IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

东北大学孙秋野教授等:基于数据特征融合的管网信息物理异常诊断方法

已有 3146 次阅读 2019-4-22 14:59 |系统分类:博客资讯


输油管网信息物理异常诊断是指:通过对输油管网设备采集数据的分析,完成管网运行状态的有效判断,并且及时发现信息网络中的传输中断或者错误异常,保证输油管网的安全运行。

管道运输,由于其具有运量大、密闭性好、安全系数高等优点,已经成为油品输送的主要运输方式之一。由于输油管道破裂会导致企业蒙受重大经济损失、造成严重环境污染以及社会不良影响,因此各国政府已经采取不同措施打击“偷油”现象。但是犯罪分子受到利益驱使,油品偷盗事件仍时有发生。如图1所示,在2019年1月18日,墨西哥中部伊达尔戈州一处输油管道遭到非法切割,不法分子实施“偷油”。并且在未及时发现和处理偷盗行为的情况下发生爆炸,截止到1月20日已造成85人死亡,58人受伤。从该事故造成的严重后果可以看出,作为工业信息物理系统的典型应用,输油管网系统的异常诊断具有重要意义,及时诊断出异常情况能够避免重大安全事故的发生。

 

  


(a)爆炸事故报道            (b)爆炸事故现场            (c)爆炸管道航拍

 1墨西哥管道爆炸事故

输油管网信息物理异常诊断面临的挑战?输油管网系统的异常诊断,主要分为物理异常和信息异常。在管网输送油品到各个站场时,管网调控中心及相应站场会对站内阀门、主输泵等设备进行操作,由于此类操作有时会使管网数据产生类似泄漏情况的变化,并且可能会传播到管网沿线其他站场,因此如何区分工况调整和泄漏情况是管网信息物理异常面临的第一个挑战。此外,有时会因管道泄漏异常变化程度较小而难以发觉,所以针对微小泄漏变化的检测又是亟需解决的挑战之一。

相较于物理网络,信息网络的功能不断升级改造使得管网系统的可观测性不断增强,管网系统的功能和作用范围得到极大扩展。但是与此同时,信息网络也增加了管网系统的复杂性和不确定性,给管网系统带来新的安全问题。信息网络异常会导致管网系统设备失去控制造成甩泵、阀门关断等紧急运行情况,如果处置不当甚至会诱发连锁故障使得管网全线停输。因此,如何在管网实时运行过程中找到合适的方法完成信息异常检测,也是管网异常诊断面临的挑战。

如何构建管网信息物理异常诊断结构?随着信息和通信技术的不断进步与发展,输油管网系统已经从管道自动化网络发展成融合管道设备、通信体系以及信息网络的复杂智能化网络体系。本文从物理信息融合交互角度对管网的数据结构进行划分,具体结构如图2所示。在物理网络中,节点表示实际存在的数据站场并且通过长距离密闭输油管道实现油品的输送。多元信息网络是由实际物理设备采集到的实时信息数据构成,实时反映站场数据流情况。

图2管网信息物理系统结构

如何利用管网海量数据实现异常诊断?在所建立管网结构的基础上,本文提出一种基于数据特征融合的管网信息物理异常诊断方法。首先针对管网系统的海量信息数据,采用随机矩阵谱理论实现数据特征的构建。然后采用集中-分布协同检测形式完成对管网异常情况的诊断。在通过信息增维协方差矩阵最大特征值完成管网异常类型情况(物理异常和信息异常)检测和分析的基础上,进而根据矩阵最大特征向量映射的图像实现对物理异常(工况调整和泄漏)的分析。

最后通过一系列不同情况的仿真测试说明,当输油管网的测量数据出现不同程度的变化时,本文提出的方法均能够及时地感知数据情况,检测不同的异常情况并实现准确分类。同时该方法已在全国部分成品油管网得到应用,实际运行效果良好。

 

引用格式:马大中, 胡旭光, 孙秋野, 郑君, 王睿. 基于数据特征融合的管网信息物理异常诊断方法. 自动化学报, 2019, 45(1): 163-173.


链接:http://html.rhhz.net/ZDHXBZWB/html/2019-1-163.htm


作者简介: 


马大中, 东北大学信息科学与工程学院副教授. 主要研究方向为故障诊断, 容错控制, 能源管理系统, 分布式发电系统、微网和能源互联网的优化与控制. 本文通信作者. E-mail: madazhong@ise.neu.edu.cn


胡旭光, 东北大学信息科学与工程学院博士研究生. 主要研究方向为基于数据驱动的故障诊断, 信息物理系统的建模及优化控制. E-mail: 1501004@stu.neu.edu.cn


孙秋野, 东北大学信息科学与工程学院教授. 主要研究方向为网络控制技术, 分布式控制技术, 分布式优化分析及其在能源互联网, 微网, 配电网等领域相关应用. E-mail: sunqiuye@mail.neu.edu.cn


郑君, 东北大学信息科学与工程学院硕士研究生. 主要研究方向为基于机器学习的综合能源系统故障检测与诊断. E-mail: ZJ623928036@163.com


王睿, 东北大学信息科学与工程学院博士研究生. 2016年于东北大学获得电气工程及其自动化专业学士学位. 主要研究方向为能源互联网中分布式电源的协同优化及其电磁时间尺度稳定性分析. E-mail: 1610232@stu.neu.edu.cn




https://blog.sciencenet.cn/blog-3291369-1174864.html

上一篇:基于二维结构熵的CBTC系统信息安全风险评估方法
下一篇:重庆大学宋永端教授等:受攻击信息物理系统的分布式安全状态估计与控制——一种有限时间方法
收藏 IP: 159.226.21.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-4-25 14:26

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部