KR20230147683A - 플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램 - Google Patents

플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램 Download PDF

Info

Publication number
KR20230147683A
KR20230147683A KR1020237032085A KR20237032085A KR20230147683A KR 20230147683 A KR20230147683 A KR 20230147683A KR 1020237032085 A KR1020237032085 A KR 1020237032085A KR 20237032085 A KR20237032085 A KR 20237032085A KR 20230147683 A KR20230147683 A KR 20230147683A
Authority
KR
South Korea
Prior art keywords
data
period
plant
variables
time
Prior art date
Application number
KR1020237032085A
Other languages
English (en)
Inventor
이치로 나가노
마유미 사이토
구니아키 아오야마
게이지 에구치
Original Assignee
미츠비시 파워 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 파워 가부시키가이샤 filed Critical 미츠비시 파워 가부시키가이샤
Publication of KR20230147683A publication Critical patent/KR20230147683A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/14—Testing gas-turbine engines or jet-propulsion engines
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Automation & Control Theory (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

플랜트 감시 방법은, 플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 방법으로서, 현시점에 이를 때까지의 과거의 제1 기간의 상기 데이터인 제1 데이터를 취득하는 스텝과, 현시점 이후의 제2 기간의 상기 데이터인 제2 데이터를 예측하는 예측 스텝과, 상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하는 단위 공간 작성 스텝을 구비하고, 상기 예측 스텝에서는, 상기 제1 기간을 규정 기간만큼 과거로 시프트시킨 제3 기간의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 기간만큼 과거로 시프트시킨 제4 기간의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측한다.

Description

플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램
본 개시는, 플랜트 감시 방법, 플랜트 감시 장치, 및 플랜트 감시 프로그램에 관한 것이다.
본원은, 2021년 5월 14일에 일본특허청에 출원된 일본 특허공보 2021-082212호에 근거하여 우선권을 주장하고, 그 내용을 여기에 원용한다.
플랜트의 상태를 나타내는 변수(센서로 취득 가능한 상태량 등)의 기준적인 데이터 집합과, 그 변수에 대한 계측 데이터의 괴리를 나타내는 마할라노비스 거리를 이용하여 플랜트를 감시하는 경우가 있다.
특허문헌 1에는, 마할라노비스 거리를 이용한 플랜트 감시 방법에 있어서, 운전 기간에 따라 설정되는 복수의 단위 공간을 이용하여 마할라노비스 거리를 산출하는 것이 기재되어 있다. 여기에서, 상술한 단위 공간은, 플랜트의 운전 상태가 정상인지 아닌지를 판정할 때의 기준이 되는 데이터의 집합체이다. 보다 구체적으로는, 특허문헌 1에서는, 플랜트의 기동 운전 기간에 있어서의 플랜트의 상태량에 근거하여 작성되는 단위 공간을 이용하여 플랜트의 기동 운전 기간에 취득되는 데이터에 대한 마할라노비스 거리를 산출함과 함께, 플랜트의 부하 운전 기간에 있어서의 플랜트의 상태량에 근거하여 작성되는 단위 공간을 이용하여 플랜트의 부하 운전 기간에 취득되는 데이터에 대한 마할라노비스 거리를 산출하도록 되어 있다.
[특허문헌] 특허문헌 1: 일본 특허공보 제5031088호
그런데, 마할라노비스 거리의 산출의 기초가 되는 단위 공간은, 통상, 과거의 기간에 센서에 의하여 취득된 데이터(기준 데이터)로 구성된다. 이와 같은 단위 공간을 이용하여, 상술한 과거의 기간(기준 데이터가 취득된 기간)보다 이후의 기간에 있어서의 시점(예를 들면 현시점이나 가까운 미래의 시점)에서의 계측 데이터(평가 대상 데이터)에 대한 마할라노비스 거리를 산출하는 경우, 기준 데이터가 취득된 과거의 기간에 있어서의 데이터의 트렌드와, 평가 대상 데이터가 취득된 기간에 있어서의 데이터의 트렌드가 일치하지 않는 경우가 있다. 이 경우, 평가 대상 데이터에 대하여 산출되는 마할라노비스 거리에 근거하는 플랜트의 이상 검지의 정밀도가 양호하지 않은 경우가 있다.
상술한 사정을 감안하여, 본 발명의 적어도 일 실시형태는, 플랜트의 이상을 양호한 정밀도로 검지 가능한 플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램을 제공하는 것을 목적으로 한다.
본 발명의 적어도 일 실시형태에 관한 플랜트 감시 방법은,
플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 방법으로서,
현시점에 이를 때까지의 과거의 제1 기간의 상기 데이터인 제1 데이터를 취득하는 스텝과,
현시점 이후의 제2 기간의 상기 데이터인 제2 데이터를 예측하는 예측 스텝과,
상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하는 단위 공간 작성 스텝을 구비하고,
상기 예측 스텝에서는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측한다.
또, 본 발명의 적어도 일 실시형태에 관한 플랜트 감시 장치는,
플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 장치로서,
현시점에 이를 때까지의 과거의 제1 기간의 상기 데이터인 제1 데이터를 취득하도록 구성된 취득부와,
현시점 이후의 제2 기간의 상기 데이터인 제2 데이터를 예측하도록 구성된 예측부와,
상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하도록 구성된 단위 공간 작성부를 구비하고,
상기 예측부는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측하도록 구성된다.
또, 본 발명의 적어도 일 실시형태에 관한 플랜트 감시 프로그램은,
플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 프로그램으로서,
컴퓨터에,
현시점에 이를 때까지의 과거의 제1 기간의 상기 데이터인 제1 데이터를 취득하는 수순과,
현시점 이후의 제2 기간의 상기 데이터인 제2 데이터를 예측하는 수순과,
상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하는 수순을 실행시키고,
상기 제2 데이터를 예측하는 수순에서는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측한다.
본 발명의 적어도 일 실시형태에 의하면, 본 발명의 적어도 일 실시형태는, 플랜트의 이상을 양호한 정밀도로 검지 가능한 플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램이 제공된다.
도 1은 몇 개의 실시형태에 관한 감시 방법이 적용되는 플랜트에 포함되는 가스 터빈의 개략 구성도이다.
도 2는 일 실시형태에 관한 플랜트 감시 장치의 개략 구성도이다.
도 3은 일 실시형태에 관한 플랜트의 감시 방법의 플로차트이다.
도 4a는 일 실시형태에 관한 플랜트의 감시 방법을 설명하기 위한 도이다.
도 4b는 일 실시형태에 관한 플랜트의 감시 방법을 설명하기 위한 도이다.
도 5는 플랜트의 상태를 나타내는 복수의 변수에 근거하여 작성되는 단위 공간의 일례를 모식적으로 나타내는 도이다.
도 6은 플랜트의 상태를 나타내는 변수에 대한 계측 데이터의 일례를 나타내는 모식적인 그래프이다.
도 7은 플랜트의 상태를 나타내는 변수에 대한 계측 데이터의 일례를 나타내는 모식적인 그래프이다.
도 8은 플랜트의 상태를 나타내는 변수에 대한 계측 데이터의 일례를 나타내는 모식적인 그래프이다.
도 9는 플랜트의 상태를 나타내는 변수에 대한 계측 데이터의 일례를 나타내는 모식적인 그래프이다.
도 10은 플랜트의 상태를 나타내는 복수의 변수와 규정 길이의 시간(계측 데이터의 변동 주기)의 대응 관계의 일례를 나타내는 표이다.
이하, 첨부 도면을 참조하여 본 발명의 몇 개의 실시형태에 대하여 설명한다. 단, 실시형태로서 기재되어 있거나 또는 도면에 나타나 있는 구성 부품의 치수, 재질, 형상, 그 상대적 배치 등은, 본 발명의 범위를 이에 한정하는 취지는 아니고, 단순한 설명예에 지나지 않는다.
(플랜트 감시 장치의 구성)
도 1은, 몇 개의 실시형태에 관한 감시 방법이 적용되는 플랜트에 포함되는 기기의 일례인 가스 터빈의 개략 구성도이다. 도 2는, 일 실시형태에 관한 플랜트 감시 장치의 개략 구성도이다.
도 1에 나타내는 가스 터빈(10)은, 공기를 압축하기 위한 압축기(12)와, 압축기(12)로부터의 압축 공기와 함께 연료를 연소시키기 위한 연소기(14)와, 연소기(14)에서 발생한 연소 가스에 의하여 구동되는 터빈(16)을 구비한다. 가스 터빈(10)의 로터(15)에 발전기(18)가 연결되고, 가스 터빈(10)에 의하여 발전기(18)가 회전 구동되도록 되어 있다.
몇 개의 실시형태에서는, 감시 대상의 플랜트는, 상술한 가스 터빈(10)을 포함한다. 몇 개의 실시형태에서는, 감시 대상의 플랜트는, 다른 기기(예를 들면 증기 터빈)를 포함해도 된다.
도 2에 나타내는 플랜트 감시 장치(40)는, 계측부(30)에 의하여 계측되는 플랜트의 상태를 나타내는 복수의 변수의 계측값에 근거하여, 플랜트의 감시를 하도록 구성된다.
계측부(30)는, 플랜트의 상태를 나타내는 복수의 변수를 계측하도록 구성된다. 계측부(30)는, 플랜트의 상태를 나타내는 복수의 변수를 각각 계측하도록 구성된 복수의 센서를 포함해도 된다.
가스 터빈(10)을 포함하는 플랜트의 경우, 계측부(30)는, 플랜트의 상태를 나타내는 변수로서, 가스 터빈(10)의 로터 회전수, 각 단(段) 블레이드 패스 온도, 블레이드 패스 평균 온도, 터빈 입구 압력, 터빈 출구 압력, 발전기 출력, 흡기 필터 입구 압력 또는 흡기 필터 출구 압력 중 어느 하나를 계측하도록 구성된 센서를 포함해도 된다.
플랜트 감시 장치(40)는, 계측부(30)로부터, 플랜트의 상태를 나타내는 변수의 계측값을 나타내는 신호를 받도록 구성된다. 플랜트 감시 장치(40)는, 계측부(30)로부터의 계측값을 나타내는 신호를, 규정의 샘플링 주기마다 받도록 구성되어 있어도 된다. 또, 또, 플랜트 감시 장치(40)는, 계측부(30)로부터 받은 신호를 처리하여, 플랜트의 이상의 유무를 판정하도록 구성된다. 플랜트 감시 장치(40)에 의한 판정 결과는, 표시부(60)(디스플레이 등)에 표시되도록 되어 있어도 된다.
도 2에 나타내는 바와 같이, 일 실시형태에 관한 플랜트 감시 장치(40)는, 데이터 취득부(취득부)(42)와, 예측부(44)와, 단위 공간 작성부(46)와, 마할라노비스 거리 산출부(48)와, 이상 판정부(50)를 포함한다.
플랜트 감시 장치(40)는, 프로세서(CPU 등), 주기억 장치(메모리 디바이스; RAM 등), 보조 기억 장치 및 인터페이스 등을 구비한 계산기를 포함한다. 플랜트 감시 장치(40)는, 인터페이스를 통하여, 계측부(30)로부터, 플랜트의 상태를 나타내는 변수의 계측값을 나타내는 신호를 받도록 되어 있다. 프로세서는, 이와 같이 하여 받은 신호를 처리하도록 구성된다. 또, 프로세서는, 기억 장치에 전개되는 프로그램을 처리하도록 구성된다. 이로써, 상술한 각 기능부(데이터 취득부(42) 등)의 기능이 실현된다.
플랜트 감시 장치(40)에서의 처리 내용은, 프로세서에 의하여 실행되는 프로그램으로서 실장된다. 프로그램은, 보조 기억부에 기억되어 있어도 된다. 프로그램 실행 시에는, 이들 프로그램은 기억 장치에 전개된다. 프로세서는, 기억 장치로부터 프로그램을 독출하고, 프로그램에 포함되는 명령을 실행하도록 되어 있다.
데이터 취득부(42)는, 현시점 이전의 규정 기간(후술하는 제1 기간, 제3 기간 및 제4 기간) 내의 복수의 시각 t(t1, t2, …)의 각각에 있어서의 플랜트의 상태를 나타내는 복수의 변수(V1, V2, …, Vn)의 데이터(제1 데이터, 제3 데이터 및 제4 데이터)를 취득하도록 구성된다. 가스 터빈(10)을 포함하는 플랜트의 경우, 플랜트의 상태를 나타내는 변수(V1, V2, …, Vn)는, 가스 터빈(10)의 로터 회전수, 각 단 블레이드 패스 온도, 블레이드 패스 평균 온도, 터빈 입구 압력, 터빈 출구 압력, 발전기 출력, 흡기 필터 입구 압력, 또는 흡기 필터 출구 압력 중 어느 하나를 포함해도 된다. 또한, 시각 t에 있어서의 상술한 변수의 데이터는, 시각 t를 기준으로 하는 규정 기간에 있어서의 상술한 변수의 계측값의 대푯값(예를 들면 평균값)이어도 된다.
데이터 취득부(42)는, 계측부(30)에 의하여 계측되는 복수의 변수의 계측값에 근거하여 상술한 데이터를 취득하도록 구성되어도 된다. 복수의 변수의 계측값 또는 그 계측값에 근거하는 데이터는, 기억부(32)에 기억되도록 되어 있어도 된다. 데이터 취득부(42)는, 상술한 계측값 또는 그 계측값에 근거하는 데이터를, 기억부(32)로부터 취득하도록 구성되어 있어도 된다.
또한, 기억부(32)는, 플랜트 감시 장치(40)를 구성하는 계산기의 주기억 장치 또는 보조 기억 장치를 포함해도 된다. 혹은, 기억부(32)는, 그 계산기와 네트워크를 통하여 접속되는 원격 기억 장치를 포함해도 된다.
예측부(44)는, 데이터 취득부(42)에서 취득되는 현시점 이전의 규정 기간에 있어서의 복수의 변수의 데이터에 근거하여, 현시점 이후의 규정 기간(후술하는 제2 기간)에 있어서의 그 복수의 변수의 데이터(제2 데이터)를 예측하도록 구성된다.
단위 공간 작성부(46)는, 데이터 취득부(42)에서 취득된 제1 데이터, 및, 예측부(44)에서 취득된 제2 데이터에 근거하여, 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하도록 구성된다.
상술한 단위 공간은, 목적에 대하여 균질한 집단(정상 데이터의 집합)이며, 평가 대상(진단 대상)이 되는 데이터의 단위 공간의 중심으로부터의 거리가 마할라노비스 거리로서 산출된다. 마할라노비스 거리가 작으면 평가 대상의 데이터는 정상일 가능성이 크고, 마할라노비스 거리가 크면 평가 대상의 데이터는 이상일 가능성이 크다.
마할라노비스 거리 산출부(48)는, 단위 공간 작성부(46)에 의하여 작성된 단위 공간을 이용하여, 평가 대상의 데이터에 대하여 마할라노비스 거리를 계산하도록 구성된다.
이상 판정부(50)는, 마할라노비스 거리 산출부(48)에 의하여 산출된 마할라노비스 거리에 근거하여, 플랜트의 이상의 유무를 판정하도록 구성된다.
(플랜트 감시의 플로)
이하, 몇 개의 실시형태에 관한 플랜트 감시 방법에 대하여 보다 구체적으로 설명한다. 또한, 이하에 있어서, 상술한 플랜트 감시 장치(40)를 이용하여 일 실시형태에 관한 플랜트 감시 방법을 실행하는 경우에 대하여 설명하지만, 몇 개의 실시형태에서는, 다른 장치를 이용하여 플랜트의 감시 방법을 실행하도록 해도 된다.
도 3은, 몇 개의 실시형태에 관한 플랜트의 감시 방법의 플로차트이다. 도 4a 및 도 4b는, 몇 개의 실시형태에 관한 플랜트의 감시 방법을 설명하기 위한 도이다.
도 3에 나타내는 바와 같이, 몇 개의 실시형태에서는, 먼저, 데이터 취득부(42)는, 현시점에 이를 때까지의 과거의 제1 기간 T1(도 4a 참조) 내의 복수의 시각에 있어서의 플랜트의 상태를 나타내는 복수의 변수(V1, V2, …, Vn)의 데이터인 제1 데이터를 취득한다(S2). 즉, 제1 데이터는, 제1 기간 T1 내의 복수의 시각의 각각에 있어서의 복수의 변수(V1, V2, …, Vn)의 데이터의 조(組)(데이터 세트)를 포함한다.
또한, 본 명세서에 있어서, "현시점"은, 특정 시점(기준 시점)의 의미이며, 지금 현재에 한정되지 않고, 지금 현재보다 이전의 시점이어도 된다.
또, 데이터 취득부(42)는, 과거의 제3 기간 T3(도 4a 참조) 내의 복수의 시각에 있어서의 플랜트의 상태를 나타내는 복수의 변수(V1, V2, …, Vn)의 데이터인 제3 데이터를 취득함과 함께, 과거의 제4 기간 T4(도 4a 참조) 내의 복수의 시각에 있어서의 플랜트의 상태를 나타내는 복수의 변수(V1, V2, …, Vn)의 데이터인 제4 데이터를 취득한다(S4).
도 4a에 나타내는 바와 같이, 상술한 제3 기간 T3은, 제1 기간 T1을 규정 길이의 시간만큼 과거로 시프트시킨 기간이다. 즉, 제3 기간 T3은, 현시점으로부터 규정 길이의 시간만큼 이전에 있어서의 제1 기간 T1에 대응하는 기간이다. 제3 기간 T3의 개시 시점은, 제1 기간 T1의 개시 시점으로부터 규정 길이의 시간만큼 이전의 시점이며, 제3 기간 T3의 종료 시점은, 제1 기간 T1로부터 규정 길이의 시간만큼 이전의 시점이다. 또, 제3 기간 T3의 길이는, 제1 기간 T1의 길이와 동등하다.
도 4a에 나타내는 바와 같이, 상술한 제4 기간 T4는, 현시점 이후의 제2 기간 T2를 규정 길이의 시간만큼 과거로 시프트시킨 기간이다. 즉, 제4 기간 T4는, 현시점으로부터 규정 길이의 시간만큼 이전에 있어서의 제2 기간 T2에 대응하는 기간이다. 제4 기간 T4의 개시 시점은, 제2 기간 T2의 개시 시점으로부터 규정 길이의 시간만큼 이전의 시점이며, 제4 기간 T4의 종료 시점은, 제2 기간 T2의 종료 시점으로부터 규정 길이의 시간만큼 이전의 시점이다. 또, 제4 기간 T4의 길이는, 제2 기간 T2의 길이와 동등하다.
상술한 제3 데이터(복수의 변수에 대한 제3 데이터)는, 복수의 변수의 각각에 대하여 각각 정해진 규정 길이의 시간만큼 제 1 기간 T1을 각각 과거로 시프트시킨 제3 기간 T3의 각 변수의 데이터의 집합임과 함께, 상술한 제4 데이터(복수의 변수에 대한 제4 데이터)는, 복수의 변수의 각각에 대하여 각각 정해진 규정 길이의 시간만큼 제2 기간 T2를 각각 과거로 시프트시킨 제4 기간 T4의 각 변수의 데이터의 집합이어도 된다. 즉, 복수의 변수의 각각에 대하여, 제1 기간 T1 및 제2 기간 T2로부터 제3 기간 T3 및 제4 기간 T4까지의 시간의 시프트양(거슬러 올라가는 시간의 길이; 즉, 상술한 규정 길이의 시간)이 각각 정의되어 있어도 된다.
예를 들면, 도 4b에 나타내는 바와 같이, 복수의 변수(Va, Vb를 포함한다)에 대한 제3 데이터는, 변수 Va에 대해서는 제1 기간 T1로부터 규정 길이의 시간 Ta(예를 들면 1년)만큼 과거로 시프트된 제3 기간 T3(Va)의 변수 Va의 데이터, 및, 변수 Vb에 대해서는 제1 기간 T1로부터 규정 길이의 시간 Tb(예를 들면 1.5년)만큼 과거로 시프트된 제3 기간 T3(Vb)의 변수 Vb의 데이터를 포함하고, 또한, 복수의 변수에 대한 제4 데이터는, 변수 Va에 대해서는 제2 기간 T2로부터 규정 길이의 시간 Ta만큼 과거로 시프트된 제4 기간 T4(Va)의 변수 Va의 데이터, 및, 변수 Vb에 대해서는 제2 기간 T2로부터 규정 길이의 시간 Tb만큼 과거로 시프트된 제4 기간 T4(Vb)의 변수 Vb의 데이터를 포함해도 된다.
즉, 복수의 변수(V1, V2, …, Vn)의 제3 데이터는, 복수의 변수(V1, V2, …, Vn)의 각각에 대한 제3 기간 T3 내의 복수의 시각의 각각에 있어서의 데이터의 조(데이터 세트)를 포함한다. 또, 복수의 변수(V1, V2, …, Vn)의 제4 데이터는, 복수의 변수(V1, V2, …, Vn)의 각각에 대한 제4 기간 T4 내의 복수의 시각의 각각에 있어서의 데이터의 조(데이터 세트)를 포함한다.
이하, 본 명세서에 있어서, 복수의 변수의 제3 데이터에 포함되는 특정 변수에 대한 데이터를, 그 변수에 대한 제3 데이터라고 하는 경우가 있다. 또, 복수의 변수의 제4 데이터에 포함되는 특정 변수에 대한 데이터를, 그 변수에 대한 제4 데이터라고 하는 경우가 있다.
다음으로, 예측부(44)는, 스텝 S2에서 취득한 제1 기간 T1의 제1 데이터, 및, 스텝 S4에서 취득한 제3 기간 T3의 제3 데이터 및 제4 기간 T4의 제4 데이터에 근거하여, 현시점 이후의 제2 기간 T2(도 4a, 도 4b 참조)에 있어서의 플랜트의 상태를 나타내는 복수의 변수(V1, V2, …, Vn)의 데이터인 제2 데이터를 예측한다(S6). 여기에서, 제2 데이터는, 제2 기간 T2에 있어서의 복수의 변수(V1, V2, …, Vn)의 데이터의 조(데이터 세트)를 복수 포함한다. 전형적으로는, 제2 기간 T2의 길이는, 제1 기간 T1의 길이와 동등하다. 또한, 스텝 S6에 있어서 제2 데이터를 예측하는 수순에 대해서는 후술한다.
다음으로, 단위 공간 작성부(46)는, 스텝 S2에서 취득되는 제1 데이터, 및, 스텝 S6에서 예측되는 제2 데이터에 근거하여, 후속의 스텝 S10에서의 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성한다(S8). 즉, 스텝 S8에서는, 제1 데이터 및 제2 데이터 중에서, 단위 공간을 구성하는 데이터를 선택한다.
스텝 S8에서는, 스텝 S2에서 취득되는 제1 데이터의 적어도 일부, 및, 스텝 S6에서 취득되는 제2 데이터의 적어도 일부를 이용하여, 상술한 단위 공간을 작성해도 된다. 또, 스텝 S8에서는, 제1 데이터의 적어도 일부, 및, 제2 데이터의 적어도 일부에 더하여, 제1 데이터가 취득되는 제1 기간에 이를 때까지의, 제1 기간보다 이전의 기간 T0(도 4a, 도 4b 참조)에 취득된 복수의 변수(V1, V2, …, Vn)의 데이터를 이용하여, 상술한 단위 공간을 작성해도 된다.
그리고, 마할라노비스 거리 산출부(48)는, 단위 공간 작성부(46)에 의하여 작성된 단위 공간을 이용하여, 평가 대상(진단 대상)의 데이터(신호 공간 데이터)에 대하여 마할라노비스 거리를 계산한다(S10). 전형적으로는, 스텝 S10에서는, 현시점 이후의 기간 내에 취득되는 복수의 변수(V1, V2, …, Vn)의 계측값(Y1, Y2, …, Yn)을 평가 대상의 데이터(신호 공간 데이터)로 하고, 이에 대하여 마할라노비스 거리를 산출한다.
평가 대상의 데이터에 대한 마할라노비스 거리는, 특허문헌 1에 기재되는 방법으로 산출할 수 있지만, 마할라노비스 거리의 산출 방법에 대하여, 개략적으로는 이하와 같이 설명할 수 있다. 먼저, 단위 공간을 구성하는 데이터(n개의 변수(V1, V2, …, Vn)에 대한 데이터 세트(X1, X2, …, Xn))를 이용하여, 하기 식 (A)로부터 각 항목(변수)마다의 평균을 구한다. 또한, 하기 식에 있어서, k는 단위 공간을 구성하는 n개의 변수의 각각의 데이터 수(데이터 세트 수)이다.
[수학식 1]
다음으로, 상기 식 (A)로 산출한 각 항목(변수)마다의 평균을 이용하여, 하기 식 (B)에 의하여 단위 공간을 구성하는 데이터에 대하여 공분산 행렬 COV(nХn행렬)를 구한다.
[수학식 2]
그리고, 평가 대상의 데이터 Y1~Yn과, 상기 식 (A)에 의하여 구한 평균 및 상기 식 (B)에 의하여 구한 공분산 행렬의 역행렬을 이용하여, 하기 식 (C)에 의하여 마할라노비스 거리 D의 2승값 D2가 산출된다. 또한, 하기 식에 있어서, l은 n개의 변수에 대한 평가 대상의 데이터(신호 공간 데이터) Y1~Yn의 데이터 수(데이터 세트 수)이다.
[수학식 3]
다음으로, 이상 판정부(50)는, 스텝 S10에서 산출된 마할라노비스 거리 D에 근거하여, 플랜트의 이상의 유무를 판정한다(S12). 스텝 S12에서는, 상술한 마할라노비스 거리 D와 임계값의 비교에 근거하여, 플랜트의 이상의 유무를 판정해도 된다. 예를 들면, 스텝 S10에서 산출된 마할라노비스 거리 D가 임계값 이하일 때에 플랜트는 정상이라고 판정함과 함께, 마할라노비스 거리 D가 임계값보다 클 때에 플랜트에 이상이 발생하고 있다고 판정하도록 해도 된다.
도 5는, 플랜트의 상태를 나타내는 복수의 변수에 근거하여 작성되는 단위 공간의 일례를 모식적으로 나타내는 도이다. 도 6 및 도 7, 및, 도 8 및 도 9는, 플랜트의 상태를 나타내는 변수에 대한 계측 데이터의 일례를 나타내는 모식적인 그래프이다. 도 6 및 도 7, 및, 도 8 및 도 9에 있어서, 실선은 플랜트의 상태를 나타내는 변수에 대한 계측 데이터(센서값)를 나타내고, 한 쌍의 곡선 U1, U2(파선)의 사이의 영역은, 마할라노비스 거리의 계산의 기초가 되는 단위 공간에 상당한다.
플랜트의 상태를 나타내는 복수의 변수에 대한 계측 데이터(예를 들면 온도나 압력 등)에는, 도 6 및 도 7, 및, 도 8 및 도 9에 나타내는 바와 같이, 주기적으로 변동하는 경우가 포함된다. 도 6 및 도 7에 나타내는 변수의 계측 데이터는 1년 주기에서의 계절 변동을 수반하는 것이며, 예를 들면, 온도 센서에 의한 계측 데이터 등이 포함된다. 도 8 및 도 9에 나타내는 변수의 계측 데이터는 플랜트 구성 기기의 부품 교환 주기에서의 변동을 수반하는 것이며, 예를 들면, 흡기 필터(플랜트 구성 기기의 부품)의 출구 압력을 계측하는 센서에 의한 계측 데이터가 포함된다. 부품 교환 주기에서의 변동을 수반하는 계측 데이터란, 부품 교환 시점으로부터의 경과시간에 의하여 계측 데이터의 변동의 방법이 영향을 받는 것이다.
여기에서, 현시점(또는 현시점으로부터 가까운 미래의 시점, 예를 들면 상술한 제2 기간 T2 내의 시점 등)에 취득되는 계측 데이터에 대하여, 마할라노비스 거리를 산출하는 것을 생각한다.
이 경우에 있어서, 가장 가까운 과거의 기간(예를 들면 상술한 제1 기간)에 취득된 복수의 변수의 데이터만을 이용하여 단위 공간을 작성하면, 도 7 또는 도 9에 나타내는 바와 같이, 계측 데이터(실선)의 주기적 변동과, 단위 공간(곡선 U1과 곡선 U2의 사이의 영역)의 주기적 변동의 사이에서 시간차가 발생한다. 그 결과, 계측 데이터의 단위 공간의 중심으로부터의 거리가 커지는 기간(도면 중의 영역 A)이 발생하고, 이와 같은 기간에 있어서, 마할라노비스 거리가 크게 산출되기 쉬워져, 플랜트의 이상에 대하여 오판정되기 쉬워지는 등, 이상 검지의 정밀도가 양호하지 않은 경우가 있다.
이에 대하여, 상술한 실시형태에서는, 제1 기간 T1 및 이에 이어지는 제2 기간 T2에 각각 대응하는 규정 길이의 시간만큼 이전의 과거의 기간(제3 기간 T3 및 제4 기간 T4)에 취득된 제3 데이터 및 제4 데이터, 및, 제1 기간 T1에 취득된 제1 데이터에 근거하여, 복수의 변수의 데이터의 주기적인 변동을 가미하여 제2 데이터를 예측할 수 있다. 이것은, 예를 들면 도 5에 나타내는 바와 같이, 어느 변수의 데이터에 대하여, 제1 기간 T1과 이에 이어지는 제2 기간 T2의 사이에서의 데이터의 변동은, 제1 기간 T1에 대응하는 규정 길이의 시간(예를 들면, 1년 또는 부품 교환 주기)만큼 이전의 제3 기간 T3 및 제2 기간 T2에 대응하는 규정 길이의 시간만큼 이전의 제4 기간 T4의 사이에서의 데이터의 변동에 대응하기 때문이다. 그리고, 상술한 실시형태에서는, 이와 같이 예측된 제2 데이터, 및, 실측값에 근거하는 제1 데이터를 함께 이용함으로써 계절 변동을 가미한 단위 공간을 작성할 수 있다.
이와 같이 단위 공간을 작성하면, 도 6 또는 도 8에 나타내는 바와 같이, 계측 데이터(실선)의 주기적 변동의 트렌드와, 단위 공간(곡선 U1과 곡선 U2의 사이의 영역)의 주기적 변동의 트렌드가 일치하기 쉬워진다. 그 결과, 산출되는 마할라노비스 거리는, 계측 데이터의 주기적 변동의 영향을 받기 어려워진다. 예를 들면, 도 6 또는 도 8에 있어서, 영역 A(도 7 또는 도 9 중의 영역 A에 대응하는 영역)에 대응하는 기간에 있어서, 계측 데이터의 단위 공간의 중심으로부터의 거리는, 다른 기간과 동등하다.
따라서, 이와 같이 작성된 단위 공간에 근거하여 산출되는 마할라노비스 거리를 이용함으로써, 양호한 정밀도로 플랜트의 이상 검지를 할 수 있다.
또한, 도 5에 있어서, 타원 Q1~Q4는, 각각, 제1 데이터~제4 데이터의 각각에 근거하여 작성되는 단위 공간의 일례를 모식적으로 나타내는 도이다. 각각의 타원은, 각 단위 공간으로부터 계산되는 마할라노비스 거리가 동등한 점의 집합이다. 도 5에서는, 간략화를 위하여, 2개의 변수 V1, V2에 근거하는 단위 공간이 개략적으로 나타나 있다. 도 5에 나타내는 바와 같이, 제1 데이터에 근거하는 단위 공간 Q1에 대한, 제2 데이터에 근거하는 단위 공간 Q2의 위치의 변화는, 제3 데이터에 근거하는 단위 공간 Q3에 대한, 제4 데이터에 근거하는 단위 공간 Q4의 위치의 변화에 대응하고 있다. 즉, 단위 공간 Q1의 중심에 대한 단위 공간 Q2의 중심의 변동 벡터 v12의 방향과, 단위 공간 Q3의 중심에 대한 단위 공간 Q4의 중심의 변동 벡터 v34의 방향이 거의 동일하다. 또한, 이들 변동 벡터의 길이는, 단위 공간을 구성하는 데이터의 편차 상태(타원의 크기)에도 영향을 받는다. 도 5에 있어서는, 단위 공간 Q3 및 단위 공간 Q4를 구성하는 데이터의 편차는, 단위 공간 Q1 및 단위 공간 Q2를 구성하는 데이터의 편차보다 작다. 따라서, 변동 벡터 v34의 길이는, 변동 벡터 v12의 길이보다 짧다. 따라서, 스텝 S6에 있어서, 각 기간에 있어서의 데이터의 편차 상태의 차를 고려함으로써, 보다 적절히 제2 데이터를 예측할 수 있다.
몇 개의 실시형태에서는, 복수의 변수(V1, V2, …, Vn) 중 적어도 하나의 변수(예를 들면 Va)에 대하여 정해진 상술한 규정 길이의 시간(제1 기간 T1 및 제2 기간 T2로부터 제3 기간 T3 및 제4 기간 T4까지의 시간의 시프트양)은 1년이다.
플랜트의 상태를 나타내는 복수의 변수의 데이터에는, 통상, 계절에 따라 1년 주기로 변동하는 것이 포함된다. 이 점에서 상술한 실시형태에 의하면, 제1 기간 T1 및 제2 기간 T2에 대응하는 1년 전의 기간(제3 기간 T3 및 제4 기간 T4)에 취득된 상술한 적어도 하나의 변수(Va)에 대한 데이터를 포함하는 제3 데이터 및 제4 데이터를 이용하여, 제2 데이터를 예측하도록 했으므로, 그 변수(Va)의 데이터의 계절 변동을 가미하여 제2 데이터를 양호한 정밀도로 예측할 수 있다.
몇 개의 실시형태에서는, 복수의 변수(V1, V2, …, Vn) 중 적어도 다른 하나의 변수(예를 들면 Vb)에 대하여 정해진 상술한 규정 길이의 시간(제1 기간 T1 및 제2 기간 T2로부터 제3 기간 T3 및 제4 기간 T4까지의 시간의 시프트양)은, 그 다른 하나의 변수(Vb)에 관련된 플랜트 구성 기기의 부품 교환 주기이다. 예를 들면, 그 플랜트 구성 기기는, 가스 터빈의 흡기 필터여도 된다.
여기에서, 도 10은, 플랜트의 상태를 나타내는 복수의 변수(V1, V2, …, V150)에 각각 대응하는 센서의 번호(센서 No.)와, 그 복수의 변수(센서)의 각각에 대하여 정해진 상술한 규정 길이의 시간(제1 기간 T1 및 제2 기간 T2로부터 제3 기간 T3 및 제4 기간 T4까지의 시간의 시프트양)의 대응 관계의 일례를 나타내는 표이다.
도 10에 나타내는 바와 같이, 상술한 규정 길이의 시간(제1 기간 T1 및 제2 기간 T2로부터 제3 기간 T3 및 제4 기간 T4까지의 시간의 시프트양)은, 복수의 변수의 각각에 대하여 개별적으로 설정할 수 있다. 또한, 도 10에 나타내는 바와 같이, 복수의 변수에 대하여, 플랜트 구성 기기의 부품 교환 주기에 근거하여 상술한 규정 길이의 시간을 설정하는 경우, 부품 교환 주기(즉 상술한 규정 길이의 시간)는, 부품의 종류 등에 따라 상이해도 된다.
플랜트의 상태를 나타내는 복수의 변수의 데이터에는, 그 변수에 관련된 플랜트 구성 기기의 부품 교환 주기로 변동하는 것이 포함되는 경우가 있다. 이 점에서, 상술한 실시형태에 의하면, 제1 기간 T1 및 제2 기간 T2에 대응하는 1년 전의 기간(제3 기간 T3 및 제4 기간 T3)에 취득된 상술한 적어도 하나의 변수(Va)에 대한 데이터, 및, 제1 기간 T1 및 제2 기간 T2에 대응하는 부품 교환 주기만큼 이전의 기간(제3 기간 T3 및 제4 기간 T4)에 취득된 상술한 적어도 다른 하나의 변수(Vb)에 대한 데이터를 포함하는 제3 데이터 및 제4 데이터를 이용하여, 제2 데이터를 예측한다. 따라서, 복수의 변수(V1, V2, …, Vn)의 데이터에 대하여, 각 변수(Va 및 Vb) 각각의 특성에 따른 주기(계절적인 주기(즉 1년 주기) 또는 부품 교환 주기)에서의 변동을 가미하여 제2 데이터를 보다 양호한 정밀도로 예측할 수 있다.
몇 개의 실시형태에서는, 스텝 S6에 있어서, 제3 기간 T3과 제4 기간 T4의 사이에서의 복수의 변수의 데이터의 변화, 또는, 제3 기간 T3과 제1 기간 T1의 사이에서의 복수의 변수의 데이터의 변화를 나타내는 값을 이용하여, 상술한 제2 데이터를 예측한다. 여기에서, 2개의 기간의 사이에서의 복수의 변수의 데이터의 변화를 나타내는 값은, 예를 들면, 그 2개의 기간의 데이터의 각각의 대푯값(평균값 등)의 차분 등이어도 된다.
제3 기간 T3과 제4 기간 T4의 사이의 데이터의 변화는, 제1 기간 T1과 제2 기간 T2의 사이의 데이터의 변화에 대응한다. 이 점에서, 상술한 실시형태에서는, 제3 기간 T3과 제4 기간 T4의 사이에서의 데이터의 변화를 나타내는 값을 이용하여, 제1 기간 T1에 있어서의 제1 데이터에 근거하여 제2 기간 T2에 있어서의 제2 데이터를 적절히 예측할 수 있다. 혹은, 제3 기간 T3과 제1 기간 T1의 사이의 데이터의 변화는, 제4 기간 T4와 제2 기간 T2의 사이의 데이터의 변화에 대응한다. 이 점에서, 상술한 실시형태에서는, 제3 기간 T3과 제1 기간 T1의 사이에서의 데이터의 변화를 나타내는 값을 이용하여, 제4 기간 T4에 있어서의 제4 데이터에 근거하여 제2 기간 T2에 있어서의 제2 데이터를 적절히 예측할 수 있다.
몇 개의 실시형태에서는, 스텝 S6에 있어서, 복수의 변수(V1, V2, …, Vn) 중 하나의 변수(여기에서는 Va로 한다)에 대하여, 변수 Va에 대한 제4 데이터의 평균 m4와 제3 데이터의 평균 m3의 차분(m4-m3)에 근거하는 값을, 변수 Va에 대한 제1 데이터에 가산하여 변수 Va에 대한 제2 데이터를 얻는다.
이와 같이, 제3 기간 T3과 제4 기간 T4의 사이에서의 데이터의 변화를 나타내는 값으로서, 제4 데이터의 평균 m4와 제3 데이터의 평균 m3의 차분(m4-m3)에 근거하는 값을 이용하여, 그 값을 제1 기간 T1에 있어서의 제1 데이터에 가산함으로써, 제2 데이터를 적절히 예측할 수 있다.
또한, 변수 Va에 대한 제1 데이터를 d1로 하고, 변수 Va에 대한 제2 데이터를 d2로 하면, 제2 데이터 d2는, 예를 들면 하기 식 (a)로 나타낸 것이어도 된다.
d2=d1+(m4-m3) …(a)
몇 개의 실시형태에서는, 상술한 차분(m4-m3)을 변수 Va에 대한 제3 데이터의 표준 편차 σ3으로 나눈 값에, 변수 Va에 대한 제1 데이터의 표준 편차 σ1을 곱한 값을, 변수 Va에 대한 제1 데이터에 가산하여, 변수 Va에 대한 제2 데이터를 얻는다. 이 경우, 변수 Va에 대한 제1 데이터를 d1로 하고, 변수 Va에 대한 제2 데이터를 d2로 하면, 제2 데이터 d2는, 하기 식 (A)로 나타낼 수 있다.
d2=d1+(m4-m3)/σ3Хσ1 …(A)
이와 같이, 제4 데이터의 평균 m4와 제3 데이터의 평균 m3의 차분(m4-m3)을, 제3 데이터의 표준 편차 σ3으로 나눔과 함께 제1 데이터의 표준 편차 σ1을 곱함으로써 보정한 것(즉, 상기 차분(m4-m3)을, 제1 데이터의 표준 편차 σ1과 제3 데이터의 표준 편차 σ3의 비로 보정한 것)을 제1 데이터 d1에 가산함으로써, 규정 길이의 시간(예를 들면, 1년 또는 부품 교환 주기)만큼 이전으로부터의 데이터의 분포의 변화를 가미하여 제2 데이터 d2를 얻을 수 있다. 따라서, 이와 같이 얻어지는 제2 데이터 d2를 이용하여 작성된 단위 공간에 근거하여 산출되는 마할라노비스 거리를 이용함으로써, 보다 양호한 정밀도로 플랜트의 이상 검지를 할 수 있다. 또, σ1≒σ3으로 가정하여, 계산을 간략화해도 된다.
몇 개의 실시형태에서는, 스텝 S6에 있어서, 복수의 변수(V1, V2, …, Vn) 중 하나의 변수(여기에서는 Va로 한다)에 대하여, 변수 Va에 대한 제1 데이터의 평균 m1과 제3 데이터의 평균 m3의 차분(m1-m3)에 근거하는 값을, 변수 Va에 대한 제4 데이터에 가산하여 변수 Va에 대한 제2 데이터를 얻는다.
이와 같이, 제3 기간 T3과 제1 기간 T1의 사이에서의 데이터의 변화를 나타내는 값으로서, 제1 데이터의 평균 m1과 제3 데이터의 평균 m3의 차분(m1-m3)에 근거하는 값을 이용하여, 그 값을 제4 기간 T4에 있어서의 제4 데이터에 가산함으로써, 제2 데이터를 적절히 예측할 수 있다.
또한, 변수 Va에 대한 제4 데이터를 d4로 하고, 변수 Va에 대한 제2 데이터를 d2로 하면, 제2 데이터 d2는, 예를 들면 하기 식 (b)로 나타낸 것이어도 된다.
d2=d4+(m1-m3) …(b)
몇 개의 실시형태에서는, 상술한 차분(m1-m3)을, 변수 Va에 대한 제3 데이터의 표준 편차 σ3으로 나눈 값에 변수 Va에 대한 제4 데이터의 표준 편차 σ4를 곱한 값을, 변수 Va에 대한 제4 데이터에 가산하여, 변수 Va에 대한 제2 데이터를 얻는다. 이 경우, 변수 Va에 대한 제4 데이터를 d4로 하고, 변수 Va에 대한 제2 데이터를 d2로 하면, 제2 데이터 d2는, 하기 식 (B)로 나타낼 수 있다.
d2=d4+(m1-m3)/σ3Хσ4 …(B)
이와 같이, 제1 데이터의 평균 m1과 제3 데이터의 평균 m3의 차분(m1-m3)을, 제3 데이터의 표준 편차 σ3으로 나눔과 함께 제4 데이터의 표준 편차 σ4를 곱함으로써 보정한 것(즉, 상기 차분(m1-m3)을, 제4 데이터의 표준 편차 σ4와 제3 데이터의 표준 편차 σ3의 비로 보정한 것)을 제4 데이터 d4에 가산함으로써, 직전의 기간부터의 데이터의 분포의 변화를 가미하여 제2 데이터 d2를 얻을 수 있다. 따라서, 이와 같이 얻어지는 제2 데이터 d2를 이용하여 작성된 단위 공간에 근거하여 산출되는 마할라노비스 거리를 이용함으로써, 보다 양호한 정밀도로 플랜트의 이상 검지를 할 수 있다. 또, σ3≒σ4로 가정하여, 계산을 간략화해도 된다.
몇 개의 실시형태에서는, 스텝 S8에서 작성되는 단위 공간을 구성하는 제1 데이터의 수는, 그 단위 공간을 구성하는 제2 데이터의 수보다 많다. 즉, 스텝 S8에 있어서, 단위 공간을 구성하는 제1 데이터의 수가, 그 단위 공간을 구성하는 제2 데이터의 수보다 많아지도록, 제1 데이터 및 제2 데이터 중에서, 단위 공간을 구성하는 데이터를 선택한다.
상술한 실시형태에서는, 단위 공간을 구성하는 데이터 중, 실측 데이터에 근거하는 제1 데이터의 수가, 예측 데이터인 제2 데이터의 수보다 많으므로, 그 단위 공간에 근거하여 산출되는 마할라노비스 거리에 근거하는 이상 검지의 신뢰성이 양호해진다.
몇 개의 실시형태에서는, 스텝 S8에 있어서, 제2 데이터 중, 단위 공간의 작성에 이용하는 데이터를, 예를 들면 난수를 이용하여, 랜덤으로 선택한다. 그리고, 랜덤으로 선택된 제2 데이터와, 제1 데이터의 적어도 일부를 이용하여 단위 공간을 작성한다.
상술한 실시형태에 의하면, 스텝 S6에서 예측된 제2 데이터 중, 랜덤으로 선택된 일부의 데이터와, 제1 데이터의 적어도 일부를 이용하여, 단위 공간을 적절히 작성할 수 있다.
상기 각 실시형태에 기재된 내용은, 예를 들면 이하와 같이 파악된다.
(1) 본 발명의 적어도 일 실시형태에 관한 플랜트 감시 방법은,
플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 방법으로서,
현시점에 이를 때까지의 과거의 제1 기간(T1)의 상기 데이터인 제1 데이터를 취득하는 스텝(S2)와,
현시점 이후의 제2 기간(T2)의 상기 데이터인 제2 데이터를 예측하는 예측 스텝(S6)과,
상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하는 단위 공간 작성 스텝(S8)을 구비하고,
상기 예측 스텝에서는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간(T3)의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간(T4)의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측한다.
플랜트의 상태를 나타내는 복수의 변수에 대한 계측 데이터(예를 들면 온도나 압력 등)에는, 규정 길이의 시간마다 주기적으로 변동하는 것이 포함된다. 또, 제1 기간과 이에 이어지는 제2 기간의 사이에서의 데이터의 변동은, 규정 길이의 시간만큼 이전의 과거의 기간이며 제1 기간에 대응하는 제3 기간과, 제2 기간에 대응하는 제4 기간의 사이에서의 데이터의 변동에 대응한다. 이 점에서, 상기 (1)의 방법에서는, 제1 기간 및 이에 이어지는 제2 기간에 각각 대응하는 규정 길이의 시간만큼 이전의 과거의 기간(제3 기간 및 제4 기간)에 취득된 제3 데이터 및 제4 데이터, 및, 제1 기간에 취득된 제1 데이터에 근거하여, 복수의 변수의 데이터의 주기적인 변동을 가미하여 제2 데이터를 예측할 수 있다. 그리고, 이와 같이 예측된 제2 데이터, 및, 실측값에 근거하는 제1 데이터를 함께 이용함으로써, 복수의 변수의 데이터의 주기적인 변동을 가미한 단위 공간을 작성할 수 있다. 따라서, 이와 같이 작성된 단위 공간에 근거하여 산출되는 마할라노비스 거리를 이용함으로써, 양호한 정밀도로 플랜트의 이상 검지를 할 수 있다.
(2) 몇 개의 실시형태에서는, 상기 (1)의 방법에 있어서,
상기 제3 데이터는, 상기 복수의 변수의 각각에 대하여 각각 정해진 상기 규정 길이의 시간만큼 상기 제 1 기간을 각각 과거로 시프트시킨 상기 제3 기간의 상기 변수의 데이터의 집합이며,
상기 제4 데이터는, 상기 복수의 변수의 각각에 대하여 각각 정해진 상기 규정 길이의 시간만큼 상기 제2 기간을 각각 과거로 시프트시킨 상기 제4 기간의 상기 변수의 데이터의 집합이다.
플랜트의 상태를 나타내는 복수의 변수의 데이터는, 그 변수의 특성에 따라 각각 상이한 변동 주기를 갖는 경우가 있다. 상기 (2)의 방법에 의하면, 복수의 변수의 각각에 대하여, 제1 기간 및 제2 기간으로부터 제3 기간 및 제4 기간까지의 시간의 시프트양(즉, 규정 길이의 시간)이 정해진다. 즉, 복수의 변수의 각각에 대하여, 그 변수의 데이터의 변동 주기에 따른 규정 길이의 시간을 각각 정의할 수 있으므로, 각 변수의 특성에 따른 규정 길이의 시간만큼 이전의 과거 데이터의 집합인 제3 데이터 및 제4 데이터를 사용함으로써, 제2 데이터의 예측 정밀도를 향상시킬 수 있다.
(3) 몇 개의 실시형태에서는, 상기 (1) 또는 (2)의 방법에 있어서,
상기 복수의 변수 중 적어도 하나의 변수에 대하여 정해진 상기 규정 길이의 시간은 1년이다.
플랜트의 상태를 나타내는 복수의 변수의 데이터에는, 통상, 계절에 따라 1년 주기로 변동하는 것이 포함된다. 상기 (3)의 방법에 의하면, 제1 기간 및 제2 기간에 대응하는 1년 전의 기간(제3 기간 및 제4 기간)에 취득된 상술한 적어도 하나의 변수에 대한 데이터를 포함하는 제3 데이터 및 제4 데이터를 이용하여, 제2 데이터를 예측하도록 했으므로, 그 변수의 데이터의 계절 변동을 가미하여 제2 데이터를 양호한 정밀도로 예측할 수 있다.
(4) 몇 개의 실시형태에서는, 상기 (3)의 방법에 있어서,
상기 복수의 변수 중 적어도 다른 하나의 변수에 대하여 정해진 상기 규정 길이의 시간은, 상기 다른 하나의 변수에 관련된 플랜트 구성 기기의 부품 교환 주기이다.
플랜트의 상태를 나타내는 복수의 변수의 데이터에는, 그 변수에 관련된 플랜트 구성 기기의 부품 교환 주기로 변동하는 것이 포함되는 경우가 있다. 상기 (4)의 방법에 의하면, 제1 기간 및 제2 기간에 대응하는 1년 전의 기간(제3 기간 및 제4 기간)에 취득된 상술한 적어도 하나의 변수에 대한 데이터, 및, 제1 기간 및 제2 기간에 대응하는 부품 교환 주기만큼 이전의 기간(제3 기간 및 제4 기간)에 취득된 상술한 적어도 다른 하나의 변수에 대한 데이터를 포함하는 제3 데이터 및 제4 데이터를 이용하여, 제2 데이터를 예측한다. 따라서, 복수의 변수의 데이터에 대하여, 각 변수 각각의 특성에 따른 주기(계절적인 주기(즉 1년 주기) 또는 부품 교환 주기)에서의 변동을 가미하여 제2 데이터를 보다 양호한 정밀도로 예측할 수 있다.
(5) 몇 개의 실시형태에서는, 상기 (1) 내지 (4) 중 어느 하나의 방법에 있어서,
상기 예측 스텝에서는, 상기 제3 기간과 상기 제4 기간의 사이에서의 상기 데이터의 변화, 또는, 상기 제3 기간과 상기 제1 기간의 사이에서의 상기 데이터의 변화를 나타내는 값을 이용하여, 상기 제2 데이터를 예측한다.
제3 기간과 제4 기간의 사이의 데이터의 변화는, 제1 기간과 제2 기간의 사이의 데이터의 변화에 대응한다. 또, 제3 기간과 제1 기간의 사이의 데이터의 변화는, 제4 기간과 제2 기간의 사이의 데이터의 변화에 대응한다. 상기 (5)의 방법에 의하면, 제3 기간과 제4 기간의 사이에서의 데이터의 변화를 나타내는 값을 이용하여, 제1 기간에 있어서의 제1 데이터에 근거하여 제2 기간에 있어서의 제2 데이터를 적절히 예측할 수 있다. 혹은, 상기 (5)의 방법에 의하면, 제3 기간과 제1 기간의 사이에서의 상기 데이터의 변화를 나타내는 값을 이용하여, 제4 기간에 있어서의 제4 데이터에 근거하여 제2 기간에 있어서의 제2 데이터를 적절히 예측할 수 있다.
(6) 몇 개의 실시형태에서는, 상기 (1) 내지 (5) 중 어느 하나의 방법에 있어서,
상기 예측 스텝에서는, 상기 복수의 변수 중 하나의 변수에 대하여, 상기 제4 데이터의 평균과 상기 제3 데이터의 평균의 차분에 근거하는 값을, 상기 제1 데이터에 가산하여 상기 제2 데이터를 얻는다.
상기 (6)의 방법에 의하면, 제3 기간과 제4 기간의 사이에서의 데이터의 변화를 나타내는 값으로서, 제4 데이터의 평균과 제3 데이터의 평균의 차분에 근거하는 값을 이용하여, 그 값을 제1 기간에 있어서의 제1 데이터에 가산함으로써, 제2 데이터를 적절히 취득할 수 있다.
(7) 몇 개의 실시형태에서는, 상기 (6)의 방법에 있어서,
상기 차분을 상기 제3 데이터의 표준 편차로 나눈 값에 상기 제1 데이터의 표준 편차를 곱한 값을, 상기 제1 데이터에 가산하여 상기 제2 데이터를 얻는다.
상기 (7)의 방법에 의하면, 제4 데이터의 평균과 제3 데이터의 평균의 차분을, 제3 데이터의 표준 편차로 나눔과 함께 제1 데이터의 표준 편차를 곱함으로써 보정한 것을 제1 데이터에 가산함으로써, 1년 전으로부터의 데이터의 분포의 변화를 가미하여 제2 데이터를 얻을 수 있다. 따라서, 이와 같이 얻어지는 제2 데이터를 이용하여 작성된 단위 공간에 근거하여 산출되는 마할라노비스 거리를 이용함으로써, 보다 양호한 정밀도로 플랜트의 이상 검지를 할 수 있다.
(8) 몇 개의 실시형태에서는, 상기 (1) 내지 (5) 중 어느 하나의 방법에 있어서,
상기 예측 스텝에서는, 상기 복수의 변수 중 하나의 변수에 대하여, 상기 제1 데이터의 평균과, 상기 제3 데이터의 평균의 차분에 근거하는 값을, 상기 제4 데이터에 가산하여 상기 제2 데이터를 얻는다.
상기 (8)의 방법에 의하면,
제3 기간과 제1 기간의 사이에서의 데이터의 변화를 나타내는 값으로서, 제1 데이터의 평균과 제3 데이터의 평균의 차분에 근거하는 값을 이용하여, 그 값을 제4 기간에 있어서의 제4 데이터에 가산함으로써, 제2 데이터를 적절히 취득할 수 있다.
(9) 몇 개의 실시형태에서는, 상기 (8)의 방법에 있어서,
상기 차분을 상기 제3 데이터의 표준 편차로 나눈 값에 상기 제4 데이터의 표준 편차를 곱한 값을, 상기 제4 데이터에 가산하여 상기 제2 데이터를 얻는다.
상기 (9)의 방법에 의하면, 제1 데이터의 평균과 제3 데이터의 평균의 차분을, 제3 데이터의 표준 편차로 나눔과 함께 제4 데이터의 표준 편차를 곱함으로써 보정한 것을 제4 데이터에 가산함으로써, 직전의 기간으로부터의 데이터의 분포의 변화를 가미하여 제2 데이터를 얻을 수 있다. 따라서, 이와 같이 얻어지는 제2 데이터를 이용하여 작성된 단위 공간에 근거하여 산출되는 마할라노비스 거리를 이용함으로써, 보다 양호한 정밀도로 플랜트의 이상 검지를 할 수 있다.
(10) 몇 개의 실시형태에서는, 상기 (1) 내지 (9) 중 어느 하나의 방법에 있어서,
상기 단위 공간을 구성하는 상기 제1 데이터의 수는, 상기 단위 공간을 구성하는 상기 제2 데이터의 수보다 많다.
상기 (10)의 방법에 의하면, 단위 공간을 구성하는 데이터 중, 실측 데이터에 근거하는 제1 데이터의 수가, 예측 데이터인 제2 데이터의 수보다 많으므로, 그 단위 공간에 근거하여 산출되는 마할라노비스 거리에 근거하는 이상 검지의 신뢰성이 양호해진다.
(11) 몇 개의 실시형태에서는, 상기 (1) 내지 (10) 중 어느 하나의 방법에 있어서,
상기 제2 데이터 중, 상기 단위 공간의 작성에 이용하는 데이터를 랜덤으로 선택하는 스텝을 구비하고,
상기 단위 공간 작성 스텝에서는, 상기 선택하는 스텝에서 선택된 데이터와, 상기 제1 데이터의 적어도 일부를 이용하여 상기 단위 공간을 작성한다.
상기 (11)의 방법에 의하면, 예측된 제2 데이터 중 랜덤으로 선택된 일부의 데이터와, 제1 데이터의 적어도 일부를 이용하여, 단위 공간을 적절히 작성할 수 있다.
(12) 본 발명의 적어도 일 실시형태에 관한 플랜트 감시 장치(40)는,
플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 장치로서,
현시점에 이를 때까지의 과거의 제1 기간(T1)의 상기 데이터인 제1 데이터를 취득하도록 구성된 취득부(42)와,
현시점 이후의 제2 기간(T2)의 상기 데이터인 제2 데이터를 예측하도록 구성된 예측부(44)와,
상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하도록 구성된 단위 공간 작성부(46)를 구비하고,
상기 예측부는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간(T3)의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간(T4)의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측하도록 구성된다.
플랜트의 상태를 나타내는 복수의 변수에 대한 계측 데이터(예를 들면 온도나 압력 등)에는, 규정 길이의 시간마다 주기적으로 변동하는 것이 포함된다. 또, 제1 기간과 이에 이어지는 제2 기간의 사이에서의 데이터의 변동은, 규정 길이의 시간만큼 이전의 과거의 기간이며 제1 기간에 대응하는 제3 기간과, 제2 기간에 대응하는 제4 기간의 사이에서의 데이터의 변동에 대응한다. 이 점에서, 상기 (12)의 구성에서는, 제1 기간 및 이에 이어지는 제2 기간에 각각 대응하는 규정 길이의 시간만큼 이전의 과거의 기간(제3 기간 및 제4 기간)에 취득된 제3 데이터 및 제4 데이터, 및, 제1 기간에 취득된 제1 데이터에 근거하여, 복수의 변수의 데이터의 주기적인 변동을 가미하여 제2 데이터를 예측할 수 있다. 그리고, 이와 같이 예측된 제2 데이터, 및, 실측값에 근거하는 제1 데이터를 함께 이용함으로써, 복수의 변수의 데이터의 주기적인 변동을 가미한 단위 공간을 작성할 수 있다. 따라서, 이와 같이 작성된 단위 공간에 근거하여 산출되는 마할라노비스 거리를 이용함으로써, 양호한 정밀도로 플랜트의 이상 검지를 할 수 있다.
(13) 본 발명의 적어도 일 실시형태에 관한 플랜트 감시 프로그램은,
플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 프로그램으로서,
컴퓨터에,
현시점에 이를 때까지의 과거의 제1 기간(T1)의 상기 데이터인 제1 데이터를 취득하는 수순과,
현시점 이후의 제2 기간(T2)의 상기 데이터인 제2 데이터를 예측하는 수순과,
상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하는 수순을 실행시키고,
상기 제2 데이터를 예측하는 수순에서는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간(T3)의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간(T4)의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측한다.
플랜트의 상태를 나타내는 복수의 변수에 대한 계측 데이터(예를 들면 온도나 압력 등)에는, 규정 길이의 시간마다 주기적으로 변동하는 것이 포함된다. 또, 제1 기간과 이에 이어지는 제2 기간의 사이에서의 데이터의 변동은, 규정 길이의 시간만큼 이전의 과거의 기간이며 제1 기간에 대응하는 제3 기간과, 제2 기간에 대응하는 제4 기간의 사이에서의 데이터의 변동에 대응한다. 이 점에서, 상기 (13)의 구성에서는, 제1 기간 및 이에 이어지는 제2 기간에 각각 대응하는 규정 길이의 시간만큼 이전의 과거의 기간(제3 기간 및 제4 기간)에 취득된 제3 데이터 및 제4 데이터, 및, 제1 기간에 취득된 제1 데이터에 근거하여, 복수의 변수의 데이터의 주기적인 변동을 가미하여 제2 데이터를 예측할 수 있다. 그리고, 이와 같이 예측된 제2 데이터, 및, 실측값에 근거하는 제1 데이터를 함께 이용함으로써, 복수의 변수의 데이터의 주기적인 변동을 가미한 단위 공간을 작성할 수 있다. 따라서, 이와 같이 작성된 단위 공간에 근거하여 산출되는 마할라노비스 거리를 이용함으로써, 양호한 정밀도로 플랜트의 이상 검지를 할 수 있다.
이상, 본 발명의 실시형태에 대하여 설명했지만, 본 발명은 상술한 실시형태에 한정되지 않고, 상술한 실시형태에 변형을 더한 형태나, 이들 형태를 적절히 조합한 형태도 포함한다.
본 명세서에 있어서, "어느 방향으로", "어느 방향을 따라", "평행", "직교", "중심", "동심" 혹은 "동축" 등의 상대적 혹은 절대적인 배치를 나타내는 표현은, 엄밀하게 그와 같은 배치를 나타낼 뿐만 아니라, 공차, 혹은, 동일한 기능이 얻어지는 정도의 각도나 거리로 상대적으로 변위하고 있는 상태도 나타내는 것으로 한다.
예를 들면, "동일", "동등하다" 및 "균질" 등의 사물이 동등한 상태인 것을 나타내는 표현은, 엄밀하게 동등한 상태를 나타낼 뿐만 아니라, 공차, 혹은, 동일한 기능이 얻어지는 정도의 차가 존재하고 있는 상태도 나타내는 것으로 한다.
또, 본 명세서에 있어서, 사각 형상이나 원통 형상 등의 형상을 나타내는 표현은, 기하학적으로 엄밀한 의미에서의 사각 형상이나 원통 형상 등의 형상을 나타낼 뿐만 아니라, 동일한 효과가 얻어지는 범위에서, 요철부나 모따기부 등을 포함하는 형상도 나타내는 것으로 한다.
또, 본 명세서에 있어서, 하나의 구성요소를 "구비한다", "포함한다", 또는, "갖는다"라는 표현은, 다른 구성 요소의 존재를 제외하는 배타적인 표현은 아니다.
10 가스 터빈
12 압축기
14 연소기
15 로터
16 터빈
18 발전기
30 계측부
32 기억부
40 플랜트 감시 장치
42 데이터 취득부
44 예측부
46 단위 공간 작성부
48 마할라노비스 거리 산출부
50 이상 판정부
60 표시부
A 영역
T1 제1 기간
T2 제2 기간
T3 제3 기간
T4 제4 기간

Claims (13)

  1. 플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 방법으로서,
    현시점에 이를 때까지의 과거의 제1 기간의 상기 데이터인 제1 데이터를 취득하는 스텝과,
    현시점 이후의 제2 기간의 상기 데이터인 제2 데이터를 예측하는 예측 스텝과,
    상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하는 단위 공간 작성 스텝을 구비하고,
    상기 예측 스텝에서는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측하는 플랜트 감시 방법.
  2. 청구항 1에 있어서,
    상기 제3 데이터는, 상기 복수의 변수의 각각에 대하여 각각 정해진 상기 규정 길이의 시간만큼 상기 제 1 기간을 각각 과거로 시프트시킨 상기 제3 기간의 상기 변수의 데이터의 집합이며,
    상기 제4 데이터는, 상기 복수의 변수의 각각에 대하여 각각 정해진 상기 규정 길이의 시간만큼 상기 제2 기간을 각각 과거로 시프트시킨 상기 제4 기간의 상기 변수의 데이터의 집합인 플랜트 감시 방법.
  3. 청구항 1 또는 청구항 2에 있어서,
    상기 복수의 변수 중 적어도 하나의 변수에 대하여 정해진 상기 규정 길이의 시간은 1년인 플랜트 감시 방법.
  4. 청구항 3에 있어서,
    상기 복수의 변수 중 적어도 다른 하나의 변수에 대하여 정해진 상기 규정 길이의 시간은, 상기 다른 하나의 변수에 관련된 플랜트 구성 기기의 부품 교환 주기인 플랜트 감시 방법.
  5. 청구항 1 또는 청구항 2에 있어서,
    상기 예측 스텝에서는, 상기 제3 기간과 상기 제4 기간의 사이에서의 상기 데이터의 변화, 또는, 상기 제3 기간과 상기 제1 기간의 사이에서의 상기 데이터의 변화를 나타내는 값을 이용하여, 상기 제2 데이터를 예측하는 플랜트 감시 방법.
  6. 청구항 1 또는 청구항 2에 있어서,
    상기 예측 스텝에서는, 상기 복수의 변수 중 하나의 변수에 대하여, 상기 제4 데이터의 평균과 상기 제3 데이터의 평균의 차분에 근거하는 값을, 상기 제1 데이터에 가산하여 상기 제2 데이터를 얻는 플랜트 감시 방법.
  7. 청구항 6에 있어서,
    상기 차분을 상기 제3 데이터의 표준 편차로 나눈 값에 상기 제1 데이터의 표준 편차를 곱한 값을, 상기 제1 데이터에 가산하여 상기 제2 데이터를 얻는 플랜트 감시 방법.
  8. 청구항 1 또는 청구항 2에 있어서,
    상기 예측 스텝에서는, 상기 복수의 변수 중 하나의 변수에 대하여, 상기 제1 데이터의 평균과, 상기 제3 데이터의 평균의 차분에 근거하는 값을, 상기 제4 데이터에 가산하여 상기 제2 데이터를 얻는 플랜트 감시 방법.
  9. 청구항 8에 있어서,
    상기 차분을 상기 제3 데이터의 표준 편차로 나눈 값에 상기 제4 데이터의 표준 편차를 곱한 값을, 상기 제4 데이터에 가산하여 상기 제2 데이터를 얻는 플랜트 감시 방법.
  10. 청구항 1 또는 청구항 2에 있어서,
    상기 단위 공간을 구성하는 상기 제1 데이터의 수는, 상기 단위 공간을 구성하는 상기 제2 데이터의 수보다 많은 플랜트 감시 방법.
  11. 청구항 1 또는 청구항 2에 있어서,
    상기 제2 데이터 중, 상기 단위 공간의 작성에 이용하는 데이터를 랜덤으로 선택하는 스텝을 구비하고,
    상기 단위 공간 작성 스텝에서는, 상기 선택하는 스텝에서 선택된 데이터와, 상기 제1 데이터의 적어도 일부를 이용하여 상기 단위 공간을 작성하는 플랜트 감시 방법.
  12. 플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 장치로서,
    현시점에 이를 때까지의 과거의 제1 기간의 상기 데이터인 제1 데이터를 취득하도록 구성된 취득부와,
    현시점 이후의 제2 기간의 상기 데이터인 제2 데이터를 예측하도록 구성된 예측부와,
    상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하도록 구성된 단위 공간 작성부를 구비하고,
    상기 예측부는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측하도록 구성된 플랜트 감시 장치.
  13. 플랜트의 상태를 나타내는 복수의 변수의 데이터로부터 산출되는 마할라노비스 거리를 이용하는 상기 플랜트의 감시 프로그램으로서,
    컴퓨터에,
    현시점에 이를 때까지의 과거의 제1 기간의 상기 데이터인 제1 데이터를 취득하는 수순과,
    현시점 이후의 제2 기간의 상기 데이터인 제2 데이터를 예측하는 수순과,
    상기 제1 데이터 및 상기 제2 데이터에 근거하여, 상기 마할라노비스 거리의 계산의 기초가 되는 단위 공간을 작성하는 수순을 실행시키고,
    상기 제2 데이터를 예측하는 수순에서는, 상기 제1 기간을 규정 길이의 시간만큼 과거로 시프트시킨 제3 기간의 상기 데이터인 제3 데이터, 상기 제2 기간을 상기 규정 길이의 시간만큼 과거로 시프트시킨 제4 기간의 상기 데이터인 제4 데이터, 및, 상기 제1 데이터에 근거하여, 상기 제2 데이터를 예측하는 플랜트 감시 프로그램.
KR1020237032085A 2021-05-14 2022-04-19 플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램 KR20230147683A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2021-082212 2021-05-14
JP2021082212 2021-05-14
PCT/JP2022/018157 WO2022239612A1 (ja) 2021-05-14 2022-04-19 プラント監視方法、プラント監視装置及びプラント監視プログラム

Publications (1)

Publication Number Publication Date
KR20230147683A true KR20230147683A (ko) 2023-10-23

Family

ID=84029567

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237032085A KR20230147683A (ko) 2021-05-14 2022-04-19 플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램

Country Status (6)

Country Link
US (1) US20240118171A1 (ko)
JP (1) JP7487412B2 (ko)
KR (1) KR20230147683A (ko)
CN (1) CN116830055A (ko)
DE (1) DE112022000632T5 (ko)
WO (1) WO2022239612A1 (ko)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5031088U (ko) 1973-07-06 1975-04-07
EP2806321B1 (en) * 2008-02-27 2020-02-05 Mitsubishi Hitachi Power Systems, Ltd. Plant state monitoring method, plant state monitoring computer program, and plant state monitoring apparatus
JP5260343B2 (ja) 2009-02-03 2013-08-14 三菱重工業株式会社 プラント運転状態監視方法
JP5416809B2 (ja) 2012-06-27 2014-02-12 ヤンマー株式会社 予測装置、予測方法及びコンピュータプログラム
JP5564604B1 (ja) * 2013-06-14 2014-07-30 ヤンマー株式会社 予測装置、予測方法及びコンピュータプログラム
JP5530019B1 (ja) 2013-11-01 2014-06-25 株式会社日立パワーソリューションズ 異常予兆検知システム及び異常予兆検知方法
US10139311B2 (en) * 2014-09-26 2018-11-27 Palo Alto Research Center Incorporated Computer-implemented method and system for machine tool damage assessment, prediction, and planning in manufacturing shop floor
JP7365206B2 (ja) 2019-11-22 2023-10-19 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム

Also Published As

Publication number Publication date
US20240118171A1 (en) 2024-04-11
WO2022239612A1 (ja) 2022-11-17
JPWO2022239612A1 (ko) 2022-11-17
DE112022000632T5 (de) 2023-10-26
CN116830055A (zh) 2023-09-29
JP7487412B2 (ja) 2024-05-20

Similar Documents

Publication Publication Date Title
JP6511702B2 (ja) 監視装置、対象装置の監視方法、およびプログラム
CN104756029B (zh) 一种监控设备的部件组的系统
US8417432B2 (en) Method for calculating confidence on prediction in fault diagnosis systems
US20170328811A1 (en) Abnormality diagnosing method and abnormality diagnosing system
US8751423B2 (en) Turbine performance diagnostic system and methods
US20200410042A1 (en) Abnormality detection device, abnormality detection method, and non-transitory computer-readable medium
CN109073508A (zh) 测试涡轮单元期间的故障诊断
KR20180137513A (ko) 감시 장치, 대상 장치의 감시 방법 및 프로그램
Tsalavoutas et al. Combining advanced data analysis methods for the constitution of an integrated gas turbine condition monitoring and diagnostic system
US20160365735A1 (en) Systems and Methods for Power Plant Data Reconciliation
KR20130034586A (ko) 보일러의 증기량 계측 방법, 보일러의 부하 분석 방법, 보일러의 증기량 계측 장치 및 보일러의 부하 분석 장치
KR20200085817A (ko) 단위 공간 생성 장치, 플랜트 진단 시스템, 단위 공간 생성 방법, 플랜트 진단 방법, 및 프로그램
KR102603020B1 (ko) 플랜트 감시 장치, 플랜트 감시 방법, 및 프로그램
US20230115206A1 (en) Sign detection device and sign detection method
KR20230147683A (ko) 플랜트 감시 방법, 플랜트 감시 장치 및 플랜트 감시 프로그램
US20230152149A1 (en) Sign detection device and sign detection method
JP7450238B2 (ja) エンジンの異常診断方法、エンジンの異常診断プログラム、及びエンジンの異常診断システム
KR20220024669A (ko) 플랜트 감시 장치, 플랜트 감시 방법, 및 프로그램
WO2022191098A1 (ja) プラント監視方法、プラント監視装置及びプラント監視プログラム
WO2021251200A1 (ja) プラント監視装置、プラント監視方法およびプログラム
EP2587029B1 (en) A power plant analyzer for analyzing a plurality of power plants
KR20240024969A (ko) 플랜트 감시 장치, 플랜트 감시 방법 및 플랜트 감시 프로그램
KR20220066333A (ko) 플랜트 감시 장치, 플랜트 감시 방법, 및 프로그램
Vasudeva A framework for the design of control systems for fossil fired power plants