JP2019057164A - プラント異常監視システム - Google Patents

Abstract

【課題】プラントに生じる異常事象を発生前に予測することが可能なプラント異常監視システムを提供する。【解決手段】プラント異常監視システムは、複数の運転データを含む監視運転データに基づいて算出される監視異常度に基づいて異常兆候の有無を判定する異常兆候判定部と、異常兆候が有る場合に監視運転データと、過去の異常兆候を示す参照運転データとの比較に基づいて異常診断を行う異常診断部とを備え、異常診断部は、監視運転データを構成する複数の運転データの各々について監視異常度に対する監視寄与度を算出し、監視寄与度の大きい上位Ｎ個の運転データにより構成される診断対象データ群を抽出し、診断対象データ群と、参照運転データに含まれる参照寄与度の大きい上位Ｍ個の運転データにより構成される診断参照データ群との合致指標を算出し、合致指標が合致判定閾値以上となる参照運転データに基づいてプラントの異常を予測する。【選択図】 図１

Description

本開示は、プラントの異常を監視するプラント異常監視システムに関する。

プラントでは、故障の発生を未然に防止するための異常監視が行われており、例えば、プラントを構成する各種機器（設備）に対して設置された複数のセンサの測定値（センサ値）を監視し、センサ値がある閾値を超えると運転者、管理者に対してアラームを発報するといった監視手法が知られている。このように通知される異常の中には、例えば、ボイラの炉壁管などの伝熱管に高温腐食や摩耗により生じた損傷からの給水のリーク（漏れ）に伴ってアラームが発報されるなど、故障の発生を伴うものもあり、故障が発生した場合には、その拡大を防止するために機器（プラント）を停止させるといった対応の必要性が生じる。

そこで、異常が検知される前にその兆候を検知する手法が提案されている（特許文献１〜２）。例えば、特許文献１には、監視されるプラントの運転履歴に基づいて、プラントの異常の予兆（兆候）を監視する異常予兆監視システムと、異常予兆監視システムにより検知される異常予兆の結果に基づいてプラントの異常診断を行う異常診断システムを備えるプラント運転システムが開示されている。この異常診断による異常原因の特定はベイジアンネットワーク（統計モデル）を用いて行うことが開示されている。

また、特許文献２には、プラントの監視診断方法において、プラントの運転状態、機器の作動状態、環境状態を検出して、検出データを蓄積し、プラントの検査データを蓄積し、上記蓄積された検出データ及び検査データからなるプラントの履歴情報に基づいて、現在のプラントの状態を診断することが開示されている。これによって、現在の状態が健全であっても、例えば、履歴情報から、過去に異常徴候等が検出されている場合には監視診断を行い、異常が検出されたときには異常箇所及び異常内容を同定し、異常の波及事象を予測するとされる。

国際公開第２０１７／０５１５７６号公報 特開平６−３３１５０７号公報

特許文献１〜２のようにプラントの運転履歴を用いて異常の兆候を検知し、異常の発生前に異常事象を予測することは、プラントの故障の未然防止を図る手法として有効である。そして、本発明の発明者らは、異常の兆候がどのような異常事象に発展するかを予測（特定）するための新たな手法を発明した。

上述の事情に鑑みて、本発明の少なくとも一実施形態は、プラントに生じる異常事象を発生前に予測することが可能なプラント異常監視システムを提供することを目的とする。

（１）本発明の少なくとも一実施形態に係るプラント異常監視システムは、
プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視システムであって、
前記複数の運転データを含む監視運転データに基づいて算出される異常度である監視異常度に基づいて前記プラントにおける異常兆候の有無を判定する異常兆候判定部と、
前記異常兆候判定部によって前記異常兆候が有ると判定された場合に、前記監視運転データと、過去に取得された前記異常兆候を示す前記複数の運転データを含む少なくとも１つの参照運転データとの比較に基づいて前記プラントの異常診断を行う異常診断部と、を備え、
前記異常診断部は、
前記監視運転データを構成する前記複数の運転データの各々について前記監視異常度に対する寄与度を算出すると共に、前記監視運転データのうち、算出した前記寄与度である監視寄与度の大きい上位Ｎ個（Ｎは２以上の整数を示す。）の前記運転データにより構成される診断対象データ群を抽出する診断対象データ群抽出部と、
前記診断対象データ群と、前記参照運転データを構成する前記複数の運転データの各々について前記参照運転データに基づいて算出される前記異常度に対する前記寄与度である参照寄与度の大きい上位Ｍ個（Ｍは２以上の整数を示す。）の前記運転データにより構成される診断参照データ群との合致指標を算出する合致指標算出部と、
前記合致指標が合致判定閾値以上となる前記参照運転データに基づいて前記プラントの前記異常を予測する異常予測部と、を有する。

上記（１）の構成によれば、プラント異常監視システムは、プラントに設置された複数のセンサによる測定などを通して得られる運転データ（監視運転データ）を監視し、監視運転データに基づいて算出される異常度（監視異常度。例えばマハラノビス距離（ＭＤ）など）に基づいて異常兆候を検知すると、この異常兆候が示す異常を診断する。具体的には、監視異常度の算出に用いた複数の運転データ（監視運転データ）の監視異常度に対する寄与度（監視寄与度。例えば異常度がＭＤの場合はＳＮ比。）を算出する。次に、監視異常度の大きい上位Ｎ個（診断対象データ群）と、過去に生じた異常の異常兆候を示すものとして蓄積されている少なくとも１つの参照運転データについて同様な手法によって算出された寄与度（参照寄与度。過去の監視運転データ）の上位Ｍ個（診断参照データ群）との合致指標を算出する。そして、監視運転データと合致指標が合致判定閾値以上となる参照運転データを探し、得られた参照運転データが示す異常兆候に対応する異常の発生を予測する。

つまり、現在監視している監視運転データ（診断対象データ群）と、過去に経験した異常（トラブル）の異常兆候を示す参照運転データ（診断参照データ群）とのマッチングを各々の異常度に対する寄与度の観点で行い、マッチングのとれた参照運転データが示す異常兆候が発生している可能性が高いとして、異常を予測する。これによって、過去に生じた異常が発生する前に異常の事象（内容）を予測することができ、予測された異常への対処を通してプラントの故障の未然防止を図ることができる。

（２）幾つかの実施形態では、上記（１）の構成において、
前記合致指標は、前記診断対象データ群または前記診断参照データ群を構成する前記運転データの前記監視寄与度の合計に対する、前記診断対象データ群および前記診断参照データ群の双方に属するｉ個の運転データ（但し、ｉ≦Ｎ、Ｍ）についての前記監視寄与度の合計の割合を含む。
上記（２）の構成によれば、合致指標の算出に寄与度を用いることで、監視運転データから抽出される診断対象データ群と、参照運転データから抽出される診断参照データ群との合致指標を適切に評価することができる。

（３）幾つかの実施形態では、上記（１）の構成において、
前記合致指標は、前記診断対象データ群および前記診断参照データ群の双方に属するｉ個の運転データ（但し、ｉ≦ＮまたはＭ）の数の、前記Ｎ個または前記Ｍ個の数に対する割合を含む。
上記（３）の構成によれば、合致指標を、監視運転データから抽出される診断対象データ群および参照運転データから抽出される診断参照データ群に共通する運転データの種類の割合として算出することで、合致指標を適切に評価することができる。

（４）幾つかの実施形態では、上記（１）の構成において、
前記合致指標は、前記診断参照データ群または前記診断対象データ群を構成する前記運転データに対して前記参照寄与度または前記監視寄与度が大きいほど大きい値となるポイント値を付与した際に、前記診断対象データ群および前記診断参照データ群の双方に属するｉ個の前記運転データ（但し、ｉ≦ＮまたはＭ）についての前記ポイント値の合計を含む。
上記（４）の構成によれば、合致指標の算出にポイント値を用いることで、監視運転データから抽出される診断対象データ群と、参照運転データから抽出される診断参照データ群との合致指標を適切に評価することができる。このポイント値は、診断参照データ群を構成する運転データの寄与度が大きいほど大きいため、診断対象データ群と診断参照データ群とに共通する運転データの種類により合致指標を算出するよりも、寄与度の大きさの順位を反映した合致指標を算出することができる。

（５）幾つかの実施形態では、上記（１）〜（４）の構成において、
前記異常度は、マハラノビス距離であり、
前記寄与度は、前記運転データのＳＮ比である。
上記（５）の構成によれば、異常兆候の検知をマハラノビス距離に基づいて適切に行うことができると共に、診断対象データ群と診断参照データ群とのマッチングをＳＮ比に基づいて適切に行うことができる。

（６）幾つかの実施形態では、上記（１）〜（５）の構成において、
前記参照運転データを記憶する運転データ記憶部を、さらに備える。
上記（６）の構成によれば、参照運転データを、過去に生じた異常の異常兆候を示す情報として確実に保管することができる。

（７）幾つかの実施形態では、上記（１）〜（６）の構成において、
前記参照運転データは、前記監視運転データが取得された前記プラントとは異なる他のプラントの前記運転状態を示すデータである。
上記（７）の構成によれば、他のプラントで生じた異常の異常兆候を示す参照運転データを用いて診断を実行する。つまり、参照運転データをプラント間で共有しており、他プラントで発生済の異常であって自プラントで未発生である異常についても、異常が発生する前に異常を予測することができる。

（８）本発明の少なくとも一実施形態に係るプラント異常監視方法は、
プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視方法であって、
前記複数の運転データを含む監視運転データに基づいて算出される異常度である監視異常度に基づいて前記プラントにおける異常兆候の有無を判定する異常兆候判定工程と、
前記異常兆候判定工程によって前記異常兆候が有ると判定された場合に、前記監視運転データと、過去に取得された前記異常兆候を示す前記複数の運転データを含む少なくとも１つの参照運転データとの比較に基づいて前記プラントの異常診断を行う異常診断工程と、を備え、
前記異常診断工程は、
前記監視運転データを構成する前記複数の運転データの各々について前記監視異常度に対する寄与度を算出すると共に、前記監視運転データのうち、算出した前記寄与度である監視寄与度の大きい上位Ｎ個（Ｎは２以上の整数を示す。）の前記運転データにより構成される診断対象データ群を抽出する診断対象データ群抽出工程と、
前記診断対象データ群と、前記参照運転データを構成する前記複数の運転データの各々について前記参照運転データに基づいて算出される前記異常度に対する前記寄与度である参照寄与度の大きい上位Ｍ個（Ｍは２以上の整数を示す。）の前記運転データにより構成される診断参照データ群との合致指標を算出する合致指標算出工程と、
前記合致指標が合致判定閾値以上となる前記参照運転データに基づいて前記プラントの前記異常を予測する異常予測工程と、を有する。

上記（８）の構成によれば、上記（１）と同様の効果を奏する。

本発明の少なくとも一実施形態によれば、プラントに生じる異常事象を発生前に予測することが可能なプラント異常監視システムが提供される。

本発明の一実施形態に係るプラント異常監視システムの構成を概略的に示す図である。 本発明の一実施形態に係る参照運転データを説明するための図である。 本発明の一実施形態に係る合致指標の算出方法を説明するための図である。 本発明の一実施形態に係るプラント異常監視方法を示す図である。

以下、添付図面を参照して本発明の幾つかの実施形態について説明する。ただし、実施形態として記載されている又は図面に示されている構成部品の寸法、材質、形状、その相対的配置等は、本発明の範囲をこれに限定する趣旨ではなく、単なる説明例にすぎない。
例えば、「ある方向に」、「ある方向に沿って」、「平行」、「直交」、「中心」、「同心」或いは「同軸」等の相対的或いは絶対的な配置を表す表現は、厳密にそのような配置を表すのみならず、公差、若しくは、同じ機能が得られる程度の角度や距離をもって相対的に変位している状態も表すものとする。
例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。
例えば、四角形状や円筒形状等の形状を表す表現は、幾何学的に厳密な意味での四角形状や円筒形状等の形状を表すのみならず、同じ効果が得られる範囲で、凹凸部や面取り部等を含む形状も表すものとする。
一方、一の構成要素を「備える」、「具える」、「具備する」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。

図１は、本発明の一実施形態に係るプラント異常監視システム１の構成を概略的に示す図である。図２は、本発明の一実施形態に係る参照運転データＤｒを説明するための図である。また、図３は、本発明の一実施形態に係る合致指標Ｒｍの算出方法を説明するための図である。

図１に示すように、プラント異常監視システム１は、プラント９の運転状態を示す複数の運転データＤに基づいて異常を監視するシステムである。例えば事業用ボイラを有する火力発電所や原子力発電所などの発電プラントや、ごみ焼却所、化学プラントなどといったプラント９では、運転制御や異常監視のために、プラント９を構成する複数の機器（設備）の状態を複数のセンサを設置するなどして測定すると共に、バルブを含む各種機器のオン／オフなどの状態が監視される。そして、プラント異常監視システム１は、これらの複数のセンサの測定値（以下、適宜、センサ値）や上記のオン／オフなどの状態に加えて、各種機器の作動を制御する分散制御システム（ＤＣＳ）の制御内容や操作盤の操作内容などの制御情報をそれぞれ運転データＤとして周期的に取得し、これら複数の運転データＤに基づく異常監視を行う。

例えば、火力発電プラントを構成する複数の機器はとしては、ボイラや、蒸気タービン（高圧タービン、低圧タービンなど）、過熱器、再熱器、節炭器などの熱交換器、蒸気タービンに送る蒸気の流量および圧力を調整するバルブやダンパ、ボイラから排出される排ガスを処理するため各種機器（脱硝装置や電気集塵機等）などがある。そして、この場合の運転データＤは、ボイラによって生成される蒸気の温度、圧力、流量や、蒸気タービンの振動、回転数、バルブ、ダンパの開度、過熱器や再熱器の温度などとなる。

図１〜図３に示す実施形態では、図１に示すように、プラント９は、コンピュータによって実現される運転履歴作成機能を備えており、周期的な各タイミングで取得される上述したような各種の運転データＤのセット毎に運転履歴Ｈを作成するようになっている。また、こうして作成された運転履歴Ｈは、例えば１セットなどの所定数の運転履歴Ｈが生成された後や所定時間毎などにプラント異常監視システム１に送られるようになっている。プラント異常監視システム１が定期的などにプラント９に対して運転履歴Ｈの送信をプラント９側に要求するのを通して、運転履歴Ｈを受信しても良い。また、プラント異常監視システム１とプラント９とは広域通信網（ＷＡＮ）を介して接続されても良く、ＭＰＬＳ−ＶＰＮなどＩＰ−ＶＰＮ技術を用いた仮想専用線を介して運転履歴Ｈの上記の送受信を行っても良い。

次に、プラント異常監視システム１について詳細に説明する。
図１に示すように、プラント異常監視システム１は、異常兆候判定部３と、異常診断部４と、を備える。プラント異常監視システム１はコンピュータで構成されており、図示しないＣＰＵ（プロセッサ）や、ＲＯＭやＲＡＭといったメモリや記憶装置１４（外部記憶装置）を備えている。そして、メモリ（主記憶装置）にロードされたプログラムの命令に従ってＣＰＵが動作（データの演算など）することで、プラント異常監視システム１が備える上記の各機能部を実現する。上記の機能部について、それぞれ説明する。

なお、以下の説明では、後述する異常度Ｔおよび寄与度Ｃは、それぞれ、ＭＴ法（マハラノビス・タグチ法）と呼ばれるパターン認識技術で用いられるマハラノビス距離（ＭＤ）およびＳＮ比として説明する。このＭＴ法では、正常な多変量データ（ここでは、複数の運転データＤ）をもとに正常な集団を単位空間と定義し、対象データ（ここでは、監視運転データＤｔ）の単位空間からの距離(マハラノビス距離)を求めて異常を判定する。これにより、マハラノビス距離という一つの指標のみによってプラント９を総合的に診断することが可能である。また、ＭＴ法は、各種運転パラメータが管理値以内（異常判定閾値Ｌａ以内）であるか否かによって診断する手法に比べて、機器の損傷が進行する前に早期に異常を検知することが可能となり、機器の損傷を未然に防ぐ、あるいは最小限に抑えることが可能な方法として知られている。ただし、本実施形態に本発明は限定されない。異常度Ｔは、異常兆候Ｓや異常を検知可能であれば、例えばＫ近傍法など、多変量データに基づいて他の手法で算出されても良い。

異常兆候判定部３は、複数の運転データＤを含む監視運転データＤｔに基づいて算出される異常度Ｔ（本実施形態ではマハラノビス距離。以下同じ。）である監視異常度Ｔｔに基づいてプラント９における異常兆候Ｓの有無を判定する。図１〜図３に示す実施形態では、図１に示すように、プラント異常監視システム１は、上述したようにプラント９側から送られてくる複数の運転データＤ（運転履歴Ｈ）を含む監視運転データＤｔを取得する運転データ収集部１２と、運転データ収集部１２が取得した監視運転データＤｔに基づいて監視異常度Ｔｔを算出する異常度算出部２１と、を備える。本実施形態では、プラント９が生成した運転履歴Ｈは作成される度にプラント異常監視システム１に送信されるようになっており、運転データ収集部１２はプラント９から受信すると、受信した最新の運転履歴Ｈを相互に接続された異常度算出部２１に送信する。異常度算出部２１は、運転データ収集部１２から入力された最新の運転履歴Ｈに含まれる複数の運転データＤを監視対象（監視運転データＤｔ）として、その監視異常度Ｔｔを算出する。そして、異常兆候判定部３は、上記の異常度算出部２１に接続されており、異常度算出部２１が算出した監視異常度Ｔｔを取得する。

また、図１〜図３に示す本実施形態では、プラント異常監視システム１は異常検知部２２を備えており、上述した異常度算出部２１、異常検知部２２および異常兆候判定部３で異常監視部２を構成している。異常兆候判定部３および異常検知部２２は、それぞれ異常度算出部２１に接続されており、異常度算出部２１が算出した監視異常度Ｔｔを取得する。両者の違いは、異常兆候判定部３は、監視異常度Ｔｔと異常兆候Ｓを検知するための閾値（異常兆候判定閾値Ｌｓ）との比較など、監視異常度Ｔｔに基づいて異常兆候Ｓの有無を判定するのに対し、異常検知部２２は、異常兆候Ｓに対応する事象が進行することによって至る異常の発生の有無を、監視異常度Ｔｔと異常を検知するための閾値（異常判定閾値Ｌａ）との比較など、監視異常度Ｔｔに基づいて判定する点である。異常度Ｔは、異常が発生すると正常値（正常範囲）から大きく逸脱するが（図２（ａ）、図３（ａ）の時刻ｔ２参照）、異常判定閾値Ｌａは異常度Ｔが正常値から逸脱する事象を検知可能な値に設定され、異常兆候判定閾値Ｌｓは、過去の異常事例（トラブル事例）での異常度Ｔの推移を解析して異常兆候Ｓといえる事象（変化）を判別した上で、その事象を検知可能な値に設定される。よって、異常兆候判定閾値Ｌｓの絶対値は、異常判定閾の絶対値よりも小さいものとなる（｜Ｌｓ｜＜｜Ｌａ｜）。

そして、図１に示すように、異常検知部２２（異常監視部２）は、異常を判定した場合にはアラームを発報するなど、運転者や管理者などに異常が発生した旨を通知する。他方、異常兆候判定部３（異常監視部２）は、異常兆候Ｓが有ると判定すると、次に説明する異常診断部４に通知する。異常兆候Ｓの検知に用いる異常兆候判定閾値Ｌｓは、複数種類の異常兆候Ｓに共通した値となったり、複数種類の異常兆候Ｓをまとめて検知するように設定されたりするなど、異常兆候判定部３によって検知された異常兆候Ｓがどのような異常に基づくものであるかは明らかではない場合が多く、異常兆候Ｓが示す異常を予測（特定）するためである。

異常診断部４は、上述した異常兆候判定部３によって異常兆候Ｓが有ると判定された場合に、監視運転データＤｔと、過去に取得された異常兆候Ｓを示す複数の運転データＤを含む少なくとも１つの参照運転データＤｒとの比較に基づいてプラント９の異常診断を行う。上記の参照運転データＤｒは、過去に発生した異常の解析を通して得られた異常兆候Ｓに対応する。異常が発生した場合には、例えば図２（ａ）に示すように異常度Ｔ（ＭＤ値）は異常判定閾値Ｌａを超えるほど大きくなるが（図２（ａ）、図３（ｂ）の時刻ｔ２）、異常の解析を通して、時間の経過に従って変化する異常度Ｔのどこの段階（時間帯）に異常兆候Ｓがあったのかを判別し、その異常兆候Ｓを示す異常度Ｔの算出に用いた複数の運転データＤが参照運転データＤｒとして保存される。図２に示す実施形態では、異常判定がなされた時刻ｔ２よりも前の時刻ｔ１においてＭＤ値が変化する事象が発生している。そして、この時刻ｔ１から時刻ｔ２の間の異常度Ｔが異常兆候Ｓを示すものであったと判別された結果、その際の異常度Ｔが合計でＭａ個の運転データＤに基づいて算出されていたが、そのうちから、その異常兆候Ｓをより感度良く判定することが可能なＭｂ個（Ｍａ≧Ｍｂ≧２）の運転データＤが抽出され、参照運転データＤｒとして保存されている。

そして、異常診断部４は、上述した参照運転データＤｒに基づいた異常診断を通して、検知した異常兆候Ｓがどのような異常事象の兆候であるかを予測する。具体的には、異常診断部４は、上記の異常診断（異常の予測）を、異常度Ｔの算出に用いた複数の運転データＤの各々の異常度Ｔに対する寄与度Ｃに基づいて行う。この寄与度Ｃは、複数の運転データＤのどれがどの程度、異常兆候判定閾値Ｌｓを超えるまでに異常度Ｔを変化させるのに寄与しているのかを示す指標であり、異常度Ｔに対する寄与度Ｃが高い運転データＤほど、検知した異常兆候Ｓの主な要因に該当することを示す。よって、監視運転データＤｔに関する寄与度Ｃ（監視寄与度Ｃｔ）と、参照運転データＤｒに関する寄与度Ｃ（参照寄与度Ｃｒ）とが合致すれば、異常兆候Ｓの主な要因が合致することになる。本発明は、このような知見に基づいて、検知された異常兆候Ｓが示す異常を予測する。図１〜図３に示す実施形態では、図２〜図３に示すように、異常度ＴであるＭＤ値に対して、直交表を用いて求められるＳＮ比を寄与度Ｃとして算出している（図２〜図３参照）。

より具体的には、上述した異常診断を行うための構成として、異常診断部４は、診断対象データ群抽出部５と、合致指標算出部６と、異常予測部７と、を備える。
なお、図１〜図３に示す実施形態では、図１に示すように、上記の参照運転データＤｒは、異常兆候事例として、プラント異常監視システム１が備える記憶装置１４に記憶されている。また、参照運転データＤｒを構成する過去の複数の運転データ（参照運転データＤｒ）の各々の寄与度Ｃ（参照寄与度Ｃｒ）は、参照運転データＤｒを記憶装置１４に記憶する際に予め算出することにより、参照運転データＤｒと共に記憶装置１４に記憶されている。他の幾つかの実施形態では、参照運転データＤｒのみが記憶装置１４に記憶されていても良い。

診断対象データ群抽出部５は、図３に示すように、監視運転データＤｔを構成する複数の運転データＤの各々について監視異常度Ｔｔに対する寄与度Ｃを算出すると共に、監視運転データＤｔのうち、算出した寄与度Ｃである監視寄与度Ｃｔの大きい上位Ｎ個の運転データＤにより構成される診断対象データ群Ｇｔを抽出する。上記のＮは、監視運転データＤｔを構成する運転データＤの数をＮａとするとＮａ≧Ｎ＞２を満たす整数であり、異常兆候Ｓの特徴を適切に含むような値に設定するのが望ましい。

合致指標算出部６は、診断対象データ群抽出部５によって抽出された診断対象データ群Ｇｔと診断参照データ群Ｇｒとの合致指標Ｒｍを算出する。診断参照データ群Ｇｒは、参照運転データＤｒを構成する複数の運転データＤの各々について、参照運転データＤｒに基づいて算出される異常度Ｔに対する寄与度Ｃである参照寄与度Ｃｒの大きい上位Ｍ個の運転データＤにより構成される。合致指標Ｒｍは、診断対象データ群Ｇｔと診断参照データ群Ｇｒとがどの程度合致するかを定量的に示す指標であり、例えば、その値が大きいほど、診断対象データ群Ｇｔと診断参照データ群Ｇｒとが合致すること（共通項目が多いこと）を示す指標である。具体的な算出方法は後述する。

図１〜図３に示す実施形態では、図１に示すように、合致指標算出部６は、診断対象データ群抽出部５および記憶装置１４にそれぞれ接続されており、診断対象データ群抽出部５から入力される診断対象データ群Ｇｔと、記憶装置１４から入力される診断対象データ群Ｇｔとの合致指標Ｒｍを算出するように構成されている。また、上記のＭは、参照運転データＤｒの総数であるＭｂとなっており、さらに、診断対象データ群Ｇｔを構成する運転データの数であるＮと同じとなっている（Ｎ＝Ｍ＝Ｍｂ）。

異常予測部７は、合致指標Ｒｍが合致判定閾値Ｖ以上となる参照運転データＤｒに基づいてプラント９の異常を予測する。例えば、参照運転データＤｒと、炉壁管からの給水リークなどの異常事象（トラブル事例）とが対応づけられて記憶装置１４に記憶されており、合致指標Ｒｍが合致判定閾値Ｖ以上となる参照運転データＤｒの異常事象の発生が予測結果として出力されても良い。図１〜図３に示す実施形態では、合致指標Ｒｍが合致判定閾値Ｖ以上となる１以上の参照運転データＤｒの異常事象の情報が合致指標Ｒｍの情報と共に異常予測部７から出力されることによって、ディスプレイなどの表示装置１６に表示されるようになっている。

次に、上述したプラント異常監視システム１による処理に対応するプラント異常監視方法について、図１を用いて説明する。図４は、本発明の一実施形態に係るプラント異常監視方法を示す図である。プラント異常監視方法は、プラント９の運転状態を示す複数の運転データＤに基づいて異常を監視する方法であり、図４に示すように、異常兆候判定工程（Ｓ１〜Ｓ３）と、診断対象データ群抽出工程（Ｓ５）、合致指標算出工程（Ｓ６）および異常予測工程（Ｓ７）を有する異常診断工程（Ｓ４〜Ｓ７）と、を備える。
図４に示すフローに従ってプラント異常監視方法を説明する。なお、図４のフローは、プラント９から運転履歴Ｈを取得する度に行うものとする。

図４のステップＳ１〜Ｓ３において異常兆候判定工程を行う。異常兆候判定工程は、複数の運転データＤを含む監視運転データＤｔに基づいて算出される異常度Ｔ（本実施形態ではマハラノビス距離）である監視異常度Ｔｔに基づいてプラント９における異常兆候Ｓの有無を判定する工程である。図４に示す実施形態では、ステップＳ１において監視運転データＤｔ（運転履歴Ｈ）を収集し、ステップＳ２において監視異常度Ｔｔを算出し、ステップＳ３において異常兆候Ｓの有無を判定する。そして、ステップＳ４において異常兆候Ｓが有ると判定された場合には次に説明する異常診断工程（Ｓ４〜Ｓ７）を実行し、異常兆候Ｓが無いと判定された場合には、図４のフローを終了する。なお、正常との旨を上記の表示装置１６に表示した後に図４のフローを終了しても良い。異常兆候判定工程は、上述した異常兆候判定部３が行う処理と同様であるため、詳細な説明は省略する。

図４のステップＳ５〜Ｓ８において異常診断工程を行う。異常診断工程は、上述した異常兆候判定部３によって異常兆候Ｓが有ると判定された場合に、監視運転データＤｔと、過去に取得された異常兆候Ｓを示す複数の運転データＤを含む少なくとも１つの参照運転データＤｒとの比較に基づいてプラント９の異常診断を行う工程である。より詳細には、ステップＳ５において診断対象データ群抽出工程を実行し、ステップＳ６で合致指標算出工程を実行し、ステップＳ７で異常予測工程を実行する。診断対象データ群抽出工程（Ｓ５）は、上述した診断対象データ群抽出部５が行う処理と同様であり、合致指標算出工程（Ｓ６）は、上述した合致指標算出部６が行う処理と同様であり、異常予測工程（Ｓ７）は、上述した異常予測部７が行う処理と同様である。よって、これらの工程の詳細は省略する。

そして、ステップＳ８において、異常診断工程（Ｓ４〜Ｓ７）によって行われた異常診断の診断結果を出力し、ディスプレイなどの表示装置１６に表示する（図１参照）。これによって、異常兆候Ｓが示す異常が、プラント９の運転者や管理者に通知される。

上記の構成によれば、プラント異常監視システム１は、プラント９に設置された複数のセンサによる測定などを通して得られる運転データＤ（監視運転データＤｔ）を監視し、監視運転データＤｔに基づいて算出される異常度Ｔ（監視異常度Ｔｔ。例えばマハラノビス距離（ＭＤ）など）に基づいて異常兆候Ｓを検知すると、この異常兆候Ｓが示す異常を診断する。具体的には、監視異常度Ｔｔの算出に用いた複数の運転データＤ（監視運転データＤｔ）の監視異常度Ｔｔに対する寄与度（監視寄与度Ｃｔ。例えば異常度ＴがＭＤの場合はＳＮ比。）を算出する。次に、監視異常度Ｔｔの大きい上位Ｎ個（診断対象データ群）と、過去に生じた異常の異常兆候Ｓを示すものとして蓄積されている少なくとも１つの参照運転データＤｒについて同様な手法によって算出された寄与度Ｃ（参照寄与度Ｃｒ。過去の監視運転データＤｔ）の上位Ｍ個（診断参照データ群Ｇｒ）との合致指標Ｒｍを算出する。そして、監視運転データＤｔと合致指標Ｒｍが合致判定閾値Ｖ以上となる参照運転データＤｒを探し、得られた参照運転データＤｒが示す異常兆候Ｓに対応する異常の発生を予測する。

つまり、現在監視している監視運転データＤｔ（診断対象データ群Ｇｔ）と、過去に経験した異常（トラブル）の異常兆候Ｓを示す参照運転データＤｒ（診断参照データ群Ｇｒ）とのマッチングを各々の異常度Ｔに対する寄与度Ｃの観点で行い、マッチングのとれた参照運転データＤｒが示す異常兆候Ｓが発生している可能性が高いとして、異常を予測する。これによって、過去に生じた異常が発生する前に異常の事象（内容）を予測することができ、予測された異常への対処を通してプラント９の故障の未然防止を図ることができる。

次に、上述した合致指標Ｒｍの算出方法に関する幾つかの実施形態について説明する。
幾つかの実施形態では、図３（ｂ）に示すように、合致指標Ｒｍは、診断対象データ群Ｇｔまたは診断参照データ群Ｇｒを構成する運転データＤの監視寄与度Ｃｔの合計（図３（ｂ）ではＳａ）に対する、診断対象データ群Ｇｔおよび診断参照データ群Ｇｒの双方に属するｉ個の運転データＤ（但し、ｉ≦Ｎ、Ｍ）についての監視寄与度Ｃｔの合計（図３（ｂ）ではＳ_ｐ）の割合を含む。図３に示す実施形態では、図３（ｂ）に示すように、診断対象データ群Ｇｔを構成する運転データＤの監視寄与度Ｃｔの合計をＳａとして、合致指標Ｒｍを、Ｒｍ＝Ｓ_ｐ÷Ｓａで算出している。他の幾つかの実施形態では、診断参照データ群Ｇｒを構成する運転データＤの参照寄与度Ｃｒの合計をＳａとして、同様の演算式により合致指標Ｒｍを算出しても良い。その他の幾つかの実施形態では、上記の演算式を含む他の演算式で合致指標Ｒｍを算出しても良い。

上記の構成によれば、合致指標Ｒｍの算出に寄与度Ｃを用いることで、監視運転データＤｔから抽出される診断対象データ群Ｇｔと、参照運転データＤｒから抽出される診断参照データ群Ｇｒとの合致指標Ｒｍを適切に評価することができる。

他の幾つかの実施形態では、合致指標Ｒｍは、診断対象データ群Ｇｔおよび診断参照データ群Ｇｒの双方に属するｉ個の運転データＤの数の、Ｎ個またはＭ個の数に対する割合を含む。つまり、合致指標Ｒｍは、Ｒｍ＝ｉ÷Ｎ、または、Ｒｍ＝ｉ÷Ｍを含む演算式で算出される。複数の運転データＤの各々は異常兆候Ｓの要因であり、本実施形態では、異常兆候Ｓの要因が診断対象データ群Ｇｔおよび診断参照データ群Ｇｒで共通する割合を求める。

上記の構成によれば、合致指標Ｒｍを、監視運転データＤｔから抽出される診断対象データ群Ｇｔおよび参照運転データＤｒから抽出される診断参照データ群Ｇｒに共通する運転データＤの種類の割合として算出することで、合致指標Ｒｍを適切に評価することができる。

その他の幾つかの実施形態では、合致指標Ｒｍは、診断参照データ群Ｇｒまたは診断対象データ群Ｇｔを構成する運転データＤに対して参照寄与度Ｃｒまたは監視寄与度Ｃｔが大きいほど大きい値となるポイント値を付与した際に、診断対象データ群Ｇｔおよび診断参照データ群Ｇｒの双方に属するｉ個の運転データＤ（但し、ｉ≦ＮまたはＭ）についてのポイント値の合計を含む。上記のポイント値は、例えば、図２（ｂ）または図３（ｂ）の表に示すような、寄与度Ｃを昇順に並べると共にその並びに対して１から番号を付与したＳＮ比のランキング値の逆数であっても良い。

図３に示す実施形態では、図３（ｂ）に示すように、合致指標Ｒｍは、診断対象データ群Ｇｔを構成する監視運転データＤｔのＳＮ比ランキングのリストにおいて、参照運転データＤｒの上位Ｍ個までの有無の欄が有りとなっている各監視運転データＤｔについて、ＳＮ比ランキングの逆数（ポイント値）を全て合計したものとして算出している。より具体的には、図３（ｂ）において、少なくともランキング１位、２位、５位、７位が診断対象データ群Ｇｔおよび診断参照データ群Ｇｒの双方に属しているので、合致指標Ｒｍは、Ｒｍ＝１／１＋１／２＋１／５＋１／７＋・・・というように算出される。

上記の構成によれば、合致指標Ｒｍの算出にポイント値を用いることで、監視運転データから抽出される診断対象データ群と、参照運転データから抽出される診断参照データ群との合致指標Ｒｍを適切に評価することができる。このポイント値は、診断参照データ群を構成する運転データの寄与度が大きいほど大きいため、診断対象データ群と診断参照データ群とに共通する運転データの種類により合致指標Ｒｍを算出するよりも、寄与度の大きさの順位を反映した合致指標Ｒｍを算出することができる。

次に、プラント異常監視システム１に関するその他の構成に関する実施形態について説明する。
幾つかの実施形態では、図１に示すように、プラント異常監視システム１は、参照運転データＤｒを記憶する運転データ記憶部１５を、さらに備える。図１に示す実施形態では、運転データ記憶部１５は、記憶装置１４に形成されている。これによって、参照運転データＤｒを、過去に生じた異常の異常兆候Ｓを示す情報として確実に保管することができる。

ただし、本実施形態に本発明は限定されない。他の幾つかの実施形態では、外部の他のシステムなどが参照運転データＤｒを管理しており、プラント異常監視システム１（合致指標算出部６など）は、外部の他のシステムなどから参照運転データＤｒや診断参照データ群Ｇｒを取得しても良い。

また、幾つかの実施形態では、参照運転データＤｒは、監視運転データＤｔが取得されたプラント９（例えば、図１のプラントＡ）とは異なる他のプラント（例えば、図１のプラントＢ）の運転状態を示すデータであっても良い。図１に示す実施形態では、プラント異常監視システム１は、プラントＡから収集した監視運転データＤｔの異常兆候Ｓの異常診断を、プラントＡおよびプラントＢで過去に生じた異常の解析を通して得られた参照運転データＤｒを記憶装置１４（運転データ記憶部１５）に登録して、異常診断に用いるようにしている。つまり、複数のプラント９で参照運転データＤｒ（トラブル事例）を共有している。

上記の構成によれば、他のプラント９で生じた異常の異常兆候Ｓを示す参照運転データＤｒを用いて診断を実行する。つまり、参照運転データＤｒ（トラブル事例）をプラント９間で共有しており、他プラントで発生済の異常であって自プラントで未発生である異常についても、異常が発生する前に異常を予測することができる。

本発明は上述した実施形態に限定されることはなく、上述した実施形態に変形を加えた形態や、これらの形態を適宜組み合わせた形態も含む。
例えば、図１に示す実施形態では、プラント異常監視システム１が複数のプラント９に対して共通して設けられているが、他の幾つかの実施形態では、プラント９毎にプラント異常監視システム１がそれぞれ設けられていて良い。

１ プラント異常監視システム
１２ 運転データ収集部
１４ 記憶装置
１５ 運転データ記憶部
１６ 表示装置
２ 異常監視部
２１ 異常度算出部
２２ 異常検知部
３ 異常兆候判定部
４ 異常診断部
５ 診断対象データ群抽出部
６ 合致指標算出部
７ 異常予測部
９ プラント

Ｈ 運転履歴
Ｄ 運転データ
Ｄｒ 参照運転データ
Ｄｔ 監視運転データ
Ｓ 異常兆候
Ｔ 異常度
Ｔｔ 監視異常度
Ｌａ 異常判定閾値
Ｌｓ 異常兆候判定閾値
Ｃ 寄与度
Ｃｒ 参照寄与度
Ｃｔ 監視寄与度
Ｇｒ 診断参照データ群
Ｇｔ 診断対象データ群
Ｒｍ 合致指標
Ｖ 合致判定閾値

Claims (8)

1. プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視システムであって、
   前記複数の運転データを含む監視運転データに基づいて算出される異常度である監視異常度に基づいて前記プラントにおける異常兆候の有無を判定する異常兆候判定部と、
   前記異常兆候判定部によって前記異常兆候が有ると判定された場合に、前記監視運転データと、過去に取得された前記異常兆候を示す前記複数の運転データを含む少なくとも１つの参照運転データとの比較に基づいて前記プラントの異常診断を行う異常診断部と、を備え、
   前記異常診断部は、
   前記監視運転データを構成する前記複数の運転データの各々について前記監視異常度に対する寄与度を算出すると共に、前記監視運転データのうち、算出した前記寄与度である監視寄与度の大きい上位Ｎ個（Ｎは２以上の整数を示す。）の前記運転データにより構成される診断対象データ群を抽出する診断対象データ群抽出部と、
   前記診断対象データ群と、前記参照運転データを構成する前記複数の運転データの各々について前記参照運転データに基づいて算出される前記異常度に対する前記寄与度である参照寄与度の大きい上位Ｍ個（Ｍは２以上の整数を示す。）の前記運転データにより構成される診断参照データ群との合致指標を算出する合致指標算出部と、
   前記合致指標が合致判定閾値以上となる前記参照運転データに基づいて前記プラントの前記異常を予測する異常予測部と、を有することを特徴とするプラント異常監視システム。
2. 前記合致指標は、前記診断対象データ群または前記診断参照データ群を構成する前記運転データの前記監視寄与度の合計に対する、前記診断対象データ群および前記診断参照データ群の双方に属するｉ個の運転データ（但し、ｉ≦Ｎ、Ｍ）についての前記監視寄与度の合計の割合を含むことを特徴とする請求項１に記載のプラント異常監視システム。
3. 前記合致指標は、前記診断対象データ群および前記診断参照データ群の双方に属するｉ個の運転データ（但し、ｉ≦ＮまたはＭ）の数の、前記Ｎ個または前記Ｍ個の数に対する割合を含むことを特徴とする請求項１に記載のプラント異常監視システム。
4. 前記合致指標は、前記診断参照データ群または前記診断対象データ群を構成する前記運転データに対して前記参照寄与度または前記監視寄与度が大きいほど大きい値となるポイント値を付与した際に、前記診断対象データ群および前記診断参照データ群の双方に属するｉ個の前記運転データ（但し、ｉ≦ＮまたはＭ）についての前記ポイント値の合計を含むことを特徴とする請求項１に記載のプラント異常監視システム。
5. 前記異常度は、マハラノビス距離であり、
   前記寄与度は、前記運転データのＳＮ比であることを特徴とする請求項１〜４のいずれか１項に記載のプラント異常監視システム。
6. 前記参照運転データを記憶する運転データ記憶部を、さらに備えることを特徴とする請求項１〜５のいずれか１項に記載のプラント異常監視システム。
7. 前記参照運転データは、前記監視運転データが取得された前記プラントとは異なる他のプラントの前記運転状態を示すデータであることを特徴とする請求項１〜６のいずれか１項に記載のプラント異常監視システム。
8. プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視方法であって、
   前記複数の運転データを含む監視運転データに基づいて算出される異常度である監視異常度に基づいて前記プラントにおける異常兆候の有無を判定する異常兆候判定工程と、
   前記異常兆候判定工程によって前記異常兆候が有ると判定された場合に、前記監視運転データと、過去に取得された前記異常兆候を示す前記複数の運転データを含む少なくとも１つの参照運転データとの比較に基づいて前記プラントの異常診断を行う異常診断工程と、を備え、
   前記異常診断工程は、
   前記監視運転データを構成する前記複数の運転データの各々について前記監視異常度に対する寄与度を算出すると共に、前記監視運転データのうち、算出した前記寄与度である監視寄与度の大きい上位Ｎ個（Ｎは２以上の整数を示す。）の前記運転データにより構成される診断対象データ群を抽出する診断対象データ群抽出工程と、
   前記診断対象データ群と、前記参照運転データを構成する前記複数の運転データの各々について前記参照運転データに基づいて算出される前記異常度に対する前記寄与度である参照寄与度の大きい上位Ｍ個（Ｍは２以上の整数を示す。）の前記運転データにより構成される診断参照データ群との合致指標を算出する合致指標算出工程と、
   前記合致指標が合致判定閾値以上となる前記参照運転データに基づいて前記プラントの前記異常を予測する異常予測工程と、を有することを特徴とするプラント異常監視方法。

Images