石化装置异常工况监测预警系统研究

针对石化装置的工艺生产特点,以生产过程的"数据"与"知识"为基础,进行多源信息融合,研究了用于信号处理的基于提升格式的数据滤波技术、基于灰色时序模型的参数预警技术、基于平行坐标的报警优化技术;用于异常工况监测预警的基于专家系统与人工神经网络的异常工况识别技术、基于机理模型的装置物料与能量平衡分析技术、基于状态空间分析的运行状态监测预警技术;搭建了异常工况分析测试与试验平台,用于异常工况监测预警系统的可靠性与完备性分析.工业应用表明,该系统对减少误操作具有良好的效果.     

基于多工况融合的化工装置异常状态预警研究

化工装置的异常状态会导致生产运行过程中发生重大安全事故。提出一种基于多工况融合的化工装置异常状态预警策略,即:分析反映化工装置异常状态的特征参数,采用隶属函数对特征参数变化趋势进行量化处理,计算得到各特征参数的偏差程度;利用特征参数变化速率确定特征参数权重的分配原则与算法,结合特征参数偏差程度和权重的计算结果,构建了基于多工况参数融合的化工装置异常状态预警模型;利用西南油气田川中油气矿天然气净化厂DCS系统数据对预警策略进行了验证。验证结果表明:与传统单参数阈值报警相比,本文提出的预警策略可提前8min预知脱硫塔异常"发泡"事件,从而达到过程安全管理关口提前的目的。     

基于工艺参数灰色关联度分析的天然气脱水装置异常检测

目的针对石化设备常用的维修方式导致设备检维修成本高的问题,同时保障设备的可靠运行,建立基于灰色关联度的设备异常检测模型,快速识别异常设备。方法利用灰色关联度分析法计算增压站数据清洗后各生产监测参数间的关联度,并以计算得到的关联度建立参数间的关联度矩阵,实现参数间的聚类。利用基于参数之间的灰色关联度变化的方法,识别参数聚类结果中同类监测参数对应设备的异常状态。结果在大部分时间段,同类监测参数的关联性较高,预测关联性出现异常时为设备异常状态。结论相对于监测参数阈值判断等方法,基于灰色关联度分析法的预测模型具有较高的预测精度,实现了异常设备的快速有效识别,保障了设备的可靠运行,降低了设备检维修成本。     

钻井过程人员异常行为视频智能识别系统

针对钻井现场视频监控人工值守工作量大、异常行为识别不及时、海量视频数据缺乏实时报警等问题,结合钻井作业操作规程建立井控坐岗监测、起下钻、甩钻具等钻井作业场景典型异常行为判别规则,在基于卷积神经网络的目标检测方法基础上,引入SIFT方法和基于强化学习的困难样本筛选策略,提高了算法识别的准确率与鲁棒性。测试结果表明,在像素分辨率1 920×1 080的情况下,该方法整体识别准确率达到85%以上,平均识别速度为135 ms/帧。在此基础上,开发了钻井过程人员异常行为智能识别系统,试点应用结果表明,该系统能够对接入的视频流进行实时检测,及时、准确识别出坐岗人员擅自离岗、起下钻及甩钻具过程人员危险站位等异常行为,有效提升钻井现场安全管理水平。     

“四化预警平台”在油水井安全管理中的应用

针对油水井发生异常工况时,存在致人伤亡风险的问题,依托油气生产指挥系统,深化数据规律分析与应用,建立了四化预警平台,及时发现杆断、电泵停井、注水井套漏等异常工况,并采取有效措施控制风险,不仅大幅提升了现场安全管理水平,更提升了油水井生产效益。     

基于工况数据的烟尘排放异常检测

识别由于主观篡改或设备工况异常导致的污染物排放数据异常现象,对于重点排污单位环境污染监控、整治和管理有着重要意义。以河北省某钢铁企业为例,基于每小时工况数据和烟尘浓度建立预测模型,采用改进的损失函数MSECorrLoss进行TabNet模型训练,并与XGBoost、LightGBM和BiLSTM模型进行对比,提出了一种基于阈值划分的K-error算法进行烟尘排放异常数据的识别,结果表明：1)相较RMSELoss损失函数,采用改进的MSECorrLoss训练后,TabNet模型MAPE由15.33%下降为15.10%,且模型收敛更快。2)LightGBM和XGBoost训练速度快,但LightGBM预测精度低(RMSE=0.3201, MAPE=29.45%),XGBoost和BiLSTM模型鲁棒性与稳定性(RMSE:0.3403～0.3425, MAPE:13.58%～18.38%)不及TabNet(RMSE:0.2886～0.2934, MAPE:15.10%～15.33%)。虽然TabNet训练时间较长,但无需人工进行特征选取,应用限制低,在烟尘预测中具有良好的应用效果。3)基于工...     

环境监测数据中的异常数据分析与处理

为保证环境监测数据的准确性,减小数据异常对环境监测工作质量造成的影响,分析了环境监测数据的审核要求,指出环境监测技术对监测数据的影响,提出异常数据的判断及处理方法.应合理分析对比各监测指标之间的逻辑性及浓度分布规律,熟悉监测技术规范,妥善处理异常数据,善于总结各类环境要素的变化特点.     

基于环境保护大数据的监测与智能诊断研究

为了提高环境保护的智能监测能力,采用大数据分析方法进行环境监测和诊断分析,提出一种基于环保大数据关联特征挖掘的环境保护智能监测与诊断技术。构建环境监测的约束参量模型,以土壤监测数据、空间污染排放量以及水资源监测数据为原始统计数据,采用关联规则特征提取方法进行环保大数据的有用信息挖掘,结合模糊C均值聚类算法实现对环保大数据的分类处理,根据分类结果进行环保监测和智能诊断分析。仿真结果表明,采用该方法进行环保大数据挖掘的准确性较好,对各种污染信息的分类精度较高,提高了环保监测和诊断的有效性与实时性。     

云计算环境下大气污染预测软件异常数据检测方法研究

针对当前云计算环境下,大气污染预测软件异常数据检测存在的检测准确率低和执行效率低等问题,提出一种基于高斯过程回归模型(GPR)的大气污染预测软件异常数据检测方法。采用短时的面积特征与梯度特征描述软件测试端口的流量行为,将实时获得的流量行为通过多级多粒度方法定位,完成测试端异常检测;根据测试端输入输出数据间的关联性,统计多个测试端口,采用GPR构建异常数据预测模型,对比实时监测的输出数据与预测模型的输出数据,实现预测软件异常数据检测。     

饮用水水源地水质监测预警系统设计探讨

以全过程管理监测预警为目标,设计了集数据监测系统、数据传输系统、视频监控系统、预警系统于一体的饮用水水源地水质监测预警系统,为饮用水安全保障提供全过程分层次的决策方案。论述了系统的目标、框架、总体功能、以及涉及的关键技术,积极探索了将水质遥感、GIS技术、无人机技术、生物预警技术应用于饮用水监测预警管理的过程与方法,并指出该系统还需从水文过程-水环境效应的耦合模拟方面加以完善。