一种新型的基于Levenshtein距离层次聚类的时序操作优化方法

现代流程工业过程中,DCS采集并存储了大量的操作时序数据,若能将其中有价值的操作经验和操作信息提取出来,则可大大提高操作系统的性能。然而,操作经验概念较为模糊,无法具体量化。因此,将具有时序特征的操作数据符号化,使操作经验以区块化形式表示,并提出一种基于Levenshtein距离的时序层次凝聚聚类算法,通过对操纵变量的历史时序操作数据进行相似性搜索,进而获得多种相似的操作模式,并将每种类型的操作模式对应的过程变量进行性能分析,从而得到并保存实际工作过程中所需的操作经验,以达到生产过程操作优化的目的。为了验证所提出方法,将其用于连续组分精馏操作过程,实验结果表明所提出的基于Levenshtein距离层次聚类的操作优化方法的有效性。     

复杂化工过程调控操纵策略的深度学习方法

现代复杂化工过程生产运行记录了大量的过程调控时序数据,如何提取其中有价值的调控操纵经验和规则,对于提升过程运行智能化水平具有重要意义。时间序列聚类是一种挖掘历史调控操纵序列的有效方法,然而由于实际工况经常与历史数据出现偏差,使得重构准确的过程调控操纵策略出现困难。为此,本文提出了一种基于数据碎片化深度学习的过程调控操纵提取方法,采用基于Levenshtein距离的凝聚层次时序聚类获取不同过程扰动状态类别,提取对应的有效操纵序列进行碎片化处理,采用卷积神经网络对调控操纵策略进行深度学习和重构。将此方法在工业换热器过程上进行了应用,获得了满意的结果,表明所提出的方法能够克服常规操纵序列挖掘的工程应用适应性差、对数据源依赖性强等缺点。     

基于时序数据融合的乙烯装置能效价值研究及应用

为了获取乙烯装置的能效价值,提出基于k-means聚类的多变量时序数据线性最小方差优化融合算法及其证明。采用改进的k-means聚类算法对乙烯装置能耗相关时序数据进行聚类分析,获取多变量时序数据的分类及其聚类中心,以各聚类中心计算每个时序变量均方差,并用线性最小方差优化融合算法对各聚类中心加权向量融合,提取乙烯装置能效价值的多维数据虚拟标杆。提出采用多维能效价值雷达曲线展示虚拟标杆与能耗相关的多维数据,直观揭示各年度装置的运行状态与操作水平,准确找出产生能耗的主要原因及提高能效的主要方向。提出的方法不但为乙烯装置的能效评估提供了可行方法,也可应用到其他流程装置的能效评估。     

基于减法聚类的焦炉集气管压力操作模式提取及迁移重构

基于集气管压力控制特点和生产过程中产生的大量历史数据和以往操作经验的基础上，提出一种基于减法聚类的焦炉集气管压力控制的操作模式提取及迁移重构方法。基于减法聚类算法进行操作模式的提取，最终形成操作模式优化数据库，对压力设定值进行优化，采用基于模型迁移思想的模式重构策略实现操作模式的修正。工业应用试验验证了所提方法的有效性。     

基于主元相似度的间歇过程操作曲线递推优化

针对一类较长周期的间歇过程操作优化问题，提出了一种基于正常运行批次的数据驱动型操作曲线递推优化方法。首先采用分段离散化方法将原非线性优化问题转化为线性优化问题，再利用主元分析对离散化后的高维时段变量进行降维处理，然后在降维后的主元平面中，基于时段变量与最终产品指标间的余弦相似度，实现对原操作曲线的摄动优化。考虑到时段变量方差和相似度随批次会发生变化，建立了递推算法以实现操作曲线的递推更新。最后将该方法应用于某化工产品的间歇结晶过程中，结果验证了所提方法的有效性。     

基于区域最近邻生长的层次聚类算法

对于非球形和其它特殊形状的非凸数据集的聚类,基于划分的聚类算法很难取得理想的聚类结果。层次聚类算法根据数据的特征将距离近的数据进行合并,对于球形数据集和其它具有特殊形状的数据集有很好的聚类效果。在分析现有层次聚类算法的基础上,根据层次聚类的合并思想和最近邻距离的计算提出了基于区域最近邻生长的层次聚类算法。     

基于主元相似度的间歇过程操作曲线递推优化

针对一类较长周期的间歇过程操作优化问题,提出了一种基于正常运行批次的数据驱动型操作曲线递推优化方法。首先采用分段离散化方法将原非线性优化问题转化为线性优化问题,再利用主元分析对离散化后的高维时段变量进行降维处理,然后在降维后的主元平面中,基于时段变量与最终产品指标间的余弦相似度,实现对原操作曲线的摄动优化。考虑到时段变量方差和相似度随批次会发生变化,建立了递推算法以实现操作曲线的递推更新。最后将该方法应用于某化工产品的间歇结晶过程中,结果验证了所提方法的有效性。     

工业数据驱动的加氢裂化装置多工况切换过渡状态检测

加氢裂化装置运行工况众多且切换频繁，而不同稳定的工况间切换必然存在过渡状态，可能会引起装置运行状态波动，甚至引发事故。通常，操作员会基于专家经验判断装置当前处于稳定或过渡状态，分别采取相应的监控和调整策略。然而，人工判断具有个体差异、经验积累周期长等不足，可能导致过渡状态判断不够准确，故提出一种加氢裂化装置多工况切换过渡状态检测方法，首先，结合工业大数据和装置过程机理，针对工业采集数据运用了小波降噪和平滑，再利用相关分析法和主元分析（principal component analysis,PCA）进行数据降维，剥离了相关性强的变量所带来的额外计算成本和信息干扰，将滑动窗拆分并计算移动方差，再与Kmeans (K均值)聚类相结合，实现了加氢裂化装置的过渡态检测。最后，与经典K-means聚类和层次聚类方法进行对比验证，证明了所提方法具有更好检测能力。     

基于EM算法的青霉素发酵过程多阶段融合建模

青霉素发酵过程具有明显的阶段特征,该特征从一些关键操作变量信息中能够得到反映.本文从反应过程的多个操作变量中,选取关键过程变量--冷水流加速率作为调度变量,并采用模糊C均值聚类算法对其进行分类,各聚类中心作为青霉素发酵过程的主要工况点;基于EM算法围绕不同工况点建立局部子模型,最后根据采样数据阶段特征的后验分布将各子模型融合.基于此方法采用Pensim仿真平台数据,能够辨识数据的阶段特征,并建立青霉素发酵过程的融合模型.仿真结果表明该模型具有较高的拟合精度,能对该发酵过程的主导变量进行比较精确的预测.     

基于相对增益和优先级的化工过程协调优化裕量设计

化工过程设计裕量一般是通过设计经验或经济优化给出的,设计经验无法保证经济性能的优化,而经济优化需要求解大规模非线性优化问题,计算复杂,容易陷入局部极值点,设计结果有时与设计经验违背。本文用非方相对增益阵和非方相对能量增益阵描述化工过程设计的自变量和因变量的灵敏度关系,将自变量划分为操作变量和设计变量,将因变量划分为经济指标和约束变量。相对增益具有无量纲化和归一化的优点,因此可根据经济指标和约束变量的相对增益对操作变量和设计变量划分优先级,针对过程不确定性的大小按照优先级依次调整各个操作变量和设计变量,找到对过程经济性能影响最小并有效移动操作点、远离约束边界的裕量设计方案。以串联反应釜为例对该设计方法进行了验证,结果表明,与求解经济最优化问题的裕量设计方法相比,本设计方法得到了经济性能与之接近的设计结果,计算简单,无须求解最优化问题。     

THE ADAPTIVE AUTOREGRESSIVE MODELS FOR THE SYSTEM DYNAMICS AND PREDICTION OF BLAST FURNACE

The blast furnace can be viewed as a time-varying stochastic system. The Adaptive Autoregressive (AAR) models are proposed to characterize such systems. AAR identification is a method of successive parameter estimation by using recursive formulas with variable forgetting factors to closely track time-varying parameters. A simple example is presented to illustrate the parameter tracking capability of the AAR models. Based on the prediction errors, the AAR models of blast furnace are compared with the conventional time series models. Through this comparison, the AAR models prove to be superior to the other time series models, since the latter are suitable only for time-invariant systems. It is concluded that during smooth operation, just the AAR scalar model is required for forecasting as operational guide. When the operation is uneven, the AAR vector model provides the better results. To control the performance of this process the data should be sampled under uneven operating condition, where the AAR vector model is the best among all the models considered and can properly express the dynamic relationship between the input and output variables.     

基于GLSAFIS的氟化工过程操作单元可靠性监测

氟化工产物的剧毒特性,使得对于氟化工过程设备的运行可靠性监控异常重要。为此,提出了基于全局-局部结构分析的模糊推理系统（GLSAFIS）在线评估氟化工过程操作单元运行可靠性。依据氟化工工艺流程选取操作单元过程变量后,通过全局-局部结构分析算法（GLSA）对操作单元过程变量进行全局-局部特征提取。这些低维的全局-局部特征代替原始变量作为模糊推理系统（FIS）的输入,不仅可以克服噪声的影响,降低对专家知识的依赖,同时可以通过特征空间的降维压缩,大大加速后续模糊推理系统的逻辑设计。最后模糊推理系统的实施,使得本方法可以对化工过程操作单元可靠性进行在线评估。国内某氟化工厂二氟一氯甲烷（R-22）生产过程的实际应用以及田纳西伊斯曼模拟过程的仿真结果均证实了所提方法可以准确地反映实际化工过程操作单元的运行状况,大大提高了对实际化工过程的安全监控力度。     

基于多数据空间全潜结构映射的化工过程性能评估方法

针对化工过程运行状态在线评估的问题,提出多数据空间全潜结构映射（multi-space total projection to latent structures,MsT-PLS）性能评估方法。该方法采用“离线建模,在线评估”的评估策略。首先对历史多数据输入空间进行全面分解,结合多数据空间基向量提取方法,剔除多数据输入空间中与质量变量无关信息的干扰。在与质量变量相关的多数据输入空间上,建立不同运行性能等级的离线数据网络分类模型,实现“离线建模”。“在线评估”阶段,以数据滑动时间窗为评估单元,将过程性能分为稳定和过渡性能等级,把在线数据与历史性能等级进行相似度匹配。利用过程变量相对贡献度,对性能变化起决定性影响的过程变量进行识别和贡献度分析,为系统性能劣化原因的识别提供了参考。最后,应用到乙烯裂解过程在线性能评估中,说明了本评估方法可以对系统进行准确的在线性能评估。     

Operational strategy to minimize operating costs in liquefied natural gas receiving terminals using dynamic simulation

Although the operation of an LNG receiving terminal, especially for LNG unloading process, is important in terms of economics and safety, the systematic approach for this process is deficient with regard to operating variables and inherent terminal characteristics. Because the characteristics of each LNG terminal vary according to its individual condition, it is worth to investigate the operational method manipulating operating variables to reduce operating costs regarding terminal characteristics. In this study, we perform a rigorous and extensive dynamic simulation of LNG unloading process to demonstrate the effects of terminal characteristics, including the total length of the pipeline, the number of storage tanks, the ambient temperature, and the operation cycle. Based on simulation results and cost analyses, we can suggest an operational strategy to minimize the operating cost in LNG receiving terminals.     

An early warning generation and emergency advisory system and its application to power plants

Based on the fact that abnormal states continue prior to the breakage of the fault, an early warning system was developed by monitoring the variables in operation real-time, deciding on the operational status, and informing the operator of the process status in order to warn of an abnormal operation in advance. As the traditional system, operating based on threshold limits, separately monitors and manages each operating variable, the interaction/co-relationship among the variables is ignored. The proposed early warning system combines operating variables that interact with one another for each unit process or unit facility, producing a neural network model predicting the normal status values and generating warnings of abnormalities in the process in advance. A time extension function-linkage associative neural network model was designed and used taking consideration of the time lag. Based on the emergency advisory database established, an emergency advisory system was also developed that informs the operators of the cause, effect and emergency measures regarding abnormal operations recognized by the early warning system. The developed system was applied to the power plant operations, and it shows a good performance in early warning generation and provides good advice for the management of diagnosed abnormal situations.     

基于粗糙集的智能可视化优化方法用于加氢裂化反应操作优化

加氢裂化反应的历史生产数据包含了丰富的操作规律,而目前没有被充分挖掘和利用。针对该问题,本文 提出了基于粗糙集的智能可视化优化方法,并应用该方法对加氢裂化反应的操作变量进行了优化。采用自适应离 散化的方法对加氢裂化反应的生产操作数据进行离散化,得到离散化的数据集。针对数据集属性约简的N-P 难题, 提出了基于列队竞争算法的属性约简计算方法。通过对加氢裂化反应的数据集约简计算,使预设的12 个操作变量 约简到了8 个,除去了4 个冗余变量,有效降低了优化搜索空间。在此基础上,应用智能可视化优化方法将约简 后的加氢裂化反应数据降维映射到平面,并生成航煤收率的等值线,据此,直观地确定出了航煤收率的优化区域 和优化操作点。结果说明,选出的优化工况点与原工况航煤收率33.98%相比,能使航煤收率提高到37.58%.     

一种新的模糊聚类-分级算法及其在流程报警管理中的应用

1 INTRODUCTION Normally, operating management experience of in- dustrial process indicates that the probability one ig- nores alarm is 10-4 after handling one alarm signal and the probability one takes no direct action is 10-5 after hearing one alarm. Experiences also indicate that the probability one ignores alarm will increase to 10-3 from 10-4 if one alarm isn't handled within one minute[1]. Therefore, when the second alarm is appearing the probability which it can't be identified is 10…     

A multi-model approach for soft sensor development based on feature extraction using weighted kernel fisher criterion简

Multi-model approach can significantly improve the prediction performance of soft sensors in the proc- ess with multiple operational conditions. However, traditional clustering algorithms may result in overlapping phe- nomenon in subclasses, so that edge classes and outliers cannot be effectively dealt with and the modeling result is not satisfactory. In order to solve these problems, a new feature extraction method based on weighted kernel Fisher criterion is presented to improve the clustering accuracy, in which feature mapping is adopted to bring the edge classes and outliers closer to other normal subclasses. Furthermore, the classified data are used to develop a multiple model based on support vector machine. The proposed method is applied to a bisphenol A production process for prediction of the quality index. The simulation results demonstrate its ability in improving the data classification and the prediction performance of the soft sensor.