10 озер Юты, которые стоят всей той шумихи, которую они создают
Jul 12, 202314 лучших микшеров подкастов на 2023 год
Aug 23, 202330 вещей Walmart, которые будут полезны для вашего сада
Jul 13, 202335 продуктов, которые помогут навести беспорядок в каждой комнате вашего дома
Nov 13, 202343 Игра
Jun 09, 2023Индекс здоровья растений как инструмент обнаружения аномалий в процессах нефтепереработки
Том 12 научных докладов, номер статьи: 14477 (2022 г.) Цитировать эту статью
3312 Доступов
1 Альтметрика
Подробности о метриках
Раннее обнаружение значительных аномальных изменений крайне желательно для процессов нефтепереработки, которые состоят из сложных операций, связанных с опасными и легковоспламеняющимися материалами и работающих при высоких температурах и давлениях. Тщательный мониторинг и обнаружение аномалий жизненно важны для предотвращения крупных аварий и потерь и позволяют вмешаться до возникновения сбоя. В этой работе предлагается новый инструмент анализа больших данных под названием Индекс здоровья растений (PHI). PHI — это программное обеспечение для статистического обнаружения аномалий, которое обучает свою модель на основе нормальной работы предприятия в режиме онлайн, а затем использует статистический анализ для обнаружения аномалий. Для обнаружения аномалий используется комбинированный метод многомерного анализа невязок и непараметрических моделей процесса. Методология обеспечивает структурированное представление переменных установки, чтобы облегчить обнаружение проблем, а также обнаружение изменений в работе системы. Система PHI была протестирована на установке гидроочистки нефтеперерабатывающего завода, состоящей из каталитических реакторов и сепараторов. Текущая реализация пометила 170 переменных процесса и доказала свою эффективность при регистрации нормальных условий эксплуатации предприятия. При подключении к сети PHI смогла обнаружить аномалии, которые трудно обнаружить с помощью системы управления и до того, как они будут обнаружены системой сигнализации.
Нефтеперерабатывающие заводы относятся к числу сложнейших динамических структур, требующих бесперебойной, эффективной и безопасной работы для непрерывного производства продукции высокого качества по конкурентоспособным ценам. Необходимы чрезвычайно сложные системы наблюдения, позволяющие заблаговременно выявлять неисправности электростанций и аномальное поведение. Алгоритмы машинного обучения можно эффективно использовать для обнаружения аномалий на основе онлайн- и исторических данных, что может привести к мониторингу работоспособности системы. При изучении наборов реальных данных общим требованием является знание того, какие примеры отличаются от всех остальных. Аномалии — это такие типы событий, и цель обнаружения выбросов или обнаружения аномалий состоит в том, чтобы найти их все, используя оперативные онлайн-данные1.
Нефтяной сектор превратился в строго регулируемую отрасль, основной целью которой является эксплуатационная безопасность и защищенность. Почти все установленное оборудование на современных нефтеперерабатывающих заводах имеет датчики, контролирующие его работу, и исполнительные устройства с дистанционным управлением, которые управляют им с целью управления рабочим профилем, предотвращения нежелательных событий и катастрофических отказов. Физическая целостность нефтегазовых заводов строго защищена многоуровневыми системами контроля и сигнализации, которые реагируют на необычные обстоятельства. Обнаружение аномалий важно, поскольку аномалии в данных могут привести к получению важной информации для принятия мер в ряде областей применения1. Способность действовать в среде для надлежащего реагирования, предотвращения или исправления ситуаций, связанных с такой уникальной информацией, дает лицу, принимающему решения, возможность правильно ее идентифицировать2.
Еще одним важным моментом в перерабатывающих отраслях, таких как нефтеперерабатывающие заводы, является обработка больших объемов опасных и легковоспламеняющихся материалов, которые движутся с высокой скоростью (тонны в час), высокими температурами (сотни градусов Цельсия) и мощностью (в мегаваттах)3. . Каждую секунду на кону стоят тысячи сотрудников и миллионы долларов, поскольку один-единственный небольшой недостаток или ошибка может нанести существенный вред всему заводу и его работникам, а также потерю доходов. В результате первоочередной задачей руководства промышленного предприятия является обеспечение постоянной безопасности, эффективности процессов, долгосрочной долговечности и плановых (а не внеплановых) простоев. Распределенные системы управления (РСУ) и системы диспетчерского управления и сбора данных (SCADA) обычно используются для непрерывного мониторинга и контроля работы оборудования и агрегатов, таких как насосы, компрессоры, сепараторы, котлы, теплообменники и каталитические реакторы. Переменными, которые обычно измеряются и передаются в виде сигналов, являются температура, расход, уровень, давление и вибрация. Поскольку на технологическом предприятии используются сотни или тысячи датчиков мониторинга, отслеживание того, работают ли они должным образом или нет, требует очень много времени и затрат труда4.