流程工業報警管理系統的研究與應用

宗學軍，張明明

(沈陽化工大學 信息工程學院，沈陽 110142)

?

流程工業報警管理系統的研究與應用

宗學軍，張明明

(沈陽化工大學 信息工程學院，沈陽 110142)

稿件收到日期： 2015-04-16，修改稿收到日期： 2015-07-02。

多年來，大量的事故調查已經揭示了現代流程工業報警系統中報警泛濫極大地分散了操作員處理問題的精力，與此同時也大幅增加了操作員的操作壓力。無價值和泛濫的報警信息中往往掩蓋了大量有價值的信息，由此導致操作效率下降、操作反應遲緩，使得事故狀況加劇，危及企業的安全生產[1-2]。現代工業報警核心問題在于設置的報警過多，為了合理減少報警量，提升報警的有效性，筆者根據煙氣脫硫系統的報警數據，利用動態模糊聚類方法對報警信息進行合理分類，通過K-means算法確定聚類中心，對報警等級進行劃分。

1模糊聚類算法

模糊聚類是指根據研究對象本身的屬性來構造模糊矩陣，并在此基礎上根據一定的隸屬度來確定聚類關系，即用模糊數學的方法定量地確定樣本之間的模糊關系，從而客觀且準確地進行聚類[3]。模糊聚類算法有3個重要的處理過程： 數據的標準化；建立對象的模糊矩陣；建立對象模糊矩陣的等價矩陣。

1．1數據的標準化

在實際問題中，由于不同數據的量綱有所差異，因而在建立對象的模糊矩陣之前要對數據進行標準化。首先計算每一維的特征均值hk和方差Sk。

(1)

(i=1， 2， 3， …， n; k=1， 2， 3， …， m)

然后按照式(1)對數據進行平移標準化變換：

(2)

(3)

1．2建立模糊矩陣

為了建立模糊等價關系Re，首先要計算各個分類之間的相似統計量，建立相似模糊矩陣Rs=[ri j]n × m(0≤ri j≤1，i=1， 2， 3， …，n；j=1， 2， 3， …，m)，ri j表示對象hi和hj的相似程度，采用直接距離法算ri j的值。直接距離法公式如下：

(4)

式中： d——兩個元素之間的距離。

1．3建立模糊等價矩陣

模糊矩陣只能反映樣本之間的相似關系，不具有自反性和對稱性，不具有傳遞性，所以采用平方法得到矩陣Rs的傳遞閉包矩陣Re[4]：

(5)

2煙氣脫硫系統報警優化

煙氣脫硫系統將報警等級劃分為6種狀態包括： 高位聯鎖(HL)，高高報(AHH)，高報(AH)，低報(AL)，低低報(ALL)，低位聯鎖(IL)。首先要建立報警信息矩陣，取n條報警和6個屬性，并計算出對應的報警率(報警率=報警條數/樣本采樣報警條數)，構成報警信息矩陣Q=(si j)6×n：

(6)

對式(6)運用上述方法進行標準化和模糊化處理，如果某一行元素都變為零，就將該行去除，對于其他元素有零值，用ε代替，即可得到報警分級信息模糊正矩陣Qm×n，令Rk=QTQ， Rk為n維模糊對稱相似矩陣。

Rk=QTQ=

(7)

從工業現場取回的歷史數據分析，按照煙氣脫硫系統的工藝流程，選取了關鍵的報警參數及影響因素如下：

TIRSA_HTD06CT002(脫硫塔洗滌段溫度1)、TIRSA_HTD06CT003(脫硫塔洗滌段溫度2)、TIRSA_HTD06CT004(脫硫塔洗滌段溫度3)、TIR_HTF07CT013(氧化循環槽吸收液溫度)、PIR_HTD06CP002(脫硫塔洗滌段煙氣壓力)、PIR_HTF06CP003(氨水總管壓力)、PIR_HTD06CP003(進吸收塔水洗管壓力)、PIR_HTD06CP004(消防水總管壓力)、PIRCA_HTN13CP002(工藝水泵A出口壓力)、PIRCA_HTN13CP003(工藝水泵B出口壓力)、LIRA_HTF07CL001(氧化循環槽液位)、ZR_HTF07AA101(氧化循環槽加氨調節閥閥位反饋)、ZR_HTR09AA101(脫硫塔加氨調節閥閥位反饋)、ZR_HTF07AA103(脫硫塔液位調節閥閥位反饋)、IIR_HTN13AP001(工藝水泵A運轉電流)、IIR_HTN13AP002(工藝水泵B運轉電流)、HTF07AA101(氧化循環槽加氨調節閥)、HTR09AA101(脫硫塔加氨調節閥)、HTF07AA103(脫硫塔液位調節閥)。

從現場采集1個月的報警數據，通過對報警率的計算確定了報警等級矩陣Q，并對報警等級矩陣進行標準化得到矩陣Q：

計算Rk=QTQ，將得到的矩陣Rk建立其等價矩陣Rk，然后再將矩陣Rk對角標準化得到如下矩陣Re：

經過SPSS 20．0對矩陣Rk進行聚類處理得到如圖1所示的聚類譜系圖，并結合圖1將該系統聚類分為三類并運用K-means算法對矩陣Rk處理得到聚類中心列表，見表1所列。

圖1　煙氣脫硫系統參數聚類譜系圖示意

聚 類123TIRSA_HTD06CT0020.550.890.31TIRSA_HTD06CT0030.360.930.46TIRSA_HTD06CT0040.260.180.88TIR_HTF07CT0130.340.280.15PIR_HTD06CP0020.190.930.15PIR_HTF06CP0030.150.200.52PIR_HTD06CP0040.000.260.89PIR_HTD06CP0050.000.630.54PIRCA_HTN13CP0020.140.520.10PIRCA_HTN13CP0030.000.520.44LIRA_HTF07CL0010.000.960.13

續　表1

結合圖1，把報警分為3類，結合表1中的數據將這3類當中的變量中心設定為所要的報警中心，即： [TIRSA_HTD06CT002， 0．55]，[LIRA_HTF07CL001，0．96]，[TIRSA_HTD06CT004，0．88]，當報警產生時先區分報警屬于哪一類，首先操作報警中心產生的報警，依次操作距離報警中心較近的報警即可減少操作報警的次數。采樣的長度取為1800，取ε=0．0001，對報警進行分類并確立了報警中心之后的報警如圖2所示，可以看出經分級優化后操作人員操作報警的次數明顯減少。

圖2　煙氣脫硫系統優化之后操作報警曲線

3結論

當代流程工業生產中，報警泛濫給操作人員帶來極大的操作壓力，給生產安全也帶來巨大的隱患，本文通過對報警的分類進行優化和排序處理，結合工業現場煙氣脫硫系統脫硫操作單元的報警參數，并對其數據進行了優化，結果反映該算法能有效解決工業報警泛濫的問題。

參考文獻：

[1]李晶晶．報警管理系統核心引擎的研究與方案設計[D]．杭州： 浙江大學，2011．

[2]顧祥柏．流程工業信息基元集成方法及應用研究[D]．北京： 北京化工大學，2005．

[3]牟瓊．多屬性決策方法及應用[D]．南寧： 廣西大學，2004．

[4]顧祥柏，朱群雄，耿志強．現代化工流程報警系統分析及管理策略[J]．化工進展，2004，23(12)： 1348-1352．

[5]葉鋒．流程工業生產管理系統研究[D]．大連： 大連理工大學，2004

[6]楊帆，蕭德云．智能報警管理若干研究問題[J]．計算機與應用化學，2011，28(12)： 1485-1491．

[7]雷鳴．模糊聚類新算法的研究[D]．天津： 天津大學，2006．

[8]桑農．模糊聚類算法研究[D]．武漢： 華中科技大學，2012．

摘要：流程工業生產中，報警泛濫易造成操作人員的失察和誤操作，導致人員傷亡、財產損失等嚴重后果。采用動態模糊聚類算法對流程工業報警系統進行合理分組，利用K-means算法確定聚類中心并對報警等級進行劃分，對流程工業煙氣脫硫系統的報警信息進行優化，驗證了優化算法的有效性和實用性，實現了降低報警率的目的。

關鍵詞：動態模糊聚類K-means算法報警等級誤操作

Study and Application of Process Industry Alarm Management SystemZong Xuejun， Zhang Mingming

(College of Information Engineering， Shenyang Institute of Chemical

Technology， Shenyang， 110142， China)

Abstracts： In process industrial production， alarm flooding will easily cause operator’s oversight and wrong operation． It will result in casualties， property damage， and so on serious consequences． The alarm information for process industry flue gas desulfurization system is being optimized through reasonable grouping for process industry alarm system by dynamic fuzzy clustering algorithm and clustering center determining and alarm level dividing with K-means algorithm． The effectiveness and practicability are validated for optimized algorithm． The purpose of reducing wrong alarm rate is achieved．

Key words：dynamic fuzzy clustering; K-means; alarm level; misoperation

中圖分類號：TP273

文獻標志碼：A

文章編號：1007-7324(2015)05-0036-03

作者簡介：宗學軍(1970—)，男，西安人， 2003年畢業于東北大學計算機科學與技術專業，獲工學碩士學位，現就職于沈陽化工大學科研處，任副處長，碩士生導師、教授。

基金項目：遼寧省教育廳科技項目(編號： L2014162)。