JPH0731545B2 - プラントの異常診断方法 - Google Patents
プラントの異常診断方法Info
- Publication number
- JPH0731545B2 JPH0731545B2 JP27810686A JP27810686A JPH0731545B2 JP H0731545 B2 JPH0731545 B2 JP H0731545B2 JP 27810686 A JP27810686 A JP 27810686A JP 27810686 A JP27810686 A JP 27810686A JP H0731545 B2 JPH0731545 B2 JP H0731545B2
- Authority
- JP
- Japan
- Prior art keywords
- plant
- pattern
- abnormality
- plant state
- state quantity
- 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.)
- Expired - Lifetime
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は監視すべきパラメータが多数あり、これらのパ
ラメータが相互に複雑に結びついている原子力発電所、
火力発電所等のプラントの異常検知と異常原因の同定を
行うプラントの異常診断方法に関する。
ラメータが相互に複雑に結びついている原子力発電所、
火力発電所等のプラントの異常検知と異常原因の同定を
行うプラントの異常診断方法に関する。
一般に、プラント状態量が所定の制限値を越えた場合に
警報を出力し、運転員に異常の発生を知らせるようにし
たアナウンシエータが原子力発電所、火力発電所等のプ
ラントに数多く用いられている。例えば、原子力プラン
ト等の場合には、このアナウンシエータの数が数千にも
達し、通常の軽微な故障の場合でも多数のランプが点滅
し、運転員に必要な情報だけを提供するのが難しくなっ
ている。このため、計算機を利用して異常診断するため
のシステムの開発が世界各国で行われており、代表的な
システムに西ドイツのGesellschaft Reaktorsicherheit
（GRS）と、ノルウェーのHaldenプロジェクトが開発し
ているSTARと、ERPI（米国電力研究所）の委託により開
発されているDASがある。
警報を出力し、運転員に異常の発生を知らせるようにし
たアナウンシエータが原子力発電所、火力発電所等のプ
ラントに数多く用いられている。例えば、原子力プラン
ト等の場合には、このアナウンシエータの数が数千にも
達し、通常の軽微な故障の場合でも多数のランプが点滅
し、運転員に必要な情報だけを提供するのが難しくなっ
ている。このため、計算機を利用して異常診断するため
のシステムの開発が世界各国で行われており、代表的な
システムに西ドイツのGesellschaft Reaktorsicherheit
（GRS）と、ノルウェーのHaldenプロジェクトが開発し
ているSTARと、ERPI（米国電力研究所）の委託により開
発されているDASがある。
これらのシステムのなかでは原因結果論理法（CCT）と
いわれている異常診断法が用いられている。このシステ
ムのなかで用いる信号の数は非常に多くてシステムの規
模を大きくしてしまうだけでなく、異常原因の同定に多
くの時間を要し、プラント稼動率の低下をもたらすなど
の不都合を生じており、例えばSTARでは8000点の信号を
用いている。
いわれている異常診断法が用いられている。このシステ
ムのなかで用いる信号の数は非常に多くてシステムの規
模を大きくしてしまうだけでなく、異常原因の同定に多
くの時間を要し、プラント稼動率の低下をもたらすなど
の不都合を生じており、例えばSTARでは8000点の信号を
用いている。
本発明は上記問題点を解決するためのもので、異常診断
システムの規模を小さくして異常原因の同定に要する時
間を短くし、プラント稼動率を向上させると共に、運転
員に適切な操作ガイドを迅速に与え、安全性を向上させ
ることの可能なプラントの異常診断方法を提供すること
を目的とする。
システムの規模を小さくして異常原因の同定に要する時
間を短くし、プラント稼動率を向上させると共に、運転
員に適切な操作ガイドを迅速に与え、安全性を向上させ
ることの可能なプラントの異常診断方法を提供すること
を目的とする。
そのために本発明は、プラントで発生する異常を診断す
る方法において、 プラント異常時のプラント状態量のシミュレーションに
より求める段階、 求めたプラント状態量を正規化した値をx1〜xpとし、次
式 y1＝h11x1＋h21x2＋……＋hp1xp y2＝h12x1＋h22x2＋……＋hp2xp ……………………………………… yf＝h1fx1＋h2fx2＋……＋hpfxp ……………………………………… ym＝h1mx1＋h2mx2＋……＋hpmxp （ｍ≦ｐ） h1j2＋h2j2＋……＋hpj2＝１（ｊ＝１、２、… …ｍ） によりx1〜xpの一次結合で主成分y1〜ymを定義して多変
量解析し、各プラント状態量x1〜xp、主成分y1〜ymに対
する係数h11〜hpmの値の組み合わせによりプラント状態
量間の結合様式を示す参照用異常時パターンを作成する
段階、 時々刻々更新されるプラント状態量から、上記多変量解
析により各プラント状態量x1〜xp、主成分y1〜ymに対す
る係数h11〜hpmの値の組み合わせによりプラント状態量
間の結合様式を示す実パターンを作成する段階、及び 実パターンと参照用異常時パターンとを照合する段階、 からなることを特徴とする。
る方法において、 プラント異常時のプラント状態量のシミュレーションに
より求める段階、 求めたプラント状態量を正規化した値をx1〜xpとし、次
式 y1＝h11x1＋h21x2＋……＋hp1xp y2＝h12x1＋h22x2＋……＋hp2xp ……………………………………… yf＝h1fx1＋h2fx2＋……＋hpfxp ……………………………………… ym＝h1mx1＋h2mx2＋……＋hpmxp （ｍ≦ｐ） h1j2＋h2j2＋……＋hpj2＝１（ｊ＝１、２、… …ｍ） によりx1〜xpの一次結合で主成分y1〜ymを定義して多変
量解析し、各プラント状態量x1〜xp、主成分y1〜ymに対
する係数h11〜hpmの値の組み合わせによりプラント状態
量間の結合様式を示す参照用異常時パターンを作成する
段階、 時々刻々更新されるプラント状態量から、上記多変量解
析により各プラント状態量x1〜xp、主成分y1〜ymに対す
る係数h11〜hpmの値の組み合わせによりプラント状態量
間の結合様式を示す実パターンを作成する段階、及び 実パターンと参照用異常時パターンとを照合する段階、 からなることを特徴とする。
本発明のプラントの異常診断方法は、異常時のプラント
状態量をシミュレーションにより求め、これらのプラン
ト状態量を多変量解析して得られるプラント状態量間の
結合様式を示すパターンと、時々刻々更新されるプラン
ト状態量から作成されるプラント状態量間の結合様式を
示すパターンとを照合することにより異常診断システム
の規模を小さくして異常原因の同定に要する時間を短く
し、プラント稼動率を向上させると共に、運転員に適切
な操作ガイドを迅速に与え、安全性を向上させることが
可能となる。
状態量をシミュレーションにより求め、これらのプラン
ト状態量を多変量解析して得られるプラント状態量間の
結合様式を示すパターンと、時々刻々更新されるプラン
ト状態量から作成されるプラント状態量間の結合様式を
示すパターンとを照合することにより異常診断システム
の規模を小さくして異常原因の同定に要する時間を短く
し、プラント稼動率を向上させると共に、運転員に適切
な操作ガイドを迅速に与え、安全性を向上させることが
可能となる。
以下、実施例を図面を参照して説明する。
先ず本発明によるプラントの異常診断方法の原理を説明
する。
する。
プラントの異常診断を行うにあたって、先ず異常時のプ
ラント応答特性を求める。この異常時のプラント応答特
性を求めるのに、プラントに実際に異常を発生させるこ
とは出来ないので、プラント動特性解析コード等を使用
してシミュレーションを行い、外乱が加えられた時の異
常時のプラント応答を予測する。
ラント応答特性を求める。この異常時のプラント応答特
性を求めるのに、プラントに実際に異常を発生させるこ
とは出来ないので、プラント動特性解析コード等を使用
してシミュレーションを行い、外乱が加えられた時の異
常時のプラント応答を予測する。
例えば、異常の種類として「蒸気ドラム水位低下」を選
んだ場合、これを頂上事象とし、この事象を結果すると
考えられる原因事象、更にこの原因事象を結果すると考
えられる原因事象というように、順次各事象を結果する
原因事象をツリー状につなぎ合わせて得られるフォルト
・ツリーから、プラント動特性解析コードに入力可能
な、例えば、 （イ）給水温度の低下 （ロ）反応度の低下 （ハ）給水流量の低下 （ニ）主蒸気流量の増大 等の事象を選択する。
んだ場合、これを頂上事象とし、この事象を結果すると
考えられる原因事象、更にこの原因事象を結果すると考
えられる原因事象というように、順次各事象を結果する
原因事象をツリー状につなぎ合わせて得られるフォルト
・ツリーから、プラント動特性解析コードに入力可能
な、例えば、 （イ）給水温度の低下 （ロ）反応度の低下 （ハ）給水流量の低下 （ニ）主蒸気流量の増大 等の事象を選択する。
なお、「蒸気ドラム水位の低下」の発生は、例えば新型
転換炉（ATR）において炉心で発生している熱を除去し
ている水がなくなることに通じ、炉心溶融にもつながり
かねない異常に相当するので、このため運転員は「蒸気
ドラム水位」は、常に細心の注意を払って監視している
事象である。
転換炉（ATR）において炉心で発生している熱を除去し
ている水がなくなることに通じ、炉心溶融にもつながり
かねない異常に相当するので、このため運転員は「蒸気
ドラム水位」は、常に細心の注意を払って監視している
事象である。
次にプラント動特性解析から求めたプラント状態量につ
いて、定常運転時からの偏差を（１）式のように求め
る。
いて、定常運転時からの偏差を（１）式のように求め
る。
但し、 ｘi,t：プラント状態量の種類ｉ、時刻ｔにおけるプラ
ント状態量の偏差値 Ｘi,t：プラント状態量の種類ｉ、時刻ｔにおけるプラ
ント状態量の値 Ｘi,o：プラント状態量の種類ｉの定格運転時のプラン
ト状態量の値 である。なお、（１）式は、圧力，温度，流量等の次元
の異なったプラント状態量を相互に比較できるように、
正規化して無次元化している。
ント状態量の偏差値 Ｘi,t：プラント状態量の種類ｉ、時刻ｔにおけるプラ
ント状態量の値 Ｘi,o：プラント状態量の種類ｉの定格運転時のプラン
ト状態量の値 である。なお、（１）式は、圧力，温度，流量等の次元
の異なったプラント状態量を相互に比較できるように、
正規化して無次元化している。
次に、多変量解析コード等を用いて正規化したプラント
状態量について、次のような一次結合をつくる。
状態量について、次のような一次結合をつくる。
y1＝h11x1＋h21x2＋……＋hp1xp y2＝h12x1＋h22x2＋……＋hp2xp ……………………………………… yf＝h1fx1＋h2fx2＋……＋hpfxp ……………………………………… ym＝h1mx1＋h2mx2＋……＋hpmxp （ｍ≦ｐ） h2 1j＋h2 2j＋……＋h2pj＝１（ｊ＝１、２、……ｍ）…
…（２） ここでx1〜xpは正規化したプラント状態量、y1〜ymは主
成分を表している。
…（２） ここでx1〜xpは正規化したプラント状態量、y1〜ymは主
成分を表している。
この主成分分析を行うプラント状態量ｘの種類は、例え
ば第４図に示すようなものである。このようなプラント
状態量に対する第１主成分y1から第５主成分y5の係数hp
jの大きさを示すと第５図に示すような結合様式パター
ンとなる。
ば第４図に示すようなものである。このようなプラント
状態量に対する第１主成分y1から第５主成分y5の係数hp
jの大きさを示すと第５図に示すような結合様式パター
ンとなる。
第５図（イ）は給水温度の低下、第５図（ロ）は反応度
の低下、第５図（ハ）は給水流量の低下、第５図（ニ）
は主蒸気流量の増大の場合のパターンを示す図である。
の低下、第５図（ハ）は給水流量の低下、第５図（ニ）
は主蒸気流量の増大の場合のパターンを示す図である。
図において、左側の軸が中性子束、保有水量、温度、エ
ンタルピー等の合計27個のプラント状態量の種類を示
し、右側の軸がプラント状態量間の結合様式である主成
分y1、y2…y5を示す。これらの２つの軸に直交する縦軸
が（１）式の主成分の係数（固有ベクトル）hpjの大き
さである。
ンタルピー等の合計27個のプラント状態量の種類を示
し、右側の軸がプラント状態量間の結合様式である主成
分y1、y2…y5を示す。これらの２つの軸に直交する縦軸
が（１）式の主成分の係数（固有ベクトル）hpjの大き
さである。
このような異常時パターンを参照用異常時パターンとし
て記憶しておき、時々刻々変化する実際のプラント状態
量に対して得られる結合様式パターンとを照合して異常
か否かの同定を行う。
て記憶しておき、時々刻々変化する実際のプラント状態
量に対して得られる結合様式パターンとを照合して異常
か否かの同定を行う。
次にこれらの結果から異常原因を識別することを考えて
みると、先ず、プラント状態量間のy1、y2…y5の結合様
式に注目したとき、y1と数学的に直交するy2の固有ベク
トルの大きさが増大しているのは、第５図（ロ）の「反
応度低下」の場合だけであり、このほかの異常原因の場
合には、y1の固有ベクトルの大きさが増加するだけであ
る。
みると、先ず、プラント状態量間のy1、y2…y5の結合様
式に注目したとき、y1と数学的に直交するy2の固有ベク
トルの大きさが増大しているのは、第５図（ロ）の「反
応度低下」の場合だけであり、このほかの異常原因の場
合には、y1の固有ベクトルの大きさが増加するだけであ
る。
次に、プラント状態量の種類に着目してみると、状態量
25（タービン出力）が大きく変化しているのは第５図
（ロ）の「反応度の低下」、第５図（ニ）の「主蒸気流
量の増大」の場合である。これらの２つの異常は、前述
のy1とy2の大きさの相違と組合わせれば、容易に弁別す
ることができる。状態量15（給水弁開度）が大きく増加
しているのは、第５図（イ）の「給水温度の低下」の場
合である。また、状態量９（原子炉保有水量）が大きく
増加しているのは、第５図（ハ）の「給水量の低下」の
場合である。
25（タービン出力）が大きく変化しているのは第５図
（ロ）の「反応度の低下」、第５図（ニ）の「主蒸気流
量の増大」の場合である。これらの２つの異常は、前述
のy1とy2の大きさの相違と組合わせれば、容易に弁別す
ることができる。状態量15（給水弁開度）が大きく増加
しているのは、第５図（イ）の「給水温度の低下」の場
合である。また、状態量９（原子炉保有水量）が大きく
増加しているのは、第５図（ハ）の「給水量の低下」の
場合である。
こうして異常原因を識別することが可能となる。
なお、プラント状態量の偏差の代わりに、次のような自
己回帰モデルの係数Ａ（ｍ）の大きさを用いる等して
も、（１）式の結合様式を作成することができる。
己回帰モデルの係数Ａ（ｍ）の大きさを用いる等して
も、（１）式の結合様式を作成することができる。
但し、 Ｘ（ｔ）：〔x1（ｔ）,x2（ｔ），……xk（ｔ）〕の転
置行列 xk（ｔ）：種類ｋのプラント状態量の時刻ｔにおける値 Ｕ（ｔ）：ホワイトノイズ 第１図はこのような原理に基づくプラントの異常診断の
手順を説明するためのブロック図であり、図中、１は結
合様式作成機能ブロック、２は参照用異常時パターン記
憶機能ブロック、３はプラント、４はプラント異常診断
機能ブロックである。
置行列 xk（ｔ）：種類ｋのプラント状態量の時刻ｔにおける値 Ｕ（ｔ）：ホワイトノイズ 第１図はこのような原理に基づくプラントの異常診断の
手順を説明するためのブロック図であり、図中、１は結
合様式作成機能ブロック、２は参照用異常時パターン記
憶機能ブロック、３はプラント、４はプラント異常診断
機能ブロックである。
図において、機能ブロック１は、異常時プラント状態量
間パターン作成のための電子計算機によって行われ、ス
テップで前述したプラント動特性解析コードを使用し
て異常時のプラント応答解析を行い、ステップでプラ
ント状態量間の結合様式のパターンを作成する。機能ブ
ロック２は外部記憶装置、例えば磁気デスクのようなも
ので構成されており、ステップにおいては、ステップ
で作成したパターン、即ち主成分の係数とプラント状
態量の関係をテーブルにして参照用異常時パターンとし
て記憶する。機能ブロック４はプラント異常診断用電子
計算機によって行われ、ステップで、時々刻々変化す
るプラント状態量のデータを、例えば１回／秒程度の速
度でプラント３から取り込む。プラント異常診断用電子
計算機に入力されたデータについて、ステップのプラ
ント状態量間の結合様式のパターンの作成の場合と同様
にプラント状態量間の結合様式パターンを作成する。
間パターン作成のための電子計算機によって行われ、ス
テップで前述したプラント動特性解析コードを使用し
て異常時のプラント応答解析を行い、ステップでプラ
ント状態量間の結合様式のパターンを作成する。機能ブ
ロック２は外部記憶装置、例えば磁気デスクのようなも
ので構成されており、ステップにおいては、ステップ
で作成したパターン、即ち主成分の係数とプラント状
態量の関係をテーブルにして参照用異常時パターンとし
て記憶する。機能ブロック４はプラント異常診断用電子
計算機によって行われ、ステップで、時々刻々変化す
るプラント状態量のデータを、例えば１回／秒程度の速
度でプラント３から取り込む。プラント異常診断用電子
計算機に入力されたデータについて、ステップのプラ
ント状態量間の結合様式のパターンの作成の場合と同様
にプラント状態量間の結合様式パターンを作成する。
ステップは、例えば蒸気ドラムの水位計の指示値が通
常のものより小さくなった場合等に異常と判定する。こ
の場合の異常の有・無のしきい値については、第２図に
示すように、水位計の測定ライン（X2）に混入する雑音
によって揺らいでいる値（X2±σx2）よりわずかに大き
なもの（しきい値Ｘ＞X2＋σx2）または小さなもの（し
きい値Ｘ＜X2−σx2）を使用する。
常のものより小さくなった場合等に異常と判定する。こ
の場合の異常の有・無のしきい値については、第２図に
示すように、水位計の測定ライン（X2）に混入する雑音
によって揺らいでいる値（X2±σx2）よりわずかに大き
なもの（しきい値Ｘ＞X2＋σx2）または小さなもの（し
きい値Ｘ＜X2−σx2）を使用する。
なお第２図（イ）はプラント状態量間の結合様式の運転
モード依存性を示す図、第２図（ロ）は第１図の断面図
である。
モード依存性を示す図、第２図（ロ）は第１図の断面図
である。
次にステップで参照用異常時パターンとのパターン照
合を行い、ステップで作成したプラント状態量間の結
合様式のパターンと合致するパターンをプラント異常診
断用電子計算機の外部記憶装置のなかに収納されている
もののなかから選び出す。パターンとパターンを照合さ
せる場合には、ステップで記憶された参照用異常時パ
ターンの主成分の係数とプラント状態量間の関係を示す
テーブルの数値の大きさの比較のみならず、人工知能技
術を利用して、定性的な情報をも扱うことができる。例
えば、Ａの状態量が大きく、Ｂ、Ｃの状態量のものは、
Ａのものの約半分であるといった定性的な情報を利用す
る。これは、最近市販されはじめたZEUS等のエキスパー
ト支援ツールを用いれば、これらの定性的情報を、IF…
THENのプロダクション・ルールで容易に計算機に入力す
ることが可能である。
合を行い、ステップで作成したプラント状態量間の結
合様式のパターンと合致するパターンをプラント異常診
断用電子計算機の外部記憶装置のなかに収納されている
もののなかから選び出す。パターンとパターンを照合さ
せる場合には、ステップで記憶された参照用異常時パ
ターンの主成分の係数とプラント状態量間の関係を示す
テーブルの数値の大きさの比較のみならず、人工知能技
術を利用して、定性的な情報をも扱うことができる。例
えば、Ａの状態量が大きく、Ｂ、Ｃの状態量のものは、
Ａのものの約半分であるといった定性的な情報を利用す
る。これは、最近市販されはじめたZEUS等のエキスパー
ト支援ツールを用いれば、これらの定性的情報を、IF…
THENのプロダクション・ルールで容易に計算機に入力す
ることが可能である。
次に、ステップで参照用異常時パターンの有・無の判
定を行うが、これはステップにおける参照用異常時パ
ターンとのパターン照合の結果、合致したパターンがあ
った場合には、プラント内の警報を点燈させることによ
り行う。合致するものがない場合には、プラント異常診
断の開始時点に戻る。なおプラント異常診断システムを
実際に構築する場合には、合致するパターンが発見され
ない場合には、合致の程度を「確からしさ」として百分
率で示したり、また「確認操作」を運転員に提示する等
の措置をとるようにしてもよい。
定を行うが、これはステップにおける参照用異常時パ
ターンとのパターン照合の結果、合致したパターンがあ
った場合には、プラント内の警報を点燈させることによ
り行う。合致するものがない場合には、プラント異常診
断の開始時点に戻る。なおプラント異常診断システムを
実際に構築する場合には、合致するパターンが発見され
ない場合には、合致の程度を「確からしさ」として百分
率で示したり、また「確認操作」を運転員に提示する等
の措置をとるようにしてもよい。
以上のようにして、例えば原子炉プラントの中性子束、
保有水量、温度、流量、圧力、バルブ開度等の中央制御
室で容易に監視することのできるプラント状態量約30種
類の結合様式の変形形態から、異常原因の同定を行うこ
とができる。
保有水量、温度、流量、圧力、バルブ開度等の中央制御
室で容易に監視することのできるプラント状態量約30種
類の結合様式の変形形態から、異常原因の同定を行うこ
とができる。
第３図はこのような異常診断を行うためのハードウエア
構成を示す図で、11はプラント、12は電子計算機、13は
外部記憶装置、14は警報器であり、それぞれ前述した作
用を行うが、警報器14は、電子計算機12からの異常信号
が入力されたとき、中央制御室のなかの警報燈を点滅さ
せたり、警報ブザーを鳴らせる等してプラントに異常が
発生したことを運転員に知らせるようにすればよい。
構成を示す図で、11はプラント、12は電子計算機、13は
外部記憶装置、14は警報器であり、それぞれ前述した作
用を行うが、警報器14は、電子計算機12からの異常信号
が入力されたとき、中央制御室のなかの警報燈を点滅さ
せたり、警報ブザーを鳴らせる等してプラントに異常が
発生したことを運転員に知らせるようにすればよい。
以上のように本発明によれば、プラントの全体の状態を
総合的に判断するようにしたので、異常診断システムの
規模を小さくし、無用な運転停止を避けることができ、
プラント稼動率を向上させることができると共に、運転
員に適切な操作ガイドを迅速に与え、誤操作の確率を著
しく下げることができ、安全性を向上させることが可能
となる。
総合的に判断するようにしたので、異常診断システムの
規模を小さくし、無用な運転停止を避けることができ、
プラント稼動率を向上させることができると共に、運転
員に適切な操作ガイドを迅速に与え、誤操作の確率を著
しく下げることができ、安全性を向上させることが可能
となる。
第１図はプラントの異常診断の手順を説明するためのブ
ロック図、第２図（イ）はプラント状態量間の結合様式
の運転モード依存性を示す図、第２図（ロ）は第１図の
断面図、第３図は異常診断を行うハードウエア構成を示
すブロック図、第４図はプラント状態量の種類を示す
図、第５図（イ）は給水温度の低下、第５図（ロ）は反
応度の低下、第５図（ハ）は給水流量の低下、第５図
（ニ）は主蒸気流量の増大の場合の各パターンを示す図
である。 １……結合様式作成機能ブロック、２……参照用異常時
パターン記憶機能ブロック、３……プラント、４……プ
ラント異常診断機能ブロック、11……プラント、12……
電子計算機、13……外部記憶装置、14……警報器。
ロック図、第２図（イ）はプラント状態量間の結合様式
の運転モード依存性を示す図、第２図（ロ）は第１図の
断面図、第３図は異常診断を行うハードウエア構成を示
すブロック図、第４図はプラント状態量の種類を示す
図、第５図（イ）は給水温度の低下、第５図（ロ）は反
応度の低下、第５図（ハ）は給水流量の低下、第５図
（ニ）は主蒸気流量の増大の場合の各パターンを示す図
である。 １……結合様式作成機能ブロック、２……参照用異常時
パターン記憶機能ブロック、３……プラント、４……プ
ラント異常診断機能ブロック、11……プラント、12……
電子計算機、13……外部記憶装置、14……警報器。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ２１Ｃ 17/00
Claims (2)
- 【請求項１】プラントで発生する異常を診断する方法に
おいて、 プラント異常時のプラント状態量をシミュレーションに
より求める段階、 求めたプラント状態量を正規化した値をx1〜xpとし、次
式 y1＝h11x1＋h21x2＋……＋hp1xp y2＝h12x1＋h22x2＋……＋hp2xp ……………………………………… yf＝h1fx1＋h2fx2＋……＋hpfxp ……………………………………… ym＝h1mx1＋h2mx2＋……＋hpmxp （ｍ≦ｐ） h1j2＋h2j2＋……＋hpj2＝１（ｊ＝１、２、… …ｍ） によりx1〜xpの一次結合で主成分y1〜ymを定義して多変
量解析し、各プラント状態量x1〜xp、主成分y1〜ymに対
する係数h11〜hpmの値の組み合わせによりプラント状態
量間の結合様式を示す参照用異常時パターンを作成する
段階、 時々刻々更新されるプラント状態量から、上記多変量解
析により各プラント状態量x1〜xp、主成分y1〜ymに対す
る係数h11〜hpmの値の組み合わせによりプラント状態量
間の結合様式を示す実パターンを作成する段階、及び 実パターンと参照用異常時パターンとを照合する段階、 からなることを特徴とするプラントの異常診断方法。 - 【請求項２】前記パターンの照合は、プロダクションル
ールを用いて行う特許請求の範囲第１項記載のプラント
の異常診断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27810686A JPH0731545B2 (ja) | 1986-11-21 | 1986-11-21 | プラントの異常診断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27810686A JPH0731545B2 (ja) | 1986-11-21 | 1986-11-21 | プラントの異常診断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS63132312A JPS63132312A (ja) | 1988-06-04 |
| JPH0731545B2 true JPH0731545B2 (ja) | 1995-04-10 |
Family
ID=17592711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27810686A Expired - Lifetime JPH0731545B2 (ja) | 1986-11-21 | 1986-11-21 | プラントの異常診断方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0731545B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3016468B2 (ja) * | 1995-03-30 | 2000-03-06 | 株式会社三協精機製作所 | 磁電変換装置 |
| US8892382B2 (en) * | 2011-09-26 | 2014-11-18 | General Electric Company | Systems and methods for condition-based power plant sensor calibration |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58119008A (ja) * | 1982-01-11 | 1983-07-15 | Hitachi Ltd | 事故原因自動判定装置 |
| JPS59180606A (ja) * | 1983-03-31 | 1984-10-13 | Nippon Atom Ind Group Co Ltd | プラント異常診断方法 |
-
1986
- 1986-11-21 JP JP27810686A patent/JPH0731545B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS63132312A (ja) | 1988-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4563746A (en) | Method of operating power plants | |
| JP5357389B2 (ja) | 原子炉運転に関する作動限界までのマージンを判定する方法 | |
| Kim | Computerized systems for on-line management of failures: a state-of-the-art discussion of alarm systems and diagnostic systems applied in the nuclear industry | |
| Kim et al. | Nuclear power plant fault diagnosis using neural networks with error estimation by series association | |
| Ramezani et al. | Evaluation of the performance of different feature selection techniques for identification of NPPs transients using deep learning | |
| Cheon et al. | Development strategies of an expert system for multiple alarm processing and diagnosis in nuclear power plants | |
| JPH0731545B2 (ja) | プラントの異常診断方法 | |
| Ma et al. | Common-Cause Component Group Modeling Issues in Probabilistic Risk Assess | |
| WEI et al. | A validation method for emergency operating procedures of nuclear power plants based on dynamic multi-level flow modeling | |
| JPH0656640B2 (ja) | プラントの異常診断方式 | |
| Xiong et al. | Dynamic Safety Margin Analysis Method Based on Mean Shift Clustering | |
| Arunprasath et al. | kNN based machine learning model for transient detection in nuclear reactors | |
| Bucci et al. | Incorporation of Markov reliability models for digital instrumentation and control systems into existing PRAs | |
| JPS59161707A (ja) | プラントの運転操作ガイド装置 | |
| Liao et al. | Development of a Knowledge-Based System for Loop Diagnosis | |
| JP2650053B2 (ja) | 知識ベースを用いた測定データの処理装置 | |
| Guarro et al. | ACCIDENT MANAGEMENT ADVISOR SYSTEM (AMAS) | |
| CN116520798A (zh) | 调节门故障诊断方法、装置、设备及存储介质 | |
| Kang et al. | Development strategies on an integrated operator decision aid support system for nuclear power plants | |
| Martin et al. | Deep knowledge expert system for diagnosis of multiple-failure severe transients in nuclear power plant | |
| Huget et al. | Ontario Hydro experience in the identification and mitigation of potential failures in safety critical software systems | |
| Schroeder | I&C Modeling in SPAR Models | |
| Svenson | A Psychological Perspective on Accident | |
| Kumar et al. | Probabilistic safety assessment (PSA) of a safety critical system: a case study of a nuclear power plant | |
| Kim et al. | Operator Response Time Analysis Method for Important Human Actions |