[发明专利]在特定事件情境中设施状态和运行模式的识别

说明书

本发明题为“在特定事件情境中设施状态和运行模式的识别”。本发明提供了一种处理与设施状态和运行模式相关的历史设施数据的系统。该历史设施数据被聚类成表示设施状态和运行模式的组。该组用于确定设施的当前状态和模式。当设施处于正常状态时，系统确定设施中的事件是否为异常。如果识别出异常，则系统传输指示异常的信号。

技术领域

本公开涉及一种用于确定设施在特定事件情境中的状态和运行模式的数据驱动系统和方法。

背景技术

设施诸如工业厂房、精炼厂、制造厂、纸浆和造纸厂、钢厂和办公楼以及其他建筑物可具有许多状态和模式。设施状态是指设施或设施中的机组的总体状态。对于工业厂房来说，厂房的四个普遍接受的状态有维护、启动、停机和正常运行。在维护、启动和停机状态期间，初始条件和过程参数值可显著不同于正常运行状态。厂房的运行模式是在一段时间内厂房机组和资产的组合活动，用以实现指定的生产产量。例如，在石化精炼厂房中，输入厂房的原油的类型和质量将决定可从原油精炼的不同产品(诸如煤油、柴油和汽油)的数量和质量。因此，厂房状态和运行模式受厂房生产的产品、运行约束、过程约束、非自动化参数的状态、厂房负荷、装备维护、装备故障、过程异常和环境条件的影响。

有的时间厂房稳定性最有风险，因为这些时间可能最难控制和预期。这些时间通常被认为是维护、启动和停机状态或事件。这些事件是三种发生的最常见的事件类型，其不适合正常的厂房运行，并且直接影响厂房的稳定性以及装备和工艺的安全运行。在当前厂房运行中，机组/资产性能监测和关键性能指标(KPI)不包含数据驱动的和/或易于消耗的信息以确定和识别事件的原因，并诊断厂房状态和运行模式。

附图说明

图1示出了说明工业厂房或其他设施的不同状态的示例。

图2示出了用于确定工业厂房状态和工业厂房模式的系统的实施方案的示意图。

图3是示出用于训练系统以确定工业厂房的状态和运行模式的数据的类型的图表。

图4是用于确定工业厂房的状态的图表。

图5A和图5B是确定厂房的状态和运行模式的实施方案的流程图。

图6A和图6B是确定厂房的状态和运行模式的另一个实施方案的流程图。

图7A和图7B是确定工业厂房的状态和运行模式的另一个实施方案的流程图。

图8是本公开的一个或多个实施方案可在其上执行的计算机系统的框图。

具体实施方式

在下面的描述中，参照了附图，这些附图构成详细描述的一部分，并且在这些附图中，以说明的方式示出了可实施的具体实施方案。对这些实施方案进行了足够详细的描述，以使本领域技术人员能够实践本发明，并且应当理解，在不脱离本发明的范围的情况下，可以利用其他实施方案，并且可以作出结构改变、电学改变和光学改变。因此，以下示例性实施方案的描述不是限制性的，并且本发明的范围由所附权利要求限定。

图1示出工业厂房的不同可能状态的示例。虽然图1涉及工业厂房，但本公开的实施方案涵盖其他设施，诸如精炼厂、制造厂、纸浆和造纸厂、钢厂和办公楼以及其他建筑物。在正常运行中，控制系统110管理正常厂房运行120。警报130可能由于过程改变或其他事件而发生，并且这些警报可能需要操作员干预140。如果操作员不能管理警报状况，则这可导致过程异常和/或装备故障或跳闸150。在一些情况下，为了避免厂房损坏并管理安全，紧急停机(ESD)系统160可使厂房和/或厂房机组跳闸。

为了解决这些情况，一个或多个实施方案涉及在厂房或设施的运行期间识别工业厂房或其他设施的唯一状态和运行模式的系统和方法。更具体地讲，一个实施方案描述了自配置、自更新、基于机器学习的人工智能算法的实施和验证，以通过检测操纵参数之间的关系何时改变来确定厂房状态和运行模式。使用了厂房的数字控制系统中可用的数据，并且因此不需要人工输入。