[发明专利]一种基于油高软测量预测的加油站油罐泄漏检测预警方法

说明书

本发明提供一种基于油高软测量预测的加油站油罐泄漏检测预警方法。本发明基于油量守恒分析，针对加油站储油罐油高和温度满足多元回归分析的特点，构造通过当前时刻的温度、油量和过去时刻的油高、温度、油量预测当前时刻油高的数据样本；结合机器学习等技术利用液位仪系统的运行数据，建立能够在不同油量下使用的统一油高软测量模型；将油高的实时测量结果与模型的预测结果进行误差对比分析，从而在油罐泄漏检测仪表故障时对油罐可能存在的泄漏故障进行有效检测。本发明所提出的检测方法能够构建合理的数据预测样本并在此基础上快速检测油罐是否存在泄漏故障，具有较高的检测精度和可靠性，在降低加油站油罐安全风险方面有一定的实用价值。

技术领域

本发明公开一种基于油高软测量预测的加油站油罐泄漏检测预警方法，本发明属于工业系统故障检测领域。该方法通过构建合理的数据样本对实现油罐油高的软测量预测和误差分析，进而实现对油罐泄漏的准确快速检测，保证油罐的安全运行生产，提高生产效益。该方法涉及对工业系统的特征提取、数据分析、异常检测、故障预警等相关领域。

背景技术

随着工业物联网、云计算、人工智能技术和智能仪表的迅猛发展，现代工业过程中能够根据实际生产和控制的要求准确采集并存储高频和低频的传感器测量信号、工艺数据和产品质量等结构化和非结构化数据。传统的基于机理的异常检测方法逐渐被基于数据驱动的方法所代替，数据驱动的故障检测和预警方法是近年来最热门也是被认为最可靠的方法。结合装备的功能作用、结构组成和工作特点，分析设备的大数据进行价值挖掘、信息提取进而实现装备的状态监测、异常预警、故障诊断、寿命预测、智能维护等工作十分迫切。

基于数据驱动的异常检测方法不需要建立精准的机理模型，仅依靠系统运行过程中收集到的大量数据，建立模型刻画对象的特性，进而实现对异常故障的检测。数据驱动方法的优势在于都是以多变量统计技术为基础的，只需要正常工况下的历史数据来建立模型，同时能够有效地剔除过程数据中的冗余信息、极大地降低数据维数等。目前常用的工业过程异常检测方法有主元分析法(principal component analysis，PCA)、偏最小二乘法(partial least squares，PLS)、独立成分分析(independent component analysis，ICA)、多向主元分析法(Multiway PCA，MPCA)、多向偏最小二乘法(Multiway PLS，MPLS)等多元统计分析方法，以及高斯混合模型(Gaussian Mixture Model，GMM)、支持向量机(SupportVector Machine，SVM)等机器学习方法。

加油站是成品油销售同时提供其他便利服务的场所，而成品油具有易燃、易爆、易泄漏、易产生静电等特点，因此加油站必须把安全作为第一标准。而目前设备运行维护和故障检测多是依赖于末端工作人员的被动式维护，加油站设备故障的维护及时性存在很大的问题，同时，也没有一个有效的设备故障预警机制及设备使用年限报警机制，对各厂家各型号设备的使用情况也没有一个定量的分析工具，所有的一切几乎都依靠维护人员的经验。

在真实场景下，加油站液位仪系统通常运行在正常工况下，发生故障的频次较少，目前的检测方法大部分都是通过检测仪表指示油罐是否泄漏，缺乏比较智能的泄漏检测方法，对仪表设备的依赖性比较大，如果仪表发生故障则会产生误报漏报等现象，对实际的故障检测造成干扰。加油站的设备种类繁多、各个设备的运行数据具有数量大、结构复杂的特点。

发明内容

本发明的目的是在储油罐泄漏检测仪表故障的情况下，检测加油站在日常运行中可能发生的油罐泄漏事件。本发明从数据驱动的角度出发，提出了一种基于数据样本构造和油高软测量预测的加油站储油罐泄漏检测方法，从正常工况的历史数据中建立过程的统计学模型，然后基于该模型预测当前的油高，根据预测结果和测量结果的误差分析实时判断储油罐是否发生泄漏。该方法具有较高的泛化能力和使用价值。

本发明的目的是通过以下技术方案实现的：

一种基于油高软测量预测的加油站油罐泄漏检测预警方法，所述方法包括以下步骤：