JP2016045793A - 設備の劣化状態判定システムおよび設備の劣化状態判定方法 - Google Patents
設備の劣化状態判定システムおよび設備の劣化状態判定方法 Download PDFInfo
- Publication number
- JP2016045793A JP2016045793A JP2014170741A JP2014170741A JP2016045793A JP 2016045793 A JP2016045793 A JP 2016045793A JP 2014170741 A JP2014170741 A JP 2014170741A JP 2014170741 A JP2014170741 A JP 2014170741A JP 2016045793 A JP2016045793 A JP 2016045793A
- Authority
- JP
- Japan
- Prior art keywords
- equipment
- facility
- analysis
- multiple regression
- residual
- 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
- 230000006866 deterioration Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims description 40
- 238000000611 regression analysis Methods 0.000 claims abstract description 48
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000013480 data collection Methods 0.000 claims abstract description 6
- 238000000513 principal component analysis Methods 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 23
- 230000015556 catabolic process Effects 0.000 claims description 7
- 238000006731 degradation reaction Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 abstract description 27
- 230000002159 abnormal effect Effects 0.000 abstract description 12
- 230000005856 abnormality Effects 0.000 description 23
- 238000011156 evaluation Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000007689 inspection Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
【解決手段】複数種類の機器を備えた設備に設けられ異なる物理量を検出可能な複数種類の検出手段と、前記複数の検出手段からの信号を収集するデータ収集手段と、前記データ処理装置によって収集された計測値に統計処理を施して得られた残差を指標として設備の劣化状態を判定する分析装置とを備えた設備の劣化状態判定システムにおいて、前記分析装置は、前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果および前記主成分分析の結果に基づいて設備の劣化状態を判定して判定結果を表示装置に表示可能に構成した。
【選択図】図5
Description
しかし、実際には使用環境や機器の個体差などにより劣化状態は機器ごとに異なる。そのため、劣化の有無に拘わらず検査・取替を行う上記一律周期の保全方式にあっては、無駄な検査が行われることでメンテナンスコストの増大を招く課題がある。従って、設備毎に機器個々の状態を把握しそれに基づいた検査・取替を行う保全(CBM:状態基準保全)が望ましい。
このうち、特許文献1の機器状態監視技術は、機器動作時間ファイル、動作回数ファイル及び保守情報ファイルを備え、遮断器又は断路器の制御情報を変電所の配電盤に出力した出力時刻と、制御により配電盤からの遮断器又は断路器の動作終了情報を受信した受信時刻を受信して機器動作時間ファイル及び動作回数ファイルに機器動作時間及び動作回数のデータを蓄積して予防保全管理を行うというものである。
また、特許文献3には、多様な評価システムに利用可能な重回帰式の抽出方法に関する発明が開示されている。
複数種類の機器を備えた設備に設けられ異なる物理量を検出可能な複数種類の検出手段と、前記複数の検出手段からの信号を収集するデータ収集手段と、前記データ処理装置によって収集された計測値に統計処理を施して得られた残差を指標として設備の劣化状態を判定する分析装置と、を備えた設備の劣化状態判定システムにおいて、
前記分析装置は、
前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、
前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果および前記主成分分析の結果に基づいて設備の劣化状態を判定して判定結果を表示装置に表示可能に構成したものである。
前記分析装置は、前記温度および圧力を目的変数とし、前記電流および気温を説明変数として、前記設備を構成する機器ごとに重回帰分析を実行するように構成する。
これにより、設備の劣化、異常の予兆が発生している機器を特定することが可能となり、効率的な修理、点検が可能となる。
前記分類されたそれぞれグループの計測値に対して主成分分析を実行して設備の劣化状態を判定するように構成する。
これにより、重回帰分析では把握することができないような軽微な状態変化が生じた場合でも、主成分分析により複数の因子の網羅的な関係の変化を見つけることで上記のような状態変化を把握することが可能となる。
これによって、より的確に状態変化を把握することが可能となる。
これにより、収集したデータに含まれるノイズ(周期成分)を除去することができるため、より高い精度で、設備の劣化、異常の予兆を検出することができる。
複数種類の機器を備えた設備に設けられ異なる物理量を検出可能な複数種類の検出手段によって検出された計測値に統計処理を施して得られた残差を指標として設備の劣化状態を判定する設備の劣化状態判定方法において、
前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、
前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果が状態変化なしであっても、前記主成分分析の結果が状態変化ありの場合には、判定値を下げて再度前記重回帰分析を実行して設備の劣化状態を判定するようにしたものである。
図1は、本実施形態における変電所の設備状態判定を行うシステムの構成を示した図である。
図1に示すように、本実施形態のシステムは、変電所10に設けられている各種機器の状態を検出する各種計測器と、計測器により検出された計測値を送信する送信器(子局)21と、複数の変電所の送信器から送信されてくるデータを受信する親局22と、親局22によって収集されたデータに統計処理を施して設備の状態を分析するコンピュータからなる分析装置30などから構成される。
変圧器などの変電所設備機器の状態を検出する計測器としては、電流値を測定する電流計41の他、温度センサ42や圧力センサ43などがある。図1では、1つの変圧器に設けられている電流計41、温度センサ42および圧力センサ43のみが図示されているが、他の変圧器12や遮断器11、整流器13にも、同様に電流計、温度センサ、圧力センサが設けられている。
従来より、変電所システムには、TBM保全(時間基準保全)のための計測器と、計測値を送信する送信器(子局)やデータを受信する親局が設けられているので、従来のシステムによって収集されたデータを利用して変電所設備の劣化状態や異常の予兆を判定する分析を行うようにしても良い。
本実施形態では、送信器(子局)21と親局22とによってデータ(計測値)を収集するデータ収集手段が構成される。送信器(子局)21による計測値の取得および親局22へのデータの送信は、特に限定されるものではないが、例えば1時間に1回などとすることが考えられる。
本実施形態の分析装置30においては、予め変電所から収集された正常時のデータに基づいて、後述の統計的解析手法により統計モデルを構築しておいて、リアルタイムで収集されたデータを統計処理して得られた値(残差)を指標として設備の状態変化を抽出して、設備(機器)の劣化や異常の予兆を判別できるように構成されている。
本発明者ら、変電所の設備機器の計測値を分析して設備(機器)の劣化や異常の予兆を判別するのに好適な分析手法について検討を行なった。その結果、以下に説明する理由から、KPI型重回帰分析法と主成分分析法の組み合わせが望ましいとの結論に達した。
ここでは、先ず、重回帰分析について説明する。
なお、重回帰分析は、目的変数と説明変数の関係を簡素な線形式で表すため、変電所の設備に適用する場合、設備(機器)単体における電流,圧力,温度等の物理因子の基本的な関係を記述できるので、この関係の変化を伴う機器の状態変化(例:ガス漏れ,異常発熱)を把握するのに適していると考えた。
一般に、観測しているシステムから得られるデータの種類が複数あり、データが高次元になるときには、データを可視化することが難しい。一方でこのようなデータは、データ間に相関関係が存在することがある。したがって、このようなデータをまとめることによって、データの次元を減らすことが可能になる。
例えば図3(A)に示すような2次元のデータは、x1軸成分とx2軸成分の間の相関が強く、1つの直線上に並んでいるように見える。このような場合、2次元のデータも1次元のデータとして扱うことができる。
一方、2次元の平面上に1次元の直線を引く方法は無数に存在する。仮に図3(B)に示すu2の方向の直線上にデータを射影してみると、データが固まって分布してしまい、データが本来持つ情報量が失われてしまうので、このような射影は意味がない。最もよい射影の仕方は、データを射影した時にそのデータの散らばり(分散)が最も大きい時であり、図3(B)のu1軸のように2つの軸方向を適当に合成した方向に射影するのがよいということが分かる。
具体的には、図4に示すように、主成分軸u1から貢献度1%以下の軸が正常時にはほぼ0となる成分であると考え、これを残差成分軸u2とする。そして、この軸u2へ投影した値の二乗和を残差とし、この残差を指標として相関の崩れすなわち設備の劣化の程度を判断することとした。因みに、正常時には上記の残差がほぼ0であるため、残差に何らかの傾向が生じた場合(≒0でなくなった場合)には変電所の設備状態に変化が生じていると判断することができる。なお、二乗和をとった値である残差と、二乗和をとる前の残差とを区別する場合、本明細書では後者を単純残差と称する。
本発明者らは、上記表1に示す因子間の相関係数を網羅的に調べて相関について分析をした。その結果、比較的相関の高い、遮断器,変圧器等の同一種類の設備機器に関する因子をまとめたグループ(以下、設備グループと称する)と、温度,圧力等の同一種類のデータ(物理量)に関する因子をまとめたグループ(以下、データ種グループと称する)の2つの因子グループ毎にモデルを作成することで望ましい分析結果が得られることを見出した。各グループの詳細を次の表2に示す。なお、表2において、「GIS」は遮断器や断路器を内蔵したガス絶縁開閉装置である。
逆に、主成分分析では、因子間の関係性が保たれたまま全設備機器が一律に劣化していく状態変化を把握できないおそれがある。そこで、本実施形態では、重回帰分析と主成分分析のそれぞれの短所を補い、長所を生かすために、両方式を併用して設備の劣化、異常の予兆を判定することとした。
そこで、長期的な残差の傾向を確実に把握するために、公知の移動平均の手法を取り入れて、上記残差の単純移動平均をとることにより周期成分の除去を行なった。そして、移動平均幅(平均をとる期間)は、複数の値で試行した結果、今回のシステムでは8週間を選定することで概ね周期成分を除去できることが分かった。なお、移動平均をとる前のデータを分析すれば、突発的な異常(故障)を見つけることができる。
図5に示すように、このデータ分析処理においては、先ず、重回帰分析と主成分分析を用いて正常時に取得したデータから正常な変電所の設備状態を表すモデルを構築する(ステップS1)。次に、リアルタイムで収取したデータを上記ステップS1で構築したモデルに当てはめて残差を算出する(ステップS2)。そして、「0」から大きく外れている残差があるか否か判定し(ステップS3)、「0」から大きく外れている残差があれば突発的な異常発生と判定し、例えば表示装置の画面上に異常が発生した設備(変電所、機器)を特定する情報やメンテナンスの必要性を知らせる表示を行なう(ステップS4)。
なお、ステップS6での判断では、重回帰分析と主成分分析のいずれか一方の分析結果から異常または状態変化が発生した可能性があると判定した場合に、その旨を表示装置34の表示画面に表示する。
本発明者らは、本発明の有効性を確認するために、前術のような手法で構築したモデルが、設備状態の変化を検出できるか否かの評価を行なった。
変電所設備は一般に10年以上の長い年月をかけて劣化していくため、現状のデータ収集システムにおいて収集できるデータだけで設備状態の変化を把握できるか否かを検証することは困難である。そこで、表4に示すように、正常時のデータから機器の劣化傾向を模擬した疑似異常データを作成して評価に使用した。
ここで、評価に使用した疑似異常データを作成するに当っての基本的な考え方は、
(1)変電所に設けられている電流や電圧の急激な変化から電気回路を保護するための保護リレー等の警報が動作しない緩やかな変化であること
(2)実設備における特性を考慮した異常を模擬できること
である。考え方の詳細は表4に示す。上記(1),(2)を考慮して、正常データの期間内(4〜12か月分)で正常値に対して、徐々に表4の変化を加えた。
そこで、評価基準を下記(1),(2)とし、これらを全て満たす場合に判定を「良」、そうでない場合を「不良」とした。
(1) 異常データの残差が増加傾向にあること。具体的には、
・Xa(月)が2ヶ月連続で減少していない
・Xa(最初の月) < Xa(最後の月)
(2) 各月でXa > Xn が満たされること。
なお、上記条件式中の記号σ、Xn、Xaの意味は以下の通りである。
・σ:学習データ(正常データ)における残差の標準偏差
・Xn(月):その月の学習データ(正常データ)の残差のkσ
・Xa(月):その月の異常データの残差のkσ超過率(%)
また、参考として、既存の変電所A〜Hから得られた実計測データに対して、上記定量評価結果と目視による判定結果との比較を行なった。後者は、人の目による判定であるため若干のあいまいさは含まれるが、以下の基準(a),(b)に合致するものを「良」、そうでないものを「不良」とした。
(a) 異常データにおける残差が上昇(圧力は下降)傾向にある
(b) 正常データよりも異常データが顕著に±kσを越える
なお、図7(A)の生データを表すオリジナルのグラフでは、正常データをドットで示し異常データを×印で示している。また、図7(A)のグラフの下部には、正常データと異常データの差分が示されており、この差分データを見ると、僅かずつではあるが差分が増加しているのが見て取れる。
ところで、残差に基づく状態変化が設備の異常に相当する大きさになったか否かを監視する最適な判定値(判定のためのしきい値)は、変電所や設備機器毎に異なる。最初は暫定的に上記のように設定した設定値(±3σ)で監視を行なって残差の移動平均に変化が生じた時点で検査を行ない、検査結果に応じて判定値を見直すことで判定精度を向上させることができる。
次に、上述した変電所の設備状態判定システムにおけるデータ分析方法の変形例を説明する。
前述したように、重回帰分析は状態変化が生じた機器を特定するのに有効であり、主成分分析は重回帰分析で見つけるのが困難な複数の因子の網羅的な関係の変化を見つけるのに有効である。そこで、本変形例は、重回帰分析で異常なしと判定された場合でも、主成分分析で異常ありと判定された場合には、重回帰分析の結果を判定するための判定値を下げて再度判定を行うようにしたものである。
これにより、重回帰分析で異常があると判定されれば、異常の発生した機器を特定できる可能性が高くなる。
さらに、上記実施例では、残差に対する移動平均として単純移動平均をとったものに対して統計処理を行うと説明したが、移動平均は単純移動平均に限定されず、適用するシステムに応じて加重移動平均や指数移動平均など他の種類の移動平均や、無限インパルス応答フィルタの一種であるカルマンフィルタによるフィルタリング処理等を施したものに重回帰分析や主成分分析などの統計処理を行うようにしても良い。
また、移動平均をとる期間に関しても、監視するシステムに応じて期間を変えられるように構成すると良い。
11 遮断器
12 変圧器
13 整流器
14 制御機
21 送信器(子局)
22 受信器(親局)
30 分析装置
31 データ記憶装置
32 演算制御装置(データ分析部)
33 入力装置
34 表示装置
41 電流計
42 温度センサ
43 圧力センサ
Claims (6)
- 複数種類の機器を備えた設備に設けられ異なる物理量を検出可能な複数種類の検出手段と、前記複数の検出手段からの信号を収集するデータ収集手段と、前記データ処理装置によって収集された計測値に統計処理を施して得られた残差を指標として設備の劣化状態を判定する分析装置と、を備えた設備の劣化状態判定システムであって、
前記分析装置は、
前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、
前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果および前記主成分分析の結果に基づいて設備の劣化状態を判定して判定結果を表示装置に表示可能に構成されていることを特徴とする設備の劣化状態判定システム。 - 前記計測値には、各機器の温度、圧力および電流と設備周辺の気温とが含まれ、
前記分析装置は、前記温度および圧力を目的変数とし、前記電流および気温を説明変数として、前記設備を構成する機器ごとに重回帰分析を実行することを特徴とする請求項1に記載の設備の劣化状態判定システム。 - 前記分析装置は、
取得された計測値を、前記設備を構成する同一種類の機器に関する計測値をまとめたグループと、前記設備を構成する機器を問わず同一種類の計測値をまとめたグループとに分類し、
前記分類されたそれぞれグループの計測値に対して主成分分析を実行して設備の劣化状態を判定することを特徴とする請求項1または2に記載の設備の劣化状態判定システム。 - 前記重回帰分析における前記残差は単純残差であり、前記主成分分析における前記残差は単純残差の二乗和であることを特徴とする請求項1〜3のいずれかに記載の設備の劣化状態判定システム。
- 前記分析装置は、前記単純残差の移動平均と前記単純残差の移動平均の二乗和に対して、前記重回帰分析と前記主成分分析を実行することを特徴とする請求項4に記載の設備の劣化状態判定システム。
- 複数種類の機器を備えた設備に設けられ異なる物理量を検出可能な複数種類の検出手段によって検出された計測値に統計処理を施して得られた残差を指標として設備の劣化状態を判定する設備の劣化状態判定方法であって、
前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、
前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果が状態変化なしであっても、前記主成分分析の結果が状態変化ありの場合には、判定値を下げて再度前記重回帰分析を実行して設備の劣化状態を判定することを特徴とする設備の劣化状態判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014170741A JP6474564B2 (ja) | 2014-08-25 | 2014-08-25 | 設備の劣化状態判定システムおよび設備の劣化状態判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014170741A JP6474564B2 (ja) | 2014-08-25 | 2014-08-25 | 設備の劣化状態判定システムおよび設備の劣化状態判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016045793A true JP2016045793A (ja) | 2016-04-04 |
JP6474564B2 JP6474564B2 (ja) | 2019-02-27 |
Family
ID=55636278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014170741A Active JP6474564B2 (ja) | 2014-08-25 | 2014-08-25 | 設備の劣化状態判定システムおよび設備の劣化状態判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6474564B2 (ja) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908175A (zh) * | 2017-11-08 | 2018-04-13 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种电力系统现场智能化运维系统 |
KR101858121B1 (ko) | 2016-06-13 | 2018-05-15 | 두산중공업 주식회사 | 발전소 상태 판단 장치 및 방법 |
WO2018101363A1 (ja) * | 2016-11-30 | 2018-06-07 | 日本電気株式会社 | 状態推定装置と方法とプログラム |
JP2018137967A (ja) * | 2017-02-24 | 2018-08-30 | 東日本旅客鉄道株式会社 | 鉄道車両用コンプレッサの異常検知方法 |
WO2018216620A1 (ja) * | 2017-05-22 | 2018-11-29 | 三菱日立パワーシステムズ株式会社 | 状態分析装置、状態分析方法、およびプログラム |
JP2019523502A (ja) * | 2016-07-28 | 2019-08-22 | ハネウェル・インターナショナル・インコーポレーテッドHoneywell International Inc. | Kpi性能分析のための無拘束の従属変数によるmpc |
JP2020088959A (ja) * | 2018-11-19 | 2020-06-04 | 株式会社東芝 | 列車情報処理装置および列車情報処理方法 |
CN112119319A (zh) * | 2018-05-18 | 2020-12-22 | 赖茵豪森机械制造公司 | 感应式的运行器件的状态分析 |
JP2021060633A (ja) * | 2019-10-02 | 2021-04-15 | ファナック株式会社 | 診断装置 |
JP2021068039A (ja) * | 2019-10-18 | 2021-04-30 | 株式会社日立製作所 | 性能劣化診断システム |
JP7094431B1 (ja) | 2021-10-29 | 2022-07-01 | 西日本技術開発株式会社 | プラント性能管理方法、プラント性能管理装置、及びプラント性能管理プログラム |
JP7391765B2 (ja) | 2020-05-29 | 2023-12-05 | 株式会社東芝 | プラント監視支援装置、方法及びプログラム |
JP7419955B2 (ja) | 2020-04-27 | 2024-01-23 | 横河電機株式会社 | データ解析システム、データ解析方法、およびプログラム |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7454419B2 (ja) | 2020-03-25 | 2024-03-22 | 三菱重工業株式会社 | プラント運転データ監視装置及び方法 |
JP7403408B2 (ja) | 2020-07-31 | 2023-12-22 | 三菱重工業株式会社 | 監視装置、監視方法およびプログラム |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000305606A (ja) * | 1999-04-26 | 2000-11-02 | Toyo Electric Mfg Co Ltd | 配水需要量予測方法 |
WO2004019396A1 (ja) * | 2002-08-13 | 2004-03-04 | Tokyo Electron Limited | プラズマ処理方法及びプラズマ処理装置 |
JP2007026134A (ja) * | 2005-07-19 | 2007-02-01 | Matsushita Electric Works Ltd | 異常判定装置 |
JP2007329415A (ja) * | 2006-06-09 | 2007-12-20 | Fujitsu Ltd | データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置 |
JP2008065821A (ja) * | 2006-09-06 | 2008-03-21 | Fisher Rosemount Syst Inc | モニタリングシステムおよびモニタリング方法 |
JP2011145846A (ja) * | 2010-01-14 | 2011-07-28 | Hitachi Ltd | 異常検知方法、異常検知システム、及び異常検知プログラム |
JP2013061853A (ja) * | 2011-09-14 | 2013-04-04 | Toshiba Corp | プロセス監視・診断・支援装置 |
JP2014517958A (ja) * | 2011-04-26 | 2014-07-24 | フィッシャー コントロールズ インターナショナル リミテッド ライアビリティー カンパニー | プロセス制御装置の連結健全性の評価方法および装置 |
-
2014
- 2014-08-25 JP JP2014170741A patent/JP6474564B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000305606A (ja) * | 1999-04-26 | 2000-11-02 | Toyo Electric Mfg Co Ltd | 配水需要量予測方法 |
WO2004019396A1 (ja) * | 2002-08-13 | 2004-03-04 | Tokyo Electron Limited | プラズマ処理方法及びプラズマ処理装置 |
JP2007026134A (ja) * | 2005-07-19 | 2007-02-01 | Matsushita Electric Works Ltd | 異常判定装置 |
JP2007329415A (ja) * | 2006-06-09 | 2007-12-20 | Fujitsu Ltd | データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置 |
JP2008065821A (ja) * | 2006-09-06 | 2008-03-21 | Fisher Rosemount Syst Inc | モニタリングシステムおよびモニタリング方法 |
JP2011145846A (ja) * | 2010-01-14 | 2011-07-28 | Hitachi Ltd | 異常検知方法、異常検知システム、及び異常検知プログラム |
JP2014517958A (ja) * | 2011-04-26 | 2014-07-24 | フィッシャー コントロールズ インターナショナル リミテッド ライアビリティー カンパニー | プロセス制御装置の連結健全性の評価方法および装置 |
JP2013061853A (ja) * | 2011-09-14 | 2013-04-04 | Toshiba Corp | プロセス監視・診断・支援装置 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101858121B1 (ko) | 2016-06-13 | 2018-05-15 | 두산중공업 주식회사 | 발전소 상태 판단 장치 및 방법 |
JP2019523502A (ja) * | 2016-07-28 | 2019-08-22 | ハネウェル・インターナショナル・インコーポレーテッドHoneywell International Inc. | Kpi性能分析のための無拘束の従属変数によるmpc |
JP7138621B2 (ja) | 2016-07-28 | 2022-09-16 | ハネウェル・インターナショナル・インコーポレーテッド | Kpi性能分析のための無拘束の従属変数によるmpc |
WO2018101363A1 (ja) * | 2016-11-30 | 2018-06-07 | 日本電気株式会社 | 状態推定装置と方法とプログラム |
JP2018137967A (ja) * | 2017-02-24 | 2018-08-30 | 東日本旅客鉄道株式会社 | 鉄道車両用コンプレッサの異常検知方法 |
US11488034B2 (en) | 2017-05-22 | 2022-11-01 | Mitsubishi Heavy Industries, Ltd. | State analysis apparatus, state analysis method, and program |
WO2018216620A1 (ja) * | 2017-05-22 | 2018-11-29 | 三菱日立パワーシステムズ株式会社 | 状態分析装置、状態分析方法、およびプログラム |
TWI687699B (zh) * | 2017-05-22 | 2020-03-11 | 日商三菱日立電力系統股份有限公司 | 狀態分析裝置、狀態分析方法、及記錄程式的記憶媒體 |
CN107908175A (zh) * | 2017-11-08 | 2018-04-13 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种电力系统现场智能化运维系统 |
CN107908175B (zh) * | 2017-11-08 | 2020-06-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种电力系统现场智能化运维系统 |
CN112119319A (zh) * | 2018-05-18 | 2020-12-22 | 赖茵豪森机械制造公司 | 感应式的运行器件的状态分析 |
JP2021523376A (ja) * | 2018-05-18 | 2021-09-02 | マシイネンフアブリーク・ラインハウゼン・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング | 誘導型オペレーション手段の状態解析 |
US11788879B2 (en) | 2018-05-18 | 2023-10-17 | Maschinenfabrik Reinhausen Gmbh | State analysis of an inductive operating resource |
JP2020088959A (ja) * | 2018-11-19 | 2020-06-04 | 株式会社東芝 | 列車情報処理装置および列車情報処理方法 |
JP7232017B2 (ja) | 2018-11-19 | 2023-03-02 | 株式会社東芝 | 列車情報処理装置および列車情報処理方法 |
JP2021060633A (ja) * | 2019-10-02 | 2021-04-15 | ファナック株式会社 | 診断装置 |
JP2021068039A (ja) * | 2019-10-18 | 2021-04-30 | 株式会社日立製作所 | 性能劣化診断システム |
JP7419955B2 (ja) | 2020-04-27 | 2024-01-23 | 横河電機株式会社 | データ解析システム、データ解析方法、およびプログラム |
JP7391765B2 (ja) | 2020-05-29 | 2023-12-05 | 株式会社東芝 | プラント監視支援装置、方法及びプログラム |
JP7094431B1 (ja) | 2021-10-29 | 2022-07-01 | 西日本技術開発株式会社 | プラント性能管理方法、プラント性能管理装置、及びプラント性能管理プログラム |
JP2023067203A (ja) * | 2021-10-29 | 2023-05-16 | 西日本技術開発株式会社 | プラント性能管理方法、プラント性能管理装置、及びプラント性能管理プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6474564B2 (ja) | 2019-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6474564B2 (ja) | 設備の劣化状態判定システムおよび設備の劣化状態判定方法 | |
KR101574615B1 (ko) | 통계적 위상패턴 기반의 신호검출 방법을 이용한 전력설비 부분 방전 감시진단 시스템 | |
Sami | SCADA (Supervisory Control and Data Acquisition) | |
KR101574613B1 (ko) | 원격 설정 기능이 있는 초고주파 전기신호 검출에 의한 부분방전 감시진단 시스템 | |
EP2457304B1 (en) | Protective relay monitoring system and method of comparing behavior patterns | |
EP2518521B1 (en) | System and device for detecting defects in underground cables | |
EP2082246B1 (en) | Cable fault detection | |
US20110153236A1 (en) | Electrical anomaly detection method and system | |
RU2622473C2 (ru) | Способ и устройство обслуживания электрической установки | |
CN103178615A (zh) | 电力设备故障监控方法及其系统 | |
Butler | An expert system based framework for an incipient failure detection and predictive maintenance system | |
US20130275813A1 (en) | Method and system for use in condition monitoring | |
Zhang et al. | A novel on-line substation instrument transformer health monitoring system using synchrophasor data | |
CN103823972A (zh) | 一种继电保护设备状态评价与评估方法 | |
CN104990629A (zh) | 一种红外成像测温的电力设备故障自动预警系统 | |
WO2022105286A1 (zh) | 一种基于递进式识别来监测异常状态的系统及方法 | |
CN105004489A (zh) | 气体绝缘开关设备预防性诊断系统及其气体压力监测方法 | |
Sakthimohan et al. | Optimized Transmission Line Flaw Disclosure and Inkling System Based on IOT | |
US20120077527A1 (en) | Network event identification and method of operation | |
Elphick et al. | Characteristics of power quality disturbances in Australia: voltage dips at low‐voltage sites | |
JP2018119871A (ja) | 事故予測装置、事故予測装置の制御方法及びプログラム | |
CN103605910A (zh) | 考虑隐性故障的单一保护装置可靠性评估方法 | |
KR101302068B1 (ko) | 통합형 전철제어반 glds | |
CN106877503A (zh) | 二次设备智能运维系统中的风险识别与预警方法 | |
CN106575116B (zh) | 基于状态地计算技术设备的维护期限的方法、装置和计算机程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170613 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180709 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180717 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180907 |
|
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: 20190108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6474564 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |