JP2003044123A - プラント診断装置 - Google Patents
プラント診断装置Info
- Publication number
- JP2003044123A JP2003044123A JP2001230153A JP2001230153A JP2003044123A JP 2003044123 A JP2003044123 A JP 2003044123A JP 2001230153 A JP2001230153 A JP 2001230153A JP 2001230153 A JP2001230153 A JP 2001230153A JP 2003044123 A JP2003044123 A JP 2003044123A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- signal
- independent
- independent signal
- database
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Monitoring And Testing Of Nuclear Reactors (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
(57)【要約】
【課題】 プラントの観測値が変動した場合、その変動
要因を考慮した幅広いプラント診断を可能とする。 【解決手段】 観測値データ１を独立な信号に分解する
信号解析装置１０と、独立な信号を自プラント及び他プ
ラント毎に保存するとともに、プラント異常時の原因デ
ータを保存するデータベース６０と、前記独立な信号と
データベースに保存された独立な信号とを比較する比較
装置２０と、比較結果からプラント状態を診断する診断
装置３０と、比較結果に基づいて、前記独立な信号に類
似する他プラントの独立な信号をデータベース６０から
取り込み、他プラントの独立な信号を自プラントの独立
な信号に変換する変換装置５０と、前記独立な信号と変
換装置５０により変換された独立な信号とが入力され、
切換操作によって、どちらか一方の独立な信号を選択す
る切換装置７０と、選択された独立な信号を取り込み、
自プラントの挙動を予測したプラントモデルを出力する
モデル８０とを有する。
要因を考慮した幅広いプラント診断を可能とする。 【解決手段】 観測値データ１を独立な信号に分解する
信号解析装置１０と、独立な信号を自プラント及び他プ
ラント毎に保存するとともに、プラント異常時の原因デ
ータを保存するデータベース６０と、前記独立な信号と
データベースに保存された独立な信号とを比較する比較
装置２０と、比較結果からプラント状態を診断する診断
装置３０と、比較結果に基づいて、前記独立な信号に類
似する他プラントの独立な信号をデータベース６０から
取り込み、他プラントの独立な信号を自プラントの独立
な信号に変換する変換装置５０と、前記独立な信号と変
換装置５０により変換された独立な信号とが入力され、
切換操作によって、どちらか一方の独立な信号を選択す
る切換装置７０と、選択された独立な信号を取り込み、
自プラントの挙動を予測したプラントモデルを出力する
モデル８０とを有する。
Description
【０００１】
【発明の属する技術分野】本発明はプラント診断装置に
係り、特に複数のプラントから得られる観測値を用い
て、プラントの現在の状態を診断するとともに、将来の
状態も予測するプラント診断装置に関する。
係り、特に複数のプラントから得られる観測値を用い
て、プラントの現在の状態を診断するとともに、将来の
状態も予測するプラント診断装置に関する。
【０００２】
【従来の技術】プラントから得られる各観測値は相関関
係が複雑であるため、各観測値の波形から変動要因を特
定することは難しい。
係が複雑であるため、各観測値の波形から変動要因を特
定することは難しい。
【０００３】そこで、従来では、各観測値に対して、特
徴を抽出できるような処理を施した後、診断や予測をす
ることが提案されている。例えば、特開平８−２２１１
１７号公報には、自己相似性の高い信号を抽出するため
にフラクタル次元を用いる方法や、信号の歪度を計算
し、その絶対値が０に近い場合には、正規分布に近いた
め複雑度を低くし、逆に歪度の絶対値が０に近くない場
合には、正規分布から外れるため複雑度を高くし、信号
のゆらぎ成分を抽出する方法が示されている。
徴を抽出できるような処理を施した後、診断や予測をす
ることが提案されている。例えば、特開平８−２２１１
１７号公報には、自己相似性の高い信号を抽出するため
にフラクタル次元を用いる方法や、信号の歪度を計算
し、その絶対値が０に近い場合には、正規分布に近いた
め複雑度を低くし、逆に歪度の絶対値が０に近くない場
合には、正規分布から外れるため複雑度を高くし、信号
のゆらぎ成分を抽出する方法が示されている。
【０００４】また、特開平８−３０４１２５号公報に
は、信号を周波数解析し、正常時の周波数解析結果と比
較することで、異常を検知する方法が示されている。
は、信号を周波数解析し、正常時の周波数解析結果と比
較することで、異常を検知する方法が示されている。
【０００５】
【発明が解決しようとする課題】しかしながら、上記従
来技術では、観測値の変動をゆらぎと捉え、このゆらぎ
を検知することで異常を検出するようにしており、ゆら
ぎが生じた要因まで特徴付けられるような方法は考慮さ
れていない。
来技術では、観測値の変動をゆらぎと捉え、このゆらぎ
を検知することで異常を検出するようにしており、ゆら
ぎが生じた要因まで特徴付けられるような方法は考慮さ
れていない。
【０００６】プラントから得られる各観測値の相関関係
は複雑であるため、変動要因までも考慮した過去データ
との比較は困難である。例えば、原子力発電プラントの
水質管理を行う上で、放射線量に直接影響を及ぼすＣｏ
イオン濃度を監視することは非常に重要であるが、上記
従来技術では、Ｃｏイオン濃度が変動した事は検知でき
るが、どのような要因からＣｏイオン濃度が変動したの
かは判らない。このような問題は、保全の観点から非常
に重要な課題である。
は複雑であるため、変動要因までも考慮した過去データ
との比較は困難である。例えば、原子力発電プラントの
水質管理を行う上で、放射線量に直接影響を及ぼすＣｏ
イオン濃度を監視することは非常に重要であるが、上記
従来技術では、Ｃｏイオン濃度が変動した事は検知でき
るが、どのような要因からＣｏイオン濃度が変動したの
かは判らない。このような問題は、保全の観点から非常
に重要な課題である。
【０００７】本発明の目的は、プラントの観測値が変動
した場合、その変動要因を考慮した幅広い診断を行うこ
とのできるプラント診断装置を提供することにある。
した場合、その変動要因を考慮した幅広い診断を行うこ
とのできるプラント診断装置を提供することにある。
【０００８】
【課題を解決するための手段】上記目的を達成するため
に、本発明は、複数のプラントの状態を測定するととも
に、その測定信号を用いて各プラントの状態を診断する
プラント診断装置において、測定信号を取り込んで測定
信号を独立な信号に分解する信号解析装置と、信号解析
装置から出力された独立な信号や関連する情報を自プラ
ント及び他プラント毎に保存するとともに、プラント異
常時の原因データを保存するデータベースと、信号解析
装置から出力された独立な信号とデータベースに保存さ
れた独立な信号とを比較する比較装置と、その比較結果
に基づいてプラントの状態を診断する診断装置と、その
診断結果を表示する診断結果表示装置と、比較装置での
比較結果に基づいて、信号解析装置から出力された独立
な信号に類似する他プラントの独立な信号をデータベー
スから取り込んで、他プラントの独立な信号を自プラン
トの独立な信号に変換する変換装置と、信号解析装置か
ら出力された自プラントの独立な信号と変換装置により
変換された独立な信号とが入力され、切換操作によっ
て、前記入力された２種類の独立な信号のどちらか一方
を選択する切換装置と、選択された独立な信号を取り込
んで、自プラントの挙動を予測したプラントモデルを出
力する予測手段と、予測手段の出力結果を表示する予測
結果表示装置とを備えたことを特徴としている。
に、本発明は、複数のプラントの状態を測定するととも
に、その測定信号を用いて各プラントの状態を診断する
プラント診断装置において、測定信号を取り込んで測定
信号を独立な信号に分解する信号解析装置と、信号解析
装置から出力された独立な信号や関連する情報を自プラ
ント及び他プラント毎に保存するとともに、プラント異
常時の原因データを保存するデータベースと、信号解析
装置から出力された独立な信号とデータベースに保存さ
れた独立な信号とを比較する比較装置と、その比較結果
に基づいてプラントの状態を診断する診断装置と、その
診断結果を表示する診断結果表示装置と、比較装置での
比較結果に基づいて、信号解析装置から出力された独立
な信号に類似する他プラントの独立な信号をデータベー
スから取り込んで、他プラントの独立な信号を自プラン
トの独立な信号に変換する変換装置と、信号解析装置か
ら出力された自プラントの独立な信号と変換装置により
変換された独立な信号とが入力され、切換操作によっ
て、前記入力された２種類の独立な信号のどちらか一方
を選択する切換装置と、選択された独立な信号を取り込
んで、自プラントの挙動を予測したプラントモデルを出
力する予測手段と、予測手段の出力結果を表示する予測
結果表示装置とを備えたことを特徴としている。
【０００９】上記構成によれば、プラントの測定信号を
独立な信号に分解し、その分解した独立な信号とデータ
ベースに保存された独立な信号とを比較することによ
り、変動があった信号の変動要因を考慮して他プラント
のデータを自プラントのデータに変換することができ、
診断の幅を広げることができる。また、比較装置と変換
装置によって、自プラントの予測や他プラントで発生し
た異常を自プラントで模擬することもできる。
独立な信号に分解し、その分解した独立な信号とデータ
ベースに保存された独立な信号とを比較することによ
り、変動があった信号の変動要因を考慮して他プラント
のデータを自プラントのデータに変換することができ、
診断の幅を広げることができる。また、比較装置と変換
装置によって、自プラントの予測や他プラントで発生し
た異常を自プラントで模擬することもできる。
【００１０】信号解析装置は、独立成分解析を用いて測
定信号を独立な信号に分解する。データベースには、プ
ラント正常時のデータとして、信号解析装置から出力さ
れた独立な信号と計算中に用いた変数及び平均値と分散
値が、プラント異常時のデータとして、信号解析装置か
ら出力された独立な信号と計算中に用いた変数が、プラ
ント異常時の原因データとして、事故原因、事故の内容
や対応策が、それぞれ最低限保存されている。
定信号を独立な信号に分解する。データベースには、プ
ラント正常時のデータとして、信号解析装置から出力さ
れた独立な信号と計算中に用いた変数及び平均値と分散
値が、プラント異常時のデータとして、信号解析装置か
ら出力された独立な信号と計算中に用いた変数が、プラ
ント異常時の原因データとして、事故原因、事故の内容
や対応策が、それぞれ最低限保存されている。
【００１１】比較装置は、信号解析装置から出力された
独立な信号を統計的に処理するとともに、自プラントの
独立な信号とデータベースから取り込んだ他プラントの
独立な信号との類似度を判定する。
独立な信号を統計的に処理するとともに、自プラントの
独立な信号とデータベースから取り込んだ他プラントの
独立な信号との類似度を判定する。
【００１２】比較装置での比較結果を表示する比較結果
表示装置が設けられ、比較結果表示装置には、自プラン
トの独立な信号に対応する他プラントの独立な信号と、
その他プラントの類似度とが表示される。
表示装置が設けられ、比較結果表示装置には、自プラン
トの独立な信号に対応する他プラントの独立な信号と、
その他プラントの類似度とが表示される。
【００１３】比較結果表示装置、診断結果表示装置およ
び予測結果表示装置は、それぞれ独立した表示装置、同
一の表示装置、または２つの表示装置がそれぞれ組み合
わされた表示装置によって構成されている。
び予測結果表示装置は、それぞれ独立した表示装置、同
一の表示装置、または２つの表示装置がそれぞれ組み合
わされた表示装置によって構成されている。
【００１４】診断装置は、比較装置で統計的に処理され
た結果からプラントの正常・異常を判定する判定手段
と、判定手段により異常と判定した場合又は比較装置に
よって類似度が高いと判定された場合に、データベース
よりプラント異常の原因や対策を検索する検索手段とを
有する。
た結果からプラントの正常・異常を判定する判定手段
と、判定手段により異常と判定した場合又は比較装置に
よって類似度が高いと判定された場合に、データベース
よりプラント異常の原因や対策を検索する検索手段とを
有する。
【００１５】変換装置は、他プラントの独立な信号を自
プラントの独立な信号に変換するシステムを同定する同
定手段と、同定されたシステムにより他プラントの独立
な信号を自プラントの独立な信号に変換する変換手段と
を有する。
プラントの独立な信号に変換するシステムを同定する同
定手段と、同定されたシステムにより他プラントの独立
な信号を自プラントの独立な信号に変換する変換手段と
を有する。
【００１６】予測手段は、複数のプラントモデルを保存
したモデルデータベースを含み、モデルデータベースよ
り該当するプラントモデルを抽出するとともに、切換装
置によって選択された独立な信号を入力し、プラントモ
デルの出力値をデータベースより得られる独立成分解析
の計算中に用いられた変数を使ってプラントの観測値デ
ータに変換する。
したモデルデータベースを含み、モデルデータベースよ
り該当するプラントモデルを抽出するとともに、切換装
置によって選択された独立な信号を入力し、プラントモ
デルの出力値をデータベースより得られる独立成分解析
の計算中に用いられた変数を使ってプラントの観測値デ
ータに変換する。
【００１７】
【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して説明する。 （実施の形態１）図１は、本発明に係るプラント診断装
置の全体構成を示している。本プラント診断装置には信
号解析装置１０が設けられ、この信号解析装置１０は、
入力された観測値データ１を独立な信号に分解し、その
分解した独立な信号を出力する。独立な信号は比較装置
２０に入力され、比較装置２０は、過去事例が収録され
た過去事例データベース６０内の信号と信号解析装置１
０から出力された独立な信号とを比較し、その比較結果
を出力する。比較結果は比較結果表示装置１３０に表示
される。比較装置２０での比較結果は診断装置３０に入
力され、診断装置３０は比較結果により診断を実施す
る。その診断結果は診断結果表示装置４０に表示され
る。
て図面を参照して説明する。 （実施の形態１）図１は、本発明に係るプラント診断装
置の全体構成を示している。本プラント診断装置には信
号解析装置１０が設けられ、この信号解析装置１０は、
入力された観測値データ１を独立な信号に分解し、その
分解した独立な信号を出力する。独立な信号は比較装置
２０に入力され、比較装置２０は、過去事例が収録され
た過去事例データベース６０内の信号と信号解析装置１
０から出力された独立な信号とを比較し、その比較結果
を出力する。比較結果は比較結果表示装置１３０に表示
される。比較装置２０での比較結果は診断装置３０に入
力され、診断装置３０は比較結果により診断を実施す
る。その診断結果は診断結果表示装置４０に表示され
る。
【００１８】また、変換装置５０が設けられ、この変換
装置５０は、信号解析装置１０から出力される自プラン
トの独立な信号、比較装置２０から出力される比較結
果、及び過去事例データベース６０内の信号を用いて、
類似する他プラントの独立な信号を自プラントの独立な
信号に変換する。他プラントの独立な信号を自プラント
の独立な信号に変換した信号は予測機能切換装置７０に
入力される。予測機能切換装置７０は、変換装置５０か
ら入力した前記信号および信号解析装置１０から出力さ
れる自プラントの独立な信号のどちらかを、機能切換指
令１２０に応じて選択する。
装置５０は、信号解析装置１０から出力される自プラン
トの独立な信号、比較装置２０から出力される比較結
果、及び過去事例データベース６０内の信号を用いて、
類似する他プラントの独立な信号を自プラントの独立な
信号に変換する。他プラントの独立な信号を自プラント
の独立な信号に変換した信号は予測機能切換装置７０に
入力される。予測機能切換装置７０は、変換装置５０か
ら入力した前記信号および信号解析装置１０から出力さ
れる自プラントの独立な信号のどちらかを、機能切換指
令１２０に応じて選択する。
【００１９】予測機能切換装置７０で選択された信号は
モデル８０に入力され、モデル８０は、その入力信号に
基づいて、モデルデータベース１００より該当するプラ
ントモデルを抽出し、それを予測信号として出力する。
その予測信号は予測結果表示装置９０に取り込まれ、予
測表示装置９０に表示される。本実施の形態では、モデ
ル８０及びモデルデータベース１００は予測手段を構成
している。
モデル８０に入力され、モデル８０は、その入力信号に
基づいて、モデルデータベース１００より該当するプラ
ントモデルを抽出し、それを予測信号として出力する。
その予測信号は予測結果表示装置９０に取り込まれ、予
測表示装置９０に表示される。本実施の形態では、モデ
ル８０及びモデルデータベース１００は予測手段を構成
している。
【００２０】なお、変換装置５０では、信号を変換する
ための関数を学習により同定しなければならないため、
モード切換指令１１０により、学習モードと変換モード
を切換えることで実現している。また、過去事例データ
ベース６０には、図４に示すように、各プラント毎に正
常時データ６１、異常時データ６２、原因データ６３が
それぞれ格納されている。
ための関数を学習により同定しなければならないため、
モード切換指令１１０により、学習モードと変換モード
を切換えることで実現している。また、過去事例データ
ベース６０には、図４に示すように、各プラント毎に正
常時データ６１、異常時データ６２、原因データ６３が
それぞれ格納されている。
【００２１】次に、診断と予測に関する動作についてそ
れぞれ説明する。初めに、診断に関する動作について説
明する。プラント設備に設けられたセンサにより得られ
る観測値データ１をフロッピー（登録商標）ディスクや
光磁気ディスクなどの記憶媒体や、専用又は一版電話回
線、イーサネット（登録商標）などのインターネット技
術を用いて信号解析装置１０に入力する。
れぞれ説明する。初めに、診断に関する動作について説
明する。プラント設備に設けられたセンサにより得られ
る観測値データ１をフロッピー（登録商標）ディスクや
光磁気ディスクなどの記憶媒体や、専用又は一版電話回
線、イーサネット（登録商標）などのインターネット技
術を用いて信号解析装置１０に入力する。
【００２２】信号解析装置１０では、入力された観測値
データ１を独立な信号に分解する。分解するためのアル
ゴリズムは、独立成分解析を用いる。アルゴリズムは、
以下の数式（１）〜（４）を用いる。
データ１を独立な信号に分解する。分解するためのアル
ゴリズムは、独立成分解析を用いる。アルゴリズムは、
以下の数式（１）〜（４）を用いる。
【００２３】
【数１】
【００２４】
【数２】
【００２５】
【数３】
【００２６】
【数４】
【００２７】ここで、ｙ(t)は時間ｔでの独立な信号を
ベクトル表現したもの、ｘ(t)は時間ｔでの観測値デー
タをベクトル表現したもの、Ｗは観測値データを独立な
信号に変換する行列、ΔＷ(t)は時間ｔでの行列の更新
量、ΔＷｉｊ(t)は第ｉ行第ｊ列の行列の要素の更新
量、ηｔは時間ｔでの更新ステップ、ｙｉ(t),ｙｊ(t)
はそれぞれ時間ｔでのベクトルｙ(t)の要素、ｃは正の
定数である。
ベクトル表現したもの、ｘ(t)は時間ｔでの観測値デー
タをベクトル表現したもの、Ｗは観測値データを独立な
信号に変換する行列、ΔＷ(t)は時間ｔでの行列の更新
量、ΔＷｉｊ(t)は第ｉ行第ｊ列の行列の要素の更新
量、ηｔは時間ｔでの更新ステップ、ｙｉ(t),ｙｊ(t)
はそれぞれ時間ｔでのベクトルｙ(t)の要素、ｃは正の
定数である。
【００２８】数式（１）は、問題の定式化を表してい
る。つまり、観測値データを行列Ｗによって独立な信号
に変換することを意味している。この独立な信号を実現
するように、行列Ｗを数式（２）のように更新してい
く。行列Ｗの各要素の更新量は、数式（３）によって与
えられる。また、更新ステップは数式（４）によって定
義され、時間が進むにつれて行列Ｗが収束するようにな
っている。
る。つまり、観測値データを行列Ｗによって独立な信号
に変換することを意味している。この独立な信号を実現
するように、行列Ｗを数式（２）のように更新してい
く。行列Ｗの各要素の更新量は、数式（３）によって与
えられる。また、更新ステップは数式（４）によって定
義され、時間が進むにつれて行列Ｗが収束するようにな
っている。
【００２９】次に、このようなアルゴリズムで観測値デ
ータを独立な信号に分解できることについて説明する。
行列Ｗが収束するまでアルゴリズムを繰り返していく
と、数式（３）はゼロに収束していく。これは、数式
（３）の右辺の期待値が０になることと等価であるか
ら、Ｅ[ｙｉ ３ｙｊ]＝０がいえる。ｙｊが一番初めに作
られるとすれば、当然独立であるため、その平均値を０
とすれば（０でなければ、その分をバイアスとして引い
ておけばよい）、期待値 Ｅ[ｙｊ]＝０となる。これよ
り、Ｅ[ｙｉ ３]Ｅ[ｙｊ]＝０となる。つまり、Ｅ[ｙｉ
３ｙｊ]＝Ｅ[ｙｉ ３]Ｅ[ｙｊ]となる。この式が成立す
るのは、ｙｉとｙｊが独立である場合だけである。よっ
て、上記のアルゴリズムより、観測値データを独立な信
号に分解できる。
ータを独立な信号に分解できることについて説明する。
行列Ｗが収束するまでアルゴリズムを繰り返していく
と、数式（３）はゼロに収束していく。これは、数式
（３）の右辺の期待値が０になることと等価であるか
ら、Ｅ[ｙｉ ３ｙｊ]＝０がいえる。ｙｊが一番初めに作
られるとすれば、当然独立であるため、その平均値を０
とすれば（０でなければ、その分をバイアスとして引い
ておけばよい）、期待値 Ｅ[ｙｊ]＝０となる。これよ
り、Ｅ[ｙｉ ３]Ｅ[ｙｊ]＝０となる。つまり、Ｅ[ｙｉ
３ｙｊ]＝Ｅ[ｙｉ ３]Ｅ[ｙｊ]となる。この式が成立す
るのは、ｙｉとｙｊが独立である場合だけである。よっ
て、上記のアルゴリズムより、観測値データを独立な信
号に分解できる。
【００３０】次に、比較装置２０の動作を図２を用いて
説明する。図２に示すように、比較装置２０は、自プラ
ントモード２１と他プラントモードの２種類の機能を有
する。
説明する。図２に示すように、比較装置２０は、自プラ
ントモード２１と他プラントモードの２種類の機能を有
する。
【００３１】自プラントモード２１では、自プラントの
異常診断をするための処理を行う。具体的には、過去事
例データベース６０内の正常時データから平均値と分散
値を取得し、これを正規化ガウス分布２２にセットした
後、信号解析装置１０から出力される独立な信号を入力
し、正規化ガウス分布の出力値２３を得る。
異常診断をするための処理を行う。具体的には、過去事
例データベース６０内の正常時データから平均値と分散
値を取得し、これを正規化ガウス分布２２にセットした
後、信号解析装置１０から出力される独立な信号を入力
し、正規化ガウス分布の出力値２３を得る。
【００３２】他プラントモード２４では、自プラントの
独立な信号と他プラントの独立な信号を類似度計算２５
に入力する。具体的には、以下の数式（５）に示す相互
情報量を用いて計算する。
独立な信号と他プラントの独立な信号を類似度計算２５
に入力する。具体的には、以下の数式（５）に示す相互
情報量を用いて計算する。
【００３３】
【数５】
【００３４】ここで、Ｉ(Ｘ１；Ｘ２)はＸ１とＸ２の相
互情報量、Ｈ(Ｘ１)はＸ１のエントロピー、Ｈ(Ｘ１｜
Ｘ２)はＸ２に対するＸ１の条件付きエントロピーであ
る。数式（５）の右辺は、Ｘ２が持っているＸ１に関す
る情報の量を表している。このことから、相互情報量Ｉ
(Ｘ１；Ｘ２)が０になるということは、Ｘ２がＸ１の情
報を持っていないという事になるので、Ｘ１とＸ２は独
立であるといえる。つまり、類似性がないという事にな
る。
互情報量、Ｈ(Ｘ１)はＸ１のエントロピー、Ｈ(Ｘ１｜
Ｘ２)はＸ２に対するＸ１の条件付きエントロピーであ
る。数式（５）の右辺は、Ｘ２が持っているＸ１に関す
る情報の量を表している。このことから、相互情報量Ｉ
(Ｘ１；Ｘ２)が０になるということは、Ｘ２がＸ１の情
報を持っていないという事になるので、Ｘ１とＸ２は独
立であるといえる。つまり、類似性がないという事にな
る。
【００３５】上記のように類似度計算２５の結果をしき
い値判定２６に入力する。しきい値判定２６では、相互
情報量が設定されたしきい値よりも小さければ、類似性
がないと判定し、しきい値よりも大きければ類似性があ
ると判定する。類似性があると判定された独立な信号の
組合せを類似独立信号の組合せデータ２７とする。
い値判定２６に入力する。しきい値判定２６では、相互
情報量が設定されたしきい値よりも小さければ、類似性
がないと判定し、しきい値よりも大きければ類似性があ
ると判定する。類似性があると判定された独立な信号の
組合せを類似独立信号の組合せデータ２７とする。
【００３６】比較結果表示装置１３０では、その組合せ
データをユーザに表示するための装置である。図６に、
その比較結果の表示例を示す。この例では、自プラント
の独立な信号が、ＸプラントとＹプラントの独立な信号
とそれぞれどれくらいの類似度があるのかを示してい
る。例えば、自プラントの第１信号は、Ｘプラントの第
３信号に対して類似度０.７２、Ｙプラントの第２信号
に対して類似度０.９２であり、自プラントの第２信号
は、Ｘプラントの第１信号に対して類似度０.８４、Ｙ
プラントの第３信号に対して類似度０.２５であり、自
プラントの第３信号は、Ｘプラントの第５信号に対して
類似度０.８９、Ｙプラントの第１信号に対して類似度
０.１１である。
データをユーザに表示するための装置である。図６に、
その比較結果の表示例を示す。この例では、自プラント
の独立な信号が、ＸプラントとＹプラントの独立な信号
とそれぞれどれくらいの類似度があるのかを示してい
る。例えば、自プラントの第１信号は、Ｘプラントの第
３信号に対して類似度０.７２、Ｙプラントの第２信号
に対して類似度０.９２であり、自プラントの第２信号
は、Ｘプラントの第１信号に対して類似度０.８４、Ｙ
プラントの第３信号に対して類似度０.２５であり、自
プラントの第３信号は、Ｘプラントの第５信号に対して
類似度０.８９、Ｙプラントの第１信号に対して類似度
０.１１である。
【００３７】次に、診断装置３０について図３を用いて
説明する。自プラントモード２１の場合、比較装置２０
からは正規化ガウス分布の出力値２３が出力される。そ
して、この出力値２３が、あるしきい値よりも大きいか
否かで、プラント状態の正常又は異常が判定される。す
なわち、正規化ガウス分布の出力値２３が、あるしきい
値よりも大きいときは、正常値の分布よりも離れていな
いということで、しきい値判定３１によって、プラント
状態が正常と判定される。その結果は診断結果表示装置
４０に送られる。逆に、あるしきい値よりも小さいとき
は、正常値の分布よりも離れているということで、しき
い値判定３１によって、プラント状態が異常と判定され
る。異常と判断した場合は、異常事例検索３２は過去事
例データベース６０内の原因データ６３（図４参照）に
アクセスし、異常原因を探索する。その結果は診断結果
表示装置４０に送られる。
説明する。自プラントモード２１の場合、比較装置２０
からは正規化ガウス分布の出力値２３が出力される。そ
して、この出力値２３が、あるしきい値よりも大きいか
否かで、プラント状態の正常又は異常が判定される。す
なわち、正規化ガウス分布の出力値２３が、あるしきい
値よりも大きいときは、正常値の分布よりも離れていな
いということで、しきい値判定３１によって、プラント
状態が正常と判定される。その結果は診断結果表示装置
４０に送られる。逆に、あるしきい値よりも小さいとき
は、正常値の分布よりも離れているということで、しき
い値判定３１によって、プラント状態が異常と判定され
る。異常と判断した場合は、異常事例検索３２は過去事
例データベース６０内の原因データ６３（図４参照）に
アクセスし、異常原因を探索する。その結果は診断結果
表示装置４０に送られる。
【００３８】また、他プラントモード２４の場合、比較
装置２０からは類似独立信号の組合せデータ２７が出力
される。この場合には、類似独立信号抽出３３によっ
て、異常と診断された独立な信号と類似な他プラントの
独立な信号を類似独立信号の組合せデータ２７の中から
抽出される。対応する他プラントの独立な信号があれ
ば、異常事例検索３２によって、過去事例データベース
６０内にある原因データ６３から該当する原因が抽出さ
れ、その結果は診断結果表示装置４０に送られる。
装置２０からは類似独立信号の組合せデータ２７が出力
される。この場合には、類似独立信号抽出３３によっ
て、異常と診断された独立な信号と類似な他プラントの
独立な信号を類似独立信号の組合せデータ２７の中から
抽出される。対応する他プラントの独立な信号があれ
ば、異常事例検索３２によって、過去事例データベース
６０内にある原因データ６３から該当する原因が抽出さ
れ、その結果は診断結果表示装置４０に送られる。
【００３９】診断結果表示装置４０では、診断装置３０
から送られてきた結果を、ＣＲＴなどの表示装置を用い
て表示する。
から送られてきた結果を、ＣＲＴなどの表示装置を用い
て表示する。
【００４０】また、正常と判定された場合には、その判
定結果は過去事例データベース６０内の正常時データ６
１に、異常と判定された場合には、その判定結果は過去
事例データベース６０内の原因データ６３にそれぞれ格
納される。
定結果は過去事例データベース６０内の正常時データ６
１に、異常と判定された場合には、その判定結果は過去
事例データベース６０内の原因データ６３にそれぞれ格
納される。
【００４１】図７及び図８に異常時の表示例を示す。図
７は正常時データ６１と比較した時、第２信号が正常な
分布から逸脱し異常となった場合である。このとき、現
在の独立な信号のデータと正常時の独立な信号のデータ
が対比して表示される。そして、詳細ボタン２００をク
リックすれば、過去事例データベース６０から参照され
た原因等が表示される。
７は正常時データ６１と比較した時、第２信号が正常な
分布から逸脱し異常となった場合である。このとき、現
在の独立な信号のデータと正常時の独立な信号のデータ
が対比して表示される。そして、詳細ボタン２００をク
リックすれば、過去事例データベース６０から参照され
た原因等が表示される。
【００４２】図８は他プラントの類似する独立な信号を
用いて、過去事例データベース６０に参照した結果の表
示例である。この例では、自プラントの独立な信号のう
ち第３信号が異常の原因となっており、比較装置２０に
よって、類似度が高いと判定されたＸプラントの独立な
信号のうちの第５信号を基にして、過去の異常事例を過
去事例データベース６０より参照した結果である。対策
ボタン２０１を押せば、過去の対応策が表示される。
用いて、過去事例データベース６０に参照した結果の表
示例である。この例では、自プラントの独立な信号のう
ち第３信号が異常の原因となっており、比較装置２０に
よって、類似度が高いと判定されたＸプラントの独立な
信号のうちの第５信号を基にして、過去の異常事例を過
去事例データベース６０より参照した結果である。対策
ボタン２０１を押せば、過去の対応策が表示される。
【００４３】次に、本実施の形態において、予測に関す
る動作について説明する。予測の場合にも、診断に関す
る動作で説明した信号解析装置１０及び比較装置２０で
の動作を実行する。その後、変換装置５０での動作に移
る。
る動作について説明する。予測の場合にも、診断に関す
る動作で説明した信号解析装置１０及び比較装置２０で
の動作を実行する。その後、変換装置５０での動作に移
る。
【００４４】変換装置５０においては、図５に示すよう
に、モード切換指令１１０によって、学習モード５１ま
たは変換モード５４が選択される。ここで、各動作の内
容を説明する。
に、モード切換指令１１０によって、学習モード５１ま
たは変換モード５４が選択される。ここで、各動作の内
容を説明する。
【００４５】学習モード５１では、比較装置２０の他プ
ラントモード２４の場合に出力される類似独立信号の組
合せデータ２７を用いて、評価指標設定５２にて評価指
標が設定される。具体的には、次の数式（６）によって
設定される。
ラントモード２４の場合に出力される類似独立信号の組
合せデータ２７を用いて、評価指標設定５２にて評価指
標が設定される。具体的には、次の数式（６）によって
設定される。
【００４６】
【数６】
【００４７】ここで、Ｅは評価指標、Ｔは独立な信号の
全時間、ｙ(t)は時間ｔの自プラントの独立な信号、ｙ^
(t)は時間ｔの他プラントの独立な信号である。
全時間、ｙ(t)は時間ｔの自プラントの独立な信号、ｙ^
(t)は時間ｔの他プラントの独立な信号である。
【００４８】ニューラルネットの学習５３では、数式
（６）で示された評価指標を最小とするように学習をす
る。なお、ニューラルネットの学習については、「ニュ
ーラルネットと計測制御」西川，北村、朝倉出版（１９
９５）に詳しい。これにより、他プラントの類似な独立
な信号を自プラントの独立な信号に変換するニューラル
ネットが作成されたことになる。このニューラルネット
は、同定されたニューラルネット５５となる。
（６）で示された評価指標を最小とするように学習をす
る。なお、ニューラルネットの学習については、「ニュ
ーラルネットと計測制御」西川，北村、朝倉出版（１９
９５）に詳しい。これにより、他プラントの類似な独立
な信号を自プラントの独立な信号に変換するニューラル
ネットが作成されたことになる。このニューラルネット
は、同定されたニューラルネット５５となる。
【００４９】変換モード５４では、過去事例データベー
ス内にある異常時データから変換したい類似独立信号を
同定されたニューラルネット５５に入力し、自プラント
の対応する独立な信号に変換する。その変換された信号
は、予測機能切換装置７０に送られる。
ス内にある異常時データから変換したい類似独立信号を
同定されたニューラルネット５５に入力し、自プラント
の対応する独立な信号に変換する。その変換された信号
は、予測機能切換装置７０に送られる。
【００５０】予測機能切換装置７０では、機能切換指令
１２０により、予測モード１２１と異常模擬モード１２
２を切換える。予測モード１２１では、信号解析装置１
０から出力される自プラントの独立な信号をそのままモ
デル８０に対し出力する。異常模擬モード１２２では、
信号解析装置１０からの独立な信号に対し、他プラント
の独立な信号と類似な信号がある場合には、その信号を
変換装置５０により他プラントの類似独立信号から変換
された独立な信号と置き換え、モデル８０に対し出力す
る。
１２０により、予測モード１２１と異常模擬モード１２
２を切換える。予測モード１２１では、信号解析装置１
０から出力される自プラントの独立な信号をそのままモ
デル８０に対し出力する。異常模擬モード１２２では、
信号解析装置１０からの独立な信号に対し、他プラント
の独立な信号と類似な信号がある場合には、その信号を
変換装置５０により他プラントの類似独立信号から変換
された独立な信号と置き換え、モデル８０に対し出力す
る。
【００５１】モデル８０では、モデルデータベース１０
０より対応するプラントのモデルを呼び出し、予測機能
切換装置７０からのデータを入力値として、予測信号を
出力する。モデルに関しては、ニューラルネットやＡＲ
ＭＡモデルなどの統計的モデルや物理モデルなどを用い
る。ただし、このとき得られる出力信号は独立な信号で
あるため、過去事例データベース６０の正常時データ６
１や異常時データ６２内にある行列Ｗの要素を用いて観
測値データに変換しなければばらない。具体的には、行
列Ｗの逆行列を独立な信号に掛ければ、観測値データ１
が求まる。得られた観測値データ１は予測結果表示装置
９０に送られる。
０より対応するプラントのモデルを呼び出し、予測機能
切換装置７０からのデータを入力値として、予測信号を
出力する。モデルに関しては、ニューラルネットやＡＲ
ＭＡモデルなどの統計的モデルや物理モデルなどを用い
る。ただし、このとき得られる出力信号は独立な信号で
あるため、過去事例データベース６０の正常時データ６
１や異常時データ６２内にある行列Ｗの要素を用いて観
測値データに変換しなければばらない。具体的には、行
列Ｗの逆行列を独立な信号に掛ければ、観測値データ１
が求まる。得られた観測値データ１は予測結果表示装置
９０に送られる。
【００５２】予測結果表示装置９０では、ＣＲＴなどに
代表される表示装置を用いて、予測モード１２１の場合
は、自プラントの予測結果として表示し、異常模擬モー
ド１２２の場合は、他プラントの異常原因を自プラント
で模擬するとどのような結果となるのかを表示する。
代表される表示装置を用いて、予測モード１２１の場合
は、自プラントの予測結果として表示し、異常模擬モー
ド１２２の場合は、他プラントの異常原因を自プラント
で模擬するとどのような結果となるのかを表示する。
【００５３】（実施の形態２）次に、実施の形態２につ
いて説明する。本実施の形態は、本発明に係るプラント
の状態予測診断装置を原子力発電プラントの水質管理シ
ステムに適用した例で、図１における診断や予測をより
具体化したものである。
いて説明する。本実施の形態は、本発明に係るプラント
の状態予測診断装置を原子力発電プラントの水質管理シ
ステムに適用した例で、図１における診断や予測をより
具体化したものである。
【００５４】観測値データ１としては、給水流量や電気
出力などに代表される原子力プラントの状態を表すデー
タと、復水脱塩装置入口の導電率、ナトリウム濃度、塩
素濃度などに代表される原子力プラントの水質を表すデ
ータが挙げられる。これらの観測値データ１を図１に示
す信号解析装置１０に入力する。そして、実施の形態１
で説明したアルゴリズムにより、観測値データ１を独立
な信号に分解する。
出力などに代表される原子力プラントの状態を表すデー
タと、復水脱塩装置入口の導電率、ナトリウム濃度、塩
素濃度などに代表される原子力プラントの水質を表すデ
ータが挙げられる。これらの観測値データ１を図１に示
す信号解析装置１０に入力する。そして、実施の形態１
で説明したアルゴリズムにより、観測値データ１を独立
な信号に分解する。
【００５５】分解された独立な信号は、実施の形態１の
場合と同様に比較装置２０で比較処理された後、診断装
置３０によって水質に関する診断が行われる。具体的に
は、自プラントモード２１の場合、分解された独立な信
号のうち第２の信号がしきい値判定３１によって異常と
判定されると、過去事例データベース６０内を検索す
る。例えば、第２の信号が異常である場合、主復水器海
水漏洩が対応すれば、診断結果表示装置４０には、「主
復水器海水漏洩」と表示される。
場合と同様に比較装置２０で比較処理された後、診断装
置３０によって水質に関する診断が行われる。具体的に
は、自プラントモード２１の場合、分解された独立な信
号のうち第２の信号がしきい値判定３１によって異常と
判定されると、過去事例データベース６０内を検索す
る。例えば、第２の信号が異常である場合、主復水器海
水漏洩が対応すれば、診断結果表示装置４０には、「主
復水器海水漏洩」と表示される。
【００５６】また、他プラントモード２４の場合、比較
装置２０によって類似度が高いと判断されたプラントの
独立な信号のうち、図３のしきい値判定３１によって異
常と判定された独立な信号と類似度が高い信号があれ
ば、自プラントモードと同様に、過去事例データベース
６０内を検索し、そのときの異常原因を特定する。例え
ば、上述での第２の信号とＹプラントの第５の信号が比
較装置２０の結果、類似度が高いとすると、過去事例デ
ータベース６０内のＹプラントの第５の信号が異常であ
る場合を検索する。この結果、Ｙプラントも主復水器海
水漏洩であれば、診断結果表示装置４０に、Ｙプラント
での事故事例では「主復水器海水漏洩」と表示される。
装置２０によって類似度が高いと判断されたプラントの
独立な信号のうち、図３のしきい値判定３１によって異
常と判定された独立な信号と類似度が高い信号があれ
ば、自プラントモードと同様に、過去事例データベース
６０内を検索し、そのときの異常原因を特定する。例え
ば、上述での第２の信号とＹプラントの第５の信号が比
較装置２０の結果、類似度が高いとすると、過去事例デ
ータベース６０内のＹプラントの第５の信号が異常であ
る場合を検索する。この結果、Ｙプラントも主復水器海
水漏洩であれば、診断結果表示装置４０に、Ｙプラント
での事故事例では「主復水器海水漏洩」と表示される。
【００５７】次に、予測に関しても、実施の形態１で述
べた方法と同様であるが、具体的には、自プラントと類
似度の高い他プラントがＺプラントであるとする。
べた方法と同様であるが、具体的には、自プラントと類
似度の高い他プラントがＺプラントであるとする。
【００５８】図１での機能切換指令１２０により、予測
モード１２１が選択されている場合には、自プラントの
独立な信号を入力とし、モデル８０の出力を予測信号と
する。本実施の形態では、原子力発電プラントの水質管
理システムに適用しているため、予測信号から推定され
る事は、水質管理に関するものである。予測結果表示装
置９０では、例えば、「復水貯蔵タンク劣化水混入への
傾向がある」や「復水脱塩装置樹脂リークへの傾向があ
る」などの水質管理に関する予測結果が表示される。
モード１２１が選択されている場合には、自プラントの
独立な信号を入力とし、モデル８０の出力を予測信号と
する。本実施の形態では、原子力発電プラントの水質管
理システムに適用しているため、予測信号から推定され
る事は、水質管理に関するものである。予測結果表示装
置９０では、例えば、「復水貯蔵タンク劣化水混入への
傾向がある」や「復水脱塩装置樹脂リークへの傾向があ
る」などの水質管理に関する予測結果が表示される。
【００５９】また、図１での機能切換指令１２０によ
り、異常模擬モード１２１が選択されている場合には、
比較装置２０により類似度が高いと判定された他プラン
トの独立な信号を入力とし、モデル８０の出力を異常模
擬信号とする。これによって、類似度の高い他プラント
での事故事例データを自プラントで模擬することができ
る。この場合でも、上述した予測モード１２１での予測
結果表示装置９０での表示と同様に、自プラントで今後
発生するであろう水質管理に関する予測結果が予測結果
表示装置９０に表示される。
り、異常模擬モード１２１が選択されている場合には、
比較装置２０により類似度が高いと判定された他プラン
トの独立な信号を入力とし、モデル８０の出力を異常模
擬信号とする。これによって、類似度の高い他プラント
での事故事例データを自プラントで模擬することができ
る。この場合でも、上述した予測モード１２１での予測
結果表示装置９０での表示と同様に、自プラントで今後
発生するであろう水質管理に関する予測結果が予測結果
表示装置９０に表示される。
【００６０】以上に述べた実施の形態１・２では本発明
を原子力発電プラントの水質管理システムに適用してい
るが、本発明は水質の予測や診断に限定されるものでは
なく、プラントの観測値データが得られるシステムであ
れば、本発明によって、同様の予測や診断にも対応でき
る。たとえば、火力発電プラントの状態量や各種プラン
トの機器データなども、センサからの観測値データとし
て得ることができるため、本発明はこれらの予測及び診
断にも適用できる。
を原子力発電プラントの水質管理システムに適用してい
るが、本発明は水質の予測や診断に限定されるものでは
なく、プラントの観測値データが得られるシステムであ
れば、本発明によって、同様の予測や診断にも対応でき
る。たとえば、火力発電プラントの状態量や各種プラン
トの機器データなども、センサからの観測値データとし
て得ることができるため、本発明はこれらの予測及び診
断にも適用できる。
【００６１】
【発明の効果】以上説明したように、本発明によれば、
プラントの観測値が変動した場合に、その変動要因を考
慮した幅広いプラント診断、及びプラント状態の予測を
行うことができる。
プラントの観測値が変動した場合に、その変動要因を考
慮した幅広いプラント診断、及びプラント状態の予測を
行うことができる。
【図１】本発明に係るプラントの状態予測診断装置の全
体構成図である。
体構成図である。
【図２】比較装置の動作を示す説明図である。
【図３】診断装置の動作を示す説明図である。
【図４】過去事例データベースの構成を示す図である。
【図５】変換装置の動作を示す説明図である。
【図６】類似度計算の表示例を示す図である。
【図７】異常診断結果の表示例を示す図である。
【図８】他プラントの類似データを用いた異常診断の表
示例を示す図である。
示例を示す図である。
１ 観測値データ
１０ 信号解析装置
２０ 比較装置
２１ 自プラントモード
２２ 正規化ガウス分布
２３ 正規化ガウス分布の出力値
２４ 他プラントモード
２５ 類似度計算
２６ しきい値判定
２７ 類似独立信号の組合せデータ
３０ 診断装置
３１ しきい値判定
３２ 異常事例検索
３３ 類似独立信号抽出
４０ 診断結果表示装置
５０ 変換装置
５１ 学習モード
５２ 評価指標設定
５３ ニューラルネットの学習
５４ 変換モード
５５ 同定されたニューラルネット
６０ 過去事例データベース
６１ 正常時データ
６２ 異常時データ
６３ 原因データ
７０ 予測機能切換装置
８０ モデル
９０ 予測結果表示装置
１００ モデルデータベース
１１０ モード切換指令
１２０ 機能切換指令
１２１ 予測モード
１２２ 異常模擬モード
１３０ 比較結果表示装置
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 大賀 幸治
茨城県日立市大みか町七丁目２番１号 株
式会社日立製作所電力・電機開発研究所内
(72)発明者 多田 健二
茨城県日立市幸町三丁目１番１号 株式会
社日立製作所原子力事業部内
(72)発明者 赤嶺 和彦
茨城県日立市幸町三丁目１番１号 株式会
社日立製作所原子力事業部内
Ｆターム(参考） 2G075 CA02 EA03 EA07 EA08 FB09
FB10 FB18 FC03 FD04 FD09
GA15
5H223 AA03 DD03 EE06 FF06
Claims (9)
- 【請求項１】 複数のプラントの状態を測定するととも
に、その測定信号を用いて各プラントの状態を診断する
プラント診断装置において、 前記測定信号を取り込んで該測定信号を独立な信号に分
解する信号解析装置と、前記信号解析装置から出力され
た独立な信号や関連する情報を自プラント及び他プラン
ト毎に保存するとともに、プラント異常時の原因データ
を保存するデータベースと、前記信号解析装置から出力
された独立な信号と前記データベースに保存された独立
な信号とを比較する比較装置と、前記比較結果に基づい
てプラントの状態を診断する診断装置と、その診断結果
を表示する診断結果表示装置と、 前記比較装置での比較結果に基づいて、前記信号解析装
置から出力された独立な信号に類似する他プラントの独
立な信号を前記データベースから取り込んで、該他プラ
ントの独立な信号を自プラントの独立な信号に変換する
変換装置と、前記信号解析装置から出力された自プラン
トの独立な信号と前記変換装置により変換された独立な
信号とが入力され、切換操作によって、前記入力された
２種類の独立な信号のどちらか一方を選択する切換装置
と、前記選択された独立な信号を取り込んで、自プラン
トの挙動を予測したプラントモデルを出力する予測手段
と、前記予測手段の出力結果を表示する予測結果表示装
置と、を備えたことを特徴とするプラント診断装置。 - 【請求項２】 請求項１に記載のプラント診断装置にお
いて、 前記信号解析装置は、前記測定信号を独立成分解析を用
いて独立な信号に分解することを特徴とするプラント診
断装置。 - 【請求項３】 請求項１に記載のプラント診断装置にお
いて、 前記データベースには、プラント正常時のデータとし
て、前記信号解析装置から出力された独立な信号と計算
中に用いた変数及び平均値と分散値が、プラント異常時
のデータとして、前記信号解析装置から出力された独立
な信号と計算中に用いた変数が、プラント異常時の原因
データとして、事故原因、事故の内容や対応策が、それ
ぞれ最低限保存されていることを特徴とするプラント診
断装置。 - 【請求項４】 請求項１に記載のプラント診断装置にお
いて、 前記比較装置は、前記信号解析装置から出力された独立
な信号を統計的に処理するとともに、自プラントの独立
な信号と前記データベースから取り込んだ他プラントの
独立な信号との類似度を判定することを特徴とするプラ
ント診断装置。 - 【請求項５】 請求項１又は４に記載のプラント診断装
置において、 前記比較装置での比較結果を表示する比較結果表示装置
が設けられ、該比較結果表示装置には、自プラントの独
立な信号に対応する他プラントの独立な信号と、その他
プラントについての前記類似度とが表示されることを特
徴とするプラント診断装置。 - 【請求項６】 請求項５に記載のプラント診断装置にお
いて、 前記比較結果表示装置、前記診断結果表示装置および前
記予測結果表示装置は、それぞれ独立した表示装置、同
一の表示装置、または２つの表示装置がそれぞれ組み合
わされた表示装置からなることを特徴とするプラント診
断装置。 - 【請求項７】 請求項１又は４に記載のプラント診断装
置において、 前記診断装置は、前記比較装置で統計的に処理された結
果からプラントの正常・異常を判定する判定手段と、該
判定手段により異常と判定した場合又は前記比較装置に
よって前記類似度が高いと判定された場合に、前記デー
タベースよりプラント異常の原因や対策を検索する検索
手段と、を有することを特徴とするプラント診断装置。 - 【請求項８】 請求項１に記載のプラント診断装置にお
いて、 前記変換装置は、他プラントの独立な信号を自プラント
の独立な信号に変換するシステムを同定する同定手段
と、同定されたシステムにより他プラントの独立な信号
を自プラントの独立な信号に変換する変換手段と、を有
することを特徴とするプラント診断装置。 - 【請求項９】 請求項１に記載のプラント診断装置にお
いて、 前記予測手段は、複数のプラントモデルを保存したモデ
ルデータベースを含み、前記モデルデータベースより該
当するプラントモデルを抽出するとともに、前記切換装
置によって選択された独立な信号を入力し、前記プラン
トモデルの出力値を前記データベースより得られる独立
成分解析の計算中に用いられた変数を使ってプラントの
観測値データに変換することを特徴とするプラント診断
装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001230153A JP3718765B2 (ja) | 2001-07-30 | 2001-07-30 | プラント診断装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001230153A JP3718765B2 (ja) | 2001-07-30 | 2001-07-30 | プラント診断装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003044123A true JP2003044123A (ja) | 2003-02-14 |
| JP3718765B2 JP3718765B2 (ja) | 2005-11-24 |
Family
ID=19062401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001230153A Expired - Lifetime JP3718765B2 (ja) | 2001-07-30 | 2001-07-30 | プラント診断装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3718765B2 (ja) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005257416A (ja) * | 2004-03-10 | 2005-09-22 | Internatl Business Mach Corp <Ibm> | 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体 |
| JP2005276091A (ja) * | 2004-03-26 | 2005-10-06 | Hitachi Software Eng Co Ltd | ジョブスケジューリングシステムの監視方法 |
| JP2007048025A (ja) * | 2005-08-10 | 2007-02-22 | Toshiba Corp | プラント運転支援装置およびプラント運転支援方法 |
| JP2008020982A (ja) * | 2006-07-11 | 2008-01-31 | Hioki Ee Corp | 監視装置および監視システム |
| JP2008512792A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 連続工業プロセスの運転における異常事象検出のための装置および方法 |
| JP2008512801A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 異常事象検知技術の水素化分解装置への適用 |
| JP2008512800A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 流動接触分解ユニットへの異常事象検知技術の適用 |
| JP2008512791A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | オレフィン回収トレインへの異常事象検知技術の適用 |
| WO2008114863A1 (ja) * | 2007-03-22 | 2008-09-25 | Nec Corporation | 診断装置 |
| CN102741860A (zh) * | 2009-12-22 | 2012-10-17 | 赛布拉有限公司 | 用于记录和恢复事件的方法和系统 |
| JP2013120528A (ja) * | 2011-12-08 | 2013-06-17 | Toyota Central R&D Labs Inc | 障害診断システム及び障害診断方法 |
| JP2013195188A (ja) * | 2012-03-19 | 2013-09-30 | Hitachi-Ge Nuclear Energy Ltd | センサ診断装置及びセンサ診断方法 |
| WO2015033869A1 (ja) * | 2013-09-06 | 2015-03-12 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 検出装置、検出方法、およびプログラム |
| JP2016194920A (ja) * | 2015-03-31 | 2016-11-17 | 三菱重工業株式会社 | 緊急時プラント状況表示装置および緊急時プラント状況表示方法 |
| CN108538407A (zh) * | 2018-06-01 | 2018-09-14 | 华北电力大学 | 模拟碎片对燃料组件压降影响的装置及冷段破口模拟方法 |
| JP2020140278A (ja) * | 2019-02-27 | 2020-09-03 | 日立Ｇｅニュークリア・エナジー株式会社 | 異常原因推定方法、および、異常原因推定装置 |
-
2001
- 2001-07-30 JP JP2001230153A patent/JP3718765B2/ja not_active Expired - Lifetime
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005257416A (ja) * | 2004-03-10 | 2005-09-22 | Internatl Business Mach Corp <Ibm> | 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体 |
| US7720640B2 (en) | 2004-03-10 | 2010-05-18 | International Business Machines Corporation | Diagnostic data detection and control |
| JP4651295B2 (ja) * | 2004-03-26 | 2011-03-16 | 株式会社日立ソリューションズ | ジョブスケジューリングシステムの監視方法 |
| JP2005276091A (ja) * | 2004-03-26 | 2005-10-06 | Hitachi Software Eng Co Ltd | ジョブスケジューリングシステムの監視方法 |
| JP2008512792A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 連続工業プロセスの運転における異常事象検出のための装置および方法 |
| JP2008512801A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 異常事象検知技術の水素化分解装置への適用 |
| JP2008512800A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 流動接触分解ユニットへの異常事象検知技術の適用 |
| JP2008512791A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | オレフィン回収トレインへの異常事象検知技術の適用 |
| JP2007048025A (ja) * | 2005-08-10 | 2007-02-22 | Toshiba Corp | プラント運転支援装置およびプラント運転支援方法 |
| JP4607702B2 (ja) * | 2005-08-10 | 2011-01-05 | 株式会社東芝 | プラント運転支援装置およびプラント運転支援方法 |
| JP2008020982A (ja) * | 2006-07-11 | 2008-01-31 | Hioki Ee Corp | 監視装置および監視システム |
| CN102354204A (zh) * | 2007-03-22 | 2012-02-15 | 日本电气株式会社 | 诊断装置 |
| WO2008114863A1 (ja) * | 2007-03-22 | 2008-09-25 | Nec Corporation | 診断装置 |
| US8370108B2 (en) | 2007-03-22 | 2013-02-05 | Nec Corporation | Diagnostic device |
| JP5299267B2 (ja) * | 2007-03-22 | 2013-09-25 | 日本電気株式会社 | 診断装置 |
| CN102741860A (zh) * | 2009-12-22 | 2012-10-17 | 赛布拉有限公司 | 用于记录和恢复事件的方法和系统 |
| JP2013120528A (ja) * | 2011-12-08 | 2013-06-17 | Toyota Central R&D Labs Inc | 障害診断システム及び障害診断方法 |
| JP2013195188A (ja) * | 2012-03-19 | 2013-09-30 | Hitachi-Ge Nuclear Energy Ltd | センサ診断装置及びセンサ診断方法 |
| WO2015033869A1 (ja) * | 2013-09-06 | 2015-03-12 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 検出装置、検出方法、およびプログラム |
| JPWO2015033869A1 (ja) * | 2013-09-06 | 2017-03-02 | インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ | 検出装置、検出方法、およびプログラム |
| US10584986B2 (en) | 2013-09-06 | 2020-03-10 | International Business Machines Corporation | Detecting device, detecting method, and program |
| JP2016194920A (ja) * | 2015-03-31 | 2016-11-17 | 三菱重工業株式会社 | 緊急時プラント状況表示装置および緊急時プラント状況表示方法 |
| CN108538407A (zh) * | 2018-06-01 | 2018-09-14 | 华北电力大学 | 模拟碎片对燃料组件压降影响的装置及冷段破口模拟方法 |
| JP2020140278A (ja) * | 2019-02-27 | 2020-09-03 | 日立Ｇｅニュークリア・エナジー株式会社 | 異常原因推定方法、および、異常原因推定装置 |
| JP7153585B2 (ja) | 2019-02-27 | 2022-10-14 | 日立Ｇｅニュークリア・エナジー株式会社 | 異常原因推定方法、および、異常原因推定装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3718765B2 (ja) | 2005-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| JP2020119605A (ja) | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 | |
| US8868985B2 (en) | Supervised fault learning using rule-generated samples for machine condition monitoring | |
| JP3718765B2 (ja) | プラント診断装置 | |
| US20170314961A1 (en) | A data analytic engine towards the self-management of complex physical systems | |
| US10565080B2 (en) | Discriminative hidden kalman filters for classification of streaming sensor data in condition monitoring | |
| US20140258187A1 (en) | Generating database cluster health alerts using machine learning | |
| Harrou et al. | An improved multivariate chart using partial least squares with continuous ranked probability score | |
| JP2000259223A (ja) | プラント監視装置 | |
| CN112581719B (zh) | 基于时序生成对抗网络的半导体封装过程预警方法和装置 | |
| CN112906764B (zh) | 基于改进bp神经网络的通信安全设备智能诊断方法及系统 | |
| JP2023501062A (ja) | 異常機器トレース検出および分類 | |
| CN110597235A (zh) | 一种通用智能故障诊断方法 | |
| CN116597939A (zh) | 基于大数据的药品质量控制管理分析系统及方法 | |
| CN112183555B (zh) | 焊接质量的检测方法、系统、电子设备和存储介质 | |
| US20200279148A1 (en) | Material structure analysis method and material structure analyzer | |
| CN117269742A (zh) | 一种高海拔环境下断路器健康状态评估方法、装置及介质 | |
| Pang et al. | RUL prediction for bivariate degradation process considering individual differences | |
| Zhang et al. | A comparison of different statistics for detecting multiplicative faults in multivariate statistics-based fault detection approaches | |
| CN114036035A (zh) | 一种基于实时数据流量化复杂度的异常识别的方法 | |
| CN115221942A (zh) | 一种基于时序融合和神经网络的设备缺陷预测方法及系统 | |
| CN110263811B (zh) | 一种基于数据融合的设备运行状态监测方法及系统 | |
| JP2001060110A (ja) | プラント異常事象評価装置とその方法、ならびに記憶媒体 | |
| CN112732519A (zh) | 一种事件监控方法及装置 | |
| Juricic et al. | Fault Detection based on Gaussian Process Models-An Application to the Rolling Mill |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050714 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050726 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050823 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080916 Year of fee payment: 3 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080916 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090916 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090916 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100916 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100916 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110916 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120916 Year of fee payment: 7 |