基于分布式数据建模的工业过程关键性能指标预测和诊断

This project intends to set a research work on distributed data-based modeling and analytics methods for prediction and diagnosis of key perforamnce indices in large-scale process industries. First, by incorporating new data mining and analysis technologies, both operating mode analytics and block division methods are studied in large-scale process industries. Second, distributed data information extraction and latent variable modeling methods are studied. Third, a Bayesian network driven strategy for distributed data modeling, analytics and integration is formulated. Fourth, detailed studies on distributed fault monitoring, diagnosis and pattern analytics are carried out. Besides, a multi-level distributed data modeling and analysis method is studied for prediction and diagnosis of high-level economical performace indices. The aim of this project is to develop a class of new distributed modeling and analytics method for prediction and diagnosis of large-scale process industries. Achievements of this project will provide significant theoretical and application contributions for improving energy and operating efficiencies, reducing emmissions, and improving product quality to the process industry.

本项目面向大规模流程工业过程关键性能指标的预测和诊断问题，拟开展分布式数据建模方法与应用研究。具体研究内容包括：基于数据挖掘和分析的大规模流程工业过程工况分析与分块方法研究；分布式数据特征提取与隐变量建模方法研究；基于贝叶斯网络的分布式数据建模、分析与集成方法研究；面向大规模过程的分布式故障在线监测、诊断和模式分析方法研究；基于分布式回归模型的关键性能指标建模、预测和诊断方法研究；面向上层经济性能指标预测和诊断的多层分布式数据建模与分析方法研究等。项目的研究目标是提出一套适合大规模流程工业过程关键性能指标预测和诊断的分布式数据建模与分析新方法。本项目的研究成果对流程工业生产过程的节能减排、提升其运行效率和改善产品质量等均具有重要的理论意义和实际应用价值。

本项目面向大规模流程工业过程关键性能指标的预测和诊断问题，开展了一系列分布式数据驱动建模方法与应用研究工作。4年来，主要研究内容以及取得的成果包括：提出了分布式形式的数据特征提取与隐变量建模新方法；基于贝叶斯网络，提出了分布式数据建模、分析与集成方法；面向大规模过程的分布式故障在线监测、诊断和模式分析问题，提出了相应的方法；基于分布式回归模型，提出了关键性能指标建模、预测和诊断方法等。项目总体上提出了一套适合大规模流程工业过程关键性能指标预测和诊断的分布式数据建模与分析新方法。研究成果对流程工业生产过程的节能减排、提升其运行效率和改善产品质量等均具有重要的理论意义和实际应用价值。