一种流程工业生产过程中的实时报警溯源装置及其方法与流程

1.本发明属于数字信号处理技术领域，具体涉及一种流程工业生产过程中的实时报警溯源装置。


背景技术：

2.术语解释：
3.报警泛滥，现在复杂过程工业具有大范围不确定性、强关联性和高度非线性等复杂特征。当系统某一处出现故障后会沿着过程路径传播，在短时间内导致其他部分也产生大量报警，造成“报警泛滥”。
4.报警溯源，指通过各种分析手段，找出引起本次报警泛滥的源头，即报警事件或者位号。
5.位号，指工业生产过程中的位号是指现场的数据监控点。
6.流程工业的复杂性导致生成系统的某一处出现故障后，故障会沿着过程路径传播，短时间内导致其他部分产生大量报警，造成报警泛滥，这时报警的数据量远远大于操作员的处理能力，关键有效报警也会被淹没在大量无效报警中，导致操作员无法在短时间内找报警源头而及时采取正确措施。
7.现有市场上主流报警溯源方案主要有两类。
8.第一类是对报警进行离线溯源，需要用户进行历史数据导入，并标记故障时间段等操作后，然后系统进行溯源分析后才会输出该故障时间段内的溯源结果。该方案的缺点是需要用户手动导入和标记数据，并且实时性差，当现场报警泛滥发生时，无法及时为操作员提供本次报警泛滥的根因信息，协助操作人员进行快速故障处理。例如，万方数据库文献《基于贝叶斯网络的复杂工业报警溯源分析》(丁锐，2020年)中介绍通过手动离线分析的方式，验证了使用贝叶斯网络进行报警溯源的算法可行性。
9.第二类是通过预先定义故障，当故障发生时，如果和预定义的故障匹配成功，则立即提示该故障中所配置的根因。这种方案的缺点是只能对已知故障进行预定义，当碰到匹配不上的故障时，则无法提示本次的故障根因。另外，面对越来越复杂的工业现场，专家也无法对所有故障进行预定义。


技术实现要素：

10.本发明提出了一种流程工业生产过程中的在线报警溯源装置及方法，可以实现实时和自动的报警溯源。当检测到报警泛滥时，能在第一时间为操作员提供本次报警泛滥的报警源头，从而辅助操作员更快、更好地进行故障处理。
11.为此，本发明第一目的在于提供一种流程工业生产过程中的实时报警溯源装置，其包括离线工艺模型构建装置和在线报警溯源装置，其中：
12.所述离线工艺模型构建装置包括：用于存储工艺组态数据的工艺组态数据库；用于存储工艺模型数据的工艺模型数据库；用于从工艺组态数据库获取工艺组态数据并构建
相应工艺模型的工艺模型构建单元；
13.所述在线报警溯源装置包括：用于采集位号实时数据的实时数据采集单元，并将接收到的数据存储到历史趋势数据库；实时报警采集单元，用于采集过程报警数据，并将接收到的数据存储到历史报警数据库；检测和触发单元，用于通过检测报警泛滥信息并产生报警泛滥事件来触发报警溯源单元进行报警溯源；报警溯源单元，用于从检测和触发单元接收报警泛滥事件，并调用报警溯源模型构建单元获取溯源模型后进行报警溯源；报警溯源模型构建单元，用于分别从工业模型数据库、历史趋势数据库、历史报警数据库和报警溯源单元接收工艺模型、历史趋势、历史报警、当前故障信息，构建并输出报警溯源模型数据。
14.进一步的，所述工艺组态数据包括位号、过程报警、控制回路，所述工艺模型构建单元构建的工艺模型包含根据位号与控制回路来构建位号和位号之间的关系以及位号和过程报警之间的关系。
15.进一步的，还包括溯源模型数据库，用于存储报警溯源模型数据，并可输出到报警溯源单元用于最终的报警溯源。
16.进一步的，还包括用于显示溯源结果的监控界面显示单元。
17.进一步的，所述检测和触发单元设置有检测周期阈值，并根据检测周期阈值范围内的报警数量设置输出至少两个报警泛滥事件，报警溯源单元接收到事件后进行不同的动作。
18.进一步的，所述检测和触发单元设置输出的报警泛滥事件为三个，包括报警泛滥开始事件、报警泛滥持续事件、报警泛滥结束事件；所述报警溯源单元包括三个子模块：溯源创建子模块，用于当接收到报警泛滥开始事件后，创建该故障的溯源环境，开始首次报警溯源；溯源更新子模块，用于当接收到报警泛滥持续事件后，再次进行报警溯源，更新溯源结果；溯源结束子模块，用于当接收到报警泛滥结束事件后，进行最后一次报警溯源，更新溯源结果，终止本次溯源。
19.本发明第二目的在于提供一种流程工业生产过程中的实时报警溯源方法，其采用前述任一项权利要求所述的实时报警溯源装置进行报警溯源，包括如下步骤：
20.1)离线工艺模型构建装置的工艺模型构建单元从工艺组态数据库获取工艺组态数据，构建相应工艺模型的工艺模型构建单元，存储于工艺模型数据库中；
21.2)实时数据采集单元采集位号实时数据并存储于历史趋势数据库中；
22.3)实时报警采集单元采集过程报警数据并存储于历史报警数据库中；
23.4)检测和触发单元检测报警泛滥信息并产生报警泛滥事件传输给报警溯源单元触发其进行报警溯源；
24.5)报警溯源单元从检测和触发单元中接收报警泛滥事件，调用报警溯源模型构建单元获取报警溯源模型后进行报警溯源；
25.6)报警溯源模型构建单元根据包括当前工艺模型、历史趋势、历史报警和当前故障信息，构建并输出溯源模型。
26.进一步的，所述检测和触发单元设置检测周期阈值，并根据检测周期阈值范围内的报警数量设置输出三个报警泛滥事件，报警溯源单元接收到事件后进行不同的动作：
27.1)接收到报警泛滥开始事件后，创建该故障的溯源环境，并开始首次报警溯源；
28.2)接收到报警泛滥持续事件后，再次进行报警溯源，并更新溯源结果；
29.3)接收到报警泛滥结束事件后，会进行最后一次报警溯源，更新溯源结果，并终止本次溯源。
30.进一步的，所述检测和触发单元还设置如下规则：再次接收到持续事件，且当前溯源计算还未结束，该次报警溯源请求进入队列后，队列如果有多个溯源请求则只保留最近的一次。
31.进一步的，所述报警溯源单元基于该溯源模型进行反向推理，得到可能的报警传播路径，最后选择这些传播路径中平均后验概率靠前的路径，完成报警溯源。
32.采用本发明的实时报警溯源装置及方法，相比于现有技术，具有如下效果：
33.1)提高了流程工业生产过程中的报警溯源的实时性和自动化，增强了对未知的故障进行报警溯源的能力。
34.2)实现当现场生产过程出现故障导致短时间内发生大量报警时即报警泛滥，能让操作员快速定位报警源头，从而加快故障处理速度。
35.3)由于过程控制组态变化不频繁，采用离线工艺模型，并对其构建时机之所以不选择在故障发生时临时生成，而是于每次过程控制组态修改并生效后可减少故障发生后在线溯源装置的运行负荷和追溯时间。
36.4)在线报警溯源单元中，通过配置报警泛滥检测周期，实现在报警泛滥过程中，随着时间推移，报警变化后，对报警进行多次溯源，以便使溯源结果更加贴近实际，同时兼顾了报警的及时性和准确性。
附图说明
37.为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
38.图1为本发明实施例在线报警溯源原理图；
39.图2为本发明实施例实时报警溯源装置原理框图及在线报警溯源数据流图；
40.图3为本发明实施例一个控制回路举例；
41.图4和5为本发明工艺模型实施例；
42.图6为本发明实施例报警溯源模型构建单元原理示意图；
43.图7为本发明实施例报警溯源结果集示例图。
具体实施方式
44.下面结合本发明实施例附图，对本发明实施例中的技术进行清楚、完整地描述。所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.实施例1
46.本发明实施例提出了一种流程工业生产过程中的实时报警溯源装置，其应用范围为生产装置级别，也就是说如果要对现场多个生产装置进行在线报警溯源，则每个生产装置分别包含各自独立的报警溯源装置，以避免在溯源时多个生产装置之间的数据产生相互影响。
47.如图1所示，当现场生产系统发生故障时，有可能会因为系统本身的复杂性，导致短时间内产生很多报警，引起报警泛滥，本系统通过检测报警泛滥，触发在线报警溯源，从而找出本次故障的源头。
48.本发明实施例的报警溯源，指通过报警事件、位号数据、工艺模型等数据综合计算分析出引起本次报警泛滥的源头如报警事件或者位号。
49.如图2，本实施例实时报警溯源装置包含二个部分：在线报警溯源装置100和离线工艺模型构建装置200。
50.所述离线工艺模型构建装置200从工艺组态数据库201中获取到工艺组态，经过工艺模型构建单元202来构建出其相应的工艺模型,存于工业模型数据库203中。
51.工艺组态包括位号、过程报警、控制回路等配置数据。工艺模型包含位号和位号之间的关系，以及位号和过程报警之间的关系。
52.如图3所示，为一个简单温度控制回路举例。图中：温度给定是指这个控制回路的设定值，例如设定80摄氏度，水蒸气是指温度控制的介质，通过水蒸气来加热，控制阀门开度使目标达到设定值。fl1、fv1、tt1为位号，通常指代从现场设备中获取的监视数据点如温度仪表的温度、流量仪表的流量，或者用于控制现场设备的控制数据点如调节阀门的开度等。一个回路中包含多个位号，且这些位号的关系是有向的，图3中fv1的变化会导致tt1的变化。
53.工艺模型构建单元就是通过解析组态中的这些数据，从而建立所有位号之间的关联关系，会形成一张有向图，以图3的控制回路示例为例，会生成如图4的单个回路的工艺模型举例。
54.当工艺模型构建单元解析完组态中所有的信息后，会形成一张完整类似于图5的有向图。如图所示，x1-x10表示回路中的位号。
55.位号和过程报警之间也存在关联关系。例如，一个过程报警组态中配置了当tt1(蒸汽温度)》100时产生高限报警，那么这个高限报警和fv1位号之间就建立了关联关系。同样的，工艺模型构建单元也会通过解析报警组态建立位号和报警之间的关联关系。
56.当工艺模型构建完成后，会被存储到工艺模型数据库203中。可供在线报警溯源装置使用，例如可以通过报警和位号的关系推演出一个报警是由哪个位号直接导致的，再通过位号和位号的关系推演出这个位号数据异常是被哪几个位号所影响的。
57.用户还可通过可视化界面查看所有已建立的关系，并且可手动修正不正确的关系，或者增加无法通过自动构建而建立的关系。
58.本实施例的在线报警溯源装置100用于进行实时报警的溯源。该装置主要包括：
59.1)实时数据采集单元106。该单元用于采集现场生产控制装置中所有位号的实时数据，例如温度、流量或阀门开度位号的当前数值等，并将接收到的数据存储到历史趋势数据库中107。
60.2)实时报警采集单元105。该单元用于采集现场生产控制装置中所有过程报警数据，并将接收到的数据存储到历史报警数据库108中。
61.3)检测和触发单元101。该单元通过检测报警泛滥的发生来触发后续的报警溯源。报警泛滥的定义可由用户配置，例如：设置检测周期阈值如为30秒，当当前状态为非报警泛滥，且当前周期阈值30秒内的产生的报警总数超过几个报警如10个，定义为报警泛滥开始
事件；当当前状态为报警泛滥，且当前周期阈值内产生的报警数少于等于几个报警如2个，则定义为报警泛滥结束事件。
62.进一步的，本实施例还增加一个报警泛滥持续事件，如：当当前状态为报警泛滥，且当前周期阈值内产生的报警总数大于2个，定义为报警泛滥持续事件。因为在报警泛滥持续过程中，本次故障的相关报警可能不会在首次检测周期中就全部产生，而是会在后续过程中持续产生新的相关报警，定义报警泛滥持续事件，可用于通知报警溯源单元根据当前的故障信息来重新进行一次报警溯源，以使报警溯源的结果更准确。
63.在每个检测周期阈值如30秒内，检测和触发单元都会根据该配置去检测一次报警泛滥状态，并且产生以下几个事件推送给报警溯源单元102，报警溯源单元接收到该事件后会进行不同的动作，如下表1所示为检测和触发单元产生的事件分类、产生条件以及报警溯源单元接收到该事件后的对应动作。
64.表1检测和触发单元产生的事件分类
[0065][0066]
4)报警溯源单元102。报警溯源单元会管理当前的故障和状态，它从检测和触发单元101中接收事件，将报警泛滥开始到报警泛滥结束作为一次故障。报警溯源单元102从检测和触发单元101中接收事件，接到事件后，报警溯源单元会按照创建溯源环境——获得溯源模型——进行报警溯源这个流程开始报警溯源。
[0067]
所述报警溯源单元包括：
[0068]
溯源创建子模块，用于当接收到报警泛滥开始事件后，会创建该故障的溯源环境，并开始首次报警溯源；
[0069]
溯源更新子模块，用于当接收到报警泛滥持续事件后，再次进行报警溯源，并更新溯源结果；
[0070]
溯源结束子模块，用于当接收到报警泛滥结束事件后，会进行最后一次报警溯源，更新溯源结果；
[0071]
溯源模型调用子模块，用于通过报警溯源模型构建单元调用获取溯源模型。
[0072]
报警溯源单元要进行报警溯源时，会首先调用报警溯源模型构建单元103获取溯源模型。在获得本次的溯源模型后，报警溯源单元会基于该溯源模型进行反向推理，得到可能的报警传播路径，此时即完成报警溯源。
[0073]
5)报警溯源模型构建单元103。报警溯源模型构建的过程为异步过程，通过报警溯源单元触发该过程。该单元的输入为当前工艺模型、历史趋势、历史报警、当前故障信息，输出为本次溯源模型。可以根据这些信息识别出故障时间段和正常工况时间段，并以此为基础进行模型构建。报警溯源模型的构建可以使用不同的算法来实现，例如贝叶斯网络等基
于数据驱动的算法，模型构建完成后会被保存至溯源模型数据库109中。
[0074]
如图7所示，报警溯源模型构建单元实施分为数据预处理和算法分析两环节，以下以贝叶斯网络算法简单举例说明(具体算法可参见丁锐2020年万方数据库《基于贝叶斯网络的复杂工业报警溯源分析》文中介绍的算法)：
[0075]
在数据预处理环节中，会从历史报警数据库中获取报警，比较本次故障中的和正常工况下的报警产生概率和报警时长分布表，再结合工艺模型，使用贝叶斯网络结构评分函数最终得出评分最高的贝叶斯网络结构。
[0076]
在算法分析环节，结合位号实时数据，并使用贝叶斯网络参数学习算法可以获得贝叶斯网络参数，以确定各位号的贡献度。例如位号x6最终会产生如下的贡献度结果表2，其中√表示该位号和x6具有关联性，例如当x4、x5、x8具有关联性的情况下，x6对故障工况的贡献度是0.75，其中贡献度越高说明两个位号的关联性越强，即当x4，x5和x8同时报警时，x6的报警概率为0.75。
[0077]
表2位号关联性贡献度示例
[0078]
x4√√
ꢀꢀ
√√ x5√ √ √ √x8√
ꢀꢀ
√ √√贡献度0.750.350.210.120.650.800.58
[0079]
算法分析会保存这部分数据到溯源模型数据库109中，并输出给报警溯源单元用于最终的报警溯源。
[0080]
监控界面显示单元104，用于显示溯源结果，例如，针对图3实例，显示：75％可能由于进料流量fl1异常，25％可能由于阀门开度fv1异常。
[0081]
实施例2
[0082]
本实施例提出了一种流程工业生产过程中的实时报警溯源方法。
[0083]
在离线工艺模型构建装置200通过解析组态发布后的位号、控制回路和报警配置等来构建相应现场生产控制装置的工艺模型，该工艺模型会被报警构建单元用于生成溯源模型。
[0084]
工艺模型构建单元202读取工艺组态数据库中的控制组态中的位号、控制回路和报警配置等，通过分析控制回路配置中的位号和位号关系，以及报警配置中的报警和位号的关系，生成工艺模型并将其存储到工艺模型数据库中。
[0085]
在线报警溯源装置100中：
[0086]
实时数据采集单元106，采集现场生产控制装置中所有位号的实时数据，例如温度、流量或阀门开度位号的当前数值等，并将接收到的数据存储到历史趋势数据库中107。
[0087]
实时报警采集单元105，采集现场生产控制装置中所有过程报警数据，并将接收到的数据存储到历史报警数据库108中。
[0088]
检测和触发单元101检测报警泛滥的发生来触发后续的报警溯源。报警泛滥的定义可由用户配置，每周期检测和触发单元都会根据该配置去检测一次报警泛滥状态，并且产生报警泛滥开始、报警泛滥持续和报警泛滥结束三种事件并推送给报警溯源单元102，报警溯源单元接收到该事件后会进行不同的动作。
[0089]
报警溯源单元102从检测和触发单元101中接收事件，接到事件后，报警溯源单元
会按照创建溯源环境——获得溯源模型——进行溯源这个流程开始溯源。以下是报警溯源工作流程：
[0090]
a.接收到报警泛滥开始事件后，会创建该故障的溯源环境，并开始首次报警溯源。
[0091]
b.接收到报警泛滥持续事件后，再次进行报警溯源，并更新溯源结果。如果再次接收到持续事件后，当前溯源计算还未结束，则这次报警溯源请求会进入队列，队列如果有多个溯源请求则只保留最近的一次，以提高效率，避免做多余的溯源计算。在故障时间段内，溯源结果可能会根据故障时间推移有所更新，所以需要再次进行溯源，以便于更准确得找到故障源头。
[0092]
c.接收到报警泛滥结束事件后，会进行最后一次报警溯源，更新溯源结果。随后终止本次溯源，清除溯源环境。
[0093]
报警溯源单元进行溯源时首先调用报警溯源模型构建单元103，在获得本次的溯源模型后，报警溯源单元会基于该溯源模型进行反向推理，得到可能的报警传播路径，最后选择这些传播路径中平均后验概率排名靠前如前三的路径。此时即完成报警溯源，本次故障的根源即是这三条路径中的起始位号，其为报警根源的可能性分别为各自路径的平均后验概率，并将其输出到监控界面显示单元104中进行展示。
[0094]
如图7所示为本发明实施例报警溯源的举例。通过反向推理后，得到n条路径及其后验概率。例如路径1中x1、x4、x6、x8均为位号，根源位号为x1，每个位号之间路径上的数字例如0.75等，即为后验概率，路径上所有后验概率的平均值0.77即为平均后验概率。如图可知其中路径1、2和3的平均后验概率最高，分别为0.77、0.75、0.72，则取这三条路径中的根源位号x1、x2和x3作为最终的报警溯源的结果位号。
[0095]
报警溯源模型构建单元103可以使用不同的算法来实现。报警溯源模型构建的过程为异步过程，通过报警溯源单元触发该过程。该单元的输入为当前工艺模型、历史趋势、历史报警、当前故障信息，输出为本次溯源模型。可以根据这些信息识别出故障时间段和正常工况时间段，并以此为基础进行模型构建。模型构建完成后会被保存至溯源模型数据库109中，监控界面显示单元104用于显示溯源结果。
[0096]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。