JP7091139B2 - 異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラム - Google Patents

Description

本発明は、異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラムに関するものである。

プラント（例えば発電プラント等）における異常の予兆を検知するシステムとして、プラントモデルを用いてシミュレーションを行い、異常予兆を検知する方法が知られている。
例えば特許文献１には、プラントシミュレータが算出したプラントの運転状態の推定値に基づき、プラントモデルにおける調整パラメータの値を自動調整し、プラントの実測値と推定値との差分が許容範囲外であれば調整パラメータを調整することが開示されている。また調整パラメータごとに許容上限値および許容下限値をあらかじめ定め、調整された調整パラメータの値が許容上限値から許容下限値までの許容範囲内にあるか判定することでプラントの運転状態の異常の有無を検出することが開示されている。

特許第５１１５１８５号公報

しかしながら、上記特許文献１に開示された発明では、異常の有無を判定するための許容上限値および許容下限値をプラントモデルの作成時にプラントでの実験などにより把握する、または異常発生ケースにおけるプラントの運転状態をシミュレーションにより推定して許容上限値および許容下限値を把握するため、作業者による実験、シミュレートなどに時間を要し、異常予兆を検知するための異常予兆検知モデルの作成が長期化してしまうという問題があった。

本発明は、このような事情に鑑みてなされたものであって、プラントにおける異常予兆検知モデルの作成期間を短縮可能な異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラムを提供することを目的とする。

上記課題を解決するために、本開示の異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラムは以下の手段を採用する。
本開示の幾つかの実施形態における一態様に係る異常予兆検知システムの制御装置は、プラントの異常予兆を検知する異常予兆検知システムの制御装置であって、前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する取得部と、前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する導出部と、複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する算出部と、前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する抽出部とを備え、前記検知パラメータは、マハラノビス距離に基づく値であり、前記取得部は、前記運転データのうち、正常時の前記運転データ群を正常データセットとして、異常時の前記運転データ群を異常データセットとしてセットし、前記算出部は、前記正常データセットの前記候補パラメータ値および前記異常データセットの前記候補パラメータ値を用いて各前記評価パラメータを算出し、前記プラントにおいて実際に異常が発生した時間を異常発生時間に設定し、前記異常データセットに対する前記評価パラメータは、前記異常データセットに対する前記異常発生時間までの前記異常検知回数、及び、異常の予兆を検知してから実際に異常が発生した前記異常発生時間までの期間である前記早期検知期間であり、前記抽出部は、前記正常データセット及び前記異常データセットの各前記評価パラメータに基づき前記検知パラメータの前記推奨候補を取得し、前記異常データセットに対する前記異常検知回数については１に近い前記検知パラメータを前記推奨候補として抽出する。

本態様によれば、検知パラメータの候補値である候補パラメータ値を用いて、運転データにおける評価パラメータを算出し、評価パラメータに基づき検知パラメータの推奨候補を抽出することから、従来設計者が経験などに基づき値を設定していた検知パラメータを、制御装置により取得することができる。ここで、プラントにおける正常時とは、プラントに異常が発生しておらず、プラントが定常運転を行っている場合であるとする。
プラントの異常予兆を検知する異常予兆検知システムにおいて、検知モデルに用いられる検知パラメータの作成、評価は、設計者により試行錯誤で調整されており、多くの時間を要していた。本態様によれば、検知パラメータの作成、評価を制御装置が行い最適な検知パラメータを取得することで、異常予兆の検知に必要な検知パラメータの推奨候補を自動で導出することが可能である。またこれにより、検知モデルの作成に要する時間を大幅に短縮することが可能である。
また、本態様によれば、検知パラメータをマハラノビス距離に基づく値とすることから、ＭＴ法（マハラノビス・タグチ・メソッド）を用いてプラントの異常予兆の検知を行うことができる。
また本態様によれば、検知パラメータの推奨候補を、候補パラメータ値を用いて算出される評価パラメータに基づき取得することから、検知モデルに適した検知パラメータを使用者の熟練度に左右されることなく容易に取得することができる。
また、正常データセットの候補パラメータ値を用いて算出される評価パラメータ及び異常データセットの候補パラメータ値を用いて算出される評価パラメータに基づくことから、正常データ及び異常データのいずれに対しても最適な検知パラメータを取得することができる。
ここで異常データとは、設計者によってプラントに異常が発生していると判断されたデータであり、正常データとは、設計者によってプラントに異常が発生していないと判断されたデータである。

上記態様では、前記正常データセットに対する前記評価パラメータは、前記正常データセットに対する前記異常発生時間までの前記異常検知回数であるとしてもよい。

本態様によれば、評価パラメータを、異常データセットに対する異常検知回数及び早期検知期間と、正常データセットに対する異常検知回数とすることから、正常データ及び異常データのいずれに対しても最適な検知パラメータを取得することができる。
特に、異常データセットに対する異常検知回数が１に近い値であり、早期検知期間が最大で、かつ正常データセットに対する異常検知回数が０に近い値であるような検知パラメータを取得することで、検知の判断が容易であり、早期に異常予兆が検知でき、誤検知が少ない検知パラメータを選択することができる。

上記態様では、前記導出部は、設定された前記検知パラメータの探索範囲及び探索ステップに基づき前記候補パラメータ値を導出するとしてもよい。

本態様によれば、検知パラメータの探索範囲及び探索ステップに基づき候補パラメータ値を導出することから、設計者により適切な探索範囲と探索ステップが設定されるため、制御装置は効率良く候補パラメータ値を取得することができる。

上記態様では、前記検知パラメータは、正常な前記候補パラメータ値と異常な前記候補パラメータ値との間の閾値を含むとしてもよい。

本態様によれば、検知パラメータは正常な候補パラメータ値と異常な候補パラメータ値との間の閾値を含むことから、閾値に基づき異常を容易に検知することができる。

本開示の幾つかの実施形態における一態様に係るプラントは、前述のいずれかに記載の異常予兆検知システムの制御装置を備える。

本開示の幾つかの実施形態における一態様に係る異常予兆検知システムの制御方法は、プラントの異常予兆を検知する異常予兆検知システムの制御方法であって、前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する工程と、前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する工程と、複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する工程と、前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する工程とを有し、前記検知パラメータは、マハラノビス距離に基づく値であり、前記取得する工程は、前記運転データのうち、正常時の前記運転データ群を正常データセットとして、異常時の前記運転データ群を異常データセットとしてセットし、前記算出する工程は、前記正常データセットの前記候補パラメータ値および前記異常データセットの前記候補パラメータ値を用いて各前記評価パラメータを算出し、前記プラントにおいて実際に異常が発生した時間を異常発生時間に設定し、前記異常データセットに対する前記評価パラメータは、前記異常データセットに対する前記異常発生時間までの前記異常検知回数、及び、異常の予兆を検知してから実際に異常が発生した前記異常発生時間までの期間である前記早期検知期間であり、前記抽出する工程は、前記正常データセット及び前記異常データセットの各前記評価パラメータに基づき前記検知パラメータの前記推奨候補を取得し、前記異常データセットに対する前記異常検知回数については１に近い前記検知パラメータを前記推奨候補として抽出する。

本開示の幾つかの実施形態における一態様に係る異常予兆検知システムの制御プログラムは、プラントの異常予兆を検知する異常予兆検知システムの制御プログラムであって、前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得するステップと、前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出するステップと、複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出するステップと、前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出するステップとを有し、前記検知パラメータは、マハラノビス距離に基づく値であり、前記取得するステップは、前記運転データのうち、正常時の前記運転データ群を正常データセットとして、異常時の前記運転データ群を異常データセットとしてセットし、前記算出するステップは、前記正常データセットの前記候補パラメータ値および前記異常データセットの前記候補パラメータ値を用いて各前記評価パラメータを算出し、前記プラントにおいて実際に異常が発生した時間を異常発生時間に設定し、前記異常データセットに対する前記評価パラメータは、前記異常データセットに対する前記異常発生時間までの前記異常検知回数、及び、異常の予兆を検知してから実際に異常が発生した前記異常発生時間までの期間である前記早期検知期間であり、前記抽出するステップは、前記正常データセット及び前記異常データセットの各前記評価パラメータに基づき前記検知パラメータの前記推奨候補を取得し、前記異常データセットに対する前記異常検知回数については１に近い前記検知パラメータを前記推奨候補として抽出する。

本開示によれば、異常予兆検知システムに必要な検知パラメータの推奨候補を自動で導出するため、異常予兆検知モデルの作成期間を大幅に短縮することができる。

幾つかの実施形態に係る異常予兆検知システムのシステム構成を示す図である。 幾つかの実施形態に係る異常予兆検知システムの制御装置の機能ブロック図である。 幾つかの実施形態に係る異常予兆検知システムの制御装置のハードウエア構成図である。 幾つかの実施形態に係る異常予兆検知システムの制御装置の処理の一態様を示したフローチャートである。 ＭＤ値のタイムチャートの例を示すグラフである。 正常データと異常データに対する検知パラメータの探索を行った結果の例を示す図である。

以下に、本開示の幾つかの実施形態に係る異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラムの各実施形態について、図面を参照して説明する。
図１には、幾つかの実施形態に係る異常予兆検知ステムのシステム構成が図に示されている。
本開示のプラント１は、例えば複数機器を組み合わせた発電所、化学プラントなどの大規模設備である。プラント１には、プラント１の運転状態の異常の予兆を検知する異常予兆検知システム１０が備えられている。また異常予兆検知システム１０には、制御装置５０が備えられている。

本開示の異常予兆検知システム１０は、制御装置５０によって作成された異常予兆検知モデルを異常予兆検知システム１０に反映することで、異常の予兆を検知する。

前述したように異常予兆検知システム１０には制御装置５０が備えられている。制御装置５０は、プラント１に設けられた各センサなどからプラント１の運転データを取得し、演算等を行って異常予兆検知モデルを作成し、これを異常予兆検知システム１０に反映させる制御を行う。

図２には、幾つかの実施形態に係る異常予兆検知システムの制御装置の機能ブロック図が示されている。
制御装置５０は、取得部５１と、導出部５２と、算出部５３と、抽出部５４とを備えている。
取得部５１は、プラント１における正常時の運転データ群および異常時の運転データ群を含む運転データを取得する。ここで、プラント１における正常時とは、プラント１に異常が発生しておらず、プラント１が定常運転を行っている場合であるとする。
導出部５２は、プラント１の状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する。検知パラメータおよび候補パラメータ値の詳細については後述する。
算出部５３は、複数の候補パラメータ値の各々を用いて、運転データにおける異常検知回数、および、異常の予兆を最後に検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する。評価パラメータの詳細については後述する。
抽出部５４は、運転データにおいて、評価パラメータである異常検知回数が所定の数より少なく、かつ、早期検知期間が所定の期間より長い候補パラメータ値を、プラント１の検知パラメータの推奨候補として抽出する。

図３には、幾つかの実施形態に係る異常予兆検知システムの制御装置のハードウエア構成図が示されている。
制御装置５０は、例えば、ＣＰＵ６１（Central Processing Unit）、ＲＡＭ６２（Random Access Memory）、ＲＯＭ６３（Read Only Memory）、及びコンピュータ読み取り可能な非一時的な記憶媒体６４等から構成されている。そして、各種機能を実現するための一連の処理は、一例として、プログラムの形式で記憶媒体６４等に記憶されており、このプログラムをＣＰＵ６１がＲＡＭ６２等に読み出して、情報の加工・演算処理を実行することにより、各種機能が実現される。なお、プログラムは、ＲＯＭ６３やその他の記憶媒体６４に予めインストールしておく形態や、コンピュータ読み取り可能な記憶媒体６４に記憶された状態で提供される形態、有線又は無線による通信手段６５を介して配信される形態等が適用されてもよい。コンピュータ読み取り可能な記憶媒体６４とは、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等である。通信手段６５は、例えば表示装置６６や、ネットワーク６７に接続されているとする。

図４には、本開示の幾つかの実施形態に係る異常予兆検知システムの制御装置の処理の一態様がフローチャートに示されている。
図４のフローチャートに沿って、異常予兆検知システム１０の制御装置５０の処理を説明する。
まず、ステップＳ１０１において、プラント１の運転データから必要な信号（データ）を選定する。信号とは、例えば温度、圧力、蒸気流量等である。

次に、ステップＳ１０２において、単位空間データが選定される。単位空間とは、後述するＭＤ値を算出するための基準となるデータ群であり、プラント１における正常時の運転データから選定される。異常予兆検知モデルには、複数の信号が対応づけられている。また、１つの異常予兆検知モデルに複数の単位空間データを保持することが可能である。

次に、ステップＳ１０３において、検知パラメータの探索範囲を設定する。検知パラメータとは、後述するＭＤ値に基づきプラント１の異常の予兆を検知するために用いられる検知モデルのパラメータである。また探索範囲とは、検知パラメータを探索する値の範囲である。
本実施形態では、プラント１の状態を、ＭＴ法（マハラノビス・タグチ・メソッド）を用いて数値化されるＭＤ値（ＭＤ：マハラノビスの距離）を用いて表すものとする。
まず設計者により、検知モデルの検知パラメータが選定される。本実施形態では、検知パラメータを例えばＭＤ値の閾値、閾値超えの継続時間（ＭＤ値が閾値を超えた場合の継続時間）、ＭＤ値の変化量、ＭＤ値の移動平均処理（ＭＤ値の移動平均値を処理する時間範囲）とする。検知パラメータは、ＭＤ値の閾値を必須とし、他の値は選定しなくてもよい。よって、プラント１の状態を表す値は閾値にて評価可能な検知パラメータを選定できる値であれば、ＭＴ法を用いたＭＤ値に限らず他の値であってもよい。
次に設計者により、選定した各検知パラメータに対する探索範囲が設定される。探索範囲は、その検知パラメータを探索する範囲であるため、例えば検知パラメータの下限値および上限値が設定される。

次に、ステップＳ１０４において、検知パラメータの探索ステップを設定する。
設計者は、ステップＳ１０３において設定された探索範囲をいずれのステップ数で探索するか、探索ステップ数を設定する。
本実施形態における検知パラメータに対する探索範囲および探索ステップは、例えば以下の表１に示されるように設定されるものとする。

次に、取得部５１は、プラント１における正常時の運転データ群および異常時の運転データ群を含む運転データを取得し、これを正常データと異常データとに分け、それぞれに対し処理が行われる。
正常データとは運転データにおける正常、つまり異常でないとされるプラント１のデータであり、正常データの期間が正常データセットとしてセットされる（Ｓ１１１）。また異常データとは運転データにおける異常とされるプラント１のデータであり、異常データの期間が異常データセットとしてセットされる（Ｓ１２１）。ここで、正常および異常の判断は設計者が行う。

正常データセットに対し、ＭＤ値が計算される（Ｓ１１２）。同様に、異常データセットに対してもＭＤ値が計算される（Ｓ１２２）。正常データセット、異常データセットとも各期間におけるデータであるため、正常データセットのＭＤ値および異常データセットのＭＤ値のいずれも各期間におけるトレンドとして表される。

次に、正常データセットのＭＤ値に対し、評価パラメータが算出される（Ｓ１１３）。
ステップＳ１１２で算出されたＭＤ値に対して、導出部５２は、ステップＳ１０３及びＳ１０４にて設定された検知パラメータの探索範囲および探索ステップに従い、探索を行って複数の候補パラメータ値を導出する。また算出部５３は、導出された複数の候補パラメータ値の各々を用いて、評価パラメータを算出する。本実施形態では、例えば正常データセットを評価する値である評価パラメータを、誤検知数とする。ここで誤検知数とは、正常データセットの期間の間にＭＤ値が閾値を超えた回数、すなわち運転データが正常であるにもかかわらず異常が検知された回数（異常検知回数）である。正常データセットにおける評価パラメータの評価方法は、評価パラメータが０に近い程、すなわち誤検知数が少ない程、その候補パラメータ値が検知パラメータとして最適であると評価する方法をとる。
ここで候補パラメータ値とは、検知パラメータに対し探索を行った結果の各値である。

また、異常データセットのＭＤ値に対し、評価パラメータが算出される（Ｓ１２３）。
ステップＳ１２２で算出されたＭＤ値に対して、導出部５２は、ステップＳ１０３及びＳ１０４にて設定された検知パラメータの探索範囲および探索ステップに従い、探索を行って複数の候補パラメータ値を導出する。また算出部５３は、導出された複数の候補パラメータ値の各々を用いて、評価パラメータを算出する。本実施形態では、例えば異常データセットの評価パラメータを異常検知回数および異常の予兆を最後に検知した検知時間から実際に異常が発生した異常発生時間までの期間である早期検知期間とする。ここで異常検知回数とは、異常データセットの期間の間にＭＤ値が閾値を超えた回数であり、検知時間とは、ＭＤ値が閾値を超えた時間であり、ここでは異常発生時間前に最後に（最も遅く）閾値を超えた時間が用いられる。異常データセットにおける評価パラメータの評価方法は、異常検知回数が１に近い程、すなわち異常発生までの検知回数が少ない程、その候補パラメータ値が検知パラメータとして最適であると評価し、また早期検知期間が大きい程、すなわち検知が早期である程、その候補パラメータ値が検知パラメータとして最適であると評価する方法をとる。

図５には、ＭＤ値のタイムチャートの例がグラフに示されている。
図５において、縦軸はＭＤ値、横軸は時間である。実線Ｌ１は、ＭＤ値が概ね右肩上がりに推移する場合の例、破線Ｌ２は、時間ｔａまで実線Ｌ１とほぼ同様に推移し、時間ｔａ以降ＭＤ値が概ね右肩下がりに推移する場合の例である。
図５の実線Ｌ１で表されるＭＤ値において、時間ｔｘにて異常が発生したものとする。実際に異常が発生した時間ｔｘを異常発生時間とし、異常発生時間ｔｘは設計者が設定する。
例えば図５の実線Ｌ１で表されるＭＤ値の閾値をｍｄ１とすると、時間ｔ１と時間ｔ２において計２回、ＭＤ値が閾値ｍｄ１を超える。よって異常検知回数は２となる。また、早期検知期間はｔｘ－ｔ２である。
例えばエラー等により、異常の発生とは関係なく時間ｔ１において不連続な値の変動が発生する場合がある。この時、閾値をｍｄ１とすると、異常発生時間ｔｘの前に誤検知を行う可能性があり、過剰に検知を行うことで異常予兆検知の精度が落ちることとなる。
また、図５の破線Ｌ２で表されるＭＤ値の場合は、時間ｔ１で閾値ｍｄ１を超えるが、異常発生時間ｔｘまで閾値を超えた状態が継続しないため、早期検知期間は測定されない。

一方、例えば図５の実線Ｌ１で表されるＭＤ値の閾値をｍｄ２とすると、時間ｔ３において計１回、ＭＤ値が閾値ｍｄ２を超える。よって異常検知回数は１となる。また、早期検知期間はｔｘ－ｔ３である。
閾値をｍｄ１よりも大きいｍｄ２とすると、誤検知は発生しない。しかし、早期検知期間が短いため、異常予兆を検知しても異常が発生するまでに対策措置を取る時間が限られることとなる。

このように、正常データセットの場合は誤検知数、異常データセットの場合は異常検知回数および早期検知期間を評価パラメータとして設定し、前述した評価方法により評価を行うことで、検知パラメータの推奨候補を取得することができる。

図６には、正常データと異常データに対する検知パラメータの探索を行った結果の例が図に示されている。すなわち、図６に表される各数値が候補パラメータ値である。
図４のステップＳ１０３及びＳ１０４で設定された検知パラメータの探索範囲および探索ステップに従い、異常予兆検知システム１０の制御装置５０の導出部５２によって正常データセットおよび異常データセットに対し検知パラメータの探索が行われ、複数の候補パラメータ値が導出される。本探索は、従来設計者が手作業で行っていた計算を制御装置５０の導出部５２が行うことで自動化するものである。

さらに、図６に示されるように、算出部５３によって各々の検知パラメータの探索範囲における探索ステップごと、すなわち各候補パラメータ値ごとに正常データセットおよび異常データセットの評価パラメータがそれぞれ算出される（図４のＳ１１３及びＳ１２３）。例えば、Ｎｏ．１の候補パラメータ値（ＭＤ値の閾値：４、閾値超えの継続時間：２、ＭＤ値の変化量：５、ＭＤ値の移動平均処理：０）の場合、正常データセットにおける誤検知数は６回、異常データセットにおける検知数は２０回、検知時間と異常発生時間との差である早期検知期間は７，９２０秒である。このように、算出部５３は、取りうる全ての候補パラメータ値に対して評価パラメータの算出を行う。

図４のステップＳ１０５において、探索ステップが完了したかどうかの判定を行う。探索ステップが完了したと判定された場合はステップＳ１０６へ、探索ステップが全て完了していないと判定されると、正常データセットの場合はステップＳ１１１へ、異常データセットの場合はステップＳ１２１へ遷移する。

ステップＳ１０５において、探索ステップが完了したと判定された場合は、抽出部５４によって最適な検知パラメータの抽出（導出）が行われる（Ｓ１０６）。
図６において、正常データセットにおける誤検知数が０に近い検知パラメータであり、また異常データセットにおける検知数が１に近く、早期検知期間が大きい候補パラメータ値が最適な検知パラメータである。すなわち、Ｎｏ．５またはＮｏ．６の検知パラメータが正常時に誤検知が少なく（この場合は誤検知が無い）、異常時に過剰検知が少なく検知時間が早いパラメータであるといえる。
よって、本実施形態の場合、抽出部５４は、Ｎｏ．５およびＮｏ．６の候補パラメータ値を検知パラメータの推奨候補として抽出する。

ここで、早期検知期間が「０」であるとは、異常発生時間までの間の最後の検知時間が異常発生時間と同じであり、異常発生前に検知ができていないことを示す。また、早期検知期間が「－」であるとは、検知数が１以上の場合はＭＤ値が閾値を上回った後に閾値を下回り、その後異常発生時間まで閾値を超えた状態が継続していない状態を示す。また検知数が０の場合は異常発生時間までの間にＭＤ値が閾値を一度も上回っていない状態を示す。すなわち、異常発生時間に異常が発生しておらず、この場合の検知パラメータは異常予兆検知モデルに対し適切でないパラメータであるといえる。

次に、図４のステップＳ１０６にて抽出（導出）された候補パラメータ値が検知パラメータとして最適値であるかどうか、評価結果とＭＤ値のトレンドに基づき設計者が判定を行う（Ｓ１０７）。
ここで、制御装置５０は、抽出された候補パラメータ値を検知パラメータの推奨候補として推奨する旨の通知を設計者に行ってもよい。例えば、制御装置５０は、Ｎｏ．５およびＮｏ．６の候補パラメータ値を検知パラメータの推奨候補として推奨する通知を行ってもよい。なお、通知は、ネットワーク６７を介した設計者宛のメッセージの送信、ディスプレイ等の表示装置６６への表示等、様々な形態で行われ得る。
制御装置５０は、異常発生時間までの異常検知回数が所定の数より少なく、かつ、最後に異常を検知した時間と異常発生時間との差である早期検知期間が所定の期間より長い候補パラメータ値を検知パラメータの推奨候補として推奨する旨の通知を行ってもよい。
検知パラメータが最適値であると判定された場合は図４のステップＳ１０８へ遷移する。検知パラメータが最適値でないと判定された場合はステップＳ１０３へ戻り、検知パラメータの探索範囲および探索ステップの再設定が行われる。
ステップＳ１０７において抽出（導出）された検知パラメータが最適値であると判定された場合は、ステップＳ１０６で抽出部５４によって抽出（導出）された検知パラメータが最適値であると決定する（Ｓ１０８）。
決定された検知パラメータの最適値は、検知モデルに適用され、検知モデルは異常予兆検知システム１０へ反映される。これにより、適切な異常予兆の検知が可能となる。

以上、説明してきたように、本実施形態に係る異常予兆検知システムの制御装置、これを備えるプラント、及び異常予兆検知システムの制御方法並びに制御プログラムによれば、以下の作用効果を奏する。
本実施形態によれば、検知パラメータの候補値である候補パラメータ値を用いて、運転データにおける評価パラメータを算出し、評価パラメータに基づき検知パラメータの推奨候補を抽出することから、従来設計者が経験などに基づき値を設定していた検知パラメータを、制御装置５０により取得することができる。
プラント１の異常予兆を検知する異常予兆検知システム１０において、検知モデルに用いられる検知パラメータの作成、評価は、設計者により試行錯誤で調整されており、多くの時間を要していた。本態様によれば、検知パラメータの作成、評価を制御装置５０が行い最適な検知パラメータを取得することで、異常予兆の検知に必要な検知パラメータの推奨候補を自動で導出することが可能である。またこれにより、検知モデルの作成に要する時間を大幅に短縮することが可能である。

また本実施形態によれば、検知パラメータの推奨候補を、候補パラメータ値を用いて算出される評価パラメータに基づき取得することから、検知モデルに適した検知パラメータを使用者の熟練度に左右されることなく容易に取得することができる。
また、正常データセットの候補パラメータ値を用いて算出される評価パラメータ及び異常データセットの候補パラメータ値を用いて算出される評価パラメータに基づき検知パラメータの推奨候補が抽出されることから、正常データ及び異常データのいずれに対しても最適な検知パラメータを取得することができる。

また本実施形態によれば、評価パラメータを、異常データセットに対する異常検知回数及び早期検知期間と、正常データセットに対する異常検知回数とすることから、正常データ及び異常データのいずれに対しても最適な検知パラメータを取得することができる。
特に、異常データセットに対する異常検知回数が１に近い値であり、早期検知期間が最大で、かつ正常データセットに対する異常検知回数が０に近い値であるような検知パラメータを取得することで、検知の判断が容易であり、早期に異常予兆が検知でき、誤検知が少ない検知パラメータを選択することができる。

また本実施形態によれば、検知パラメータの探索範囲及び探索ステップに基づき候補パラメータ値を導出することから、設計者により適切な探索範囲と探索ステップが設定されるため、制御装置５０は効率良く候補パラメータ値を取得することができる。

また本実施形態によれば、検知パラメータは正常な候補パラメータ値と異常な候補パラメータ値との間の閾値を含むことから、閾値に基づき異常を容易に検知することができる。

また本実施形態によれば、検知パラメータをマハラノビス距離に基づく値とすることから、ＭＴ法（マハラノビス・タグチ・メソッド）を用いてプラント１の異常予兆の検知を行うことができる。

以上、本開示の幾つかの実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではない。例えば、上述した実施形態においては本開示の対象を複数機器を組み合わせた発電所、化学プラントなどの大規模設備であるとしたが、ボイラ、発電機等の単体設備に適用するとしてもよい。

また、上述した実施形態において、１の単位空間における検知パラメータの探索を行うとしたが、複数の単位空間における検知パラメータの探索を一括に並列して行い、評価パラメータを比較するとしてもよい。

１ プラント
１０ 異常予兆検知システム
５０ 制御装置
５１ 取得部
５２ 導出部
５３ 算出部
５４ 抽出部

Claims (8)

1. プラントの異常予兆を検知する異常予兆検知システムの制御装置であって、
   前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する取得部と、
   前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する導出部と、
   複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する算出部と、
   前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する抽出部と
   を備え、
   前記検知パラメータは、マハラノビス距離に基づく値であり、
   前記取得部は、前記運転データのうち、正常時の前記運転データ群を正常データセットとして、異常時の前記運転データ群を異常データセットとしてセットし、
   前記算出部は、前記正常データセットの前記候補パラメータ値および前記異常データセットの前記候補パラメータ値を用いて各前記評価パラメータを算出し、
   前記プラントにおいて実際に異常が発生した時間を異常発生時間に設定し、
   前記異常データセットに対する前記評価パラメータは、前記異常データセットに対する前記異常発生時間までの前記異常検知回数、及び、異常の予兆を検知してから実際に異常が発生した前記異常発生時間までの期間である前記早期検知期間であり、
   前記抽出部は、前記正常データセット及び前記異常データセットの各前記評価パラメータに基づき前記検知パラメータの前記推奨候補を取得し、前記異常データセットに対する前記異常検知回数については１に近い前記検知パラメータを前記推奨候補として抽出する異常予兆検知システムの制御装置。
2. 前記正常データセットに対する前記評価パラメータは、前記正常データセットに対する前記異常発生時間までの前記異常検知回数である請求項１に記載の異常予兆検知システムの制御装置。
3. 前記導出部は、設定された前記検知パラメータの探索範囲及び探索ステップに基づき前記候補パラメータ値を導出する請求項２に記載の異常予兆検知システムの制御装置。
4. 前記検知パラメータは、正常な前記候補パラメータ値と異常な前記候補パラメータ値との間の閾値を含む請求項３に記載の異常予兆検知システムの制御装置。
5. 前記検知パラメータは、マハラノビス距離に基づく値であるＭＤ値の閾値に加え、前記ＭＤ値が前記閾値を超えた場合の継続時間である閾値超えの継続時間、前記ＭＤ値の変化量、及び前記ＭＤ値の移動平均値を処理する時間範囲である前記ＭＤ値の移動平均処理のうち少なくともいずれか一つを含む請求項１乃至請求項４のいずれか一項に記載の異常予兆検知システムの制御装置。
6. 請求項１乃至請求項５のいずれかに記載の異常予兆検知システムの制御装置を備えたプラント。
7. プラントの異常予兆を検知する異常予兆検知システムの制御方法であって、
   前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得する工程と、
   前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出する工程と、
   複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出する工程と、
   前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出する工程と
   を有し、
   前記検知パラメータは、マハラノビス距離に基づく値であり、
   前記取得する工程は、前記運転データのうち、正常時の前記運転データ群を正常データセットとして、異常時の前記運転データ群を異常データセットとしてセットし、
   前記算出する工程は、前記正常データセットの前記候補パラメータ値および前記異常データセットの前記候補パラメータ値を用いて各前記評価パラメータを算出し、
   前記プラントにおいて実際に異常が発生した時間を異常発生時間に設定し、
   前記異常データセットに対する前記評価パラメータは、前記異常データセットに対する前記異常発生時間までの前記異常検知回数、及び、異常の予兆を検知してから実際に異常が発生した前記異常発生時間までの期間である前記早期検知期間であり、
   前記抽出する工程は、前記正常データセット及び前記異常データセットの各前記評価パラメータに基づき前記検知パラメータの前記推奨候補を取得し、前記異常データセットに対する前記異常検知回数については１に近い前記検知パラメータを前記推奨候補として抽出する異常予兆検知システムの制御方法。
8. プラントの異常予兆を検知する異常予兆検知システムの制御プログラムであって、
   前記プラントにおける正常時の運転データ群および異常時の運転データ群を含む運転データを取得するステップと、
   前記プラントの状態を検知する検知パラメータの候補値である複数の候補パラメータ値を導出するステップと、
   複数の前記候補パラメータ値の各々を用いて、前記運転データにおける異常検知回数、および、異常の予兆を検知してから実際に異常が発生するまでの期間である早期検知期間を評価パラメータとして算出するステップと、
   前記運転データにおいて、前記評価パラメータである前記異常検知回数が所定の数より少なく、かつ、前記早期検知期間が所定の期間より長い前記候補パラメータ値を、前記プラントの前記検知パラメータの推奨候補として抽出するステップと
   を有し、
   前記検知パラメータは、マハラノビス距離に基づく値であり、
   前記取得するステップは、前記運転データのうち、正常時の前記運転データ群を正常データセットとして、異常時の前記運転データ群を異常データセットとしてセットし、
   前記算出するステップは、前記正常データセットの前記候補パラメータ値および前記異常データセットの前記候補パラメータ値を用いて各前記評価パラメータを算出し、
   前記プラントにおいて実際に異常が発生した時間を異常発生時間に設定し、
   前記異常データセットに対する前記評価パラメータは、前記異常データセットに対する前記異常発生時間までの前記異常検知回数、及び、異常の予兆を検知してから実際に異常が発生した前記異常発生時間までの期間である前記早期検知期間であり、
   前記抽出するステップは、前記正常データセット及び前記異常データセットの各前記評価パラメータに基づき前記検知パラメータの前記推奨候補を取得し、前記異常データセットに対する前記異常検知回数については１に近い前記検知パラメータを前記推奨候補として抽出する異常予兆検知システムの制御プログラム。

Images