专利名称：一种分馏系统过程数据的智能校正方法
一种分馏系统过程数据的智能校正方法技术邻域本发明涉及一种化工过程数据的校正方法，尤其是涉及一种分馏系统过程数据的智能校正方法。
背景技术：
在分馏系统的生产过程中，需要采集大量的过程测量数据，如在线的流量数据和离线的化验数据，将其作为过程设计、模拟、优化、控制及生产管理决策分析的直接依据。然而，由于设置在测量点上的测量仪表的精度及测量环境等的影响，现场采集的流量数据不可避免地存在着随机误差，有时还会由于受到诸如测量仪表的不准或失灵以及容器或管道泄漏等多种因素的影响，使得直接测量的流量数据不仅不能反映过程运行的真实情况，而且还常常违背基本的物料平衡关系，给后续的过程设计、模拟、优化、控制及生产管理决策分析造成影响；同时，由于受经济条件、测量技术和测量仪表本身等的限制，并非所有的流量数据都可以测量，从而造成了数据的不完整性。因而，必须对现场采集到的流量数据进行数据校正，提高数据的一致性。数据校正是利用生产过程中的时空冗余信息，结合各种统计分析方法和生产过程的机理，滤除直接测量的流量数据中的显著误差，根据最优化理论系统地调整测量值，修正过程模型中潜在的不确定性，提高测量获得的流量数据的质量，同时估计未测的流量数据。数据校正包括对直接测量的流量数据中是否存在过失误差的检测和过程数据的协调。过程数据协调通常是在满足平衡方程等约束条件下，去除随机误差影响，同时对未测数据中的可观测型数据进行估计，而过失误差的存在会使过程数据协调产生偏差，通常相关人员会将过失误差的检测和去除与过程数据的协调分开进行，先进行过失误差的检测和去除，然后再进行过程数据的协调，从而加大了工作量。
发明内容
本发明所要解决的技术问题是提供一种能检测到显著误差源，并获得全局最优协调数据的分馏系统过程数据的智能校正方法。本发明解决上述技术问题所采用的技术方案为一种分馏系统过程数据的智能校正方法，具体包括以下步骤1)采集分馏系统的实时和历史的过程数据，将已测流量数据记为X，X= Ix1, X2, ... , ^J，将未测流量数据记为U，其中，m为设置在分馏系统中的测量仪表的个数，Xi, i =1，2，. . .，m为第i个测量仪表上的测量值；2)根据采集到的实时和历史的过程数据，计算获得该分馏系统中的过失误差在误差中出现的比例n，η <0.5，以及过失误差的标准差与随机误差的标准差的比率γ，γ > 5 ；3)将过程数据协调转化为优化问题，其表达式为
权利要求
1. 一种分馏系统过程数据的智能校正方法，具体包括以下步骤1)采集分馏系统的实时和历史的过程数据，将已测流量数据记为X，X= Ix1, X2,..., ^}，将未测流量数据记为U，其中，m为设置在分馏系统中的测量仪表的个数，Xi, i = 1， 2，...，m为第i个测量仪表上的测量值；2)根据采集到的实时和历史的过程数据，计算获得该分馏系统中的过失误差在误差中出现的比例η，η <0.5，以及过失误差的标准差与随机误差的标准差的比率Y，Y >5;3)将过程数据协调转化为优化问题，其表达式为
2.根据权利要求1所述的一种分馏系统过程数据的智能校正方法，其特征在于所述的多Agent邻域竞争-协作学习算法具体包括下列步骤(1)根据约束条件<足0 = 0、τ α 和 Λ 与已测流量数据X，计算得 、 J Xl <X<XU Ul < U <Uu到N组估计数据χ η = 1，2，...，N，将χ η = 1，2，. . .，N随机的装入多Agent群体Α，A = {/lX (i = 1，2，···，Lsl ； j = 1，2，···，Lsl)，生成 Agent 网格 L (T)，其中，N = Lsl X Lsl， 为网格L (T)上的第i行第j列上的第T代个体，Lsl为网格L (T)的总行数或总列数，网格L(T)的大小为LslXLsl，T为迭代次数，T= 1;(2)计算网格L(T)中每个个体^Jj的竞争力C(A)，获得sBestT， sBesfA]))，其中，C()为竞争力函数，χ的竞争力为C(Z)，，sBestT 为 Agent 网格第 T代为止竞争力最大的个体；(3)在网格L(T)中随机抽取一个个体‘ e[l，Lsl]，j' e[l，Lsl]生成一个大小为SLslXsLsl的网格sL⑴；其中，A1=R1X^K ]为取上整，sR为搜索半径，sR e
，为网格sL⑴上的第m ‘行第η'列上的第T代个体，X1中的第k个数据值，X〗为Xu中的第k个数据值，u(l-SR，l+SR)为(1-SR，1+SR)内均勻分布的随机数；(4)将网格sL⑴以个体为起点覆盖到网格L(T)上生成网格L1⑴；具体为，其中，y为网格L1⑴上的aA,第i行第j列上的第T代个体，mod为余数函数，且当m' +i ‘ -1 = Lsl时，(m' +i ‘ -1) mod Lsl = Lsl,当 η' + j ‘ -1 = Lsl 时，(n' + j ‘ _l)mod Lsl = Lsl ；(5)将网格L1⑴中的每个个体Wjj执行邻域竞争操作，获得网格L2⑴；其中，邻域竞争操作具体为bATlt = aAu C(aAlj) >，邻域为个体
全文摘要
本发明公开了一种分馏系统过程数据的智能校正方法，具体包括以下处理步骤(1)采集分馏系统的实时和历史数据，确定已测变量和未测变量；(2)根据采集数据，获得各个已测变量的方差、过失误差在误差中出现的比例和过失误差的标准差与随机误差的标准差的比率；(3)将过程数据协调转化为优化问题；(4)通过多Agent邻域竞争-协作学习算法求解优化问题，获得协调数据；(5)再接着，对协调数据进行显著误差检测，如果存在显著误差，则调整已测变量和未测变量，转入步骤(3)，否则步骤(4)获得的协调数据即为全局最优协调数据；本发明有效的提高了数据的一致性，为过程设计、模拟、优化、控制及生产管理决策分析提供依据。
文档编号G06F19/00GK102542173SQ20121001743
公开日2012年7月4日 申请日期2012年1月19日 优先权日2012年1月19日
发明者刘楠楠, 史旭华, 朱金仁, 蓝艇, 项龙 申请人:宁波大学