用于石化装置的智能安全保障实时优化方法及系统制造方法及图纸

本发明专利技术涉及用于石化装置的智能安全保障实时优化方法及系统，属于安全生产智能保障领域。包括建立智能监测模型和智能预警模型，对提示的异常工况发生原因进行异常预判推理；实时采集石化装置异常期间的关键参数和关联操作参数，进行数据处理动态整定操作，在优化调整目标和约束条件的限定下，在线实时求得石化装置异常关联操作参数的优化设定。基于数字孪生的双重异常智能预警预测模块将工艺机理建模和大数据分析方法创新融合应用到生产异常工况预警预测的工业场景，比单一数据的工艺预测更具有可解释性和有效性；基于动态实时优化和先进控制闭环联动技术模块，能对装置异常工况进行实时响应，通过动态优化调整保证生产装置的安全运行和经济效益。

【技术实现步骤摘要】
用于石化装置的智能安全保障实时优化方法及系统
本申请属于安全生产智能保障领域，尤其是涉及用于石化装置的智能安全保障实时优化方法及系统。
技术介绍
石油化工过程具有工艺流程复杂、相互影响制约因素多、高温、高压、易燃和易爆等特点。装置生产过程中的异常工况如果发生，同时处置不及时或者过程安全管理不到位，都会造成装置产品质量下降或生产周期延误，甚至很容易会导致事故的发生。目前，国内石化企业的安全生产隐患排查工作主要靠人力，通过人的专业知识去发现生产中存在的安全隐患。这种方式容易受到主观因素影响，且很难界定安全与危险状态，可靠性差；另外，由于在事故发生后才分析事故原因、追究事故责任和制订防治措施，这种方式也存在着很大局限性，不能达到从源头上防治事故的目的。虽然，现有的先进技术已经应用在了工业企业的装置安全生产上。不过这些技术主要集中在故障预测与健康管理(PHM)方面，且多聚焦在单一开环技术(如设备在线监测、健康度预测等)，对于融合装置生产异常工况在线监测、预警和推理诊断、动态实时优化(DRTO)和先进控制的闭环联动等集成技术很少，大大制约本文档来自技高网...

【技术保护点】
1.用于石化装置的智能安全保障实时优化方法，其特征在于，包括如下步骤：/n步骤一，从石化装置中实时获取装置生产过程各类参数数据；/n步骤二，收集石化装置生产过程数据和关键参数数据，离线训练建立智能监测模型，并对石化装置的关键参数进行在线实时异常监测，在石化装置工作异常期间参数数据的匹配下，若有关键参数被识别出异常，则会自动给出警告；/n步骤三，根据石化装置在线运行的实时输入数据，确定石化装置在未来的预测工况状态，同时自动提前识别出各类异常类型并评估风险等级，并及时给出异常预警；/n步骤四，对提示的异常工况发生的原因，进行自动推理与追溯，生成异常预判推理结果表及异常推理网络，并将推理结果表中概率...

【技术特征摘要】
1.用于石化装置的智能安全保障实时优化方法，其特征在于，包括如下步骤：
步骤一，从石化装置中实时获取装置生产过程各类参数数据；
步骤二，收集石化装置生产过程数据和关键参数数据，离线训练建立智能监测模型，并对石化装置的关键参数进行在线实时异常监测，在石化装置工作异常期间参数数据的匹配下，若有关键参数被识别出异常，则会自动给出警告；
步骤三，根据石化装置在线运行的实时输入数据，确定石化装置在未来的预测工况状态，同时自动提前识别出各类异常类型并评估风险等级，并及时给出异常预警；
步骤四，对提示的异常工况发生的原因，进行自动推理与追溯，生成异常预判推理结果表及异常推理网络，并将推理结果表中概率值最大的参数作为导致指标异常的最大关键影响参数；
步骤五，自动实时采集石化装置异常期间的关键参数和关联操作参数，并进行数据处理整定操作，根据整定后的当前数据集，在优化调整目标和约束条件的限定下，在线实时求得石化装置异常关联操作参数的优化设定；
步骤六，将求得的石化装置异常关联操作参数的优化设定，作为被控变量的设定值，自动下载给先进控制器执行。


2.根据权利要求1所述的用于石化装置的智能安全保障实时优化方法，其特征在于，所述智能预警模块基于智能预警模型，所述智能预警模型的建立，包括如下步骤：
利用动态机理建模方法建立装置关键参数的动态预警模型，并对装置各种异常工况进行模拟仿真，生成仿真的虚拟外推样本集其中为与关键参数关联的操作参数虚拟样本，为关键参数虚拟样本；
采集装置实时历史数据作为离线基础训练样本集并与虚拟外推样本集混合为建模样本(X,Y)；
对所述建模样本经过智能标注、深度特征预学习抽取出与装置的设备、工艺各相关参数之间的耦合关联，并基于大数据模型挖掘出装置设备关键参数在各种复杂工况下的运行规律，对未来的关键参数工况进行预测，并设定预警阈值，若关键参数输出有超限的趋势则提前触发异常预警，具体如下公式所示：






其中，Yt,Xt,Yt-i,Xt-i,i＝1,2,3...分别为当前时刻t和过去时刻t-i关键参数和关联操作参数输入输出样本，为关键参数未来时刻预测输出，f(·)为关键参数大数据预警模型,δmin,n,δmax,n为预警阈值上下限。


3.根据权利要求1所述的用于石化装置的智能安全保障实时优化方法，其特征在于，所述智能推理诊断模块基于智能推理诊断模型，所述智能推理诊断模型的建立，包括如下步骤：
通过贝叶斯结构学习和贝叶斯参数学习构建贝叶斯网络，计算不同参数下石化装置发生故障的概率，得到各节点的条件概率表，概率最大的值即为根源参数。


4.根据权利要求3所述的用于石化装置的智能安全保障实时优化方法，其特征在于，所述贝叶斯参数学习采用最大后验概率的方法，包括如下步骤：
由历史数据统计直接计算获得石化装置故障现象的先验概率；
对于观测节点的先验概率，假设观测节点p符合贝塔分布Beta(p:α,β)；
其中，α和β是贝塔分布中的大于0的参数；
以最大化参数p的验前概率密度函数π(p)的熵H(Beta(p:α,β))为目标，求解最优的α和β；
根据历史样本数据学习得到各观测节点的验后概率。


5.根据权利要求1所述的用于石化装置的智能安全保障实时优化方法，其特征在于，步骤五中所述的数据处理整定操作，包括数据一致性检测、数据在线预处理及动态数据整定和参数估计。


6.根据权利要求5所述的用于石化装置的智能安全保障实时优化方法，其特征在于，所述动态数据整定和参数估计，包括如下步骤...

【专利技术属性】
技术研发人员：娄海川，林雪茹，刘凯，
申请(专利权)人：浙江中控技术股份有限公司，浙江中控软件技术有限公司，
类型：发明
国别省市：浙江;33