JPS59229622A - プラント診断装置 - Google Patents
プラント診断装置Info
- Publication number
- JPS59229622A JPS59229622A JP58102736A JP10273683A JPS59229622A JP S59229622 A JPS59229622 A JP S59229622A JP 58102736 A JP58102736 A JP 58102736A JP 10273683 A JP10273683 A JP 10273683A JP S59229622 A JPS59229622 A JP S59229622A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- abnormality
- residual
- whiteness
- model
- 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.)
- Granted
Links
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
- G05B23/0243—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
- G05B23/0254—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 quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/003—Arrangements for measuring or testing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/02—Controlling, e.g. stopping or starting
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔発明の技術分野〕
本発明は発電グランド等のプラントの診断を行なうプラ
ント診断装置に関する。
ント診断装置に関する。
近年、発電プラント等のプラントプロセスに対し各種の
プラント診断手法が検討され、また、それらに関する研
究も活発に行なわれており、例えば各種の数学モデルを
プラント診断に適用した例も種々発表されている。しか
し、これらは予め同定試験等で獲得した診断対象の数学
モデルを単に異常発生の有無に関するプラント診断にの
み適用したものであシ、各種の状態量の異常発生の有無
はとらえることができても、その原因たる故障源に対す
る情報も含めてオンラインで、かつ、ダイナミックつま
り時間関数として、異常レベルの推移を連続的に監視で
きるようなグランド診断装置は実現されていなかった。
プラント診断手法が検討され、また、それらに関する研
究も活発に行なわれており、例えば各種の数学モデルを
プラント診断に適用した例も種々発表されている。しか
し、これらは予め同定試験等で獲得した診断対象の数学
モデルを単に異常発生の有無に関するプラント診断にの
み適用したものであシ、各種の状態量の異常発生の有無
はとらえることができても、その原因たる故障源に対す
る情報も含めてオンラインで、かつ、ダイナミックつま
り時間関数として、異常レベルの推移を連続的に監視で
きるようなグランド診断装置は実現されていなかった。
本発明は上記の点に鑑み、異常状態発生原因たる故障源
に対する情報も含めてプラントの異常を外部に舒報出力
することのできるプラント診断装置を提供することを目
的とする。
に対する情報も含めてプラントの異常を外部に舒報出力
することのできるプラント診断装置を提供することを目
的とする。
このため、本発明はプラントシステム全体を数学モデル
で表現したプラント診断モデルを作り、そこから算出さ
れる推定値と、実際値とを刻々比較することによシ、各
操作量、状態量等の各プラント値の残差列を求め、その
残差列の相互相関関数から白色性検定指標を計算し、そ
の大きさを調べて1つのプラント値に影響を及ばず他の
プラント値の異常状態を判定し、更に異常と判定された
プラント値の残差列の自己相関関数から同様にしてその
プラント値が実際に異常が否が判定することによシ故障
源を見い出し、オペレータに警報出力するようにしたこ
とを特徴としている。
で表現したプラント診断モデルを作り、そこから算出さ
れる推定値と、実際値とを刻々比較することによシ、各
操作量、状態量等の各プラント値の残差列を求め、その
残差列の相互相関関数から白色性検定指標を計算し、そ
の大きさを調べて1つのプラント値に影響を及ばず他の
プラント値の異常状態を判定し、更に異常と判定された
プラント値の残差列の自己相関関数から同様にしてその
プラント値が実際に異常が否が判定することによシ故障
源を見い出し、オペレータに警報出力するようにしたこ
とを特徴としている。
以下、本発明を図面に示す実施例を参照して説明する。
第1図は本発明の一実施例に係るプラント診断システム
の構成図を示したもので、11は発電プラント、12は
発電プラント11よシフイードバックされるプラント状
態量を入力し、発電プラント11に対し通常のPID制
御を加えるアナログ制御装置(以下、APCと言う)で
ある。とのAPC12が発電プラント11を制御してい
る状態全体をここでは制御対象13と称し、それを自己
回帰モデル(以下、ARモデルと言う)等の数学モデル
で表現したのが制御モデル14である。
の構成図を示したもので、11は発電プラント、12は
発電プラント11よシフイードバックされるプラント状
態量を入力し、発電プラント11に対し通常のPID制
御を加えるアナログ制御装置(以下、APCと言う)で
ある。とのAPC12が発電プラント11を制御してい
る状態全体をここでは制御対象13と称し、それを自己
回帰モデル(以下、ARモデルと言う)等の数学モデル
で表現したのが制御モデル14である。
ここで、ARモデルとは、グランド状態量(時系列)X
(s)を下記(1)式で表現したもののととである0 X(s)=ΣA(m)X(a−m)+IJ(8) −
(1)訂F1 (但し、門は次数、U(8)は白色雑音列、8はサンプ
リング時点を表わす) しかし、制御モデル14としてはこのARモデルのみに
限ることなく、例えばARMRモデル等、各種の数学モ
デルを使用し得ることは言う迄もない。
(s)を下記(1)式で表現したもののととである0 X(s)=ΣA(m)X(a−m)+IJ(8) −
(1)訂F1 (但し、門は次数、U(8)は白色雑音列、8はサンプ
リング時点を表わす) しかし、制御モデル14としてはこのARモデルのみに
限ることなく、例えばARMRモデル等、各種の数学モ
デルを使用し得ることは言う迄もない。
換言すれば、本発明は制御モデル14の中身には無関係
である。
である。
15はそのような制御モデル14を用いて発電プラント
11を最適制御するだめのディジタル制御袋R(以下、
DDCと言う)で、APC12からのフィードバック信
号を入力し、APC12が発電グランド11を制御して
いる状態全体をARモデルで表わした制御モデル14に
基づき、発電プラントを最適状態にするためAPC12
出力を補正するものである。
11を最適制御するだめのディジタル制御袋R(以下、
DDCと言う)で、APC12からのフィードバック信
号を入力し、APC12が発電グランド11を制御して
いる状態全体をARモデルで表わした制御モデル14に
基づき、発電プラントを最適状態にするためAPC12
出力を補正するものである。
即ち、このときの制御の様子を1変数(1プラント値)
について示したのが第2図であり、制御モデル14に基
づきDDC15で演算したDDC出力をアナログメモリ
16を介してアナログ信号に変換保持した上、加算器1
7に入力し、APC出力に加算する。その加算出力によ
シ各操作端毎に設けられている設定器18に目標値を与
え、発電グランド11におけるバルブ、ポンプ等の各操
作端を目標値通シに制御している。
について示したのが第2図であり、制御モデル14に基
づきDDC15で演算したDDC出力をアナログメモリ
16を介してアナログ信号に変換保持した上、加算器1
7に入力し、APC出力に加算する。その加算出力によ
シ各操作端毎に設けられている設定器18に目標値を与
え、発電グランド11におけるバルブ、ポンプ等の各操
作端を目標値通シに制御している。
しかし、制御方式は上述のものだけに限ることなく、例
えばDDC15でAPC12の制御パラメータを制御す
る等、種々の制御形態を取り得る。換言すれば、本発明
は制御方式自体にも無関係であるO 更に、以上全体部ち発電プラン) 11 、APC12
、制御モデル14、DDC15を含む制御システム全体
を本実施例では診断対象19と呼び、これを数学そデル
で表現したのがプラント診断モデル20である。即ち、
プラント診断モデル20はAPC12、DDC15の両
者が発電グランド11を制御している状態において、例
えば負荷指令値をM系列(Markov時系列)信号等
を用いてランダムに変動させ、診断対象19を同定して
数学モデルに表現したものである。また、このグランド
診断モデル20を使りて診断対象19の異常を診断する
のがプラント診断部21である。即ち、プラント診断部
21はAPC12とDDC15の両者が発電プラント1
1に対し出力している操作信号の総和と発電プラント1
1からのフィードバック信号とをとυ入れ、これらの値
とプラント診断モデル20からの推定値との偏差信号か
ら求まる残差列の白色性を検定するととによシ、故障の
発生の有無、故障の影響で異常になっている個所を検出
し、オペレータに知らせるものである。プラント診断装
置22はこれらプラント診断モデル20とプラント診断
部21よシ措成される。
えばDDC15でAPC12の制御パラメータを制御す
る等、種々の制御形態を取り得る。換言すれば、本発明
は制御方式自体にも無関係であるO 更に、以上全体部ち発電プラン) 11 、APC12
、制御モデル14、DDC15を含む制御システム全体
を本実施例では診断対象19と呼び、これを数学そデル
で表現したのがプラント診断モデル20である。即ち、
プラント診断モデル20はAPC12、DDC15の両
者が発電グランド11を制御している状態において、例
えば負荷指令値をM系列(Markov時系列)信号等
を用いてランダムに変動させ、診断対象19を同定して
数学モデルに表現したものである。また、このグランド
診断モデル20を使りて診断対象19の異常を診断する
のがプラント診断部21である。即ち、プラント診断部
21はAPC12とDDC15の両者が発電プラント1
1に対し出力している操作信号の総和と発電プラント1
1からのフィードバック信号とをとυ入れ、これらの値
とプラント診断モデル20からの推定値との偏差信号か
ら求まる残差列の白色性を検定するととによシ、故障の
発生の有無、故障の影響で異常になっている個所を検出
し、オペレータに知らせるものである。プラント診断装
置22はこれらプラント診断モデル20とプラント診断
部21よシ措成される。
第3図はそのプラント診断部21の詳細構成を示したも
ので、211は残差列計算手段、212は残差列白色性
検定手段、213は記憶装置、214は表示装置、21
5は異常判定手段、216は故障源決定手段、217は
警報装置である。
ので、211は残差列計算手段、212は残差列白色性
検定手段、213は記憶装置、214は表示装置、21
5は異常判定手段、216は故障源決定手段、217は
警報装置である。
診断対象19から今回プラント診断部21に加えられる
ノラント操作信号や状態信号等のプラント信号は残差列
計算手段211からプラント診断モデル20に入力され
、そこで次回の推定値が演算されて残差列計算手段21
1に戻される。
ノラント操作信号や状態信号等のプラント信号は残差列
計算手段211からプラント診断モデル20に入力され
、そこで次回の推定値が演算されて残差列計算手段21
1に戻される。
残差列計算手段211はこれらプラント診断モデル20
からの推定値と診断対象19からの読み込み値とから、
残差列gi(iはプラント診断モデルの項目番号)即ち
各プラント量についての推定値と実際値の偏差の時経列
を求めるもので、その残差列giは残差列白色性検定手
段212に出力される。
からの推定値と診断対象19からの読み込み値とから、
残差列gi(iはプラント診断モデルの項目番号)即ち
各プラント量についての推定値と実際値の偏差の時経列
を求めるもので、その残差列giは残差列白色性検定手
段212に出力される。
残差列白色性検定手段212は残差列計算手段211よ
シ出力される残差列εiを入力とし、残差列の白色性を
検定するものである。検定は、残差列εlに対して本実
施例では一次の多変数自己回帰モデルを当てはめ、白色
性検定指標A/Lijとして下記(2)式で示すように
ε最の相関関数を用いて行なっている。
シ出力される残差列εiを入力とし、残差列の白色性を
検定するものである。検定は、残差列εlに対して本実
施例では一次の多変数自己回帰モデルを当てはめ、白色
性検定指標A/Lijとして下記(2)式で示すように
ε最の相関関数を用いて行なっている。
Σε1(II)・ ε1(i+1)
S帽
ここで、jもi同様グランド診断モデルの項目番号であ
る。また、Sはサンシリンダ時点、Nは相関関数を計算
するデータ個数である。尚、i’:jのとき上記(2)
式は相互相関関数を表わす。
る。また、Sはサンシリンダ時点、Nは相関関数を計算
するデータ個数である。尚、i’:jのとき上記(2)
式は相互相関関数を表わす。
即ち、診断対象19が正常であれば、偏差が生じるのは
発電プラント11に外乱が加わったときのみとなるので
、残差列εiは通常ランダムな値となり白色性を有する
が、診断対象19に何らかの異常が生じれば残差列ε1
が規則性を有するようになる。この残差列εlの規則性
を検定する指標となるのが白色性検定指標であり、Mi
jは残差列glが残差列−にかかわっている度合を示し
、無関係であればOとなる。また、Mllは自己相関関
数を表わし、残差列6皿自身の白色性検定指標となる。
発電プラント11に外乱が加わったときのみとなるので
、残差列εiは通常ランダムな値となり白色性を有する
が、診断対象19に何らかの異常が生じれば残差列ε1
が規則性を有するようになる。この残差列εlの規則性
を検定する指標となるのが白色性検定指標であり、Mi
jは残差列glが残差列−にかかわっている度合を示し
、無関係であればOとなる。また、Mllは自己相関関
数を表わし、残差列6皿自身の白色性検定指標となる。
記憶装置213は白色性検定指標A/、ijを順次入力
し、一定容量分をエンドレスに記録更新するものであシ
、表示装置214はその記憶した白色性検定指標At1
jを異常時等の必要な時期に履歴(トレンド)表示する
ものである。
し、一定容量分をエンドレスに記録更新するものであシ
、表示装置214はその記憶した白色性検定指標At1
jを異常時等の必要な時期に履歴(トレンド)表示する
ものである。
異常判定手段215は残差列白色性検定手段212より
白色性検定指標A71jを入力し、白色性検定指標A7
.ljがある値ARI、より大きくなったとき異常と判
定する。ある値ARLは、後述するように異常判定の感
度と誤判定の割合とから決定されるものである。
白色性検定指標A71jを入力し、白色性検定指標A7
.ljがある値ARI、より大きくなったとき異常と判
定する。ある値ARLは、後述するように異常判定の感
度と誤判定の割合とから決定されるものである。
故障源決定手段216は、残差列白色性検定手段212
からの白色性検定指標At1jと異常判定手段215か
らの異常ケ所のプラント状態量および操作量に対応した
番号を入力し、故障源を決定するものである。特に、自
己相関関数と呼ばれる白色性検定指標ALilを故障源
決定の指標としている。
からの白色性検定指標At1jと異常判定手段215か
らの異常ケ所のプラント状態量および操作量に対応した
番号を入力し、故障源を決定するものである。特に、自
己相関関数と呼ばれる白色性検定指標ALilを故障源
決定の指標としている。
警報装置217は、異常判定手段215と故障源決定手
段216からの異常、情報をオペレータに知らせる警報
装置である。
段216からの異常、情報をオペレータに知らせる警報
装置である。
以上の構成で、今診断対象19からプラント診断装置2
2にプラント量として3つの操作量と4つの状態量が入
力される場合について説明する。
2にプラント量として3つの操作量と4つの状態量が入
力される場合について説明する。
また、上記3つの操作量は水燃比(項目番号1)、RH
(再熱器)ガスダンパ(項目番号2)、SH(主加熱器
)スプレー(項目番号3)とし、4つの状態量は負荷指
令値(項目番号4)、SH出口温度(項目番号5)、R
H出口温度(項目番号6)、主蒸気温度(項目番号7)
とする。
(再熱器)ガスダンパ(項目番号2)、SH(主加熱器
)スプレー(項目番号3)とし、4つの状態量は負荷指
令値(項目番号4)、SH出口温度(項目番号5)、R
H出口温度(項目番号6)、主蒸気温度(項目番号7)
とする。
上記7つのプラント量がプラント診断部21に入力する
と、残差列計算手段211はそれらプラント量をプラン
ト診断モデル20に出力すると共に、前回の出力に応じ
てプラント診断モデル20で計算して得られる各プラン
ト量の推定値を取シ込み、今回診断対象19よシ入力す
るプラント量と比較し、各プラント量の残差列ξ1を演
算し、残差列白色性検定手段212に出力する。
と、残差列計算手段211はそれらプラント量をプラン
ト診断モデル20に出力すると共に、前回の出力に応じ
てプラント診断モデル20で計算して得られる各プラン
ト量の推定値を取シ込み、今回診断対象19よシ入力す
るプラント量と比較し、各プラント量の残差列ξ1を演
算し、残差列白色性検定手段212に出力する。
残差列白色性検定手段212はこれら各残差列ε1を取
り込み、前記(2)式に基づいて、各項目相互間の関係
と異常、正常を判定するだめの白色性検定指標AAij
を計算し、記憶装置213、異常判定手段215、故障
源決定手段216へ出力する。このとき、実プラントで
は実際には起こシ得ない異常例えば1項目番号60RH
出ロ温度が項目番号3のSHスプレーに異常の影響を及
はす」など、状態量から操作量に対する白色性検定座標
鳩3等などの計算は予め除外しておくことにより、異常
検出動作の無駄を省くことができる。更に、7つのプラ
ント量を操作量と状態量とに分類し、i=1〜3、j=
4〜7として白色性検定座標AAijを求めれば、状態
量異常となる原因の操作量を簡単に決定するとともでき
るようになる。
り込み、前記(2)式に基づいて、各項目相互間の関係
と異常、正常を判定するだめの白色性検定指標AAij
を計算し、記憶装置213、異常判定手段215、故障
源決定手段216へ出力する。このとき、実プラントで
は実際には起こシ得ない異常例えば1項目番号60RH
出ロ温度が項目番号3のSHスプレーに異常の影響を及
はす」など、状態量から操作量に対する白色性検定座標
鳩3等などの計算は予め除外しておくことにより、異常
検出動作の無駄を省くことができる。更に、7つのプラ
ント量を操作量と状態量とに分類し、i=1〜3、j=
4〜7として白色性検定座標AAijを求めれば、状態
量異常となる原因の操作量を簡単に決定するとともでき
るようになる。
次に、異常判定手段215では前記AL1jがある値A
RL以下であるかどうかを判別し、越えていれば異常と
判定する。
RL以下であるかどうかを判別し、越えていれば異常と
判定する。
ある値ARLはしきい値であるが、計算に用いられた残
差の数によって計算される関数値である。
差の数によって計算される関数値である。
また、誤診断をさけるため1回越えただけでは異常とせ
ず、連続してn回越えると異常と判定する。
ず、連続してn回越えると異常と判定する。
nはARLの値によシ決められる。この方法によると、
診断の感度を下げずに誤診断を防ぐことが可能となる。
診断の感度を下げずに誤診断を防ぐことが可能となる。
例えば今、ARLIを誤診断確率5チの値に、またn
= 3と設定する。すると、連続3回ARL 1を越え
たときの誤診断確率は、(0,05)3−0.0015
となる。これは第4図に示すように初めからARLの値
をARL2=0.OO125と設定した時に比べてはる
かに速く異常をとらえることができるため、診断の感度
を下げることはなく、誤診断を防ぐことが可能となる。
= 3と設定する。すると、連続3回ARL 1を越え
たときの誤診断確率は、(0,05)3−0.0015
となる。これは第4図に示すように初めからARLの値
をARL2=0.OO125と設定した時に比べてはる
かに速く異常をとらえることができるため、診断の感度
を下げることはなく、誤診断を防ぐことが可能となる。
今、At26がARE、を連続n回越えたこととすると
、異常判定手段215はRHガスダンパーがRH出口温
度に対し、影響を与えた異常と判定する。
、異常判定手段215はRHガスダンパーがRH出口温
度に対し、影響を与えた異常と判定する。
次の故障源決定手段216では、異常判定手段215で
の判定結果からAm2を残差列白色性検定手段212よ
シ取シ込み、異常判定と同様な手法によシ故障源を決定
する。この結果、At22が異常値になったとすると、
RHガスダンパー故障と決定し、音声出力装置、表
示装置、印字装置等の警報装置217に通知する。これ
により、警報装置217は[R)fガスダンパーが故障
、RH出口温度に異常の影響あシ」とオペレーターに出
力する。
の判定結果からAm2を残差列白色性検定手段212よ
シ取シ込み、異常判定と同様な手法によシ故障源を決定
する。この結果、At22が異常値になったとすると、
RHガスダンパー故障と決定し、音声出力装置、表
示装置、印字装置等の警報装置217に通知する。これ
により、警報装置217は[R)fガスダンパーが故障
、RH出口温度に異常の影響あシ」とオペレーターに出
力する。
このようにして、従来のように単にプラント状態量の異
常を警報表示するだけでなく、その故障源をも判定し、
警報表示するため、プラント異常に迅速に対処し、異常
を最小限に止めることができるようになる。
常を警報表示するだけでなく、その故障源をも判定し、
警報表示するため、プラント異常に迅速に対処し、異常
を最小限に止めることができるようになる。
一方、記憶装置213では残差列白色性検定手段212
から出力される白色性検定座標AAijを記憶し、表示
装置214へ履歴(トレンド)出力することにより、単
に異常の発生の有無ばかりでなく、異常の傾向をとらえ
ることがで、き、異常の早期発見を行なうことができる
ようになる。
から出力される白色性検定座標AAijを記憶し、表示
装置214へ履歴(トレンド)出力することにより、単
に異常の発生の有無ばかりでなく、異常の傾向をとらえ
ることがで、き、異常の早期発見を行なうことができる
ようになる。
尚、(1)、上記実施例では発電プラントに適用した場
合を例にとって説明しだが、本発明はこれに限らず各種
プラントの異常診断に適用し得ることは言う迄もない。
合を例にとって説明しだが、本発明はこれに限らず各種
プラントの異常診断に適用し得ることは言う迄もない。
(2)、プラント診断に使用するプラント状態量を上記
実施例では発電プラント11がら直接数シ込むようにし
たが、これらの状態量はAPo 12人力としても準備
されるため、APC12から入力してもよい。
実施例では発電プラント11がら直接数シ込むようにし
たが、これらの状態量はAPo 12人力としても準備
されるため、APC12から入力してもよい。
(3)、プラント診断モデルの同定にあたっては、特定
のプラント状態量である負荷指令値をランダムに変動さ
せ、診断対象19の数学モデルを導出したが、これがど
のようなプラントにおいても負荷指令値であるというこ
とではなく、診断対象19の特性に応じて種々のプラン
ト状態量が選定できるのは言う迄もない。
のプラント状態量である負荷指令値をランダムに変動さ
せ、診断対象19の数学モデルを導出したが、これがど
のようなプラントにおいても負荷指令値であるというこ
とではなく、診断対象19の特性に応じて種々のプラン
ト状態量が選定できるのは言う迄もない。
(4)、プラント診断モデルの同定にM系列信号等のラ
ンダム信号を用いたが、他のランダム信号で同定するこ
とも可能である。
ンダム信号を用いたが、他のランダム信号で同定するこ
とも可能である。
(5)、更に、診断対象21に取って一番大きな影響を
与える状態変数(第3図の場合は負荷指令値)に対し、
ランダム変動だけではなくステップ状の信号あるいはラ
ング状の信号を加えた場合にプラント診断モデル20に
基づく、白色性検定指標Aijの変動を予めテストする
ことにより、しきい値ARLO値を各状態量ごとに別途
定めておくこともできる。
与える状態変数(第3図の場合は負荷指令値)に対し、
ランダム変動だけではなくステップ状の信号あるいはラ
ング状の信号を加えた場合にプラント診断モデル20に
基づく、白色性検定指標Aijの変動を予めテストする
ことにより、しきい値ARLO値を各状態量ごとに別途
定めておくこともできる。
(6)、しきい値ARLO値を固定としたが、大きな負
荷変化等の計測できる外乱が診断対象19に加わった場
合、誤診断の可能性を低減させるため、しきい値ARL
を計測できる外乱の変動に応じて可変とすることもでき
る。
荷変化等の計測できる外乱が診断対象19に加わった場
合、誤診断の可能性を低減させるため、しきい値ARL
を計測できる外乱の変動に応じて可変とすることもでき
る。
(7)、第3図において、表示装置214への白色性検
定指標A/Sljの出力を、第4図に示したようなオン
ライン、かつ、ダイナミックな変化として表現すること
により、診断対象19の異常を1つのトレンドとしてと
らえることができ、診断の予知に使用することができる
。
定指標A/Sljの出力を、第4図に示したようなオン
ライン、かつ、ダイナミックな変化として表現すること
により、診断対象19の異常を1つのトレンドとしてと
らえることができ、診断の予知に使用することができる
。
(8)、診断結果が異状レベルの上昇ということで、事
前にとらえられるとオペレーターへの注意を喚起するた
め、規定の変化率でしきい値AI、INへ近づきつつあ
る状態量を自動的にオペレーターに報知することもでき
る。
前にとらえられるとオペレーターへの注意を喚起するた
め、規定の変化率でしきい値AI、INへ近づきつつあ
る状態量を自動的にオペレーターに報知することもでき
る。
以上のように本発明によれば、制御しながら、その制御
をしている状況をも含めて全プラントの診断を行なうこ
とができる。また、異常状態だけでなく、その原因とな
る故障源を発見することができる。この結果、プラント
異常に対し早期に対処し、その影響を最小限に止めるこ
とができる。
をしている状況をも含めて全プラントの診断を行なうこ
とができる。また、異常状態だけでなく、その原因とな
る故障源を発見することができる。この結果、プラント
異常に対し早期に対処し、その影響を最小限に止めるこ
とができる。
更に、プラントの特性が経年変化により変わった場合は
、プラントが正常であっても制御モデルと異なってくる
ので、これを発見して制御系を調整するなどにより、常
に適正なプラント出力が得られるようになる。
、プラントが正常であっても制御モデルと異なってくる
ので、これを発見して制御系を調整するなどにより、常
に適正なプラント出力が得られるようになる。
第1図は本発明の一実施例に係るプラント診断システム
の構成図、第2図は第1図の発電プラントに入力する操
作量の詳細説明図、第3図は第1図のプラント診断部の
詳細41〜成図、第4図はアラームレベルの選び方によ
る異常診断出力酸、門口である。 11・・・発電プラント、12・・・アナログ制御装置
(hpc )、13・・・fljlJ御対象、14・・
・制御モデル、15・・・ディジタル制御装置(DDC
)、16・・・アナログメモリ、17・・・加q−器、
18・・・設定器、19・・・診断対象、20・・・プ
ラント診断モデル、21・・・プラント診断1〜IS、
22・・・プラント診断装fL211・・・残差列言1
)7手段、212・・・残差列白色性検定手段、213
・・・記憶装置直、214・・・表示装置、215・・
・異常判定手段、216・・・故障源決定手段、217
・・・升報装置。 第1図 第2図 第3図 第4図
の構成図、第2図は第1図の発電プラントに入力する操
作量の詳細説明図、第3図は第1図のプラント診断部の
詳細41〜成図、第4図はアラームレベルの選び方によ
る異常診断出力酸、門口である。 11・・・発電プラント、12・・・アナログ制御装置
(hpc )、13・・・fljlJ御対象、14・・
・制御モデル、15・・・ディジタル制御装置(DDC
)、16・・・アナログメモリ、17・・・加q−器、
18・・・設定器、19・・・診断対象、20・・・プ
ラント診断モデル、21・・・プラント診断1〜IS、
22・・・プラント診断装fL211・・・残差列言1
)7手段、212・・・残差列白色性検定手段、213
・・・記憶装置直、214・・・表示装置、215・・
・異常判定手段、216・・・故障源決定手段、217
・・・升報装置。 第1図 第2図 第3図 第4図
Claims (1)
- 【特許請求の範囲】 (リ プラントシステム全体を数学モデルで表現したプ
ラント診断モデルと、このプラント診断モデルによシ算
出された推定値と前記プラントシステムからの実プラン
ト値とから残差列を求める残差列計算手段と、この残差
列計算手段からの残差列の白色性を検定する残差列白色
性検定手段と、この残差列白色性検定手段によシ算出さ
れた白色゛性検定指標によシ異常を判定する異常判定手
段と、前記白色性検定指標と前記異常判定結果に基づき
故障源を決定する故障源決定手段とを備え、異常判定結
果と故障源判定結果を警報出力することを特徴とするグ
ランド診断装置。 (2、特許請求の範囲第1項記載において、前記白色性
検定指標を順次更新しながら絶えず所定量記憶する記憶
装置と、その記憶装置に記憶された白色性検定指標を履
歴表示する表示装置とを備えることを特徴とするプラン
ト診断装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP58102736A JPS59229622A (ja) | 1983-06-10 | 1983-06-10 | プラント診断装置 |
AU29190/84A AU546309B2 (en) | 1983-06-10 | 1984-06-07 | Diagnosing a thermal power plant system |
US06/618,713 US4630189A (en) | 1983-06-10 | 1984-06-08 | System for determining abnormal plant operation based on whiteness indexes |
DE3421522A DE3421522C2 (de) | 1983-06-10 | 1984-06-08 | Verfahren und Einrichtung zur Diagnose eines Wärmekraftwerks |
GB08414866A GB2142758B (en) | 1983-06-10 | 1984-06-11 | Method and system for diagnosing a thermal power plant system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP58102736A JPS59229622A (ja) | 1983-06-10 | 1983-06-10 | プラント診断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPS59229622A true JPS59229622A (ja) | 1984-12-24 |
JPH0447842B2 JPH0447842B2 (ja) | 1992-08-05 |
Family
ID=14335524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP58102736A Granted JPS59229622A (ja) | 1983-06-10 | 1983-06-10 | プラント診断装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US4630189A (ja) |
JP (1) | JPS59229622A (ja) |
AU (1) | AU546309B2 (ja) |
DE (1) | DE3421522C2 (ja) |
GB (1) | GB2142758B (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6270914A (ja) * | 1985-09-24 | 1987-04-01 | Toshiba Corp | プラント診断装置 |
JP2010519636A (ja) * | 2007-02-27 | 2010-06-03 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 連続工業プロセスでの異常事象検出のために推論計測を使用する方法およびシステム |
JP2016014945A (ja) * | 2014-07-01 | 2016-01-28 | アズビル株式会社 | Pidコントローラおよびデータ収集方法 |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4642782A (en) * | 1984-07-31 | 1987-02-10 | Westinghouse Electric Corp. | Rule based diagnostic system with dynamic alteration capability |
US4644479A (en) * | 1984-07-31 | 1987-02-17 | Westinghouse Electric Corp. | Diagnostic apparatus |
US4773028A (en) * | 1984-10-01 | 1988-09-20 | Tektronix, Inc. | Method and apparatus for improved monitoring and detection of improper device operation |
DE3608689A1 (de) * | 1986-03-15 | 1987-09-17 | Buderus Ag | Verfahren zum ermitteln und anzeigen der effektivitaet eines waermeerzeugers |
US4847793A (en) * | 1986-09-24 | 1989-07-11 | The Babcock & Wilcox Company | Updating physical property correlations with laboratory data |
EP0291553B1 (de) * | 1987-05-21 | 1991-07-10 | Carl Schenck Ag | Verfahren zur Regelung einer Differential-Dosierwaage, insbesondere für Schüttgüter, und Differential-Dosierwaage zur Durchführung des Verfahrens |
US5402521A (en) * | 1990-02-28 | 1995-03-28 | Chiyoda Corporation | Method for recognition of abnormal conditions using neural networks |
US5339257A (en) * | 1991-05-15 | 1994-08-16 | Automated Technology Associates Inc. | Real-time statistical process monitoring system |
WO1993012332A1 (en) * | 1991-12-19 | 1993-06-24 | Caterpillar Inc. | Method for diagnosing an engine using computer based models |
US5566092A (en) * | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Machine fault diagnostics system and method |
US5457625A (en) * | 1994-04-13 | 1995-10-10 | The M. W. Kellogg Company | Maximizing process production rates using permanent constraints |
US5913184A (en) * | 1994-07-13 | 1999-06-15 | Siemens Aktiengesellschaft | Method and device for diagnosing and predicting the operational performance of a turbine plant |
DE4424743C2 (de) * | 1994-07-13 | 1996-06-20 | Siemens Ag | Verfahren und Vorrichtung zur Diagnose und Prognose des Betriebsverhaltens einer Turbinenanlage |
US5486997A (en) * | 1994-08-04 | 1996-01-23 | General Electric Company | Predictor algorithm for actuator control |
EP0708389B1 (en) * | 1994-10-18 | 2000-02-16 | Neles-Jamesbury Oy | Method and apparatus for detecting a fault of a control valve assembly in a control loop |
US5604306A (en) * | 1995-07-28 | 1997-02-18 | Caterpillar Inc. | Apparatus and method for detecting a plugged air filter on an engine |
US5585553A (en) * | 1995-07-28 | 1996-12-17 | Caterpillar Inc. | Apparatus and method for diagnosing an engine using a boost pressure model |
US5646341A (en) * | 1995-07-28 | 1997-07-08 | Caterpillar Inc. | Apparatus and method for diagnosing an engine using an oil pressure model |
DE19609734A1 (de) * | 1996-03-13 | 1997-06-05 | Siemens Ag | Verfahren zur Ermittlung der Effektivität von einen Prozeß charakterisierenden Maßnahmen |
US5901059A (en) * | 1996-09-13 | 1999-05-04 | Honeywell Measurex Corp | Method and apparatus for controlling a process using adaptive prediction feedback |
DE29617200U1 (de) | 1996-10-02 | 1997-11-06 | Siemens Ag | Vorrichtung zur prädiktiven Diagnose der aktuellen Güte des technischen Arbeitsergebnisses einer technischen Anlage, insbesondere der aktuellen Güte der Schweißpunkte eines Punktschweißroboters |
DE19732046A1 (de) * | 1997-07-25 | 1999-01-28 | Abb Patent Gmbh | Prozeßdiagnosesystem und Verfahren zur Diagnose von Vorgängen und Zuständen eines technischen Prozesses |
SE515570C2 (sv) * | 1999-10-05 | 2001-09-03 | Abb Ab | Ett datorbaserat förfarande och system för reglering av en industriell process |
ATE354822T1 (de) * | 2000-06-30 | 2007-03-15 | Siemens Corp Res Inc | Verfahren und system zur industriellen bedienerführung mittels prädiktiver alarmerkennung |
US6795798B2 (en) * | 2001-03-01 | 2004-09-21 | Fisher-Rosemount Systems, Inc. | Remote analysis of process control plant data |
DE10218049A1 (de) * | 2002-04-23 | 2003-11-13 | Zahnradfabrik Friedrichshafen | Verfahren zur Überwachung von Steuerungssystemen, insbesondere für Antriebsstrangkomponenten eines Kraftfahrzeugs |
US7006900B2 (en) * | 2002-11-14 | 2006-02-28 | Asm International N.V. | Hybrid cascade model-based predictive control system |
US6940047B2 (en) * | 2003-11-14 | 2005-09-06 | Asm International N.V. | Heat treatment apparatus with temperature control system |
US7217670B2 (en) * | 2004-11-22 | 2007-05-15 | Asm International N.V. | Dummy substrate for thermal reactor |
GB0521625D0 (en) * | 2005-10-24 | 2005-11-30 | Ricardo Uk Ltd | A method of modelling the effect of a fault on the behaviour of a system |
US20090089029A1 (en) * | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Enhanced execution speed to improve simulation performance |
US20090089031A1 (en) * | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Integrated simulation of controllers and devices |
US20090089234A1 (en) * | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Automated code generation for simulators |
US7801710B2 (en) * | 2007-09-28 | 2010-09-21 | Rockwell Automation Technologies, Inc. | Simulation controls for model variability and randomness |
US8548777B2 (en) * | 2007-09-28 | 2013-10-01 | Rockwell Automation Technologies, Inc. | Automated recommendations from simulation |
US8069021B2 (en) * | 2007-09-28 | 2011-11-29 | Rockwell Automation Technologies, Inc. | Distributed simulation and synchronization |
WO2011056081A2 (en) * | 2009-11-09 | 2011-05-12 | Exergy Limited | System and method for maximising thermal efficiency of a power plant |
US9529348B2 (en) | 2012-01-24 | 2016-12-27 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for deploying industrial plant simulators using cloud computing technologies |
CN113624626A (zh) * | 2021-07-22 | 2021-11-09 | 四川省机械研究设计院(集团)有限公司 | 石膏胶凝材料凝结硬化检测系统及方法 |
CN115440011A (zh) * | 2022-08-23 | 2022-12-06 | 华能太仓发电有限责任公司 | 多参数耦合主再热汽温异常预警系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5425377A (en) * | 1977-07-26 | 1979-02-26 | Kansai Electric Power Co Inc:The | Abnormality diagnosing process for detector in control system |
JPS5824908A (ja) * | 1981-08-06 | 1983-02-15 | Mitsubishi Electric Corp | 雑音解析を用いた異常検出・診断装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE1425831B2 (de) * | 1963-02-04 | 1971-04-08 | Prager, Peter Conrad, 2208 Gluck Stadt | Stufenlos steuerbares reibradgetriebe |
GB1149062A (en) * | 1965-08-20 | 1969-04-16 | Tokyo Shibaura Electric Co | Electric control apparatus |
US3798426A (en) * | 1971-12-20 | 1974-03-19 | Foxboro Co | Pattern evaluation method and apparatus for adaptive control |
US4330367A (en) * | 1973-05-22 | 1982-05-18 | Combustion Engineering, Inc. | System and process for the control of a nuclear power system |
US4080251A (en) * | 1973-05-22 | 1978-03-21 | Combustion Engineering, Inc. | Apparatus and method for controlling a nuclear reactor |
US4318778A (en) * | 1973-05-22 | 1982-03-09 | Combustion Engineering, Inc. | Method and apparatus for controlling a nuclear reactor |
US4027145A (en) * | 1973-08-15 | 1977-05-31 | John P. McDonald | Advanced control system for power generation |
JPS5847042B2 (ja) * | 1977-03-08 | 1983-10-20 | 株式会社日立製作所 | 異常検知方法 |
US4349869A (en) * | 1979-10-01 | 1982-09-14 | Shell Oil Company | Dynamic matrix control method |
AU528431B2 (en) * | 1980-07-18 | 1983-04-28 | Tokyo Shibaura Denki Kabushiki Kaisha | Process control |
JPS57199004A (en) * | 1981-06-01 | 1982-12-06 | Toshiba Corp | Sample value adaptive process controller |
-
1983
- 1983-06-10 JP JP58102736A patent/JPS59229622A/ja active Granted
-
1984
- 1984-06-07 AU AU29190/84A patent/AU546309B2/en not_active Ceased
- 1984-06-08 US US06/618,713 patent/US4630189A/en not_active Expired - Lifetime
- 1984-06-08 DE DE3421522A patent/DE3421522C2/de not_active Expired
- 1984-06-11 GB GB08414866A patent/GB2142758B/en not_active Expired
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5425377A (en) * | 1977-07-26 | 1979-02-26 | Kansai Electric Power Co Inc:The | Abnormality diagnosing process for detector in control system |
JPS5824908A (ja) * | 1981-08-06 | 1983-02-15 | Mitsubishi Electric Corp | 雑音解析を用いた異常検出・診断装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6270914A (ja) * | 1985-09-24 | 1987-04-01 | Toshiba Corp | プラント診断装置 |
JP2010519636A (ja) * | 2007-02-27 | 2010-06-03 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 連続工業プロセスでの異常事象検出のために推論計測を使用する方法およびシステム |
JP2016014945A (ja) * | 2014-07-01 | 2016-01-28 | アズビル株式会社 | Pidコントローラおよびデータ収集方法 |
Also Published As
Publication number | Publication date |
---|---|
GB2142758B (en) | 1986-09-17 |
AU2919084A (en) | 1984-12-13 |
AU546309B2 (en) | 1985-08-29 |
JPH0447842B2 (ja) | 1992-08-05 |
DE3421522A1 (de) | 1984-12-13 |
US4630189A (en) | 1986-12-16 |
GB2142758A (en) | 1985-01-23 |
GB8414866D0 (en) | 1984-07-18 |
DE3421522C2 (de) | 1986-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPS59229622A (ja) | プラント診断装置 | |
CA1259700A (en) | Plant diagnostic system | |
US5315502A (en) | Plant operation support apparatus and method using expert systems | |
CN104756029B (zh) | 一种监控设备的部件组的系统 | |
JP7201844B2 (ja) | グラディエントベースのセンサ識別を利用した障害予測 | |
US20110178963A1 (en) | system for the detection of rare data situations in processes | |
JPH11510898A (ja) | プロセスに於ける欠陥センサの検出と特定を行うための方法及び装置 | |
US20210397950A1 (en) | Abnormal driving state determination device and method using neural network model | |
US20210333768A1 (en) | Control support apparatus, control support method, computer readable medium with control support program recorded thereon and control system | |
CN101308387A (zh) | 用于监视设备状态的装置和方法以及计算机可读介质 | |
EP4078315A1 (en) | Device and method for monitoring a system | |
US11544580B2 (en) | Methods and systems for improving asset operation based on identification of significant changes in sensor combinations in related events | |
KR20210087373A (ko) | 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 | |
US20210157298A1 (en) | Program restart assisting apparatus | |
KR20220097252A (ko) | 스마트 플랜트에 관한 머신러닝 기반 설비 관리 방법 및 시스템 | |
JP7184636B2 (ja) | データ選別装置及び方法、ならびに監視診断装置 | |
JPH06274784A (ja) | プラント監視診断装置およびその異常徴候識別方法 | |
JPH07281729A (ja) | ユニットアラーム管理装置 | |
JP2645017B2 (ja) | プラント診断方法及びその装置 | |
JPH05149762A (ja) | 異常診断装置 | |
JPH05157668A (ja) | プラント機器の異常検知方法及び装置 | |
JPH07181292A (ja) | プラント運転支援装置 | |
US20220122445A1 (en) | Alert similarity and label transfer | |
KR20230073587A (ko) | 발전소 운전 건전성 예측 시스템 및 방법 | |
Desforges et al. | A prototype for hierarchical process condition monitoring |