JP2010049359A

JP2010049359A - プラント監視装置およびプラント監視方法

Info

Publication number: JP2010049359A
Application number: JP2008211088A
Authority: JP
Inventors: Tetsuo Tamaoki; 哲男玉置; Yukinori Hirose; 行徳廣瀬; Toshibumi Hayashi; 俊文林; Mitsuhiro Enomoto; 光広榎本
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2008-08-19
Filing date: 2008-08-19
Publication date: 2010-03-04
Anticipated expiration: 2028-08-19
Also published as: JP4922265B2

Abstract

【課題】プラントの種々の異常に対して適用可能な汎用性の高いプラント監視装置及びプラント監視方法を提供する。
【解決手段】プラント監視装置１は、プラント２の測定データを時系列データとして保存するプラントデータ入力・保存手段１１と、監視モデルを作成する監視モデル作成手段１２と、監視モデルを適用しプラント状態の正常／異常を判定する監視処理手段１３を備え、監視モデル作成手段１２は、出力誤差モデルを同定する出力誤差モデル同定部２１と、出力誤差モデルを適用し算出した出力変数の推定偏差の統計的特性を評価する推定偏差特性評価部２２を備え、監視処理手段１３は、出力変数の推定偏差を算出する出力推定偏差算出部２５と、推定偏差の分散値変化仮説を検定する推定偏差検定処理部２６と、推定偏差の分散値変化仮説の採択率に基づきプラント２の異常を監視する仮説採択率判定部２７を備える。
【選択図】図１

Description

本発明は、プラントの運転状態の変化を監視する監視装置および監視方法に係り、特に、種々の異常に対する汎用性をより高めたプラント監視装置およびプラント監視方法に関する。

原子力発電プラントあるいは火力発電プラント等の大規模プラントにおいては、多数のプラント信号を計算機に取り込み、監視画面にプラントデータを表示して監視することが行われている。プラント信号の数は数千点に及ぶため、全てのプラントデータを運転員が常時監視するのは困難であることから、主要なプラントデータについては予め設定された管理しきい値との比較による監視が計算機により行われている。タービンからの抽気蒸気で給水を加熱する原子力あるいは火力発電プラントの給・復水系の例を引くまでも無く、大規模プラントのプラント信号は相互に密接な関係をもって変化するため、運転員は関連するプラントデータのトレンドを表示して監視する他、相関図等を確認しながら監視を行っている。プラントに異常が発生し、プラント信号のレベルが管理しきい値を超えた場合には、警報が発報されて運転員による対応がとられるようになっている。

しかしながら、異常の初期段階に現れる兆候を、多数のプラントデータの中から早期に検知し、運転条件の変化の影響と識別して異常と認識することは、運転員にとって非常に困難な作業となる。発電プラントのような大規模プラントではなく、複数の設備の運転状態を遠隔で集中監視する場合等においても、多数の信号のデータを少数の要員で監視する困難は同様である。

このため、多数のプラントデータに対して統計的プロセス管理技術の分野で一般的に用いられる主成分分析を適用して、元のプラントデータの特徴を捉えた少数の統計量データに変換し、変換後の統計量データの時間トレンドあるいは統計量データ同士の相関特性に管理しきい値を設けて監視する技術が考案されている（例えば特許文献１〜３参照）。

また、前記変換された少数の統計量データの相関特性のパターンを正常時のパターンと比較することにより監視する技術が考案されている（特許文献４，５参照）。

さらに、前記変換された少数の統計量データにウェーブレット変換を適用した結果に管理しきい値を設けて監視する技術が考案されている（特許文献６参照）。

これとは別に、監視対象データと、プラントデータ間の関係を表わすモデルを用いて推定した当該データの推定値との偏差に対して主成分分析を適用し、得られた統計量データに監視しきい値を設けて監視する技術も考案されている（特許文献７参照）。あるいは、モデルによる推定偏差に対して統計的プロセス管理で行われている種々の管理チャートを作成し、これに管理しきい値を設けて監視する方法も考案されている（特許文献８参照）。
特許第３９７０４８３号公報特開２００２−２５９８１号公報特開２００６−１３５４１２号公報特許第３４９５１２９号公報特許第３４７２７２９号公報特開２００８−５９２７０号公報特開２００４−３０３００７号公報特開平５−１５７４４９号公報

上述の従来の主成分分析により変換された統計量データに直接管理しきい値を設定して監視する技術のうち、特許文献１に記載の技術においては、相互に関連した３つのプロセス状態量の変化から外乱の影響を判定するために、主成分分析を行って得られる３次元主成分空間を特定の主成分方向からの視点に回転させたデータに対して最小二乗法による近似曲線を作成し、その曲線からの距離を許容範囲と比較することで異常を判定しているが、特定の主成分方向から見た２次元平面において、１つの状態量の影響を除去あるいは強調することが可能か否かは全て対象プロセスの特性に依存しており、広く一般のプロセスに適用できるものではないという問題があった。

また、特許文献２に記載の技術は、後述する特許文献７においても指摘されているように、プラントの運転条件が変更された場合に、異常ではない状態を異常として検出する問題があった。そして、特許文献３に記載された技術においては、主成分分析により変換した統計量データのうち、Ｑ統計量のみを用いて監視を行っているが、プラントに生じる可能性のある種々の異常の中には、Ｑ統計量では検知されず、主成分得点あるいはＴ^２統計量にのみ影響が現われるものがあることを考えると、汎用性に欠けるという問題があった。

一方、前記主成分分析によって変換された少数の統計量データの相関特性のパターンを正常時のパターンと比較することにより監視する技術のうち特許文献４に記載された方法では累積寄与率が規定値の範囲内となる主成分を選択し、これらをパラメータとする直交座標系上で算出した被判定データと履歴データとの距離がしきい値を超える場合に異常と判定しているが、この方法では正常な状態から徐々に異常が進展するような状態を把握することができず、また一過性のノイズの影響等を受けやすいという問題があった。

また、特許文献５に記載された技術では、前記特許文献３の場合とは逆に主成分得点のみを用いているため、汎用性に欠ける問題があった。

主成分分析によって変換された少数の統計量データにウェーブレット変換を適用した結果に管理しきい値を設けて監視する特許文献６、７に記載の技術は何れも、前記特許文献２と同様にプラント運転条件の変化の影響を異常と判定する可能性が高いという問題があった。

また、特許文献６に記載の技術ではＴ^２統計量あるいはＱ統計量のウェーブレット変換に管理しきい値を設けて、Ｔ^２統計量あるいはＱ統計量そのもの、あるいはそれらの寄与量に対して管理しきい値を設けているが、Ｔ^２統計量とＱ統計量は何れも二乗量であることから、仮に管理しきい値設定に用いるデータに含まれる異常データの割合が既知であったとしても、設定された管理しきい値のデータ依存性が高くなる問題があった。

以上の従来技術で指摘されたプラント運転条件の変化の影響を受ける問題に対して、特許文献７に記載の技術では複数のプロセスデータを運転条件の変更を直接的に表わす外部変数とそれ以外の主変数に分け、外部変数の主変数への影響を最小二乗法で得た偏回帰係数により推定除去し、得られた推定偏差に対して主成分分析を適用してＴ^２統計量あるいはＱ統計量に変換し監視する方法が開示されている。しかしながら、この方法では変換後の統計量に対する監視しきい値は統計量の分布特性を考慮することなく、例えば参照データの９９％が含まれる値（換言すると参照データの１％が超える値）、というように試行錯誤的に決定していた。管理しきい値をこのように決定する方法は、例えば参照データに一瞬でも大きいノイズが入ると、参照データの１％が超える値（管理しきい値と設定する値）が高い値となり、管理しきい値が高くなる、といったように、前記特許文献６の場合と同様に検出性能のデータ依存性が大きいという問題あった。

特許文献８には主成分分析を用いない技術として、プロセス変数の観測値、またはＡＲＩＭＡ（ＡｕｔｏｒｅｇｒｅｓｓｉｖｅＩｎｔｅｇｒａｔｅｄＭｏｖｉｎｇＡｖｅｒａｇｅ）モデルによる推定偏差に対して従来の統計的プロセス管理で行われている形式の制御チャート、例えば平均値、標準偏差、等のチャートを作成して、これを通常時に設定した管理しきい値と比較することにより監視を行う方法が開示されている。しかしながら、制御チャートの管理しきい値の設定は試行錯誤的であり、検出性能のデータ依存性が大きいという問題があった。また、例えば測定器の不具合によりプラントデータにドリフトを生じた場合にも、ＡＲＩＭＡモデルの自己回帰項の効果によって推定偏差にはその影響が現われず、従って種々の異常に対して汎用性のあるモデルとはなっていない問題があった。

本発明はかかる従来の事情に対処してなされたものであり、プラントの運転状態が変化した場合にもそれが正常な変化であれば異常と判定することが無く、また監視指標に対する管理しきい値の設定に用いた参照データへの監視性能の依存性が少なく、さらにプラント特性の異常から測定器のドリフトまで種々の異常に対して適用可能な汎用性の高いプラント監視装置を提供することを目的とする。

本発明に係るプラント監視装置は、プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力・保存手段と、前記プラントデータ入力・保存手段で保存された時系列データに基づいて監視モデルを作成する監視モデル作成手段と、前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理手段と、を備えたプラント監視装置であって、前記監視モデル作成手段は、前記時系列データを用いて出力誤差モデルを同定する出力誤差モデル同定部と、前記出力誤差モデルを前記時系列データに適用して算出した前記出力変数の推定偏差の統計的特性を評価する推定偏差特性評価部と、を具備し、前記監視処理手段は、前記測定データに前記出力誤差モデルを適用して前記出力変数の推定偏差を算出する出力推定偏差算出部と、前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理部と、前記推定偏差の分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定部と、を具備することを特徴とする。

また、本発明に係るプラント監視装置は、プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力・保存手段と、前記プラントデータ入力・保存手段で保存された時系列データに基づいて監視モデルを作成する監視モデル作成手段と、前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理手段と、を備えたプラント監視装置であって、前記監視モデル作成手段は前記時系列データに主成分分析を適用して寄与率の大きな複数の主成分に対する負荷行列を構成する主成分分析部と、前記負荷行列を前記時系列データに適用して算出した推定偏差の統計的特性を評価する推定偏差特性評価部と、を具備し、前記監視処理手段は、前記測定データに前記負荷行列を適用して推定偏差を算出する出力推定偏差部と、前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理部と、前記推定偏差の分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定部と、を具備することを特徴とする。

また、本発明に係るプラント監視装置は、プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力・保存手段と、前記プラントデータ入力・保存手段で保存された時系列データに基づいて監視モデルを作成する監視モデル作成手段と、前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理手段と、を備えたプラント監視装置であって、前記監視モデル作成手段は前記時系列データに主成分分析を適用して寄与率の小さな複数の主成分に対する負荷行列を構成する主成分分析部と、前記負荷行列を前記時系列データに適用して算出した主成分得点の統計的特性を評価する主成分得点特性評価部と、を具備し、前記監視処理手段は、前記測定データに前記負荷行列を適用して主成分得点を算出する主成分得点算出部と、前記主成分得点に逐次確率比検定を適用して前記主成分得点の分散値変化仮説を検定する主成分得点検定処理部と、前記主成分得点の分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定部と、を具備することを特徴とする。

また、本発明に係るプラント監視装置は、プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力・保存手段と、前記プラントデータ入力・保存手段で保存された時系列データに基づいて監視モデルを作成する監視モデル作成手段と、前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理手段と、を備えたプラント監視装置であって、前記監視モデル作成手段は前記時系列データに主成分分析を適用して寄与率の大きな複数の主成分に対する第１の負荷行列を構成する第１の主成分分析部と、前記主成分分析の結果から寄与率の小さな複数の主成分に対する第２の負荷行列を構成する第２の主成分分析部と、前記第１の負荷行列を前記時系列データに適用して算出した推定偏差の統計的特性を評価する推定偏差特性評価部と、前記第２の負荷行列を前記時系列データに適用して算出した主成分得点の統計的特性を評価する主成分得点特性評価部と、を具備し、前記監視処理手段は前記測定データに前記第１の負荷行列を適用して推定偏差を算出する推定偏差算出部と、前記測定データに前記第２の負荷行列を適用して主成分得点を算出する主成分得点算出部と、前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理部と、前記主成分得点に逐次確率比検定を適用して前記主成分得点の分散値変化仮説を検定する主成分得点検定処理部と、前記推定偏差の分散値変化仮説の採択率および主成分得点の分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定部と、を具備することを特徴とする。

また、本発明に係るプラント監視方法は、プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力保存ステップと、前記プラントデータ入力保存ステップで保存された時系列データに基づいて監視モデルを作成する監視モデル作成ステップと、前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理ステップと、を備えるプラント監視方法であって、記監視モデル作成ステップは、前記時系列データを用いて出力誤差モデルを同定する出力誤差モデル同定ステップと、前記出力誤差モデルを前記時系列データに適用して算出した前記出力変数の推定偏差の統計的特性を評価する推定偏差特性評価ステップと、を具備し、前記出力監視処理ステップは、前記測定データに前記出力誤差モデルを適用して前記出力変数の推定偏差を算出する出力推定偏差算出ステップと、前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理ステップと、前記分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定ステップと、を具備することを特徴とする。

また、本発明に係るプラント監視方法は、プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力保存ステップと、前記プラントデータ入力保存ステップで保存された時系列データに基づいて監視モデルを作成する監視モデル作成ステップと、前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理ステップと、を備えるプラント監視方法であって、前記監視モデル作成ステップは前記時系列データに主成分分析を適用して寄与率の大きな複数の主成分に対する第１の負荷行列を構成する第１の主成分分析ステップと、前記第１の負荷行列を前記時系列データに適用して算出した推定偏差の統計的特性を評価する推定偏差特性評価ステップと、を具備し、前記出力監視処理ステップは、前記測定データに前記負荷行列を適用して推定偏差を算出する出力推定偏差ステップと、前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理ステップと、前記推定偏差の分散値変化仮説の採択率に基づいてプラントの異常を監視する第１の仮説採択率判定ステップと、を具備することを特徴とする。

本発明に係るプラント監視装置およびプラント監視方法によれば、プラントの運転条件の変化に起因してプラントの状態が変化した場合であっても、それが正常な変化であれば、異常と判定することが無い。すなわち、プラントの運転条件の変更に伴うプラント状態の変化を考慮した上でプラントの状態が正常か異常かを正しく判断して監視を行うことができる。

また、監視指標に対する管理しきい値の設定の際には、統計的特性を考慮して設定しているため、参照データへの監視性能の依存性が少なくなり、監視結果の信頼性をより高まめることができる。

さらに、プラント特性の異常から測定器のドリフトまで種々の異常に対して適用することが可能となるので、従来のプラント監視装置およびプラント監視方法よりも、さらに汎用性を高めたプラント監視装置およびプラント監視方法を提供することができる。

以下、本発明に係るプラント監視装置およびプラント監視方法について、図面を参照して説明する。

図１は、本発明に係るプラント監視装置の一例であるプラント監視装置１の基本構成を示した概略図である。

図１に示されるプラント監視装置１は、監視対象となるプラント２からプラントの運転条件の変化の入力となる変数とその影響を受けて変化する出力変数の測定信号を入力し保存するプラントデータ入力・保存手段１１と、監視実行に先立って監視モデルを作成する監視モデル作成手段１２と、監視実行開始後にプラントデータ入力・保存手段１１によって入力された入力変数データ及び出力変数データに監視モデル作成手段１２で作成された監視モデルを適用して得られる出力変数データの推定偏差の統計的特性の変化を監視することにより異常を検出し、処理結果を外部へ出力する監視処理手段１３とを具備して構成される。

また、プラント監視装置１は、ユーザの要求をプラントデータ入力・保存手段１１、監視モデル作成手段１２および監視処理手段１３に与える入力手段４を具備しており、例えば後述する図４に示される参照データの設定（ステップＳ１）等の処理要求や設定範囲の情報等の処理実行に必要な情報を、当該処理実行手段に与える際に使用される。入力手段４は、例えばタッチスクリーンやマウスとキーボード等で構成する。

プラントデータ入力・保存手段１１は、監視対象となるプラントからプラントの運転条件の変化の入力となる変数とその影響を受けて変化する出力変数の測定信号をプラント監視装置１に入力する機能と、入力機能を用いて取り込んだ信号を測定結果として保存する機能とを有する。プラントデータ入力・保存手段１１では、監視対象となるプラントからプラントの運転条件の変化の入力となる変数とその影響を受けて変化する出力変数の測定信号が連続的又は所定の周期毎に入力され、各変数の測定結果（時系列データ）は履歴データとして保存される。以降、入力変数と出力変数の双方を指す場合は入出力変数と記述する。

監視モデル作成手段１２は、プラント２の監視を実行する際に必要となる監視モデルを作成する機能および作成した監視モデルを保存する機能を有する。監視モデル作成手段１２では、プラントデータ入力・保存手段１１によって入力された入出力の変数の履歴データ（時系列データ）を使ってプラント２の監視実行に必要な監視モデルが作成され、保存される。上記監視モデル作成機能には、監視モデル作成時に入力手段４を介して必要なユーザ要求を受け付ける機能および当該ユーザ要求に従い監視モデルの作成に必要な処理を実行する機能も含まれる。

監視処理手段１３は、監視実行開始後にプラントデータ入力・保存手段１１によって入力された入出力変数データについて監視モデル作成手段１２に保存された監視モデルを適用して得られる出力変数データの推定偏差の統計的特性の変化を監視することによって、正常の範囲を脱した状態、すなわち、異常状態を検出する機能と、入力手段４を介して監視処理実行に必要な情報を受け付ける機能と、当該入力情報に従って処理を実行する機能を有する。監視処理手段１３では、監視実行開始後にプラントデータ入力・保存手段１１によって入力された入出力変数データに監視モデル作成手段１２に保存された監視モデルを適用して、プラント２の異常の有無が検出される。

プラント２の異常の有無の検出結果（監視処理結果）は、監視処理手段１３からプラント監視装置１と接続された外部装置の一例である表示装置３へ送られ、表示装置３の表示部に表示される。ユーザは表示装置３の表示部に表示された監視処理結果を見ることでプラント２の異常の有無を視認することができる。

次に、本発明の各実施の形態に係るプラント監視装置１Ａ〜１Ｆについて説明する。以下に説明するプラント監視装置１Ａ〜１Ｆは、図１に示される監視モデル作成手段１２および監視処理手段１３の少なくとも何れかに特徴があり、それぞれのプラント監視装置１Ａ〜１Ｆにおいて監視モデル作成手段１２および監視処理手段１３の少なくとも何れかが相違するが、その他の構成要素については各実施形態で共通である。そこで、以下の各実施の形態に係るプラント監視装置１Ａ〜１Ｆおよびプラント監視方法の説明では、監視モデル作成手段１２および監視処理手段１３を中心に説明し、その他の構成要素については、適宜説明を簡略又は省略する。

［第１の実施の形態］
本発明の第１の実施の形態に係るプラント監視装置１Ａの構成は、図１において、プラント監視装置１、監視モデル作成手段１２および監視処理手段１３を、それぞれ、プラント監視装置１Ａ、監視モデル作成手段１２Ａおよび監視処理手段１３Ａと読み替えた構成である。すなわち、プラント監視装置１Ａは、プラントデータ入力・保存手段１１、監視モデル作成手段１２Ａおよび監視処理手段１３Ａを具備する。

図２は、本発明の第１の実施の形態に係るプラント監視装置１Ａが具備する監視モデル作成手段１２Ａの構成を示した概略図である。

図２に示されるように、監視モデル作成手段１２Ａは、プラント２の監視を実行する際に必要となる出力誤差モデル（Ｏｕｔｐｕｔｅｒｒｏｒｍｏｄｅｌ）を同定する出力誤差モデル同定部２１と、同定された出力誤差モデルにより生成される推定偏差の統計的特性を評価する第１の推定偏差特性評価部２２とを備える。

図３は、プラント監視装置１Ａに具備される監視処理手段１３Ａの構成を示した概略図である。

図３に示されるように、監視処理手段１３Ａは、入出力変数データに前記監視モデル作成手段１２Ａで作成された監視モデルを適用して出力変数の推定偏差を算出する出力推定偏差算出部（以下、「第１の出力推定偏差算出部」と称する）２５と、第１の出力推定偏差算出部２５が算出した推定偏差に対して逐次確率比検定を適用して推定偏差の分散値が変化したか否かの仮説を検定する推定偏差検定処理部（以下、「第１の推定偏差検定処理部」と称する）２６と、逐次確率比検定の結果の分散変化仮説の採択率を算定し、採択率が管理しきい値を超えたことにより異常を検出する仮説採択率判定部２７とを備える。

プラント監視装置１Ａが実行する処理内容について概説すると、まず、プラントデータ入力・保存手段１１は、監視対象となるプラント２の入力変数および出力変数の測定信号を取り込んで保存する（プラントデータ入力・保存ステップ）。ここで、プラントデータ入力・保存ステップにおいて、プラントデータ入力・保存手段１１に保存される測定結果の時系列データが履歴データである。

プラントデータ入力・保存ステップに続いて、監視モデル作成手段１２Ａは、プラントデータ入力・保存手段１１に保存される履歴データを使ってプラント２の監視実行に必要な監視モデルを作成し保存する（監視モデル作成・保存ステップ）。

監視モデル作成・保存ステップの後、監視処理手段１３Ａは、プラントデータ入力・保存手段１１によって入力された入出力変数データに監視モデル作成手段１２Ａに保存された監視モデルを適用してプラント２の異常の検出を試みる（監視処理ステップ）。監視処理手段１３Ａがプラント２の異常の有無の検出を行った結果は、監視処理手段１３Ａから表示装置３へ送られ（監視処理結果出力ステップ）、表示装置３の表示部に表示される（監視処理結果表示ステップ）。

次に、監視モデル作成手段１２Ａで実行される処理内容（監視モデル作成・保存ステップ）および監視処理手段１３Ａで実行される処理内容（監視処理ステップ）について、より詳細に説明する。

図４は、監視モデル作成手段１２Ａで実行される処理内容（監視モデル作成・保存ステップ）を示した処理フロー図である。

図４に示されるように、監視モデル作成・保存ステップは、参照データを設定するステップ（ステップＳ１）と、出力誤差モデルを同定するステップ（ステップＳ２）と、ステップＳ２で同定された出力誤差モデルによる推定偏差の特性評価を行うステップ（ステップＳ３）とを有する。

監視モデル作成・保存ステップ開始直後のステップＳ１では、例えばプラント２の設計情報や入力変数と出力変数の因果関係等のプラント２の動的および静的特性に関する事前知識を基に、履歴データのうちでプラントの運転条件の変化を直接的に表わす入力変数ｕと、その影響を受けて変化するプラントの出力変数ｚを定義し、これらの集合を参照データとして設定するとともに、参照データを出力誤差モデル同定部２１において使用するモデル作成用データと、第１の推定偏差特性評価部２２において使用する特性評価用データに分割する。参照データの設定は、ユーザが入力手段４から入力して設定することによって行われ、当該参照データの設定情報は、入力手段４から出力誤差モデル同定部２１および第１の推定偏差特性評価部２２に与えられる。

ステップＳ１に続いて、ステップＳ２では、出力誤差モデル同定部２１が、モデル作成用データを用いて、以下の式（１）で定義される出力誤差モデルを同定する。

式（１）において、Ｂ（ｑ）は以下の式（２）で定義される伝達関数、ｅ（ｋ）は白色雑音、ｋは時刻ｔ_ｋを表わす。

式（２）において、ｑ^−１はｑ^−１ｕ（ｋ）≡ｕ（ｋ−１）のように定義される時間シフトオペレータである。このとき、次数ｎ_ｂと遅れｎ_ｄを変えてモデルのパラメータを求めた中から、以下の式（３）で計算した最終予測誤差（ＦＰＥ：Ｆｉｎａｌｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒ）を最小とする次数と遅れ、およびパラメータの組を使用する。

上記式（３）において、Ｎはモデルの作成に用いた参照データの点数であり、Ｖは前記次数ｎ_ｂと遅れｎ_ｄとパラメータ［ｂ_１,・・・,ｂ_ｎｂ］を与えて計算した推定誤差の分散を表わす。

このようにして出力誤差モデルが同定されると、ステップＳ２に続いて、ステップＳ３で、推定偏差の特性評価部２２が、ステップＳ２で同定された出力誤差モデルを特性評価用データに適用して、入力変数ｕの参照データから以下の式（４）で表わされる出力変数ｚの推定値を算出する。

ステップＳ３で出力変数の推定偏差ｄｚの統計的特性値である平均および分散値が算出されると、監視モデル作成・保存ステップ（ステップＳ１〜ステップＳ３）は、全処理ステップを完了して終了となる。

図５は、監視処理手段１３Ａで実行される処理内容（監視処理ステップ）を示した処理フロー図である。

図５に示されるように、監視処理ステップは、監視データを設定するステップ（ステップＳ１１）と、出力誤差モデルによる推定偏差を算出するステップ（ステップＳ１２）と、推定偏差ｄｚの分散値の逐次確率比検定を行うステップ（ステップＳ１３）と、仮説採択率を監視するステップ（ステップＳ１４）とを有する。

監視処理ステップ開始直後のステップＳ１１では、監視実行開始後にプラントデータ入力・保存手段１１によって入力されたプラントデータのうち、監視モデル作成手段１２Ａにおいて参照データを設定したのと同じ条件で監視に使用する入出力変数データ（以下、「監視データ」と称する。）を設定する。監視データの設定は、ユーザが入力手段４から入力して設定することによって行われ、当該監視データの設定情報は、入力手段４から第１の推定処理部２５に与えられる。

監視データの設定（ステップＳ１１）が終わると、続くステップＳ１２では、第１の推定処理部２５が、ステップＳ１１で設定された監視データに対して、監視モデル作成手段１２Ａで作成された出力誤差モデルを適用して、出力変数の推定偏差ｄｚを算出する。

出力変数の推定偏差の算出（ステップＳ１２）が終わると、続くステップＳ１３では、第１の推定偏差検定処理部２６が、ステップＳ１２で算出された推定偏差ｄｚに対して逐次確率比検定（Ｓｅｑｕｅｎｔｉａｌｐｒｏｂａｂｉｌｉｔｙｒａｔｉｏｔｅｓｔ）を適用し、次のような方法で推定偏差の分散値が変化したか否かを判定する。

より詳細には、推定偏差の時系列ｄＺ_ｋ＝｛ｄｚ（ｉ），ｉ＝１〜ｋ｝が第１の推定偏差特性評価部２２で求めた正常状態の特性と同じ特性を持つとする仮説Ｈ_０、正常状態に対して分散値が増加したとする仮説Ｈ_１、および正常状態に対して分散値が減少したとする仮説Ｈ_２の３つの間で、次式（５）で定義される対数尤度比を検定指標λ_１,ｋおよびλ_２,ｋとして算出し、これらの検定指標を予め与えた誤検出確率（Ｆａｌｓｅ−ａｌａｒｍｒａｔｅ）αと検出失敗確率（Ｍｉｓｓ−ａｌａｒｍｒａｔｅ）βより後述する式（７）で定まるしきい値Ａ、Ｂとそれぞれ比較することにより前記仮説を検定する。

推定偏差ｄｚが相互に独立な正規分布変数の場合、そしてこの仮定は監視モデルが妥当な場合にはほぼ成立し、上式（５）のλ_ｉ,ｋ（ｉ＝１，２）は下記の逐次式（６）のように変形される。

推定偏差ｄｚの分散値が変化したか否かの判定（ステップＳ１３）が終わると、続くステップＳ１４では、仮説採択率判定部２７が予め与えられた時間幅内における分散変化仮説Ｈ_ｉ（ｉ＝１，２）の採択率を算定し、算定した仮説採択率が管理しきい値を超えた場合に異常と判断することによって異常を検出する。

推定偏差ｄｚが相互に独立な正規分布変数の場合、正常状態において一定の時間幅内での分散変化仮説の採択率は二項分布に従い、同時間幅内での総採択回数と誤検出確率αで決まる。ここでは分散変化仮説の採択率に対して二項分布の分散値も考慮して決まる正常時の誤判定率を管理しきい値として設定し、監視を行う。

仮説採択率を監視するステップ（ステップＳ１４）が終わると、監視処理ステップ（ステップＳ１１〜ステップＳ１４）は、全処理ステップを完了して終了となる。

図６は、第１のプラント監視装置１Ａの監視処理結果の一例を示す図であって、どの様にプラント２を監視するかを説明する説明図である。より詳細には、図６（ａ）〜（ｅ）の何れの図も横軸をステップ数としたグラフであって、それぞれ縦軸を、図６（ａ）では出力（測定値（実線）２８，推定値（破線）２９）とし、図６（ｂ）では入力とし、図６（ｃ）では推定偏差とし、図６（ｄ）では検定指標とし、図６（ｅ）では仮説採択率として表わしたものである。また、図７は図６（ａ）の９００ステップから１１００ステップの範囲を拡大して示した部分拡大図である。

図６に示される監視結果は、１〜９９９ステップまでは正常状態にあり、１０００ステップ目以降でプラントの伝達ゲインが約２０％低下した場合のデータに対する結果の一例である。

図６（ａ）および図７に示される実線は測定値２８であり、破線は図６（ｂ）に示される入力変数を監視モデルに適用して式（４）で求めた推定値２９である。図６（ａ）および図７を見ると測定値２９を見ても１０００ステップ目の前後で顕著な変化は見られないが、図６（ｃ）に示されるように、推定偏差では１０００ステップ辺りから大きな変化が現われており、図６（ｄ）に示される検定指標によれば、分散増加仮説Ｈ_１に対する検定指標λ_１,ｋが同図中に破線で示されたしきい値Ａを１０００ステップ目以降で頻繁に超えている。ここで、前記誤検出確率αおよび検出失敗確率βはともに０．１％としている。

図６（ｅ）に示される仮説採択率は、４００ステップの時間幅を与えて算出した分散増加仮説Ｈ_１の採択率であり、図６（ｅ）によれば、仮説採択率でも同図に示された管理しきい値を１０００点目以降で大きく超えており、異常が検出されている。

本実施の形態によれば、プラントの運転条件が変化したために出力変数が変化した場合には監視モデルによる推定偏差には変化が現われないため、誤って異常と判定することはない。また、監視モデルに出力誤差モデルを用いているため、出力変数の測定信号にドリフトを生じた場合にも、推定偏差に変化が現われるため正しく検出することができ、これにより種々の異常の検出に対して適用可能である。

さらに、監視指標に対する管理しきい値を統計的特性を考慮して設定しているため、参照データに対する依存性が小さい。逐次確率比検定の結果は、設定した誤検出率に対応して正常状態においても一定の割合で分散変化仮説が採択されるが、一定時間幅内での採択率に対して統計的特性を考慮した管理しきい値を設定しているので、一過性のノイズによる誤検出は発生せず、監視結果の信頼性が高まる。

［第２の実施の形態］
本発明の第２の実施の形態に係るプラント監視装置およびプラント監視方法について説明する。尚、プラント監視装置１Ｂと同一の構成要素には同一の符号を付し、重複する説明は省略する。

本発明の第２の実施の形態に係るプラント監視装置１Ｂの構成は、図１において、プラント監視装置１、監視モデル作成手段１２および監視処理手段１３を、それぞれ、プラント監視装置１Ｂ、監視モデル作成手段１２Ｂおよび監視処理手段１３Ｂと読み替えた構成である。すなわち、プラント監視装置１Ｂは、プラントデータ入力・保存手段１１、監視モデル作成手段１２Ｂおよび監視処理手段１３Ｂを具備する。

図８は、本発明の第２の実施の形態に係るプラント監視装置（以下、「第２の監視モデル作成手段」と称する。）１Ｂが具備する監視モデル作成手段１２Ｂの構成を示した概略図である。

図８に示されるように、第２の監視モデル作成手段１２Ｂは、主成分分析を行い固有値の一番大きい方からの累積寄与率が予め設定した値以上となる個数ｒ個までの主成分を選択し対応するｒ個の固有ベクトルを列に持つ負荷行列を監視モデルとして作成する第１の主成分分析部３１と、第１の主成分分析部３１が作成した監視モデルにより生成される推定偏差の特性を評価する第２の推定偏差特性評価部３２とを備える。

図９は、プラント監視装置１Ｂに具備される監視処理手段１３Ｂ（以下、「第２の監視処理手段」と称する。）の構成を示した概略図である。

第２の監視処理手段１３Ｂは、入出力変数データに前記監視モデル作成手段１２Ｂで作成された監視モデルを適用して入出力変数に相当する監視変数の推定偏差を算出する第２の出力推定偏差算出部３５と、前記推定偏差に対して逐次確率比検定を適用して推定偏差の分散値が変化したか否かの仮説を検定する第２の推定偏差検定処理部３６と、前記逐次確率比検定の結果の分散変化仮説の採択率を算定し、採択率が管理しきい値を超えた状態を異常と判定することによって異常を検出する仮説採択率判定部２７とを備える。

プラント監視装置１Ｂが実行する処理内容は、プラント監視装置１Ａで実行される処理内容に対して、作成され適用される監視モデルが異なるものの、本質的な処理ステップについては同様である。すなわち、プラント監視装置１Ｂでは、まず、プラントデータ入力・保存ステップが実行され、続いて、監視モデル作成・保存ステップが実行され、当該処理ステップでは、プラントデータ入力・保存手段１１に保存される履歴データを使ってプラント２の監視実行に必要な監視モデルとなる負荷行列が第２の監視モデル作成手段１２Ｂによって作成され保存される。

監視モデル作成・保存ステップに続いては、監視処理ステップが実行され、当該処理ステップでは、第２の監視処理手段１３Ｂによって、第２の監視モデル作成手段１２Ｂに保存された監視モデルを適用したプラント２の異常の検出がなされる。監視処理ステップ後は、監視処理結果出力ステップおよび監視処理結果表示ステップが実行され、第２の監視処理手段１３Ｂがプラント２の異常の有無の検出を行った結果が表示装置３の表示部に表示される。

次に、第２の監視モデル作成手段１２Ｂで実行される処理内容（以下、「第２の監視モデル作成・保存ステップ」と称する。）および第２の監視処理手段１３Ｂで実行される処理内容（「第２の監視処理ステップ」と称する。）について、より詳細に説明する。

図１０は、第２の監視モデル作成手段１２Ｂで実行される第２の監視モデル作成・保存ステップを示した処理フロー図である。

図１０に示されるように、第２の監視モデル作成・保存ステップは、参照データを設定するステップ（ステップＳ２１）と、主成分分析をするステップ（ステップＳ２２）と寄与率の大きな主成分に対する負荷行列を構成するステップ（ステップＳ２３）と、ステップＳ２３で構成された負荷行列（監視モデル）を適用した場合における推定偏差を算出するステップ（ステップＳ２４）と、ステップＳ２４で算出された推定偏差の特性評価を行うステップ（ステップＳ２５）とを有する。

第２の監視モデル作成・保存ステップは、開始直後のステップＳ２１では、プラント２の動的および静的特性に関する事前知識を基に、履歴データのうちでプラントの運転条件の変化を直接的に表わす変数およびその影響を受けて変化する変数を含む監視変数ｘを定義し、これらの集合を参照データとして設定するとともに、参照データを第１の主成分分析部３１において使用するモデル作成用データと、推定偏差の特性評価部３２において使用する特性評価用データＸに分割する。参照データの設定は、ユーザが入力手段４から入力して設定することによって行われ、当該参照データの設定情報は、入力手段４から出力第１の主成分分析部３１および第２の推定偏差特性評価部３２に与えられる。

ステップＳ２１に続いて、ステップＳ２２では、第１の主成分分析部３１が、モデル作成用データを用いて、主成分分析を行う。そして、ステップＳ２３では、第１の主成分分析部３１が、固有値の一番大きい方からの累積寄与率、すなわち、順に固有値を加算した値が全固有値の総和に占める割合が予め設定した値以上となる個数ｒ個までの主成分を選択し、対応するｒ個の固有ベクトルを列に持つ負荷行列Ａを構築する。ステップＳ２３で構築された負荷行列Ａがプラント監視装置１Ｂで適用される監視用モデルとなる。

ステップＳ２４に続いて、ステップＳ２５では、第２の推定偏差特性評価部３２が、ステップＳ２４で算出された推定偏差の統計的特性値である平均値と分散値を算出する。これらの特性値は第２の監視処理手段１３Ｂの逐次確率比検定の処理に用いられる。ステップＳ２５で推定偏差ｄＸの統計的特性値である平均および分散値が算出されると、第２の監視モデル作成・保存ステップ（ステップＳ２１〜ステップＳ２５）は、全処理ステップを完了して終了となる。

図１１は、第２の監視処理手段１３Ｂで実行される第２の監視処理ステップを示した処理フロー図である。

図１１に示されるように、第２の監視処理ステップは、監視データを設定するステップ（ステップＳ３１）と、負荷行列による推定偏差を算出するステップ（ステップＳ３２）と、推定偏差ｄＸの分散値の逐次確率比検定を行うステップ（ステップＳ３３）と、仮説採択率を監視するステップ（ステップＳ１４）とを有する。

監視処理ステップ開始直後のステップＳ３１では、監視実行開始後にプラントデータ入力・保存手段１１により入力されたプラントデータのうち、前記監視モデル作成手段２において参照データを設定したのと同じ監視変数に対する監視データを設定する。監視データの設定は、ユーザが入力手段４から入力して設定することによって行われ、当該監視データの設定情報は、入力手段４から第２の推定処理部３５に与えられる。

監視データの設定（ステップＳ３１）が終わると、続くステップＳ３２では、第２の出力推定算出部３５が、監視データに対して、第２の監視モデル作成手段１２Ｂによって作成された監視モデル（負荷行列）を適用して監視変数の推定偏差ｄＸを算出する。

監視変数の推定偏差の算出（ステップＳ３２）が終わると、続くステップＳ３３では、第２の推定偏差検定処理部３６が、ステップＳ３２で算出された推定偏差ｄＸに対して逐次確率比検定を適用し、推定偏差の分散値が変化したか否かを判定する。判定手法は、ステップＳ１３の場合と実質的に同様である。

推定偏差ｄＸの分散値が変化したか否かの判定（ステップＳ３３）が終わると、続くステップＳ１４では、仮説採択率判定部２７が予め与えられた時間幅内における分散変化仮説Ｈ_ｉ（ｉ＝１，２）の採択率を算定し、算定した仮説採択率が管理しきい値を超えた場合に異常と判断することによって異常を検出する。仮説採択率を監視するステップ（ステップＳ１４）が終わると、第２の監視処理ステップ（ステップＳ３１〜ステップＳ１４）は、全処理ステップを完了して終了となる。

図１２は、第２のプラント監視装置１Ｂが、どの様にプラント２を監視するかを説明する説明図であって、第１のプラント監視装置１Ａの監視処理結果の一例を示した図６に相当する図である。

より詳細には、図１２（ａ）〜（ｅ）の何れの図も横軸をステップ数としたグラフであって、それぞれ縦軸を、図１２（ａ）では、プラント２の運転条件の変化の影響を受けて変化する出力相当の変数ｚとし、図１２（ｂ）ではプラント２の運転条件の変化を直接表わす入力相当の変数ｕとし、図１２（ｃ）では推定偏差とし、図１２（ｄ）では検定指標とし、図１２（ｅ）では仮説採択率として表わしたものである。

図１２に示される例では監視変数ｘとして

図１２で示される例の場合、２つの主成分の累積寄与率は９９％以上となった。図１２（ｃ）乃至（ｅ）においても、プラント２の出力変数に相当する変数ｚの推定偏差ｄｚには異常が発生した１０００ステップ目以降で大きな変化が現われている。特に図１２（ｄ）に示される推定偏差ｄｚの分散増加仮説に対する検定指標は１０００ステップ目以降で非常に大きな値を示している。図１２（ｅ）に示される仮説採択率は、４００ステップの時間幅を与えて算出した分散増加仮説の採択率であり、同図中に破線で示された管理しきい値を１０００ステップ目以降で大きく超えており、これにより異常が検出されている。

本実施の形態によれば、プラントの運転条件が変化したために出力変数が変化した場合には監視モデルによる推定が良好に行われるために推定偏差には変化が現われず、従って誤って異常と判定することはない。

また、監視変数をプラントの入出力変数に相当する変数より構成することにより、出力変数相当の変数の測定信号にドリフトを生じた場合には推定偏差に変化が現われるため、正しく異常として検出することができる。このように種々の異常に対して適用が可能である。

さらに、監視指標に対する管理しきい値を統計的特性を考慮して設定しているため、参照データに対する異常検出性能の依存性が小さい。また、逐次確率比検定の結果から一定時間幅内での採択率を求め、その統計的特性を考慮した管理しきい値を設定して監視しているために、一過性のノイズによる誤検出は発生せず、監視結果の信頼性が高い。このように、本実施の形態においても、第１の実施の形態と同様の効果を奏し得る。

［第３の実施の形態］
本発明の第３の実施の形態に係るプラント監視装置およびプラント監視方法について説明する。尚、プラント監視装置１Ａ，１Ｂと同一の構成要素には同一の符号を付し、重複する説明は省略する。

本発明の第３の実施の形態に係るプラント監視装置１Ｃの構成は、図１において、プラント監視装置１、監視モデル作成手段１２および監視処理手段１３を、それぞれ、プラント監視装置１Ｃ、監視モデル作成手段１２Ｃおよび監視処理手段１３Ｃと読み替えた構成である。すなわち、プラント監視装置１Ｃは、プラントデータ入力・保存手段１１、監視モデル作成手段１２Ｃおよび監視処理手段１３Ｃを具備する。

図１３は、本発明の第３の実施の形態に係るプラント監視装置１Ｃが具備する監視モデル作成手段（以下、「第３の監視モデル作成手段」と称する。）１２Ｃの構成を示した概略図である。

図１３に示されるように、監視モデル作成手段１２Ｃは、主成分分析を行い固有値の一番小さい方からの累積寄与率が予め設定した値以下となる個数ｓ個までの主成分を選択し、対応するｓ個の固有ベクトルを列に持つ負荷行列を監視モデルとして作成する第２の主成分分析部４１と、第２の主成分分析部４１が作成した監視モデルにより生成される主成分得点の特性評価を行う主成分得点特性評価部４２を備える。

図１４は、プラント監視装置１Ｃに具備される監視処理手段１３Ｃ（以下、「第３の監視処理手段」と称する。）の構成を示した概略図である。

監視処理手段１３Ｃは、監視変数のデータに監視モデル作成手段１２Ｃで作成された監視モデルを適用して主成分得点を算出する主成分得点算出部４５と、主成分得点算出部４５が算出した主成分得点に対して逐次確率比検定を適用して前記主成分得点の分散値が変化したか否かの仮説を検定する主成分得点検定処理部４６と、前記逐次確率比検定の結果の分散変化仮説の採択率を算定し、採択率が管理しきい値を超えた状態を異常と判定することによって異常を検出する仮説採択率判定部２７とを備える。

プラント監視装置１Ｃが実行する処理内容は、プラント監視装置１Ｂで実行される処理内容に対して、作成され適用される監視モデルが異なるものの、本質的な処理ステップについては同様である。すなわち、プラント監視装置１Ｃでは、まず、プラントデータ入力・保存ステップが実行され、続いて、監視モデル作成・保存ステップが実行され、当該処理ステップでは、プラントデータ入力・保存手段１１に保存される履歴データを使ってプラント２の監視実行に必要な監視モデルとなる負荷行列が第３の監視モデル作成手段１２Ｃによって作成され保存される。

監視モデル作成・保存ステップに続いては、監視処理ステップが実行され、当該処理ステップでは、第３の監視処理手段１３Ｃによって、第３の監視モデル作成手段１２Ｃに保存された監視モデルを適用したプラント２の異常の検出がなされる。監視処理ステップ後は、監視処理結果出力ステップおよび監視処理結果表示ステップが実行され、第３の監視処理手段１３Ｃがプラント２の異常の有無の検出を行った結果が表示装置３の表示部に表示される。

次に、第３の監視モデル作成手段１２Ｃで実行される処理内容（以下、「第３の監視モデル作成・保存ステップ」と称する。）および第３の監視処理手段１３Ｃで実行される処理内容（「第３の監視処理ステップ」と称する。）について、より詳細に説明する。

図１５は、第３の監視モデル作成手段１２Ｃで実行される第３の監視モデル作成・保存ステップを示した処理フロー図である。

図１５に示されるように、第３の監視モデル作成・保存ステップは、参照データを設定するステップ（ステップＳ２１）と、主成分分析をするステップ（ステップＳ２２）と寄与率の小さな主成分に対する負荷行列を構成するステップ（ステップＳ４３）と、ステップＳ４３で構成された負荷行列（監視モデル）を適用した場合における主成分得点を算出するステップ（ステップＳ４４）と、ステップＳ４４で算出された主成分得点の特性評価を行うステップ（ステップＳ４５）とを有する。

第３の監視モデル作成・保存ステップでは、まず、第２の監視モデル作成・保存ステップと同様に、ステップＳ２１およびステップＳ２２が実行される。ステップＳ２２の主成分分析が終わると、続くステップＳ４３で、第２の主成分分析部４１が、ステップＳ２２で行われた主成分分析の結果に基づき、固有値の一番小さい方からの累積寄与率が予め設定した値以下となる個数ｓ個までの主成分を選択し、対応するｓ個の固有ベクトルを列に持つ負荷行列Ａを構成する。ステップＳ４３で構築された負荷行列Ａがプラント監視装置１Ｃで適用される監視用モデルとなる。

ステップＳ４３に続いて、ステップＳ４４では、主成分得点検定処理部４６が、ステップＳ４３で構築された負荷行列ＡをステップＳ２１で設定した特性評価用データＸに適用し、以下の式（１０）で与えられる主成分得点Ｔを算出する。

ステップＳ４４に続いて、ステップＳ４５では、主成分得点検定処理部４６が、ステップＳ４４で算出された主成分得点Ｔの統計的特性値である平均値と分散値を算出する。これらの特性値は第３の監視処理手段１３Ｃの逐次確率比検定の処理に用いられる。

ステップＳ４５で主成分得点Ｔの統計的特性値である平均および分散値が算出されると、第３の監視モデル作成・保存ステップ（ステップＳ２１〜ステップＳ４５）は、全処理ステップを完了して終了となる。

図１６は、第３の監視処理手段１３Ｃで実行される第３の監視処理ステップを示した処理フロー図である。

図１６に示されるように、第３の監視処理ステップは、監視データを設定するステップ（ステップＳ３１）と、負荷行列による主成分得点を算出するステップ（ステップＳ５２）と、主成分得点分散値の逐次確率比検定を行うステップ（ステップＳ５３）と、仮説採択率を監視するステップ（ステップＳ１４）とを有する。

第３の監視処理ステップでは、まず、第２の監視処理ステップと同様に、ステップＳ３１が実行される。監視データの設定（ステップＳ３１）が終わると、続くステップＳ５２では、主成分得点算出部４５が、監視データに対して前記監視モデル作成手段１２Ｃで作成された負荷行列を適用して主成分得点を算出する。

負荷行列による主成分得点の算出（ステップＳ５２）が終わると、続くステップＳ５３では、主成分得点検定処理部４６が、ステップＳ５２で算出された主成分得点に対して逐次確率比検定を適用し、主成分得点の分散値が変化したか否かを判定する。主成分得点の分散値が変化したか否かの判定（ステップＳ５３）が終わると、続いてステップＳ１４が実行され、ステップＳ１４が終わると、第３の監視処理ステップ（ステップＳ３１〜ステップＳ１４）は、全処理ステップを完了して終了となる。

第２のプラント監視装置１Ｂが正常時の変数間の相関関係では説明の付けられない、新たな成分が異常の影響により発生したことを検出するのに対し、第３のプラント監視装置１Ｃは、正常時にはほとんど認められないほど小さかった相関成分が異常の発生によって増大したことを検出するものといえる。

図１７は、第３のプラント監視装置１Ｃが、どの様にプラント２を監視するかを説明する説明図であって、第１のプラント監視装置１Ａの監視処理結果の一例を示した図６や第２のプラント監視装置１Ｂの監視処理結果の一例を示した図１２に相当する図である。

より詳細には、図１７（ａ）〜（ｅ）の何れの図も横軸をステップ数としたグラフであって、それぞれ縦軸を、図１７（ａ）では、プラント２の運転条件の変化の影響を受けて変化する出力相当の変数ｚとし、図１７（ｂ）ではプラント２の運転条件の変化を直接表わす入力相当の変数ｕとし、図１７（ｃ）では主成分得点とし、図１７（ｄ）では検定指標とし、図１７（ｅ）では仮説採択率として表わしたものである。

尚、監視変数ｘは図１２の場合と同様に式（９）により構成した例であって、最小固有値に対応する固有ベクトルより負荷行列を構成している。図１２で示される例の場合には、２つの主成分の累積寄与率は９９％以上となったが、図１７に示される例では、累積寄与率は１％以下のため、図１７（ａ）および図１７（ｂ）に示される推定値２９は、測定値２８とは大きく異なる（乖離している）。

図１７（ｃ）に示される主成分得点Ｔには異常が発生した１０００ステップ目以降で大きな変化が現われており、図１７（ｄ）に示される主成分得点の分散増加仮説に対する検定指標は１０００ステップ目以降で非常に大きな値を示している。また、図１７（ｅ）に示される仮説採択率は、４００ステップの時間幅を与えて算出した分散増加仮説の採択率であり、同図中に破線で示された管理しきい値を１０００ステップ目以降で大きく超えており、これにより異常が検出されている。

本実施の形態によれば、監視変数をプラントの入出力変数に相当する変数によって構成することで、出力変数相当の変数の測定信号にドリフトを生じた場合にも推定偏差に変化が現われるため、正しく検出することができ、種々の異常に対して適用可能である。

また、監視指標に対する管理しきい値を統計的特性を考慮して設定しているため、参照データに対する依存性が小さい。さらに、逐次確率比検定の結果から一定時間幅内での採択率を求め、その統計的特性を考慮した管理しきい値を設定して監視しているために、一過性のノイズによる誤検出は発生せず、監視結果の信頼性が高い。このように、本実施の形態においても、第１の実施の形態と同様の効果を奏し得る。

［第４の実施の形態］
本発明の第４の実施の形態に係るプラント監視装置およびプラント監視方法について説明する。尚、プラント監視装置１Ａ，１Ｂ，１Ｃと同一の構成要素には同一の符号を付し、重複する説明は省略する。

本発明の第４の実施の形態に係るプラント監視装置１Ｄの構成は、図１において、プラント監視装置１、監視モデル作成手段１２および監視処理手段１３を、それぞれ、プラント監視装置１Ｄ、監視モデル作成手段１２Ｄおよび監視処理手段１３Ｄと読み替えた構成である。すなわち、プラント監視装置１Ｄは、プラントデータ入力・保存手段１１、監視モデル作成手段１２Ｄおよび監視処理手段１３Ｄを具備する。

図１８は、本発明の第４の実施の形態に係るプラント監視装置１Ｄが具備する監視モデル作成手段（以下、「第４の監視モデル作成手段」と称する。）１２Ｄの構成を示した概略図である。

図１８に示されるように、第４の監視モデル作成手段１２Ｄは、第１の主成分分析部３１と第２の主成分分析部４１とを有して構成された主成分分析部５１と、主成分分析部５１が作成した監視モデルにより生成される推定偏差および主成分得点から成る統計量データ特性評価５２とを備える。

統計量データ特性評価５２は、第２の推定偏差特性評価部３２および主成分得点特性評価部４２が持つ機能を有しており、第１の主成分分析部３１が作成した監視モデルにより生成される監視変数の推定偏差の特性評価については第２の推定偏差特性評価部３２の機能を、第２の主成分分析部４１が作成した監視モデルにより生成される主成分得点の特性評価については主成分得点特性評価部４２の機能を用いて特性評価を行う。

図１９は、プラント監視装置１Ｄに具備される監視処理手段１３Ｄ（以下、「第４の監視処理手段」と称する。）の構成を示した概略図である。

図１９に示されるように、第４の監視処理手段１３Ｄは、入出力変数データに監視モデル作成手段１２Ｄで作成された監視モデルである負荷行列を適用して入出力変数の推定偏差および主成分得点を算出する統計量データ算出部５５と、統計量データ算出部５５で算出された推定偏差および主成分得点から成る統計量データに対して逐次確率比検定を適用して当該統計量データの分散値が変化したか否かの仮説を検定する統計量データ検定処理部５６と、前記逐次確率比検定の結果の分散変化仮説の採択率を算定し、採択率が管理しきい値を超えた状態を異常と判定することによって異常を検出する仮説採択率判定部２７とを備える。

統計量データ算出部５５は、第２の出力推定偏差算出部３５および主成分得点算出部４５が持つ機能を有し、第１の主成分分析部３１が作成した監視モデルを適用しての推定偏差の算出については第２の出力推定偏差算出部３５の機能を、第２の主成分分析部４１が作成した監視モデルを適用しての主成分得点の算出については、主成分得点算出部４５の機能を用いて計算を行う。

統計量データ検定処理部５６は、第２の推定偏差検定処理部３６および主成分得点検定処理部４６が持つ機能を有し、算出された推定偏差の検定については第２の推定偏差検定処理部３６の機能を、算出された主成分得点の検定については主成分得点検定処理部４６の機能を用いて計算を行う。

プラント監視装置１Ｄが実行する処理内容は、他のプラント監視装置１Ａ，１Ｂ，１Ｃ等で実行される処理内容と同様に、まず、プラントデータ入力・保存手段１１によるプラントデータ入力・保存ステップが実行され、続いて、第４の監視モデル作成手段１２Ｄによる監視モデル作成・保存ステップが実行され、続いて、第４の監視処理手段１３Ｄによる監視処理ステップが実行される。そして、監視処理ステップ後は、監視処理結果出力ステップおよび監視処理結果表示ステップが実行され、第４の監視処理手段１３Ｄがプラント２の異常の有無の検出を行った結果が表示装置３の表示部に表示される。

また、プラント監視装置１Ｄが実行する処理内容は、プラント監視装置１Ｂ，１Ｃで実行される処理内容に対して、それぞれの一部の処理ステップを組み合わせたステップと考えることができる。すなわち、第４の監視モデル作成手段１２Ｄで実行される処理内容（以下、「第４の監視モデル作成・保存ステップ」と称する。）では、まず、主成分分析部５１によって参照データを設定するステップＳ２１、主成分分析をするステップＳ２２、寄与率の大きな主成分に対する負荷行列を構成するステップＳ２３、寄与率の小さな主成分に対する負荷行列を構成するステップＳ４３が実行される。続いて、統計量データの特性評価として統計量データ特性評価部５２によって、ステップＳ２３で構成された負荷行列（監視モデル）を適用した場合における推定偏差を算出するステップＳ２４、ステップＳ２４で算出された推定偏差の特性評価を行うステップＳ２５、ステップＳ４３で構成された負荷行列（監視モデル）を適用した場合における主成分得点を算出するステップＳ４４、ステップＳ４４で算出された主成分得点の特性評価を行うステップＳ４５が実行される。

主成分分析部５１および統計量データ特性評価部５２が一連の処理ステップを完了すると、第４の監視モデル作成・保存ステップは終了する。換言すれば、第４の監視モデル作成・保存ステップは、第２の監視モデル作成・保存ステップと第３の監視モデル作成・保存ステップとを備え、第２の監視モデル作成・保存ステップおよび第３の監視モデル作成・保存ステップを別個に処理する処理ステップである。

第４の監視処理手段１３Ｄで実行される処理内容（「第４の監視処理ステップ」と称する。）では、まず、統計量データ算出部５５によって、監視データを設定するステップＳ３１、負荷行列による推定偏差を算出するステップＳ３２および負荷行列による主成分得点の算出をするステップＳ５２が実行される。続いて、統計量データ検定処理部５６によって推定偏差ｄＸの分散値の逐次確率比検定を行うステップＳ３３、主成分得点分散値の逐次確率比検定を行うステップＳ５３が実行される。続いて、仮説採択率判定部２７が統計量データ検定処理部５６でなされた統計量データに対する逐次確率比検定の結果の分散変化仮説の採択率を算定し、算定した仮説採択率が管理しきい値を超えた場合に異常と判断することによって異常を検出する。仮説採択率を監視するステップ（ステップＳ１４）が終わると、第４の監視処理ステップは、全処理ステップを完了して終了となる。

上述したように本実施の形態によれば、第１乃至第３の実施の形態で説明したプラント監視装置１Ａ，１Ｂ，１Ｃおよび各プラント監視方法と同様の効果を奏する他、正常時の変数間の相関関係では説明の付けられない新たな成分が発生するような広い範囲の異常と、正常時にも存在する弱い相関成分が増大するようなタイプの異常の何れにも適用可能な汎用性の高い監視が可能になる。

［第５の実施の形態］
本発明の第５の実施の形態に係るプラント監視装置およびプラント監視方法について説明する。尚、プラント監視装置１Ａ，１Ｂ，１Ｃ，１Ｄと同一の構成要素には同一の符号を付し、重複する説明は省略する。

本発明の第５の実施の形態に係るプラント監視装置１Ｅの構成は、図１において、プラント監視装置１、監視モデル作成手段１２および監視処理手段１３を、それぞれ、プラント監視装置１Ｅ、監視モデル作成手段１２Ｅおよび監視処理手段１３Ｅと読み替えた構成である。すなわち、プラント監視装置１Ｅは、プラントデータ入力・保存手段１１、監視モデル作成手段１２Ｅおよび監視処理手段１３Ｅを具備する。

図２０は、本発明の第５の実施の形態に係るプラント監視装置１Ｅの概略を示しており、特にプラント監視装置１Ｅが具備する監視モデル作成手段（以下、「第５の監視モデル作成手段」と称する。）１２Ｅの構成を詳細に示した概略図である。

図２０に示されるように、第５の監視モデル作成手段１２Ｅは、出力誤差モデル同定部２１および第１の推定偏差特性評価部２２に加え、プラント２の運転状態の変化を直接的に引き起こす入力変数特性を評価する入力変数特性評価部５８をさらに備えたものである。すなわち、第５の監視モデル作成手段１２Ｅは、第１の監視モデル作成手段１２Ａに、入力変数特性評価部５８をさらに備えて構成される。

図２１は、プラント監視装置１Ｅの概略を示しており、特にプラント監視装置１Ｅが具備する監視処理手段１３Ｅ（以下、「第５の監視処理手段」と称する。）の構成を詳細に示した概略図である。

図２１に示されるように、第５の監視処理手段１３Ｅは、第１の監視処理手段１３Ａと、入力変数特性の異常の有無について監視する入力異常監視処理手段６０を備える。

プラント監視装置１Ｅが実行する処理内容は、他のプラント監視装置１Ａ，１Ｂ，１Ｃ，１Ｄ等で実行される処理内容と同様に、まず、プラントデータ入力・保存手段１１によるプラントデータ入力・保存ステップが実行され、続いて、第５の監視モデル作成手段１２Ｅによる監視モデル作成・保存ステップが実行され、続いて、第５の監視処理手段１３Ｅによる監視処理ステップが実行される。そして、監視処理ステップ後は、監視処理結果出力ステップおよび監視処理結果表示ステップが実行され、第５の監視処理手段１３Ｅがプラント２の異常の有無の検出を行った結果が表示装置３の表示部に表示される。

第５の監視処理手段１３Ｅによる監視処理ステップのうち、第１の監視処理手段１３Ａが行う処理内容については、第１の実施の形態で説明した通りである。プラント監視装置１Ｅでは、プラント２の入力変数の測定値から出力誤差モデルによりプラント２の出力変数の値を推定し、出力変数の測定値と推定値との偏差を監視することにより、入力変数の変化では説明の付けられない出力変数の変化を監視する。つまり、第１の監視処理手段１３Ａでは、入出力変数の変化が出力誤差モデルに従っている限りは、入力変数がどのような変化をしても異常は検出されない。

これに対して、入力異常監視処理手段６０では、予め与えられた時間幅内における入力変数の分散値が正常状態における分散値と同じか否かを分散検定により監視する。分散検定は次のように行う。

図２２は、第５のプラント監視装置１Ｅの入力異常監視処理結果の一例を示した図であって、入力変数の分散値が変化した場合のデータに適用した例を示している。

図２２（ａ）が入力変数の測定値を示すグラフ、図２２（ｂ）が式（１１）で算出される分散監視指標を示すグラフ、図２２（ｃ）が前記の分散変化仮説の採択率、すなわち異常検出率である。図２２（ｃ）では式（１２）のｎを２００ステップ、異常検出率を算出する時間幅を４００ステップとしている。図２２によれば、異常が発生した１０００ステップ目以降で異常検出率が大きく変化を始めており、破線で示された管理しきい値を超えた時点で異常と検出されている。

上述したように、本実施の形態によれば第１の実施の形態と同様の効果を奏する他、第１の実施の形態では検出できないプラントの入力変数の異常な変化も検出することができ、適用範囲をより拡大することができる。

［第６の実施の形態］
本発明の第６の実施の形態に係るプラント監視装置およびプラント監視方法について説明する。尚、プラント監視装置１Ａ，１Ｂ，１Ｃ，１Ｄ，１Ｅと同一の構成要素には同一の符号を付し、重複する説明は省略する。

本発明の第６の実施の形態に係るプラント監視装置１Ｆの構成は、図１において、プラント監視装置１、監視モデル作成手段１２および監視処理手段１３を、それぞれ、プラント監視装置１Ｆ、監視モデル作成手段１２Ｆおよび監視処理手段１３Ｆと読み替えた構成である。すなわち、プラント監視装置１Ｆは、プラントデータ入力・保存手段１１、監視モデル作成手段１２Ｆおよび監視処理手段１３Ｆを具備する。

図２３は、本発明の第６の実施の形態に係るプラント監視装置１Ｆと、プラント監視装置１Ｆが具備する監視モデル作成手段（以下、「第６の監視モデル作成手段」と称する。）１２Ｆおよび監視処理手段１３Ｆ（以下、「第６の監視処理手段」と称する。）の構成を示した概略図である。

第６の監視モデル作成手段１２Ｆは、図２３に示されるように、主成分分析部５１と、統計量データ特性評価部５２と、入力変数特性評価部５８を備えて構成される。また、第６の監視処理手段１３Ｆは、第４の監視処理手段１３Ｄと、入力異常監視処理手段６０とを備えて構成される。

プラント監視装置１Ｆが実行する処理内容は、他のプラント監視装置１Ａ，１Ｂ，１Ｃ，１Ｄ，１Ｅ等で実行される処理内容と同様に、まず、プラントデータ入力・保存手段１１によるプラントデータ入力・保存ステップが実行され、続いて、第６の監視モデル作成手段１２Ｆによる監視モデル作成・保存ステップ（以下、「第６の監視モデル作成・保存ステップ」と称する。）、続いて、第６の監視処理手段１３Ｆによる監視処理ステップ（「第６の監視処理ステップ」と称する。）が実行される。

第６の監視処理ステップが実行された後は、監視処理結果出力ステップおよび監視処理結果表示ステップが実行され、第６の監視処理手段１３Ｆがプラント２の異常の有無の検出を行った結果が表示装置３の表示部に表示される。

第６の監視モデル作成・保存ステップのうち、主成分分析手段５１および統計量データ特性評価部５２が実行する処理内容は、第４の監視モデル作成・保存ステップと同様に実行される処理内容である。また、入力変数特性評価部５８が実行する処理内容は、第５の監視モデル作成手段１２Ｅによる監視モデル作成・保存ステップと同様に実行される処理内容である。

一方、第６の監視処理ステップのうち、第４の監視処理手段１３Ｄが実行する処理内容については、第４の監視処理ステップと同様に実行される処理内容であり、入力異常監視処理手段６０が実行する処理内容については、第５の監視処理ステップで説明したように、予め与えられた時間幅内における入力変数の分散値が正常状態における分散値と同じか否かを分散検定により監視する。

上述したように、本実施の形態によれば第４の実施の形態と同様の効果を奏する他、第４の実施の形態では検出できないプラントの入力変数の異常な変化も検出することができ、適用範囲をより拡大することができる。

また、上述した第２の実施の形態および第３の実施の形態においては、主成分分析の対象として、プラントの入力変数ｕと出力変数ｚの異なる時間の測定値より式（９）のように構成した監視変数ｘを用いたが、入出力関係が必ずしも明確ではないプラントにおいては全てを出力変数ｚとみなして、以下の式（１３）又は（１４）で示されるように、監視変数を構成してもよい。
［数１４］
ｘ（ｔ）＝ｚ（ｔ）・・・（１３）
又は
ｘ（ｔ）＝［ｚ（ｔ−１）ｚ（ｔ）］・・・（１４）

さらに、プラント２の動特性に比べてプラントデータの入力時間間隔が短いような場合には、以下の式（１５）で示されるように、より長い区間のデータで監視変数を構成してもよい。
［数１５］
ｘ（ｔ）＝［ｚ（ｔ−ｈ） … ｚ（ｔ−１）ｚ（ｔ）］・・・（１５）

尚、本発明は上記の各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化しても良い。例えば、図１に示すプラント監視装置１の例では、プラント監視装置１と表示装置３とは独立した装置として示されているが、一体的な装置として構成される場合もある。すなわち、プラント監視装置１は、表示装置３又はこれと同等の機能を有する表示手段を具備していても良い。

また、上記の各実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成したり、実施形態に示される全構成要素から幾つかの構成要素を削除したりすることによって本発明を構成しても良い。

さらに、上述した各実施形態において記載した手法は、コンピュータに実行させることのできるプログラムとして、例えば磁気ディスク、光ディスク、半導体メモリなどの記憶媒体に書き込んで各種装置に適用したり、通信媒体により伝送して各種装置に適用することも可能である。本装置を実現するコンピュータは、記憶媒体に記録されたプログラムを読み込み、このプログラムによって動作が制御されることにより、上述した処理を実行する。

本発明に係るプラント監視装置の基本構成を示した概略図。本発明の第１の実施の形態に係るプラント監視装置に具備される監視モデル作成手段の概略図。本発明の第１の実施の形態に係るプラント監視装置に具備される監視処理手段の概略図。本発明の第１の実施の形態に係るプラント監視装置に具備される監視モデル作成手段が実行する処理内容を示した処理フロー図。本発明の第１の実施の形態に係るプラント監視装置に具備される監視処理手段が実行する処理内容を示した処理フロー図。本発明の第１の実施の形態に係るプラント監視装置の監視処理結果の一例を示した図であって、（ａ）は縦軸を出力（測定値，推定値），横軸をステップ数としたグラフ、（ｂ）は縦軸を入力，横軸をステップ数としたグラフ、（ｃ）は縦軸を推定偏差，横軸をステップ数としたグラフ、（ｄ）は縦軸を検定指標，横軸をステップ数としたグラフ、（ｅ）は縦軸を仮説採択率，横軸をステップ数としたグラフ。図６（ａ）のグラフにおいて９００ステップから１１００ステップの範囲を拡大して示した部分拡大図。本発明の第２の実施の形態に係るプラント監視装置に具備される監視モデル作成手段の概略図。本発明の第２の実施の形態に係るプラント監視装置に具備される監視処理手段の概略図。本発明の第２の実施の形態に係るプラント監視装置に具備される監視モデル作成手段が実行する処理内容を示した処理フロー図。本発明の第２の実施の形態に係るプラント監視装置に具備される監視処理手段が実行する処理内容を示した処理フロー図。本発明の第２の実施の形態に係るプラント監視装置の監視処理結果の一例を示した図であって、（ａ）は縦軸を出力（測定値，推定値），横軸をステップ数としたグラフ、（ｂ）は縦軸を入力，横軸をステップ数としたグラフ、（ｃ）は縦軸を推定偏差，横軸をステップ数としたグラフ、（ｄ）は縦軸を検定指標，横軸をステップ数としたグラフ、（ｅ）は縦軸を仮説採択率，横軸をステップ数としたグラフ。本発明の第３の実施の形態に係るプラント監視装置に具備される監視モデル作成手段の概略図。本発明の第３の実施の形態に係るプラント監視装置に具備される監視処理手段の概略図。本発明の第３の実施の形態に係るプラント監視装置に具備される監視モデル作成手段が実行する処理内容を示した処理フロー図。本発明の第３の実施の形態に係るプラント監視装置に具備される監視処理手段が実行する処理内容を示した処理フロー図。本発明の第３の実施の形態に係るプラント監視装置の監視処理結果の一例を示した図であって、（ａ）は縦軸を出力（測定値，推定値），横軸をステップ数としたグラフ、（ｂ）は縦軸を入力（測定値，推定値），横軸をステップ数としたグラフ、（ｃ）は縦軸を推定偏差，横軸をステップ数としたグラフ、（ｄ）は縦軸を検定指標，横軸をステップ数としたグラフ、（ｅ）は縦軸を仮説採択率，横軸をステップ数としたグラフ。本発明の第４の実施の形態に係るプラント監視装置に具備される監視モデル作成手段の概略図。本発明の第４の実施の形態に係るプラント監視装置に具備される監視処理手段の概略図。本発明の第５の実施の形態に係るプラント監視装置と、プラント監視装置に具備される監視モデル作成手段の概略図。本発明の第５の実施の形態に係るプラント監視装置と、プラント監視装置に具備される監視処理手段の概略図。本発明の第５の実施の形態に係るプラント監視装置の入力異常監視処理結果の一例を示した図であって、（ａ）は縦軸を入力（測定値，推定値），横軸をステップ数としたグラフ、（ｂ）は縦軸を分散監視指標，横軸をステップ数としたグラフ、（ｅ）は縦軸を異常検出率，横軸をステップ数としたグラフ。本発明の第６の実施の形態に係るプラント監視装置と、プラント監視装置に具備される監視モデル作成手段および監視処理手段の概略図。

符号の説明

１（１Ａ〜１Ｆ）プラント監視装置
２プラント
３表示装置
４入力手段
１１プラントデータ入力・保存手段
１２（１２Ａ〜１２Ｆ）監視モデル作成手段
１３（１３Ａ〜１３Ｆ）監視処理手段
２１出力誤差モデル同定部
２２第１の推定偏差特性評価部
２５第１の出力推定偏差算出部
２６第１の推定偏差検定処理部
２７仮説採択率判定部
３１第１の主成分分析部
３２第２の推定偏差特性評価部
３５第２の出力推定偏差算出部
３６第２の推定偏差検定処理部
４１第２の主成分分析部
４２主成分得点特性評価部
４５主成分得点算出部
４６主成分得点検定処理部
５１主成分分析部
５２統計量データ特性評価部
５５統計量データ算出部
５６統計量データ検定処理部
５８入力変数特性評価部
６０入力異常監視処理手段
６１統計量算出部
６２仮説検定処理部

Claims

プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力・保存手段と、
前記プラントデータ入力・保存手段で保存された時系列データに基づいて監視モデルを作成する監視モデル作成手段と、
前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理手段と、を備えたプラント監視装置であって、
前記監視モデル作成手段は、前記時系列データを用いて出力誤差モデルを同定する出力誤差モデル同定部と、
前記出力誤差モデルを前記時系列データに適用して算出した前記出力変数の推定偏差の統計的特性を評価する推定偏差特性評価部と、を具備し、
前記監視処理手段は、前記測定データに前記出力誤差モデルを適用して前記出力変数の推定偏差を算出する出力推定偏差算出部と、
前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理部と、
前記推定偏差の分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定部と、
を具備することを特徴とするプラント監視装置。
プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力・保存手段と、
前記プラントデータ入力・保存手段で保存された時系列データに基づいて監視モデルを作成する監視モデル作成手段と、
前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理手段と、を備えたプラント監視装置であって、
前記監視モデル作成手段は前記時系列データに主成分分析を適用して寄与率の大きい複数の主成分に対する負荷行列を構成する主成分分析部と、
前記負荷行列を前記時系列データに適用して算出した推定偏差の統計的特性を評価する推定偏差特性評価部と、を具備し、
前記監視処理手段は、前記測定データに前記負荷行列を適用して推定偏差を算出する出力推定偏差部と、
前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理部と、
前記推定偏差の分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定部と、を具備することを特徴とするプラント監視装置。
プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力・保存手段と、
前記プラントデータ入力・保存手段で保存された時系列データに基づいて監視モデルを作成する監視モデル作成手段と、
前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理手段と、を備えたプラント監視装置であって、
前記監視モデル作成手段は前記時系列データに主成分分析を適用して寄与率の小さい複数の主成分に対する負荷行列を構成する主成分分析部と、
前記負荷行列を前記時系列データに適用して算出した主成分得点の統計的特性を評価する主成分得点特性評価部と、を具備し、
前記監視処理手段は、前記測定データに前記負荷行列を適用して主成分得点を算出する主成分得点算出部と、
前記主成分得点に逐次確率比検定を適用して前記主成分得点の分散値変化仮説を検定する主成分得点検定処理部と、
前記主成分得点の分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定部と、を具備することを特徴とするプラント監視装置。
プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力・保存手段と、
前記プラントデータ入力・保存手段で保存された時系列データに基づいて監視モデルを作成する監視モデル作成手段と、
前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理手段と、を備えたプラント監視装置であって、
前記監視モデル作成手段は前記時系列データに主成分分析を適用して寄与率の大きな複数の主成分に対する第１の負荷行列を構成する第１の主成分分析部と、
前記主成分分析の結果から寄与率の小さな複数の主成分に対する第２の負荷行列を構成する第２の主成分分析部と、
前記第１の負荷行列を前記時系列データに適用して算出した推定偏差の統計的特性を評価する推定偏差特性評価部と、
前記第２の負荷行列を前記時系列データに適用して算出した主成分得点の統計的特性を評価する主成分得点特性評価部と、を具備し、
前記監視処理手段は前記測定データに前記第１の負荷行列を適用して推定偏差を算出する推定偏差算出部と、
前記測定データに前記第２の負荷行列を適用して主成分得点を算出する主成分得点算出部と、
前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理部と、
前記主成分得点に逐次確率比検定を適用して前記主成分得点の分散値変化仮説を検定する主成分得点検定処理部と、
前記推定偏差の分散値変化仮説の採択率および主成分得点の分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定部と、を具備することを特徴とするプラント監視装置。
前記入力変数の分散検定によりプラント状態を監視する入力異常監視処理手段と、を備えることを特徴とする請求項１乃至請求項４の何れか１項記載のプラント監視装置。
プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力保存ステップと、
前記プラントデータ入力保存ステップで保存された時系列データに基づいて監視モデルを作成する監視モデル作成ステップと、
前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理ステップと、を備えるプラント監視方法であって、
前記監視モデル作成ステップは、前記時系列データを用いて出力誤差モデルを同定する出力誤差モデル同定ステップと、
前記出力誤差モデルを前記時系列データに適用して算出した前記出力変数の推定偏差の統計的特性を評価する推定偏差特性評価ステップと、を具備し、
前記出力監視処理ステップは、前記測定データに前記出力誤差モデルを適用して前記出力変数の推定偏差を算出する出力推定偏差算出ステップと、
前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理ステップと、
前記分散値変化仮説の採択率に基づいてプラントの異常を監視する仮説採択率判定ステップと、を具備することを特徴とするプラント監視方法。
プラントの入力変数および出力変数の測定データを入力し時系列データとして保存するプラントデータ入力保存ステップと、
前記プラントデータ入力保存ステップで保存された時系列データに基づいて監視モデルを作成する監視モデル作成ステップと、
前記監視モデルを前記測定データに適用してプラント状態の正常／異常を判定し、当該判定結果を出力する監視処理ステップと、を備えるプラント監視方法であって、
前記監視モデル作成ステップは前記時系列データに主成分分析を適用して寄与率の大きな複数の主成分に対する第１の負荷行列を構成する第１の主成分分析ステップと、
前記第１の負荷行列を前記時系列データに適用して算出した推定偏差の統計的特性を評価する推定偏差特性評価ステップと、を具備し、
前記出力監視処理ステップは、前記測定データに前記負荷行列を適用して推定偏差を算出する出力推定偏差ステップと、
前記推定偏差に逐次確率比検定を適用して前記推定偏差の分散値変化仮説を検定する推定偏差検定処理ステップと、
前記推定偏差の分散値変化仮説の採択率に基づいてプラントの異常を監視する第１の仮説採択率判定ステップと、を具備することを特徴とするプラント監視方法。
前記監視モデル作成ステップは前記時系列データに主成分分析を適用して寄与率の小さな複数の主成分に対する第２の負荷行列を構成する第２の主成分分析ステップと、
前記第２の負荷行列を前記時系列データに適用して算出した主成分得点の統計的特性を評価する主成分得点特性評価ステップとをさらに備え、
前記出力監視処理ステップは、前記測定データに前記第２の負荷行列を適用して主成分得点を算出する主成分得点算出ステップと、
前記主成分得点に逐次確率比検定を適用して前記主成分得点の分散値変化仮説を検定する主成分得点検定処理ステップと、
前記主成分得点の分散値変化仮説の採択率に基づいてプラントの異常を監視する第２の仮説採択率判定ステップとをさらに備えたことを特徴とする請求項８記載のプラント監視方法。
前記監視処理ステップは、前記監視モデルを前記時系列データに適用してプラント状態を監視する出力監視処理ステップと、前記入力変数の分散検定によりプラント状態を監視する入力異常監視処理ステップと、を備えることを特徴とする請求項７乃至請求項９の何れか１項記載のプラント監視方法。