基于动态核独立分量分析的天然气净化过程异常检测方法

摘要

本发明公开了一种基于动态核独立分量分析的天然气净化过程异常检测方法，该诊断方法按如下步骤进行：确定所监测的高含硫天然气净化脱硫生产过程中的工艺参数；对高含硫天然气净化脱硫生产过程进行数据采集；对数据进行预处理；分析数据的自回归模型，确定其动态时滞后阶次，得到其动态扩展矩阵；在核主元空间对扩展矩阵进行白化处理，提取核主元分量，并采用独立分量分析估计独立元；计算独立元对应的SPE统计量和T²统计量，并分析统计量是否超限，若超限则发生异常工况，否则正常，再结合T²贡献图法，进行异常工况参数追溯。本方法能够及时检测故障发生，并追溯工艺操作参数导致故障发生原因，从而为系统故障排查和恢复提供决策参考依据。

主权项

一种基于动态核独立分量分析的天然气净化过程异常检测方法，其特征在于该诊断方法按如下步骤进行：步骤1：确定所监测的高含硫天然气净化脱硫生产过程中的m个工艺参数，其中，m＝10，各工艺参数分别为：x₁表示脱硫吸收塔胺液入口流量，x₂表示尾气吸收塔胺液入口流量，x₃表示原料气处理量，x₄表示半富胺液循环量，x₅表示一级吸收塔胺液入口温度，x₆表示二级吸收塔胺液入口温度，x₇表示闪蒸罐压力，x₈表示重沸器A口蒸汽消耗量，x₉表示重沸器B口蒸汽消耗量，x₁₀表示蒸汽预热器流量；步骤2：对高含硫天然气净化脱硫生产过程进行数据采集，所得的样本数据为[X_m×N,Y₁,Y₂]，其中：X为工艺参数，m为工艺参数数量，N为采集数据样本数量，Y₁为H₂S含量，Y₂为CO₂含量；步骤3：对步骤2所得的样本数据进行预处理：3.1剔除采集数据中缺失参数的样本，并保证样本满足企业净化气技术指标，得到的数据为[X_m×n,Y₁,Y₂]，n为处理后采集样本数量，n＜N；3.2进行数据归一化处理，得到的工业数据为[X′_m×n,Y′₁,Y′₂]；步骤4：分析步骤3所得的工业数据[X'_m×n,Y₁',Y₂']的自回归模型，确定其动态时滞后阶次h，得到其动态扩展矩阵；计算时滞后阶次h的方法为：首先处理h＝0的静态情况，数据矩阵中的静态关系数等于变量数与主元个数之差；然后令h＝1,计算新的动态关系数，新的动态关系数等于变量数减去主元个数和第一步计算出的静态关系数，h函数逐渐增加，新关系函数按以下公式递推计算：$r_{\mathrm{new}}\left(h\right)=r\left(h\right)-\underset{i=0}{\overset{h-1}{\Sigma }}(h-i+1)r_{\mathrm{new}}\left(i\right),$直至r_new(h)<0，即持续到没有新的静态和动态关系为止，观测向量x_i＝[x_i1,x_i2,…x_im]，考虑其h时滞后阶次信息，则$x_i^h=[x_{i1},x_{i-11},...x_{i-h1},x_{i-h1},x_{i2},x_{i-12},...x_{i-l2},...,x_{\mathrm{im}},x_{i-1m},...x_{i-\mathrm{hm}}]$最终得到的动态扩展矩阵为：$X^h={[x_{h+1}^h,x_{h+2}^2,...,x_n^h]}^T\in R^{(n-h)\times m(h+1)};$步骤5：在核主元空间对扩展矩阵X^h进行白化处理，提取核主元分量Z^h，并采用独立分量分析估计独立元s^h；步骤6：计算独立元s^h对应的SPE统计量和T²统计量，并分析统计量是否超限，若超限则发生异常工况，否则正常，再结合T²贡献图法，进行异常工况参数追溯。