安全事故。因此，如果能对故障进行提前的预测预警，便可以防患于未然，在事故发生前部署人员和物资，将事故发生的概率降到最低。化工生产过程是一个由大量相互关联的变量组成的多变量过程。当一个变量受到干扰而发生变化时，其他的关联变量也会出现一定程度的变化。因而当工业过程某一个设备出现故障或某一个参数由于扰动而发生波动时，就会由于变量间的相关联性使得其他变量出现一系列的变化，所以需要考虑一种可以分析变量相关性的模型。在化工园区动态本文档来自技高网...

【技术保护点】
1.一种化工园区重大危险源动态预警方法，其特征在于，该方法的步骤包括：步骤1：获取化工园区内各个重大危险源生产环节的信息，包括危险源生产的流程、关键参数、各关键参数在重大危险源中的危险权重和模糊综合评价指标、关键参数的历史数据信息、关键参数的当前动态数据，这些信息通过化工园区安全管理部门和园区工厂生产部门获得；步骤2：通过步骤1所获得的信息进行平行坐标分析预测变量相关性，并经过主成分分析进行降维优化；(1)平行坐标分析利用平行坐标将需要预测关键参数的相关变量组成一个高维数据集合，将该数据集中各个变量用等距离且相互平行的坐标轴表示，每一条轴线代表一个属性维，变量值对应轴上相应位置，这样，每一个关...

【技术特征摘要】
1.一种化工园区重大危险源动态预警方法，其特征在于，该方法的步骤包括：步骤1：获取化工园区内各个重大危险源生产环节的信息，包括危险源生产的流程、关键参数、各关键参数在重大危险源中的危险权重和模糊综合评价指标、关键参数的历史数据信息、关键参数的当前动态数据，这些信息通过化工园区安全管理部门和园区工厂生产部门获得；步骤2：通过步骤1所获得的信息进行平行坐标分析预测变量相关性，并经过主成分分析进行降维优化；(1)平行坐标分析利用平行坐标将需要预测关键参数的相关变量组成一个高维数据集合，将该数据集中各个变量用等距离且相互平行的坐标轴表示，每一条轴线代表一个属性维，变量值对应轴上相应位置，这样，每一个关键参数的相关变量都根据其属性值用一条折线段在n条平行轴上表示出来；(2)主成分分析优化找出影响高维数据集合某一要素的几个综合指标(维)，使综合指标为原来变量的线性拟合；(3)平行坐标分析与主成分分析进行降维优化：①平行坐标绘制；将化工园区危险源系统中关键参数的所有相关变量组合为如下的得分矩阵：在具有笛卡尔坐标系的平面上，得分矩阵S中的每一行Si＝[Si1Si2…Sik]对应于平行坐标系中由k-1条线段连成的一条折线；这些数据从笛卡尔坐标系映射到平行坐标系中需要进行坐标的转换，因为每一条坐标轴都是等长的，所以将得分矩阵进行0-1均匀化处理；处理后的数据s′i,j与原始数据si,j的关系为其中，Si,max和Si,min分别表示第i个相关性变量的最大值和最小值；②分析平行坐标，筛选出关键参数的所有相关变量中的强相关性变量；根据步骤①绘制的平行坐标；平行坐标由平行的坐标轴和多段线组成；平行的坐标轴表示重大危险源中各个关键参数的相关性变量，多段线是由这些相关性变量的参数值组成；如果两个变量之间的线是交叉的呈现X型，那么两个变量之间是负相关；如果两个变量之间的线是相互平行的，那么相互之间的关系是正相关；变量之间的线是随机交叉的,那么两者之间没有特别的关系；其中呈现负相关和正相关即为关键参数的所有相关变量中的强相关性变量；③利用平行坐标方法筛选出的强相关性变量组成数据矩阵X：④在主成分分析算法中将强相关性变量组成数据矩阵X各变量进行标准化预处理，得到标准化数据矩阵Z：xm的总体均值为xm的总体方差为计算相关矩阵，其中，ZT为标准化数据矩阵Z的转置,n表示矩阵Z的行，m表示矩阵Z的列，计算得到的相关矩阵C由d个主成分组成；⑤利用雅可比法求相关矩阵C的特征向量wi，i＝1,2,…,m和特征值矩阵Λ＝diag(λ1,λ2,…,λm)，其中λ为特征值，diag表示对角阵；；⑥将各特征值按从大到小的顺序排序，并对应地调整特征向量列的顺序，使具有最大方差的为第1个主成分，具有次大方差的为第2个主成分，最小...

【专利技术属性】
技术研发人员：孔亚广，谢晨风，蒋鹏，郑松，赵烨，沈刚，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33