数据分析与BP神经网络相结合的乙烯装置智能故障诊断系统

针对化工生产流程中各单元具有强关联性、连续性、复杂性的特点，以某乙烯生产装置为对象进行Aspen仿真，提取数据并进行灵敏度分析，发现设备故障可以通过分馏塔再沸器和冷凝器的热负荷变化来反映；进而，以脱甲烷塔、脱乙烷塔和乙烯精馏塔为例建立动态模型，把引起热负荷变化的温度、压力、甲烷含量和进料流量4种可观测参数数据集进行故障分类编码，再利用3层BP神经网络建立热公用工程(主要指蒸汽)智能诊断系统模型。对不同可观测参数及其组合数据各选取10 000组数据样本进行训练和验证，在获得阶段性诊断结果后，综合设备热负荷变化得到完整的装置故障情况。测试集样本验证结果显示，所建BP神经网络诊断模型的准确率较高，可达到99.75%。实际应用结果表明，该故障诊断系统在实际操作中能够快速有效地判断出设备故障诱因。