【技术实现步骤摘要】
一种提升评估模型预警提前性和准确性的方法
[0001]本专利技术涉及智能评估诊断模型的建模方法,特别是一种提升评估模型预警提前性和准确性的方法。
技术介绍
[0002]水泥企业属于不间断生产的流程行业,在生产过程中有成千上百个传感器采集各个生产环节的关键节点数据。目前这部分数据对于用户来说主要应用在单个测点的阈值范围监测和工艺生产调试,这两者都是基于点的监测或是控制回路(线)的监测,无法做到整体(面)的状态评估。
[0003]专利CN102270271B:《基于相似度曲线的设备故障早期预警及优化的方法和系统》,简称评估系统(IEM)是利用工厂设备测点、工艺测点的历史正常运行数据,建立设备模型和工艺模型,用以监测设备故障、早期预警或运行操作条件的漂移。评估系统(IEM)实时输出建模对象健康度(HPI)得分,与健康度HPI标准值进行比较。当实时健康度HPI持续低于标准值HPI一段时间后进行报警输出。其中,健康度HPI值是根据建模历史数据计算出的标准固定值。
[0004]将上述专利技术应用在水泥行业的实践中,出现了以下几个问题:
[0005]第一,使用模型健康度HPI基准值比较的方式得到的报警,往往建模对象已经处于生产异常的状态。因此实现不了提前性预知、预判、预警的需求。
[0006]第二,评估系统(IEM)内置了丰富的报警原因规则,这些原因规则,大部分是对关键位置测点在生产异常前的数据变化的描述。而在实际应用中,基于第一点,发现当HPI预警产生时,并没有符合条件的原因规则报出。
[ ...
【技术保护点】
【技术特征摘要】
1.一种提升评估模型预警提前性和准确性的方法,其特征在于步骤包括:1)现场生产异常记录包括生产异常的开始、结束时间,停机原因,将现场生产异常记录作为模型负样本的来源,通过滑动窗长的方法提炼获得真实生产异常前的数据模式,根据现场生产异常记录,筛选出建模对象j的历史生产异常时间集合D,D={d1,d2,
…
,d
n
},其中d
n
=t
nbegin
,d
n
是第n个生产异常时间,t
nbegin
是第n个异常时间段的开始时间;2)模型捕捉生产异常前k时间内的数据变化规律:根据步骤1)得到的异常时间集合D,使用每个生产异常开始时间t
nbegin
向前减去k个时间,代表生产异常在数据模式上的提前性,初始的k值根据建模对象预警提前性的需求确定,得到历史生产异常前k个时间段集合D
k
,D
k
={d
k1
,d
k2
,
…
,d
kn
},其中d
kn
=(t
nbegin
‑
k,t
nbegin
),d
kn
是每一段生产异常前的预警提前时间,也是开始存在数据异常的时间;3)模型评估对象在生产异常前k时间内的健康度HPI方差和斜率变化趋势提前反映异常,因此需要计算建模对象j在集合D
k
内的健康度HPI方差D
kv
、健康度HPI斜率D
ks
,其中D
kv
={d
kv1
,d
kv2
,
…
,d
kvn
},D
ks
={d
ks1
,d
ks2
,
…
,d
ksn
};4)设置健康度HPI方差和斜率的阈值,如果超出该阈值,模型开始预警;5)计算在生产异常前k个时间内,根据阈值参数d
kv
T、d
ks
T,得到的历史生产异常预警的方差、斜率重合率指标pD
kvp
...
【专利技术属性】
技术研发人员:刘林,崔保华,李慧霞,张成伟,张爱民,王磊,李安平,武艳文,
申请(专利权)人:南京凯盛国际工程有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。