本发明涉及诸如蒸汽发生器的连续过程，且更具体地，涉及连续过 程部件中的故障的检测。

诸如蒸汽发生器过程的连续过程系统具有许多部件。蒸汽发生器系 统包括锅炉，其具有水流过的管。由于热、压力和随着时间的磨损，锅 炉管最终开始泄漏，即开始"泄漏事件"。当一个或多个锅炉管开始泄漏 时，由通过其中的泄漏逸出的水闪蒸（flash over)出的蒸汽不再为锅炉 环境所有。 一般而言，在管泄漏事件的初始时，泄漏的水/蒸汽的量可能 是小的。然而，除非管得到维修，泄漏将持续增长，即管泄漏速率随着 时间而增加，直到管最终破裂。而且一个管中的破裂可能损坏相邻的管， 导致大的总体泄漏。因此， 一旦破裂发生，运行锅炉的公用事业公司就 被迫立即停止运行锅炉。
锅炉管失效是火力发电厂中的被迫停机的主要原因。例如，仅在美 国，每年发生大约41，000个管的失效。对于公用事业公司，这些失效的 代价证明是颇为昂贵的， 一年超过五十亿美元。[Lind,M.H., "BoikrTube Leak Detection System," Proceedings of the Third EPRI Incipient-Failure Detection Conference, EPRI CS-5395, March 1987]。
6为了减少这样的被迫停机的发生，早期锅炉管泄漏检测是高度理想 的。早期锅炉管泄漏检测将允许公用事业公司安排在方便的时间维修， 而不是遭受后来的被迫停机。另外，检测得越早，限制相邻管损坏的机 会就越好。锅炉管泄漏的早期检测所导致的额外的节省由于诸如以下条 目而增加：
1) 较短的热流率降级周期；
2) 较小的由泄漏引起的附属损坏；以及
3) 如果捕捉得更快则泄漏本身将更小的潜力。
在现有技术中描述了用以检测锅炉管泄漏的各种方法。美国专利号
6,567,795和6,192,352描述了一种使用神经网络和模糊数学的方法。美 国专利申请号5，847,266和5,363,693描述了一种使用输入/输出比较的方 法。美国专利申请号4,960,079和4,640,121描述了声学方法。现有技术 的方法由于不良的模型逼真度和不足的故障容错性而都没有很好地起作 用。例如，检测由泄漏的水制造的噪声的声学方法必须与动力室中存在 的噪声环境竞争。因此，现有技术的方法的结果不是众多的错误报警， 就是未检测到的真实的管泄漏。

一种用于检测连续过程部件中的故障的方法。该方法包括建立连续 过程的模型；使用所述模型为连续过程的预定数目的操作参数生成预测 值；将所述预定数目操作参数中的每个操作参数的、由模型预测的值与 操作参数的对应的实际测量值相比较；以及使用统计过程控制（SPC) 方法来确定所述预定数目操作参数中的一个或多个操作参数的预测与实 际测量值之间的差是否超过配置的统计界限。
一种过程设备。该设备具有计算装置，用于检测在该设备中运转的 连续过程部件中的故障。该计算装置用于：
建立连续过程的模型；使用模型为连续过程的预定数目的操作参数生成预测值； 将所述预定数目操作参数中的每个操作参数的、由模型预测的值与
操作参数的对应的实际测量值相比较；以及
使用统计过程控制（SPC)方法来确定所述预定数目操作参数中的
一个或多个操作参数的预测与实际测量值之间的差是否超过配置的统计
在一种过程设备中，该过程设备具有：具有一个或多个部件的连续
过程；以及用于检测连续过程的一个或多个部件中的故障的计算装置； 该计算装置用于-
建立连续过程的模型；
使用模型为连续过程的预定数目的操作参数生成预测值； 将所述预定数目操作参数中的每个操作参数的、由模型预测的值与
操作参数的对应的实际测量值相比较；以及
使用统计过程控制（SPC)方法来确定所述预定数目操作参数中的
一个或多个操作参数的预测与实际测量值之间的差是否超过配置的统计界限。
一种计算机可读的介质，具有用于执行检测在过程设备中运转的连 续过程部件中的故障的方法的指令，所述指令用于： 建立连续过程的模型；
使用模型为所述连续过程的预定数目的操作参数生成预测值； 将所述预定数目操作参数中的每个操作参数的、由模型预测的值与
操作参数的对应的实际测量值相比较；以及
使用统计过程控制（SPC)方法来确定所述预定数目操作参数中的
一个或多个操作参数的预测与实际测量值之间的差是否超过配置的统计界限。
一种具有处理装置的设备。该处理装置用于： 建立连续过程的模型；使用模型为连续过程的预定数目的操作参数生成预测值； 将所述预定数目操作参数中的每个操作参数的、由模型预测的值与 操作参数的对应的实际测量值相比较；以及
使用统计过程控制（SPC)方法来确定所述预定数目操作参数中的
一个或多个操作参数的预测与实际测量值之间的差是否超过配置的统计 界限。
附图说明
图1是锅炉/汽轮机动力循环的水/蒸汽侧过程的图。
图la是示出图1中位置1到24中的每个位置的传感器的表。
图2是示出图1所示过程的高级模式识别模型的实时部署的框图。
图3是示出模型中使用的特定参数的预测值和实际数据之间的良好
一致的曲线图。
图4是示出补给流量参数的预测和实际值的曲线图。
图5是示出模型中使用的补给流量和给水流量参数的实际值与预测
值的一致、然后偏差的曲线图。
图6是示出包括可以用来实施本发明的计算装置的系统的框图。

现在参考图1，示出了锅炉/汽轮机动力循环的水/蒸汽侧的过程100 的图。本领域的技术人员众所周知的是，水/蒸汽侧过程100包括蒸汽发 生器2、高压汽轮机104、中压汽轮机106、低压汽轮机108、发生器110、 补给罐112、凝结器114、低压给水加热器116、中压给水加热器118、 除气器给水加热器120、高压给水加热器122、凝结水泵124和锅炉馈给 泵126。尽管在图1中只示出了一个低压给水加热器116、 一个中压给水 加热器118和一个高压给水加热器122，应当理解的是，通常存在多个 加热器116、 118禾n 122，而在图1中示出一个加热器仅为了说明的方便。还应当理解的是，在一些设备中，加热器118位于加热器122和锅炉馈
给泵126之间。
诸如压力传感器、温度传感器、流量传感器和功率或其它
(miscellaneous)传感器的若干类型的传感器与过程100相关联。在过 程100中，这些传感器中的一个或多个处于测量位置1到24。图la中 的表说明了哪些传感器处于各位置1到24。
在过程100中，蒸汽发生器102产生高压蒸汽。由主蒸汽喷射增强 的高压蒸汽被馈给到高压汽轮机104。来自高压汽轮机104的膨胀的蒸 汽被回馈到蒸汽发生器102，该膨胀的蒸汽在蒸汽发生器102中再热。 由再热喷射增强的再热蒸汽被馈给到中压汽轮机106并通过该汽轮机到 低压汽轮机108。来自低压汽轮机108的蒸汽被馈给到凝结器114，该蒸 汽在凝结器114中凝结为水。附加的水从补给罐112进入凝结器114。
来自凝结器114的水通过凝结水泵124流到低压给水加热器116中。 来自低压汽轮机108的抽汽也被馈给到加热器116中。来自低压给水加 热器116的经加热的水被馈给到中压给水加热器118中，加热器118也 接收来自中压汽轮机106的抽汽。来自中压给水加热器118的经加热的 水被馈给到除气器给水加热器120，加热器120也接收来自高压汽轮机 104的水。来自除气器给水加热器120的经加热的水通过锅炉馈给泵126 流到高压给水加热器122中。加热器122也接收来自高压汽轮机104的 水。来自加热器122的经加热的水流到蒸汽发生器102。
本发明使用过程100的水/蒸汽侧的稳态预测模型来检测过程中的 管泄漏。存在众多方法用来构建这样的用于诸如过程100的性能良好的 系统的模型。这些方法中的几种是：
1. 第一原理模型-这些可以良好地起作用，但是构建是昂贵的，并 且校准到现有的磨损条件是耗时的。而且，它们趋向于不容忍传感器漂 移或传感器失效。
2. 神经网络经验模型-这些模型是对第一原理模型的改进，因为它们自动地计入了当前的磨损条件。然而，构建它们是很消耗时间的，并 且不容忍随后的传感器漂移、失效或完全在训练范围之外的输入设置。
3.高级模式识别经验模型也自动地计入了当前的磨损条件。它们具 有迅速和容易构建的增添的优点并且很容忍多个传感器失效或漂移。
如下面所描述的，在本发明的一个实施例中使用高级模式识别 (APR)技术来构建过程100的模型。应当理解的是，包括但不限于上 述其它方法的其它技术也可以用来构建用于本发明的模型。如以下结合
图2更详细描述的，在构建APR模型之后，对其进行实时部署。可用来 生成APR模型的软件产品的一个实例是Optimize17 On-Target软件，从 本申请的要求的最早提交日期起，该软件可以从本发明的受让人处得到。 APR模型可以用于过程100的约50与100个测量参数之间。在特 定APR模型中使用的测量的过程参数的精确数目是设备(例如给水加热 器的数目和汽轮机抽取点的数目）和设备中可用仪表（instrumentation) 的函数。如果一些过程参数不可用，则模型逼真度将轻微地受到损害， 但是本发明仍将检测到泄漏，虽然对很小泄漏的检测可能是不可能的， 或者可能发生该技术已检测到泄漏的不真实的指示，即可能发生"错误 报警"。
现在参考图2，示出了过程100的APR模型200的实时部署。到 APR模型200的输入是约50到约100个测量参数的输入，这些参数中 的三个在图2中标识为"MU流量"202、 "FW流量"204和"Cond流 量"206，且其余参数在图2中标识为"其它传感器"208。通过读入参 数202、 204、 206和208的当前值，APR模型200为这些输入参数的每 个生成预期的（或模型预测的）值。
参数202、 204、 206、 208的每个的预期值与实际测量值相比较， 并且确定称为"DELTA"的两个值之间的差。为了简单说明，图2只示 出了 MU流量202参数的预期值和实际测量值之间的DELTA的计算 210。当DELTA具有正值时，实际测量值大于预期值。
ii如在图2中由块212所示的，统计过程控制（SPC)方法可以应用 于针对单个点或点的组将"正常的"与"不正常的"行为分离。为了简
单说明，图2只示出了与MU流量202参数的预期值和实际测量值之间 的DELTA相关联的SPC块212。在锅炉管泄漏的情况下，可以假定补 给流量202、凝结水流量204和给水流量206的DELTA在大的泄漏发生 之后不久变得"不正常"。因此应用SPC工具来计算标准偏差以及对超 过配置的统计界限进行检验。 ，
与APR经验模型相结合的SPC方法的使用将在大部分系统操作条 件下向设备操作员提示管泄漏的发生。对于大多数单元的循环负载，至 少在每日的基础上，并且可能更经常地并由此在负载和其它瞬时（例如 碎煤机跳闸（trip))期间，有可能的是，DELTA值可变得足够大而触发 统计界限。然而，可以将持续时间因子添加到该界限，使得报警将不触 发，直到DELTA值在可配置的时间段内连续地在正方向上在统计上是 大的。这消除了瞬时效应。
如上所述，对统计界限的检验将向设备操作员提示较大泄漏的发 生，但是大部分泄漏开始时小并随着时间增长。为了识别较小的泄漏， 本发明的技术可以将如由图2的块214示出的SPC数据模式检验应用到 DELTA值。为了简单说明，图2只示出了块214,其用于对MU流量202 参数的预期值和实际测量值之间的DELTA的SPC数据模式检验。可以 根据行业接受的模式针对数据模式来检验DELTA值，该行业接受的模 式可以是由Western Electric首先开发的众所周知的并且被接受的标准检 验，和/或为用于本发明而特别创建的模式或行业标准和特别创建的模式 的任何组合。所述模式存储在块214中。
尽管存在许多通常接受的模式检验，感兴趣的是具有正值的一排中 "ri"个点或"m"个点中的"n"个点之一。 一般而言，"n"和"m" 的值基于上述的总持续时间和执行计算的频率来建立。另一模式检验可 针对DELTA值的保持的增加趋势（例如一排中6个点中的5个点增加)
12来实施。
确定管泄漏的存在的另一很感兴趣的参数是整体上APR模型200 的拟合优度。所有约50个到约100个Delta值由APR模型200用于计 算范围在0.0000和1.0000之间的"模型拟合"参数。由APR模型200 用来计算模型拟合参数的技术由用来制作APR模型200的软件的出售者 来确定。1.0000的模型拟合参数表示完美的模型，就是说，所有约50 个到约100个预测输出与它们的对应的输入值完全匹配，并且所有的 Delta等于0.00000。 0.0000的模型拟合参数表示模型如此不完美以至于
没有单独的输出在统计上接近实际测量的参数。在实践中，好的模型拟 合参数通常具有约0.97的值。
当管泄漏（或其它显著的设备异常）发生时，整体上对模型的拟合 降级，因为许多测量参数受到影响。其中的一些，如三个流量信号MU 流量202、 ？百流量204和0)11丄流量206，将有大的变化，而其它的， 如FW压力、不透明度、NOx等等，将有较小的变化。此降级将使总模 型拟合参数在很短的时间段内降级到诸如0.94或更小的值。再者，统计 检验可应用于模型拟合参数，并且该统计检验的结果可用于下面描述的 故障规则集。
特别感兴趣的是MU (补给）流量202、总给水流量204和凝结水 流量206参数的Delta。如果存在锅炉管泄漏，则本领域的技术人员将预 期这三个参数的每个的实际值大于它们相应的模型预测值。因此本发明 的方法将这三个Delta中的每个与它们相应的三西格马界限相比较以确 定偏差是否为正且在统计上大。为了简单说明，图2只示出了MU流量 202参数的Delta的比较224。如果三个参数202、 204、 206中的任何两 个在足以去除瞬时测量效应的时间段内超过这些在统计上大的界限，则 其指示了大的锅炉泄漏。该特定时间段对于动力发生单元是特定的，并 且依赖于包括蒸汽发生器、仪表和安置仪表的地点的若干因素。在本发 明的试运转（commissioning)期间，调节该时间段直到由于负载瞬变和其它设备干扰而导致的故障或损害报警的数目被设备操作人员认为是可 容忍的。
再者，如果参数202、 204、 206的三个Delta中的两个表现出Delta 值稍微为正、即实际值大于预测值的保持的时间段，则较小的泄漏是可 能的。最终，如果参数202、 204、 206的Delta中的一个与模式中的一 个相匹配，并且模型拟合参数在预定的时间段内小于预定值，则这指示 了可能存在泄漏。
上面的所有检验以软件中的泄漏检测规则集220来实施，并且如果 为真，则规则集使适当的报警或消息被发送。
尽管建立这样的规则完全在本领域的普通技术人员的能力范围之 内，这样的管泄漏规则的一个实例是：
如果在t分钟内，模型拟合Delta大于a，并且： MU流量Delta大于+b且FW流量Delta大于+c;或 MU流量Delta大于+b且Cond流量Delta大于+d;或 FW流量Delta大于+c且Cond流量Delta大于+d; 则大的锅炉管泄漏是可能的， 这里a、 b、 c和d是关联参数的模糊范围。使用模糊范围是用于例示如 果-则风格的规则的一般方法。对于每个参数a、 b、 c和d，工程单元中 特定的模糊范围，例如lbs/hr，将对每个连续过程而不同。由于a、 b、 c 和d的值是模糊范围，所以每个规则的结果是输出为真的概率或确定性。 例如，本发明的输出可能是：68%确定存在大的锅炉管泄漏，而同时另 一规则可能具有95%确定存在小锅炉管泄漏的输出。
类似地，其它充分了解的故障可以通过使用本发明的技术、即使用 相同的APR过程模型200来辨识，但感兴趣的是不同的测量参数和 DELTA。这些其它故障的一个实例是给水加热器内的管泄漏，其可以利 用给水加热器管泄漏规则集222使用加热器排放、加热器入口和加热器 出口温度来检测。这些其它故障的另一实例是进入给水加热器的排放冷却器的蒸汽，其可以使用相同的三个参数、即加热器排放、加热器入口
和加热器出口温度以及不同于给水加热器管泄漏规则集222的规则集来
在过程100中可能发生一些事件，对于这些事件尚未写入规则集。. 图2所示的定时器216和Delta 218用来警报这些事件。
本发明不限于蒸汽发生过程。其可以应用于其它连续过程中的其它 充分了解的故障。例如，将最终导致压縮机失效的气体压縮机中的过度 密封磨损可以根据该过程的APR模型和密封磨损规则集来检测。
构建过程100的经验模型200的第一步骤是从覆盖约30天操作、 针对约100个发射器（transmitter)的设备历史库（plant historian)来汇 编正常的操作数据。这些天可以选择成给予模型200与实际一样宽的正 常操作谱，例如操作中的不同负载、不同周围条件、不同数目的附件等。 由于模型200是稳态模型，所以数据不需要以时钟/日历顺序。数据釆集 频率可以是从每5分钟到每15分钟的任何频率。同时，覆盖相同数据标 签的第二历史数据集应该汇编自不同的日历日期以在模型200构建之后 对其进行验证。
这里描述的实施例中使用的APR模型生成软件是Optimize17 On-Target软件。该软件连接到任何牌子的分布式控制系统（DCS)或历 史库，并且包括工具，用来检查原始数据并迅速地丢弃具有丢失的数据 或明显的离群值的任何记录。应谨慎地保留覆盖正常偏移和操作模式(例 如不能工作的HPFW加热器）的记录，而消除覆盖不正常偏移（例如由 于强制通风扇的跳闸而导致的负载回跑（mnback))的记录。通常忽略 低于30%单元负载的数据。
第二步骤是消除重复的（或很相似的）记录。再者，如本实施例中 使用的APR模型生成软件，APR模型生成软件应该包含用来简化对这 种记录的移除的工具。以此方式，数千个数据记录可以在儿秒内减少到 少于500个记录。
15第三步骤是根据训练集、即汇编的正常操作数据来构建模型200。
高级模式识别技术的特性允许当代PC在小于30秒内完成此任务，该小 于30秒的时间比诸如例如神经网络或多元非线性回归的任何其它技术
少了许多数量级。
第四步骤是通过使用模型以预测在第一步骤期间采集的第二或验
证数据集的值来验证模型200。对于这里所描述的实施例，验证数据集 是实际设备数据，其包含了约三周的数据并且在记录中包括了在数据的 三周期间的某个时间开始的已知锅炉管泄漏的发生。
如在图3中可见到的，在三周中所选出的2.5天的时段中，在MW 负载的预测值400和实际值402之间存在良好的一致。对于该模型中的 所有其它天和大多数其它参数也同样为真。
然而，在对于相同的2.5天时间段的补给流量的情形下（图4)，在 光标位置（记录号994)，实际值404开始连续地超过预测406。
为了更好地使此状况的影响可视化，任何变量的DELTA可以在整 个三周的时段内累计。对于大多数参数，累计的差将在零附近浮动。如 图5所示，这只对于补给流量（迹线408)和给水流量（迹线410)为真， 直到记录994。然后那两个参数的实际值连续地超过预测，这指示锅炉 管泄漏。线的斜率在某种程度上与泄漏的大小成比例。
为了实施本发明的统计过程控制方面，选择了从本专利申请的要求 的最早提交日期起可得自本发明受让人的现成的商业Advise17 Optimax Performance软件包，主要是因为其与On-Target高级模式识别软件紧密 地结合。为补给流量、给水流量和凝结水流量DELTA选择了具有适当 持续水平的报警界限以检测大的泄漏。较早描述的数据模式检验针对相 同的变量而得到激活。Optimax Performance软件还包括工具来实施控制 用于泄漏检测的触发器的规则。
如图6所示，本发明可以以在计算装置300上运行的软件程序的形 式来实施，该计算装置300通过数据公路302和分布式控制系统（DCS)304连接到一过程，其可以例如是图1的过程100。数据公路302具有与 图1的测量位置1到24的传感器对接的能力。计算装置300可以例如是 任何适当设置的装置，如能够执行程序的台式PC。程序可以是诸如 CD-ROM的合适介质上的一连串指令，并且计算装置300具有诸如众所 周知的用于容纳CD-ROM的CDRW驱动器的适当装置，使得程序可以 从CD-ROM读取并且载入装置300以便执行，并且如果需要，可存储在 作为装置300的一部分的诸如硬盘驱动器的存储介质中。
以上已示出并且参考前述示例性的实施例描述了本发明。然而，应 当理解的是，可以构成其它形式、细节和实施例而不背离在下面的权利 要求中限定的本发明的精神和范畴。