JP2022546771A - ユーティリティシステム資産の効率的なrul解析を促進するための無関係フィルタの使用 - Google Patents
ユーティリティシステム資産の効率的なrul解析を促進するための無関係フィルタの使用 Download PDFInfo
- Publication number
- JP2022546771A JP2022546771A JP2022514593A JP2022514593A JP2022546771A JP 2022546771 A JP2022546771 A JP 2022546771A JP 2022514593 A JP2022514593 A JP 2022514593A JP 2022514593 A JP2022514593 A JP 2022514593A JP 2022546771 A JP2022546771 A JP 2022546771A
- Authority
- JP
- Japan
- Prior art keywords
- utility system
- sprt
- rul
- alarms
- assets
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title description 8
- 238000001617 sequential probability ratio test Methods 0.000 claims abstract description 103
- 238000007477 logistic regression Methods 0.000 claims abstract description 25
- 230000002596 correlated effect Effects 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 71
- 238000012549 training Methods 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 21
- 230000009471 action Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 20
- 238000009826 distribution Methods 0.000 description 9
- 210000004227 basal ganglia Anatomy 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000003909 pattern recognition Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000013488 ordinary least square regression Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003592 biomimetic effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012882 sequential analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000699 topical effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Algebra (AREA)
Abstract
Description
開示される実施形態は、概して、電気的なユーティリティシステムの信頼性を改善するための技術に関する。より具体的には、開示される実施形態は、無関係フィルタを使用して、効率的な残存耐用年数(RUL: Remaining Useful Life)分析を促進し、現場におけるユーティリティシステム資産の信頼性を向上させる技術に関する。
電力変圧器などのユーティリティシステム資産は、発電施設から配電網内の消費者への中断のない電力送達を確実にするために重要である。発電所が故障する場合はいつでも、通常、消費者の需要を満たすために、配電網を通して交換電力を引き出すことができるので、配電網は、一般的に、発電資産の損失に関して「耐障害性」である。対照的に、電力変圧器の故障は、一般的に「停電」につながり、これは、少数のブロックを含む小さいエリア内の消費者に影響を及ぼす可能性があり、また、場合によっては、複数の平方マイルを含む大きいサービス領域全体にわたる消費者に影響を及ぼす可能性がある。また、単一の変圧器の故障は、潜在的に、非常に大きな電圧スパイクを配電網全体に伝搬させる可能性があり、これは、他の変圧器を故障させる可能性があり、数百平方マイルに影響が及ぶ大規模な地域的停電につながる可能性がある。変圧器爆発はまた、火災を引き起こす可能性があり、これは、かなりの資産の損傷、および命の損失をもたらす可能性がある。したがって、電力変圧器が故障する前に劣化した変圧器を特定するために、可能な限り、電力変圧器の運用の健全性を監視することができることが望ましい。
開示された実施形態は、ユーティリティシステム資産の残存耐用年数(RUL)を推定するシステムを提供する。監視モード中、システムは、以下の動作を反復して実行する。
第1に、システムは、ユーティリティシステム資産内のセンサから収集された現在の時系列信号のセットを受信する。次に、システムは、推論モデルを使用して現在の時系列信号のセットの推定値を生成し、実際の値と現在の時系列信号のセットの推定値との間のペアワイズ差分演算を実行して、残差を生成する。次に、システムは、残差に対して逐次確率比検定(SPRT: Sequential Probability Ratio Test)を実行してSPRTアラームを生成する。次に、システムは、SPRTアラームに無関係フィルタを適用してフィルタリングされたSPRTアラームを生成し、無関係フィルタは、類似のユーティリティシステム資産の以前の故障と相関しない信号に対するSPRTアラームを除去する。システムは、ロジスティック回帰モデルを使用してフィルタリングされたSPRTアラームに基づいてユーティリティシステム資産のRULベースのリスク指標を計算する。最後に、リスク指標がリスク指標閾値を超えるとき、システムは、ユーティリティシステム資産を交換する必要があることを示す通知を生成する。
以下の説明は、あらゆる当業者が本実施形態を作製および使用することを可能にするために提示され、特定の用途およびその要件との関連において提供される。開示された実施形態に対する様々な修正は、当業者には容易に明らかであり、本明細書で定義された一般的な原理は、本実施形態の精神および範囲から逸脱することなく他の実施形態および用途に適用され得る。したがって、本実施形態は、示される実施形態に限定されず、本明細書で開示される原理および特徴と整合する最も広い範囲を与えられるべきである。
概要
開示される実施形態は、ヒト脳の基底核の機能性を模倣し、特に高電圧変圧器などの大きな集合のハイコストのユーティリティグリッド資産のためにRUL予測判定の改善を促進する、新規の「無関係フィルタ」を利用する。現在、多くの産業は、自然の最良のアイデアを分析し、かつそれらを工学的ユースケースに適合させる「生物模倣」と呼ばれる新しい科学から恩恵を受けている。本明細書に開示される発明は、生体模倣の例を提供する。
予測監視システム
図1は、開示される実施形態による例示的な予測監視システム100を示す。図1に示すように、予測監視システム100は、電力変圧器などのユーティリティシステム資産102内のセンサから取得された時系列センサ信号104のセットに対して動作する。時系列信号104は、ユーティリティシステム資産102内の構成要素に位置し得る任意のタイプのセンサ、たとえば、電圧センサ、電流センサ、圧力センサ、回転速度センサ、および振動センサに由来し得ることに留意されたい。これらの時系列センサ信号を
予測監視システム100の動作中、時系列信号104は、その後の分析のために時系列信号104を記憶する時系列データベース106に供給される。次に、時系列信号104は、ユーティリティシステム資産102から直接、または時系列データベース106から非線形ノンパラメトリック(NLNP:Non-Linear, Non-Parametric)回帰モデル108に供給される。時系列センサ信号104を受信すると、NLNP回帰モデル108は、(「現在のサンプル」を含む)サンプルに対して非線形ノンパラメトリック回帰分析を実行する。分析が完了すると、NLNP回帰モデル108は推定信号値110を出力する。
MSETがその監視段階における劣化についてシステムを監視しているとき、状態行列
1.行列
2.推定ベクトル
3.観測ベクトル
4.
これらの条件を満たす非線形演算子が存在し、実際のシステムを監視することに成功していることが示されている。
SPRTは、信号劣化のこの概念に関連する2つの仮説の間で決定するための定量的フレームワークを提供する。
(1)
(2)
1.プロセス信号の分布は予め分かっている。
2.プロセス信号の分布は経時的に変化しない。
3.分布のパラメータは経時的に変化しない。
次いで、ロジスティック回帰モデル126は、以下のようにユーティリティシステム資産102のRULを計算する。我々は、現在のSPRTアラームのトリッピング周波数Fによって決定された現在の条件を仮定して、次のT時間以内にシステムSが故障する確率をp(T,F)と表す。pと現在の条件Fとの間の関係は、線形ロジスティック回帰モデルを使用してモデル化される。
図2は、開示される実施形態によるユーティリティシステム資産のRULを推定するプロセスのフローチャートを示す。監視モード中、システムは、以下の動作を反復して実行する。まず、システムは、ユーティリティシステム資産内のセンサから収集された現在の時系列信号のセットを受信する(ステップ202)。次に、システムは、推論モデルを使用して現在の時系列信号のセットの推定値を生成し(ステップ204)、また、実際の値と現在の時系列信号のセットのための推定値との間のペアワイズ差分演算を実行して残差を生成する(ステップ206)。次いで、システムは、残差に対して逐次確率比検定(SPRT)を実行してSPRTアラームを生成する(ステップ208)。次に、システムは、SPRTアラームに無関係フィルタを適用してフィルタリングされたSPRTアラームを生成し、無関係フィルタは、類似のユーティリティシステム資産の以前の故障と相関しない信号に対するSPRTアラームを除去する(ステップ210)。次いで、システムは、ロジスティック回帰モデルを使用してフィルタリングされたSPRTアラームのトリッピング周波数に基づいて、ユーティリティシステム資産のためのRULベースのリスク指標を計算する(ステップ212)。リスク指標がリスク指標閾値を超える場合、システムは、ユーティリティシステム資産を交換する必要があることを示す通知を生成する(ステップ214)。最後に、システムは、故障した追加のユーティリティシステム資産からの時系列信号に基づいてロジスティック回帰モデルおよび無関係フィルタを定期的に更新する(ステップ216)。
次に、システムは、推論モデルを使用して時系列信号のRULトレーニングセットの推定値を生成する(ステップ406)。次いで、システムは、実際の値と時系列信号のRULトレーニングセットの推定値との間のペアワイズ差分演算を実行して残差を生成する(ステップ408)。次に、システムは、残差に対してSPRTを実行して、関連するトリッピング周波数を有するSPRTアラームを生成する(ステップ410)。次いで、システムは、SPRTアラームのトリッピング周波数と類似のユーティリティシステム資産の故障時間との間の相関に基づいてユーティリティシステム資産のためのRULを予測するためにロジスティック回帰モデルをトレーニングする(ステップ412)。次に、無関係フィルタを構成するために、システムは、ユーティリティシステム資産が故障する前の時間間隔中に生成された関連するSPRTアラームを識別し(ステップ414)、次いで、無関係フィルタを構成して関連しないSPRTアラームを除去する(ステップ416)。
Claims (20)
- ユーティリティシステム資産の残存耐用年数(RUL)を推定するための方法であって、前記方法は、監視モード中に以下の動作を反復的に実行することを含み、前記以下の動作は、
前記ユーティリティシステム資産内のセンサから収集された現在の時系列信号のセットを受信することと、
推論モデルを使用して前記現在の時系列信号のセットの推定値を生成することと、
前記現在の時系列信号のセットの実際の値と前記推定値との間のペアワイズ差分演算を実行して残差を生成することと、
前記残差に対して逐次確率比検定(SPRT)を実行してSPRTアラームを生成することと、
無関係フィルタを前記SPRTアラームに適用してフィルタリングされたSPRTアラームを生成することとを含み、前記無関係フィルタは、類似のユーティリティシステム資産の以前の故障と相関しない信号に対するSPRTアラームを除去し、前記以下の動作は、
ロジスティック回帰モデルを使用して前記フィルタリングされたSPRTアラームに基づいて前記ユーティリティシステム資産のRULベースのリスク指標を計算することと、
前記リスク指標がリスク指標閾値を超えるとき、前記ユーティリティシステム資産を交換する必要があることを示す通知を生成することとを含む、方法。 - 故障した追加のユーティリティシステム資産からの時系列信号に基づいて前記ロジスティック回帰モデルおよび前記無関係フィルタを定期的に更新することをさらに含む、請求項1に記載の方法。
- 計算作業負荷を低減するために、前記RULベースの指標は、先行する時間間隔中に閾値の数を超えるフィルタリングされたSPRTアラームが生成されたときのみ、ユーティリティシステム資産について計算される、請求項1に記載の方法。
- 前記監視モードに先行する推論トレーニングモード中に、
通常の故障なしの動作中に前記ユーティリティシステム資産内のセンサから収集された時系列信号の推論トレーニングセットを受信することと、
前記推論トレーニングセットに基づいて前記時系列信号の値を予測するために前記推論モデルをトレーニングすることとをさらに含む、請求項1に記載の方法。 - 前記監視モードに先行するRULトレーニングモード中に、
類似のユーティリティシステム資産が故障するまで稼働している間に、前記類似のユーティリティシステム資産内のセンサから収集された時系列信号を含むRULトレーニングセットを受信することと、
前記類似のユーティリティシステム資産に関する関連する故障時間を受信することと、
前記推論モデルを使用して時系列信号のRULトレーニングセットの推定値を生成することと、
時系列信号の前記RULトレーニングセットの実際の値と前記推定値との間のペアワイズ差分演算を実行して残差を生成することと、
前記残差に対してSPRTを実行して関連するトリッピング周波数を有するSPRTアラームを生成することと、
前記SPRTアラームのトリッピング周波数と前記類似のユーティリティシステム資産の前記故障時間との間の相関関係に基づいて前記ユーティリティシステム資産のRULを予測するために前記ロジスティック回帰モデルをトレーニングすることとを含む、請求項1に記載の方法。 - 前記方法は、前記RULトレーニングモード中に、以下の動作によって前記無関係フィルタを追加的に構成し、前記以下の動作は、
ユーティリティシステム資産が故障する前の時間間隔中に生成された関連するSPRTアラームを識別することと、
前記無関係フィルタを構成して関連しないSPRTアラームを除去することとを含む、請求項5に記載の方法。 - 前記ユーティリティシステム資産の前記RULを予測するために前記ロジスティック回帰モデルをトレーニング中に、前記方法は、
関連するSPRTアラームに紐付くSPRTアラームのトリッピング周波数のみを考慮する、請求項6に記載の方法。 - 前記ユーティリティシステム資産内のセンサから収集された前記時系列信号は、温度、電流、電圧、抵抗、キャパシタンス、振動、溶存ガス測定基準、冷却システムパラメータおよび制御信号のうちの1つまたは複数を指定する信号を含む、請求項1に記載の方法。
- 前記推論モデルは、多変量状態推定技術(MSET)モデルを含む、請求項1に記載の方法。
- 前記ユーティリティシステム資産は、電力変圧器を備える、請求項1に記載の方法。
- コンピュータによって実行されたときに、前記コンピュータにユーティリティシステム資産の残存耐用期間(RUL)を推定するための方法を実行させる命令を記憶する、非一時的コンピュータ可読記憶媒体であって、前記方法は、監視モード中に以下の動作を反復的に実行することを含み、前記以下の動作は、
前記ユーティリティシステム資産内のセンサから収集された現在の時系列信号のセットを受信することと、
推論モデルを使用して前記現在の時系列信号のセットの推定値を生成することと、
前記現在の時系列信号のセットの実際の値と前記推定値との間のペアワイズ差分演算を実行して残差を生成することと、
前記残差に対して逐次確率比検定(SPRT)を実行してSPRTアラームを生成することと、
無関係フィルタを前記SPRTアラームに適用してフィルタリングされたSPRTアラームを生成することとを含み、前記無関係フィルタは、類似のユーティリティシステム資産の以前の故障と相関しない信号に対するSPRTアラームを除去し、前記以下の動作は、
ロジスティック回帰モデルを使用して前記フィルタリングされたSPRTアラームに基づいて前記ユーティリティシステム資産のRULベースのリスク指標を計算することと、
前記リスク指標がリスク指標閾値を超えるとき、前記ユーティリティシステム資産を交換する必要があることを示す通知を生成することとを含む、非一時的コンピュータ可読記憶媒体。 - 前記方法は、故障した追加のユーティリティシステム資産からの時系列信号に基づいて前記ロジスティック回帰モデルおよび前記無関係フィルタを定期的に更新することをさらに含む、請求項11に記載の非一時的コンピュータ可読記憶媒体。
- 計算作業負荷を低減するために、前記RULベースの指標は、先行する時間間隔中に閾値の数を超えるフィルタリングされたSPRTアラームが生成されたときのみ、ユーティリティシステム資産について計算される、請求項11に記載の非一時的コンピュータ可読記憶媒体。
- 前記方法は、
前記監視モードに先行する推論トレーニングモード中に、
通常の故障なしの動作中に前記ユーティリティシステム資産内のセンサから収集された時系列信号の推論トレーニングセットを受信することと、
前記推論トレーニングセットに基づいて前記時系列信号の値を予測するために推論モデルをトレーニングすることとを含む、請求項11に記載の非一時的コンピュータ可読記憶媒体。 - 前記方法は、
前記監視モードに先行するRULトレーニングモード中に、
類似のユーティリティシステム資産が故障するまで稼働している間に、前記類似のユーティリティシステム資産内のセンサから収集された時系列信号を含むRULトレーニングセットを受信することと、
前記類似のユーティリティシステム資産に関する関連する故障時間を受信することと、
前記推論モデルを使用して時系列信号の前記RULトレーニングセットの推定値を生成することと、
時系列信号の前記RULトレーニングセットの実際の値と前記推定値との間のペアワイズ差分演算を実行して残差を生成することと、
前記残差に対してSPRTを実行して関連するトリッピング周波数を有するSPRTアラームを生成することと、
前記SPRTアラームのトリッピング周波数と前記類似のユーティリティシステム資産の前記故障時間との間の相関関係に基づいて前記ユーティリティシステム資産のRULを予測するように前記ロジスティック回帰モデルをトレーニングすることとを含む、請求項11に記載の非一時的コンピュータ可読記憶媒体。 - 前記方法は、
前記RULトレーニングモード中に、以下の動作によって前記無関係フィルタを追加的に構成し、前記以下の動作は、
ユーティリティシステム資産が故障する前の時間間隔中に生成された関連するSPRTアラームを識別することと、
前記無関係フィルタを構成して関連しないSPRTアラームを除去することとを含む、請求項15に記載の非一時的コンピュータ可読記憶媒体。 - 前記方法は、
前記ユーティリティシステム資産の前記RULを予測するために前記ロジスティック回帰モデルをトレーニング中に、
関連するSPRTアラームに紐付くSPRTアラームのトリッピング周波数のみを考慮する、請求項16に記載の非一時的コンピュータ可読記憶媒体。 - ユーティリティシステム資産の残存耐用年数(RUL)を推定するシステムであって、
少なくとも1つのプロセッサおよび少なくとも1つの紐付けられたメモリと、
前記少なくとも1つのプロセッサ上で実行する通知メカニズムと、を含み、
前記通知メカニズムは、監視モード中に、
前記ユーティリティシステム資産内のセンサから収集された現在の時系列信号のセットを受信し、
推論モデルを使用して前記現在の時系列信号のセットの推定値を生成し、
前記現在の時系列信号のセットの実際の値と前記推定値との間のペアワイズ差分演算を実行して残差を生成し、
前記残差に対して逐次確率比検定(SPRT)を実行してSPRTアラームを生成し、
無関係フィルタを前記SPRTアラームに適用してフィルタリングされたSPRTアラームを生成し、前記無関係フィルタは、類似のユーティリティシステム資産の以前の故障と相関しない信号に対するSPRTアラームを除去し、
ロジスティック回帰モデルを使用して前記フィルタリングされたSPRTアラームに基づいて前記ユーティリティシステム資産のRULベースのリスク指標を計算し、
前記リスク指標がリスク指標閾値を超えるとき、前記ユーティリティシステム資産を交換する必要があることを示す通知を生成する、システム。 - 前記監視モードに先行するRULトレーニングモードの間、
前記通知メカニズムは、
類似のユーティリティシステム資産が故障するまで稼働している間に、前記類似のユーティリティシステム資産内のセンサから収集された時系列信号を含むRULトレーニングセットを受信し、
前記類似のユーティリティシステム資産に関する関連する故障時間を受信し、
前記推論モデルを使用して時系列信号の前記RULトレーニングセットの推定値を生成し、
時系列信号の前記RULトレーニングセットの実際の値と前記推定値との間のペアワイズ差分演算を実行して残差を生成し、
前記残差に対してSPRTを実行して関連するトリッピング周波数を有するSPRTアラームを生成し、
前記SPRTアラームのトリッピング周波数と前記類似のユーティリティシステム資産の前記故障時間との間の相関に基づいて前記ユーティリティシステム資産のRULを予測するために前記ロジスティック回帰モデルをトレーニングする、請求項18に記載のシステム。 - 前記RULトレーニングモード中に、
前記通知メカニズムはさらに前記無関係フィルタを構成し、構成プロセス中に、前記通知メカニズムは、
ユーティリティシステム資産が故障する前の時間間隔中に生成された関連するSPRTアラームを識別し、
前記無関係フィルタを構成して関連しないSPRTアラームを除去する、請求項19に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/560,629 | 2019-09-04 | ||
US16/560,629 US11341588B2 (en) | 2019-09-04 | 2019-09-04 | Using an irrelevance filter to facilitate efficient RUL analyses for utility system assets |
PCT/US2020/039630 WO2021045835A1 (en) | 2019-09-04 | 2020-06-25 | Using an irrelevance filter to facilitate efficient rul analyses for utility system assets |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022546771A true JP2022546771A (ja) | 2022-11-08 |
JPWO2021045835A5 JPWO2021045835A5 (ja) | 2023-06-30 |
Family
ID=71728879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022514593A Pending JP2022546771A (ja) | 2019-09-04 | 2020-06-25 | ユーティリティシステム資産の効率的なrul解析を促進するための無関係フィルタの使用 |
Country Status (5)
Country | Link |
---|---|
US (3) | US11341588B2 (ja) |
EP (1) | EP4026024A1 (ja) |
JP (1) | JP2022546771A (ja) |
CN (1) | CN114175072A (ja) |
WO (1) | WO2021045835A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11099219B2 (en) * | 2018-03-26 | 2021-08-24 | Oracle International Corporation | Estimating the remaining useful life of a power transformer based on real-time sensor data and periodic dissolved gas analyses |
US11921848B2 (en) * | 2020-11-02 | 2024-03-05 | Oracle International Corporation | Characterizing susceptibility of a machine-learning model to follow signal degradation and evaluating possible mitigation strategies |
CN114476457B (zh) * | 2022-01-21 | 2023-09-12 | 四川中烟工业有限责任公司 | 一种机台辅料智能配送系统及其工作方法 |
CN118169612B (zh) * | 2024-05-14 | 2024-07-30 | 江西国翔电力设备有限公司 | 一种变压器运行状态在线监测系统及方法 |
Family Cites Families (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3544251B2 (ja) * | 1995-08-03 | 2004-07-21 | 高砂熱学工業株式会社 | 回転機器の軸受部の診断方法、回転機器の軸受部の余寿命推定方法及び回転機器の軸受部の診断システム |
JPH10313034A (ja) * | 1997-05-12 | 1998-11-24 | Toshiba Corp | 電子装置の劣化・寿命診断方法および装置 |
JP3352411B2 (ja) * | 1998-03-05 | 2002-12-03 | 株式会社東芝 | 制御システム、電力系統保護制御システムおよびプログラムを記憶した記憶媒体 |
JP3400362B2 (ja) * | 1998-10-20 | 2003-04-28 | 株式会社東芝 | 電子装置の寿命診断方法及び装置 |
US20020183971A1 (en) | 2001-04-10 | 2002-12-05 | Wegerich Stephan W. | Diagnostic systems and methods for predictive condition monitoring |
US7020802B2 (en) | 2002-10-17 | 2006-03-28 | Sun Microsystems, Inc. | Method and apparatus for monitoring and recording computer system performance parameters |
US7281112B1 (en) | 2005-02-28 | 2007-10-09 | Sun Microsystems, Inc. | Method for storing long-term performance data in a computer system with finite storage space |
US7702485B2 (en) | 2006-12-06 | 2010-04-20 | Oracle America, Inc. | Method and apparatus for predicting remaining useful life for a computer system |
US7613580B2 (en) | 2007-04-12 | 2009-11-03 | Sun Microsystems, Inc. | Method and apparatus for generating an EMI fingerprint for a computer system |
US7613576B2 (en) | 2007-04-12 | 2009-11-03 | Sun Microsystems, Inc. | Using EMI signals to facilitate proactive fault monitoring in computer systems |
US7680624B2 (en) * | 2007-04-16 | 2010-03-16 | Sun Microsystems, Inc. | Method and apparatus for performing a real-time root-cause analysis by analyzing degrading telemetry signals |
US8069490B2 (en) | 2007-10-16 | 2011-11-29 | Oracle America, Inc. | Detecting counterfeit electronic components using EMI telemetric fingerprints |
US8055594B2 (en) | 2007-11-13 | 2011-11-08 | Oracle America, Inc. | Proactive detection of metal whiskers in computer systems |
US8200991B2 (en) | 2008-05-09 | 2012-06-12 | Oracle America, Inc. | Generating a PWM load profile for a computer system |
US8457913B2 (en) | 2008-06-04 | 2013-06-04 | Oracle America, Inc. | Computer system with integrated electromagnetic-interference detectors |
US20100023282A1 (en) | 2008-07-22 | 2010-01-28 | Sun Microsystem, Inc. | Characterizing a computer system using radiating electromagnetic signals monitored through an interface |
US7869977B2 (en) | 2008-08-08 | 2011-01-11 | Oracle America, Inc. | Using multiple antennas to characterize a computer system based on electromagnetic signals |
US8255341B2 (en) * | 2008-12-19 | 2012-08-28 | Oracle America, Inc. | Analyzing a target electromagnetic signal radiating from a computer system |
JP4843693B2 (ja) * | 2009-03-30 | 2011-12-21 | 株式会社東芝 | 記憶装置 |
US8275738B2 (en) | 2009-05-27 | 2012-09-25 | Oracle America, Inc. | Radio frequency microscope for amplifying and analyzing electromagnetic signals by positioning the monitored system at a locus of an ellipsoidal surface |
US8543346B2 (en) | 2009-05-29 | 2013-09-24 | Oracle America, Inc. | Near-isotropic antenna for monitoring electromagnetic signals |
CN102072829B (zh) * | 2010-11-04 | 2013-09-04 | 同济大学 | 一种面向钢铁连铸设备的故障预测方法及装置 |
BR112014013936A8 (pt) | 2011-12-13 | 2017-06-13 | Koninklijke Philips Nv | sistema e método para contabilidade de distorção eletromagnética (em) com sistema de rastreamento em |
US8548497B2 (en) | 2011-12-16 | 2013-10-01 | Microsoft Corporation | Indoor localization using commercial frequency-modulated signals |
US9851386B2 (en) | 2012-03-02 | 2017-12-26 | Nokomis, Inc. | Method and apparatus for detection and identification of counterfeit and substandard electronics |
JP5530020B1 (ja) * | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常診断システム及び異常診断方法 |
US10395032B2 (en) * | 2014-10-03 | 2019-08-27 | Nokomis, Inc. | Detection of malicious software, firmware, IP cores and circuitry via unintended emissions |
US9642014B2 (en) | 2014-06-09 | 2017-05-02 | Nokomis, Inc. | Non-contact electromagnetic illuminated detection of part anomalies for cyber physical security |
US9613523B2 (en) * | 2014-12-09 | 2017-04-04 | Unilectric, Llc | Integrated hazard risk management and mitigation system |
EP3256650B1 (en) * | 2015-02-13 | 2023-06-28 | ESCO Group LLC | Monitoring ground-engaging products for earth working equipment |
JP6706034B2 (ja) * | 2015-07-14 | 2020-06-03 | 中国電力株式会社 | 故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム |
US10116675B2 (en) * | 2015-12-08 | 2018-10-30 | Vmware, Inc. | Methods and systems to detect anomalies in computer system behavior based on log-file sampling |
US10859609B2 (en) | 2016-07-06 | 2020-12-08 | Power Fingerprinting Inc. | Methods and apparatuses for characteristic management with side-channel signature analysis |
JP6715740B2 (ja) * | 2016-10-13 | 2020-07-01 | 株式会社日立製作所 | 電力系統の潮流監視装置、電力系統安定化装置および電力系統の潮流監視方法 |
US10896064B2 (en) | 2017-03-27 | 2021-01-19 | International Business Machines Corporation | Coordinated, topology-aware CPU-GPU-memory scheduling for containerized workloads |
JP2018195945A (ja) * | 2017-05-16 | 2018-12-06 | 日本電気株式会社 | 監視装置、無線通信システム、障害要因推定方法およびプログラム |
CN107181543B (zh) | 2017-05-23 | 2020-10-27 | 张一嘉 | 一种基于传播模型和位置指纹的三维室内无源定位方法 |
US10817803B2 (en) | 2017-06-02 | 2020-10-27 | Oracle International Corporation | Data driven methods and systems for what if analysis |
US10699040B2 (en) * | 2017-08-07 | 2020-06-30 | The Boeing Company | System and method for remaining useful life determination |
US20190102718A1 (en) | 2017-09-29 | 2019-04-04 | Oracle International Corporation | Techniques for automated signal and anomaly detection |
US10452510B2 (en) | 2017-10-25 | 2019-10-22 | Oracle International Corporation | Hybrid clustering-partitioning techniques that optimizes accuracy and compute cost for prognostic surveillance of sensor data |
US10606919B2 (en) | 2017-11-29 | 2020-03-31 | Oracle International Corporation | Bivariate optimization technique for tuning SPRT parameters to facilitate prognostic surveillance of sensor data from power plants |
US11348018B2 (en) * | 2017-12-19 | 2022-05-31 | Aspen Technology, Inc. | Computer system and method for building and deploying models predicting plant asset failure |
US10565185B2 (en) | 2017-12-21 | 2020-02-18 | Oracle International Corporation | MSET-based process for certifying provenance of time-series data in a time-series database |
CN108344564B (zh) * | 2017-12-25 | 2019-10-18 | 北京信息科技大学 | 一种基于深度学习的主轴特性试验台状态识别及预测方法 |
US10977110B2 (en) | 2017-12-27 | 2021-04-13 | Palo Alto Research Center Incorporated | System and method for facilitating prediction data for device based on synthetic data with uncertainties |
US11147459B2 (en) * | 2018-01-05 | 2021-10-19 | CareBand Inc. | Wearable electronic device and system for tracking location and identifying changes in salient indicators of patient health |
US11392850B2 (en) | 2018-02-02 | 2022-07-19 | Oracle International Corporation | Synthesizing high-fidelity time-series sensor signals to facilitate machine-learning innovations |
US10740310B2 (en) | 2018-03-19 | 2020-08-11 | Oracle International Corporation | Intelligent preprocessing of multi-dimensional time-series data |
US10496084B2 (en) | 2018-04-06 | 2019-12-03 | Oracle International Corporation | Dequantizing low-resolution IoT signals to produce high-accuracy prognostic indicators |
US10635095B2 (en) * | 2018-04-24 | 2020-04-28 | Uptake Technologies, Inc. | Computer system and method for creating a supervised failure model |
US11775873B2 (en) | 2018-06-11 | 2023-10-03 | Oracle International Corporation | Missing value imputation technique to facilitate prognostic analysis of time-series sensor data |
US11188691B2 (en) * | 2018-12-21 | 2021-11-30 | Utopus Insights, Inc. | Scalable system and method for forecasting wind turbine failure using SCADA alarm and event logs |
US11409992B2 (en) | 2019-06-10 | 2022-08-09 | International Business Machines Corporation | Data slicing for machine learning performance testing and improvement |
US11055396B2 (en) | 2019-07-09 | 2021-07-06 | Oracle International Corporation | Detecting unwanted components in a critical asset based on EMI fingerprints generated with a sinusoidal load |
US20210081573A1 (en) | 2019-09-16 | 2021-03-18 | Oracle International Corporation | Merged surface fast scan technique for generating a reference emi fingerprint to detect unwanted components in electronic systems |
US11797882B2 (en) | 2019-11-21 | 2023-10-24 | Oracle International Corporation | Prognostic-surveillance technique that dynamically adapts to evolving characteristics of a monitored asset |
US11367018B2 (en) | 2019-12-04 | 2022-06-21 | Oracle International Corporation | Autonomous cloud-node scoping framework for big-data machine learning use cases |
CN110941020B (zh) | 2019-12-16 | 2022-06-10 | 杭州安恒信息技术股份有限公司 | 基于电磁泄漏的盗摄器材的检测方法及装置 |
US11255894B2 (en) | 2020-02-28 | 2022-02-22 | Oracle International Corporation | High sensitivity detection and identification of counterfeit components in utility power systems via EMI frequency kiviat tubes |
US11740122B2 (en) | 2021-10-20 | 2023-08-29 | Oracle International Corporation | Autonomous discrimination of operation vibration signals |
-
2019
- 2019-09-04 US US16/560,629 patent/US11341588B2/en active Active
-
2020
- 2020-06-25 JP JP2022514593A patent/JP2022546771A/ja active Pending
- 2020-06-25 CN CN202080052760.0A patent/CN114175072A/zh active Pending
- 2020-06-25 EP EP20743406.9A patent/EP4026024A1/en active Pending
- 2020-06-25 WO PCT/US2020/039630 patent/WO2021045835A1/en unknown
-
2022
- 2022-05-11 US US17/741,709 patent/US12039619B2/en active Active
-
2024
- 2024-05-16 US US18/666,387 patent/US20240303754A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021045835A1 (en) | 2021-03-11 |
US20240303754A1 (en) | 2024-09-12 |
US11341588B2 (en) | 2022-05-24 |
US20210065316A1 (en) | 2021-03-04 |
EP4026024A1 (en) | 2022-07-13 |
US12039619B2 (en) | 2024-07-16 |
US20220270189A1 (en) | 2022-08-25 |
CN114175072A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12086701B2 (en) | Computer-implemented method, computer program product and system for anomaly detection and/or predictive maintenance | |
JP2022546771A (ja) | ユーティリティシステム資産の効率的なrul解析を促進するための無関係フィルタの使用 | |
KR101713985B1 (ko) | 예지 정비 방법 및 장치 | |
JP5306902B2 (ja) | 資産システムの高性能条件監視のためのシステムおよび方法 | |
US11487598B2 (en) | Adaptive, self-tuning virtual sensing system for cyber-attack neutralization | |
Cheng et al. | Multivariate state estimation technique for remaining useful life prediction of electronic products | |
US20170161963A1 (en) | Method of identifying anomalies | |
US11099219B2 (en) | Estimating the remaining useful life of a power transformer based on real-time sensor data and periodic dissolved gas analyses | |
JP2012150820A (ja) | 予測的状態監視のための診断システムおよび方法 | |
Chaves et al. | Banhfap: A bayesian network based failure prediction approach for hard disk drives | |
Mathew et al. | Regression kernel for prognostics with support vector machines | |
US11411983B2 (en) | Dynamic, resilient sensing system for automatic cyber-attack neutralization | |
Kefalas et al. | Automated machine learning for remaining useful life estimation of aircraft engines | |
Alvarez | Real-time fault detection and diagnosis using intelligent monitoring and supervision systems | |
CA3173398A1 (en) | Data processing for industrial machine learning | |
Wang | Key techniques in intelligent predictive maintenance (IPdM)–a framework of intelligent faults diagnosis and prognosis system (IFDaPS) | |
Felsberger et al. | Explainable deep learning for fault prognostics in complex systems: A particle accelerator use-case | |
Saranya et al. | Data-driven prognostics for run-to-failure data employing machine learning models | |
JP7062505B2 (ja) | 設備管理支援システム | |
WO2023155967A1 (en) | Thermal anomaly management | |
Gross et al. | AI decision support prognostics for IOT asset health monitoring, failure prediction, time to failure | |
Gross et al. | Machine Learning Innovation for High Accuracy Remaining Useful Life (RUL) Estimation for Critical Assets in IoT Infrastructures | |
CN118428741B (zh) | 一种适应于特殊操作和应急操作的智能防误处理方法 | |
Khaleghei et al. | Parameter and residual life estimation for a hidden semi-markov model of a deteriorating system | |
Rigamonti et al. | AN ADVANCED EARLY FAULT DETECTION TOOL FOR PREDICTIVE MAINTENANCE OF A FLEET OF INDUSTRIAL GAS TURBINES |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230622 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230622 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240425 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240507 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240924 |