JPH0579952A

JPH0579952A - プラント異常診断装置

Info

Publication number: JPH0579952A
Application number: JP3242006A
Authority: JP
Inventors: Noboru Morohoshi; 星昇諸; Toshihiro Noda; 田俊博野
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1991-09-20
Filing date: 1991-09-20
Publication date: 1993-03-30

Abstract

(57)【要約】【目的】異常事象と異常原因との因果関係があいまい
な場合でも、診断処理に要する時間を長くせずに、あい
まいさの度合を正確に表現できるようにする。【構成】第１の知識データ８内には、異常原因推定の
前提条件が上位から下位にわたってツリー構造形式によ
り表わされている。第２の知識データ９はマトリックス
型知識データであり、最下位の前提条件毎に、対応する
異常原因の項目と、その項目および前提条件間の相関関
係の度合とが表わされている。例えば、「定速運転」中
に「アンバランス振動」が発生していたとすると、異常
原因推定手段５は、ブロック１０内の４つの項目のみに
ついて相関関係の評価を行い、これらのうちの１または
２以上の項目を異常原因として推定する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、発電プラント等におい
て異常が発生した場合に、その異常発生の原因を推定す
るプラント異常診断装置に関するものである。

【０００２】

【従来の技術】発電プラントは電力供給という見地から
安定した運用が要求されているが、このためにはプラン
トの運用に何らかの制限が要求される以前に異常の徴候
を検知し対応処置を行う必要がある。特に、タービン、
発電機等の回転機器においては異常の進行が速いため、
迅速な処置が要求される。

【０００３】ところが、発電プラントのように多数の機
器から構成された複雑なシステムにおいては、異常原因
の推定には十分な知識と経験を必要とし、人間が適確な
判断を限られた時間内で下すのは困難である。

【０００４】そこで、自動的に異常兆候をとらえて原因
を推定し、人間の判断を支援するものとして電子計算機
を利用したプラント異常診断装置が提案されている。図
２は、このようなプラント異常診断装置の構成を示すブ
ロック図である。

【０００５】この図において、電子計算機１は発電プラ
ント２からプロセスデータを入力するデータ入力手段３
と、そのプロセスデータから異常を検出する異常検出処
理手段４と、異常検出処理手段４において検出された異
常事象より異常原因を推定する異常原因推定手段５と、
異常事象と異常原因の因果関係に関する知識が蓄積され
た知識データベース６と、ＣＲＴ表示装置７へ出力する
処理を行う表示処理手段８と、から構成されている。

【０００６】次に動作について説明する。異常検出処理
手段４では、データ入力手段３により入力された発電プ
ラントのプロセスデータの変化を監視し、正常範囲から
逸脱した場合に異常が発生したことを検知する。異常原
因推定手段５は異常検知処理手段４で異常が検知された
場合に動作し、検知された異常事象から異常原因を推定
する。その推定結果は表示処理手段８により表示処理さ
れ、ＣＲＴ表示装置７に表示される。異常原因の推定は
知識データベース６に蓄積された因果関係による知識に
より行われる。

【０００７】上記した従来の診断装置で用いる診断手法
には、種々の提案がなされているが、代表的なものとし
て、異常原因と異常事象の因果関係を表す知識データベ
ースに関連木型ロジック、すなわち、ツリー構造形式を
用いた手法と、関係マトリックスを用いた手法とがあ
る。以下、それぞれについて説明する。

【０００８】図３は、関連木型ロジックによる知識デー
タベースを説明するための図であり、Ｍ１〜Ｍ８は異常
発生時の事象を表し、Ｃ１〜Ｃ５は異常発生の原因を表
す。異常原因と異常事象との因果関係としては、事象Ｍ
１は原因Ｃ１〜Ｃ３によって異常が発生した場合に現れ
ることを、事象Ｍ２は原因Ｃ４またはＣ５によって異常
が発生した場合に現れることを表している。つまり、各
事象は関連木の下方に辿っていくことのできる異常原因
項目と因果関係を有する知識構造になっている。

【０００９】図３の知識データベースによれば、異常を
検出した場合、まずその時の事象がＭ１またはＭ２のど
ちらであるか判定する。事象Ｍ１であって場合はさらに
Ｍ３又はＭ４のどちらの事象であるか判定し、関連木の
上部から下部への該当する事象を辿っていくことにより
異常原因の推定を行う。そして、関連木の最下部に位置
する異常原因項目のうち、最終的な推定として到達した
項目が原因推定結果となる。

【００１０】一方、関連マトリックスによる知識表現の
例として、特開昭６３−１２０９２号公報および特開昭
６３−１２０９３号公報がある。これらをそれぞれ図４
および図５に示す。

【００１１】図４では、Ｍ１〜Ｍ４は異常発生時の事象
を表し、Ｃ１〜Ｃ４は異常発生の原因を表す。また、
「○」、「△」、「×」の記号は異常原因と異常事象の
相関関係を表している。図４の知識データベースによれ
ば、原因「Ｃ１」と事象「Ｍ３」の相関関係は「×」で
あり、「Ｃ１」であれば「Ｍ３」は絶対発生しないこと
を表現している。原因「Ｃ１」と事象「Ｍ２」の相関関
係は「○」であり、「Ｃ１」であれば「Ｍ２」は必ず発
生することを表す。原因「Ｃ２」と事象「Ｍ２」の相関
関係は「△」であり、「Ｃ２」であれば「Ｍ２」は発生
する場合と発生しない場合があることを表現している。

【００１２】このように原因と事象の関係マトリックス
表として表された知識により発生した事象から原因を推
定する。すなわち、事象「Ｍ１」が発生すれば原因「Ｃ
４」である可能性はなくなり、原因「Ｃ２」または「Ｃ
３」であると推定される。また、事象「Ｍ１」と「Ｍ
３」が発生した場合は原因「Ｃ１」、「Ｃ４」である可
能性はなくなり、原因「Ｃ３」であると推定される。

【００１３】図５では、Ｍ１〜Ｍ４は異常発生時の事象
を表し、Ｃ１〜Ｃ４は異常発生の原因を表す。図５の知
識データベースによれば、原因「Ｃ１」と事象「Ｍ１」
の関係は「１０（％）」と表現し、「Ｃ１」であれば
「Ｍ１」が発生する確率は１０（％）であることを意味
している。また、原因「Ｃ１」と事象「Ｍ３」の関係は
「０（％）」と表現し、「Ｃ１」であれば「Ｍ３」が発
生する確率は０（％）であることを表す。

【００１４】これより、事象「Ｍ１」が発生すれば原因
「Ｃ１」、「Ｃ２」、「Ｃ３」、「Ｃ４」である可能性
はそれぞれ１０（％）、９１（％）、２５（％）、０
（％）と推定される。そして、事象「Ｍ１」、「Ｍ３」
が発生すれば原因「Ｃ１」、「Ｃ２」、「Ｃ３」、「Ｃ
４」である可能性は原因毎に確率を加算し、１０
（％）、９４（％）、９０（％）、０（％）と推定され
る。

【００１５】

【発明が解決しようとする課題】ところで、上記した各
知識データベースには次の問題がある。すなわち、関連
木型ロジックによる知識データベースにおいては、ある
事象が発生した場合に各異常原因に対して「異常発生原
因である可能性有り」、もしくは「可能性無し」と言っ
た確定的な評価を行うので、図３のような明確な因果関
係を異常原因と事象との相関として持つ知識の表現は容
易である。しかし、異常原因と事象との相関があいまい
な因果関係、例えば図４に表されるような「原因Ｃ１で
あれば事象Ｍ１は発生する場合も発生しない場合もあ
る」等、を正確に表現するのは困難である。

【００１６】これに対し、関係マトリックスによる知識
データベースは、異常原因と事象との因果関係があいま
いな知識であっても表現することができるため、あいま
いな原因関係を表す知識を正確に表現する必要のある場
合に用いられる。

【００１７】ところが、関係マトリックスによる知識を
用いた原因推定では、マトリックス表に表された全ての
知識を用いて各異常原因の可能性を評価するため、その
時の原因推定では必要とされない知識がある場合でも、
原因推定に対する有効性にかかわらず知識の評価が行わ
れてしまうことになる。プラントの運転状態によって異
常原因と異常事象との因果関係が異なるものとなってし
まうような場合、本来ならば知識データベースには運転
状態毎の知識が必要とされる。

【００１８】それにもかかわらず、図４および図５の知
識データベースでは、運転状態に関係なく、全ての知識
を用いて原因推定を行うようになっており、そのときの
プラントが示すある特定の運転状態の知識のみが原因推
定に有効に作用する。したがって、他の運転状態の知識
を用いた異常原因の評価は無効となっている。

【００１９】つまり、場合によっては原因推定には不必
要な処理が行われることがあり、これはできるだけ迅速
な原因推定が要求されるような診断装置においては処理
時間の点において要求を満たすことができない結果とな
っている。

【００２０】一方、関連木型ロジックによる知識を用い
た原因推定では、知識の評価毎に原因推定に有効となる
知識の限定を行うため、不必要な知識評価は行われな
い。この点においては関係マトリックスによる知識を用
いた原因推定よりも優れた手法であるといえる。

【００２１】このように、従来の技術にはそれぞれ一長
一短があり、発電プラントのように複雑な知識を持つ機
器を対象とした場合、あいまいな因果関係を正確に表現
し、かつ迅速に診断処理を行うという二つの要求を同時
に満足させることは困難であった。

【００２２】そこで本発明は、上記した問題を克服し、
あいまいな因果関係を表す知識を正確に表現し、かつ、
できるだけ迅速に診断処理を行うことが可能なプラント
異常診断装置を提供することを目的とする。

【００２３】

【課題を解決するための手段】本発明は上記課題を解決
するための手段として、プラントから送られてくるプロ
セス値の変化状態に基いて異常徴候を検知し、知識デー
タベースにファイルされた各異常事象と各異常原因との
間の相関関係データを用いて、その異常徴候発生の原因
となっている異常原因を推定するプラント異常診断装置
において、前記知識データベースは、前記異常原因推定
の前提となる各条件が上位条件から下位条件にわたって
ツリー構造形式により表されている第１の知識データ
と、前記ツリー構造の最下位の各条件に対応して各異常
原因の種類が表されている第２の知識データと、を有す
る構成としたものである。

【００２４】

【作用】上記構成において、プラントからのプロセス値
の変化状態に基いて異常徴候を検知した場合の異常原因
推定は次のように行われる。

【００２５】すなわち、まず、検知した異常徴候の内容
から、第１の知識データを用いて、異常原因推定の前提
となる各条件について、上位から順に下位へ向けて絞り
込むようにする。このとき、第１の知識データはツリー
構造形式となっているので、この絞り込みの過程で無駄
な判断が行われることはなく、迅速な処理となる。

【００２６】そして、第１の知識データにおける最も下
位の条件が特定されたならば、次に、第２の知識データ
を用いて、その最下位の条件に対応している全ての種類
の異常原因についての評価を行って、原因の推定を行
う。このとき行われる評価については、無駄なものが含
まれている可能性がある。しかし、第１の知識データに
おいて、前提条件の充分な絞り込みが行われているため
に、無駄な評価が行われていたとしても、その処理に要
する時間は極めて短いものであり、充分な迅速性を確保
することができる。

【００２７】

【実施例】以下、本発明の実施例を図１に基き説明す
る。図１に係る知識データベース６Ａは、第１の知識デ
ータ８と、第２の知識データ９とを有するものとなって
いる。

【００２８】第１の知識データ８は、具体的な異常原因
を推定するための前提条件についてのデータであり、ツ
リー構造形式により上位条件と下位条件とに分かれてい
る。上位条件とは、「定速運転」および「非定速運転」
の二つの条件のことである。これは、定速運転の場合と
非定速運転の場合とでは、異常発生の際のプロセスデー
タに現われる事象が異なり、原因推定に用いられる知識
も違ってくるので、原因推定に有効な知識のみを用いる
ために、まず、このように二つに分けたものである。

【００２９】また、下位条件とは、「アンバランス振
動」、「不安定振動」、「高調波振動」の三つの条件の
ことである。これら三つの条件は、ある異常原因によっ
てタービン発電機に異常が発生した場合は、その結果と
して必ず特定周波数での異常振動が発生するという既知
の経験則から導き出されたものである。すなわち、これ
ら三つの条件は、それぞれ、振動周波数に関し、回転同
期周波数、固有値または分数調波周波数、高調波周波数
の分類を行った結果得られたものである。

【００３０】第２の知識データ９は、第１の知識データ
８の最下位の各条件、すなわち、「アンバランス振
動」、「不安定振動」、「高調波振動」のそれぞれにつ
いて具体的な異常原因の種類を表わしたものである。こ
の第２の知識データ９は、図４または図５と同様のマト
リックス型知識データであり、上記の三つの条件に対応
して６個のブロック１０〜１５に分けられている。

【００３１】次に、上記のように構成される本実施例の
動作につき説明する。まず、異常検出処理手段４が、プ
ラントからのプロセスデータによって異常な徴候を検知
したとする。すると、異常原因推定手段５は、異常検出
処理手段４からの信号により、プラントが定速運転中に
あるか非定速運転中であるかを判断し、さらに、異常振
動がアンバランス振動、不安定振動、高調波振動のいず
れであるかを判断する。

【００３２】いま、定速運転中であって、アンバランス
振動が発生していると判断したすると、異常原因推定手
段５は、第１の知識データ８については。「定速運転」
および「アンバランス振動」を選択する。

【００３３】そして、下位条件である「アンバランス振
動」に対応する具体的な異常原因の種類の項目は、ブロ
ック１０の「回転部異常」、「ラビング」、「アライメ
ント変化」、「ロータ曲り」となっている。

【００３４】これらブロック１０の各項目については、
図１における図示は省略してあるが、「定速運転」中の
「アンバランス振動」との相関関係についてのデータが
付されている。つまり、第２の知識データ９が図４のよ
うな関連マトリックスであれば、相関関係についてのデ
ータとは、「○」、「△」、「×」等の記号である。一
方、第２の知識データが図５のような関連マトリックス
であれば、相関関係についてのデータとは、「１０
（％）」、「９０（％）」等の数値である。

【００３５】異常原因推定手段５は、このような相関関
係のデータに基いて、「定速運転」中の「アンバランス
振動」と、「回転部異常」、「ラビング」、「アライメ
ント変化」、「ロータ曲り」との各相関関係を評価し、
これらの項目の中から１または２以上の推定結果として
得られた異常原因とする。そして、推定された異常原因
の項目は、従来と同様に、表示出力処理手段８によって
ＣＲＴ７に表示される。

【００３６】上記のように、知識データベース６Ａのデ
ータ構造は、ツリー構造形式の第１の知識データ８によ
って前提条件に絞りをかけるようになっており、さら
に、関連マトリックス形式の第２の知識データ９によっ
て、絞りをかけた前提条件と各異常原因項目との相関関
係についての評価が行われるようになっている。したが
って、異常原因と異常事象との因果関係があいまいな場
合であっても、そのあいまいさの度合を具体的に表わす
ことができ、また、診断処理に要する時間を短くするこ
とができる。

【００３７】この場合、ブロック１０の異常原因項目に
ついては、全ての項目について相関関係の評価を行って
いるため、いくつかの項目については無駄な評価を行っ
ている可能性もある。しかし、このような無駄な評価が
行われているとしても、これに費やす時間は僅かなもの
であり、処理時間が大きく短縮されていることに変わり
はない。

【００３８】つまり、従来であれば、ブロック１０〜１
５の全ての異常原因項目について、前提条件の各項目毎
に評価を行っていたため、処理時間が著しく長いものと
なっていたが、図１の構成によれば、ブロック１０のみ
の項目について評価を行えばよいので処理時間を大幅に
短縮することができる。

【００３９】

【発明の効果】以上のように、本発明によれば、知識デ
ータベースのデータ構造に関し、異常原因推定の前提と
なる各条件を上位から下位にわたってツリー構造形式に
より表わし、最下位の各条件に対応して異常原因の種類
を表わすように構成したので、異常事象と異常原因との
因果関係があいまいな場合であっても、そのあいまいさ
の度合を正確に表現することができると共に、診断処理
に要する時間を短縮することができる。

【図面の簡単な説明】

【図１】本発明の実施例の要部の構成を示すブロック
図。

【図２】従来例の全体の構成を示すブロック図。

【図３】従来例の問題点についての説明図。

【図４】従来例の問題点についての説明図。

【図５】従来例の問題点についての説明図。

【符号の説明】

５異常原因推定手段６Ａ知識データベース８第１の知識データ９第２の知識データ

Claims

【特許請求の範囲】

【請求項１】プラントから送られてくるプロセス値の変
化状態に基いて異常徴候を検知し、知識データベースに
ファイルされた各異常事象と各異常原因との間の相関関
係データを用いて、その異常徴候発生の原因となってい
る異常原因を推定するプラント異常診断装置において、前記知識データベースは、前記異常原因推定の前提となる各条件が上位条件から下
位条件にわたってツリー構造形式により表されている第
１の知識データと、前記ツリー構造の最下位の各条件に対応して各異常原因
の種類が表されている第２の知識データと、を有するものであることを特徴とするプラント異常診断
装置。