JP2021165607A - 吸収式冷温水機の性能診断方法 - Google Patents

Abstract

【課題】通常運転中の計測データから性能劣化をリアルタイムで検出することができる吸収式冷温水機の性能診断方法を提供する。【解決手段】納入当初もしくはメンテナンス実施後所定期間内の性能劣化していない運転中の各種データから、全負荷域にて正常な性能時の適正燃焼量を算出できる関係式を作成し、当該関係式にて通常運転中の計測データから適正な燃焼量を常時算出し、実際の燃焼量と比較することで、通常運転中に劣化を即時診断できるように構成する。【選択図】 図２

Description

本発明は、吸収式冷温水機の劣化度合いを判断する性能診断方法及び装置に関する。

業務用空調装置に用いられる吸収式冷温水機は、経年によりエネルギー効率が低下するため、定期的にメンテナンスを実施する必要がある。しかしその一方で、機器の性能劣化までの期間は外部環境や運転状態によっても異なるため、メンテナンス時期を一概に定めることは困難である。
性能劣化を検知するためには、定格運転状態を一定時間継続させ計測を行う必要があるため、負荷が常に変化している通常の運転状態では性能劣化を検知することは困難であり、年に１回から２回の定期整備時に計測を行っている。

このため、性能が劣化していても定期整備時にしか気付くことができず、性能劣化状態で長期間運転したため燃料コスト増となってしまう。また、定期整備時に気付いたとしても性能復旧には別途作業が必要となり、機器の停止期間延長など、運転において大きな影響が出てしまう。
そこで、運転中においても、吸収式冷温水機の各種センサ情報などから劣化度合いを判断する性能診断方法が従来から提案されている。

例えば、下記の特許文献１には、駆動源の入力に関わる物理量と、冷熱媒体への冷却熱量に関わる物理量の標準的な関係との距離から吸収式冷温水機の運転性能を診断する方法が提案されている。

特開２０１８−３１５５８号公報

特許文献１では、出荷時の検査データや設置当初の運転時の計測データから安定運転状態の係数を算出し、安定運転時を推定、平均化処理を行い、劣化度合いを判断している。
しかしながら、特許文献１に記載されるように負荷変動が大きな当該装置において、変動度合い（幅や速度）は納入先の運転状態や付帯設備、季節の影響といった様々な側面に依存するため、出荷時の検査データや設置当初の運転時の計測データだけでは安定運転時を精度良く推定することは困難であり、さらには平均化処理を行うことでより精度が低下し、劣化の誤判定に至る場合もある。誤判定を行わない高精度の推定を行うためには、あらゆる運転状態での計測データが必要となるが、納入先設備毎のあらゆる運転状態の計測データを収集することは実質困難である。また、前述の解決策として、各物理量が相関を持つ当該装置において、特定負荷での運転時の計測データから標準的な関係式を導出することも考えられるが、当該装置や付帯設備等の個体差等により、誤差が増加し診断精度が保証されないことが懸念される。

本発明は、納入当初もしくはメンテナンス実施後所定期間内の性能劣化していない運転中の各種計測データから、納入先設備毎の運転で使用される全負荷域にて正常な性能時の適正燃焼量を算出できる関係式を作成し、当該関係式にて通常運転中の計測データから適正な燃焼量を常時算出し、実際の燃焼量と比較することで、通常運転中に劣化を即時診断できるようにした吸収式冷温水機の性能診断方法及び装置を提供することを目的とする。

本発明の吸収式冷温水機の性能診断方法は、燃料あるいは熱源を駆動源とし、冷熱媒体を冷却することにより冷熱を発生する吸収式冷温水機の性能診断方法において、吸収式冷温水機の入出力に関わる物理量もしくは内部状態に関わる物理量のうち、燃焼量を、冷水入口温度、冷水出口温度、冷却水入口温度、冷却水出口温度及び高温再生器温度から算出する関係式を求める学習処理工程と、診断対象とする計測データの内で、前記工程での学習時の計測データと近しい状態の計測データを抽出するデータ抽出処理工程と、診断対象とする計測データと前記関係式から劣化する以前の燃焼量を推定する評価処理工程と、前記の推定された燃焼量と実測された燃焼量とを比較判定する劣化判定工程と、を含むことを特徴とする。ここでいう計測データとは、センサおよび制御装置から供給される信号値を一定周期に収集したものである。

学習処理工程では、上記物理量で燃焼量を算出できるが、冷水流量、冷却水流量があるとなお良い。すなわち、学習処理工程において、燃焼量を、冷水入口温度、冷水出口温度、冷却水入口温度、冷却水出口温度、高温再生器温度、冷水流量及び冷却水流量から算出する関係式を求めることが望ましい。

上記の方法では、所定の基準状態において、複数の物理量の相関を考慮した関係式を算出することにより、負荷変動を含んだ通常運転時の計測データを診断可能とする。所定の基準状態とは、典型的な一例として、納入当初もしくはメンテナンス直後の性能劣化していない状態をいう。もちろん、所定の基準状態は、上記の典型的な一例に限定されるものではなく、燃焼量を推定するための関係式を算出可能であれば、納入当初もしくはメンテナンス直後でなくてもよい。

上記の方法では、診断対象となる運転時の計測データが、関係式算出時と異なる運転状態もしくは負荷域となっている場合、診断誤差が大きくなるため、関係式算出時の運転時の計測データとのマハラノビス距離（ＭＤ値：Mahalanobis Distance）を算出して、閾値を超過したデータについては、診断対象から除外する。

上記の方法では、個体差や付帯設備、運転状態によっても、推定誤差と性能劣化度合いの関係は変化するため、劣化判定の閾値を関係式算出時の運転時の計測データから設備毎に自動的に算出する。

また、本発明の吸収式冷温水機の性能診断装置は、燃料あるいは熱源を駆動源とし、冷熱媒体を冷却することにより冷熱を発生する吸収式冷温水機の性能診断装置において、吸収式冷温水機の入出力に関わる物理量もしくは内部状態に関わる物理量のうち、燃焼量を運転時の計測データから算出する関係式を求めるための学習処理手段と、診断対象とする計測データの内で、前記工程での学習時の計測データと近しい状態の計測データを抽出するためのデータ抽出処理手段と、診断対象とする計測データと前記関係式から劣化する以前の適正燃焼量を推定するための評価処理手段と、前記適正燃焼量と実測された燃焼量とを比較判定し、劣化判定した診断結果を表示するための診断結果表示手段と、を備えたことを特徴とする。

上記の装置では、診断結果表示手段として、吸収式冷温水機の制御盤に組み込まれている構成を採用することができる。

上記の装置では、診断結果表示手段として、遠隔監視装置で収集された計測データを用いて、吸収式冷温水機とは別の場所のサーバ上で診断・表示するような構成を採用することができる。

本発明の吸収式冷温水機の性能診断方法及び装置は、通常運転中の計測データから性能劣化をリアルタイムで検出することができる。そして、必要なデータを収集するための試験運転等は必要なく、吸収式冷温水機を通常運転している状態でデータ収集し、そのデータから学習、診断を行うことができる。

本発明により、従来は精度良く診断できなかった、負荷変動により物理量が変動している状態においても高精度で推定でき、さらには推定精度が低下する可能性のある関係式算出時とは異なる運転時の計測データについては、劣化の判定対象から除外することで、劣化の誤判定を無くすことが可能となる。

納入当初もしくはメンテナンス実施後所定期間内の性能劣化していない運転中の各種データから、設備毎の運転で通常使用される全負荷域にて正常な性能時の適正燃焼量を算出できる関係式を算出することができる。

本関係式にて通常運転中の計測データから適正な燃焼量を常時算出し、実際の燃焼量と比較することで、劣化を即時判断できるようにし、関係式算出時とは異なる運転についてはマハラノビス距離にて劣化の判定対象から除外することで、納入先設備毎のばらつきに依らず適切な劣化判定閾値を自動で決定することができる。

図１は本発明の性能診断方法を適用する吸収式冷温水機の概略構成を示す説明図である。 図２は本発明の性能診断方法における制御フローの一例を示す説明図である。 図３は本発明の性能診断方法においてマハラノビス距離を考慮した場合の一例を示す説明図である。 図４は本発明の性能診断方法における診断結果の一例を示すグラフである。

以下、本発明の実施の形態について図面に基づいて説明するが、本発明は下記の実施の形態に何ら限定されるものではなく、適宜変更して実施できるものである。
図１は、本発明の性能診断方法を適用する吸収式冷温水機の概略構成を示す。
図１に示す吸収式冷温水機は、建物内で、冷暖房用の冷水（温水）を供給するものであり、図１では一重効用と呼ばれる最も基本的な吸収冷凍サイクルを示す。なお、吸収式冷温水機には、熱交換器を追設して高効率化を図った二重効用あるいは三重効用と呼ばれるタイプの製品もがあるが、基本原理は一重効用のタイプと同じであり、本発明はいずれのタイプの吸収式冷温水機であっても適用が可能である。

図１に示す一重効用吸収冷凍サイクルは、蒸発器１、吸収器２、再生器３、および凝縮器４で構成され、それぞれの間は配管で接続されている。蒸発器１には冷熱媒体である冷水５が通水され、冷水５の保有熱で蒸発器１内の冷媒６ａが気化するとともに、冷水５の温度は下がって出て行く。蒸発した冷媒６ａは吸収器２で吸収液に吸収され、吸収器２内の吸収液は濃度が薄い希溶液７ａとなる。このとき発生する吸収熱は、冷却水８で除去される。希溶液７ａは、ポンプ（不図示）によって再生器３に送られる。再生器３では燃料９の燃焼熱により希溶液の冷媒分が蒸発し、吸収液は濃度が濃い濃溶液７ｂとなり、濃溶液７ｂは吸収器２に戻される。また蒸発した冷媒は、凝縮器４で冷却凝縮されて冷媒液６ｂになり、蒸発器１に戻される。

このように蒸発器１内で温度を下げられた冷水５は、建物内の空調機（不図示）に供給され、冷房が行われる。なお、吸収式冷温水機は、内部の配管の経路冷房を切り替えることで暖房運転を行うことが可能であるが、ここでは暖房運転時の構成については省略する。

蒸発器１の冷水５の配管の入口には、冷水入口温度センサー１２が設置されている。また、蒸発器１の冷水５の配管の出口には、冷水出口温度センサー１３と冷水流量計１５とが設置されている。
これらの冷水入口温度センサー１２、冷水出口温度センサー１３、および冷水流量計１５の計測データは、制御盤（又はデータ収集装置）１９に供給される。

また、冷却水８の配管には、冷却水入口温度センサー１６、冷却水出口温度センサー１７、および冷却水流量計１８が設置されている。これらの冷却水入口温度センサー１６、冷却水出口温度センサー１７、および冷却水流量計１８の計測データについても、制御盤（又はデータ収集装置）１９に供給される。

また、再生器３を加熱する燃料９の供給路には、燃料制御弁１１が設置され、希溶液の冷媒分を蒸発させるのに必要な燃焼量（燃焼熱）となるよう燃料制御弁１１が開閉する。その燃料制御弁１１の開度が、燃料制御弁開度センサー１０で検出され、検出データが性能診断装置１９に供給される。さらに、再生器３内の濃溶液（吸収液）７ｂの温度が、吸収液温度センサー１４で検出され、検出データが制御盤（又はデータ収集装置）１９に供給される。
なお、燃料制御弁開度センサー１０は、燃料制御弁１１の開度を検出する代わりに、吸収式冷温水機が備える制御盤の開度指令信号を取り込むようにしてもよい。あるいは、燃料制御弁１１の開度の代わりに、燃料流量を計測してもよい。さらに、駆動源が蒸気の場合には、蒸気流量または蒸気制御弁開度を、燃料制御弁開度と同じデータとして扱うようにしてもよい。これらの流量、制御弁開度、または開度指令信号を取り込むことで、駆動源の入力に関わる物理量を正確に検出できるようになる。

制御盤（又はデータ収集装置）１９は、各センサーから供給される検出データ（計測データ）を一定周期（例えば１分ごと）に収集して、制御盤（又はデータ収集装置）１９内に記憶する。その結果、制御盤（又はデータ収集装置）１９は、吸収式冷温水機の運転開始からの全データを記憶することになる。そして、制御盤（又はデータ収集装置）１９で得られたデータは、通信部２１からネットワーク２２を介して性能診断装置２３に送られる。性能診断装置２３は、データの演算処理を行って、吸収式冷温水機の性能診断を行う。なお、性能診断の具体例については後述する。
性能診断装置２３で得られた性能診断結果は、出力部２４から出力される。出力部２４としては、例えば表示装置やプリンタが使用され、表示や印刷による性能診断結果の出力が行われる。

なお、出力部２４や通信部２１は、性能診断結果を直接出力する代わりに、計測データやその計測データから得られた物理量、あるいは性能診断を行う上で必要な初期性能と現時点での性能との差を示す距離などの演算結果を出力するようにしてもよい。この演算結果を出力する場合には、この出力された演算結果を受信した装置が、性能診断状態に変換する処理を行う。

次に、具体的な性能診断方法（工程）について説明する。
１ データ収集
制御盤（又はデータ収集装置）１９において、例えば、1分間隔で運転時の計測データ（物理量データ）を収集する。
収集する運転時の計測データ（物理量データ）は、一例として、冷水入口温度、冷水出口温度、冷却水入口温度、冷却水出口温度及び高温再生器温度である。冷水流量、冷却水流量があるとなお良い。性能診断装置２３では、これらのデータの実測値から実測燃焼量が算出される。

２ 学習（モデル構築）
制御盤（又はデータ収集装置）１９にて収集した、納入後もしくはメンテナンス実施後1年間の劣化していない正常な運転時（「所定の基準状態」の典型例）の計測データから燃焼量を推定するための関係式（モデル）を算出する。これを学習と呼ぶ。上記の関係式（モデル）を算出することで、関係式を算出するための試験運転等は必要なくなる。性能診断装置２３にて燃焼量推定モデルが構築される（学習が行われる）。
なお、燃焼開始直後及び制御範囲外の運転時（過負荷、超低負荷）の計測データについては、物理量の関係性が通常と異なるため学習および診断には使用しない。燃焼量推定モデル作成の詳細は後述する。
また、学習期間は納入後もしくはメンテナンス実施後1年間に限定するわけではなく、燃焼量を推定するための関係式を算出可能であれば、1年以上または1年未満としてもよい。

繰り返しになるが、上述した所定の基準状態とは、典型例として、納入後もしくはメンテナンス実施後1年間の劣化していない状態のことをいう。もちろん、所定の基準状態は、上記の典型例に限定されるものではなく、燃焼量を推定するための関係式を算出可能であれば、1年以上または1年未満としてもよい。

３ モデルの精度算出
学習に使用した納入後１年間の正常な運転時の計測データから学習に用いたデータとは別に残したデータを燃焼量推定モデルに入力し、算出される推定燃焼量と実測燃焼量との差より、モデルの平均予測誤差を算出し、これのＮ倍を以て劣化判定閾値とする。これにより、吸収式冷温水機毎のモデル精度により適切な劣化判定閾値を自動で決定することができる。

４ 劣化診断
学習期間以降の運転時の計測データを前記の燃焼量推定モデルに入力することで、算出される予測誤差が劣化判定閾値を超過した場合を劣化状態とし、この劣化状態を、例えば、１０分間継続することが１月に３回発生すると本物件が劣化したと判断し、劣化した物件をパソコン等の出力部２４に表示させる。

つづいて、燃焼量推定モデル作成の詳細について説明する。
モデルの作成にあたっては、推定値に遅れがあることを考慮する。
また、燃焼開始直後や制御範囲外の運転時（過負荷、超低負荷）は物理量の関係性が通常と異なることを考慮し、当該データを対象から除外する。
さらに、負荷変動時の燃焼量の振れの影響を考慮する。一例として、変化が緩やかな高温再生器温度を内部変数として介在させることにより、燃焼量の振れによる影響を除去可能である（後述の図２参照）。

以下、本発明の実施例について説明するが、本発明は下記の実施例に何ら限定されるものではなく、適宜変更して実施できるものである。図２は、本実施例の概要を示したものである。
現場の吸収式冷温水機より、１分間隔２４時間の運転時の計測データが、随時、携帯電話またはインターネット通信にて遠隔のサーバーに送られ、蓄積される。このデータを用いて劣化診断を行う。

１ 納入後もしくはメンテナンス実施後１年間の運転時の計測データより学習を行う。
学習１
１台毎に蓄積された最古１年分のデータより、下記項目、かつ、燃焼６０分以上継続しているデータを抽出する。
X1：冷水入口温度
X2：冷水出口温度
X3：冷却水入口温度
X4：冷却水出口温度
Y1：燃焼量（１次遅れフィルタ後）
Y2：高温再生器温度

学習２
上記のデータより重回帰をとり、モデルを作成する。このように、モデルの作成にあたっては、統計モデル（重回帰モデル）を採用する。
X1〜X4、Y1〜Y2より係数a0、a1、b0〜b14を算出する。
燃焼量推定モデル
Y1＝a0＋a1×Y2
高温再生器温度推定モデル（重回帰モデル）
Y2＝b0＋X1×b1＋X2×b2＋X3×b3＋X4×b4＋X1^2×b5＋X2^2×b6＋X3^2×b7＋X4^2×b8＋X1×X2×b9＋X1×X3×b10＋X1×X4×b11＋X2×X3×b12＋X2×X4×b13＋X3×X4×b14

一例として、実際に算出された係数は、下記の通りである。
a0 ： −７５.８３１
a1 ： ０．９７
b0 ： −１０５．１１８
b1 ： １４．１６６
b2 ： −２．７２８
b3 ： ９．３８１
b4 ： −２．２８９
b5 ： ０．２７９
b6 ： ０．７７４
b7 ： ０．０５７
b8 ： ０．０５７
b9 ： −０．１３８
b10 ： −１．０６５
b11 ： ０．８４
b12 ： −０．３９１
b13 ： −０．１３１
b14 ： −０．０６

なお、診断対象となる運転時の計測データが、モデル作成時と異なる運転状態および負荷域となっている場合、診断誤差が大きくなるため、モデル作成時の運転時の計測データとのマハラノビス距離（ＭＤ値：Mahalanobis Distance）を算出して、大きく異なる運転状態のデータについては、自動で診断対象から除外することで、劣化の誤判定を無くすことが可能となる。
例えば、図３に示すように、ＭＤ値は学習時の計測データの平均（中心）からの距離を表している。ＭＤ値の数値が高いほど、推定誤差が大となる可能性が高く、劣化の誤判定となる可能性が高い。なお、図３では、簡素化するため、学習時の計測データを「学習データ」と表記している。

学習３
上記で算出された係数を用い、学習２で蓄積されたX1〜X4からY1’（燃焼量推定値）を算出する。
そして、実際の燃焼量Y1と、推定燃焼量Y1’の差分平均値を学習誤差とする。
一例として、上記の係数を使用した場合、
学習誤差＝０．８１
となる。

２ 納入後1年以降の運転時の計測データより劣化診断を行う。
劣化診断１
学習２で作成したモデル（算出した係数）を使用して、１分毎の燃焼量推定値を算出する。
燃焼量推定値は、実測値に比べて遅れが生じるため、以下の式により遅れを考慮する。
Y1’’(t)＝｛Y1(t-1)−Y1’’(t-1)}×{１− e^(-1/T)} ＋ Y1’’(t-1)
Y1’’：燃焼量実測値（一次遅れフィルタ後）
T ：遅れ時間

劣化診断２
１分毎に燃焼量を推定し、実測値との差を比較する。
一例として、実測値と推定値をそれぞれプロットした結果が、図４に示すグラフである。

劣化診断３
例えば、推定誤差が、学習３で算出した劣化判定閾値を１０分連続して超過した場合に劣化と推定する。さらには、１ヶ月間に５回以上劣化と推定された場合に劣化と断定し、遠隔にて監視している監視者に知らせる。

１…蒸発器
２…吸収器
３…再生器
４…凝縮器
５…冷水
６ａ…冷媒（蒸発器内）
６ｂ…冷媒（凝縮器内）
７ａ…希溶液
７ｂ…濃溶液
８…冷却水
９…燃料
１０…燃料制御弁開度センサー
１１…燃料制御弁
１２…冷水入口温度センサー
１３…冷水出口温度センサー
１４…吸収液温度センサー
１５…冷水流量計
１６…冷却水入口温度センサー
１７…冷却水出口温度センサー
１８…冷却水流量計
１９…制御盤（又はデータ収集装置）
２１…通信部
２２…ネットワーク
２３…性能診断装置
２４…出力部

Claims (8)

1. 燃料あるいは熱源を駆動源とし、冷熱媒体を冷却することにより冷熱を発生する吸収式冷温水機の性能診断方法において、
   吸収式冷温水機の入出力に関わる物理量もしくは内部状態に関わる物理量のうち、燃焼量を、冷水入口温度、冷水出口温度、冷却水入口温度、冷却水出口温度及び高温再生器温度から算出する関係式を求める学習処理工程と、
   診断対象とする計測データの内で、前記工程での学習時の計測データと近しい状態の計測データを抽出するデータ抽出処理工程と、
   診断対象とする計測データと前記関係式から劣化する以前の適正燃焼量を推定する評価処理工程と、
   前記適正燃焼量と実測された燃焼量とを比較判定する劣化判定工程と、
   を含むことを特徴とする吸収式冷温水機の性能診断方法。
2. 学習処理工程において、燃焼量を、冷水入口温度、冷水出口温度、冷却水入口温度、冷却水出口温度、高温再生器温度、冷水流量及び冷却水流量から算出する関係式を求める請求項１に記載の吸収式冷温水機の性能診断方法。
3. 所定の基準状態において、複数の物理量の相関を考慮した関係式を算出することにより、負荷変動を含んだ通常運転時の計測データを診断可能とする請求項１又は２に記載の吸収式冷温水機の性能診断方法。
4. 診断対象となる運転時の計測データが、関係式算出時と異なる運転状態もしくは負荷域となっている場合、推定誤差精度を保証できないため、関係式算出時の運転時の計測データとのマハラノビス距離を算出して、閾値を超過したデータについては、診断対象から除外する請求項１、２又は３に記載の吸収式冷温水機の性能診断方法。
5. 設備の個体差や付帯設備、運転状況によって、推定誤差と性能劣化度合いの関係は変化するため、劣化判定の閾値を関係式算出時の運転時の計測データから設備毎に自動的に算出する請求項１、２、３又は４に記載の吸収式冷温水機の性能診断方法。
6. 燃料あるいは熱源を駆動源とし、冷熱媒体を冷却することにより冷熱を発生する吸収式冷温水機の性能診断装置において、
   吸収式冷温水機の入出力に関わる物理量もしくは内部状態に関わる物理量のうち、燃焼量を運転時の計測データから算出する関係式を求めるための学習処理手段と、
   診断対象とする計測データの内で、前記工程での学習時の計測データと近しい状態の計測データを抽出するためのデータ抽出処理手段と、
   診断対象とする計測データと前記関係式から劣化する以前の適正燃焼量を推定するための評価処理手段と、
   前記適正燃焼量と実測された燃焼量とを比較判定し、劣化判定した診断結果を表示するための診断結果表示手段と、
   を備えたことを特徴とする吸収式冷温水機の性能診断装置。
7. 診断結果表示手段が吸収式冷温水機の制御盤に組み込まれている請求項６に記載の吸収式冷温水機の性能診断装置。
8. 診断結果表示手段が、遠隔監視装置で収集された計測データを用いて、吸収式冷温水機とは別の場所のサーバ上で診断・表示するように構成された請求項６に記載の吸収式冷温水機の性能診断装置。

Images