A REAL-TIME DATA VERIFICATION AND DATA RECONCILIATION SYSTEM FOR PETROLEUM REFINERIES

The present invention proposes a real-time data verification and data reconciliation system for refineries, wherein said system has capabilities of computation and data recording as well as means for output such that raw data is collected from a plurality of data sources; said raw data is converted into a data stream (100); said system performs a proportion test which detects, at the step of deciding (12) the state of the process, whether the data received from each data source represents a steady state or a dynamic state, and if a steady state is detected, a steady state data reconciliation and coarse error detection (14) is performed using instantaneous mass balance method wherein system dynamics and memory effect are ignored; wherein steady state data (104) from each sensor (1) is optimized; if a dynamic state is detected, a dynamic state data reconciliation and coarse error detection (13) is performed on the dynamic state data (105) for each data source, according to Kalman filter, by using an offline data set according to Autoregressive Moving Average method; the system classifies (15) the coarse error data to generate an alarm and/or warning notifications (16). La présente invention se rapporte à un système de vérification de données et de comparaison de données en temps réel destiné à des raffineries, ledit système ayant des capacités de calcul et d'enregistrement de données ainsi que des moyens de sortie grâce auxquels des données brutes sont collectées à partir d'une pluralité de sources de données. Les données brutes sont converties en flux de données (100). Ledit système réalise un test de proportions qui détecte, lors d'une étape de décision (12) de l'état du processus, si les données reçues en provenance de chaque source de données représentent un état stable ou un état dynamique, et, si un état stable est détecté, une comparaison de données d'état stable et une détection d'erreurs grossière (14) sont effectuées à l'aide d'un procédé de bilan massique instantané qui ne tient compte ni de la dynamique du système, ni de l'effet de mémoire. Les données d'état stable (104) en provenance de chaque capteur (1) sont optimisées. Si un état dynamique est détecté, une comparaison de données d'état dynamique et une détection d'erreurs grossière (13) sont effectuées sur les données d'état dynamique (105) pour chaque source de données, selon un filtre de Kalman, au moyen d'un ensemble de données hors ligne et selon une méthode autorégressive de moyennes mo