BE1030064B1

BE1030064B1 - A METHOD FOR ERROR DETECTION IN A POWER PLANT

Info

Publication number: BE1030064B1
Application number: BE20216023A
Authority: BE
Inventors: Nicolas Depraetere; Frank Alaerts; Twan Bearda
Original assignee: Entras; Canguru Belgium
Priority date: 2021-12-22
Filing date: 2021-12-22
Publication date: 2023-07-17
Also published as: BE1030064A1

Abstract

Voorbeelden van uitvoeringsvormen beschrijven een computer geïmplementeerde werkwijze voor het detecteren van een fout in een energiecentrale uit ten minste één procesparameter. De werkwijze omvat, tijdens een initialisatie stap, het bepalen van een afwijkingsmodel voor het bepalen van verwachte afwijkingen in de tijd van de ten minste één procesparameter op basis van voorgaande gemeten waarden en instelpuntwaarden van die ten minste één procesparameter, gemonitord tijdens een referentieperiode die gekenmerkt wordt door een foutloze werking van de energiecentrale. De werkwijze omvat verder, tijdens een werkingscyclus, het bepalen van afwijkingen in de tijd van de gemeten waarden ten opzichte van de instelpuntwaarden; het bepalen van de verwachte afwijkingen in de tijd door het afwijkingsmodel; het bepalen van residuen in de tijd op basis van een verschil tussen de afwijkingen in de tijd en de verwachte afwijkingen in de tijd; en het detecteren van een fout in de energiecentrale door middel van een statistische analyse van de residuen in de tijd.Exemplary embodiments describe a computer-implemented method for detecting a fault in a power plant from at least one process parameter. The method includes, during an initialization step, determining a deviation model for determining expected deviations over time of the at least one process parameter based on previous measured values and set point values of that at least one process parameter, monitored during a reference period characterized due to faultless operation of the power plant. The method further comprises, during an operating cycle, determining deviations in time of the measured values from the set point values; determining the expected deviations over time by the deviation model; determining residuals over time based on a difference between the deviations over time and the expected deviations over time; and detecting a fault in the power plant through a statistical analysis of the residuals over time.

Description

EEN WERKWIJZE VOOR FOUTDETECTIE IN EEN ENERGIECENTRALEA METHOD FOR ERROR DETECTION IN A POWER PLANT

Domein van de uitvindingDomain of the invention

[01] De onderhavige uitvinding heeft in het algemeen betrekking op, onder andere, foutdetectie in een energiecentrale.[01] The present invention generally relates to, among other things, fault detection in a power plant.

Achtergrond van de uitvindingBackground of the invention

[02] Een energiecentrale is een industriële installatie die uit een brandstofbron energie opwekt, b.v. elektrische energie en nuttige warmte. Om een constant opgewekt vermogen te behouden, wordt het instelpunt van sommige procesparameters continu aangepast in de tĳd. Deze procesparameters kunnen bovendien variëren rond hun in de tijd variërende instelpunten, hetgeen resulteert in zeer dynamische procesparameters, zelfs onder normale werkingsomstandigheden.[02] A power plant is an industrial installation that generates energy from a fuel source, e.g. electrical energy and useful heat. To maintain a constant generated power, the set point of some process parameters is continuously adjusted over time. Moreover, these process parameters can vary around their time-varying set points, resulting in highly dynamic process parameters even under normal operating conditions.

[03] Een probleem met deze zeer dynamische procesparameters is dat zij ongewenste variaties kunnen verbergen die indicatief zijn voor een onjuiste werking van de energiecentrale, bv. defecte onderdelen, vervuiling of degradatie. Dit resulteert in een suboptimale werking en prestaties van de energiecentrale. Als deze fouten niet worden gecontroleerd of gedetecteerd kunnen ze leiden tot onomkeerbare schade en uiteindelijk tot het uitvallen van de energiecentrale. Zodoende wordt het onderhoud van de energiecentrale meestal op regelmatige basis uitgevoerd, bv. met vaste tijdsintervallen.[03] A problem with these highly dynamic process parameters is that they can hide unwanted variations indicative of improper power plant operation, e.g. component failure, fouling or degradation. This results in sub-optimal operation and performance of the power plant. If these errors are not checked or detected, they can lead to irreversible damage and ultimately to the failure of the power plant. Thus, the maintenance of the power plant is usually carried out on a regular basis, e.g. at fixed time intervals.

[04] Een probleem van dergelijk onderhoud met vaste tijdsintervallen is dat het onderhoud te vaak kan worden uitgevoerd, wat resulteert in buitensporige onderhoudskosten. Een andere mogelijkheid is dat het onderhoud te laat wordt uitgevoerd, waardoor de efficiëntie kan afnemen, onderdelen onherstelbaar kunnen worden beschadigd en de energiecentrale kan uitvallen.[04] A problem of such maintenance at fixed time intervals is that the maintenance can be performed too often, resulting in excessive maintenance costs. Another possibility is that maintenance is carried out too late, which can reduce efficiency, irreparably damage components and cause the power plant to fail.

Samenvatting van de uitvindingSummary of the invention

[05] De onderhavige uitvinding heeft onder andere tot doel de hierboven genoemde uitdagingen en problemen op te lossen of te verlichten door de foutdetectie in een energiecentrale te verbeteren.[05] The present invention aims, among other things, to solve or alleviate the above mentioned challenges and problems by improving fault detection in a power plant.

[06] Volgens een eerste aspect wordt dit doel bereikt door een computer geïmplementeerde werkwijze voor het detecteren van een fout in een energiecentrale uit ten minste één procesparameter. De werkwijze omvat, tijdens een initialisatie stap, het bepalen van een afwijkingsmodel voor het bepalen van verwachte afwijkingen in de tijd van de ten minste één procesparameter op basis van voorgaande gemeten waarden en instelpuntwaarden van die ten minste één procesparameter, gemonitord tijdens een referentieperiode die gekenmerkt wordt door een foutloze werking van de energiecentrale. De werkwijze omvat verder, tijdens een werkingscyclus, het bepalen van afwijkingen in de tĳd van de gemeten waarden ten opzichte van de instelpuntwaarden; het bepalen van de verwachte afwijkingen in de tijd door het afwijkingsmodel; het bepalen van residuen in de tijd op basis van een verschil tussen de afwijkingen in de tijd en de verwachte afwijkingen in de tijd; en het detecteren van een fout in de energiecentrale door middel van een statistische analyse van de residuen in de tijd.[06] According to a first aspect, this object is achieved by a computer-implemented method for detecting a fault in a power plant from at least one process parameter. The method includes, during an initialization step, determining a deviation model for determining expected deviations over time of the at least one process parameter based on previous measured values and set point values of that at least one process parameter, monitored during a reference period characterized due to faultless operation of the power plant. The method further comprises, during an operating cycle, determining deviations in time of the measured values from the set point values; determining the expected deviations over time by the deviation model; determining residuals over time based on a difference between the deviations over time and the expected deviations over time; and detecting a fault in the power plant through a statistical analysis of the residuals over time.

[07] Tijdens de normale werking van de energiecentrale, d.w.z. tijdens een werkingscyclus, kunnen de gemeten waarden van de ten minste één procesparameter afwijken van de respectievelijke in de tijd variërende instelpuntwaarden. Een dergelijke procesparameter kan elke variabele zijn die verband houdt met de werking van de energiecentrale, bv. opgewekt vermogen, debiet van recirculerend gas, of de temperatuur van stoom. Op elke tijdstap omvat de afwijking van de ten minste één procesparameter een verwachte afwijking die verband houdt met de foutloze werking van de energiecentrale en een residu, d.w.z. het gedeelte van de afwijking dat geen verband houdt met de foutloze werking van de energiecentrale. De residuen kunnen indicatief zijn voor, onder andere, toevallige fouten, meetfouten, modelleringsfouten en/of fouten in de energiecentrale. Een fout kan elke oorzaak zijn die resulteert in de onjuiste werking van de energiecentrale, bv. een defect, schade, vervuiling of degradatie.[07] During normal operation of the power plant, i.e. during an operating cycle, the measured values of the at least one process parameter may deviate from the respective time-varying set point values. Such a process parameter can be any variable related to the operation of the power plant, e.g. generated power, flow rate of recirculating gas, or temperature of steam. At each time step, the deviation of the at least one process parameter includes an expected deviation related to the error-free operation of the power plant and a residual, i.e., the portion of the deviation that is not related to the error-free operation of the power plant. The residuals may be indicative of, among other things, random errors, measurement errors, modeling errors and/or power plant errors. A fault can be any cause that results in the incorrect operation of the power plant, e.g. a defect, damage, pollution or degradation.

[08] Om de verwachte afwijkingen in de tijd tijdens de werkingscyclus te bepalen, wordt tijdens een voorafgaande initialisatiestap een afwijkingsmodel bepaald. Het afwijkingsmodel wordt bepaald op basis van voorgaande gemeten waarden en instelpuntwaarden van de ten minste één procesparameter. Deze waarden worden gemonitord tijdens een periode van foutloze werking van de energiecentrale, d.w.z. een referentieperiode. Het afwijkingsmodel laat dus toe om de verwachte afwijkingen in de tijd te bepalen alsof fouten in de energiecentrale afwezig zijn tijdens de werkingscyclus.[08] To determine the expected deviations in time during the duty cycle, a deviation model is determined during a preliminary initialization step. The deviation model is determined based on previous measured values and set point values of the at least one process parameter. These values are monitored during a period of error-free operation of the power plant, i.e. a reference period. The deviation model thus allows to determine the expected deviations over time as if faults in the power plant were absent during the operating cycle.

[09] De residuen in de tijd worden dan bepaald op basis van het verschil tussen de afwijkingen in de tĳd, gemonitord tijdens de werkingscyclus, en de verwachte afwijkingen in de tijd, bepaald door het afwijkingsmodel. Hierdoor wordt de statistische afhankelijkheid en/of autocorrelatie tussen opeenvolgende waarden van de afwijking in de tjd wezenlijk verwijderd. Dit laat toe om een betrouwbare statistische analyse van de residuen in de tĳd uit te voeren voor het detecteren van een fout in de energiecentrale. Met andere woorden, door de statistische analyse kunnen de residuen die indicatief zijn voor een fout in de energiecentrale worden gedetecteerd.[09] The residuals over time are then determined based on the difference between the deviations over time, monitored during the duty cycle, and the expected deviations over time, determined by the deviation model. This substantially removes the statistical dependence and/or autocorrelation between successive values of the deviation over time. This allows to carry out a reliable statistical analysis of the residuals over time for the detection of a fault in the power plant. In other words, through the statistical analysis, the residuals indicative of a fault in the power plant can be detected.

[10] Dit kan het detecteren van fouten in een energiecentrale verbeteren, in het bijzonder in een vroeg stadium van falen wanneer fouten in de procesparameters minder duidelijk zijn. Het is een voordeel dat de planning van het onderhoud kan worden verbeterd, waardoor de onderhoudskosten worden verlaagd en de levensduur van de centrale wordt verlengd door respectievelijk overmatig en onvoldoende onderhoud te vermijden. Het is een verder voordeel dat de bovengenoemde werkwijze gemakkelijk in een bestaande energiecentrale kan worden geïmplementeerd.[10] This can improve fault detection in a power plant, especially at an early stage of failure when errors in the process parameters are less obvious. It is an advantage that maintenance planning can be improved, reducing maintenance costs and extending the life of the plant by avoiding excessive and insufficient maintenance respectively. It is a further advantage that the above method can be easily implemented in an existing power plant.

[11] Volgens een uitvoeringsvorm kan de statistische analyse het detecteren van uitschieters van de residuen in de tijd omvatten, die indicatief zijn voor een fout in de energiecentrale.[11] In one embodiment, the statistical analysis may include detecting outliers of the residuals over time, which are indicative of a fault in the power plant.

[12] Met andere woorden, residuwaarden die wezenlijk groter of wezenlijk kleiner zijn ten opzichte van een meerderheid van residuwaarden in de tijd, d.w.z. uitschieters, kunnen een indicatie zijn van een onjuiste werking van de energiecentrale.[12] In other words, residual values that are substantially larger or substantially smaller than a majority of residual values over time, i.e. outliers, may indicate improper power plant operation.

[13] Volgens een uitvoeringsvorm kan de statistische analyse van de residuen in de tijd verder omvatten: i) het detecteren van kritieke gebeurtenissen die indicatief zijn voor uitschieters van de residuen die buiten vooraf bepaalde controlegrenzen vallen; il) het volgen van ten minste één statistiek van de kritieke gebeurtenissen in de tijd; en ij) het detecteren van een fout in de energiecentrale wanneer de ten minste één statistiek een vooraf bepaalde drempelwaarde overstijgt.[13] In one embodiment, the statistical analysis of the residuals over time may further include: i) detecting critical events indicative of outliers of the residuals falling outside predetermined control limits; il) tracking at least one statistic of the critical events over time; and ij) detecting a fault in the power plant when the at least one statistic exceeds a predetermined threshold value.

[14] Een kritieke gebeurtenis kan dus een residuwaarde zijn die buiten vooraf bepaalde controlegrenzen valt, b.v. een onder- en bovengrens. Deze controlegrenzen kunnen vooraf bepaald zijn volgens de werkingsomstandigheden van de energiecentrale, bijvoorbeeld het opgewekte vermogen, de weersomstandigheden en de brandstofsamenstelling. Tijdens de werkingscyclus kunnen de controlegrenzen verder worden geselecteerd uit een groep van vooraf bepaalde controlegrenzen volgens de huidige werkingsomstandigheden van de energiecentrale. Dit heeft het voordeel dat fouten betrouwbaarder kunnen worden gedetecteerd onder verschillende werkingsomstandigheden van de energiecentrale.[14] A critical event can thus be a residual value that falls outside predetermined control limits, e.g. a lower and upper limit. These control limits may be predetermined according to the operating conditions of the power plant, for example the generated power, the weather conditions and the fuel composition. During the operating cycle, the control limits can be further selected from a group of predetermined control limits according to the current operating conditions of the power plant. This has the advantage that faults can be detected more reliably under different operating conditions of the power plant.

[15] Een fout enkel detecteren wanneer een gevolgde statistiek van de kritieke gebeurtenissen in de tijd een vooraf bepaalde drempelwaarde overstijgt laat verder toe om kritieke gebeurtenissen te detecteren zonder elke keer een fout te detecteren.[15] Detecting an error only when a tracked statistic of the critical events over time exceeds a predetermined threshold further allows to detect critical events without detecting an error every time.

Zodoende kan de vooraf bepaalde drempelwaarde worden aangepast om een gewenst evenwicht tussen vroege foutdetectie en het aantal gedetecteerde fouten mogelijk te maken. Dit heeft het voordeel dat overmatige en valse foutdetectie kan worden vermeden.Thus, the predetermined threshold value can be adjusted to allow for a desired balance between early error detection and the number of errors detected. This has the advantage that excessive and false error detection can be avoided.

[16] Volgens een uitvoeringsvorm kan de werkwijze verder het verkrijgen van de vooraf bepaalde controlegrenzen tijdens de initialisatie stap omvatten, op basis van een kansverdeling van de residuen tijdens de referentieperiode.[16] According to an embodiment, the method may further comprise obtaining the predetermined control limits during the initialization step, based on a probability distribution of the residuals during the reference period.

[17] De kansverdeling kan worden gebaseerd op de residuwaarden die zijn waargenomen tijdens de referentieperiode, d.w.z. een periode van foutloze werking van de energiecentrale. Daaruit kan tijdens de initialisatie stap een interval worden bepaald dat wezenlijk alle residuwaarden omvat die niet indicatief zijn voor een fout in de energiecentrale, b.v. residuwaarden indicatief voor toevallige fouten, meetfouten of modelleringsfouten. Zodoende zijn uitschieters van de residuen die buiten de grenzen van een dergelijk interval vallen waarschijnlijk indicatief voor een fout in de energiecentrale. Dit heeft het voordeel dat residuen die indicatief zijn voor een fout in de energiecentrale gemakkelijk kunnen worden onderscheiden.[17] The probability distribution can be based on the residual values observed during the reference period, i.e. a period of faultless operation of the power plant. From this, during the initialization step, an interval can be determined which includes substantially all residual values that are not indicative of a fault in the power plant, e.g. residual values indicative of random errors, measurement errors or modeling errors. Thus, outliers of the residuals falling outside the bounds of such an interval are likely to be indicative of a fault in the power plant. This has the advantage that residues indicative of a fault in the power plant can be easily discerned.

[18] Volgens een uitvoeringsvorm kan de ten minste één statistiek van de kritieke gebeurtenissen het aantal kritieke gebeurtenissen, de frequentie van kritieke gebeurtenissen, de frequentieverdeling van kritieke gebeurtenissen in een tijdsperiode, en/of de ernst van kritieke gebeurtenissen omvatten.[18] In one embodiment, the at least one critical event metric may include the number of critical events, the frequency of critical events, the frequency distribution of critical events over a time period, and/or the severity of critical events.

[19] Volgens een uitvoeringsvorm kan het afwijkingsmodel gebaseerd zijn op de procesparameter waarvoor de verwachte afwijkingen in de tĳd door het afwijkingsmodel worden bepaald, en gebaseerd zijn op ten minste één bijkomende procesparameter.[19] In one embodiment, the deviation model may be based on the process parameter for which the expected deviations over time are determined by the deviation model, and be based on at least one additional process parameter.

[20] Met andere woorden, het afwijkingsmodel dat de verwachte afwijkingen in de tijd van een procesparameter bepaalt, kan worden bepaald op basis van voorgaande gemeten waarden en instelpuntwaarden van die procesparameter, naast de voorgaande gemeten waarden en instelpuntwaarden van ten minste één bijkomende procesparameter. Dit kan resulteren in een nauwkeuriger afwijkingsmodel en kan daardoor de foutdetectie verbeteren.[20] In other words, the deviation model that determines the expected deviations over time of a process parameter can be determined based on previous measured values and setpoint values of that process parameter, in addition to the previous measured values and setpoint values of at least one additional process parameter. This can result in a more accurate anomaly model and can therefore improve error detection.

[21] Volgens een uitvoeringsvorm kan het afwijkingsmodel een autoregressief model zijn dat bepaald door een tijdreeksanalyse, een hoofdcomponentenanalyse, een clusteranalyse, en/of machinaal leren.[21] In one embodiment, the anomaly model may be an autoregressive model determined by time series analysis, principal component analysis, cluster analysis, and/or machine learning.

[22] Het autoregressief afwijkingsmodel laat toe om tijdens de werkingscyclus de toekomstige verwachte afwijkingen te voorspellen op basis van voorgaande verwachte afwijkingen, d.w.z. de inputs van het autoregressief afwijkingsmodel. Deze inputs kunnen voorgaande verwachte afwijkingen zijn die tijdens de referentieperiode zijn gemonitord en/of voorgaande verwachte afwijkingen die door het afwijkingsmodel in een voorgaande tijdstap van de werkingscyclus zijn bepaald. Het afwijkingsmodel kan elk type autoregressief model zijn, zoals bijvoorbeeld, onder andere, een standaard autoregressief, AR, model, een autoregressief voortschrijdend gemiddelde, ARMA,[22] The auto-regressive deviation model allows to predict during the operating cycle the future expected deviations based on previous expected deviations, i.e. the inputs of the auto-regressive deviation model. These inputs can be previous expected deviations monitored during the reference period and/or previous expected deviations determined by the deviation model in a previous time step of the duty cycle. The variance model can be any type of autoregressive model, such as, for example, a standard autoregressive, AR, model, an autoregressive moving average, ARMA,

model, een autoregressief geïntegreerd voortschrijdend gemiddelde, ARIMA, model, of een vector autoregressief, VAR, model. Het autoregressief model kan verder worden verbeterd door hoofdcomponentenanalyse, clusteranalyse en/of machinaal leren, bv. door het aantal variabelen van het autoregressief model te verminderen of door extra inputs of regressoren te identificeren. Dit kan resulteren in een efficiënter afwijkingsmodel dat toelaat om een veelheid van afwijkingsmodellen in parallel te gebruiken met relatief beperkte rekenkracht.model, an autoregressive integrated moving average, ARIMA, model, or a vector autoregressive, VAR, model. The autoregressive model can be further improved by principal component analysis, cluster analysis and/or machine learning, e.g. by reducing the number of variables of the autoregressive model or by identifying additional inputs or regressors. This can result in a more efficient anomaly model that allows a plurality of anomaly models to be used in parallel with relatively limited computational power.

[23] Volgens een uitvoeringsvorm kan de werkwijze verder het verkrijgen van gemeten waarden en/of instelpuntwaarden van de ten minste één procesparameter tijdens de werkingscyclus omvatten.[23] According to an embodiment, the method may further comprise obtaining measured values and/or set point values of the at least one process parameter during the duty cycle.

[24] De gemeten waarden van de ten minste één procesparameter kunnen worden verkregen door rechtstreekse meting, bijvoorbeeld van de gastemperatuur of de stoomdruk. Als alternatief kunnen de gemeten waarden van de ten minste één procesparameter worden verkregen door indirecte meting, berekening of modellering op basis van directe metingen van andere procesparameters en/of variabelen extern aan de energiecentrale, bv. omgevingstemperatuur. De instelpuntwaarden kunnen bijvoorbeeld worden ontvangen van een regelaar of controle-eenheid van de energiecentrale.[24] The measured values of the at least one process parameter can be obtained by direct measurement, for example of the gas temperature or the steam pressure. Alternatively, the measured values of the at least one process parameter can be obtained by indirect measurement, calculation or modeling based on direct measurements of other process parameters and/or variables external to the power plant, e.g. ambient temperature. For example, the set point values can be received from a controller or control unit of the power plant.

[25] Volgens een uitvoeringsvorm kan de referentieperiode verder worden gekenmerkt door één of meer selectiecriteria die een werkingsomstandigheid van de energiecentrale bepalen.[25] According to an embodiment, the reference period may further be characterized by one or more selection criteria that determine an operating condition of the power plant.

[26] De werkingsomstandigheid bepaalt hoe de energiecentrale functioneert en presteert. Een werkingsomstandigheid kan worden bepaald door de procesparameters en de uitgevoerde procedures in de energiecentrale, bv. roetblazen, het verversen van zand en/of het uitvoeren van onderhoud. Het afwijkingsmodel kan dus bij voorkeur bepaald zijn op basis van een referentieperiode met een werkingsomstandigheid die wezenlijk gelijk is aan de werkingsomstandigheid van de energiecentrale tijdens de werkingscyclus. Een dergelijke geschikte referentieperiode kan worden geselecteerd op basis van één of meer selectiecriteria die kenmerkend zijn voor een bepaalde werkingsomstandigheid. Met andere woorden, de selectiecriteria kunnen de procesparameters en/of uitgevoerde procedures in de energiecentrale weergeven die een werkingsomstandigheid onderscheiden. Bovendien kan meer dan één afwijkingsmodel worden bepaald, zodat de verwachte afwijkingen van een procesparameter onder verschillende werkingsomstandigheden kunnen worden bepaald.[26] The operating condition determines how the power plant functions and performs. An operating condition can be determined by the process parameters and the procedures performed in the power plant, e.g. blowing soot, changing sand and/or performing maintenance. Thus, the deviation model may preferably be determined on the basis of a reference period with an operating condition substantially equal to the operating condition of the power plant during the operating cycle. Such an appropriate reference period may be selected on the basis of one or more selection criteria characteristic of a particular operating condition. In other words, the selection criteria may reflect the process parameters and/or procedures performed in the power plant that distinguish an operating condition. In addition, more than one deviation model can be determined, so that the expected deviations of a process parameter under different operating conditions can be determined.

[27] Volgens een uitvoeringsvorm kunnen één of meer selectiecriteria worden geïdentificeerd door een hoofdcomponentenanalyse, een clusteranalyse, en/of machinaal leren op de voorgaande gemeten waarden en/of instelpuntwaarden van de ten minste één procesparameter.[27] In one embodiment, one or more selection criteria may be identified by principal component analysis, cluster analysis, and/or machine learning on the previous measured values and/or set point values of the at least one process parameter.

[28] Met andere woorden, er kan een analyse worden uitgevoerd op voorgaande gemeten waarden en/of instelpuntwaarden van de ten minste één procesparameter om de selectiecriteria te identificeren die een werkingsomstandigheid bepalen of differentiëren. Dit heeft het voordeel dat eerder niet in aanmerking genomen selectiecriteria kunnen worden geïdentificeerd, wat resulteert in een verbeterde selectie van de referentieperiode.[28] In other words, an analysis may be performed on previous measured values and/or setpoint values of the at least one process parameter to identify the selection criteria that determine or differentiate an operating condition. This has the advantage that selection criteria previously not taken into account can be identified, resulting in an improved selection of the reference period.

[29] Volgens een tweede aspect heeft de uitvinding betrekking op een werkwijze voor het detecteren van een fout in een energiecentrale. De werkwijze kan het detecteren van een fout in de energiecentrale uit ten minste één procesparameter omvatten volgens het eerste aspect; en het informeren van een operator over de gedetecteerde fout.[29] In a second aspect, the invention relates to a method for detecting a fault in a power plant. The method may include detecting a fault in the power plant from at least one process parameter according to the first aspect; and informing an operator of the detected error.

[30] Een operator kan worden geïnformeerd door een alarm in werking te stellen, zoals bijvoorbeeld, onder andere, een waarschuwingslampje, een waarschuwingssignaal, of door een melding naar een apparaat te versturen. Als alternatief of aanvullend kan de detectie van een fout worden gecommuniceerd aan een ander algoritme, controller of apparaat dat de bron van de fout bepaalt en/of een passende actie bepaalt die een operator kan ondernemen.[30] An operator can be informed by triggering an alarm, such as, for example, a warning light, a warning signal, or by sending a notification to a device. Alternatively or additionally, the detection of an error can be communicated to another algorithm, controller or device that determines the source of the error and/or determines an appropriate action for an operator to take.

[31] Volgens een derde aspect heeft de uitvinding betrekking op een gegevensverwerkend systeem dat ingericht is om de computer geïmplementeerde werkwijze volgens het eerste aspect uit te voeren.[31] According to a third aspect, the invention relates to a data processing system arranged to perform the computer-implemented method according to the first aspect.

[32] Volgens een vierde aspect heeft de uitvinding betrekking op een computerprogramma dat instructies omvat die, wanneer het programma door een computer wordt uitgevoerd, de computer ertoe brengen de computer geïmplementeerde werkwijze volgens het eerste aspect uit te voeren.In a fourth aspect, the invention relates to a computer program comprising instructions which, when the program is executed by a computer, cause the computer to perform the computer-implemented method of the first aspect.

[33] Volgens een vijfde aspect heeft de uitvinding betrekking op een door een computer leesbaar medium dat instructies omvat die, wanneer uitgevoerd door een computer, de computer ertoe brengen de computer geïmplementeerde werkwijze volgens het eerste aspect uit te voeren.[33] According to a fifth aspect, the invention relates to a computer-readable medium comprising instructions which, when executed by a computer, cause the computer to perform the computer-implemented method of the first aspect.

Korte beschrijving van de figurenBrief description of the figures

[34] Fig. 1 toont een schematische voorstelling van een energiecentrale;[34] 1 shows a schematic representation of a power station;

[35] Fig. 2A toont een voorbeeld van gemeten waarden van een procesparameter in de tijd tijdens een werkingsperiode van een energiecentrale;[35] 2A shows an example of measured values of a process parameter over time during an operating period of a power plant;

[36] Fig. 2B toont een voorbeeld van gemeten waarden en instelpuntwaarden van een procesparameter in de tijd tijdens een deelperiode van de werkingsperiode van[36] 2B shows an example of measured values and set point values of a process parameter over time during a sub-period of the operating period of

Fig. 2A;fig. 2A;

[37] Fig. 2C toont de afwijkingen in de tĳd tussen gemeten waarden en instelpuntwaarden van een procesparameter;[37] 2C shows the deviations over time between measured values and set point values of a process parameter;

[38] Fig. 3 toont stappen volgens een computer geïmplementeerde werkwijze voor het detecteren van een fout in een energiecentrale uit ten minste één procesparameter volgens een uitvoeringsvorm;[38] 3 shows steps of a computer-implemented method for detecting a fault in a power plant from at least one process parameter according to an embodiment;

[39] Fig. 4 toont stappen van een werkingscyclus volgens een computer geïmplementeerde werkwijze voor het detecteren van een fout in een energiecentrale uit ten minste één procesparameter volgens een uitvoeringsvorm;[39] 4 shows operating cycle steps of a computer-implemented method for detecting a fault in a power plant from at least one process parameter according to an embodiment;

[40] Fig. 5 toont initialisatie stappen voor een computer geïmplementeerde werkwijze voor het detecteren van een fout in een energiecentrale uit ten minste één procesparameter volgens een uitvoeringsvorm;[40] 5 shows initialization steps for a computer-implemented method for detecting a fault in a power plant from at least one process parameter according to an embodiment;

[41] Fig. GA toont stappen volgens een werkwijze voor het detecteren van een fout in een energiecentrale uit een enkele procesparameter volgens een uitvoeringsvorm;[41] GA shows steps of a method of detecting a power plant fault from a single process parameter according to an embodiment;

[42] Fig. GB toont stappen volgens een werkwijze voor het detecteren van een fout in een energiecentrale uit een veelheid van procesparameters volgens een uitvoeringsvorm;[42] GB shows steps of a method of detecting a power plant fault from a plurality of process parameters according to an embodiment;

[43] Fig. 6C toont stappen volgens een werkwijze voor het detecteren van een fout in een energiecentrale uit een veelvoud van procesparameters volgens een uitvoeringsvorm; en[43] 6C shows steps of a method of detecting a fault in a power plant from a plurality of process parameters according to an embodiment; and

[44] Fig. 7 toont een voorbeeld uitvoeringsvorm van een geschikt computersysteem voor het uitvoeren van stappen volgens voorbeeld aspecten van de uitvinding.[44] 7 shows an exemplary embodiment of a suitable computer system for performing steps according to exemplary aspects of the invention.

Gedetailleerde beschrijving van uitvoeringsvorm(en)Detailed description of embodiment(s)

[45] Fig. 1 toont een schematische voorstelling van een energiecentrale 100. Een energiecentrale 100 kan elke installatie zijn die een brandstof 101 verbrandt om elektrische energie, nuttige warmte, of beide op te wekken. Een dergelijke brandstof 101 kan bijvoorbeeld, onder andere, steenkool, aardgas, biomassa, stedelijk afval, industrieel afval, een combinatie daarvan, of elke andere geschikte brandstof zijn gekend door de vakman. Brandstof 101 wordt gewoonlijk verbrand in een ketel 102, waarbij hete verbrandingsgassen worden gevormd. De ketel 102 kan één of meerdere warmtewisselaars (niet getoond in Fig. 1) omvatten, die zich in het stromingstraject van de verbrandingsgassen bevinden. Zodoende kan de verbrandingswarmte van de verbrandingsgassen worden overgebracht op voedingswater 103 dat door de buizen van de warmtewisselaar stroomt. Het voedingswater 103 kan door de warmtewisselaars worden gepompt, bijvoorbeeld vanuit een reservoir of een natuurlijke waterbron. Het voedingswater 103 kan, maar hoeft niet, voorverwarmd te worden door een voedingswaterverwarmer 104 tot voorverwarmd voedingswater 110 voordat het de ketel 102 binnengaat.[45] 1 shows a schematic representation of a power plant 100. A power plant 100 can be any facility that burns a fuel 101 to generate electrical energy, useful heat, or both. For example, such a fuel 101 may be, among others, coal, natural gas, biomass, municipal waste, industrial waste, a combination thereof, or any other suitable fuel known to those skilled in the art. Fuel 101 is usually burned in a boiler 102, producing hot combustion gases. The boiler 102 may include one or more heat exchangers (not shown in Fig. 1) located in the flow path of the combustion gases. Thus, the heat of combustion of the combustion gases can be transferred to feed water 103 flowing through the tubes of the heat exchanger. The feed water 103 can be pumped through the heat exchangers, for example from a reservoir or a natural water source. The feed water 103 may, but need not, be preheated by a feed water heater 104 to preheated feed water 110 before entering the boiler 102 .

[46] Door de overgebrachte warmte kan het voorverwarmde voedingswater 110 in de warmtewisselaars worden verwarmd tot bijvoorbeeld heet water, stoom, verzadigde stoom, of oververhitte stoom. De gegenereerde stoom 111 kan bijvoorbeeld worden gebruikt om een stoomturbine 105 aan te drijven die is aangesloten op een generator, waardoor elektrische energie wordt opgewekt. De opgewekte elektrische energie kan bijvoorbeeld worden geleverd aan een lokaal elektriciteitsnet of een elektriciteitsnet 1606. Als alternatief of aanvullend kan de gegenereerde stoom 111 en/of warm water 111 worden gebruikt als de nuttige warmte in bijvoorbeeld warmtedistributie of een lokaal warmtenet. Met andere woorden, de output van een thermische centrale kan elektrische energie, nuttige warmte of een combinatie daarvan omvatten, d.w.z. warmtekrachtkoppeling.[46] The heat transferred allows the preheated feed water 110 to be heated in the heat exchangers to, for example, hot water, steam, saturated steam, or superheated steam. For example, the generated steam 111 can be used to drive a steam turbine 105 connected to a generator, generating electrical energy. The generated electrical energy can, for example, be supplied to a local electricity grid or an electricity grid 1606. Alternatively or additionally, the generated steam 111 and/or hot water 111 can be used as the useful heat in, for instance, heat distribution or a local heat network. In other words, the output of a thermal power plant can include electrical energy, useful heat or a combination thereof, i.e. cogeneration.

[47] De benodigde energie om het voedingswater 103 voor te verwarmen tot voorverwarmd voedingswater 110 in de voedingswaterverwarmer 104 kan worden verkregen uit stoom die wordt onttrokken 107 tussen de stadia van de stoomturbine 105, b.v. tussen een hogedrukturbine en een lagedrukturbine. De thermische centrale 100 kan verder een stoomcondensor 108 omvatten die de lagedrukstoom 109 die de stoomturbine 105 verlaat condenseert tot een vloeistof, d.w.z. condensaatwater 112.The energy required to preheat the feed water 103 to preheated feed water 110 in the feed water heater 104 can be obtained from steam withdrawn 107 between stages of the steam turbine 105, e.g. between a high pressure turbine and a low pressure turbine. The thermal power plant 100 may further include a steam condenser 108 which condenses the low-pressure steam 109 exiting the steam turbine 105 into a liquid, i.e. condensate water 112.

Dit condensaatwater 112 kan verder worden hergebruikt als deel van het voedingswater 103.This condensate water 112 can be further reused as part of the feed water 103.

[48] De energiecentrale 100 kan verder ten minste één sensor 113, 114 omvatten die ingericht is om ten minste één procesparameter van de energiecentrale 100 te bepalen en/of te meten. Een procesparameter kan elke variabele zijn die verband houdt met de werking van de energiecentrale 100 zoals bijvoorbeeld , onder andere, opgewekt vermogen, opgewekte energie, debiet van recirculerend gas, temperatuur van stoom, stoomdruk, stoomdebiet, temperatuur van rookgas, temperatuur van de vuurhaard, verbrandingsluchtdebiet, voedingswaterdruk, koelwatertemperatuur, of waterdebiet.[48] The power plant 100 may further comprise at least one sensor 113, 114 adapted to determine and/or measure at least one process parameter of the power plant 100. A process parameter can be any variable related to the operation of the power plant 100 such as, for example, among others, generated power, generated energy, flow rate of recirculating gas, temperature of steam, steam pressure, steam flow rate, temperature of flue gas, temperature of the furnace, combustion air flow rate, feed water pressure, cooling water temperature, or water flow rate.

[49] Fig. 2A toont een voorbeeld van gemeten waarden van een procesparameter 211 in de tijd tijdens een werkingsperiode 210 van een energiecentrale. De gemeten waarde van een procesparameter kan de werkelijke waarde voor die procesparameter op een bepaalde tijdstap zijn. De gemeten waarden 211 van een procesparameter kunnen worden verkregen door directe meting, bijvoorbeeld een directe meting van de voedingswaterdruk of de stoomtemperatuur, respectievelijk gemeten door sensor 113 en 114 in Fig. 1. Als alternatief kunnen de gemeten waarden 211 van een procesparameter worden verkregen door indirecte meting, berekening, of modellering.[49] 2A shows an example of measured values of a process parameter 211 over time during an operating period 210 of a power plant. The measured value of a process parameter can be the actual value for that process parameter at a given time step. The measured values 211 of a process parameter can be obtained by direct measurement, for example a direct measurement of the feed water pressure or the steam temperature, measured by sensors 113 and 114 in Figs. 1. Alternatively, the measured values 211 of a process parameter can be obtained by indirect measurement, calculation, or modeling.

Zodoende kunnen de gemeten waarden 211 van een procesparameter gebaseerd zijn op directe metingen van andere procesparameters en/of variabelen extern aan de energiecentrale. Zo kan bijvoorbeeld het stoomdebiet van de gegenereerde stoom indirect worden verkregen uit directe metingen van de stoomtemperatuur en de stoomdruk.Thus, the measured values 211 of a process parameter may be based on direct measurements of other process parameters and/or variables external to the power plant. For example, the steam flow rate of the generated steam can be obtained indirectly from direct measurements of the steam temperature and steam pressure.

[50] Fig. 2B toont een voorbeeld van gemeten waarden 211 en instelpuntwaarden 221 van een procesparameter in de tĳd tijdens een deelperiode 220 van werkingsperiode 210. De instelpuntwaarde 221 van een procesparameter is de gewenste waarde voor die procesparameter op een bepaalde tijdstap. De instelpuntwaarde 221 kan continu in de tĳd worden aangepast, zodat de energiecentrale bijvoorbeeld een constant opgewekt vermogen behoudt. Zodoende kunnen de gemeten waarden 211 van een procesparameter wezenlijk afwijken van hun respectievelijke in de tjd variërende instelpuntwaarden 221, bijvoorbeeld als gevolg van transiënten of invloeden extern aan de energiecentrale.[50] Figs. 2B shows an example of measured values 211 and set point values 221 of a process parameter over time during a sub-period 220 of operating period 210. The set point value 221 of a process parameter is the desired value for that process parameter at a particular time step. The setpoint value 221 can be continuously adjusted over time, so that the power plant maintains a constant generated power, for example. Thus, the measured values 211 of a process parameter may deviate substantially from their respective time-varying set point values 221, for example due to transients or influences external to the power plant.

[51] Fig. 2C toont de afwijkingen 231 in de tijd tussen de gemeten waarden 211 en de instelpuntwaarden 221 van een procesparameter. In elke tijdstap kan de afwijking 231 van de procesparameter een verwachte afwijking 241 die verband houdt met de foutloze werking van de energiecentrale en een residu 242 omvatten, d.w.z. het gedeelte van de afwijking 231 dat geen verband houdt met de foutloze werking van de energiecentrale. Deze residuen 242 kunnen indicatief zijn voor, onder andere, toevallige fouten, meetfouten, modelleringsfouten, en/of fouten in de centrale. Een fout kan elke oorzaak zijn die resulteert in de onjuiste werking van de centrale, bv. defecten, schade, vervuiling of degradatie. Een fout kan verder ook een van de componenten of processen in een energiecentrale aantasten. Dergelijke fouten kunnen resulteren in een suboptimale werking en prestaties van de energiecentrale. Wanneer ze niet worden gecontroleerd of gedetecteerd, kunnen deze fouten verder resulteren in onomkeerbare schade en uiteindelijk in het uitvallen van de energiecentrale.[51] 2C shows the time deviations 231 between the measured values 211 and the set point values 221 of a process parameter. In each time step, the process parameter deviation 231 may include an expected deviation 241 related to the error-free operation of the power plant and a residual 242, i.e., the portion of the deviation 231 not related to the error-free operation of the power plant. These residuals 242 may be indicative of, among other things, random errors, measurement errors, modeling errors, and/or errors in the plant. A fault can be any cause that results in the incorrect operation of the control panel, e.g. defects, damage, contamination or degradation. A fault can also affect one of the components or processes in a power plant. Such errors can result in sub-optimal operation and performance of the power plant. When left unchecked or detected, these faults can further result in irreversible damage and ultimately in the failure of the power plant.

[52] Fig. 3 toont stappen volgens een computer geïmplementeerde werkwijze 300 voor het detecteren van een fout in een energiecentrale uit ten minste één procesparameter volgens een uitvoeringsvorm. In de initialisatie stap 310 worden eerder gemonitorde gemeten meetwaarden en instelpuntwaarden 312 van de ten minste één procesparameter opgehaald, bijv. geladen uit een database. Deze waarden 312 kunnen zijn gemonitord en opgeslagen tijdens een voorafgaande periode die wordt gekenmerkt door de wezenlijk foutloze werking van de energiecentrale, d.w.z. een referentieperiode 311.[52] 3 shows steps of a computer-implemented method 300 for detecting a power plant fault from at least one process parameter according to an embodiment. In the initialization step 310, previously monitored measured measurement values and set point values 312 of the at least one process parameter are retrieved, e.g. loaded from a database. These values 312 may have been monitored and stored during a previous period characterized by the substantially error-free operation of the power plant, i.e. a reference period 311.

[53] In de volgende stap 313 wordt een afwijkingsmodel voor de ten minste één procesparameter bepaald op basis van de voorgaande waarden 312 van de procesparameter die tijdens de referentieperiode 311 zijn gemonitord. Zo kan bijvoorbeeld het afwijkingsmodel voor de druk van het voedingswater bepaald zijn op basis van voorgaande waarden van de druk van het voedingswater. Als alternatief of aanvullend kan het afwijkingsmodel voor de ten minste één procesparameter worden bepaald op basis van ten minste één bijkomende procesparameter. Zo kan bijvoorbeeld het afwijkingsmodel voor de druk van het voedingswater worden bepaald op basis van voorgaande waarden van de druk van het voedingswater, de temperatuur van de stoom en het debiet van de stoom. Het afwijkingsmodel kan verder worden bepaald op basis van ten minste één bijkomende variabele die extern is aan de energiecentrale, bijvoorbeeld de weersomstandigheden. Het bepalen van het afwijkingsmodel voor een procesparameter op basis van bijkomende procesparameters en/of variabelen kan resulteren in een nauwkeuriger model en kan daardoor de foutdetectie verbeteren.[53] In the next step 313, a deviation model for the at least one process parameter is determined based on the previous values 312 of the process parameter monitored during the reference period 311. For example, the feed water pressure deviation model may have been determined based on previous feed water pressure values. Alternatively or additionally, the deviation model for the at least one process parameter can be determined on the basis of at least one additional process parameter. For example, the anomaly model for the feed water pressure can be determined based on previous values of the feed water pressure, the temperature of the steam and the flow rate of the steam. The deviation model can be further determined based on at least one additional variable that is external to the power plant, for example the weather conditions. Determining the deviation model for a process parameter based on additional process parameters and/or variables can result in a more accurate model and can therefore improve error detection.

[54] Het bepaalde afwijkingsmodel laat toe om de verwachte afwijkingen in de tijd te bepalen 324 tijdens de werkingscyclus 320, d.w.z. tijdens een periode van normale werking van de energiecentrale. De verwachte afwijking van een procesparameter is het verschil tussen de gemeten waarde 321 en de instelpuntwaarde 322 van die procesparameter die verband houdt met de foutloze werking van de centrale. Met andere woorden, het bepaalde afwijkingsmodel 313 laat toe om de afwijkingen in de tijd 324 te bepalen alsof fouten afwezig zijn tijdens de werking van de centrale, d.w.z. tijdens de werkingscyclus 320.[54] The determined deviation model allows to determine the expected deviations in time 324 during the duty cycle 320, i.e. during a period of normal operation of the power plant. The expected deviation of a process parameter is the difference between the measured value 321 and the set point value 322 of that process parameter associated with the error-free operation of the control panel. In other words, the determined anomaly model 313 allows to determine the anomalies over time 324 as if errors were absent during the operation of the control panel, i.e. during the operating cycle 320.

[55] Bij voorkeur is het afwijkingsmodel een autoregressief model dat toelaat om toekomstige verwachte afwijkingen tijdens de werkingscyclus 320 te voorspellen op basis van voorgaande verwachte afwijkingen, d.w.z. de inputs van het autoregressief afwijkingsmodel. Deze inputs kunnen voorgaande verwachte afwijkingen of voorgaande gemeten waarden en instelpuntwaarden 312 zijn, gemonitord tijdens de referentieperiode 311. Als alternatief of aanvullend kunnen deze inputs voorgaande verwachte afwijkingen zijn die door het afwijkingsmodel in een voorafgaande tijdstap van de werkingscyclus 320 zijn bepaald. Met andere woorden, een output van het afwijkingsmodel in een bepaalde tijdstap kan worden gebruikt als input voor het model in een volgende tijdstap. De voorspellingshorizon van het afwijkingsmodel kan verder één of meer tijdstappen zijn.[55] Preferably, the deviation model is an autoregressive model that allows predicting future expected deviations during the duty cycle 320 based on previous expected deviations, i.e., the inputs of the autoregressive deviation model. These inputs can be previous expected deviations or previous measured values and set point values 312 monitored during the reference period 311. Alternatively or additionally, these inputs can be previous expected deviations determined by the deviation model in a previous time step of the duty cycle 320 . In other words, an output of the deviation model in a certain time step can be used as an input to the model in a subsequent time step. The prediction horizon of the anomaly model may further be one or more time steps.

[56] Het afwijkingsmodel kan elk type autoregressief model zijn, zoals bijvoorbeeld, onder andere, een standaard autoregressief, AR, model, een autoregressief voortschrijdend gemiddelde, ARMA, model, een autoregressief geïntegreerd voortschrijdend gemiddelde, ARIMA, model, of een vector autoregressief, VAR, model.[56] The anomaly model can be any type of autoregressive model, such as, for example, a standard autoregressive, AR, model, an autoregressive moving average, ARMA, model, an autoregressive integrated moving average, ARIMA, model, or a vector autoregressive, VARS, model.

Als alternatief kan het afwijkingsmodel elk ander type tijdreeksmodel zijn, zoals bijvoorbeeld een voortschrijdend gemiddelde model, een exponentieel afvlakking model, een causaal model, of een voorspellingsmodel getraind door machinaal leren.Alternatively, the anomaly model can be any other type of time series model, such as, for example, a moving average model, an exponential smoothing model, a causal model, or a machine learning-trained prediction model.

[57] Het afwijkingsmodel kan verder worden verbeterd door hoofdcomponentenanalyse, clusteranalyse en/of machinaal leren, bv. door het aantal variabelen te verminderen. Dit kan resulteren in een efficiënter afwijkingsmodel dat toelaat om een veelheid van afwijkingsmodellen in parallel te gebruiken met relatief beperkte rekenkracht, bv. om fouten in een veelvoud van procesparameters wezenlijk gelijktijdig te detecteren. Deze technieken, d.w.z. hoofdcomponentenanalyse, clusteranalyse en/of machinaal leren, kunnen ook worden gebruikt om bijkomende inputs of regressoren voor het afwijkingsmodel te identificeren die de door het afwijkingsmodel bepaalde verwachte afwijking, d.w.z. de output van het autoregressief afwijkingsmodel, kunnen verbeteren.[57] The deviation model can be further improved by principal component analysis, cluster analysis and/or machine learning, e.g. by reducing the number of variables. This can result in a more efficient deviation model that allows a plurality of deviation models to be used in parallel with relatively limited computational power, e.g. to detect errors in a plurality of process parameters substantially simultaneously. These techniques, i.e. principal component analysis, cluster analysis and/or machine learning, can also be used to identify additional inputs or regressors to the deviation model that can improve the expected deviation determined by the deviation model, i.e. the output of the autoregressive deviation model.

[58] Tijdens de werkingscyclus 320, d.w.z. tijdens de werking van de energiecentrale, worden de afwijkingen in de tijd D(t) van de gemeten waarden 321 van de instelpuntwaarden 322 bepaald in stap 323. Bijvoorbeeld, de afwijkingen in de tjd D(t) kunnen worden bepaald 323 door het berekenen van het verschil tussen de gemeten waarden 321 en de respectievelijke instelpuntwaarden 322, of omgekeerd.[58] During the duty cycle 320, i.e. during the operation of the power plant, the deviations in time D(t) of the measured values 321 from the set point values 322 are determined in step 323. For example, the deviations in time D(t ) can be determined 323 by calculating the difference between the measured values 321 and the respective set point values 322, or vice versa.

In een volgende stap 324 worden de verwachte afwijkingen in de tijd De‚p(t) bepaald door het afwijkingsmodel dat tijdens de initialisatie stap 310 opgesteld is.In a next step 324, the expected deviations in time De,p(t) are determined by the deviation model that has been set up during the initialization step 310 .

[59] Vervolgens worden de residuen in de tijd r(t) in stap 325 bepaald op basis van het verschil tussen de afwijkingen in de tijd D(t) en de verwachte afwijkingen in de tijd[59] Subsequently, the residuals in time r(t) are determined in step 325 based on the difference between the deviations in time D(t) and the expected deviations in time

Dexp(t). Door het bepalen 325 van de residuen in de tijd r(t) wordt de statistische afhankelijkheid en/of autocorrelatie tussen opeenvolgende waarden van de afwijkingen in de tijd D(t) wezenlijk verwijderd. Bovendien worden de residuen in de tĳd r(t) gekenmerkt door stationairiteit, d.w.z. dat zij een wezenlijk constant gemiddelde en variantie hebben. Dit laat toe om een betrouwbare statistische analyse van de residuen in de tijd r(t) uit te voeren in stap 326 voor het detecteren van een fout in de energiecentrale. Met andere woorden, door de statistische analyse 326 kunnen de residuen die indicatief zijn voor een fout worden onderscheiden van de residuen die dat niet zijn, waardoor een fout 327 in de centrale kan worden gedetecteerd.Dexp(t). By determining 325 the residuals over time r(t) the statistical dependence and/or autocorrelation between successive values of the deviations over time D(t) is substantially removed. In addition, the residuals over time r(t) are characterized by stationarity, i.e. they have a substantially constant mean and variance. This allows to perform a reliable statistical analysis of the residuals over time r(t) in step 326 for detecting a fault in the power plant. In other words, the statistical analysis 326 allows the residuals that are indicative of an error to be distinguished from those that are not, allowing an error 327 to be detected in the exchange.

[60] De statistische analyse 326 kan het detecteren van uitschieters van de residuen in de tjd 7(t) omvatten die indicatief zijn voor een fout in de energiecentrale. Met andere woorden, residuwaarden die wezenlijk groter of wezenlijk kleiner zijn ten opzichte van een meerderheid van de residuwaarden in de tijd, d.w.z. uitschieters, kunnen een indicatie zijn van een onjuiste werking van de energiecentrale.[60] The statistical analysis 326 may include detecting outliers of the residuals in time 7(t) indicative of a power plant fault. In other words, residual values that are substantially larger or substantially smaller than a majority of residual values over time, i.e., outliers, may indicate improper power plant operation.

[61] De bovengenoemde werkwijze 300 kan het detecteren van fouten in een energiecentrale verbeteren, in het bijzonder in een vroeg stadium van falen wanneer fouten in de procesparameters minder opvallend zijn. Het is een voordeel dat de planning van het onderhoud kan worden verbeterd, bijvoorbeeld door alleen onderhoud en/of inspecties van de energiecentrale uit te voeren wanneer fouten worden gedetecteerd. Dit kan de onderhoudskosten verlagen door overmatig onderhoud of inspecties te vermijden. Bovendien kan de levensduur van een energiecentrale worden verlengd omdat het detecteren van fouten verbeterd is.[61] The above method 300 can improve fault detection in a power plant, especially at an early stage of failure when errors in the process parameters are less noticeable. It is an advantage that maintenance planning can be improved, for example by only carrying out maintenance and/or inspections of the power plant when faults are detected. This can reduce maintenance costs by avoiding excessive maintenance or inspections. In addition, the life of a power plant can be extended because fault detection has been improved.

Zodoende kan onvoldoende onderhoud worden vermeden door tijdig onderhoud en/of inspectie van de energiecentrale. Het is een verder voordeel dat de bovengenoemde werkwijze gemakkelijk in een bestaande energiecentrale kan worden geïmplementeerd, aangezien de werkwijze kan worden toegepast zonder wezenlijke wijzigingen of toevoegingen aan de bestaande infrastructuur van de energiecentrale.In this way insufficient maintenance can be avoided by timely maintenance and/or inspection of the power plant. It is a further advantage that the above method can be easily implemented in an existing power plant, since the method can be applied without substantial changes or additions to the existing infrastructure of the power plant.

[62] Fig. 4 toont stappen 400 van de werkingscyclus volgens een computer geïmplementeerde werkwijze voor het detecteren van een fout in een energiecentrale uit ten minste één procesparameter volgens een uitvoeringsvorm. Fig. 4 toont in het bijzonder bijkomende stappen 401, 402, 403, 404 die tijdens de werkingscyclus kunnen worden uitgevoerd. In een eerste stap 401 van de werkingscyclus 320 kunnen de gemeten waarden 321 en de instelpuntwaarden 322 van de ten minste één procesparameter worden verkregen. De gemeten waarden 321 van de procesparameter kunnen worden verkregen door directe meting, bijvoorbeeld van de gastemperatuur of de stoomdruk. Als alternatief kunnen de gemeten waarden 321 van de procesparameter worden verkregen door indirecte meting, berekening of modellering op basis van directe metingen van andere procesparameters en/of variabelen extern aan de energiecentrale, bv. omgevingstemperatuur. De instelpuntwaarden 322 kunnen bijvoorbeeld worden ontvangen van een regelaar die de instelpuntwaarden van een procesparameter in de energiecentrale regelt. De instelpuntwaarden 322 kunnen verder handmatig worden aangepast door een operator van de energiecentrale, of kunnen worden berekend op basis van andere variabelen.[62] 4 shows steps 400 of the operating cycle of a computer-implemented method for detecting a fault in a power plant from at least one process parameter according to an embodiment. fig. In particular, Figure 4 shows additional steps 401, 402, 403, 404 that may be performed during the operating cycle. In a first step 401 of the duty cycle 320, the measured values 321 and the set point values 322 of the at least one process parameter can be obtained. The measured values 321 of the process parameter can be obtained by direct measurement, for example of the gas temperature or the steam pressure. Alternatively, the measured values 321 of the process parameter can be obtained by indirect measurement, calculation or modeling based on direct measurements of other process parameters and/or variables external to the power plant, e.g. ambient temperature. For example, the set point values 322 may be received from a controller that controls the set point values of a process parameter in the power plant. The set point values 322 may further be manually adjusted by a power plant operator, or may be calculated based on other variables.

[63] Vervolgens worden in stap 325 de residuen in de tijd 412 bepaald op basis van het verschil tussen de afwijkingen in tijd D(t) 323 en de verwachte afwijkingen in de tijd Dexp(t) 324 zoals hierboven beschreven. In een volgende stap 326 wordt de statistische analyse 326 uitgevoerd. Een eerste stap 402 van de statistische analyse 326 kan het opsporen van kritieke gebeurtenissen 411 omvatten, die indicatief zijn voor uitschieters van de residuen in de tijd 412 die buiten vooraf bepaalde controlegrenzen 413, 414 vallen. Een kritieke gebeurtenis 411 kan dus een residuwaarde 412 zijn die buiten de vooraf bepaalde controlegrenzen 413, 414 valt, bijv. een ondergrens 414 en een bovengrens 413.[63] Next, in step 325, the residuals in time 412 are determined based on the difference between the deviations in time D(t) 323 and the expected deviations in time Dexp(t) 324 as described above. In a next step 326, the statistical analysis 326 is performed. A first step 402 of the statistical analysis 326 may include detecting critical events 411 indicative of outliers of the residuals over time 412 falling outside predetermined control limits 413, 414 . Thus, a critical event 411 may be a residual value 412 that falls outside the predetermined control limits 413, 414, e.g. a lower limit 414 and an upper limit 413.

[64] Deze controlegrenzen 413, 414 kunnen vooraf bepaald zijn volgens de werkingsomstandigheid van de energiecentrale. De werkingsomstandigheid bepaalt hoe de centrale functioneert en presteert. Een werkingsomstandigheid kan worden bepaald door de procesparameters en de uitgevoerde procedures in de energiecentrale, bijvoorbeeld roetblazen, het verversen van zand, het uitvoeren van een inspectie en/of het uitvoeren van een onderhoud. Een werkingsomstandigheid kan verder worden bepaald door andere operationele informatie van de energiecentrale, zoals bijvoorbeeld het type opgewekte energie, d.w.z. nuttige warmte of elektrische energie, de relatieve verdeling tussen de types opgewekte energie, de omgevingstemperatuur, de weersomstandigheden, het type brandstof, de brandstofkwaliteit, de brandstofsamenstelling, of de voedingswatersamenstelling.[64] These control limits 413, 414 may be predetermined according to the operating condition of the power plant. The operating condition determines how the panel functions and performs. An operating condition can be determined by the process parameters and the procedures performed in the power plant, for example soot blowing, sand change, inspection and/or maintenance. An operating condition can be further determined by other operational information of the power plant, such as, for example, the type of generated energy, i.e. useful heat or electrical energy, the relative distribution between the types of generated energy, the ambient temperature, the weather conditions, the type of fuel, the fuel quality, the fuel composition, or the feed water composition.

[65] De controlegrenzen 413, 414 kunnen tijdens een werkingscyclus van de centrale vastgesteld zijn. Als alternatief kunnen de controlegrenzen 413, 414 worden geselecteerd uit een groep van vooraf bepaalde controlegrenzen volgens de huidige werkingsomstandigheid van de energiecentrale. Met andere woorden, de controlegrenzen 413, 414 kunnen worden aangepast of geselecteerd volgens veranderingen in de werkingsomstandigheid van de energiecentrale. Dit heeft het voordeel dat fouten betrouwbaarder kunnen worden gedetecteerd onder verschillende werkingsomstandigheid van de energiecentrale.[65] The control limits 413, 414 may be established during an operating cycle of the control panel. Alternatively, the control limits 413, 414 may be selected from a group of predetermined control limits according to the current operating condition of the power plant. In other words, the control limits 413, 414 can be adjusted or selected according to changes in the operating condition of the power plant. This has the advantage that faults can be detected more reliably under different operating condition of the power plant.

[66] In een tweede stap 403 van de statistische analyse 326 kan ten minste één statistiek 421 van de kritieke gebeurtenissen 411 in de tjd worden gevolgd. De statistiek 421 kan onder andere het aantal kritieke gebeurtenissen 411, de frequentie van kritieke gebeurtenissen 411, de frequentieverdeling van kritieke gebeurtenissen 411 in een tijdsperiode, en/of de ernst van kritieke gebeurtenissen 411 omvatten. In een laatste stap 404 van de statistische analyse 326 wordt een fout 327 gedetecteerd uit de gevolgde statistiek 421 wanneer deze een vooraf bepaalde drempelwaarde 422 overstijgt. De drempelwaarde 422 kan vooraf bepaald zijn volgens de gevolgde statistiek 421, bijv. de drempelwaarde 422 kan een maximum aantal gedetecteerde kritieke gebeurtenissen 411 per dag zijn wanneer de gevolgde statistiek 421 het aantal kritieke gebeurtenissen 411 per dag is.[66] In a second step 403 of the statistical analysis 326, at least one statistic 421 of the critical events 411 can be tracked over time. The statistic 421 may include the number of critical events 411, the frequency of critical events 411, the frequency distribution of critical events 411 in a time period, and/or the severity of critical events 411, among others. In a final step 404 of the statistical analysis 326, an error 327 is detected from the tracked statistic 421 when it exceeds a predetermined threshold value 422 . The threshold value 422 may be predetermined according to the tracked statistic 421, e.g. the threshold value 422 may be a maximum number of detected critical events 411 per day when the tracked statistic 421 is the number of critical events 411 per day.

[67] Een fout 327 enkel detecteren wanneer een gevolgde statistiek 421 van de kritieke gebeurtenissen 411 in de tĳd een vooraf bepaalde drempelwaarde 422 overstijgt laat verder toe om kritieke gebeurtenissen 411 te detecteren zonder telkens een fout te detecteren. Zodoende kan de vooraf bepaalde drempelwaarde 422 verder worden aangepast om een gewenst evenwicht tussen vroege foutdetectie en het aantal gedetecteerde fouten mogelijk te maken. Dit heeft het voordeel dat overmatige en valse foutdetectie kan worden vermeden.[67] Detecting an error 327 only when a tracked statistic 421 of the critical events 411 over time exceeds a predetermined threshold 422 further allows to detect critical events 411 without detecting an error each time. Thus, the predetermined threshold value 422 can be further adjusted to allow for a desired balance between early error detection and the number of errors detected. This has the advantage that excessive and false error detection can be avoided.

[68] Fig. 5 toont initialisatie stappen 500 voor een computer geïmplementeerde werkwijze voor het detecteren van een fout in een energiecentrale uit ten minste één procesparameter volgens een uitvoeringsvorm. Fig. 5 toont in het bijzonder bijkomende stappen 501, 502, 503, 504 die tijdens de initialisatie stap kunnen worden uitgevoerd. De referentieperiode waarop het afwijkingsmodel is gebaseerd, wordt gekenmerkt door de wezenlijk foutloze werking van de energiecentrale. Bovendien kan de referentieperiode verder worden gekenmerkt door één of meer selectiecriteria die de werkingsomstandigheid van de energiecentrale tijdens de referentieperiode bepalen. Met andere woorden, de selectiecriteria kunnen de procesparameters, uitgevoerde procedures, en/of operationele informatie van de energiecentrale weergeven die een werkingsomstandigheid onderscheiden.[68] 5 shows initialization steps 500 for a computer-implemented method for detecting a fault in a power plant from at least one process parameter according to an embodiment. fig. In particular, Figure 5 shows additional steps 501, 502, 503, 504 that may be performed during the initialization step. The reference period on which the deviation model is based is characterized by the essentially error-free operation of the power plant. In addition, the reference period may be further characterized by one or more selection criteria that determine the operating condition of the power plant during the reference period. In other words, the selection criteria may reflect the process parameters, procedures performed, and/or power plant operational information that distinguish an operating condition.

[69] Het afwijkingsmodel kan bij voorkeur worden bepaald op basis van een referentieperiode met een werkingsomstandigheid die wezenlijk vergelijkbaar is met de werkingsomstandigheid van de energiecentrale tijdens de werkingscyclus. Een dergelijke geschikte referentieperiode kan worden geselecteerd uit voorgaande waarden van de procesparameter in stap 502. Het selecteren 502 van een referentieperiode kan dus gebaseerd zijn op één of meer selectiecriteria die kenmerkend zijn voor een gewenste werkingsomstandigheid.[69] The deviation model can preferably be determined on the basis of a reference period with an operating condition substantially comparable to the operating condition of the power plant during the operating cycle. Such an appropriate reference period may be selected from previous values of the process parameter in step 502. Thus, selection 502 of a reference period may be based on one or more selection criteria indicative of a desired operating condition.

[70] De selectiecriteria kunnen verder worden geïdentificeerd in een voorafgaande stap 501. Met andere woorden, er kan een analyse worden uitgevoerd op voorgaande gemeten waarden en/of instelpuntwaarden van de procesparameter om de selectiecriteria te identificeren die een werkingsomstandigheid bepalen of differentiëren. De selectiecriteria kunnen bijvoorbeeld worden geïdentificeerd uit de voorgaande waarden van een procesparameter door een hoofdcomponentenanalyse, een clusteranalyse, en/of machinaal leren. Dit heeft het voordeel dat selectiecriteria die eerder niet in aanmerking genomen werden kunnen worden geïdentificeerd, wat resulteert in een verbeterde selectie 502 van de referentieperiode.[70] The selection criteria may be further identified in a preliminary step 501. In other words, an analysis may be performed on previous measured values and/or setpoint values of the process parameter to identify the selection criteria that determine or differentiate an operating condition. For example, the selection criteria can be identified from the previous values of a process parameter by principal component analysis, cluster analysis, and/or machine learning. This has the advantage that selection criteria previously not taken into account can be identified, resulting in an improved selection 502 of the reference period.

[71] In een volgende stap 312 kunnen de voorgaande gemeten waarden en instelpuntwaarden van de procesparameter tijdens de geselecteerde referentieperiode 502 worden opgehaald. In een volgende stap 313 wordt een afwijkingsmodel voor de procesparameter bepaald zoals hierboven beschreven. Het bepaalde afwijkingsmodel kan dan worden gebruikt voor het bepalen van de verwachte afwijkingen in de tijd van de procesparameter tijdens een werkingscyclus 505 met een werkingsomstandigheid die wezenlijk vergelijkbaar is met de geselecteerde referentieperiode. Bovendien kan meer dan één afwijkingsmodel voor dezelfde procesparameter worden bepaald op basis van referentieperioden die door verschillende selectiecriteria worden gekenmerkt. Door de verschillende afwijkingsmodellen kunnen de verwachte afwijkingen van die procesparameter onder verschillende werkingsomstandigheden van de energiecentrale worden bepaald.[71] In a next step 312, the previous measured values and set point values of the process parameter during the selected reference period 502 can be retrieved. In a next step 313, a deviation model for the process parameter is determined as described above. The determined deviation model can then be used to determine the expected deviations over time of the process parameter during an operating cycle 505 with an operating condition substantially comparable to the selected reference period. In addition, more than one deviation model for the same process parameter can be determined based on reference periods characterized by different selection criteria. Due to the different deviation models, the expected deviations of that process parameter under different operating conditions of the power plant can be determined.

[72] In een volgende stap 503 kan het bepaalde afwijkingsmodel worden gebruikt om de residuen in de tijd van de geselecteerde referentieperiode 502 te bepalen.[72] In a next step 503, the determined deviation model can be used to determine the residuals over time of the selected reference period 502.

Aangezien de referentieperiode wordt gekenmerkt door de wezenlijk foutloze werking van de energiecentrale, zijn deze bepaalde residuen wezenlijk indicatief voor andere fouten, bv. toevallige fouten, meetfouten en modelleringsfouten. Dergelijke fouten kunnen bijvoorbeeld het gedeelte van de afwijking tijdens de referentieperiode uitdrukken dat niet door het bepaalde afwijkingsmodel kan worden gemodelleerd of gefit. Met andere woorden, de fouten kunnen de discrepantie zijn tussen de verwachte afwijking bepaald door het afwijkingsmodel en de waargenomen afwijking tijdens de referentieperiode.Since the reference period is characterized by the essentially error-free operation of the power plant, these determined residuals are essentially indicative of other errors, e.g. random errors, measurement errors and modeling errors. For example, such errors may express the portion of the deviation during the reference period that cannot be modeled or fitted by the particular deviation model. In other words, the errors can be the discrepancy between the expected deviation determined by the deviation model and the observed deviation during the reference period.

[73] In een volgende stap 504 kunnen de vooraf bepaalde controlegrenzen 413, 414 voor het detecteren van kritieke gebeurtenissen uit de residuen in de tijd worden verkregen. De controlegrenzen 413, 414 kunnen bij voorkeur worden verkregen op basis van een kansverdeling 512 van de residuen 511 die in stap 503 bepaald zijn.[73] In a next step 504, the predetermined control limits 413, 414 for detecting critical events can be obtained from the residuals over time. The control limits 413, 414 can preferably be obtained based on a probability distribution 512 of the residues 511 determined in step 503.

Aangezien deze residuen 511 wezenlijk indicatief zijn voor andere fouten, kan daaruit een interval worden bepaald dat wezenlijk alle residuen 511 omvat die niet indicatief zijn voor een fout in de energiecentrale. Een dergelijk interval kan bijvoorbeeld een interval zijn dat de residuen binnen drie standaardvariaties van het gemiddelde omvat, d.w.z. 99,7% van de residuwaarden wanneer deze normaal verdeeld zijn. Zodoende zijn uitschieters van de residuen die buiten de grenzen van een dergelijk interval vallen waarschijnlijk indicatief voor een fout in de energiecentrale. Dit heeft het voordeel dat residuen die indicatief zijn voor een fout in de energiecentrale gemakkelijk kunnen worden onderscheiden.Since these residuals 511 are substantially indicative of other faults, an interval can be determined therefrom that includes substantially all of the residuals 511 that are not indicative of a power plant fault. For example, such an interval could be one that includes the residuals within three standard variations of the mean, i.e., 99.7% of the residual values when normally distributed. Thus, outliers of the residuals falling outside the bounds of such an interval are likely to be indicative of a fault in the power plant. This has the advantage that residues indicative of a fault in the power plant can be easily discerned.

[74] Fig. GA toont stappen 600 volgens een werkwijze voor het detecteren van een fout 602 in een energiecentrale uit een enkele procesparameter 601 volgens een uitvoeringsvorm. In een eerste stap 602 kan een fout in de energiecentrale uit de enkele procesparameter 601 worden gedetecteerd. Dit kan bijvoorbeeld worden bekomen door de computer geïmplementeerde werkwijze uit te voeren die geïllustreerd is in Fig. 3. In een laatste stap 603 kan een operator van de energiecentrale geïnformeerd worden wanneer een fout gedetecteerd is. Een operator kan worden geïnformeerd door een alarm in werking te stellen, zoals bijvoorbeeld, onder andere, een waarschuwingslampje, een waarschuwingssignaal, of door een melding naar een apparaat te sturen. Als alternatief of aanvullend kan de detectie van een fout worden doorgegeven aan een ander algoritme, controller of apparaat dat de bron van de fout bepaalt en/of een passende actie bepaalt die een operator kan ondernemen.[74] GA shows steps 600 according to a method of detecting a fault 602 in a power plant from a single process parameter 601 according to an embodiment. In a first step 602, a power plant fault can be detected from the single process parameter 601 . This can be achieved, for example, by performing the computer-implemented method illustrated in Figs. 3. In a final step 603, a power plant operator may be notified when a fault has been detected. An operator can be informed by triggering an alarm, such as, for example, a warning light, a warning signal, or by sending a notification to a device. Alternatively or additionally, the detection of an error can be passed to another algorithm, controller or device that determines the source of the error and/or determines an appropriate action for an operator to take.

[75] Fig. GB toont stappen 610 volgens een werkwijze voor het detecteren van een fout 612, 614 in een energiecentrale uit een veelheid van procesparameters 611, 613 volgens een uitvoeringsvorm. De veelheid van procesparameters 611, 613 kan wezenlijk gelijktijdig worden gemonitord. Een fout kan dan worden gedetecteerd uit eender van de gemonitorde procesparameters 611, 613 aangezien zij afzonderlijk worden geanalyseerd 612, 614. Dit kan bijvoorbeeld worden bekomen door de computer geïmplementeerde werkwijze, die geïllustreerd is in Fig. 3, uit te voeren in elk van de stappen 612, 614 voor de respectievelijke procesparameter 611, 613.[75] GB shows steps 610 according to a method of detecting a fault 612, 614 in a power plant from a plurality of process parameters 611, 613 according to an embodiment. The plurality of process parameters 611, 613 can be monitored substantially simultaneously. An error can then be detected from any of the monitored process parameters 611, 613 as they are individually analyzed 612, 614. This can be achieved, for example, by the computer-implemented method illustrated in FIG. 3, to be performed in each of steps 612, 614 for the respective process parameter 611, 613.

Zodoende wordt een afzonderlijk afwijkingsmodel gebruikt voor elk van de procesparameters 611, 613. Een operator van de energiecentrale kan worden geïnformeerd 615 wanneer een fout wordt gedetecteerd uit ten minste één van de procesparameters 611, 613. Bovendien kan de procesparameter die de fout heeft veroorzaakt aan de operator worden meegedeeld. De operator kan worden geïnformeerd door een alarm in werking te stellen, zoals bijvoorbeeld, onder andere, een waarschuwingslampje, een waarschuwingssignaal, of door een melding naar een apparaat te sturen. Als alternatief of aanvullend kan de detectie van een fout worden doorgegeven aan een ander algoritme, controller of apparaat dat de bron van de fout bepaalt en/of een passende actie bepaalt die door de operator kan worden ondernomen.Thus, a separate deviation model is used for each of the process parameters 611, 613. A power plant operator can be notified 615 when a fault is detected from at least one of the process parameters 611, 613. In addition, the process parameter that caused the fault can be the operator are notified. The operator can be informed by triggering an alarm, such as, for example, a warning light, a warning signal, or by sending a notification to a device. Alternatively or additionally, the detection of an error can be passed to another algorithm, controller or device that determines the source of the error and/or determines an appropriate action to be taken by the operator.

[76] Fig. 6C toont stappen 620 volgens een werkwijze voor het detecteren van een fout 623 in een energiecentrale uit een veelheid van procesparameters 621, 622 volgens een uitvoeringsvorm. De veelheid van procesparameters 621, 622 kunnen wezenlijk gelijktijdig worden gemonitord. Een fout kan dan worden gedetecteerd uit de veelheid van gemonitorde procesparameters 621, 622 door ze samen 623 te analyseren. Met andere woorden, de procesparameters 621, 622 kunnen worden geanalyseerd 623 door een enkel afwijkingsmodel. Het enkel afwijkingsmodel bepaalt de verwachte afwijking van één van de procesparameters, bijv. 621. Dit enkel afwijkingsmodel is dus gebaseerd op de procesparameter 621 waarvoor de verwachte afwijkingen in de tijd worden bepaald, en gebaseerd op ten minste één bijkomende procesparameter 622. Dit kan bijvoorbeeld worden bekomen door de computer geïmplementeerde werkwijze, die geïllustreerd is in Fig. 3, uit te voeren in stap 623.[76] 6C shows steps 620 according to a method of detecting a fault 623 in a power plant from a plurality of process parameters 621, 622 according to an embodiment. The plurality of process parameters 621, 622 can be monitored substantially simultaneously. An error can then be detected from the plurality of monitored process parameters 621, 622 by analyzing 623 them together. In other words, the process parameters 621, 622 can be analyzed 623 by a single deviation model. The single deviation model determines the expected deviation of one of the process parameters, e.g. 621. This single deviation model is thus based on the process parameter 621 for which the expected deviations in time are determined, and based on at least one additional process parameter 622. This can be, for example, are obtained by the computer-implemented method, which is illustrated in Figs. 3, to be executed in step 623.

Een operator van de energiecentrale kan worden geïnformeerd 624 wanneer een fout wordt gedetecteerd. Een operator kan worden geïnformeerd door een alarm in werking te stellen, zoals bijvoorbeeld, onder andere, een waarschuwingslampje, een waarschuwingssignaal, of door een melding naar een apparaat te sturen. Als alternatief of aanvullend kan de detectie van een fout worden gecommuniceerd met een ander algoritme, controller of apparaat dat de bron van de fout bepaalt en/of een passende actie bepaalt die door de operator kan worden ondernomen.A power plant operator may be notified 624 when a fault is detected. An operator can be informed by triggering an alarm, such as, for example, a warning light, a warning signal, or by sending a notification to a device. Alternatively or additionally, the detection of an error can be communicated to another algorithm, controller or device that determines the source of the error and/or determines an appropriate action to be taken by the operator.

[77] Verder zal het de vakman duidelijk zijn dat elke combinatie van de bovengenoemde werkwijzen 600, 610, 620 voor het detecteren van een fout in een energiecentrale ook gelijktijdig kan worden uitgevoerd. Zo kan bijvoorbeeld een eerste procesparameter worden gemonitord met werkwijze 600, een tweede en derde procesparameter met werkwijze 610, en een vierde en vijfde procesparameter met werkwijze 620. Als alternatief of aanvullend kan een veelheid van elk van de werkwijzen 610, 620, 630 gelijktijdig op verschillende procesparameters worden uitgevoerd.[77] Furthermore, it will be clear to those skilled in the art that any combination of the above methods 600, 610, 620 for detecting a fault in a power plant can also be performed simultaneously. For example, a first process parameter can be monitored with method 600, a second and third process parameter with method 610, and a fourth and fifth process parameter with method 620. Alternatively or additionally, a plurality of each of the methods 610, 620, 630 can be monitored simultaneously. different process parameters are performed.

[78] Fig. 7 toont een geschikt computersysteem 700 waarmee uitvoeringsvormen van de hierboven beschreven werkwijze volgens de uitvinding kunnen worden uitgevoerd. Het computersysteem 700 kan in het algemeen de vorm aannemen van een geschikte computer voor algemeen gebruik en omvat een bus 710, een processor 702, een lokaal geheugen 704, een of meer optionele invoerinterfaces 714, een of meer optionele uitvoerinterfaces 716, een communicatie-interface 712, een opslagelement interface 706 en een of meer opslagelementen 708. Bus 710 kan een of meer geleiders omvatten die communicatie tussen de componenten van het computersysteem 700 mogelijk maken. Processor 702 kan elk type conventionele processor of microprocessor omvatten die programmeerinstructies interpreteert en uitvoert. Het lokale geheugen 704 kan een random-acces geheugen (RAM) of een ander type dynamisch opslagmedium omvatten dat informatie en instructies opslaat voor uitvoering door processor 702 en/of een read-only geheugen (ROM) of een ander type statisch opslagmedium dat statische informatie en instructies opslaat voor gebruik door processor 702. Invoerinterface 714 kan een of meer conventionele mechanismen omvatten waarmee een operator of gebruiker informatie kan invoeren in het computerapparaat 700, zoals een toetsenbord 720, een muis 730, een pen, stemherkennings- en/of biometrische mechanismen, een camera, enz.[78] 7 shows a suitable computer system 700 with which embodiments of the above-described method according to the invention can be performed. The computer system 700 may generally take the form of a suitable general purpose computer and includes a bus 710, a processor 702, a local memory 704, one or more optional input interfaces 714, one or more optional output interfaces 716, a communications interface 712, a storage element interface 706, and one or more storage elements 708. Bus 710 may include one or more conductors that allow communication between the components of the computer system 700. Processor 702 may include any type of conventional processor or microprocessor that interprets and executes programming instructions. Local memory 704 may include random access memory (RAM) or other type of dynamic storage medium that stores information and instructions for execution by processor 702 and/or read-only memory (ROM) or other type of static storage medium that stores static information. and stores instructions for use by processor 702. Input interface 714 may include one or more conventional mechanisms that allow an operator or user to enter information into the computing device 700, such as a keyboard 720, a mouse 730, a pen, voice recognition and/or biometric mechanisms , a camera, etc.

Uitvoerinterface 716 kan een of meer conventionele mechanismen omvatten waarmee informatie aan de operator of gebruiker kan worden uitgevoerd, zoals een display 740, enz. De communicatie-interface 712 kan een transceiver-achtig mechanisme omvatten, zoals bijvoorbeeld een of meer Ethernet-interfaces, dat het computersysteem 700 in staat stelt te communiceren met andere apparaten en/of systemen, zoals bijvoorbeeld, onder andere, een waarschuwingslampje 750, een waarschuwingssignaal 751, een communicatie apparaat 752 of een controller 753 die de bron van de fout bepaalt en/of een passende actie bepaalt die door de operator kan worden ondernomen. De communicatie-interface 712 van het computersysteem 700 kan met een dergelijk ander computersysteem worden verbonden door middel van een lokaal netwerk (LAN) of een wide area network (WAN), zoals bijvoorbeeld het internet.Output interface 716 may include one or more conventional mechanisms for outputting information to the operator or user, such as a display 740, etc. The communications interface 712 may include a transceiver-like mechanism, such as one or more Ethernet interfaces, for example, that enables the computer system 700 to communicate with other devices and/or systems, such as, for example, but not limited to, a warning light 750, a warning signal 751, a communication device 752, or a controller 753 that determines the source of the error and/or provides an appropriate defines action that can be taken by the operator. The communications interface 712 of the computer system 700 may be connected to such other computer system through a local area network (LAN) or a wide area network (WAN), such as the Internet, for example.

Opslagelement interface 706 kan een opslaginterface omvatten zoals bijvoorbeeld eenStorage element interface 706 may include a storage interface such as a

SATA-interface (Serial Advanced Technology Attachment) of een SCSI-interface (Small Computer System Interface) om bus 710 te verbinden met een of meer _ opslagelementen 708, zoals een of meer lokale schijven, bijvoorbeeld SATA-schijven, en het lezen en schrijven van gegevens naar en/of van deze opslagelementen 708 te regelen. Hoewel het (de) opslagelement(en) 708 hierboven is (zijn) beschreven als een lokale schijf, kunnen in het algemeen alle andere geschikte voor de computer leesbare media worden gebruikt, zoals een verwijderbare magnetische schijf, optische opslagmedia zoals een CD of DVD, -ROM-schijf, solid-state drives, flash- geheugenkaarten, enz.Serial Advanced Technology Attachment (SATA) interface or a Small Computer System Interface (SCSI) interface to connect bus 710 to one or more _ storage elements 708, such as one or more local drives, e.g. SATA drives, and read and write of data to and/or from these storage elements 708. While the storage element(s) 708 has been described above as a local disk, in general any other suitable computer readable media may be used, such as a removable magnetic disk, optical storage media such as a CD or DVD, ROM disk, solid state drives, flash memory cards, etc.

[79] Hoewel de onderhavige uitvinding werd geïllustreerd aan de hand van specifieke uitvoeringsvormen, zal het voor de vakman duidelijk zijn dat de uitvinding niet beperkt is tot de details van de voorgaande illustratieve uitvoeringsvormen, en dat de onderhavige uitvinding kan worden uitgevoerd met verschillende wijzigingen en aanpassingen zonder daarbij af te wijken van de reikwijdte ervan. De onderhavige uitvoeringsvormen moeten daarom in alle opzichten als illustratief en niet beperkend worden beschouwd, waarbij de reikwijdte van de uitvinding eerder door de bijgevoegde conclusies dan door de voorafgaande beschrijving wordt aangegeven, en alle veranderingen die binnen de betekenis en het bereik van de gelijkwaardigheid van de conclusies vallen, zijn daarom bedoeld om daarin te worden opgenomen. Met andere woorden, het is de bedoeling om alle wijzigingen, variaties of equivalenten te omvatten die binnen de reikwijdte van de fundamentele onderliggende beginselen vallen en waarvan de essentiële kenmerken in deze octrooiaanvraag worden geclaimd.[79] While the present invention has been illustrated with reference to specific embodiments, it will be apparent to those skilled in the art that the invention is not limited to the details of the foregoing illustrative embodiments, and that the present invention may be practiced with various modifications and adjustments without deviating from its scope. The present embodiments are therefore to be regarded in all respects as illustrative and not restrictive, the scope of the invention being indicated by the appended claims rather than by the foregoing description, and all changes which come within the meaning and scope of the equivalence of the conclusions are therefore intended to be included therein. In other words, it is intended to include all modifications, variations, or equivalents that fall within the scope of the Fundamental Underlying Principles and whose essential features are claimed in this patent application.

Bovendien zal de lezer van deze octrooiaanvraag begrijpen dat de woorden "omvattende" of "omvatten" andere elementen of stappen niet uitsluiten, dat het woord "een" geen meervoud uitsluit, en dat een enkelvoudig element, zoals een computersysteem, een processor of een andere geïntegreerde eenheid de functies van verschillende hulpmiddelen kunnen vervullen die in de conclusies worden vermeld.In addition, the reader of this patent application will understand that the words "comprising" or "include" do not exclude other elements or steps, that the word "a" does not exclude a plural, and that a singular element, such as a computer system, processor, or other integrated unit can fulfill the functions of various devices stated in the claims.

Eventuele verwijzingen in de conclusies mogen niet worden opgevat als een beperking van de conclusies in kwestie. De termen "eerste", "tweede", "derde", "a", "b", "c" en dergelijke, wanneer gebruikt in de beschrijving of in de conclusies, worden gebruikt om het onderscheid te maken tussen soortgelijke elementen of stappen en beschrijven niet noodzakelijk een opeenvolgende of chronologische volgorde. Op dezelfde manier worden de termen "bovenkant", "onderkant", "over", "onder" en dergelijke gebruikt ten behoeve van de beschrijving en verwijzen ze niet noodzakelijk naar relatieve posities.Any references in the claims should not be construed as limiting the claims in question. The terms "first", "second", "third", "a", "b", "c" and the like, when used in the description or in the claims, are used to distinguish between similar elements or steps and do not necessarily describe a sequential or chronological order. Similarly, the terms "top", "bottom", "over", "bottom" and the like are used for purposes of description and do not necessarily refer to relative positions.

Het moet worden begrepen dat die termen onderling verwisselbaar zijn onder de juiste omstandigheden en dat uitvoeringsvormen van de uitvinding in staat zijn om te functioneren volgens de onderhavige uitvinding in andere volgordes of oriëntaties dan die beschreven of geïllustreerd in het bovenstaande.It is to be understood that those terms are interchangeable under appropriate circumstances and that embodiments of the invention are capable of functioning according to the present invention in orders or orientations other than those described or illustrated above.

Claims

CONCLUSIONS

A computer-implemented method (300) for detecting a fault (327) in a power plant from at least &&n process parameter, comprising: - during an initialization step (310), determining (313) a deviation model for determining expected deviations over time of the at least one process parameter based on previous measured values and set point values (312) of said at least one process parameter, monitored during a reference period (311) characterized by error-free operation of the power plant; — during a duty cycle (320), determining (323) deviations in time of the measured values (321) from the set point values (322); - determining (324) the expected deviations over time by the deviation model; — determining (325) residuals over time based on a difference between the deviations over time and the expected deviations over time; and - detecting a fault (327) in the power plant through a statistical analysis (326) of the residuals over time.

A computer-implemented method according to claim 1, wherein the statistical analysis (326) includes detecting outliers of the residuals over time indicative of a fault in the power plant.

A computer-implemented method according to claim 2, wherein the statistical analysis (326) of the residuals over time further comprises: detecting (402) critical events (411) indicative of outliers of the residuals (412) that fall outside predetermined control limits (413, 414); - tracking (403) at least one statistic (421) of the critical events over time; and

- detecting a fault (327) in the power plant when the at least one statistic (421) exceeds a predetermined threshold value (422). A computer-implemented method according to claim 3, further comprising obtaining (504) the predetermined control limits (413, 414) during the initialization step (310) based on a probability distribution (510) of the residuals during the reference period.

A computer-implemented method according to claim 3, wherein the at least one statistic (421) of the critical events comprises the number of critical events, the frequency of critical events, the frequency distribution of critical events in a time period, and/or the severity of critical events. includes events.

A computer-implemented method according to any one of the preceding claims, wherein the deviation model is based on the process parameter for which the expected deviations in time are determined by the deviation model, and is based on at least one additional process parameter.

A computer-implemented method according to any one of the preceding claims, wherein the deviation model is an autoregressive model determined by a time series analysis, a principal component analysis, a cluster analysis, and/or machine learning.

A computer-implemented method according to any one of the preceding claims, further comprising obtaining (401) measured values and/or set point values of the at least one process parameter during the duty cycle (320).

A computer-implemented method according to any one of the preceding claims, wherein the reference period (311) is further characterized by one or more selection criteria determining an operating condition of the power plant.

A computer-implemented method according to claim 9, wherein one or more selection criteria are identified (501) by principal component analysis, cluster analysis, and/or machine learning on the previous measured values and/or set point values of the at least one process parameter.

A method (600) for detecting a power plant fault, comprising: - detecting a power plant fault (602) from at least one process parameter (601) according to any one of claims 1 to 10; and - informing (603) an operator of the detected error.

A data processing system arranged to perform the computer-implemented method of any one of claims 1 to 10.

A computer program comprising instructions which, when the program is executed by a computer, cause the computer to perform the computer-implemented method of any one of claims 1 to 10.

A computer-readable medium comprising instructions which, when executed by a computer, cause the computer to perform the computer-implemented method of any one of claims 1 to 10.