面向全量测点耦合结构分析与估计的工业过程监测方法

实际工业场景中,需要在生产过程中收集大量测点的数据,从而掌握生产过程运行状态.传统的过程监测方法通常仅评估运行状态整体的异常与否,或对运行状态进行分级评估,这种方式并不会直接定位故障部位,不利于故障的高效检修.为此,提出一种基于全量测点估计的监测模型,根据全量测点估计值与实际值的偏差定义监测指标,从而实现全量测点的分别精准监测.为克服原有的基于工况估计的监测方法监测不全面且对测点间耦合关系建模不充分的问题,提出多核图卷积网络(Multi-kernel graph convolutional network,MKGCN),通过将全量传感器测点视为一张全量测点图,显式地对测点间耦合关系进行建模,从而实现全量传感器测点的同步工况估计.此外,面向在线监测场景,设计基于特征逼近的自迭代方法,从而克服在异常情况下由于测点间强耦合导致的部分测点估计值异常的问题.所提出的方法在电厂百万千瓦超超临界机组中引风机的实际数据上进行验证,结果显示,与其他典型方法相比,所提出的监测方法能够更精准地检测出发生故障的测点.