JP2015007509A - ボイラチューブリーク検出装置、ボイラチューブリーク検出方法、並びにこれらを用いたデータ監視センタ、情報提供サービス、ボイラプラント。 - Google Patents

Abstract

【課題】ボイラチューブリークの早期検知とリーク位置の早期特定を実現するボイラチューブリーク検出装置を提供する。【解決手段】ボイラプラントの状態量を計測した計測信号データベースと、ボイラプラントの運転状態の変化を検知する状態変化検知部と、状態変化検知部で検知した変化をリークか評価する検知内容評価部を備え、状態変化検知部には、計測信号データベースの第一の計測信号データ項目を、ボイラプラントの複数ある熱交換器のメタル温度が含む監視グループ化する監視データ抽出部と、ボイラプラントの運転パターンを識別する運転パターン評価部と、識別された運転パターン毎にかつ監視グループ毎に、グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類部と、診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知する検知部が備えた。【選択図】図１

Description

本発明は、ボイラチューブリークの検出装置、及びボイラチューブリークの検出方法に関する。また、これらを用いたデータ監視センタ、情報提供サービス、ボイラプラントに関する。

ボイラプラントでは、石炭の燃焼によって生成した高温のガスを用いて、給水を複数の熱交換器にて加熱して蒸気を生成する。熱交換器は高温・高腐食性のガスと接触するため、クリープ、熱疲労、腐食などが原因で、金属材料が損傷する場合がある。金属材料が損傷すると、その損傷個所から蒸気が漏れる。この事象をチューブリークと呼ぶ。

ボイラ内を循環する蒸気量が一定になるように給水流量が制御されるため、チューブリークが発生すると給水流量が増加する。給水流量の増加は、発電コストの増加を招く。

チューブリークが発生して給水流量が増加した際は、現場パトロールによりリーク発生個所を目視にて確認する。プラントを停止するとリーク発生箇所を確認できなくなるため、リーク発生箇所の目視確認はプラント運転中に実施する必要がある。

一方、リークした蒸気が周囲のチューブに衝突すると、そのチューブも損傷する２次被害が発生する。そのため、リーク発生から時間が経過するに従って損傷範囲が拡大する。被害が拡大すると、補修期間が長くなるため、コスト損失が大きくなる。

従って、チューブリーク発生の早期検知、リーク発生位置の早期特定はプラントの保守コスト低減に寄与する。

チューブリーク発生の早期検知、あるいはリーク発生位置の特定を実現する技術として、特許文献１〜３で公開されている技術がある。

特許文献１は、ボイラプラントの熱交換器ではないが、補給水流量の計測値とリーク検出箇所の一つの配管上に設けた温度センサの計測値を用い、補給水流量の増加と温度変化からチューブリーク発生を検知する。特許文献２では、液体を収容するためのドレンポットを備え、ドレンポットにて液体を収容した際にチューブリーク発生を検知する。特許文献３では、音センサをボイラ建屋内に設置し、リーク音を検出した際にリーク発生を検知する。さらにリーク音の発生源を音響データの相互相関処理で求め、リーク位置を特定する。

特開２００８−１４４９９５号公報 特開２０１１−１４１０８５号公報 特開平９−２２９８１１号公報

特許文献１の技術は、給水流量の増加、温度の変化幅が閾値を超えた時にリーク発生を検知する。しかし、ボイラプラントでは負荷、バーナパターン、炭種を変更するなど、多種多様な運転パターンがある。運転パターン毎に温度の基準となる値が異なるため、チューブリーク発生検知のための閾値も異なる。従って、本技術を適用するには、閾値を運転パターン毎に設定する必要がある。

特許文献２、特許文献３の技術では、ドレンポットの設置、音センサの設置など、チューブリークを検知するために新たなハードウェアが必要であり、これはコスト増加の要因となる。

本発明の目的は、ボイラチューブリークの早期検知とリーク位置の早期特定を実現する、誤検知が抑制されたボイラチューブリーク検出装置を提供することである。

上記課題を解決するための手段を複数含んでいるが、その一例を挙げるならば、本発明のボイラチューブリーク検出装置は以下の構成とする。

ボイラプラントの状態量を計測した計測信号がデータ項目別に保存される計測信号データベースと、前記ボイラプラントの運転状態の変化を検知する状態変化検知部と、前記状態変化検知部で検知した変化をリークか評価する検知内容評価部を備えたボイラチューブリーク検出装置において、前記状態変化検知部には、前記計測信号データベースから第一の計測信号データが入力され、前記データ項目の一部を監視グループとしてグループ化する監視データ抽出部と、前記ボイラプラントの運転パターンを識別する運転パターン評価部と、前記識別された運転パターン毎にかつ前記監視グループ毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類部と、前記診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知する検知部が備えられ、前記監視データ抽出部がグループ化するデータ項目に前記ボイラプラントの複数ある熱交換器のメタル温度が含まれることを特徴としたボイラチューブリーク検出装置。

ボイラチューブリークの早期検知とリーク位置の早期特定を実現する、誤検知が抑制されたボイラチューブリーク検出装置を提供する。

上記以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明の第１の実施例であるボイラチューブリーク検出装置を説明するブロック図である。 ボイラチューブリーク検出装置の動作を説明する動作フローチャート図である。 ボイラプラントの実施形態を示した図である。 計測信号データベースに保存されるデータの態様、及び監視データ抽出部の動作を説明する図である。 運転パターン評価部の動作を説明するフローチャート図である。 分類部、及び検知部にて計測信号を分類する機能を説明する図である。 分類部で分類用データ信号を分類した結果、及び検知部にて検知用信号を分類した結果を説明する図である。 チューブリーク発生時、灰脱落発生時の給水流量、メタル温度、及び分類結果であるカテゴリー番号の経時変化を説明する図である。 検知内容推定部の動作を説明するフローチャート図である。 検知内容推定部のステップの動作を説明する図である。 過去事例データベースに保存されるデータの態様を説明する図である。 画像表示装置に表示される画面の実施例を説明する図である。 本発明の第２の実施例であるボイラチューブリーク検出装置を説明するブロック図である。 ボイラ特性計算部の計算結果を説明する図である。 本発明の第３の実施例を説明するブロック図である。 送信情報決定部の動作フローチャート図である。

次に、本発明の実施例であるボイラチューブリーク検出装置について、図面を参照して以下に説明する。

図１は、本発明の第１の実施例であるボイラチューブリーク検出装置４００を説明するブロック図である。ボイラチューブリーク検出装置４００を用いてボイラプラント１００を監視する。ボイラプラント１００の構成については、図３を用いて後述する。 ボイラチューブリーク検出装置４００は、演算装置として状態変化検知部７００を構成する監視データ抽出部７１０、運転パターン評価部７２０、分類部７３０、検知部７５０と、検知内容評価部８００を構成する検知内容推定部８１０を備えている。また、ボイラチューブリーク検出装置４００はデータベースとして計測信号データベース５１０、診断モデルデータベース７４０、過去事例データベース８２０を備えている。なお図１においては、データベースをＤＢと略記している。

計測信号データベース５１０、診断モデルデータベース７４０、過去事例データベース８２０には、電子化された情報が保存されており、通常電子ファイル(電子データ)と呼ばれる形態で情報が保存される。

また、ボイラチューブリーク検出装置４００は、外部とのインターフェイスとして外部入力インターフェイス４１０及び外部出力インターフェイス４２０を備えている。

そして、外部入力インターフェイス４１０を介してボイラプラント１００の運転状態である各種状態量を計測した計測信号１と、運転管理室９００に備えられている、例えばキーボード９２０及びマウス９３０で構成される外部入力装置９１０の操作で作成する外部入力信号２がボイラチューブリーク検出装置４００に取り込まれる。また、外部出力インターフェイス４２０を介して、画像表示情報７を運転管理室９００に備えられている画像表示装置９４０に出力する。

図１に示したボイラチューブリーク検出装置４００において、ボイラプラント１００の各種状態量を計測した計測信号１は外部入力インターフェイス４１０を介して取り込まれる。計測信号３は、計測信号データベース５１０に保存する。

ボイラチューブリーク検出装置４００は、モデル構築処理と診断処理の二つの処理モードを持つ。モデル構築処理では、計測信号データベースの正常状態と判断された期間の計測信号を用いて、診断モデルを構築する。診断モデルはクラスタリング技術により構築され、正常状態の計測信号がいくつかのデータグループに分類される。次に、診断処理では、診断する時刻の計測信号を処理する。計測信号が正常状態の時と同じ特性であれば、診断モデルのデータグループのいずれか１つに分類される。特性が異なる場合は、診断モデルのデータグループには属さないことになる。尚、データグループの構築方法は、図６、７を用いて後述する。

ボイラにてチューブリークが発生すると計測信号の特性が正常状態とは異なる。そこで、本実施例のボイラチューブリーク検出装置４００では、診断する計測信号が診断モデルのデータグループに分類されなかった場合に、チューブリークの発生を検知する。

しかし、ボイラの特性は、負荷、炭種、バーナパターンなどの運転パターンに応じて変化する。また、熱交換器に付着している灰の脱落などの外乱によっても変化する。

本実施例のボイラチューブリーク検出装置４００は、運転パターン変化、外乱とボイラチューブリークを区別して検出する。これは、状態変化検知部７００と検知内容評価部８００にて実現している。

状態変化検知部７００は、計測信号データベース５１０に保存されている計測信号４を用いてボイラプラント１００を診断し、ボイラプラント１００の状態が変化したかどうかを評価する。状態変化検知部７００の動作により得られる検知結果５は、検知内容評価部８００、及び外部出力インターフェイス４２０に出力する。

まず、モデル構築処理モードの状態変化検知部７００の動作を述べる。モデル構築処理モードでは、監視データ抽出部７１０、運転パターン評価部７２０、分類部７３０、診断モデルデータベース７４０を動作させる。

監視データ抽出部７１０では、予め定められたデータ項目、及び正常と定義された期間のデータを計測信号データベース５１０から抽出する。この正常と定義された期間のデータをここでは第一の計測信号データと呼称する。監視データ抽出部７１０でデータ項目単位で抽出しグループ化した監視データグループ信号７０１は、運転パターン評価部７２０に出力する。

運転パターン評価部７２０では、運転パターンを識別し、監視データグループ信号７０１のデータを運転パターン毎に区別する。ここで運転パターンとは、負荷、炭種、バーナパターンなどであり、例えば監視グループとして抽出したデータの中に含まれた石炭流量のデータ等から読み取ったデータに基づき評価する。運転パターン評価結果と監視データグループ信号で構成される分類用データ信号７０２は、分類部７３０に送信する。

分類部７３０では、クラスタリング技術を用いて分類用データ信号７０２に含まれる監視データグループ信号を分類し、診断モデルを構築する。尚、診断モデル７０３は監視パターン毎かつ運転パターン毎に生成する。分類部７３０で構築した診断モデル７０３は、診断モデルデータベース７４０に保存する。

次に、診断処理モードの状態変化検知部７００の動作を説明する。診断処理モードでは、監視データ抽出部７１０、運転パターン評価部７２０、検知部７５０を動作させる。

監視データ抽出部７１０では、予め定められたデータ項目、及び診断する期間のデータを計測信号データベース５１０から抽出する。この診断する期間のデータをここでは第二の計測信号データと呼称する。監視データ抽出部７１０で抽出した監視データグループ信号７０１は、運転パターン評価部７２０に出力する。

運転パターン評価部７２０では、監視データグループ信号７０１のデータを運転パターン毎に区別する。運転パターン評価結果と監視データグループ信号で構成される検知用データ信号７０６は、検知部７５０に送信する。

検知部７５０では、現在の運転パターンに対応した診断モデルを診断モデルデータベース７４０から診断モデルデータベース情報７０４として抽出する。また、検知用データ信号７０６と抽出した診断モデルを用い、ボイラプラント１００の状態が変化したかどうかを診断する。

このように、本実施例のボイラチューブリーク検出装置４００では、負荷、炭種、バーナパターンなどの運転パターンに応じて診断モデルを切り替えて診断するため、運転パターン変化によるプラント特性の変化を考慮した診断が可能となる。尚、状態変化検知部７００の詳細及び診断方法については、図４〜図７を用いて後述する。

検知内容評価部８００は、診断処理モードにおいて動作させる。検知内容評価部８００では、計測信号４及び検知結果５を用いて、検知内容を評価する。検知内容の例として、チューブリークの発生位置を特定する内容が挙げられる。検知内容評価部８００の動作により得られる検知内容推定結果６は、外部出力インターフェイス４２０に出力する。以下、検知内容評価部８００の概略を述べる。

検知内容推定部８１０では、過去事例データベース８２０に保存されている過去事例データベース情報８０２、計測信号４、診断結果５に基づいて検知内容を推定する。検知内容推定結果６は外部出力インターフェイス４２０に出力する。検知内容にはボイラチューブリークの発生有無、及びチューブリーク発生時にはその発生位置に関する情報が含まれる。尚、検知内容評価部８００の詳細は、図８〜図９を用いて後述する。

診断結果５と検知内容推定結果６は、外部出力インターフェイス４２０にて画像表示情報７に変換し、画像表示装置９４０に送信される。

このようにして、本実施例のボイラチューブリーク検出装置４００では、ボイラプラント１００でチューブリークが発生した場合、リーク発生の検知結果とリークの発生位置を画像表示装置９４０に表示し、オペレータに情報を提供する。

なお、本実施例のボイラチューブリーク検出装置４００においては、状態変化検知部７００、検知内容評価部８００、計測信号データベース５１０がボイラチューブリーク検出装置４００の内部に備えられているが、これらの一部の装置をボイラチューブリーク検出装置４００の外部に配置し、データのみを装置間で通信するようにしてもよい。

また、図１はそれぞれの機能の関係性を表した図であり、その実装や装置の態様は、図に示される区分や包含関係に限られるものではない。例えば図１のように状態検知部７００に診断モデルＤＢ７４０が含まれていてもよいし、例えば他のＤＢと併用されていても本実施例効果は得られる。

また、ボイラチューブリーク検出装置４００に設置された計測信号データベース５１０、診断モデル７４０、過去事例データベース８２０に保存されている情報は、任意に運転管理室９００の画像表示装置９４０に表示できるようになっている。また、これらの情報は、キーボード９２０とマウス９３０で構成する外部入力装置９１０を操作して生成する外部入力信号２で、修正できる。

また、図示していないが、本実施例の実施形態として、チューブリーク検出装置４００を動作させて得られた情報を運転員に提供する情報提供サービス、チューブリーク検出装置４００を搭載した運転制御装置、ボイラ装置、ボイラプラントなども含まれる。

図２はボイラチューブリーク検出装置４００の動作を説明する動作フローチャート図である。

まず、ステップ１０００では、以下の条件を満足する時にモデル構築モードで動作すると判定し、診断モデルを構築する。それ以外の時は診断モードで動作すると判定する。

・ボイラチューブリーク検出装置４００を最初に使用する時、すなわち、診断モデルが存在しない時。

・運転パターン評価部７２０にて新しい運転パターンを検出し、診断モデルを追加する必要が生じた時。

・外部入力装置９１０からの入力で、モデル構築のリクエストがあった時。

モデル構築モードの場合はステップ１０１０に進み、診断モードの場合はステップ１０２０に進む。

ステップ１０１０では、状態変化検知部７００の監視データ抽出部７１０、運転パターン評価部７２０、分類部７３０を動作させ、診断モデルを構築する。

ステップ１０２０では、１サイクル前の診断終了後から予め定められた診断周期の時間が経過したかどうかを判定し、時間が経過する前であればステップ１０２０に戻り、時間が経過している場合はステップ１０３０に進む。

ステップ１０３０では、状態変化検知部７００の監視データ抽出部７１０、運転パターン評価部７２０、検知部７５０を動作させて、ボイラプラント１００を診断する。

ステップ１０４０では、ステップ１０３０にて動作させた検知部７５０でプラントの異常を検知したかどうかを評価する。検知した場合はステップ１０５０に進み、検知しなかった場合はステップ１０６０に進む。

ステップ１０５０では、検知内容評価部８００を動作させて、検知内容を評価する。

ステップ１０６０では、外部入力装置９１０からの外部入力信号２により、ボイラチューブリーク検出装置４００を終了させるリクエストがあった時は終了へ進み、それ以外の時はステップ１０００に戻る。

図３はボイラプラント１００の実施形態を示した図である。

本実施例はボイラ２００、ボイラ２００で発生させた蒸気により駆動する蒸気タービン３００を主構成要素とする火力発電プラントである（発電機は図示していない）。ボイラプラント１００は、負荷要求指令に基づいて、指定された負荷（発電出力）に制御する。蒸気加減弁２９０の弁開度を調節することで、タービン３００へ導かれる蒸気流量２６１が変化し発電出力が変化する。

その他にも水・蒸気系統には、蒸気タービン３００から出た蒸気を冷却して液体にする復水器３１０、復水器３１０で冷却された水をボイラ給水として再びボイラ２００へ送り込む給水ポンプ３２０がある。また、図示していないが、実際のプラントには蒸気タービン３００の途中段から抜き出した一部の蒸気を加熱源としてボイラ給水を予熱する給水加熱器もある。

一方、ボイラから排出される燃焼ガス２０１の系統には、排ガスを浄化するための排ガス処理装置３３０、浄化したガス３３１を放出する煙突３４０がある。

燃料である石炭３８１は燃料供給量調整弁３８０を介して、石炭粉砕機（ミル）３５０に送られる。また、石炭搬送と燃焼調整にもちいる空気３８２は空気量調整弁３７０を介して、石炭粉砕機３５０とバーナ２１０に供給される。石炭粉砕機３５０で粉末（微粉炭）となった石炭は、空気で搬送されてバーナ２１０に供給される。バーナ２１０の上部にはアフタエアポート２２０が配置され、アフタエアポート２２０には空気３８３が空気量調整弁３６０を介して供給される。

次にボイラ２００の構成について説明する。

燃料を燃焼させるバーナ２１０がある火炉は炉内が高温になるため、壁面全体を冷却すると共に燃焼ガスの熱を回収する水壁２３０と呼ばれる冷却壁がある。ボイラ２００内には他にも節炭器２８０、１次過熱器２７０、２次過熱器２４０、３次過熱器２５０、４次過熱器２６０からなる熱交換器があり、これらによって燃焼ガスの熱を回収して高温蒸気を生成する。

尚、図中には記載していないが、プラントには、ガスの組成、温度、圧力や、蒸気の温度、圧力、熱交換器のメタル温度などを計測するためのセンサーが多数配置されており、この計測結果はデータ送信装置３９０から計測情報１としてボイラチューブリーク検出装置４００に送信される。また、図示していないが、ボイラのバーナ２１０は火炉前後に水平方向に複数本、高さ方向に複数段設置し、アフタエアポートは、火炉前後に水平方向に複数本配置するのが一般的である。

図３(b)は給水からタービンに供給されるまでの蒸気の経路を示す図である。図３(b)に示すように、ボイラ給水はまず節炭器２８０に導かれ、その後水壁２３０、１次過熱器２７０、２次過熱器２４０、３次過熱器２５０、４次過熱器２６０の順に通って昇温され、主蒸気２６１となって蒸気タービン３００へ流入する。高圧蒸気タービン３００で仕事をした蒸気は復水器３１０で液体となり、給水ポンプ３２０で再びボイラへ送られる。

図３(c)は、３次過熱器２５０の上面図である。過熱器を構成するチューブ２５１（細線）は、ボイラの幅方向および奥行き方向に複数本配置される。チューブの形状として例えば、図３(c)の奥行き方向にＵの字型をしており、その片側から入った蒸気は反対側の出口から戻ってくる。また、過熱器にはチューブメタル温度の計測器２５２が（例えば図の太線箇所蒸気出口部に）取り付けられている。一般に、メタル温度計測器は数本〜数十本おきに取り付けられている。

図４は、計測信号データベース５１０に保存されるデータの態様、及び監視データ抽出部７１０の動作を説明する図である。

図４(a)は、計測信号データベース５１０に保存されるデータの態様を示す図である。図４(a)に示すように、計測信号データベース５１０には、プラント１００に対して計測した運転データである計測信号１（図では、データ項目Ａ、Ｂ、Ｃを記載）の値が、サンプリング周期（縦軸の時刻）毎に保存される。

表示画面５１１において縦横に移動可能なスクロールボックス５１２及び５１３を用いることにより、広範囲のデータをスクロール表示することができる。

図４(b)は、監視データ抽出部７１０のブロック図である。診断箇所、及び範囲に応じて、データ項目を複数のグループに分割する。例えば、運転パターンを評価する監視グループ１、主給水流量を監視する監視グループ２、１次過熱器(１ＳＨ)出口メタル温度を監視する監視グループ３に分割しいる。

図４(c)はそれぞれのグループのデータ項目を示す図である。このような監視グループは、外部入力装置９１０を用いて、任意に追加・削除できる。本実施例では、熱交換器毎にメタル温度計測値をグループ化したが、ガスの流れに沿ってメタル温度計測値をグループ化してもよい。

グループ化の仕方により異なる効果を得ることができる。例えば、各熱交換器がそれぞれ有する多数のチューブで計測されるメタル温度計測値に対応するデータ項目を、熱交換器ごとにグループ化する。それらチューブの位置関係と温度相関性を見ることで、特定の熱交換器の中のどのチューブでリークが起きたか早期にミス少なく検知できる効果が得られる。また、例えばボイラ缶の同じ幅方向の位置にある、複数の熱交換器それぞれのチューブであって、同じガス流れの上流と下流の位置関係にあるチューブのメタル温度計測値に対応するデータ項目で、ガスの流れ方向等の規則性に沿ってグループ化する。それら異なる熱交換器に位置するチューブの位置関係と温度相関性をガスの流れの観点で評価することで、正確なリーク判定を行い（例えば灰脱落、特定温度計の異常等他の事故による誤検出を抑制し）、リーク箇所発生熱交換機、チューブを早期に特定できる。また、後述するが、検知結果やデータは画像表示装置で表示され、運転員がデータ及びそのグラフの表示から視覚的に判断するケースもあるため、複数の観点でグループ化しておくことで多角的判断が可能となり判定精度が向上する効果も見込める。

図５は、運転パターン評価部７２０の動作を説明するフローチャート図である。

まず、運転パターン評価部７２０の目的について説明する。ボイラプラント１００の運転状態が過渡状態である場合、計測信号は不規則に変化する。また、バーナパターン、炭種、負荷などの運転パターンに応じて、プラントの特性が変化する。そのため、過渡状態、及び過去に経験したことのない運転パターンで運転した場合、プラントに異常が発生していなくても状態変化検知部７００にて異常を検知する誤報が発生する可能性がある。

そこで、本実施例の状態変化検知部７００では、過渡状態である場合には診断を実施しない。また、運転パターン毎に診断モデルを構築して診断することで、誤報の発生を抑制する。本機能を実現するには、プラントの運転状態が過渡状態であるか、定常状態であるかを判定する機能と、運転パターンを判別する機能が必要であり、本実施例の運転パターン評価部７２０にはこれらの機能が搭載されている。以下、フローチャートの各ステップの動作内容を述べる。

ステップ１１００では、監視データ抽出部７１０で抽出した運転パターン監視のための計測信号を用いて、プラントの運転状態が定常状態であるか、過渡状態であるかを判定する。過渡状態とは、以下のいずれかの所定期間内の状態であり、それ以外は定常状態である。

・スートブロワ噴射開始からの所定期間。 ボイラプラント１００では熱交換器に付着した灰を除去するために、チューブに蒸気を噴射するスートブロワ設備がある。スートブロワにより、熱交換器のメタル温度が変動する。

・バーナ点火・消火開始からの所定期間。 ボイラプラント１００では、所望の負荷を得るために、負荷要求信号に合わせてバーナを点火・消火する。また、バーナ保守のためにバーナパターン変更を実施する。バーナ点火・消火時にはバーナに流れる石炭流量が大きく変化するため、石炭燃焼により発生するガスの温度も変動する。ガス温度の変動に伴い、メタル温度も変動する。

・負荷変化時、及び負荷変化終了後の所定期間。 ボイラプラント１００では、中央給電指令所からの指令に基づいた負荷要求信号を用いて、プラントの発電出力を変化させる。負荷変化中は、石炭流量、給水流量、空気流量を変化させる。その結果、ガス温度、蒸気温度が変動するため、メタル温度も変動する。

ステップ１１１０では、各バーナに供給される石炭流量に基づいて、各バーナが点火状態であるか、消火状態であるかを評価し、バーナパターンを判別する。ステップ１１２０では、バーナに供給されている石炭の種類を判別する。石炭の種類は、例えば石炭の種類毎に割りつけられている炭種コードから判別する。ステップ１１３０では、発電機出力の計測値に基づいて負荷を判別する。本実施例では、これら運転パターンにより各値が変動することに対応したリーク検知方法を可能とする。

図６は、分類部７３０、及び検知部７５０にて分類用データ信号７０２、及び検知用データ信号７０６を分類する機能を説明する図である。分類部７３０が動作するか、検知部７５０が動作するかは、前述の通り状態変化検知部７００の動作モードに依存する。

本実施例では、信号を分類する技術として、適応共鳴理論（Ａｄａｐｔｉｖｅ Ｒｅｓｏｎａｎｃｅ Ｔｈｅｏｒｙ：ＡＲＴ）を適用した場合について述べる。尚、ベクトル量子化、サポートベクターマシン等、他のクラスタリング手法を用いることもできる。

図６(a)に示すように、データ分類機能はデータ前処理装置６１０とＡＲＴモジュール６２０で構成する。データ前処理装置６１０は、運転データをＡＲＴモジュール６２０の入力データに変換する。

以下に、前記データ前処理装置６１０及びＡＲＴモジュール６２０によるそれらの手順について説明する。

まず、データ前処理装置６１０において、計測項目毎にデータを正規化する。計測信号を正規化したデータＮｘｉ（ｎ）及び正規化したデータの補数ＣＮｘｉ（ｎ）（＝１−Ｎｘｉ（ｎ））を含むデータを入力データIi（ｎ）とする。この入力データIi（ｎ）が、ＡＲＴモジュール６２０に入力される。

ＡＲＴモジュール６２０においては、入力データである分類用データ信号７０２、もしくは検知用データ信号７０６を複数のカテゴリーに分類する。

ＡＲＴモジュール６２０は、Ｆ０レイヤー６２１、Ｆ１レイヤー６２２、Ｆ２レイヤー６２３、メモリ６２４及び選択サブシステム６２５を備え、これらは相互に結合している。Ｆ１レイヤー６２２及びＦ２レイヤー６２３は、重み係数を介して結合している。重み係数は、入力データが分類されるカテゴリーのプロトタイプ（原型）を表している。ここで、プロトタイプとは、カテゴリーの代表値を表すものである。

次に、ＡＲＴモジュール６２０のアルゴリズムについて説明する。

ＡＲＴモジュール６２０に入力データが入力された場合のアルゴリズムの概要は、下記の処理１〜処理５のようになる。

処理１：Ｆ０レイヤー６２１により入力ベクトルを正規化し、ノイズを除去する。

処理２：Ｆ１レイヤー６２２に入力された入力データと重み係数との比較により、ふさわしいカテゴリーの候補を選択する。

処理３：選択サブシステム６２５で選択したカテゴリーの妥当性がパラメータρとの比により評価される。妥当と判断されれば、入力データはそのカテゴリーに分類され、処理４に進む。一方、妥当と判断されなければ、そのカテゴリーはリセットされ、他のカテゴリーからふさわしいカテゴリーの候補を選択する（処理２を繰り返す）。パラメータρの値を大きくするとカテゴリーの分類が細かくなり、ρの値を小さくすると分類が粗くなる。このパラメータρをビジランス（ｖｉｇｉｌａｎｃｅ）パラメータと呼ぶ。

処理４：処理２において全ての既存のカテゴリーがリセットされると、入力データが新規カテゴリーに属すると判断され、新規カテゴリーのプロトタイプを表す新しい重み係数を生成する。

処理５：入力データがカテゴリーＪに分類されると、カテゴリーＪに対応する重み係数ＷＪ（ｎｅｗ）は、過去の重み係数ＷＪ（ｏｌｄ）及び入力データｐ（又は入力データから派生したデータ）を用いて下記式（１）により更新される。

ここで、Ｋｗは、学習率パラメータ（０＜Ｋｗ＜１）であり、入力ベクトルを新しい重み係数に反映させる度合いを決定する値である。

尚、式（１）及び後述する式（２）乃至式（１２）の各演算式は前記ＡＲＴモジュール６２０に組み込まれている。

ＡＲＴモジュール６２０のデータ分類アルゴリズムの特徴は、上記の処理４にある。

処理４においては、学習した時のパターンと異なる入力データが入力された場合、記録されているパターンを変更せずに新しいパターンを記録することができる。このため、過去に学習したパターンを記録しながら、新たなパターンを記録することが可能となる。

このように、入力データとして予め与えた運転データを与えると、ＡＲＴモジュール６２０は与えられたパターンを学習する。したがって、学習済みのＡＲＴモジュール６２０に新たな入力データが入力されると、上記アルゴリズムにより、過去におけるどのパターンに近いかを判定することができる。また、過去に経験したことのないパターンであれば、新規カテゴリーに分類される。

図６(b)は、F0レイヤー６２１の構成を示すブロック図である。F0レイヤー６２１では、入力データI_iを各時刻で再度正規化し、F1レイヤー６２１、及び選択サブシステム６２５に入力する正規化入力ベクトルu_i ⁰を作成する。

始めに、入力データI_iから、式(２)に従ってw_i ⁰を計算する。ここで、αは定数である。

次に、w_i ⁰を正規化したx_i ⁰を、式(３)を用いて計算する。ここで、|| ||はノルムを表す記号である。

そして、式(４)を用いて、x_i ⁰からノイズを除去したv_i ⁰を計算する。ただし、θはノイズを除去するための定数である。式(４)の計算により、微小な値は0となるため、入力データのノイズが除去される。

最後に、式(５)を用いて正規化入力ベクトルu_i ⁰を求める。u_i ⁰はF1レイヤーの入力となる。

図６(c)は、F1レイヤー６２２の構成を示すブロック図である。F1レイヤー６２２では、式(５)で求めたu_i ⁰を短期記憶として保持し、F2レイヤー７２２に入力するp_iを計算する。F2レイヤーの計算式をまとめて式(６)〜式(１２)に示す。ただし、a、bは定数、f()は式(４)で示した関数、T_jはF2レイヤー７２２で計算する適合度である。

ただし、

図７は分類部７３０で分類用データ信号７０２を分類した結果、及び検知部７５０にて検知用信号７０６を分類した結果を説明する図である。前述の通り、状態変化検知部７００がモデル構築モードで動作する場合、分類部７３０が動作し、診断モードで動作する場合は検知部７５０が動作する。

図７(a)は、ボイラプラント１００から取得した計測信号１を、カテゴリーに分類した結果を説明する図である。横軸は、時間、縦軸は計測信号、カテゴリー番号である。図７(a)では、正常期間と診断期間が時間軸で連続するように示されているが、正常期間と診断機関が時間的に連続である必要はない。例えば、前日の正常状態と判断された一定時間帯をモデル構築モードで用いて診断モデルを作成し、別の日の一定時間帯を診断してもよい。図７(a)は、モデル構築モードで利用する正常状態と判断された期間（図左側）の計測信号データと、診断する期間（図右側）の計測信号データを比較したときのデータ例として示したものである。前者の計測信号データを第一の計測信号データ、後者の計測信号データを第二の計測信号データとして区別してもよい。

図７(b)は、プラント１００の計測信号１を、カテゴリーに分類した分類結果の一例を示す図である。図７(b)は、一例として、計測信号のうちの２項目を表示したものであり、２次元のグラフで表記した。また、縦軸及び横軸は、それぞれの項目の計測信号を規格化して示した。

計測信号は、図６(a)のＡＲＴモジュール６２０によって複数のカテゴリー６３０（図７(b)に示す円）に分割される。１つの円が、１つのカテゴリーに相当する。

本実施例では、計測信号は４つのカテゴリーに分類されている。カテゴリー番号１は、項目Ａの値が大きく、項目Ｂの値が小さいグループ、カテゴリー番号２は、項目Ａ、項目Ｂの値が共に小さいグループ、カテゴリー番号３は項目Ａの値が小さく、項目Ｂの値が大きいグループ、カテゴリー番号４は項目Ａ、項目Ｂの値が共に大きいグループである。

図７(a)に示すように、正常期間のデータは、カテゴリー１〜３に分類された。診断モードで監視開始後の前半のデータはカテゴリー２に分類されており、モデルデータと同じカテゴリーである。この場合、データの傾向が同じであることから、状態は変化していないと判断する。一方、監視開始後の後半のデータはカテゴリー４に分類されており、診断モデルデータと異なるカテゴリーに分類されている。データの傾向が異なることから、プラントの状態が変化したと判断する。

尚、本実施例においては、２項目の計測信号をカテゴリーに分類する例を述べたが、３項目以上の計測信号について多次元の座標を用いてカテゴリーに分類することもできる。その場合はメタル温度、給水流量、燃焼ガス流量等、プラントの状態量が依存するこれら傾向の異なる多数のデータ項目の相関関係を同時に見ることで、より細かく判定分けが可能となる。

診断モデルデータベース７４０には、図７(c)に示すように、カテゴリー番号と重み係数の関係が保存されている。ここで、重み係数とは、カテゴリーの中心座標のことである。

図８は、チューブリーク発生時及び灰脱落発生時の、給水流量、メタル温度、及び分類結果であるカテゴリー番号の経時変化を説明する図である。

図８(a)はチューブリーク発生時の経時変化を説明する図である。チューブリーク発生時に蒸気が漏洩すると、発電出力を維持するために給水流量がわずかに増加し始める。その後、リークした蒸気により周囲のチューブに損傷が波及する。その結果、漏洩する蒸気の量が増加し、給水流量も増加する。

破損が発生した箇所周囲のチューブのメタル温度は、リークした蒸気によって冷却されるため低下する。一方、破損した個所と離れているチューブのメタル温度は上昇する。これは、リーク発生によりチューブ内を流れる蒸気が少なくなる影響で冷却効果が弱くなるためである。

給水流量を監視する監視グループ２では、リーク発生直後の給水流量の増加が少ないと、状態変化を検知できない場合がある。一方、メタル温度を監視する監視グループ３では、リーク発生後に上述のように計測値が変化するため、新規カテゴリーが発生し状態変化を検知する。その後、損傷範囲が広くなると、給水流量が大幅に増加するため、監視グループ２でも状態変化を検知する。

図８(b)は、灰脱落時の経時変化を説明する図である。

熱交換器に付着していた灰が脱落することで、ガスからの伝熱量が増加し、メタル温度は上昇する。その後、除々にメタルに灰が再び付着するため、メタル温度は低下する。その結果、監視グループ３では、灰脱落のタイミングで異常を検知し、その後メタル温度が基の状態に戻ると正常時のカテゴリーの範囲になる。

また、灰の脱落は給水流量にはほぼ影響しない。そのため、監視グループ２では新規カテゴリーは発生しない。

以上より、メタル温度監視でメタル温度の変化から（箇所により上昇又は低下）チューブリークの発生を早期に検知し、給水流量監視でチューブリークの発生検知の精度を向上できる。一方、外乱の代表例である灰脱落時にもメタル温度は変化するため異常を検知するが、メタル温度と給水流量の両方を監視することで、チューブリークとは図８についての説明で述べたような違いがある。それにより本実施例の検知内容評価部８００では、灰脱落に代表される外乱と、チューブリークを区別する機能を有する。以下、検知内容評価部８００の動作を説明する。

図９は、検知内容評価部８００における検知内容推定部８１０の動作を説明するフローチャート図である。

ステップ１２００では、診断周期を確認する。１サイクル前の診断終了後から予め定められた診断周期の時間が経過したかどうかを判定し、時間が経過する前であればステップ１２００に戻り、時間が経過している場合はステップ１２１０に進む。

ステップ１２１０では、検知部７５０で状態変化を検知したかを評価し、検知している場合はステップ１２２０に進み、していない時はステップ１２００に戻る。

ステップ１２２０はチューブリークと外乱を区別する。チューブリークの場合はステップ１２３０に進み、外乱の場合はステップ１２４０に進む。

ステップ１２３０では、チューブリークの発生位置およびその規模を推定する。また、ボイラプラント１００の運転ガイダンスを決定する。

ステップ１２２０とステップ１２３０の詳細は、図１０を用いて説明する。

ステップ１２４０では、検知内容推定結果６を外部出力インターフェイス４２０に出力する。

ステップ１２５０では、外部入力装置９１０からの外部入力信号２により、ボイラチューブリーク検出装置４００を終了させるリクエストがあった時は終了へ進み、それ以外の時はステップ１２００に戻る。

図１０は、検知内容推定部８１０のステップ１２２０とステップ１２３０の動作を説明する図である。ステップ１２２０では、検知直前の正常状態と検知後のメタル温度の変化幅に基づいて、チューブリークと灰脱落を区別する。図１０(a)(b)(c)はチューブリークが缶の中央部で発生した時のメタル温度変化幅であり、時間の経過とともに(a)(b)(c)の順で変化する。

図１０(a)に示すように、事象発生の熱交換器ではメタル温度が上昇する部位と降下する部位がある(図１０(a)の丸)。この理由は、図８にて説明した通りである。

また、この影響はガス流れの下流側の熱交換器のメタル温度に波及する(図１０(a)の四角)。この理由は以下の通りである。事象発生の熱交換器でメタル温度が上昇したチューブ部位を通過するガス温度が上昇するため、下流側に位置する熱交換器のチューブの内、事象発生チューブのすぐ下流に位置するチューブのメタル温度も上昇する。また、事象発生の熱交換器でメタル温度が低下した部位を通過するガス温度は低下するため、下流側のメタル温度も低下する。

さらに、漏洩した蒸気がガス流れに逆流して噴出した場合は、ガス流れの上流側のメタルが冷却されるため、メタル温度が低下する(図１０(a)の三角)。

メタル温度の低下幅は、リークが発生した部位周辺で大きくなり、リークが発生した熱交換器で大きくなり、多くの場合低下幅は最大となる。この傾向に基づき、検知内容推定部８１０が、メタル温度低下幅が大きく算出された、多くの場合は低下幅が最大の、熱交換器のメタル温度計測チューブ個所の周辺を、チューブリーク発生箇所として抽出する。

リーク発生後、時間が経過するに従い、２次被害によりリークの規模が大きくなるため、図１０(b)(c)に示すようにメタル温度の変化幅が大きくなり、メタル温度の変化する領域も広くなる。

図１０(d)(e)(f)は、灰脱落が発生したときのメタル温度変化幅であり、時間の経過と共に(d)(e)(f)の順に変化する。

図１０(d)に示すように、灰が脱落した部位のメタル温度は上昇する(図１０(d)の丸)。また、この影響は下流の熱交換器にも波及する(図１０(d)の四角)。これは、事象発生の熱交換器でメタル温度が上昇した部位を通過するガス温度が上昇するため、下流側のメタル温度も上昇するためである。一方、ガス流れ上流の熱交換器には影響しない(図１０(d)の三角)。

その後、時間の経過と共に灰が付着するので、図１０(e)(f)のように元の状態に戻る。

ステップ１２２０では、チューブリーク発生時と外乱の代表例である灰脱落では、メタル温度変化幅に上述した特徴的な違いがあることを利用して、チューブリークと外乱を区別する。

事象発生直後、メタル温度が上昇する部位と降下する部位の両方が含まれる場合はチューブリーク発生と診断する。また、メタル温度変化幅が最大となる熱交換器に対してガスの上流側に配置されている熱交換器のメタル温度が変化している場合は、チューブリーク発生と診断する。

異常検知から時間が経過するに従ってメタル温度の変化幅が大きくなれば、チューブリークと診断する。以上のような診断基準を採用することにより、灰脱落等の外乱を区別し、チューブリークを検知出来る。

また、このような事例は過去事例データベース８２０に保存されている。

ステップ１２２０では、過去事例データベース８２０に保存されている情報と比較し、類似の事例からチューブリークと外乱を区別するようにしてもよい。運転員に過去事例に係る情報が表示、提示されることで、リーク判定に過去の知見を利用でき、リーク判断をする手間、時間等が低減できる。ここで類似事例とは、式(１３)が最小となる事例である。
Σ(対象事例のメタル温度変化幅 − 過去事例データベースのメタル温度変化幅)²
・・・（１３）

また、ステップ１２３０では、メタル温度の変化幅が最大となる個所を、リーク発生位置として抽出する。また、メタル温度の最大変化幅に応じて、チューブリークの規模を推定する。さらに、予めメタル温度の最大変化幅毎に推奨する運転ガイダンス(プラント停止、出力を下げて運転するなど)を対応付けしておき、その対応付けした運転ガイダンスを決定する。ボイラチューブリーク検出装置が判定する機能及び、ガイダンスを決定する機能を有することにより、ヒューマンエラーが抑制された正確なチューブリーク判定が可能となる。

図１１は、過去事例データベース８２０に保存されるデータの態様を説明する図である。

図１１(a)に示すように、過去事例データベース８２０には、チューブリーク発生や灰脱落などの事象とメタル温度最大変化幅、各メタル温度の変化幅が対応付けられて保存されている。

また、図１１(b)に示すように、構造と計測位置の関係が保存されており、チューブリークが発生した位置を設計図面上でどこにあるかを探索することができる。

さらに、図示していないが、過去事例データベース８２０には、ボイラプラント１００の３Ｄ−ＣＡＤデータが保存されている。

図１２は、画像表示装置９４０に表示される画面の実施例を説明する図である。

図１０で示したような検知前の現時刻におけるメタル温度変化幅を表示し、プラントの状態を確認できる。また、３Ｄ−ＣＡＤ上にメタル温度降下幅が最大となった計測器の位置を表示し、チューブリークが発生している可能性の高い場所を確認できる。ＣＡＤ図として表示されることでチューブリークの位置の認識を容易にし、それ以降連鎖的に起こる可能性のあるリークの波及等を予測するために有用な情報となる。

また、過去の類似事例、最大メタル温度変化幅に応じた運転ガイダンスを表示し、運転の判断材料を運転員に提供する。これら本実施例による有効な判断材料となるデータを、視認しやすくインターフェースで提供することにより、運転員が早期にリーク検知を視認し、早期に対処を取ることができる。

以上に述べたボイラチューブリーク検出装置４００を用いることで、運転パターン毎の閾値の設定や、新たなハードウェアを設置を要することなく、チューブリークの早期検知とチューブリーク発生位置の早期特定を実現し、２次被害の拡大を抑制できる。

また、ボイラチューブリーク検出装置４００を用いた発電プラントに対して、得られた情報をプラント運用会社に提供するサービスも事業形態として想定される。その場合、プラント運用会社にとっては判定に要する知識を持つ人員を抱える必要はなくなる経済的効果や、情報提供をする会社にとってはノウハウの集約、囲い込みを可能とする効果が得られる点で双方に利点が生じる。

本実施例で説明したボイラチューブリーク検出装置とは、ボイラのチューブリークを検出する機能を有する装置のことであり、例えば本実施例の構成を有するボイラ制御装置や、ボイラで計測されたデータを元に本実施例の構成を持って処理しリークを判定し検知する遠隔地に位置する装置もこれに該当する。

図１３は、本発明の第２の実施例であるボイラチューブリーク検出装置４００を説明するブロック図である。本発明の第１の実施例(図１)とは、ボイラ特性計算部４５０が備えられている点で異なる。

ボイラ特性計算部４５０は、ボイラプラント１００の特性を模擬するモデルであり、その燃焼（反応）、ガス流動、伝熱のプロセスを差分法、有限体積法、有限要素法等の数値解析手法を用いて計算する。数値解析の解析精度が高い方が望ましいが、本実施例は解析手法に特徴があるのでは無いため数値解析方法に関する説明は省略するが、一般に計算対象であるボイラの形状を計算格子（メッシュ）に分割し、格子内の物理量を計算する。計測信号データベース５１０に保存されている燃料流量、又は空気流量、又は給水流量のいずれか一つ以上の条件を入力として、数値解析によりガス温度、ガス成分の濃度、ガスの流速と流れの方向、各熱交換器のメタル温度等が計算結果として出力される。数値解析により、様々な操作条件における現象を計算する。

ボイラ特性計算部４５０は、熱交換器の全てのチューブのメタル温度を計算することが可能であり、この計算結果が計算結果９として出力される。計算結果９は状態変化検知部７００、又は検知内容評価部８００のいずれか一つ以上に出力され、そこで計測信号データベースからの計測信号４を補足するように、若しくは計測信号４の代わりに利用される。状態変化検知部７００では、監視データ抽出部７１０が計測信号データベースと前記ボイラ特性計算部の計算結果から監視に用いるデータ項目を抽出してグループ化する。それ以降の状態変化検知部７００及び検知内容評価部８００の動作は実施例１と同様である。

図１４は、ボイラ特性計算部４５０の計算結果を説明する図である。メタル温度の計測値と計算値を重ねて表示した図である。各熱交換器が有する多数のチューブの中でメタル温度の計測点数は限られているが、ボイラ特性計算部４５０により全てのチューブのメタル温度が計算結果として出力され、診断するデータ項目に計算結果を用いることが可能である。その結果、全チューブのメタル温度を考慮した診断が実施でき、より高精度に状態変化を検知できる。また、リーク検知結果を運転員が判断する時に、より滑らかで詳細な視覚情報として表示されるため、その判断精度の向上が得られる。

図１５は、本発明の第３の実施例を説明するブロック図である。

本実施例では、データ監視センタ９５０、発電所９７０、負荷調整部署９８０が、情報通信ネットワーク９６０で相互に接続している。

発電所９７０は複数あり、本実施例では２つの発電所を記載したが、実際には３つ以上の発電所と接続するように構成してもよい。

データ監視センタ９５０は実施例１もしくは実施例２で述べたボイラチューブリーク検出装置４００、送信情報決定部９５１を備える。送信情報決定部９５１では、診断結果８と計測信号２１を用いてデータを処理し、発電所９７０と負荷調整部署９８０に送信情報２２を送信する。

負荷調整部署９８０では、外部入力装置９８１を用いて各発電所の負荷要求信号(出力要求信号)を含む信号１０を出力する。負荷要求信号を含む信号９は、画像表示装置９４０に表示され、表示された情報に従って各発電所にて出力を制御する。

発電所で計測した計測信号１は、情報通信ネットワーク９６０を介してデータ監視センタ９５０に送信される。データ監視センタ９５０では、受信した計測信号２１を用いて各発電所の運転状態を監視し、チューブリークの発生有無を評価する。

データ監視センタ９８０にデータを監視する部署を、各発電所とは別に一か所に集めたことで、プラントの計測信号からリークをより精度高く判定するために必要な知識を持つ運転員を、各発電所に配置する必要が無くなり、コスト削減及びノウハウの集約が可能となる。これは、本実施例の発電所９７０a、bが、実施例１又は実施例２のボイラチューブリーク検出装置４００を有することにより、クラスタリング技術を適用し各発電所個別の特徴に依存が少ない表示データから判断が可能となったことや、早期にチューブリークを検知可能にしたため遠隔地から対応するための時間的猶予を作り出せたことによる。また、これらを遠隔地から監視をすることの上記問題が改善された、本実施例のデータ監視センタ及び監視情報提供サービスが実施できる。

チューブリークの発生を検知した場合は、チューブリークが発生したプラントの運転可能持続時間、被害の波及度合い、プラント停止による損失コストと、それ以外のプラントの出力増加余裕の有無、起動または負荷上げに要する時間、追加コストなどを考慮し、コストが最小となる運転スケジュールを求め、発電所９７０と負荷調整部署９８０に運転スケジュール情報を含む送信情報２２を送信する。

各発電所では、負荷調整部署から負荷要求信号が届く前に運転スケジュール案を取得できるため、出力増加、出力低下などの運転に対する事前準備が可能となる。
図１６は、送信情報決定部９５１の動作フローチャート図である。

まず、ステップ１３００では１サイクル前の診断終了後から予め定められた診断周期の時間が経過したかどうかを判定し、時間が経過する前であればステップ１３００に戻り、時間が経過している場合はステップ１３１０に進む。

ステップ１３１０ではボイラチューブリーク検出装置４００でチューブリーク発生を検知した場合はステップ１３２０に進み、検知しなかった場合はステップ１３００に戻る。

ステップ１３２０では式(１４)の評価関数が最小となる運用スケジュールを決定する。

ただし、１≦i≦Ｐで、Ｐは発電プラントの総数、αiは重み係数、Ｃｉは各発電プラントで生じる追加コストである。

ステップ１３３０ではステップ１３２０で決定した運用スケジュールを、発電所９７０、負荷調整部署９８０に送信する。

ステップ１３４０ではチューブリーク検出装置４００を停止する指令の有無を評価し、停止指令有りの場合は終了へ進み、無しの場合はステップ１３００に戻る。

チューブリーク発生に伴うコスト損失が最小となるような運用スケジュールを自動的に作成することが可能となり、また本運用スケジュールに従ってプラントを運用することが可能となる。また、各発電所に、各プラントの負荷要求値を含む運転スケジュールの情報を提供するサービスは、プラント運用会社に運転に対する事前準備が可能となる上述のメリットを提供する効果がある。

１ ・・・ 計測信号
２ ・・・ 外部入力信号
３ ・・・ 計測信号
４ ・・・ 計測信号
５ ・・・ 診断結果
６ ・・・ 検知内容推定結果
７ ・・・ 画像表示情報
１００ ・・・ プラント
４００ ・・・ ボイラチューブリーク検出装置
４１０ ・・・ 外部入力インターフェイス
４２０ ・・・ 外部出力インターフェイス
５１０ ・・・ 計測信号データベース
７００ ・・・ 状態変化検知部
７１０ ・・・ 監視データ抽出部
７２０ ・・・ 運転パターン評価部
７３０ ・・・ 分類部
７４０ ・・・ 診断モデルデータベース
７５０ ・・・ 検知部
８００ ・・・ 検知内容評価部
８１０ ・・・ 検知要因推定部
８２０ ・・・ 過去事例データベース
７０１ ・・・ 監視データグループ信号
７０２ ・・・ 分類用データ信号
７０３ ・・・ 診断モデル
７０４ ・・・ 診断モデルデータベース情報
７０５ ・・・ 診断モデルデータベース情報
７０６ ・・・ 検知用データ信号
８０１ ・・・ 過去事例データベース情報
８０２ ・・・ 過去事例データベース情報
９００ ・・・ 運転管理室
９１０ ・・・ 外部入力装置
９２０ ・・・ キーボード
９３０ ・・・ マウス

Claims (15)

1. ボイラプラントの状態量を計測した計測信号がデータ項目別に保存される計測信号データベースと、
   前記ボイラプラントの運転状態の変化を検知する状態変化検知部と、
   前記状態変化検知部で検知した変化をリークか否か評価する検知内容評価部を備えたボイラチューブリーク検出装置において、
   前記状態変化検知部には、
   前記計測信号データベースから第一の計測信号データが入力され、前記データ項目の一部を監視グループとしてグループ化する監視データ抽出部と、
   前記ボイラプラントの運転パターンを識別する運転パターン評価部と、
   前記識別された運転パターン毎にかつ前記監視グループ毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類部と、
   前記診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知する検知部が備えられ、
   前記監視データ抽出部がグループ化するデータ項目に前記ボイラプラントの複数ある熱交換器のメタル温度が含まれる
   ことを特徴としたボイラチューブリーク検出装置。
   
2. 請求項１に記載のボイラチューブリーク検出装置において、
   前記監視データ抽出部が抽出しグループ化するデータ項目が、給水流量を含むことを特徴とするボイラチューブリーク検出装置。
   
3. 請求項１乃至２のいずれかに記載のボイラチューブリーク検出装置において、
   前記検知部において前記診断モデルと比較される前記第二の計測信号は、前記計測信号データベースからデータ項目単位で抽出され、グループ化され、運転パターン評価されるデータであることを特徴とするボイラチューブリーク検出装置。
   
4. 請求項１乃至３のいずれかに記載のボイラチューブリーク検出装置において、
   前記計測信号データベースに保存されている燃料流量、又は空気流量、又は給水流量の少なくとも一つの条件からメタル温度を計算するボイラ特性計算部を備え、
   前記監視データ抽出部が、前記計測信号データベースと前記ボイラ特性計算部の計算結果からデータを入力することを特徴としたボイラチューブリーク検出装置。
   
5. 請求項１乃至４のいずれかに記載のボイラチューブリーク検出装置において、
   プラントの運転状態が過渡状態と前記運転パターン評価部が判断した時は、前記検知部を動作させないこと
   を特徴としたボイラチューブリーク検出装置。
   
6. 請求項１乃至５のいずれかに記載のボイラチューブリーク検出装置において、
   前記監視データ抽出部が行うメタル温度のグループ化が、
   熱交換器毎のメタル温度計測値のグループ化、若しくはガスの流れに沿ったメタル温度計測値のグループ化のいずれか一つ以上を含むことを特徴としたボイラチューブリーク検出装置。
   
7. 請求項１乃至６のいずれかに記載のボイラチューブリーク検出装置において、
   前記検知内容評価部には、
   前記検知部で状態の変化を検知する前後のメタル温度の変化幅を計算し、メタル温度低下幅が最大と算出された、熱交換器のメタル温度計測チューブ個所を、チューブリーク発生箇所周辺として抽出する検知内容推定部が備えられていること
   を特徴としたボイラチューブリーク検出装置。
   
8. 請求項１乃至７に記載のボイラチューブリーク検出装置において、
   前記検知内容評価部では、
   メタル温度が上昇する部位と降下する部位の両方が含まれる場合、
   もしくはメタル温度変化幅が最大となる熱交換器に対してガスの上流側に配置されている熱交換器のメタル温度が変化している場合、
   もしくは異常検知から時間が経過するに従ってメタル温度の変化幅が大きくなった場合に、
   チューブリーク発生と判定することを特徴としたボイラチューブリーク検出装置。
   
9. 請求項１乃至８のいずれかに記載のボイラチューブリーク検出装置において、
   前記検知内容評価部には、過去に発生した事象と各メタル温度の変化幅が対応付けられて保存されている過去事例データベースと、前記過去事例データベースに保存されている事例からメタル温度変化幅の２乗誤差が最小となる事例を抽出する検知内容推定部が備えられていること
   を特徴としたボイラチューブリーク検出装置。
   
10. 請求項１乃至９のいずれかに記載のボイラチューブリーク検出装置において、
    前記検知内容評価部に、メタル温度の変化幅に基づいてチューブリークの程度を評価し、前記チューブリークの程度に基づいてプラントの運転継続、出力低下、停止を判断する機能が備えられていること
    を特徴としたボイラチューブリーク検出装置。
    
11. 請求項１乃至１０のいずれかに記載のボイラチューブリーク検出装置において、
    前記検知内容評価部には、
    前記検知部で検知する前後のメタル温度の変化幅を計算し、メタル温度低下幅が最大となる個所をチューブリーク発生箇所として抽出する検知内容推定部が備えられており、
    前記検知内容推定部で計算したメタル温度変化幅の情報、若しくは抽出したチューブリーク発生箇所をＣＡＤ図面上で確認するための情報、の少なくとも一つを画像表示装置に表示すること
    を特徴としたボイラチューブリーク検出装置。
    
12. 請求項１乃至１１のいずれかに記載のボイラチューブリーク検出装置が備えられているデータ監視センタにおいて、
    前記データ監視センタと複数の発電プラントと負荷調整部署とが情報通信ネットワークで相互に接続されており、
    前記データ監視センタには、特定の発電プラントでボイラチューブリークが発生した時には、他の発電プラントの出力増加の可能性を評価して各プラントの負荷要求値を決定する送信情報決定部
    が備えられていることを特徴としたデータ監視センタ。
    
13. 請求項１乃至１１のいずれかに記載したボイラチューブリーク検出装置を用いた情報提供サービスにおいて、
    前記ボイラチューリーク検出装置から該当するボイラプラントにボイラチューブリーク検出情報、若しくはデータ監視センタから前記検出情報を元に求められた各プラントの負荷要求値を含む運転スケジュールの情報、の少なくとも一つを提供することを特徴とした
    情報提供サービス。
    
14. ボイラプラントの状態量を計測した計測信号を用いて、前記ボイラプラントの運転状態の変化を検知する状態変化検知ステップと、
    前記状態変化検知部で検知した変化をリークか否か評価する検知内容評価ステップを含むボイラチューブリーク検出方法であって、
    前記状態変化検知ステップは、
    過去の前記計測信号から、正常と定義された期間のデータである第一の計測信号データをデータ項目単位で監視グループとしてグループ化する監視データ抽出ステップと、
    前記ボイラプラントの運転パターンを識別する運転パターン評価ステップと、
    前記監視グループ毎にかつ前記運転パターン毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類ステップと、
    前記診断モデルと診断する期間の計測信号を比較することで運転状態が変化したことを検知する検知ステップを含み、
    前記監視グループに用いるデータ項目として複数ある熱交換器のメタル温度を含むこと
    を特徴としたボイラチューブリーク検出方法。
    
15. 複数の熱交換器と、ボイラプラントの状態量を計測する装置と、前記ボイラプラントを制御する運転制御装置を有するボイラプラントにおいて、
    前記運転制御装置は、
    前記状態量を検出する装置から伝達される計測信号がデータ項目別に保存される計測信号データベースと、
    前記計測信号データベースから入力された計測信号に基づき前記ボイラプラントの運転状態の変化を診断結果データとして出力する状態変化検知部と、
    前記診断結果データが入力され、運転状態変化がリークか否か評価し、検知内容推定結果データを出力する検知内容評価部と、
    前記推定検知内容推定結果データを表示する画像表示装置を備え、
    前記状態変化検知部は、
    前記計測信号データベースから第一の計測信号データが入力され、前記データ項目の一部を監視グループとしてグループ化した監視グループデータを出力する監視データ抽出部と、
    前記監視グループデータが入力され、前記監視グループデータを元に前記ボイラプラントの運転パターンを識別し、運転パターン評価結果データを出力する運転パターン評価部と 、
    前記運転パターン評価結果データと前記監視グループデータが入力され、前記運転パターン毎かつ前記監視グループ毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを出力する分類部と、
    前記計測信号データベースに保存され、前記監視データ抽出部でグループ化され、前記運転パターン評価部で識別された第二の計測信号データが入力され、さらに前記診断モデルが入力され、前記診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知し、前記診断結果データを出力する検知部が備えられ、
    前記監視データ抽出部がグループ化するデータ項目に前記ボイラプラントの前記複数ある熱交換器のメタル温度が含まれる
    ことを特徴としたボイラプラント。