CN104823118B - 成套设备监视装置及成套设备监视方法 - Google Patents
成套设备监视装置及成套设备监视方法 Download PDFInfo
- Publication number
- CN104823118B CN104823118B CN201280076432.XA CN201280076432A CN104823118B CN 104823118 B CN104823118 B CN 104823118B CN 201280076432 A CN201280076432 A CN 201280076432A CN 104823118 B CN104823118 B CN 104823118B
- Authority
- CN
- China
- Prior art keywords
- group
- unit space
- state
- equipments
- complete set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供成套设备监视装置、成套设备监视程序及成套设备监视方法。本发明的成套设备监视装置对具有多个评价项目的成套设备的运行状态进行监视,其具备:状态量获取机构,从所述成套设备获取多个所述评价项目的每一评价项目的状态量的聚集体即状态量的群;状态量存储机构,存储通过所述状态量获取机构获取的所述状态量的群;单位空间存储机构,存储聚集多个所述状态量的群而构成的单位空间;状态量提取机构,按每一预先确定的评价周期,从所述状态量存储机构中提取作为评价对象的状态量的群;马哈拉诺比斯距离计算机构,按每一所述评价周期,以存储于所述单位空间存储机构中的所述单位空间为基准求出通过所述状态量提取机构提取的所述状态量的群的马哈拉诺比斯距离;判定机构,按每一所述评价周期,根据由所述马哈拉诺比斯距离计算机构求出的所述马哈拉诺比斯距离是否在规定的阈值以内来判定所述成套设备的运行状态是否正常;及单位空间更新机构,在处于比所述评价周期长的预先确定的更新周期时,将通过所述状态量提取机构提取的所述状态量的群追加在存储于所述单位空间存储机构中的所述单位空间,另一方面,从该单位空间中删除最早的状态量的群。
Description
技术领域
本发明涉及一种对成套设备的运行状态进行监视的成套设备监视装置、成套设备监视程序及成套设备监视方法。
背景技术
在燃气轮机发电成套设备和核发电成套设备或化成套设备等各种成套设备中,为了监视成套设备是否正常运行而获取温度和压力等成套设备的各评价项目的每一评价项目的状态量,并根据这些状态量对成套设备的运行状态进行监视。
当对存在多个评价项目的成套设备的运行状态进行监视时,例如在专利文献1所记载的技术中,利用马哈拉诺比斯-田口法(以下,设为MT法)。MT法是一种预先准备由多个评价项目的每一评价项目的状态量的聚集体即状态量的群聚集多个而构成的单位空间,若从成套设备获取状态量的群,则以单位空间为基准求出该状态量的群的马哈拉诺比斯距离,并根据该马哈拉诺比斯距离是否在预先确定的阈值以内来判定成套设备的运行状态等是否正常的方法。
在专利文献1所记载的方法中,为了应对成套设备的经年变化和季节变动而从成套设备获取状态量的群,且每当求出该状态量的群的马哈拉诺比斯距离时,替换构成成为判定基准的单位空间的多个状态量的群中的一部分状态量的群来更新该单位空间。
在先技术文献
专利文献
专利文献1:国际公开2009-107805号公报
发明内容
发明要解决的课题
上述专利文献1所记载的方法是一种能够应对成套设备的经年变化和季节变动的优异的方法。但是,在该方法中,为了应对成套设备的经年变化和季节变动而从成套设备获取状态量的群,且每当求出该状态量的群的马哈拉诺比斯距离时,更新单位空间,因此构成单位空间的多个状态量的群的收集期间变得比较短。因此,在该方法中,针对成套设备的状态变化,单位空间会极其灵敏地发生变化,原本应判定为异常时也有可能判定为正常。例如,当成套设备的状态逐渐过渡到异常状态时,以包含与评价对象的状态量的群的获取时期相比更久以前的过去所获取的状态量的群的单位空间为基准判定成套设备的运行状态时,即使判定为异常,成为判定基准的单位空间也会灵敏地追踪成套设备的状态变化而有可能判定为正常。
即,在上述专利文献1所记载的方法中,存在无法以高精确度判定成套设备的运行状态是否正常的问题。
因此,本发明着眼于这种现有技术的问题,其目的在于提供一种能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态的成套设备监视装置、成套设备监视程序及成套设备监视方法。
用于解决课题的方法
用于解决上述问题的发明所涉及的成套设备监视装置对具有多个评价项目的成套设备的运行状态进行监视,其具备:状态量获取机构,从所述成套设备获取多个所述评价项目的每一评价项目的状态量的聚集体即状态量的群;状态量存储机构,存储通过所述状态量获取机构获取的所述状态量的群;单位空间存储机构,存储聚集多个所述状态量的群而构成的单位空间;状态量提取机构,按每一预先确定的评价周期,从所述状态量存储机构中提取作为评价对象的状态量的群;马哈拉诺比斯距离计算机构,按每一所述评价周期,以存储于所述单位空间存储机构中的所述单位空间为基准求出通过所述状态量提取机构提取的所述状态量的群的马哈拉诺比斯距离;判定机构,按每一所述评价周期,根据由所述马哈拉诺比斯距离计算机构求出的所述马哈拉诺比斯距离是否在规定的阈值以内来判定所述成套设备的运行状态是否正常;及单位空间更新机构,在处于比所述评价周期长的预先确定的更新周期时,将通过所述状态量提取机构提取的所述状态量的群追加在存储于所述单位空间存储机构中的所述单位空间,另一方面,从该单位空间中删除最早的状态量的群。
在该成套设备监视装置中,按每一更新周期适当地更新成为正常、异常的判定基准的单位空间,因此也能够应对成套设备的经年变化和季节变动而判定成套设备运行状态。
并且,在该成套设备监视装置中,不是按每一评价时期更新单位空间,而是按比该评价周期长的每一更新周期更新单位空间,因此与按每一评价时期更新单位空间相比,能够延长构成单位空间的状态量的群的收集期间。因此,在该成套设备监视装置中,能够避免针对成套设备的状态变化,单位空间会灵敏地发生变化,原本应判定为正常时也判定为异常的情况、及相反地原本应判定为异常时也判定为正常的情况。
由此,在该成套设备监视装置中,能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。
另外,所述单位空间更新机构也可以将所述评价周期的自然数(其中,2以上)倍的周期设为更新周期,在所述评价周期且该更新周期时,将通过所述状态量提取机构提取的所述状态量的群追加在存储于所述单位空间存储机构中的所述单位空间,另一方面,从该单位空间中删除最早的状态量的群。
在此,所述成套设备监视装置也可以具备单位空间初始设定机构,其在所述单位空间存储机构中未存储有所述单位空间时,从存储于所述状态量存储机构中的多个所述状态量的群中提取该状态量的群,直至达到能够构成所述单位空间的状态量的群的数量,并将该状态量的群存储于所述单位空间存储机构中。
在该成套设备监视装置中,在该成套设备监视装置开始进行监视动作而开始从成套设备获取状态量的群时等、在单位空间存储机构中未存储有单位空间时,基本上将所获取的状态量的群作为构成单位空间的多个状态量的群的一部分而逐次累积,直至达到构成单位空间的状态量的群的数量,因此能够在极短时间内设定单位空间。因此,在该成套设备监视装置中,若成套设备监视装置开始进行监视动作,则能够在短时间内实施基于单位空间的运行状态的判定。
并且,所述成套设备监视装置优选为,即使在所述更新周期,若通过所述判定机构被判定为与由所述状态量提取机构提取的所述状态量的群有关的所述马哈拉诺比斯距离不在所述规定的阈值以内,则所述单位空间更新机构也不会将该状态量的群追加在存储于所述单位空间存储机构中的所述单位空间,且也不会从该单位空间中删除最早的状态量的群。
在该成套设备监视装置中,即使在达到更新时期时,在被判定为评价对象的状态量的群异常的情况下,也不会进行单位空间的更新。由此,能够使成为正常、异常的判定基准的单位空间不包含被判定为异常的状态量的群。
并且,在所述成套设备监视装置中,也可以在所述单位空间存储机构中,按将多个所述评价项目划分为多个而成的每一小组,存储有聚集多个该小组内的每一评价项目的状态量的聚集体即小组内群而构成的小组内单位空间,并且按多个小组内单位空间的每一小组内单位空间,存储有以相应小组内单位空间为基准聚集构成该小组内单位空间的多个小组内群的马哈拉诺比斯距离而构成的MD单位空间,关于构成通过所述状态量提取机构提取的作为评价对象的状态量的群的多个所述小组内群,所述马哈拉诺比斯距离计算机构求出以存储于所述单位空间存储机构中的多个所述小组内单位空间中的与相应小组相对应的小组内单位空间为基准的马哈拉诺比斯距离来作为小组内马哈拉诺比斯距离,并以所述MD单位空间为基准求出多个该小组内马哈拉诺比斯距离的聚集体的马哈拉诺比斯距离即整体马哈拉诺比斯距离,所述判定机构根据所述整体马哈拉诺比斯距离是否在所述规定的阈值以内来判定所述成套设备的运行状态是否正常,在所述评价周期且该更新周期时,所述单位空间更新机构按存储于所述单位空间存储机构中的每一所述小组内单位空间,追加通过所述状态量提取机构提取的所述状态量的群中的相应小组内的所述状态量的群,另一方面,从相应小组内单位空间中删除该小组内的最早的所述小组内群,若在所述单位空间存储机构中储存新的多个小组内单位空间,则所述马哈拉诺比斯距离计算机构按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
该成套设备监视装置与上述成套设备监视装置同样能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。另外,在该成套设备监视装置中,能够减少构成求出小组内马哈拉诺比斯距离时成为基准的单位空间的状态量的数量,且即使按每一小组求出小组内马哈拉诺比斯距离,也能够使求出马哈拉诺比斯距离时的计算负荷变得极小。
并且,所述成套设备监视装置也可以具备单位空间初始设定机构,其在所述单位空间存储机构中未存储有多个所述小组的每一小组的所述小组内单位空间时,从存储于所述状态量存储机构中的多个所述状态量的群中提取该小组内群,直至达到能够构成所述小组内单位空间的所述小组内群的数量,并将该小组内群存储于所述单位空间存储机构中,若能够构成所述小组内单位空间的数量的所述小组内群存储于所述单位空间存储机构中,则所述单位空间初始设定机构通过所述马哈拉诺比斯距离计算机构,按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
在该成套设备监视装置中,在该成套设备监视装置开始进行监视动作而开始从成套设备获取状态量的群时等、在单位空间存储机构中未存储有小组内单位空间时,基本上将所获取的状态量的群作为构成小组内单位空间的多个状态量的群的一部分而逐次累积,直至达到构成小组内单位空间的状态量的群的数量,因此能够在极短时间内设定小组内单位空间。
在此,所述成套设备监视装置也可以具备改变所述评价周期的评价周期变更机构、和改变所述更新周期的更新周期变更机构。
在该成套设备监视装置中,即使在急剧改变成套设备的运行条件等时,也能够通过缩短评价周期和更新周期来在短时间内应对运行条件的改变。
用于解决上述问题的发明所涉及的成套设备监视程序对具有多个评价项目的成套设备的运行状态进行监视,其使计算机执行以下步骤:状态量提取步骤,从所述计算机的存储部的状态量文件中,按每一预先确定的评价周期提取作为评价对象的状态量的群,所述计算机的存储部中按照时序存储有从所述成套设备获取的多个所述评价项目的每一评价项目的状态量的聚集体即状态量的群;马哈拉诺比斯距离计算步骤,按每一所述评价周期,以存储于所述存储部的单位空间文件中的、聚集多个所述状态量的群而构成的单位空间为基准,求出所述状态量提取步骤中提取的所述状态量的群的马哈拉诺比斯距离;判定步骤,按每一所述评价周期,根据所述马哈拉诺比斯距离计算步骤中求出的所述马哈拉诺比斯距离是否在规定的阈值以内来判定所述成套设备的运行状态是否正常;及单位空间更新步骤,在处于比所述评价周期长的预先确定的更新周期时,将所述状态量提取步骤中提取的所述状态量的群追加在存储于所述单位空间文件中的所述单位空间,另一方面,从该单位空间中删除最早的状态量的群。
在该成套设备监视程序中,通过将该成套设备监视程序安装于计算机,由此与所述成套设备监视装置同样能够应对成套没备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。
在此,在所述成套设备监视程序中,也可以使所述计算机执行状态量获取步骤,在所述状态量获取步骤中,从所述成套设备获取多个所述评价项目的每一评价项目的状态量的聚集体即状态量的群,并将该状态量的群存储于所述状态量文件中。
并且,在所述成套设备监视程序中,也可以使所述计算机执行单位空间初始设定步骤,在所述单位空间初始设定步骤中,在所述单位空间文件中未存储有所述单位空间时,从存储于所述状态量文件中的多个所述状态量的群中提取该状态量的群,直至达到能够构成所述单位空间的状态量的群的数量,并将该状态量的群存储于所述单位空间文件中。
在该成套设备监视程序中,在开始进行成套设备的监视动作而开始从成套设备获取状态量的群时等、在单位空间文件中未存储有单位空间时,基本上将所获取的状态量的群作为构成单位空间的多个状态量的群的一部分而逐次累积,直至达到成套设备单位空间的状态量的群的数量,因此能够在极短时间内设定单位空间。
并且,在所述成套设备监视程序中,也可以在所述单位空间文件中,按将多个所述评价项目划分为多个而成的每一小组,存储有聚集多个该小组内的每一评价项目的状态量的聚集体即小组内群而构成的小组内单位空间,并且按多个小组内单位空间的每一小组内单位空间,存储有以相应小组内单位空间为基准聚集构成该小组内单位空间的多个小组内群的马哈拉诺比斯距离而构成的MD单位空间,在所述马哈拉诺比斯距离计算步骤中,关于构成所述状态量提取步骤中提取的作为评价对象的状态量的群的多个所述小组内群,求出以存储于所述单位空间文件中的多个所述小组内单位空间中的与相应小组相对应的小组内单位空间为基准的马哈拉诺比斯距离来作为小组内马哈拉诺比斯距离,并以所述MD单位空间为基准求出多个该小组内马哈拉诺比斯距离的聚集体的马哈拉诺比斯距离即整体马哈拉诺比斯距离,在所述判定步骤中,根据所述整体马哈拉诺比斯距离是否在所述规定的阈值以内来判定所述成套设备的运行状态是否正常,在所述单位空间更新步骤中,在所述更新周期时,按存储于所述单位空间文件中的每一所述小组内单位空间,追加所述状态量提取步骤中提取的所述状态量的群中的相应小组内的状态量的群,另一方面,从相应小组内单位空间中删除该小组内的最早的所述小组内群,在所述马哈拉诺比斯距离计算步骤中,若新的多个小组内单位空间存储于所述单位空间文件中,则按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
该成套设备监视程序与上述成套设备监视程序同样能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。另外,在该成套设备监视程序中,能够减少构成求出小组内马哈拉诺比斯距离时成为基准的单位空间的状态量的数量,且即使按每一小组求出小组内马哈拉诺比斯距离,也能够使求出马哈拉诺比斯距离时的计算负荷变得极小。
并且,在所述成套设备监视程序中,也可以使所述计算机执行单位空间初始设定步骤,在所述单位空间初始设定步骤中,在所述单位空间文件中未存储有多个所述小组的每一小组的所述小组内单位空间时,从存储于所述状态量文件中的多个所述状态量的群中提取该小组内群,直至达到能够构成所述小组内单位空间的所述小组内群的数量,并将该小组内群存储于所述单位空间文件中,在所述单位空间初始设定步骤中,若能够构成所述小组内单位空间的数量的所述小组内群存储于所述单位空间文件中,则在所述马哈拉诺比斯距离计算步骤中,按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
在该成套设备监视程序中,在开始进行成套设备监视动作而开始从成套设备获取状态量的群时等、在单位空间文件中未存储有小组内单位空间时,基本上将所获取的状态量的群作为构成小组内单位空间的多个状态量的群的一部分而逐次累积,直至达到构成小组内单位空间的状态量的群的数量,因此能够在极短时间内设定小组内单位空间。
用于解决上述问题的发明所涉及的成套设备监视方法对具有多个评价项目的成套设备的运行状态进行监视,其执行以下步骤:状态量获取步骤,从所述成套设备获取多个所述评价项目的每一评价项目的状态量的聚集体即状态量的群,并将该状态量的群存储于状态量文件中;状态量提取步骤,按每一预先确定的评价周期,从所述状态量文件中提取作为评价对象的状态量的群;马哈拉诺比斯距离计算步骤,按每一所述评价周期,以存储于单位空间文件中的、聚集多个所述状态量的群而构成的单位空间为基准,求出所述状态量提取步骤中提取的所述状态量的群的马哈拉诺比斯距离;判定步骤,按每一所述评价周期,根据所述马哈拉诺比斯距离计算步骤中求出的所述马哈拉诺比斯距离是否在规定的阈值以内来判定所述成套设备的运行状态是否正常;及单位空间更新步骤,在处于比所述评价周期长的预先确定的更新周期时,将所述状态量提取步骤中提取的所述状态量的群追加在存储于所述单位空间文件中的所述单位空间,另一方面,从该单位空间中删除最早的状态量的群。
该成套设备监视方法与所述成套设备监视装置同样能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。
在此,在所述成套设备监视方法中,也可以执行单位空间初始设定步骤,在所述单位空间初始设定步骤中,在所述单位空间文件中未存储有所述单位空间时,从存储于所述状态量文件中的多个所述状态量的群中提取该状态量的群,直至达到能够构成所述单位空间的状态量的群的数量,并将该状态量的群存储于所述单位空间文件中。
在该成套设备监视方法中,在开始进行成套设备的监视动作而开始从成套设备获取状态量的群时等、在单位空间文件中未存储有单位空间时,基本上将所获取的状态量的群作为构成单位空间的多个状态量的群的一部分而逐次累积,直至达到构成单位空间的状态量的群的数量,因此能够在极短时间内设定单位空间。
并且,在所述成套设备监视方法中,也可以在所述单位空间文件中,按将多个所述评价项目划分为多个而成的每一小组,存储有聚集多个该小组内的每一评价项目的状态量的聚集体即小组内群而构成的小组内单位空间,并且按多个小组内单位空间的每一小组内单位空间,存储有以相应小组内单位空间为基准聚集构成该小组内单位空间的多个小组内群的马哈拉诺比斯距离而构成的MD单位空间,在所述马哈拉诺比斯距离计算步骤中,关于构成所述状态量提取步骤中提取的作为评价对象的状态量的群的多个所述小组内群,求出以存储于所述单位空间文件中的多个所述小组内单位空间中的与相应小组相对应的小组内单位空间为基准的马哈拉诺比斯距离来作为小组内马哈拉诺比斯距离,并以所述MD单位空间为基准求出多个该小组内马哈拉诺比斯距离的聚集体的马哈拉诺比斯距离即整体马哈拉诺比斯距离,在所述判定步骤中,根据所述整体马哈拉诺比斯距离是否在所述规定的阈值以内来判定所述成套设备的运行状态是否正常,在所述单位空间更新步骤中,在所述更新周期时,按存储于所述单位空间文件中的每一所述小组内单位空间,追加所述状态量提取步骤中提取的所述状态量的群中的相应小组内的状态量的群,另一方面,从相应小组内单位空间中删除该小组内的最早的所述小组内群,在所述马哈拉诺比斯距离计算步骤中,若新的多个小组内单位空间存储于所述单位空间文件中,则按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
该成套设备监视方法与上述成套设备监视方法同样能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。另外,在该成套设备监视方法中,能够减少构成求出小组内马哈拉诺比斯距离时成为基准的单位空间的状态量的数量,且即使按每一小组求出小组内马哈拉诺比斯距离,也能够使求出马哈拉诺比斯距离时的计算负荷变得极小。
并且,在所述成套设备监视方法中,也可以执行单位空间初始设定步骤,在所述单位空间初始设定步骤中,在所述单位空间文件中未存储有多个所述小组的每一小组的所述小组内单位空间时,从存储于所述状态量文件中的多个所述状态量的群中提取该小组内群,直至达到能够构成所述小组内单位空间的所述小组内群的数量,并将该小组内群存储于所述单位空间文件中,在所述单位空间初始设定步骤中,若能够构成所述小组内单位空间的数量的所述小组内群存储于所述单位空间文件中,则在所述马哈拉诺比斯距离计算步骤中,按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
在该成套设备监视方法中,在开始进行成套设备监视动作而开始从成套设备获取状态量的群时等、在单位空间文件中未存储有小组内单位空间时,基本上将所获取的状态量的群作为构成小组内单位空间的多个状态量的群的一部分而逐次累积,直至达到构成小组内单位空间的状态量的群的数量,因此能够在极短时间内设定小组内单位空间。
发明效果
在本发明中,能够应对成套设备的经年变化及季节变动,并且能够以高精确度判定成套设备的运行状态。
附图说明
图1是表示本发明所涉及的第一实施方式中的燃气轮机发电成套设备及成套设备监视装置的结构的说明图。
图2是表示本发明所涉及的第一实施方式中的状态量文件的数据结构的说明图。
图3是表示本发明所涉及的第一实施方式中的单位空间文件的数据结构的说明图。
图4是表示马哈拉诺比斯距离的概念的概念图。
图5是表示本发明所涉及的第一实施方式中的成套设备监视装置的动作的流程图(其1)。
图6是表示本发明所涉及的第一实施方式中的成套设备监视装置的动作的流程图(其2)。
图7是表示本发明所涉及的第一实施方式中的评价周期与更新周期之间的关系、及构成单位空间的多个状态量的群的收集期间的变迁的说明图。
图8是表示本发明所涉及的第二实施方式中的运行状态的判定处理为止的处理概念的概念图。
图9是表示本发明所涉及的第二实施方式中的小组内单位空间及MD单位空间的概念的概念图。
图10是表示本发明所涉及的第二实施方式中的成套设备监视装置的动作的流程图(其1)。
图11是表示本发明所涉及的第二实施方式中的成套设备监视装置的动作的流程图(其2)。
具体实施方式
以下,参考附图对本发明所涉及的实施方式进行说明。
(第一实施方式)
首先,参考图1~图7对本发明所涉及的第一实施方式进行说明。
如图1所示,本实施方式的成套设备监视装置100对燃气轮机发电成套设备1的运行状态进行监视。该燃气轮机发电成套设备1具备燃气轮机2及通过该燃气轮机2的驱动而发电的发电机6。燃气轮机2具备生成压缩空气的压缩机3、将燃料与压缩空气进行混合并使其燃烧而生成燃烧气体的燃烧器4、及通过燃烧气体而被旋转驱动的轮机5。轮机5的转子经由压缩机3与发电机6连结,发电机6通过该转子的旋转而发电。
成套设备监视装置100获取该燃气轮机发电成套设备1的多个评价项目的每一评价项目的状态量,并根据这些状态量判定该燃气轮机发电成套设备1的运行状态是否正常。该成套设备监视装置100基本利用马哈拉诺比斯-田口法(以下设为MT法)对该燃气轮机发电成套设备1的运行状态进行监视。作为该燃气轮机发电成套设备1的评价项目,例如有燃气轮机输出、轮机转子与静止部之间的多个部位的空腔温度、轮机的气体出口中周向的多个部位的叶片通道温度、轮机转子的周向的多个部位的变位量、及设置于燃气轮机的各种阀的开度等。为了检测这些状态量,在燃气轮机发电成套设备1上设有传感器等各种状态量检测机构。
成套设备监视装置100为计算机,其具备执行各种运算处理的CPU10、成为CPU10的工作区等的RAM等主存储装置20、存储各种数据和程序等的硬盘驱动装置等辅助存储装置30、对CD和DVD等光盘型存储介质45的数据进行记录和再生的记录/再生装置44、键盘和鼠标等输入装置42、显示装置43、输入装置42和显示装置43的输入输出接口41、及与燃气轮机发电成套设备1的各种状态量检测机构连接的接口40。
在辅助存储装置30中预先存储有用于使上述计算机作为成套设备监视装置100发挥作用的成套设备监视程序35和OS程序等各种程序。包括成套设备监视程序35在内的各种程序经由记录/再生装置44从光盘型存储介质45被辅助存储装置30所读取。另外,这些程序也可以经由闪存器等便携式存储器及未图示的通信装置从外部装置被辅助存储装置30所读取。
在该辅助存储装置30中,在成套设备监视程序35的执行过程中还设有以下文件。即,在辅助存储装置30中设有存储燃气轮机发电成套设备1的多个评价项目的每一评价项目的状态量的状态量文件(状态量存储机构)31、存储成为判定成套设备的运行状态时的基准的单位空间的数据的单位空间文件(单位空间存储机构)32、存储评价每一评价项目的状态量的评价周期等各种周期的周期文件33、及存储在运行状态的判定时等所使用的阈值等的阈值文件34。
如图2所示,在状态量文件(状态量存储机构)31中,在成套设备监视程序35的执行过程中,按状态量的每一获取时刻31b按照时序存储燃气轮机发电成套设备1的多个评价项目的每一评价项目的状态量的聚集体即状态量的群31a。在此,例如从2011年4月11日9:05开始,以1分钟间隔(获取周期)获取100个评价项目(状态量1、状态量2、……、状态量u(=100))的每一项目的状态量来作为状态量的群31a,并按照时序存储这些状态量的群31a。
并且,如图3所示,在单位空间文件(单位空间存储机构)32中,在成套设备监视程序35的执行过程中,从存储于状态量文件31中的多个状态量的群中提取的状态量的群32a与各状态量的群32a的获取时刻32b一同存储于单位空间文件32中。
CPU10按功能具有:状态量获取部11,按每一上述获取周期获取燃气轮机发电成套设备1的多个评价项目的每一评价项目的状态量并存储于状态量文件31中;单位空间初始设定部12,在单位空间文件32内未存储有构成单位空间的数据时,从状态量文件31中提取能够构成单位空间的数据,并将其存储于单位空间文件32中;状态量提取部13,按每一预先确定的评价周期,从状态量文件31中提取状态量的群;马哈拉诺比斯距离计算部14,以存储于单位空间文件32中的单位空间为基准,求出通过状态量提取部13提取的状态量的群的马哈拉诺比斯距离;成套设备状态判定部15,根据由马哈拉诺比斯距离计算部14求出的马哈拉诺比斯距离是否在规定的阈值以内来判定燃气轮机发电成套设备1的运行状态是否正常;单位空间更新部16,更新存储于单位空间文件32中的单位空间;周期设定/变更部17,设定并改变存储于周期文件33中的各种周期;阈值设定/变更部18,设定并改变存储于阈值文件34中的各种阈值;及IO控制部19,控制对该计算机进行的输入输出。
在以上说明的CPU10的功能构成要件中,状态量获取部11、单位空间初始设定部12、状态量提取部13、马哈拉诺比斯距离计算部14、成套设备状态判定部15、单位空间更新部16、周期设定/变更部17及阈值设定/变更部18均通过由CPU10执行存储于辅助存储装置30中的成套设备监视程序35等而发挥作用。并且,IO控制部19通过由CPU10执行存储于辅助存储装置30中的OS程序等而发挥作用。
接着,对本实施方式的成套设备监视装置100的监视动作进行说明。
如上所述,在该成套设备监视装置100的成套设备监视中利用MT法。因此,利用图4对基于该MT法的成套设备监视方法的基本内容进行说明。
在此,假设分别将燃气轮机发电成套设备1的发电机6的输出及压缩机3的吸入空气温度设为状态量,并将发电机6的输出及压缩机3的吸入空气温度合为一,设为状态量的群B。在MT法中,将聚集多个该状态量的群B的即状态量的群B的集合体设为单位空间S,以该单位空间S为基准求出成为运行状态是否异常的评价对象的状态量的群A的马哈拉诺比斯距离D。监视对象的异常程度越大,该马哈拉诺比斯距离D显示出的值越大。因此,在MT法中,根据该马哈拉诺比斯距离D是否在预先确定的阈值Dc以内来判定成套设备的运行状态是否异常。另外,图4中,围住单位空间S的实线表示马哈拉诺比斯距离D成为阈值Dc的位置。例如,成为评价对象的状态量的群A1由于其马哈拉诺比斯距离D为阈值Dc以下,因此获取该状态量的群A1时的燃气轮机发电成套设备1的运行状态被判定为正常。并且,成为评价对象的状态量的群A2、A3由于各自的马哈拉诺比斯距离D大于阈值Dc,因此获取这些状态量的群A2、A3时的燃气轮机发电成套设备1的运行状态被判定为异常。
构成单位空间S的多个状态量的群B的马哈拉诺比斯距离的平均值为1。并且,当燃气轮机发电成套设备1的运行状态正常时,评价对象的状态量的群A的马哈拉诺比斯距离D大致限制在4以下。与这种马哈拉诺比斯距离D有关的阈值Dc例如优选设定为大于构成单位空间S的多个状态量的群B每一个的马哈拉诺比斯距离中最大的马哈拉诺比斯距离的值。此时,优选考虑燃气轮机发电成套设备1的固有特性等而确定阈值Dc。
接着,按照图5及图6所示的流程图,对本实施方式的成套设备监视装置100的具体监视动作进行说明。另外,在此设为,在该成套设备监视装置100开始进行监视动作之前的时点,在状态量文件31及单位空间文件32内均未存储有数据。并且,设为在开始进行该监视动作之前,通过成套设备监视装置100的操作人员操作输入装置42,已设定登记各种周期和各种阈值。在进行该设定登记时,周期设定/变更部17或阈值设定/变更部18发挥作用,将由操作人员指定的各种周期和各种阈值设定登记在周期文件33和阈值文件34中。
若燃气轮机发电成套设备1开始启动而燃气轮机发电成套设备1的各种状态量检测机构开始检测各种状态量,则状态量获取部11按每一获取周期(例如,1分钟周期)获取多个评价项目的每一评价项目的状态量并存储于状态量文件31中(S11)。若成为获取时刻,则状态量获取部11从燃气轮机发电成套设备1获取多个评价项目的每一评价项目的状态量,将这些作为状态量的群而与获取时刻建立关联,并存储于状态量文件31(图2)中。
若新的状态量的群存储于状态量文件31中,则单位空间初始设定部12判断构成新的状态量的群的各状态量是否在正常范围内(S12)。此时,单位空间初始设定部12利用表示预先存储于阈值文件34中的每一状态量的正常范围的值。当单位空间初始设定部12判断为构成新的状态量的群的任一状态量不在正常范围内时,返回到步骤11。并且,当判断为构成新的状态量的群的所有状态量都在正常范围内时,单位空间初始设定部12将该状态量的群与该状态量的群的获取时刻建立关联,并将该状态量的群作为单位空间的构成数据而存储于单位空间文件32(图3)中(S13)。另外,步骤12的判断处理也可以由操作员进行。此时,操作员根据燃气轮机发电成套设备1的设计数据和运行实绩,判断构成新的状态量的群的各状态量是否在正常范围内。而且,当判断为构成新的状态量的群的所有状态量都在正常范围内时,操作员将表示该状态量的群在正常范围内的内容的信息输入至单位空间初始设定部12。根据该信息,单位空间初始设定部12执行步骤13的处理。
接着,单位空间初始设定部12判断存储于单位空间文件32中的状态量的群的数量是否为能够构成单位空间的数量v(S14)。在质量工程学上,构成单位空间的状态量的群的数量v优选为状态量的项目数的3倍。因此,在此由于状态量的项目数即评价项目数u为100,因此将构成单位空间的状态量的群的数量v设为300(=100×3)。因此,在此判断存储于单位空间文件32中的状态量的群的数量是否为300。
当存储于单位空间文件32中的状态量的群的数量未达到能够构成单位空间的数量v时,返回到步骤11,执行各项目的状态量获取。并且,当存储于单位空间文件32中的状态量的群的数量为能够构成单位空间的数量v时,如图3所示,单位空间初始设定部12视为已完成单位空间的初始设定处理,并在单位空间文件32内设定已构成单位空间的内容,例如“构成完成”32c(S15)。
在图2所示的例子中,从获取时刻2011年4月11日9:05开始,在9:14、11:03、11:04获取的状态量的群为包含步骤12中的判断中被判断为不在正常范围内的状态量的群,因此未存储于图3所示的单位空间文件32中。另一方面,在状态量文件31中,除被判断为不在正常范围内的状态量的群以外的状态量的群存储于图3所示的单位空间文件32中。
若设定已构成单位空间的内容(S15),则单位空间更新部16将更新时期计数的值m设为0(图6中的S16),状态量提取部13将评价时期计数的值n设定为0(S17)。
在评价时期计数的值n设定为0之后(S17),若成为新的获取时刻,则状态量获取部11与上述步骤11中的处理同样地从燃气轮机发电成套设备1获取多个评价项目的每一评价项目的状态量,将这些作为状态量的群而与获取时刻建立关联,并存储于状态量文件31中(S21)。
若状态量获取部11获取状态量的群(S21),则状态量提取部13在评价时期计数的值n上加上1(S22),并判断评价时期计数的值n是否已成为例如5(S23)。若评价时期计数的值n不是5,则视为还未到评价时期而返回到步骤21。即,状态量获取部11反复执行状态量的群的获取,直至评价时期计数的值n成为5。并且,若判断为评价时期计数的值n已成为5,则状态量提取部13识别为已到状态量的评价时期,并从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群(S24)。即,在此状态量获取部11从燃气轮机发电成套设备1获取状态量的群的获取周期为1分钟,因此状态量的评价周期成为5分钟,状态量的评价时期每隔5分钟来一次。
若状态量提取部13提取评价对象的状态量的群(S24),则马哈拉诺比斯距离计算部14通过以下方法计算该状态量的群的马哈拉诺比斯距离D(S25)。
马哈拉诺比斯距离计算部14首先从单位空间文件32中获取构成单位空间的状态量的群的集合体,通过公式(1)及公式(2)求出各评价项目每一个的状态量即变量X1~Xu各自的平均值Mi及标准偏差σi(基准数据的不均程度)。另外,i为评价项目号码(自然数),取1~u的值。另外,u与评价项目数一致,在此为100。并且,j为状态量的群的号码(自然数),取1~v的值。另外,v与构成单位空间的状态量的群的数量一致,在此为300。其中,标准偏差设为状态量与其平均值之差的平方值的期望值的正平方根。
[式1]
[式2]
接着,马哈拉诺比斯距离计算部14通过下述公式(3)确定表示变量X1~Xu的相关关系的协方差矩阵(相关矩阵)R、及协方差矩阵R的逆矩阵R-1。另外,在公式(3)中,k为评价项目数,在此u(=100)。并且,i和p为评价项目号码,在此取1~u的值。
[式3]
接着,马哈拉诺比斯距离计算部14利用上述平均值Mi及标准偏差σi,通过下述公式(4)将步骤24中提取的状态量的群的各状态量即变量X1~Xu转换为x1~xu,并将变量X1~Xu标准化。即,将燃气轮机发电成套设备1的状态量的群转换为平均0、标准偏差1的概率变量。
[式4]
xi=(Xi-Mi)/σi·····(4)
接着,马哈拉诺比斯距离计算部14利用在上述公式(3)中确定的逆矩阵R-1、和与步骤24中提取的状态量的群的各状态量即变量X1~Xu有关的概率变量x1~xu,通过下述公式(5)求出与步骤24中提取的状态量的群有关的马哈拉诺比斯距离D。另外,马哈拉诺比斯距离计算部14在求出下一步骤24中提取的状态量的群的马哈拉诺比斯距离时,利用与单位空间有关的上述平均值Mi及标准偏差σi、以及逆矩阵R-1,因此将这些平均值Mi、标准偏差σi及逆矩阵R-1存储于辅助存储装置30内。
[式5]
若求出步骤24中提取的状态量的群的马哈拉诺比斯距离D(S25),则单位空间更新部16在更新时期计数的值m上加上1(S26),并判断更新时期计数的新的值m是否为例如48(S27)。若更新时期计数的值m为48,则单位空间更新部16识别为已到单位空间的更新时期而使更新时期计数的值m复位成0之后,进入步骤31。另一方面,若更新时期计数的值m不是48,则单位空间更新部16视为还未到单位空间的更新时期而直接进入步骤31。
在步骤31中,成套设备状态判定部15判断步骤25中求出的马哈拉诺比斯距离D是否为存储于阈值文件34中的阈值Dc以下。另外,在此利用存储于阈值文件34中的阈值Dc,但也可以从构成存储于单位空间文件32中的单位空间的多个状态量的群另行求出。此时,如上所述,例如可以将大于构成该单位空间的多个状态量的群每一个的马哈拉诺比斯距离中最大的马哈拉诺比斯距离的值设为阈值Dc。
成套设备状态判定部15在步骤31中判断为马哈拉诺比斯距离D不是其阈值Dc以下即判断为超过阈值Dc时,识别为燃气轮机发电成套设备1的运行状态异常。而且,成套设备状态判定部15例如根据利用正交表分析的有无项目的望大SN比之差来推断异常的状态量的项目(S32)。这是因为,运行状态有无异常能够根据马哈拉诺比斯距离D来判断,但发生异常的部位无法根据马哈拉诺比斯距离D来判断。接着,成套设备状态判定部15通过IO控制部19将表示燃气轮机发电成套设备1的运行状态异常的内容、以及异常的状态量的项目及其状态量显示于显示装置43之后(S33),返回到步骤17。
并且,成套设备状态判定部15在步骤31中判断为马哈拉诺比斯距离D为其阈值Dc以下时,识别为燃气轮机发电成套设备1的运行状态正常,并通过IO控制部19将表示燃气轮机发电成套设备1的运行状态正常的内容显示于显示装置43(S34)。另外,与运行状态异常时不同,当燃气轮机发电成套设备1的运行状态正常时无需一定要显示出表示正常的内容。
若显示出表示正常的内容(S34),则单位空间更新部16判断更新时期计数的值m是否为0(S35)。若判断为更新时期计数的值m为0,则单位空间更新部16更新存储于单位空间文件32中的单位空间(S36)。此时,单位空间更新部16从构成存储于单位空间文件32中的单位空间的多个状态量的群中删除最早的状态量的群,另一方面,追加步骤31中被判断为运行状态正常的状态量的群。
当单位空间更新部16在步骤35中判断为更新时期计数的值m为0而更新单位空间时(S36)、及在步骤35中判断为更新时期计数的值m不是0时,返回到步骤17。
若返回到步骤17,则如上所述,在评价时期计数的值n设定为0之后,按每一获取周期,从燃气轮机发电成套设备1反复获取作为多个评价项目的每一评价项目的状态量的状态量的群(S21~S23),直至评价时期计数的值n成为预先确定的最大值例如5。而且,若评价时期计数的值n成为最大值,则视为已到状态量的评价时期,通过状态量提取部13从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群(S24),并通过马哈拉诺比斯距离计算部14计算该状态量的群的马哈拉诺比斯距离D(S25)。接着,通过成套设备状态判定部15对该马哈拉诺比斯距离D和阈值Dc进行比较来判定运行状态是否异常,在显示出表示异常或正常的内容之后(S26~S28、S31~S35),再次返回到步骤17。
反复进行以上的步骤17、步骤21~步骤28、步骤31~步骤35的处理,直至更新时期计数的值m成为预先确定的最大值例如48,即反复进行至评价周期到来48次。在此期间,如上所述,最初例程的步骤25中求出的平均值Mi、标准偏差σi及逆矩阵R-1存储于辅助存储装置30内,在下一次例程之后的步骤25中求出马哈拉诺比斯距离D时使用。
反复执行以上的步骤17、步骤21~步骤28、步骤31~步骤35的处理,若更新时期计数的值m从0逐渐增加而成为48,且更新时期计数的值m从0时开始经过4小时(=240分钟=5分钟×48次),则在步骤28中,通过单位空间更新部16被判断为更新时期计数的值m已成为48而识别为已到单位空间的更新时期时,将更新时期计数的值m复位成0(S28)。而且,若在运行状态的判定处理(S31)中被判定为正常时,通过单位空间更新部16更新单位空间(S36)。
即,在本实施方式中,状态量获取部11从燃气轮机发电成套设备1获取状态量的群的获取周期为1分钟,根据该状态量的群进行运行状态的判定的评价周期为5分钟,更新单位空间文件32内的单位空间的更新周期为4小时。另外,在本实施方式中,即使已到更新周期,若被判定为运行状态正常,则也不会更新单位空间。
接着,利用图7对存储于单位空间文件32内的单位空间的变迁以及成套设备监视装置100的动作同时进行说明。在此,对已设定图5的步骤15中的单位空间的构成完成、更新时期计数的值m已设定为0(S16)、从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群(S24)之后的情况进行说明。
图7是表示根据何种单位空间来评价某一时刻的状态量的群的图。图7中的特定行表示特定时刻,并以时刻随着向图的下方而经过的方式进行记载。并且,特定行中的右方向为将来的方向,相反,左侧为过去的方向。另外,在图7中,方格均表示状态量的群,画阴影线的方格表示构成单位空间的状态量的群,无底色的方格表示不构成单位空间的状态量的群,内侧描画圆的方格表示被判定为正常的评价对象的状态量的群,内侧描画×的方格表示被判定为异常的评价对象的状态量的群。
并且,在图7的例子中,设为6个状态量的群构成单位空间。并且,将评价周期设为5分钟,将单位空间的更新周期设为15分钟(5分钟×3次)。
若从状态量文件31中获提评价对象的状态量的群A1(S24),则求出以初始设定的单位空间S1为基准的状态量的群A1的马哈拉诺比斯距离(S25),并判定该马哈拉诺比斯距离是否为阈值以下(S31)。例如根据其判定结果被判断为运行状态异常而显示出表示异常的内容(S33)。在该过程中,在更新时期计数的值m上加上1,该值m从0变为1(S26)。
另外,在此通过单位空间初始设定部12初始设定的单位空间S1设为获取周期为1分钟且由通过状态量获取部11从燃气轮机发电成套设备1连续获取的6个状态量的群构成。因此,获取状态量的群的获取周期为1分钟,因此构成该单位空间S1的6个状态量的群的收集期间P1成为5分钟。
其后,返回到步骤17,若到第二次评价时期,则从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群A2(S24)。接着,与第一次评价时期同样地,求出以初始设定的单位空间S1为基准的状态量的群A2的马哈拉诺比斯距离(S25),并判定该马哈拉诺比斯距离是否为阈值以下(S31)。例如根据其判定结果被判断为运行状态正常而显示出表示正常的内容(S34)。在该过程中,在更新时期计数的值m上加上1,该值m从1变为2(S26)。
再次返回到步骤17,若到第三次评价时期,则从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群A3(S24)。接着,与第一次及第二次评价时期同样地,求出以初始设定的单位空间S1为基准的状态量的群A3的马哈拉诺比斯距离(S25)。接着,在更新时期计数的值m上加上1(S26),并判断更新时期计数的值m是否已成为3,即判断是否已到更新时期(S27)。此时,由于更新时期计数的值m从2变为3,因此识别为已到更新时期而使更新时期计数的值m复位成0之后(S28),判定之前求出的马哈拉诺比斯距离是否为阈值以下(S31)。例如根据其判定结果被判断为运行状态正常而显示出表示正常的内容(S34)。而且,更新单位空间文件32内的单位空间(S36)。
此时,在构成单位空间文件32内的单位空间S1的6个状态量的群B1~B6中,删除最早的状态量的群B1,另一方面,追加被判定为正常的评价对象的状态量的群A3来作为构成新的单位空间S2的状态量的群B7。其结果,构成经过更新的单位空间S2的6个状态量的群B2~B7的收集期间P2成为在初始设定时的5个状态量的群B2~B6的收集期间(4分钟)加上3次评价周期的时间(15分钟=5分钟×3)的19分钟。
其后,返回到步骤17,若到第四次评价时期,则从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群A4(S24)。接着,求出以之前更新的单位空间S2为基准的状态量的群A4的马哈拉诺比斯距离(S25),并判定该马哈拉诺比斯距离是否为阈值以下(S31)。例如根据其判定结果被判断为运行状态正常而显示出表示正常的内容(S34)。在该过程中,在更新时期计数的值m上加上1,该值m从0变为1(S26)。
再次返回到步骤17,若到第五次评价时期,则从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群A5(S24)。接着,与第四次评价时期同样地,求出以经过更新的单位空间S2为基准的状态量的群A5的马哈拉诺比斯距离(S25),并判定该马哈拉诺比斯距离是否为阈值以下(S31)。在该过程中,在更新时期计数的值m上加上1,该值m从1变为2(S26)。
再次返回到步骤17,若到第六次评价时期,则从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群A6(S24)。接着,与第四及第五次评价时期同样地,求出以经过更新的单位空间S2为基准的状态量的群A3的马哈拉诺比斯距离(S25)。接着,在更新时期计数的值m上加上1(S26),并判断更新时期计数的值m是否已成为3,即判断是否已到更新时期(S27)。此时,由于更新时期计数的值m从2变为3,因此识别为已到更新时期而使更新时期计数的值m复位成0之后(S28),判定之前求出的马哈拉诺比斯距离是否为阈值以下(S31)。并且,例如根据其判定结果被判断为运行状态正常而显示出表示正常的内容(S34)。而且,更新单位空间文件32内的单位空间(S36)。
此时,在构成单位空间文件32内的单位空间S2的6个状态量的群B2~B7中,删除最早的状态量的群B2,另一方面,追加被判定为正常的评价对象的状态量的群A6来作为构成新的单位空间S3的状态量的群B8。其结果,构成经过更新的单位空间S3的6个状态量的群B3~B8的收集期间成为从第三次评价时期更新的单位空间S2的收集期间(19分钟)减去删除状态量的群B2所消耗的1分钟并加上1次单位空间更新周期的时间(15分钟=5分钟×3)的33分钟。
以下,同样在识别为已到更新时期时,除非被判定为评价对象的状态量的群异常,否则将依次更新单位空间文件32内的单位空间S3、S4、S5、S6。每当更新单位空间时,构成单位空间S3、S4、S5、S6的6个状态量的群的收集期间因最早的状态量的群的删除而被减去1分钟,并且加上1次单位空间更新周期的时间(15分钟),因此依次每延长14分钟(=15分钟-1分钟)。
例如,在第18次评价时期的更新中,在构成单位空间文件32内的单位空间S6的6个状态量的群B6~B11中,删除最早的状态量的群B6,另一方面,追加被判定为正常的评价对象的状态量的群A18来作为构成新的单位空间S7的状态量的群B12。其结果,构成更新后的单位空间S7的状态量的群B7~B12中均不包含构成初始设定的单位空间S1的6个状态量的群B1~B6中的任何一个。而且,构成经过更新的单位空间S7的6个状态量的群B7~B12的收集期间P7成为5次更新周期的时间75分钟(=15分钟×5)。以下,在识别为已到更新时期时,除非被判定为评价对象的状态量的群异常,否则构成单位空间的6个状态量的群的收集期间将会维持5次更新周期的时间75分钟。
然而,在本实施方式中,即使识别为已到更新时期,若被判定为评价对象的状态量的群异常,则也不会进行单位空间的更新。这是为了防止成为正常、异常的判定基准的单位空间包含被判定为异常的状态量的群。
因此,例如,如还作为更新时期的第24次评价时期和第27次评价时期,即使从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群A24、A27(S24),若判定评价对象的状态量的群A24、A27的马哈拉诺比斯距离是否为阈值以下(S31)并且根据其判定结果被判断为运行状态异常,也不会更新单位空间S8而维持原状态。
而且,在还作为下一个更新时期的第30次评价时期,若从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群A30(S24),并判定评价对象的状态量的群A30的马哈拉诺比斯距离是否为阈值以下(S31),并且根据其判定结果被判断为运行状态正常,则单位空间S8被更新而成为单位空间S9(S36)。
此时,构成该更新后的单位空间S9的状态量的群B9~B14的收集期间P9由于在2次更新时期未进行更新,因此成为7次(=5次+2次)更新周期的时间105分钟(15×7)。
如上,在本实施方式中,按每一更新周期适当地更新成为正常、异常的判定基准的单位空间,因此也能够应对成套设备的经年变化和季节变动而判定成套设备运行状态。
并且,在本实施方式中,不是按每一评价时期更新单位空间,而是按每一规定次数的评价时期的每一更新周期更新单位空间,因此与按每一评价时期更新单位空间相比,能够延长构成单位空间的状态量的群的收集期间。因此,在本实施方式中,能够避免针对成套设备的状态变化,单位空间会灵敏地发生变化,原本应判定为正常时也判定为异常的情况、及相反地原本应判定为异常时也判定为正常的情况。例如,能够避免当成套设备的状态逐渐过渡到异常状态时,原本应判定为异常,成为判定基准的单位空间也会灵敏地追踪成套设备的状态变化而判定为正常的情况。
由此,在本实施方式中,能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。
并且,在本实施方式中,若成套设备监视装置100开始进行监视动作而开始从燃气轮机发电成套设备1获取状态量的群,则基本上将所获取的状态量的群作为构成单位空间的多个状态量的群的一部分而逐次累积,直至达到构成单位空间的状态量的群的数量,因此能够在极短时间内设定单位空间。因此,在本实施方式中,若成套设备监视装置100开始进行监视动作,则能够在短时间内实施基于单位空间的运行状态的判定。具体而言,在图7中说明的例子中,成套设备监视装置100开始进行监视动作之后经过规定期间后(图7的例子中的第18次评价时期后)构成单位空间的多个状态量的群的收集期间为75分钟,相对于此,最开始进行监视动作的构成单位空间的多个状态量的群的收集期间为5分钟,监视动作开始之后经过5分钟后,能够实施基于单位空间的运行状态的判定。由此,尤其在因定期检查而使燃气轮机发电成套设备1停止之后启动时等,能够迅速地过渡到使用成套设备监视装置100的监视,因此能够节省成套设备的运行所涉及的劳力。
如此,在本实施方式中,构成单位空间的多个状态量的群的收集期间大幅发生变化,但如上所述,按每一更新周期替换构成单位空间的多个状态量的群的一部分,因此能够使构成单位空间的多个状态量的群的收集期间逐渐发生变化。
并且,在本实施方式中,通过周期设定/变更部17或阈值设定/变更部18,能够将存储于文件33、34中的各种周期和各种阈值改变为由成套设备监视装置100的操作人员通过输入装置42的操作而指定的周期和阈值。另外,在本实施方式中,通过改变评价时期计数的值n的最大值来改变评价周期及更新周期,并通过改变更新时期计数的值m的最大值来改变更新周期。因此,在本实施方式中,如上所述,构成单位空间的状态量的群的收集期间比较长,但例如在燃气轮机发电成套设备1的运行中急剧改变燃料气体成分等运行条件的情况下,也能够通过缩短评价周期和更新周期来在短时间内应对运行条件的改变。
(第二实施方式)
接着,参考图8~图11对本发明所涉及的第二实施方式进行说明。
本实施方式的马哈拉诺比斯距离的计算处理与第一实施方式不同,其他处理基本与第一实施方式相同。因此,本实施方式的成套设备监视装置主要是第一实施方式的成套设备监视装置100中利用马哈拉诺比斯距离计算部14进行的处理不同,但关于其他结构,基本与第一实施方式的成套设备监视装置相同。
因此,以下主要对本实施方式中的马哈拉诺比斯距离的计算处理进行说明。另外,本实施方式的评价项目数u与第一实施方式同样设为100个。
在本实施方式中,如图8所示,100个评价项目被分为5个部分,即评价项目划分为5个小组G1~G5,对各评价项目的状态量X1、X2、……、X100进行处理。在此基础上,在本实施方式中,通过马哈拉诺比斯距离计算部14,按每一小组G1~G5求出小组内的每一评价项目的状态量的聚集体即小组内群的马哈拉诺比斯距离(以下,设为小组内马哈拉诺比斯距离)GD1、GD2、……、GD5之后,求出多个小组内马哈拉诺比斯距离GD1、GD2、……、GD5的群的马哈拉诺比斯距离(以下,设为整体马哈拉诺比斯距离)WD。而且,通过成套设备状态判定部15,根据该整体马哈拉诺比斯距离WD是否为阈值以下来执行燃气轮机发电成套设备1的运行状态是否正常的判定处理(S31)。
在本实施方式中,在求出小组内马哈拉诺比斯距离GD时,马哈拉诺比斯距离计算部14利用小组内单位空间。如图9所示,该小组内单位空间GS为规定数量的小组内群Gb的集合体。如上所述,在质量工程学上,构成单位空间的状态量的群的数量优选为状态量的项目数的3倍。因此,在本实施方式中,由于小组内群Gb的评价项目数为20个(=100个/5),因此将构成小组内单位空间GS的小组内群Gb的数量(样本数)设为60个(=20个×3)。因此,构成该小组内单位空间GS的状态量的数量为20个(小组内群的评价项目数)×60个(小组内群的数量),成为1200个。
如上述公式(3)所示,在评价项目数为k个时,以单位空间为基准求出马哈拉诺比斯距离时所利用的分散矩阵(相关矩阵)R的逆矩阵R-1为k行、k列。因此,求出以小组内群Gb的小组内单位空间GS为基准的小组内马哈拉诺比斯距离GD时所利用的逆矩阵R-1成为20行、20列。
然而,在第一实施方式中,将100个评价项目的每一评价项目的状态量的聚集体即状态量的群聚集300个,设为单位空间S。因此,在第一实施方式中,构成该单位空间S的状态量的数量为100个(评价项目数)×300个(状态量的群的数量),成为30000个。并且,求出以该单位空间S为基准的马哈拉诺比斯距离时所利用的逆矩阵R-1成为100行、100列。
因此,在本实施方式中,构成成为求出小组内马哈拉诺比斯距离GD时的基准的单位空间GS的状态量的数量比构成第一实施方式的单位空间S的状态量的数量少一位数以上,而且,逆矩阵R-1的要素数也远比第一实施方式中所利用的逆矩阵R-1的要素数少,因此在本实施方式中,按5个小组求出小组内马哈拉诺比斯距离GD,但与第一实施方式相比,能够使求出马哈拉诺比斯距离时的计算负荷变得极小。
并且,在本实施方式中,在求出整体马哈拉诺比斯距离WD时,马哈拉诺比斯距离计算部14利用MD单位空间MDS。如图9所示,该MD单位空间MDS为每一小组的小组内马哈拉诺比斯距离GD的聚集体即MD群b的集合体。在此,1个MD群b为5个(=小组数)小组内马哈拉诺比斯距离GD的聚集体。并且,构成1个MD群b的每一小组的小组内马哈拉诺比斯距离GD均为以该小组内单位空间GS为基准的、构成该小组内单位空间GS的一个小组内群Gb的马哈拉诺比斯距离。因此,MD单位空间MDS由构成各小组内单位空间GS的小组内群Gb的数量即60个MD群b构成。
另外,以上说明的小组内单位空间GS及MD单位空间MDS均存储于单位空间文件32中。
接着,按照图10及图11所示的流程图,对本实施方式的成套设备监视装置的动作进行简单说明。
若燃气轮机发电成套设备1开始启动而燃气轮机发电成套设备1的各种状态量检测机构开始检测各种状态量,则状态量获取部11与第一实施方式同样按每一获取周期(例如,1分钟周期)获取多个评价项目的每一评价项目的状态量并存储于状态量文件31中(S11)。
若新的状态量的群(小组内群的聚集体)存储于状态量文件31中,则单位空间初始设定部12与第一实施方式同样判断构成新的状态量的群的各状态量是否在正常范围内(S12)。当单位空间初始设定部12判断为构成新的状态量的群的任一状态量不在正常范围内时,返回到步骤11。并且,当判断为构成新的状态量的群的所有状态量都在正常范围内时,单位空间初始设定部12将该状态量的群与该状态量的群的获取时刻建立关联,将构成该状态量的群的各小组的小组内群作为各小组内单位空间的构成数据而存储于单位空间文件32中(S13a)。
接着,单位空间初始设定部12判断存储于单位空间文件32中的各小组的小组内群的数量是否为能够构成小组内单位空间的数量(S14a)。在此,如上所述,构成小组内单位空间的小组内群的数量为小组内群的评价项目数(20个)的3倍即60个。
当存储于单位空间文件32中的小组内群的数量未达到能够构成小组内单位空间的数量时,返回到步骤11,执行各项目的状态量获取。并且,当存储于单位空间文件32中的小组内群的数量为能够构成小组内单位空间的数量时,单位空间初始设定部12视为在单位空间文件32内已构成各小组的小组内单位空间,如利用图9所述,通过马哈拉诺比斯距离计算部14制作基于这些小组内单位空间的MD单位空间MDS,并将该MD单位空间MDS存储于单位空间文件32中(S15a)。而且,单位空间初始设定部12视为已完成所有小组内单位空间及MD单位空间的构成而与第一实施方式同样对单位空间文件32例如设定“构成完成”(S15)。
若对单位空间文件32设定“构成完成”等(S15),则与第一实施方式同样地,单位空间更新部16将更新时期计数的值m设定为0(图11中的S16),状态量提取部13将评价时期计数的值n设定为0(S17)。
在评价时期计数的值n设定为0之后(S17),状态量获取部11与第一实施方式同样地,若成为新的获取时刻,则与上述步骤11中的处理同样从燃气轮机发电成套设备1获取多个评价项目的每一评价项目的状态量,将这些作为状态量的群(小组内群的聚集体)而与获取时刻建立关联,并存储于状态量文件31中(S21)。
若状态量获取部11获取状态量的群(S21),则状态量提取部13与第一实施方式同样在评价时期计数的值n上加上1(S22),并判断评价时期计数的值n是否已成为例如5(S23)。若评价时期计数的值n不是5,则视为还未到评价时期而返回到步骤21。并且,若判断为评价时期计数的值n已成为5,则状态量提取部13识别为已到状态量的评价时期,从状态量文件31中提取评价对象的状态量的群(小组内群的聚集体)来作为最新的状态量的群(S24)。
若状态量提取部13提取评价对象的状态量的群(S24),则马哈拉诺比斯距离计算部14关于构成步骤24中提取的评价对象的状态量的群的各小组的小组内群,求出以存储于单位空间文件32中的各小组内单位空间为基准的小组内马哈拉诺比斯距离GD(S25a)。
另外,马哈拉诺比斯距离计算部14关于步骤25a中求出的各小组的小组内马哈拉诺比斯距离GD的群,求出以存储于单位空间文件32中的MD单位空间为基准的马哈拉诺比斯距离即整体马哈拉诺比斯距离WD(S25b)。另外,在下一例程中的步骤24、25中求出小组内马哈拉诺比斯距离GD及整体马哈拉诺比斯距离WD时,马哈拉诺比斯距离计算部14利用与单位空间有关的平均值Mi及标准偏差σi、以及逆矩阵R-1,因此将这些平均值Mi、标准偏差σi及逆矩阵R-1存储于辅助存储装置30内。
若求出整体马哈拉诺比斯距离WD(S25b),则单位空间更新部16与第一实施方式同样在更新时期计数的值m上加上1(S26),并判断更新时期计数的新的值m是否为例如48(S27)。若更新时期计数的值m为48,则单位空间更新部16识别为已到单位空间的更新时期而使更新时期计数的值m复位成0之后,进入步骤31。另一方面,若更新时期计数的值m不是48,则单位空间更新部16视为还未到单位空间的更新时期而直接进入步骤31。
在步骤31中,成套设备状态判定部15判断步骤25b中求出的整体马哈拉诺比斯距离WD是否为存储于阈值文件34中的阈值Dc以下。成套设备状态判定部15在步骤31中判断为整体马哈拉诺比斯距离WD不是其阈值Dc以下,即判断为超过阈值Dc时,与第一实施方式同样识别为燃气轮机发电成套设备1的运行状态异常,并推断异常的状态量的项目(S32)。而且,成套设备状态判定部15与第一实施方式同样通过IO控制部19,将表示燃气轮机发电成套设备1的运行状态异常的内容、以及异常的状态量的项目及其状态量显示于显示装置43之后(S33),返回到步骤17。
并且,成套设备状态判定部15在步骤31中判断为整体马哈拉诺比斯距离WD为其阈值Dc以下时,与第一实施方式同样识别为燃气轮机发电成套设备1的运行状态正常,并通过IO控制部19将表示燃气轮机发电成套设备1的运行状态正常的内容显示于显示装置43(S34)。
若显示出表示正常的内容(S34),则单位空间更新部16与第一实施方式同样判断更新时期计数的值m是否为0(S35)。若判断为更新时期计数的值m为0,则单位空间更新部16更新存储于单位空间文件32中的小组内单位空间(S36a)。此时,单位空间更新部16从构成存储于单位空间文件32中的各小组内单位空间GS1、GS2、……、GS5(图9)的多个小组内群Gb中删除最早的小组内群,另一方面,将构成步骤24中提取的状态量的群的小组内群中相对应的小组的小组内群Gb追加在各小组内单位空间GS1、GS2、……、GS5中。
另外,单位空间更新部16更新存储于单位空间文件32中的MD单位空间(S36b)。此时,单位空间更新部16使马哈拉诺比斯距离计算部14制作基于步骤36a中更新的多个小组内单位空间的MD单位空间MDS(图9),并将该MD单位空间MDS存储于单位空间文件32中。
单位空间更新部16在步骤35中判断为更新时期计数的值m为0而更新单位空间时(S36a、S36b)、及在步骤35中判断为更新时期计数的值m不是0时,返回到步骤17。
若返回到步骤17,则与第一实施方式同样将评价时期计数的值n设定为0之后,按每一获取周期,从燃气轮机发电成套设备1反复获取多个评价项目的每一评价项目的状态量即状态量的群,直至评价时期计数的值n成为5(S21~S23)。而且,若评价时期计数的值n成为5,则视为已到状态量的评价时期,通过状态量提取部13从状态量文件31中提取最新的状态量的群来作为评价对象的状态量的群(S24),并通过马哈拉诺比斯距离计算部14计算构成该状态量的群的各小组内群的小组内马哈拉诺比斯距离GD(S25a)。另外,通过马哈拉诺比斯距离计算部14求出步骤25a中求出的各小组内马哈拉诺比斯距离GD的群的马哈拉诺比斯距离即整体马哈拉诺比斯距离WD(S25b)。接着,通过成套设备状态判定部15,对该整体马哈拉诺比斯距离WD和阈值Dc进行比较来判定运行状态是否异常,并显示出表示异常或正常的内容之后(S31~S35),再次返回到步骤17。
反复进行以上的步骤17、步骤21~步骤28、步骤31~步骤35的处理,直至更新时期计数的值m成为48。在此期间,如上所述,在最初例程的步骤25a、25b中求出的平均值Mi、标准偏差σi、逆矩阵R-1存储于辅助存储装置内,在下一次之后的例程的步骤25a、25b中求出小组内马哈拉诺比斯距离和整体马哈拉诺比斯距离时得到利用。
反复执行以上的步骤17、步骤21~步骤28、步骤31~步骤35的处理,若在步骤27中,通过单位空间更新部16被判断为更新时期计数的值m已成为48而识别为已到单位空间的更新时期,则更新时期计数的值m复位成0(S28)。而且,若被判定为运行状态的判定处理(S31)正常,则通过单位空间更新部16更新小组内单位空间及MD单位空间(S36a、36b)。
如上,本实施方式也与第一实施方式同样按每一规定次数的评价时期的每一更新周期更新成为正常、异常的判定基准的单位空间,因此能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。
并且,本实施方式也与第一实施方式同样,若成套设备监视装置100开始进行监视动作而开始从燃气轮机发电成套设备1获取状态量的群,则基本上将所获取的状态量的群作为构成小组内单位空间的多个小组内群的一部分而逐次累积,因此能够在极短时间内设定小组内单位空间。而且,在本实施方式中,构成小组内单位空间的小组内群的数量少于构成第一实施方式中的单位空间的状态量的群的数量,因此与第一实施方式相比,能够在短时间内设定单位空间。由此,尤其在因定期检查而使燃气轮机发电成套设备1停止之后启动时等,能够比第一实施方式更迅速地过渡到使用成套设备监视装置100的监视,因此能够节省成套设备的运行所涉及的劳力。
然而,如上所述,构成小组内单位空间的小组内群的数量少于构成第一实施方式中的单位空间的状态量的群的数量。因此,若将评价时期计数的值n的最大值及更新时期计数的值m的最大值与第一实施方式同样分别设为5(=n)、48(=m),则构成小组内单位空间的多个小组内群的收集时间短于构成第一实施方式中的单位空间的多个状态量的群的收集期间。因此,认为对于燃气轮机发电成套设备1而言构成小组内单位空间的多个小组内群的收集时间较短时,优选通过改变评价时期计数的值n的最大值、或者改变更新时期计数的值m的最大值、或者改变两个计数的值n、m的最大值来延长更新周期,从而延长构成小组内单位空间的多个小组内群的收集时间。
另外,在以上各实施方式中,由1台计算机构成成套设备监视装置100,但也可以由多台计算机构成。此时,例如可以由具有作为状态量获取部11的功能及状态量文件31的计算机和具有其他功能等的计算机这两台计算机构成成套设备监视装置100。
并且,以上实施方式为将本发明适用于燃气轮机发电成套设备的实施方式,但本发明并不限定于此,例如也可以适用于核发电成套设备和化成套设备等各种成套设备。
产业的可利用性
本发明能够广泛适用于对成套设备的运行状态进行监视的成套设备监视装置、成套设备监视程序及成套设备监视方法,且也能够应对成套设备的经年变化和季节变动,并且能够以高精确度判定成套设备的运行状态。
符号说明
1-燃气轮机发电成套设备,10-CPU,11-状态量获取部,12-单位空间初始设定部,13-状态量提取部,14-马哈拉诺比斯距离计算部,15-成套设备状态判定部,16-单位空间更新部,17-周期设定/变更部,18-阈值设定/变更部,20-主存储装置,30-辅助存储装置,31-状态量文件,32-单位空间文件,33-周期文件,34-阈值文件,35-成套设备监视程序,41-IO接口,42-输入装置,43-显示装置,44-记录/再生装置,45-光盘型存储介质,100-成套设备监视装置。
Claims (11)
1.一种成套设备监视装置,其对具有多个评价项目的成套设备的运行状态进行监视,该成套设备监视装置的特征在于,具备:
状态量获取机构,从所述成套设备获取多个所述评价项目的每一评价项目的状态量的聚集体即状态量的群;
状态量存储机构,存储通过所述状态量获取机构获取的所述状态量的群;
单位空间存储机构,存储聚集多个所述状态量的群而构成的单位空间;
状态量提取机构,按每一预先确定的评价周期,从所述状态量存储机构中提取作为评价对象的状态量的群;
马哈拉诺比斯距离计算机构,按每一所述评价周期,以存储于所述单位空间存储机构中的所述单位空间为基准求出通过所述状态量提取机构提取的所述状态量的群的马哈拉诺比斯距离;
判定机构,按每一所述评价周期,根据由所述马哈拉诺比斯距离计算机构求出的所述马哈拉诺比斯距离是否在规定的阈值以内来判定所述成套设备的运行状态是否正常;及
单位空间更新机构,在处于不会针对所述成套设备的状态变化灵敏地变化而发生误判定的、作为所述评价周期的2以上的自然数倍的预先确定的更新周期时,将通过所述状态量提取机构提取的所述状态量的群追加在存储于所述单位空间存储机构中的所述单位空间,另一方面,从该单位空间中删除最早的状态量的群。
2.根据权利要求1所述的成套设备监视装置,其特征在于,
所述成套设备监视装置具备单位空间初始设定机构,其在所述单位空间存储机构中未存储有所述单位空间时,从存储于所述状态量存储机构中的多个所述状态量的群中提取该状态量的群,直至达到能够构成所述单位空间的状态量的群的数量,并将该状态量的群存储于所述单位空间存储机构中。
3.根据权利要求1或2所述的成套设备监视装置,其特征在于,
即使在所述更新周期,若通过所述判定机构被判定为与由所述状态量提取机构提取的所述状态量的群有关的所述马哈拉诺比斯距离不在所述规定的阈值以内,则所述单位空间更新机构也不会将该状态量的群追加在存储于所述单位空间存储机构中的所述单位空间,且也不会从该单位空间中删除最早的状态量的群。
4.根据权利要求1所述的成套设备监视装置,其特征在于,
在所述单位空间存储机构中,按将多个所述评价项目划分为多个而成的每一小组,存储有聚集多个该小组内的每一评价项目的状态量的聚集体即小组内群而构成的小组内单位空间,并且按多个小组内单位空间的每一小组内单位空间,存储有以相应小组内单位空间为基准聚集构成该小组内单位空间的多个小组内群的马哈拉诺比斯距离而构成的MD单位空间,
关于构成通过所述状态量提取机构提取的作为评价对象的状态量的群的多个所述小组内群,所述马哈拉诺比斯距离计算机构求出以存储于所述单位空间存储机构中的多个所述小组内单位空间中的与相应小组相对应的小组内单位空间为基准的马哈拉诺比斯距离来作为小组内马哈拉诺比斯距离,并以所述MD单位空间为基准求出多个该小组内马哈拉诺比斯距离的聚集体的马哈拉诺比斯距离即整体马哈拉诺比斯距离,
所述判定机构根据所述整体马哈拉诺比斯距离是否在所述规定的阈值以内来判定所述成套设备的运行状态是否正常,
在所述评价周期且该更新周期时,所述单位空间更新机构按存储于所述单位空间存储机构中的每一所述小组内单位空间,追加通过所述状态量提取机构提取的所述状态量的群中的相应小组内的所述状态量的群,另一方面,从相应小组内单位空间中删除该小组内的最早的所述小组内群,
若在所述单位空间存储机构中储存新的多个小组内单位空间,则所述马哈拉诺比斯距离计算机构按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
5.根据权利要求4所述的成套设备监视装置,其特征在于,
所述成套设备监视装置具备单位空间初始设定机构,其在所述单位空间存储机构中未存储有多个所述小组的每一小组的所述小组内单位空间时,从存储于所述状态量存储机构中的多个所述状态量的群中提取该小组内群,直至达到能够构成所述小组内单位空间的所述小组内群的数量,并将该小组内群存储于所述单位空间存储机构中,
若能够构成所述小组内单位空间的数量的所述小组内群存储于所述单位空间存储机构中,则所述单位空间初始设定机构通过所述马哈拉诺比斯距离计算机构,按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
6.根据权利要求1或2所述的成套设备监视装置,其特征在于,
所述成套设备监视装置具备改变所述评价周期的评价周期变更机构。
7.根据权利要求1或2所述的成套设备监视装置,其特征在于,
所述成套设备监视装置具备改变所述更新周期的更新周期变更机构。
8.一种成套设备监视方法,其对具有多个评价项目的成套设备的运行状态进行监视,该成套设备监视方法的特征在于,执行以下步骤:
状态量获取步骤,从所述成套设备获取多个所述评价项目的每一评价项目的状态量的聚集体即状态量的群,并将该状态量的群存储于状态量文件中;
状态量提取步骤,按每一预先确定的评价周期,从所述状态量文件中提取作为评价对象的状态量的群;
马哈拉诺比斯距离计算步骤,按每一所述评价周期,以存储于单位空间文件中的、聚集多个所述状态量的群而构成的单位空间为基准,求出所述状态量提取步骤中提取的所述状态量的群的马哈拉诺比斯距离;
判定步骤,按每一所述评价周期,根据所述马哈拉诺比斯距离计算步骤中求出的所述马哈拉诺比斯距离是否在规定的阈值以内来判定所述成套设备的运行状态是否正常;及
单位空间更新步骤,在处于不会针对所述成套设备的状态变化灵敏地变化而发生误判定的、作为所述评价周期的2以上的自然数倍的预先确定的更新周期时,将所述状态量提取步骤中提取的所述状态量的群追加在存储于所述单位空间文件中的所述单位空间,另一方面,从该单位空间中删除最早的状态量的群。
9.根据权利要求8所述的成套设备监视方法,其特征在于,
所述成套设备监视方法执行单位空间初始设定步骤,在所述单位空间初始设定步骤中,在所述单位空间文件中未存储有所述单位空间时,从存储于所述状态量文件中的多个所述状态量的群中提取该状态量的群,直至达到能够构成所述单位空间的状态量的群的数量,并将该状态量的群存储于所述单位空间文件中。
10.根据权利要求8所述的成套设备监视方法,其特征在于,
在所述单位空间文件中,按将多个所述评价项目划分为多个而成的每一小组,存储有聚集多个该小组内的每一评价项目的状态量的聚集体即小组内群而构成的小组内单位空间,并且按多个小组内单位空间的每一小组内单位空间,存储有以相应小组内单位空间为基准聚集构成该小组内单位空间的多个小组内群的马哈拉诺比斯距离而构成的MD单位空间,
在所述马哈拉诺比斯距离计算步骤中,关于构成所述状态量提取步骤中提取的作为评价对象的状态量的群的多个所述小组内群,求出以存储于所述单位空间文件中的多个所述小组内单位空间中的与相应小组相对应的小组内单位空间为基准的马哈拉诺比斯距离来作为小组内马哈拉诺比斯距离,并以所述MD单位空间为基准求出多个该小组内马哈拉诺比斯距离的聚集体的马哈拉诺比斯距离即整体马哈拉诺比斯距离,
在所述判定步骤中,根据所述整体马哈拉诺比斯距离是否在所述规定的阈值以内来判定所述成套设备的运行状态是否正常,
在所述单位空间更新步骤中,在所述更新周期时,按存储于所述单位空间文件中的每一所述小组内单位空间,追加所述状态量提取步骤中提取的所述状态量的群中的相应小组内的状态量的群,另一方面,从相应小组内单位空间中删除该小组内的最早的所述小组内群,
在所述马哈拉诺比斯距离计算步骤中,若新的多个小组内单位空间存储于所述单位空间文件中,则按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
11.根据权利要求10所述的成套设备监视方法,其特征在于,
所述成套设备监视方法执行单位空间初始设定步骤,在所述单位空间初始设定步骤中,在所述单位空间文件中未存储有多个所述小组的每一小组的所述小组内单位空间时,从存储于所述状态量文件中的多个所述状态量的群中提取该小组内群,直至达到能够构成所述小组内单位空间的所述小组内群的数量,并将该小组内群存储于所述单位空间文件中,
在所述单位空间初始设定步骤中,若能够构成所述小组内单位空间的数量的所述小组内群存储于所述单位空间文件中,则在所述马哈拉诺比斯距离计算步骤中,按多个该小组内单位空间的每一小组内单位空间,以相应小组内单位空间为基准求出构成该小组内单位空间的多个所述小组内群的所述小组内马哈拉诺比斯距离,并制作多个该小组内马哈拉诺比斯距离的聚集体即所述MD单位空间。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2012/077654 WO2014064816A1 (ja) | 2012-10-25 | 2012-10-25 | プラント監視装置、プラント監視プログラム及びプラント監視方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104823118A CN104823118A (zh) | 2015-08-05 |
CN104823118B true CN104823118B (zh) | 2017-05-24 |
Family
ID=50544211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280076432.XA Active CN104823118B (zh) | 2012-10-25 | 2012-10-25 | 成套设备监视装置及成套设备监视方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20150293531A1 (zh) |
EP (1) | EP2897012B1 (zh) |
KR (1) | KR20150056612A (zh) |
CN (1) | CN104823118B (zh) |
WO (1) | WO2014064816A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6770802B2 (ja) * | 2015-12-28 | 2020-10-21 | 川崎重工業株式会社 | プラント異常監視方法およびプラント異常監視用のコンピュータプログラム |
JP6062581B1 (ja) * | 2016-01-14 | 2017-01-18 | 三菱日立パワーシステムズ株式会社 | プラント分析装置、プラント分析方法、およびプログラム |
JP5973096B1 (ja) * | 2016-01-14 | 2016-08-23 | 三菱日立パワーシステムズ株式会社 | プラント分析装置、プラント分析方法、およびプログラム |
JP6620056B2 (ja) * | 2016-03-31 | 2019-12-11 | 三菱日立パワーシステムズ株式会社 | 機器の異常診断方法及び機器の異常診断装置 |
JP6511702B2 (ja) * | 2016-06-01 | 2019-05-15 | 三菱日立パワーシステムズ株式会社 | 監視装置、対象装置の監視方法、およびプログラム |
WO2018139144A1 (ja) * | 2017-01-25 | 2018-08-02 | Ntn株式会社 | 状態監視方法および状態監視装置 |
JP6920828B2 (ja) * | 2017-02-17 | 2021-08-18 | 三菱パワー株式会社 | プラントの診断装置および診断方法 |
JP6655595B2 (ja) * | 2017-12-21 | 2020-02-26 | 三菱日立パワーシステムズ株式会社 | 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム |
JP7406915B2 (ja) * | 2018-11-02 | 2023-12-28 | 三菱重工業株式会社 | 単位空間更新装置、単位空間更新方法、及びプログラム |
JP7179663B2 (ja) * | 2019-03-28 | 2022-11-29 | 三菱重工業株式会社 | プラント監視装置、プラント監視方法、及びプログラム |
JP7387325B2 (ja) * | 2019-08-01 | 2023-11-28 | 三菱重工業株式会社 | プラント監視装置、プラント監視方法、及びプログラム |
JP7517810B2 (ja) * | 2019-11-19 | 2024-07-17 | 旭化成株式会社 | 診断装置、診断方法及び診断プログラム |
IL300339A (en) * | 2020-08-04 | 2023-04-01 | Arch Systems Inc | Methods and systems for predictive analysis and/or process control |
CN112363409B (zh) * | 2020-11-10 | 2022-02-11 | 中国核动力研究设计院 | 一种核电厂安全级仪控仿真系统的工况回溯与重演系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6117601A (en) * | 1998-12-09 | 2000-09-12 | Fuji Photo Film Co., Ltd. | Method of determining and correcting processing state of photosensitive material based on mahalanobis calculation |
CN101779171A (zh) * | 2008-02-27 | 2010-07-14 | 三菱重工业株式会社 | 工厂状态监视方法、工厂状态监视用计算机程序以及工厂状态监视装置 |
CN102237669A (zh) * | 2010-04-27 | 2011-11-09 | 上海华建电力设备股份有限公司 | 微机线路保护监控装置 |
CN202068429U (zh) * | 2011-05-24 | 2011-12-07 | 北京富盛星电子有限公司 | 一种用于监控终端运维数据集采装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3839603B2 (ja) * | 1998-12-09 | 2006-11-01 | 富士写真フイルム株式会社 | 感光材料の処理状態の判定方法及び補正方法 |
US9183351B2 (en) * | 2000-05-30 | 2015-11-10 | Vladimir Shusterman | Mobile system with network-distributed data processing for biomedical applications |
JP4071449B2 (ja) * | 2001-03-27 | 2008-04-02 | 株式会社東芝 | センサ異常検出方法及びセンサ異常検出装置 |
JP4878085B2 (ja) * | 2001-04-20 | 2012-02-15 | ラピスセミコンダクタ株式会社 | 製造工程のための管理方法 |
JP4592235B2 (ja) * | 2001-08-31 | 2010-12-01 | 株式会社東芝 | 生産装置の故障診断方法及び生産装置の故障診断システム |
JP4396286B2 (ja) * | 2004-01-21 | 2010-01-13 | 三菱電機株式会社 | 機器診断装置および機器監視システム |
US7917330B2 (en) * | 2007-06-15 | 2011-03-29 | Yokogawa Electric Corporation | Situation analyzing system and situation analyzing method, and batch processing analyzing system and batch processing analyzing method |
JP5198087B2 (ja) * | 2008-02-21 | 2013-05-15 | 富士フイルム株式会社 | 製造設備の診断装置及び方法 |
JP5260343B2 (ja) * | 2009-02-03 | 2013-08-14 | 三菱重工業株式会社 | プラント運転状態監視方法 |
JP5610695B2 (ja) * | 2009-02-17 | 2014-10-22 | 三菱重工業株式会社 | プラント監視用の方法、プログラム及び装置 |
-
2012
- 2012-10-25 KR KR1020157009543A patent/KR20150056612A/ko not_active Application Discontinuation
- 2012-10-25 EP EP12887090.4A patent/EP2897012B1/en active Active
- 2012-10-25 WO PCT/JP2012/077654 patent/WO2014064816A1/ja active Application Filing
- 2012-10-25 CN CN201280076432.XA patent/CN104823118B/zh active Active
- 2012-10-25 US US14/432,580 patent/US20150293531A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6117601A (en) * | 1998-12-09 | 2000-09-12 | Fuji Photo Film Co., Ltd. | Method of determining and correcting processing state of photosensitive material based on mahalanobis calculation |
CN101779171A (zh) * | 2008-02-27 | 2010-07-14 | 三菱重工业株式会社 | 工厂状态监视方法、工厂状态监视用计算机程序以及工厂状态监视装置 |
CN102237669A (zh) * | 2010-04-27 | 2011-11-09 | 上海华建电力设备股份有限公司 | 微机线路保护监控装置 |
CN202068429U (zh) * | 2011-05-24 | 2011-12-07 | 北京富盛星电子有限公司 | 一种用于监控终端运维数据集采装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2014064816A1 (ja) | 2014-05-01 |
EP2897012A4 (en) | 2015-10-07 |
EP2897012B1 (en) | 2018-03-07 |
US20150293531A1 (en) | 2015-10-15 |
EP2897012A1 (en) | 2015-07-22 |
KR20150056612A (ko) | 2015-05-26 |
CN104823118A (zh) | 2015-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104823118B (zh) | 成套设备监视装置及成套设备监视方法 | |
JP5345180B2 (ja) | プラント監視装置、プラント監視プログラム及びプラント監視方法 | |
CN106408192B (zh) | 一种选矿设备运行状态监控系统及方法 | |
US8868287B2 (en) | Prediction of maintenance operations on an aircraft engine | |
EP2520994A2 (en) | Automated system and method for implementing statistical comparison of power plant operations | |
JP5327239B2 (ja) | データ収集装置、並びに、該データ収集装置の制御方法および制御プログラム | |
US20120210257A1 (en) | Automated system for analyzing power plant operations | |
CN104200397B (zh) | 一种核电站dcs系统设计输入文件与变量信息数据库一致性校验方法 | |
JP2002137798A (ja) | 長期記憶のためにフライトデータをエクスポートする方法とシステム | |
US20160365735A1 (en) | Systems and Methods for Power Plant Data Reconciliation | |
JP5824959B2 (ja) | 異常診断装置 | |
CN107122907B (zh) | 一种机电产品符号化质量特性的分析与故障原因追溯方法 | |
JP2000330627A (ja) | 機器カルテ管理評価装置および同装置を用いた機器カルテ管理評価方法 | |
WO2022023261A1 (en) | Continuous flow engine monitoring method and system | |
JP2008050965A (ja) | 余寿命算出方法、この方法を実行する装置、余寿命算出プログラム | |
Agioutantis et al. | Development of an atmospheric data-management system for underground coal mines | |
JP5516797B2 (ja) | データ収集装置、並びに、該データ収集装置の制御方法および制御プログラム | |
JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
CN111178576B (zh) | 基于炼化装置运行数据的操作优化方法 | |
CN114266412A (zh) | 一种焦化生产的优化方法、装置、电子设备及存储介质 | |
CN106248903A (zh) | 煤样数据的处理方法和系统 | |
Goosen | A system to quantify industrial data quality | |
CN107977464B (zh) | 一种存取标杆值数据的方法与装置 | |
JP5672336B2 (ja) | データ収集装置、並びに、該データ収集装置の制御方法および制御プログラム | |
JP2007109139A (ja) | 監視診断装置及び監視診断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |