JP6432890B2 - 監視装置、対象装置の監視方法、およびプログラム - Google Patents

監視装置、対象装置の監視方法、およびプログラム Download PDF

Info

Publication number
JP6432890B2
JP6432890B2 JP2016110336A JP2016110336A JP6432890B2 JP 6432890 B2 JP6432890 B2 JP 6432890B2 JP 2016110336 A JP2016110336 A JP 2016110336A JP 2016110336 A JP2016110336 A JP 2016110336A JP 6432890 B2 JP6432890 B2 JP 6432890B2
Authority
JP
Japan
Prior art keywords
event
likelihood
occurrence
factor
target device
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.)
Active
Application number
JP2016110336A
Other languages
English (en)
Other versions
JP2017215863A (ja
Inventor
一郎 永野
一郎 永野
青山　邦明
邦明 青山
斎藤　真由美
真由美 斎藤
熊野　信太郎
信太郎 熊野
安部　克彦
克彦 安部
田中　徹
徹 田中
貴洋 山内
貴洋 山内
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Power Ltd
Original Assignee
Mitsubishi Hitachi Power Systems Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to JP2016110336A priority Critical patent/JP6432890B2/ja
Application filed by Mitsubishi Hitachi Power Systems Ltd filed Critical Mitsubishi Hitachi Power Systems Ltd
Priority to CN201780028983.1A priority patent/CN109154810B/zh
Priority to KR1020187032722A priority patent/KR102202159B1/ko
Priority to PCT/JP2017/020200 priority patent/WO2017209167A1/ja
Priority to US16/099,577 priority patent/US11442443B2/en
Priority to MX2018013672A priority patent/MX2018013672A/es
Priority to DE112017002780.2T priority patent/DE112017002780T5/de
Publication of JP2017215863A publication Critical patent/JP2017215863A/ja
Priority to PH12018502379A priority patent/PH12018502379A1/en
Application granted granted Critical
Publication of JP6432890B2 publication Critical patent/JP6432890B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D25/00—Component parts, details, or accessories, not provided for in, or of interest apart from, other groups
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D25/00—Component parts, details, or accessories, not provided for in, or of interest apart from, other groups
    • F01D25/08—Cooling; Heating; Heat-insulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C7/00—Features, components parts, details or accessories, not provided for in, or of interest apart form groups F02C1/00 - F02C6/00; Air intakes for jet-propulsion plants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C7/00—Features, components parts, details or accessories, not provided for in, or of interest apart form groups F02C1/00 - F02C6/00; Air intakes for jet-propulsion plants
    • F02C7/22—Fuel supply systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0248—Causal models, e.g. fault tree; digraphs; qualitative physics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Description

本発明は、対象装置を監視する監視装置、対象装置の監視方法、およびプログラムに関する。
プラントに異常が発生したときに、異常の発生要因を特定する方法としてＦＴＡ（Fault Tree Analysis）を用いる手法が知られている（例えば、特許文献１を参照）。
特開２００９−１７６３１５号公報
しかしながら、ＦＴＡに基づく異常の発生要因の推定は、監視員の経験に依存する部分が多いため、監視員ごとに推定の精度が異なる。またＦＴＡに基づいて異常の発生要因を推定する技能を有する監視員の数には限りがあり、プラントに異常が発生したときに、発生要因の推定に時間がかかってしまう場合がある。
本発明の目的は、監視員の経験によらずに異常の発生要因を精度よく推定することができる監視装置、対象装置の監視方法、およびプログラムを提供することにある。
本発明の第１の態様によれば、監視装置は、対象装置の計測値を取得する取得部と、
前記取得部が取得した前記計測値に基づいて対象装置に生じ得るＭ種類の事象それぞれの発生の尤度を算出することによりＭ個の尤度を得る尤度算出部と、前記Ｍ種類の事象それぞれと、前記対象装置のＮ種類の異常の発生要因とを関連付けたテーブルを記憶するテーブル記憶部と、前記Ｍ個の尤度を要素とする事象ベクトルと前記テーブルの値を要素とする行列とを用いた計算によって得られるＮ個の要素を有する要因ベクトルに基づいて前記発生要因を推定する推定部とを備える。
本発明の第２の態様によれば、第１の態様に係る監視装置は、前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された回数とを関連付けたものであって、前記推定部は、前記発生要因毎に、前記尤度と前記回数との加重和を算出し、当該加重和に基づいて前記発生要因を推定するものであってよい。
本発明の第３の態様によれば、第１の態様に係る監視装置は、前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認されたか否かを示す値とを関連付けたものであって、前記推定部は、前記尤度が所定の閾値以上の前記事象であって、かつ前記行列において事象が発生したことを示す値を有する前記要素の数に基づいて、前記発生要因を推定するものであってよい。
本発明の第４の態様によれば、第１の態様に係る監視装置は、前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が生じる確率とを関連付けたものであって、前記推定部は、前記発生要因毎に、前記尤度と前記確率との加重和を算出し、当該加重和に基づいて前記発生要因を推定するものであってよい。
本発明の第５の態様によれば、第１から第４の何れかの態様に係る監視装置は、前記取得部が取得した前記計測値のＳＮ比を算出するＳＮ比算出部をさらに備え、前記尤度算出部は、前記ＳＮ比算出部が算出した前記ＳＮ比に基づいて前記複数の事象それぞれの尤度を算出するものであってよい。
本発明の第６の態様によれば、第１から第５の何れかの態様に係る監視装置は、前記計測値に基づいてマハラノビス距離を算出する距離算出部をさらに備え、前記尤度算出部は、前記マハラノビス距離が所定値以上である場合に、前記複数の事象それぞれの尤度を算出するものであってよい。
本発明の第７の態様によれば、第６の態様に係る監視装置は、前記計測値に基づく熱平衡計算により、前記計測値を補正した補正計測値を得る補正部をさらに備え、前記計測値は、少なくとも前記対象装置に入力される入力流体の温度および流量、ならびに前記対象装置から出力される出力流体の温度および流量を含み、前記距離算出部は前記補正計測値を諸元として前記マハラノビス距離を算出するものであってよい。
本発明の第８の態様によれば、対象装置の監視方法は、監視装置が、対象装置の計測値を取得することと、前記監視装置が、取得した前記計測値に基づいて対象装置に生じ得るＭ種類の事象それぞれの発生の尤度を算出することによりＭ個の尤度を得ることと、前記監視装置が、前記Ｍ種類の事象それぞれと、前記対象装置のＮ種類の異常の発生要因とを関連付けたテーブルの値を要素とする行列と、前記Ｍ個の尤度を要素とする事象ベクトルと、を用いた計算によって得られるＮ個の要素を有する要因ベクトルに基づいて前記発生要因を推定することとを含む。
本発明の第９の態様によれば、第８の態様に係る対象装置の監視方法は、前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された回数とを関連付けたものであって、前記監視装置は、前記発生要因毎に、前記尤度と前記回数との加重和を算出し、当該加重和に基づいて前記発生要因を推定するものであってよい。
本発明の第１０の態様によれば、第８の態様に係る対象装置の監視方法は、前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認されたか否かを示す値とを関連付けたものであって、前記監視装置は、前記尤度が所定の閾値以上の前記事象であって、かつ前記行列において事象が発生したことを示す値を有する前記要素の数に基づいて、前記発生要因を推定するものであってよい。
本発明の第１１の態様によれば、第８の態様に係る対象装置の監視方法は、前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が生じる確率とを関連付けたものであって、前記監視装置は、前記発生要因毎に、前記尤度と前記確率との加重和を算出し、当該加重和に基づいて前記発生要因を推定するものであってよい。
本発明の第１２の態様によれば、プログラムは、コンピュータに、対象装置の計測値を取得することと、取得した前記計測値に基づいて対象装置に生じ得るＭ種類の事象それぞれの発生の尤度を算出することによりＭ個の尤度を得ることと、前記Ｍ種類の事象それぞれと、前記対象装置のＮ種類の異常の発生要因とを関連付けたテーブルの値を要素とする行列と、前記Ｍ個の尤度を要素とする事象ベクトルと、を用いた計算によって得られるＮ個の要素を有する要因ベクトルに基づいて前記発生要因を推定することとを実行させる。
上記態様のうち少なくとも１つの態様によれば、監視装置は、対象装置の計測値に基づいて当該対象装置に生じ得る複数の事象それぞれの発生の尤度を算出し、事象と異常の発生要因とを関連付けたテーブルを用いて対象装置に生じた異常の発生要因を推定する。これにより、監視装置は、監視員の経験によらずに異常の発生要因を精度よく推定することができる。
対象装置の一例であるガスタービンの模式図である。 第１の実施形態に係る監視装置の構成を示す概略ブロック図である。 第１の実施形態に係る監視装置の動作を示すフローチャートである。 第２の実施形態に係る監視装置の構成を示す概略ブロック図である。 少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
〈第１の実施形態〉
以下、図面を参照しながら第１の実施形態について詳しく説明する。
第１の実施形態に係る監視装置１００は、ガスタービンＴの異常の有無を監視し、異常の発生要因を特定する。ガスタービンＴは対象装置の一例である。
《対象装置》
図１は、対象装置の一例であるガスタービンの模式図である。
ガスタービンＴは、圧縮機Ｔ１、燃焼器Ｔ２、タービンＴ３、ロータＴ５、抽気管Ｔ４、および発電機Ｔ６を備える。圧縮機Ｔ１、タービンＴ３、および発電機Ｔ６は、ロータＴ５に接合され、ロータＴ５の軸回りに回転する。圧縮機Ｔ１は、回転により空気取込口から空気を取り込み、取り込んだ空気を圧縮して圧縮空気を生成する。燃焼器Ｔ２は、圧縮機Ｔ１が生成した圧縮空気に燃料を噴射することにより、高温かつ高圧の燃焼ガスを発生させる。また燃焼器Ｔ２には、燃焼器Ｔ２の冷却のために冷却蒸気が吹き付けられる。タービンＴ３は、燃焼器Ｔ２が発生させた燃焼ガスの熱エネルギーをロータＴ５の回転エネルギーに変換して駆動力を発生させる。抽気管Ｔ４は、その一端が圧縮機Ｔ１に接続され、その他端がタービンＴ３に接続される。抽気管Ｔ４は、圧縮機Ｔ１が生成する圧縮空気の一部を抽気し、抽気した圧縮空気（冷却空気）をタービンＴ３に供給することで、タービンＴ３を冷却する。発電機Ｔ６は、ロータＴ５の回転エネルギーを電気エネルギーに変換する。
ガスタービンＴには図示しない複数のセンサが取り付けられる。各センサが取得するセンサ値の例としては、大気圧、大気温度、大気の相対湿度、圧縮機Ｔ１の入口差圧、圧縮機Ｔ１の出口空気温度、圧縮機Ｔ１の出口空気圧力、燃料圧力、燃料温度、燃料発熱量、燃料組成、燃料流量、冷却蒸気圧力、冷却蒸気温度、冷却蒸気流量、冷却空気の温度、冷却空気の流量、排気温度、吸気圧力損失、排気圧力損失、発電機Ｔ６の発電効率、発電電力、発電電流、発電電圧、発電周波数が挙げられる。
《構成》
監視装置１００の構成について説明する。図２は、第１の実施形態に係る監視装置の構成を示す概略ブロック図である。
監視装置１００は、取得部１０１、特性値算出部１０２、補正部１０３、単位空間記憶部１０４、距離算出部１０５、異常判定部１０６、ＳＮ比算出部１０７、尤度算出部１０８、テーブル記憶部１０９、推定部１１０、出力部１１１を備える。
取得部１０１は、ガスタービンＴに設けられたセンサが取得したセンサ値、およびガスタービンＴの制御信号の値（指令値）を取得する。なお、取得部１０１が取得するセンサ値には、上述の通り、少なくともガスタービンＴに入力される空気および燃料（入力流体）の温度およびガスタービンＴから出力される排気（出力流体）の温度を含む。センサ値は、ガスタービンＴの計測値の一例である。
特性値算出部１０２は、取得部１０１が取得したセンサ値に基づいて、ガスタービンＴの特性を示す特性値を算出する。特性値の例としては、熱効率、圧縮機効率、燃焼効率、タービン効率、圧縮機動力、タービン出力、ガスタービン空気流量、ガスタービン排気流量、圧縮機圧力比、タービンＴ３の入口燃焼ガス温度が挙げられる。例えば、特性値算出部１０２は、等エントロピ変化における圧縮機出口エンタルピと圧縮機入口エンタルピの差を、実際の圧縮機出口エンタルピと圧縮機入口エンタルピの差で除算することで、圧縮機効率（特性値）を算出する。エンタルピは、センサ値である温度および圧力を用いて算出される。特性値は、ガスタービンＴの計測値の一例である。なお、特性値算出部１０２が算出する特性値には、上述の通り、少なくともガスタービンＴに入力される空気の流量およびガスタービンＴから出力される排気の流量を含む。
補正部１０３は、取得部１０１が取得したセンサ値および特性値算出部１０２が算出した特性値をガスタービンＴの熱平衡計算に基づいて補正することで、補正計測値を得る。具体的には、補正部１０３は、以下の手順で計測値を補正する。まず補正部１０３は、計測値をガスタービンＴに係る熱平衡の式に代入し、当該式が成立するように各計測値の誤差を算出する。そして補正部１０３は、計測値ごとに算出した誤差の総和、または誤差の二乗の総和を求め、求められた総和が最小となる計測値ごとの誤差の組み合わせを選択することで、補正計測値を得る。
具体的には、ガスタービンＴ全体の熱平衡は、以下の式（１）により表される。圧縮機Ｔ１の熱平衡は、以下の式（２）により表される。燃焼器Ｔ２の熱平衡は、以下の式（３）により表される。タービンＴ３の熱平衡は、以下の式（４）により表される。以下の式（１）−式（４）において、左辺は入熱量を示し、右辺は出熱量を示す。
Figure 0006432890
Figure 0006432890
Figure 0006432890
Figure 0006432890
変数Ｇ１は、吸気流量を示す。変数Ｈ１Ｃは、吸気エンタルピを示す。変数Ｇ２は、圧縮機Ｔ１の出口流量を示す。変数Ｈ２Ｃは、圧縮機Ｔ１の出口エンタルピを示す。変数Ｇｆは、燃料流量を示す。変数ＬＨＶは、燃料発熱量を示す。変数Ｇｓｔは、冷却蒸気流量を示す。変数Ｈｓｔ１は、燃焼器Ｔ２に供給される冷却蒸気のエンタルピを示す。変数Ｈｓｔ２は、燃焼器Ｔ２から排出される冷却蒸気のエンタルピを示す。変数Ｇｃは、冷却空気量を示す。変数Ｈｃは、冷却空気エンタルピを示す。変数Ｇ４は、タービンＴ３の入口流量を示す。変数Ｈ１Ｔは、タービンＴ３の入口エンタルピを示す。変数Ｇ８は、排気流量を示す。変数Ｈ２Ｔは、排気エンタルピを示す。変数μＧＥＮは、発電効率を示す。変数μＢＵＲＮは、燃焼効率を示す。変数ＫＷＧＥＮは、発電電力を示す。変数ＫＷＣは、圧縮機動力を示す。変数ＫＷＴは、タービン出力を示す。
単位空間記憶部１０４は、ガスタービンＴの始動期間（例えば、新品状態のガスタービンＴの運転開始時点または定期点検の完了後のガスタービンＴの運転開始時点のうち直近の時点から２週間の期間）の間に取得された、ガスタービンＴの状態量（計測値、補正計測値および指令値）の組み合わせを、マハラノビス距離の単位空間として記憶する。
距離算出部１０５は、取得部１０１が取得したセンサ値および指令値、特性値算出部１０２が算出した特性値、ならびに補正部１０３が補正した補正計測値を諸元として、単位空間記憶部１０４が記憶する単位空間に基づいて、ガスタービンＴの状態を示すマハラノビス距離を算出する。マハラノビス距離は、単位空間として表される基準の標本と新たに得られた標本との違いの大きさを表す尺度である。マハラノビス距離の算出方法については、後述する。
異常判定部１０６は、距離算出部１０５が算出したマハラノビス距離に基づいてガスタービンＴに異常が生じているか否かを判定する。具体的には、異常判定部１０６は、マハラノビス距離が所定の閾値（例えば、３．５）以上である場合に、ガスタービンＴに異常が生じていると判定する。閾値には、通常３以上の値が設定される。
ＳＮ比算出部１０７は、異常判定部１０６がガスタービンＴに異常が生じていると判定した場合に、取得部１０１が取得したセンサ値および指令値、特性値算出部１０２が算出した特性値、ならびに補正部１０３が補正した補正計測値に基づいて、タグチメソッドに係るＳＮ比（Signal-Noise Ratio）を算出する。すなわち、尤度算出部１０８は、直交表分析による項目有無の望大ＳＮ比を求める。ＳＮ比が大きいほど、その状態量（計測値、指令値）の項目に異常がある可能性が高いと判断できる。
尤度算出部１０８は、ＳＮ比算出部１０７が算出したＳＮ比に基づいて、ガスタービンＴに発生し得る複数の事象（性能劣化）それぞれの発生の尤度を算出する。事象の例としては、ガスタービン出力の低下、ガスタービン効率の低下、圧縮機効率の低下、タービン効率の低下、圧縮機入口空気量の低下、排気温度の上昇、圧縮機圧縮比の低下、燃焼効率の低下、タービン入口ガス温度の上昇、排気ガス圧力の上昇などが挙げられる。例えば、尤度算出部１０８は、各事象について、当該事象の発生の有無がＳＮ比の増減を支配的に関与する状態量との関係を記憶しておき、各事象に関連付けられた状態量それぞれのＳＮ比の加重和を算出することで、各事象の発生の尤度を算出する。
テーブル記憶部１０９は、事象と異常の発生要因との関係を表すテーブルを記憶する。具体的には、テーブル記憶部１０９は、各事象および各発生要因について、当該発生要因による異常が生じたときに、当該事象が確認された回数を記憶する。例えば、過去に排気ディフューザの損傷（発生要因）による異常が生じたときに、ブレードパス温度の偏差が大きくなっている状態（事象）が確認されたことが、９度あった場合、テーブル記憶部１０９は、「排気ディフューザの損傷」という発生要因と「ブレードパス温度の偏差が大きい状態」という事象とに関連付けて、「９」という回数を記憶する。テーブル記憶部１０９が記憶するテーブルは、例えば、ガスタービンＴの運用時に保守員によって生成されたＦＴＡのデータ（ＦＴ：Ｆａｕｌｔ Ｔｒｅｅ）に基づいて生成することができる。
推定部１１０は、尤度算出部１０８が算出した各事象の発生の尤度と、テーブル記憶部１０９が記憶するテーブルとに基づいて、ガスタービンＴの異常の発生要因を推定する。具体的には、推定部１１０は、各事象の発生の尤度を要素とする１行Ｍ列のベクトルと、テーブルの値を要素とするＭ行Ｎ列の行列との乗算を行うことで、異常の発生要因の尤度を要素とするＮ行１列のベクトルを得る。Ｍは事象の数、Ｎは発生要因の数を示す。そして、推定部１１０は、得られたＮ行１列のベクトルのうち要素の値が大きい行に係る発生要因が、ガスタービンＴの異常の発生要因であると推定することができる。つまり、推定部１１０は、異常の発生要因毎に、各事象の発生の尤度とその事象の発生回数との加重和を算出し、当該加重和に基づいて発生要因を推定する。
出力部１１１は、推定部１１０が推定した発生要因を尤度の順に出力する。出力の例としては、ディスプレイへの表示、外部へのデータの送信、シートへの印刷、音声出力などが挙げられる。
《マハラノビス距離》
ここで、一般的なマハラノビス距離Ｄを計算するための計算式について説明する。
ガスタービンＴの状態を表す複数の状態量（計測値、指令値）の項目の数をｕとする。ｕは２以上の整数である。ｕ項目の状態量をそれぞれＸ１〜Ｘｕとする。監視装置１００は、基準となるガスタービンＴの運転状態（第１の実施形態では、新品状態のガスタービンＴの運転開始時点または定期点検の完了後のガスタービンＴの運転開始時点のうち直近の時点から２週間の運転状態）において、各項目の状態量Ｘ１〜Ｘｕを、それぞれ合計ｖ個（２以上）収集する。例えば、各項目の状態量を６０個ずつ取得する場合、ｖ＝６０となる。運転状態において収集された各項目のｊ個目の状態量Ｘ１〜Ｘｕを、Ｘ１ｊ〜Ｘｕｊとする。ｊは１〜ｖまでのいずれかの値（整数）をとり、それぞれの状態量の個数がｖ個であることを意味する。つまり、監視装置１００は、状態量Ｘ１１〜Ｘｕｖを収集する。当該状態量Ｘ１１〜Ｘｕｖは、単位空間記憶部１０４に記憶される。
監視装置１００は、状態量Ｘ１１〜Ｘｕｖの項目毎の平均値Ｍｉ及び標準偏差σｉ（基準データのばらつき度合い）を、式（５）および式（６）により求める。ｉは項目数（状態量の数、整数）である。ここではｉは、１〜ｕに設定され、状態量Ｘ１〜Ｘｕに対応する値を示す。ここで、標準偏差とは、状態量とその平均値との差を２乗したものの期待値の正平方根とする。
Figure 0006432890
Figure 0006432890
前述の平均値Ｍｉ及び標準偏差σｉは、特徴を示す状態量である。監視装置１００は、演算された平均値Ｍｉ及び標準偏差σｉを用いて、状態量Ｘ１１〜Ｘｕｖを、下記の数式（７）によって、基準化された状態量ｘ１１〜ｘｕｖに変換する。すなわち、異常監視装置１０は、ガスタービンＴの状態量Ｘｉｊを、平均０、標準偏差１の確率変数ｘｉｊに変換する。なお、下記の数式（７）において、ｊは１〜ｖまでのいずれかの値（整数）をとる。これは、項目毎の状態量の個数がｖ個であることを意味する。
Figure 0006432890
変量を平均０、分散１に標準化したデータで分析を行うため、監視装置１００は、状態量Ｘ１１〜Ｘｕｖの相関関係を特定する。すなわち、監視装置１００は、変量の間の関連性を示す共分散行列（相関行列）Ｒ、及び共分散行列（相関行列）の逆行列Ｒ−１を、下記の数式（８）で定義付ける。なお、下記の数式（８）において、ｋは項目数（状態量の数）である。つまりｋはｕと等しい。また、ｉ及びｐは、各状態量での値を示し、ここでは１〜ｕの値をとる。
Figure 0006432890
監視装置１００は、このような演算処理の後で、特徴を示す状態量であるマハラノビス距離Ｄを、下記の数式（９）に基づいて求める。なお、数式（９）において、ｊは１〜ｖまでのいずれかの値（整数）をとる。これは、項目毎の状態量の個数がｖ個であることを意味する。また、ｋは項目数（状態量の数）である。つまりｋはｕと等しい。また、ａ１１〜ａｋｋは、上述した数式（８）に示す共分散行列Ｒの逆行列Ｒ−１の係数である。
Figure 0006432890
マハラノビス距離Ｄは基準データである。単位空間のマハラノビス距離Ｄの平均値は１となる。ガスタービンＴの状態量が正常な状態では、マハラノビス距離Ｄは概ね３以下に収まる。しかし、ガスタービンＴの状態量が異常な状態では、マハラノビス距離Ｄの値は概ね３より大きくなる。このように、マハラノビス距離Ｄは、ガスタービンＴの状態量の異常の程度（単位空間からの離れ度合い）に応じて、値が大きくなるという性質を有する。
《ガスタービンの監視方法》
監視装置１００によるガスタービンの監視方法について説明する。図３は、第１の実施形態に係る監視装置の動作を示すフローチャートである。
監視装置１００は、ガスタービンＴの始動期間の間、ガスタービンＴの状態量を収集して単位空間記憶部１０４に状態量の組み合わせを蓄積する。つまり、監視装置１００は、取得部１０１が取得したガスタービンの指令値および補正部１０３が生成した補正計測値を、関連付けて単位空間記憶部１０４に記録する。監視装置１００は、ガスタービンＴの始動期間の経過後、所定の監視タイミング（例えば、１時間おきのタイミング）で、以下に示す監視動作を実行する。監視タイミングは、ガスタービンＴの運転開始時点から所定の始動期間が経過した後の時点である始動後時点の一例である。
監視装置１００が監視を開始すると、取得部１０１は、ガスタービンＴに設けられたセンサが取得したセンサ値、およびガスタービンＴの指令値を取得する（ステップＳ１）。次に、特性値算出部１０２は、取得部１０１が取得したセンサ値に基づいて、ガスタービンＴの特性を示す特性値を算出する（ステップＳ２）。次に、補正部１０３は、センサ値および特性値をガスタービンＴの熱平衡計算に基づいて補正することで、補正計測値を得る（ステップＳ３）。
次に、距離算出部１０５は、ステップＳ１で取得したセンサ値および指令値、ステップＳ２で算出した特性値、ならびにステップＳ３で得られた補正計測値を諸元として、単位空間記憶部１０４が記憶する単位空間に基づいて、マハラノビス距離を算出する（ステップＳ４）。次に、異常判定部１０６は、算出されたマハラノビス距離が所定の閾値以上であるか否かを判定する（ステップＳ５）。
マハラノビス距離が閾値未満である場合（ステップＳ５：ＮＯ）、異常判定部１０６は、ガスタービンＴに異常が生じていないと判定して監視処理を終了し、次回の監視タイミングを待機する。
他方、マハラノビス距離が閾値以上である場合（ステップＳ５：ＹＥＳ）、異常判定部１０６は、ガスタービンＴに異常が生じていると判定する。
異常判定部１０６がガスタービンＴに異常が生じていると判定すると、ＳＮ比算出部１０７は、ステップＳ１で取得した指令値およびステップＳ３で得られた補正計測値のそれぞれについて、タグチメソッドに係るＳＮ比を算出する（ステップＳ６）。尤度算出部１０８は、算出されたＳＮ比に基づいてガスタービンＴに発生し得る複数の事象それぞれの発生の尤度を算出する（ステップＳ７）。
次に、推定部１１０は、尤度算出部１０８が算出した各事象の尤度を要素とするベクトルと、テーブル記憶部１０９が記憶するテーブルの値を要素とする行列との乗算を行うことで、異常の発生要因の尤度を要素とするベクトルを得る（ステップＳ８）。次に、推定部１１０は、各発生要因を、得られたベクトルが表す尤度の降順にソートする（ステップＳ９）。そして、出力部１１１は、推定部１１０が推定した発生要因を、ソートされた順に出力する（ステップＳ１０）。例えば、出力部１１１は、最も尤度が高い発生要因をディスプレイに表示させ、利用者の操作により、次の発生要因の表示指令を受け付けた場合に、次に尤度が高い発生要因をディスプレイに表示させる。また例えば、出力部１１１は、発生要因のリストを、尤度の降順にシートに印刷する。
《作用・効果》
このように、第１の実施形態によれば、監視装置１００は、ガスタービンＴに生じ得る複数の事象それぞれの発生の尤度を算出し、事象と異常の発生要因との関係を示すテーブルと当該尤度とに基づいて、異常の発生要因を推定する。これにより、監視装置１００は、観測された事象に基づいて容易に異常の発生要因を出力することができる。
また、第１の実施形態に係る監視装置１００は、各事象の発生の尤度を要素とする１行Ｍ列のベクトルと、テーブルの値を要素とするＭ行Ｎ列の行列との乗算を行うことで、異常の発生要因の尤度を要素とするＮ行１列のベクトルを得る。これにより、監視装置１００は、簡易な計算により、異常の発生要因ごとの尤度を容易に特定することができる。なお、他の実施形態ではこれに限られない。例えば、他の実施形態に係る監視装置１００は、各事象の発生の尤度を要素とする１行Ｍ列のベクトルと、テーブルの値を要素とするＭ行Ｎ列の行列の各行ベクトルとのコサイン類似度を算出することにより、異常の発生要因の尤度を要素とするＮ行１列のベクトルを得てもよい。なお、コサイン類似度は、ベクトルの内積（各事象の発生の尤度と当該事象の発生回数との加重和）を各ベクトルのノルムの積で除算した値である。例えば、他の実施形態に係る監視装置１００は、行列計算によらず、異常の発生要因ごとに、各事象の発生の尤度と当該事象の発生回数との加重和を求めてもよい。
また、第１の実施形態に係る監視装置１００は、ガスタービンＴに入力される空気および燃料の温度および流量、ならびにガスタービンＴから出力される排気の温度および流量を含む計測値を、熱平衡計算により補正して、マハラノビス距離を算出する。これにより、監視装置１００は、ガスタービンＴに設けられるセンサの計測誤差を低減してマハラノビス距離を算出することができる。なお、他の実施形態では、これに限られない。例えば、他の実施形態に係る監視装置１００は、計測値を補正せずにマハラノビス距離を算出してもよい。また、他の実施形態に係る監視装置１００はマハラノビス距離に基づく異常判定手法以外の手法に基づいてガスタービンＴの異常の有無を判定してもよい。
また、第１の実施形態によれば、監視装置１００は、ガスタービンＴの運転開始時点から所定の始動期間が経過した後の時点である始動後時点に取得された計測値を諸元とし、始動期間中に取得された計測値を単位空間として、マハラノビス距離を算出する。つまり、監視装置１００は、監視対象であるガスタービンＴそのものの正常な運転状態を単位空間としてマハラノビス距離を算出する。従来は、マハラノビス距離の単位空間として、始動期間を過ぎて劣化が生じているが異常が発生していない運転状態、および他のガスタービンＴの運転状態をも含む単位空間に基づいてマハラノビス距離を算出していた。他方、第１の実施形態によれば、監視対象であるガスタービンＴそのものの運転状態であって、劣化が生じる以前の運転状態のみを含む単位空間に基づいて、マハラノビス距離を算出する。これにより、監視装置１００は、監視対象のガスタービンＴについて精度よく異常の検知を行うことができる。
また、第１の実施形態に係る始動期間は、新品状態の運転開始時点または定期点検の完了後の運転開始時点のうち直近の時点を始点とする期間である。つまり、定期点検のたびにマハラノビス距離の単位空間が更新される。これにより、ガスタービンＴの定期点検後の正常な運転状態（初回は新品状態における運転状態）を基準として、ガスタービンＴの異常の検知を行うことができる。新品状態、すなわち無劣化のガスタービンＴの運転状態を単位空間とする場合、定期点検後のガスタービンＴの運転状態は正常状態であっても、マハラノビス距離が相対的に大きくなる。これは、ガスタービンＴの使用による劣化を定期点検によって完全に修復することが困難なためである。したがって、ガスタービンＴの定期点検後の正常な運転状態を基準として、ガスタービンＴの異常の検知を行うことで、精度よく運転状態を判定することができる。
また、第１の実施形態によれば、監視装置１００は、計測値、補正計測値、および指令値を諸元としてマハラノビス距離を算出する。これにより、ガスタービンＴの劣化等により入熱量と出熱量の平衡が崩れる場合にも、適切にガスタービンＴの状態を評価することができる。なお、他の実施形態の構成は、これに限られない。例えば、他の実施形態に係る監視装置１００は、計測値を諸元に含めずに、補正計測値を諸元としてマハラノビス距離を算出してもよい。また、他の実施形態に係る監視装置１００は、指令値を諸元に含めずにマハラノビス距離を算出してもよい。
〈第２の実施形態〉
以下、図面を参照しながら第２の実施形態について詳しく説明する。図４は、第２の実施形態に係る監視装置の構成を示す概略ブロック図である。
第２の実施形態に係る監視装置１００は、第１の実施形態の構成に加えて、事象抽出部１１２を備え、第１の実施形態と推定部１１０の動作が異なる。事象抽出部１１２は、ガスタービンＴに生じ得る複数の事象から、尤度算出部１０８が算出した尤度が所定の閾値以上であるものを抽出する。推定部１１０は、テーブル記憶部１０９が記憶するテーブルにおいて、事象抽出部１１２が抽出した事象のうち、発生回数が１以上のものの数を計数する。推定部１１０は、複数の発生要因のうち計数された発生回数の数が相対的に多いものが、ガスタービンＴの異常の発生要因であると推定する。具体的には、推定部１１０は、発生回数の数の降順に各発生要因をソートして、出力部１１１に出力する。
上記構成を有することで、監視装置１００は、第１の実施形態よりさらに簡易な構成で、観測された事象に基づいて容易に異常の発生要因を出力することができる。
なお、第２の実施形態に係るテーブル記憶部１０９は、第１の実施形態と同様に、各事象および各発生要因について、当該発生要因による異常が生じたときに、当該事象が確認された回数を記憶するが、これに限られない。例えば、他の実施形態に係るテーブル記憶部１０９は、各事象および各発生要因について、当該発生要因による異常が生じたときに、当該事象が確認されたことがあるか否かを示すブール値を関連付けて記憶してもよい。この場合、推定部１１０は、テーブル記憶部１０９が記憶するテーブルにおいて、事象抽出部１１２が抽出した事象のうち、ブール値がＴｒｕｅを示すものの数を計数する。推定部１１０は、複数の発生要因のうち計数されたブール値の数が相対的に多いものが、ガスタービンＴの異常の発生要因であると推定する。
〈第３の実施形態〉
以下、図２を参照しながら第３の実施形態について詳しく説明する。
第３の実施形態に係る監視装置１００は、第１の実施形態とテーブル記憶部１０９が記憶する情報が異なる。第３の実施形態に係るテーブル記憶部１０９は、各事象および各発生要因について、当該発生要因による異常が生じたときに当該事象が確認される確率を関連付けて記憶する。当該テーブルは、例えば、ガスタービンＴの運用時に保守員によって生成されたＦＴＡのデータ（ＦＴ）に基づいて生成することができる。ＦＴは、トップ事象を最上位事象（ルート）とし、上位事象の要因となる下位事象をノードとする木構造である。各ノードには、当該ノードが示す下位事象によって当該ノードの直上のノードに係る上位事象が生じる確率が関連付けられる。当該ＦＴのうち、各事象を示すノードに関連付けられた確率をテーブルに格納することで、テーブル記憶部１０９のテーブルを生成することができる。
これにより、推定部１１０は、尤度算出部１０８が算出した各事象の発生の尤度と、その事象の発生確率との加重和を算出し、当該加重和に基づいて発生要因を推定する。具体的には、推定部１１０は、尤度と発生確率と加重和の降順に各発生要因をソートして、出力部１１１に出力する。つまり、推定部１１０は、事象の事前確率（テーブルに格納された確率）と、事象の観測結果（事象の発生の尤度）とに基づいてベイズ更新を行い、事後確率として発生要因の発生確率を求めるものである。
このように、本実施形態によれば、第１の実施形態または第２の実施形態と比較してさらに精度よく、観測された事象に基づいて容易に異常の発生要因を出力することができる。
なお、第３の実施形態に係る監視装置１００は、各事象および各発生要因について、ＦＴに基づいて決定された確率を関連付けて記憶するが、これに限られない。例えば、他の実施形態に係るテーブルに記憶される確率は、過去のガスタービンＴの運用において算出された各事象の発生の尤度の和であってもよい。
また、第３の実施形態に係る監視装置１００は、各事象の発生の尤度と確率の加重和を発生要因の尤度として用いるが、これに限られない。例えば、他の実施形態に係る監視装置１００は、各事象の発生の尤度を要素とする１行Ｍ列のベクトルと、テーブルの値を要素とするＭ行Ｎ列の行列の各行ベクトルとのコサイン類似度を算出することにより、異常の発生要因の尤度を要素とするＮ行１列のベクトルを得てもよい。
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。
例えば、上述した実施形態に係る対象装置は、ガスタービンＴであるが、他の実施形態では、これに限られない。例えば、他の実施形態に係る対象装置は、蒸気タービン、エンジン、または熱的な収支がある他の装置であってもよい。
また、上述した実施形態に係る監視装置１００の尤度算出部１０８は、マハラノビス距離に係るＳＮ比に基づいて各事象の発生の尤度を求めるが、これに限られない。例えば、他の実施形態に係る尤度算出部１０８は、取得部１０１が取得した計測値を入力とするベイジアンネットワークを用いて各事象の発生の尤度を算出してもよい。
図５は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９００は、ＣＰＵ９０１、主記憶装置９０２、補助記憶装置９０３、インタフェース９０４を備える。
上述の監視装置１００は、コンピュータ９００を備える。そして、上述した各処理部の動作は、プログラムの形式で補助記憶装置９０３に記憶されている。ＣＰＵ９０１は、プログラムを補助記憶装置９０３から読み出して主記憶装置９０２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９０１は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置９０２に確保する。
なお、少なくとも１つの実施形態において、補助記憶装置９０３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例としては、インタフェース９０４を介して接続される磁気ディスク、光磁気ディスク、光ディスク、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ９００に配信される場合、配信を受けたコンピュータ９００が当該プログラムを主記憶装置９０２に展開し、上記処理を実行してもよい。
また、当該プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、当該プログラムは、前述した機能を補助記憶装置９０３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。
１００ 監視装置
１０１ 取得部
１０２ 特性値算出部
１０３ 補正部
１０４ 単位空間記憶部
１０５ 距離算出部
１０６ 異常判定部
１０７ ＳＮ比算出部
１０８ 尤度算出部
１０９ テーブル記憶部
１１０ 推定部
１１１ 出力部
１１２ 劣化推定部
Ｔ ガスタービン

Claims (12)

  1. 対象装置の計測値を取得する取得部と、
    前記取得部が取得した前記計測値に基づいて対象装置に生じ得るＭ種類の事象それぞれの発生の尤度を算出することによりＭ個の尤度を得る尤度算出部と、
    前記Ｍ種類の事象それぞれと、前記対象装置のＮ種類の異常の発生要因とを関連付けたテーブルを記憶するテーブル記憶部と、
    前記Ｍ個の尤度を要素とする事象ベクトルと前記テーブルの値を要素とする行列とを用いた計算によって得られるＮ個の要素を有する要因ベクトルに基づいて前記発生要因を推定する推定部と
    を備える監視装置。
  2. 前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された回数とを関連付けたものであって、
    前記推定部は、前記発生要因毎に、前記尤度と前記回数との加重和を算出し、当該加重和に基づいて前記発生要因を推定する
    請求項１に記載の監視装置。
  3. 前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認されたか否かを示す値とを関連付けたものであって、
    前記推定部は、前記尤度が所定の閾値以上の前記事象であって、かつ前記行列において 事象が発生したことを示す値を有する前記要素の数に基づいて、前記発生要因を推定する
    請求項１に記載の監視装置。
  4. 前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が生じる確率とを関連付けたものであって、
    前記推定部は、前記発生要因毎に、前記尤度と前記確率との加重和を算出し、当該加重和に基づいて前記発生要因を推定する
    請求項１に記載の監視装置。
  5. 前記取得部が取得した前記計測値のＳＮ比を算出するＳＮ比算出部をさらに備え、
    前記尤度算出部は、前記ＳＮ比算出部が算出した前記ＳＮ比に基づいて前記複数の事象それぞれの尤度を算出する
    請求項１から請求項４の何れか１項に記載の監視装置。
  6. 前記計測値に基づいてマハラノビス距離を算出する距離算出部をさらに備え、
    前記尤度算出部は、前記マハラノビス距離が所定値以上である場合に、前記複数の事象それぞれの尤度を算出する
    請求項１から請求項５の何れか１項に記載の監視装置。
  7. 前記計測値に基づく熱平衡計算により、前記計測値を補正した補正計測値を得る補正部をさらに備え、
    前記計測値は、少なくとも前記対象装置に入力される入力流体の温度および流量、ならびに前記対象装置から出力される出力流体の温度および流量を含み、
    前記距離算出部は前記補正計測値を諸元として前記マハラノビス距離を算出する
    請求項６に記載の監視装置。
  8. 監視装置が、対象装置の計測値を取得することと、
    前記監視装置が、取得した計測値に基づいて対象装置に生じ得るＭ種類の事象それぞれの発生の尤度を算出することによりＭ個の尤度を得ることと、
    前記監視装置が、前記Ｍ種類の事象それぞれと、前記対象装置のＮ種類の異常の発生要因とを関連付けたテーブルの値を要素とする行列と、前記Ｍ個の尤度を要素とする事象ベクトルと、を用いた計算によって得られるＮ個の要素を有する要因ベクトルに基づいて前記発生要因を推定することと
    を含む対象装置の監視方法。
  9. 前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認された回数とを関連付けたものであって、
    前記監視装置は、前記発生要因毎に、前記尤度と前記回数との加重和を算出し、当該加重和に基づいて前記発生要因を推定する
    請求項８に記載の対象装置の監視方法。
  10. 前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が確認されたか否かを示す値とを関連付けたものであって、
    前記監視装置は、前記尤度が所定の閾値以上の前記事象であって、かつ前記行列において事象が発生したことを示す値を有する前記要素の数に基づいて、前記発生要因を推定する
    請求項８に記載の対象装置の監視方法。
  11. 前記テーブルは、前記発生要因と、前記事象と、当該発生要因に係る異常が生じたときに当該事象が生じる確率とを関連付けたものであって、
    前記監視装置は、前記発生要因毎に、前記尤度と前記確率との加重和を算出し、当該加重和に基づいて前記発生要因を推定する
    請求項８に記載の対象装置の監視方法。
  12. コンピュータに、
    対象装置の計測値を取得することと、
    取得した前記計測値に基づいて対象装置に生じ得るＭ種類の事象それぞれの発生の尤度を算出することによりＭ個の尤度を得ることと、
    前記Ｍ種類の事象それぞれと、前記対象装置のＮ種類の異常の発生要因とを関連付けたテーブルの値を要素とする行列と、前記Ｍ個の尤度を要素とする事象ベクトルと、を用いた計算によって得られるＮ個の要素を有する要因ベクトルに基づいて前記発生要因を推定することと
    を実行させるためのプログラム。
JP2016110336A 2016-06-01 2016-06-01 監視装置、対象装置の監視方法、およびプログラム Active JP6432890B2 (ja)

Priority Applications (8)

Application Number Priority Date Filing Date Title
JP2016110336A JP6432890B2 (ja) 2016-06-01 2016-06-01 監視装置、対象装置の監視方法、およびプログラム
KR1020187032722A KR102202159B1 (ko) 2016-06-01 2017-05-31 감시 장치, 대상 장치의 감시 방법 및 프로그램
PCT/JP2017/020200 WO2017209167A1 (ja) 2016-06-01 2017-05-31 監視装置、対象装置の監視方法、およびプログラム
US16/099,577 US11442443B2 (en) 2016-06-01 2017-05-31 Monitoring device, method for monitoring target device, and program
CN201780028983.1A CN109154810B (zh) 2016-06-01 2017-05-31 监视装置、对象装置的监视方法、以及存储介质
MX2018013672A MX2018013672A (es) 2016-06-01 2017-05-31 Dispositivo de monitoreo, metodo para monitorear un dispositivo de destino y programa.
DE112017002780.2T DE112017002780T5 (de) 2016-06-01 2017-05-31 Überwachungsvorrichtung, Verfahren zur Überwachung von Zielvorrichtung und Programm
PH12018502379A PH12018502379A1 (en) 2016-06-01 2018-11-12 Monitoring device, method for monitoring target device, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016110336A JP6432890B2 (ja) 2016-06-01 2016-06-01 監視装置、対象装置の監視方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP2017215863A JP2017215863A (ja) 2017-12-07
JP6432890B2 true JP6432890B2 (ja) 2018-12-05

Family

ID=60478560

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016110336A Active JP6432890B2 (ja) 2016-06-01 2016-06-01 監視装置、対象装置の監視方法、およびプログラム

Country Status (8)

Country Link
US (1) US11442443B2 (ja)
JP (1) JP6432890B2 (ja)
KR (1) KR102202159B1 (ja)
CN (1) CN109154810B (ja)
DE (1) DE112017002780T5 (ja)
MX (1) MX2018013672A (ja)
PH (1) PH12018502379A1 (ja)
WO (1) WO2017209167A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019183674A (ja) * 2018-04-03 2019-10-24 いすゞ自動車株式会社 内燃機関の診断装置
JP7132021B2 (ja) * 2018-08-07 2022-09-06 三菱重工業株式会社 通知装置、通知方法及びプログラム
JP6684038B1 (ja) * 2019-04-03 2020-04-22 株式会社日立パワーソリューションズ 予兆保全設備、予兆保全方法及び予兆保全プログラム
GB2594219A (en) * 2019-09-11 2021-10-20 Jgc Corp Plant maintenance management method and maintenance management system
KR20230005951A (ko) 2020-06-12 2023-01-10 미츠비시 파워 가부시키가이샤 플랜트 감시 장치, 플랜트 감시 방법 및 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
JP7449803B2 (ja) 2020-07-22 2024-03-14 三菱重工業株式会社 異常要因推定方法、異常要因推定装置、及びプログラム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3110060B2 (ja) 1991-03-04 2000-11-20 バブコック日立株式会社 異常事故原因診断方法
JPH0572004A (ja) * 1991-09-10 1993-03-23 Mitsubishi Heavy Ind Ltd プラントの異常診断装置
JPH0713617A (ja) * 1993-06-29 1995-01-17 Ishikawajima Harima Heavy Ind Co Ltd 不具合事象の原因推定方法
JPH11119823A (ja) * 1997-10-21 1999-04-30 Yaskawa Electric Corp 故障診断装置
JP2003310564A (ja) * 2002-04-22 2003-11-05 Fuji Xerox Co Ltd 脳波自動解析装置および方法
GB0216858D0 (en) * 2002-07-19 2002-08-28 Bae Systems Plc Fault diagnosis system
US20050096759A1 (en) * 2003-10-31 2005-05-05 General Electric Company Distributed power generation plant automated event assessment and mitigation plan determination process
JP4396286B2 (ja) * 2004-01-21 2010-01-13 三菱電機株式会社 機器診断装置および機器監視システム
JP2005293169A (ja) * 2004-03-31 2005-10-20 Toshiba Corp プラント運転状態計算装置、プラントシミュレーション計算装置、プラント運用最適化システムと方法、プログラム
JP4032045B2 (ja) * 2004-08-13 2008-01-16 新キャタピラー三菱株式会社 データ処理方法及びデータ処理装置、並びに診断方法及び診断装置
JP4480019B2 (ja) 2005-04-28 2010-06-16 財団法人石油産業活性化センター 製油所監視システム
US10648888B2 (en) 2008-02-27 2020-05-12 Mitsubishi Hitachi Power Systems, Ltd. Plant state monitoring method, plant state monitoring computer program, and plant state monitoring apparatus
FR2939924B1 (fr) * 2008-12-15 2012-10-12 Snecma Identification de defaillances dans un moteur d'aeronef
JP4881402B2 (ja) 2009-03-25 2012-02-22 株式会社東芝 リスク表示機能を有する工程管理システムの作動方法
US9753455B2 (en) * 2009-06-22 2017-09-05 Johnson Controls Technology Company Building management system with fault analysis
JP2011090382A (ja) * 2009-10-20 2011-05-06 Mitsubishi Heavy Ind Ltd 監視システム
US8996334B2 (en) * 2011-03-02 2015-03-31 General Electric Company Method and system for analysis of turbomachinery
JP6278845B2 (ja) * 2014-06-20 2018-02-14 三菱日立パワーシステムズ株式会社 プラント監視装置、プラント監視プログラム及びプラント監視方法
EP3160847B1 (en) * 2014-06-26 2018-08-15 Bombardier Inc. Methods and apparatus for assisting in the maintenance of aircraft and other mobile platforms
JP6079761B2 (ja) 2014-12-04 2017-02-15 トヨタ自動車株式会社 運転支援装置、運転支援方法および運転支援プログラム
JP6770802B2 (ja) * 2015-12-28 2020-10-21 川崎重工業株式会社 プラント異常監視方法およびプラント異常監視用のコンピュータプログラム

Also Published As

Publication number Publication date
CN109154810B (zh) 2021-04-16
WO2017209167A1 (ja) 2017-12-07
JP2017215863A (ja) 2017-12-07
KR102202159B1 (ko) 2021-01-12
US20190187676A1 (en) 2019-06-20
MX2018013672A (es) 2019-04-25
PH12018502379A1 (en) 2019-04-08
CN109154810A (zh) 2019-01-04
US11442443B2 (en) 2022-09-13
DE112017002780T5 (de) 2019-02-14
KR20180137513A (ko) 2018-12-27

Similar Documents

Publication Publication Date Title
JP6432890B2 (ja) 監視装置、対象装置の監視方法、およびプログラム
JP6511702B2 (ja) 監視装置、対象装置の監視方法、およびプログラム
JP4361582B2 (ja) ガスタービンの性能診断方法及び性能診断システム
JP4513771B2 (ja) 一軸型コンバインドサイクルプラントの性能監視方法及びシステム
JP6143667B2 (ja) 予測システム、監視システム、運転支援システム、ガスタービン設備及び予測方法
JP2011090382A (ja) 監視システム
JP6486566B2 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
JP2012008782A (ja) プラントの機能を診断する方法、及びプラント監視装置
JP6862130B2 (ja) 異常検知装置、異常検知方法、およびプログラム
US20160365735A1 (en) Systems and Methods for Power Plant Data Reconciliation
US20150322789A1 (en) Real-time monitoring of gas turbine life
JP6486567B2 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
JP6554162B2 (ja) 発電プラント性能評価方法及び発電プラント性能評価プログラム
JP2019113964A (ja) 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム
Herrera et al. A comparative analysis of turbine rotor inlet temperature models
JP7450238B2 (ja) エンジンの異常診断方法、エンジンの異常診断プログラム、及びエンジンの異常診断システム
JP7387325B2 (ja) プラント監視装置、プラント監視方法、及びプログラム
JP6302755B2 (ja) プラント診断用データ作成システム
JP6454826B1 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
JP7487412B2 (ja) プラント監視方法、プラント監視装置及びプラント監視プログラム
JP5022018B2 (ja) ガスタービンの監視装置
WO2022085535A1 (ja) 要因推定装置、要因推定方法及びプログラム
WO2021251200A1 (ja) プラント監視装置、プラント監視方法およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180111

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20180111

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20180112

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20180131

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180206

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180405

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20180406

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180619

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180820

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20180821

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181009

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181029

R150 Certificate of patent or registration of utility model

Ref document number: 6432890

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350