JP4782734B2 - プラント用計測器校正支援装置及びプラント用計測器校正支援方法 - Google Patents

Description

本発明は、プラント用計測器のドリフト発生を検知し、その校正を支援するためのプラント用計測器校正支援装置及びプラント用計測器校正支援方法に関するものである。

原子力発電プラントは流体を扱う複雑なプラントであり、水あるいは蒸気の圧力、温度等のプロセスデータを収集するため、数千以上のセンサ（プラント用計測器）が設置されている。これらのセンサが測定した値は、プラントの正常で安全な運転のために、監視制御装置に入力される。

センサとしては、配管を流れる流体の温度を測定するための温度計、配管内の圧力を計測する圧力計、配管内を流れる流体の流量を計測する流量計等がある。流量計としては、配管内に設けたオリフィスの前後での差圧を計測し、この差圧が流量の二乗に比例することから流量を求める流量計が広く使われている。この種の流量計は圧力計の一種とみなすことができる。

一般に、圧力計等のセンサは、時間の経過と共にその指示値がずれる「ドリフト」と呼ばれる現象を伴う。広く使用されているシールダイアフラム式構造の圧力計では、シールダイアフラムの変形によりドリフトが起こると考えられている。

センサがドリフトを起こすと、その指示値は実際のプロセス値からずれたものとなる。したがって、プラントを安全且つ正常に運転するためには、センサの指示値が正しいプロセス値となるように校正する必要がある。

通常、ドリフトは校正作業を実施することでその発生が検知される。例えば、圧力計、差圧計などの校正は、計装配管の弁を閉じることで当該センサを配管から隔離し、センサに基準圧力を付加することで行う。センサの校正をどの様に計画して行うかは、プラントの安全で正常な運転に密接に関わる問題である。原子力プラントに採用されている方式の一つに、一定時間毎に校正を行う「時間計画保全方式」と呼ばれる方式があるが、校正を行うためには上記のように、運転中の配管からセンサを一時的に隔離する必要がある。

これに対し、例えば特許文献１に開示されているように、センサの校正を行わずにドリフトの発生を検知する技術がある。この特許文献１の技術は、圧力計に連動する圧力調節弁の特性（弁開度及びＣv値間の特性）から圧力を算出し、算出した圧力値と圧力計の指示値の差によってドリフトが発生したかどうかを判定するものである。これによれば、運転中の配管からセンサを隔離することなく、ドリフト発生を検知することができる。
特開平１１−３３７４３６号公報

ところで、校正作業を定期的に行う時間計画保全方式を採用した場合、センサに対して適正な校正を実施し、ドリフトの発生を未然に防ぐためには、点検周期を短く設定する必要がある。何故なら、実際のドリフトは、必ずしも時間に比例して発生する訳ではないからである。

しかし、センサに対して校正を行うということは、センサをプラント運転から一時的に切り離すことになるため、このような校正を短周期で頻繁に行うことは、システム全体の安全且つ効率的な運転の保障という観点からは必ずしも好ましいことではない。

また、原子力プラントにおいて、主要系統に設置されたセンサの機能を正常に維持することは、プラントの安全且つ効率的な運転の保障という観点から重要であるため、ドリフト発生については当然のことながら早期に検知する必要がある。これに対し、補助的な系統、例えばプラントで使用する純水をタンクに移送するための純水補給系等に設置されたセンサの場合、多少のドリフトが発生しても、プラントの安全や効率性に直ちに影響を及ぼすわけではない。

更に、信頼性工学によれば、システムの故障の発生確率の時間的変化については、機器の設置当初に高い発生率を示した後、徐々に時間の経過とともに故障率が低下し、安定した運用が行なわれると考えられている。そして、この後は構成機器に寿命に応じた経年劣化の影響が現れ始める頃に再び故障の発生確率が増大するという、いわゆるバスタブ曲線の特性を示すと言われている。

上記の信頼性工学の考え方によれば、正常に機能しているセンサに対して短周期で校正作業を実施することは、センサ単体について故障・ドリフト発生確率を低減することができる反面、無用な校正作業を数多く実施することを意味し、センサ自体に対して悪影響を及ぼす虞がある。したがって、原子力プラントの計測器に対して、時間計画保全方式による短周期の校正作業を実施することは合理的な校正計画に基づく保守作業とは言えないことになる。

これに対し、特許文献１の技術によれば、プラント運転を継続したままドリフト発生を検知することができるので合理的な校正計画の策定が可能となる。しかし、特許文献１で対象としている計測器は圧力計のみであり、その他の計測器については特許文献１の技術を応用することができない。

また、近年は、センサ自体にマイクロプロセッサを組み込むことにより校正を容易に行うことができるようにした、所謂「スマートセンサ」が開発されるに至っているが、既存センサをこのスマートセンサに置き換えるには多大な経済的負担を伴うことになるため実用化が困難である。

本発明は上記事情に鑑みてなされたものであり、プラント用計測器の種類を問わずドリフト発生の早期検知を可能にすると共に、合理的な校正計画を作成することが可能なプラント用計測器校正支援装置及びプラント用計測器校正支援方法を提供することを目的としている。

上記課題を解決するためのの手段として、本発明に係る装置は、プラント用計測器からのプロセスデータを入力するプロセスデータ入力手段と、少なくとも前記プラント用計測器の経年変化に起因するドリフトが現れる期間に亘り、前記プロセスデータ入力手段が入力したプロセスデータを保存するプロセスデータ保存手段と、前記プロセスデータ保存手段に保存されたプロセスデータを解析し、このプロセスデータに関連するプラント用計測器にドリフトが発生しているか否かを推定するドリフト推定手段と、前記ドリフト推定手段の推定結果に基づき前記プラント用計測器に対する校正計画を作成する校正計画作成手段と、を備えたことを特徴とする。

また、本発明に係る方法は、プラント用計測器からのプロセスデータを入力した場合、少なくとも前記プラント用計測器の経年変化に起因するドリフトが現れる期間に亘り、入力したプロセスデータを保存し、この保存したプロセスデータを解析して、このプロセスデータに関連するプラント用計測器にドリフトが発生しているか否かを推定し、この推定結果に基づき前記プラント用計測器に対する校正計画を作成する、ことを特徴とする。

本発明によれば、計測器の種類を問わずドリフト発生を早期に検知することができ、また、合理的な校正計画を作成することができる。

＜第１の実施形態＞
図１は、本発明の第１の実施形態の構成を示すブロック図である。プラントPはｎ個の計測器Ｍ１…Ｍnを有しており、これらの計測器Ｍ１…Ｍnからのプロセスデータはプロセスデータ入力手段１に所定のサンプリング周期で出力されるようになっている。

プロセスデータ入力手段１は、入力したプロセスデータをプロセスデータ保存手段２に出力し、プロセスデータ保存手段２はこのプロセスデータを保存するようになっている。プロセスデータ保存手段２は、少なくとも計測器Ｍ１…Ｍnの経年変化に起因するドリフトが現れる期間（例えば、５年）に亘り、プロセスデータを保存することが可能な容量を有している。

ドリフト推定手段３は、プロセスデータ保存手段２に保存されたプロセスデータを解析し、このプロセスデータに関連する計測器Ｍ１…Ｍnにドリフトが発生しているか否かを推定するようになっている。また、ドリフト推定手段３は関連データベース３１を有しており、この関連データベース３１に保存されたデータに基づき上記の推定を行うようになっている。

校正計画作成手段４は、ドリフト推定手段３の推定結果に基づき計測器Ｍ１…Ｍnに対する校正計画を作成するようになっている。

図２は、計測器Ｍ１…Ｍnの具体例を示す説明図であり、（ａ）は各計測器間の配置構成図、（ｂ）は関連データベース３１の内容を示す図表である。この具体例では、計測器が流量計Ｍ１〜Ｍ３及びポンプＭ４である場合につき示している。

図２（ａ）のプラントP内において、ポンプＭ４が配管５に取り付けられている。流量計Ｍ１はポンプＭ４の上流側流量を計測するようになっている。また、配管５のポンプＭ４下流側は配管５１，５２に分岐しており、流量計Ｍ２，Ｍ３はそれぞれ配管５１，５２の流量を計測するようになっている。ｆ１〜ｆ３は、これら流量計Ｍ１〜Ｍ３が計測した流量値である。したがって、流量計Ｍ１〜Ｍ３及びポンプＭ４は図２（ｂ）の図表に示すような対応関係を有している。

図２（ｂ）の図表の各項目を説明すると、「対象計測器」はドリフト推定の対象となる計測器、「条件」はドリフト推定を行う際の条件、「関連先１」及び「関連先２」は対象計測器のドリフト発生について密接な関連を有する計測器、「関連先対応関係」は対象計測器と関連先計測器との間に成立する対応関係をそれぞれ意味している。例えば、流量計Ｍ１の流量値ｆ１は、ポンプＭ４の運転中において、流量計Ｍ２の流量値ｆ２及び流量計Ｍ３の流量値ｆ３と密接な関連を有しており、ｆ１＝ｆ２＋ｆ３又はｆ１−ｆ２−ｆ３＝０の関係が成立している。

ドリフト推定手段３は、所定時間毎にプロセスデータ保存手段２から蓄積データを取り出し、上記のような内容を有する関連データベース３１を参照して、計測器Ｍ１…Ｍnにドリフトが発生しているか否かを順次推定していく。

すなわち、流量計Ｍ１〜Ｍ３の例でいえば、ドリフト推定手段３は、ポンプＭ４の運転中におけるｆ１〜ｆ３のデータを時系列的に取り出し、所定間隔毎の各時点においてｆ１−ｆ２−ｆ３＝εを演算する。このεがほぼゼロであればドリフトは発生していないと判定できるが、εがゼロではなく、予め設定してある基準値を超えていれば、ドリフト推定手段３は、流量計Ｍ１〜Ｍ３のいずれかにドリフトが発生していると推定する。

但し、流量計Ｍ１〜Ｍ３に対し校正を実施した直後であってもεが基準値を超えていることもあり得るが、そのような場合は初期の値を補正値として記録しておき、その後の補正値との間の差分の大きさの評価に基づいてドリフト発生の有無を判定するようにしてもよい。

このように、第１の実施形態のドリフト推定手段３は、本来同一の値となるべき複数のプロセスデータについて、これらのプロセスデータ間の差分を求め、この差分が所定値以上となった場合にドリフトが発生したと推定するものである。

校正計画作成手段４は、上記のようなドリフト推定手段３の推定結果に基づき、流量計Ｍ１〜Ｍ３に対する校正計画を作成する。この場合、ドリフトが発生している旨の推定結果であれば、もちろん通常よりも校正実施時期を早めた校正計画となる。

ここで、第１の実施形態における校正計画作成手段４は、校正実施時期について、ドリフト推定手段３によるドリフト発生の推定が誤検知に基づくものであると仮定した場合の不必要な校正がもたらす損失が小さくなる時期を決定するようにしている。この考え方について以下に説明する。

まず、校正計画作成手段４は、計測器の校正を実施した場合の損失削減の期待値と、計測器の校正を実施しない場合の損失の期待値を比較し、この比較に基づき計測器の校正計画を作成する。この場合、校正計画作成手段４は、各センサ（計測器）に対して時間計画保全における最長保守間隔を保持する。本実施形態では、「時間計画保全方式」のように一定時間毎に保守（つまり校正）を行うのではなく、センサの状態に基づいて保守を行うことを基本としている。したがって、ここでいう最長保守間隔は、通常設定した保守の間隔に比べ、２倍から１０倍程度長い期間を設定する。この最長保守間隔の期間でセンサ状態の監視を続け、センサにドリフトが発生した可能性がある場合は、その時点で保守を実施することになる。

例えば、あるセンサについてセンサの出力値が変化した場合（つまり上昇又は低下した場合）、想定される原因として下記（１），（２）の二つが考えられる。あるいは、（１），（２）の双方が同時に発生することもあり得る。
(１) センサがドリフトした。
(２) センサが測定するプロセス値が変化した。

図３は、プロセス量の変化方向及びセンサのドリフト方向と、センサ（計測器）の出力値の変化態様との対応関係を示した図表である。例えば、「(Ａ)低下」は、センサが低方向にドリフトし且つプロセス量が低下した場合にセンサの出力値が低下することを示している。

図３の図表は、逆に、センサの出力値が低下した場合、その低下の原因として次の三つのケースが想定できることを示している。
(Ａ) センサが低方向にドリフトし且つプロセス量が低下した。
(Ｂ) センサは正常であるが、プロセス量が低下した。
(Ｄ) センサが低方向にドリフトし、プロセス量は不変である。

また、図３の図表において、（Ｃ），（Ｇ）は「不定」であるが、下記の（Ｃ’），（Ｇ’）のようなケースではやはりセンサの出力値が低下する。
(Ｃ’) センサの高方向へのドリフトの度合いに比べて、プロセス量の低下の度合
いが大きい。
(Ｇ’) センサの低方向へのドリフトの度合いが、プロセス量の上昇の度合いより
大きい。

上記の５つのケースのうち（Ｂ）は校正不要のケースであるが、センサの出力値に基づいてドリフト推定を行っている限り、（Ｂ）のケースをドリフト発生と推定してしまうリスクは常に存在する。それ故、既述したように、本実施形態における校正計画作成手段４は、校正実施時期について、ドリフト推定手段３によるドリフト発生の推定が誤検知に基づくものであると仮定した場合の不必要な校正がもたらす損失が小さくなる時期を決定するようにしている。

図４は、ドリフトの誤検知に基づく不必要な校正の実施がもたらす損失Ｌと、校正の実施時期ｔとの関係を示した特性図である。

この特性図において、最初の保守期間の開始時期である時期ｔ0で最初の校正を実施したが、ドリフトの誤検知に基づき直ちに再度校正を実施したとすると、この再度の校正の実施は全く無駄な校正作業となり、校正費用全額がそのまま損失ＬAとなる。これに対し、最初の保守期間の終了時期である時期ｔ2でドリフトの誤検知に基づき校正を実施したのであれば、時期ｔ2は次の保守期間の開始時期となるはずであるから、この場合の損失はゼロである。

そこで、縦軸上の地点ＬAと横軸上の地点ｔ2とを直線R1で結べば、この直線R1は不必要な校正がもたらす損失の特性を示していることになる。つまり、損失額は時期ｔ0から時期ｔ2に向かうに従って次第に減少していく。したがって、例えば、校正対象としているセンサが主要系統ではなく補助的な系統で用いられているセンサである場合やドリフト発生について誤検知の可能性が高いと考えられる場合等は、時期ｔ0付近における校正実施は抑制した方が得策であると言える。逆に、時期ｔ2付近であれば、不必要な校正であったとしても、その実施がもたらす損失は小さなものであるため積極的に校正を実施した方が得策であると言える。

また、時期ｔ0，ｔ2の中間付近の時期ｔ1でドリフトの誤検知に基づく校正を実施したとすると、この時期ｔ1における損失LBはＬAの約２分の１となる。したがって、時期ｔ1付近における校正の実施については、種々の条件に基づき総合的に判断する必要があると言える。

そして、時期ｔ1で校正を実施した場合、この時期ｔ1は次回の保守期間の開始時期となる。したがって、次回の保守期間における損失特性は直線R1を右方向へ平行移動して得られる直線R2で示され、その終了時期はｔ3となる。

以上のように、第１の実施形態では、従来の「時間計画保全方式」のように一定時間毎にセンサをプラントから切り離して校正を行うのではなく、センサの出力値に基づきドリフトを検知するようにしている。そして、ある程度避けることができないドリフトの誤検知については、この誤検知に基づく不必要な校正がもたらす損失が小さくなるようにしている。したがって、プラント用計測器の種類を問わずドリフト発生の早期検知を可能にすると共に、合理的な校正計画を作成することが可能になる。

＜第２の実施形態＞
次に、本発明の第２の実施形態につき説明する。上述した第１の実施形態における図２の説明の例では、ドリフト推定手段３は流量計Ｍ１〜Ｍ３のいずれかにドリフトが発生したと推定しただけであり、具体的に流量計Ｍ１〜Ｍ３のうちのどの流量計にドリフトが発生しているかまでは特定することができない。

そこで、第２の実施形態は、ドリフト推定手段３が流量計Ｍ１…Ｍnに対して予めドリフト発生に関する信頼度を設定しておき、この設定した信頼度についての情報を関連データベース３１に格納しておく校正とする構成を有するものとする。このような構成によれば、複数の流量計Ｍ１〜Ｍ３のうちドリフト発生の蓋然性が高い一の流量計を特定することができる。

上記の信頼度は、過去の運用実績（例えば、過去におけるドリフト発生の有無）や交換時期、工場での試験成績・測定原理などの設計情報を基にして設定することが可能である。この信頼度をＣで表すと、信頼度Ｃが単純に時間的に低下していくような場合であれば、C=exp(-ln2(t/T) 又はより単純に、C=−At+B というような時間に対する単調減少関数になると考えられる。ここで、Tは複数個の計測器を同じ条件で運用した場合に半数の計測器にドリフトが発生する確率であるとする。

第２の実施形態では、上記のような基本的な信頼度算出手法を基に、更に実運用時の各計測器の設置条件等を加味しながら修正した数値を修正信頼度として設定することも可能である。そして、ドリフト推定手段３は、このような手法により評価した信頼度の値を比較し、現時点でより信頼度の高い計測器または現時点以降において相対的に高い信頼度を有する計測器の出力を正しい値として採用し、信頼度の最も低い計測器にドリフトが発生していると特定する。

なお、このような信頼度についての情報は、第１の実施形態においても利用することが可能である。例えば、ドリフト推定手段３がドリフト発生が疑われる複数の計測器を挙げた場合に、校正計画作成手段４は最後に校正が行われたのは何時の時点かを調べ、信頼度の低いセンサから順に校正を実施する校正計画を作成する。そして、一部の計測器の校正を実施した段階で、複数の計測器同士の間で相互に出力値に関する整合性が取れれば、後の計測器の校正を不要とすることができる。

＜第３の実施形態＞
次に、本発明の第３の実施形態につき説明する。図５は、この第３の実施形態の要部であるドリフト推定手段３Aの構成図である。

図５において、ドリフト推定手段３Aは、ニューラルネットワーク回路３２、及びドリフトドリフト発生判定回路３３を有している。そして、ニューラルネットワーク回路３２は、入力層３４、中間層３５、及び出力層３６を有している。

入力層３４及び出力層３６は、図２（ａ）における計測器Ｍ１…Ｍ4に対応するユニットX１〜X４及びユニットＺ１〜Ｚ４により構成され、中間層３５は、ユニットX１〜X４及びユニットＺ１〜Ｚ４よりも少ない数のユニットＹ１〜Ｙ３により構成されている。ドリフト発生判定回路３３は、出力層３６のユニットＺ１〜Ｚ４の出力値に基づき、計測器Ｍ１…Ｍnのドリフト発生の有無を判定するものである。

中間層３５の各ユニットの出力Ｙj、及び出力層３６の各ユニットZkは、それぞれ下式（１），（２）のシグモイド関数により求められる。

上記のニューラルネットワーク回路３２に対しては学習機能を持たせることが可能である。この学習は、過去のドリフト発生がない場合のプロセスデータを教師データとして次のようにして行うことができる。

例えば、自己想起型と呼ばれる方式を採用するのであれば、入力層３４の各ユニットＸiに(i=1〜n)に計測器によって獲得されたプロセスデータを入力し、入力層３４の各ユニットXiに1対１に対応する出力層３６の各ユニットＺkに入力データと同じ値が出力として得られるように、ニューラルネットワークを学習させる。

学習の方法としては、良く知られた、教師データ有りのバックプロパゲーションアルゴリズム（誤差逆伝播方式）を使用する。すなわち、（３）式に示すように、教師データＴk、及び出力層３６の出力Ｚkに基づき、出力層３６の誤差δkを求める。

次いで、（４）式に示すように、この誤差δkを用いて中間層３５の誤差σjを求める。このとき中間層３５と出力層３６との間の重み係数は（５）式により修正することができ、その修正量は学習係数の設定値αを用いて（６）式により求めることができる。また、しきい値γkは（７）式により修正することができ、その修正量は学習係数の設定値βを用いて（８）式により求めることができる。

同様に、入力層３４と中間層３５との間の重み係数は（９）式により修正することができ、その修正量は学習係数の設定値αを用いて（１０）式により求めることができる。また、しきい値θjは（１１）式により修正することができ、その修正量は学習係数の設定値βを用いて（１２）式により求めることができる。

上記のような学習を、出力誤差δkが充分に小さくなるまで反復実行する。そして、この学習の際には、ニューラルネットワーク回路３２の入力として、一部の信号に実際に想定されるドリフト信号を実際の測定データに重畳あるいは代替することによって、各計測器がドリフトモードに陥ったときの相対的な感度について予め確認することも可能である。

なお、上記のニューラルネットワーク回路３２の学習は、過去のドリフト発生がない場合のプロセスデータを教師データとして用いるものであったが、ドリフトが発生した場合のプロセスデータを教師データとして用いることもできる。

また、ドリフト推定手段３Aは、ニューラルネットワーク回路３２の出力値に基づき、ドリフト発生判定回路３３がドリフト発生の有無を判定するようになっているが、ドリフト発生判定回路３３の判定機能をニューラルネットワーク回路３２に組み込み、ドリフト発生判定回路３３が直ちにドリフト発生の有無を示すようにして、ドリフト発生判定回路３３を省略した構成とすることも可能である。

例えば、入力層３４のいずれかのユニットにドリフトが重畳された信号が入力された場合には、出力層３６の対応ユニットは、ドリフト発生を意味する「１」信号を出力し、一方、入力層３４のいずれのユニットにもドリフトが重畳されない信号が入力された場合には、出力層３６の全ユニットは、ドリフトのないことを意味する「０」信号を出力するようにする、などである。

＜第４の実施形態＞
次に、本発明の第４の実施形態につき説明する。これまでの実施形態におけるドリフト推定手段３は、基準値又はしきい値に基づいてドリフト発生の有無を推定するものであった。これに対し、本実施形態では、計測器からのプロセスデータ信号の周波数成分に着目し、その複数の成分の間の相対的な強度比率の変化に基づきドリフト発生を検知するようにしている。

計測器の時系列信号の周波数成分に着目した分析手法としては、従来からフーリエ変換を応用した周波数スペクトル分析などの手法が普及し、一般的に活用されてきた。しかしながら、短時間フーリエ変換などの手法においては、周波数の分解能が設定する窓関数の大きさに反比例することが知られている。すなわち、周波数分解能と時間分解能とは相補的な関係にあり、窓関数の設定幅が大きい場合には周波数分解能が向上する代わりに時間分解能が低下する。逆に、窓関数を小さく設定すれば時間分解能は向上するものの周波数分解能が低下するという関係にあった。

したがって、計測器出力信号のドリフトを惹起する計測器性能の劣化を早期に検出するためには、時間分解能と周波数分解能とを独立して変化させることができるような手法の導入が不可欠である。そこで、本実施形態では、このような信号の状態変化の早期検出を目的として、短時間フーリエ変換の代わりに、窓関数の大きさと分析する周波数とを独立に設定・変更可能な連続ウェーブレット変換手法を適用する。

具体例としては、ドリフト推定手段３の内部において、入力値となる計測器出力信号の時系列データx（t）に下式（１３）の変換処理を施し、変換係数Cwをa,b軸で構成される２次元平面上に展開する。そして、（１３）式の変換に用いる関数としては、例えば（１４）式に示すような、Gabor関数をベースとしたGaborWavelet など、時間的な局在性が高いものを用いる。

この場合、パラメータa, b（a =周波数軸、b =時間軸にそれぞれ対応）を変化させて２次元の平面上に輝度分布として表現することも可能である。しかし、本実施形態においては、「b=一定」としたときに、パラメータaについて複数のa0, a1,….,anにおけるケース相互の比率を求めることで、信号の特徴の変化をｎ×ｎの２次元上方行列のパターンの変化としてドリフトの発生を捉えることができる。

すなわち、２次元上方行列Ｍのi,j成分ｍijは（１５）式で与えられ、これによって表現される２次元上方行列上で特定の成分に有意な変化を検出することができる。例えば、ドリフト発生の場合には、ノイズ増大によりaが小さい値の成分が相対的に大きくなり、逆に、固着のようなケースではaが大きい側の成分が増大する。

なお、複数の変換係数間の比率を相互に比較する場合には、分析対象となる信号の絶対値情報の重要性は低下し、規格化された周波数スペクトルパターン形状の相対的な変化の検出感度が増大することが期待できるため、おのおのの信号の規格化等に特別な事前知識を必要としない。

また、各計測器の信号単独であっても２次元行列上に展開してパターンの変化を観察するため、基準値又はしきい値に基づく単純な処理によるドリフト推定アルゴリズムに比べて、ロバスト性の高い検出処理を行なうことができる。

＜第５の実施形態＞
次に、本発明の第５の実施形態につき説明する。これまでの実施形態におけるプラント用計測器は、デジタル・プロセスデータをオンラインで出力する正規の計測器（「本設」の計測器と呼ばれることもある）である場合を想定しているが、本実施形態では、アナログ・プロセスデータをオンライン又はオフラインで出力する仮設の計測器も含むものとする。そして、図１に示したプロセスデータ入力手段１は、この仮設の計測器からのアナログ・プロセスデータをＡＤ変換器によりデジタル・プロセスデータに変換した後入力するものとする。

実際のプラントでは、現場の情況如何によっては、上記の本設の計測器の他に、仮設の計測器を用いてプロセスデータを取得しなければならない場合も当然あり得るが、本実施形態によればプロセスデータ入力手段１がＡＤ変換機能を有しているので、このような仮設の計測器についてもドリフト発生の有無について推定することができる。したがって、プラント用計測器の環境が激しく変化するようなプラントの現場に対しても有効に対処することが可能である。

アナログ・プロセスデータとしては、通常、流量センサや温度センサ等からのアナログ信号に含まれるデータが想定されるが、その他にビデオカメラ等の撮影機器からの画像データを含めることもできる。例えば、仮設の流量計からの計測データをオンラインで入力することができないような現場環境の場合、この仮設の流量計付近にビデオカメラを設置し、その計測数値の撮影により得られた画像データを本実施形態のプロセスデータ入力手段１に出力させることができる。

プロセスデータ入力手段１は、この画像データに含まれる計測数値を読み出し、その読出データをプロセスデータ保存手段２に保存する。その後は、前述した実施形態と同様の手順によりドリフト推定、及び校正計画を実施することができる。

なお、既述したように、プロセスデータ保存手段２は、少なくとも計測器の経年変化に起因するドリフトが現れる期間（例えば、５年）に亘り、プロセスデータを保存することが可能な容量を有するものである。しかし、原子力プラントなどの大規模なプラントの場合は、計測器の個数やプロセスデータ量が膨大になり、また、データ収集期間も数十年以上に亘る長期間になることもあるため、必要な記録容量も非常に大きくなる。このような大規模なプラントにおいては、効率を重視したデータ管理を行う必要がある。そこで、このような大規模なプラントの場合は、プロセスデータ保存手段２に対して、ハードウエアによるデータ圧縮手段、及び圧縮データ解凍手段などを付設するようにしてもよい。

本発明の第１の実施形態の構成を示すブロック図。 図１における計測器Ｍ１…Ｍnの具体例を示す説明図であり、（ａ）は各計測器間の配置構成図、（ｂ）は関連データベース３１の内容を示す図表。 プロセス量の変化方向及びセンサのドリフト方向と、センサ（計測器）の出力値の変化態様との対応関係を示した図表。 ドリフトの誤検知に基づく不必要な校正の実施がもたらす損失Ｌと、校正の実施時期ｔとの関係を示した特性図。 本発明の第３の実施形態の要部であるドリフト推定手段３Aの構成図。

符号の説明

Ｐ：プラント
Ｍ１…Ｍn：計測器
１：プロセスデータ入力手段
２：プロセスデータ保存手段
３：ドリフト推定手段
３１：関連データベース
４：校正計画作成手段
３A：ドリフト推定手段
３２：ニューラルネットワーク回路
３３：ドリフト発生判定回路
３４：入力層
３５：中間層
３６：出力層
X１〜X４：入力層のユニット
Ｙ１〜Ｙ３：中間層のユニット
Ｚ１〜Ｚ４：出力層のユニット

Claims (10)

1. プラント用計測器からのプロセスデータを入力するプロセスデータ入力手段と、
   少なくとも前記プラント用計測器の経年変化に起因するドリフトが現れる期間に亘り、前記プロセスデータ入力手段が入力したプロセスデータを保存するプロセスデータ保存手段と、
   前記プロセスデータ保存手段に保存されたプロセスデータを解析し、このプロセスデータに関連するプラント用計測器にドリフトが発生しているか否かを推定するドリフト推定手段と、
   前記ドリフト推定手段の推定結果に基づき前記プラント用計測器に対する校正計画を作成する校正計画作成手段と、
   を備え、
   前記校正計画作成手段は、校正実施時期について、前記ドリフト推定手段によるドリフト発生の推定が誤検知に基づくものであると仮定した場合の不必要な校正がもたらす損失が小さくなる時期を決定するものである、
   ことを特徴とするプラント用計測器校正支援装置。
2. 前記ドリフト推定手段は、本来同一の値となるべき複数のプロセスデータについて、これらのプロセスデータ間の差分を求め、この差分が所定値以上となった場合にドリフトが発生したと推定するものである、
   ことを特徴とする請求項１記載のプラント用計測器校正支援装置。
3. 前記ドリフト推定手段は、複数のプラント用計測器からのプロセスデータを入力値とし、この入力値と等しい出力値を出力するニューラルネットワーク回路を有するものである、
   ことを特徴とする請求項１記載のプラント用計測器校正支援装置。
4. 前記ニューラルネットワーク回路は学習機能を有するものであり、教師データとしてドリフト発生がない場合の出力値を用いる、
   ことを特徴とする請求項３記載のプラント用計測器校正支援装置。
5. 前記ニューラルネットワーク回路は学習機能を有するものであり、教師データとしてドリフト発生を伴う場合の出力値を用いる、
   ことを特徴とする請求項３記載のプラント用計測器校正支援装置。
6. 前記ドリフト推定手段は、前記プラント用計測器に対して予めドリフト発生に関する信頼度を設定しておき、ドリフト発生の可能性があるプラント用計測器が複数有る場合に、この信頼度に基づきドリフト発生の蓋然性が高い一のプラント用計測器を特定するものである、
   ことを特徴とする請求項２記載のプラント用計測器校正支援装置。
7. 前記ドリフト推定手段は、連続ウェーブレット変換手法に基づき、前記プロセスデータに対して周波数スペクトル分析を行うことにより、前記ドリフトが発生しているか否かを推定するものである、
   ことを特徴とする請求項１記載のプラント用計測器校正支援装置。
8. 前記プラント用計測器には、デジタル・プロセスデータをオンラインで出力する正規の計測器の他に、アナログ・プロセスデータをオンライン又はオフラインで出力する仮設の計測器が含まれており、
   前記プロセスデータ入力手段は、前記仮設の計測器からのアナログ・プロセスデータをＡＤ変換器によりデジタル・プロセスデータに変換した後入力するものである、
   ことを特徴とする請求項１記載のプラント用計測器校正支援装置。
9. 前記アナログ・プロセスデータは、前記仮設の計測器が表示した計測数値が含まれる画像データであり、
   前記プロセスデータ入力手段は、前記画像データに含まれる計測数値を読み出し、その読出データを前記プロセスデータ保存手段に保存させるものである、
   ことを特徴とする請求項８記載のプラント用計測器校正支援装置。
10. プラント用計測器からのプロセスデータを入力した場合、
    少なくとも前記プラント用計測器の経年変化に起因するドリフトが現れる期間に亘り、入力したプロセスデータを保存し、
    この保存したプロセスデータを解析して、このプロセスデータに関連するプラント用計測器にドリフトが発生しているか否かを推定し、
    この推定結果に基づき前記プラント用計測器に対する校正計画を作成し、前記推定されたドリフト発生の推定が誤検知に基づくものであると仮定した場合の不必要な校正がもたらす損失が小さくなる時期を校正実施時期として決定する、
    ことを特徴とするプラント用計測器校正支援方法。

Images