CN115917228A - 异常检测系统、制冷机、异常检测方法及异常检测程序 - Google Patents

异常检测系统、制冷机、异常检测方法及异常检测程序 Download PDF

Info

Publication number
CN115917228A
CN115917228A CN202180044098.9A CN202180044098A CN115917228A CN 115917228 A CN115917228 A CN 115917228A CN 202180044098 A CN202180044098 A CN 202180044098A CN 115917228 A CN115917228 A CN 115917228A
Authority
CN
China
Prior art keywords
state
abnormality detection
model
data
refrigerator
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.)
Pending
Application number
CN202180044098.9A
Other languages
English (en)
Inventor
西崎友基
二阶堂智
松仓纪行
石黑达男
森田克明
池田龙司
冈裕贵
长原健一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Heavy Industries Thermal Systems Ltd
Original Assignee
Mitsubishi Heavy Industries Thermal Systems Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Heavy Industries Thermal Systems Ltd filed Critical Mitsubishi Heavy Industries Thermal Systems Ltd
Publication of CN115917228A publication Critical patent/CN115917228A/zh
Pending legal-status Critical Current

Links

Images

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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B1/00—Compression machines, plants or systems with non-reversible cycle
    • F25B1/10—Compression machines, plants or systems with non-reversible cycle with multi-stage compression
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/005—Arrangement or mounting of control or safety devices of safety devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F25B49/022—Compressor control arrangements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F25B49/027—Condenser control arrangements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/02—Compressor control
    • F25B2600/021—Inverters therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Devices That Are Associated With Refrigeration Equipment (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明的目的在于提供一种能够提高异常检测的精度的异常检测系统、制冷机、异常检测方法及异常检测程序。异常检测系统具备：获取部，获取制冷机(11)的运行数据；制作部，当运行数据为未学习数据时，根据运行数据，制作能够估计制冷机(11)的规定的运行状态的模型；判定部，对通过模型估计出的运行状态的估计值和与运行状态对应的实测值进行比较，判定运行数据是否为离群值；及异常检测部，当判定为运行数据不是离群值时，根据模型，进行制冷机(11)的异常检测。

Description

异常检测系统、制冷机、异常检测方法及异常检测程序
技术领域
本发明涉及一种异常检测系统、制冷机、异常检测方法及异常检测程序。
背景技术
在热源系统中使用了制冷机(例如，专利文献1)。若在制冷机中出现异常，则存在对其他设备造成影响的可能性，因此进行运行状态的监视。
以往技术文献
专利文献
专利文献1：日本专利第5244420号公报
发明内容
发明要解决的技术课题
当为了进行制冷机的异常检测而使用模型(虚拟制冷机模型)时，需要根据制冷机正常的运行状态进行模型制作。当根据不是制冷机正常的运行状态的运行数据制作了模型时，模型的再现精度降低，从而存在无法准确地进行异常检测的可能性。由如前述那样的模型引起的异常检测精度的降低并不限定于制冷机，在其他装置中也会产生。
本发明是鉴于这种情况而完成的，其目的在于提供一种能够提高异常检测的精度的异常检测系统、制冷机、异常检测方法及异常检测程序。
用于解决技术课题的手段
本发明的第1方式为异常检测系统，其具备：获取部，获取对象设备的运行数据；制作部，当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；判定部，对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及异常检测部，当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
本发明的第2方式为异常检测方法，其具有如下工序：获取对象设备的运行数据；当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
本发明的第3方式为异常检测程序，其用于使计算机执行如下处理：获取对象设备的运行数据；当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
发明效果
根据本发明，发挥能够提高异常检测的精度这一效果。
附图说明
图1是表示本发明的一实施方式所涉及的热源系统的概略结构的图。
图2是表示本发明的一实施方式所涉及的涡轮制冷机的具体结构的图。
图3是表示本发明的一实施方式所涉及的异常检测系统的硬件结构的一例的图。
图4是表示本发明的一实施方式所涉及的异常检测系统所具备的功能的功能框图。
图5是表示本发明的一实施方式所涉及的允许误差范围的例子的图。
图6是表示本发明的一实施方式所涉及的异常检测处理的流程图的图。
图7是表示本发明的一实施方式所涉及的运行模式确定处理的流程图的图。
图8是表示本发明的一实施方式所涉及的运行模式确定处理的流程图的图。
具体实施方式
以下，参考附图对本发明所涉及的异常检测系统、制冷机、异常检测方法及异常检测程序的一实施方式进行说明。在本实施方式中，作为异常检测的对象设备，以制冷机为一例进行说明，但关于对象设备并不限定于制冷机，能够将各种设备设为对象。例如，也能够适用于发电机等设备。
图1是表示本发明的一实施方式所涉及的热源系统1的概略结构的图。热源系统1例如设置于建筑物或工厂设备。热源系统1具备对供给至空调机或风机盘管等外部负荷3的冷水赋予冷热的涡轮制冷机11、涡轮制冷机12及涡轮制冷机13。涡轮制冷机11、涡轮制冷机12及涡轮制冷机13相对于外部负荷3并联设置。涡轮制冷机的设置数量并不限定于3台。
从冷水流观察，在各涡轮制冷机11、12、13的上游侧分别设置有压送冷水的冷水泵21、冷水泵22及冷水泵23。通过冷水泵21、冷水泵22及冷水泵23，来自回水集水管32的冷水输送至各涡轮制冷机11、12、13。
在各涡轮制冷机11、12、13中获得的冷水集中在供水集水管31中。集中在供水集水管31中的冷水供给至外部负荷3。在外部负荷3中供给至空调等而升温的冷水输送至回水集水管32。冷水在回水集水管32中分支，并且输送至各涡轮制冷机11、12、13。
在供水集水管31与回水集水管32之间设置有具有旁通阀34的旁通管33。
本发明的方法能够不依赖于涡轮制冷机的循环而适用。作为涡轮制冷机的一例，将两级压缩两级膨胀过冷循环的结构示于图2中。图2是表示涡轮制冷机11、12、13的具体结构的一例的图。在图2中，示出了涡轮制冷机11的具体结构，但关于涡轮制冷机12或涡轮制冷机13也是相同的结构。对作为热介质使用防冻液(盐水)的情况进行说明，但作为热介质并不限定于盐水。图2的结构为一例，只要是制冷机，则还能够适用其他结构。而且，在涡轮制冷机中适用后述的异常检测系统50。
图2中的涡轮制冷机11为两级压缩两级膨胀过冷循环的结构。图2所示的结构为一例，还能够采用其他结构。即，并不限定于图2的结构。涡轮制冷机11具备压缩制冷剂的压缩机60、对通过压缩机60压缩的高温高压的气体制冷剂进行冷凝的冷凝器62、对通过冷凝器62冷凝的液态制冷剂进行过冷却的过冷器63、使来自过冷器63的液态制冷剂膨胀的高压膨胀阀(膨胀阀)64、与高压膨胀阀64连接并且与压缩机60的中间级及低压膨胀阀(膨胀阀)65连接的中间冷却器67以及使通过低压膨胀阀65膨胀的液态制冷剂蒸发的蒸发器66。
压缩机60为离心式两级压缩机，由通过逆变器70进行转速控制的电动马达72驱动。逆变器70通过控制板74控制其输出。在压缩机60的制冷剂吸入口设置有控制吸入制冷剂流量的入口导叶(以下称为“IGV”。)79，且能够控制涡轮制冷机11的容量。
在冷凝器62中设置有用于测量冷凝制冷剂压力的冷凝制冷剂压力传感器PC。
过冷器63在冷凝器62的制冷剂流动下游侧设置成对已冷凝的制冷剂进行过冷却。在过冷器63的制冷剂流动下游侧正后面设置有测量过冷却后的制冷剂温度的温度传感器Ts。
在冷凝器62及过冷器63中插穿有用于冷却它们的冷却传热管80。冷却水流量由流量计FL2测量，冷却水出口温度由温度传感器Tcout测量，冷却水入口温度由温度传感器Tcin测量。冷却水在未图示的冷却塔中向外部排热之后，再次引向冷凝器62及过冷器63。
在中间冷却器67中设置有用于测量中间压力的压力传感器PM。
在蒸发器66中设置有用于测量蒸发压力的压力传感器PE。通过在蒸发器66中吸热而获得额定温度的冷水。在蒸发器66中，插穿有用于冷却供给至外部负荷3的冷水的冷水传热管82。冷水流量由流量计FL1测量，冷水出口温度由温度传感器Tout测量，冷水入口温度由温度传感器Tin测量。
在冷凝器62的气相部与蒸发器66的气相部之间设置有热气旁通管76。而且，设置有用于控制流过热气旁通管76内的制冷剂的流量的热气旁通阀78。通过由热气旁通阀78调整热气旁通流量，能够进行在IGV79中控制不充分的极小区域的容量控制。即，防止负荷小时(没有冷却的物质时等)蒸发器66的温度(压力)过度下降或导致液态制冷剂被压缩机60吸引的情况，从而能够使制冷回路稳定化。
异常检测系统50对制冷机进行异常检测。如后述，使用能够估计制冷机正常的运行状态的模型(虚拟制冷机模型)进行异常判定。在本实施方式中，对使用数式模型(以说明变量及系数来表示目标变量的数式模型)的情况进行说明，但模型并不限定于数式的情况。
图3是表示本实施方式所涉及的异常检测系统50的硬件结构的一例的图。
如图3所示，异常检测系统50为计算机系统(computer system)，例如具备CPU111、用于存储由CPU111执行的程序等的ROM(Read Only Memory：只读存储器)112、作为执行各程序时的工作区发挥作用的RAM(Random Access Memory：随机存取存储器)113、作为大容量存储装置的硬盘驱动器(HDD)114及用于与网络等连接的通信部115。作为大容量存储装置，可以使用固态硬盘(SSD)。这些各部经由总线118连接。
异常检测系统50可以具备由键盘、鼠标等构成的输入部及由显示数据的液晶显示装置等构成的显示部等。
用于存储由CPU111执行的程序等的存储介质并不限于ROM112。例如，可以是磁盘、光磁盘、半导体存储器等其他辅助存储装置。
用于实现后述的各种功能的一系列处理的过程以程序的形式记录于硬盘驱动器114等，由CPU111将该程序读出到RAM113等而执行信息的加工·运算处理，由此实现后述的各种功能。程序可以适用预先安装于ROM112或其他存储介质的方式、以存储于计算机可读取的存储介质的状态提供的方式及经由有线或无线的通信机构来传送的方式等。计算机可读取的存储介质是指，磁盘、光磁盘、CD-ROM、DVD-ROM及半导体存储器等。
图4是表示异常检测系统50所具备的功能的功能框图。如图4所示，异常检测系统50具备获取部51、模式确定部52、制作部53、判定部54及异常检测部55。
获取部51获取制冷机的运行数据。运行数据为表示制冷机的运行状态的规定的参数的值。因此，在制冷机中预先设置有测量仪，以便能够获取规定的运行数据。只要表示运行状态，则不仅能够使用测量值，还能够使用对制冷机的指令值等。
运行数据例如为各阀的开度信息、蒸发饱和温度、冷水出口温度、蒸发器压力(蒸发压力)、中间冷却器压力(中间压力)、冷凝器压力(冷凝制冷剂压力)及制冷机负荷率等。运行数据根据制冷机的结构或后述的制冷机的模型等适当选定，并不限定于上述数据。
模式确定部52预先设定有多个运行模式，根据运行数据确定制冷机的运行模式。运行模式为在制冷机中将运行状态区分为多个状态的模式。
例如，运行模式能够设为Inactive(非活动)状态、Idle(空闲)状态、Low Load(低负荷)状态、Active(活动)状态及High Load(高负荷)状态。作为运行状态，可以使用Inactive状态、Idle状态、Low Load状态、Active状态及High Load状态中的至少任意两个。即，预先设定有多个运行模式，根据运行数据选择1个运行模式。
Inactive状态为停止状态。即，Inactive状态为制冷机没有运行而停止的状态。
Idle状态为怠速状态。即，Tdle状态为因轻负荷而压缩机60未运行的状态。换言之，Tdle状态为用于运行的待机状态。
Low Load状态为制冷机正在运行(压缩机60进行动作)且使通过压缩机60压缩的气体的一部分向压缩机60的入口侧迂回的热气旁通阀78打开的状态。即，Low Load状态为虽然制冷机正在运行但负荷状态低且热气旁通阀78打开时的状态。
Active状态为制冷机正在运行且热气旁通阀78关闭的状态。即，Active状态为制冷机正在运行且由于负荷状态不低而热气旁通阀78关闭时的状态。
High Load状态为制冷机正在运行且热气旁通阀78关闭并且从制冷机输出的冷水的目标温度大于0℃的状态。即，High Load状态为制冷机正在运行且由于负荷状态不低而热气旁通阀78关闭的情况，是从制冷机输出的冷水的目标温度大于0℃的状态。尤其，HighLoad状态为盐水机特有的运行状态。当作为热介质使用盐水时，能够将冷水的目标温度设定为0℃以下。因此，在盐水机中，能够采用两点规格。在两点规格中，设定有两个目标温度并且能够切换。例如，目标温度设定为-5℃及7℃这两个。而且，在正常运行时，将目标温度设为-5℃来进行运行，但当负荷增加时，将目标温度切换为7℃来进行运行。即，High Load状态为盐水机特有的运行状态。
如此，设定有多个运行模式，模式确定部52根据运行数据，确定与制冷机当前的运行状态对应的运行模式。运行数据为表示制冷机当前的运行状态的数据，因此能够确定所对应的运行模式。在确定运行模式时，可以根据所获取的运行数据判别运行模式，也可以根据所获取的运行数据计算规定的状态量(能够判别运行模式的值)，并且根据状态量判别运行模式，以便容易进行判别。
关于运行模式的确定方法的具体例，将在后面叙述。若确定运行模式，则所确定的运行模式输出至制作部53。
运行模式也可以根据负荷状态来区分。例如，运行模式可以设为停止状态、怠速状态、负荷状态小于第1规定值的低负荷状态、负荷状态为第1规定值以上且小于设定为大于第1规定值的值的第2规定值的运行状态及负荷状态为第2规定值以上的高负荷状态(过负荷状态)。如此，当设定了运行模式时，可以使用至少任意两个。即，预先设定有多个运行模式，根据运行数据选择1个运行模式。
当所获取的运行数据为未学习数据时，制作部53根据运行数据，制作能够估计制冷机的规定的运行状态的模型。具体而言，与所确定的运行模式对应地获取已完成学习的运行数据(以下，称为“已学习数据”)。已学习数据为在与各运行模式对应的模型中已进行学习的(向模型的反映结束)数据，按每个运行模式保存。
因此，在制作部53中，获取与所确定的运行模式对应的已学习数据，并且与新获取的运行数据进行比较。在模型中设定有学习对象范围。学习对象范围为模型的学习中所使用的运行数据的范围。而且，学习对象范围分割为规定的小区域(例如，50个区域)。例如，学习对象范围以设定个数来对所设定的满量程进行等分割。而且，在各小区域中能够存入规定个数(例如20个)的数据。即，模型的学习中所使用的已学习数据计数为所对应的小区域的数据数量，若小区域的已学习数据数量达到规定个数，则该小区域成为已学习区域。已学习数据数量未达到规定个数的小区域成为未学习区域。
制作部53获取与运行模式对应的已学习数据，判定在该运行模式下是否存在未学习区域。然后，当存在未学习区域时，判定新获取的运行数据是否为与未学习区域对应的数据。
当新获取的运行数据为与未学习区域对应的数据时，判定新获取的运行数据是否为初次学习。即，判定新获取的数据是否与未学习区域的已学习数据一不一致。由此，判定为新获取的数据是在当前的运行模式下尚未反映到模型的数据。
然后，当新获取的运行数据为初次学习时，将该运行数据反映(拟合)到模型。如此，制作部53与所确定的运行模式对应地制作(更新)模型。
若在制作部53中制作(更新)模型，则进行判定部54中的处理。
判定部54对通过模型估计出的运行状态的估计值和与运行状态对应的实测值进行比较，判定运行数据是否为离群值。估计值及实测值成为与相等的参数对应的值。
具体而言，判定部54根据估计值及实测值的误差以及允许误差范围，判定运行数据是否为离群值。图5是表示允许误差范围的例子的图。在图5中，将纵轴设为实测值(传感器值)，将横轴设为估计值(模型预测值)，在将实测值及估计值设为各轴的平面区域中设定有允许误差范围。由于将纵轴设为实测值并且将横轴设为估计值，因此当实测值与估计值一致时，组合了实测值与估计值的点位于在平面上倾斜45°的线(图5的L1)上。然而，由于测量仪等中存在测量误差，因此考虑到比例因子误差(斜率误差)及偏置误差(切片的误差)，以包含倾斜45°的线(图5的L1)的方式设定允许误差范围。即，允许误差范围根据实测值的测量误差来设定。
如此，判定部54判定由估计值及实测值表示的平面上的点是否在允许误差范围内。当由估计值及实测值表示的平面上的点不在允许误差范围内时，反映到模型的新获取的运行数据不表示正常状态的运行状态的数据的可能性高，因此将该运行数据设为离群值(异常值)。例如，当用于获取运行数据的测量仪出现故障时或制冷机的运行状态处于异常状态时，运行数据成为离群值。
当运行数据成为离群值时，若将该运行数据反映到模型，则存在模型无法表示正常状态下的制冷机的运行状态的情况。因此，当运行数据成为离群值时，使用未反映新获取的运行数据的模型(已完成制作的模型)进行异常判定，当运行数据不会成为离群值时，使用反映了新获取的运行数据的模型进行异常判定。
当判定为运行数据不是离群值时，异常检测部55根据模型(反映了该运行数据的模型)，进行制冷机的异常检测。异常检测部55根据与所确定的运行模式对应的模型，进行制冷机的异常检测。
在异常检测部55中，计算通过模型估计出的运行状态与该运行状态的实测值的偏差，并进行异常检测。例如，当该偏差为阈值以上时，判定为在制冷机中发生了异常。可以根据通过模型估计出的运行状态及该运行状态的实测值并且根据异常的程度(表示哪种程度的异常的异常值)进行异常检测。若能够使用模型估计多个运行状态，则可以与各运行状态对应地计算异常值，并进行综合(例如计算异常值的合计)后进行异常检测。
接着，参考图6对由上述异常检测系统50进行的异常检测处理的一例进行说明。图6是表示本实施方式所涉及的异常检测处理的步骤的一例的流程图。图6所示的流程例如在开始制冷机的监视时以规定的控制周期重复执行。
首先，从制冷机获取运行数据(S101)。
接着，根据运行数据计算状态量(S102)。状态量为能够判别根据运行数据计算出的运行模式的值，只要直接使用运行数据能够判别运行模式，则可以省略S102。
接着，进行运行模式的确定(S103)。在S103中，在预先设定的多个运行模式(Inactive状态、Idle状态、Low Load状态、Active状态及High Load状态)中确定与当前的制冷机的运行状态对应的运行模式。
接着，获取与所确定的运行模式对应的已学习数据(S104)。反映到模型的运行数据按每个运行模式保存为已学习数据，并通过确定运行模式，获取所对应的已学习数据。
接着，判定新获取的运行数据是否为与未学习区域对应的数据(S105)。当新获取的运行数据不是与未学习区域对应的数据时(S105的“否”判定)，获取已学习的模型(S106)。在S106中获取的已学习的模型为图6的流程的上次以前的执行时制作出的模型，并未反映新获取的运行数据。
当新获取的运行数据为与未学习区域对应的数据时(S105的“是”判定)，判定新获取的运行数据是否为初次学习(S107)。当新获取的运行数据不是初次学习时(S107的“否”判定)，获取已学习的模型(S108)。
当新获取的运行数据为初次学习时(S107的“是”判定)，反映新获取的运行数据并制作模型(S109)。即，在S109中，根据新获取的运行数据，进行与运行模式对应的模型的更新。
接着，对通过模型估计出的运行状态的估计值和与运行状态对应的实测值进行比较，并判定新获取的运行数据是否为离群值(S110)。当新获取的运行数据为离群值时(S110的“是”判定)，执行S106。
当新获取的运行数据不是离群值时(S110的“否”判定)，将反映了新获取的运行数据的模型(在S109中制作出的模型)设定为异常检测中所使用的模型并更新模型(S111)。
然后，根据模型进行异常检测(S112)。关于异常检测，例如，可以根据通过模型估计出的运行状态及该运行状态的实测值并且根据异常的程度(表示哪种程度的异常的异常值)进行异常检测。若能够使用模型估计多个运行状态，则可以与各运行状态对应地计算异常值，并进行综合(例如计算异常值的合计)后进行异常检测。
如此，通过进行处理，与运行模式对应地进行异常检测。能够使用未反映成为离群值的运行数据的模型进行异常检测。
接着，参考图7及图8对由上述异常检测系统50进行的运行模式确定处理的一例进行说明。图7及图8是表示本实施方式所涉及的运行模式确定处理的步骤的一例的流程图。图7及图8所示的流程例如在执行S103时开始。图8示出了图7的流程的延续。假设在运行数据中包含为了执行图7的流程而所需的信息。
首先，判定轻微故障的标志F是否为1(S201)。例如，通过轻微故障的判断处理，轻微故障的标志F1成为1。
当轻微故障的标志F1为1时(S201的“是”判定)，设为发生了轻微故障(S202)，并结束处理。当结束处理时，不执行S104以后的处理。
当轻微故障的标志F1不是1时(S201的“否”判定)，判定表示制冷机运行中的标志F2是否为0(S203)。标志F2在制冷机运行时成为1。
当表示制冷机运行中的标志F2为0时(S203的“是”判定)，判定热气旁通阀78的开度HGBP是否为全开，且低压膨胀阀65的开度EX1是否为全开，且高压膨胀阀64的开度EX2是否为全开(S204)。当在S204中为“是”判定时，判定模式持续时间序列数C1是否为阈值CT1以上(S205)。模式持续时间序列数C1成为相同运行模式持续多少的计数值。后述的模式持续时间序列数C2至C5也与C1相同。
当模式持续时间序列数C1为阈值CT1以上时(S205的“是”判定)，将运行模式确定为Inactive状态(S206)，并执行S104。
当模式持续时间序列数C1不是阈值CT1以上时(S205的“否”判定)，再次执行S205。即，模式持续时间序列数C1随着时间经过而增加，并且执行S205，直至成为“是”判定。
当在S204中为“否”判定时，判定蒸发器压力(Epp)是否大于0，且中间冷却器压力(Mpp)是否大于0，且冷凝器压力(Cpp)是否大于0(S207)。当S207为“是”判定时，设为过渡运行(S208)，并结束处理。当结束处理时，不执行S104以后的处理。过渡运行为向任一运行模式转变中途的状态。
当S207为“否”判定时，设为数据缺失(S209)，并结束处理。当结束处理时，不执行S104以后的处理。数据缺失是指，存在所需的运行数据为空的可能性的状态。
当表示制冷机运行中的标志F2不是0(即为1)时(S203的“否”判定)，判定热气旁通阀78的开度HGBP是否为全开，且低压膨胀阀65的开度EX1是否为全开，且高压膨胀阀64的开度EX2是否为全开(S210)。当在S210中为“是”判定时，判定模式持续时间序列数C2是否为阈值CT2以上(S211)。在S210的“是”判定中，估计压缩机60处于没有运行的状态，能够判定为存在Idle状态的可能性。关于Idle状态的确定方法，并不限定于S210的判定，可以采用其他方法。
当模式持续时间序列数C2为阈值CT2以上时(S211的“是”判定)，将运行模式确定为Idle状态(S212)，并执行S104。
当模式持续时间序列数C2不是阈值CT2以上时(S211的“否”判定)，再次执行S211。即，模式持续时间序列数C2随着时间经过而增加，并执行S211，直至成为“是”判定。
当S210中为“否”判定时，判定热气旁通阀78的开度HGBP是否未全开，且低压膨胀阀65的开度EX1是否未全开，且高压膨胀阀64的开度EX2是否未全开(S213)。当在S213中为“否”判定时，设为过渡运行(S214)，并结束处理。当结束处理时，不执行S104以后的处理。
当在S213中为“是”判定时，判定热气旁通阀78的开度HGBP是否为全闭(S215)。当热气旁通阀78的开度HGBP不是全闭时(S215的“否”判定)，判定模式持续时间序列数C3是否为阈值CT3以上(S216)。
当模式持续时间序列数C3为阈值CT3以上时(S216的“是”判定)，将运行模式确定为Low Load状态(S217)，并执行S104。
当模式持续时间序列数C3不是阈值CT3以上时(S216的“否”判定)，再次执行S216。即，模式持续时间序列数C3随着时间经过而增加，并执行S216，直至成为“是”判定。
当热气旁通阀78的开度HGBP为全闭时(S215的“是”判定)，判定冷水的介质的种类B不是水，且设定冷水出口温度(冷水的目标温度)Eto_SV是否大于0℃(S218)。当在S218中为“否”判定时，判定模式持续时间序列数C4是否为阈值CT4以上(S219)。
当模式持续时间序列数C4为阈值CT4以上时(S219的“是”判定)，将运行模式确定为Active状态(S220)，并执行S104。
当模式持续时间序列数C4不是阈值CT4以上时(S219的“否”判定)，再次执行S219。即，模式持续时间序列数C4随着时间经过而增加，并执行S219，直至成为“是”判定。
当在S218中为“是”判定时，判定模式持续时间序列数C5是否为阈值CT5以上(S221)。
当模式持续时间序列数C5为阈值CT5以上时(S221的“是”判定)，将运行模式确定为High Load状态(S222)，并执行S104。
当模式持续时间序列数C5不是阈值CT5以上时(S221的“否”判定)，再次执行S221。即，模式持续时间序列数C5随着时间经过而增加，并执行S221，直至成为“是”判定。
如此，确定运行模式。尤其在上述流程中，示出了根据设置于制冷机的阀的开度信息确定运行模式的情况，但只要能够判别各运行模式，则并不限定于上述流程。
接着，对模型的具体例进行说明。
如前述，模型为能够估计制冷机的规定的运行状态的虚拟模型。因此，能够根据异常检测的对象的运行状态采用各种模型。关于模型的方式，只要能够估计制冷机的规定的运行状态，则能够使用数式模型等各种表现形式的模型。
例如，若由数式模型来表示，则制冷机的模型可使用说明变量、目标变量及系数来表示。具体而言，若将蒸发器压力设为估计对象的运行状态(目标变量)，则与Inactive状态的运行模式对应的模型由以下式(1)来表示。
[数式1]
Figure BDA0004008086050000131
在式(1)中，Epp为蒸发器压力，Mpp为中间冷却器压力，Cpp为冷凝器压力。而且，p0′及p1′分别成为系数。即，在式(1)中，通过将Epp、Mpp、Cpp作为运行数据而系数即p0′及p1′得到回归确定(得到拟合)，生成适应于运行数据的模型。而且，通过输入Mpp、Cpp，作为Epp能够估计蒸发器压力。
分别与Idle状态、Low Load状态、Active状态及High Load状态对应的模型由以下式(2)及式(3)来表示。
[数式2]
Epp＝p2+p3×f(TTE)    (2)
[数式3]
TTE＝EtO+p0-p1×L           (3)
在式(2)及式(3)中，TTE为蒸发饱和温度，Eto为冷水出口温度，L为制冷机负荷率，f(TTE)为根据蒸发饱和温度求出饱和蒸发压力的函数。而且，p0、p1、p2及p3分别成为系数。
即，在式(2)及式(3)中，通过将Epp、TTE、Eto、L作为运行数据而系数即p0、p1、p2及p3得到回归确定(得到拟合)，生成适应于运行数据的模型。
p0、p1、p2及p3与分别与各运行模式对应的运行数据对应地进行拟合，因此成为分别与各运行模式对应的值。即，式(2)及式(3)按Idle状态、Low Load状态、Active状态及High Load状态的每个运行模式而p0、p1、p2及p3不同，因此成为与各运行模式对应的模型。
而且，通过对基于与运行模式对应的系数的式(2)及式(3)输入TTE、Eto、L，作为Epp能够估计蒸发器压力。
式(1)至式(3)表示模型的一例，本实施方式中的模型并不限定于上述。
在本实施方式中，与各运行模式对应地进行处理，但也能够不判别运行模式而制作模型后进行处理(例如离群值判定)。
如以上进行的说明，根据本实施方式所涉及的异常检测系统、制冷机、异常检测方法及异常检测程序，当从制冷机获取的运行数据为未学习数据时，根据运行数据制作模型。然后，对使用了制作出的模型的运行状态的估计值与实测值进行比较，判定模型制作中所使用的运行数据是否为离群值(异常值)。然后，当判定为运行数据不是离群值时，通过制作出的模型进行制冷机的异常检测。由此，当获取了未学习的运行数据时，判定运行数据是否为离群值，并且能够使用基于不是离群值的运行数据的模型进行异常检测。因此，能够提高异常检测的精度。
根据运行数据确定制冷机的运行模式，与所确定的运行模式对应地制作模型并用于异常检测。因此，能够提高异常检测的精度。
本发明并不仅限定于上述实施方式，在不脱离发明的宗旨的范围内，能够实施各种变形。
以上说明的各实施方式中所记载的异常检测系统、制冷机、异常检测方法及异常检测程序例如可以如下理解。
本发明所涉及的异常检测系统(50)具备：获取部(51)，获取对象设备的运行数据；制作部(53)，当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；判定部(54)，对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及异常检测部(55)，当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
根据本发明所涉及的异常检测系统(50)，当从对象设备获取的运行数据为未学习数据时，根据运行数据制作模型。然后，对使用了制作出的模型的运行状态的估计值与实测值进行比较，判定模型制作中所使用的运行数据是否为离群值(异常值)。然后，当判定为运行数据不是离群值时，通过制作出的模型进行对象设备的异常检测。由此，当获取了未学习的运行数据时，判定运行数据是否为离群值，并且能够使用基于不是离群值的运行数据的模型进行异常检测。因此，能够提高异常检测的精度。
本发明所涉及的异常检测系统(50)可以是如下：所述判定部(54)根据所述估计值及所述实测值的误差以及允许误差范围，判定所述运行数据是否为离群值。
根据本发明所涉及的异常检测系统(50)，通过根据估计值及实测值的误差，能够判定运行数据是否为离群值。
本发明所涉及的异常检测系统(50)可以是如下：所述允许误差范围根据所述实测值的测量误差设定。
根据本发明所涉及的异常检测系统(50)，允许误差范围根据实测值的测量误差设定，由此能够更有效地进行离群值的判定处理。
本发明所涉及的异常检测系统(50)可以是如下：具备预先设定有多个运行模式并根据所述运行数据确定所述对象设备的所述运行模式的模式确定部(52)，所述制作部(53)与所确定的所述运行模式对应地制作所述模型，所述异常检测部(55)根据与所确定的所述运行模式对应地制作出的所述模型，进行所述对象设备的异常检测。
根据本发明所涉及的异常检测系统(50)，根据运行数据确定对象设备的运行模式，与所确定的运行模式对应地制作模型并用于异常检测。因此，能够提高异常检测的精度。
本发明所涉及的异常检测系统(50)可以是如下：所述运行模式为停止状态、怠速状态、负荷状态小于第1规定值的低负荷状态、负荷状态为所述第1规定值以上且小于设定为大于所述第1规定值的值的第2规定值的运行状态及负荷状态小于所述第2规定值以上的高负荷状态中的至少任意两个。
根据本发明所涉及的异常检测系统(50)，作为运行模式，设定停止状态、怠速状态、低负荷状态、运行状态及高负荷状态中的至少任意两个，因此能够与负荷状况对应地区分运行模式。即，预先设定有多个运行模式，根据运行数据选择1个运行模式。
本发明所涉及的异常检测系统(50)可以是如下：所述对象设备为作为热介质使用了盐水的制冷机，所述运行模式为停止状态、怠速状态、所述制冷机正在运行且使通过压缩机(60)压缩的气体的一部分向所述压缩机(60)的入口侧迂回的热气旁通阀(78)打开的状态、所述制冷机正在运行且所述热气旁通阀(78)关闭的状态及所述制冷机正在运行且所述热气旁通阀(78)关闭并且从所述制冷机输出的冷水的目标温度大于0℃的状态中的至少任意两个。
根据本发明所涉及的异常检测系统(50)，作为运行模式，设定停止状态、怠速状态、制冷机正在运行且热气旁通阀(78)打开的状态、制冷机正在运行且热气旁通阀(78)关闭的状态及制冷机正在运行且热气旁通阀(78)关闭并且从制冷机输出的冷水的目标温度大于0℃的状态中的至少任意两个，因此能够与制冷机的运行状态的变化对应地区分运行模式。即，预先设定有多个运行模式，根据运行数据选择1个运行模式。
本发明所涉及的制冷机具备压缩机(60)、使通过所述压缩机(60)压缩的制冷剂冷凝的冷凝器(62)、使已冷凝的制冷剂膨胀的膨胀阀、使已膨胀的制冷剂蒸发并且冷却冷水的蒸发器(66)及上述异常检测系统(50)。
本发明所涉及的异常检测方法具有如下工序：获取对象设备的运行数据；当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
本发明所涉及的异常检测程序使计算机执行如下处理：获取对象设备的运行数据；当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
符号说明
1-热源系统，3-外部负荷，11～13-涡轮制冷机(制冷机)，21～23-冷水泵，31-供水集水管，32-回水集水管，33-旁通管，34-旁通阀，50-异常检测系统，51-获取部，52-模式确定部，53-制作部，54-判定部，55-异常检测部，60-压缩机，62-冷凝器，63-过冷器，64-高压膨胀阀(膨胀阀)，65-低压膨胀阀(膨胀阀)，66-蒸发器，67-中间冷却器，70-逆变器，72-电动马达，74-控制板，76-热气旁通管，78-热气旁通阀，79-入口导叶(IGV)，80-冷却传热管，82-冷水传热管，111-CPU，112-ROM，113-RAM，114-硬盘驱动器，115-通信部，118-总线。

Claims (9)

1.一种异常检测系统，其具备：
获取部，获取对象设备的运行数据；
制作部，当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；
判定部，对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及
异常检测部，当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
2.根据权利要求1所述的异常检测系统，其中，
所述判定部根据所述估计值及所述实测值的误差以及允许误差范围，判定所述运行数据是否为离群值。
3.根据权利要求2所述的异常检测系统，其中，
所述允许误差范围根据所述实测值的测量误差来设定。
4.根据权利要求1至3中任一项所述的异常检测系统，其具备：
模式确定部，预先设定有多个运行模式，根据所述运行数据，确定所述对象设备的所述运行模式，
所述制作部与所确定的所述运行模式对应地制作所述模型，
所述异常检测部根据与所确定的所述运行模式对应地制作出的所述模型，进行所述对象设备的异常检测。
5.根据权利要求4所述的异常检测系统，其中，
所述运行模式为停止状态、怠速状态、负荷状态小于第1规定值的低负荷状态、负荷状态为所述第1规定值以上且小于设定为大于所述第1规定值的值的第2规定值的运行状态及负荷状态小于所述第2规定值以上的高负荷状态中的至少任意两个。
6.根据权利要求4所述的异常检测系统，其中，
所述对象设备为作为热介质使用盐水的制冷机，
所述运行模式为停止状态、怠速状态、所述制冷机正在运行且使通过压缩机压缩的气体的一部分向所述压缩机的入口侧迂回的热气旁通阀打开的状态、所述制冷机正在运行且所述热气旁通阀关闭的状态及所述制冷机正在运行且所述热气旁通阀关闭并且从所述制冷机输出的冷水的目标温度大于0℃的状态中的至少任意两个。
7.一种制冷机，其具备：
压缩机；
冷凝器，使通过所述压缩机压缩的制冷剂冷凝；
膨胀阀，使已冷凝的制冷剂膨胀；
蒸发器，使已膨胀的制冷剂蒸发并冷却冷水；及
权利要求1至6中任一项所述的异常检测系统。
8.一种异常检测方法，其具有如下工序：
获取对象设备的运行数据；
当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；
对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及
当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
9.一种异常检测程序，其用于使计算机执行如下处理：
获取对象设备的运行数据；
当所述运行数据为未学习数据时，根据所述运行数据，制作能够估计所述对象设备的规定的运行状态的模型；
对通过所述模型估计出的所述运行状态的估计值和与所述运行状态对应的实测值进行比较，判定所述运行数据是否为离群值；及
当判定为所述运行数据不是离群值时，根据所述模型，进行所述对象设备的异常检测。
CN202180044098.9A 2020-07-16 2021-07-12 异常检测系统、制冷机、异常检测方法及异常检测程序 Pending CN115917228A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020122016A JP2022018707A (ja) 2020-07-16 2020-07-16 異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム
JP2020-122016 2020-07-16
PCT/JP2021/026149 WO2022014533A1 (ja) 2020-07-16 2021-07-12 異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム

Publications (1)

Publication Number Publication Date
CN115917228A true CN115917228A (zh) 2023-04-04

Family

ID=79554806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180044098.9A Pending CN115917228A (zh) 2020-07-16 2021-07-12 异常检测系统、制冷机、异常检测方法及异常检测程序

Country Status (4)

Country Link
US (1) US20230259111A1 (zh)
JP (1) JP2022018707A (zh)
CN (1) CN115917228A (zh)
WO (1) WO2022014533A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023175653A1 (ja) * 2022-03-14 2023-09-21 三菱電機株式会社 異常検知装置、冷凍サイクル装置および異常検知システム
WO2023228277A1 (ja) * 2022-05-24 2023-11-30 三菱電機株式会社 学習装置、監視装置および空調システム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5761960B2 (ja) * 2010-10-29 2015-08-12 三菱重工業株式会社 熱源装置
JP5684941B1 (ja) * 2014-07-31 2015-03-18 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法

Also Published As

Publication number Publication date
US20230259111A1 (en) 2023-08-17
WO2022014533A1 (ja) 2022-01-20
JP2022018707A (ja) 2022-01-27

Similar Documents

Publication Publication Date Title
KR101242385B1 (ko) 히트 펌프 및 히트 펌프의 열매체 유량 연산 방법
CN1190637C (zh) 基于冷却器温差和排放过热控制电子膨胀阀的方法
CN100587368C (zh) 具有内部热交换器的制冷回路的控制
CN108613473A (zh) 风冷冰箱及其化霜的控制方法、控制系统、控制器
JP6324707B2 (ja) 熱源機及びその制御方法
US9823633B2 (en) Number-of-machines control device for heat source system, method therefor, and heat source system
KR101445992B1 (ko) 열매체 유량 추정 장치, 열원기 및 열매체 유량 추정 방법
US20090090117A1 (en) System and method for monitoring overheat of a compressor
JP5761960B2 (ja) 熱源装置
EP2693136A1 (en) Expansion valve control device, heat source machine, and expansion valve control method
EP3882524B1 (en) Air conditioning system
CN115917228A (zh) 异常检测系统、制冷机、异常检测方法及异常检测程序
US20120053898A1 (en) Performance evaluation device for centrifugal chiller
CN110094858B (zh) 空调电子膨胀阀的控制方法、装置、计算机产品及空调
JP2020183817A (ja) 台数制御装置、台数制御方法、台数制御プログラム
US6826917B1 (en) Initial pull down control for a multiple compressor refrigeration system
CN1180214C (zh) 保护用在冷却器和/或热泵中的压缩机的方法
CN114761742B (zh) 制冷循环装置的控制装置以及制冷循环装置
EP3421904A1 (en) Compressor cycling control for variable flow systems
CN110926045A (zh) 冷水机组及其控制方法
JP5931774B2 (ja) ターボ冷凍機の最大負荷率算出装置及びその方法並びに熱源システム及びその台数制御方法
US10006725B2 (en) Heat source system and method for controlling number of machines to be started at time of power recovery in heat source system
CN101644502B (zh) 制冷回路及用于运行该制冷回路的方法
JP2022111467A (ja) 冷凍装置の検査方法および検査装置
JPH01314865A (ja) 空気調和機

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination