摘要：随着信息技术的飞速发展，多个行业的管理模式也在不断升级。SCADA系统是许多行业生产运行过程控制的核心系统，SCADA系统是通过PLC系统采集设备和仪表的运行状态及检测数据，其中检测仪表超限信号、设备故障信号等都是报警信息的主要来源。本文通过计算机模式识别下的SCADA系统，在系统内部集成逻辑算法，智能判断多项运行参数，使系统发出智能报警，方便工作人员快速了解运行情况，及时采取处理措施。
关键词：计算机模式识别；SCADA系统；智能报警
SCADA系统是综合利用计算机技术、通信网络技术和控制技术对现场设备进行集中监控，实现数据采集、参数设置和各种信号的异常报警等功能[1] 。目前，SCADA的预警和报警功能主要涵盖两个方面：一方面，报警配置功能已经实现。由于以往站控报警误报率高、预警管理功能失效等问题，结合实际情况对于重点参数进行上下限设置，重点监控，确保安全，避免风险。另一方面，它实现了报警信息分级推送功能，为提高报警的重视程度和报警处置的及时性，有效提高了报警信息的及时处理时间。
1. SCADA系统报警概述
以燃气系统的LED显示屏为例，SCADA系统当检测到不正常指标或意外情况时，通过LED显示屏以及声音形式通知操作员，根据出现的报警信息进行正确处理。图1所示为报警流程。
图1 系统报警处理流程
根据报警属性的特点，报警分为四种类型：现场设备报警、自控逻辑控制报警、限值类报警和通信系统报警。SCADA警报应特别包括：
自控逻辑报警，控制特别适用于与逻辑命令启动或触发而产生相对应的报警以及由于执行或执行逻辑命令而导致逻辑操作失败的信号。例如，ESD逻辑命令启动、触发、失败；液压站时出现逻辑错误。
现场设备报警主要指电动球阀、气动球阀、紧急切断阀、压缩机组等现场工艺设备发生错误变化引起的报警。如果电动球阀报警，入口和出口电动球阀将关闭；紧急切断阀报警：站场紧急切断阀关闭；气动阀报警：液压站节流阀关闭；压缩机状态报警：压缩机停止；火灾和可燃气体报警：火灾报警，可燃气体报警20%LEL，可燃气体警报40%LEL[2] 。
限值类允许调度员根据生产过程设置报警值。通常，将进站/出站压力、、温度和压缩机进／出口压力、温度及转速等设定为报警。上限报警有超低限值报警、超高限值报警、 超低低限值报警、超高高限值报警四种类型
通信系统类报警，通信系统类报警包括通信数据中断报警。
分析SCADA警报的类型，可以注意到自控逻辑类报警、通信系统类报警、现场设备警报是状态类报警，能够准确定位故障位置的状态警报。限值类报警设置应分析其规律性。
2. SCADA系统报警算法
2.1报警算法
为了统一报警设置规则的上限和下限，对算法进行了优化，使报警设置更加合理和科学，从而降低了误报率。该算法的步骤如下：
第一步：计算某一阶段频繁报警井站的报警参数，消除误差值并进行分析，确定正常工作条件下的工作范围、多个正常高值、多个正常低值及其算术平均值。
第二步 ：计算出一组正常高值以及一组正常低值的 几何平均值。
第三步：计算一组正常高值以及一组正常低值的 几何平均值。
第四步：计算正常高值与正常低值的标准差，分析正常高值和正常低值之间的变化及其几何平均值，确定高报警和低报警参数的参数。
第五步：计算正常高低值的放大倍数和缩小倍数，并确定报警级别参数的高低报警。
2.2SCADA系统智能报警设计
目前，燃气公司的SCADA系统作为旨在提高安全能力的重要技术防御措施，虽然可以通过智能报警配置来解决问题，提示工作人员出现问题、解决问题，但不能针对以下问题生成警报。报警值通常根据工艺操作设计参数和当前操作条件设置，但压力流量信号水平取决于时间。例如，天然气消费高峰通常在上午和中午，而夜间天然气消费量较低。如果夜间发生异常，则无法检测上一节中提出的智能报警配置方法。因此，本文提出了一种基于时间序列的操作异常检测模型。
压力、流量和温度被视为时间函数，随着时间的变化而不断变化，呈现一定规律性，每天在固定时间到达高峰，并在固定的时间进入低谷。因此，为模式识别的建模提供了基础。模式识别是指处理和分析表示事物或现象的各种形式的信息，包括数值的、文字的和逻辑关系，将其经过处理分析之后，对于事物或现象进行描述、辨认、分类与解释的过程。基于时间序列的异常识别操作模型主要使用模式识别方法，该方法使用模式识别训练来识别日常操作中的实时监控向量，以诊断SCADA监控数据[3] 。
通过上述的数学模型可以进行单个参数的智能设置，但是因为并未考虑参数之间的关联性，所以生产过程因为存在明显的联动性，从而直接导致误报和漏报可能性的出现。 为了进一步提高报警准确度，减少日常生产和运行中的误报率，采用模式识别方法识别报警参数，使用用于诊断SCADA监控数据的训练模式识别方法实时识别监控功能的矢量值。模式识别模型如图2所示。
图2 模式识别模型图
首先，去噪。SCADA系统采集的监测点参数不完全满足数据采集要求。监测点数据去噪，主要是排除设备维护、管道泄漏等数据[4] 。一些外部误差将干扰测量的参数，所以经过去噪之后能够确保进入下一个环节的参数能够代表实际操作状态。其次，在特征提取。测量参数去噪后提取特征参数。而提取特征参数的任务是提取能够表示相关SCADA系统参数运行状态的功能值。特征向量应由SCADA监控参数组成。气体的流量 Q，压力P，温度T， 时间H(0：00．24：00小时)，即S=(Q，T，P，H)。第三，建立分类器。引入马氏距离概念，通过数据协方差距离，其是一种有效的计算两个特征向量的相似度方法，其不仅考虑到了多种特性之间的联系，并且使尺度无关的，也就是独立于测量尺度。如果均值为其马氏距离公式为
其中，——特征向量
；
，协方差矩阵为；
的多变量向量，
——均值
——的协方差矩阵。
；
在此基础上，引入K均值聚类算法。 从数据集中随机选择K个点（根据操作规则选择）作为聚类的初始中心，然后计算每个样本与聚类之间的距离，然后将样本分组到最接近聚类中心的所在的类。计算每个新创建的聚类数据对象的平均值，以获得新的聚类中心。如果相邻两次的聚类中心没有发生变化，则意味着样本校准已经完成，聚类准则函数已经收敛。以下为分类器生成算法的步骤：
步骤1：初始聚类中心的选择是从n个特征向量选择k个向量；
步骤2：根据每一个聚类对象的均值(中心对象)来对于每一个特征向量和这些中心特征向量的马氏距离进行计算，基于最小距离来划分相应对象；
步骤3：对于每一个(有变化)聚类的均值(中心对象)重新进行计算；
步骤4：循环步骤2到步骤3，直到每个聚类不再发生变化。
最后，进行实时数据分析。通过训练历史操作参数创建的分类器具有识别功能。当收集的瞬时测量参数变为函数向量时，它们根据K-mean聚类算法进行分组，然后与聚类中心进行比较。如果该瞬时向量与聚类中心的大于该聚类的任何特征向量到聚类中心的距离时，则发出异常评估警报。时间序列操作下的运行异常识别模型的目的是从破坏后收集的数据中提取特征，创建特征向量，根据分类算法进行分类，创建模式识别器，然后将实时SCADA数据发送到模式识别，以评估是否存在异常[5] 。
3.SCADA系统报警管理
随着燃气工作站的规模不断扩大和报警信息的不断增加，报警机制的优化不仅要优化报警算法本身，还要优化报警管理。报警信息可能是由多个报警源发出的，具有突发性和随机性。通常，除了关于报警的最重要信息外，还有许多不太重要的报警信
息。如果对所有报警信息采用相同的处理方法，将不可避免地消耗大量的人力和物力。因此，为了便于管理，提高SCADA报警系统的效率，建立科学合理的报警机制，有必要采取一定措施优化报警管理。图3所示为报警信息显示情况。
图3 报警信息通知显示
（1）报警评估。无论警报源如何，应合理识别和分析每个警报，并遵守警报规则。必须分别检查和评估每个警告点。报警评估主要是确认每个报警信号是否符合以下特征：及时、重要、唯一、报警优先级划分、理解、诊断和聚焦、可理解性强等
[6]
。
（2） 优先级报警管理。报警的优先级通常取决于后果的严重性和操作员允许的
最长响应时间。通常，报警优先级分为三个级别，操作员按照优先级顺序响应报警。以下方法可用于控制分级报警：① 不同的报警颜色用于区分不同的报警级别，以便操作员能够准确、及时地处理多个报警之间的高紧急报警；② 在不同的报警级别中，可以区分报警声音。一级报警可以是声音联合LED显示屏发出报警，二级和三级报警可
以为一般报警，可以采用单独的声音报警或LED显示屏发出报警；③ 为不同的报警级别设置不同的报警重置要求。在高紧急警报的情况下，通过添加确认对话框并显示确认窗口（全屏）发送重新启动请求，避免操作员大意，出现对报警进行复位但未进行操作上的调整等现象[7] 。
（3）报警级别会自动更新。根据当前安装级别的SCADA设计，结合报警优先级，建议增加相应设备的报警压力，即创建三级推送机制，以方便不同级别的操作人员接收不同级别的报警信息。同时，更新登记记录将成为评估问责制和可追溯性的重要基础。这使我们能够更全面地监控和管理一线生产，以防止发生重大事故。
（4）报警模式切换。SCADA预警模块增加报警模式切换功能，分为正常运行模式和特殊运行模式。特殊操作包括特殊工艺操作、设备维护、仪表维护等。如果需要特殊操作，必须首先切换到特殊操作模式，然后在特殊操作完成后再切换到正常操作模式[8] 。设计了两种报警阈值设置模式和预警模式，可以有效过滤误报，提高报警性能。
（5）报警性能评价。为了确保SCADA报警功能正常工作，及时发现不合理设计，需要定期评估报警性能。使用性能评估来识别错误配置的警报，并逐步提高警报管理的性能。具体而言，警报性能评估包括四个方面：① 人员需要操作的警报数量；② 有问题的报警数量；③ 报警操作和维护；④ 确定警报的优先级。
（6） 基于员工运营满意度的预警管理。报警管理的基础是解决员工的反应。目前，大多数报警管理研究不包括操作员满意度。如果操作员对报警系统不敏感，则报警功能模块的存在无关紧要。因此，我们需要充分考虑操作员的满意度，在可靠性和报警操作方面全面评估操作员的满意度指标，并将操作员的满意度纳入报警管理，以在实践中发现和解决报警问题。
总结
综上所述，基于计算机模式识别来设计智能报警模型，其还处于初始阶段，需要利用计算机程序进一步开发智能报警识别软件。除此之外，还可以通过结合GIS系统、设备管理系统等，建立物联网，分析报警产生原因，为异常处理提供最佳解决方案。
因篇幅问题不能全部显示，请点此查看更多更全内容