[发明专利]一种化学危险工艺风险智能监控方法有效

专利信息
申请号: 201811614096.5 申请日: 2018-12-27
公开(公告)号: CN109767090B 公开(公告)日: 2020-09-29
发明(设计)人: 舒伟杰;华雷;马家驹;章垆斌;金玉宏 申请(专利权)人: 浙江省天正设计工程有限公司
主分类号: G06Q10/06 分类号: G06Q10/06
代理公司: 杭州浙科专利事务所(普通合伙) 33213 代理人: 周红芳
地址: 310012 浙江省杭州*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 化学 危险 工艺 风险 智能 监控 方法
【权利要求书】:

1.一种化学危险工艺风险智能监控方法,其特征在于包括以下步骤:

1)数据汇总及提纯:获取化工生产中的所有化学危险工艺下的历史数据,对获取的数据按照化学危险工艺类型进行分组、提纯,作为历史工艺数据序列;

2)数学建模:提取化学危险工艺下的历史风险等级,对所述历史风险等级进行特征编码,采用SVM的训练方法,训练出历史工艺数据序列与历史风险等级特征编码的对应关系的模型,列出建模公式;

3)风险评定:根据步骤2)的建模公式推算出风险评定公式,其中风险评定公式用于表征化学危险工艺数据与风险等级的特征编码的对应关系;重新获取化工实际生产中的化学危险工艺参数的数据,根据风险评定公式,推算出对应的风险等级的特征编码;

4)风险查询与监控:建立风险等级的查询模块,将步骤3)所得风险等级的特征编码输入至所述查询模块,进而推算得到化工实际生产中的化学危险工艺参数的风险等级,然后判断风险是否在可接受范围内,若风险不可接受,则找出风险等级不满足要求的化学危险工艺,并采取可降低化学危险工艺数据的措施,再按照上述方法进行循环风险计算;若风险可接受,则风险智能监控过程完成;

步骤2)中,采用SVM的训练方法列出建模公式的方法为,包括以下步骤:

S1:对步骤1)所得历史工艺数据序列进行标准数字化表达,即建立多维向量,记为特征编码xi,其中特征编码xi的维度数量与化学危险工艺类型的数量相同;对化学危险工艺下的历史风险等级进行标准数字化表达,即建立多维向量,记为特征编码yi,其中特征编码yi的维度数量与事故损失类型的数量相同;

S2:训练出特征编码xi与特征编码yi的对应关系,建模公式如下:

式中,n为样本个数,模型权重向量,b为模型偏置向量,T表示矩阵转置;根据上述建模公式,可训练得出的数据结果。

2.根据权利要求1所述的一种化学危险工艺风险智能监控方法,其特征在于步骤3)中,风险评定公式为y=x*+b,y表示化工实际生产中的风险等级的特征编码,x表示化工实际生产中的化学危险工艺的特征编码。

3.根据权利要求1所述的一种化学危险工艺风险智能监控方法,其特征在于事故损失类型分为财产损失、人员伤害和环境污染三个方面,所述特征编码yi为三维向量,三维向量内的数值是0~1之间的浮点数。

4.根据权利要求1所述的一种化学危险工艺风险智能监控方法,其特征在于化学危险工艺的类型为温度、压力、可燃性物质的浓度中的至少一种。

5.根据权利要求1所述的一种化学危险工艺风险智能监控方法,其特征在于步骤4)中,查询模块的建立方法为:根据化工生产中的化学危险工艺参数的数据,获取会发生事故的可能性大小等级和发生事故的危害等级,对可能性大小等级和危害等级分别赋予概率数值,建立风险矩阵列表;在所述风险矩阵列表内,一个可能性大小等级的概率数值和一个危害等级的概率数值确定一个风险等级;其中,风险矩阵列表内的概率数值和风险等级的特征编码的数值相对应。

6.根据权利要求5所述的一种化学危险工艺风险智能监控方法,其特征在于所述可能性大小等级的确定方法为:根据事故每年发生的概率,确定事故发生的可能性大小,建立起可能性大小等级。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江省天正设计工程有限公司,未经浙江省天正设计工程有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811614096.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top