基于慢特征分析的初餾塔故障預(yù)警研究

王鶴瑩，陳夕松，遲 慧，梅 彬，段 佳

（1.東南大學(xué)自動化學(xué)院，江蘇南京 210096；2.南京富島信息工程有限公司，江蘇南京 210061）

常減壓蒸餾是煉廠龍頭裝置，而初餾塔作為常減壓蒸餾的首道工序，一旦發(fā)生故障，會對后續(xù)裝置穩(wěn)定運(yùn)行產(chǎn)生不利影響[1]，對該環(huán)節(jié)進(jìn)行故障預(yù)警已引起業(yè)界高度重視。

基于數(shù)據(jù)驅(qū)動的故障預(yù)警方法近年來已成為工業(yè)過程監(jiān)控中的研究熱點(diǎn)。以主成分分析（Principal Component Analysis，PCA）、偏最小二乘（Partial Least Square，PLS）為代表的數(shù)據(jù)驅(qū)動故障檢測方法，往往通過捕捉方差最大、變化最快的成分來檢測故障[2]。然而，實(shí)際工業(yè)過程中測量數(shù)據(jù)包含多種高頻噪聲和擾動，極易造成誤報或漏報。慢特征分析（Slow Feature Analysis，SFA）能夠通過抽象出系統(tǒng)緩慢的變化，將工業(yè)過程更具本質(zhì)的信息表征出來[3]，非常適合于流程工業(yè)這類具有緩慢變化特征的場合。初餾塔作為典型的流程工業(yè)過程，其工況復(fù)雜，易受外界干擾。本文研究將SFA 應(yīng)用于初餾塔過程的故障預(yù)警，抽取出初餾塔中最具本質(zhì)的變化而非變化最劇烈的特征，并采用滾動選取訓(xùn)練集的方法，以及連續(xù)多個統(tǒng)計量同時超限后進(jìn)行預(yù)警的方式，以降低噪聲和擾動的影響，提升裝置的預(yù)警性能。

1 慢特征分析原理

SFA 是一種從矢量輸入信號中學(xué)習(xí)不變或緩慢變化特征的方法，它能夠?qū)W習(xí)并提取非相關(guān)特征，并按照其緩慢程度進(jìn)行排序，提取出系統(tǒng)最本質(zhì)的特征[4]。其基本原理概括如下：

約束條件為：

在實(shí)際的應(yīng)用過程中，一般可以使用線性SFA，得到一組緩慢程度由大到小排列的特征，其中變化最慢的特征更能體現(xiàn)系統(tǒng)的本質(zhì)特性，而變化最快的往往代表著噪聲信號[5]。

首先，對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，并對其協(xié)方差矩陣進(jìn)行特征值分解，即：

令P=WQ-1，可將慢特征寫作：

接著，由式（2）、式（3）可知：

可以計算：

由式（3）可知：＜ssT＞t=I，則PPT=I，即P 為正交矩陣，且模型的目標(biāo)為最小化，此時問題的求解可轉(zhuǎn)化為求解正交矩陣P，具體為對進(jìn)行特征值分解，即：

最終，可以計算目標(biāo)矩陣W：

由此，可以利用矩陣W 將原始數(shù)據(jù)映射為多個按照緩慢程度排列的慢特征。

2 基于SFA 的初餾塔故障預(yù)警研究

初餾塔是原油蒸餾的首道工序，受原油密度、含水量等變化，運(yùn)行過程中極易發(fā)生以沖塔為代表的多種故障[6]，對該裝置進(jìn)行故障及時預(yù)警對煉化后續(xù)裝置的整體穩(wěn)定運(yùn)行意義重大。下面以初餾塔沖塔為例，應(yīng)用SFA 對其進(jìn)行故障預(yù)警。

2.1 沖塔預(yù)警設(shè)計步驟

對初餾塔沖塔進(jìn)行預(yù)警，首先需要建立沖塔故障預(yù)警模型，然后應(yīng)用該模型進(jìn)行實(shí)時監(jiān)測。

其中，預(yù)警模型建立過程主要包括如下步驟：

Step1：根據(jù)初餾塔結(jié)構(gòu)，分析傳感器位置，選取測量變量：x1x2…xm；

Step2：滾動選取待測時刻前一段時間正常蒸餾過程的樣本，共計N 個時刻；

對U0的每一列進(jìn)行零均值和單位方差處理，得到矩陣U；

Step4：根據(jù)式（10）求取變換矩陣W；

Step5：選取前M 個慢特征，并計算控制限：

式（11）和式（12）中，M 為提取的特征數(shù)，N 為樣本總數(shù)，α 為置信度為自由度為M 的χ2分布在水平α 上的上側(cè)分位數(shù)，F(xiàn)M，N-M，α表示自由度為M 和NM 的F 分布在水平α 上的上側(cè)分位數(shù)。

在建立好故障預(yù)警模型后，使用該模型對初餾塔蒸餾過程進(jìn)行實(shí)時監(jiān)測，步驟如下：

Step1：選取當(dāng)前時刻及其前2 個時刻的樣本，構(gòu)造待測樣本；

甲氨蝶呤代謝酶基因多態(tài)性在類風(fēng)濕關(guān)節(jié)炎治療中的研究進(jìn)展……………………… 曹 智，束 慶，姚 瑤，等（2·115）

Step2：使用訓(xùn)練集U0的列均值和方差對待測樣本進(jìn)行預(yù)處理，得到預(yù)處理后的待測樣本；

Step3：使用W 矩陣對待測樣本進(jìn)行變換并提取前M 個特征；

Step4：根據(jù)訓(xùn)練集樣本計算前M 個慢特征的變化快慢程度λi（i=1，2，…M），組成對角陣Λ2=diag（λ1，λ2，…λM）；

Step5：計算初餾塔蒸餾過程中當(dāng)前時刻的T2和S2統(tǒng)計量：

Step6：若連續(xù)多個時刻T2和S2統(tǒng)計量都超過控制限，則表明發(fā)生了故障，進(jìn)行預(yù)警；同樣，監(jiān)測到故障后，若連續(xù)多個時刻T2和S2統(tǒng)計量都未超過控制限，則結(jié)束預(yù)警。

2.2 應(yīng)用案例研究分析

本文以某煉油企業(yè)年加工原油1 000×104t 的常減壓裝置為例來加以分析。由于該企業(yè)原油加工種類多，性質(zhì)變化頻繁，沖塔故障時有發(fā)生。下面以2018 年11月18 日該企業(yè)發(fā)生的一次初餾塔沖塔故障為例，分析SFA 的預(yù)警作用。

結(jié)合該企業(yè)傳感器的安裝情況，選取與沖塔故障相關(guān)的7 個變量：初餾塔進(jìn)料壓力、初餾塔進(jìn)料溫度、初餾塔頂壓力、初頂冷回流量、初頂油孔板流量、初頂油氣后冷器出口溫度、初餾塔頂初頂油溫度。為避免工況變化帶來的誤報，采用滾動選取訓(xùn)練集的方法，選取待測日期前4 天即11 月14 日到11 月17 日的數(shù)據(jù)，采樣間隔為1 min，共計5 759 個樣本構(gòu)造訓(xùn)練集。將訓(xùn)練集進(jìn)行標(biāo)準(zhǔn)化后求取變換矩陣W，變換后的前9個慢特征（見圖1），這些特征的變化程度由慢到快。本文中，選取前7 個慢特征用于故障監(jiān)測。

設(shè)置置信度α=0.95，根據(jù)式（11）、式（12），可計算控制限：

T2和S2統(tǒng)計量監(jiān)控結(jié)果（見圖2）。在18 時前后較長時間段，兩個統(tǒng)計量T2和S2都明顯超限，表明已監(jiān)測到故障。為避免誤報和漏報，本例采用連續(xù)10 個時刻持續(xù)超限則開始預(yù)警的方式。由圖3 可見，在16：40時系統(tǒng)觸發(fā)報警，相較于17：50 時人工發(fā)現(xiàn)沖塔故障，該方法預(yù)警時間足足提前了70 min。如果采用PCA 方法進(jìn)行分析，系統(tǒng)將在16：50 開始報警，即本文方法的預(yù)警時間更加提前，為及時發(fā)現(xiàn)故障并采取措施爭取了更多的寶貴時間（見圖3）。

可見，采用SFA 技術(shù)能夠?qū)Τ躔s塔沖塔這類故障起到較好的預(yù)警作用，可幫助企業(yè)及時發(fā)現(xiàn)潛在風(fēng)險，提前采取措施，這對穩(wěn)定生產(chǎn)、保障安全具有十分重要的意義。

圖1 前9 個慢特征變量

圖2 兩個統(tǒng)計量監(jiān)測結(jié)果

圖3 預(yù)警結(jié)果

3 結(jié)論

本文將慢特征分析技術(shù)應(yīng)用于初餾塔故障預(yù)警，并以沖塔這一典型故障為例，分析了該方法在初餾塔故障預(yù)警上的實(shí)現(xiàn)過程。采用滾動選取訓(xùn)練集的方式，結(jié)合T2和S2兩個指標(biāo)同時監(jiān)測初餾塔的運(yùn)行過程，并通過連續(xù)多個時刻同時越限進(jìn)行預(yù)警的方式，顯著降低了誤報率。案例分析表明，該方法能夠有效預(yù)警初餾塔沖塔等這一類工業(yè)過程的故障，為初餾塔故障在線監(jiān)測提供了一種解決方案。