KR20190105056A - 플랜트의 진단 장치 및 진단 방법 - Google Patents

플랜트의 진단 장치 및 진단 방법 Download PDF

Info

Publication number
KR20190105056A
KR20190105056A KR1020197023332A KR20197023332A KR20190105056A KR 20190105056 A KR20190105056 A KR 20190105056A KR 1020197023332 A KR1020197023332 A KR 1020197023332A KR 20197023332 A KR20197023332 A KR 20197023332A KR 20190105056 A KR20190105056 A KR 20190105056A
Authority
KR
South Korea
Prior art keywords
pattern
plant
diagnosis
diagnostic
monitoring data
Prior art date
Application number
KR1020197023332A
Other languages
English (en)
Other versions
KR102303891B1 (ko
Inventor
프라딥파 라크말 웨비타
후미토시 사카타
이치로 마츠모토
히로시 나가이
다케히로 기타
다카시 구로이시
히데키 다치바나
Original Assignee
미츠비시 히타치 파워 시스템즈 가부시키가이샤
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
Application filed by 미츠비시 히타치 파워 시스템즈 가부시키가이샤 filed Critical 미츠비시 히타치 파워 시스템즈 가부시키가이샤
Publication of KR20190105056A publication Critical patent/KR20190105056A/ko
Application granted granted Critical
Publication of KR102303891B1 publication Critical patent/KR102303891B1/ko

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
    • G05B23/0227—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
    • G05B23/0232—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 qualitative trend analysis, e.g. system evolution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/048—Monitoring; Safety
    • 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
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

플랜트의 진단 장치는, 플랜트의 운전 상태에 관한 파라미터의 계측치인 감시 데이터로서, 계측 시기가 서로 다른 복수의 감시 데이터를 취득하는 감시 데이터 취득부와, 복수의 감시 데이터의 각각을 플랜트 출력 데이터에 대하여 플롯한 플롯 패턴인 진단 대상 패턴을 작성하는 진단 대상 패턴 작성부와, 진단 대상 패턴이 가지는 플롯 패턴에 근거하여, 플랜트를 진단하는 패턴 진단부를 구비한다.

Description

플랜트의 진단 장치 및 진단 방법
본 개시는, 플랜트의 운전 상태에 근거하여 플랜트를 진단하기 위한 플랜트의 진단 장치 및 진단 방법에 관한 것이다.
가스 터빈 발전 플랜트나 원자력 발전 플랜트, 혹은 화학 플랜트와 같은 각종의 플랜트에서는, 플랜트가 정상으로 운전되고 있는지의 여부를 감시하기 위해, 온도나 압력과 같은 플랜트의 상태량을 취득하고, 감시한다. 플랜트의 감시에 있어서는, 다수의 상태량(감시 데이터)을 감시할 필요가 있고, 또, 상태량의 경향을 감시하여 플랜트가 정상으로 운전되고 있는지의 여부를 판정하려면 숙련을 필요로 한다.
이 때문에, 종래부터, MT법(마하라노비스·다구찌법)이라 불리는 패턴 인식 기술을 플랜트의 감시에 적용하는 것에 의해, 감시하는 상태량이 다수여도 비교적 간단하고 쉽게 플랜트의 운전 상태의 감시가 가능한 플랜트의 감시 기술이 존재한다(예를 들면, 특허문헌 1). 이 MT법에서는, 다변량 데이터를 기초로 정상인 집단을 단위 공간이라고 정의하고, 대상 데이터의 단위 공간으로부터의 거리(마하라노비스 거리)를 구하여 이상을 판정한다. 이것에 의해, 마하라노비스 거리라고 하는 하나의 지표만에 의해서 플랜트를 종합적으로 진단하는 것이 가능하다. 또, MT법은, 각종 운전 파라미터가 관리치 이내인지의 여부에 따라서 진단하는 수법에 비하여, 기기의 손상이 진행하기 전에 조기에 이상을 검지하는 것이 가능해져, 기기의 손상을 미리 방지하는, 혹은 최소한으로 억제하는 것이 가능해진다. 한편, 특허문헌 1에는, 단위 공간의 평균치는 1이 되고, 가스 터빈 발전 플랜트의 상태량이 정상인 상태에서는, 마하라노비스 거리는 대체로 4 이하로 들어가지만, 가스 터빈 발전 플랜트의 상태량이 이상(異常)으로 되면, 이상의 정도(단위 공간으로부터가 멀어지는 정도)에 따라서, 마하라노비스 거리의 값이 커지는 것이 기재되어 있다.
또, 특허문헌 2에는, 정상 상태시의 플랜트의 각종 상태를 계측한 계측 신호를 이용하여, 클러스터링 기술에 의해 몇 개의 데이터 그룹(진단 모델)을 구축해 놓고, 진단하는 시각의 계측 신호를 처리했을 때에 상기의 데이터 그룹으로 분류되지 않는 경우에 이상이라고 진단하는 플랜트의 진단 장치가 개시되어 있다. 플랜트에서 이상이 발생하면 계측 신호의 특성이 정상 상태와는 다르기 때문에, 정상 상태의 계측 신호를 이용하여 구축한 데이터 그룹으로 진단의 이상 상태시의 계측 신호는 분류되지 않는다고 하는 특성을 이용한 진단이 된다.
[선행 기술 문헌]
[특허문헌]
[특허문헌 1]　국제 공개 제 2009/107805호 공보
[특허문헌 2]　일본 특허공개 2015－103218호 공보
그렇지만, 플랜트의 이상을 검출하기 위해서 감시하는 상태량이 많고, MT법에 의한 플랜트의 감시에는 이상의 검출 정밀도에 한계가 있다. 또, 마하라노비스 거리의 관리치(임계치)는 경험적으로 설정되는 것이므로, 마하라노비스 거리의 관리치에 의해서는, 기기의 손상 등이 어느 정도 진행되는 등이 행해진 이후에 이상 상태를 검지하게 된다. 이 때문에, 플랜트의 이상의 검지 정밀도를 높임과 동시에, 보다 조기에 이상의 징조를 검지하는 등, 이상 검지 능력의 보다 높은 향상이 요망된다.
전술의 사정을 감안하여, 본 발명의 적어도 일 실시 형태는, 이상의 검지 능력이 향상된 플랜트의 진단 장치를 제공하는 것을 목적으로 한다.
(1) 본 발명의 적어도 일 실시 형태와 관련되는 플랜트의 진단 장치는,
플랜트의 운전 상태에 근거하여 상기 플랜트를 진단하기 위한 플랜트의 진단 장치로서,
상기 플랜트의 상기 운전 상태에 관한 파라미터의 계측치인 감시 데이터로서, 계측 시기가 서로 다른 복수의 감시 데이터를 취득하는 감시 데이터 취득부와,
상기 복수의 감시 데이터의 각각을 상기 플랜트의 플랜트 출력 데이터에 대하여 플롯한 플롯 패턴인 진단 대상 패턴을 작성하는 진단 대상 패턴 작성부와,
상기 진단 대상 패턴이 가지는 상기 플롯 패턴에 근거하여, 상기 플랜트를 진단하는 패턴 진단부를 구비한다.
상기 (1)의 구성에 의하면, 시간 축에 따라 계측되는 복수의 감시 데이터와 플랜트의 출력 데이터(예를 들면, 발전 플랜트이면 발전 출력 데이터)의 관계를 나타내는 진단 대상 패턴을 작성하고, 진단 대상 패턴이 가지는 플롯 패턴(플롯의 집합 형상)에 근거하여, 플랜트의 진단을 행한다. 본 발명자들은, 플랜트에 이상이 생기고 있는 경우에는, 전술한 진단 대상 패턴은, 정상 시와 다른 플롯 패턴을 가지는 것을 발견했다. 즉, 플랜트에 무언가의 이상이 발생하고 있는 경우에는, 진단 대상 패턴에는, 플랜트의 이상을 판정 가능한 특징적인 플롯 패턴(후술하는 이상 특징 플롯 패턴)이 적어도 부분적으로 나타나는 것을 발견했다. 따라서, 진단 대상 패턴이 가지는 플롯 패턴에 근거하여, 플랜트의 진단을 행할 수가 있다.
또, 예를 들면, 감시 데이터를, 경험적 등에 근거하여 설정된 이상 판정 임계치와 비교하는 것에 의해 플랜트를 진단하는 방법에서는, 실제로는 이상이 발생하고 있어도 감시 데이터가 이상 판정 임계치를 넘지 않는 한 이상을 검지할 수가 없다. 또, 이상의 발생으로부터 감시 데이터의 값이 추이해 가, 점차 이상 판정 임계치를 넘는 것으로 검지되므로, 이상 검지까지 비교적 긴 시간을 필요로 하는 경우도 있다. 그러나 전술한 바와 같이 진단 대상 패턴이 가지는 플롯 패턴에 근거하여 진단하는 것에 의해서, 실제로는 이상이 발생하고 있지만 감시 데이터가 이상 판정 임계치를 넘지 않는 경우에도 이상을 검지하는 것이 가능해진다. 따라서, 진단 대상 패턴이 가지는 플롯 패턴에 근거하여 플랜트를 진단하는 것에 의해서, 플랜트의 이상의 검지 정밀도의 향상이나, 보다 조기에 이상의 징조를 검지하고, 이상 발생으로부터 검지까지 필요로 하는 시간의 단축이 가능해지는 등, 이상 검지 능력을 비약적으로 향상시킬 수가 있다.
(2) 몇 가지의 실시 형태에서는, 상기 (1)의 구성에 있어서,
상기 패턴 진단부는,
상기 진단 대상 패턴이, 상기 플랜트가 이상인지의 여부를 판정 가능한 특징적인 플롯 패턴인 미리 정해진 이상 특징 플롯 패턴을 가진다고 판정한 경우에, 상기 플랜트가 이상이라고 진단하는 이상 진단부를 가지는다.
상기 (2)의 구성에 의하면, 진단 대상 패턴이 미리 정해진 이상 특징 플롯 패턴을 가지고 있는지의 여부를 판정하는 것에 의해, 플랜트의 이상을 검지할 수가 있다.
(3) 몇 가지의 실시 형태에서는, 상기 (2)의 구성에 있어서,
상기 이상 진단부는, 상기 이상 특징 플롯 패턴에 대하여 소정 이상의 유사도를 나타내는 플롯 패턴을 상기 진단 대상 패턴이 가지는 경우에, 상기 진단 대상 패턴이 상기 이상 특징 플롯 패턴을 가진다고 판정한다.
상기 (3)의 구성에 의하면, 진단 대상 패턴이 이상 특징 플롯 패턴을 가지고 있는지의 여부를 유사도에 근거하여 판정할 수가 있다.
(4) 몇 가지의 실시 형태에서는, 상기 (1)~(3)의 구성에 있어서,
상기 복수의 감시 데이터의 각각을 미리 정해진 상기 플랜트의 운전 패턴에 따라서 분류하는 운전 패턴 분류부를 더 구비하고,
상기 진단 대상 패턴 작성부는, 상기 운전 패턴마다 상기 진단 대상 패턴을 작성한다.
상기 (4)의 구성에 의하면, 진단 대상 패턴이 가지는 운전 패턴마다의 플롯 패턴에 근거하여, 플랜트의 이상을 진단한다. 운전 패턴별의 진단 대상 패턴에 근거한 진단을 행하는 것에 의해서, 진단하려고 하는 운전 패턴에 의해 형성되는 플롯 패턴이, 그 이외의 다른 운전 패턴에 속하는 복수의 감시 데이터에 의해 묻히는 것을 회피할 수가 있고, 이상 특징 플롯 패턴을 확실히 출현시킬 수가 있다. 따라서, 진단 정밀도의 보다 높은 향상을 꾀할 수가 있다.
(5) 몇 가지의 실시 형태에서는, 상기 (4)의 구성에 있어서,
상기 복수의 감시 데이터의 각각과 임계치의 비교에 근거하여, 상기 플랜트를 진단하는 임계치 진단부를 더 구비한다.
상기 (5)의 구성에 의하면, 플랜트의 진단 방법은, 패턴 진단부와 함께, 임계치 범위에 근거하여 플랜트를 진단하는 임계치 진단부를 구비한다. 이것에 의해서, 플랜트의 이상의 보다 확실한 검지를 도모할 수가 있다. 즉, 전술한 패턴 진단부에서는, 진단 대상 패턴이 이상 특징 플롯 패턴을 가지고 있었다고 해도, 그 이상 특징 플롯 패턴이 이상을 나타내는 것으로서 인지될 때까지는 이상을 검지할 수 없지만, 그와 같은 이상이어도, 임계치 진단부에 의해서 검지할 수가 있다.
(6) 몇 가지의 실시 형태에서는, 상기 (5)의 구성에 있어서,
상기 패턴 진단부에서의 진단 결과가 이상이 아닌 경우, 동시에, 상기 임계치 진단부에서 이상으로 판정된 경우에는, 상기 운전 패턴마다 작성된 상기 진단 대상 패턴을 기억하는 진단 대상 패턴 기억부를 더 구비한다.
상기 (6)의 구성에 의하면, 임계치 진단부에서 검지된 이상에 대해서, 패턴 진단부에서는 검지되지 않았던 진단 대상 패턴이 기억(보존)된다. 이것에 의해서, 이러한 진단 대상 패턴에 근거하여 이상 특징 플롯 패턴을 예를 들면 기계 학습 등에 의해 학습하는 것에 의해, 패턴 진단부에 의한 진단 정밀도를 높이고, 플랜트의 진단 정밀도의 향상을 도모할 수가 있다.
(7) 몇 가지의 실시 형태에서는, 상기 (4)~(6)의 구성에 있어서,
상기 플랜트는, 복수의 기기를 포함하고,
상기 운전 패턴은, 상기 복수의 기기 중 적어도 1개를 포함하는 대상 기기의 가동 상태에 근거하여 설정된다.
상기 (7)의 구성에 의하면, 플랜트를 구성하는 복수의 기기로부터 선택된 대상 기기(예를 들면, 보일러, 적어도 1개의 밀 장치, 수트 블로워 등)의 가동 상태의 조합 등에 근거하여, 적어도 1개의 운전 패턴이 정해진다. 이와 같이 대상 기기의 가동 상태에 근거하여 운전 패턴을 적어도 1개 정하는 것에 의해, 이상 시에 있어서 이상 특징 플롯 패턴을 가지는 진단 대상 패턴을 작성할 수가 있다.
(8) 몇 가지의 실시 형태에서는, 상기 (1)~(7)의 구성에 있어서,
상기 플랜트는, 발전기를 포함하는 발전 플랜트이다.
상기 (8)의 구성에 의하면, 발전 플랜트의 진단이 가능한 플랜트의 진단 방법을 제공할 수가 있다.
(9) 본 발명의 적어도 일 실시 형태와 관련되는 플랜트의 진단 방법은,
플랜트의 운전 상태에 근거하여 상기 플랜트를 진단하기 위한 플랜트의 진단 방법으로서,
상기 플랜트의 상기 운전 상태에 관한 파라미터의 계측치인 감시 데이터로서, 계측 시기가 서로 다른 복수의 감시 데이터를 취득하는 감시 데이터 취득 스텝과,
상기 복수의 감시 데이터의 각각을 상기 플랜트의 플랜트 출력 데이터에 대하여 플롯한 플롯 패턴인 진단 대상 패턴을 작성하는 진단 대상 패턴 작성 스텝과,
상기 진단 대상 패턴이 가지는 상기 플롯 패턴에 근거하여, 상기 플랜트를 진단하는 패턴 진단 스텝을 구비한다.
상기 (9)의 구성에 의하면, 상기 (1)과 같은 효과를 이룰 수가 있다.
(10) 몇 가지의 실시 형태에서는, 상기 (9)의 구성에 있어서,
상기 패턴 진단 스텝은,
상기 진단 대상 패턴이, 상기 플랜트가 이상인지의 여부를 판정 가능한 특징적인 플롯 패턴인 미리 정해진 이상 특징 플롯 패턴을 가진다고 판정한 경우에, 상기 플랜트가 이상이라고 진단하는 이상 진단 스텝을 가진다.
상기 (10)의 구성에 의하면, 상기 (2)와 같은 효과를 이룰 수가 있다.
(11) 몇 가지의 실시 형태에서는, 상기 (10)의 구성에 있어서,
상기 이상 진단 스텝은, 상기 이상 특징 플롯 패턴에 대하여 소정 이상의 유사도를 나타내는 플롯 패턴을 상기 진단 대상 패턴이 가지는 경우에, 상기 진단 대상 패턴이 상기 이상 특징 플롯 패턴을 가진다고 판정한다.
상기 (11)의 구성에 의하면, 상기 (3)과 같은 효과를 이룰 수가 있다.
(12) 몇 가지의 실시 형태에서는, 상기 (9)~(11)의 구성에 있어서,
상기 복수의 감시 데이터의 각각을 미리 정해진 상기 플랜트의 운전 패턴에 따라서 분류하는 감시 데이터 분류 스텝을 더 구비하고,
상기 진단 대상 패턴 작성 스텝은, 상기 운전 패턴마다 상기 진단 대상 패턴을 작성한다.
상기 (12)의 구성에 의하면, 상기 (4)와 같은 효과를 이룰 수가 있다.
(13) 몇 가지의 실시 형태에서는, 상기 (12)의 구성에 있어서,
상기 복수의 감시 데이터의 각각과 임계치의 비교에 근거하여, 상기 플랜트를 진단하는 임계치 진단 스텝을 더 구비한다.
상기 (13)의 구성에 의하면, 상기 (5)와 같은 효과를 이룰 수가 있다.
(14) 몇 가지의 실시 형태에서는, 상기 (13)의 구성에 있어서,
상기 패턴 진단 스텝에서의 진단 결과가 이상이 아닌 경우, 동시에, 상기 임계치 진단 스텝에서 이상으로 판정된 경우에는, 상기 운전 패턴마다 작성된 상기 진단 대상 패턴을 기억하는 진단 대상 패턴 기억 스텝을 더 구비한다.
상기 (14)의 구성에 의하면, 상기 (6)과 같은 효과를 이룰 수가 있다.
(15) 몇 가지의 실시 형태에서는, 상기 (12)~(14)의 구성에 있어서,
상기 플랜트는, 복수의 기기를 포함하고,
상기 운전 패턴은, 상기 복수의 기기 중 적어도 1개를 포함하는 대상 기기의 가동 상태에 근거하여 설정된다.
상기 (15)의 구성에 의하면, 상기 (7)과 같은 효과를 이룰 수가 있다.
(16) 몇 가지의 실시 형태에서는, 상기 (9)~(15)의 구성에 있어서,
상기 플랜트는, 발전기를 포함하는 발전 플랜트이다.
상기 (16)의 구성에 의하면, 상기 (8)과 같은 효과를 이룰 수가 있다.
본 발명의 적어도 일 실시 형태에 의하면, 이상의 검지 능력이 향상된 플랜트의 진단 장치가 제공된다.
도 1은 본 발명의 일 실시 형태와 관련되는 플랜트의 구성을 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시 형태와 관련되는 플랜트의 진단 장치를 나타내는 도면이다.
도 3은 본 발명의 일 실시 형태와 관련되는 플랜트의 운전 상태에 관한 파라미터의 시계열 그래프의 예시로, 파라미터는 밀 장치의 출구 온도이다.
도 4는 본 발명의 일 실시 형태와 관련되는 발전 출력(플랜트 출력)의 시계열 그래프이다.
도 5는 본 발명의 일 실시 형태와 관련되는 진단 대상 패턴으로, 도 3에 근거하여 작성되어 있다.
도 6은 도 5의 진단 대상 패턴에 대응하는 정상 시의 플롯 패턴을 나타내는 도면이다.
도 7은 본 발명의 일 실시 형태와 관련되는 플랜트의 운전 상태에 관한 파라미터인 GV－LH 제어 요구 비율(%)의 진단 대상 패턴(이상 시)의 예시이다.
도 8은 본 발명의 일 실시 형태와 관련되는 운전 패턴별의 진단 대상 패턴을 나타내는 도면으로, 도 5의 진단 대상 패턴을 운전 패턴별로 나타낸 도면이다.
도 9는 도 8의 진단 대상 패턴에 대응하는 정상 시의 플롯 패턴을 나타내는 도면으로, 도 6을 운전 패턴별로 나타낸 도면이다.
도 10은 본 발명의 일 실시 형태와 관련되는 플랜트의 운전 상태에 관한 파라미터의 하나인 주 증기 압력의 진단 대상 패턴(이상 시)의 예시이다.
도 11은 본 발명의 일 실시 형태와 관련되는 플랜트의 진단 방법을 나타내는 도면이다.
이하, 첨부 도면을 참조하여 본 발명의 몇 가지의 실시 형태에 대해 설명한다. 다만, 실시 형태로서 기재되어 있는 또는 도면에 나타내고 있는 구성 부품의 치수, 재질, 형상, 그 상대적 배치 등은, 본 발명의 범위를 이것으로 한정하는 취지는 아니고, 단순한 설명예에 지나지 않는다.
예를 들면, 「어떤 방향으로」, 「어떤 방향에 따라서」, 「평행」, 「직교」, 「중심」, 「동심」혹은 「동축」등의 상대적 혹은 절대적인 배치를 나타내는 표현은, 엄밀하게 그러한 배치를 나타낼 뿐만 아니라, 공차, 혹은, 같은 기능이 얻어지는 정도의 각도나 거리를 가지고 상대적으로 변위하고 있는 상태도 나타내는 것으로 한다.
예를 들면, 「동일」, 「마찬가지이다」및 「균질」등의 사물이 동일한 상태인 것을 나타내는 표현은, 엄밀하게 동일한 상태를 나타낼 뿐만 아니라, 공차, 혹은, 같은 기능이 얻어지는 정도의 차이가 존재하고 있는 상태도 나타내는 것으로 한다.
예를 들면, 4각 형상이나 원통 형상 등의 형상을 나타내는 표현은, 기하학적으로 엄밀한 의미에서의 4각 형상이나 원통 형상 등의 형상을 나타낼 뿐만 아니라, 같은 효과가 얻어지는 범위에서, 요철부나 모따기부 등을 포함하는 형상도 나타내는 것으로 한다.
한편, 하나의 구성 요소를 「갖추다」, 「지니다」, 「구비한다」, 「포함한다」, 또는, 「가진다」라고 하는 표현은, 다른 구성 요소의 존재를 제외하는 배타적인 표현은 아니다.
도 1은, 본 발명의 일 실시 형태와 관련되는 플랜트(1)의 구성을 개략적으로 나타내는 도면이다. 도 1에 나타나는 플랜트(1)는 일반적인 화력 발전소(발전 플랜트)를 예시한 것으로, 보일러(2)에서의 연료의 연소에 의해, 보일러(2)의 내부에 설치된 전열관(41) 등을 흐르는 유체를 가열하여 생성한 주 증기를 증기 터빈(3)에 공급하여 회전 구동하고, 증기 터빈(3)의 회전 구동에 의해서 발전기(32)를 구동시켜서 발전 출력을 얻는다. 그리고 발전 출력은 소비지로 보내기 위해서 주 변압기(11)에서 높은 전압으로 변환된 후, 개폐기(12)를 통해서 송전선(13)으로 보내진다.
보다 상세하게는, 도 1에 나타내는 실시 형태에서는, 저탄장(21)으로부터 벨트 컨베이어(22)로 석탄 뱅커(23)에 투입된 석탄(연료)이, 석탄 공급기(24), 밀 장치(25)(미분탄기; 微粉炭機)를 거쳐, 미분탄관(26)을 통해서 버너(27)에 공급됨과 아울러, 압입 통풍기(28)에 의해서 공기(2차 공기)가 2차 공기 공급관(29)을 통해서 보일러(2)에 공급되어서, 보일러(2)에서의 연소가 행해지도록 되어 있다.
또, 보일러(2)의 내부의 전열관(41)에서 생성된 주 증기는 주 증기관(42)을 통해서 증기 터빈(3)을 회전 구동한 후에 복수기(復水機)(31)에 도입되고, 복수기(31)에 있어서, 순환수 펌프(33)에 의해서 냉각수 공급관(34)을 거쳐 복수기(31)에 공급된 냉각수로 냉각된다. 그 후, 복수기(31)로부터 복수 펌프(35)로 퍼 올려져서, 급수관(31p)을 통해서, 급수관(31p)에 설치된 저압 급수 가열기(36), 탈기기(37), 급수 펌프(38), 고압 급수 가열기(39)를 거쳐, 전열관(41)으로 순환된다. 보일러(2)의 내부에는 재열기(43)도 설치되어 있고, 증기 터빈(3)으로부터의 주 증기가 재열증기관(44)을 통해서 재열기(43)로 재가열되고, 재차 증기 터빈(3)에 공급되도록 되어 있다. 또, 보일러(2)에는, 전열관(41)이나 재열기(43) 등의 열교환기에 부착하는 그을음이나 더스트를 제거하는 수트 블로워(45)가 설치되어 있다.
한편, 보일러(2)에 있어서의 연료의 연소에 의해 생긴 배기 가스는, 유인 통풍기(17)에 끌리면서, 화기 통로(14)에 마련된, 배기 가스로부터 질소산화물을 제거하는 탈초 장치(15), 배기 가스 중의 매진을 제거하는 전기 집진기(16), 제진 후의 배기 가스 중의 황산화물을 제거하기 위한 탈유 장치(18)를 거쳐 무해화 된 후, 굴뚝(19)으로부터 대기 중으로 배출되도록 되어 있다. 또, 보일러(2)에서 생긴 재(灰)는 보일러(2)의 저부로부터 배출된 후, 클링커 호퍼(46)를 통해서 재(灰) 처리 설비(47)에 보내진 후에 외부에 배출되고, 또, 전기 집진기(16)에서 집진된 먼지(塵)도 재 처리 설비(47)에 보내진 후에 외부로 배출되도록 되어 있다.
이와 같이, 발전 플랜트 등의 플랜트(1)는 복수의 기기(11~44)로부터 구성됨과 아울러, 복수의 기기의 각각이 정상으로 가동하는 것에 의해서, 예를 들면 발전 플랜트이면 발전 출력(발전기(32)의 출력)과 같은 플랜트 출력을 얻는다. 다만, 플랜트(1)는 1개의 기기로 구성되어 있어도 좋다.
또, 플랜트(1)의 적어도 1개의 파라미터(상태량)가, 예를 들면 1분 간격과 같은 임의의 주기로, 센서 등의 상태량 감시 수단에 의해서 계측(감시)되고 있고, 플랜트(1)의 제어에 이용됨과 아울러, 플랜트(1)의 운전 상태의 감시에 이용된다. 파라미터로서는, 예를 들면, 보일러(2)에서는, 증기 및 압력의 각각의 온도, 압력, 유량 등이 된다. 또, 증기 터빈(3)에서는, 진동, 회전수, 밸브, 댐퍼의 개방도 등이 된다. 압입 통풍기(28)나 유인 통풍기(17)에서는 그들의 구동 모터 M의 전류, 전압, 온도 등이 된다. 발전기(32)에서는 윤활유의 온도나 압력이나, 그 출력의 전력, 전압, 유효 전력, 무효 전력, 주파수 등이 된다. 화기 통로(14)를 흐르는 SOx, NOx, O2의 농도 등도 파라미터이다. 그 외, 도 1에 나타내는 실시 형태에서는, 밀 장치(25)나 수트 블로워(45), 석탄 뱅커(23)와 같은 기기나 밸브의 ON/OFF 신호 등도 파라미터로서 계측(감시)되고 있다.
그리고 도 1에 나타내는 바와 같이, 플랜트(1)는, 플랜트(1)의 진단 장치(5)(이하, 단순히 진단 장치(5)라고 한다.)를 구비한다. 진단 장치(5)는, 플랜트(1)의 운전 상태에 근거하여 플랜트(1)를 진단하기 위한 장치로, 도 1에 나타내는 실시 형태에서는, 진단 장치(5)는, 중앙 제어실 등 플랜트(1)로부터 거리적으로 떨어진 장소에 설치되어 있다. 진단 장치(5)에 대해서, 도 2~도 7을 이용하여 설명한다. 도 2는, 본 발명의 일 실시 형태와 관련되는 플랜트(1)의 진단 장치(5)를 나타내는 도면이다. 도 3은, 본 발명의 일 실시 형태와 관련되는 플랜트(1)의 운전 상태에 관한 파라미터의 시계열 그래프의 예시로, 파라미터는 밀 장치(25)의 출구 온도이다. 도 4는, 본 발명의 일 실시 형태와 관련되는 발전 출력(플랜트 출력)의 시계열 그래프이다. 도 5는, 본 발명의 일 실시 형태와 관련되는 진단 대상 패턴 Dp로, 도 3에 근거하여 작성되어 있다. 도 6은, 도 5의 진단 대상 패턴 Dp에 대응하는 정상 시의 플롯 패턴 F(Fn)을 나타내는 도면이다. 또, 도 7은, 본 발명의 일 실시 형태와 관련되는 플랜트(1)의 운전 상태에 관한 파라미터인 GV－LH 제어 요구 비율(%)의 진단 대상 패턴 Dp(이상 시)의 예시이다.
도 2에 나타내는 바와 같이, 진단 장치(5)는, 감시 데이터 취득부(51)와, 진단 대상 패턴 작성부(53)와, 패턴 진단부(54)를 구비한다. 이들의 기능부에 대해서 설명한다. 또, 진단 장치(5)는 컴퓨터로 구성되어 있어도 좋고, 도시하지 않은 CPU(프로세서)나, ROM이나 RAM과 같은 메모리나 보조 기억 장치(기억 장치 Md), 외부 통신 인터페이스를 구비하고 있다. 그리고 주 기억 장치에 로드된 프로그램(플랜트(1)의 진단 프로그램)의 명령에 따라 CPU가 동작(데이터의 연산 등)하는 것으로, 상기의 각 기능부를 실현한다.
감시 데이터 취득부(51)는, 플랜트(1)의 운전 상태에 관한 파라미터(상태량)의 계측치인 감시 데이터 D로서, 계측 시기가 서로 다른 복수의 감시 데이터 D(도 3 참조)를 취득한다. 즉, 감시 데이터 D는, 전술한 상태량 감시 수단에 의해서 시간 축을 따라 계측된 계측치가 데이터화된 것으로, 감시 데이터 취득부(51)는, 적어도 1개의 파라미터에 관한 감시 데이터 D를 장치(프로그램) 내부에 취입한다. 예를 들면, 복수의 감시 데이터 D는, 진단 장치(5)가 구비하는 기억 장치 Md에 미리 기억되어 있어도 좋고, 감시 데이터 취득부(51)는, 예를 들면 1일분, 3일분, 1월분 등의 임의로 설정되는 소정 기간분의 데이터를 기억 장치 Md로부터 읽어내서 프로그램 내부에 취입해도 좋다. 또는, 감시 데이터 취득부(51)는, 소정 기간분의 복수의 감시 데이터 D를, 외부 통신 인터페이스를 통해서 취득해도 좋다. 또, 상기의 소정 기간은, 진단 장치(5)(진단 프로그램)를 조작하는 조작자의 요구(조작)에 의해 지정되어도 좋다. 또, 파라미터의 계측치는, 이동 평균이나 로우 패스 필터 등에 의한 신호 처리(사전 처리)가 시행된 다음, 데이터화되어 있어도 좋다. 또, 감시 데이터 취득부(51)는, 복수 종류의 파라미터에 관한 감시 데이터 D로부터, 필요한 파라미터에 관한 감시 데이터 D(예를 들면, 후술하는 밀 장치(25)의 출구 온도 등)만 필터링(사전 처리)하여, 취득해도 좋다.
또, 감시 데이터 취득부(51)가 취득하는 복수의 감시 데이터 D는, 도 3에 나타내는 시계열에 따라 플롯하면, 시간의 경과에 따라 변화하는 것이 된다. 도 3의 예시는, 파라미터의 하나인 밀 장치(25)의 출구 온도(℃)의 약 1개월분의 감시 데이터 D가 시계열로 플롯된 것이다. 또, 도 3의 예시는, 플랜트(1)의 운전 상태가 이상 시의 경우에 대응하는 것이지만, 후술하는, 밀 장치(25)의 출구 온도는 이상을 검지하기 위한 관리치(상한 임계치 Tu)를 하회하고 있다.
진단 대상 패턴 작성부(53)는, 복수의 감시 데이터 D의 각각을 발전 출력 데이터(플랜트 출력 데이터)에 대하여 플롯한 플롯 패턴 F인 진단 대상 패턴 Dp(도 5 참조)를 작성한다. 전제로서, 도 3에 나타내는 바와 같은 소정 기간분의 복수의 감시 데이터 D의 각각에는, 그 각각의 감시 데이터 D와 계측 시기가 일치하는 발전 출력 데이터(예를 들면 메가와트)가 관련지어져 있다. 즉, 계측 시기, 감시 데이터 D, 및 발전 출력 데이터를 1레코드로 하여, 예를 들면 주기적인 파라미터 계측에 수반해 생성된 이 레코드를 소정 기간분 모은 레코드 세트가 작성되어 있고, 이 레코드 세트에 근거하여, 진단 대상 패턴 작성부(53)는 단일 종류의 파라미터(예를 들면, 후술하는 밀 장치(25)의 출구 온도 등)에 관한 복수의 감시 데이터 D를 발전 출력에 대하여 플롯하여, 진단 대상 패턴 Dp를 작성한다.
보다 구체적으로는, 상기의 레코드 세트는, 계측 시기가 관련지어진 감시 데이터 D(도 3)와, 계측 시기가 관련지어진 발전 출력 데이터(도 4)를, 계측 시기를 키에 관련짓는 것으로 작성되어도 좋다. 이 레코드 세트는 진단 대상 패턴 작성부(53)가 작성해도 좋고, 다른 기능부(예를 들면 도시하지 않은 레코드 세트 작성부)가 작성한 것을, 진단 대상 패턴 작성부(53)가 수신해도 좋다. 파라미터와 발전 출력의 각각의 계측 시기는, 양자 계측 타이밍이 대응하면 합리적으로 간주할 수 있다면, 양자의 계측 시기에 어긋남이 있어도 일치하고 있는 것으로 간주한다.
이렇게 하여 작성된 진단 대상 패턴 Dp는, 예를 들면 도 5에 예시되는 바와 같이 횡축을 발전 출력, 종축을 감시 데이터 D로 한 산포도로서 표시하는 것이 가능하다. 즉, 도 5에서는, 산포도에 있어서의 모든 플롯의 집합의 형상(기하학 형상)이 플롯 패턴 F이고, 이 플롯 패턴 F의 전체가 진단을 받는 진단 대상 패턴 Dp이다. 또, 본 명세서에서는, 플롯 패턴 F의 전체에 있어서의 적어도 일부분의 형상을 가리켜서 플롯 패턴 F라고도 한다. 그리고 진단 대상 패턴 Dp는 파라미터의 종류마다 작성하는 것으로, 도 5에 예시되는 진단 대상 패턴 Dp는, 밀 장치(25)의 출구 온도를 발전 출력에 대하여 플롯하여 작성한 것이 된다.
패턴 진단부(54)는, 진단 대상 패턴 Dp가 가지는 플롯 패턴 F에 근거하여, 플랜트(1)를 진단한다. 즉, 패턴 진단부(54)는, 진단 대상 패턴 Dp의 전체의 플롯 패턴 F나, 진단 대상 패턴 Dp가 가지는 부분적인 플롯 패턴 F(간단히, 패턴 부분)에 근거하여, 플랜트(1)의 운전 상태가 정상인지, 이상인지를 진단한다. 이것은, 플랜트(1)에 이상이 생기고 있는 이상 시에는, 전술한 진단 대상 패턴 Dp는, 플랜트(1)의 운전 상태가 정상인 정상 시와 다른 플롯 패턴 F를 가지는 것을 본 발명자들이 찾아낸 것에 의한다. 즉, 플랜트(1)에 무언가의 이상이 발생하고 있는 경우에는, 진단 대상 패턴 Dp에는, 플랜트(1)의 이상을 판정 가능한 특징적인 플롯 패턴 F(후술하는 이상 특징 플롯 패턴 Fx)가 적어도 부분적으로 나타내는 것을 찾아냈다. 이 지견으로부터, 본 발명에서는, 진단 대상 패턴 Dp가 가지는 플롯 패턴 F에 근거하여 플랜트(1)의 진단을 행한다.
예를 들면, 도 5에 나타내는 진단 대상 패턴 Dp는, 플랜트(1)에 어떤 종류의 이상이 발생하고 있는 이상 시에 있어서의 밀 장치(25)의 출구 온도(파라미터)의 감시 데이터 D에 근거하여 작성한 진단 대상 패턴 Dp이다. 그리고 도 5의 진단 대상 패턴 Dp는, 발전 출력이 대략 W2까지는 대체로 온도가 T1 근방이 됨과 아울러, 발전 출력이 대략 W2~W4의 사이에서는 발전 출력에 대하여 직선 형상으로 온도 T3부근까지 증가하는 플롯 패턴 F를 가지고 있고, 아래로 볼록(철(凸)이 되는 패턴 부분(제 1 이상 시 패턴 부분 Fxa)을 가지고 있다.
이것에 대하여, 도 6에 나타내는 바와 같이, 플랜트(1)의 운전 상태가 정상 시에 있어서의 밀 장치(25)의 출구 온도에 관한 플롯 패턴 F(정상 시 패턴 Fn)는, 발전 출력이 0~W1의 사이에서 발전 출력의 증가에 수반해 온도가 대수 함수 형상으로 T3까지 급격하게 상승함과 아울러, 발전 출력이 대략 W1~W3의 사이에서는 온도가 T3 근방이 되는 플롯 패턴 F를 가지고 있고, 위로 볼록이 되는 패턴 부분(제 1 정상 시 패턴 부분 Fna)을 가진다.
한편, 전술한 발전 출력의 값의 관계는 W1＜W2＜W3＜W4이며, 온도의 함수는 T1＜T2(후술)＜T3이다. 또, 정상 시 패턴 Fn는 기억 장치 Md에 기억되어 있어도 좋다.
그리고 진단 대상 패턴 Dp(도 5)를 정상 시 패턴 Fn(도 6)과 비교하면, 상기의 제 1 이상 시 패턴 부분 Fxa(아래로 볼록 형상)는, 도 6의 제 1 정상 시 패턴 부분 Fna(위로 볼록 형상)와 유사하다고는 말하지 못하고, 이 부분에 의해서, 플롯 패턴 F를 전체적으로 비교해도, 유사하다고는 말할 수 없다. 이와 같이, 진단 대상 패턴 Dp를, 예를 들면, 플랜트(1)가 정상인 경우의 플롯 패턴 F(산포도)인 정상 시 패턴 Fn(도 6)와 비교하고, 진단 대상 패턴 Dp가 정상 시 패턴 Fn에 대하여 소정 이상의 유사도를 나타내는 경우에, 플랜트(1)가 정상(플랜트(1)의 운전 상태가 정상)이라고 판정하는 것이 가능하다. 또, 후술하는 바와 같이, 진단 대상 패턴 Dp가, 후술하는 이상 특징 플롯 패턴 Fx를 가진다고 판정한 경우에, 플랜트(1)가 이상(플랜트(1)의 운전 상태가 이상)이라고 판정하는 것이 가능하다.
또, 예를 들면, 도 6에 나타내는 바와 같이, 정상 시 패턴 Fn의 외형의 외측에, 정상 시 플롯 패턴을 둘러싸도록 관리치 Ts(임계치)를 설정하고, 진단 대상 패턴 Dp의 외형이 그 관리치를 넘어 외측으로 나오는 경우에, 이상으로 판정하는 것도 가능하다. 이 수법에 의해서도, 도 5의 진단 대상 패턴 Dp가 정상 시 패턴 Fn과는 다른 것을 판정하는 것이 가능하고, 다른 경우에는, 진단 대상 패턴 Dp가 이상 특징 플롯 패턴 Fx를 가지는 것으로 간주한다. 이 관리치는, 진단 대상 패턴 Dp의 외형을 따르도록 마련해도 좋다(도 6 참조). 또, 2 이상의 복수의 관리치를 단계적으로 설정해도 좋다. 구체적으로는, 가장 내측의 관리치를 제 1 관리치로 하고, 제 1 관리치의 외측을 둘러싸도록 마련된 관리치를 제 2 관리치로 하고, 제 1 관리치나 제 2 관리치 등을 넘는지의 여부로, 이상의 진행 정도를 판정해도 좋다. 이 경우, 도 6의 상한 임계치 Tu는 최종 관리치가 된다.
전술한 진단 장치(5)에 의한 진단을, 예를 들면, 감시 데이터 D를 경험적 등에 근거하여 설정된 이상 판정 임계치(예를 들면 상한 임계치 Tu)와 비교하는 것에 의해 플랜트(1)를 진단하는 방법과 비교하면, 비교 대상의 진단 방법에서는, 실제로는 이상이 발생하고 있어도 감시 데이터 D가 이상 판정 임계치를 넘지 않는 한 이상을 검지할 수가 없다. 또, 이상의 발생으로부터 감시 데이터 D의 값이 추이해 가, 점차 이상 판정 임계치를 넘은 것으로 검지되기 때문에, 이상 검지까지 비교적 긴 시간을 필요로 하는 경우도 있다. 그러나 전술한 바와 같이 진단 대상 패턴 Dp가 가지는 플롯 패턴 F에 근거하여 진단하는 것에 의해서, 실제로는 이상이 발생하고 있지만 감시 데이터 D가 이상 판정 임계치(도 5의 T1)를 넘지 않는 경우에도 이상을 검지하는 것이 가능해진다.
따라서, 진단 대상 패턴 Dp가 가지는 플롯 패턴 F에 근거하여 플랜트(1)를 진단하는 것에 의해서, 플랜트(1)의 이상의 검지 정밀도의 향상이나, 보다 조기에 이상을 검지하고, 이상 발생으로부터 검지까지 필요로 하는 시간의 단축이 가능해지는 만큼, 이상 검지 능력을 비약적으로 향상시킬 수가 있다.
또, 몇 가지의 실시 형태에서는, 도 5, 도 7에 나타내는 바와 같이, 전술한 패턴 진단부(54)는, 진단 대상 패턴 Dp가, 플랜트(1)가 이상인지의 여부를 판정 가능한 특징적인 플롯 패턴 F인 미리 정해진 이상 특징 플롯 패턴 Fx를 가진다고 판정한 경우에, 플랜트(1)가 이상이라고 진단하는 이상 진단부(55)를 가진다. 예를 들면, 도 5의 예시에 있어서의 이상 특징 플롯 패턴 Fx는, 정상 시 패턴 Fn의 대응하는 부분(제 1 정상 시 패턴 부분 Fna)과 다른 부분이 되는, 아래로 볼록이 되는 패턴 부분(제 1 이상 시 패턴 부분 Fxa)이고, 또, 이 제 1 이상 시 패턴 부분 Fxa를 포함하는 전체의 플롯 패턴 F(Fx)가 된다. 또, 이상 특징 플롯 패턴 Fx는 기억 장치 Md에 기억되어 있어도 좋다.
그 외의 이상 특징 플롯 패턴 Fx를 예시하면, 도 7을 들 수 있다. 도 7은, 본 발명의 일 실시 형태와 관련되는 플랜트(1)의 운전 상태에 관한 파라미터인 GV－LH 제어 요구 비율(%) 진단 대상 패턴 Dp(이상 시)의 예시이다. 즉, 도 7은, 플랜트(1)에 어떤 종류의 이상이 발생하고 있는 이상 시에 있어서의 GV－LH 제어 요구 비율(파라미터)의 감시 데이터 D에 근거하여 작성한 진단 대상 패턴 Dp이다. 도 7의 진단 대상 패턴 Dp(이상 특징 플롯 패턴 Fx)는, 도시되는 바와 같이, 발전 출력이 작은 영역(도 7에서는 W5 이하의 영역)에 있어서 동일한 발전 출력에 대하여 세로축의 값이 다른 것에 의해서 2개로 나누어진, 악어의 입과 같은 플롯 패턴 F( 제 2 이상 시 패턴 부분 Fxb)를 가지고 있고, 그 외의 부분을 포함한 전체적으로 악어가 입을 열고 있는 것 같은 플롯 패턴 F를 가지고 있다. 플랜트(1)의 정상 시 패턴 Fn(도시하지 않음)은, 상기의 악어의 입에 상당하는 패턴 부분(Fxb)은 출현하지 않는 것이 밝혀져 있다. 따라서, 진단 대상 패턴 Dp가 악어의 입에 상당하는 플롯 패턴(Fxb)을 가지는 경우에는, 플랜트(1)를 이상이라고 진단할 수가 있다.
상기의 구성에 의하면, 진단 대상 패턴 Dp가 미리 정해진 이상 특징 플롯 패턴 Fx를 가지고 있는지의 여부를 판정하는 것에 의해, 플랜트(1)의 이상을 검지할 수가 있다.
또, 몇 가지의 실시 형태에서는, 전술한 이상 진단부(55)는, 이상 특징 플롯 패턴 Fx에 대하여 소정 이상의 유사도를 나타내는 플롯 패턴 F를 진단 대상 패턴 Dp가 가지는 경우에, 진단 대상 패턴 Dp가 이상 특징 플롯 패턴 Fx를 가진다고 판정한다. 예를 들면, 진단 대상 패턴 Dp가 가지는 플롯 패턴 F가 가지는 기하학 형상과, 이상 특징 플롯 패턴 Fx나 정상 시 패턴 Fn(전술)의 기하학 형상을, 소정의 유사도로 일치, 불일치의 판정을 행하는 것이 가능한 주지의 패턴 매칭 기술을 이용하여 비교해도 좋다. 이와 같이 유사도를 기준으로 판정하는 것으로, 판정의 신뢰성의 향상을 도모하는 것이 가능해진다.
상기의 구성에 의하면, 진단 대상 패턴 Dp가 이상 특징 플롯 패턴 Fx를 가지고 있는지의 여부를 유사도에 근거하여 판정할 수가 있다.
또, 몇 가지의 실시 형태에서는, 도 2에 나타내는 바와 같이, 진단 장치(5)는, 복수의 감시 데이터 D의 각각을 미리 정해진 플랜트(1)의 운전 패턴 Op에 따라서 분류하는 운전 패턴 분류부(52)를 더 구비하고 있어도 좋다. 그리고 전술한 진단 대상 패턴 작성부(53)는, 운전 패턴 Op마다 진단 대상 패턴 Dp를 작성한다. 즉, 본 실시 형태에서는, 동일한 운전 패턴 Op에 속하는 감시 데이터 D를 이용하여, 운전 패턴 Op마다 진단 대상 패턴 Dp를 작성하여, 플랜트(1)의 진단을 행한다.
구체적으로는, 운전 패턴 분류부(52)는, 소정 기간분의 감시 데이터 D의 각각에 운전 패턴 Op의 식별자를 관련짓는 것으로, 복수의 감시 데이터 D를 운전 패턴 Op로 분류해도 좋다. 이 경우에는, 전술한 1레코드는, 계측 시기, 감시 데이터 D, 발전 출력 데이터, 운전 패턴 식별자를 포함하게 된다. 그리고 진단 대상 패턴 작성부(53)는, 운전 패턴 식별자가 동일이 되는 레코드를 이용하여, 운전 패턴 Op 마다 진단 대상 패턴 Dp를 작성한다. 또, 운전 패턴 Op는, 제 1 운전 패턴 Opa 등, 적어도 1개의 운전 패턴 Op를 포함하고 있다.
또, 예를 들면, 기호 나누기나 색 나누기(후술하는 도 8 참조) 등에 의해서, 운전 패턴 Op마다 진단 대상 패턴 Dp가 식별 가능하면, 모든 운전 패턴 Op의 진단 대상 패턴 Dp가 함께 나타내지고 있어도, 그것은, 진단 대상 패턴 Dp는 운전 패턴 Op마다 작성된 것이다. 디스플레이 등의 출력 장치에 출력하는 경우에는, 조작자의 요구(조작)에 따른 운전 패턴 Op의 것만 출력(표시)하는 것이나, 이상 특징 플롯 패턴 Fx만을 출력하는 것이 가능해도 좋다.
운전 패턴 Op에 대해, 도 8~도 9를 이용하여 설명한다. 도 8은, 본 발명의 일 실시 형태와 관련되는 운전 패턴 Op별의 진단 대상 패턴 Dp를 나타내는 도면으로, 도 5의 진단 대상 패턴 Dp를 운전 패턴 Op로 나타낸 도면이다. 또, 도 9는, 도 8의 진단 대상 패턴에 대응하는 정상 시의 플롯 패턴을 나타내는 도면으로, 도 6을 운전 패턴별로 나타낸 도면이다. 도 8~도 9에 나타내는 바와 같이, 몇 가지의 실시 형태에서는, 운전 패턴 Op는, 플랜트(1)의 운전 상태에 근거하여 설정되어도 좋다. 도 8~도 9에 나타내는 실시 형태에서는, 운전 패턴 Op는, 플랜트(1)의 기동시(Start　Up), 부하 변화 시(Load　Fluctuation), 부하 일정 시(Stable　Load), 정지 시(Shut　Down)의 4개가 마련되어 있다. 그리고 복수의 감시 데이터 D를 운전 패턴 Op로 분류하고, 운전 패턴 Op마다의 진단 대상 패턴 Dp에 근거하여 진단을 행하는 것으로, 진단 정밀도를 더 향상시키는 것이 가능해진다.
상세히 설명하면, 플랜트(1)가 정상 시에는, 밀 장치(25)의 출구 온도에 관한 플롯 패턴 F는, 부하 변화 시의 운전 패턴 Op에만 주목하면, 도 9에 나타내는 바와 같이, 발전 출력(횡축)이 W2 부근에 있어서 출구 온도가 T4 부근에서 조금 흩어지는 패턴 부분과, 발전기 출력이 W2~W3의 사이에 있어서 온도가 T4로 대체로 일정으로 되는 패턴 부분으로 되는 플롯 패턴 F(제 3 정상 시 패턴 부분 Fnc)를 가지고 있다.
이것에 대하여, 도 8의 진단 대상 패턴 Dp는, 발전 출력(횡축)이 대략 W2~W3의 사이에서, 동일한 발전 출력에 대하여 출구 온도가 서로 이간한 2개의 값을 취하는 것에 의해서, 공간을 둘러싸는 형상의 플롯 패턴 F(제 3 이상 시 패턴 부분 Fxc)를 가지고 있고, 정상 시 패턴 Fn(도 9)의 대응하는 부분과는 다름을 알 수 있다. 즉, 밀 장치(25)의 출구 온도에 관한 진단 대상 패턴 Dp는, 부하 변화 시의 운전 패턴 Op에 있어서의 진단 대상 패턴 Dp에 있어서, 전술한 제 3 이상 시 패턴 부분 Fxc를 가지는지의 여부에 의한 진단이 가능해진다.
그런데 운전 패턴 Op마다 진단 대상 패턴 Dp가 작성되어 있지 않은 경우에는, 도 5에 나타내는 바와 같이, 발전기 출력이 W2~W3의 사이에 상기의 공간을 둘러싸도록 2개로 나누어진 이상 특징 플롯 패턴 Fx에 유사한 형상이 시인되기는 했지만, 그 형상이, 부하 변화 시의 운전 패턴 Op에 속하는 감시 데이터 D만에 의해서 형성되어 있는지를, 판별할 수 없다. 만일, 도 5에 있어서의 발전 출력이 W2~W3의 사이의 형상이 다른 운전 패턴 Op에 속하는 감시 데이터 D에 의해서 형성되어 있는 경우에는, 이 형상으로부터 이상이라고 진단하면 오 진단이 될 우려가 있다. 따라서, 운전 패턴 Op마다의 진단 대상 패턴 Dp에 근거하여 진단을 행하는 것으로, 진단 정밀도를 더 향상시키는 것이 가능해진다.
그 외의 운전 패턴 Op마다의 진단 대상 패턴 Dp를 예시하면, 도 10을 들 수 있다. 도 10은, 본 발명의 일 실시 형태와 관련되는 플랜트(1)의 운전 상태에 관한 파라미터 중의 하나인 주 증기 압력의 진단 대상 패턴(이상 시)의 예시이다. 즉, 도 10은, 플랜트(1)에 어떤 종류의 이상이 발생하고 있는 이상 시에 있어서의 주 증기 압력의 감시 데이터 D에 근거하여 작성한 진단 대상 패턴 Dp이다. 도 10에 나타내는 바와 같이, 부하 일정 시(Stable　Load)의 운전 패턴 Op의 진단 대상 패턴 Dp는, 발전 출력이 W6에 있어서, 주 증기 압력이 P1~P2(P1＜P2)의 범위에서 산재하는 것으로, 선 형상의 플롯 패턴 F(제 4 이상 시 패턴 부분 Fxd)를 가지고 있다.
이것에 대하여, 주 증기 압력에 관한 정상 시 패턴 Fn은, 부하 일정 시에는 주 증기 압력이 일정이 되는 것이다. 환언하면, 도 10과 같이 표시하면, 부하 일정 시(Stable　Load)의 운전 패턴 Op의 진단 대상 패턴 Dp는 점 형상의 형상이 된다.
여기서, 주 증기 압력에 관한 정상 시 패턴 Fn은, 부하 일정 시 이외의 다른 운전 패턴 Op에서는, 부하 일정 시가 되는 발전 출력에 있어서(도 10의 예시에서는 W6)에 있어서, 선 형상의 플롯 패턴 F를 가지고 있다(도 10의 Load　Fluctuation나 Shut　Down의 운전 패턴 Op를 참조). 이 때문에, 도 10의 예시에 있어서도, 만일 운전 패턴 Op마다 진단 대상 패턴 Dp가 작성되어 있지 않은 경우에는, 진단 대상 패턴 Dp가, 발전 출력이 W6에 있어서 상기의 선 형상의 플롯 패턴 F를 가지고 있었다고 해도, 그 플롯 패턴 F가 부하 일정 시의 운전 패턴 Op에 속하는 감시 데이터 D로 형성되어 있는지를 판별할 수 없다. 따라서, 감시 데이터 D가 운전 패턴 Op로 분류되어 있지 않으면, 적절한 진단을 실시할 수가 없다.
다만, 운전 패턴 Op의 설정은, 전술한 바와 같은, 플랜트(1)의 운전 상태에 근거하여 설정하는 실시 형태에 한정되지 않는다. 다른 몇 가지의 실시 형태에서는, 운전 패턴 Op는, 대상이 되는 기기인 대상 기기의 가동 상태에 근거하여 설정되어도 좋다. 도 1에 나타내는 바와 같이, 일반적으로, 플랜트(1)는, 복수의 기기(발전 플랜트에서는 도 1의 11~44 등)를 포함하여 구성되어 있고, 대상 기기는, 복수의 기기 중 적어도 1개를 포함하고 있어도 좋다. 보다 상세하게는, 대상 기기는, 발전 플랜트이면, 발전 출력을 얻기 위하여 최저한으로 필요한 기기이다. 기본적으로는, 전술한 도 1에 포함되는 모든 기기이지만, 발전 플랜트는, 규모에 따라서 밀 장치(25)나 수트 블로워(45) 등은 복수 대 설치되어 있고, 이들의 기기는, 전력 수요에 따라서 가동되거나, 되지 않거나 처럼 가동 상태가 다르다.
　그래서, 예를 들면, 운전 패턴 Op를, 밀 장치(25)가 1대 가동하고 있을 때(제 1 운전 패턴 Opa), 밀 장치(25)가 2대 가동하고 있을 때(제 2 운전 패턴 Opb), 밀 장치(25)가 2대 가동 또한 수트 블로워(45)가 가동 중인 때(제 3 운전 패턴 Opc) 등, 대상 기기의 가동 상태의 조합에 근거하여, 설정해도 좋다. 다만, 운전 패턴 Op는 대상 기기의 가동 상태의 조합을 모두 포함할 필요는 없고, 임의의 조합을 추출하여, 운전 패턴 Op를 설정해도 좋다. 또, 운전 패턴 Op는, 대상 기기의 가동 상태, 및, 전술한 플랜트(1)의 운전 상태에 근거하여, 설정해도 좋다. 구체적으로는, 운전 패턴 Op는, 플랜트(1)의 기동 시(스타트 업 시)를 제 1 운전 패턴 Opa로 하고, 밀 장치(25)가 2대 가동 또한 수트 블로워(45)가 가동한 상태에서 플랜트(1)가 운전되고 있을 때를 제 2 운전 패턴 Opb, 그 이외를 제 3 운전 패턴 Opc로 하는 등으로 해도 좋다. 또, 운전 패턴 Op는, 대상 기기의 가동 상태, 혹은, 대상 기기의 가동 상태 및 플랜트(1)의 운전 상태에 더하여, 습도, 외부 기온을 포함하는 외부 환경 중 적어도 1개에 근거하여, 설정해도 좋다.
그 외의 몇 가지의 실시 형태에서는, 운전 패턴 Op는 발전 출력에 근거하여 설정되어 있어도 좋고, 예를 들면, 0 이상 60MW 미만인 때(제 1 운전 패턴 Opa), 60MW 이상 100MW 미만인 때(제 2 운전 패턴 Opb), 100MW 이상인 때(제 3 운전 패턴 Opc) 등처럼 설정해도 좋다. 그 외의 몇 가지의 실시 형태에서는, 운전 패턴 Op는, 파라미터의 온도, 압력과 같은 단위에 근거하여, 설정해도 좋다.
상기의 구성에 의하면, 진단 대상 패턴 Dp가 가지는 운전 패턴 Op마다의 플롯 패턴 F에 근거하여, 플랜트(1)의 이상을 진단한다. 운전 패턴 Op 별의 진단 대상 패턴 Dp에 근거한 진단을 행하는 것에 의해서, 진단하려고 하는 운전 패턴 Op에 의해 형성되는 플롯 패턴 F가, 그 이외의 다른 운전 패턴 Op에 속하는 복수의 감시 데이터 D에 의해 묻히는 것을 회피하고, 이상 특징 플롯 패턴 Fx를 확실히 출현시킬 수가 있다. 따라서, 진단 정밀도의 보다 높은 향상을 도모할 수 있다.
또, 몇 가지의 실시 형태에서는, 도 2에 나타내는 바와 같이, 진단 장치(5)는, 복수의 감시 데이터 D의 각각과 운전 패턴 Op마다 마련된 임계치의 비교에 근거하여, 플랜트(1)를 진단하는 임계치 진단부(56)를 더 구비한다. 즉, 상기의 임계치 진단부(56)가 이용하는 임계치는, 이상을 검지하기 위한 최종 관리치가 된다. 보다 구체적으로는, 임계치 진단부(56)는, 상한 임계치 Tu에만 근거하여 진단해도 좋고, 상한 임계치 Tu치를 넘은 감시 데이터 D를 적어도 1개 찾아낸 경우에 플랜트(1)가 이상이라고 판정한다(도 3, 도 5, 도 6 참조). 또, 임계치 진단부(56)는, 상한 임계치 Tu 및 하한 임계치 Td의 양쪽 모두에 근거하여 감시해도 좋고, 상한 임계치 Tu를 넘던지 하한 임계치 Td를 하회하던가 중의 어느 한쪽으로 된 감시 데이터 D를 적어도 1개 찾아낸 경우에 이상이라고 진단한다(도 7, 도 10 참조). 또, 상기의 임계치(최종 관리치)는, 파라미터의 종류마다 설정되는 것이지만, 이 경우, 운전 패턴 Op마다 각각 마련되어 있어도 좋고, 모든 운전 패턴 Op에 공통하여 마련되어 있어도 좋다.
또, 진단 장치(5)는, 복수의 감시 데이터 D를 운전 패턴 Op로 분류하고, 운전 패턴 Op마다 감시 데이터 D를 통계적으로 분석하는 것에 의해, 이상 진단을 행해도 좋다. 예를 들면, 주 증기의 온도(파라미터)에 대해서, 정격 부하 운전 시 등의 부하 일정 시(Stable　Load)의 운전 패턴 Op의 출현 확률에 대한 히스토그램을를 작성함과 아울러, 주 증기의 온도의 값의 평균으로부터 2σ(σ：표준 편차) 등의 소정의 통계치를 임계치(최종 관리치)로 하여 설정해도 좋다. 이 경우에는, 임계치 진단부(56)는, 소정의 통계치 이상 어긋난 계측치(감시 데이터 D)를 적어도 1개 찾아낸 경우에는 이상이라고 진단한다.
상기의 구성에 의하면, 플랜트(1)의 이상의 보다 확실한 검지를 도모할 수가 있다. 즉, 전술한 패턴 진단부(54)에 의한 진단에서는, 진단 대상 패턴 Dp가 이상 특징 플롯 패턴 Fx를 가지고 있었다고 하여도, 그 이상 특징 플롯 패턴 Fx가 이상을 나타내는 것으로서 인지될 때까지는 이상을 검지할 수 없지만, 그러한 이상이라도, 임계치 진단부(56)에 의한 진단에 의해서 검지할 수가 있다.
또, 몇 가지의 실시 형태에서는, 진단 장치(5)는, 임계치 진단부(56)를 구비하는 전술의 실시 형태에 있어서, 패턴 진단부(54)에서의 진단 결과가 이상이 아닌 경우, 동시에, 임계치 진단부(56)에서 이상으로 판정된 경우에는, 운전 패턴마다 작성된 진단 대상 패턴을 기억하는 진단 대상 패턴 기억부(57)를 더 구비하고 있어도 좋다. 즉, 패턴 진단부(54)에서의 진단에 의해 검지할 수 없었던 이상이 생겼을 경우에는, 이상이 검지된 때의 진단 대상 패턴 Dp(요 분석 진단 대상 패턴)를 기억 장치 Md 등에 기억한다. 이것에 의해서, 이렇게 하여 축적된 요 분석 진단 대상 패턴의 1 이상을 분석하는 것으로, 패턴 진단부(54)에 의한 진단에 이용하는 새로운 이상 특징 플롯 패턴 Fx를 생성하는 것이나, 임계치 진단부(56)가 진단에 이용하는 관리치(제 n 관리치나 최종 관리치)를 생성하는 것 등, 진단 정밀도를 높이기 위한 등의 기계 학습에 이용해도 좋다.
보다 구체적으로는, 요 분석 진단 대상 패턴을 이상 특징 플롯 패턴 Fx로 하는 것 외에, 정상 시 패턴 Fn과의 비교에 근거하여, 이상 특징 플롯 패턴 Fx를 생성해도 좋다. 동일 종류의 파라미터에 관한 복수의 요 분석 진단 대상 패턴에 공통하는 특징을 가지도록 이상 특징 플롯 패턴 Fx(패턴 부분)를 생성해도 좋다. 동일 종류의 파라미터에 관한 복수의 요 분석 진단 대상 패턴을, 클러스터링 기술(예를 들면 EM법 등)을 이용하여 분류하고, 분류된 그룹마다 예를 들면 평균화한 패턴을 생성하는 등을 하여, 1 이상의 이상 특징 플롯 패턴 Fx를 생성해도 좋다. 이 경우에는, 이상 원인에 대응한 이상 특징 플롯 패턴 Fx가 생성되는 등을 기대할 수 있다. 복수 종류의 파라미터에 관한 요 분석 진단 대상 패턴을 대상으로 전술한 분석을 행해도 좋다.
또, 정상이라고 진단되었을 때의 진단 대상 패턴 Dp도 마찬가지로 기억 장치 Md 등에 기억해도 좋고, 정상 시 패턴 Fn에 근거하는 진단의 정밀도의 향상이 도모된다. 또, 정상이라고 진단된 때의 복수의 진단 대상 패턴 Dp 및 복수의 요 분석 진단 대상 패턴을 모아서, 클러스터링 기술 등에 의해서 어떠한 유사성으로 분류하는 것에 의해서, 이상 특징 플롯 패턴 Fx나 정상 시 패턴 Fn를 학습해도 좋다.
상기의 구성에 의하면, 임계치 진단부(56)에서 검지된 이상에 대해서, 패턴 진단부(54)에서는 검지되지 않았던 진단 대상 패턴 Dp가 기억 장치 Md 등에 기억(보존)된다. 이것에 의해서, 이러한 진단 대상 패턴 Dp에 근거하여 이상 특징 플롯 패턴 Fx를 예를 들면 기계 학습 등에 의해 학습하는 것에 의해, 패턴 진단부(54)에 의한 진단 정밀도를 높이고, 플랜트(1)의 진단 정밀도의 향상을 도모할 수가 있다.
그 외, 진단 장치(5)가 구비하는 기능에 대해 설명한다.
전술한 바와 같은 이상 특징 플롯 패턴 Fx(도 5, 도 7, 도 8, 도 10 참조)는, 플랜트(1)에 있어서, 대응하는 특정의 이상 원인이 발생하고 있는 것에 의해서, 진단 대상 패턴 Dp에 출현하는 경우가 있다. 그래서, 이상 특징 플롯 패턴 Fx에 관련지어서 상정되는 이상 원인을 기억하고, 진단 대상 패턴 Dp가 가지는 이상 특징 플롯 패턴 Fx를 특정하는 것에 의해, 이상 원인의 추정을 행해도 좋다. 보다 구체적으로는, 진단 장치(5)는, 플랜트(1)의 진단 결과로서, 이상, 정상 등의 결과에 더해서, 이상 특징 플롯 패턴 Fx에 관련지어진 이상 원인을, 디스플레이(출력 장치)에 표시하는 통지 기능부를 가지고 있어도 좋다. 이와 같이, 이상 원인을 조작자 등에 통지하는 것에 의해, 이상 진단 시의 조사나 복구 작업의 신속화를 도모하는 것이 가능해진다.
나아가서는, 각종 이상 원인과 상관이 강한 기기나 파라미터를 기계 학습 등에 의해 학습하는 것으로, 이상이 검지된 경우에, 그 이상을 정상 상태에 되돌리기 위해서 효과적인 조작(예를 들면 밀 장치(25)의 동작 대수의 변경 등 기기의 가동 상황의 조정 등)이나 설정된 파라미터의 지시치를, 원격 감시하는 플랜트(1)의 제어 시스템에 피드백해도 좋고, 이것에 의해서, 최적인 운전으로 연결하는 것도 가능해진다.
또, 진단 장치(5)가 상기 운전 패턴 분류부(52)를 구비하는 경우에, 미리 정해진 플랜트(1)의 운전 패턴 Op에 따라서 복수의 감시 데이터 D를 분류하는 것에 대하여 이미 기술했지만, 기계 학습 등에 의해 학습하는 것으로, 미리 정해진 운전 패턴 Op를, 이상 검지에 보다 최적인 운전 패턴 Op으로 고쳐 쓰거나, 새롭게 정하는 것이 가능해진다. 한편, 전술한 각종 기계 학습을 행하는 경우에는, 감시 데이터 D 그 자체가 아니라, 미리 운전 패턴 Op마다 분류된 데이터를 학습시켜도 좋고, 이것에 의해서 노이즈가 보다 적은 효과적인 학습이 가능해진다.
또, 진단 장치(5)는, 진단 시 등에는, 전술한 레코드 세트에 근거하여, 감시 데이터 D를 시계열로 표시하거나 계측 시기, 감시 데이터 D, 발전 출력 데이터(플랜트 출력 데이터)의 3축에서의 출력(3차원 그래프의 출력)이 가능한 그래프 작성 기능을 가지고 있어도 좋다. 이것에 의해서, 이상의 전조 등의 분석이나, 이상 시의 조사의 용이화를 도모할 수가 있다.
또, 진단 장치(5)는, 감시 데이터 D로부터 플랜트(1)의 가동 설비를 추정하기 위한 기능부를 구비하고 있어도 좋다. 예를 들면, 취득한 감시 데이터 D를 이용하여 작성한 진단 대상 패턴 Dp가, 대상 기기에 근거하여 설정한 운전 패턴 Op마다의 정상 시 패턴 Fn나 이상 특징 플롯 패턴 Fx를 가진다고 판정되는 경우에는, 그 운전 패턴 Op의 내용에 의해서, 기기의 구성을 자동으로 추정하는 것이 가능해진다. 보다 구체적으로는, 그 운전 패턴 Op의 내용이, 밀 장치(25)가 2대 가동 동시에 수트 블로워(45)가 가동 중인 것인 경우에는, 그와 같은 기기의 구성이 추정된다.
또, 전술한 기능의 적어도 1개를, 다음에 설명하는 플랜트(1)의 진단 방법 에 있어서도 마찬가지로 행해도 좋다.
이하, 전술한 진단 장치(5)가 행하는 진단에 대응하는 플랜트(1)의 진단 방법에 대해서, 도 11을 이용해서 설명한다. 도 11은, 본 발명의 일 실시 형태와 관련되는 플랜트(1)의 진단 방법을 나타내는 도면이다. 플랜트(1)의 진단 방법은, 플랜트(1)의 운전 상태에 근거하여 플랜트(1)를 진단하기 위한 방법으로, 도 11에 나타내는 바와 같이, 감시 데이터 취득 스텝(S1)과, 진단 대상 패턴 작성 스텝(S2)과, 패턴 진단 스텝(S4)을 구비한다. 그리고 본 진단 방법을 실행하는 것에 의해서, 플랜트(1)에 생기고 있는 이상을 검지하는 것이 가능해진다. 본 진단 방법은, 전술한 진단 장치(5)나 진단 프로그램이 실행해도 좋고, 플랜트(1)의 감시를 행하는 감시자가, 컴퓨터를 이용하는 등을 하여 인력으로 행해도 좋다.
이하, 플랜트(1)의 진단 방법에 대해, 도 11의 스텝의 순서로 설명한다. 한편, 도 11의 각 스텝은, 전술한 동일한 명칭의 기능부에 대응하기 때문에, 상세한 설명은 생략한다.
도 11의 스텝 S1에 있어서 감시 데이터 취득 스텝을 실행하고, 전술한 복수의 감시 데이터 D를 취득한다. 본 실시 형태에서는, 스텝 S2에 있어서, 복수의 감시 데이터 D의 각각을 전술한 운전 패턴 Op에 따라서 분류하는 감시 데이터 분류 스텝을 실행하고 있지만, 본 스텝은 생략해도 좋다. 다음의 스텝 S3에 있어서 진단 대상 패턴 작성 스텝을 실행하고, 감시 데이터 취득 스텝(S1)에 있어서 취득한 복수의 감시 데이터 D(동일한 파라미터의 계측치)에 근거하여, 전술한 진단 대상 패턴 Dp를 작성한다. 한편, 본 실시 형태에서는, 감시 데이터 분류 스텝(S2)을 실시하고 있으므로, 스텝 S3에서는, 운전 패턴 Op마다 진단 대상 패턴 Dp가 작성된다. 그리고 스텝 S4에 있어서 패턴 진단 스텝을 실행하고, 진단 대상 패턴 Dp가 가지는 플롯 패턴 F에 근거하여, 플랜트(1)를 진단한다.
도 11에 나타내는 바와 같이, 몇 가지의 실시 형태에서는, 패턴 진단 스텝(S4)에서는, 이상 진단 스텝(S41)을 실행해도 좋다. 보다 상세하게는, 스텝 S41 에 있어서, 진단 대상 패턴 Dp가 전술한 이상 특징 플롯 패턴 Fx를 가지는지의 여부를 판정한다. 그리고 진단 대상 패턴 Dp가 이상 특징 플롯 패턴 Fx를 가진다고 판정한 경우에, 스텝 S42에 있어서, 플랜트(1)가 이상이라고 진단한다. 예를 들면, 전술한 바와 같이, 이상 특징 플롯 패턴 Fx에 대하여 소정 이상의 유사도를 나타내는 플롯 패턴 F를 진단 대상 패턴 Dp가 가지는 경우에, 진단 대상 패턴 Dp가 이상 특징 플롯 패턴 Fx를 가진다고 판정해도 좋다.
반대로, 스텝 S41에 있어서, 진단 대상 패턴 Dp가 이상 특징 플롯 패턴 Fx를 가지고 있지 않다고 판정한 경우에는, 도 11에 나타내는 바와 같이, 임계치 진단 스텝(S5)을 실행하고, 운전 패턴 Op마다의 복수의 감시 데이터 D와 운전 패턴 Op 마다 마련된 임계치의 비교에 근거하여 플랜트(1)를 진단해도 좋다. 구체적으로는, 스텝 S5에 있어서, 복수의 감시 데이터 D 중 　임계치 외의 값을 취하는 것이 있는지의 여부를 판정하고, 임계치 외의 감시 데이터 D가 있다고 판정한 경우에는, 이상을 판정한다(S42로 돌아온다). 도 11에 나타내는 바와 같이, 스텝 S5와 스텝 S42의 사이의 스텝 S6에 있어서, 진단 대상 패턴 기억 스텝을 실행하고, 운전 패턴 Op마다 작성된 진단 대상 패턴 Dp를 기억한 후에, 스텝 S42를 실행하여 이상을 판정해도 좋다. 반대로, 임계치 외의 감시 데이터 D가 없다고 판정한 경우에는, 진단 플로우를 종료한다.
한편, 본 진단 방법은, 정상 시 패턴 Fn에 대하여 소정 이상의 유사도를 나타내는 플롯 패턴 F를 진단 대상 패턴 Dp가 가지는 경우에, 진단 대상 패턴 Dp가 정상이라고 판정하는 정상 판정 스텝을 더 구비하고 있어도 좋다. 이 정상 판정 스텝은, 도 11에 있어서의 스텝 S3와 스텝 S41의 사이에서 실행해도 좋고, 스텝 S41와 스텝 S5의 사이에서 실행해도 좋다. 정상 판정 스텝에 있어서 정상이라고 진단한 경우에는, 진단 플로우를 종료하고, 그렇지 않은 경우에는, 그 다음의 스텝을 실행한다.
본 발명은 전술한 실시 형태로 한정되는 것은 아니고, 전술한 실시 형태에 변형을 가한 형태나, 이들의 형태를 적당히 조합한 형태도 포함한다.
1: 플랜트
11: 주 변압기
12: 개폐기
13: 송전선
14: 화기 통로
15: 탈초 장치
16: 전기 집진기
17: 유인 통풍기
18: 탈유 장치
19: 굴뚝
M: 구동 모터
2: 보일러
21: 저탄장
22: 벨트 컨베이어
23: 석탄 뱅커
24: 석탄 공급기
25: 밀 장치
26: 미분탄관
27: 버너
28: 압입 통풍기
29: 2차 공기 공급관
3: 증기 터빈
31: 복수기
31p: 급수관
32: 발전기
33: 순환수 펌프
34: 냉각수 공급관
35: 복수 펌프
36: 저압 급수 가열기
37: 탈기기
38: 급수 펌프
39: 고압 급수 가열기
41: 전열관
42: 주 증기관
43: 재열기
44: 재열증기관
45: 수트 블로워
46: 클링커 호퍼
47: 재 처리 설비
5: 진단 장치
51: 감시 데이터 취득부
52: 운전 패턴 분류부
53: 진단 대상 패턴 작성부
54: 패턴 진단부
55: 이상 진단부
56: 임계치 진단부
57: 진단 대상 패턴 기억부
Md: 기억 장치
D: 감시 데이터
Dp: 진단 대상 패턴
F: 플롯 패턴
Fx: 이상 특징 플롯 패턴
Fxa: 제 1 이상 시 패턴 부분
Fxb　제 2 이상 시 패턴 부분
Fxc: 제 3 이상 시 패턴 부분
Fxd: 제 4 이상 시 패턴 부분
Fn: 정상 시 패턴
Fna:　제 1 정상 시 패턴 부분
Fnc:　제 3 정상 시 패턴 부분
Op:　운전 패턴
Opa:　제 1 운전 패턴
Opb:　제 2 운전 패턴
Opc:　제 3 운전 패턴
Tu:　상한 임계치
Td:　하한 임계치
Ts:　관리치

Claims (16)

  1. 플랜트의 운전 상태에 근거하여 상기 플랜트를 진단하기 위한 플랜트의 진단 장치로서,
    상기 플랜트의 상기 운전 상태에 관한 파라미터의 계측치인 감시 데이터로서, 계측 시기가 서로 다른 복수의 감시 데이터를 취득하는 감시 데이터 취득부와,
    상기 복수의 감시 데이터의 각각을 상기 플랜트의 플랜트 출력 데이터에 대하여 플롯한 플롯 패턴인 진단 대상 패턴을 작성하는 진단 대상 패턴 작성부와,
    상기 진단 대상 패턴이 가지는 상기 플롯 패턴에 근거하여, 상기 플랜트를 진단하는 패턴 진단부
    를 구비하는 것을 특징으로 하는 플랜트의 진단 장치.
  2. 제 1 항에 있어서,
    상기 패턴 진단부는, 상기 진단 대상 패턴이, 상기 플랜트가 이상인지의 여부를 판정 가능한 특징적인 플롯 패턴인 미리 정해진 이상 특징 플롯 패턴을 가진다고 판정한 경우에, 상기 플랜트가 이상이라고 진단하는 이상 진단부를 가지는 것을 특징으로 하는 플랜트의 진단 장치.
  3. 제 2 항에 있어서,
    상기 이상 진단부는, 상기 이상 특징 플롯 패턴에 대하여 소정 이상의 유사도를 나타내는 플롯 패턴을 상기 진단 대상 패턴이 가지는 경우에, 상기 진단 대상 패턴이 상기 이상 특징 플롯 패턴을 가진다고 판정하는 것을 특징으로 하는 플랜트의 진단 장치.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 복수의 감시 데이터의 각각을 미리 정해진 상기 플랜트의 운전 패턴에 따라서 분류하는 운전 패턴 분류부를 더 구비하고
    상기 진단 대상 패턴 작성부는, 상기 운전 패턴마다 상기 진단 대상 패턴을 작성하는 것을 특징으로 하는 플랜트의 진단 장치.
  5. 제 4 항에 있어서,
    상기 복수의 감시 데이터의 각각과 임계치의 비교에 근거하여, 상기 플랜트를 진단하는 임계치 진단부를 더 구비하는 것을 특징으로 하는 플랜트의 진단 장치.
  6. 제 5 항에 있어서,
    상기 패턴 진단부에서의 진단 결과가 이상이 아닌 경우, 동시에, 상기 임계치 진단부에서 이상으로 판정된 경우에는, 상기 운전 패턴마다 작성된 상기 진단 대상 패턴을 기억하는 진단 대상 패턴 기억부를 더 구비하는 것을 특징으로 하는 플랜트의 진단 장치.
  7. 제 4 항 내지 제 6 항 중 어느 한 항에 있어서,
    상기 플랜트는, 복수의 기기를 포함하고,
    상기 운전 패턴은, 상기 복수의 기기 중 적어도 1개를 포함하는 대상 기기의 가동 상태에 근거하여 설정되는 것을 특징으로 하는 플랜트의 진단 장치.
  8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
    상기 플랜트는, 발전기를 포함하는 발전 플랜트인 것을 특징으로 하는 플랜트의 진단 장치.
  9. 플랜트의 운전 상태에 근거하여 상기 플랜트를 진단하기 위한 플랜트의 진단 방법으로서,
    상기 플랜트의 상기 운전 상태에 관한 파라미터의 계측치인 감시 데이터로서, 계측 시기가 서로 다른 복수의 감시 데이터를 취득하는 감시 데이터 취득 스텝과,
    상기 복수의 감시 데이터의 각각을 상기 플랜트의 플랜트 출력 데이터에 대하여 플롯한 플롯 패턴인 진단 대상 패턴을 작성하는 진단 대상 패턴 작성 스텝과,
    상기 진단 대상 패턴이 가지는 상기 플롯 패턴에 근거하여, 상기 플랜트를 진단하는 패턴 진단 스텝
    을 구비하는 것을 특징으로 하는 플랜트의 진단 방법.
  10. 제 9 항에 있어서,
    상기 패턴 진단 스텝은, 상기 진단 대상 패턴이, 상기 플랜트가 이상인지의 여부를 판정 가능한 특징적인 플롯 패턴인 미리 정해진 이상 특징 플롯 패턴을 가진다고 판정한 경우에, 상기 플랜트가 이상이라고 진단하는 이상 진단 스텝을 가지는 것을 특징으로 하는 플랜트의 진단 방법.
  11. 제 10 항에 있어서,
    상기 이상 진단 스텝은, 상기 이상 특징 플롯 패턴에 대하여 소정 이상의 유사도를 나타내는 플롯 패턴을 상기 진단 대상 패턴이 가지는 경우에, 상기 진단 대상 패턴이 상기 이상 특징 플롯 패턴을 가진다고 판정하는 것을 특징으로 하는 플랜트의 진단 방법.
  12. 제 9 항 내지 제 11 항 중 어느 한 항에 있어서,
    상기 복수의 감시 데이터의 각각을 미리 정해진 상기 플랜트의 운전 패턴에 따라서 분류하는 감시 데이터 분류 스텝을 더 구비하고,
    상기 진단 대상 패턴 작성 스텝은, 상기 운전 패턴마다 상기 진단 대상 패턴을 작성하는 것을 특징으로 하는 플랜트의 진단 방법.
  13. 제 12 항에 있어서,
    상기 복수의 감시 데이터의 각각과 임계치의 비교에 근거하여 상기 플랜트를 진단하는 임계치 진단 스텝을 더 구비하는 것을 특징으로 하는 플랜트의 진단 방법.
  14. 제 13 항에 있어서,
    상기 패턴 진단 스텝에서의 진단 결과가 이상이 아닌 경우, 동시에, 상기 임계치 진단 스텝에서 이상으로 판정된 경우에는, 상기 운전 패턴마다 작성된 상기 진단 대상 패턴을 기억하는 진단 대상 패턴 기억 스텝을 더 구비하는 것을 특징으로 하는 플랜트의 진단 방법.
  15. 제 12 항 내지 제 14 항 중 어느 한 항에 있어서,
    상기 플랜트는, 복수의 기기를 포함하고,
    상기 운전 패턴은, 상기 복수의 기기 중 적어도 1개를 포함하는 대상 기기의 가동 상태에 근거하여 설정되는 것을 특징으로 하는 플랜트의 진단 방법.
  16. 제 9 항 내지 제 15 항 중 어느 한 항에 있어서,
    상기 플랜트는, 발전기를 포함하는 발전 플랜트인 것을 특징으로 하는 플랜트의 진단 방법.
KR1020197023332A 2017-02-17 2018-01-16 플랜트의 진단 장치 및 진단 방법 KR102303891B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017027915A JP6920828B2 (ja) 2017-02-17 2017-02-17 プラントの診断装置および診断方法
JPJP-P-2017-027915 2017-02-17
PCT/JP2018/000985 WO2018150785A1 (ja) 2017-02-17 2018-01-16 プラントの診断装置および診断方法

Publications (2)

Publication Number Publication Date
KR20190105056A true KR20190105056A (ko) 2019-09-11
KR102303891B1 KR102303891B1 (ko) 2021-09-17

Family

ID=63169761

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197023332A KR102303891B1 (ko) 2017-02-17 2018-01-16 플랜트의 진단 장치 및 진단 방법

Country Status (6)

Country Link
US (1) US11480501B2 (ko)
JP (1) JP6920828B2 (ko)
KR (1) KR102303891B1 (ko)
CN (1) CN110291476A (ko)
TW (1) TWI665537B (ko)
WO (1) WO2018150785A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11262743B2 (en) * 2018-11-21 2022-03-01 Sap Se Predicting leading indicators of an event
JP2020119136A (ja) * 2019-01-22 2020-08-06 株式会社豊田自動織機 異常検出システム
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
JP2022170011A (ja) * 2021-04-28 2022-11-10 株式会社Sumco 状態判定装置及び状態判定方法
TWI785851B (zh) * 2021-10-19 2022-12-01 品捷能源科技有限公司 鍋爐動態監測方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011243118A (ja) * 2010-05-20 2011-12-01 Hitachi Ltd 監視診断装置および監視診断方法
JP2013137797A (ja) * 2013-03-05 2013-07-11 Mitsubishi Heavy Ind Ltd プラント運転状態監視方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5070468A (en) * 1988-07-20 1991-12-03 Mitsubishi Jukogyo Kabushiki Kaisha Plant fault diagnosis system
JPH0493610A (ja) 1990-08-03 1992-03-26 Hitachi Ltd 機器の異常監視装置
JP2000352528A (ja) 1999-06-10 2000-12-19 Mitsubishi Electric Corp トレンドグラフの表示方法
JP4403335B2 (ja) 2000-04-17 2010-01-27 ソニー株式会社 ビデオ処理機器の保守支援システム
US7539548B2 (en) 2005-02-24 2009-05-26 Sara Services & Engineers (Pvt) Ltd. Smart-control PLC based touch screen driven remote control panel for BOP control unit
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
JP5301310B2 (ja) 2009-02-17 2013-09-25 株式会社日立製作所 異常検知方法及び異常検知システム
JP5446481B2 (ja) * 2009-06-08 2014-03-19 凸版印刷株式会社 装置データ収集装置
JP5363927B2 (ja) * 2009-09-07 2013-12-11 株式会社日立製作所 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム
JP5504838B2 (ja) 2009-11-17 2014-05-28 凸版印刷株式会社 異常検出方法及び異常検出システム
CN103154898B (zh) 2010-05-14 2016-07-06 哈尼施费格尔技术公司 机器警示的远程监视
JP5813317B2 (ja) 2010-12-28 2015-11-17 株式会社東芝 プロセス状態監視装置
JP5469131B2 (ja) * 2011-07-19 2014-04-09 株式会社日立製作所 プラントの診断方法及び装置。
KR20150056612A (ko) * 2012-10-25 2015-05-26 미츠비시 히타치 파워 시스템즈 가부시키가이샤 플랜트 감시장치, 플랜트 감시프로그램 및 플랜트 감시방법
TWI648609B (zh) 2013-06-07 2019-01-21 美商科學設計股份有限公司 程序監控系統及方法
JP2015075821A (ja) * 2013-10-07 2015-04-20 横河電機株式会社 状態診断方法および状態診断装置
JP6116466B2 (ja) 2013-11-28 2017-04-19 株式会社日立製作所 プラントの診断装置及び診断方法
JP5715288B1 (ja) * 2014-08-26 2015-05-07 株式会社日立パワーソリューションズ 動態監視装置及び動態監視方法
KR101815202B1 (ko) 2015-02-12 2018-01-05 후지 덴키 가부시키가이샤 제어 시스템 및 중계장치
DE112015006554T5 (de) 2015-05-21 2018-03-01 Mitsubishi Electric Corporation Fernüberwachungsvorrichtung, Fernüberwachungswartungssystem, Fernüberwachungsverfahren und Fernüberwachungsprogramm
JP6796373B2 (ja) * 2015-09-25 2020-12-09 三菱重工業株式会社 プラント運転システム及びプラント運転方法
JP6347771B2 (ja) * 2015-10-01 2018-06-27 株式会社Ihi 異常診断装置、異常診断方法及び異常診断プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011243118A (ja) * 2010-05-20 2011-12-01 Hitachi Ltd 監視診断装置および監視診断方法
JP2013137797A (ja) * 2013-03-05 2013-07-11 Mitsubishi Heavy Ind Ltd プラント運転状態監視方法

Also Published As

Publication number Publication date
US20190368973A1 (en) 2019-12-05
KR102303891B1 (ko) 2021-09-17
JP6920828B2 (ja) 2021-08-18
CN110291476A (zh) 2019-09-27
US11480501B2 (en) 2022-10-25
WO2018150785A1 (ja) 2018-08-23
TWI665537B (zh) 2019-07-11
JP2018133033A (ja) 2018-08-23
TW201841087A (zh) 2018-11-16

Similar Documents

Publication Publication Date Title
KR20190105056A (ko) 플랜트의 진단 장치 및 진단 방법
JP6116466B2 (ja) プラントの診断装置及び診断方法
Di Maio et al. Fault detection in nuclear power plants components by a combination of statistical methods
CN107111309B (zh) 利用监督式学习方法的燃气涡轮机故障预测
EP3055747B1 (en) Correlation and annotation of time series data sequences to extracted or existing discrete data
Rostek et al. Early detection and prediction of leaks in fluidized-bed boilers using artificial neural networks
US8996334B2 (en) Method and system for analysis of turbomachinery
JP6037954B2 (ja) ボイラチューブリーク検出装置、ボイラチューブリーク検出方法、並びにこれらを用いたデータ監視センタ、情報提供サービス、ボイラプラント。
EP3055746B1 (en) Correlation and annotation of time series data sequences to extracted or existing discrete data
JP6884078B2 (ja) プラント異常監視システム
CN110346160A (zh) 一种基于svr的磨煤机效率异常检测与诊断方法
Santos et al. Big data analytics for predictive maintenance modeling: Challenges and opportunities
CN116399400B (zh) 一种锅炉机组运行故障检测方法及系统
Zanoli et al. FDI of Process Faults based on PCA and Cluster Analysis
EP2644850B1 (en) A system for analyzing operation of power plant units and a method for analyzing operation of power plant units
Alnaimi et al. Application of intelligent computational techniques in power plants: a review
JP2023094895A (ja) 故障予測装置、故障予測装置の制御方法及びプログラム
WO2018003028A1 (ja) ボイラーの故障判定装置、故障判定方法およびサービス方法
Nielsen et al. On-line alert systems for production plants: A conflict based approach
Jeyabalan et al. AN IMPROVED TURBOMACHINERY CONDITIONMONITORING METHOD USING MULTIVARIATE STATISTICAL ANALYSIS
Nielsen et al. Alert systems for production plants: A methodology based on conflict analysis
Jagtap et al. Reliability analysis using condition monitoring approach in thermal power plants
Hu et al. Detection of chiller energy efficiency faults using expectation maximization
Shram et al. Overview of fault detection methods for power plant control systems purposes
Chen et al. Thermal Power Plant Process Monitoring using Mutual Information and Distributed Statistical Model

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant