WO2014208227A1 - 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。 - Google Patents

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。 Download PDF

Info

Publication number
WO2014208227A1
WO2014208227A1 PCT/JP2014/063635 JP2014063635W WO2014208227A1 WO 2014208227 A1 WO2014208227 A1 WO 2014208227A1 JP 2014063635 W JP2014063635 W JP 2014063635W WO 2014208227 A1 WO2014208227 A1 WO 2014208227A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
boiler
tube leak
measurement signal
unit
Prior art date
Application number
PCT/JP2014/063635
Other languages
English (en)
French (fr)
Inventor
孝朗 関合
林　喜治
正博 村上
勝秀 北川
清水　悟
深井　雅之
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Publication of WO2014208227A1 publication Critical patent/WO2014208227A1/ja

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B37/00—Component parts or details of steam boilers
    • F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
    • F22B37/38—Determining or indicating operating conditions in steam boilers, e.g. monitoring direction or rate of water flow through water tubes
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B37/00—Component parts or details of steam boilers
    • F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
    • F22B37/42—Applications, arrangements, or dispositions of alarm or automatic safety devices
    • F22B37/421—Arrangements for detecting leaks
    • 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

Definitions

  • the present invention relates to a boiler tube leak detection device and a boiler tube leak detection method.
  • the present invention also relates to a data monitoring center, an information providing service, and a boiler plant using these.
  • steam is generated by heating feed water with a plurality of heat exchangers using high-temperature gas generated by coal combustion. Since heat exchangers come into contact with high-temperature, highly corrosive gases, metal materials may be damaged due to creep, thermal fatigue, or corrosion. When the metal material is damaged, steam leaks from the damaged part. This phenomenon is called tube leak.
  • the feed water flow rate is controlled so that the amount of steam circulating in the boiler is constant, the feed water flow rate increases when a tube leak occurs. An increase in the water supply flow rate causes an increase in power generation cost.
  • Patent Documents 1 to 3 There are technologies disclosed in Patent Documents 1 to 3 as technologies for realizing early detection of tube leak occurrence or specifying the location of leak occurrence.
  • patent document 1 is not a heat exchanger of a boiler plant, it uses the measured value of the make-up water flow rate and the measured value of the temperature sensor provided on one pipe of the leak detection point, from the increase in make-up water flow rate and the temperature change. Detects tube leaks.
  • the drain pot for accommodating a liquid is provided, and tube leak generation
  • a sound sensor is installed in a boiler building, and when a leak sound is detected, the occurrence of leak is detected. Further, a leak sound source is obtained by cross-correlation processing of acoustic data, and the leak position is specified.
  • Patent Document 1 detects the occurrence of a leak when the feed water flow rate increases and the temperature change width exceeds a threshold value.
  • various operation patterns in boiler plants such as changing the load, burner pattern, and coal type. Since the temperature reference value is different for each operation pattern, the threshold value for detecting tube leak occurrence is also different. Therefore, in order to apply this technique, it is necessary to set a threshold value for every driving pattern.
  • An object of the present invention is to provide a boiler tube leak detection device in which erroneous detection is suppressed, which realizes early detection of boiler tube leak and early specification of the leak position.
  • the boiler tube leak detection device of the present invention has the following configuration.
  • a measurement signal database in which measurement signals obtained by measuring the state quantity of the boiler plant are stored for each data item, a state change detection unit for detecting a change in the operation state of the boiler plant, and a change detected by the state change detection unit are leaked.
  • the state change detection unit receives first measurement signal data from the measurement signal database, and a part of the data items is set as a monitoring group.
  • a monitoring data extraction unit for grouping, an operation pattern evaluation unit for identifying an operation pattern of the boiler plant, a first belonging to the grouped data item for each identified operation pattern and for each monitoring group
  • a classification unit for classifying the measurement signal data of the diagnostic data to construct a diagnostic model, and the diagnostic model and the second measurement
  • a detection unit that detects that the operating state has changed by comparing the number, and the data item grouped by the monitoring data extraction unit includes the metal temperature of a plurality of heat exchangers in the boiler plant.
  • boiler tube leak detection device that suppresses false detection and realizes early detection of boiler tube leak and early identification of the leak position.
  • FIG. 1 is a block diagram for explaining a boiler tube leak detection apparatus 400 according to the first embodiment of the present invention.
  • Boiler plant 100 is monitored using boiler tube leak detection device 400.
  • the configuration of the boiler plant 100 will be described later with reference to FIG.
  • the boiler tube leak detection device 400 includes a monitoring data extraction unit 710, an operation pattern evaluation unit 720, a classification unit 730, a detection unit 750, and a detection content that constitutes a detection content evaluation unit 800, which constitute a state change detection unit 700 as an arithmetic device.
  • An estimation unit 810 is provided.
  • the boiler tube leak detection apparatus 400 includes a measurement signal database 510, a diagnostic model database 740, and a past case database 820 as databases.
  • the database is abbreviated as DB.
  • the diagnostic model database 740 In the measurement signal database 510, the diagnostic model database 740, and the past case database 820, computerized information is stored, and the information is stored in a form called a normal electronic file (electronic data).
  • the boiler tube leak detection device 400 includes an external input interface 410 and an external output interface 420 as interfaces with the outside.
  • the measurement signal 1 which measured the various state quantities which are the operating states of the boiler plant 100 via the external input interface 410, and the external input comprised by the operation management room 900, for example, comprised with the keyboard 920 and the mouse 930, for example.
  • the external input signal 2 created by the operation of the device 910 is taken into the boiler tube leak detection device 400.
  • the image display information 7 is output to the image display device 940 provided in the operation management room 900 via the external output interface 420.
  • the measurement signal 1 obtained by measuring various state quantities of the boiler plant 100 is taken in via the external input interface 410.
  • the measurement signal 3 is stored in the measurement signal database 510.
  • the boiler tube leak detection apparatus 400 has two processing modes: model construction processing and diagnostic processing.
  • model construction process a diagnostic model is constructed using a measurement signal in a period determined to be normal in the measurement signal database.
  • the diagnostic model is constructed by clustering technology, and the measurement signals in the normal state are classified into several data groups.
  • diagnosis process the measurement signal at the time to be diagnosed is processed. If the measurement signal has the same characteristics as in the normal state, it is classified into one of the data groups of the diagnostic model. If the characteristics are different, they do not belong to the diagnostic model data group.
  • a data group construction method will be described later with reference to FIGS.
  • the boiler tube leak detection apparatus 400 detects the occurrence of tube leak when the measurement signal to be diagnosed is not classified into the data group of the diagnosis model.
  • the characteristics of the boiler vary depending on the operation pattern such as load, coal type, burner pattern. Moreover, it changes also by disturbances, such as omission of the ash adhering to a heat exchanger.
  • the boiler tube leak detection device 400 of this embodiment distinguishes and detects operation pattern changes, disturbances, and boiler tube leaks. This is realized by the state change detection unit 700 and the detection content evaluation unit 800.
  • the state change detection unit 700 diagnoses the boiler plant 100 using the measurement signal 4 stored in the measurement signal database 510 and evaluates whether the state of the boiler plant 100 has changed.
  • the detection result 5 obtained by the operation of the state change detection unit 700 is output to the detection content evaluation unit 800 and the external output interface 420.
  • the operation of the state change detection unit 700 in the model construction processing mode will be described.
  • the monitoring data extraction unit 710, the driving pattern evaluation unit 720, the classification unit 730, and the diagnostic model database 740 are operated.
  • the monitoring data extraction unit 710 extracts a predetermined data item and data for a period defined as normal from the measurement signal database 510.
  • the data for the period defined as normal is referred to herein as first measurement signal data.
  • the monitoring data group signal 701 extracted and grouped in units of data items by the monitoring data extraction unit 710 is output to the operation pattern evaluation unit 720.
  • the operation pattern evaluation unit 720 identifies the operation pattern and distinguishes the data of the monitoring data group signal 701 for each operation pattern.
  • the operation pattern is a load, a coal type, a burner pattern, and the like, and is evaluated based on data read from, for example, coal flow rate data included in data extracted as a monitoring group.
  • a classification data signal 702 composed of the operation pattern evaluation result and the monitoring data group signal is transmitted to the classification unit 730.
  • the classification unit 730 classifies the monitoring data group signal included in the classification data signal 702 using a clustering technique, and constructs a diagnostic model.
  • the diagnostic model 703 is generated for each monitoring pattern and each driving pattern.
  • the diagnostic model 703 constructed by the classification unit 730 is stored in the diagnostic model database 740.
  • the operation of the state change detection unit 700 in the diagnostic processing mode will be described.
  • the monitoring data extraction unit 710, the operation pattern evaluation unit 720, and the detection unit 750 are operated.
  • the monitoring data extraction unit 710 extracts predetermined data items and data for a diagnosis period from the measurement signal database 510.
  • the data of the period to be diagnosed is referred to as second measurement signal data.
  • the monitoring data group signal 701 extracted by the monitoring data extraction unit 710 is output to the operation pattern evaluation unit 720.
  • the operation pattern evaluation unit 720 distinguishes the data of the monitoring data group signal 701 for each operation pattern.
  • a detection data signal 706 including the operation pattern evaluation result and the monitoring data group signal is transmitted to the detection unit 750.
  • the detection unit 750 extracts a diagnostic model corresponding to the current driving pattern from the diagnostic model database 740 as diagnostic model database information 704. Moreover, it is diagnosed whether the state of the boiler plant 100 changed using the detection data signal 706 and the extracted diagnostic model.
  • the diagnosis model is switched according to the operation pattern such as the load, the coal type, the burner pattern, etc., so that the change in the plant characteristics due to the operation pattern change is considered. Diagnosis is possible. The details of the state change detection unit 700 and the diagnosis method will be described later with reference to FIGS.
  • the detection content evaluation unit 800 is operated in the diagnosis processing mode.
  • the detection content evaluation unit 800 evaluates the detection content using the measurement signal 4 and the detection result 5.
  • As an example of the detected content there is content that specifies the occurrence position of the tube leak.
  • the detection content estimation result 6 obtained by the operation of the detection content evaluation unit 800 is output to the external output interface 420.
  • the outline of the detection content evaluation unit 800 will be described below.
  • the detection content estimation unit 810 estimates the detection content based on the past case database information 802, the measurement signal 4, and the diagnosis result 5 stored in the past case database 820.
  • the detection content estimation result 6 is output to the external output interface 420.
  • the contents of detection include information on the occurrence / non-occurrence of boiler tube leak and information on the occurrence position when tube leak occurs. Details of the detection content evaluation unit 800 will be described later with reference to FIGS.
  • the diagnosis result 5 and the detection content estimation result 6 are converted into image display information 7 by the external output interface 420 and transmitted to the image display device 940.
  • the detection result of the leak occurrence and the leak occurrence position are displayed on the image display device 940, and information is provided to the operator. I will provide a.
  • the state change detection unit 700, the detection content evaluation unit 800, and the measurement signal database 510 are provided in the boiler tube leak detection device 400. May be arranged outside the boiler tube leak detection device 400 so that only data is communicated between the devices.
  • FIG. 1 is a diagram showing the relationship of each function, and the implementation and the mode of the apparatus are not limited to the division and inclusion relationship shown in the figure.
  • the diagnostic model DB 740 may be included in the state detection unit 700 as shown in FIG. 1, or the effects of this embodiment can be obtained even when used in combination with other DBs.
  • information stored in the measurement signal database 510, the diagnostic model 740, and the past case database 820 installed in the boiler tube leak detection device 400 can be arbitrarily displayed on the image display device 940 of the operation management room 900. ing. These pieces of information can be corrected by an external input signal 2 generated by operating an external input device 910 including a keyboard 920 and a mouse 930.
  • an information providing service for providing information obtained by operating the tube leak detection device 400 to the operator and an operation control device equipped with the tube leak detection device 400 Boiler equipment, boiler plant, etc. are also included.
  • FIG. 2 is an operation flowchart for explaining the operation of the boiler tube leak detection apparatus 400.
  • step 1000 when the following conditions are satisfied, it is determined to operate in the model construction mode, and a diagnostic model is constructed. In other cases, it is determined to operate in the diagnosis mode.
  • step 1010 In the case of the model construction mode, the process proceeds to step 1010. In the case of the diagnosis mode, the process proceeds to step 1020.
  • step 1010 the monitoring data extraction unit 710, the operation pattern evaluation unit 720, and the classification unit 730 of the state change detection unit 700 are operated to construct a diagnostic model.
  • Step 1020 it is determined whether or not a predetermined diagnosis cycle time has elapsed since the end of the diagnosis one cycle before. If the time has elapsed, the process returns to Step 1020. Proceed to step 1030.
  • step 1030 the monitoring data extraction unit 710, the operation pattern evaluation unit 720, and the detection unit 750 of the state change detection unit 700 are operated to diagnose the boiler plant 100.
  • Step 1040 it is evaluated whether or not a plant abnormality is detected by the detection unit 750 operated in Step 1030. If detected, the process proceeds to step 1050, and if not detected, the process proceeds to step 1060.
  • step 1050 the detection content evaluation unit 800 is operated to evaluate the detection content.
  • step 1060 when there is a request to end the boiler tube leak detection device 400 by the external input signal 2 from the external input device 910, the process proceeds to the end, and otherwise returns to step 1000.
  • FIG. 3 is a diagram showing an embodiment of the boiler plant 100.
  • the present embodiment is a thermal power plant having a boiler 200 and a steam turbine 300 driven by steam generated by the boiler 200 as main components (a generator is not shown).
  • the boiler plant 100 controls the specified load (power generation output) based on the load request command.
  • the valve opening degree of the steam control valve 290 By adjusting the valve opening degree of the steam control valve 290, the steam flow rate 261 guided to the turbine 300 changes and the power generation output changes.
  • the water / steam system includes a condenser 310 that cools the steam emitted from the steam turbine 300 into a liquid, and a water supply pump 320 that feeds water cooled by the condenser 310 back to the boiler 200 as boiler feed water.
  • a feed water heater that preheats boiler feed water using a part of steam extracted from the middle stage of the steam turbine 300 as a heating source.
  • Coal 381 as fuel is sent to a coal pulverizer (mill) 350 via a fuel supply amount adjustment valve 380.
  • air 382 used for coal conveyance and combustion adjustment is supplied to the coal pulverizer 350 and the burner 210 via an air amount adjustment valve 370.
  • Coal that has been powdered (pulverized coal) by the coal pulverizer 350 is conveyed by air and supplied to the burner 210.
  • An after air port 220 is disposed on the upper portion of the burner 210, and air 383 is supplied to the after air port 220 via an air amount adjustment valve 360.
  • a furnace having a burner 210 that burns fuel has a high temperature inside the furnace, there is a cooling wall called a water wall 230 that cools the entire wall surface and collects the heat of combustion gas.
  • a water wall 230 that cools the entire wall surface and collects the heat of combustion gas.
  • other heat exchangers including a economizer 280, a primary superheater 270, a secondary superheater 240, a tertiary superheater 250, and a fourth superheater 260. Is recovered to produce high-temperature steam.
  • the plant has many sensors for measuring gas composition, temperature, pressure, steam temperature, pressure, heat exchanger metal temperature, etc.
  • the measurement result is transmitted as measurement information 1 from the data transmission device 390 to the boiler tube leak detection device 400.
  • it is common to install a plurality of boiler burners 210 in the horizontal direction before and after the furnace and a plurality of stages in the height direction, and a plurality of after airports in the horizontal direction before and after the furnace. is there.
  • Fig. 3 (b) is a diagram showing a steam path from the water supply to the turbine.
  • the boiler feed water is first guided to the economizer 280, and then the water wall 230, the primary superheater 270, the secondary superheater 240, the tertiary superheater 250, and the fourth superheater 260.
  • the main steam 261 flows into the steam turbine 300.
  • the steam that has worked in the high-pressure steam turbine 300 becomes liquid in the condenser 310 and is sent again to the boiler by the feed water pump 320.
  • FIG. 3C is a top view of the tertiary superheater 250.
  • a plurality of tubes 251 (thin lines) constituting the superheater are arranged in the width direction and the depth direction of the boiler.
  • As a shape of the tube for example, it is U-shaped in the depth direction of FIG. 3 (c), and the steam entering from one side returns from the outlet on the opposite side.
  • a tube metal temperature measuring device 252 is attached to the superheater (for example, at a thick line portion steam outlet portion in the figure). In general, every several to several tens of metal temperature measuring instruments are attached.
  • FIG. 4 is a diagram for explaining the mode of data stored in the measurement signal database 510 and the operation of the monitoring data extraction unit 710.
  • FIG. 4A is a diagram showing a mode of data stored in the measurement signal database 510.
  • the value of the measurement signal 1 (data items A, B, and C are shown in the figure) that is operation data measured for the plant 100 is sampled. Stored for each period (time on the vertical axis).
  • scroll boxes 512 and 513 that can be moved vertically and horizontally on the display screen 511, a wide range of data can be scroll-displayed.
  • FIG. 4B is a block diagram of the monitoring data extraction unit 710.
  • Data items are divided into a plurality of groups according to the diagnosis location and range. For example, it is divided into a monitoring group 1 for evaluating the operation pattern, a monitoring group 2 for monitoring the main feed water flow rate, and a monitoring group 3 for monitoring the primary superheater (1SH) outlet metal temperature.
  • a monitoring group 1 for evaluating the operation pattern
  • a monitoring group 2 for monitoring the main feed water flow rate
  • a monitoring group 3 for monitoring the primary superheater (1SH) outlet metal temperature.
  • Fig. 4 (c) shows the data items of each group.
  • a monitoring group can be arbitrarily added / deleted using the external input device 910.
  • the metal temperature measurement values are grouped for each heat exchanger, but the metal temperature measurement values may be grouped along the gas flow.
  • data items corresponding to metal temperature measurement values measured by a large number of tubes included in each heat exchanger are grouped for each heat exchanger. By looking at the positional relationship and temperature correlation between these tubes, it is possible to quickly detect which tube in the specific heat exchanger has leaked with less errors.
  • a data item corresponding to a metal temperature measurement value of a tube of each of a plurality of heat exchangers in the same width direction position of the boiler can and having the same gas flow upstream and downstream positional relationship.
  • FIG. 5 is a flowchart for explaining the operation of the operation pattern evaluation unit 720.
  • the driving pattern evaluation unit 720 When the operation state of the boiler plant 100 is a transient state, the measurement signal changes irregularly. Moreover, the characteristics of the plant change according to the operation pattern such as the burner pattern, the coal type, and the load. Therefore, when operating in a transient state and an operation pattern that has not been experienced in the past, there is a possibility that a false alarm for detecting an abnormality in the state change detection unit 700 may occur even if no abnormality has occurred in the plant.
  • the state change detection unit 700 does not perform diagnosis in a transient state.
  • the occurrence of false alarms is suppressed.
  • a function for determining whether the operation state of the plant is a transient state or a steady state and a function for determining the operation pattern are required.
  • the operation pattern evaluation unit 720 of this embodiment is required. Is equipped with these functions.
  • the operation content of each step of the flowchart will be described.
  • step 1100 using the measurement signal for operation pattern monitoring extracted by the monitoring data extraction unit 710, it is determined whether the operation state of the plant is a steady state or a transient state.
  • the transient state is a state within one of the following predetermined periods, and the rest is a steady state.
  • the boiler plant 100 has a soot blower facility that injects steam into a tube in order to remove ash adhering to the heat exchanger.
  • the metal temperature of the heat exchanger varies due to the soot blower.
  • Predetermined period from burner ignition / extinguishing start In the boiler plant 100, in order to obtain a desired load, the burner is ignited and extinguished according to the load request signal. Also, the burner pattern is changed for burner maintenance. When the burner is ignited and extinguished, the flow rate of coal flowing through the burner changes greatly, and the temperature of gas generated by coal combustion also varies. As the gas temperature varies, the metal temperature also varies.
  • Boiler plant 100 changes the power generation output of the plant using a load request signal based on a command from the central power supply command station.
  • the coal flow rate, feed water flow rate, and air flow rate are changed.
  • the metal temperature also fluctuates.
  • Step 1110 based on the coal flow rate supplied to each burner, it is evaluated whether each burner is in an ignition state or a fire extinguishing state, and a burner pattern is determined.
  • step 1120 the type of coal supplied to the burner is determined.
  • the type of coal is determined from, for example, a coal type code assigned to each type of coal.
  • step 1130 the load is determined based on the measured value of the generator output. In the present embodiment, a leak detection method corresponding to fluctuation of each value depending on these operation patterns is made possible.
  • FIG. 6 is a diagram for explaining the function of classifying the classification data signal 702 and the detection data signal 706 by the classification unit 730 and the detection unit 750. Whether the classification unit 730 operates or the detection unit 750 operates depends on the operation mode of the state change detection unit 700 as described above.
  • ART adaptive resonance theory
  • the data classification function includes a data preprocessing device 610 and an ART module 620.
  • the data preprocessing device 610 converts the operation data into input data for the ART module 620.
  • the data pre-processing device 610 normalizes the data for each measurement item.
  • This input data Ii (n) is input to the ART module 620.
  • the classification data signal 702 or the detection data signal 706 that is input data is classified into a plurality of categories.
  • the ART module 620 includes an F0 layer 621, an F1 layer 622, an F2 layer 623, a memory 624, and a selection subsystem 625, which are coupled to each other.
  • the F1 layer 622 and the F2 layer 623 are connected via a weighting factor.
  • the weighting factor represents the prototype (prototype) of the category into which the input data is classified.
  • the prototype represents a representative value of the category.
  • Process 1 The input vector is normalized by the F0 layer 621, and noise is removed.
  • a suitable category candidate is selected by comparing the input data input to the F1 layer 622 with a weighting factor.
  • Process 3 The validity of the category selected by the selection subsystem 625 is evaluated by the ratio with the parameter ⁇ . If it is determined to be valid, the input data is classified into the category, and the process proceeds to process 4. On the other hand, if it is not judged to be valid, the category is reset, and an appropriate category candidate is selected from the other categories (repeat processing 2). Increasing the value of parameter ⁇ makes the category classification finer, and decreasing the value of ⁇ makes the classification coarse. This parameter ⁇ is referred to as a vigilance parameter.
  • Process 4 When all the existing categories are reset in Process 2, it is determined that the input data belongs to the new category, and a new weighting factor representing the prototype of the new category is generated.
  • weight coefficient WJ (new) corresponding to category J uses past weight coefficient WJ (old) and input data p (or data derived from input data). And updated by the following equation (1).
  • Kw is a learning rate parameter (0 ⁇ Kw ⁇ 1), and is a value that determines the degree to which the input vector is reflected in the new weighting factor.
  • equations (1) and equations (2) to (12) described later are incorporated in the ART module 620.
  • the characteristic of the data classification algorithm of the ART module 620 is the above processing 4.
  • process 4 when input data different from the learned pattern is input, a new pattern can be recorded without changing the recorded pattern. Therefore, it is possible to record a new pattern while recording a pattern learned in the past.
  • the ART module 620 learns the given pattern. Therefore, when new input data is input to the learned ART module 620, it is possible to determine which pattern in the past is close by the above algorithm. If the pattern has never been experienced before, it is classified into a new category.
  • FIG. 6B is a block diagram showing the configuration of the F0 layer 621.
  • the input data I i is normalized again at each time, and a normalized input vector u i 0 to be input to the F1 layer 621 and the selection subsystem 625 is created.
  • w i 0 is calculated from the input data I i according to the equation (2).
  • ⁇ is a constant.
  • x i 0 obtained by normalizing w i 0 is calculated using equation (3).
  • is a symbol representing a norm.
  • u i 0 is input to the F1 layer.
  • FIG. 6C is a block diagram showing the configuration of the F1 layer 622.
  • u i 0 obtained by the equation (5) is held as a short-term memory, and p i input to the F2 layer 722 is calculated.
  • the formulas for calculating the F2 layer are collectively shown in formulas (6) to (12).
  • a and b are constants
  • f () is a function shown in Equation (4)
  • T j is a fitness calculated by the F2 layer 722.
  • FIG. 7 is a diagram for explaining the result of classifying the classification data signal 702 by the classification unit 730 and the result of classifying the detection signal 706 by the detection unit 750.
  • the classification unit 730 operates when the state change detection unit 700 operates in the model construction mode
  • the detection unit 750 operates when it operates in the diagnosis mode.
  • FIG. 7A is a diagram for explaining the result of classifying the measurement signal 1 acquired from the boiler plant 100 into categories.
  • the horizontal axis is time
  • the vertical axis is measurement signal and category number.
  • the normal period and the diagnostic period are shown to be continuous on the time axis, but the normal period and the diagnostic institution do not have to be continuous in time.
  • a certain time period determined to be in the normal state on the previous day may be used in the model construction mode to create a diagnostic model, and a certain time period on another day may be diagnosed.
  • Fig. 7 (a) shows an example of the data when comparing the measured signal data of the period (left side of the figure) measured in the model construction mode and the measured signal data of the period to be diagnosed (right side of the figure). It is a thing.
  • the former measurement signal data may be distinguished as first measurement signal data
  • the latter measurement signal data may be distinguished as second measurement signal data.
  • FIG. 7 (b) is a diagram illustrating an example of a classification result obtained by classifying the measurement signal 1 of the plant 100 into a category.
  • FIG. 7B shows, as an example, two items of the measurement signal, which are represented by a two-dimensional graph.
  • the vertical axis and the horizontal axis indicate the measurement signals of the respective items normalized.
  • Measured signals are divided into a plurality of categories 630 (circles shown in FIG. 7B) by the ART module 620 in FIG. One circle corresponds to one category.
  • the measurement signals are classified into four categories.
  • Category number 1 is a group in which item A has a large value and item B has a small value
  • category number 2 is a group in which both items A and B have small values
  • category number 3 has a small value in item A
  • item B A group with a large value of
  • category number 4 is a group with a large value for both items A and B.
  • the data for the normal period was classified into categories 1 to 3.
  • the first half of the data after the start of monitoring in the diagnosis mode is classified into category 2, which is the same category as the model data. In this case, since the data trends are the same, it is determined that the state has not changed.
  • data in the latter half after the start of monitoring is classified into category 4, and is classified into a category different from the diagnostic model data. Since the data trends are different, it is determined that the state of the plant has changed.
  • the weighting factor is the center coordinate of the category.
  • FIG. 8 is a diagram for explaining the change over time in the water supply flow rate, the metal temperature, and the category number, which is the classification result, when the tube leak occurs and when the ash is dropped.
  • FIG. 8 (a) is a diagram for explaining a change with time when a tube leak occurs. If steam leaks when a tube leak occurs, the feedwater flow rate will begin to increase slightly to maintain the power output. Thereafter, the leaked steam causes damage to the surrounding tubes. As a result, the amount of leaking steam increases and the feed water flow rate also increases.
  • the monitoring group 2 that monitors the water supply flow rate
  • the monitoring group 3 that monitors the metal temperature
  • the measurement value changes as described above after the occurrence of the leak
  • a new category is generated and a state change is detected.
  • the feed water flow rate is greatly increased, so that the monitoring group 2 also detects a change in state.
  • FIG. 8 (b) is a diagram for explaining the change over time when the ash is dropped.
  • the occurrence of tube leak can be detected at an early stage from the change in metal temperature (rising or dropping depending on the location) by metal temperature monitoring, and the accuracy of tube leak occurrence detection can be improved by monitoring the feed water flow rate.
  • an abnormality is detected because the metal temperature changes even when the ash is dropped, which is a typical example of disturbance, but by monitoring both the metal temperature and the feed water flow rate, the tube leak is as described in the explanation of FIG. There is a difference.
  • the detection content evaluation unit 800 of the present embodiment has a function of distinguishing a disturbance represented by ash drop and a tube leak.
  • the operation of the detection content evaluation unit 800 will be described.
  • FIG. 9 is a flowchart for explaining the operation of the detection content estimation unit 810 in the detection content evaluation unit 800.
  • step 1200 the diagnosis cycle is confirmed. It is determined whether or not a predetermined diagnosis cycle time has elapsed since the end of the diagnosis one cycle before. If the time has elapsed, the process returns to step 1200. If the time has elapsed, the process proceeds to step 1210. .
  • Step 1210 it is evaluated whether or not the state change is detected by the detection unit 750. If it is detected, the process proceeds to Step 1220. If not, the process returns to Step 1200.
  • Step 1220 distinguishes tube leak from disturbance. In the case of tube leak, the process proceeds to step 1230, and in the case of disturbance, the process proceeds to step 1240.
  • step 1230 the occurrence position and the size of the tube leak are estimated. Moreover, the operation guidance of the boiler plant 100 is determined.
  • step 1220 and step 1230 Details of step 1220 and step 1230 will be described with reference to FIG.
  • step 1240 the detection content estimation result 6 is output to the external output interface 420.
  • Step 1250 when there is a request to end the boiler tube leak detection device 400 by the external input signal 2 from the external input device 910, the process proceeds to the end, and otherwise returns to Step 1200.
  • FIG. 10 is a diagram for explaining the operations of Step 1220 and Step 1230 of the detection content estimation unit 810.
  • step 1220 tube leak and ash drop are distinguished based on the normal state immediately before detection and the change width of the metal temperature after detection.
  • FIGS. 10A, 10B, and 10C show the metal temperature change width when the tube leak occurs in the central portion of the can, and changes in the order of (a), (b), and (c) with the passage of time.
  • the event heat exchanger has a part where the metal temperature rises and a part where it falls (circle in FIG. 10 (a)). The reason for this is as described in FIG.
  • this effect affects the metal temperature of the heat exchanger on the downstream side of the gas flow (square in FIG. 10 (a)).
  • the reason is as follows. Because the gas temperature that passes through the tube part where the metal temperature has increased in the event-generating heat exchanger increases, the metal temperature of the tube located immediately downstream of the event-generating tube among the tubes of the heat exchanger located downstream also rises. Moreover, since the gas temperature which passes the site
  • the detection content estimation unit 810 calculates the metal temperature decrease width as the tube leak occurrence location around the metal temperature measurement tube portion of the heat exchanger in which the decrease width is the maximum in many cases. Extract.
  • FIGS. 10 (d) (e) (f) are the metal temperature change widths when ash dropping occurs, and change in the order of (d) (e) (f) over time.
  • step 1220 the tube leak and the disturbance are distinguished by utilizing the above-described characteristic difference in the metal temperature change width when the tube leak occurs and when the ash dropping is a typical example of the disturbance.
  • tube leak and disturbance may be distinguished from similar cases by comparing with information stored in the past case database 820.
  • the similar case is a case where Equation (13) is minimized.
  • ⁇ Metal temperature change width of target case-metal temperature change width of past case database 2 ... (13)
  • Step 1230 a portion where the change width of the metal temperature is maximum is extracted as a leak occurrence position. Further, the size of the tube leak is estimated according to the maximum change width of the metal temperature. Furthermore, an operation guidance recommended for each maximum change width of the metal temperature (plant stop, operation with reduced output, etc.) is associated in advance, and the associated operation guidance is determined. By having the function of determining the boiler tube leak detection device and the function of determining the guidance, accurate tube leak determination in which human error is suppressed becomes possible.
  • FIG. 11 is a diagram for explaining a mode of data stored in the past case database 820.
  • the past case database 820 stores events such as tube leaks and ash drop, the maximum metal temperature change width, and the change width of each metal temperature in association with each other.
  • the past case database 820 stores 3D-CAD data of the boiler plant 100.
  • FIG. 12 is a diagram illustrating an example of a screen displayed on the image display device 940.
  • the metal temperature change width at the current time before detection as shown in FIG. 10 can be displayed, and the state of the plant can be confirmed.
  • the position of the measuring instrument where the metal temperature drop is maximized can be displayed on the 3D-CAD, and a place where there is a high possibility that a tube leak has occurred can be confirmed.
  • display operation guidance according to past similar cases and maximum metal temperature change range and provide operation judgment materials to operators.
  • the operator can visually recognize leak detection at an early stage and can take an early action.
  • a service that provides the obtained information to a plant operating company for a power plant using the boiler tube leak detection device 400 is also assumed as a business form.
  • the plant operating company has the advantage of being able to obtain an economic effect that eliminates the need for having personnel with the knowledge required for judgment, and that the information providing company has the effect of being able to consolidate and lock in know-how. Occurs.
  • the boiler tube leak detection device described in the present embodiment is a device having a function of detecting boiler tube leak, for example, a boiler control device having the configuration of the present embodiment, and data measured by the boiler.
  • a device located at a remote place that originally has the configuration of the present embodiment and processes to determine and detect a leak also corresponds to this.
  • FIG. 13 is a block diagram for explaining a boiler tube leak detection apparatus 400 according to the second embodiment of the present invention. It differs from the first embodiment of the present invention (FIG. 1) in that a boiler characteristic calculation unit 450 is provided.
  • the boiler characteristic calculation unit 450 is a model that simulates the characteristics of the boiler plant 100, and uses a numerical analysis method such as a difference method, a finite volume method, and a finite element method for the combustion (reaction), gas flow, and heat transfer processes. To calculate. Although it is desirable that the analysis accuracy of the numerical analysis is high, this embodiment is not characterized by the analysis method, so the description of the numerical analysis method is omitted, but generally the shape of the boiler to be calculated is a calculation grid (mesh). And calculate the physical quantity in the lattice.
  • a numerical analysis method such as a difference method, a finite volume method, and a finite element method for the combustion (reaction), gas flow, and heat transfer processes.
  • the gas temperature, gas component concentration, gas flow rate and flow direction by numerical analysis is output as a calculation result. Calculate the phenomena under various operating conditions by numerical analysis.
  • the boiler characteristic calculation unit 450 can calculate the metal temperature of all the tubes of the heat exchanger, and the calculation result is output as the calculation result 9.
  • the calculation result 9 is output to one or more of the state change detection unit 700 and the detection content evaluation unit 800, where it is used to supplement the measurement signal 4 from the measurement signal database or instead of the measurement signal 4.
  • the monitoring data extraction unit 710 extracts and groups data items used for monitoring from the measurement signal database and the calculation results of the boiler characteristic calculation unit.
  • the subsequent operations of the state change detection unit 700 and the detection content evaluation unit 800 are the same as those in the first embodiment.
  • FIG. 14 is a diagram for explaining a calculation result of the boiler characteristic calculation unit 450. It is the figure which displayed the measured value and calculated value of the metal temperature superimposed. Although the number of metal temperature measurement points is limited among many tubes in each heat exchanger, the metal temperature of all tubes is output as calculation results by the boiler characteristic calculation unit 450, and the calculation results are the data items to be diagnosed. Can be used. As a result, diagnosis in consideration of the metal temperature of all the tubes can be performed, and the state change can be detected with higher accuracy. Further, when the operator determines the leak detection result, it is displayed as smoother and more detailed visual information, so that the determination accuracy can be improved.
  • FIG. 15 is a block diagram for explaining a third embodiment of the present invention.
  • the data monitoring center 950, the power plant 970, and the load adjustment department 980 are connected to each other via the information communication network 960.
  • the power plants 970 may be configured to be connected to three or more power plants.
  • the data monitoring center 950 includes the boiler tube leak detection device 400 and the transmission information determination unit 951 described in the first or second embodiment.
  • the transmission information determination unit 951 processes data using the diagnosis result 8 and the measurement signal 21, and transmits the transmission information 22 to the power plant 970 and the load adjustment department 980.
  • the load adjustment section 980 outputs a signal 10 including a load request signal (output request signal) of each power plant using the external input device 981.
  • the signal 9 including the load request signal is displayed on the image display device 940, and the output is controlled at each power plant according to the displayed information.
  • the measurement signal 1 measured at the power plant is transmitted to the data monitoring center 950 via the information communication network 960.
  • the data monitoring center 950 monitors the operating state of each power plant using the received measurement signal 21 and evaluates whether tube leak has occurred.
  • the power plant 970a, b of the present embodiment has the boiler tube leak detection device 400 of the first embodiment or the second embodiment, so that the display data is less dependent on the individual characteristics of each power plant by applying the clustering technology. This is because it was possible to judge from the above, and because it was possible to detect tube leaks at an early stage, it was possible to create a grace period to respond from a remote location.
  • the data monitoring center and the monitoring information providing service of this embodiment can be implemented in which the above problem of monitoring these from a remote place is improved.
  • FIG. 16 is an operation flowchart of the transmission information determination unit 951.
  • step 1300 it is determined whether or not a predetermined diagnosis period has elapsed since the end of the diagnosis one cycle before. If the time has elapsed, the process returns to step 1300, and the time has elapsed. Proceeds to step 1310.
  • step 1310 if the boiler tube leak detection device 400 detects the occurrence of tube leak, the process proceeds to step 1320. If not detected, the process returns to step 1300.
  • step 1320 an operation schedule that minimizes the evaluation function of equation (14) is determined.
  • step 1330 the operation schedule determined in step 1320 is transmitted to the power plant 970 and the load adjustment department 980.
  • step 1340 the presence / absence of a command to stop the tube leak detection device 400 is evaluated. If there is a stop command, the process proceeds to the end, and if not, the process returns to step 1300.
  • a service that provides each power plant with information on an operation schedule including a load requirement value of each plant has an effect of providing the above-described merit that enables a plant operation company to prepare for operation in advance.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Examining Or Testing Airtightness (AREA)

Abstract

　本発明により、ボイラチューブリークの早期検知とリーク位置の早期特定を実現する、誤検知が抑制されたボイラチューブリーク検出装置を提供することである。　ボイラプラントの状態量を計測した計測信号がデータ項目別に保存される計測信号データベースと、前記ボイラプラントの運転状態の変化を検知する状態変化検知部と、前記状態変化検知部で検知した変化をリークか評価する検知内容評価部を備えたボイラチューブリーク検出装置において、前記状態変化検知部には、前記計測信号データベースから第一の計測信号データが入力され、前記データ項目の一部を監視グループとしてグループ化する監視データ抽出部と、前記ボイラプラントの運転パターンを識別する運転パターン評価部と、前記識別された運転パターン毎にかつ前記監視グループ毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類部と、前記診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知する検知部が備えられ、前記監視データ抽出部がグループ化するデータ項目に前記ボイラプラントの複数ある熱交換器のメタル温度が含まれることを特徴としたボイラチューブリーク検出装置。

Description

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。
　本発明は、ボイラチューブリークの検出装置、及びボイラチューブリークの検出方法に関する。また、これらを用いたデータ監視センタ、情報提供サービス、ボイラプラントに関する。
　ボイラプラントでは、石炭の燃焼によって生成した高温のガスを用いて、給水を複数の熱交換器にて加熱して蒸気を生成する。熱交換器は高温・高腐食性のガスと接触するため、クリープ、熱疲労、腐食などが原因で、金属材料が損傷する場合がある。金属材料が損傷すると、その損傷個所から蒸気が漏れる。この事象をチューブリークと呼ぶ。
　ボイラ内を循環する蒸気量が一定になるように給水流量が制御されるため、チューブリークが発生すると給水流量が増加する。給水流量の増加は、発電コストの増加を招く。
　チューブリークが発生して給水流量が増加した際は、現場パトロールによりリーク発生個所を目視にて確認する。プラントを停止するとリーク発生箇所を確認できなくなるため、リーク発生箇所の目視確認はプラント運転中に実施する必要がある。
　一方、リークした蒸気が周囲のチューブに衝突すると、そのチューブも損傷する２次被害が発生する。そのため、リーク発生から時間が経過するに従って損傷範囲が拡大する。
被害が拡大すると、補修期間が長くなるため、コスト損失が大きくなる。
　従って、チューブリーク発生の早期検知、リーク発生位置の早期特定はプラントの保守コスト低減に寄与する。
　チューブリーク発生の早期検知、あるいはリーク発生位置の特定を実現する技術として、特許文献１～３で公開されている技術がある。
　特許文献１は、ボイラプラントの熱交換器ではないが、補給水流量の計測値とリーク検出箇所の一つの配管上に設けた温度センサの計測値を用い、補給水流量の増加と温度変化からチューブリーク発生を検知する。特許文献２では、液体を収容するためのドレンポットを備え、ドレンポットにて液体を収容した際にチューブリーク発生を検知する。特許文献３では、音センサをボイラ建屋内に設置し、リーク音を検出した際にリーク発生を検知する。さらにリーク音の発生源を音響データの相互相関処理で求め、リーク位置を特定する。
特開２００８－１４４９９５号公報 特開２０１１－１４１０８５号公報 特開平９－２２９８１１号公報
　特許文献１の技術は、給水流量の増加、温度の変化幅が閾値を超えた時にリーク発生を検知する。しかし、ボイラプラントでは負荷、バーナパターン、炭種を変更するなど、多種多様な運転パターンがある。運転パターン毎に温度の基準となる値が異なるため、チューブリーク発生検知のための閾値も異なる。従って、本技術を適用するには、閾値を運転パターン毎に設定する必要がある。
　特許文献２、特許文献３の技術では、ドレンポットの設置、音センサの設置など、チューブリークを検知するために新たなハードウェアが必要であり、これはコスト増加の要因となる。
　本発明の目的は、ボイラチューブリークの早期検知とリーク位置の早期特定を実現する、誤検知が抑制されたボイラチューブリーク検出装置を提供することである。
　上記課題を解決するための手段を複数含んでいるが、その一例を挙げるならば、本発明のボイラチューブリーク検出装置は以下の構成とする。
　ボイラプラントの状態量を計測した計測信号がデータ項目別に保存される計測信号データベースと、前記ボイラプラントの運転状態の変化を検知する状態変化検知部と、前記状態変化検知部で検知した変化をリークか評価する検知内容評価部を備えたボイラチューブリーク検出装置において、前記状態変化検知部には、前記計測信号データベースから第一の計測信号データが入力され、前記データ項目の一部を監視グループとしてグループ化する監視データ抽出部と、前記ボイラプラントの運転パターンを識別する運転パターン評価部と、前記識別された運転パターン毎にかつ前記監視グループ毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類部と、前記診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知する検知部が備えられ、前記監視データ抽出部がグループ化するデータ項目に前記ボイラプラントの複数ある熱交換器のメタル温度が含まれることを特徴としたボイラチューブリーク検出装置。
　ボイラチューブリークの早期検知とリーク位置の早期特定を実現する、誤検知が抑制されたボイラチューブリーク検出装置を提供する。
　上記以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
本発明の第１の実施例であるボイラチューブリーク検出装置を説明するブロック図である。 ボイラチューブリーク検出装置の動作を説明する動作フローチャート図である。 ボイラプラントの実施形態を示した図である。 計測信号データベースに保存されるデータの態様、及び監視データ抽出部の動作を説明する図である。 運転パターン評価部の動作を説明するフローチャート図である。 分類部、及び検知部にて計測信号を分類する機能を説明する図である。 分類部で分類用データ信号を分類した結果、及び検知部にて検知用信号を分類した結果を説明する図である。 チューブリーク発生時、灰脱落発生時の給水流量、メタル温度、及び分類結果であるカテゴリー番号の経時変化を説明する図である。 検知内容推定部の動作を説明するフローチャート図である。 検知内容推定部のステップの動作を説明する図である。 過去事例データベースに保存されるデータの態様を説明する図である。 画像表示装置に表示される画面の実施例を説明する図である。 本発明の第２の実施例であるボイラチューブリーク検出装置を説明するブロック図である。 ボイラ特性計算部の計算結果を説明する図である。 本発明の第３の実施例を説明するブロック図である。 送信情報決定部の動作フローチャート図である。
　次に、本発明の実施例であるボイラチューブリーク検出装置について、図面を参照して以下に説明する。
　図１は、本発明の第１の実施例であるボイラチューブリーク検出装置４００を説明するブロック図である。ボイラチューブリーク検出装置４００を用いてボイラプラント１００を監視する。ボイラプラント１００の構成については、図３を用いて後述する。　ボイラチューブリーク検出装置４００は、演算装置として状態変化検知部７００を構成する監視データ抽出部７１０、運転パターン評価部７２０、分類部７３０、検知部７５０と、検知内容評価部８００を構成する検知内容推定部８１０を備えている。また、ボイラチューブリーク検出装置４００はデータベースとして計測信号データベース５１０、診断モデルデータベース７４０、過去事例データベース８２０を備えている。なお図１においては、データベースをＤＢと略記している。
　計測信号データベース５１０、診断モデルデータベース７４０、過去事例データベース８２０には、電子化された情報が保存されており、通常電子ファイル(電子データ)と呼ばれる形態で情報が保存される。
　また、ボイラチューブリーク検出装置４００は、外部とのインターフェイスとして外部入力インターフェイス４１０及び外部出力インターフェイス４２０を備えている。
　そして、外部入力インターフェイス４１０を介してボイラプラント１００の運転状態である各種状態量を計測した計測信号１と、運転管理室９００に備えられている、例えばキーボード９２０及びマウス９３０で構成される外部入力装置９１０の操作で作成する外部入力信号２がボイラチューブリーク検出装置４００に取り込まれる。また、外部出力インターフェイス４２０を介して、画像表示情報７を運転管理室９００に備えられている画像表示装置９４０に出力する。
　図１に示したボイラチューブリーク検出装置４００において、ボイラプラント１００の各種状態量を計測した計測信号１は外部入力インターフェイス４１０を介して取り込まれる。計測信号３は、計測信号データベース５１０に保存する。
　ボイラチューブリーク検出装置４００は、モデル構築処理と診断処理の二つの処理モードを持つ。モデル構築処理では、計測信号データベースの正常状態と判断された期間の計測信号を用いて、診断モデルを構築する。診断モデルはクラスタリング技術により構築され、正常状態の計測信号がいくつかのデータグループに分類される。次に、診断処理では、診断する時刻の計測信号を処理する。計測信号が正常状態の時と同じ特性であれば、診断モデルのデータグループのいずれか１つに分類される。特性が異なる場合は、診断モデルのデータグループには属さないことになる。尚、データグループの構築方法は、図６、７を用いて後述する。
　ボイラにてチューブリークが発生すると計測信号の特性が正常状態とは異なる。そこで、本実施例のボイラチューブリーク検出装置４００では、診断する計測信号が診断モデルのデータグループに分類されなかった場合に、チューブリークの発生を検知する。
　しかし、ボイラの特性は、負荷、炭種、バーナパターンなどの運転パターンに応じて変化する。また、熱交換器に付着している灰の脱落などの外乱によっても変化する。
　本実施例のボイラチューブリーク検出装置４００は、運転パターン変化、外乱とボイラチューブリークを区別して検出する。これは、状態変化検知部７００と検知内容評価部８００にて実現している。
　状態変化検知部７００は、計測信号データベース５１０に保存されている計測信号４を用いてボイラプラント１００を診断し、ボイラプラント１００の状態が変化したかどうかを評価する。状態変化検知部７００の動作により得られる検知結果５は、検知内容評価部８００、及び外部出力インターフェイス４２０に出力する。
　まず、モデル構築処理モードの状態変化検知部７００の動作を述べる。モデル構築処理モードでは、監視データ抽出部７１０、運転パターン評価部７２０、分類部７３０、診断モデルデータベース７４０を動作させる。
　監視データ抽出部７１０では、予め定められたデータ項目、及び正常と定義された期間のデータを計測信号データベース５１０から抽出する。この正常と定義された期間のデータをここでは第一の計測信号データと呼称する。監視データ抽出部７１０でデータ項目単位で抽出しグループ化した監視データグループ信号７０１は、運転パターン評価部７２０に出力する。
　運転パターン評価部７２０では、運転パターンを識別し、監視データグループ信号７０１のデータを運転パターン毎に区別する。ここで運転パターンとは、負荷、炭種、バーナパターンなどであり、例えば監視グループとして抽出したデータの中に含まれた石炭流量のデータ等から読み取ったデータに基づき評価する。運転パターン評価結果と監視データグループ信号で構成される分類用データ信号７０２は、分類部７３０に送信する。
　分類部７３０では、クラスタリング技術を用いて分類用データ信号７０２に含まれる監視データグループ信号を分類し、診断モデルを構築する。尚、診断モデル７０３は監視パターン毎かつ運転パターン毎に生成する。分類部７３０で構築した診断モデル７０３は、診断モデルデータベース７４０に保存する。
　次に、診断処理モードの状態変化検知部７００の動作を説明する。診断処理モードでは、監視データ抽出部７１０、運転パターン評価部７２０、検知部７５０を動作させる。
　監視データ抽出部７１０では、予め定められたデータ項目、及び診断する期間のデータを計測信号データベース５１０から抽出する。この診断する期間のデータをここでは第二の計測信号データと呼称する。監視データ抽出部７１０で抽出した監視データグループ信号７０１は、運転パターン評価部７２０に出力する。
　運転パターン評価部７２０では、監視データグループ信号７０１のデータを運転パターン毎に区別する。運転パターン評価結果と監視データグループ信号で構成される検知用データ信号７０６は、検知部７５０に送信する。
　検知部７５０では、現在の運転パターンに対応した診断モデルを診断モデルデータベース７４０から診断モデルデータベース情報７０４として抽出する。また、検知用データ信号７０６と抽出した診断モデルを用い、ボイラプラント１００の状態が変化したかどうかを診断する。
　このように、本実施例のボイラチューブリーク検出装置４００では、負荷、炭種、バーナパターンなどの運転パターンに応じて診断モデルを切り替えて診断するため、運転パターン変化によるプラント特性の変化を考慮した診断が可能となる。尚、状態変化検知部７００の詳細及び診断方法については、図４～図７を用いて後述する。
　検知内容評価部８００は、診断処理モードにおいて動作させる。検知内容評価部８００では、計測信号４及び検知結果５を用いて、検知内容を評価する。検知内容の例として、チューブリークの発生位置を特定する内容が挙げられる。検知内容評価部８００の動作により得られる検知内容推定結果６は、外部出力インターフェイス４２０に出力する。以下、検知内容評価部８００の概略を述べる。
　検知内容推定部８１０では、過去事例データベース８２０に保存されている過去事例データベース情報８０２、計測信号４、診断結果５に基づいて検知内容を推定する。検知内容推定結果６は外部出力インターフェイス４２０に出力する。検知内容にはボイラチューブリークの発生有無、及びチューブリーク発生時にはその発生位置に関する情報が含まれる。尚、検知内容評価部８００の詳細は、図８～図９を用いて後述する。
　診断結果５と検知内容推定結果６は、外部出力インターフェイス４２０にて画像表示情報７に変換し、画像表示装置９４０に送信される。
　このようにして、本実施例のボイラチューブリーク検出装置４００では、ボイラプラント１００でチューブリークが発生した場合、リーク発生の検知結果とリークの発生位置を画像表示装置９４０に表示し、オペレータに情報を提供する。
　なお、本実施例のボイラチューブリーク検出装置４００においては、状態変化検知部７００、検知内容評価部８００、計測信号データベース５１０がボイラチューブリーク検出装置４００の内部に備えられているが、これらの一部の装置をボイラチューブリーク検出装置４００の外部に配置し、データのみを装置間で通信するようにしてもよい。
　また、図１はそれぞれの機能の関係性を表した図であり、その実装や装置の態様は、図に示される区分や包含関係に限られるものではない。例えば図１のように状態検知部７００に診断モデルＤＢ７４０が含まれていてもよいし、例えば他のＤＢと併用されていても本実施例効果は得られる。
　また、ボイラチューブリーク検出装置４００に設置された計測信号データベース５１０、診断モデル７４０、過去事例データベース８２０に保存されている情報は、任意に運転管理室９００の画像表示装置９４０に表示できるようになっている。また、これらの情報は、キーボード９２０とマウス９３０で構成する外部入力装置９１０を操作して生成する外部入力信号２で、修正できる。
　また、図示していないが、本実施例の実施形態として、チューブリーク検出装置４００を動作させて得られた情報を運転員に提供する情報提供サービス、チューブリーク検出装置４００を搭載した運転制御装置、ボイラ装置、ボイラプラントなども含まれる。
　図２はボイラチューブリーク検出装置４００の動作を説明する動作フローチャート図である。
　まず、ステップ１０００では、以下の条件を満足する時にモデル構築モードで動作すると判定し、診断モデルを構築する。それ以外の時は診断モードで動作すると判定する。
　・ボイラチューブリーク検出装置４００を最初に使用する時、すなわち、診断モデルが存在しない時。
　・運転パターン評価部７２０にて新しい運転パターンを検出し、診断モデルを追加する必要が生じた時。
　・外部入力装置９１０からの入力で、モデル構築のリクエストがあった時。
　モデル構築モードの場合はステップ１０１０に進み、診断モードの場合はステップ１０２０に進む。
　ステップ１０１０では、状態変化検知部７００の監視データ抽出部７１０、運転パターン評価部７２０、分類部７３０を動作させ、診断モデルを構築する。
　ステップ１０２０では、１サイクル前の診断終了後から予め定められた診断周期の時間が経過したかどうかを判定し、時間が経過する前であればステップ１０２０に戻り、時間が経過している場合はステップ１０３０に進む。
　ステップ１０３０では、状態変化検知部７００の監視データ抽出部７１０、運転パターン評価部７２０、検知部７５０を動作させて、ボイラプラント１００を診断する。
　ステップ１０４０では、ステップ１０３０にて動作させた検知部７５０でプラントの異常を検知したかどうかを評価する。検知した場合はステップ１０５０に進み、検知しなかった場合はステップ１０６０に進む。
　ステップ１０５０では、検知内容評価部８００を動作させて、検知内容を評価する。
　ステップ１０６０では、外部入力装置９１０からの外部入力信号２により、ボイラチューブリーク検出装置４００を終了させるリクエストがあった時は終了へ進み、それ以外の時はステップ１０００に戻る。
　図３はボイラプラント１００の実施形態を示した図である。
　本実施例はボイラ２００、ボイラ２００で発生させた蒸気により駆動する蒸気タービン３００を主構成要素とする火力発電プラントである（発電機は図示していない）。ボイラプラント１００は、負荷要求指令に基づいて、指定された負荷（発電出力）に制御する。蒸気加減弁２９０の弁開度を調節することで、タービン３００へ導かれる蒸気流量２６１が変化し発電出力が変化する。
　その他にも水・蒸気系統には、蒸気タービン３００から出た蒸気を冷却して液体にする復水器３１０、復水器３１０で冷却された水をボイラ給水として再びボイラ２００へ送り込む給水ポンプ３２０がある。また、図示していないが、実際のプラントには蒸気タービン３００の途中段から抜き出した一部の蒸気を加熱源としてボイラ給水を予熱する給水加熱器もある。
　一方、ボイラから排出される燃焼ガス２０１の系統には、排ガスを浄化するための排ガス処理装置３３０、浄化したガス３３１を放出する煙突３４０がある。
　燃料である石炭３８１は燃料供給量調整弁３８０を介して、石炭粉砕機（ミル）３５０に送られる。また、石炭搬送と燃焼調整にもちいる空気３８２は空気量調整弁３７０を介して、石炭粉砕機３５０とバーナ２１０に供給される。石炭粉砕機３５０で粉末（微粉炭）となった石炭は、空気で搬送されてバーナ２１０に供給される。バーナ２１０の上部にはアフタエアポート２２０が配置され、アフタエアポート２２０には空気３８３が空気量調整弁３６０を介して供給される。
　次にボイラ２００の構成について説明する。
　燃料を燃焼させるバーナ２１０がある火炉は炉内が高温になるため、壁面全体を冷却すると共に燃焼ガスの熱を回収する水壁２３０と呼ばれる冷却壁がある。ボイラ２００内には他にも節炭器２８０、１次過熱器２７０、２次過熱器２４０、３次過熱器２５０、４次過熱器２６０からなる熱交換器があり、これらによって燃焼ガスの熱を回収して高温蒸気を生成する。
　尚、図中には記載していないが、プラントには、ガスの組成、温度、圧力や、蒸気の温度、圧力、熱交換器のメタル温度などを計測するためのセンサーが多数配置されており、この計測結果はデータ送信装置３９０から計測情報１としてボイラチューブリーク検出装置４００に送信される。また、図示していないが、ボイラのバーナ２１０は火炉前後に水平方向に複数本、高さ方向に複数段設置し、アフタエアポートは、火炉前後に水平方向に複数本配置するのが一般的である。
　図３(b)は給水からタービンに供給されるまでの蒸気の経路を示す図である。図３(b)に示すように、ボイラ給水はまず節炭器２８０に導かれ、その後水壁２３０、１次過熱器２７０、２次過熱器２４０、３次過熱器２５０、４次過熱器２６０の順に通って昇温され、主蒸気２６１となって蒸気タービン３００へ流入する。高圧蒸気タービン３００で仕事をした蒸気は復水器３１０で液体となり、給水ポンプ３２０で再びボイラへ送られる。
　図３(c)は、３次過熱器２５０の上面図である。過熱器を構成するチューブ２５１（細線）は、ボイラの幅方向および奥行き方向に複数本配置される。チューブの形状として例えば、図３(c)の奥行き方向にＵの字型をしており、その片側から入った蒸気は反対側の出口から戻ってくる。また、過熱器にはチューブメタル温度の計測器２５２が（例えば図の太線箇所蒸気出口部に）取り付けられている。一般に、メタル温度計測器は数本～数十本おきに取り付けられている。
　図４は、計測信号データベース５１０に保存されるデータの態様、及び監視データ抽出部７１０の動作を説明する図である。
　図４(a)は、計測信号データベース５１０に保存されるデータの態様を示す図である。図４(a)に示すように、計測信号データベース５１０には、プラント１００に対して計測した運転データである計測信号１（図では、データ項目Ａ、Ｂ、Ｃを記載）の値が、サンプリング周期（縦軸の時刻）毎に保存される。
　表示画面５１１において縦横に移動可能なスクロールボックス５１２及び５１３を用いることにより、広範囲のデータをスクロール表示することができる。
　図４(b)は、監視データ抽出部７１０のブロック図である。診断箇所、及び範囲に応じて、データ項目を複数のグループに分割する。例えば、運転パターンを評価する監視グループ１、主給水流量を監視する監視グループ２、１次過熱器(１ＳＨ)出口メタル温度を監視する監視グループ３に分割しいる。
　図４(c)はそれぞれのグループのデータ項目を示す図である。このような監視グループは、外部入力装置９１０を用いて、任意に追加・削除できる。本実施例では、熱交換器毎にメタル温度計測値をグループ化したが、ガスの流れに沿ってメタル温度計測値をグループ化してもよい。
　グループ化の仕方により異なる効果を得ることができる。例えば、各熱交換器がそれぞれ有する多数のチューブで計測されるメタル温度計測値に対応するデータ項目を、熱交換器ごとにグループ化する。それらチューブの位置関係と温度相関性を見ることで、特定の熱交換器の中のどのチューブでリークが起きたか早期にミス少なく検知できる効果が得られる。また、例えばボイラ缶の同じ幅方向の位置にある、複数の熱交換器それぞれのチューブであって、同じガス流れの上流と下流の位置関係にあるチューブのメタル温度計測値に対応するデータ項目で、ガスの流れ方向等の規則性に沿ってグループ化する。それら異なる熱交換器に位置するチューブの位置関係と温度相関性をガスの流れの観点で評価することで、正確なリーク判定を行い（例えば灰脱落、特定温度計の異常等他の事故による誤検出を抑制し）、リーク箇所発生熱交換機、チューブを早期に特定できる。また、後述するが、検知結果やデータは画像表示装置で表示され、運転員がデータ及びそのグラフの表示から視覚的に判断するケースもあるため、複数の観点でグループ化しておくことで多角的判断が可能となり判定精度が向上する効果も見込める。
　図５は、運転パターン評価部７２０の動作を説明するフローチャート図である。
　まず、運転パターン評価部７２０の目的について説明する。ボイラプラント１００の運転状態が過渡状態である場合、計測信号は不規則に変化する。また、バーナパターン、炭種、負荷などの運転パターンに応じて、プラントの特性が変化する。そのため、過渡状態、及び過去に経験したことのない運転パターンで運転した場合、プラントに異常が発生していなくても状態変化検知部７００にて異常を検知する誤報が発生する可能性がある。
　そこで、本実施例の状態変化検知部７００では、過渡状態である場合には診断を実施しない。また、運転パターン毎に診断モデルを構築して診断することで、誤報の発生を抑制する。本機能を実現するには、プラントの運転状態が過渡状態であるか、定常状態であるかを判定する機能と、運転パターンを判別する機能が必要であり、本実施例の運転パターン評価部７２０にはこれらの機能が搭載されている。以下、フローチャートの各ステップの動作内容を述べる。
　ステップ１１００では、監視データ抽出部７１０で抽出した運転パターン監視のための計測信号を用いて、プラントの運転状態が定常状態であるか、過渡状態であるかを判定する。過渡状態とは、以下のいずれかの所定期間内の状態であり、それ以外は定常状態である。
　・スートブロワ噴射開始からの所定期間。　ボイラプラント１００では熱交換器に付着した灰を除去するために、チューブに蒸気を噴射するスートブロワ設備がある。スートブロワにより、熱交換器のメタル温度が変動する。
　・バーナ点火・消火開始からの所定期間。　ボイラプラント１００では、所望の負荷を得るために、負荷要求信号に合わせてバーナを点火・消火する。また、バーナ保守のためにバーナパターン変更を実施する。バーナ点火・消火時にはバーナに流れる石炭流量が大きく変化するため、石炭燃焼により発生するガスの温度も変動する。ガス温度の変動に伴い、メタル温度も変動する。
　・負荷変化時、及び負荷変化終了後の所定期間。　ボイラプラント１００では、中央給電指令所からの指令に基づいた負荷要求信号を用いて、プラントの発電出力を変化させる。負荷変化中は、石炭流量、給水流量、空気流量を変化させる。その結果、ガス温度、蒸気温度が変動するため、メタル温度も変動する。
　ステップ１１１０では、各バーナに供給される石炭流量に基づいて、各バーナが点火状態であるか、消火状態であるかを評価し、バーナパターンを判別する。ステップ１１２０では、バーナに供給されている石炭の種類を判別する。石炭の種類は、例えば石炭の種類毎に割りつけられている炭種コードから判別する。ステップ１１３０では、発電機出力の計測値に基づいて負荷を判別する。本実施例では、これら運転パターンにより各値が変動することに対応したリーク検知方法を可能とする。
　図６は、分類部７３０、及び検知部７５０にて分類用データ信号７０２、及び検知用データ信号７０６を分類する機能を説明する図である。分類部７３０が動作するか、検知部７５０が動作するかは、前述の通り状態変化検知部７００の動作モードに依存する。
　本実施例では、信号を分類する技術として、適応共鳴理論（Ａｄａｐｔｉｖｅ　Ｒｅｓｏｎａｎｃｅ　Ｔｈｅｏｒｙ：ＡＲＴ）を適用した場合について述べる。尚、ベクトル量子化、サポートベクターマシン等、他のクラスタリング手法を用いることもできる。
　図６(a)に示すように、データ分類機能はデータ前処理装置６１０とＡＲＴモジュール６２０で構成する。データ前処理装置６１０は、運転データをＡＲＴモジュール６２０の入力データに変換する。
　以下に、前記データ前処理装置６１０及びＡＲＴモジュール６２０によるそれらの手順について説明する。
　まず、データ前処理装置６１０において、計測項目毎にデータを正規化する。計測信号を正規化したデータＮｘｉ（ｎ）及び正規化したデータの補数ＣＮｘｉ（ｎ）（＝１－Ｎｘｉ（ｎ））を含むデータを入力データIi（ｎ）とする。この入力データIi（ｎ）が、ＡＲＴモジュール６２０に入力される。
　ＡＲＴモジュール６２０においては、入力データである分類用データ信号７０２、もしくは検知用データ信号７０６を複数のカテゴリーに分類する。
　ＡＲＴモジュール６２０は、Ｆ０レイヤー６２１、Ｆ１レイヤー６２２、Ｆ２レイヤー６２３、メモリ６２４及び選択サブシステム６２５を備え、これらは相互に結合している。Ｆ１レイヤー６２２及びＦ２レイヤー６２３は、重み係数を介して結合している。重み係数は、入力データが分類されるカテゴリーのプロトタイプ（原型）を表している。ここで、プロトタイプとは、カテゴリーの代表値を表すものである。
　次に、ＡＲＴモジュール６２０のアルゴリズムについて説明する。
　ＡＲＴモジュール６２０に入力データが入力された場合のアルゴリズムの概要は、下記の処理１～処理５のようになる。
　処理１：Ｆ０レイヤー６２１により入力ベクトルを正規化し、ノイズを除去する。
　処理２：Ｆ１レイヤー６２２に入力された入力データと重み係数との比較により、ふさわしいカテゴリーの候補を選択する。
　処理３：選択サブシステム６２５で選択したカテゴリーの妥当性がパラメータρとの比により評価される。妥当と判断されれば、入力データはそのカテゴリーに分類され、処理４に進む。一方、妥当と判断されなければ、そのカテゴリーはリセットされ、他のカテゴリーからふさわしいカテゴリーの候補を選択する（処理２を繰り返す）。パラメータρの値を大きくするとカテゴリーの分類が細かくなり、ρの値を小さくすると分類が粗くなる。このパラメータρをビジランス（ｖｉｇｉｌａｎｃｅ）パラメータと呼ぶ。
　処理４：処理２において全ての既存のカテゴリーがリセットされると、入力データが新規カテゴリーに属すると判断され、新規カテゴリーのプロトタイプを表す新しい重み係数を生成する。
　処理５：入力データがカテゴリーＪに分類されると、カテゴリーＪに対応する重み係数ＷＪ（ｎｅｗ）は、過去の重み係数ＷＪ（ｏｌｄ）及び入力データｐ（又は入力データから派生したデータ）を用いて下記式（１）により更新される。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｋｗは、学習率パラメータ（０＜Ｋｗ＜１）であり、入力ベクトルを新しい重み係数に反映させる度合いを決定する値である。
　尚、式（１）及び後述する式（２）乃至式（１２）の各演算式は前記ＡＲＴモジュール６２０に組み込まれている。
　ＡＲＴモジュール６２０のデータ分類アルゴリズムの特徴は、上記の処理４にある。
　処理４においては、学習した時のパターンと異なる入力データが入力された場合、記録されているパターンを変更せずに新しいパターンを記録することができる。このため、過去に学習したパターンを記録しながら、新たなパターンを記録することが可能となる。
　このように、入力データとして予め与えた運転データを与えると、ＡＲＴモジュール６２０は与えられたパターンを学習する。したがって、学習済みのＡＲＴモジュール６２０に新たな入力データが入力されると、上記アルゴリズムにより、過去におけるどのパターンに近いかを判定することができる。また、過去に経験したことのないパターンであれば、新規カテゴリーに分類される。
　図６(b)は、F0レイヤー６２１の構成を示すブロック図である。F0レイヤー６２１では、入力データIiを各時刻で再度正規化し、F1レイヤー６２１、及び選択サブシステム６２５に入力する正規化入力ベクトルui 0を作成する。
　始めに、入力データIiから、式(２)に従ってwi 0を計算する。ここで、αは定数である。
Figure JPOXMLDOC01-appb-M000002
　次に、wi 0を正規化したxi 0を、式(３)を用いて計算する。ここで、|| ||はノルムを表す記号である。
Figure JPOXMLDOC01-appb-M000003
　そして、式(４)を用いて、xi 0からノイズを除去したvi 0を計算する。ただし、θはノイズを除去するための定数である。式(４)の計算により、微小な値は0となるため、入力データのノイズが除去される。
Figure JPOXMLDOC01-appb-M000004
　最後に、式(５)を用いて正規化入力ベクトルui 0を求める。ui 0はF1レイヤーの入力となる。
Figure JPOXMLDOC01-appb-M000005
　図６(c)は、F1レイヤー６２２の構成を示すブロック図である。F1レイヤー６２２では、式(５)で求めたui 0を短期記憶として保持し、F2レイヤー７２２に入力するpiを計算する。F2レイヤーの計算式をまとめて式(６)～式(１２)に示す。ただし、a、bは定数、f()は式(４)で示した関数、TjはF2レイヤー７２２で計算する適合度である。
Figure JPOXMLDOC01-appb-M000006
Figure JPOXMLDOC01-appb-M000007
Figure JPOXMLDOC01-appb-M000008
Figure JPOXMLDOC01-appb-M000009
Figure JPOXMLDOC01-appb-M000010
Figure JPOXMLDOC01-appb-M000011
　ただし、
Figure JPOXMLDOC01-appb-M000012
　図７は分類部７３０で分類用データ信号７０２を分類した結果、及び検知部７５０にて検知用信号７０６を分類した結果を説明する図である。前述の通り、状態変化検知部７００がモデル構築モードで動作する場合、分類部７３０が動作し、診断モードで動作する場合は検知部７５０が動作する。
　図７(a)は、ボイラプラント１００から取得した計測信号１を、カテゴリーに分類した結果を説明する図である。横軸は、時間、縦軸は計測信号、カテゴリー番号である。図７(a)では、正常期間と診断期間が時間軸で連続するように示されているが、正常期間と診断機関が時間的に連続である必要はない。例えば、前日の正常状態と判断された一定時間帯をモデル構築モードで用いて診断モデルを作成し、別の日の一定時間帯を診断してもよい。図７(a)は、モデル構築モードで利用する正常状態と判断された期間（図左側）の計測信号データと、診断する期間（図右側）の計測信号データを比較したときのデータ例として示したものである。前者の計測信号データを第一の計測信号データ、後者の計測信号データを第二の計測信号データとして区別してもよい。
　図７(b)は、プラント１００の計測信号１を、カテゴリーに分類した分類結果の一例を示す図である。図７(b)は、一例として、計測信号のうちの２項目を表示したものであり、２次元のグラフで表記した。また、縦軸及び横軸は、それぞれの項目の計測信号を規格化して示した。
　計測信号は、図６(a)のＡＲＴモジュール６２０によって複数のカテゴリー６３０（図７(b)に示す円）に分割される。１つの円が、１つのカテゴリーに相当する。
　本実施例では、計測信号は４つのカテゴリーに分類されている。カテゴリー番号１は、項目Ａの値が大きく、項目Ｂの値が小さいグループ、カテゴリー番号２は、項目Ａ、項目Ｂの値が共に小さいグループ、カテゴリー番号３は項目Ａの値が小さく、項目Ｂの値が大きいグループ、カテゴリー番号４は項目Ａ、項目Ｂの値が共に大きいグループである。
　図７(a)に示すように、正常期間のデータは、カテゴリー１～３に分類された。診断モードで監視開始後の前半のデータはカテゴリー２に分類されており、モデルデータと同じカテゴリーである。この場合、データの傾向が同じであることから、状態は変化していないと判断する。一方、監視開始後の後半のデータはカテゴリー４に分類されており、診断モデルデータと異なるカテゴリーに分類されている。データの傾向が異なることから、プラントの状態が変化したと判断する。
　尚、本実施例においては、２項目の計測信号をカテゴリーに分類する例を述べたが、３項目以上の計測信号について多次元の座標を用いてカテゴリーに分類することもできる。
その場合はメタル温度、給水流量、燃焼ガス流量等、プラントの状態量が依存するこれら傾向の異なる多数のデータ項目の相関関係を同時に見ることで、より細かく判定分けが可能となる。
　診断モデルデータベース７４０には、図７(c)に示すように、カテゴリー番号と重み係数の関係が保存されている。ここで、重み係数とは、カテゴリーの中心座標のことである。
　図８は、チューブリーク発生時及び灰脱落発生時の、給水流量、メタル温度、及び分類結果であるカテゴリー番号の経時変化を説明する図である。
　図８(a)はチューブリーク発生時の経時変化を説明する図である。チューブリーク発生時に蒸気が漏洩すると、発電出力を維持するために給水流量がわずかに増加し始める。その後、リークした蒸気により周囲のチューブに損傷が波及する。その結果、漏洩する蒸気の量が増加し、給水流量も増加する。
　破損が発生した箇所周囲のチューブのメタル温度は、リークした蒸気によって冷却されるため低下する。一方、破損した個所と離れているチューブのメタル温度は上昇する。これは、リーク発生によりチューブ内を流れる蒸気が少なくなる影響で冷却効果が弱くなるためである。
　給水流量を監視する監視グループ２では、リーク発生直後の給水流量の増加が少ないと、状態変化を検知できない場合がある。一方、メタル温度を監視する監視グループ３では、リーク発生後に上述のように計測値が変化するため、新規カテゴリーが発生し状態変化を検知する。その後、損傷範囲が広くなると、給水流量が大幅に増加するため、監視グループ２でも状態変化を検知する。
　図８(b)は、灰脱落時の経時変化を説明する図である。
　熱交換器に付着していた灰が脱落することで、ガスからの伝熱量が増加し、メタル温度は上昇する。その後、除々にメタルに灰が再び付着するため、メタル温度は低下する。その結果、監視グループ３では、灰脱落のタイミングで異常を検知し、その後メタル温度が基の状態に戻ると正常時のカテゴリーの範囲になる。
　また、灰の脱落は給水流量にはほぼ影響しない。そのため、監視グループ２では新規カテゴリーは発生しない。
　以上より、メタル温度監視でメタル温度の変化から（箇所により上昇又は低下）チューブリークの発生を早期に検知し、給水流量監視でチューブリークの発生検知の精度を向上できる。一方、外乱の代表例である灰脱落時にもメタル温度は変化するため異常を検知するが、メタル温度と給水流量の両方を監視することで、チューブリークとは図８についての説明で述べたような違いがある。それにより本実施例の検知内容評価部８００では、灰脱落に代表される外乱と、チューブリークを区別する機能を有する。以下、検知内容評価部８００の動作を説明する。
　図９は、検知内容評価部８００における検知内容推定部８１０の動作を説明するフローチャート図である。
　ステップ１２００では、診断周期を確認する。１サイクル前の診断終了後から予め定められた診断周期の時間が経過したかどうかを判定し、時間が経過する前であればステップ１２００に戻り、時間が経過している場合はステップ１２１０に進む。
　ステップ１２１０では、検知部７５０で状態変化を検知したかを評価し、検知している場合はステップ１２２０に進み、していない時はステップ１２００に戻る。
　ステップ１２２０はチューブリークと外乱を区別する。チューブリークの場合はステップ１２３０に進み、外乱の場合はステップ１２４０に進む。
　ステップ１２３０では、チューブリークの発生位置およびその規模を推定する。また、ボイラプラント１００の運転ガイダンスを決定する。
　ステップ１２２０とステップ１２３０の詳細は、図１０を用いて説明する。
　ステップ１２４０では、検知内容推定結果６を外部出力インターフェイス４２０に出力する。
　ステップ１２５０では、外部入力装置９１０からの外部入力信号２により、ボイラチューブリーク検出装置４００を終了させるリクエストがあった時は終了へ進み、それ以外の時はステップ１２００に戻る。
　図１０は、検知内容推定部８１０のステップ１２２０とステップ１２３０の動作を説明する図である。ステップ１２２０では、検知直前の正常状態と検知後のメタル温度の変化幅に基づいて、チューブリークと灰脱落を区別する。図１０(a)(b)(c)はチューブリークが缶の中央部で発生した時のメタル温度変化幅であり、時間の経過とともに(a)(b)(c)の順で変化する。
　図１０(a)に示すように、事象発生の熱交換器ではメタル温度が上昇する部位と降下する部位がある(図１０(a)の丸)。この理由は、図８にて説明した通りである。
　また、この影響はガス流れの下流側の熱交換器のメタル温度に波及する(図１０(a)の四角)。この理由は以下の通りである。事象発生の熱交換器でメタル温度が上昇したチューブ部位を通過するガス温度が上昇するため、下流側に位置する熱交換器のチューブの内、事象発生チューブのすぐ下流に位置するチューブのメタル温度も上昇する。また、事象発生の熱交換器でメタル温度が低下した部位を通過するガス温度は低下するため、下流側のメタル温度も低下する。
　さらに、漏洩した蒸気がガス流れに逆流して噴出した場合は、ガス流れの上流側のメタルが冷却されるため、メタル温度が低下する(図１０(a)の三角)。
　メタル温度の低下幅は、リークが発生した部位周辺で大きくなり、リークが発生した熱交換器で大きくなり、多くの場合低下幅は最大となる。この傾向に基づき、検知内容推定部８１０が、メタル温度低下幅が大きく算出された、多くの場合は低下幅が最大の、熱交換器のメタル温度計測チューブ個所の周辺を、チューブリーク発生箇所として抽出する。
　リーク発生後、時間が経過するに従い、２次被害によりリークの規模が大きくなるため、図１０(b)(c)に示すようにメタル温度の変化幅が大きくなり、メタル温度の変化する領域も広くなる。
　図１０(d)(e)(f)は、灰脱落が発生したときのメタル温度変化幅であり、時間の経過と共に(d)(e)(f)の順に変化する。
　図１０(d)に示すように、灰が脱落した部位のメタル温度は上昇する(図１０(d)の丸)。
また、この影響は下流の熱交換器にも波及する(図１０(d)の四角)。これは、事象発生の熱交換器でメタル温度が上昇した部位を通過するガス温度が上昇するため、下流側のメタル温度も上昇するためである。一方、ガス流れ上流の熱交換器には影響しない(図１０(d)の三角)。
　その後、時間の経過と共に灰が付着するので、図１０(e)(f)のように元の状態に戻る。
　ステップ１２２０では、チューブリーク発生時と外乱の代表例である灰脱落では、メタル温度変化幅に上述した特徴的な違いがあることを利用して、チューブリークと外乱を区別する。
　事象発生直後、メタル温度が上昇する部位と降下する部位の両方が含まれる場合はチューブリーク発生と診断する。また、メタル温度変化幅が最大となる熱交換器に対してガスの上流側に配置されている熱交換器のメタル温度が変化している場合は、チューブリーク発生と診断する。
　異常検知から時間が経過するに従ってメタル温度の変化幅が大きくなれば、チューブリークと診断する。以上のような診断基準を採用することにより、灰脱落等の外乱を区別し、チューブリークを検知出来る。
　また、このような事例は過去事例データベース８２０に保存されている。
　ステップ１２２０では、過去事例データベース８２０に保存されている情報と比較し、類似の事例からチューブリークと外乱を区別するようにしてもよい。運転員に過去事例に係る情報が表示、提示されることで、リーク判定に過去の知見を利用でき、リーク判断をする手間、時間等が低減できる。ここで類似事例とは、式(１３)が最小となる事例である。
　Σ(対象事例のメタル温度変化幅　－　過去事例データベースのメタル温度変化幅)2　　　　　　　　　　　　　　　　　　　　　　　　・・・（１３）
　また、ステップ１２３０では、メタル温度の変化幅が最大となる個所を、リーク発生位置として抽出する。また、メタル温度の最大変化幅に応じて、チューブリークの規模を推定する。さらに、予めメタル温度の最大変化幅毎に推奨する運転ガイダンス(プラント停止、出力を下げて運転するなど)を対応付けしておき、その対応付けした運転ガイダンスを決定する。ボイラチューブリーク検出装置が判定する機能及び、ガイダンスを決定する機能を有することにより、ヒューマンエラーが抑制された正確なチューブリーク判定が可能となる。
　図１１は、過去事例データベース８２０に保存されるデータの態様を説明する図である。
　図１１(a)に示すように、過去事例データベース８２０には、チューブリーク発生や灰脱落などの事象とメタル温度最大変化幅、各メタル温度の変化幅が対応付けられて保存されている。
　また、図１１(b)に示すように、構造と計測位置の関係が保存されており、チューブリークが発生した位置を設計図面上でどこにあるかを探索することができる。
　さらに、図示していないが、過去事例データベース８２０には、ボイラプラント１００の３Ｄ－ＣＡＤデータが保存されている。
　図１２は、画像表示装置９４０に表示される画面の実施例を説明する図である。
　図１０で示したような検知前の現時刻におけるメタル温度変化幅を表示し、プラントの状態を確認できる。また、３Ｄ－ＣＡＤ上にメタル温度降下幅が最大となった計測器の位置を表示し、チューブリークが発生している可能性の高い場所を確認できる。ＣＡＤ図として表示されることでチューブリークの位置の認識を容易にし、それ以降連鎖的に起こる可能性のあるリークの波及等を予測するために有用な情報となる。
　また、過去の類似事例、最大メタル温度変化幅に応じた運転ガイダンスを表示し、運転の判断材料を運転員に提供する。これら本実施例による有効な判断材料となるデータを、視認しやすくインターフェースで提供することにより、運転員が早期にリーク検知を視認し、早期に対処を取ることができる。
　以上に述べたボイラチューブリーク検出装置４００を用いることで、運転パターン毎の閾値の設定や、新たなハードウェアを設置を要することなく、チューブリークの早期検知とチューブリーク発生位置の早期特定を実現し、２次被害の拡大を抑制できる。
　また、ボイラチューブリーク検出装置４００を用いた発電プラントに対して、得られた情報をプラント運用会社に提供するサービスも事業形態として想定される。その場合、プラント運用会社にとっては判定に要する知識を持つ人員を抱える必要はなくなる経済的効果や、情報提供をする会社にとってはノウハウの集約、囲い込みを可能とする効果が得られる点で双方に利点が生じる。
　本実施例で説明したボイラチューブリーク検出装置とは、ボイラのチューブリークを検出する機能を有する装置のことであり、例えば本実施例の構成を有するボイラ制御装置や、ボイラで計測されたデータを元に本実施例の構成を持って処理しリークを判定し検知する遠隔地に位置する装置もこれに該当する。
　図１３は、本発明の第２の実施例であるボイラチューブリーク検出装置４００を説明するブロック図である。本発明の第１の実施例(図１)とは、ボイラ特性計算部４５０が備えられている点で異なる。
　ボイラ特性計算部４５０は、ボイラプラント１００の特性を模擬するモデルであり、その燃焼（反応）、ガス流動、伝熱のプロセスを差分法、有限体積法、有限要素法等の数値解析手法を用いて計算する。数値解析の解析精度が高い方が望ましいが、本実施例は解析手法に特徴があるのでは無いため数値解析方法に関する説明は省略するが、一般に計算対象であるボイラの形状を計算格子（メッシュ）に分割し、格子内の物理量を計算する。計測信号データベース５１０に保存されている燃料流量、又は空気流量、又は給水流量のいずれか一つ以上の条件を入力として、数値解析によりガス温度、ガス成分の濃度、ガスの流速と流れの方向、各熱交換器のメタル温度等が計算結果として出力される。数値解析により、様々な操作条件における現象を計算する。
　ボイラ特性計算部４５０は、熱交換器の全てのチューブのメタル温度を計算することが可能であり、この計算結果が計算結果９として出力される。計算結果９は状態変化検知部７００、又は検知内容評価部８００のいずれか一つ以上に出力され、そこで計測信号データベースからの計測信号４を補足するように、若しくは計測信号４の代わりに利用される。状態変化検知部７００では、監視データ抽出部７１０が計測信号データベースと前記ボイラ特性計算部の計算結果から監視に用いるデータ項目を抽出してグループ化する。それ以降の状態変化検知部７００及び検知内容評価部８００の動作は実施例１と同様である。
　図１４は、ボイラ特性計算部４５０の計算結果を説明する図である。メタル温度の計測値と計算値を重ねて表示した図である。各熱交換器が有する多数のチューブの中でメタル温度の計測点数は限られているが、ボイラ特性計算部４５０により全てのチューブのメタル温度が計算結果として出力され、診断するデータ項目に計算結果を用いることが可能である。その結果、全チューブのメタル温度を考慮した診断が実施でき、より高精度に状態変化を検知できる。また、リーク検知結果を運転員が判断する時に、より滑らかで詳細な視覚情報として表示されるため、その判断精度の向上が得られる。
　図１５は、本発明の第３の実施例を説明するブロック図である。
　本実施例では、データ監視センタ９５０、発電所９７０、負荷調整部署９８０が、情報通信ネットワーク９６０で相互に接続している。
　発電所９７０は複数あり、本実施例では２つの発電所を記載したが、実際には３つ以上の発電所と接続するように構成してもよい。
　データ監視センタ９５０は実施例１もしくは実施例２で述べたボイラチューブリーク検出装置４００、送信情報決定部９５１を備える。送信情報決定部９５１では、診断結果８と計測信号２１を用いてデータを処理し、発電所９７０と負荷調整部署９８０に送信情報２２を送信する。
　負荷調整部署９８０では、外部入力装置９８１を用いて各発電所の負荷要求信号(出力要求信号)を含む信号１０を出力する。負荷要求信号を含む信号９は、画像表示装置９４０に表示され、表示された情報に従って各発電所にて出力を制御する。
　発電所で計測した計測信号１は、情報通信ネットワーク９６０を介してデータ監視センタ９５０に送信される。データ監視センタ９５０では、受信した計測信号２１を用いて各発電所の運転状態を監視し、チューブリークの発生有無を評価する。
　データ監視センタ９８０にデータを監視する部署を、各発電所とは別に一か所に集めたことで、プラントの計測信号からリークをより精度高く判定するために必要な知識を持つ運転員を、各発電所に配置する必要が無くなり、コスト削減及びノウハウの集約が可能となる。これは、本実施例の発電所９７０a、bが、実施例１又は実施例２のボイラチューブリーク検出装置４００を有することにより、クラスタリング技術を適用し各発電所個別の特徴に依存が少ない表示データから判断が可能となったことや、早期にチューブリークを検知可能にしたため遠隔地から対応するための時間的猶予を作り出せたことによる。また、これらを遠隔地から監視をすることの上記問題が改善された、本実施例のデータ監視センタ及び監視情報提供サービスが実施できる。
　チューブリークの発生を検知した場合は、チューブリークが発生したプラントの運転可能持続時間、被害の波及度合い、プラント停止による損失コストと、それ以外のプラントの出力増加余裕の有無、起動または負荷上げに要する時間、追加コストなどを考慮し、コストが最小となる運転スケジュールを求め、発電所９７０と負荷調整部署９８０に運転スケジュール情報を含む送信情報２２を送信する。
　各発電所では、負荷調整部署から負荷要求信号が届く前に運転スケジュール案を取得できるため、出力増加、出力低下などの運転に対する事前準備が可能となる。 
　図１６は、送信情報決定部９５１の動作フローチャート図である。
　まず、ステップ１３００では１サイクル前の診断終了後から予め定められた診断周期の時間が経過したかどうかを判定し、時間が経過する前であればステップ１３００に戻り、時間が経過している場合はステップ１３１０に進む。
　ステップ１３１０ではボイラチューブリーク検出装置４００でチューブリーク発生を検知した場合はステップ１３２０に進み、検知しなかった場合はステップ１３００に戻る。
　ステップ１３２０では式(１４)の評価関数が最小となる運用スケジュールを決定する。
Figure JPOXMLDOC01-appb-M000013
　ただし、１≦i≦Ｐで、Ｐは発電プラントの総数、αiは重み係数、Ｃｉは各発電プラントで生じる追加コストである。
　ステップ１３３０ではステップ１３２０で決定した運用スケジュールを、発電所９７０、負荷調整部署９８０に送信する。
　ステップ１３４０ではチューブリーク検出装置４００を停止する指令の有無を評価し、停止指令有りの場合は終了へ進み、無しの場合はステップ１３００に戻る。
　チューブリーク発生に伴うコスト損失が最小となるような運用スケジュールを自動的に作成することが可能となり、また本運用スケジュールに従ってプラントを運用することが可能となる。また、各発電所に、各プラントの負荷要求値を含む運転スケジュールの情報を提供するサービスは、プラント運用会社に運転に対する事前準備が可能となる上述のメリットを提供する効果がある。
１　　　　　　・・・　　計測信号
２　　　　　　・・・　　外部入力信号
３　　　　　　・・・　　計測信号
４　　　　　　・・・　　計測信号
５　　　　　　・・・　　診断結果
６　　　　　　・・・　　検知内容推定結果
７　　　　　　・・・　　画像表示情報
１００　　　　　　・・・　プラント
４００　　　　　　・・・　ボイラチューブリーク検出装置
４１０　　　　　　・・・　外部入力インターフェイス
４２０　　　　　　・・・　外部出力インターフェイス
５１０　　　　　　・・・　計測信号データベース
７００　　　　　　・・・　状態変化検知部
７１０　　　　　　・・・　監視データ抽出部
７２０　　　　　　・・・　運転パターン評価部
７３０　　　　　　・・・　分類部
７４０　　　　　　・・・　診断モデルデータベース
７５０　　　　　　・・・　検知部
８００　　　　　　・・・　検知内容評価部
８１０　　　　　　・・・　検知要因推定部
８２０　　　　　　・・・　過去事例データベース
７０１　　　　　　・・・　監視データグループ信号
７０２　　　　　　・・・　分類用データ信号
７０３　　　　　　・・・　診断モデル
７０４　　　　　　・・・　診断モデルデータベース情報
７０５　　　　　　・・・　診断モデルデータベース情報
７０６　　　　　　・・・　検知用データ信号
８０１　　　　　　・・・　過去事例データベース情報
８０２　　　　　　・・・　過去事例データベース情報
９００　　　　　　・・・　運転管理室
９１０　　　　　　・・・　外部入力装置
９２０　　　　　　・・・　キーボード
９３０　　　　　　・・・　マウス

Claims (15)

  1. 　ボイラプラントの状態量を計測した計測信号がデータ項目別に保存される計測信号データベースと、
    　前記ボイラプラントの運転状態の変化を検知する状態変化検知部と、
    　前記状態変化検知部で検知した変化をリークか否か評価する検知内容評価部を備えたボイラチューブリーク検出装置において、
    　前記状態変化検知部には、
    　前記計測信号データベースから第一の計測信号データが入力され、前記データ項目の一部を監視グループとしてグループ化する監視データ抽出部と、
    　前記ボイラプラントの運転パターンを識別する運転パターン評価部と、
    　前記識別された運転パターン毎にかつ前記監視グループ毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類部と、
    　前記診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知する検知部が備えられ、
    　前記監視データ抽出部がグループ化するデータ項目に前記ボイラプラントの複数ある熱交換器のメタル温度が含まれる
    　ことを特徴としたボイラチューブリーク検出装置。
  2. 　請求項１に記載のボイラチューブリーク検出装置において、
    　前記監視データ抽出部が抽出しグループ化するデータ項目が、給水流量を含むことを特徴とするボイラチューブリーク検出装置。
  3. 　請求項１乃至２のいずれかに記載のボイラチューブリーク検出装置において、
    　前記検知部において前記診断モデルと比較される前記第二の計測信号は、前記計測信号データベースからデータ項目単位で抽出され、グループ化され、運転パターン評価されるデータであることを特徴とするボイラチューブリーク検出装置。
  4. 　請求項１乃至３のいずれかに記載のボイラチューブリーク検出装置において、
    　前記計測信号データベースに保存されている燃料流量、又は空気流量、又は給水流量の少なくとも一つの条件からメタル温度を計算するボイラ特性計算部を備え、
    　前記監視データ抽出部が、前記計測信号データベースと前記ボイラ特性計算部の計算結果からデータを入力することを特徴としたボイラチューブリーク検出装置。
  5. 　請求項１乃至４のいずれかに記載のボイラチューブリーク検出装置において、
    　プラントの運転状態が過渡状態と前記運転パターン評価部が判断した時は、前記検知部を動作させないこと
    　を特徴としたボイラチューブリーク検出装置。
  6. 　請求項１乃至５のいずれかに記載のボイラチューブリーク検出装置において、
    　前記監視データ抽出部が行うメタル温度のグループ化が、
    　熱交換器毎のメタル温度計測値のグループ化、若しくはガスの流れに沿ったメタル温度計測値のグループ化のいずれか一つ以上を含むことを特徴としたボイラチューブリーク検出装置。
  7. 　請求項１乃至６のいずれかに記載のボイラチューブリーク検出装置において、
    　前記検知内容評価部には、
    　前記検知部で状態の変化を検知する前後のメタル温度の変化幅を計算し、メタル温度低下幅が最大と算出された、熱交換器のメタル温度計測チューブ個所を、チューブリーク発生箇所周辺として抽出する検知内容推定部が備えられていること
    　を特徴としたボイラチューブリーク検出装置。
  8. 　請求項１乃至７に記載のボイラチューブリーク検出装置において、
    　前記検知内容評価部では、
    　メタル温度が上昇する部位と降下する部位の両方が含まれる場合、
    　もしくはメタル温度変化幅が最大となる熱交換器に対してガスの上流側に配置されている熱交換器のメタル温度が変化している場合、
    　もしくは異常検知から時間が経過するに従ってメタル温度の変化幅が大きくなった場合に、
    　チューブリーク発生と判定することを特徴としたボイラチューブリーク検出装置。
  9. 　請求項１乃至８のいずれかに記載のボイラチューブリーク検出装置において、
    　前記検知内容評価部には、過去に発生した事象と各メタル温度の変化幅が対応付けられて保存されている過去事例データベースと、前記過去事例データベースに保存されている事例からメタル温度変化幅の２乗誤差が最小となる事例を抽出する検知内容推定部が備えられていること
    　を特徴としたボイラチューブリーク検出装置。
  10. 　請求項１乃至９のいずれかに記載のボイラチューブリーク検出装置において、
    　前記検知内容評価部に、メタル温度の変化幅に基づいてチューブリークの程度を評価し、前記チューブリークの程度に基づいてプラントの運転継続、出力低下、停止を判断する機能が備えられていること
    　を特徴としたボイラチューブリーク検出装置。
  11. 　請求項１乃至１０のいずれかに記載のボイラチューブリーク検出装置において、
    　前記検知内容評価部には、
    　前記検知部で検知する前後のメタル温度の変化幅を計算し、メタル温度低下幅が最大となる個所をチューブリーク発生箇所として抽出する検知内容推定部が備えられており、
    　前記検知内容推定部で計算したメタル温度変化幅の情報、若しくは抽出したチューブリーク発生箇所をＣＡＤ図面上で確認するための情報、の少なくとも一つを画像表示装置に表示すること
    　を特徴としたボイラチューブリーク検出装置。
  12. 　請求項１乃至１１のいずれかに記載のボイラチューブリーク検出装置が備えられているデータ監視センタにおいて、
    　前記データ監視センタと複数の発電プラントと負荷調整部署とが情報通信ネットワークで相互に接続されており、
    　前記データ監視センタには、特定の発電プラントでボイラチューブリークが発生した時には、他の発電プラントの出力増加の可能性を評価して各プラントの負荷要求値を決定する送信情報決定部
    　が備えられていることを特徴としたデータ監視センタ。
  13. 請求項１乃至１１のいずれかに記載したボイラチューブリーク検出装置を用いた情報提供サービスにおいて、
    前記ボイラチューリーク検出装置から該当するボイラプラントにボイラチューブリーク検出情報、若しくはデータ監視センタから前記検出情報を元に求められた各プラントの負荷要求値を含む運転スケジュールの情報、の少なくとも一つを提供することを特徴とした
    情報提供サービス。
  14. 　ボイラプラントの状態量を計測した計測信号を用いて、前記ボイラプラントの運転状態の変化を検知する状態変化検知ステップと、
    　前記状態変化検知部で検知した変化をリークか否か評価する検知内容評価ステップを含むボイラチューブリーク検出方法であって、
    　前記状態変化検知ステップは、
    　過去の前記計測信号から、正常と定義された期間のデータである第一の計測信号データをデータ項目単位で監視グループとしてグループ化する監視データ抽出ステップと、
    　前記ボイラプラントの運転パターンを識別する運転パターン評価ステップと、
    　前記監視グループ毎にかつ前記運転パターン毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類ステップと、
    　前記診断モデルと診断する期間の計測信号を比較することで運転状態が変化したことを検知する検知ステップを含み、
    　前記監視グループに用いるデータ項目として複数ある熱交換器のメタル温度を含むこと　を特徴としたボイラチューブリーク検出方法。
  15. 　複数の熱交換器と、ボイラプラントの状態量を計測する装置と、前記ボイラプラントを制御する運転制御装置を有するボイラプラントにおいて、
    　前記運転制御装置は、
    　前記状態量を検出する装置から伝達される計測信号がデータ項目別に保存される計測信号データベースと、
    　前記計測信号データベースから入力された計測信号に基づき前記ボイラプラントの運転状態の変化を診断結果データとして出力する状態変化検知部と、
    　前記診断結果データが入力され、運転状態変化がリークか否か評価し、検知内容推定結果データを出力する検知内容評価部と、
    　前記推定検知内容推定結果データを表示する画像表示装置を備え、
    　前記状態変化検知部は、
    　前記計測信号データベースから第一の計測信号データが入力され、前記データ項目の一部を監視グループとしてグループ化した監視グループデータを出力する監視データ抽出部と、
    　前記監視グループデータが入力され、前記監視グループデータを元に前記ボイラプラントの運転パターンを識別し、運転パターン評価結果データを出力する運転パターン評価部と 、
    　前記運転パターン評価結果データと前記監視グループデータが入力され、前記運転パターン毎かつ前記監視グループ毎に、前記グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを出力する分類部と、
    　前記計測信号データベースに保存され、前記監視データ抽出部でグループ化され、前記運転パターン評価部で識別された第二の計測信号データが入力され、さらに前記診断モデルが入力され、前記診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知し、前記診断結果データを出力する検知部が備えられ、
    　前記監視データ抽出部がグループ化するデータ項目に前記ボイラプラントの前記複数ある熱交換器のメタル温度が含まれる 
    　ことを特徴としたボイラプラント。
PCT/JP2014/063635 2013-06-26 2014-05-23 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。 WO2014208227A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013133278A JP6037954B2 (ja) 2013-06-26 2013-06-26 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。
JP2013-133278 2013-06-26

Publications (1)

Publication Number Publication Date
WO2014208227A1 true WO2014208227A1 (ja) 2014-12-31

Family

ID=52141579

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/063635 WO2014208227A1 (ja) 2013-06-26 2014-05-23 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。

Country Status (2)

Country Link
JP (1) JP6037954B2 (ja)
WO (1) WO2014208227A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113916457A (zh) * 2021-08-25 2022-01-11 华能国际电力股份有限公司丹东电厂 一种用于预判锅炉装置漏水的系统及方法

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6497583B2 (ja) * 2015-03-31 2019-04-10 中国電力株式会社 プラントの漏洩検出システムとその方法
JP6840026B2 (ja) * 2017-05-09 2021-03-10 株式会社日立製作所 熱交換器の異常診断方法、異常診断システム、及びその制御装置
KR101960754B1 (ko) * 2017-05-31 2019-03-25 주식회사 지오네트 화력발전 운영 방법 및 시스템
JP6943698B2 (ja) * 2017-09-11 2021-10-06 三菱パワー株式会社 プラント異常箇所推定システム
JP7042056B2 (ja) 2017-10-25 2022-03-25 株式会社日立製作所 プラントの運転支援装置及び運転支援方法
JP6950481B2 (ja) * 2017-11-17 2021-10-13 株式会社デンソー 診断システム
JP7339382B2 (ja) * 2017-12-26 2023-09-05 Ｕｂｅ三菱セメント株式会社 プラント管理システム、プラント管理サーバ、プラント管理装置、推定用モデルの生成方法、及び学習用データの生成方法
JP7043831B2 (ja) * 2017-12-26 2022-03-30 宇部興産株式会社 プラント管理システム、プラント管理サーバ、プラント管理装置、推定用モデルの生成方法、及び学習用データの生成方法
JP2020057165A (ja) * 2018-10-01 2020-04-09 株式会社椿本チエイン 異常判定装置、信号特徴量予測器、異常判定方法、学習モデルの生成方法及び学習モデル
JP7147486B2 (ja) * 2018-11-02 2022-10-05 東京電力ホールディングス株式会社 チューブ式熱交換器のリーク判断方法
JP7206990B2 (ja) * 2019-02-15 2023-01-18 株式会社Ihi 伝熱管損傷検出装置、ボイラシステム及び伝熱管損傷検出方法
JP7438679B2 (ja) * 2019-07-09 2024-02-27 株式会社日立製作所 ボイラチューブリーク早期検知システム及びその方法
JP7257060B2 (ja) * 2021-02-25 2023-04-13 株式会社ミヤワキ 測定診断装置
WO2022195890A1 (ja) * 2021-03-19 2022-09-22 日本電気株式会社 時系列データ処理方法
KR20240037296A (ko) * 2021-09-09 2024-03-21 스미토모 에스에이치아이 에프더블유 에너지아 오와이 연소 보일러 시스템의 수증기 회로의 튜브 누출 결정 방법 및 연소 보일러
FR3138530A1 (fr) * 2022-08-01 2024-02-02 Liebherr-Aerospace Toulouse Sas Procédé de localisation d’une fuite d’air dans un réseau d’alimentation en air pressurisé, produit programme d’ordinateur et système associés

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11356094A (ja) * 1998-04-08 1999-12-24 Toshiba Corp 発電運転管理システム
JP2007509395A (ja) * 2003-10-16 2007-04-12 エービービー・インコーポレイテッド 連続プロセスの中のシステム・コンポーネントの異常の検知
JP2008064412A (ja) * 2006-09-11 2008-03-21 Chugoku Electric Power Co Inc:The ボイラーチューブリーク自動診断システム
JP2008144995A (ja) * 2006-12-07 2008-06-26 Chugoku Electric Power Co Inc:The プラントリーク検出システム
JP2013190228A (ja) * 2012-03-12 2013-09-26 Chugoku Electric Power Co Inc:The チューブリーク検査装置、及びチューブリーク検査方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11356094A (ja) * 1998-04-08 1999-12-24 Toshiba Corp 発電運転管理システム
JP2007509395A (ja) * 2003-10-16 2007-04-12 エービービー・インコーポレイテッド 連続プロセスの中のシステム・コンポーネントの異常の検知
JP2008064412A (ja) * 2006-09-11 2008-03-21 Chugoku Electric Power Co Inc:The ボイラーチューブリーク自動診断システム
JP2008144995A (ja) * 2006-12-07 2008-06-26 Chugoku Electric Power Co Inc:The プラントリーク検出システム
JP2013190228A (ja) * 2012-03-12 2013-09-26 Chugoku Electric Power Co Inc:The チューブリーク検査装置、及びチューブリーク検査方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113916457A (zh) * 2021-08-25 2022-01-11 华能国际电力股份有限公司丹东电厂 一种用于预判锅炉装置漏水的系统及方法

Also Published As

Publication number Publication date
JP2015007509A (ja) 2015-01-15
JP6037954B2 (ja) 2016-12-07

Similar Documents

Publication Publication Date Title
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。
JP6116466B2 (ja) プラントの診断装置及び診断方法
US8442853B2 (en) Targeted equipment monitoring system and method for optimizing equipment reliability
EP2064626B1 (en) Kernel-based method for detecting boiler tube leaks
US7933754B2 (en) System and method for damage propagation estimation
JP6523815B2 (ja) プラント診断装置及びプラント診断方法
JP6884078B2 (ja) プラント異常監視システム
JP2018190245A (ja) 設備機器の異常診断システム
CN111259562A (zh) 一种锅炉受热面失效区域分析防治动态虚拟系统
EP3702861A1 (en) Plant operation assistance device and operation assistance method
CN114484409A (zh) 一种火电厂炉管泄漏事故的预警方法及装置
JP6943698B2 (ja) プラント異常箇所推定システム
JP7064085B2 (ja) プラント異常監視システム、および、プラント異常監視方法
JP2017117034A (ja) 診断装置及び診断方法
JP5355710B2 (ja) プロセス信号の抽出システムおよび方法
JP7142545B2 (ja) ボイラチューブリーク診断システム及びボイラチューブリーク診断方法
Tejedor et al. Advanced gas turbine asset and performance management
WO2011148431A1 (ja) プラント診断装置及びこれを用いた診断方法
JP2003193808A (ja) 発電プラントの診断方法および診断システム
CN113836821B (zh) 一种锅炉水冷壁拉裂在线预测方法
CN117441180A (zh) 一种用于检测热能交换系统中的运行异常的方法和系统，以及一种训练机器学习模型的方法
Hayes et al. Application of expert systems to industrial utility equipment optimization

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14818130

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14818130

Country of ref document: EP

Kind code of ref document: A1