买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本申请公开了一种基于时空图神经网络的化工设备运行安全态势分析方法，首先通过在待分析化工生产环节的各个设备上布设传感器来采集各类关键工艺参数的实时监测数据；随后在后端引入数据处理及基于时空图神经网络的分析算法，同时考虑各设备在生产流程中的上下游相关性，以预测各设备的多项关键监测参数走势，并根据预测结果实现实时动态预警。本发明能够实现化工生产运行异常的超前预判和平稳度评估，真正意义上实现超前预警，切实提升化工生产的本质安全。

主权项：1.一种基于时空图神经网络的化工设备运行安全态势分析方法，其特征在于，包括以下步骤：步骤1，数据采集：利用不同类别的传感器，收集化工生产过程中各个设备在不同指标上的运行数据，每个设备上配置的传感器种类包括温度传感器、压力传感器、流量传感器，通过这些传感器采集各个设备在一段时间内关于不同指标的运行数据；步骤2，数据预处理：将所有传感器的运行数据按照相同的时间间隔沿时间维度排列为关于不同传感器的对齐统一的时序输入向量，对时序输入向量缺失的数值进行插值处理，并采用基于最大最小值的归一化处理，得到描述各个传感器数值变化的标准化的时序输入向量；步骤3，时间和空间相关性分析：将各传感器标准化的时序输入向量通过基于空洞卷积层的传感器时序特征挖掘器处理，提取描述各传感器时间相关性的时序特征向量序列，同时对各个传感器初始化可学习的节点嵌入表示编码组，构建描述不同工艺环节的特征编码，将描述传感器潜在特征的节点嵌入表示编码组和描述特定工艺环节的特征编码进行张量乘法，得到描述特定工艺环节下的各个传感器的节点嵌入表示编码，计算在特定工艺环节下不同传感器之间嵌入表示编码的内积，构建描述在特定工艺下各传感器关系的化工生产关联图结构；将传感器的时序特征向量序列和化工生产关联图结构通过基于图神经网络的传感器空间特征挖掘器处理，得到包含时空关联信息的表征向量序列；步骤4，状态预测：将各个传感器包含时空关联信息的表征向量序列通过特征变换直接预测各传感器在未来一段时间内的数值变化情况；步骤5，预警与反馈：根据各传感器预测结果确定其所属设备的预警信息，实现设备运行异常的超前预判和平稳度评估，并将分析结果反馈给操作人员和监管人员，以指导化工生产的实际操作。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于时空图神经网络的化工设备运行安全态势分析方法