工业报警系统时延设计及性能评估

发布时间：2019-10-02 21:34

【摘要】：在工业过程中,设置报警可以在过程变量参数异常、设备故障等工况异常时及时地提醒操作人员。然而,简单的报警设计往往会导致大量的误报警和滋扰报警,降低报警系统对运行过程的安全保障。调查表明,导致许多灾难性事故发生的一个重要原因就是报警系统的不合理设计。因此,系统、科学、有效的报警系统设计及管理对保证工业过程安全连续运行至关重要。基于此,本文致力于解决常用报警设计技术与其性能指标之间的定量关系。本文首先针对可通过马尔科夫链建模的报警优化技术,提出了计算其误报率、漏报率及检测迟延的一般算法,并将该算法应用在死区及传统时间迟延技术,总结了该算法相比于现有算法的优点。与传统时间延迟技术要求连续n个样本异常才报警不同,广义时间延迟技术只要n个样本中有n1个样本异常就产生报警(n1≤n),能更好地反映过程实际工况。本文针对广义时间迟延技术,基于所提出的报警性能指标的一般算法,给出了广义时间迟延技术配置在报警系统中的各项性能指标计算过程。并通过Monte-Carlo仿真实验验证了其准确性。最后,本文讨论了时间迟延技术在报警系统中的设计,通过仿真及工业案例研究,验证了广义时间迟延技术在工业应用的可行性。
【图文】：

概率密度分布,概率密度分布,过程数据,异常工况

华北电力大学硕士学位论文2) 正常和异常工况下过程数据的概率密度分布是已知的，在实际工业过程中，这些分布可以由历史数据估计出来。2.2 准确性对于单变量报警系统，通常从准确性和敏捷性（延迟性）两个方面进行性能评估。其中准确性是指：系统必须保证在异常工况下产生报警并且在正常工况报警标签处于不激活的状态，这两个特征可以通过误报率（FAR）和漏报率(MAR)两项性能指标来表征。如图 2.1 所示的过程数据，假设过程变量 xt在正常和异常工况下的概率密度分布(PDFs)是已知的，报警阈值设置在 xtp。（图中实线代表正常工况下的过程变量的概率密度分布，虚线代表异常工况下的过程变量的概率密度分布）

曲线,接受者,曲线,报警系统

13图 2.2 接受者操作特征（ROC）曲线C 曲线上的理想点是(0,0)，即原点。在这点上，系统既没有误警的产生。然而，这在上述例子中是不可能实现的，ROC 曲线，因为从图 2.1 中可以看到正常数据和异常数据的分布中有明显这个重叠区域的点既可以属于正常数据又可以属于异常数据，就不可避免了。因此，一个设计良好的报警系统应当是能保证能地接近原点。值得注意的是，实际工业过程中 ROC 曲线的过程数据（包括正常和异常工况）的概率密度分布的，在实际过程历史数据来得到所需的概率密度。因此，报警系统的管理及优化。前面的讨论可知，误报率和漏报率是衡量报警系统准确性的两
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP277

【参考文献】