流程工业控制系统的潜在混杂报告生成方法、装置、设备及介质与流程

摘要: 本发明涉及人工智能,特别涉及一种流程工业控制系统的潜在混杂报告生成方法、装置、设备及介质。背景技术:1、流程工业长期依赖大量传感器数据进行运行分析和控制优化。但...
流程工业控制系统的潜在混杂报告生成方法、装置、设备及介质与流程

本发明涉及人工智能,特别涉及一种流程工业控制系统的潜在混杂报告生成方法、装置、设备及介质。

背景技术:

1、流程工业长期依赖大量传感器数据进行运行分析和控制优化。但生产现场常见以下问题:

2、(1)仅根据相关性建模容易误判原因。多个变量会因为同一个外部冲击同时变化。若模型不能表达潜在混杂因素,可能把共同变化误判成直接因果。

3、(2)控制动作和自然扰动混在一起。流程工业数据中既有可控制动作,也有不可控制外部工况。现有黑箱预测模型通常把它们作为同类特征输入,难以回答如果改变某个动作,未来状态会怎样变化。

4、(3)未观测因素会影响世界模型可信度。现场无法保证所有重要工况均被采集,传感器布点受成本和工艺条件限制,部分变量还存在低频化验、人工录入或延迟检测。若世界模型不能指出哪些变量关系存在潜在混杂风险,模型输出即使精度较高,也难以被用于控制决策和责任分析。

5、(4)已有因果分析结果难以进入工艺世界模型闭环。传统因果发现往往只输出静态图或表格,缺少与未来状态预测、干预推演、反事实曲线和可视化解释的联动。工程应用需要的不是单张因果图,而是能支撑预测、干预、诊断和报告输出的统一运行模型。

6、由上可见,如何避免把共同波动误解为互相控制,提高世界模型在流程工业场景中的可信度,增强世界模型的状态推演能力,提高潜在混杂风险报告的完整性是本领域有待解决的问题。

技术实现思路

1、有鉴于此,本发明的目的在于提供一种流程工业控制系统的潜在混杂报告生成方法、装置、设备及介质,能够避免把共同波动误解为互相控制,提高世界模型在流程工业场景中的可信度,增强世界模型的状态推演能力,提高潜在混杂风险报告的完整性。其具体方案如下:

2、第一方面,本技术公开了一种流程工业控制系统的潜在混杂报告生成方法,包括:

3、获取流程工业控制系统的历史运行数据和关键参数,基于所述历史运行数据和所述关键参数构建流程工业控制系统的时序运行变量集合,确定所述时序运行变量集合中的各变量之间的有向边概率和混杂边概率;

4、基于所述有向边概率和所述混杂边概率,分别确定有向因果边集合和双向潜在混杂边集合,利用所述有向因果边集合和所述双向潜在混杂边集合构建混合因果图;

5、从所述时序运行变量集合中筛选出与所述有向因果边集合中的有向因果边对应的历史时序运行变量和控制动作向量,确定所述双向潜在混杂边集合的混杂风险上下文以及各双向潜在混杂边的混杂风险得分;所述混杂风险上下文为与双向潜在混杂边对应的混杂风险信息;

6、利用所述历史时序运行变量、所述控制动作向量以及所述混杂风险上下文,对初始世界模型进行训练,得到世界模型;

7、基于关键参数对所述控制动作向量中的控制动作进行替换,得到目标控制动作向量,将所述历史时序运行变量、所述目标控制动作向量以及所述混杂风险上下文输入至所述世界模型中进行滚动预测,输出干预轨迹和反事实曲线;所述干预轨迹用于表征控制动作替换后的流程工业控制系统的状态变化过程;所述反事实曲线用于表征控制动作替换前后流程工业控制系统的状态变化差异;

8、基于所述混合因果图、所述混杂风险得分、所述干预轨迹、所述反事实曲线以及所述双向潜在混杂边集合,生成潜在混杂报告,以便基于所述潜在混杂报告对流程工业控制系统进行控制;所述潜在混杂报告为表征流程工业控制系统中与双向潜在混杂边对应的变量之间的潜在混杂风险的报告。

9、可选的,所述基于所述历史运行数据和所述关键参数构建流程工业控制系统的时序运行变量集合,确定所述时序运行变量集合中的各变量之间的有向边概率和混杂边概率,包括:

10、对所述历史运行数据进行时间戳对齐处理,得到对齐后数据;

11、基于所述关键参数中的历史窗口和最大时滞,对所述对齐后数据进行时序展开,得到历史状态块、历史动作块、历史工况块以及预测目标;

12、利用所述历史状态块、所述历史动作块、所述历史工况块以及所述预测目标,构建所述时序运行变量集合;

13、基于所述时序运行变量集合,确定各变量之间的有向边参数和混杂边参数;

14、对所述有向边参数和所述混杂边参数进行掩码处理和sigmoid变换,得到所述有向边概率和所述混杂边概率。

15、可选的,所述基于所述有向边概率和所述混杂边概率,分别确定有向因果边集合和双向潜在混杂边集合,包括:

16、将有向边概率大于关键参数中的有向边阈值的概率作为目标有向边概率;

17、将与所述目标有向边概率对应的边确定为有向因果边,基于所述有向因果边构建有向因果边集合;

18、将混杂边概率大于关键参数中的混杂边阈值的概率作为目标混杂边概率;

19、将与所述目标混杂边概率对应的边确定为双向潜在混杂边,基于所述双向潜在混杂边构建双向潜在混杂边集合。

20、可选的,所述利用所述有向因果边集合和所述双向潜在混杂边集合构建混合因果图,包括:

21、以所述时序运行变量集合中的变量为节点,基于所述有向因果边集合中的有向因果边和所述双向潜在混杂边集合中的双向潜在混杂边,构建所述混合因果图。

22、可选的,所述从所述时序运行变量集合中筛选出与所述有向因果边集合中的有向因果边对应的历史时序运行变量和控制动作向量,确定所述双向潜在混杂边集合的混杂风险上下文以及各双向潜在混杂边的混杂风险得分,包括:

23、基于有向因果边集合,从时序运行变量集合中确定与所述有向因果边集合中的有向因果边对应的父变量和动作变量;

24、对与所述有向因果边集合中的有向因果边对应的父变量和所述动作变量进行时序组合,得到历史时序运行变量和控制动作向量;

25、基于双向潜在混杂边集合,确定混杂风险上下文;

26、在预先定义的多个时间子区间上,确定双向潜在混杂边集合中的各双向潜在混杂边的混杂边概率;

27、基于所述混杂边概率确定混杂风险得分。

28、可选的,所述利用所述历史时序运行变量、所述控制动作向量以及所述混杂风险上下文,对初始世界模型进行训练,得到世界模型,包括:

29、将历史时序运行变量、控制动作向量以及混杂风险上下文输入至初始世界模型,得到状态预测结果;

30、基于所述状态预测结果和时序运行变量集合中的预测目标,确定状态预测误差;

31、利用所述状态预测误差构建训练目标,基于所述训练目标对初始世界模型进行训练,得到世界模型。

32、可选的,所述基于关键参数对所述控制动作向量中的控制动作进行替换,得到目标控制动作向量,包括:

33、基于关键参数中的步长集合,确定候选动作值;

34、将候选动作值与控制动作向量中的控制动作进行替换,得到所述目标控制动作向量。

35、第二方面,本技术公开了一种流程工业控制系统的潜在混杂报告生成装置,包括:

36、概率确定模块,用于获取流程工业控制系统的历史运行数据和关键参数,基于所述历史运行数据和所述关键参数构建流程工业控制系统的时序运行变量集合,确定所述时序运行变量集合中的各变量之间的有向边概率和混杂边概率;

37、混合因果图构建模块,用于基于所述有向边概率和所述混杂边概率,分别确定有向因果边集合和双向潜在混杂边集合,利用所述有向因果边集合和所述双向潜在混杂边集合构建混合因果图;

38、上下文及得分确定模块,用于从所述时序运行变量集合中筛选出与所述有向因果边集合中的有向因果边对应的历史时序运行变量和控制动作向量,确定所述双向潜在混杂边集合的混杂风险上下文以及各双向潜在混杂边的混杂风险得分;所述混杂风险上下文为与双向潜在混杂边对应的混杂风险信息;

39、训练模块,用于利用所述历史时序运行变量、所述控制动作向量以及所述混杂风险上下文,对初始世界模型进行训练,得到世界模型;

40、滚动预测模块,用于基于关键参数对所述控制动作向量中的控制动作进行替换,得到目标控制动作向量,将所述历史时序运行变量、所述目标控制动作向量以及所述混杂风险上下文输入至所述世界模型中进行滚动预测,输出干预轨迹和反事实曲线;所述干预轨迹用于表征控制动作替换后的流程工业控制系统的状态变化过程;所述反事实曲线用于表征控制动作替换前后流程工业控制系统的状态变化差异;

41、报告生成模块,用于基于所述混合因果图、所述混杂风险得分、所述干预轨迹、所述反事实曲线以及所述双向潜在混杂边集合,生成潜在混杂报告,以便基于所述潜在混杂报告对流程工业控制系统进行控制;所述潜在混杂报告为表征流程工业控制系统中与双向潜在混杂边对应的变量之间的潜在混杂风险的报告。

42、第三方面,本技术公开了一种电子设备,包括:

43、存储器,用于保存计算机程序;

44、处理器,用于执行所述计算机程序,以实现前述的流程工业控制系统的潜在混杂报告生成方法。

45、第四方面,本技术公开了一种计算机可读存储介质,用于保存计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的流程工业控制系统的潜在混杂报告生成方法的步骤。

46、有益效果:可见,本技术提供了一种流程工业控制系统的潜在混杂报告生成方法,包括获取流程工业控制系统的历史运行数据和关键参数,基于历史运行数据和关键参数构建流程工业控制系统的时序运行变量集合,确定时序运行变量集合中的各变量之间的有向边概率和混杂边概率,所以能够减少潜在混杂关系被遗漏的情况;基于有向边概率和混杂边概率,分别确定有向因果边集合和双向潜在混杂边集合,利用有向因果边集合和双向潜在混杂边集合构建混合因果图,所以能够在混合因果图中清楚地区分有向因果边和双向潜在混杂边,避免将潜在共同因素造成的共同变化误判为直接因果关系;从时序运行变量集合中筛选出与有向因果边集合中的有向因果边对应的历史时序运行变量和控制动作向量,确定双向潜在混杂边集合的混杂风险上下文以及各双向潜在混杂边的混杂风险得分,所以能够减少有向因果关系与潜在混杂关系相互混淆的情况;利用历史时序运行变量、控制动作向量以及混杂风险上下文,对初始世界模型进行训练,得到世界模型,所以能够提高状态预测结果的准确性;基于关键参数对控制动作向量中的控制动作进行替换,得到目标控制动作向量,将历史时序运行变量、目标控制动作向量以及混杂风险上下文输入至世界模型中进行滚动预测,输出干预轨迹和反事实曲线,所以能够直观呈现控制动作替换后的状态变化过程以及替换前后的状态差异,提高对控制动作干预结果的判断准确性;基于混合因果图、混杂风险得分、干预轨迹、反事实曲线以及双向潜在混杂边集合,生成潜在混杂报告,以便基于所述潜在混杂报告对流程工业控制系统进行控制,所以能够提高潜在混杂风险报告的完整性。