基于遺傳算法優(yōu)化單類支持向量機(jī)的油田離心泵注水站異常檢測(cè)

李博文， 宋文廣*， 李浩源， 趙安， 張秋娟， Qian Yu

(1.長(zhǎng)江大學(xué)計(jì)算機(jī)科學(xué)學(xué)院， 荊州 434023； 2.Faculty of Engineering and Applied Science, University of Regina, Regina S4S0A2, Canada)

油田離心泵注水站規(guī)模龐大[1]，一旦停運(yùn)不僅會(huì)增加職工勞動(dòng)量，同時(shí)會(huì)嚴(yán)重影響到生產(chǎn)效率，造成不可估量的損失。因此注水站必須保證高可靠性、高時(shí)率性地運(yùn)行。油田離心泵注水站已完成信息化建設(shè)，實(shí)現(xiàn)了壓力、溫度、液位等生產(chǎn)參數(shù)的實(shí)時(shí)采集，由于注水站工作環(huán)境差、受磁場(chǎng)影響、儀表設(shè)備老化等因素，會(huì)產(chǎn)生不能反映設(shè)備真實(shí)情況的異常數(shù)據(jù)，將引起系統(tǒng)的誤報(bào)警、誤動(dòng)作。

對(duì)于這種情況，國(guó)內(nèi)大多仍采取的是人工巡檢的方式進(jìn)行離心泵等設(shè)備異常的排查，也就是檢查設(shè)備的流程滲漏、閥門泄漏、設(shè)備運(yùn)行溫度、設(shè)備異響、振動(dòng)超標(biāo)等問題，浪費(fèi)資源的同時(shí)也無(wú)法保證檢測(cè)的精度，工作效率不高。而基于傳統(tǒng)統(tǒng)計(jì)學(xué)的異常檢測(cè)方法最常用的有閾值法、協(xié)方差分析和數(shù)據(jù)相關(guān)性分析。陳斌等[2]研究表明，閾值法無(wú)法表征所有的異常類型。楊宏印等[3]研究表明，相關(guān)性分析法對(duì)于一些參數(shù)同時(shí)發(fā)生變化的數(shù)據(jù)檢測(cè)效果不太理想。卓琳等[4]研究表明，協(xié)方差分析法對(duì)于周期時(shí)間長(zhǎng)或者周期性弱、數(shù)據(jù)量龐大情況效果不理想, 同時(shí)無(wú)法用于檢測(cè)注水站局部異常數(shù)據(jù)。近年來人工智能在異常檢測(cè)領(lǐng)域應(yīng)用十分廣泛, 因此嘗試?yán)脵C(jī)器學(xué)習(xí)算法進(jìn)行注水站異常檢測(cè)很有可能取得新的突破。目前主要用于異常檢測(cè)的機(jī)器學(xué)習(xí)算法有孤立森林算法(isolation forest algorithm，IForest)[5]、具有噪聲的基于密度的聚類方法(density-based spatial clustering of applications with noise，DBSCAN)[6]、局部離群因子算法(local outlier factor，LOF)[7]以及支持向量機(jī)算法(support vector machine，SVM)等。其中劉朝陽(yáng)等[8]研究表明，SVM根據(jù)數(shù)據(jù)的空間分布來求解最大邊距超平面，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)的二元分類。SVM的優(yōu)點(diǎn)在于泛化性好，可以很好地應(yīng)用于解決小范圍樣本、非線性分類和高維模式識(shí)別等問題。

盡管在異常檢測(cè)研究中可以使用上述如SVM算法，憑借大量的異常數(shù)據(jù)樣本進(jìn)行有效的學(xué)習(xí)分類，獲得工業(yè)設(shè)備異常運(yùn)行時(shí)的特征表達(dá)。但是由于油田離心泵注水站設(shè)備昂貴，在實(shí)際生產(chǎn)活動(dòng)中很難獲取大量設(shè)備異常工作時(shí)的數(shù)據(jù)樣本，如國(guó)內(nèi)勝利油田等僅能夠從日常工作中獲得少量的反映設(shè)備異常的數(shù)據(jù)。同時(shí)注水站環(huán)境復(fù)雜，對(duì)于許多不可預(yù)見的異常很難進(jìn)行完全檢測(cè)，也就造成了更大的資源投入與損耗。針對(duì)離心泵注水站數(shù)據(jù)存在異常樣本少且難以獲得，正常樣本多的問題，SVM等檢測(cè)方法存在一定的局限性，而單類支持向量機(jī)(one-class support vector machine, OC-SVM)只需要學(xué)習(xí)正樣本的特征表達(dá)就可以對(duì)測(cè)試樣本進(jìn)行精確的分類。由于OC-SVM對(duì)參數(shù)敏感度較高，難以快速確定確切的參數(shù)來反映特征空間中正常數(shù)據(jù)區(qū)域邊界的大小，可以對(duì)單類支持向量機(jī)參數(shù)進(jìn)行尋優(yōu)來提高檢測(cè)精度。如今應(yīng)用較為廣泛的有網(wǎng)格搜索、隨機(jī)搜索、布谷鳥搜索、粒子群搜索和遺傳算法等。其中馬恒等[9]研究表明，網(wǎng)格搜索這種窮舉的方式計(jì)算代價(jià)過大，會(huì)造成維度災(zāi)難。隨機(jī)搜索盡管能夠提升效率，但是存在不穩(wěn)定性，容易陷入局部最優(yōu)。王利英等[10]研究表明，布谷鳥搜索收斂速度慢，求解精度較低，在迭代后期容易出現(xiàn)在全局最優(yōu)解的附近震蕩的表現(xiàn)。張艷華等[11]研究表明，粒子群搜索容易早熟收斂，同時(shí)全局搜索能力較弱。相對(duì)而言，遺傳算法收斂速度快，提高效率的同時(shí)容易得到全局最優(yōu)解。

現(xiàn)提出基于遺傳算法優(yōu)化單類支持向量機(jī) (genetic algorithm optimized one-class support vector machine, GA-OC-SVM)的注水站異常檢測(cè)方法，應(yīng)用于油田離心泵注水站的異常檢測(cè)，通過與LOF、IForest、DBSCAN、SVM等當(dāng)前主流的異常檢測(cè)方法進(jìn)行實(shí)驗(yàn)對(duì)比，驗(yàn)證該算法優(yōu)越性。

1 注水站異常檢測(cè)模型設(shè)計(jì)

1.1 單類支持向量機(jī)模型

單類支持向量機(jī)(one-class support vector machine，OC-SVM)[12]應(yīng)用于油田離心泵注水站的異常檢測(cè)，基本步驟為使用注水站正常工作時(shí)的數(shù)據(jù)樣本X={x1,x2,…,xn}來訓(xùn)練出OC-SVM模型。然后通過將X={x1,x2,…,xn}映射到與內(nèi)核相對(duì)應(yīng)的特征空間[13]，并構(gòu)造出一個(gè)訓(xùn)練樣本與原點(diǎn)距離最大化的最優(yōu)超平面f(x)=ωφ(x)-ρ，具體如圖1所示。

圖1 OC-SVM示意圖Fig.1 Schematic diagram of OC-SVM

為了通過注水站正常樣本集得到上述最優(yōu)超平面，求解優(yōu)化目標(biāo)表達(dá)式為

(1)

stωφ(xi)≥ρ-ξi,ξi≥0

(2)

式中:N為訓(xùn)練正樣本總數(shù)；v∈(0,1)為正則化參數(shù)，主要是為異常檢測(cè)設(shè)置最大的限定值，同時(shí)也作為支持向量的樣例數(shù)量的下界；ξi為松弛變量；φ為數(shù)據(jù)樣本在高維空間的映射；ω為f(x)的法向量；ρ為偏移項(xiàng)。

為了求解對(duì)偶問題使用核技巧，此處引入Lagrange乘子(αi≥0以及βi≥0)求解Lagrange方程，即

(3)

對(duì)式(3)求偏微分后，便可以得到式(4)，即所要求的優(yōu)化問題的對(duì)偶形式為

minααTMα

(4)

式(4)中：α為L(zhǎng)agrange乘子,即為[α1,α2,…,αN]T，其中Mij=K(xi,xj)=φ(xi)φ(xj)為核函數(shù)。進(jìn)而通過求解上述二次規(guī)劃問題，由式(5)、式(6)求得ω和ρ，最終得出特征空間中的最優(yōu)決策超平面。

(5)

(6)

對(duì)于油田離心泵注水站訓(xùn)練集X={x1,x2,…,xn}，F(xiàn)(xi)為基于歐式距離所構(gòu)建的決策函數(shù)，主要用于最終對(duì)測(cè)試數(shù)據(jù)集xi進(jìn)行異常檢測(cè)二分類，則有

F(xi)=sign[ωφ(xi)-ρ]

(7)

最終測(cè)試階段通過計(jì)算測(cè)試樣本xi的F(xi)值來判斷數(shù)據(jù)是否出現(xiàn)異常。當(dāng)F(xi)=1時(shí)，xi被識(shí)別為正常樣本；當(dāng)F(xi)=-1時(shí)，xi被識(shí)別為異常樣本。

1.2 遺傳算法優(yōu)化單類支持向量機(jī)

遺傳算法(genetic algorithm，GA)是一種全局優(yōu)化概率搜索算法[14]，用其改進(jìn)單類支持向量機(jī)的GA-OC-SVM算法，能夠很好地改善其對(duì)參數(shù)敏感性高的缺點(diǎn)，設(shè)計(jì)思路如下。

在使用OC-SVM訓(xùn)練數(shù)據(jù)樣本集時(shí)，設(shè)定好GA的終止迭代次數(shù)，通過OC-SVM的參數(shù)連接構(gòu)成GA的染色體。在每次迭代優(yōu)化后得到的新的染色體，代入OC-SVM中進(jìn)行再次訓(xùn)練，并將預(yù)測(cè)精度作為GA的適應(yīng)度函數(shù)。在種群個(gè)體不斷進(jìn)行選擇、交叉和變異操作后，最優(yōu)的個(gè)體適應(yīng)度函數(shù)值會(huì)達(dá)到閾值，此時(shí)停止迭代，同時(shí)將得到的種群最優(yōu)的個(gè)體值作為本次OC-SVM參數(shù)值進(jìn)行油田離心泵注水站的異常檢測(cè)和試驗(yàn)。圖2為遺傳算法優(yōu)化單類支持向量機(jī)流程，具體步驟如下。

圖2 遺傳算法優(yōu)化OC-SVM流程圖Fig.2 Genetic algorithm to improve OC-SVM flow chart

步驟1設(shè)定OC-SVM的參數(shù)范圍、遺傳算法的種群規(guī)模N以及終止迭代次數(shù)T。

步驟2確定遺傳算法的編碼方式，并按照OC-SVM參數(shù)隨機(jī)生成出N個(gè)染色體。

步驟3計(jì)算出每一個(gè)染色體對(duì)應(yīng)的適應(yīng)度函數(shù)值[15]。

步驟4判斷種群最優(yōu)個(gè)體的適應(yīng)度函數(shù)值是否達(dá)到了閾值，成功達(dá)到了則終止迭代，否則繼續(xù)進(jìn)行選擇、交叉、變異操作的迭代并產(chǎn)生新的種群。

步驟5最后得到最優(yōu)的OC-SVM參數(shù)，并進(jìn)行油田離心泵注水站異常檢測(cè)實(shí)驗(yàn)。

2 實(shí)驗(yàn)方案驗(yàn)證

2.1 異常類型分析

油田離心泵注水站設(shè)備龐大復(fù)雜[16]，每一個(gè)異常類別都包括諸多細(xì)節(jié)。圖3為注水泵機(jī)組，當(dāng)其運(yùn)行時(shí)產(chǎn)生震動(dòng)，電纜溝高壓電纜和信號(hào)纜合走，以及受電磁場(chǎng)環(huán)境影響而產(chǎn)生異常數(shù)據(jù)，觸發(fā)系統(tǒng)誤報(bào)警、誤操作。圖4為離心泵注水站運(yùn)行圖，整體涉及溫度的工程參數(shù)有注水泵前后軸承溫度、定子溫度、三相風(fēng)溫等10項(xiàng)，壓力相關(guān)工程參數(shù)包括注水泵進(jìn)口壓力、注水泵出口壓力等4項(xiàng)。以及液位、電參、流量相關(guān)10余項(xiàng)，每個(gè)參數(shù)都有自己的額定閾值，不同注水站的各項(xiàng)特征參數(shù)閾值不相同。基于勝利采油廠油田離心泵注水站運(yùn)行經(jīng)驗(yàn), 依據(jù)工程數(shù)據(jù)表現(xiàn)特征從總體上將異常類型歸納為三大類, 包括溫度異常、壓力異常、液位異常。

圖3 注水泵機(jī)組Fig.3 Water injection pump unit

圖4 注水站運(yùn)行圖Fig.4 Water injection station operation diagram

當(dāng)溫度異常，例如出現(xiàn)異常點(diǎn)跳動(dòng)或者溫度超過額定閾值，增幅出現(xiàn)超過200%等異常情況，油田離心泵將會(huì)采取高溫異常預(yù)警，超高溫停泵的措施。由于溫度的變化一般都是呈緩慢或者快速的漸變趨勢(shì)，圖5所示為2021年11月1日采集自勝利油田的勝五注一號(hào)泵定子溫度異常時(shí)的數(shù)值變化數(shù)據(jù)，對(duì)比定子溫度的正常情況，其溫度頻繁達(dá)到250 ℃，同時(shí)出現(xiàn)了溫度的突變，即短時(shí)間驟降或者跳躍式增長(zhǎng)，此時(shí)便會(huì)導(dǎo)致油田離心泵誤操作。

圖5 定子溫度異常圖Fig.5 Stator temperature anomaly graph

2.2 算法評(píng)價(jià)指標(biāo)

對(duì)于分析算法的精度，查準(zhǔn)率、查全率、接受者操作特征(receiver operating characteristic，ROC)曲線[17]經(jīng)常被用于二分類模型中，因此選擇將其作為本次油田離心泵注水站異常數(shù)據(jù)檢測(cè)效果的評(píng)價(jià)指標(biāo)，根據(jù)評(píng)價(jià)結(jié)果來驗(yàn)證所提出的基于機(jī)器學(xué)習(xí)算法的油田離心泵注水站異常檢測(cè)方案的優(yōu)越性。根據(jù)評(píng)價(jià)指標(biāo)所構(gòu)成的混淆矩陣，如表1所示，所有數(shù)據(jù)樣本根據(jù)其真實(shí)的類別和預(yù)測(cè)的類別總共被分成真正例(TP)、假正例(FP)、真反例(TN)、假反例(FN)4種情況[18]，在注水站異常檢測(cè)判定問題中，將設(shè)備運(yùn)行的正常情形作為正例，異常情形作為反例。

表1 分類結(jié)果混淆矩陣

查準(zhǔn)率P與查全率R定義公式為

(8)

(9)

通過選擇出不同的分類閾值進(jìn)行數(shù)據(jù)類別的劃分，ROC曲線以真正例率(TPR)為縱軸，假正例率(FPR)為橫軸，進(jìn)行繪制圖表來進(jìn)行算法模型的效果評(píng)價(jià),其中TPR和FPR計(jì)算公式為

(10)

(11)

ROC曲線下方面積(area under curve，AUC)作為評(píng)估基于遺傳算法改進(jìn)單類支持向量機(jī)的GA-OC-SVM算法、局部離群因子算法、孤立森林算法的檢測(cè)效果的一項(xiàng)標(biāo)準(zhǔn)，算法的檢測(cè)效果與AUC面積成正比，AUC面積越大可以判斷出該算法的檢測(cè)效果更優(yōu)秀。在對(duì)不同的異常檢測(cè)算法進(jìn)行比較時(shí), ROC曲線對(duì)算法的檢驗(yàn)效果評(píng)價(jià)結(jié)果是直觀的, 當(dāng)一個(gè)分類器的ROC曲線面積能完全地包含另一個(gè)分類器的曲線面積, 則可以得出結(jié)論：前者的異常檢測(cè)效果比后者優(yōu)秀。

2.3 異常檢測(cè)流程

基于遺傳算法改進(jìn)單類支持向量的GA-OC-SVM算法應(yīng)用于異常檢測(cè)，主要分為模型建立階段和異常檢測(cè)階段。

2.3.1 模型建立階段

(1)構(gòu)建異常檢測(cè)模型前先對(duì)訓(xùn)練集X0進(jìn)行標(biāo)準(zhǔn)化處理。

(2)根據(jù)遺傳算法對(duì)標(biāo)準(zhǔn)化、歸一化后的訓(xùn)練集X進(jìn)行參數(shù)優(yōu)化。

(3)基于遺傳算法尋優(yōu)后的OC-SVM模型用于注水站測(cè)試集的異常檢測(cè)。

2.3.2 異常檢測(cè)階段

(1)對(duì)注水站測(cè)試集Xtest0進(jìn)行規(guī)則相同的標(biāo)準(zhǔn)化、歸一化處理。

(2)使用GA-OC-SVM模型對(duì)處理后的測(cè)試集Xtest進(jìn)行異常檢測(cè)。

(3)根據(jù)決策函數(shù)F(xi)判斷油田離心泵注水站運(yùn)行是否異常。

實(shí)驗(yàn)中，通過遺傳算法尋優(yōu)得到最優(yōu)的參數(shù)，并使用OC-SVM訓(xùn)練得出基于注水站數(shù)據(jù)的分類模型之后，便可以使用模型對(duì)注水站測(cè)試數(shù)據(jù)集進(jìn)行異常檢測(cè)判斷。在參數(shù)閾值范圍內(nèi)且未出現(xiàn)劇烈波動(dòng)的正常數(shù)據(jù)，表明是油田離心泵正常的工作狀態(tài), 用標(biāo)簽“+1”標(biāo)注；相反的當(dāng)出現(xiàn)參數(shù)數(shù)值短時(shí)間驟降或巨增或明顯大范圍超出閾值的數(shù)據(jù)，表明此刻離心泵有異常的風(fēng)險(xiǎn)，用標(biāo)簽“-1”標(biāo)注。那么本次的異常數(shù)據(jù)檢測(cè)便轉(zhuǎn)化為一個(gè)二分類問題，通過人工智能算法檢測(cè)的結(jié)果可以為油田離心泵注水站運(yùn)行時(shí)的異常及時(shí)發(fā)現(xiàn)與處置干預(yù)提供有力的支持。

3 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證研究中所提出的方法針對(duì)油田離心泵注水站異常檢測(cè)的實(shí)際效果，以及基于遺傳算法改進(jìn)單類支持向量機(jī)的GA-OC-SVM算法的優(yōu)越性，使用如圖6所示的PLC設(shè)備在勝利油田的勝五注一號(hào)泵進(jìn)行數(shù)據(jù)的采集，然后分別對(duì)GA-OC-SVM、IForest、LOF、DBSCAN、SVM、OC-SVM等算法在同一平臺(tái)對(duì)勝利油田的勝五注一號(hào)泵數(shù)據(jù)進(jìn)行訓(xùn)練和驗(yàn)證。

圖6 PLC系統(tǒng)設(shè)備Fig.6 PLC equipment

通過采用遺傳算法對(duì)單類支持向量機(jī)參數(shù)進(jìn)行優(yōu)化，得到遺傳算法的進(jìn)化曲線如圖7所示，經(jīng)過迭代尋優(yōu)后得到一組最優(yōu)的種群個(gè)體值并將其作為模型參數(shù)進(jìn)行異常檢測(cè)。

圖7 遺傳算法進(jìn)化圖Fig.7 Genetic algorithm evolution diagram

經(jīng)過實(shí)驗(yàn)，表2中展示了LOF、IForest、OC-SVM、SVM、DBSCAN、GA-OC-SVM 6種算法的檢測(cè)精度，分別為72%、90%、92%、85%、80%、99%，其中GA-OC-SVM的檢測(cè)效果要明顯優(yōu)于其他算法。圖8展示了實(shí)驗(yàn)中對(duì)油田離心泵注水站數(shù)據(jù)的異常判定結(jié)果的ROC曲線評(píng)價(jià)對(duì)比圖，其中GA-OC-SVM的AUC面積完全包含了其他主流異常檢測(cè)算法的AUC面積。因此可以得出結(jié)論，GA-OC-SVM在注水站異常數(shù)據(jù)檢測(cè)中表現(xiàn)得更優(yōu)秀。通過對(duì)比，使用遺傳算法優(yōu)化后的OC-SVM能夠取得更好的檢測(cè)效果，同時(shí)對(duì)模型的檢測(cè)效率有了顯著提升。

表2 模型預(yù)測(cè)精確度

圖8 ROC曲線算法分析圖Fig.8 ROC curve algorithm analysis chart

4 結(jié)論

針對(duì)油田離心泵注水站異常檢測(cè)問題，提出了使用基于遺傳算法優(yōu)化單類支持向量機(jī)的異常檢測(cè)方法。通過對(duì)勝利采油廠勝五注一號(hào)泵數(shù)據(jù)進(jìn)行驗(yàn)證，經(jīng)過數(shù)據(jù)采集與處理以及模型訓(xùn)練與優(yōu)化后進(jìn)行的異常點(diǎn)檢測(cè)，最終實(shí)現(xiàn)了油田離心泵注水站異常判定，證明了GA-OC-SVM算法的優(yōu)越性，其判定準(zhǔn)確率達(dá)到99%以上。

(1)實(shí)驗(yàn)表明在油田離心泵注水站的異常檢測(cè)中，使用人工智能算法相較于傳統(tǒng)的人工巡檢等方式，能夠在節(jié)省大量人力物力資源的情況下，取得非常好的異常檢測(cè)效果。

(2)在油田離心泵注水站的實(shí)際數(shù)據(jù)上應(yīng)用，由于注水站的設(shè)備的復(fù)雜性及大量未檢測(cè)到的異常情況，在實(shí)際情況中仍然不可避免地會(huì)出現(xiàn)不能完全檢測(cè)的問題，但與之前僅僅當(dāng)特征參數(shù)超過了閾值就判斷為異常的方法相比，應(yīng)用遺傳算法改進(jìn)單類支持向量機(jī)的GA-OC-SVM算法進(jìn)行異常檢測(cè)仍然具有一定的優(yōu)越性。