JP2019021305A

JP2019021305A - 監視システム

Info

Publication number: JP2019021305A
Application number: JP2018118677A
Authority: JP
Inventors: 脩外田; Osamu Toda; 中尾　浩二; Koji Nakao; 浩二中尾
Original assignee: Meidensha Corp; Meidensha Electric Manufacturing Co Ltd
Current assignee: Meidensha Corp; Meidensha Electric Manufacturing Co Ltd
Priority date: 2017-07-14
Filing date: 2018-06-22
Publication date: 2019-02-07
Anticipated expiration: 2038-06-22
Also published as: JP7035842B2

Abstract

【課題】設備故障の予兆を捉えて故障を予測し、かつ既存設備に容易に適用な監視システムを提供する。【解決手段】監視システム１２の計測部１３は、監視対象設備１１に対して与えた入力と、入力を与えたときの設備状態とをセンサＳ１〜Ｓ４に計測させる。データ記録部１４は、計測部１３の計測データを一定周期で記録し、該周期分の計測データを時系列データとして蓄積する。解析処理部１５は、記録部１４の時系列データに基づき入力に対する設備状態の時間的変化の傾向を算出する。状態評価部１６は、監視対象設備１１の正常運転時の時間的変化の傾向を記憶し、記憶された時間的変化の傾向に基づき正常範囲の閾値を定める。ここで定められた正常範囲を前記解析処理部１５で算出された時間的変化の傾向が逸脱していれば、監視対象設備１１に故障予兆発生と判定する。【選択図】図２

Description

本発明は、プラントなどで稼働する設備を監視するシステムに関する。

特許文献１に記載された蒸気使用設備の監視システムの概略を説明する。この監視システムは、蒸気使用設備の故障（異常）を早期発見するため、蒸気使用機器に付随する設備、即ち蒸気制御器（蒸気トラップ）の状態を監視する。

この蒸気制御器に取り付けられたセンサによって温度・圧力・流量などの情報を取得し、取得された情報に基づき蒸気制御器の状態を検出する。このとき蒸気使用設備の故障が発生する前に蒸気制御器の故障などによりセンサが異常値を示す場合がある。このセンサの異常値を捉えることで蒸気使用設備の故障の未然防止を図っている。

特許第５８１８３３７号公報

前述のように特許文献１の発明は、先に発生する蒸気制御器の故障を検出することで蒸気使用機器の故障を推定しているものの、次のような問題があった。

すなわち、特許文献１の発明は、蒸気制御器が故障しなければ蒸気使用設備の故障を検出することができず、蒸気使用設備の故障発生を予測するシステムとして効果的ではない。

また、蒸気制御器に対して温度センサ，振動センサ，圧力計，流量計などの様々な計器をセンサとして取り付けて状態監視する必要があるため、既存設備への適用が難しく、コスト高となるおそれがある。

本発明は、このような従来の問題を解決するためになされ、設備故障の予兆を捉えて故障を予測し、かつ既存設備に容易に適用な監視システムの提供を解決課題としている。

（１）本発明は、監視対象の設備を監視するシステムであって、
前記設備に対して与えた入力と、該入力を与えたときの前記設備の設備状態とを計測する計測部と、
前記計測部の計測データを一定周期で記録し、該周期分の計測データを時系列データとして蓄積する記録部と、
前記記録部の時系列データに基づき入力に対する前記設備状態の時間的変化の傾向を算出する解析処理部と、
前記解析処理部で算出される前記時間的変化の傾向が、あらかじめ正常運転時の時間的変化の傾向に基づき定められた正常範囲を逸脱していれば、前記設備について故障予兆発生と判定する状態評価部と、を備える。

（２）本発明の一態様は、前記設備が発動機の排ガスの熱を冷却する熱交換装置であって、
前記計測部は、前記熱交換装置に入力される熱量と、前記熱交換装置の冷却水の発熱量とを計測し、
前記解析処理部は、前記発動機の停止から所定期間の前記熱量と前記発熱量との時間的変化の傾向に近似した１次関数を算出し、
前記状態評価部は、前記１次関数の傾向が前記正常範囲を逸脱していれば、前記熱交換装置について故障予兆発生と判定する。

（３）本発明の他の態様は、前記設備が駆動原に駆動される発電機であって、
前記計測部は、前記発電機に与えられる駆動力に相関して変動する温度と、前記発電機の駆動力によって引き起こされる潤滑油の発熱量とを計測し、
前記解析処理部は、前記発電機の運転開始から所定時間における前記温度と前記発熱量との時間的変化の傾向に近似した３次関数を算出し、
前記状態評価部は、前記３次の係数が前記正常範囲を逸脱していれば、前記状態評価部は前記発電機について故障予兆発生と判定する。

（４）本発明のさらに他の態様は、前記設備が流量に応じて駆動力を生成する回転機と、該回転機の駆動力を発電電力に変換する発電機と、を備えた発電設備であって、
前記計測部は前記回転機に与えられる累積流量と、前記発電機の累積発電電力量とを計測し、
前記解析処理部は、前記発電設備の運転開始から運転停止までの前記累積流量と前記累積発電電力量との時間的変化の傾向に近似した１次関数を算出し、
前記状態評価部は、前記１次関数の傾向が前記正常範囲を逸脱していれば、前記状態評価部は前記発電設備について故障予兆発生と判定する。

（５）前記回転機の一態様は、前記回転機として燃料を消費して駆動力を生成する内燃機関を備え、前記累積流量は、前記内燃機関に流入した累積燃料流量とする。

（６）なお、前記解析処理部で算出される時間的変化の傾向が、あらかじめ定められた故障範囲に属すれば前記設備について故障警報を発することができる。また、前記計測部は、前記入力と前記設備状態とをセンサを用いて計測することができる。

本発明によれば、設備故障の予兆を捉えて故障を予測し、かつ既存設備に容易に適用な監視システムを提供することができる。

本発明の実施形態に係る監視システムの概略図。同監視システムの構成図。同データ記録部の記録データ構成図。同解析処理部の前処理を示す説明図。同解析処理部の解析処理を示す説明図。同状態評価部の処理過程を示す説明図。実施例１に係る排ガスボイラの構成および計測項目を示す説明図。同排ガスボイラの時間的状態変化の傾向のグラフを示し、（ａ）は正常運転時のグラフ、（ｂ）は故障予兆時のグラフ、（ｃ）は故障直前時のグラフ。同係数値の変化を示すグラフ実施例２に係る発電機の構成および計測項目を示す説明図。同発電機の時間的状態変化の傾向を示すグラフを示し、（ａ）は正常時のグラフ、（ｂ）は異常検出時のグラフ。同３次の係数の変化を示すグラフ。実施例３の発電設備の装置構成図。同発電設備の時間的状態変化の傾向のグラフを示し、（ａ）は正常時のグラフ、（ｂ）は異常時（保守推奨）のグラフ同棒グラフ。

以下、本発明の実施形態に係る監視システムを説明する。この監視システムは、主にプラントで稼働する設備の監視に用いられ、図１に示すように、監視対象設備１１に対して与えた入力Ｘと、該入力Ｘを与えたときの監視対象設備１１の設備状態Ｙの変化とを計測・記録し、設備状態の時間的変化の傾向を監視する。

ここで監視された時間的変化の傾向を正常時の傾向と比較し、その傾向が大きく相違する場合は監視対象設備１１に故障の予兆が発生していると判定する。すなわち、監視対象設備１１は入力Ｘを与えると、その状態Ｙが変化するため、両者Ｘ，Ｙをセンサにより計測する。

この計測データの時間的変化に着目すれば、監視対象設備１１が正常に稼働している状態と不調な状態（故障の予兆が現れている状態）とで差異が現れ易い。この差異を捉えて前記監視システムは監視対象設備１１の故障予兆を検知している。

≪システムの全体構成例≫
図２に基づき前記監視システムの構成例を説明する。この監視システム１２は、監視対象設備（系）１１の入力側に取り付けられたセンサＳ１，Ｓ２の計測情報を入力Ｘの情報として用いる一方、監視対象設備１１の出力側に取り付けられたセンサＳ３，Ｓ４の計測情報を設備状態Ｙの情報として用いている。

この入力Ｘおよび設備状態Ｙの情報は、温度・圧力・流量・電流・電圧などから監視対象設備１１に応じて選択される。この選択によりセンサＳ１〜Ｓ４の種類（温度計，圧力計，流量計，電流計，電圧計など）が定まる。

具体的には前記監視システム１２は、コンピュータにより構成され、ハードウェア資源（ＣＰＵ，ＲＡＭ．ＲＯＭ，ＳＳＤ，ＨＤＤなど）とソフトウェア資源（ＯＳ，アプリケーションなど）の協働の結果、計測部１３，データ記録部１４，解析処理部１５，状態評価部１６を実装する。

この計測部１３は、入力Ｘの情報と設備状態Ｙの情報とをセンサＳ１〜Ｓ４により計測させ、センサＳ１〜Ｓ４の計測した値をＡ／Ｄ変換してデジタルデータ化する。また、データ記録部１４は、コンピュータの記憶装置（ＲＡＭ，ＲＯＭなどの主記憶装置やＨＤＤ,ＳＳＤなどの補助記憶装置など）に構築され、計測部１３の計測データを一定周期で記録して時系列データとして蓄積する。

解析処理部１５は、データ記録部１４に蓄積された時系列データを参照して設備状態の時間的変化の傾向を算出する。ここでは入力をＸ軸・設備状態をＹ軸として入力に対する設備状態の時間的変化の近似関数を算出する。

状態評価部１６は、あらかじめ監視対象設備１１の正常稼働時に算出された近似関数を前記記憶装置に記憶させる。ここで記憶された近似関数の特徴（傾きなど）と、設備稼働時に解析処理部１５にて算出される近似関数の特徴とを比較し、閾値以上に差異があれば監視対象設備１１に故障予兆が発生したと判定する。

したがって、前記監視システム１２によれば、状態評価部１６の判定結果を故障の予測と用いることにより、監視対象設備１１の故障前にその予兆を捉えて早期に警告することが可能となる。このとき前記監視システム１２は、既設の設備にも容易に適用できるように、センサＳ１〜Ｓ４は既存センサや後付けが容易な種類のセンサで実施可能である。以下、各部１４〜１６の詳細を説明する。

≪データ記録部１４≫
図３に基づきデータ記録部１４の記録データの詳細を説明する。ここではデータ記録部１４は、センサＳ１〜Ｓ４毎に計測値を収集してベクトルとして記録する。以下、具体的な記録データについて説明する。

ここでは実数を式（１），正の整数を式（２）とする。このとき式（３）をセンサ番号とし、ｊ番目のセンサを“Ｓ_j”として識別する。また、計測時刻「ｋ≧１」におけるセンサ“Ｓ_j”の計測値を式（４）とし、各センサＳ１〜Ｓ４で得られた計測値に対して以下の処理（ＳＴＥＰ０１〜ＳＴＥＰ０３）が施される。

ＳＴＥＰ０１：計測開始時刻「ｋ」におけるセンサＳ１〜Ｓ４の計測値、即ち式(４)の計測値が、計測部１３を経由してデータ記録部１４に送られる。
ここでｋは正の整数である。

ＳＴＥＰ０２：データ記録部１４は、図３に示すように、式（４）の計測値を受け取って式（５）の時系列データとして整理して保存する。ここで「（・）^T」はベクトルの転置を意味する。また、ベクトル形式で計測値が示されているが、センサＳ１〜Ｓ４が複数の数値を持つ場合は行列形式とするなど他の形式を用いてもよいものとする。

このとき計測時間「ｋ」の経過に応じて新たな計測値が追加されれば、式（５）の時系列データは逐次更新される。また、式（５）の時系列データについては、計測期間が長期化するなど過去の計測値が不要となった場合には、データ容量の抑制および外れ値の除外の観点からデータを選別して廃棄する。

なお、ＳＴＥＰ０２の処理は、センサＳ１〜Ｓ４毎に実行されるため、図３に示すように、時系列データ「Ｖ_k ^(S1)」〜「Ｖ_k ^(S4)」が生成される。

ＳＴＥＰ０３：ＳＴＥＰ０３では、式（５）の時系列データから解析に用いる式（７）のデータセットに変換する。詳細を説明すれば、式（５）の時系列データに対して抽出時刻「ｔ」を基準とし、ｔから過去Ｎ個の計測値を抽出し、式（６）の抽出データを生成する。抽出時刻「ｔ」は、計測時刻「ｋ」とは別に解析に用いる信号の観測時刻である。ここで抽出時刻「ｔ」は正の整数である。サンプル長「Ｎ」は、監視対象設備１１の時間変化の変移速度や精度に応じて変更することができるものとする。

式（６）の抽出データは、データセット（Ｎ行×ｔ列の行列）の列として追加する。すなわち、式（５）の時系列データに対して、抽出時刻「ｔ」を１つずつ減らしながら抽出データを生成し、行列の列に追加する。このようにして解析に用いるためのデータセット式（７）を得る。

なお、ＳＴＥＰ０３の処理は、センサＳ１〜Ｓ４毎に実行されるため、図３に示すように、データセット「ｄ_(S1)〜ｄ_(S4)」が生成されてデータ記録部１４に保存される。ここで生成・保存されたデータセットは統合されて解析処理部１５に送られる。

≪解析処理部１５≫
解析処理部１５は、データ記録部１４から複数のデータセット「ｄ_(S1)〜ｄ_(S4)」を受け取った後、図４の前処理（ＳＴＥＰ０４〜ＳＴＥＰ０７）と図５の解析処理（ＳＴＥＰ０８，０９）を実行する。

（１）前処理
ＳＴＥＰ０４：解析処理部１５は、受け取ったデータセット群中からデータセットのペアを選択する。ここでは一例としてセンサ番号「ｉ，ｊ」のデータセット、即ち式（８）のデータセットのペアを選択した事例に基づき説明する。

ＳＴＥＰ０５：ＳＴＥＰ０４で選択されたデータセットのペアに対して、同一抽出時刻の抽出データで組を作る。ここでは式（９）に示すデータ群を作成する。

ＳＴＥＰ０６：ＳＴＥＰ０５で作成されたデータ群の各組に対して特徴値を算出する。このとき組となる抽出データから１変数を返す式（１０）の関数によって特徴空間へ写像する。ここでは特徴値を式（１１）とする。

ただし、組となる抽出データは２変数に限定する必要は無く、複数の抽出データを変数とする組を作ることも可能である。この場合には変数の個数に応じて関数を設計する。

ＳＴＥＰ０７：ＳＴＥＰ０６で算出された特徴値は、式（１２）の特徴データとしてまとめられる。

このようなＳＴＥＰ０５〜Ｓ０７の処理を、ＳＴＥＰ０４においてデータ記録部１４から受け取ったデータセット「式（７）」に基づき選択されるすべてのペアについて実行し、特徴データを算出する。

図４に基づき説明すれば、まずＳＴＥＰ０４においてセンサ番号「ｉ＝１，ｊ＝２」のデータセット「ｄ_(S1)，ｄ_(S2)」が選択され、ＳＴＥＰ０５，０６の処理を経て特徴データ「ｒ_t ^(1,2)」が算出される。この算出結果を特徴データ１と呼ぶものとする。

つぎにＳＴＥＰ０４に戻ってセンサ番号「ｉ＝３，ｊ＝４」のデータセット「ｄ_(S3)，ｄ_(S4)」が選択され、同様にＳＴＥＰ０５，０６の処理を経て特徴データ「ｒ_t ^(3,4)」が算出される。この算出結果を特徴データ２と呼ぶものとする。

（２）解析処理
解析処理には、前処理で算出された一対の特徴データを活用する。ここでは図５に示すように、特徴データ１「ｒ_t ^(1,2)」と特徴データ２「ｒ_t ^(3,4)」とを用いるものとする。

この解析処理においては、監視対象設備１１の入出力を「ｒ_t ^(1,2)，ｒ_t ^(3,4)」と定義し、入出力関係を表す系を関数として算出する。ここでは特徴データ１を入力Ｘとする一方、特徴データ２を出力（設備状態）Ｙとする。

ただし、本解析処理はデータ間の関係性を入出力系のモデルに当てはめることで設備状態を理解することを目的とするため、実際の設備構成で入力側となるデータと出力側となるデータという物理的な関係性を考慮する必要はない。以下、具体的な処理内容（ＳＴＥＰ０８，ＳＴＥＰ０９）を説明する。

ＳＴＥＰ０８：まず、入出力「ｒ_t ^(1,2)，ｒ_t ^(3,4)」について、抽出時刻ｔが共通となる要素同士の組（ペア）を作成する。ここでは式（１３）の組を準備するものとする。

ＳＴＥＰ０９：つぎにＳＴＥＰ０８で準備された式（１３）の入出力データに基づき入出力系（関数）「ｇｔ（・）」を推定する。すなわち、任意の抽出時刻ｔにおいて式（１４）のノイズが存在する中、式（１５）の関係式を十分に精度よく表現する式（１６）の関数を、式（１３）の入出力データより推定アルゴリズムを用いて算出する。

この推定アルゴリズムには、回帰分析・適応フィルタ・パラメータ推定法などが用いられ、要求される処理速度や推定精度により任意に選択するものとする。この推定対象、即ち監視対象設備１１の入出力の関係性は、計測時間ｋの経過に応じて変化する。

そのため、それをモデル化した入出力系「ｇｔ（・）」も同様に抽出時刻ｔの増加に伴い変化する。すなわち、入出力系「ｇｔ（・）」の推定関数「式（１６）」は、抽出時刻ｔの増加と共に更新され、リアルタイムもしくは一定時間経過後に状態評価部１６に送られる。

≪状態評価部１６≫
図６に基づき状態評価部１６の動作処理を説明する。この状態評価部１６は、解析処理部１５で得られた推定関数「式（１６）」を評価し、時間的変化を捉える。ここでは推定関数「式（１６）」の評価値（係数など）に着目する。この評価値は図５および図６中、「α_t」と示されている。

すなわち、センサＳ１〜Ｓ４によって計測された変動情報は特徴データ１，２に含まれるため、該特徴データ１，２の入出力関係に変化をもたらし、推定関数「式（１６）」に変化を与える。この推定関数「式（１６）」の変化を数値化することで監視対象設備１１の故障や異常を検知することができる。

ここで状態評価部１６の動作処理としては、推定関数「式（１６）」の時間的推移を監視する。このとき事前学習した設備異常データと計測データとを比較するという監視動作は実行されない。そのため、故障状態が未知の状態であっても評価値（α_t）の変化を捉えることで異常や故障を検知することができる。また、周辺設備が異常をきたす前兆を評価値（α_t）の変動から捉えることから、故障の予兆を検知でき、異常発生前の予知が可能となる。以下、実施例１，２に基づき詳細を説明する。

≪実施例１≫
図７〜図９に基づき前記監視システム１２の実施例１を説明する。ここでは排ガスボイラ２１の故障予兆の監視に前記監視システム１２が適用されている。

（１）全体構成
監視対象設備１１の排ガスボイラ２１は、ディーゼル発電所のボイラ設備２２においてエンジン２３の排ガスの熱を水タンク２４の冷却水により水冷する熱交換装置に関し、冷却済みの排ガスと蒸気とが排出される。この実施例１では、排ガスボイラ２１の熱交換状態を監視して故障を早期に検出する。

ここでは設備状態の解析は、エンジン２３の運転停止後に現れる温度変化の推移を監視するものとする。したがって、センサＳ１はボイラ入口温度を計測し、センサＳ２はボイラ出口温度を計測し、センサＳ３は冷却水給水温度を計測し、センサＳ４は外気温度を計測する。

具体的にはセンサＳ１のボイラ入口温度は、エンジン２３の燃焼によって生じた排ガスの排ガスボイラ２１に流入する前の温度を示している。また、センサＳ２のボイラ出口温度は、排ガスボイラ２１を通過して排出された冷却済みの排ガス温度を示している。

センサＳ３の冷却水給水温度は、排ガスボイラ２１の入口側で計測される冷却水の温度を示している。また、Ｓ４の外気温度は、排ガスボイラ２１の外部で計測される。

ここでは入力Ｘのセンサデータに排ガスボイラ２１への入力熱量を用いる一方、設備状態（系の状態）Ｙのセンサデータに冷却水発熱量を用いる。この入力Ｘの入力熱量は“Ｓ１−Ｓ２”で算出でき、設備状態Ｙの冷却水発熱量は“Ｓ３−Ｓ４”で算出できる（ただし、入力Ｘについては絶対値を用いるものとする。）。

このとき実施例１の前記監視システム１２では、排ガスボイラ２１の運転中の計測データをデータ記録部１４に記録し、運転停止後にバッチ処理することで定期的に監視する動作を採用しているが、前述のようなリアルタイム処理でもよいものとする。

そして、エンジン２３の運転開始・運転停止は、エンジン２３に取り付けられた図示省略の回転センサによって計測部１３が得る計測値によって判別する。また、データ記録部１４は、計測部１３の計測データを参照し、前記回転センサの計測値（回転数）から「運転中（回転数＞０）」と「運転停止中（回転数＝０）」とを判別する。

ここでは「運転停止中」から「運転中」に状態変化したときを「運転開始」と判別する一方、「運転中」から「運転停止中」に状態変化したときを「運転停止」と判別し、運転開始・運転停止の発生履歴を時刻と併せて記録する。

（２）処理内容
データ記録部１４は、センサＳ１〜Ｓ４を通じて計測部１３の計測した計測データを１分毎にベクトル形式で蓄積し、センサＳ１〜Ｓ４毎に１日以上の計測データを蓄積可能な容量とする。

このセンサＳ１〜Ｓ４は毎分データであるため、１日に１４４０サンプルを取得する。このときデータ記録部１４は、センサＳ１〜Ｓ４の計測データを１分毎に記録し、式（１７）の時系列データ「Ｖ^(S1)」〜「Ｖ^(S4)」となるようにセンサＳ１〜Ｓ４毎に４つのベクトルを用意する。

ここでは計測データを１分間隔で記録しているため、式（１８）のデータセットを生成するにあたって抽出データのサンプル長を「Ｎ＝８」とする。これは計測データのノイズの影響を低減させるためであり、解析処理部１５の前処理段階で取り扱うため、式（１８）のように変換する。

ここでセンサＳ１のデータセットｄ_(S1)を例示したが、センサＳ２〜Ｓ４も同様の形式でデータセット「ｄ_(S2)〜ｄ_(S4)」を生成するものとし、生成された４つのデータセットは解析処理部１５に送られる。

解析処理部１５は、まず前処理において４つのデータセットを２つのペアに分けたうえでそれぞれの特徴データを生成する。すなわち、データセット「ｄ_(S1)，ｄ_(S2)」のペアとデータセット「ｄ_(S3)，ｄ_(S4)」のペアを選択する。

ここでは「ｄ_(S1)，ｄ_(S2)」の組から特徴データ１を生成する例を説明するが、「ｄ_(S3)，ｄ_(S4)」の組からも同様に特徴データ２を生成するものとする。
データセット「ｄ_(S1)，ｄ_(S2)」のペアについて、同一抽出時刻の抽出データで組を作り、式（９）のデータ群を作成する。作成したデータ群の各抽出時刻の組に対して式（１９）を用いて式（１１）の特徴値を算出する。

これにより、式（１２）の特徴データを得る。
データセット「ｄ_(S1)，ｄ_(S2)」のペアで算出した特徴データ１を「Ｐ」とする。同様に、「ｄ_(S3)，ｄ_(S4)」のペアで算出した特徴データ２を「Ｑ」として、式（２０）とする。

このベクトル「Ｐ」は入力Ｘの変動値を示し、ベクトルＱは設備状態Ｙの変動値を示している。

つぎに生成した特徴データ１，２に基づく解析処理を説明する。ここではベクトル「Ｐ」，「Ｑ」について、式（２１）に示す同時刻サンプル毎のサンプルペアを生成する。

その後に入出力システムの算出、即ち入力を「Ｐ」・出力を「Ｑ」として線形回帰を実行し、推定関数を算出する。このときＸ軸を「Ｐ」・Ｙ軸を「Ｑ」として各サンプルペアを点にした２次元グラフを描くものとする。

（３）２次元グラフの説明
図８（ａ）〜（ｃ）は前記２次元グラフを示し、各図中の点列は１日分の計測データ（１４４０サンプル）により描画された変動推移（時間的変化）を示し、エンジン２３の停止時刻から６０分間の６０サンプルについて回帰分析によって１次関数で近似する。したがって、エンジン２３を停止するつど、その後６０分間のデータから近似関数の係数値（傾き）を特徴として求める。

まず、図８（ａ）について説明する。図８（ａ）は正常運転時の排ガスボイラ２１の状態を示し、Ｘ軸およびＹ軸のいずれも大きな変動を示している。すなわち、Ｘ軸の入力熱量「Ｐ」の増加に応じてＹ軸の冷却水発熱量「Ｑ」が増加し、排ガスボイラ２１の冷却機能が正常に動作していることが示されている。この図８（ａ）の温度変化、即ち「前記係数値（傾き）＝０．３０」を状態評価部１６に記憶させる。

つぎに図８（ｂ）について説明する。図８（ｂ）は排ガスボイラ２１の故障予兆時の状態を示している。ここではＸ軸およびＹ軸の変動量が図８（ａ）に比べて減衰し、「前記係数値（傾き）＝０．００５」に減少している。したがって、排ガスボイラ２１の設備状態に冷却機能が低下する変化が生じているものと推定される。

最後に図８（ｃ）について説明する。図８（ｃ）は故障日における故障直前の排ガスボイラ２１の状態を示している。ここではＸ軸およびＹ軸に殆ど変動量がなく、「前記係数値（傾き）＝−０．００２」を示し、冷却機能が機能していないことが示されている。

（４）状態評価部１６
状態評価部１６は、解析処理部１５の算出した前記係数値（傾き）を１日毎に記録し、その推移を監視する。このとき状態評価部１６は、記憶済みの正常時の前記係数値（傾き）との比較により排ガスボイラ２１の状態を識別する。

すなわち、解析処理部１５にてエンジン２３の停止後の６０分間のデータについて前記係数値（傾き）を算出し、算出された値を評価値「α_t」として正常時の前記係数値（傾き）と比較する。このとき前記正常時の係数値は「約０．１〜約０．５」の範囲に属する一方、排ガスボイラ２１が不調になれば故障発生が近づくにしたがって「０」に近づく。

そこで、記憶済みの正常時の前記係数値（傾き）に基づき正常範囲の閾値（例えば「０．５＞傾き≧０．１」）を定める。このとき１日毎に記録される前記係数値（傾き）が該閾値を越えていれば、排ガスボイラ２１に故障予兆発生と判定し、警告を行う。これにより排ガスボイラ２１の故障や異常を早期に検知することができる。

また、前記係数値（傾き）に故障範囲（例えば０．０未満）を設ければ、排ガスボイラ２１について故障の直前を捉えて故障警報を発し、保守メンテナンス作業の実施を促すことができる。

表１は「１１月２３日〜１２月７日」の排ガスボイラ２１の状態推移を示し、該排ガスボイラ２１の状態推移は図９においてグラフ化されている。ここで「１１月２３日〜１１月２８日」は「前記係数値（傾き）＝０．２１３〜０．３１５」の範囲で変動している。したがって、前記係数値（傾き）が前記閾値内に属し、排ガスボイラ２１は正常と判定された。

一方、「１１月３０日〜１２月４日」は、「前記係数値（傾き）＝０．０５８〜０．０８９」の範囲で変動している。したがって、前記係数値（傾き）が閾値を越え、排ガスボイラ２１は故障予兆と判定されている。また、「１２月５日〜１２月７日」は、前記係数値（傾き）が「０．０」未満なため、故障警報が発せられている。

このように記監視システム１２によれば、センサＳ１〜Ｓ４の数値変動を捉えることで排ガスボイラ２１の故障予兆や故障を検知することができる。したがって、周辺設備の故障を検出することなく、排ガスボイラ２１の異常（故障予兆・故障）を判定することができる。この点で特許文献１よりも早期かつ確実に異常を捉えることができ、効果的に故障発生を予測できる。

また、センサＳ１〜Ｓ４には温度センサを用いればよいので、振動センサ，圧力計，流量計などの様々な計器を用いる必要がなく、この点で既存設備への適用が容易で、かつコストの抑制にも貢献できる。

≪実施例２≫
図１０〜図１２に基づき前記監視システム１２の実施例２を説明する。ここでは発電機３１の故障予兆の監視に前記監視システム１２が適用されている。

（１）全体構成
監視対象設備１１の発電機３１は、エンジンなどの駆動力により回転子３２を回転させて励磁により電力を発生させる。すなわち、前記駆動力により回転子３２を回転させると固定子３３に励磁電流が発生する。この固定子３３は、鉄心と巻線などで構成され、発電機３１のフレーム内に設置されている。

回転子３２は、主軸と鉄心と巻線などで構成され、固定子３３の内側において軸受３４に回転自在に軸支されている。この回転子３２を支えるため、軸受３４には圧力や摩擦が加わる。この圧力の不均衡や摩擦を抑制して回転子３２を滑らかに回転させるために軸受３４に潤滑油を循環させている。

このような発電機３１が運転を開始すれば、固定子３３および回転子３２には電流が流れ、抵抗成分による損失で発熱する。このとき軸受３４の摩耗や傷、あるいは潤滑油の循環不良などで故障が発生する場合がある。そこで、実施例２では前記監視システム１２により固定子３３と軸受３４と潤滑油の温度変化を監視し、発電機３１の故障予兆を早期に検出させている。

そして、センサＳ１は、発電機３１の固定子３３の温度を計測するため、固定子３３に設置されている。また、センサＳ２は、発電機３１の軸受温度を計測するため、軸受３４に設置されている。さらにセンサＳ３は、潤滑油温度を計測するため、軸受３４を通過した潤滑油の温度を計測する。なお、センサＳ４は、外気温度を発電機３１の外部で計測する。

ここでは入力Ｘのセンサデータには、回転子３２に与えられる発電機駆動力を用いる。すなわち、固定子３３に発生する熱量は発電機駆動力に相関すると考えられるため、軸受３４に生じる損失熱量を除いた“Ｓ１−Ｓ２”を入力Ｘの発電機駆動力として計測する。

一方、設備状態Ｙのセンサデータには潤滑油発熱量を用いる。この潤滑油発熱量は、発電機３１の駆動力によって引き起こされる潤滑油の温度変化であり、“Ｓ３−Ｓ４”により計測される。ここでは実施例１と同様に発電機３１の運転中の計測データをデータ記録部１４に記録し、運転停止後にバッチ処理することで定期的に監視する動作を採用しているが、リアルタイム処理でもよいものとする。

そして、発電機３１の運転開始・運転停止は、発電機３１に取り付けた図示省略の回転センサによって計測部１３が得る計測値によって判別する。また、データ記録部１４は計測部１３の計測データを参照し、前記回転センサの計測値（回転数）から「運転中（回転数＞０）」と「運転停止中（回転数＝０）」とを判別する。

（２）処理内容
データ記録部１４は、実施例１と同様にセンサＳ１〜Ｓ４を通じて計測部１３の計測した計測データを１分毎に記録してベクトル形式の時系列データとして蓄積し、センサＳ１〜Ｓ４毎に１日以上のデータを蓄積可能な容量とする。
実施例１と同様に、式（１８）のデータセット「ｄ_(S1)〜ｄ_(S4)」を生成する。
生成された４つのデータセットは解析処理部１５に送られる。

解析処理部１５は、まずデータセット「ｄ_(S1)，ｄ_(S2)」のペアとデータセット「ｄ_(S3)，ｄ_(S4)」のペアを選択する。

各ペアについて特徴データを生成するが、実施例２では特徴値への変換は、式（２２）を用いる。

ここで符号関数「ｓｉｇｎ（・）」は、式（２３）で与えられる。

このようにして、「ｄ_(S1)，ｄ_(S2)」のペアから特徴データ１が算出される。同様に、「ｄ_(S3)，ｄ_(S4)」のペアから特徴データ２が算出される。

算出した特徴データ１，２に基づき解析処理部１５は、図１１（ａ）（ｂ）に示すように、Ｘ軸を発電機駆動力（Ｐ）・Ｙ軸を潤滑油発熱量（Ｑ）とした２次元グラフを描く。このグラフ中の点列は、１日分の計測データにより描写された変動推移（時間的変化）を示している。ここでは前記２次元グラフのうち発電機３１の運転開始時刻から３０分間のデータ（３０サンプルのデータ）について３次関数で近似する。そこで、予め正常運転時の３次関数を算出し、該３次の係数を状態評価部１６に記憶させておくものとする。

同様に発電機３１の運転開始のつど、その後３０分間の計測データから３次関数を算出し、算出された３次の係数を評価値「α_t」として記録する。ここで記録された前記３次の係数と正常運転時の前記３次の係数とを比較する。

このとき運転開始時に温度関係の変化は２次関数に近くなるため、前記３次の係数の重みが小さくなり、正常運転における前記３次の係数の値は「±０．０１以下」と算出される。例えば図１１（ａ）の正常運転時では「前記３次の係数＝−０．００２３」と示されている。

一方、潤滑油循環不良や軸受の摩耗・傷などが発生すると発電機３１の駆動力に対する潤滑油発熱量の変化は複雑な傾向を示し、前記３次の係数の重みが増加する。例えば図１１（ｂ）の異常検知では「前記３次の係数＝−５．９９１」と示されている。

そこで、記憶済みの正常運転時の前記３次の係数に基づき正常範囲の閾値（例えば−０．０５＜前記３次の係数＜０．０５）を定め、１日毎に記録される前記３次の係数が該閾値から逸脱した場合には、発電機３１の故障予兆発生と捉えて警告を行うものとする。

表２は「１１月２３日〜１２月７日」の発電機３１の状態推移を示し、該発電機３１の状態推移は図１２においてグラフ化されている。ここで「１１月２３日〜１２月３日」は、「前記３次の係数＝−０．００７２７〜０．００７８１８」の範囲で変動している。したがって、前記３次の係数が前記閾値内に属し、発電機３１は正常と判定されている。一方、「１２月４日〜１２月７日」は、前記３次の係数が前記閾値を逸脱しているため、発電機３１に故障予兆発生と判定されている。

このようにセンサＳ１〜Ｓ４の数値変動を捉えることで発電機３１の故障予兆発生を判定するため、実施例１と同様に周辺設備の故障を検出することなく、発電機３１の異常を検知することができる。この点で実施例１と同じく、特許文献１よりも早期かつ確実に異常を捉えることができ、故障の発生を効果的に予測できる。

≪実施例３≫
図１３〜図１５に基づき前記監視システム１２の実施例３を説明する。この実施例では、火力発電所の発電施設の故障予兆の監視に前記監視システム１２が適用されている。ここでは実施例２のように潤滑油の温度変化の監視ではなく、発電施設を発電効率の観点から評価し、その保守時期を提案する。

（１）全体構成
図１３に基づき監視対象の発電設備を説明する。ここでは内燃機関を用いた発電設備４１を監視対象とする。この発電設備４１は、駆動側の回転機４０，発電側の発電機４４，図示省略の冷却装置および受変動設備などの多数の装置で構成され、回転機４０と発電機４４とを中心とする。

この回転機４０は、エンジン４３を主体に構成され、燃料槽４２から供給された流体燃料を消費して駆動力を生成することで主軸４９を回転させる。この主軸４９の回転は、発電機４４の回転子４６を回転させて固定子４７に励磁電流を発生させ、発電電力に変換される。ここで変換された発電電力は、需要側の構内４８に出力される。

この発電設備４１では燃料を電力に効率よく変換することが求められる。もし発電設備４１を構成する装置（機器）類に劣化や不調（例えば冷却装置の故障や主軸４９の軸受の摩耗など）が続くと、発電動作が阻害され、燃料から発電電力量への変換の効率（発電効率）は落ち込む。

そこで、前記監視システム１２にて発電効率の低下を検知することで発電設備４１のメンテナンス時期を検出する。ここでは実施例１，２のように入力Ｘと設備状態Ｙとを２センサ間の差分で算出するのではなく、それぞれ１センサの情報（センサデータ）のみで構築している。これは実施例１，２の補正用の時系列データ「Ｖ^(S2)」，「Ｖ^(S4)」の要素が零値をとった時とみなすことができる。

具体的には入力Ｘには累積燃料流量」を用いる一方、設備状態Ｙには「累積発電電力量」を用いる。この「累積燃料流量」は、燃料槽４２からエンジン４３に流入する油量を流量計などのセンサＳ１にて計測（カウント）した累積値を示している。

また、「累積発電電力量」は、発電機４４の発電した電力量を電力計などのセンサＳ２にて計測（カウント）した累積値を示している。ここでは実施例１，２と同様に発電機４４の運転中におけるセンサＳ１，Ｓ２のセンサデータに基づき運転停止後の定期的なバッチ処理またはリアルタイム処理を行う。この発電機４４の運転開始・運転停止は、実施例２と同様とする。以下、処理内容の詳細を説明する。

≪処理内容≫
データ記録部１４は、センサＳ１，Ｓ２を通じて計測部１３の計測した計測データを１分毎に記録して時系列データとして記録し、センサＳ１，Ｓ２毎に１日分以上のデータを蓄積可能な容量とする。ここではセンサＳ２の時系列データＶ^(S2)を実施例１，２の時系列データＶ^(S3)と読み替え、かつ実施例１，２の時系列データ「Ｖ^(S2)」，「Ｖ^(S4)」の要素を零値としてデータセット「ｄ_(S1)〜ｄ_(S4)」を作成する。

解析処理部１５は、データ記録部１４の記録データに基づき実施例１，２と同様に解析処理を行う。この解析処理の結果、Ｘ軸を「累積燃料流量」・Ｙ軸を「累積発電電力量」とした２次元グラフを描く。ここでは発電機４４の運転開始から停止までの稼働期間中のデータについて１次関数により近似する。この近似関数の１次の係数は発電効率（単位燃料に対する発電電力）を示し、その係数値（傾き）を状態評価部１６に記憶させておくものとする。

そして、発電設備４１の任意の部位が劣化や不調をきたすと、施設全体としての発電効率が低下する。例えば発電設備４１の熱交換器・冷却装置などに劣化・不調が生じている場合には設備全体の可動負荷を下げる必要がある。

そこで、解析処理部１５は発電機４４の運転のつど前記１次関数を算出し、さらに状態評価部１６は算出された１次の係数の値（係数値）を事前に状態評価部１６に記憶された正常時の係数値と比較し、故障予兆の発生を判定する。このとき状態評価部１６に記憶された正常時の前記係数値に基づき閾値としての正常範囲が定められている。また、前記比較の結果、１運転毎に記憶される前記係数値が正常範囲を逸脱した場合には、発電設備４１の保守メンテナンス時期と捉えて警告が発生られる。

図１４（ａ）（ｂ）に基づき一例を説明する。図１４（ａ）は、正常運転日の発電設備４１の状態を示す２次元グラフである。この２次元グラフによれば、Ｘ軸の累積燃料流量に比例してＹ軸の累積発電電力が増加し、発電設備４１が正常に動作していることが示されている。

この図１４（ａ）の発電効率の変化、即ち「前記係数値（傾き）＝４．００」が状態評価部１６に正常時の前記係数値として記憶されている。ここでは一例として正常範囲の閾値「前記係数値＞３．９」が設定されているものとする。

一方、図１４（ｂ）は、故障前日の発電設備４１の状態を示す２次元グラフである。ここではＸ軸およびＹ軸の変動量が減衰し、「前記係数値（傾き）＝３．８３」に減少し、発電設備４１の設備状況に発電効率が低下する変化が生じているものと推定される。

この場合に状態評価部１６は、図１４（ｂ）の前記係数値「３．８３」と正常時の前記係数値「４．００」とを比較する。その結果、図１４（ｂ）の前記係数値「３．８３」は、正常範囲「前記係数値＞３．９」を逸脱しているため、故障予兆が発生しているものと判定され、警告が行われる。これにより発電設備４１の故障や異常を早期に検知することができる。

表３は、「２０１３年２月〜５月」までの発電設備４１の状態推移を示している。この状態推移は図１５にてグラフ化されている。

ここで「２月２日〜３月１５日」は、「前記係数値＝３．９〜４．１０」の範囲内で変動している。これは正常範囲「前記係数値＞３．９」内での変動なため、状態評価部１６は故障予兆の発生とは判定せず、健全な発電効率とみなされる。

一方、「３月１９日〜３月２９日」は、正常範囲「前記係数値＞３．９」を逸脱するため、故障予兆が発生しているものと判定され、警告が行われる。また、「４月１日〜４月８日」に発電効率が持ち直し正常範囲に戻ったものの、「４月１１日」には再び正常範囲を逸脱したため、再警告が行われた。

ここでは故障範囲「前記係数値＜３．８」が設定されていたため、「４月１６日」に「前記係数値＝３．４８」を記録したため、故障警報が発せられ、緊急メンテナンスが促された。

このように実施例３は、センサＳ１，Ｓ２の累積値データを組み合わせて増加傾向（２次元グラフの傾き）を捉えることで発電設備４１の故障を予測する。したがって、実施例１，２と同様に周辺設備の故障を検出することなく、発電設備４１の異常を検知することができる。

また、故障予兆のためのセンサＳ１，Ｓ２は流量計や電力計でよいので、機器・装置毎にセンサの取付調査をすることなく、発電設備４１の設備全体の不調を検出することができる。この点で既存設備への適用が容易で、コストの抑制にも貢献できる。

なお、本発明は、上記実施形態に限定されるものではなく、各請求項に記載された範囲内で変形して実施することができる。例えば前記監視システム１２の監視対象設備１１は、排ガスボイラ２１・発電機３１・発電設備４１には限定されるものではなく、他の設備（例えば水力発電所の発電設備など）の故障予兆発生の監視にも使用することができる。この水力発電所の発電設備への応用は、実施例３の入力Ｘを「累積水流量」に置き換えればよい。

また、本発明は、前記監視システム１２としてコンピュータを機能させるプログラムとして構成することもできる。このプログラムによれば、コンピュータが前記各部１２〜１６として機能し、監視対象設備１１の故障予兆の発生を監視することが可能となる。

１１…監視対象設備（監視対象の設備）
１２…監視システム
１３…計測部
１４…データ記録部
１５…解析処理部
１６…状態評価部
２１…排ガスボイラ（熱交換装置）
３１，４４…発電機
４０…回転機
Ｓ１〜Ｓ４…センサ

Claims

監視対象の設備を監視するシステムであって、
前記設備に対して与えた入力と、該入力を与えたときの前記設備の設備状態とを計測する計測部と、
前記計測部の計測データを一定周期で記録し、該周期分の計測データを時系列データとして蓄積する記録部と、
前記記録部の時系列データに基づき入力に対する前記設備状態の時間的変化の傾向を算出する解析処理部と、
前記解析処理部で算出される前記時間的変化の傾向が、あらかじめ正常運転時の時間的変化の傾向に基づき定められた正常範囲を逸脱していれば、前記設備について故障予兆発生と判定する状態評価部と、
を備えることを特徴とする監視システム。
前記設備は、発動機の排ガスの熱を冷却する熱交換装置であって、
前記計測部は、前記熱交換装置に入力される熱量と、前記熱交換装置の冷却水の発熱量とを計測し、
前記解析処理部は、前記発動機の停止から所定期間の前記熱量と前記発熱量との時間的変化の傾向に近似した１次関数を算出し、
前記状態評価部は、前記１次関数の傾向が前記正常範囲を逸脱していれば、前記熱交換装置について故障予兆発生と判定する
ことを特徴とする請求項１記載の監視システム。
前記設備は、駆動原に駆動される発電機であって、
前記計測部は、前記発電機に与えられる駆動力に相関して変動する温度と、前記発電機の駆動力によって引き起こされる潤滑油の発熱量とを計測し、
前記解析処理部は、前記発電機の運転開始から所定時間における前記温度と前記発熱量との時間的変化の傾向に近似した３次関数を算出し、
前記状態評価部は、前記３次の係数が前記正常範囲を逸脱していれば、前記状態評価部は前記発電機について故障予兆発生と判定する
ことを特徴とする請求項１記載の監視システム。
前記設備は、流量に応じて駆動力を生成する回転機と、該回転機の駆動力を発電電力に変換する発電機と、を備えた発電設備であって、
前記計測部は前記回転機に与えられる累積流量と、前記発電機の累積発電電力量とを計測し、
前記解析処理部は、前記発電設備の運転開始から運転停止までの前記累積流量と前記累積発電電力量との時間的変化の傾向に近似した１次関数を算出し、
前記状態評価部は、前記１次関数の傾向が前記正常範囲を逸脱していれば、前記状態評価部は前記発電設備について故障予兆発生と判定する
ことを特徴とする請求項１記載の監視システム。
前記回転機は、燃料を消費して駆動力を生成する内燃機関を備え、
前記累積流量は、前記内燃機関に流入した累積燃料流量であることを特徴とする請求項４記載の監視システム。