JP2022502737A - ベイジアンネットワークによるボイラーの運転データの監視方法及び装置 - Google Patents

ベイジアンネットワークによるボイラーの運転データの監視方法及び装置 Download PDF

Info

Publication number
JP2022502737A
JP2022502737A JP2021514420A JP2021514420A JP2022502737A JP 2022502737 A JP2022502737 A JP 2022502737A JP 2021514420 A JP2021514420 A JP 2021514420A JP 2021514420 A JP2021514420 A JP 2021514420A JP 2022502737 A JP2022502737 A JP 2022502737A
Authority
JP
Japan
Prior art keywords
boiler system
model
observation
state
data
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
Application number
JP2021514420A
Other languages
English (en)
Other versions
JP7344960B2 (ja
Inventor
杰 楊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ennew Digital Technology Co Ltd
Original Assignee
Ennew Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ennew Digital Technology Co Ltd filed Critical Ennew Digital Technology Co Ltd
Publication of JP2022502737A publication Critical patent/JP2022502737A/ja
Application granted granted Critical
Publication of JP7344960B2 publication Critical patent/JP7344960B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B35/00—Control systems for steam boilers
    • F22B35/18—Applications of computers to steam boiler control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Combustion & Propulsion (AREA)
  • Thermal Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本発明は、ボイラーシステムの各部材、及び各部材の異なる位置間の関係に基づいて、ボイラーシステムの状態モデルを確立するステップＳ１と、センサを介して、各部材及び各部材の異なる位置の運転状態を収集することにより、ボイラーシステムの観測モデルを取得するステップＳ２と、ボイラーシステムの状態モデルとボイラーシステムの観測モデルを組み合わせて、ボイラーシステムモデルを取得するステップＳ３と、ボイラーシステムモデルに基づき、欠落観測データを推定するとともに、観測データが異常であるかどうかを判断するステップＳ４と、を含むベイジアンネットワークによるボイラーシステムの運転データ監視方法及び装置を開示する。本発明は、ベイジアンネットワークに基づいてデバイスの運転するモデルを構築し、システムモデルによってデータの正しさを監視するとともに、欠落しているデータを補足することで、その後のデバイスのリモート診断の便利さに寄与する。【選択図】図１

Description

本発明は、データ処理の技術分野、特にベイジアンネットワークによるボイラーの運転データの監視方法および装置に関する。
工業生産現場では、産業機器は稼働過程でセンサを介して大量のデータを収集することができ、これらのデータから機器の稼働状況を判断することができる。たとえば、ボイラーは、稼働過程においてセンサを介して温度、圧力等のデータを収集することができ、これらのデータからボイラーの稼働状態を判断できる。
しかしながら、実際のシーンでは、例えば、センサの原因、ＩｏＴデータ伝送問題などのさまざまな理由で、データ収集が部分的に欠落しているか、精度が不十分であることが多く、一部の欠落または不正なデータについて、対応する補足または検の措置を取っていない。これによって、ＩｏＴデータに依存するデバイスのリモート診断が不便になってしまう。
本発明の実施例は、ベイジアンネットワークによるボイラーの運転データの監視方法及び装置を提供し、ベイジアンネットワークに基づいてデバイスの運転するモデルを構築し、システムモデルによってデータの正しさを監視するとともに、欠落しているデータを補足することで、その後のデバイスのリモート診断の便利さに寄与する。
第１の態様で、本発明の実施例は、
ボイラーシステムの各部材、及び各部材の異なる位置間の関係に基づいて、ボイラーシステムの状態モデルを確立するステップＳ１と、
センサを介して、各部材及び各部材の異なる位置の運転状態を収集することにより、ボイラーシステムの観測モデルを取得するステップＳ２と、
ボイラーシステムの状態モデルとボイラーシステムの観測モデルを組み合わせて、ボイラーシステムモデルを取得するステップＳ３と、
ボイラーシステムモデルに基づき、欠落観測データを推定するとともに、観測データが異常であるかどうかを判断するステップＳ４と、
を含むベイジアンネットワークによるボイラーの運転データの監視方法及び装置を提供する。
観測データの欠落の問題については、システムの観点から、ほとんどのデータが正しく観測されるとともに、観測データの一部のみが欠落している場合であれば、欠落データと観測データは両方ともシステム全体の状態の一部であるため、それらの間に一定の関係がある（蒸気出口温度と入口温度など）。
Figure 2022502737
異常なデータの問題については、システムモデルは、システムの各部分の状態の一貫性に基づいてデータの正しさを推定し、誤ったデータに対して警告を発し、またはさらにエラーを自発的に修正することができる。
Figure 2022502737
好ましくは、ステップＳ１において、ボイラーシステムの状態モデルの全体的な状態分布は、次の式で表される。
Figure 2022502737
好ましくは、ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの関係は下記の通りである。
Figure 2022502737
好ましくは、ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの間の条件付き確率分布は下記の通りである。
Figure 2022502737
好ましくは、ステップＳ２において、ボイラーシステムの観測モデルは、次の式で表される。
Figure 2022502737
好ましくは、センサ観測値とシステム観測モデルの関数は下記の式を満たす。
Figure 2022502737
好ましくは、ステップＳ３において、ボイラーシステムモデルは、次の式で表される。
Figure 2022502737
第２の態様で、本発明の実施例は、
ボイラーシステムの各部材、及び各部材の異なる位置間の関係に基づいて、ボイラーシステムの状態モデルを確立するための状態モジュールと、
センサを介して、各部材及び各部材の異なる位置の運転状態を収集することにより、ボイラーシステムの観測モデルを取得するための観測モジュールと、
ボイラーシステムの状態モデルとボイラーシステムの観測モデルを組み合わせて、ボイラーシステムモデルを取得するための統合モジュールと、
ボイラーシステムモデルに基づき、欠落観測データを推定するとともに、観測データが異常であるかどうかを判断するための監視モジュールと、
を含むベイジアンネットワークによるボイラーの運転データ監視装置を提供する。
好ましくは、前記状態モジュールによって確立されたボイラーシステムの状態モデルの全体的な状態分布は、次の式で表される。
Figure 2022502737
好ましくは、ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの関係は下記の通りである。
Figure 2022502737
好ましくは、ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの間の条件付き確率分布は下記の通りである。
Figure 2022502737
好ましくは、前記観測モジュールによって取得されたボイラーシステムの観測モデルは、次の式で表される。
Figure 2022502737
好ましくは、センサ観測値とシステム観測モデルの関数は下記の式を満たす。
Figure 2022502737
好ましくは、前記統合モジュールによって取得されたボイラーシステムモデルは、次の式で表される。
Figure 2022502737
従来技術と比較すると、本発明は、少なくとも以下の有益な効果を有する。
システムの観点からは、システムの物理法則を事前知識として使用し、センサ観測と組み合わせてシステム運転データの統計モデルを構築し、このモデルに基づいてデータ品質の向上及び異常検出を実現する。
本発明の実施例または従来技術における技術案をより明確に説明するために、以下は、実施例または従来技術の説明において使用される必要のある図面を簡単に説明する。明らかに、以下の説明における図面は、本発明のいくつかの実施例であり、当業者にとって、他の図面を、創造的な作業なしにこれらの図面から得ることができる。
本発明の一実施例によるベイジアンネットワークによるボイラー運転データの監視方法のフローチャートである。 本発明の一実施例によるベイジアンネットワークによって構築されたシステムモデルの依頼関係グラフである。 本発明の一実施例によるベイジアンネットワークによるボイラー運転データの監視方法の構造ブロック図である。
以下、本発明の目的、技術案及び利点をより明確にするために、本発明の技術案を、本発明の実施例の図面に合わせて明確かつ完全的に説明する。もちろん、説明される実施例は、本発明の一部の実施例に過ぎず、全ての実施例ではない。本発明における実施例により、当業者が創造的な労働を行わないうえで取得した他の全ての実施例は、本発明の範囲に属する。
図１に示すように、本発明の実施例は、ベイジアンネットワークによるボイラーの運転データの監視方法及び装置を提供し、この方法は、
ボイラーシステムの各部材、及び各部材の異なる位置間の関係に基づいて、ボイラーシステムの状態モデルを確立するステップＳ１と、
センサを介して、各部材及び各部材の異なる位置の運転状態を収集することにより、ボイラーシステムの観測モデルを取得するステップＳ２と、
ボイラーシステムの状態モデルとボイラーシステムの観測モデルを組み合わせて、ボイラーシステムモデルを取得するステップＳ３と、
ボイラーシステムモデルに基づき、欠落観測データを推定するとともに、観測データが異常であるかどうかを判断するステップＳ４と、を含んでもよい。
本実施例では、システム運転の統計モデルは、ボイラーシステム運転の物理法則および多数システムの運転データに従って確立される。デバイスのＩＯＴデータは、デバイスの各部材の異なる位置上の物理的状態をセンサを介して収集される。まず、デバイスの各部材の異なる位置上の物理的状態は互いに独立しない。各状態は物理法則に従って一定の相関関係がある。これらの状態は異なるサブシステムの入出力を構成する。一つの状態は一方のサブシステムの入力であるとともに、他方のサブシステムの出力である。次に、センサによる状態の観測は、完全に信頼できるわけではないシステムである。観測ノイズを導入するとともに、観測の欠落、不十分な観測、異常な観測などの問題もある。システムの全体的なモデリングを介して、観察の欠落や不正確などの問題を解決できる。
本発明の一実施例で、ステップＳ１において、ボイラーシステムの状態モデルの全体的な状態分布は、次の式で表される。
Figure 2022502737
ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの関係は下記の通りである。
Figure 2022502737
ただし、Ｆはシステム状態モデルの関数であり、ｕはシステム状態モデルのノイズであり、ガウス分布に合致する。
ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの間の条件付き確率分布は下記の通りである。
Figure 2022502737
本実施例では、システム状態モデルについて、システム内の様々な状態間の関連関係を表す。異なるサブシステムの入力および出力について、一つの状態は一方のサブシステムの入力であるとともに、他方のサブシステムの出力である。入力であるサブシステムは親ノードと呼ばれることができ、出力であるサブシステムは子ノードと呼ばれることができる。各ノード間の相互依存性、ノードの分布は、条件付き確率に従って、その親ノードから子ノードを算出することができる。式は次のとおりである。
Figure 2022502737
Figure 2022502737
したがって、状態モジュールによって確立されたボイラーシステム状態モデルの条件付き確率システムの全体的な状態分布は、次の式で表される。
Figure 2022502737
本発明の一実施例で、ステップＳ２において、ボイラーシステムの観測モデルは、次の式で表される。
Figure 2022502737
センサ観測値とシステム観測モデルの関数は下記の式を満たす。
Figure 2022502737
この実施例では、システム観測とは、センサを介してシステムの運転状態を観測することを指す。センサによる状態の観測は完全に信頼できるわけではないシステムである。ここでは、観察ノイズが導入される。システム観測モデルは下記の式を満たす。
Figure 2022502737
よって、システム観測モデルは次の式で表される。
Figure 2022502737
本発明の一実施例では、ステップＳ３において、ボイラーシステムモデルは、次の式で表される。
Figure 2022502737
この実施例では、システム状態モデルとシステム観測モデルを合わせて、次の式で表されるシステムモデルを取得することができる。
Figure 2022502737
説明されるべきであるものとして、システムモデルの推論計算によって、データから、例えば、センサの観測データが妥当であるかどうか、現在のシステムの運転状態が正常であるかどうかなど、多くの価値がある情報を取得できる。
不十分な観測付きの動的確率システムの場合、当該システムには同時に複数の関連する状態があるため、隠された変数を持つベイジアンネットワークを使用してシステムをモデル化するは、効果的な方法である。図２に示すように、システムモデルを簡単に示す。このシステムモデルは、システム内の複数の状態と、状態に対応するセンサ観測とで構成され、有向非周期グラフで表される。グラフには、４種類のノードが含まれ、それぞれシステムの状態を表すノード（観測不可能な隠れ変数）と、センサによって観測されたノードと、欠落また一部の観測ノードと、異常的な観測ノードである。図の矢印は、ノード間の相互依存関係、つまりシステム内のさまざまな状態間の相互関係を表すものである。
本発明の一実施例では、ステップＳ４において、ボイラーシステムモデルに従って、欠落している観測データを推定するとともに、観測データが異常であるかどうかを判断する。システムモデルは、システムの運転データからトレーニングされて完成できる。システムモデルは、システムが稼働しているときの各状態の結合確率分布を反映する。システムの通常の稼働状態は確率が高く、システムモデルに従って複数のデータ障害耐性タスクを完了することができる。
観測データの欠落の問題については、システムの観点から、ほとんどのデータが正しく観測されるとともに、観測データの一部のみが欠落している場合であれば、欠落データと観測データは両方ともシステム全体の状態の一部であるため、それらの間に一定の関係がある（蒸気出口温度と入口温度など）。
Figure 2022502737
異常なデータの問題については、システムモデルは、システムの各部分の状態の一貫性に基づいてデータの正しさを推定し、誤ったデータに対して警告を発し、またはさらにエラーを自発的に修正することができる。
Figure 2022502737
したがって、ベイジアンネットワークに基づいてデバイスの運転するモデルを構築し、システムモデルによってデータの正しさを監視するとともに、欠落しているデータを補足することで、その後のデバイスのリモート診断の便利さに寄与する。
図３に示すように、本発明の実施例は、ボイラーシステムの各部材、及び各部材の異なる位置間の関係に基づいて、ボイラーシステムの状態モデルを確立するための状態モジュールと、
センサを介して、各部材及び各部材の異なる位置の運転状態を収集することにより、ボイラーシステムの観測モデルを取得するための観測モジュールと、
ボイラーシステムの状態モデルとボイラーシステムの観測モデルを組み合わせて、ボイラーシステムモデルを取得するための統合モジュールと、
ボイラーシステムモデルに基づき、欠落観測データを推定するとともに、観測データが異常であるかどうかを判断するための監視モジュールと、
を含むベイジアンネットワークによるボイラーの運転データ監視装置を提供する。
本実施例では、システム運転の統計モデルは、ボイラーシステム運転の物理法則および多数システムの運転データに従って確立される。デバイスのＩＯＴデータは、デバイスの各部材の異なる位置上の物理的状態をセンサを介して収集される。まず、デバイスの各部材の異なる位置上の物理的状態は互いに独立しない。各状態は物理法則に従って一定の相関関係がある。これらの状態は異なるサブシステムの入出力を構成する。一つの状態は一方のサブシステムの入力であるとともに、他方のサブシステムの出力である。次に、センサによる状態の観測は、完全に信頼できるわけではないシステムである。観測ノイズを導入するとともに、観測の欠落、不十分な観測、異常な観測などの問題もある。システムの全体的なモデリングを介して、観察の欠落や不正確などの問題を解決できる。
本実施例では、システム状態モデルについて、システム内の様々な状態間の関連関係を表す。異なるサブシステムの入力および出力について、一つの状態は一方のサブシステムの入力であるとともに、他方のサブシステムの出力である。入力であるサブシステムは親ノードと呼ばれることができ、出力であるサブシステムは子ノードと呼ばれることができる。各ノード間の相互依存性、ノードの分布は、条件付き確率に従って、その親ノードから子ノードを算出することができる。式は次のとおりである。
Figure 2022502737
Figure 2022502737
したがって、状態モジュールによって確立されたボイラーシステム状態モデルの条件付き確率システムの全体的な状態分布は、次の式で表される。
Figure 2022502737
システム観測とは、センサを介してシステムの運転状態を観測することを指す。センサによる状態の観測は完全に信頼できるわけではないシステムである。ここでは、観察ノイズが導入される。システム観測モデルは下記の式を満たす。
Figure 2022502737
よって、システム観測モデルは次の式で表される。
Figure 2022502737
要するに、システム状態モデルとシステム観測モデルを合わせて、次の式で表されるシステムモデルを取得することができる。
Figure 2022502737
説明されるべきであるものとして、システムモデルの推論計算によって、データから、例えば、センサの観測データが妥当であるかどうか、現在のシステムの運転状態が正常であるかどうかなど、多くの価値がある情報を取得できる。
システムモデルは、システムの運転データからトレーニングされて完成できる。システムモデルは、システムが稼働しているときの各状態の結合確率分布を反映する。システムの通常の稼働状態は確率が高く、システムモデルに従って複数のデータ障害耐性タスクを完了することができる。
観測データの欠落の問題については、システムの観点から、ほとんどのデータが正しく観測されるとともに、観測データの一部のみが欠落している場合であれば、欠落データと観測データは両方ともシステム全体の状態の一部であるため、それらの間に一定の関係がある（蒸気出口温度と入口温度など）。
Figure 2022502737
異常なデータの問題については、システムモデルは、システムの各部分の状態の一貫性に基づいてデータの正しさを推定し、誤ったデータに対して警告を発し、またはさらにエラーを自発的に修正することができる。
Figure 2022502737
したがって、ベイジアンネットワークに基づいてデバイスの運転するモデルを構築し、システムモデルによってデータの正しさを監視するとともに、欠落しているデータを補足することで、その後のデバイスのリモート診断の便利さに寄与する。
上記装置内の各モジュール間の情報交換および実行過程は、本発明の方法実施例と同じ思想に基づくため、具体的な内容については、本発明の方法実施例の説明を参照してもよいが、ここでは繰り返さない。
本明細書では、第一および第二のような関係用語は、１つのエンティティまたはオペレーションを他のエンティティまたはオペレーションから区別するためにのみ使用されるが、必ずしもこれらのエンティティまたはオペレーションの間にそのような実際の関係または順序が存在する必要がないし、暗示する必要もない。さらに、「含む」、「含まれる」という用語、またはその任意の他の変形例は、非排他的な包含をカバーすることを意図している。これによって、一連の要素を含むプロセス、方法、商品又は機器は、それらの要素だけでなく、明示的に列挙されていない他の要素も含むことになり、あるいは、そのようなプロセス、方法、商品または装置の固有する要素も含む。これ以上の制限なしの場合、「１つ．．．．．を含む」という文言によって定義される要素は、その要素を含むプロセス、方法、商品または装置内に他の同じ要素が存在することを排除するものではない。
当業者であれば、上述方法実施例の全部または一部を実現するためのステップは、プログラム命令に関連するハードウェアによって実行されることができ、前述したプログラムはコンピュータ読み取り可能な記憶媒体に記憶されてもよく、このプログラムは、実行時に上述方法実施例を含むステップを実行するものであり、前述した記憶媒体は、ＲＯＭ、ＲＡＭ、磁気ディスク、光ディスク等のプログラムコードを記憶可能な各種の媒体を含むことを理解できるだろう。
最後に、以上述べたことは、本発明の好適な実施例に過ぎず、本発明の特許請求の範囲を説明するためのもので、本発明の保護範囲を限定するためのものではない。本発明の精神および原理の範囲内で行われるあらゆる変更、均等置換、変更などは、いずれも本発明の範囲内に含まれる。

Claims (10)

  1. ボイラーシステムの各部材、及び各部材の異なる位置間の関係に基づいて、ボイラーシステムの状態モデルを確立するステップＳ１と、
    センサを介して、各部材及び各部材の異なる位置の運転状態を収集することにより、ボイラーシステムの観測モデルを取得するステップＳ２と、
    ボイラーシステムの状態モデルとボイラーシステムの観測モデルを組み合わせて、ボイラーシステムモデルを取得するステップＳ３と、
    ボイラーシステムモデルに基づき、欠落観測データを推定するとともに、観測データが異常であるかどうかを判断するステップＳ４と、
    を含むことを特徴とするベイジアンネットワークによるボイラーシステムの運転データ監視方法。
  2. ステップＳ１において、ボイラーシステムの状態モデルの全体的な状態分布は、次の式で表される、
    Figure 2022502737
    ことを特徴とする請求項１に記載のベイジアンネットワークによるボイラーシステムの運転データ監視方法。
  3. ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの関係は下記の通りである、
    Figure 2022502737
    ことを特徴とする請求項２に記載のベイジアンネットワークによるボイラーシステムの運転データ監視方法。
  4. ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの間の条件付き確率分布は下記の通りである、
    Figure 2022502737
    ことを特徴とする請求項３に記載のベイジアンネットワークによるボイラーシステムの運転データ監視方法。
  5. ステップＳ２において、ボイラーシステムの観測モデルは、次の式で表される、
    Figure 2022502737
    ことを特徴とする請求項２に記載のベイジアンネットワークによるボイラーシステムの運転データ監視方法。
  6. センサ観測値とシステム観測モデルの関数は下記の式を満たす、
    Figure 2022502737
    ことを特徴とする請求項５に記載のベイジアンネットワークによるボイラーシステムの運転データ監視方法。
  7. ステップＳ３において、ボイラーシステムモデルは、次の式で表される、
    Figure 2022502737
    ことを特徴とする請求項５に記載のベイジアンネットワークによるボイラーシステムの運転データ監視方法。
  8. ボイラーシステムの各部材、及び各部材の異なる位置間の関係に基づいて、ボイラーシステムの状態モデルを確立するための状態モジュールと、
    センサを介して、各部材及び各部材の異なる位置の運転状態を収集することにより、ボイラーシステムの観測モデルを取得するための観測モジュールと、
    ボイラーシステムの状態モデルとボイラーシステムの観測モデルを組み合わせて、ボイラーシステムモデルを取得するための統合モジュールと、
    ボイラーシステムモデルに基づき、欠落観測データを推定するとともに、観測データが異常であるかどうかを判断するための監視モジュールと、
    を含むことを特徴とするベイジアンネットワークによるボイラーの運転データ監視装置。
  9. 前記状態モジュールによって確立されたボイラーシステムの状態モデルの全体的な状態分布は、次の式で表され、
    Figure 2022502737
    ボイラーシステムの状態モデルでは、入力ｚｎ−１と出力ｚｎとの関係は下記の通りであり、
    Figure 2022502737
    前記観測モジュールによって取得されたボイラーシステムの観測モデルは、次の式で表され、
    Figure 2022502737
    ことを特徴とする請求項８に記載のベイジアンネットワークによるボイラーの運転データ監視装置。
  10. 前記統合モジュールによって取得されたボイラーシステムモデルは、次の式で表される、
    Figure 2022502737
    ことを特徴とする請求項９に記載のベイジアンネットワークによるボイラーの運転データ監視装置。
JP2021514420A 2018-10-22 2019-09-25 ベイジアンネットワークによるボイラーの運転データの監視方法及び装置 Active JP7344960B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201811227347.4A CN109523027B (zh) 2018-10-22 2018-10-22 一种基于贝叶斯网络的锅炉运行数据监测方法和装置
CN201811227347.4 2018-10-22
PCT/CN2019/107944 WO2020082972A1 (zh) 2018-10-22 2019-09-25 一种基于贝叶斯网络的锅炉运行数据监测方法和装置

Publications (2)

Publication Number Publication Date
JP2022502737A true JP2022502737A (ja) 2022-01-11
JP7344960B2 JP7344960B2 (ja) 2023-09-14

Family

ID=65772785

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021514420A Active JP7344960B2 (ja) 2018-10-22 2019-09-25 ベイジアンネットワークによるボイラーの運転データの監視方法及び装置

Country Status (6)

Country Link
US (1) US20210262900A1 (ja)
EP (1) EP3822868A4 (ja)
JP (1) JP7344960B2 (ja)
CN (1) CN109523027B (ja)
SG (1) SG11202102671VA (ja)
WO (1) WO2020082972A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523027B (zh) * 2018-10-22 2021-01-05 新智数字科技有限公司 一种基于贝叶斯网络的锅炉运行数据监测方法和装置
CN111061149B (zh) * 2019-07-01 2022-08-02 浙江恒逸石化有限公司 基于深度学习预测控制优化的循环流化床节煤降耗的方法
CN111122199A (zh) * 2019-12-31 2020-05-08 新奥数能科技有限公司 一种锅炉故障诊断方法及装置
CN113444851A (zh) * 2021-06-28 2021-09-28 中冶赛迪重庆信息技术有限公司 一种高炉冷却壁水温差检测系统、方法、介质及电子终端
CN116383612B (zh) * 2023-06-07 2023-09-01 浙江天铂云科光电股份有限公司 基于温度数据的电力设备部件框的检测补全方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4027145A (en) * 1973-08-15 1977-05-31 John P. McDonald Advanced control system for power generation
CN101436057A (zh) * 2008-12-18 2009-05-20 浙江大学 数控机床热误差贝叶斯网络补偿方法
CN102063625B (zh) * 2010-12-10 2012-12-26 浙江大学 一种用于多视角下多目标追踪的改进型粒子滤波方法
AU2011265563B2 (en) * 2010-12-24 2016-09-22 Commonwealth Scientific And Industrial Research Organisation System and method for detecting and/or diagnosing faults in multi-variable systems
GB2496386A (en) * 2011-11-08 2013-05-15 Ge Aviat Systems Ltd Method for integrating models of a vehicle health management system
CN104238516B (zh) * 2014-09-15 2017-10-13 厦门大学 一种锅炉系统设备状态监测方法
CN104865956B (zh) * 2015-03-27 2017-07-07 重庆大学 一种基于贝叶斯网络的复杂系统中传感器故障诊断方法
US20180136995A1 (en) * 2015-05-13 2018-05-17 Sikorsky Aircraft Corporation Integrated model for failure diagnosis and prognosis
WO2016188587A1 (en) * 2015-05-28 2016-12-01 Hewlett-Packard Development Company, L P Linking datasets
CN105117772B (zh) * 2015-09-02 2017-10-27 电子科技大学 一种多状态系统可靠性模型的参数估计方法
CN105548764B (zh) * 2015-12-29 2018-11-06 山东鲁能软件技术有限公司 一种电力设备故障诊断方法
CN105718717A (zh) * 2016-01-12 2016-06-29 叶翔 利用贝叶斯网络算法建立锅炉燃烧过程模型的方法和装置
CN105913124B (zh) * 2016-04-08 2018-08-24 北京航空航天大学 基于贝叶斯网络及基层数据的系统健康状态预测方法
CN107194026B (zh) * 2017-04-17 2021-03-23 中国大唐集团科学技术研究院有限公司火力发电技术研究所 基于贝叶斯网络的吸收塔脱硫过程建模方法
CN107290965B (zh) * 2017-08-01 2019-11-08 浙江大学 基于局部加权贝叶斯网络的自适应软测量预测方法
CN108304661B (zh) * 2018-02-05 2021-05-07 南京航空航天大学 基于tdp模型的诊断预测方法
CN108596229B (zh) * 2018-04-13 2021-09-10 北京华电智慧科技产业有限公司 在线异常的监测诊断方法和系统
CN108663980A (zh) * 2018-06-11 2018-10-16 哈尔滨锅炉厂有限责任公司 电站锅炉远程在线诊断系统及其在线诊断方法
CN109523027B (zh) * 2018-10-22 2021-01-05 新智数字科技有限公司 一种基于贝叶斯网络的锅炉运行数据监测方法和装置

Also Published As

Publication number Publication date
JP7344960B2 (ja) 2023-09-14
EP3822868A4 (en) 2021-08-18
EP3822868A1 (en) 2021-05-19
CN109523027B (zh) 2021-01-05
SG11202102671VA (en) 2021-04-29
WO2020082972A1 (zh) 2020-04-30
CN109523027A (zh) 2019-03-26
US20210262900A1 (en) 2021-08-26

Similar Documents

Publication Publication Date Title
JP2022502737A (ja) ベイジアンネットワークによるボイラーの運転データの監視方法及び装置
US9122273B2 (en) Failure cause diagnosis system and method
De Ketelaere et al. Overview of PCA-based statistical process-monitoring methods for time-dependent, high-dimensional data
EP2555114B1 (en) Systems and methods for using a corrective action as diagnostic evidence
JP4762088B2 (ja) プロセス異常診断装置
JP6141235B2 (ja) 時系列データにおける異常を検出する方法
EP2221698B1 (en) Method for computing the relative likelihood of failures
Liu et al. Adaptive sensor allocation strategy for process monitoring and diagnosis in a Bayesian network
Tornil-Sin et al. Robust fault diagnosis of nonlinear systems using interval constraint satisfaction and analytical redundancy relations
WO2011138911A1 (ja) 障害分析装置、障害分析方法および記録媒体
Tomola et al. Robust disjunctive-codiagnosability of discrete-event systems against permanent loss of observations
EP3999983B1 (en) Time-series data condensation and graphical signature analysis
CN111290371B (zh) 物联网设备远程诊断的方法及装置、电子设备
Keroglou et al. Distributed diagnosis using predetermined synchronization strategies
CN116049642A (zh) 一种故障诊断方法、系统、电子设备及计算机存储介质
JP2007293553A (ja) フィールド機器診断システムおよびフィールド機器診断方法
Keroglou et al. Distributed diagnosis using predetermined synchronization strategies in the presence of communication constraints
CN113377595B (zh) 故障诊断方法、装置、电子设备和存储介质
WO2022130789A1 (ja) 原因推定システムおよび原因推定方法
US11669082B2 (en) Online fault localization in industrial processes without utilizing a dynamic system model
US20220046339A1 (en) Data collection device, data collection method, and program
CN117170304B (zh) 一种基于工业物联网的plc远程监测控制方法及系统
CN117216701B (zh) 智慧桥梁监测预警方法及系统
JP2017204107A (ja) データ分析方法、及び、そのシステム、装置
Chen et al. Controlled output variance based diagnosis tree for feedforward/feedback control systems

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220825

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230725

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: 20230822

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230904

R150 Certificate of patent or registration of utility model

Ref document number: 7344960

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150