催化裂化装置反应--再生系统的故障诊断方法研究
近年来，防范化解危险品重大风险的任务依旧艰巨，规范化诊断成为提升石化装置安全性的重要环节。传统故障诊断方法在不平衡长时间序列数据上的表现不佳，在实时故障检测和故障溯源上存在一定局限性。以典型石化过程催化裂化装置的反应-再生系统为研究对象,针对生产过程中的特征提取、故障检测和故障溯源层面开展研究，形成一套完整的故障诊断流程。具体研究工作描述如下: 1、针对石化过程数据的高维度和强相关性特点，提出基于中心频率-残差能量最小的变分模态分解方法，以消除变分模态分解对参数依赖的影响。对反应-再生系统的长时间序列数据进行特征提取，得到故障信息的完整表达。应用于数值仿真信号和反应-再生系统离线信号，通过与其他分解方法对比，证明了方法的有效性。 2、针对石化过程数据序列过长和分布不平衡的问题，提出融合键值对注意力机制的长短时记忆网络。长短时记忆网络提取序列的基本特征，注意力机制提取序列的交互特征，二者融合能够更好地分配不平衡数据特征的重要度，以高精度高稳定性完成实时故障检测任务。应用于TE公开数据集和反应-再生系统实时数据集，通过与本领域其他优秀算法对比，证明了方法的有效性。 3、针对故障溯源在实际生产中难以进行的问题，提出基于贝叶斯推理的事件网络分析法。以启发式搜索为基础，采用蝙蝠优化随机森林方法选取贝叶斯网络的节点，利用最短描述长度评分函数训练网络结构，以最大后验概率估计网络参数，进而利用贝叶斯推理确定故障传播路径和故障源。同时结合机理过程，以故障事件为基础构建完备故障树模型，结合数据属性特征得到因果故障树模型。应用于反应-再生系统，在对因果故障树进行故障源分析的基础上，更准确地实现故障传播路径分析和故障源查找，给现场作业提供针对性地指导意见。
故障诊断;贝叶斯推理;因果故障树;催化裂化装置反应;再生系统
北京化工大学
硕士
控制科学与工程
耿志强
2023
中文
TP277
2023-09-27（万方平台首次上网日期，不代表论文的发表时间）