一种化工装置仪表数据异常点型过失误差检测方法

摘要

本发明提供了一种化工装置仪表数据异常点型过失误差检测方法，该检测方法将小波法与盒图法相结合，选取一段时间内化工过程仪表数据作为样本数据，首先对样本数据进行小波变换，依据样本数据时频域的局部特性，得到数据在各个尺度下的小波变换系数，然后通过盒图法对各尺度下的小波变换系数进行异常值检测，通过一一映射的关系，确定原始仪表数据的异常点型过失误差点的位置，实现化工过程仪表数据异常点型过失误差检测。本发明提供的检测方法，应用数据的时频域局部特性，克服现有技术对异常点的误判断，适用性更强，克服了现有方法中对数据正态分布的依赖。

权利要求

1.一种化工装置仪表数据异常点型过失误差检测方法，其特征在于，包括：

步骤1：收集样本数据，在化工企业的控制室内配置一台服务器，服务器与生产装置的实时数据库服务器相连，实时数据库服务器采集来自生产现场的仪表的数据，每隔一个采样周期记录一次实时数据，连续收集多个采样周期的数据，然后形成样本数据，该样本数据作为异常点型过失误差检测方法的输入；

步骤2：选取合适的小波变换函数，包括Haar小波、dbN小波系、symN小波系、Morlet小波及Meyer小波；

步骤3：采样不同频率尺度分辨率对样本数据进行小波变换，得到不同尺度下的小波变换系数，反映样本数据时域中的不同局部情况；

步骤4：对各个尺度下的小波变换系数进行分析，高频成分对应时域中的快变成分；

步骤5：对小波变换下得到的各个尺度的小波变换系数应用盒图法，小波变换系数作为输入数据，计算输入数据的五个统计量，即数据最小值、最大值、中位数、第一四分位数Q1及第三四分位数Q2，其中第一四分位数Q1是最小值与中位数之间的数据的中位数，第三四分位数Q2是最大值与中位数之间数据的中位数；

步骤6：计算四分位数的间距IQR＝Q3-Q1，计算各个尺度的小波变换系数的上下限，其中上限定义为HIGH＝Q3+m*IQR，下限定义为LOW＝Q1-n*IQR，其中，m和n为固定系数；

步骤7：当数据x＞HIGH或x＜LOW，x为异常点，并且记录当前x值对应的时刻；

步骤8：根据盒图法检测到的异常点对应的时刻，通过小波变换时频域中数据点的一一映射关系，确定原始仪表数据的异常点型过失误差点的位置，实现异常点型过失误差检测。

说明书

一种化工装置仪表数据异常点型过失误差检测方法

技术领域

[0001] 本发明涉及化工装置仪表的数据处理方法，尤其涉及一种化工装置仪表数据异常点型过失误差检测方法。

背景技术

[0002] 准确的测量数据是对化工过程实施控制与优化操作的基础。为了掌握化工过程的运行特性，改善生产操作，经常要分析来自某个单元设备甚至是复杂过程装置的测量数据。但是，一般情况下，化工过程的测量数据不可避免存在各种误差，使得测量数据不能准确满足过程内在的物理和化学规律，如化学计量关系、物料衡算和热量衡算等。快速、可靠的误差检测算法，对于理论分析和实际生产操作都有着重要意义。

[0003] 根据测量误差产生方式的不同，可以分为随机误差和过失误差两大类。前者受随机因素的影响而产生，服从一定的统计规律，是不可避免的。后者则可能是由测量仪表失灵、操作不稳定、设备泄漏等故障造成的。一般来讲，动态系统的过失误差分为两类：系统偏差型过失误差和异常点型过失误差。系统偏差型过失误差是指，在一段时间内，测量值总是比真实值高或低某一个固定的幅度，可能是由仪表零点漂移、过程泄露等因素引起的；异常点型过失误差是指，测量数据中有严重偏离其他数据的点，例如测量信号中的尖峰等，可能是由仪表测量等因素引起。

[0004] 目前对仪表数据异常点型过失误差的检测方法大多假设仪表数据服从正态分布，采用3σ方法，即数据分布均值正负偏差3σ之外的数据定义为异常值。然而实际仪表数据一般不符合正态分布，故此方法检测的异常点型过失误差点准确性较差。另一种盒图法(boxplot)不依赖于仪表数据服从正态分布的假设，通过数据分布的四分位数进行异常点判断，通用性较强。然而由于没有考虑时间上相邻数据之间的依赖性，对异常点的检测容易出现误判。小波法通过将数据从时间域变换为频率域，即根据仪表数据频谱的变化，判断仪表数据局部的变化。

发明内容

[0005] 针对现有的对仪表数据异常点型过失误差的检测方法准确性差的问题，本发明将小波法与盒图法相结合，提出了一种化工装置仪表数据异常点型过失误差检测方法。

[0006] 本发明采用以下的技术方案：

[0007] 一种化工装置仪表数据异常点型过失误差检测方法，包括：

[0008] 步骤1：收集样本数据，在化工企业的控制室内配置一台服务器，服务器与生产装置的实时数据库服务器相连，实时数据库服务器采集来自生产现场的仪表的数据，每隔一个采样周期记录一次实时数据，连续收集多个采样周期的数据，然后形成样本数据，该样本数据作为异常点型过失误差检测方法的输入；

[0009] 步骤2：选取合适的小波变换函数，包括Haar小波、dbN小波系、symN小波系、Morlet小波及Meyer小波；

[0010] 步骤3：采样不同频率尺度分辨率对样本数据进行小波变换，得到不同尺度下的小波变换系数，反映样本数据时域中的不同局部情况；

[0011] 步骤4：对各个尺度下的小波变换系数进行分析，高频成分对应时域中的快变成分；

[0012] 步骤5：对小波变换下得到的各个尺度的小波变换系数应用盒图法，小波变换系数作为输入数据，计算输入数据的五个统计量，即数据最小值、最大值、中位数、第一四分位数Q1及第三四分位数Q2，其中第一四分位数Q1是最小值与中位数之间的数据的中位数，第三四分位数Q2是最大值与中位数之间数据的中位数；

[0013] 步骤6：计算四分位数的间距IQR＝Q3-Q1，计算各个尺度的小波变换系数的上下限，其中上限定义为HIGH＝Q3+m*IQR，下限定义为LOW＝Q1-n*IQR，其中，m和n为固定系数；

[0014] 步骤7：当数据x＞HIGH或x＜LOW，x为异常点，并且记录当前x值对应的时刻；

[0015] 步骤8：根据盒图法检测到的异常点对应的时刻，通过小波变换时频域中数据点的一一映射关系，确定原始仪表数据的异常点型过失误差点的位置，实现异常点型过失误差检测。

[0016] 本发明具有的有益效果是：

[0017] 本发明所述的一种化工装置仪表数据异常点型过失误差检测方法，将小波法与盒图法相结合，选取一段时间内化工过程仪表数据，首先对数据进行小波变换，依据数据时频域的局部特性，得到数据在各个尺度下的小波变换系数，然后通过盒图法对各尺度下的小波变换系数进行异常值检测，通过一一映射的关系，确定原始仪表数据的异常点型过失误差点的位置，实现化工过程仪表数据异常点型过失误差检测，本发明应用数据的时频域局部特性，克服现有技术对异常点的误判断，适用性更强，克服了现有方法中对数据正态分布的依赖。

具体实施方式

[0018] 下面对本发明进行具体的说明：

[0019] 一种化工装置仪表数据异常点型过失误差检测方法，包括：

[0020] 步骤1：收集样本数据，在化工企业的控制室内配置一台服务器，服务器与生产装置的实时数据库服务器相连，实时数据库服务器采集来自生产现场的仪表的数据，每隔一个采样周期记录一次实时数据，连续收集多个采样周期的数据，然后形成样本数据，该样本数据作为异常点型过失误差检测方法的输入；

[0021] 步骤2：选取合适的小波变换函数，包括Haar小波、dbN小波系、symN小波系、Morlet小波及Meyer小波等；

[0022] 步骤3：采样不同频率尺度分辨率对样本数据进行小波变换，得到不同尺度下的小波变换系数，反映样本数据时域中的不同局部情况，一般采用四级尺度变换；

[0023] 步骤4：对各个尺度下的小波变换系数进行分析，高频成分往往对应时域中的快变成分，如陡峭的前沿、后沿及尖脉冲等，即为需要检测的异常点型过失误差；

[0024] 步骤5：对小波变换下得到的各个尺度的小波变换系数应用盒图法，小波变换系数作为输入数据，计算输入数据的五个统计量，即数据最小值、最大值、中位数、第一四分位数Q1及第三四分位数Q2，其中第一四分位数Q1是最小值与中位数之间的数据的中位数，第三四分位数Q2是最大值与中位数之间数据的中位数；

[0025] 步骤6：计算四分位数的间距IQR＝Q3-Q1，计算各个尺度的小波变换系数的上下限，其中上限定义为HIGH＝Q3+m*IQR，下限定义为LOW＝Q1-n*IQR，其中，m和n为固定系数；

[0026] 步骤7：当数据x＞HIGH或x＜LOW，x为异常点，并且记录当前x值对应的时刻；

[0027] 步骤8：根据盒图法检测到的异常点对应的时刻，通过小波变换时频域中数据点的一一映射关系，确定原始仪表数据的异常点型过失误差点的位置，实现异常点型过失误差检测。

[0028] 该化工装置仪表数据异常点型过失误差检测方法，将小波法与盒图法相结合，实现化工过程仪表数据异常点型过失误差检测。本发明应用数据的时频域局部特性，克服现有技术对异常点的误判断，适用性更强，克服了现有方法中对数据正态分布的依赖。

[0029] 当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。