JP2019079275A - プラントの運転支援装置及び運転支援方法 - Google Patents

Abstract

【課題】異常発生時には早期にプラントを停止し異常の波及に伴う損害コストの増加を回避することを目的とする。【解決手段】運転データ３に基づいてプラント１００の運転状態を診断する診断手段５００と、診断手段５００によって得られた診断結果をもとに物理モデルに基づいて異常が波及する機器と時間とを予測する異常波及予測手段６００と、異常波及予測手段６００結果に基づいて損害コストの経時変化を予測するコスト計算手段７００と、損害コストが予め定められた１００プラントの緊急停止に伴う損害コスト以上の場合にプラント１００を停止する信号を生成するプラント停止判定手段８００と、を備える運転支援装置２００。【選択図】図１

Description

本発明はプラントの運転支援装置及び運転支援方法に関するものであり、特に損害コスト増加を回避するプラントの運転支援装置及び運転支援方法に関する。

近年、ICT (Information and Communication Technology )、IoT(Internet of Thing)の技術革新に伴い、高速な計算機やネットワーク通信、大容量なデータ保存装置を利用できる環境が整いつつある。多くの産業分野で大量に蓄積したデータの利活用に注目が集まるなか、発電事業の分野でも、発電プラントの計測データや点検・保全データなどの現地サイトで収集したデータと、企業の経営及び資産情報を管理するシステムの統合により、より効率的な経営方針の策定が求められている。発電事業の分野では、風力発電や太陽光発電などの再生可能エネルギーの利用増加に伴う発電量の変動が電力系統の安定性を低下させるという懸念から、バックアップ電源としての火力発電プラントの重要性が増している。また、東日本大震災以後から、国内における原子力発電の比率が減少した結果、火力発電プラントは従来からの負荷調整としての役割だけでなく、ベースロード電源としての役割も担っているのが実態である。そのため火力発電プラントには稼働率、環境性能、効率などの重要業績評価指標(KPI：Key Performance Indicators)を考慮した運用が求められている。

火力発電プラントのKPIを改善するため、診断対象に異常状態が発生する前の異常兆候を検知する装置やその方法が多数検討されている。特許文献１には、適応共鳴理論（Adaptive Resonance Theory：ART）を用いた診断装置が開示されている。ここでARTとは、多次元の時系列データをその類似度に応じてクラスタに分類する理論である。

特許文献１の技術においては、まずARTを用いて正常時の運転データを複数のクラスタ（正常クラスタ）に分類する。次に、現在の運転データをARTに入力してクラスタに分類する。この時系列データが正常クラスタに分類できない時は、新しいクラスタ（新規クラスタ）を生成する。新規クラスタの発生は、診断対象の状態が新しい状態(新状態)に変化したことを意味する。そこで、特許文献１の診断装置では、異常兆候の発生を新規クラスタの発生で判断している。

また、特許文献２にはプラントを構成する機器の破損・性能低下・機能停止によるリスクコストを予測し、運用による利得と比較しながら最適な運用方法を選択し、指示する技術が開示されている。

特開２０１０-２３７８９３ 特開２００４-０９４６３１ 特開２０１５-７５０９

特許文献１の技術を用いることで、プラントにおける異常兆候の発生を検知することが可能である。異常兆候を検知した場合、プラントの運転員はその原因の分析と確認のためにプラントの運転を継続する。但し、異常の原因分析、確認等を実施することで別途そのための時間が必要となる可能性がある。

また、特許文献２の技術ではリスクコストの予測に異常発生及び異常波及の確率モデルを用いる。このような確率モデルを構築するためには、過去に発生した異常の事例を収集する必要がある。

そこで本発明では、異常発生時には早期にプラントを停止し異常の波及に伴う損害コストの増加を回避することを目的とする。

上記目的を達成するため、本発明に係る運転支援装置は運転データに基づいてプラントの運転状態を診断する診断手段と、前記診断手段によって得られた診断結果をもとに物理モデルに基づいて異常が波及する機器と時間とを予測する異常波及予測手段と、前記異常波及予測手段結果に基づいて損害コストの経時変化を予測するコスト計算手段と、前記損害コストが予め定められた前記プラントの緊急停止に伴う損害コスト以上の場合に前記プラントを停止する信号を生成するプラント停止判定手段と、を備える。

本発明によれば、異常発生時には早期にプラントを停止し異常の波及に伴う損害コストの増加を回避できる。

本発明の実施例である運転支援装置を説明するブロック図である。 本発明の運転支援装置の動作を説明するフローチャート図である。 本発明の運転支援装置に搭載されている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。 本発明の運転支援装置に搭載されている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。 本発明のクラスタリング手段の実施例として、適応共鳴理論（ＡＲＴ）を用いた場合のブロック図を説明する図である。 本発明のクラスタリング手段におけるデータの分類結果を説明する図である。 本発明のプラント停止判定の動作を説明するフローチャート図である。 本発明のシナリオ毎のコスト、損傷度合の経時変化の計算結果例を説明する図である。 本発明の画像表示装置に表示される画面の実施例である。 本発明の運転支援装置を適用する対象が石炭焚きボイラである場合の構成を説明するブロック図である。

図１は本発明の実施例である運転支援装置２００を説明するブロック図である。本実施例では、運転支援装置２００は運転支援対象であるプラント１００と外部装置９００に接続している。プラント１００は機器１１０と制御装置１２０で構成する。制御装置１２０では、機器１１０から送信される計測信号２を受信し、制御信号１を送信する。

運転支援装置２００は、演算装置としてクラスタリング手段４００、診断手段５００、異常波及予測手段６００、コスト計算手段７００、プラント停止判定手段８００を備えている。

また、運転支援装置２００は、データベースとして運転データデータベース３１０、コスト情報データベース３２０、計算結果データベース３３０を備える。計算結果データベース３３０には、運転支援装置２００の演算装置で計算した結果が保存される。尚、図１ではデータベースをＤＢと略記している。データベースには、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。

運転装置２００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２１０及び外部出力インターフェイス２２０を備えている。そして、外部入力インターフェイス２１０を介してプラント１００にて収集している運転データ３と、外部装置９００に備えられている外部入力装置９１０(キーボード９１０及びマウス９２０)の操作で作成する外部入力信号４が運転支援装置２００に取り込まれる。

運転支援装置２００に取り込まれた運転データ３は外部入力インターフェイスを介して運転データデータベース３１０に保存する。外部入力信号４に含まれるコスト情報６はコスト情報データベース３２０に保存する。また、外部出力インターフェイス２２０を介して、画像表示情報１６を画面表示装置９４０に、プラント停止信号１５を制御装置１２０に出力する。

クラスタリング手段４００では、運転データデータベース３１０に保存されている運転データを、その類似度に応じてクラスタに分類する。クラスタリング手段４００では、特許文献１に開示されている適応共鳴理論を用いた技術を搭載している。尚、クラスタリング技術４００は本実施例で述べた手段に限定されず、他のクラスタリング技術を搭載して構成しても良い。クラスタリング結果８は、原因推定手段５００に送信する。

診断手段５００では、クラスタリング結果８に基づいてプラント１００の運転状態を診断する。特許文献１に開示されている通り、診断手段５００ではまず正常時の運転データを複数のクラスタ（正常クラスタ）に分類する。次に、現在の運転データをクラスタに分類する。この時系列データが正常クラスタに分類できない時は、新しいクラスタ（新規クラスタ）を生成する。新規クラスタの発生は、診断対象の状態が新しい状態(新状態)に変化したことを意味する。そこで、異常兆候の発生を新規クラスタの発生で判断している。

異常兆候の発生を検知した場合は、診断手段５００にて異常原因を推定する。診断手段５００では、特許文献１に開示されているように、クラスタ番号に対応付けられた事象を異常原因として推定する。尚、診断手段５００は本実施例で述べた手段に限定されず、他の異常原因推定技術を搭載して構成しても良い。原因推定結果９は、異常波及予測手段６００に送信する。

異常波及予測手段６００では、原因推定結果９に基づいて、異常が波及する様子を物理モデルを用いて解析し、予測する。ここで物理モデルとは質量保存則、運動量保存則などの物理式に基づいて構築するモデルである。また、異常波及予測手段６００では、原因推定結果９、プラント停止判定手段８００で生成されるシナリオ情報１４を用いて、シナリオ毎の損傷度合の経時変化を計算する。異常波及予測結果１０は、コスト計算手段７００に送信する。

コスト計算手段７００では、異常波及予測結果１０、コスト情報１１を用いて、損失コストを計算する。また、コスト計算手段７００では、異常波及予測結果１０、コスト情報１１、プラント停止判定手段８００で生成されたシナリオ情報１４を用いて、シナリオ毎の損失コストを計算する。コスト計算手段７００では、異常波及度合いが閾値を超えた部品について、交換に要する費用を加算してコスト情報を計算する。コスト計算結果１２は、プラント停止判定手段８００に送信する。

プラント停止判定手段８００では、コスト計算結果１２に基づいて、プラント１００を停止するか否かを計算する。

プラント停止判定結果１３は外部出力インターフェイス２２０に送信し、プラントを停止する判定結果である場合にはプラント停止信号１５が制御装置１２０に送信される。

なお、本実施例の運転支援装置２００においては、演算装置、およびデータベースが運転支援装置２００の内部に備えられているが、これらの一部の装置を運転支援装置２００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、各データベースに保存されている信号である信号データベース情報５０は、その全ての情報を外部出力インターフェイス２２０を介して画面表示装置９４０に表示でき、これらの情報は外部入力装置９１０を操作して生成する外部入力信号２で修正できる。本実施例では、外部入力装置９１０をキーボード９２０とマウス９３０で構成しているが、音声入力のためのマイク、タッチパネルなど、データを入力するための装置であれば良い。

また、本発明の実施形態として、オフラインで運転データを解析する装置として実施可能であることは言うまでもない。また、本実施例では運転支援装置２００の適用対象をプラントとしているが、適用対象をプラント以外の設備としても実施可能であることは言うまでもない。

図２は運転支援装置２００の動作を説明するフローチャート図である。

ステップ１０００では、制御装置１２０から運転データ３を取り込み、運転データデータベース３１０に保存する。

ステップ１０１０では、動作モードが学習モードであるか、診断モードであるかを判定する。学習モードである場合はステップ１０２０に進み、診断モードである場合はステップ１０３０に進む。学習モードは本フローチャートの繰り返し回数が１回（初回）の時に動作し、２回目以降は診断モードが動作する。

ステップ１０２０では、クラスタリング手段４００にて学習データを処理し、正常状態におけるクラスタを生成する。その後、ステップ１０００に戻る。

ステップ１０３０では、クラスタリング手段４００にて、診断データを処理する。ステップ１０４０では、クラスタリング結果８に基づいて、プラント１００に異常が発生しているか否かを判定する。異常を検知した場合はステップ１０５０に進み、異常を検知しなかった場合はステップ１０００に戻る。 ステップ１０５０では、診断手段５００にて、異常原因を推定する。ステップ１０６０では、異常波及予測手段６００にて、物理モデルを用いて異常の波及する部品と時刻を予測する。ステップ１０７０では、コスト計算手段７００を動作させ、異常及び異常の波及に伴うコストを計算する。ステップ１０８０では、プラント停止の判定を実施する。ステップ１０８０の内容は、図７を用いて後述する。ステップ１０９０では、プラント停止信号１５を制御装置１２０に送信する。ステップ１１００では、画像表示情報１６を画像表示装置９４０に送信する。ステップ１１１０では、運転員から停止の指示があった場合は終了に進み、指示がない場合はステップ１０００に戻る。

図３、４は運転支援装置２００に搭載されている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。

図３(a)は運転データデータベース３１０に保存されるデータの態様を説明する図である。図３(a)に示すようにセンサで計測した運転データがサンプリング周期毎に保存される。

図３(b)はコスト情報データベース３２０に保存されるデータの態様を説明する図である。図３(b)に示す通り、異常及び異常波及に伴う損失に関するコスト情報として、例えば部品交換に要するコスト情報が保存されている。

図３(c)(d)図４(a)(b)(c)は、計算結果データベース３３０に保存されるデータの態様を説明する図である。

図３(c)(d)は、クラスタリング手段４００を動作させることで得られるデータであり、時刻とクラスタ番号の関係(図３(c))と、クラスタ毎の属性、クラスタ毎の重み係数である。ここで、属性とは、各クラスタが正常クラスタであるか、異常クラスタであるかを定義するための情報である。また、重み係数とは、各クラスタの中心座標を定義するための係数情報である。

さらに、属性が異常のクラスタについては、クラスタ毎に定義されている異常事象が保存されている。尚、診断手段５００では、図３(c)に示した各時刻のクラスタ番号と、図３(d)で定義されている事象名称を照合し、異常事象を推定する。

図４(a)は、異常波及予測手段６００を動作させて得られる部品毎の異常の波及度合いと時刻の関係である。ここで異常波及度合いとは、例えば配管では肉厚の低減幅をであり、部品毎に異常に伴って受ける損傷の度合いを数値化したものである。

図４(b)は、コスト計算手段７００を動作させて得られるコスト情報と時刻の関係である。異常波及度合いが閾値を超えた部品について、交換に要する費用を加算した値をコスト情報として保存される。

図４(c)は、プラント停止判定手段８００を動作させて得られる停止判定結果と時刻の関係である。「０」は運転継続、「１」は運転停止と判定したことを意味する。

図５は、クラスタリング手段４００の実施例として、適応共鳴理論（ＡＲＴ）を用いた場合のブロック図を説明する図である。以下の説明において、クラスタとクラスターは同じ意味である。

ＡＲＴには、運転データ、及び原料情報データを設定した正規化範囲に基づいて0から1の範囲に正規化したデータ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）として入力する。

ＡＲＴモジュール４１０は、Ｆ０レイヤー４１１、Ｆ１レイヤー４１２、Ｆ２レイヤー４１３、メモリ４１４及び選択サブシステム４１５を備え、これらは相互に結合している。Ｆ１レイヤー４１２及びＦ２レイヤー４１３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クラスタのプロトタイプ（原型）を表している。ここで、プロトタイプとは、クラスタの代表値を表すものである。

次に、ＡＲＴ４１０のアルゴリズムについて説明する。

ＡＲＴ４１０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４１１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４１２に入力された入力データと重み係数との比較により、ふさわしいクラスタの候補を選択する。

処理３：選択サブシステム４１５で選択したクラスタ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、入力データはそのクラスタに分類され、処理４に進む。一方、妥当と判断されなければ、そのクラスタはリセットされ、他のクラスタからふさわしいクラスタの候補を選択する（処理２を繰り返す）。パラメータρの値を大きくするとクラスタの分類が細かくなる。すなわち、クラスタサイズが小さくなる。逆に、ρの値を小さくすると分類が粗くなる。クラスタサイズが大きくなる。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クラスタがリセットされると、入力データが新規クラスタに属すると判断され、新規クラスタ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：入力データがクラスタＪに分類されると、クラスタ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）を用いて数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、数１及び後述する数２乃至数１２の各演算式は前記ＡＲＴ４１０に組み込まれている。

ＡＲＴ４１０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、ＡＲＴ４１０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ＡＲＴ４１０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、新規クラスタに分類される。

図５（ｂ）は、Ｆ０レイヤー４１１の構成を示すブロック図である。Ｆ０レイヤー４１１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４１２、及び選択サブシステム４１５に入力する正規化入力ベクトルｕ_i ⁰作成する。
始めに、入力データＩ_ｉから、数２に従ってＷ_i ⁰を計算する。ここでａは定数である。

次に、Ｗ_i ⁰を正規化したＸ_i ⁰を、数３を用いて計算する。ここで、||Ｗ^０||は、Ｗ^０のノルムを表す。

そして、数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。数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、数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５（ｃ）は、Ｆ１レイヤー４１２の構成を示すブロック図である。Ｆ１レイヤー４１２では、数５で求めたｕ_i ⁰を短期記憶として保持し、Ｆ２レイヤー４１３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数６乃至数１２に示す。ただし、ａ、ｂは定数、ｆ（・）は数４で示した関数、Ｔ_jはＦ２レイヤー４１３で計算する適合度である。

図６はクラスタリング手段４００におけるデータの分類結果を説明する図である。
図６（ａ）は、運転データをクラスタに分類した分類結果の一例を示す図である。

図６（ａ）は、一例として、運転データのうちの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、それぞれの項目の運転データを規格化して示した。

運転データは、ＡＲＴモジュール４１０によって複数のクラスタ４１９（図４（a）に示す円）に分割される。１つの円が、１つのクラスタに相当する。

本実施例では、運転データは４つのクラスタに分類されている。クラスタ番号１は、項目Ａの値が大きく、項目Ｂの値が小さいグループ、クラスタ番号２は、項目Ａ、項目Ｂの値が共に小さいグループ、クラスタ番号３は項目Ａの値が小さく、項目Ｂの値が大きいグループ、クラスタ番号４は項目Ａ、項目Ｂの値が共に大きいグループである。

図６（ｂ）は、運転データをクラスタに分類した結果、及び運転データの例を説明する図である。横軸は、時間、縦軸は計測信号、クラスタ番号である。

図６（ｂ）に示すように、運転データはクラスタ１〜４に分類された。

クラスタ４は正常時に経験していない新状態であり、図２のステップ１１４０では異常の発生をクラスタ番号に基づいて判定する。

図７は、図２のステップ１０８０の動作を説明するフローチャート図であり、本フローチャートではコスト計算手段７００とプラント停止判定手段８００を使用して動作させる。

ステップ１２００では、プラント停止の緊急性を判断する。

ステップ１０７０で算出した異常発生及び異常波及による損失額とプラント停止による機会損失額とを比較し、前者の値が高額である場合はステップ１２１０に進む。それ以外の場合はステップ１２２０に進む。

ステップ１２１０では、プラント１００の停止が必要であると判定し、終了に進む。

ステップ１２２０では、プラント停止判定手段８００にて運用シナリオを作成する。ここで運用シナリオとは異常検知後にプラント運転を継続する、運転を停止して補修することなどを想定したシナリオである。ステップ１２３０では、ステップ１２２０で作成した運用シナリオ１４を、コスト計算手段７００、異常波及予測手段６００に送信し、コストと異常波及度合の経時変化を計算する。ステップ１２４０では、シナリオ毎のプラント停止推奨時刻を算出し、終了に進む。

また、プラントを停止させる際、プラントを停止させるモードが複数ある場合には、検知した異常事象に合わせて、異常の波及が少なくなるように適切な停止モードを選択するように構成しても良い。

図８は、図７におけるステップ１２３０を動作して得られるシナリオ毎のコスト、損傷度合の経時変化の計算結果例を説明する図である。

本プラントでは、異常を時刻T1に検知し、定期検査を時刻T6に実施することを予定している。本実施例では、シナリオ１〜３の３種類のシナリオを比較している。

シナリオ１は、プラントの運転を継続した場合を想定している。この場合、時刻T3で損傷度合いが閾値を超えて、プラントを停止して補修する必要がある。時刻T3から時刻T5の間補修しているため、売上は増加しない。

シナリオ２は、プラントの運転負荷を下げて運転を継続した場合を想定している。単位時間あたりの売上は減少するが、損傷度合いの進み方がシナリオ１よりも遅くなり、定期検査まで運転を継続することが可能となる。

シナリオ３では、時刻T2にプラントを停止し、時刻T2から時刻T4まで補修する。補修期間は、シナリオ１よりも短い。シナリオ３では、時刻T6における売上額が一番高額となる。

このように、本発明ではシナリオ毎の売上、保守費、損傷度合の経時変化を比較してプラントを停止するタイミングを決定することが可能である。また、自動的にプラントを停止するタイミングを決定することもできる。

図９は、画像表示装置９４０に表示される画面の実施例である。図８で述べた売上、保守費、損傷度合いなどの計算結果をグラフ、テーブル形式など、任意の形式で表示できる。このように、診断結果、異常波及予測結果、コストの情報を運転員に提供することが可能である。

以上述べたように、本発明による運転支援装置を用いることで、異常発生時には早期にプラントを停止し、異常の波及に伴う損害コストの増加を回避できる。

図１０は、適用対象のプラント１００における機器１１０が石炭焚きボイラである場合の構成を説明するブロック図である。

図１０はプラント１００の実施形態を示した図である。

本実施例はボイラ２２００、ボイラ２２００で発生させた蒸気により駆動する蒸気タービン２３００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）。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２２９０の弁開度を調節することで、タービン２３００へ導かれる蒸気流量２２６１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２３００から出た蒸気を冷却して液体にする復水器２３１０、復水器２３１０で冷却された水をボイラ給水として再びボイラ２２００へ送り込む給水ポンプ２３２０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２３００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２２０１の系統には、排ガスを浄化するための排ガス処理装置２３３０、浄化したガス２３３１を放出する煙突２３４０がある。

燃料である石炭２３８１は燃料供給量調整弁２３８０を介して、石炭粉砕機（ミル）２３５０に送られる。また、石炭搬送と燃焼調整にもちいる空気２３８２は空気量調整弁２３７０を介して、石炭粉砕機２３５０とバーナ２３１０に供給される。石炭粉砕機２３５０で粉末（微粉炭）となった石炭は、空気で搬送されてバーナ２２１０に供給される。バーナ２２１０の上部にはアフタエアポート２２２０が配置され、アフタエアポート２２２０には空気２３８３が空気量調整弁２３６０を介して供給される。

次にボイラ２２００の構成について説明する。

燃料を燃焼させるバーナ２２１０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２２３０と呼ばれる冷却壁がある。ボイラ２２００内には他にも節炭器２２８０、１次過熱器２２７０、２次過熱器２２４０、３次過熱器２２５０、４次過熱器２２６０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２３９０から計測情報１としてボイラチューブリーク検出装置２４００に送信される。また、図示していないが、ボイラのバーナ２２１０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１０(b)に示すように、ボイラ給水はまず節炭器２２９０に導かれ、その後水壁２２３０、１次過熱器２２７０、２次過熱器２２４０、３次過熱器２２５０、４次過熱器２２６０の順に通って昇温され、主蒸気２２６１となって蒸気タービン２３００へ流入する。高圧蒸気タービン２３００で仕事をした蒸気は復水器２３１０で液体となり、給水ポンプ２３２０で再びボイラへ送られる。

図１０(c)は、３次過熱器２２５０の上面図である。過熱器を構成するチューブ２２５１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。また、過熱器にはチューブメタル温度の計測器２２５２が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。

このように、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。

チューブリークの発生を検知する技術として、特許文献３に記載されている技術が公開されている。

本実施例の診断手段５００では、異常原因推定方法として、特許文献３に記載されているようメタル温度の変化幅からリーク位置を推定する技術を搭載しても良い。

また、前記クラスタリング手段４００ではデータを複数のグループに分け、グループ毎にクラスタリング処理を実施し、前記プラント停止判定手段８００では、異常を検知したグループ数が閾値よりも多い場合にプラントを停止するように判定しても良い。

異常波及予測手段６００に搭載される物理モデルとしては、例えば数１３に示すような摩耗量を計算するFinnieとBitterの式を搭載する。

ここで、Wは総摩耗量、Wcは切削摩耗量、Wdは変形摩耗量である。Wc、Wdはそれぞれ数１４、１５で計算する。

ここで、Mは総粒子衝突量(kg)、ρは密度、αは粒子の衝突角度、Vは粒子の衝突速度、mpは粒子の質量、rpは粒子の半径、Ipは粒子の完成モーメント、Kは粒子が衝突する際の垂直力と水平力の比、K‘は被摩耗財に生ずる応力が弾性限界に達する衝突速度、Pは最大接触応力の垂直成分、Ψは切削摩耗定数、εは単位体積の被摩耗財をはぎ取るのに必要なエネルギー、Cは実験定数、添え字のtは被摩耗財、pは粒子である。

本モデルを用いることで、リーク蒸気が周辺のチューブに衝突し、チューブが減肉する速度（mm/min)を予測することが可能となる。チューブの肉厚が運転限界値以下となる時刻を、リーク波及予測時刻として出力する。

また、正常状態における肉厚の経時変化を本モデルを用いて計算し、異常検知時の肉厚を設定することも可能である。

以上述べたように、本発明による運転支援装置を用いることで、異常発生時には早期にプラントを停止し、異常の波及に伴う損害コストの増加を回避できる。

１ 制御信号
２ 計測信号
３ 運転データ
４ 外部入力情報
５ 運転データ
６ コスト情報
７ 運転データ
８ クラスタリング結果
９ 原因推定結果
１０ 異常波及予測結果
１１ コスト情報
１２ 損失コスト計算結果
１３ プラント停止判定結果
１４ シナリオ情報
１５ プラント停止信号
１６ 画像表示情報
５０ ＤＢ情報
１００ プラント
１１０ 機器
１２０ 制御装置
２００ 運転支援装置
２１０ 外部入力インターフェイス
２２０ 外部出力インターフェイス
３１０ 運転データデータベース
３２０ コスト情報データベース
３３０ 計算結果データベース
４００ クラスタリング手段
５００ 診断手段
６００ 異常波及予測手段
７００ コスト計算手段
８００ プラント停止判定手段
９００ 外部装置
９１０ 外部入力装置
９２０ キーボード
９３０ マウス
９４０ 画像表示装置

Claims (10)

1. 運転データに基づいてプラントの運転状態を診断する診断手段と、
   前記診断手段によって得られた診断結果をもとに物理モデルに基づいて異常が波及する機器と時間とを予測する異常波及予測手段と、
   前記異常波及予測手段結果に基づいて損害コストの経時変化を予測するコスト計算手段と、
   前記損害コストが予め定められた前記プラントの緊急停止に伴う損害コスト以上の場合に前記プラントを停止する信号を生成するプラント停止判定手段と、を備える運転支援装置。
2. 請求項１に記載の運転支援装置であって、
   前記運転データは前記プラントの前記運転データをデータ類似性に応じてクラスタに分類するクラスタリング手段の分類結果であることを特徴とする運転支援装置。
3. 請求項２に記載の運転装置であって、
   前記診断手段は前記分類結果に基づいて前記プラントの運転状態が正常であるか異常であるかを診断し、異常である場合には異常原因を推定することを特徴とする運転装置。
4. 請求項１ないし３のいずれか１項に記載の運転支援装置であって、
   前記プラント停止判定手段は、前記損害コストが予め定められた前記プラントの緊急停止に伴う前記損害コスト未満の場合には前記プラントの稼働に関する運用シナリオを作成し、前記運用シナリオ毎に前記プラント停止の推奨時刻を算出することを特徴とする運転支援装置。
5. 請求項３または４に記載の運転支援装置であって、
   前記物理モデルは前記異常原因に基づいて解析のための境界条件を設定し、物理法則に基づくことを特徴とする運転支援装置。
6. 請求項１ないし５のいずれか１項に記載の運転支援装置であって、
   前記プラント停止判定手段は検知した前記異常の事象に合わせて前記プラントの停止モードを選択することを特徴とする運転支援装置。
7. 請求項１ないし６のいずれか１項に記載の運転支援装置であって、
   前記コスト計算手段は、前記機器の前記異常波及予測手段の結果が所定の値を超えたとき、前記機器の交換に要する費用を加算してコストを計算することを特徴とする運転支援装置。
8. 請求項１ないし７のいずれか１項に記載の運転支援装置であって、
   前記診断結果、前記異常波及予測結果及び前記損害コストを表示するための画面表示手段に接続されていることを特徴とする運転支援装置。
9. 請求項１ないし８のいすれか１項に記載の運転支援装置であって、
   前記機器がボイラであり、前記異常がボイラチューブリークによる漏洩蒸気が周囲のチューブに衝突して破損することであることを特徴とする運転支援装置。
10. 運転データに基づいてプラントの運転状態を診断する診断手段と、
    前記診断手段によって得られた診断結果をもとに物理モデルに基づいて異常が波及する機器と時間とを予測する異常波及予測手段と、
    前記異常波及予測手段結果に基づいて損害コストの経時変化を予測するコスト計算手段と、
    前記損害コストが予め定められた前記プラントの緊急停止に伴う損害コスト以上の場合に前記プラントを停止する信号を生成するプラント停止判定手段と、を備える運転支援方法。

Images