JP5293449B2

JP5293449B2 - 状態変化検出装置

Info

Publication number: JP5293449B2
Application number: JP2009149817A
Authority: JP
Inventors: 博榎本; 美緒野中; 元彦川岸; 善夫花里; 剛若松
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2009-06-24
Filing date: 2009-06-24
Publication date: 2013-09-18
Anticipated expiration: 2029-06-24
Also published as: JP2011008403A

Description

この発明は、監視対象システムからの計測データが従来と異なる傾向を示す場合に監視対象システムの状態が変化したと判定して監視者に認知させる、状態変化検出装置に関するものである。

一般に、監視対象システムの状態が変化したことを検知する状態変化検出装置においては、監視対象システムに対してセンサを設け、センサによって計測されたデータを監視者が監視することにより、故障による異常、性能あるいは品質の低下、不具合の発生など、監視対象システムの問題の発見が行われている。問題を発見するために、直近の計測データと予め正常に動作している状態で計測された正常データとの違いを統計的な評価指標として求め、その評価指標の値を管理基準である閾値と比較判定することにより、状態の変化を検出する。状態の変化が検出されれば、監視者は計測データと評価指標を分析し、原因究明、問題改善を図ることにより、監視対象システムの品質管理を行っている。

上述のような状態変化検出装置において、状態変化の検出を容易にするための統計処理としては各種手法が提案されている。例えば、プラントが正常に稼動した期間の計測データについてマハラノビス距離を求めて正常状態の評価値とし、新たに収集した計測データのマハラノビス距離を求めて現状の評価値とし、正常状態の評価値と現状の評価値とのマハラノビス距離の差分が、あらかじめ設定された固定値である閾値を超えた場合に異常と判定している（例えば、特許文献１参照）。また別の手法として、対象となるプロセスに対してスケールや分散によって正規化された計測データを主成分分析によるプロセス監視モデルを構築し、構築したモデルを用いて新規計測データにおけるＱ統計量またはホテリングのＴ^２統計量を算出し、これらの統計量があらかじめ指定した閾値を超えた場合にプロセスの異常と判定している（例えば、特許文献２参照）。

上述のような手法を用いる場合の閾値の決定方法としては、監視対象システムの設計要件によって一意に決まる場合もあるが、例えば監視対象システムの単位処理量あたりの電力量を管理値とする場合のように、管理値を一意に決められない場合もある。管理値が設計要件で決められない問題について、過去の計測データをクラスター分析によって正常データ群と異常データ群とに分類し、クラスターを分ける直線または曲線の係数を閾値とする手法が取られている（例えば、特許文献２参照）。

特開２００６−３０９５７０号公報（４頁、図１）特開２００８−５９２７０号公報（６−７頁、図１）

しかしながら、従来の状態変化検出装置においては、計測データの変化が気温の変化などの監視対象システムでは制御不可能な外部要因に起因するものであったとしても、制御可能な内部要因と識別することが困難であり、監視対象システムの性能が変化したとして誤って検出するという問題があり、状態変化検出装置の信頼性が低かった。

この発明は、かかる問題点を解決するためになされたものであり、外部要因による異常誤検出を抑制して、信頼性の高い状態変化検出装置を得ることを目的とする。

この発明は、監視対象システムの複数の計測項目の計測データを収集する計測データ収集手段、この計測データ収集手段に接続され前記計測データを記憶する計測データ記憶手段、この計測データ記憶手段に正常データ更新手段を介して接続された正常データ記憶手段、この正常データ記憶手段と前記計測データ記憶手段とに接続され、前記正常データ記憶手段に記憶された過去の所定時期に収集された正常データと前記計測データ収集手段によって計測され前記計測データ記憶手段に記憶された直近の計測データとから統計処理により前記監視対象システムの評価指標を算出する評価指標算出手段、この評価指標算出手段に接続され、前記評価指標の値が所定の計測期間に連続的あるいは所定回数以上の頻度で第１の閾値を超えた場合に前記監視対象システムの状態が変化したと判断する状態変化検出手段およびこの状態変化検出手段で前記監視対象システムの状態が変化したと判断された場合に監視者に状態変化を認知させる状態変化認知手段を備えた状態変化検出装置において、前記状態変化検出手段は、前記評価指標の変化に対して所定以上の感度を持つ計測項目を変動項目として抽出する変動要因抽出ステップと前記変動項目が前記監視対象システムの外部要因に係る計測項目のテーブルに含まれるか否かを判定する外部要因判定ステップとを備え、前記変動項目が前記外部要因に係る計測項目のテーブルに含まれる場合には、前記評価指標の値が所定の計測期間に連続的あるいは所定回数以上の頻度で第１の閾値を超えた場合でも前記監視対象システムの状態が変化していないと判断するようにしたものである。

この発明に係る状態変化検出装置においては、変動項目が前記外部要因に係る計測項目のテーブルに含まれる場合には、評価指標の値が所定の計測期間に連続的あるいは所定回数以上の頻度で第１の閾値を超えた場合でも監視対象システムの状態が変化していないと判断するようにしているので、外部要因の影響による異常誤検出を抑制でき、状態変化検出装置の信頼性を高めることができる。

この発明の実施の形態１を示す状態変化検出装置のブロック図である。この発明の実施の形態１の状態変化検出装置を含む監視制御システムの模式図である。この発明の実施の形態１の下水処理システムの構成を示した模式図である。この発明の実施の形態１の状態変化判定手段の手順を示す模式図である。この発明の実施の形態１の状態変化判定手段の手順を示す模式図である。この発明の実施の形態１の正常データ更新手段の動作の説明図である。この発明の実施の形態１の正常データ更新前後の正常データ分布の移行を示す模式図である。この発明の実施の形態２を示す状態変化検出装置のブロック図である。この発明の実施の形態３を示す状態変化検出装置のブロック図である。この発明の実施の形態４を示す状態変化検出装置のブロック図である。

実施の形態１．
図１は、この発明を実施するための実施の形態１に係る状態変化検出装置１のブロック図である。図１において、状態変化検出装置１は、監視対象システム２に設けられたセンサに接続され、監視対象システム２から計測データを収集する計測データ収集手段３と、この計測データ収集手段３に接続され、収集した計測データを記憶する計測データ記憶手段４と、過去に正常な状態で運転した期間の計測データを記憶する正常データ記憶手段５と、計測データ記憶手段４および正常データ記憶手段５に接続され、計測データ記憶手段３に記憶された所定の期間の計測データと正常データ記憶手段４から抽出した正常データとから統計処理により監視対象システム２の評価指標を算出する評価指標算出手段６と、評価指標算出手段６に接続され、評価指標算出手段６で算出された評価指標を記憶する評価指標記憶手段７と、評価指標算出手段６に接続され、評価指標算出手段６で算出された評価指標を抽出し、この評価指標の値が所定の計測期間に連続的あるいは所定回数以上の頻度で第１の閾値を超えた場合に監視対象システム２の状態が変化したと判断する状態変化検出手段８と、計測データ記憶手段４と正常データ記憶手段５との間に接続され、記憶された正常データを、新たな計測データで更新する正常データ更新手段９と、正常データ更新手段９と状態変化検出手段８との間に接続され、正常データ更新手段９が正常データを更新した場合に、状態変化検出の第１の閾値を更新する閾値更新手段１０と状態変化を検出した場合に監視者に状態変化を認知させる状態変化認知手段１３とを備えている。

評価指標算出手段６は、計測データおよび正常データのスケールを基準化する正規化手段１１と、正規化手段１１によって正規化された計測データと正常データとを用いて、正常データからの状態変化の大きさを示す評価指標を統計処理する統計処理出手段１２とで構成されている。また、状態変化検出手段８は、評価指標の変化に対して所定以上の感度を持つ計測項目を変動項目として抽出する変動要因抽出ステップと、変動項目が監視対象システムの外部要因に係る計測項目のテーブルに含まれるか否かを判定する外部要因判定ステップとを備えており、変動項目が外部要因に係る計測項目のテーブルに含まれる場合には、評価指標の値が所定の計測期間に連続的あるいは所定回数以上の頻度で第１の閾値を超えた場合でも監視対象システムの状態が変化したと判断しない。

このような状態変化検出装置１は、例えば監視対象システム２の監視制御システムの一つの構成設備として用いられる。

図２は、本実施の形態における、状態変化検出装置１を含む監視制御システムの一例を示す模式図である。監視制御システムは、監視対象システム２０に接続され、監視対象システムの計測データの収集と計測データに基づいて監視対象システム２０の構成機器の操作とを行う複数のコントローラ２１と、各コントローラ２１に束ねるように接続され、各コントローラ２１の動きを総括し、より上位概念で各コントローラ２１の制御を行う制御装置２２と、制御装置に接続され、監視対象システム１の計測データと制御装置２２への制御指令データとをネットワークによって伝送可能な制御ＬＡＮ２３と、制御ＬＡＮ２３に接続され、計測データと制御指令データとを保存するデータベース２４と、制御ＬＡＮ２３およびデータベース２４に接続され、計測データを監視し、制御指令データを指定する監視装置２５と、データベース２４に保存されたデータを外部のコンピュータシステムと共有するためのＬＡＮ２６と、ＬＡＮ２６と制御ＬＡＮ２４との間に接続された状態変化検出装置１と、データベース２４に保存されたデータおよび状態変化検出装置１の検出結果を用いて、データ管理、資料作成、データ分析などの作業が可能なパーソナルコンピュータ２７を備えている。

なお、状態変化検出装置１の構成要素である計測データ記憶手段４、正常データ記憶手段５および評価指標記憶手段７は、監視制御システムのデータベース２４の一部として構成されていてもよい。

さらに、本実施の形態の状態変化検出装置の動作について、監視対象システムの一例として、下水処理システムを対象とした場合について説明する。

図３は、本実施の形態における下水処理システムの構成を示した模式図である。下水処理システムは、活性汚泥と呼ばれる微生物による浄化能力、重力沈降など物理作用による浮遊物除去能力、薬品による殺菌または浄化能力を単独または複合的に用いて汚水を浄化するものである。下水処理の上流から、沈殿池３１、好気槽３２、最終沈殿池３３および消毒槽３４が配置されている。沈殿池３１には、この沈殿池３１に沈殿した汚泥を汚泥処理システムへ搬送する生汚泥引抜ポンプ３５が接続されている。好気槽３２には、この好気槽３２に酸素を供給するブロワ３６が接続されている。最終沈殿池３３には、この最終沈殿池３３に沈殿した汚泥のうち所定量を好気槽３２へ戻す返送汚泥ポンプ３７と、最終沈殿池３３に沈殿した汚泥のうち返送汚泥ポンプ３７で返送しなかった残りの汚泥を汚泥処理システムへと送る余剰汚泥引抜ポンプ３８とが接続されている。

さらに、この下水処理システムの運転状態を監視するために、システムの状態量と制御の操作量を計測する各種センサが設置されている。この下水処理システムは、沈殿池３１の上流側に設置された沈殿池３１または好気槽３２への汚水流入量を計測する汚水流入量センサ３９と、ブロワ３６の送風量を計測する送風量センサ４０と、生汚泥引抜ポンプ３５の下流側に設置された沈殿池での生汚泥量を計測する生汚泥量センサ４１と、返送汚泥ポンプ３７と好気槽３２との間に設置された返送汚泥量を計測する返送汚泥量センサ４２と、余剰汚泥引抜ポンプ３８の下流側にそれぞれ設置された余剰汚泥引き抜き量を計測する余剰汚泥量センサ４３および余剰汚泥の濃度を計測する余剰汚泥濃度センサ４４と、好気槽３２にそれぞれ設置された好気槽３２の溶存酸素濃度を計測するＤＯセンサ４５、活性汚泥濃度を計測するＭＬＳＳ濃度センサ４６および水温を計測する水温センサ４７と、消毒槽３４の下流側にそれぞれ設置された放流水の全窒素濃度を計測する全窒素センサ４８、放流水の全リン濃度を計測する全リンセンサ４９、放流水の化学的酸素要求量ＣＯＤを計測するＣＯＤセンサ５０および放流水のＳＳ濃度を計測するＳＳセンサ５１とを備えている。これらの各種センサ３９〜５１は、図１における状態変化検出装置の計測データ収集手段３に接続されている。

次に、このように構成された下水処理システムの動作について説明する。下水処理システムの動作は図３を参照し、状態変化検出装置の動作は図１を参照して説明する。状態変化検出装置１は、下水処理システムに設けられた各種のセンサ３９〜５１で計測された計測データを、計測データ収集手段３によって所定の周期で収集し、計測日時の情報と合わせて計測データ記憶手段４に記憶する。さらに、計測データ記憶手段４に記憶された計測データのうち、状態変化を判定するための基準として選ばれた計測データは、正常データとして正常データ更新手段９を介して正常データ記憶手段５にも記憶する。

正規化手段１１は、計測データを計測データ記憶手段４から抽出し、抽出した計測データを正規化する。正規化とは、各種の計測データは、そのそれぞれの物理量の大きさや分散が異なるため、各計測データを平均１、分散１となるように標準化する方法である。具体的には、Ｐ個の変数についてそれぞれＮ個のサンプルがある場合、計測データｘ^’ _np（ｎ＝１，２，・・・Ｎ、ｐ＝１，２，・・・Ｐ）を用いる代わりに、

を用いる。ここで、ｘｍ_ｐ、σ_ｐはそれぞれｐ番目の変数の平均値および分散である。

正規化手段１１は、正常データ記憶手段５から抽出した正常データについても同様に正規化を行う。また、下水処理システムのように処理に長時間を要するシステムでは各データの時間軸の補正が必要である。下水処理システムは、通常汚水の浄化に８から１０時間程度かかる。そのため、最終沈殿池３３や消毒槽３４などの配後段設備の計測データは、沈殿池３１や好気槽３２などの前段設備の処理時間分遡った、前段設備の計測データとの関係がある。したがって、前段設備のデータは、後段設備のデータに至る処理時間遡った時点での計測データを同一時間軸のデータとして扱う。なお、前段設備の時間をずらす幅は、汚水流量を下水処理システム各処理槽の容量で割ることで求まる滞留時間を用いればよい。

統計処理出手段１２は、例えば評価指標として、主成分分析によって求めた正常データの主成分スコアと計測データの主成分スコアとの間のマハラノビス距離を用いる。まず、主成分スコアを求めるための主成分分析について説明する。

主成分分析とは、Ｐ個の変数ｘ_ｐ（ｐ＝１，２，・・・Ｐ）の持つ情報を、情報の損失を最小限に抑えながら、ｘ_ｐの一次結合として与えられる互いに独立なＭ（Ｐ以下）個の主成分ｚ_ｍを用いて表現する手法である。なお、ｚ_ｍは第ｍ主成分と呼ばれ、次の（２）式で表される。

ここで、結合係数ω_ｐｍ（ｐ＝１，２，・・・Ｐ、ｍ＝１，２，・・・Ｍ）は、第１主成分ｚ_ｌの分散がｘ_ｐのあらゆる１次式の持つ分散の中で最大であり、第ｍ主成分ｚ_ｍの分散は他の主成分の全てと無相関な１次式の持つ分散の中で最大となるように決定する。

Ｎ番目のサンプルｘ_ｎ＝［ｘ_ｎ１、ｘ_ｎ２、・・・ｘ_ｎｐ］に対応する第１主成分ｚ_１の値ｔ_ｎ１は、

となる。このｔ_ｎ１を第１主成分スコアと呼ぶ。第１主成分の分散σ^２ _ｚｌは、共分散行列によって、次の（４）式で表される。

この（４）式を最大化する結合係数ω_１は、Ｌａｇｒａｎｇｅ乗数法を用いて（５）式の固有値問題として解くことができる。

このとき、第１主成分の分散σ^２ _ｚｌは、共分散行列Ｖの最大固有値λ_１に等しくなり、結合係数ω_１は、最大固有値に対応する固有ベクトルとして求まる。同様に、第ｍ主成分の結合係数ω_ｍは、ｍ番目に大きい固有値に対する固有ベクトルとして求められる。この結合係数ωを用いて（３）式によって現在の計測データに対する主成分スコアを計算する。

次に、求めた主成分スコアｔ_ｎ＝［ｔ_ｎ１、ｔ_ｎ２、・・・ｔ_ｎＭ］に対し、マハラノビス距離（ＭＤ）を（６）式により計算する。

ここで、Ｒは各主成分スコア間の相関係数からなる相関行列、ｋは計測データの個数である。ここで求めたマハラノビス距離を評価指標として評価指標記憶手段７に記憶しておく。

上述のように、本実施の形態においては、状態変化を検出する評価指標としてマハラノビス距離を求める方法について説明したが、評価指標として主成分分析によるホテリングのＴ^２統計量とＱ統計量とを求めるものであってもよい。

本実施の形態の状態変化検出手段８における動作について説明する。図４は、状態変化検出手段８での状態変化を検出する手順を示す模式図であり、図５は、図４の各手順における動作の模式図である。状態変化検出手段８は評価指標の値であるマハラノビス距離が閾値を超えた状態が所定の期間継続あるいはその期間に所定の回数以上検知された場合に、まず状態変化と仮判定する。次に、変動要因抽出ステップ１４によって、マハラノビス距離の変化に対する各主成分の影響の大きさを求める。

例えば、Ａ、Ｂ、Ｃ三つの主成分スコアが正常データから変化しており、そのうちＡの変化が最も大きかったとする。主成分スコアＡを除いてマハラノビス距離を計算した場合は、変化の小さいＢ、Ｃのみが考慮されるのでマハラノビス距離も小さくなる。一方、主成分スコアＢまたはＣを除いてマハラノビス距離を計算する場合、Ａの影響が大きいのでマハラノビス距離はあまり小さくならない。このようにマハラノビス距離を求めるための主成分スコアの組み合わせを網羅して計算することにより、どの主成分スコアが最も影響が大きいかを知ることができる。そこで、例えば第８主成分まで考慮する場合は、各主成分スコアを含める、含めないの組み合わせは全部で２５６通りであるが、多数の組み合わせのうち、より少数の組み合わせで全体の傾向を把握できるタグチメソッドの直交表を用いて計算することで計算量を削減できる。例えば図５のように、７つの変数に対しＬ８の直交表を用いれば８通りですむ。

直交表の各組み合わせで、所定期間の主成分スコア群についてマハラノビス距離を計算し、正常データの主成分スコアに対する各マハラノビス距離のズレから、マハラノビス距離の変化に対する各主成分の感度を、ノイズに対する信号の比であるＳ／Ｎ比として求める。Ｓ／Ｎ比が大きいほど感度が高く、その主成分スコアの組み合わせがマハラノビス距離の増大に大きく影響していることを意味する。
ｎ番目の組み合わせにおけるＳ／Ｎ比は（７）式で計算できる。

ここで、ｋは判定期間のサンプル数であり、ＭＤ_ｊは各主成分スコアのサンプルにおけるマハラノビス距離。η_ｎはｎ番目の組み合わせにおけるＳ／Ｎ比である。

各組み合わせのＳ／Ｎ比から、計算対象とする主成分を含む組み合わせのＳ／Ｎ比の平均値を求めることで、個々の主成分のＳ／Ｎ比が求められる。例えば第１主成分のＳ／Ｎ比をもとめる場合、直交表で第１主成分を考慮している組み合わせの１から４のＳ／Ｎ比を平均すれば求められる。また反対に、第１主成分の影響を排除した場合のＳ／Ｎ比は組み合わせ５から８のＳ／Ｎ比を平均すれば求められる。これを考慮する全主成分について行うことで、各主成分の考慮有無によるＳ／Ｎ比の違いが図５のように求められ、マハラノビス距離の変化に感度の高い主成分が特定できる。次のステップでは、最も感度の高い主成分のうち、どの計測項目の影響が大きいかを、主成分と各計測項目との相関係数にあたる因子負荷量によって表す。因子負荷量は（８）式で計算できる。

ここで、ｒ_ｍｐは第ｍ主成分とｐ番目の計測項目との間の因子負荷量である。この因子負荷量が閾値以上となる計測項目があった場合、その計測項目を変動項目として認定する。

各計測項目はあらかじめ、監視対象システムが制御可能な内部要因と、制御不可能な外部要因とに分類されており、外部要因判定ステップ１５で、変動項目と認定された計測項目と、外部要因に分類された計測項目のテーブルとを照合し、計測項目がテーブルに含まれていれば外部要因と判定する。計測項目が外部要因と判定された場合は、マハラノビス距離が閾値を超えていても状態変化を検出しない。ただし、変動項目と認定された計測項目が複数あり、内部要因と判定される計測項目が含まれる場合は状態変化を検出する。内部要因と外部要因とは、例えば下水処理システムの場合、送風量や池や槽内の活性汚泥浮遊物質濃度（ＭＬＳＳ濃度）は制御対象であるので内部要因であり、水温や流入水の化学的酸素要求量（ＣＯＤ濃度）などは制御できないデータなので外部要因と認定できる。例えば、流入ＣＯＤ濃度が悪化した場合は、処理水質も悪化することが多いが、その状態変化の要因が、流入ＣＯＤ濃度が支配的であれば下水処理システムの処理能力自体が低下しているわけではないので検出対象とはしない。一方、好気槽のｐＨが低下した場合においては、外部要因となる流入汚水のｐＨが低下した場合と、内部要因である、硝化が過剰に進み硝酸イオンの増加によって低下する場合との両方が考えられるが、前者の場合、外部要因である流入汚水ｐＨに変化が現れ、後者の場合、内部要因である溶存酸素濃度に変化が現れるなど、関係する他の計測項目も共に変化するので、外部要因と内部要因の両方に影響される計測項目が変動項目であった場合においても、関係する他の外部要因または内部要因の計測項目によって状態変化の判定は可能である。

状態変化と判定された場合は、状態変化認知手段によって、監視者に状態変化を認知させる。認知の手段は、監視画面上で、注意喚起を促すメッセージを表示、評価指標のトレンドグラフで状態変化と判定された部分を強調、あるいは状態変化を音声によってアナウンス、自動でメール通知などの方法をとることができる。

図６は、正常データ更新手段によって正常データ記憶手段に新たな正常データを記録する場合の説明図である。正常データ更新手段９は、評価指標の変化量または累積変化量が閾値以下である状態が所定の期間継続する場合に、前記期間の計測データを計測データ記憶手段より抽出し、正常データ記憶手段に記憶することで正常データを更新する。図６のように、評価指標が閾値を超えた場合でも、変動項目が外部要因の計測項目であり、前記の正常データ更新条件を満たしていれば正常データ更新対象と判定する。一方、変化量または累積変化量が閾値を超えていなくても、変動要因が内部要因によるものであれば、長期的に性能低下が起こっている可能性もあるので、その間の計測データを正常データ更新対象とはしない。

正常データ更新後は、新たな正常データでマハラノビス距離が計算されるので、図６のように更新前とは不連続に値が変わる。図７は、正常データ更新前後の正常データの分布と、新旧正常データと計測データのマハラノビス距離の関係についての説明図である。正常データを更新した場合は、正常データの分布が移動したり分散が変化したりすることがある。例えば更新後の正常データの分散が大きいと、同じマハラノビス距離であっても、ユークリッド距離ではより遠くなる。非常に分散の大きいデータの場合、マハラノビス距離では状態変化を検出していなくても、実際は異常な状態になっていたとなる可能性もある。そこで、更新前後の分散比率に応じて、状態変化検出手段８の閾値を更新する。このことで、正常データの分散が大きくなった場合でも、分散比率に応じてマハラノビス距離の閾値を低めに変更することにより、状態変化検出の不感帯が大きくなりすぎずにすむ。

このように構成された状態変化検出装置を用いることにより、外部要因の影響による状態変化の検出を抑制して、内部要因の検出精度を高めることができる。

なお、下水処理システムを監視対象システムとして説明したが、他のシステムであってもよく、化学、工業、空調など多数の設備によって構成され、多数のデータを計測する各種システムに適用できる。

また、本実施の形態で説明した下水処理システムにおいては、沈殿槽と最終沈殿槽との間に単一の好気槽が設けられた構成であるが、好気槽が嫌気槽と無酸素槽である好気槽との組み合わせで構成されている場合もある。

実施の形態２．
図８は、この発明を実施するための実施の形態２に係る状態変化検出装置１のブロック図である。本実施の形態においては、実施の形態１の状態変化検出装置にベース変動抽出手段６０を追加したものである。このベース変動抽出手段６０は、評価指標記憶手段７と正常データ更新手段９との間に設置されている。

このベース変動抽出手段６０は、評価指標記憶手段７に記憶された評価指標データベースから監視システムの応答速度よりも長い期間に相当する周波数成分を抽出する。正常データ更新手段９は、ベース変動抽出手段６０で抽出された周波数成分に基づいて正常データ記憶手段５に記憶された正常データを更新する。

計測データの主成分スコアから求めたマハラノビス距離は、通常図５に示すように細かく変動しているが、問題となる状態変化は突発的な変化ではなく緩やかで長期的な変動であるため、マハラノビス距離をＦＦＴ計算などの周波数分析手法を用いて、ベース変動に相当する成分のみを抽出する。抽出すべき周波数は、過渡的な変化を含まないよう、少なくとも監視対象システムの入力から出力までの応答時間、出力結果を入力にフィードバックするシステムにおいては、入力が出力結果のフィードバックによって影響を受けるまでの応答時間に相当する周波数より低い周波数とすることが好ましい。本実施の形態のように、正常データ更新手段によって、正常データ記憶手段の正常データを更新する際に、評価指標データベースから監視システムの応答速度よりも長い期間に相当する周波数成分を抽出して過渡的な変化を含まないようですることで、緩やかで長期的な変動の検出精度を上げることができるという効果がある。

実施の形態３．
図９は、この発明を実施するための実施の形態３に係る状態変化検出装置１のブロック図である。本実施の形態においては、実施の形態２の状態変化検出装置にさらに操作履歴記憶手段６１を追加したものである。この操作履歴記憶手段６１は、監視対象システム２と正常データ更新手段９との間に設置されている。

この操作履歴記憶手段６１は、監視対象システムの処理能力を維持するために自動または手動で行うシステム構成要素である各設備の起動・停止および出力を直接的あるいは間接的に決めるための指令値を所定の周期で記憶する。例えば、下水処理システムにおいては、汚水処理能力を維持するために必要な操作である、生汚泥引き抜きポンプ、ブロワ、返送汚泥ポンプ、余剰汚泥引き抜きポンプの起動または停止の状態、またはこれらの設備の出力を表す、沈殿池汚泥引き抜き量、送風量、返送汚泥量、余剰汚泥引き抜き量の設定値、またはこれらの設定値を制御対象とする上位制御の設定値としてのＤＯ濃度、ＭＬＳＳ濃度の設定値を記憶する。これらの値は、図２に示す状態変化検出装置１を含む監視制御システムにおいて、運転員が監視装置２５を操作することによって変更可能な値である。

図９において、正常データ更新手段９は、変動項目が外部要因によるものであって、操作履歴記憶手段６１に記憶された操作対象の指令値が、一定期間変更が行われていない場合にその期間の計測データを正常データとして正常データ記憶手段５に記憶されたデータを更新する。例えば下水処理システムにおいて、秋から冬にかけて水温が低下することにより、アンモニア性窒素を分解する硝化細菌の活性が低下し、放流水の全窒素濃度が上昇することがある。その後、冬季は硝化が抑制された状態で運転が行われる。硝化抑制運転の状態は、他の季節の硝化促進運転とは放流水質が異なるが、あえて硝化抑制状態で安定した運転を行うため、評価指標が状態変化を検知する範囲に至ったとしても、そこで制御設定値などの変更が行われていなければ、その状態は正常範囲とみなすことができる。

このように構成された状態変化検出装置においては、実施の形態１と同様に、外部要因の影響による状態変化の検出を抑制して、内部要因の検出精度を高めることができると共に、操作履歴記憶手段を追加し、正常データ更新判定に操作履歴を用いることにより、監視対象システムの特性に沿って正常データを更新することができるので、検出精度を更に高めるという効果がある。

実施の形態４．
実施の形態１〜３においては、判定するための計測データの監視対象システムを一つに限定した状態変化検出装置について説明したが、実施の形態４においては、監視対象システムを複数備えた複数の状態変化検出装置で構成したものである。

図１０は、本実施の形態に係る状態変化検出装置１のブロック図である。本実施の形態においては、監視対象システム２は同じ仕様の設備からなる複数の系統（系統１、系統２、・・・系統ｎ）によって構成されている。状態変化検出装置１の基本的な構成は実施の形態１と同様であり説明を省略するが、実施の形態１と異なる構成について説明する。閾値更新手段１０は、計測データ記憶手段４および評価指標記憶手段７に接続されており、計測データ記憶手段４に記憶された計測データを選択することができ、選択した計測データから算出された評価指標を、評価指標記憶手段７から抽出できる構成となっている。

下水処理場においては、図３に示した下水処理システムを１系統とすると、これと同じ系統を複数持つ構成をとる処理場が多くある。その場合、今までの運転条件の中で正常運転となるように全系列が制御される。その一つの系統を例えば省エネルギーを目的としてその運用方法を他の系統と異なる設定で運転するように構成する。生汚泥引き抜きポンプ、ブロワ、返送汚泥ポンプ、余剰汚泥引き抜きポンプの運転条件を少なくとも一つ、あるいは複数組み合わせて、消費電力量が少なくなるように条件を現状より少し変化させる。下水処理プロセスは滞留時間が６〜８時間程度と長いため、条件を変化させてから次の条件に変更するまでの時間は、少なくとも数時間以上を維持する必要がある。また条件を変化させる場合も、一気に大幅な設定値変更をするのではなく、常識で考えられる設定範囲を何段階かに分け、一段階ずつ初期値より幅を広げるように変化させるようにする。

処理状況は、消費電力量や処理水質のデータで判断し、電力量や処理水質が処理目標から大きく乖離する傾向が見られたら、自動および手動で、初期値に復帰させるようにする。

処理水質については、処理場全体の処理基準値に影響を与えることから、悪化することが予想される場合は、この系統の運転を停止するか、この系統の処理水を別の系統の入口に返送し、他系統で処理するように切り替える。

このように段階的に操作データを変動させて得た計測データの中から、監視者は正常データ更新手段によって、正常データに登録すべき計測データを計測データ記憶手段より選択し、操作データの変動を行わない系統の正常データとして正常データ記憶手段に記憶する。また監視者は、閾値更新手段によって、状態変化を検出すべき計測データを計測データ記憶手段より選択し、選択した計測データに該当する評価指標を評価指標記憶手段より抽出し、抽出した評価指標を、操作データの変動を行わない系統の閾値として更新する。この正常データおよび閾値は実際の処理プラントでのデータであるので、同じ設備構成からなる他の系統と共通に用いることができ、パイロットプラントやシミュレーションデータのように不確実さはなく、閾値を適切に設定できるので検出精度を高めることができる。

このデータ取得方法は、実施の形態１〜３の状態変化検出装置だけでなく、一般的に統計処理により状態変化を検出する手法に適用することが可能である。

このように、監視対象システムの一系統の操作を段階的に変化させて収集した計測データを用いて、操作データの変動を行わない系統の正常データの更新および、状態変化の閾値更新を行うことにより、監視対象システムの特性に沿った正常データと、状態変化の閾値を適切に更新することができるので、検出精度を更に高めるという効果がある。

１状態変化検出装置、２監視対象システム、３計測データ収集手段、４計測データ記憶手段、５正常データ記憶手段、６評価指標算出手段、７評価指標記憶手段、８状態変化検出手段、９正常データ更新手段、１０閾値更新手段、１１正規化手段、１２統計処理出手段、１３状態変化認知手段、１４変動要因抽出ステップ、１５外部要因判定ステップ、２０監視対象システム、２１コントローラ、２２制御装置、２３制御ＬＡＮ、２４データベース、２５監視装置、２６ＬＡＮ、２７パーソナルコンピュータ、３１沈殿池、３２好気槽、３３最終沈殿池、３４消毒槽、３５、３６、３７返送汚泥ポンプ、３８余剰汚泥引抜ポンプ３８、３９汚水流入量センサ、４０送風量センサ、４１生汚泥量センサ、４２返送汚泥量センサ、４３余剰汚泥量センサ、４４余剰汚泥濃度センサ、４５ＤＯセンサ、４６ＭＬＳＳ濃度センサ、４７水温センサ、４８全窒素センサ、４９全リンセンサ、５０ＣＯＤセンサ、５１ＳＳセンサ、６０ベース変動抽出手段、６１操作履歴記憶手段

Claims

監視対象システムの複数の計測項目の計測データを収集する計測データ収集手段、
この計測データ収集手段に接続され前記計測データを記憶する計測データ記憶手段、
この計測データ記憶手段に正常データ更新手段を介して接続された正常データ記憶手段、この正常データ記憶手段と前記計測データ記憶手段とに接続され、前記正常データ記憶手段に記憶された過去の所定時期に収集された正常データと前記計測データ収集手段によって計測され前記計測データ記憶手段に記憶された直近の計測データとから統計処理により前記監視対象システムの評価指標を算出する評価指標算出手段、
この評価指標算出手段に接続され、前記評価指標の値が所定の計測期間に連続的あるいは所定回数以上の頻度で第１の閾値を超えた場合に前記監視対象システムの状態が変化したと判断する状態変化検出手段
およびこの状態変化検出手段で前記監視対象システムの状態が変化したと判断された場合に監視者に状態変化を認知させる状態変化認知手段
を備えた状態変化検出装置において、
前記状態変化検出手段は、前記評価指標の変化に対して所定以上の感度を持つ計測項目を変動項目として抽出する変動要因抽出ステップと前記変動項目が前記監視対象システムの外部要因に係る計測項目のテーブルに含まれるか否かを判定する外部要因判定ステップとを備え、
前記変動項目が前記外部要因に係る計測項目のテーブルに含まれる場合には、前記評価指標の値が所定の計測期間に連続的あるいは所定回数以上の頻度で第１の閾値を超えた場合でも前記監視対象システムの状態が変化していないと判断することを特徴とする状態変化検出装置。
状態変化検出手段において、第１の所定期間における評価指標の平均変化量または累積変化量が第２の閾値以下である状態が第２の所定期間以上継続し、
変動項目が外部要因に係る計測項目のテーブルに含まれる場合に、
正常データ更新手段は、直近の計測データを用いて正常データ記憶手段に記憶された正常データを更新することを特徴とする請求項１記載の状態変化検出装置。
状態変化検出手段と正常データ更新手段との間に接続された閾値更新手段を備え、
前記閾値更新手段は、更新後の正常データの分散が更新前より大きくなった場合に、前記状態変化検出手段の第１の閾値を更新前より低い値に変更することを特徴とする請求項２記載の状態変化検出装置。
評価指標算出手段と正常データ更新手段との間に接続された評価指標記憶手段およびベース変動抽出手段を備え、
前記評価指標記憶手段は、前記評価指標算出手段で算出された評価指標を評価指標データベースとして記憶し、
前記ベース変動抽出手段は、前記評価指標記憶手段に記憶された前記評価指標データベースから監視システムの応答速度よりも長い期間に相当する周波数成分を抽出し、
前記正常データ更新手段は、前記ベース変動抽出手段で抽出された周波数成分に基づいて正常データ記憶手段に記憶された正常データを更新することを特徴とする請求項２記載の状態変化検出装置。
正常データ更新手段に接続された監視対象システムの操作データを記憶する操作履歴記憶手段を備え、
前記操作履歴記憶手段において所定の期間において前記操作データに変更がないと判断された場合には、
前記正常データ更新手段は、正常データ記憶手段に記憶された正常データを前記所定の期間の計測データを用いて更新することを特徴とする請求項１記載の状態変化検出装置。
正常データと直近の計測データとから統計処理により算出される評価指標は、マハラノビス距離またはＴ２統計量またはＱ統計量の何れか１つであることを特徴とする請求項１記載の状態変化検出装置。
請求項１記載の状態変化検出装置において、
監視対象システムが複数の系統によって構成されており、
閾値更新手段は、計測データ記憶手段および評価指標記憶手段に接続されており、
少なくとも一つの系統の操作データを段階的に変動させたときの計測データを計測データ収集手段が収集し、
正常データ更新手段は、前記計測データのうち、監視者によって正常データとして選択された前記計測データを正常データとして計測データ記憶手段より抽出して正常データ記憶手段に記憶された他の系統の正常データを更新し、
閾値更新手段は、前記計測データのうち、監視者によって状態変化の検出対象として選択された前記計測データに該当する評価指標を評価指標記憶手段より抽出して、前記他の系統の閾値を更新することを特徴とする状態変化検出装置。