胡瑾秋， 張來斌， 王安琪

(中國石油大學(xué) 機(jī)械與儲運(yùn)工程學(xué)院 國家安全生產(chǎn)技術(shù)支撐體系“油氣生產(chǎn)事故預(yù)防與控制基礎(chǔ)研究實驗室”， 北京 102249)

?

基于格蘭杰因果關(guān)系檢驗的煉化系統(tǒng)故障根原因診斷方法

胡瑾秋， 張來斌， 王安琪

(中國石油大學(xué) 機(jī)械與儲運(yùn)工程學(xué)院 國家安全生產(chǎn)技術(shù)支撐體系“油氣生產(chǎn)事故預(yù)防與控制基礎(chǔ)研究實驗室”， 北京 102249)

為了減少故障對煉化系統(tǒng)造成的影響，快速診斷出故障的根原因，使用格蘭杰因果關(guān)系檢驗進(jìn)行煉化系統(tǒng)故障診斷。分析煉化系統(tǒng)中過程參數(shù)之間的關(guān)聯(lián)，建立過程參數(shù)作用關(guān)系圖。在過程參數(shù)發(fā)生報警后，根據(jù)過程參數(shù)作用關(guān)系圖，選出可能造成該過程參數(shù)報警的其他過程參數(shù)，進(jìn)而使用格蘭杰因果關(guān)系檢驗對其進(jìn)行兩兩檢驗。根據(jù)計算得出的各個過程參數(shù)之間的因果關(guān)系量值，建立故障的定量因果關(guān)系圖。使用定量因果關(guān)系圖從發(fā)生報警的過程參數(shù)開始，尋找圖中因果關(guān)系量值最大的路徑，該路徑即故障在系統(tǒng)的傳播路徑，該路徑終點的過程參數(shù)即故障的根原因。將該方法應(yīng)用于某化工廠常壓塔裝置的故障診斷，結(jié)果表明，該方法可以準(zhǔn)確地診斷出系統(tǒng)中存在的故障，并找出故障在系統(tǒng)中的傳播路徑，對根原因進(jìn)行定位，方法有效、可行。

煉化系統(tǒng)； 格蘭杰因果關(guān)系檢驗； 故障根原因診斷； 故障傳播路徑

在役煉化裝置通常配備分布式控制系統(tǒng)(Distributed control system, DCS)來監(jiān)測及控制生產(chǎn)過程參數(shù)。生產(chǎn)過程參數(shù)是煉化系統(tǒng)運(yùn)行狀態(tài)最直觀的反映，一旦參數(shù)偏離預(yù)定的范圍，則可認(rèn)為煉化系統(tǒng)發(fā)生了故障，輕則造成生產(chǎn)中止、產(chǎn)品質(zhì)量下降，重則發(fā)生人員財產(chǎn)損失事故。因此，故障根源的準(zhǔn)確辨識可有效避免嚴(yán)重事故的發(fā)生，改善產(chǎn)品質(zhì)量及減少維修成本。

常用的煉化系統(tǒng)故障診斷方法可以分為基于模型的診斷方法、基于數(shù)據(jù)的診斷方法以及基于神經(jīng)網(wǎng)絡(luò)的診斷方法?；谀Ｐ偷脑\斷方法主要有符號有向圖法(Signed directed graph, SDG)[1]、層級有向圖模型法(Layered directed graph, LDG)[2]、動態(tài)因果圖[3]等?；跀?shù)據(jù)的診斷方法主要有小波變換法[4]、相關(guān)分析法[5]、濾波器法、主成分分析法(Principal component analysis, PCA)[6]、獨立分量分析法(Independent component analysis, ICA)[7]等。常用于故障診斷的神經(jīng)網(wǎng)絡(luò)有BP(Back propagation)神經(jīng)網(wǎng)絡(luò)[8]、徑向基函數(shù)(Radical basis function， RBF)神經(jīng)網(wǎng)絡(luò)[9]、自組織映射(Self-organizing map， SOM)神經(jīng)網(wǎng)絡(luò)[10]等。

然而，這些煉化系統(tǒng)故障根原因診斷方法仍存在不足。如，(1)基于數(shù)據(jù)的診斷方法能很好地對設(shè)備進(jìn)行監(jiān)測，準(zhǔn)確地找出系統(tǒng)中存在的故障并進(jìn)行報警，但不能判斷出故障的根原因；(2)基于模型的診斷方法不能很好地診斷單征兆(報警)的故障；(3)基于人工神經(jīng)網(wǎng)絡(luò)的方法需要大量的歷史故障數(shù)據(jù)，而實際使用中歷史故障數(shù)據(jù)匱乏，限制了該方法的使用范圍，同時該方法無法對診斷結(jié)果進(jìn)行解釋。

針對現(xiàn)有方法的不足，筆者提出一種基于格蘭杰因果關(guān)系檢驗的煉化系統(tǒng)故障根原因診斷方法。在裝置工藝過程分析的基礎(chǔ)上，確定裝置過程參數(shù)之間的關(guān)聯(lián)，然后使用格蘭杰因果關(guān)系檢驗分析過程參數(shù)的時間序列數(shù)據(jù)，明確過程參數(shù)變化的因果關(guān)系，并最終確定煉化系統(tǒng)中故障傳播路徑與報警的根原因。

1 格蘭杰因果關(guān)系檢驗基本原理

在計量經(jīng)濟(jì)學(xué)研究領(lǐng)域中，格蘭杰(Granger)提出了一種基于預(yù)測的因果關(guān)系，即格蘭杰因果關(guān)系[11]。格蘭杰因果關(guān)系定義為“依賴于使用過去某些時點上所有信息的最佳最小二乘預(yù)測的方差”。在時間序列情形下，兩個變量X、Y之間的格蘭杰因果關(guān)系可以定義為，“若在包含了變量X、Y過去信息的條件下，對變量Y的預(yù)測效果要優(yōu)于只有Y的過去信息的預(yù)測效果，則變量X是變量Y的格蘭杰原因”。格蘭杰因果關(guān)系表達(dá)的是統(tǒng)計學(xué)上的相關(guān)性，是現(xiàn)象在時間意義上的前后連續(xù)性[12]。

煉化過程參數(shù)之間復(fù)雜的因果關(guān)系和傳播特性與經(jīng)濟(jì)系統(tǒng)中變量之間復(fù)雜的關(guān)聯(lián)性有較強(qiáng)的可比性，兩者都是復(fù)雜的非線性大系統(tǒng)[13]，因此，可以將格蘭杰因果關(guān)系引入煉化系統(tǒng)故障與征兆關(guān)系的研究。確定過程變量之間格蘭杰因果關(guān)系的方法被稱為格蘭杰因果關(guān)系檢驗。根據(jù)格蘭杰因果關(guān)系的定義，判斷X和Y之間是否有格蘭杰因果關(guān)系，意味著建立兩個回歸方程，并對兩個回歸方程的解釋能力進(jìn)行比較。

對兩個變量X、Y進(jìn)行格蘭杰因果關(guān)系檢驗，需要構(gòu)造含有X和Y的滯后項(xt和yt)的回歸方程，如式(1)、(2)所示。

(1)

(2)

式(1)、(2)中，xt-i為xt的滯后項；yt-j為yt的滯后項；q為變量Y回歸方程中的滯后長度；i和j為滯后項數(shù)；s為變量X回歸方程中的滯后長度，滯后期長度q和s的最大值為回歸模型階數(shù)；u1t和u2t為白噪聲；αi和λi為x的系數(shù)估計值；βj和δj為y的系數(shù)估計值。若δi(i=1,…,q)在統(tǒng)計學(xué)上整體顯著不為零，則X是Y的格蘭杰原因。同理，若δj(j=1,…,s)在統(tǒng)計上整體顯著不為零，則Y是X的格蘭杰原因。

需要注意的是，進(jìn)行格蘭杰因果關(guān)系檢驗前，必須檢驗變量時間序列是否協(xié)方差平穩(wěn)。使用非協(xié)方差平穩(wěn)的時間序列進(jìn)行格蘭杰因果關(guān)系檢驗可能會得出錯誤的結(jié)果。為了避免該問題的發(fā)生，在進(jìn)行格蘭杰因果關(guān)系檢驗前，需要使用增廣迪基-福勒(Augmented dickey-fuller, ADF)檢驗[14]對變量進(jìn)行檢驗。如果ADF檢驗結(jié)果證明變量非協(xié)方差平穩(wěn)，則在進(jìn)行格蘭杰因果關(guān)系檢驗前對其進(jìn)行一階差分處理。

針對非線性程度不同的化工過程，滯后長度的選擇也是本模型建立過程中的一個關(guān)鍵點。滯后長度的選擇方法主要分為兩類。一類是經(jīng)驗法，即研究者任意選擇滯后長度q或s，或表示為樣本容量的函數(shù)，另外一類是根據(jù)數(shù)據(jù)來選擇。筆者建議采用后一類方法?；跀?shù)據(jù)的方法有Akaike信息準(zhǔn)則法(AIC)、Schwarz信息準(zhǔn)則法(SIC)、從一般到特殊法則(GSC)和從特殊到一般法則(SGC)、修正的信息準(zhǔn)則法(MIC)等。不同的準(zhǔn)則、不同的樣本容量對滯后長度的選擇有一定影響。筆者應(yīng)用模擬數(shù)據(jù)和現(xiàn)場實測數(shù)據(jù)進(jìn)行過大量分析測試，結(jié)果顯示，SIC選擇的滯后長度對不同檢驗式表現(xiàn)得較為穩(wěn)健。因此，推薦首選SIC信息準(zhǔn)則法計算滯后長度q或s。

2 煉化系統(tǒng)故障根原因診斷方法及實施步驟

2.1 針對煉化系統(tǒng)故障診斷研究對象開展危險與可操作性分析(HAZOP)

根據(jù)P&ID圖(管道與儀器圖表)開展煉化系統(tǒng)所涉裝置的HAZOP分析，主要過程包括： (1) 劃分節(jié)點，選擇煉化裝置某一節(jié)點為分析節(jié)點，解釋其設(shè)計意圖；(2)選擇節(jié)點中的某一狀態(tài)參數(shù)，并選擇一個引導(dǎo)詞與其組合為偏差；(3)針對有意義的偏差，分析發(fā)生的可能原因和產(chǎn)生的不利后果，并提出相應(yīng)的建議措施；(4)重新選擇引導(dǎo)詞分析該狀態(tài)參數(shù)可能的所有偏差，重復(fù)步驟(3)；(5)重新選擇狀態(tài)參數(shù)，重復(fù)步驟(3)～(4)；(6)重新選擇分析節(jié)點，重復(fù)步驟(2)～(5)，直至整個系統(tǒng)的節(jié)點分析完畢。

HAZOP分析結(jié)果詳細(xì)地記錄了系統(tǒng)內(nèi)可能出現(xiàn)偏離的可能原因、后果和建議的安全措施，不僅實現(xiàn)了對工藝系統(tǒng)的危險辨識，提高了對系統(tǒng)過程安全性的認(rèn)識，同時也反映了系統(tǒng)內(nèi)狀態(tài)參數(shù)之間的因果關(guān)系，為生產(chǎn)過程故障根原因診斷推理模型的建立提供了支撐。

值得注意的是，HAZOP分析結(jié)果雖然記錄了不同參數(shù)之間相互影響的可能關(guān)系，但十分主觀，并含有大量的不確定性，存在冗余、不一致等問題。僅憑HAZOP結(jié)果進(jìn)行故障根源推理，其結(jié)果往往不準(zhǔn)確，甚至出現(xiàn)矛盾。因此需要執(zhí)行2.2節(jié)～2.4節(jié)的步驟，以HAZOP分析出定性的因果可能性為基礎(chǔ)，建立初步的因果關(guān)系模型(雛形)；再經(jīng)格蘭杰檢驗因果關(guān)系優(yōu)化和修正模型雛形中錯誤的、冗余的、遺漏的因果關(guān)系，才能使最終的診斷和溯源結(jié)果更加準(zhǔn)確，對實際有較高的指導(dǎo)意義。

2.2 建立煉化系統(tǒng)工藝過程參數(shù)作用關(guān)系圖

在HAZOP分析結(jié)果基礎(chǔ)上，分析煉化系統(tǒng)中所監(jiān)測的過程參數(shù)，明確這些過程參數(shù)之間的相互作用和影響關(guān)系，建立過程參數(shù)作用關(guān)系圖。在過程參數(shù)發(fā)生報警后，根據(jù)過程參數(shù)作用關(guān)系圖，選出可能造成該過程參數(shù)報警的其他過程參數(shù)，即報警的可能原因。

2.3 提取過程參數(shù)的時間序列數(shù)據(jù)

針對上述選出的過程參數(shù)和發(fā)生報警的過程參數(shù)提取時間序列數(shù)據(jù)。時間序列數(shù)據(jù)是從發(fā)生報警的時刻開始向前20 min時間范圍的歷史數(shù)據(jù)。假設(shè)第1步中選出的可能造成報警的過程參數(shù)有m個，將它們的時間序列分別設(shè)為{x1t}，{x2t}，…，{xrt}…，{xmt}，同時將發(fā)生報警的過程參數(shù)的時間序列設(shè)為{yt}。

2.4 格蘭杰因果關(guān)系檢驗

將可能造成報警的過程參數(shù)時間序列{x1t}，{x2t}，…，{xrt}…，{xmt}與報警的過程參數(shù)時間序列{yt}進(jìn)行格蘭杰因果關(guān)系檢驗。以過程參數(shù)時間序列{xrt}為例來說明格蘭杰因果關(guān)系檢驗流程。

2.4.1 檢驗數(shù)據(jù)協(xié)方差平穩(wěn)性及數(shù)據(jù)預(yù)處理

(3)

2.4.2 構(gòu)造回歸方程

研究時間序列{xrt}是否是{yt}的格蘭杰原因時，需要構(gòu)造含有xr的滯后項和y的滯后項的回歸方程，如式(4)所示。計算此回歸方程殘差平方和RSSUR。

(4)

構(gòu)造y對所有滯后項yt-i(i=1,…,q)以及其他變量的回歸方程，此回歸中不包括xr的滯后項xr(t-i)(i=1,…,q)，如式(5)所示，計算此回歸方程殘差平方和RSSR。

(5)

2.4.3 建立零假設(shè)及F檢驗

建立零假設(shè)，H0∶αi=0(i=1,…,q)，即{xrt}不是{yt}的格蘭杰原因。使用F檢驗來檢驗此假設(shè)，如式(6)所示。

(6)

式(6)遵循自由度為q和(n-k)的F分布； n是樣本容量；k為yt對不包括xr的滯后項xr(t-i)(i=1,…,q)進(jìn)行的回歸中待估參數(shù)的個數(shù)。

確定需要的顯著性水平a，查F分布表得臨界值Fa，如果F>Fa，則拒絕零假設(shè)H0，說明{xrt}是引致{yt}的格蘭杰原因，其因果關(guān)系的量值可由F值表示。

對{xrt}與{yt}進(jìn)行格蘭杰因果關(guān)系檢驗的流程如圖1所示。

重復(fù)2.4.1～2.4.3節(jié)步驟，將可能造成報警的過程參數(shù)時間序列{x1t}，{x2t}，…，{xrt}…，{xmt}，以及報警的過程參數(shù)時間序列{yt}兩兩進(jìn)行格蘭杰因果關(guān)系檢驗。

圖1 格蘭杰因果關(guān)系檢驗流程圖

2.5 故障根原因診斷及傳播路徑分析

根據(jù)計算得出的各個過程參數(shù)之間的因果關(guān)系量值，建立故障的定量因果關(guān)系圖。從發(fā)生報警的過程參數(shù)開始，尋找圖中因果關(guān)系量值最大的路徑。該路徑即故障在系統(tǒng)的傳播路徑，其終點的過程參數(shù)即故障的根原因。

值得注意的是，當(dāng)?shù)?步中選出的過程參數(shù)過多時，建立的定量因果關(guān)系圖就會變得較為復(fù)雜，不方便故障的推理診斷。為了提高推理的效率，根據(jù)下面的規(guī)則對建立的定量因果關(guān)系圖進(jìn)行簡化。

(1) 當(dāng)出現(xiàn)串級控制時，將串級控制中的過程參數(shù)合并為一個。確定新的過程參數(shù)和其他過程參數(shù)的因果關(guān)系原則為，新的過程參數(shù)與其他過程參數(shù)因果關(guān)系的方向不變，因果關(guān)系的量值為合并前過程參數(shù)因果關(guān)系量值的和。

(2) 格蘭杰因果關(guān)系檢驗的核心是預(yù)測性，當(dāng)出現(xiàn)兩個過程參數(shù)的變化趨勢相似時，就會得出兩個變量之間有格蘭杰因果關(guān)系的結(jié)論。故需要在第1步中分析過程參數(shù)之間的相互作用、影響的關(guān)系基礎(chǔ)上，刪去定量因果關(guān)系圖中一些無意義的路線。

3 某煉化廠故障根原因診斷方法案例分析

某煉化廠常壓塔裝置于某一時刻發(fā)生常三線餾出溫度偏高的故障。通過分析可知，與常三線餾出溫度(TI1115)相關(guān)的過程參數(shù)有常壓塔進(jìn)料溫度(TI1501)、常壓塔進(jìn)料流量(FI1501)、常壓塔底蒸汽流量(FI1110)、常壓塔底溫度(TI1110)、常一線餾出溫度(TI1117)、常二線餾出溫度(TI1116)。圖2 為常壓塔各過程參數(shù)隨時間的變化，圖中第20 min為故障發(fā)生的時刻。

圖2 某煉化廠常壓塔過程各參數(shù)隨時間的變化

為探尋過程參數(shù)變化之間的因果關(guān)系，先假定可能原因變量集合(見表1中列變量)與結(jié)果變量(見表1中行變量))集合均包含上述7項過程參數(shù)。采用第2節(jié)所述方法，對上述過程參數(shù)兩兩進(jìn)行格蘭杰因果關(guān)系檢驗，其結(jié)果列于表1。

根據(jù)表1所示結(jié)果繪制常壓塔過程參量的定量因果關(guān)系，如圖3(a)所示。同時，根據(jù)已確定的規(guī)則對定量因果關(guān)系圖進(jìn)行簡化，簡化后的關(guān)系如圖3(b)所示。

表1 某煉化廠常壓塔故障的格蘭杰因果關(guān)系檢驗結(jié)果

圖3 根據(jù)表1繪制的常壓塔過程參數(shù)定量因果關(guān)系

由圖3(b)可以明顯地看出，在發(fā)生常三線餾出溫度(TI1115)偏高故障情況下，可能的原因是進(jìn)料溫度(TI1501)偏高；同時，造成常壓塔底溫度(TI1110)偏高的可能原因是汽提蒸汽流量偏高(FI1110)與進(jìn)料溫度偏高(TI1501)。分別對比進(jìn)料溫度、汽提蒸汽流量與常壓塔底溫度之間的格蘭杰因果關(guān)系值可以看出，最可能導(dǎo)致常壓塔底溫度偏高的原因是進(jìn)料溫度偏高。

在常三線餾出溫度發(fā)生高位報警前約20 min開始，進(jìn)料溫度逐步升高(見圖2(a))；同時，常壓塔底溫度也在同步升高(見圖2(d))?，F(xiàn)場維修記錄顯示，造成常三線餾出溫度偏高的原因為進(jìn)料溫度偏高，筆者所述方法應(yīng)用結(jié)果與現(xiàn)場實際工況一致。

通過案例分析驗證，相比現(xiàn)有方法，基于格蘭杰因果關(guān)系檢驗的煉化系統(tǒng)故障根原因診斷方法其具有以下3個優(yōu)點。(1)能夠在過程參數(shù)閾值報警的同時，給出報警根原因，避免大量“報警洪水”；(2)能夠給出報警參數(shù)之間的相互關(guān)系，從而可揭示故障的發(fā)生、發(fā)展路徑；(3)完善了單征兆報警的故障診斷推理算法。

4 結(jié) 論

針對現(xiàn)有煉化系統(tǒng)故障診斷方法的不足，提出了一套基于格蘭杰因果關(guān)系檢驗的煉化系統(tǒng)故障根原因診斷方法。在分析確定裝置過程參數(shù)之間關(guān)聯(lián)關(guān)系的基礎(chǔ)上，使用格蘭杰因果關(guān)系檢驗對過程參數(shù)的時間序列數(shù)據(jù)進(jìn)行分析，明確過程參數(shù)之間變化的因果關(guān)系，最終確定煉化系統(tǒng)中故障傳播路徑與報警的根原因。以現(xiàn)場常壓塔為應(yīng)用對象，發(fā)生異常工況后采用該方法進(jìn)行故障根原因診斷，結(jié)果表明，該方法可以準(zhǔn)確地診斷出系統(tǒng)中存在的故障根源，并揭示故障在系統(tǒng)中的傳播路徑，結(jié)果準(zhǔn)確，方法有效性得到充分驗證。本方法提供故障根源的準(zhǔn)確辨識可有效避免嚴(yán)重事故的發(fā)生、改善產(chǎn)品質(zhì)量及減少維修成本。

[1] ZHANG Z, WU C, ZHANG B, et al. SDG multiple fault diagnosis by real-time inverse inference[J].Reliability Engineering & System Safety, 2005, 87(2): 173-189.

[2] 楊宇霄, 崔琳.基于LDG模型的HAZOP自動化推理[J].中國科技信息,2008, (11): 38-39.(YANG Yuxiao, CUI Lin. HAZOP automatic reasoning based on the LDG model for HAZOP analysis[J].China Science and Technology Information, 2008， (11): 38-39.)

[3] ZHANG Q. Probabilistic reasoning based on dynamic causality trees/diagrams[J].Reliability Engineering and System Safety，1994, 46(3): 209-220.

[4] 馬麗萍, 石炎福, 余華瑞. 小波分析及其在化工信號分析處理中的應(yīng)用及展望[J].化工進(jìn)展,2005, 24(2): 147-153.(MA Liping, SHI Yanfu, YU Huarui. Application and prospect of wavelet analysis in the process of signal analysis in chemical engineering[J].Chemical Industry Engineering Progress, 2005, 24(2): 147-153.)

[5] 鄧勇, 師奕兵.基于相關(guān)分析的非線性模擬電路參數(shù)型故障診斷方法[J].控制與決策,2011, 26(9): 1407-1411.(DENG Yong, SHI Yibing. Approach of parametric fault diagnosis in nonlinear analog circuits based on correlation analysis[J].Control and Decision, 2011, 26(9): 1407-1411.)

[6] 薄翠梅, 喬旭, 張廣明, 等.基于ICA-SVM的復(fù)雜化工過程集成故障診斷方法[J].化工學(xué)報,2009, (9): 2259-2264.(BO Cuimei, QIAO Xu, ZHANG Guangming, et al. ICA-SVM based fault diagnosis method for complex chemical process[J].CIESC Journal, 2009, (9): 2259-2264.)

[7] VEDAM H, VENKATASUBRAMANIAN V. PCA-SDG based process monitoring and fault diagnosis[J].Control Engineering Practice, 1999, 7(7): 903-917.

[8] VENKATASUBRAMANIAN V, CHAN K. A neural network methodology for process fault diagnosis[J].AIChE Journal, 1989, 35(12): 1993-2002.

[9] 陳波.基于信息融合的反應(yīng)釜故障診斷方法研究[D].杭州： 浙江理工大學(xué), 2012.

[10] CHEN X, YAN X. Fault diagnosis in chemical process based on self-organizing map integrated with fisher discriminant analysis[J].Chinese Journal of Chemical Engineering, 2013, 21(4): 382-387.

[11] GRANGER C W J. Investigating causal relations by econometric models and cross-spectral methods[J].Econometrica, 1969, 37: 424-438.

[12] 易會文. 格蘭杰因果檢驗用法探討[J].中南財經(jīng)政法大學(xué)學(xué)報，2006， (5)： 34-36.(YI Huiwen. Discussion on how to do granger causality test[J].Journal of Zhongnan University of Economics and Law, 2006, (5): 34-36.)

[13] 曹永福. 格蘭杰因果性檢驗評述[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2006, 23(1): 155-160.(CAO Yongfu. A comment on granger causality test[J].The Journal of Quantitative & Technical Economics， 2006, 23(1): 155-160.)

[14] 陳雙金. 時間序列單位根檢驗方法比較[D].成都： 電子科技大學(xué), 2013.

Fault Root-Cause Diagnosis Based on Granger Causality Test forPetrochemical Process System

HU Jinqiu, ZHANG Laibin, WANG Anqi

(ResearchCenterofAccidentPreventionandControlforOilandGasIndustry,CollegeofMechanicalandTransportationEngineering,ChinaUniversityofPetroleum,Beijing102249,China)

In order to reduce the fault impact on petrochemical process system, quick diagnosis of the root cause of the fault is necessary, for which the granger causality test is introduced to study the fault interdependency by analyzing the relationship between process parameters of petrochemical units and establishing an effect diagram of the process parameters. When alarm occurred on condition monitoring system, the effect relationship diagram of the process parameters was used to select the related process parameters, which didn’t exceed the alarming threshold, but might indicate an incipient fault. Then the selected parameters were pairwise checked by granger causality test. According to the degree of the causal relationship of the process parameters, the fault quantitative cause and effect diagram could be established, by which the path with the biggest quantitative value of causal relationship could be considered as the most probable fault propagation path. In this way, the root cause of the alarm could be revealed easily. The pilot application for atmospheric and vacuum distillation unit in a petrochemical plant validated the effectiveness of the proposed method and its application value.

petrochemical system; granger causality test; fault root-cause diagnosis; fault propagation path

2015-11-24

國家自然科學(xué)基金項目(51574263)、教育部新世紀(jì)優(yōu)秀人才支持計劃項目(NCET-12-0972)和中國石油大學(xué)(北京)科研基金項目(2462015YQ0403)資助

胡瑾秋，女，教授，博士，從事油氣生產(chǎn)復(fù)雜系統(tǒng)安全事故預(yù)防與風(fēng)險控制方面的研究；Tel: 010-89733406;E-mail: hujq@cup.edu.cn

1001-8719(2016)06-1266-07

X937

A

10.3969/j.issn.1001-8719.2016.06.025