在线测量数据获取、校正及过失误差的序列补偿方法技术

一种工业控制技术领域的在线测量数据获取、校正及过失误差的序列补偿方法，步骤为：步骤一，实时地获取运行的煤化工流量测量数据和组分测量数据；步骤二，制造执行系统主服务器上的实时数据库获取数据校正任务所需要的流量测量数据和在线组分分析仪的组分测量数据，保持实时数据库和关系数据库的数据时间上的同步；步骤三，数据校正系统服务器从制造执行系统主服务器读取流量测量数据和组分测量数据，数据校正系统进行数据校正，校正后的流量数据和组分数据供后续用户调，此步骤中采用改进型序列补偿法对动态数据校正模型中含有过失误差的变量进行侦破。本发明专利技术提高了大规模生产网络的过失误差侦破率，减少运行时间和迭代次数。

On-line measurement data acquisition, correction and sequence compensation method of gross error

A kind of industrial control technology in the field of online measurement data acquisition, calibration and error sequence compensation method comprises the following steps: step one, get the real-time operation of the coal chemical flow measurement data and component measurement data; step two, manufacturing flow measurement data and online group executive system in the main server database to obtain data in real time the correction tasks required to the analyzer component measurement data, synchronized real-time database and relational database data in time; step three, data correction system server main server from the manufacturing execution system reads the flow measurement data and component measurement data, data correction system for data correction, data flow and the corrected sub group the data for subsequent users, the improved method of dynamic data sequence compensation correction error containing model used in this step The variables were detected. The invention improves the gross error detection rate of the large-scale production network and reduces the running time and the number of iterations.

【技术实现步骤摘要】

本专利技术涉及一种工业控制
的方法，具体是一种煤化工。
技术介绍
煤化工生产流程中的数据多为连续流动着的物料，可测量，不可计数，有误差，不严格符合相关数据的物料平衡、热量平衡和其他约束条件，不具有整合性或协调性。生产过程优化运行、优化控制与优化管理是流程工业制造执行系统节能降耗的主要内容，协调一致的数据是企业进行调度、核算、考评、排产、优化、经营等的基础。目前，国内外数据校正技术在研究方面有了一定的进展，其中约束方程可以线性或非线性的，目标函数均是测量与校正差的最小二乘，权系数是测量值协方差矩阵的逆，已经提出了关于测量值协方差求取的几个方案。在误差诊断方面，只有一些针对具体状况的对应方法，如整体检验法、测量检验法等，还没有比较完善有效的方法。 经对现有技术的文献检索发现，Shankar Narasimhan等在《DataReconciliation and gross Error Detection》(数据校正与过失误差检测)(GulfPublishing Company(油气工业出版社)，2000)一书中提出数据校正方法，虽然有对非线性和双线性问题的数据校正，其不足之处对于大规模实际生产网络问题，尤其涉及测量数据的动态在线校正问题，并没有提出针对大规模生产网络冗余性分析方法及相应的过失误差侦破方法。
技术实现思路
本专利技术针对上述现有技术的不足，提出了一种针对煤化工的，针对煤化工生产流程，对于系统内过程拓扑结构中的气、固、液三相的流率和组分数据进行冗余性分析，提出了有效的动态在线数据校正模型，并采用改进型序列补偿法对过失误差进行了侦破。 本专利技术是通过如下技术方案实现的，本专利技术包括以下步骤 步骤一，实时获取运行的煤化工流量测量数据和组分测量数据，采用安装于工业装置的管线或传输带上的数字式计量仪表自动获得流量测量数据，采用人工定时采样或采用安装于工业装置的设备、管线或传输带上安装的数字式在线组分分析仪获得组分测量数据。 所述数字式计量仪表自动获得流量测量数据，具体为数字式计量仪表负责测量管线或传输带上的流量，并将获得的流量数字讯号经单元工业装置的DCS(Distributed Control System，集散控制系统)，进入MES(ManufacturingExecutive System，制造执行系统)自动地存入MES主服务器上的实时数据库。 所述采用人工定时采样获得组分测量数据，具体为由分析人员定时去现场采样，采得的样品分析得到组分测量数据，并将组分测量数据录入分析数据服务器上的关系数据库。 所述采用数字式在线组分分析仪获得组分测量数据，具体为数字式在线组分分析仪在工业装置的设备、管线或传输带上测量物质的组分，并将获得的组分数字信号经DCS，进入MES，自动地存入实时数据库。 所述数字式计量仪表，为涡轮流量计，涡阶流量计、质量流量计或皮带秤。 所述数字式在线组分分析仪，为气相色谱仪、液相色谱仪或质谱仪等。 步骤二，MES主服务器上的实时数据库自动地、连续地，按设定的频度(一般为若干秒)，获取数据校正任务所需要的流量测量数据和在线组分分析仪的组分测量数据，而对于由人工录入的组分分析数据，分析数据服务器按设定的时间间隔(通常为每个生产班次、生产日等)，自动地将指定的数据校正任务所需要的组分测量数据提取并打包传输到MES主服务器上的实时数据库中去，保持实时数据库和关系数据库的数据时间上的同步； 所述分析数据服务器，其提取组分分析数据的时间间隔为数据校正时间间隔的1/n，n一般取5-10。 所述分析数据服务器，当由于某种原因导致某一需要的组分测量数据未按约定时间录入或导入时，分析数据服务器将在数据校正时间间隔的期末自动继承该数据前一时段的数值，作为缺损值的替代值。 步骤三，数据校正系统服务器在指定的时间间隔(同步骤二中，通常为每个生产班次、生产日等)的期末，自动地从MES主服务器读取数据校正任务所需要的全部该时间间隔内的流量测量数据和组分测量数据，数据校正系统读入数据校正系统服务器上本间隔期内流量测量数据和组分测量数据，进行数据校正，校正后的流量数据和组分数据存入关系数据库，并复制一份至MES主服务器的实时数据库，供动态成本、调度优化或技术月报等后续用户调用。 所述流量测量数据和组分测量数据的处理，具体为流量测量数据的瞬时值在时间间隔内积分，流量测量数据的累计值取间隔期末值与期初值的差值，间隔内的同一组分的多个测量值取平均值等。对于经过处理的流量测量数和组分测量数据的缺损值可以由人工补充。 所述数据校正系统，其位于数据校正系统服务器上，该服务器上备有与系统关联的关系数据库，关系数据库上存贮数据校正模型、结构参数和各种常数。模型、结构参数和常数都可以根据工业装置运行工况的变化由人工作相应的修改。 所述数据校正，其步骤为 ①在完成步骤一和步骤二的测量数据的获取和同步的基础上，进行动态的数据校正。在煤化工流程中，对系统内过程拓扑结构中的气、固、液三相的流率测量数据和组分数据进行冗余性分析，进行动态数据校正模型； 所述动态数据较正模型，其目标函数为约束方程为 其中， 为测量数据的校正值向量，X为测量数据向量，U为未测量数据矩阵，Q为测量数据的方差-协方差矩阵，A为校正值的系数矩阵，B为未测量数据的系数矩阵，C为常数矩阵。 ②在煤化工流程中涉及多个分流器装置，对于分流器问题采用双线性方法对①中的动态数据校正模型进行数据校正； 所述对于分流器问题采用双线性方法进行数据校正，具体如下 第一步，设定从分流器流出的各流股具有各自不同组分的约束，进行双线性的数据校正，得出组分流量； 第二步，利用第一步计算得出的组分流量，计算组分流量的比值作为分流器的分流系数，将分流系数代入动态数据校正模型的约束方程，再次进行双线性的数据校正。 ③采用改进型序列补偿法对②中的动态数据校正模型中含有过失误差的变量进行侦破，具体如下 第一步，根据①建立的动态数据校正模型，构建残差和协方差矩阵 约束方程的残差r＝AX-C； 残差的协方差矩阵V＝AQAT。 其中X为测量数据向量、Q为测量数据的方差-协方差矩阵、A为校正值的系数矩阵、C为常数矩阵。 第二步，对每一个测量数据构造检验统计量z，计算所有测量数据的检验统计量，并对所有的检验统计量|zi|按照由大到小进行排序，得到排序后的序列S，并将序列中的最大值S(1)同第一临界值ZC进行比较，第一临界值为根据给定显著水平从检验统计量分布表查出的置信区间，若S(1)＜ZC，表明所有|zi|都落入置信区间，误差侦破结束，终止运算，输出数据校正结果；若S(1)＞ZC，则进行第三步。 所述构造检验统计量z，具体为zi＝δiWii-1/2，其中，δi是常数，W＝QATV-1AQ，Q为测量数据的方差-协方差矩阵，A为校正值的系数矩阵。 第三步，利用过失误差的改进型序列补偿法检验序列S中的检验统计量，当序列S中的检验统计量大于第二临界值ZC1，第二临界值ZC1为根据给定的显著水平查多元正态分布统计表得出的置信区间，则表示有过失误差，对测量值补偿，返回到②，直到将所有序列S中测量数据的检验统计量都小于第二临界值ZC1范围内，表示所有的过本文档来自技高网...

【技术保护点】
一种在线测量数据获取、校正及过失误差的序列补偿方法，其特征在于，包括以下步骤：步骤一，实时地获取运行的煤化工流量测量数据和组分测量数据，采用安装于工业装置的管线或传输带上的数字式计量仪表自动获得流量测量数据，采用人工定时采样或采用安装于工业装置的设备、管线或传输带上安装的数字式在线组分分析仪获得组分测量数据；步骤二，制造执行系统主服务器上的实时数据库自动地、连续地，按设定的频度，获取数据校正任务所需要的流量测量数据和在线组分分析仪的组分测量数据，而对于由人工录入的组分分析数据，分析数据服务器按设定的时间间隔，自动地将指定的数据校正任务所需要的组分测量数据提取并打包传输到制造执行系统主服务器上的实时数据库中去，保持实时数据库和关系数据库的数据时间上的同步；步骤三，数据校正系统服务器在指定的时间间隔的期末，自动地从制造执行系统主服务器读取数据校正任务所需要的全部该时间间隔内的流量测量数据和组分测量数据，数据校正系统读入数据校正系统服务器上本间隔期内流量测量数据和组分测量数据，进行数据校正，校正后的流量数据和组分数据存入关系数据库，并复制一份至制造执行系统主服务器的实时数据库，供后续用户调用；所述数据校正，包括：①在完成步骤一和步骤二的测量数据的获取和同步的基础上，进行动态的数据校正，对煤化工流程系统内过程拓扑结构中的气、固、液三相的流率测量数据和组分数据进行冗余性分析，进行动态数据校正模型；②在煤化工流程中涉及多个分流器装置，对于分流器问题采用双线性方法对①中的动态数据校正模型进行数据校正；③采用改进型序列补偿法对②中的动态数据校正模型中含有过失误差的变量进行侦破，具体如下：第一步，根据①建立的动态数据校正模型，构建残差和协方差矩阵：约束方程的残差：ｒ＝ＡＸ－Ｃ；残差的协方差矩阵：Ｖ＝ＡＱＡ↑［Ｔ］；其中：Ｘ为测量数据向量、Ｑ为测量数据的方差－协方差矩阵、Ａ为校正值的系数矩阵、Ｃ为常数矩阵；第二步，对每一个测量数据构造检验统计量ｚ，计算所有测量数据的检验统计量，并对所有的检验统计量｜ｚ↓［ｉ］｜按照由大到小进行排序，得到排序后的序列Ｓ，并将序列中的最大值Ｓ（１）同第一临界值ＺＣ进行比较，第一临界值为根据给定显著水平从检验统计量分布表查出的置信区间，若Ｓ（１）＜ＺＣ，表明所有｜ｚ↓［ｉ］｜都落入置信区间，误差侦破结束，终止运算，输出数据校正结果；若Ｓ（１）＞ＺＣ，则进行第三步；第三步，利用过失误差的改进型序列补偿法检...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵霞，潘兆鸿，吴胜昔，许晓鸣，朱建宁，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]