胡瑾秋， 蔡　爽， 張來(lái)斌

(中國(guó)石油大學(xué) 機(jī)械與儲(chǔ)運(yùn)工程學(xué)院， 北京 102249)

煉油化工生產(chǎn)過(guò)程從原料到產(chǎn)品的生產(chǎn)需要經(jīng)過(guò)許多工序和復(fù)雜的加工單元，通過(guò)多次反應(yīng)或分離完成。其流程復(fù)雜，工藝條件苛刻，常伴有高溫、高壓、低溫、真空、大流量、高轉(zhuǎn)速等極端條件，在煉油廠區(qū)，若某單一設(shè)備或工藝過(guò)程出現(xiàn)故障，極易借助系統(tǒng)單元之間的相互依存、相互制約關(guān)系，觸發(fā)連鎖效應(yīng)，由一種擾動(dòng)或故障經(jīng)過(guò)一段時(shí)間傳播，從一個(gè)地域空間傳播至另一個(gè)更廣闊的地域空間，引起衍生事故，帶來(lái)難以估量的社會(huì)與環(huán)境風(fēng)險(xiǎn)，引發(fā)一系列故障鏈直至引起事故或?yàn)?zāi)難。為了及時(shí)找出故障原因以有效抑制故障傳播，保證生產(chǎn)過(guò)程安全及產(chǎn)品質(zhì)量，國(guó)內(nèi)外學(xué)者對(duì)煉油化工過(guò)程報(bào)警根源分析方法進(jìn)行了一系列的研究。

報(bào)警泛濫是工業(yè)過(guò)程報(bào)警系統(tǒng)中存在的主要問(wèn)題之一。對(duì)過(guò)程變量報(bào)警根源進(jìn)行分析，可及時(shí)抑制異常擾動(dòng)的進(jìn)一步傳播以減少報(bào)警泛濫現(xiàn)象的發(fā)生。為了辨識(shí)煉油化工過(guò)程的擾動(dòng)傳播根源，基于過(guò)程知識(shí)建立過(guò)程拓?fù)淠Ｐ陀兄谶M(jìn)一步分析報(bào)警根源，如多層流模型(Multilevel flow model，MFM)[1]，因果模型(Cause-effect model，CE)[2]，符號(hào)有向圖(Signed directed graph，SDG)[3]等。Dahlstrand[1]采用多層流方法表達(dá)過(guò)程變量間的因果關(guān)系。Wan等[2]將CE模型引入到一個(gè)邏輯和系統(tǒng)化的報(bào)警系統(tǒng)設(shè)計(jì)方法中。符號(hào)有向圖是因果圖的一種，對(duì)過(guò)程變量間的因果關(guān)系和故障傳播路徑提供了簡(jiǎn)單和圖形化描述，并且可以在缺乏詳細(xì)過(guò)程知識(shí)的條件下根據(jù)經(jīng)驗(yàn)或基本定律來(lái)建立符號(hào)有向圖模型[4-7]。知識(shí)建模方法簡(jiǎn)單實(shí)用，易于理解，但嚴(yán)重依賴于過(guò)程知識(shí)不包括定量信息；此外，模型容易受人的主觀判斷影響[8]。數(shù)據(jù)驅(qū)動(dòng)方法如時(shí)滯關(guān)聯(lián)分析[9]，信息理論方法(傳遞熵，直接傳遞熵)[10-11]，貝葉斯網(wǎng)絡(luò)模型(Bayesian network，BN)[12]等，也可用于實(shí)現(xiàn)報(bào)警根源的辨識(shí)，以便從根本上抑制滋擾報(bào)警和報(bào)警泛濫現(xiàn)象的出現(xiàn)。關(guān)聯(lián)性并不一定代表因果性，但如果引入時(shí)間延遲，可找出兩時(shí)間序列間關(guān)聯(lián)系數(shù)的最大值，其對(duì)應(yīng)的時(shí)間關(guān)系可以近似地反映因果關(guān)系?；ハ嚓P(guān)函數(shù)(Cross-correlation function，CCF)[9]可用于估計(jì)兩報(bào)警序列間的時(shí)間延遲，通過(guò)兩序列間的時(shí)滯和關(guān)聯(lián)系數(shù)，生成對(duì)應(yīng)的因果矩陣和關(guān)聯(lián)系數(shù)矩陣，結(jié)合一致性檢驗(yàn)和拓?fù)浼僭O(shè)，可以構(gòu)建因果網(wǎng)絡(luò)[13]。但互相關(guān)函數(shù)會(huì)產(chǎn)生大量冗余時(shí)滯干擾分析結(jié)果，有時(shí)由該數(shù)據(jù)驅(qū)動(dòng)方法建立的擾動(dòng)傳播路徑可能與實(shí)際過(guò)程不符。因此有必要結(jié)合過(guò)程知識(shí)檢驗(yàn)傳播路徑的合理性。Bauer等[11]和Gao等[14]采用信息理論計(jì)算兩變量間的傳遞熵，從本質(zhì)上反映了信息傳遞所帶來(lái)的因果性。Duan等[10]提出直接傳遞熵概念來(lái)檢測(cè)兩變量間是否有一個(gè)直接的物質(zhì)流或信息流，以提高因果圖的準(zhǔn)確性。Gao等[15]提出基于解析結(jié)構(gòu)模型的信息融合方法，通過(guò)構(gòu)建連接矩陣和可達(dá)矩陣構(gòu)建因果網(wǎng)絡(luò)，實(shí)現(xiàn)報(bào)警根源的辨識(shí)。概率符號(hào)有向圖[16]是一種基于實(shí)現(xiàn)最大系統(tǒng)可信度的報(bào)警信號(hào)挑選方法，該符號(hào)有向圖的建立使過(guò)程變量間的因果關(guān)系可視化。數(shù)據(jù)驅(qū)動(dòng)方法可定量分析過(guò)程變量間存在的因果關(guān)系，但對(duì)于分析變量的挑選依然常常根據(jù)主觀經(jīng)驗(yàn)，對(duì)于一些復(fù)雜的大型系統(tǒng)，常涉及大量監(jiān)控變量，主觀挑選模型變量可能遺漏某些重要原因變量，以致無(wú)法推繹出引發(fā)報(bào)警的擾動(dòng)根源。

因此筆者采用多尺度建模的方法，通過(guò)對(duì)煉油化工生產(chǎn)系統(tǒng)的空間尺度進(jìn)行劃分，針對(duì)不同的風(fēng)險(xiǎn)過(guò)程，分析不同尺度下的過(guò)程風(fēng)險(xiǎn)表征指標(biāo)，建立多尺度下的煉油化工過(guò)程報(bào)警根源分析模型，并對(duì)不同尺度下的模型進(jìn)行應(yīng)用對(duì)比分析，從而選擇合適的尺度進(jìn)行建模，保證煉油化工過(guò)程報(bào)警根源分析的準(zhǔn)確性。

1　時(shí)滯分析方法基本原理

時(shí)滯分析方法可分析不同過(guò)程變量間的時(shí)滯和關(guān)聯(lián)關(guān)系，從而推斷他們固有的因果關(guān)系。

時(shí)滯分析方法采用互相關(guān)函數(shù)[9]計(jì)算過(guò)程變量間考慮時(shí)延性的關(guān)聯(lián)函數(shù)值。對(duì)于兩過(guò)程變量xi和xj的離散時(shí)間序列數(shù)據(jù)，定義互相關(guān)函數(shù)φxi,xj(k)為

(1)

n為過(guò)程變量個(gè)數(shù)，過(guò)程變量xi和xj的時(shí)間序列長(zhǎng)度為N，其均值為μxi和μxj，標(biāo)準(zhǔn)差為σxi和σxj，xig表示標(biāo)準(zhǔn)化后的變量xi在第g個(gè)時(shí)刻的變量值，φxi,xj(k)為具有時(shí)間意義的k的單值函數(shù)。

定義φxi,xj(k)的最大值φmax和最小值φmin為

(2)

記φmax對(duì)應(yīng)的k為kmax，φmin對(duì)應(yīng)的k為kmin，xi、xj間的時(shí)滯λi,j表示為

(3)

時(shí)滯λi,j用于確定傳播方向。若λi,j>0，實(shí)際傳播方向?yàn)閤i→xj；反之，傳播方向?yàn)閤j→xi。

兩時(shí)間序列關(guān)聯(lián)系數(shù)ρi,j記為

(4)

因關(guān)聯(lián)系數(shù)由統(tǒng)計(jì)方法計(jì)算得到，每2個(gè)時(shí)間序列可得一確定值，但若關(guān)聯(lián)系數(shù)過(guò)小，考慮兩變量間的關(guān)聯(lián)性將沒(méi)有意義。因此有必要設(shè)置合適的閾值對(duì)關(guān)聯(lián)系數(shù)的顯著性水平進(jìn)行檢驗(yàn)。筆者采用如下的假設(shè)檢驗(yàn)方法，通過(guò)式(5)計(jì)算閾值(ρth(N))[9]，若|ρi,j|<ρth(N)，表明關(guān)聯(lián)系數(shù)未通過(guò)顯著性檢驗(yàn)，此時(shí)考慮兩變量間的關(guān)聯(lián)性將沒(méi)有意義。ρi,j的正負(fù)反映了變量間的關(guān)聯(lián)關(guān)系。若ρi,j>0，兩變量具有正相關(guān)關(guān)系，即xi的增加可能引起xj的增加。反之，若ρi,j<0, 兩變量具有負(fù)相關(guān)關(guān)系。

ρth(N)=1.85N-0.41+2.37N-0.53

(5)

然而，若φmax和φmin的大小接近，兩變量的因果關(guān)系將變得模糊，方向性難以確定。為了辨識(shí)φmax和φmin的差異性，定義方向性指數(shù)(ψ)如式(6)：

(6)

通過(guò)式(7)計(jì)算方向性指數(shù)閾值(σψ(N))[9]，若ψ≥σψ(N)，表明兩變量具有顯著的因果關(guān)系。

σψ(N)=0.46N-0.16

(7)

2　煉油化工過(guò)程報(bào)警根源分析方法

報(bào)警系統(tǒng)作為復(fù)雜煉油化工過(guò)程的重要組成部分，可有效監(jiān)控過(guò)程的運(yùn)行狀態(tài)。報(bào)警系統(tǒng)設(shè)置是否合理直接影響生產(chǎn)過(guò)程的運(yùn)行。當(dāng)過(guò)程設(shè)備異常運(yùn)行時(shí)，將以聲光形式觸發(fā)報(bào)警。收到報(bào)警后，操作者將結(jié)合過(guò)程知識(shí)調(diào)查故障原因并采取必要措施阻止異常的進(jìn)一步惡化，使設(shè)備恢復(fù)到正常運(yùn)行范圍。如今，工業(yè)過(guò)程報(bào)警系統(tǒng)的實(shí)際問(wèn)題是報(bào)警數(shù)過(guò)多。實(shí)際上，操作者每1 h可能面臨數(shù)以百計(jì)的報(bào)警，大量的報(bào)警干擾操作者的判斷，使他們浪費(fèi)大量時(shí)間處理次要報(bào)警而忽視關(guān)鍵報(bào)警。因此，需要一個(gè)合理的策略進(jìn)行報(bào)警根源分析，及時(shí)辨識(shí)擾動(dòng)根源，避免異常風(fēng)險(xiǎn)的進(jìn)一步發(fā)展。

提出一種煉油化工過(guò)程報(bào)警根源分析方法，通過(guò)對(duì)煉油化工生產(chǎn)系統(tǒng)的空間尺度進(jìn)行劃分，針對(duì)不同的風(fēng)險(xiǎn)過(guò)程，分析不同尺度下的過(guò)程風(fēng)險(xiǎn)表征指標(biāo)，從而通過(guò)時(shí)滯分析并結(jié)合過(guò)程知識(shí)構(gòu)建擾動(dòng)傳播因果圖，最后提出一種報(bào)警根源搜索方法辨識(shí)最可能的擾動(dòng)傳播路徑以找出報(bào)警的根本原因。

2.1　煉油化工生產(chǎn)系統(tǒng)的空間尺度劃分

煉油廠區(qū)包含多套生產(chǎn)裝置，如煉油廠主要由煉油過(guò)程和輔助設(shè)備兩大部分組成，經(jīng)過(guò)多個(gè)物理及化學(xué)的煉油過(guò)程將原油煉制成各種石油產(chǎn)品。

煉油生產(chǎn)裝置按生產(chǎn)目的可分為原油分離裝置、重油輕質(zhì)化裝置、油品改質(zhì)及油品精制裝置、油品調(diào)合裝置、氣體加工裝置、制氫裝置等。由于生產(chǎn)方案不同，煉油廠中所包含的煉油過(guò)程的種類和規(guī)模大小各不相同，或者說(shuō)復(fù)雜程度都有所不同。一般來(lái)說(shuō)，規(guī)模大的煉油廠其復(fù)雜程度更高。此外，輔助設(shè)施是維持煉油廠正常運(yùn)轉(zhuǎn)和生產(chǎn)所必需的，主要的輔助設(shè)施有：供電系統(tǒng)、供水系統(tǒng)、供水蒸氣系統(tǒng)、原油和產(chǎn)品儲(chǔ)運(yùn)系統(tǒng)、三廢處理系統(tǒng)等。這里的研究不考慮輔助設(shè)施。

煉油化工生產(chǎn)系統(tǒng)的空間尺度可定義為煉油化工生產(chǎn)系統(tǒng)空間范圍的大小。這里的空間范圍是指在一定尺度的系統(tǒng)中進(jìn)行風(fēng)險(xiǎn)分析的范圍。根據(jù)煉油化工生產(chǎn)系統(tǒng)的規(guī)模大小，將空間尺度分為大尺度、中尺度和小尺度3種類型。

其中，大尺度主要包括生產(chǎn)裝置級(jí)及比其空間范圍更大的煉油化工生產(chǎn)系統(tǒng)。其研究區(qū)域的范圍小至單個(gè)生產(chǎn)裝置(如常減壓裝置、催化裂化裝置等)，大至整個(gè)煉油廠區(qū)。

中尺度則主要指單元級(jí)。其研究區(qū)域的范圍為生產(chǎn)裝置中的某一單元。

傳統(tǒng)分析中，單元的定義為整體中自為一組或自成系統(tǒng)的獨(dú)立單位。在安全生產(chǎn)風(fēng)險(xiǎn)管理中，為了保證風(fēng)險(xiǎn)辨識(shí)的科學(xué)性、系統(tǒng)性、合理性和可操作性而將研究對(duì)象整體按照某種規(guī)則劃分為相對(duì)獨(dú)立的部分。因此，這里的單元是指將某個(gè)生產(chǎn)裝置按照其生產(chǎn)功能劃分的各個(gè)相對(duì)獨(dú)立的部分。如催化裂化裝置可劃分為反應(yīng)再生單元、分餾單元、吸收穩(wěn)定單元等。

小尺度主要是指設(shè)備級(jí)，其研究區(qū)域的范圍為某一過(guò)程設(shè)備，這里的設(shè)備包括各種塔器、反應(yīng)器、換熱器、各類儲(chǔ)罐等，如提升管反應(yīng)器、分餾塔、回?zé)捰凸薜取?/p>

具體的尺度劃分如表1所示。

表1　煉油化工生產(chǎn)系統(tǒng)空間尺度劃分Table 1　Spatial scale division of refinery production system

2.2　多尺度風(fēng)險(xiǎn)表征指標(biāo)辨識(shí)

隨著煉油化工過(guò)程工藝、技術(shù)的提高和裝置大型化發(fā)展，保證過(guò)程的安全、平穩(wěn)、長(zhǎng)周期運(yùn)行成為煉油化工企業(yè)日常管理的重點(diǎn)，也是實(shí)現(xiàn)煉油企業(yè)效益最大化的有效途徑。因此，為避免發(fā)生各類非計(jì)劃停車、泄漏、火災(zāi)、爆炸等事故，需對(duì)煉油化工過(guò)程風(fēng)險(xiǎn)及其風(fēng)險(xiǎn)表征指標(biāo)進(jìn)行辨識(shí)研究，以便準(zhǔn)確、及時(shí)的對(duì)煉油化工過(guò)程風(fēng)險(xiǎn)進(jìn)行狀態(tài)監(jiān)測(cè)及報(bào)警根源診斷，有效抑制異常擾動(dòng)的進(jìn)一步傳播。

通過(guò)統(tǒng)計(jì)現(xiàn)場(chǎng)煉油化工過(guò)程采集的監(jiān)控變量數(shù)據(jù)，可根據(jù)某一風(fēng)險(xiǎn)發(fā)展過(guò)程中一段時(shí)間內(nèi)各變量的報(bào)警數(shù)量及其擾動(dòng)變化趨勢(shì)，辨識(shí)不同尺度下與風(fēng)險(xiǎn)發(fā)展密切相關(guān)的監(jiān)控變量作為過(guò)程風(fēng)險(xiǎn)表征指標(biāo)。這里的多尺度風(fēng)險(xiǎn)表征指標(biāo)辨識(shí)方法主要包括如下兩個(gè)步驟：

(1)統(tǒng)計(jì)某煉油化工企業(yè)近兩年事故記錄中每次某一風(fēng)險(xiǎn)發(fā)展過(guò)程前后的一段時(shí)間內(nèi)不同尺度下各監(jiān)控變量的報(bào)警數(shù)量，因報(bào)警數(shù)的多少反映了風(fēng)險(xiǎn)發(fā)生時(shí)對(duì)該變量的影響大小，因此，這里根據(jù)專家經(jīng)驗(yàn)選取多次統(tǒng)計(jì)數(shù)據(jù)的平均報(bào)警數(shù)多于5個(gè)的變量作為待選的風(fēng)險(xiǎn)表征指標(biāo)。

(2)因受風(fēng)險(xiǎn)影響較大的變量必然會(huì)產(chǎn)生明顯的擾動(dòng)，可根據(jù)其擾動(dòng)變化趨勢(shì)的大小進(jìn)一步確定過(guò)程風(fēng)險(xiǎn)表征指標(biāo)。這里采用最小二乘線性擬合方法對(duì)上述不同尺度下的待選風(fēng)險(xiǎn)表征指標(biāo)在每次風(fēng)險(xiǎn)發(fā)展過(guò)程中一段時(shí)間內(nèi)的數(shù)據(jù)進(jìn)行擬合，并以所求斜率的平均值作為該變量的擾動(dòng)變化率，其絕對(duì)值的大小可近似反映變量的擾動(dòng)變化趨勢(shì)，若擾動(dòng)變化率的絕對(duì)值過(guò)小，說(shuō)明該變量并未產(chǎn)生大的波動(dòng)，即無(wú)法較好的表征風(fēng)險(xiǎn)發(fā)展過(guò)程。因此若擾動(dòng)變化率的絕對(duì)值小于某一閾值(根據(jù)專家經(jīng)驗(yàn)設(shè)置)時(shí)，不使用相應(yīng)的變量作為沖塔風(fēng)險(xiǎn)表征指標(biāo)。

其中，擾動(dòng)變化率定義如下：

定義1：對(duì)于某一過(guò)程變量xi，考慮以時(shí)刻κ為中心，選擇時(shí)間間隔為[κ-m,κ+m] (時(shí)間序列長(zhǎng)度為2m+1)的變量xi的時(shí)間序列進(jìn)行最小二乘線性擬合如式(8)，所求斜率ai的大小作為變量xi的擾動(dòng)變化率。

令xig=aitg+bi,g=κ-m,…,κ,…,κ+m,i= 1,…,n，n為過(guò)程變量個(gè)數(shù)，xig為標(biāo)準(zhǔn)化后的變量xi在第g個(gè)時(shí)刻的變量值，最小二乘線性擬合公式如式(8)：

(8)

對(duì)變量xi的標(biāo)準(zhǔn)化公式如式(9)：

(9)

通過(guò)上述步驟，即可確定不同尺度下的過(guò)程風(fēng)險(xiǎn)表征指標(biāo)。

2.3　因果圖的建立

采用時(shí)滯分析方法分析不同過(guò)程變量間的時(shí)滯和關(guān)聯(lián)關(guān)系，可推斷他們固有的因果關(guān)系，該方法適用于運(yùn)行相對(duì)平穩(wěn)的化工過(guò)程[9]。時(shí)滯分析的基本假設(shè)是最先引起擾動(dòng)產(chǎn)生的變量是將風(fēng)險(xiǎn)引入整個(gè)過(guò)程的根原因。擾動(dòng)變量不同于異常報(bào)警變量。最早出現(xiàn)的報(bào)警變量是在故障影響下最先超出預(yù)設(shè)操作范圍的變量，但它不一定是最早的擾動(dòng)，也不一定是引發(fā)報(bào)警的根本原因。因此，當(dāng)報(bào)警出現(xiàn)時(shí)，有必要通過(guò)分析擾動(dòng)傳播路徑辨識(shí)報(bào)警根源從而消除報(bào)警。

變量間的時(shí)滯信息和因果關(guān)系可以通過(guò)時(shí)滯分析方法來(lái)獲得，從而構(gòu)造出兩個(gè)上三角矩陣。時(shí)滯矩陣反映了受擾動(dòng)影響的兩變量間在時(shí)間發(fā)展上的先后關(guān)系。其中元素的正負(fù)反映變量間的因果關(guān)系。最初受到擾動(dòng)的變量是后續(xù)變量發(fā)生擾動(dòng)的原因。關(guān)聯(lián)系數(shù)矩陣中元素的正負(fù)反映了變量間的正負(fù)相關(guān)關(guān)系。時(shí)滯矩陣L和關(guān)聯(lián)系數(shù)矩陣P有下面的形式：

(10)

(11)

兩過(guò)程變量間時(shí)滯λi,j和關(guān)聯(lián)系數(shù)記ρi,j分別由式(3)及式(4)求得，并根據(jù)式(6)計(jì)算兩變量的方向性指數(shù)ψi,j，根據(jù)式(5)計(jì)算關(guān)聯(lián)顯著性閾值ρth(N)，通過(guò)式(7)計(jì)算方向性指數(shù)閾值σψ(N)，若|ρi,j|<ρth(N)或ψi,j<σψ(N)，ρi,j和λi,j在式(10)和式(11)中將設(shè)為0。

基于這些特征，通過(guò)時(shí)滯分析建立過(guò)程擾動(dòng)傳播因果圖，如圖1所示。因果圖由有向弧和代表過(guò)程變量xi(i=1,2,…6) 的節(jié)點(diǎn)組成。若λi,j>0，有向弧由xi指向xj，即由上級(jí)原因變量指向下級(jí)結(jié)果變量，反之，則傳播方向相反。虛線弧表示兩變量負(fù)相關(guān)，即ρi,j<0，實(shí)線弧表示兩變量正相關(guān)，即ρi,j>0。

圖1　擾動(dòng)傳播因果圖Fig.1　Disturbance propagation causality diagramxi(i=1,2,…6) represents the ith process variable node;The dotted line indicates a negative correlation between two variables;The solid line indicates a positive correlation between two variables

但互相關(guān)函數(shù)會(huì)產(chǎn)生大量冗余時(shí)滯干擾分析結(jié)果。有時(shí)由該數(shù)據(jù)驅(qū)動(dòng)方法建立的擾動(dòng)傳播路徑可能與實(shí)際過(guò)程不符。因此有必要結(jié)合過(guò)程知識(shí)檢驗(yàn)傳播路徑的合理性，對(duì)因果圖進(jìn)行修正。

2.4　報(bào)警根源搜索方法

當(dāng)一個(gè)報(bào)警出現(xiàn)時(shí)，報(bào)警可能不僅受到相鄰變量的影響，也受到傳播路徑中其他變量的影響。若變量值超出預(yù)設(shè)控制限，將觸發(fā)相應(yīng)報(bào)警。但是該報(bào)警不一定是最早產(chǎn)生的擾動(dòng)，也不一定是系統(tǒng)異常的根本原因。在過(guò)程中的其它變量受到擾動(dòng)前發(fā)生擾動(dòng)的變量，受到故障的影響最為直接，故障通過(guò)該變量在過(guò)程中不斷傳播進(jìn)而影響其他變量導(dǎo)致報(bào)警的產(chǎn)生。因此找出最初擾動(dòng)、確定報(bào)警的根本原因，操作人員可迅速采取有效措施處理報(bào)警。這里提出一種報(bào)警根源搜索方法，包括如下4個(gè)步驟：

步驟1：相同的報(bào)警可能由不同傳播路徑中產(chǎn)生的擾動(dòng)引起。為了辨識(shí)報(bào)警的根本原因，當(dāng)一個(gè)變量xj發(fā)生報(bào)警時(shí)，將其作為下級(jí)變量，根據(jù)2.3節(jié)所提方法建立因果圖，據(jù)此搜索與該變量直接相連的所有上級(jí)變量xi(i=1，2，…，I，I為上級(jí)變量個(gè)數(shù))，例如，圖1中的x3報(bào)警，可搜索到其2個(gè)上級(jí)變量x2和x5。

步驟2：若變量xj在κ時(shí)刻發(fā)生報(bào)警，通過(guò)式(8)和式(9)計(jì)算xj各相關(guān)上級(jí)變量xi的擾動(dòng)變化率ai，其值大小可近似反映下級(jí)變量受各相關(guān)上級(jí)變量擾動(dòng)的影響大小。

步驟3：比較各相關(guān)上級(jí)變量的擾動(dòng)變化率ai的絕對(duì)值大小，將ai絕對(duì)值最大值對(duì)應(yīng)的上級(jí)變量作為其上級(jí)原因變量。上級(jí)變量的擾動(dòng)變化率ai的絕對(duì)值越大，其對(duì)下級(jí)變量的影響越大，因此，通過(guò)ai絕對(duì)值的大小可以比較下級(jí)變量受各相關(guān)上級(jí)變量擾動(dòng)的影響大小，將ai絕對(duì)值的最大值對(duì)應(yīng)的上級(jí)變量作為其上級(jí)原因變量。若所求擾動(dòng)變化率的絕對(duì)值過(guò)小，說(shuō)明該變量的時(shí)間序列數(shù)據(jù)趨于平穩(wěn)，并未產(chǎn)生大的擾動(dòng)傳播至下級(jí)變量，因此，根據(jù)專家經(jīng)驗(yàn)及歷史數(shù)據(jù)統(tǒng)計(jì)，若ai的絕對(duì)值小于閾值C，將不考慮該上級(jí)變量。

步驟4：重復(fù)步驟2和步驟3，將搜索到的最后一個(gè)上級(jí)變量作為報(bào)警的根本原因。這里有必要確定ai所對(duì)應(yīng)的上級(jí)變量變化趨勢(shì)是否與變量間的正負(fù)相關(guān)關(guān)系一致。也就是說(shuō)，若兩變量負(fù)相關(guān)，一個(gè)變量的變化率為正，另一個(gè)應(yīng)該為負(fù)；若兩變量正相關(guān)，一個(gè)變量的變化率為正，另一個(gè)也應(yīng)該為正。因此，若對(duì)應(yīng)于ai的上級(jí)變量變化趨勢(shì)與他們之間的正負(fù)相關(guān)關(guān)系一致，擾動(dòng)可能由該上級(jí)變量向下級(jí)變量傳播；若不一致，根據(jù)ai值的大小依次考慮其他上級(jí)變量是否滿足要求，并重復(fù)步驟2和步驟3，將搜索到的最后一個(gè)上級(jí)變量作為報(bào)警的根本原因。

3　煉油化工過(guò)程報(bào)警根源分析方法步驟

煉油化工過(guò)程報(bào)警根源分析方法流程圖如圖2所示，具體方法步驟如下：

步驟1：對(duì)煉油化工生產(chǎn)系統(tǒng)的空間尺度進(jìn)行劃分，劃分標(biāo)準(zhǔn)見(jiàn)2.1節(jié)；

步驟2：采用2.2節(jié)所提方法辨識(shí)不同尺度下與風(fēng)險(xiǎn)發(fā)展密切相關(guān)的監(jiān)控變量作為過(guò)程風(fēng)險(xiǎn)表征指標(biāo)；

步驟3：采用時(shí)滯分析方法建立過(guò)程風(fēng)險(xiǎn)擾動(dòng)傳播因果圖，并結(jié)合過(guò)程知識(shí)檢驗(yàn)傳播路徑的合理性，對(duì)因果圖進(jìn)行修正，具體方法見(jiàn)2.3節(jié)；

步驟4：當(dāng)某一過(guò)程變量發(fā)生報(bào)警時(shí)，采用所提報(bào)警根源搜索方法辨識(shí)報(bào)警的根本原因，具體方法見(jiàn)2.4節(jié)。

圖2　煉油化工過(guò)程報(bào)警根源分析方法流程圖Fig.2　Diagram of alarm root cause analysis in refinery process

4　案例分析

催化裂化裝置是將重質(zhì)油轉(zhuǎn)化為輕質(zhì)油的關(guān)鍵裝置，其運(yùn)行狀態(tài)不僅關(guān)系到整個(gè)廠區(qū)的安全，同時(shí)也決定了產(chǎn)品的收率。由于催化裂化裝置是煉油廠最主要和最關(guān)鍵的裝置，保持其安全平穩(wěn)長(zhǎng)周期運(yùn)行是提高催化裂化裝置的經(jīng)濟(jì)效益、避免各類非計(jì)劃停車、泄漏、火災(zāi)、爆炸等事故的關(guān)鍵所在。從催化裂化裝置運(yùn)行情況來(lái)看，隨著摻渣比的提高，原料重質(zhì)化，劣質(zhì)化，反應(yīng)再生系統(tǒng)、分餾系統(tǒng)結(jié)焦、分餾塔沖塔、催化劑跑損、膨脹節(jié)開(kāi)裂、油漿泵磨損、儀表故障以及人為操作事故等都是導(dǎo)致催化裂化裝置無(wú)法安全平穩(wěn)運(yùn)行的主要因素。分餾單元是催化裂化生產(chǎn)裝置的一部分，分餾過(guò)程運(yùn)行相對(duì)平穩(wěn)，是一個(gè)非常復(fù)雜的物理變化過(guò)程。自反應(yīng)器頂部來(lái)的高溫油氣進(jìn)入分餾塔人字擋板底部，與人字擋板頂部返回的的循環(huán)油漿逆流接觸，油氣自下而上被冷卻洗滌，經(jīng)分餾后得到的富氣、粗汽油、輕循環(huán)油、重循環(huán)油及油漿。沖塔故障是分餾過(guò)程中經(jīng)常發(fā)生的現(xiàn)象之一。當(dāng)汽液相負(fù)荷過(guò)大時(shí)，氣體通過(guò)塔板的壓降增大，會(huì)使降液管中液面高度增加，液相負(fù)荷增加時(shí)，出口堰上液面高度增加，當(dāng)液體充滿整個(gè)降液管時(shí)，上下塔板液體連成一片，分餾完全破壞，導(dǎo)致沖塔的發(fā)生，嚴(yán)重影響產(chǎn)品質(zhì)量。造成分餾塔沖塔的原因有很多，如塔盤掀翻或損壞；塔盤有臟物堵塞浮閥或升氣孔；有臟物沉淀在塔板上，使溢流堰過(guò)低，液層過(guò)?。凰P結(jié)鹽；換熱器故障，取熱不能滿足，導(dǎo)致回流溫度高引起沖塔；各種機(jī)泵故障，如一中回流泵、回?zé)捰捅?、頂循泵等故障，機(jī)泵故障由帶水會(huì)不上量(即泵抽空)及各種設(shè)備自身問(wèn)題引起，包括腐蝕、磨損、機(jī)封泄漏、入口有雜物損壞葉輪、電機(jī)故障等。為了保證產(chǎn)品質(zhì)量，避免沖塔故障的發(fā)生，這里對(duì)分餾塔沖塔風(fēng)險(xiǎn)過(guò)程報(bào)警根源分析進(jìn)行多尺度建模研究，并對(duì)不同尺度下的模型進(jìn)行應(yīng)用對(duì)比分析，從而選擇合適的尺度進(jìn)行建模以保證過(guò)程風(fēng)險(xiǎn)報(bào)警根源分析的準(zhǔn)確性。

4.1　尺度劃分及多尺度沖塔風(fēng)險(xiǎn)表征指標(biāo)辨識(shí)

就分餾塔沖塔風(fēng)險(xiǎn)而言，可主要從分餾塔本身及整個(gè)分餾單元兩個(gè)尺度進(jìn)行考慮，即設(shè)備級(jí)小尺度和單元級(jí)中尺度兩個(gè)尺度。

分餾單元本身屬中尺度研究范圍，其研究區(qū)域?yàn)榇呋鸦a(chǎn)裝置中的分餾單元如圖3所示，主要包括分餾塔、分餾塔頂油氣分離器、回?zé)捰凸蕖⒃嫌途彌_罐、輕柴油汽提塔及油漿外甩器。對(duì)分餾單元的沖塔風(fēng)險(xiǎn)表征指標(biāo)進(jìn)行辨識(shí)，某石油化工企業(yè)催化裂化分餾單元的主要監(jiān)控變量如表2所示。

表2　分餾單元主要監(jiān)控變量Table 2　Main monitoring variables of fractional distillation unit

通過(guò)統(tǒng)計(jì)某石油化工企業(yè)現(xiàn)場(chǎng)催化裂化過(guò)程采集的監(jiān)控變量數(shù)據(jù)(采樣間隔為5 s)，可根據(jù)分餾塔沖塔風(fēng)險(xiǎn)發(fā)展過(guò)程中一段時(shí)間內(nèi)各變量的報(bào)警數(shù)量及其擾動(dòng)變化趨勢(shì)，辨識(shí)不同尺度下與風(fēng)險(xiǎn)發(fā)展密切相關(guān)的監(jiān)控變量，作為過(guò)程風(fēng)險(xiǎn)表征指標(biāo)。

統(tǒng)計(jì)該企業(yè)近2年事故記錄中每次分餾塔風(fēng)險(xiǎn)發(fā)展過(guò)程前、后的10 min內(nèi)不同尺度下各監(jiān)控變量的報(bào)警數(shù)量，如表3所示，因報(bào)警數(shù)的多少反映了風(fēng)險(xiǎn)發(fā)生時(shí)對(duì)該變量的影響大小，因此，這里根據(jù)專家經(jīng)驗(yàn)選取多次統(tǒng)計(jì)數(shù)據(jù)的平均報(bào)警數(shù)多于5個(gè)的變量作為待選的風(fēng)險(xiǎn)表征指標(biāo)，如表3所示。

圖3　催化裂化分餾單元Fig.3　Fractional distillation unit

表3　待選風(fēng)險(xiǎn)表征指標(biāo)Table 3　Possible risk indicators

因受風(fēng)險(xiǎn)影響較大的變量必然會(huì)產(chǎn)生明顯的擾動(dòng)，可根據(jù)其擾動(dòng)變化趨勢(shì)的大小進(jìn)一步確定過(guò)程風(fēng)險(xiǎn)表征指標(biāo)。這里采用最小二乘線性擬合方法對(duì)上述不同尺度下的待選風(fēng)險(xiǎn)表征指標(biāo)在每次風(fēng)險(xiǎn)發(fā)展過(guò)程中前、后10 min內(nèi)(采樣間隔為5 s)的數(shù)據(jù)進(jìn)行擬合，并以所求斜率絕對(duì)值的平均值作為該變量的擾動(dòng)變化率(計(jì)算如式(8))，如表3所示，其大小可近似反映變量的擾動(dòng)變化趨勢(shì)，若擾動(dòng)變化率過(guò)小，說(shuō)明該變量并未產(chǎn)生大的波動(dòng)，即無(wú)法較好的表征風(fēng)險(xiǎn)發(fā)展過(guò)程。因此若擾動(dòng)變化率小于某一閾值(這里根據(jù)專家經(jīng)驗(yàn)設(shè)為1.5×10-3)時(shí)，不使用相應(yīng)的變量作為沖塔風(fēng)險(xiǎn)表征指標(biāo)。

通過(guò)上述步驟，即可確定單元級(jí)中尺度下的沖塔風(fēng)險(xiǎn)表征指標(biāo)，如表4所示。

表4　小尺度及中尺度沖塔風(fēng)險(xiǎn)表征指標(biāo)Table 4　Risk indicators of small scale and mesoscale

分餾塔本身屬小尺度研究范圍，若僅從小尺度考慮時(shí)，沖塔風(fēng)險(xiǎn)表征指標(biāo)包括表4中的分餾塔頂壓力、分餾塔塔底液位、分餾塔塔頂溫度、分餾塔塔底攪拌蒸汽流量、分餾塔底溫度、人字擋板上溫度、重柴油側(cè)線餾出口溫度及輕柴油側(cè)線餾出口溫度。

4.2　分餾塔沖塔風(fēng)險(xiǎn)因果圖的建立

表4列出了小尺度及中尺度的沖塔風(fēng)險(xiǎn)表征指標(biāo)，基于互相關(guān)函數(shù)計(jì)算并結(jié)合過(guò)程知識(shí)建立沖塔風(fēng)險(xiǎn)因果圖。

4.2.1中尺度沖塔風(fēng)險(xiǎn)因果圖的建立

首先，通過(guò)式(1)計(jì)算過(guò)程風(fēng)險(xiǎn)表征變量間考慮時(shí)延性的關(guān)聯(lián)函數(shù)值，并通過(guò)式(2)和式(3)得到過(guò)程變量間時(shí)滯以確定風(fēng)險(xiǎn)傳播方向。通過(guò)式(4)可確定兩變量間的時(shí)延關(guān)聯(lián)系數(shù)，如果關(guān)聯(lián)系數(shù)沒(méi)有通過(guò)顯著性檢驗(yàn)式(5)，兩變量間的關(guān)聯(lián)性將沒(méi)有意義。此外，通過(guò)式(6)式(7)進(jìn)一步確定兩變量因果關(guān)系的顯著性，從而構(gòu)造出時(shí)滯矩陣L和關(guān)聯(lián)系數(shù)矩陣P：

過(guò)程變量個(gè)數(shù)n為18，時(shí)間序列長(zhǎng)度N為300?；跁r(shí)滯矩陣L和關(guān)聯(lián)系數(shù)矩陣P，建立沖塔風(fēng)險(xiǎn)過(guò)程擾動(dòng)傳播因果圖，并結(jié)合過(guò)程知識(shí)檢驗(yàn)傳播路徑的合理性，對(duì)因果圖進(jìn)行修正，結(jié)果如圖4 所示。

圖4　中尺度沖塔風(fēng)險(xiǎn)過(guò)程擾動(dòng)傳播因果圖Fig.4　Cause and effect diagram of risk disturbancepropagation in mesoscalexi(i=1,2,…18) represents the ith process variable node corresponding to the risk indicators of mesoscale in Table 4 respectively The dotted lines indicate a negative correlation between two variables;The solid lines indicate a positive correlation between two variables

4.2.2小尺度沖塔風(fēng)險(xiǎn)因果圖的建立

根據(jù)設(shè)備級(jí)小尺度的沖塔風(fēng)險(xiǎn)表征指標(biāo)，如表4 所示，同理，基于互相關(guān)函數(shù)計(jì)算并結(jié)合過(guò)程知識(shí)建立小尺度沖塔風(fēng)險(xiǎn)過(guò)程擾動(dòng)傳播因果圖，如圖5所示。

圖5　小尺度沖塔風(fēng)險(xiǎn)過(guò)程擾動(dòng)傳播因果圖Fig.5　Cause and effect diagram of riskdisturbance propagation in small scalexi represents the ith process variable node corresponding to the risk indicators of small scale in Table 4 respectively The dotted lines indicate a negative correlation between two variables;The solid lines indicate a positive correlation between two variables

4.3　分餾塔沖塔風(fēng)險(xiǎn)報(bào)警根源搜索

以發(fā)生在某石油化工企業(yè)的分餾塔沖塔事件為例，采用所提報(bào)警根源搜索方法進(jìn)行分析。2016年7月24日，某石油化工企業(yè)催化裂化分餾塔發(fā)生沖塔，經(jīng)現(xiàn)場(chǎng)人員調(diào)查分析，沖塔發(fā)生原因?yàn)橐恢谢亓鞅霉收希鹨恢谢亓髁窟^(guò)低，使得分餾塔塔頂溫度升高，重柴油側(cè)線餾出口溫度升高，從而引起塔底液位發(fā)生低報(bào)警。

4.3.1中尺度沖塔風(fēng)險(xiǎn)報(bào)警根源搜索

下面首先基于單元級(jí)中尺度的沖塔風(fēng)險(xiǎn)過(guò)程擾動(dòng)傳播因果圖，進(jìn)行報(bào)警根源搜索分析，如圖6所示。

圖6　中尺度沖塔風(fēng)險(xiǎn)過(guò)程報(bào)警根源搜索圖Fig.6　The searching map for alarm root cause ofthe risk process in mesoscalexi(i=1,2,…18) represents the ith process variable node corresponding to the risk indicators of mesoscale in Table 4 respectively The dotted lines indicate a negative correlation between two variables;The solid lines indicate a positive correlation between two variables

步驟1：因分餾塔塔底液位(x7)發(fā)生報(bào)警，所以將其作為下級(jí)變量，根據(jù)因果圖搜索與其直接相連的所有上級(jí)變量包括油漿下返塔流量(x6)、油漿上返塔流量(x3)、重柴油側(cè)線餾出口溫度(x5)和分餾塔塔頂溫度(x16)。

步驟2：根據(jù)式(8)可得這些上級(jí)變量的擾動(dòng)變化率如表5所示。

步驟3：通過(guò)比較各相關(guān)上級(jí)變量的擾動(dòng)變化率

的絕對(duì)值，其最大值為3.5×10-3，對(duì)應(yīng)x16，大于閾值C(這里根據(jù)專家經(jīng)驗(yàn)設(shè)為1.5×10-3)，將上級(jí)變量x16作為其可能的上級(jí)原因變量。

步驟4：進(jìn)一步確定該上級(jí)變量x16的變化趨勢(shì)是否與兩變量x7和x16間的正負(fù)相關(guān)關(guān)系一致。從圖中可辨識(shí)出x7與x16負(fù)相關(guān)，因分餾塔塔底液位(x7)降低發(fā)生低報(bào)警，且所求x16的變化率為正，即分餾塔塔頂溫度升高，與兩變量間的正負(fù)相關(guān)關(guān)系一致，因此將上級(jí)變量分餾塔塔頂溫度(x16)作為上級(jí)原因變量。繼續(xù)搜索x16的上級(jí)變量包括一中回流量(x9)、分餾塔頂壓力(x14)、分餾塔頂循環(huán)油流量(x12)和分餾塔塔底攪拌蒸汽流量(x4)，根據(jù)式(8)可得這些上級(jí)變量的擾動(dòng)變化率如表5所示，通過(guò)比較各相關(guān)上級(jí)變量的擾動(dòng)變化率的絕對(duì)值，其最大值為3.3×10-3，對(duì)應(yīng)x9，大于閾值C=1.5×10-3，因x16與x9負(fù)相關(guān)，所求x9的變化率為負(fù)，x16的變化率為正，與變量間的正負(fù)相關(guān)關(guān)系一致，因此將上級(jí)變量一中回流量(x9)作為上級(jí)原因變量，因x9無(wú)上級(jí)變量，所以一中回流量過(guò)低即為報(bào)警的根本原因，而一中回流量過(guò)低是由一中回流泵故障引起，該結(jié)論與現(xiàn)場(chǎng)人員調(diào)查分析所得的沖塔發(fā)生原因一中回流泵故障一致。

表5　各上級(jí)變量的擾動(dòng)變化率Table 5　The disturbance rate of each parent variable

4.3.2小尺度沖塔風(fēng)險(xiǎn)報(bào)警根源搜索

下面基于設(shè)備級(jí)小尺度的沖塔風(fēng)險(xiǎn)過(guò)程擾動(dòng)傳播因果圖，進(jìn)行報(bào)警根源搜索分析，如圖7所示。

步驟1：因分餾塔塔底液位(x7)發(fā)生報(bào)警，所以將其作為下級(jí)變量，根據(jù)因果圖搜索與其直接相連的所有上級(jí)變量包括重柴油側(cè)線餾出口溫度(x5)和分餾塔塔頂溫度(x16)。

步驟2：根據(jù)式(8)可得這些上級(jí)變量的擾動(dòng)變化率如表6所示：

步驟3：通過(guò)比較各相關(guān)上級(jí)變量的擾動(dòng)變化率的絕對(duì)值，其最大值為3.5×10-3，對(duì)應(yīng)x16，大于閾值C=1.5×10-3，將上級(jí)變量x16作為其可能的上級(jí)原因變量。

圖7　小尺度沖塔風(fēng)險(xiǎn)過(guò)程擾動(dòng)傳播因果圖Fig.7　The searching map for alarm root cause ofthe risk process in small scalexi represents the ith process variable node corresponding to the risk indicators of small scale in Table 4 respectively The dotted lines indicate a negative correlation between two variables;The solid lines indicate a positive correlation between two variables

表6　各上級(jí)變量的擾動(dòng)變化率Table 6　The disturbance rate of each parent variable

步驟4：從圖中可辨識(shí)出x7與x16負(fù)相關(guān)，因分餾塔塔底液位(x7)降低發(fā)生低報(bào)警，且所求x16的變化率為正，即分餾塔塔頂溫度升高，與變量間的正負(fù)相關(guān)關(guān)系一致，因此將上級(jí)變量分餾塔塔頂溫度(x16)作為上級(jí)原因變量，繼續(xù)搜索x16的上級(jí)變量包括分餾塔頂壓力(x14)和分餾塔塔底攪拌蒸汽流量(x4)，根據(jù)式(8)可得這些上級(jí)變量的擾動(dòng)變化率如表6所示，通過(guò)比較各相關(guān)上級(jí)變量的擾動(dòng)變化率的絕對(duì)值，其最大值為1.4，小于閾值C=1.5×10-3，因此該最大值對(duì)應(yīng)的上級(jí)變量分餾塔塔底攪拌蒸汽流量(x4)不再被考慮，搜索終止，所以分餾塔塔頂溫度(x16)過(guò)高即為報(bào)警的根本原因，該結(jié)論與現(xiàn)場(chǎng)人員調(diào)查分析所得的沖塔發(fā)生原因一中回流泵故障并不一致，即從設(shè)備級(jí)小尺度上進(jìn)行分析并未辨識(shí)出引發(fā)報(bào)警的根本原因。

5　結(jié)　論

通過(guò)對(duì)煉油化工生產(chǎn)系統(tǒng)的空間尺度進(jìn)行劃分，采用多尺度建模的方法，針對(duì)分餾塔沖塔風(fēng)險(xiǎn)過(guò)程，分析其不同尺度下的過(guò)程風(fēng)險(xiǎn)表征指標(biāo)，建立多尺度下的沖塔風(fēng)險(xiǎn)報(bào)警根源分析模型，并對(duì)不同尺度下的模型進(jìn)行應(yīng)用對(duì)比分析，從而選擇合適的尺度進(jìn)行建模，保證煉油化工過(guò)程報(bào)警根源分析的準(zhǔn)確性。

對(duì)于過(guò)程風(fēng)險(xiǎn)報(bào)警根源分析而言，需對(duì)整個(gè)風(fēng)險(xiǎn)單元進(jìn)行分析，僅考慮與風(fēng)險(xiǎn)直接相關(guān)的設(shè)備可能遺漏某些重要原因變量，以致無(wú)法推繹出引發(fā)報(bào)警的擾動(dòng)根源。

對(duì)于煉油化工過(guò)程風(fēng)險(xiǎn)狀態(tài)監(jiān)測(cè)及故障診斷而言，選擇合適的尺度進(jìn)行建模分析，同樣有助于保證過(guò)程風(fēng)險(xiǎn)狀態(tài)監(jiān)測(cè)及故障診斷的準(zhǔn)確性。

對(duì)于存在反饋控制的復(fù)雜過(guò)程，可能會(huì)出現(xiàn)閉環(huán)問(wèn)題，未來(lái)將進(jìn)一步研究存在閉環(huán)問(wèn)題的煉油化工過(guò)程報(bào)警根源分析。

[1] DAHLSTRAND F. Consequence analysis theory for alarm analysis[J]. Knowledge-Based Systems, 2002, 15(1): 27-36.

[2] WAN Y, YANG F, Lü N, et al. Statistical root cause analysis of novel faults based on digraph models[J]. Chemical Engineering Research and Design, 2013, 91(1): 87-99.

[3] YANG F, SIRISH L S, XIAO D. 2010 Conference on Control and Fault-Tolerant Systems (SysTol)[C]//France：IEEE, 2010： 387-392.

[4] MAURYA M R, RENGASWAMY R, VENKATASUBRAMANIAN V. A systematic framework for the development and analysis of signed digraphs for chemical processes 1 Algorithms and analysis[J]. Industrial & Engineering Chemistry Research, 2003, 42(20): 4789-4810.

[5] MAURYA M R, RENGASWAMY R, VENKATASUBRAMANIAN V. A systematic framework for the development and analysis of signed digraphs for chemical processes 2 Control loops and flow sheet analysis[J]. Industrial & Engineering Chemistry Research, 2003, 42(20): 4811-4827.

[6] 李安峰， 夏濤， 張貝克， 等. 化工過(guò)程SDG建模方法[J].系統(tǒng)仿真學(xué)報(bào)， 2003, 15(10): 1364-1368. (LI Anfeng, XIA Tao, ZHANG Beike, et al. SDG modeling approach for chemical engineering process[J]. Journal of System Simulation, 2003, 15(10): 1364-1368.)

[7] 王偉， 于達(dá)仁， 趙輝， 等. 基于符號(hào)有向圖模型的故障診斷方法[J].動(dòng)力工程學(xué)報(bào)， 2007, 27(5): 736-741. (WANG Wei, YU Daren, ZHAO Hui, et al. Fault diagnosis method based on sign directed graph models[J]. Journal of Power Engineering, 2007, 27(5): 736-741.)

[8] 朱群雄， 高慧慧， 劉菲菲， 等. 過(guò)程工業(yè)報(bào)警系統(tǒng)研究進(jìn)展[J].計(jì)算機(jī)與應(yīng)用化學(xué)， 2014, 31(2): 129-134. (ZHU Qunxiong, GAO Huihui, LIU Feifei, et al. Research progress of alarm systems in the process industries[J]. Computers and Applied Chemistry, 2014, 31(2): 129-134.)

[9] BAUER M, THORNHILL N F. A practical method for identifying the propagation path of plant-wide disturbances[J].Journal of Process Control, 2008, 18(7): 707-719.

[10] DUAN P, YANG F, CHEN T, et al. American Control Conference (ACC)[C]//Canada： IEEE, 2012： 3522-3527.

[11] BAUER M, COX J W, CAVENESS M H, et al. Finding the direction of disturbance propagation in a chemical process using transfer entropy[J].IEEE Transactions on Control Systems Technology, 2007, 15(1): 12-21.

[12] ABELE L, ANIC M, GUTMANN T, et al. Combining knowledge modeling and machine learning for alarm root cause analysis[J].IFAC Proceedings Volumes, 2013, 46(9): 1843-1848.

[13] HAN L, GAO H, XU Y, et al. Combining FAP, MAP and correlation analysis for multivariate alarm thresholds optimization in industrial process[J].Journal of Loss Prevention in the Process Industries, 2016, 40: 471-478.

[14] GAO J, TULSYAN A, YANG F, et al. A transfer entropy method to quantify causality in stochastic nonlinear systems[J].IFAC Proceedings Volumes, 2016, 49(7): 454-459.

[15] GAO H, XU Y, GU X, et al. Systematic rationalization approach for multivariate correlated alarms based on interpretive structural modeling and Likert scale[J].Chinese Journal of Chemical Engineering, 2015, 23(12): 1987-1996.

[16] PENG D, GU X, XU Y, et al. Integrating probabilistic signed digraph and reliability analysis for alarm signal optimization in chemical plant[J].Journal of Loss Prevention in the Process Industries, 2015, 33: 279-288.