引用本文

邹筱瑜, 王福利, 常玉清, 王敏, 蔡庆宏. 基于分层分块结构的流程工业过程运行状态评价及非优原因追溯. 自动化学报, 2019, 45(2): 315-324. doi: 10.16383/j.aas.2017.c170159

ZOU Xiao-Yu, WANG Fu-Li, CHANG Yu-Qing, WANG Min, CAI Qing-Hong. Plant-wide Process Operating Performance Assessment and Non-optimal Cause Identification Based on Hierarchical Multi-block Structure. ACTA AUTOMATICA SINICA, 2019, 45(2): 315-324. doi: 10.16383/j.aas.2017.c170159

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c170159

关键词

过程运行状态评价，非优原因追溯，流程工业，粗糙集，湿法冶金 

摘要

过程运行状态评价是指在安全生产的前提下，对过程运行性能优劣程度做出评判，并对非优运行状态追溯原因，以指导操作人员进行生产调整.针对含不确定性的流程工业过程运行状态评价问题，本文提出分层分块评价结构.同时，考虑到实际生产过程中大量存在的不确定性信息，采用粗糙集对每个子模型进行建模，建立过程变量、工艺指标与综合评价指标间的关系.最后，将所提方法应用于一个金湿法冶金过程中，验证所提方法有效性.

文章导读

过程运行状态评价指在过程安全、正常运行的前提下, 进一步对过程运行性能优劣做出评价, 并对非优原因进行追溯, 为操作人员提供合理可靠的操作指导建议.过程运行状态优劣评价指标种类众多, 其中, 综合经济指标(Comprehensive economic index, CEI)是最常用的评价指标之一, CEI将物耗、能耗、产品质量等指标融合为经济效益的综合指标.有效的运行状态评价方法有助于保证过程CEI最大化.因此, 近年来对运行状态评价方法的研究越来越多.

性能评价方法已广泛应用于各个领域[1-4].层次分析法(Analytic hierarchy process, AHP)是一种研究初期盛行的方法, AHP以指标的拓扑结构为基础, 已广泛应用于环境和风险评价中[5-7].过程危害分析法(Process hazards analysis, PHA)和专家系统是基于过程知识的方法, 已应用于风险和状态评价中[8-9].灰色关联分析法(Grey relational analysis, GRA)是一种处理小样本情况的方法, 曾应用于环境和经济效益的评价[10].作为人工智能方法发展的一个重要成果, 人工神经网络(Artificial neural network, ANN)拥有强大的学习能力和非线性处理能力.基于ANN的评价方法得到广泛应用, 例如临界状态评估等[11-12].其他常用评价方法还包括信息理论、动态概率理论等, 已应用于结构破坏评价[13]、空气质量评价[14]等领域.但上述典型评价方法并没有针对过程运行状态优劣程度在线评价进行深入研究.

过程运行状态在线评价是近几年诞生的一个新兴研究方向.对于数据呈单峰分布的过程, Liu等针对线性和非线性的情况, 分别提出了基于Total projection to latent structure (T-PLS)[15]和Kernel total projection to latent structure (KT-PLS)[16]的评价方法.对于数据呈多峰分布的过程, Liu等提出了基于高斯混合模型回归(Gaussian mixture model regression, GMR)[17]的评价方法.此类方法虽能实现过程运行状态在线评价, 却过度依赖于数据质量, 要求数据测量准确、实时, 否则, 会使评价准确度和精度大大降低, 甚至造成评价模型失效.

在实际生产过程中, 存在大量无法准确、实时测量的变量, 变量取值可能来自于粗糙的测量、离线化验、专家定性估计等, 即不确定信息在实际流程工业过程中广泛存在.此类不确定性主要来源于恶劣的生产环境和落后的测量技术. Pawlak提出的粗糙集(Rough set, RS)理论是一种在不确定性存在的前提下进行推理的方法[18-19], 现已广泛应用于安全性评价和风险评价等领域[20-21], 但还未有研究将RS应用于含不确定性的过程运行状态最优性在线评价中.

当过程运行于非优运行状态时, 需进行原因追溯.传统的非优原因追溯方法多基于确定性信息.基于指标分解的非优原因追溯方法是最常用的方法, Liu等[15]和Zou等[22]将优性评价指标分解为与变量相关的单项式和作为变量对优性指标的贡献和.超出历史最优运行状态时贡献范围的变量, 被认定为非优原因变量.只有优性指标可被分解为独立的变量贡献时, 此方法才有效. Liu等[16-17]将优性指标对每个变量的偏导数值作为相应变量的贡献, 并将超出最优运行状态时贡献范围的变量作为非优原因变量.该方法仅适用于优性评价指标为连续可导函数的情况.当过程存在不确定信息时, 上述两类方法都难以直接应用.

本文旨在解决含不确定信息的流程工业过程运行状态优性评价和非优原因追溯问题.流程工业过程含有多生产单元、多变量等特点, 同一生产单元内变量耦合程度高, 单元间变量耦合程度低, 整体变量规模庞大.若将传统评价方法直接应用于流程工业过程中, 可能存在以下三个主要问题: 1)问题规模庞大, 模型复杂, 难以准确建立; 2)过程变量并不直接影响最终评价指标, 而是通过一系列中间工艺指标, 逐步逐层影响综合评价指标, 因此, 难以直接提取过程变量与最终评价指标的相关性; 3)在非优情况下, 非优原因变量难以快速定位, 模型解释性差.考虑到实际复杂流程工业过程特点和数据特性, 本文提出基于RS的分层分块模型, 应用于过程运行状态最优性在线评价和非优原因追溯.根据流程工业过程管理方向和生产流程进行纵向分层和横向分块, 用RS对每一个子块分别进行建模.在分层分块模型的基础上, 进行评价和非优原因追溯.本文所提方法考虑到不确定信息, 合理简化问题规模, 兼顾子块内和子块间的信息、不同层次指标之间的关系, 提高评价精度和解释性.

图 1  分层分块结构示意图

图 2  离线模型输入输出示意图

图 3  非优原因追溯中的规则匹配示意图

针对含不确定信息的流程工业过程运行状态评价问题, 本文考虑到流程工业特点和数据特性, 提出一种基于分层分块结构的流程工业过程运行状态评价和非优原因追溯方法.所提方法清晰直观地表达了流程工业工艺特性, 以及变量、指标之间的层次关系.因此, 可以通过过程变量, 逐步推算综合评价指标的状态, 实现全流程的评价.对于非优运行状态, 在分层分块结构的基础上, 利用匹配度公式, 逐步查找非优的指标和过程变量, 最终确定导致非优的原因变量, 提供生成指导.最后, 将所提方法应用于某金湿法冶金过程, 取得了良好效果, 证明了所提方法的有效性、准确性和可解释性.考虑到不确定信息, 各子块分别用RS建模, 但RS离散化过程中存在信息损失, 评价精度有限.后续研究将会集中于提高运行状态评价精度.

作者简介

邹筱瑜

东北大学信息科学与工程学院博士研究生.主要研究方向为复杂工业过程运行状态评价与非优原因追溯.E-mail:xiaoyuzou_neu@hotmail.com

常玉清  

东北大学信息科学与工程学院教授.主要研究方向为复杂工业过程运行状态评价和故障诊断.E-mail:changyuqing@ise.neu.edu.cn

王敏  

东北大学信息科学与工程学院硕士研究生.主要研究方向为复杂工业过程运行状态评价与非优原因追溯.E-mail:wangmin_neu@hotmail.com

蔡庆宏  

 国家电网辽宁省电力有限公司研究员.主要研究方向为复杂工业过程运行状态评价与非优原因追溯.E-mail:caiqinghong_0711@hotmail.com

王福利  

东北大学信息科学与工程学院教授.主要研究方向为复杂工业过程运行状态评价, 优化, 故障诊断.本文通信作者.E-mail:wangfuli@ise.neu.edu.cn