JP3968656B2

JP3968656B2 - Maintenance support device for plant equipment

Info

Publication number: JP3968656B2
Application number: JP2003028239A
Authority: JP
Inventors: 尚弘楠見; 幸治大賀
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2003-02-05
Filing date: 2003-02-05
Publication date: 2007-08-29
Anticipated expiration: 2023-02-05
Also published as: JP2004240642A

Description

【０００１】
【発明の属する技術分野】
本発明は、原子力プラント，火力プラント，化学プラントなどのプラント機器の保守支援装置に係り、特に、各プラント機器の異常がプラント運転に及ぼす影響度を評価し、その影響度に基づいて各機器の点検手法および点検時期を決定する手段に関する。
【０００２】
【従来の技術】
原子力プラントに代表される大規模プラントを構成する機器の点検時期を適切に決定することは、古くから検討されている。特に、原子力プラントのように安全性が重視される場合には、機器故障によるプラントへの影響を考慮して、そのプラント機器の点検時期を決定する必要がある。
【０００３】
そこで、経年劣化による機器の故障とその機器の故障モードによる影響とを故障モード影響解析によって評価し、評価値に基づいてそのプラント機器の点検時期を決定していた(例えば、特許文献１参照。)。
【０００４】
また、保存されたデータに基づいて経年劣化状態を評価し、その経年劣化がプラントに及ぼす影響を評価し、経年劣化状態および影響に基づいてそのプラント機器の点検時期を判定していた(例えば、特許文献２参照。)。
【０００５】
【特許文献１】
特開２０００−００２７８５号公報(第４−５頁、図１，図５−７)
【特許文献２】
特開２００１−１２５６２６号公報(第４−５頁、図１，図２)
【０００６】
【発明が解決しようとする課題】
しかし、プラント機器の故障は、経年劣化だけにより生ずるわけではない。点検時期の決定には、経年劣化のみならず、プラント機器に異常状態が発生した事象も考慮する必要がある。従来は、この経年劣化とは直接関係が無い機器異常について点検時期を決定する方法がなかった。
【０００７】
一般に、機器故障は、機器のある個所が異常状態となったことが一要因となる。そのため、保全という観点からは、その異常状態による故障発生を未然に防ぎ、プラントへの影響を小さくすることが、非常に重要である。
【０００８】
本発明の目的は、経年劣化と関係が無い場合でも、プラント機器が異常に至った際のプラント運転への影響度を的確に評価し、機器の点検手法および点検時期を決定するプラント機器の保守支援装置を提供することである。
【０００９】
【課題を解決するための手段】
本発明は、上記目的を達成するために、プラント機器の観測値を蓄積する観測値データベースと、前記プラント機器の情報を蓄積する機器データベースと、前記プラント機器の点検情報を蓄積する点検情報データベースと、前記観測値データベース，前記機器データベース，前記点検情報データベースの観測値および情報を用いて任意時刻のプラント機器異常を診断する状態診断部と、前記機器データベースおよび前記点検情報データベースの情報と前記状態診断部で診断した情報とを用いて前記プラント機器異常がプラント運転に及ぼす影響を評価するプラント運転影響度評価部と、前記状態診断部および前記プラント運転影響度評価部で得た結果を用いて前記プラント機器の点検方法および点検時期を決定する点検方法／時期決定部とからなるプラント機器の保守支援装置を提案する。
【００１０】
前記状態診断部は、前記観測値データベースに納められている過去の実測値に基づいて機器のモデルを作成するモデル作成手段と、作成されたモデルを用いて機器の任意の状態量を計算するモデル計算手段と、前記状態量に基づいて異常確率を計算する異常確率計算手段とを含むことができる。
【００１１】
本発明は、また、上記目的を達成するために、プラント機器の観測値を蓄積する観測値データベースと、前記プラント機器の情報を蓄積する機器データベースと、前記プラント機器の点検情報を蓄積する点検情報データベースと、観測できない機器の状態量を推定し、前記観測値データベース，前記機器データベース，前記点検情報データベースの観測値および情報ならびに推定された前記観測できない機器の状態量を用いて任意時刻のプラント機器異常を診断する状態診断部と、前記機器データベースおよび前記点検情報データベースの情報と前記状態診断部で診断した情報とを用いて前記プラント機器異常がプラント運転に及ぼす影響を評価するプラント運転影響度評価部と、前記状態診断部および前記プラント運転影響度評価部で得た結果を用いて前記プラント機器の点検方法および点検時期を決定する点検方法／時期決定部とからなるプラント機器の保守支援装置を提案する。
【００１２】
前記状態診断部は、取得できる実測値に基づいてセンサなどで直接観測できない値を推定する状態推定手段と、前記観測値データベースに納められている過去の実測値および推定された前記観測できない機器の状態量に基づいて機器のモデルを作成するモデル作成手段と、作成されたモデルを用いて機器の任意の状態量を計算するモデル計算手段と、前記状態量に基づいて異常確率を計算する異常確率計算手段とを含む。
【００１３】
前記観測値データベースは、プラントから得られる観測値を点検時期からの経過日数毎に格納する手段と観測値を前記状態診断部にリアルタイムで転送する手段とを備える。
【００１４】
前記状態診断部の前記異常確率計算手段は、前記点検方法／時期決定部で得られた結果を反映して異常確率を計算する手段を含む。
【００１５】
前記状態診断部の前記異常確率計算手段は、前記観測値データベースに格納されている過去の観測値を用いて作成されたモデルを用いて前記プラント機器の任意時刻における観測値を予測し、その結果を用いて前記プラント機器の任意時刻における異常確率と現時刻から異常発生までの残り時間とを算出する手段を含む。
【００１６】
前記状態診断部の前記異常確率計算手段は、前記観測値データベースに格納されている過去の観測値を用いて作成されたモデルおよび観測できない機器の状態量を推定するモデルを用いて前記プラント機器の任意時刻における観測値を予測し、その結果を用いて前記プラント機器の任意時刻における異常確率と現時刻から異常発生までの残り時間とを算出する手段を含む。
【００１７】
前記プラント運転影響度評価部は、プラント運転中に点検可能である場合、該当する前記プラント機器の影響を考慮して影響度を評価する手段を含む。
【００１８】
前記プラント運転影響度評価部は、故障モード影響度解析によって得られた前記プラント機器の影響度と、前記故障モードを頂上事象とするフォールトツリー解析の結果から得られる異常要因に対して前記状態診断部で算出される前記異常確率を前記異常要因の発生確率とし前記故障モードが前記プラント機器の異常によってどれくらいの割合で関与しているかを算出した結果と、前記プラント機器がプラント運転中に点検可能であれば１以上の数値を代入した係数を用いて、点検可能でなければ１を代入した係数を用いて、前記プラント機器の異常によるプラント運転への影響度を評価する手段を含む。
【００１９】
前記点検方法／時期決定部は、前記プラント運転影響度評価部で得られた評価結果が所定のしきい値を超えかつプラント運転中に点検が可能である場合に、前記状態診断部で算出された異常発生までの残り時間内に点検時期を設定する手段を含む。
【００２０】
【発明の実施の形態】
次に、図１〜図９を参照して、本発明によるプラント機器の保守支援装置の実施形態を説明する。なお、これらの実施形態は、本発明を原子力発電プラントに適用した例である。
【００２１】
【実施形態１】
図１は、本発明によるプラント機器の保守支援装置の実施形態１の構成を示すブロック図である。本実施形態１のプラント機器の保守支援装置は、観測値データベース１と、機器データベース２と、点検情報データベース３と、状態診断部４と、プラント運転影響度評価部５と、点検方法／時期決定部６と、表示部７と、保存部８とを備えている。状態診断部４は、モデル作成手段４１と、モデル計算手段４２と、異常確率計算手段４３とを含んでいる。
【００２２】
観測値データベース１は、プラントから得られる観測値を格納している。また、同じ観測値でも、点検時期から経過した時間毎に観測値を並べ替えることができる。さらに、オンラインで状態監視が可能となるように、プラントから得られた観測値を格納するとともに、状態診断部４にその観測値を送る機能も備えている。
【００２３】
機器データベース２には、プラントの構成機器に関する設計データと、故障および異常となる観測値のしきい値と、故障モード影響度解析により予め得られた解析データと、故障モード影響度解析の各故障モードを頂上現象としたフォールトツリー解析による解析データとが格納されている。
【００２４】
点検情報データベース３は、点検方法と、点検時期の履歴と、オンラインメンテナンスが可能な場合の点検情報係数(α)とを格納している。点検情報係数(α)については、点検方法／時期決定部６とともに、後で詳細に説明する。
【００２５】
状態診断部４は、機器の任意時刻における異常確率を算出する。状態診断部４の中で、モデル作成手段４１は、観測値データベース１に納められている過去の実測値に基づいて機器のモデルを作成する。モデル計算手段４２は、作成されたモデルを用いて、機器の任意の状態量を計算する。異常確率計算手段４３は、その状態量に基づいて異常確率を計算する。
【００２６】
プラント運転影響度評価部５は、故障モード影響度解析により予め得られた各機器の故障モードに対応するプラントへの影響度と、各機器の故障モードを頂上現象としたフォールトツリー解析を実施した結果よる異常影響度とを算出し、状態診断部４で算出した異常確率と点検情報データベース３に格納されている点検情報係数(α)とを用いて、プラント運転への影響度を評価する。
【００２７】
点検方法／時期決定部６は、プラント運転影響度評価部５で得られた評価結果と点検情報データベース３および状態診断部４から得られた異常発生までの残り時間とを考慮し、各機器の点検方法および点検時期を決定する。
【００２８】
決定した点検方法および点検時期の情報は、点検情報データベース３と、状態診断部４と、プラント運転影響度評価部５とにそれぞれ反映される。
【００２９】
特に、状態診断部４では、点検方法および点検時期を考慮したオンラインでの状態監視を実施し、プラント運転の安全性を確保するための支援が可能となっている。
【００３０】
表示部７は、点検方法／時期決定部６で決定された点検方法および点検時期を表示する。状態診断部４における診断結果も併せて表示できる。保存部８は、点検方法および点検時期を決定するまでに用いた情報を一括して保存する。なお、表示部７としては、汎用品の表示機器を用いることができ、保存部８の構成機器も特殊な物ではない。
【００３１】
したがって、観測値データベース１，機器データベース２，点検情報データベース３，状態診断部４，プラント運転影響度評価部５，点検方法／時期決定部６をユニットとし、表示部７および保存部８を外部機器として接続する構成を採用してもよい。
【００３２】
図２は、状態診断部４において異常確率を算出する方法を示す図である。
【００３３】
任意時刻の予測値を得るために、観測値データベース１に格納されている実測値に基づいてモデル作成手段４１でモデルを作成しておく。モデル作成手段４１では、観測値を状態量として種々のモデルを使用できる。モデルとしては、ＡＲＭＡモデルなどに代表される統計的モデル，物理モデル、伝達関数やニューラルネットワークに代表されるブラックボックスモデルなどがあり、各機器から得られる観測値や異常診断の種類に応じて選択する。
【００３４】
モデル計算手段４２は、得られた実測値を初期値としてモデルに入力し、任意時刻の予測値を得る。
【００３５】
図２のように、モデルに与える初期値の時刻をｔ0とし、時刻ｔ1の観測値xがモデルによる予測値で得られたとする。このとき、時刻ｔ1における予測値の確率分布を過去の実測値から求めておき、観測値xの確率Ｐ(ｘ)を算出する。
【００３６】
例えば、時刻ｔ1における確率分布が正規分布に従うとすると、観測値xに対する確率Ｐ(ｘ)は、数式１で求められる。ここで、σは分散，μは平均，△xは十分小さい正の値を表す。
【００３７】
【数１】

観測値xが平均から離れると、Ｐ(ｘ)は小さくなり、過去の実測値から得られる正常な範囲から外れることを意味する。そこで、この確率Ｐ(ｘ)を用いて、数式２により、異常確率を算出する。
【００３８】
【数２】

数式２によれば、観測値xが正常値から外れると、異常確率が大きくなる。
【００３９】
ここで考慮した時刻ｔ0とｔ1の差ｔ1−ｔ0を異常発生までの残り時間とする。
【００４０】
図３は、原子力プラントの再循環ポンプを対象として、故障モードがプラントに及ぼす影響度を解析した例を示す図である。
【００４１】
機器データベース２には、図３に示すように、機種に応じて構成要素，故障モード，故障原因，故障の影響，影響度が記述されている。ここでは、影響度が最も高いプラント停止に至る故障モードを５とし、影響度を１〜５段階で分類しているが、本発明は、このような分類方式には限定されない。
【００４２】
ただし、この影響度は、経年劣化に起因する故障に関するものであるため、そのまま使用すると機器異常による影響度にならない。そこで、各故障モードを頂上現象としたフォールトツリー解析を実施し、異常要因に対する各故障モードとの関係を解析し、機器異常による影響度を算出することにする。
【００４３】
図４は、原子力プラントの再循環ポンプについて、シール室圧力異常を頂上現象として故障に至る異常要因を解析した例を示す図である。
【００４４】
原子力プラントの再循環ポンプは、ステンレス鋼製の単段，二重渦巻形の立型遠心ポンプである。その軸シールは、一段で全圧力をシール可能なメカニカルシールを二段直列に配置してある。
【００４５】
各シールにかかる圧力を等分するために、シール水の一部を外部に流出させるコントロール・ブリードオフを実施している。各シールを監視するため、一段目および二段目のシール室圧力と温度とを測定し、二段目シールからの漏えい量とコントロール・ブリードオフ量とを測定している。
【００４６】
図４に示すように、シール室圧力異常１０をフォールトツリー解析の頂上現象とすると、異常要因は、漏えい量異常１２，コントロール・ブリードオフ量異常１３，一段目シール室圧力異常１４，二段目シール室圧力異常１５，一段目シール室温度異常１６，二段目シール室温度異常１７からなり、ＯＲゲート１１を介して、頂上現象に接続されている。
【００４７】
また、それぞれの異常要因に状態診断部４で算出された異常確率を当てはめると、各異常要因によるシール室圧力異常の確率が算出される。
【００４８】
一般に、ＯＲゲートを介したフォールトツリーにおいては、いずれかの要因が異常となれば、上位の事象が発生するので、数式３を用いて確率を決定する。ここで、ＰUORはＯＲゲートの上位事象，Ｐ1はその要因事象，Ｉは添え字iの集合を表す。
【００４９】
【数３】

この場合、上位事象であるシール室圧力異常１０が発生する確率ＰPLRlは、漏えい量異常１２の確率Ｐ1，コントロール・ブリードオフ量異常１３の確率Ｐ2，一段目シール室圧力異常１４の確率Ｐ3，二段目シール室圧力異常１５の確率Ｐ4，一段目シール室温度異常１６の確率Ｐ5，二段目シール室温度異常１７の確率Ｐ6のうちで、一番大きい確率の値を選択することになる。このとき求めた頂上事象の発生確率を異常による故障モード発生確率とする。
【００５０】
一方、頂上事象がその異常要因のＡＮＤ関係で成立する場合も考慮しなければならない。
【００５１】
図５は、機器データベースに格納されている故障に至る異常要因のＡＮＤ関係で頂上事象が生ずる場合を説明する図である。異常要因は、異常事象Ａ２２と異常事象Ｂ２３とからなり、ＡＮＤゲート２１を介して、頂上事象Ａ２０に接続されている。
【００５２】
この場合も、各異常事象に状態診断部４で算出された異常確率を当てはめ、数式４により、頂上事象Ａ２０が発生する確率を求める。ここで、ＰUANDはＡＮＤゲートの頂上事象が発生する確率、Ｐj(j＝１,…,N)は頂上事象の要因となる異常事象を表す。
【００５３】
【数４】

各異常要因がＡＮＤ関係であることから、それぞれの確率が高くなければ、上位である事象が発生しないので、各異常事象の確率の平均値を設定する。ここでも、得られた頂上事象の発生確率を異常による故障モード発生確率とする。
【００５４】
図６は、プラント運転影響評価部の処理手順を示すフローチャートである。この一連の処理を全ての機器の全ての故障モードについて実施する。
【００５５】
ステップ１００：異常確率が算出されているかを確認する。
【００５６】
ステップ１０１：異常確率が算出されていなければ、異常確率を算出する。
【００５７】
ステップ１０２：次に、異常による故障モード発生確率が算出されているかを確認する。
【００５８】
ステップ１０３：算出されていなければ、異常による故障モード発生確率を算出する。
【００５９】
ステップ１０４：機器情報データベース３を参照し、該当機器がオンラインメンテナンス可能であるかどうかを確認する。オンラインメンテナンスが可能であれば、運転中待機系数が減少した状態における点検となるので、その影響度を通常の影響よりも大きくするために、点検情報係数αを１以上に設定する。点検情報係数αは、機器の機能や設置場所および待機系数の大小などを考慮して決定する。オンラインメンテナンスが可能でなければ、定期検査における実施となるため、点検情報係数(α)は１に設定する。
【００６０】
ステップ１０５：最後に、異常による故障モード発生確率に、その故障モードの影響度および点検情報係数(α)をそれぞれ乗算し、それを評価値とする。
【００６１】
図７は、点検方法／時期決定部の処理手順を示すフローチャートである。
【００６２】
ステップ１１０：まず、該当機器がオンラインメンテナンス可能であるかを確認する。
【００６３】
ステップ１１１：オンラインメンテナンスが可能であれば、状態監視保全を選択する。
【００６４】
ステップ１１５：そうでなければ、時間計画保全を選択する。
【００６５】
ステップ１１２：状態監視保全１１１の場合、プラント運転影響度評価部５で算出された評価値をしきい値と比較する。
【００６６】
ステップ１１３：評価値がしきい値よりも大きければ、状態診断部４で求めた異常発生までの残り時間内に点検時期を設定する。
【００６７】
ステップ１１４：そうでなければ、点検時期延長が可能とする。
【００６８】
ステップ１１６：時間計画保全１１５の場合、プラント運転影響度評価部５で算出された評価値をしきい値と比較する。
【００６９】
ステップ１１７：評価値がしきい値よりも大きければ、次回の定期検査における検査を設定する。
【００７０】
ステップ１１４：そうでなければ、点検時期延長が可能とする。
【００７１】
ここまでは、機器異常のプラント運転への影響度を評価し、この影響度に基づき、各機器の点検方法および点検時期を決定する基本的方式について説明した。
【００７２】
現実には、点検時期が延長された場合またはオンラインメンテナンスを実施できない機器で評価値がしきい値よりも大きい場合などは、プラントのより一層の安全性を考慮して、状態監視によるモニタリングに評価情報を反映する必要がある。
【００７３】
本発明では、このようなことも考慮して、点検方法／時期決定部で得られた情報を状態診断部４にフィードバックし、モニタリングに反映する機能を備えている。
【００７４】
図８は、点検方法および点検時期が決定した情報に基づいて、状態診断部で異常確率を算出する方法を示す図である。
【００７５】
図２の場合と同様に、ｔ0はモデルに与える初期値の時刻であり、時刻ｔlの観測値xをモデルの出力である予測値により得たとする。観測値xの対象となる機器が、点検方法／時期決定部６において、点検時期延長可能と判定され、点検時期延長と決定したとする。
【００７６】
この場合、安全性を保つためにも、従来よりも少し厳しい基準で状態を監視する必要がある。そこで、時刻ｔ1における確率分布の形状を変更して、監視基準を厳しくする。
【００７７】
図２の場合は、確率分布が正規分布に従うと仮定したので、この仮定を継続する。数式１における分散σを小さくすると、分布が平均μの近傍で盛り上がる形状となる。そのため、同じ観測値xでも、分布の裾のほうに対応するため、確率Ｐ′(ｘ)は、確率Ｐ(x)よりも小さくなる。すなわち、数式２から、異常確率は、確率Ｐ(ｘ)のときと比べて大きくなる。その結果、正常値からのずれによる感度が高くなり、通常よりも厳しい基準で状態を監視できる。
【００７８】
【実施形態２】
図９は、本発明によるプラント機器の保守支援装置の実施形態２の構成を示すブロック図である。本実施形態１のプラント機器の保守支援装置は、観測値データベース１と、機器データベース２と、点検情報データベース３と、状態診断部４と、プラント運転影響度評価部５と、点検方法／時期決定部６と、表示部７と、保存部８とを備えている。本実施形態２の状態診断部４は、実施形態１のモデル作成手段４１，モデル計算手段４２，異常確率計算手段４３に加えて、状態推定手段４４を含んでいる。
【００７９】
観測値データベース１は、プラントから得られる観測値を格納している。また、同じ観測値でも、点検時期から経過した時間毎に観測値を並べ替えることができる。さらに、オンラインで状態監視が可能となるように、プラントから得られた観測値を格納するとともに、状態診断部４にその観測値を送る機能も備えている。
【００８０】
機器データベース２には、プラントの構成機器に関する設計データと、故障および異常となる観測値のしきい値と、故障モード影響度解析により予め得られた解析データと、故障モード影響度解析の各故障モードを頂上現象としたフォールトツリー解析による解析データとが格納されている。
【００８１】
点検情報データベース３は、点検方法と、点検時期の履歴と、オンラインメンテナンスが可能な場合の点検情報係数(α)とを格納している。
【００８２】
状態診断部４は、機器の任意時刻における異常確率を算出する。状態診断部４の中で、モデル作成手段４１は、観測値データベース１に納められている過去の実測値に基づいて機器のモデルを作成する。モデル計算手段４２は、作成されたモデルを用いて、機器の任意の状態量を計算する。異常確率計算手段４３は、その状態量に基づいて異常確率を計算する。状態推定手段４４は、取得できる実測値に基づいて、センサなどで直接観測できない状態量を推定する。
【００８３】
任意時刻の予測値を得るために、観測値データベース１に格納されている実測値に基づいてモデル作成手段４１でモデルを作成しておく。モデル作成手段４１では、観測値を状態量として種々のモデルを使用できる。モデルとしては、ＡＲＭＡモデルなどに代表される統計的モデル，物理モデル，伝達関数やニューラルネットワークに代表されるブラックボックスモデルなどがあり、各機器から得られる観測値や異常診断の種類に応じて選択する。
【００８４】
本実施形態２の状態推定手段４４は、点検方法や点検時期を決定する際に必要となる機器の状態量が実測値として得られない場合に、観測できない機器の状態量を推定する。モデル作成手段４１は、実測値とともに、状態推定手段４４により推定された機器の状態量を取り込んでモデルを作成する。
【００８５】
ここで、観測できない状態量とは、リアルタイムに観測できないことを意味し、分解点検などを実施したときは、計測して得られる量である。この分解点検時にだけ得られる実測値に基づいて、状態推定をするモデルを規定する。
【００８６】
観測できない状態量を観測できる状態量から推定する場合には、例えば、因子分析や主成分分析などを用いて、観測できる状態量の中でどの状態量が観測できない状態量に関係しているかを求め、強く関係している状態量に基づいて回帰モデルに代表される統計的モデル，伝達関数やニューラルネットワークに代表されるブラックボックスモデルでモデルを作成する。
【００８７】
また、機器によっては、物理モデルを定義できる場合もある。このときには、カルマンフィルタのような状態推定手法を用いる。
【００８８】
モデル計算手段４２は、得られた実測値を初期値としてモデルに入力し、作成されたモデルを用いて、機器の任意の状態量を計算する。異常確率計算手段４３は、その状態量に基づいて異常確率を計算する。
【００８９】
プラント運転影響度評価部５は、故障モード影響度解析により予め得られた各機器の故障モードに対応するプラントへの影響度と、各機器の故障モードを頂上現象としたフォールトツリー解析を実施した結果による異常影響度とを算出し、状態診断部４で算出した異常確率と点検情報データベース３に格納されている点検情報係数(α)とを用いて、プラント運転への影響度を評価する。
【００９０】
点検方法／時期決定部６は、プラント運転影響度評価部５で得られた評価結果と点検情報データベース３および状態診断部４から得られた異常発生までの残り時間とを考慮し、各機器の点検方法および点検時期を決定する。
【００９１】
表示部７は、点検方法／時期決定部６で決定された点検方法および点検時期を表示する。表示部７は、状態診断部４における診断結果も併せて表示できるようにしてもよい。
【００９２】
保存部８は、点検方法および点検時期を決定するまでに用いた情報を一括して保存する。決定した点検方法および点検時期の情報は、点検情報データベース３と、状態診断部４と、プラント運転影響度評価部５とにそれぞれ反映される。
【００９３】
特に、状態診断部４では、点検方法および点検時期を考慮したオンラインでの状態監視を実施し、プラント運転の安全性を確保するための支援が可能となっている。
【００９４】
上記実施形態１，２では、本発明を原子力発電プラントの構成機器に適用しているが、本発明の適用対象は、原子力発電プラントに限定されない。例えば、火力発電プラントや化学プラントに代表される大規模なシステムの構成機器についても観測値が得られ、各機器の情報や保守の履歴などが管理されているので、本発明はこれらの保守支援にも適用できる。
【００９５】
【発明の効果】
本発明によれば、プラントの実測値および予測値に基づいて、任意時刻における機器の異常確率を算出して、その機器が異常に至った際のプラント運転への影響度を評価するので、経年劣化と関係が無い場合でも、機器の点検手法および点検時期を決定できるプラント機器の保守支援装置が得られる。
【００９６】
また、決定された点検手法および点検時期の情報を状態診断および影響度に反映させ、点検時期を考慮した状態監視や点検手法を考慮した影響評価ができる。
【００９７】
さらに、点検方法や点検時期を決定する際に必要となる機器の状態量が実測値として得られない場合に、観測できない機器の状態量を推定することもできる。
【図面の簡単な説明】
【図１】本発明によるプラント機器の保守支援装置の実施形態１の構成を示すブロック図である。
【図２】実施形態１の状態診断部４において異常確率を算出する方法を示す図である。
【図３】原子力プラントの再循環ポンプを対象として、故障モードがプラントに及ぼす影響度を解析した例を示す図である。
【図４】原子力プラントの再循環ポンプについて、シール室圧力異常を頂上現象として故障に至る異常要因を解析した例を示す図である。
【図５】機器データベースに格納されている故障に至る異常要因のＡＮＤ関係で頂上事象が生ずる場合を説明する図である。
【図６】プラント運転影響評価部の処理手順を示すフローチャートである。
【図７】点検方法／時期決定部の処理手順を示すフローチャートである。
【図８】点検方法および点検時期が決定した情報に基づいて、状態診断部で異常確率を算出する方法を示す図である。
【図９】本発明によるプラント機器の保守支援装置の実施形態２の構成を示すブロック図である。
【符号の説明】
１観測値データベース
２機器データベース
３点検情報データベース
４状態診断部
５プラント運転影響度評価部
６点検方法／時期決定部
７表示部
８保存部
１０シール室圧力異常
１１ＯＲゲート
１２漏えい量異常
１３コントロール・ブリードオフ量異常
１４一段目シール室圧力異常
１５二段目シール室圧力異常
１６一段目シール室温度異常
１７二段目シール室温度異常
２０頂上事象Ａ
２１ＡＮＤゲート
２２異常事象Ａ
２３異常事象Ｂ
４１モデル作成手段
４２モデル計算手段
４３異常確率計算手段
４４状態推定手段[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a maintenance support apparatus for plant equipment such as a nuclear power plant, a thermal power plant, and a chemical plant, and in particular, evaluates the degree of influence that an abnormality of each plant equipment has on plant operation, and based on the degree of influence, The present invention relates to an inspection method and a means for determining an inspection time.
[0002]
[Prior art]
It has been studied for a long time to appropriately determine the inspection timing of equipment constituting a large-scale plant represented by a nuclear power plant. In particular, when safety is important as in a nuclear power plant, it is necessary to determine the inspection time of the plant equipment in consideration of the influence on the plant due to equipment failure.
[0003]
Therefore, the failure of the equipment due to deterioration over time and the influence of the failure mode of the equipment are evaluated by failure mode influence analysis, and the inspection time of the plant equipment is determined based on the evaluation value (see, for example, Patent Document 1). ).
[0004]
Also, the aging deterioration state was evaluated based on the stored data, the influence of the aging deterioration on the plant was evaluated, and the inspection time of the plant equipment was determined based on the aging deterioration state and the influence (for example, (See Patent Document 2).
[0005]
[Patent Document 1]
JP 2000-002785 A (page 4-5, FIGS. 1 and 5-7)
[Patent Document 2]
JP 2001-125626 A (page 4-5, FIGS. 1 and 2)
[0006]
[Problems to be solved by the invention]
However, plant equipment failures are not only caused by aging. In determining the inspection time, it is necessary to consider not only aged deterioration but also events in which abnormal conditions occur in plant equipment. Conventionally, there has been no method for determining the inspection time for an equipment abnormality not directly related to this aging deterioration.
[0007]
In general, an equipment failure is caused by a certain part of the equipment becoming in an abnormal state. Therefore, from the viewpoint of maintenance, it is very important to prevent the occurrence of failure due to the abnormal state and reduce the influence on the plant.
[0008]
The purpose of the present invention is to maintain plant equipment that accurately evaluates the degree of influence on plant operation when plant equipment becomes abnormal even when it has nothing to do with aging, and determines the equipment inspection method and time. It is to provide a support device.
[0009]
[Means for Solving the Problems]
In order to achieve the above object, the present invention provides an observation value database for accumulating observation values of plant equipment, an equipment database for accumulating information on the plant equipment, an inspection information database for accumulating inspection information on the plant equipment, A state diagnosis unit for diagnosing plant equipment abnormality at an arbitrary time using observation values and information of the observation value database, the equipment database, and the inspection information database, information on the equipment database and the inspection information database, and the state diagnosis The plant operation influence evaluation unit that evaluates the influence of the plant equipment abnormality on the plant operation using the information diagnosed by the unit, and the results obtained by the state diagnosis unit and the plant operation influence evaluation unit Inspection method / time determination unit for determining the inspection method and inspection time of plant equipment To propose a maintenance support system of the plant equipment to be.
[0010]
The state diagnosis unit includes a model creation unit that creates a model of a device based on past measured values stored in the observation value database, and a model that calculates an arbitrary state quantity of the device using the created model Calculation means and abnormality probability calculation means for calculating abnormality probability based on the state quantity can be included.
[0011]
In order to achieve the above object, the present invention also provides an observation value database for accumulating observation values of plant equipment, an equipment database for accumulating information on the plant equipment, and inspection information for accumulating inspection information on the plant equipment. Estimating the state quantity of the database and unobservable equipment, and using the observation value database, the equipment database, the inspection information database, and the estimated state quantity of the unobservable equipment, the plant equipment at an arbitrary time A plant operation influence evaluation that evaluates the influence of the plant device abnormality on plant operation using the state diagnosis unit for diagnosing abnormality, the information of the device database and the inspection information database, and the information diagnosed by the state diagnosis unit Obtained by the department, the state diagnosis part and the plant operation influence degree evaluation part Suggest maintenance support system of the plant equipment comprising a service method / timing determining unit that determines an inspection method and inspection time of the plant equipment with fruit.
[0012]
The state diagnosis unit includes state estimation means for estimating a value that cannot be directly observed by a sensor or the like based on an actual value that can be acquired, a past actual value stored in the observation value database, and an estimated device that cannot be observed. Model creation means for creating a device model based on the state quantity, model calculation means for calculating an arbitrary state quantity of the equipment using the created model, and an abnormality probability for computing an abnormality probability based on the state quantity And calculating means.
[0013]
The observation value database includes means for storing observation values obtained from the plant for each number of days elapsed from the inspection time, and means for transferring the observation values to the state diagnosis unit in real time.
[0014]
The abnormality probability calculation means of the state diagnosis unit includes means for calculating an abnormality probability reflecting the result obtained by the inspection method / time determination unit.
[0015]
The abnormality probability calculation means of the state diagnosis unit predicts an observation value at an arbitrary time of the plant equipment using a model created using past observation values stored in the observation value database, and the result Means for calculating the abnormality probability of the plant equipment at an arbitrary time and the remaining time from the current time to the occurrence of the abnormality.
[0016]
The abnormality probability calculation means of the state diagnosis unit uses a model created using past observation values stored in the observation value database and a model for estimating state quantities of unobservable equipment. A means for predicting an observed value at an arbitrary time, and using the result to calculate an abnormality probability of the plant equipment at an arbitrary time and a remaining time from the current time to the occurrence of the abnormality.
[0017]
The plant operation influence degree evaluation unit includes means for evaluating the influence degree in consideration of the influence of the corresponding plant equipment when inspection is possible during plant operation.
[0018]
The plant operation influence degree evaluation unit performs the state diagnosis on the influence degree of the plant equipment obtained by the failure mode influence degree analysis and the abnormality factor obtained from the result of the fault tree analysis using the failure mode as a top event. The abnormality probability calculated by the unit is assumed to be the occurrence probability of the abnormality factor, and the rate at which the failure mode is involved due to the abnormality of the plant equipment and the plant equipment can be inspected during plant operation Then, using a coefficient substituted with a numerical value of 1 or more, and using a coefficient substituted with 1 if inspection is not possible, means for evaluating the degree of influence on the plant operation due to the abnormality of the plant equipment is included.
[0019]
The inspection method / time determination unit is calculated by the state diagnosis unit when the evaluation result obtained by the plant operation influence evaluation unit exceeds a predetermined threshold and inspection is possible during plant operation. Means for setting the inspection time within the remaining time until the occurrence of abnormality.
[0020]
DETAILED DESCRIPTION OF THE INVENTION
Next, with reference to FIGS. 1-9, embodiment of the maintenance assistance apparatus of the plant apparatus by this invention is described. Note that these embodiments are examples in which the present invention is applied to a nuclear power plant.
[0021]
Embodiment 1
FIG. 1 is a block diagram showing a configuration of a first embodiment of a maintenance support apparatus for plant equipment according to the present invention. The plant equipment maintenance support apparatus according to the first embodiment includes an observation value database 1, equipment database 2, inspection information database 3, state diagnosis section 4, plant operation influence evaluation section 5, and inspection method / time determination. A unit 6, a display unit 7, and a storage unit 8 are provided. The state diagnosis unit 4 includes a model creation unit 41, a model calculation unit 42, and an abnormality probability calculation unit 43.
[0022]
The observation value database 1 stores observation values obtained from the plant. In addition, even for the same observation value, the observation value can be rearranged for each time elapsed from the inspection time. Furthermore, it has a function of storing observation values obtained from the plant and sending the observation values to the state diagnosis unit 4 so that the state can be monitored online.
[0023]
The equipment database 2 includes design data related to plant component equipment, threshold values of observed values that cause failures and abnormalities, analysis data obtained in advance by failure mode influence analysis, and failure of failure mode influence analysis. Stores analysis data by fault tree analysis with the mode as the top phenomenon.
[0024]
The inspection information database 3 stores an inspection method, an inspection time history, and an inspection information coefficient (α) when online maintenance is possible. The inspection information coefficient (α) will be described later in detail together with the inspection method / time determination unit 6.
[0025]
The state diagnosis unit 4 calculates the abnormality probability of the device at an arbitrary time. In the state diagnosis unit 4, the model creation means 41 creates a device model based on the past actual measurement values stored in the observation value database 1. The model calculation means 42 calculates an arbitrary state quantity of the device using the created model. The abnormality probability calculation means 43 calculates the abnormality probability based on the state quantity.
[0026]
The plant operation influence degree evaluation unit 5 performed a fault tree analysis in which the influence degree to the plant corresponding to the failure mode of each device obtained in advance by the failure mode influence degree analysis and the failure mode of each device as a top phenomenon. The abnormality influence degree based on the result is calculated, and the influence degree on the plant operation is evaluated using the abnormality probability calculated by the state diagnosis unit 4 and the inspection information coefficient (α) stored in the inspection information database 3.
[0027]
The inspection method / time determination unit 6 considers the evaluation result obtained by the plant operation influence evaluation unit 5 and the remaining time until occurrence of an abnormality obtained from the inspection information database 3 and the state diagnosis unit 4, and Determine the inspection method and inspection period.
[0028]
Information on the determined inspection method and inspection timing is reflected in the inspection information database 3, the state diagnosis unit 4, and the plant operation influence evaluation unit 5.
[0029]
In particular, the state diagnosis unit 4 can perform online state monitoring in consideration of the inspection method and the inspection time, and can assist in ensuring the safety of plant operation.
[0030]
The display unit 7 displays the inspection method and inspection time determined by the inspection method / time determination unit 6. The diagnosis result in the state diagnosis unit 4 can also be displayed. The storage unit 8 collectively stores information used until the inspection method and the inspection time are determined. Note that a general-purpose display device can be used as the display unit 7, and the constituent devices of the storage unit 8 are not special.
[0031]
Therefore, the observation value database 1, equipment database 2, inspection information database 3, condition diagnosis section 4, plant operation influence evaluation section 5, inspection method / time determination section 6 are set as units, and the display section 7 and the storage section 8 are external devices. A configuration of connecting as follows.
[0032]
FIG. 2 is a diagram illustrating a method for calculating the abnormality probability in the state diagnosis unit 4.
[0033]
In order to obtain a predicted value at an arbitrary time, a model is created by the model creation means 41 based on the actual measurement value stored in the observation value database 1. In the model creation means 41, various models can be used with the observed values as state quantities. Models include statistical models such as ARMA models, physical models, black boxes models such as transfer functions and neural networks, and so on, depending on the observations obtained from each device and the type of abnormality diagnosis To do.
[0034]
The model calculation means 42 inputs the obtained actual measurement value to the model as an initial value, and obtains a predicted value at an arbitrary time.
[0035]
As shown in FIG. 2, it is assumed that the time of the initial value given to the model is t0, and the observed value x at time t1 is obtained as a predicted value by the model. At this time, the probability distribution of the predicted value at time t1 is obtained from the past actual measured value, and the probability P (x) of the observed value x is calculated.
[0036]
For example, if the probability distribution at time t1 follows a normal distribution, the probability P (x) for the observed value x can be obtained from Equation 1. Here, σ represents a variance, μ represents an average, and Δx represents a sufficiently small positive value.
[0037]
[Expression 1]

When the observed value x deviates from the average, P (x) becomes smaller, meaning that it deviates from the normal range obtained from the past measured values. Therefore, the probability of abnormality is calculated by Equation 2 using this probability P (x).
[0038]
[Expression 2]

According to Equation 2, when the observed value x deviates from the normal value, the probability of abnormality increases.
[0039]
The difference t1-t0 between the times t0 and t1 considered here is the remaining time until the occurrence of the abnormality.
[0040]
FIG. 3 is a diagram showing an example of analyzing the influence of the failure mode on the plant for the recirculation pump of the nuclear power plant.
[0041]
In the device database 2, as shown in FIG. 3, the component, failure mode, failure cause, failure influence, and influence degree are described according to the model. Here, the failure mode leading to the plant shutdown with the highest degree of influence is set to 5, and the degree of influence is classified in 1 to 5 stages, but the present invention is not limited to such a classification method.
[0042]
However, this influence degree is related to a failure caused by aging deterioration, so that if it is used as it is, it does not become an influence degree due to device abnormality. Therefore, fault tree analysis is performed with each failure mode as a top phenomenon, the relationship with each failure mode with respect to an abnormality factor is analyzed, and the degree of influence due to device abnormality is calculated.
[0043]
FIG. 4 is a diagram illustrating an example of analyzing an abnormal factor that leads to a failure with a seal chamber pressure abnormality as a top phenomenon in a recirculation pump of a nuclear power plant.
[0044]
The nuclear power plant recirculation pump is a single-stage, double-vortex vertical centrifugal pump made of stainless steel. As for the shaft seal, mechanical seals capable of sealing all pressures in one stage are arranged in two stages in series.
[0045]
In order to equally divide the pressure applied to each seal, a control bleed-off is performed to allow a part of the seal water to flow out. In order to monitor each seal, the pressure and temperature of the first and second seal chambers are measured, and the amount of leakage from the second seal and the amount of control bleed-off are measured.
[0046]
As shown in FIG. 4, if the seal chamber pressure abnormality 10 is the top phenomenon of the fault tree analysis, the abnormality factors are leakage amount abnormality 12, control / bleed-off amount abnormality 13, first-stage seal chamber pressure abnormality 14, second-stage The seal chamber pressure abnormality 15, the first-stage seal chamber temperature abnormality 16, and the second-stage seal chamber temperature abnormality 17 are connected to the top phenomenon via the OR gate 11.
[0047]
Further, when the abnormality probability calculated by the state diagnosis unit 4 is applied to each abnormality factor, the probability of the seal chamber pressure abnormality due to each abnormality factor is calculated.
[0048]
In general, in a fault tree via an OR gate, if any of the factors becomes abnormal, an upper event occurs. Therefore, the probability is determined using Equation 3. Here, PUOR is a higher-order event of the OR gate, P1 is the cause event, and I is a set of subscripts i.
[0049]
[Equation 3]

In this case, the probability PPLR1 of occurrence of the seal chamber pressure abnormality 10 as the upper event is the probability P1 of the leakage amount abnormality 12, the probability P2 of the control bleed-off amount abnormality 13, the probability P3 of the first-stage seal chamber pressure abnormality 14, Of the probability P4 of the stage seal chamber pressure abnormality 15, the probability P5 of the first stage seal chamber temperature abnormality 16, and the probability P6 of the second stage seal chamber temperature abnormality 17, the value with the highest probability is selected. The occurrence probability of the top event obtained at this time is defined as a failure mode occurrence probability due to abnormality.
[0050]
On the other hand, it is necessary to consider the case where the top event is established by the AND relationship of the abnormal factors.
[0051]
FIG. 5 is a diagram for explaining a case where a top event occurs due to an AND relationship of abnormal factors leading to a failure stored in the device database. The abnormal factor includes an abnormal event A22 and an abnormal event B23, and is connected to the top event A20 via the AND gate 21.
[0052]
Also in this case, the abnormal probability calculated by the state diagnosis unit 4 is applied to each abnormal event, and the probability that the top event A20 will occur is obtained from Equation 4. Here, PUAND represents the probability that the top event of the AND gate will occur, and Pj (j = 1,..., N) represents the abnormal event that causes the top event.
[0053]
[Expression 4]

Since each abnormal factor has an AND relationship, if the respective probabilities are not high, an upper event does not occur. Therefore, an average value of the probabilities of each abnormal event is set. Also here, the probability of occurrence of the obtained top event is taken as the failure mode occurrence probability due to abnormality.
[0054]
FIG. 6 is a flowchart showing a processing procedure of the plant operation influence evaluation unit. This series of processing is performed for all failure modes of all devices.
[0055]
Step 100: It is confirmed whether the abnormality probability is calculated.
[0056]
Step 101: If the abnormality probability is not calculated, the abnormality probability is calculated.
[0057]
Step 102: Next, it is confirmed whether the failure mode occurrence probability due to abnormality is calculated.
[0058]
Step 103: If not calculated, the failure mode occurrence probability due to abnormality is calculated.
[0059]
Step 104: Referring to the device information database 3, it is confirmed whether the corresponding device can be maintained online. If online maintenance is possible, the inspection is performed in a state where the number of standby systems during operation is reduced. Therefore, the inspection information coefficient α is set to 1 or more in order to make the influence level larger than the normal influence. The inspection information coefficient α is determined in consideration of the function of the device, the installation location, and the number of standby systems. If online maintenance is not possible, the inspection information coefficient (α) is set to 1 because the inspection is performed periodically.
[0060]
Step 105: Finally, the failure mode occurrence probability due to abnormality is multiplied by the influence degree of the failure mode and the inspection information coefficient (α), respectively, and this is used as an evaluation value.
[0061]
FIG. 7 is a flowchart showing the processing procedure of the inspection method / time determination unit.
[0062]
Step 110: First, it is confirmed whether or not the corresponding device can be maintained online.
[0063]
Step 111: If online maintenance is possible, state monitoring maintenance is selected.
[0064]
Step 115: Otherwise, select time planned maintenance.
[0065]
Step 112: In the case of the state monitoring maintenance 111, the evaluation value calculated by the plant operation influence evaluation unit 5 is compared with a threshold value.
[0066]
Step 113: If the evaluation value is larger than the threshold value, the inspection time is set within the remaining time until occurrence of the abnormality determined by the state diagnosis unit 4.
[0067]
Step 114: Otherwise, the inspection time can be extended.
[0068]
Step 116: In the case of the time plan maintenance 115, the evaluation value calculated by the plant operation influence evaluation unit 5 is compared with a threshold value.
[0069]
Step 117: If the evaluation value is larger than the threshold value, the inspection for the next periodic inspection is set.
[0070]
Step 114: Otherwise, the inspection time can be extended.
[0071]
Up to this point, the basic method for evaluating the degree of influence of equipment abnormality on plant operation and determining the inspection method and inspection time of each equipment based on this degree of influence has been described.
[0072]
In reality, when the inspection time is extended or when the evaluation value is larger than the threshold value for equipment that cannot perform on-line maintenance, the monitoring by condition monitoring is evaluated in consideration of the further safety of the plant. Information needs to be reflected.
[0073]
In the present invention, in consideration of such a situation, the information obtained by the inspection method / time determination unit is fed back to the state diagnosis unit 4 and is reflected in monitoring.
[0074]
FIG. 8 is a diagram illustrating a method of calculating an abnormality probability in the state diagnosis unit based on information determined by the inspection method and the inspection time.
[0075]
As in the case of FIG. 2, t0 is the time of the initial value given to the model, and it is assumed that the observed value x at time tl is obtained from the predicted value that is the output of the model. Assume that the inspection method / time determination unit 6 determines that the inspection value x can be extended by the inspection method / time determination unit 6 and determines that the inspection time is extended.
[0076]
In this case, in order to maintain safety, it is necessary to monitor the state based on a slightly stricter standard than before. Therefore, the shape of the probability distribution at time t1 is changed to tighten the monitoring standard.
[0077]
In the case of FIG. 2, since it is assumed that the probability distribution follows a normal distribution, this assumption is continued. When the variance σ in Equation 1 is reduced, the distribution becomes a shape that rises in the vicinity of the average μ. Therefore, the probability P ′ (x) is smaller than the probability P (x) because the same observed value x corresponds to the bottom of the distribution. That is, from Equation 2, the abnormality probability is larger than that at the probability P (x). As a result, the sensitivity due to the deviation from the normal value increases, and the state can be monitored based on a stricter standard than usual.
[0078]
Embodiment 2
FIG. 9 is a block diagram showing a configuration of Embodiment 2 of the maintenance support apparatus for plant equipment according to the present invention. The plant equipment maintenance support apparatus according to the first embodiment includes an observation value database 1, equipment database 2, inspection information database 3, state diagnosis section 4, plant operation influence evaluation section 5, and inspection method / time determination. A unit 6, a display unit 7, and a storage unit 8 are provided. The state diagnosis unit 4 of the second embodiment includes a state estimation unit 44 in addition to the model creation unit 41, the model calculation unit 42, and the abnormality probability calculation unit 43 of the first embodiment.
[0079]
The observation value database 1 stores observation values obtained from the plant. In addition, even for the same observation value, the observation value can be rearranged for each time elapsed from the inspection time. Furthermore, it has a function of storing observation values obtained from the plant and sending the observation values to the state diagnosis unit 4 so that the state can be monitored online.
[0080]
The equipment database 2 includes design data related to plant component equipment, threshold values of observed values that cause failures and abnormalities, analysis data obtained in advance by failure mode influence analysis, and failure of failure mode influence analysis. Stores analysis data by fault tree analysis with the mode as the top phenomenon.
[0081]
The inspection information database 3 stores an inspection method, an inspection time history, and an inspection information coefficient (α) when online maintenance is possible.
[0082]
The state diagnosis unit 4 calculates the abnormality probability of the device at an arbitrary time. In the state diagnosis unit 4, the model creation means 41 creates a device model based on the past actual measurement values stored in the observation value database 1. The model calculation means 42 calculates an arbitrary state quantity of the device using the created model. The abnormality probability calculation means 43 calculates the abnormality probability based on the state quantity. The state estimation unit 44 estimates a state quantity that cannot be directly observed by a sensor or the like based on an actual measurement value that can be acquired.
[0083]
In order to obtain a predicted value at an arbitrary time, a model is created by the model creation means 41 based on the actual measurement value stored in the observation value database 1. In the model creation means 41, various models can be used with the observed values as state quantities. Models include statistical models such as ARMA models, physical models, black boxes models such as transfer functions and neural networks, etc., selected according to the observed values obtained from each device and the type of abnormality diagnosis To do.
[0084]
The state estimation unit 44 according to the second embodiment estimates the state quantity of the device that cannot be observed when the state quantity of the device necessary for determining the inspection method and the inspection time cannot be obtained as an actual measurement value. The model creation means 41 creates a model by taking in the state quantity of the device estimated by the state estimation means 44 together with the actual measurement value.
[0085]
Here, the state quantity that cannot be observed means that it cannot be observed in real time, and is an amount obtained by measurement when performing overhaul and the like. A model for estimating the state is defined based on the actual measurement value obtained only at the time of this overhaul.
[0086]
When estimating unobservable state quantities from observable state quantities, for example, by using factor analysis or principal component analysis, which state quantities are observable are related to unobservable state quantities. A model is created using a statistical model represented by a regression model and a black box model represented by a transfer function or a neural network based on the state quantities that are obtained and strongly related.
[0087]
Depending on the device, a physical model may be defined. At this time, a state estimation method such as a Kalman filter is used.
[0088]
The model calculation means 42 inputs the obtained actual measurement value to the model as an initial value, and calculates an arbitrary state quantity of the device using the created model. The abnormality probability calculation means 43 calculates the abnormality probability based on the state quantity.
[0089]
The plant operation influence degree evaluation unit 5 performed a fault tree analysis in which the influence degree to the plant corresponding to the failure mode of each device obtained in advance by the failure mode influence degree analysis and the failure mode of each device as a top phenomenon. The abnormal influence degree by the result is calculated, and the influence degree on the plant operation is evaluated using the abnormality probability calculated by the state diagnosis unit 4 and the inspection information coefficient (α) stored in the inspection information database 3.
[0090]
The inspection method / time determination unit 6 considers the evaluation result obtained by the plant operation influence evaluation unit 5 and the remaining time until occurrence of an abnormality obtained from the inspection information database 3 and the state diagnosis unit 4, and Determine the inspection method and inspection period.
[0091]
The display unit 7 displays the inspection method and inspection time determined by the inspection method / time determination unit 6. The display unit 7 may be configured to display the diagnosis result in the state diagnosis unit 4 as well.
[0092]
The storage unit 8 collectively stores information used until the inspection method and the inspection time are determined. Information on the determined inspection method and inspection timing is reflected in the inspection information database 3, the state diagnosis unit 4, and the plant operation influence evaluation unit 5.
[0093]
In particular, the state diagnosis unit 4 can perform online state monitoring in consideration of the inspection method and the inspection time, and can assist in ensuring the safety of plant operation.
[0094]
In the said Embodiment 1, 2, although this invention is applied to the structural equipment of a nuclear power plant, the application object of this invention is not limited to a nuclear power plant. For example, observation values are obtained for components of large-scale systems represented by thermal power plants and chemical plants, and information and maintenance history of each device are managed. It can also be applied to.
[0095]
【The invention's effect】
According to the present invention, based on the measured value and predicted value of the plant, the abnormality probability of the device at an arbitrary time is calculated, and the degree of influence on the plant operation when the device becomes abnormal is evaluated. Even when there is no relationship with deterioration, a maintenance support device for plant equipment that can determine the equipment inspection method and inspection time can be obtained.
[0096]
In addition, information on the determined inspection method and inspection time is reflected in the state diagnosis and the degree of influence, and the impact can be evaluated in consideration of the state monitoring and inspection method considering the inspection time.
[0097]
Furthermore, when the state quantity of the equipment required when determining the inspection method and the inspection time cannot be obtained as an actual measurement value, the state quantity of the equipment that cannot be observed can be estimated.
[Brief description of the drawings]
FIG. 1 is a block diagram showing the configuration of a first embodiment of a maintenance support apparatus for plant equipment according to the present invention.
FIG. 2 is a diagram illustrating a method of calculating an abnormality probability in the state diagnosis unit 4 according to the first embodiment.
FIG. 3 is a diagram showing an example of analyzing the influence of a failure mode on a plant for a recirculation pump of a nuclear power plant.
FIG. 4 is a diagram showing an example of analyzing a cause of failure of a nuclear power plant recirculation pump with a seal chamber pressure abnormality as a top phenomenon;
FIG. 5 is a diagram for explaining a case where a top event occurs due to an AND relationship of abnormal factors leading to a failure stored in a device database.
FIG. 6 is a flowchart showing a processing procedure of a plant operation influence evaluation unit.
FIG. 7 is a flowchart showing a processing procedure of an inspection method / time determination unit.
FIG. 8 is a diagram illustrating a method for calculating an abnormality probability in a state diagnosis unit based on information determined by an inspection method and an inspection time.
FIG. 9 is a block diagram showing a configuration of a second embodiment of a maintenance support apparatus for plant equipment according to the present invention.
[Explanation of symbols]
1 Observation value database
2 Equipment database
3 Inspection information database
4 State diagnosis department
5 Plant Operation Impact Assessment Department
6 Inspection method / time determination part
7 Display section
8 preservation part
10 Seal chamber pressure abnormality
11 OR gate
12 Abnormal leakage amount
13 Control bleed-off amount error
14 First stage seal chamber pressure error
15 Second stage seal chamber pressure error
16 First stage seal chamber temperature abnormality
17 Second stage seal chamber temperature error
20 Top event A
21 AND gate
22 Abnormal event A
23 Abnormal Event B
41 Model creation means
42 Model calculation means
43 Abnormal probability calculation means
44 State estimation means

Claims

An observation value database for accumulating observation values of plant equipment, an equipment database for accumulating information on the plant equipment, an inspection information database for accumulating inspection information on the plant equipment, the observation value database, the equipment database, and the inspection A state diagnosis unit that diagnoses plant equipment abnormality at an arbitrary time using observation values and information of an information database, and the plant equipment using information in the device database and the inspection information database and information diagnosed in the state diagnosis unit A plant operation impact evaluation unit that evaluates the influence of abnormalities on plant operation, and an inspection that determines the inspection method and timing of the plant equipment using the results obtained by the state diagnosis unit and the plant operation impact evaluation unit Contact the maintenance support device of the plant equipment consisting of a method / time determining unit Te,
The state diagnosis unit includes a model creation unit that creates a model of a device based on past measured values stored in the observation value database, and a model that calculates an arbitrary state quantity of the device using the created model Calculation means, and an abnormality probability calculation means for calculating an abnormality probability based on the state quantity,
The plant operation influence degree evaluation unit performs the state diagnosis on the influence degree of the plant equipment obtained by the failure mode influence degree analysis and the abnormality factor obtained from the result of the fault tree analysis using the failure mode as a top event. The abnormality probability calculated by the unit is assumed to be the occurrence probability of the abnormality factor, and the rate at which the failure mode is involved due to the abnormality of the plant equipment, and the plant equipment can be checked online. If there is a coefficient substituted with a numerical value of 1 or more, and if the inspection is not possible, a coefficient substituted with 1 is used to calculate the influence degree of the failure mode, the occurrence probability of the failure mode, and the coefficient of the inspection. Means for multiplying the result of multiplication by an evaluation value of the degree of influence on plant operation due to abnormality of the plant equipment,
The inspection method / time determination unit is configured to calculate an abnormality calculated by the state diagnosis unit when the evaluation result obtained by the plant operation influence evaluation unit exceeds a predetermined threshold value and can be checked in an online state. A maintenance support device for plant equipment, comprising means for setting an inspection time within a remaining time until occurrence .

An observation value database for accumulating observation values of plant equipment, an equipment database for accumulating information on the plant equipment, an inspection information database for accumulating inspection information on the plant equipment, and estimating a state quantity of equipment that cannot be observed, A state diagnosis unit for diagnosing plant equipment abnormality at an arbitrary time using the observation value database, the equipment database, the observation value and information of the inspection information database, and the estimated state quantity of the equipment that cannot be observed; the equipment database; and A plant operation influence evaluation unit that evaluates the influence of the plant equipment abnormality on plant operation using information in the inspection information database and information diagnosed by the state diagnosis unit, the state diagnosis unit, and the plant operation influence evaluation Using the results obtained in the In the maintenance support system of the plant equipment comprising a service method / timing determining unit which determines the inspection time,
The state diagnosis unit includes state estimation means for estimating a value that cannot be directly observed by a sensor or the like based on an actual value that can be acquired, a past actual value stored in the observation value database, and an estimated device that cannot be observed. Model creation means for creating a device model based on the state quantity, model calculation means for calculating an arbitrary state quantity of the equipment using the created model, and an abnormality probability for computing an abnormality probability based on the state quantity Calculation means,
The plant operation influence degree evaluation unit performs the state diagnosis on the influence degree of the plant equipment obtained by the failure mode influence degree analysis and the abnormality factor obtained from the result of the fault tree analysis using the failure mode as a top event. The abnormality probability calculated by the unit is assumed to be the occurrence probability of the abnormality factor, and the rate at which the failure mode is involved due to the abnormality of the plant equipment, and the plant equipment can be checked online. If there is a coefficient substituted with a numerical value of 1 or more, and if the inspection is not possible, a coefficient substituted with 1 is used to calculate the influence degree of the failure mode, the occurrence probability of the failure mode, and the coefficient of the inspection. Means for multiplying the result of multiplication by an evaluation value of the degree of influence on plant operation due to abnormality of the plant equipment,
The inspection method / time determination unit is configured to calculate an abnormality calculated by the state diagnosis unit when the evaluation result obtained by the plant operation influence evaluation unit exceeds a predetermined threshold value and can be checked in an online state. A maintenance support device for plant equipment, comprising means for setting an inspection time within a remaining time until occurrence .

In the maintenance support apparatus of the plant equipment of Claim 1 or 2 ,
The observation value database includes a means for storing observation values obtained from a plant for each number of days elapsed from an inspection time and a means for transferring observation values to the state diagnosis unit in real time. Maintenance support device.

In the maintenance support apparatus of the plant equipment as described in any one of Claims 1, 2 , 3 ,
The abnormality probability calculation means of the state diagnosis unit predicts an observation value at an arbitrary time of the plant equipment using a model created using past observation values stored in the observation value database, and the result A maintenance support device for plant equipment, comprising means for calculating an abnormality probability at an arbitrary time of the plant equipment and a remaining time from the current time to the occurrence of an abnormality using the above.

In the maintenance support apparatus of the plant equipment as described in any one of Claims 1, 2 , 3 ,
The abnormality probability calculation means of the state diagnosis unit uses a model created using past observation values stored in the observation value database and a model for estimating state quantities of unobservable equipment. Maintenance support for plant equipment, comprising means for predicting an observed value at an arbitrary time, and using the result to calculate an abnormality probability at the arbitrary time of the plant equipment and a remaining time from the current time until the occurrence of the abnormality apparatus.