WO2015198898A1 - プラント異常予知装置、異常予知装置、表示装置及び表示方法 - Google Patents

プラント異常予知装置、異常予知装置、表示装置及び表示方法 Download PDF

Info

Publication number
WO2015198898A1
WO2015198898A1 PCT/JP2015/067125 JP2015067125W WO2015198898A1 WO 2015198898 A1 WO2015198898 A1 WO 2015198898A1 JP 2015067125 W JP2015067125 W JP 2015067125W WO 2015198898 A1 WO2015198898 A1 WO 2015198898A1
Authority
WO
WIPO (PCT)
Prior art keywords
abnormality
performance index
water
plant
abnormality prediction
Prior art date
Application number
PCT/JP2015/067125
Other languages
English (en)
French (fr)
Inventor
白石　朋史
晃治 陰山
隆広 舘
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 WO2015198898A1 publication Critical patent/WO2015198898A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring

Definitions

  • the present invention relates to a plant abnormality prediction apparatus and abnormality prediction apparatus for a desalination plant that takes in seawater or brine and desalinates using a reverse osmosis membrane, and a display device and a display method for displaying the results of abnormality prediction for a desalination plant About.
  • the reverse osmosis membrane is made of a material such as cellulose or polyamide.
  • salt mainly NaCl
  • a high pressure pump is used to pressurize the seawater.
  • a power recovery device may be installed to perform energy recovery.
  • Patent Literature 1 stores a reference pattern in which a desired deviation allowable value is added to a basic operation pattern of a control target device and a basic process variable pattern associated with the operation of the control target device.
  • a pattern abnormality that is a precursor to the stage before failure is detected.
  • seawater or brine In desalination plants that require continuous supply of drinking water and industrial water, after taking seawater or brine as the water to be treated, a plurality of pretreatment devices, high pressure pumps, reverse osmosis membranes, power recovery devices, etc.
  • the devices are connected in series from the upstream side to the downstream side.
  • seawater or brine is an incompressible fluid, abnormalities in flow rate and pressure on the upstream side immediately spread throughout the desalination plant.
  • the abnormality detected by the plant monitoring control system described in Patent Document 1 is limited to the failure of the target device that operates in a pre-stored reference pattern, and includes various factors such as start, stop, partial load, and load fluctuation. In a desalination plant that operates under conditions, it is difficult to detect an early warning of equipment failure.
  • the present invention has been made in view of the above points, and an object of the present invention is to provide a plant abnormality prediction apparatus capable of detecting an abnormality of equipment in a desalination plant at an early stage.
  • a plant abnormality prediction apparatus is divided into a high-pressure pump that pressurizes water to be treated, fresh water from which salt has been removed from the pressurized water to be treated, and concentrated water from which salt has been concentrated.
  • a reverse osmosis membrane module a desalination plant having a power recovery device for recovering energy from the concentrated water, and an abnormal prediction device for predicting an abnormality of the desalination plant, wherein the abnormal prediction device comprises treated water, concentrated water or Performance index calculation means for calculating a performance index of a desalination plant using at least any two measured values of flow rate, pressure, temperature and water quality for fresh water, and any two measured values and calculated performance indexes
  • Category classification means for classifying the operation data including the data into one of a plurality of categories based on the characteristics of the operation data, and the desalination process from the classified categories. It characterized by having a determining means for determining cement abnormalities.
  • a plant abnormality prediction device an abnormality prediction device, a display device, and a display method that can detect an abnormality of equipment in a desalination plant at an early stage.
  • FIG. 1 is a system configuration diagram of a plant abnormality prediction apparatus according to an embodiment of the present invention. It is an apparatus block diagram of the desalination plant shown in FIG. It is explanatory drawing of the categorization of the driving
  • the desalination plant targeted by the plant abnormality prediction apparatus of the present invention takes seawater or brackish water as treated water, and adds chemicals such as bactericide, flocculant, and pH adjuster to the treated water taken.
  • Chemical addition device high-pressure pump that boosts the treated water after chemical addition and supplies it to the reverse osmosis membrane device, concentrated water that is high-concentration salt water and filtered water from which salt has been removed (fresh water) ), And a power recovery device that recovers energy from the high-pressure concentrated water discharged from the reverse osmosis membrane device.
  • the desalination plant targeted by the plant abnormality prediction apparatus of the present invention uses a reverse osmosis membrane device to treat sewage that is domestic wastewater as treated water, and separates it into concentrated water and fresh water. And water to be treated is separated into concentrated water and fresh water, which are high-concentration salt water, using a reverse osmosis membrane device.
  • Brine water here refers to water containing salt such as sodium chloride, brackish water existing at the boundary with seawater, and fossil water and rock salt zones formed by seawater in the past. There is also brine in land water such as salty water.
  • FIG. 1 is a configuration diagram of a plant abnormality prediction apparatus for a desalination plant according to an embodiment of the present invention.
  • a system 100 targeted by the present embodiment includes a plant abnormality prediction device 1, a desalination plant 2, and a control device 3.
  • the control device 3 has a function of controlling each device constituting the desalination plant 2. Although the plant abnormality prediction apparatus 1 and the control apparatus 3 are connected, the structure connected via a communication network may be sufficient.
  • the control device 3 collects measured values such as flow rate, pressure, temperature and water quality from the desalination plant 2 and inputs them into the measured value DB (database) 111 of the plant abnormality prediction device 1. Moreover, the control apparatus 3 is installed in the pump output and piping of the desalination plant 2 so that the production value of fresh water and the discharge pressure of the pump, which are measured values collected from the desalination plant 2, become their target values. The manipulated variable such as the valve opening is output to the desalination plant 2.
  • the plant abnormality prediction apparatus 1 includes a measurement value DB 111, a performance index calculation unit (performance index calculation means) 101, a performance index DB 112 that stores the performance index calculated by the performance index calculation unit 101, and a measurement value stored in the measurement value DB 111. And a category classification unit (category classification means) 102 for classifying the state of each device constituting the desalination plant 2 into a plurality of categories based on the performance index stored in the performance index DB 112, a category DB 113 for storing the classified categories,
  • the determination part (normal / abnormal determination part) 103 which determines the state of each apparatus which comprises the desalination plant 2 is provided.
  • the determination unit 103 may have a function of determining an abnormality of the desalination plant or a function of determining whether the state is abnormal or normal.
  • the plant abnormality prediction apparatus 1 uses the measurement values stored in the measurement value DB 111 and the determination results of the measurement value / performance index display unit 121 and the normal / abnormality determination unit 103 for displaying the performance index stored in the performance index DB 112. You may provide the determination result display part 122 displayed. Note that the measurement value / performance index display unit 121 and the determination result display unit 122 may be displayed on different display devices, or may be configured to be divided into regions on one display device.
  • the performance index calculation unit 101, the category classification unit 102, and the normal / abnormality determination unit 103 are realized by software, for example, and read a program corresponding to processing contents to be described later from a storage device such as a ROM and executed by a processor such as a CPU. Is realized.
  • FIG. 2 is an equipment configuration diagram of the desalination plant 2 shown in FIG. In FIG. 2, only the main part is shown as an example of the seawater desalination plant which uses the to-be-processed water as seawater as the desalination plant 2.
  • the seawater desalination plant 2 includes a seawater supply pump 201, a high-pressure pump 202, a reverse osmosis membrane module 205, a power recovery device 203, and a booster pump 204. Seawater pumped up by the seawater feed pump 201 attached to the intake pipe 211 is pressurized by the high-pressure pump 202 attached to the pipe 212 and introduced into the reverse osmosis membrane module 205 via the pipe 215.
  • the introduced seawater is membrane-separated by the reverse osmosis membrane module 205 into filtered water (fresh water) from which the salinity has been removed by the reverse osmosis action of the membrane and concentrated water having a high salinity concentration in which the salinity is concentrated.
  • the fresh water from which the salt content has been removed by the reverse osmosis membrane module 205 is taken out via the pipe 216.
  • the concentrated water membrane-separated by the reverse osmosis membrane module 205 is supplied to the power recovery apparatus 203 via the pipe 217.
  • Fresh water taken out via the pipe 216 is approximately equal to atmospheric pressure. Concentrated water flowing through the pipe 217 maintains substantially the same pressure as when pressurized by the high-pressure pump 202.
  • the high-pressure pump 202 pressurizes the seawater flowing through the pipe 212 to a predetermined pressure in order to obtain a desired amount of fresh water.
  • a part of the seawater pumped up by the seawater feed pump 201 is supplied to the power recovery device 203 via the pipe 213.
  • the power recovery apparatus 203 pressurizes seawater introduced through the pipe 213 using the pressurized concentrated water discharged from the reverse osmosis membrane module 205 and introduced into the power recovery apparatus 203 through the pipe 217.
  • Seawater pressurized by the power recovery device 203 flows through the pipe 214 and merges with the pipe 215.
  • a booster pump 204 is attached to the pipe 214, and the booster pump 204 pressurizes the seawater pressurized by the power recovery device 203 so as to be approximately equal to the pressure of the seawater pressurized by the high-pressure pump 202.
  • the power recovery device 203 for example, a positive displacement piston pump or the like may be used.
  • Seawater pressurized to a predetermined pressure by the high-pressure pump 202 and the booster pump 204 is joined and then introduced into the reverse osmosis membrane module 205 via the pipe 215.
  • the combined seawater is membrane-separated by the reverse osmosis membrane module 205 into concentrated water having a high salinity concentration and fresh water from which the salinity has been removed.
  • the concentrated water introduced into the power recovery apparatus 203 via the pipe 217 is drained via the pipe 218 after the pressure is transmitted to the seawater introduced into the power recovery apparatus 203 via the pipe 213.
  • thermometer T1 In the intake pipe 211, a thermometer T1, a pressure gauge P1, and a water quality meter W1 are installed.
  • the water to be treated (seawater in this embodiment) pumped up by the seawater feed pump 201 passes through the intake pipe 211.
  • a thermometer T1 installed in the intake pipe 211 measures the temperature of the seawater.
  • the pressure gauge P ⁇ b> 1 measures the pressure of seawater flowing through the intake pipe 211.
  • the water quality meter W1 measures the quality of seawater flowing through the intake pipe 211.
  • a part of the seawater that has passed through the intake pipe 211 is introduced into the pipe 212.
  • a flow meter F ⁇ b> 1 that measures the discharge flow rate of the high-pressure pump 202 is installed in the pipe 212.
  • a part of the seawater that has passed through the intake pipe 211 is introduced into the pipe 213.
  • a flow meter F ⁇ b> 2 that measures the flow rate of seawater introduced into the power recovery device 203 is installed in the pipe 213.
  • the pipe 214 is provided with a flow meter F3, a pressure gauge P2, and a water quality meter W2 in order to measure the flow rate, pressure and water quality of the seawater pressurized by the power recovery device 203.
  • the pipe 215 is a pipe where the seawater pressurized by the booster pump 204 and the seawater pressurized by the high-pressure pump 202 merge and lead to the reverse osmosis membrane module 205.
  • the pipe 215 is provided with a pressure gauge P3 and a water quality gauge W3 in order to measure the pressure and quality of seawater introduced into the pipe 215.
  • thermometer T2 measures the temperature of fresh water passing through the pipe 216.
  • the pressure gauge P4 measures the pressure of fresh water passing through the pipe 216.
  • the flow meter F4 measures the flow rate of fresh water introduced into the pipe 216.
  • the water quality meter W4 measures the quality of fresh water introduced into the pipe 216.
  • a pressure gauge P5 is installed in the pipe 217 from which the concentrated water separated by the reverse osmosis membrane module 205 is taken out.
  • the pressure gauge P5 measures the pressure of the concentrated water passing through the pipe 217.
  • the concentrated water that has passed through the pipe 217 is supplied to the power recovery device 203.
  • thermometer T3, a pressure gauge P6, and a water quality meter W5 are installed in a pipe 218 through which concentrated water after pressure transmission by the power recovery device 203 flows.
  • the thermometer T3 measures the temperature of the concentrated water after pressure transmission.
  • the pressure gauge P6 measures the pressure of the concentrated water after pressure transmission.
  • the water quality meter W5 measures the quality of the concentrated water introduced into the pipe 218.
  • the control device 3 can monitor and control the state and water quality of each device constituting the seawater desalination plant 2.
  • the water quality meter one or a plurality of water quality meters that measure turbidity, SDI (Silt Density Index), pH, oxidation-reduction potential (ORP), etc. are installed. A case where the conductivity is measured will be described as an example.
  • a pretreatment device (not shown) is provided on the upstream side of the seawater supply pump 201.
  • a cleaning liquid storage tank for storing a cleaning liquid for cleaning the reverse osmosis membrane module 205 and a cleaning pump for supplying the cleaning liquid to the reverse osmosis membrane module 205 are also provided.
  • seawater that is to be treated is stored, and a polymer flocculant or an inorganic flocculant is added to seawater and stirred so that impurities such as organic matter contained in the seawater are captured by the flocculant.
  • Microfiltration membrane MF membrane: Microfiltration Membrane
  • UF membrane Ultrafiltration Membrane
  • the polymer flocculant for example, polyacrylamide flocculant, and as the inorganic flocculant, ferric chloride is used, for example.
  • the category classification unit 102 of the plant abnormality prediction apparatus 1 will be described.
  • the category is a group of data having similarities.
  • adaptive resonance theory which is one of clustering techniques.
  • the category classification using ART is described in Patent Document 2, for example.
  • FIG. 3 shows an explanatory diagram of the categorization of the operation data by the category classification unit 102.
  • FIG. 4 shows the correlation between categories after classification.
  • FIG. 3A shows temporal changes in the operation data A and the operation data B during a period in which the seawater desalination plant 2 is operating normally and a period in which the operation state is diagnosed.
  • the operation data A and the operation data B are obtained by the measured value and performance index calculation unit 101 collected through the control device 3 from each sensor such as the above-described thermometer, flow meter, pressure gauge, and water quality meter.
  • FIG. 3 (A) shows a state that is in the range between the upper limit and the lower limit of the alarm output in both the normal operation period and the diagnosis period.
  • the category classification unit 102 inputs the operation data A and the operation data B in the normal operation period in advance, and learns the correlation between the operation data A and the operation data B.
  • the correlation between the operation data A and the operation data B (1) the operation data A is large, the operation data B is small, (2) both the operation data A and the operation data B are small, ( 3) Data groups showing three different correlations are extracted, with the operation data B being large and the operation data A being small. Each of these is classified into category numbers 1 to 3 and shown along with the time change is shown in FIG.
  • the difference from the data B may be compared with a predetermined threshold value and categorized.
  • the operation of the category classification unit 102 in the operation state diagnosis period will be described.
  • the operation data A and operation data B are input to the category classification unit 102
  • the operation data A and operation data B in the first period shown in FIG. 3A are similar to the characteristics of the category number 2 already learned. Therefore, the category classification unit 102 classifies as category number 2.
  • the correlation between operation data A and operation data B input during the period is classified as a new category because both data are large and are not similar to the characteristics of any of the learned category numbers 1 to 3. To do.
  • category 4 is registered as a new category.
  • the normal / abnormality determination unit 103 determines that the category classified by the category classification unit 102 is normal if the category has the same characteristics as the driving data used for learning. If the category is different, that is, the category is classified into a new category. If it is, it is determined as an abnormal state.
  • an adjustment parameter ⁇ (a value corresponding to the reciprocal of the radius, 0 ⁇ ⁇ 1) is set. Increasing ⁇ tends to decrease the size of each category and increase the number of categories. On the other hand, when ⁇ is set small, the size of each category tends to increase and the number of categories tends to decrease.
  • FIG. 5 shows the time change of the category classification result when learning and diagnosis are performed on the operation data of a certain device.
  • This device is known to have failed at time t3.
  • New categories appear continuously before the occurrence of abnormality, that is, from time t2, and it is considered that a sign of abnormality appeared at time t2. Therefore, the time (t3-t2) is defined as the lead time until the abnormality occurs.
  • a new category appears at time t1, but after that a normal category appears. Therefore, a new category that appears at time t1 is defined as a false detection.
  • FIG. 6 shows changes in the lead time and the number of false detections when learning and diagnosis are performed by changing the adjustment parameter ⁇ with respect to the above-described operation data.
  • ⁇ is set large, the lead time becomes long, but the number of false detections tends to increase.
  • ⁇ is set small, the lead time is shortened, but the number of false detections tends to decrease.
  • FIG. 7 is a processing flow of the plant abnormality prediction apparatus 1 shown in FIG.
  • control device 3 collects measurement values from the flow meters F1 to F4, the pressure meters P1 to P6, the thermometers T1 to T3, and the water quality meters W1 to W5 at a predetermined cycle, and measures the plant abnormality prediction device 1 Store in the value DB 111.
  • the performance index calculation unit 101 reads out the measurement values stored in the measurement value DB 111 at a predetermined cycle, calculates the performance index of the equipment that configures the seawater desalination plant 2 based on the read measurement values, and the performance index Store in the DB 112 (step S1). At this time, the operator confirms the performance index and each measured value by displaying the measured value stored in the measured value DB 111 and the performance index stored in the performance index DB 112 on the measured value / performance index display unit 121. be able to.
  • the measurement value stored in the measurement value DB 111 and the performance index stored in the performance index DB 112 may be collectively referred to as operation data.
  • the operators set beforehand for ⁇ 1 to ⁇ n.
  • the category classification unit 102 reads the performance index stored in the performance index DB 112 and the measurement value stored in the measurement value DB 111, classifies the states of the devices constituting the seawater desalination plant 2 into categories, and stores them in the category DB 113. (Step S21).
  • the category classification unit 102 determines whether it is a learning period or a diagnosis period (step S22).
  • a delimiter time may be set in advance, or may be delimited by setting an elapsed time from the start of operation and the number of times operation data is collected.
  • the category of the operation data is classified into a normal category (step S23), stored in the category DB 113, and then proceeds to the next step S14.
  • the normal / abnormality determination unit 103 reads out the category stored in the category DB 113, and whether the state of the equipment constituting the seawater desalination plant 2 is a normal state or an abnormal state. Is determined (step S24). The determination result is stored in the category DB 113. If the determination result is normal in step S24, the category of the operation data is classified into a normal category (step S25), stored in the category DB 113, and then proceeds to the next step S14. If the determination result is abnormal in step S24, the category of the operation data is classified into an abnormal category (step S26) and stored in the category DB 113. The determination result display unit 122 displays that an abnormality has been detected (step S27), and proceeds to the next step S14.
  • a first performance index (Y205) for evaluating the permeation performance of the reverse osmosis membrane is calculated by the following equation (1).
  • Fn is a measured value of the flow meter Fn
  • Pn is a measured value of the pressure gauge Pn
  • Tn is a measured value of the thermometer Tn
  • Wn is a measured value of the water quality meter Wn
  • Pnet is an effective pressure
  • std is a reference value.
  • the function f1 represents a function for calculating the osmotic pressure from the temperature and conductivity.
  • the effective pressure is a difference between the pressure applied to the reverse osmosis membrane and the osmotic pressure of the fluid (seawater, fresh water, concentrated water), and is a substantial pressure related to filtration through the reverse osmosis membrane.
  • Y205 which is the first performance index obtained by the equation (1), evaluates the device performance of the reverse osmosis membrane 205 because the value decreases when the membrane in the reverse osmosis membrane module 205 becomes dirty and the amount of filtration decreases. It is possible.
  • a second performance index (Y202) for evaluating the pump performance is calculated by the following equation (2).
  • N202 is the rotation speed of the high-pressure pump 202.
  • the function f2 represents the performance curve (QH curve) of the pump, and represents the relationship with the pump discharge flow rate when the pump is operated at a predetermined lift (or discharge pressure) and rotation speed. is there.
  • Y202 which is the second performance index obtained by equation (2), evaluates the equipment performance of the high-pressure pump 202 because the pump fails and the pump discharge flow rate or discharge pressure deviates from the pump performance curve. Is possible.
  • a third performance index (Y203) for evaluating the power recovery performance is calculated by the following equation (3).
  • Equation (3) represents the ratio of the recovered energy to the input energy to the power recovery apparatus 203. When the power recovery apparatus 203 fails, this ratio decreases. It is possible to evaluate.
  • the first performance index to the third performance index as described above, it is possible to detect an abnormality that is difficult to predict with only the measured values from each sensor.
  • the case where the abnormality of the reverse osmosis membrane module 205, the high pressure pump 202, and the power recovery device 203 is predicted by using the first performance index to the third performance index has been described.
  • another performance index may be newly introduced.
  • the magnitude of ⁇ is ⁇ 1> ⁇ 2> ⁇ 3> ⁇ 4.
  • the abnormality is predicted at a time before the time t15 when the abnormality occurred.
  • the abnormality is predicted on the previous time (in the past side), that is, on the side in which the lead time becomes longer in order of increasing value of ⁇ .
  • the display device may display the time determined to be abnormal and the alarm level of the abnormality to be associated with each other for each of the plurality of parameters. You may comprise so that it may display.
  • the plant abnormality prediction apparatus 1 of the present embodiment it is possible to predict the abnormality of the equipment from the measured value in the seawater desalination plant 2 and the performance index of the equipment calculated from the measured value. Further, by performing normal / abnormal determination on a plurality of parameters having different detection accuracy, alarms having different levels can be issued. As a result, so-called false detection can be eliminated, and by preparing a response according to the alarm level, the operator can respond with a margin in the event of an abnormality.
  • FIG. 9 shows a system configuration diagram of a desalination system according to the second embodiment of the present invention.
  • the system 100 according to the first embodiment is configured to include one plant abnormality prediction device 1, one desalination plant 2, and one control device 3 that controls the desalination plant 2.
  • the example system 200 includes a plurality of seawater desalination plants (in the case of n seawater desalination plants, seawater desalination plants 2-1 to 2-n) and a plurality of control devices (n In the case of a single control device, the control device 3-1 to 3-n) and one plant abnormality prediction recovery support device 1 connected to the plurality of control devices 3-1 to 3-n via the communication network 4 are provided.
  • the system is different from the system 100 of the first embodiment in that it has the configuration. In the following, a description will be given focusing on the configuration different from the first embodiment.
  • the plant abnormality prediction apparatus 1 collects measurement values through the communication network 4 for a plurality of seawater desalination plants 2-1 to 2-n installed at different locations. Based on the collected measurement values, the plant abnormality predicting apparatus 1 determines, for each seawater desalination plant 2-1 to 2-n, the first performance index, the second performance index, and the third performance index described in the first embodiment. The performance index is calculated, the category is classified, and normal / abnormal is determined.
  • the value of the adjustment parameter ⁇ with different detection accuracy described in the first embodiment is set appropriately and early. It becomes possible. Moreover, it becomes possible to collect and manage abnormalities of a plurality of seawater desalination plants in a lump.
  • this invention is not limited to the above-mentioned Example, Various modifications are included.
  • the above-described embodiments have been described in detail for easy understanding of the present invention, and are not necessarily limited to those having all the configurations described.
  • a part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment.

Abstract

システム（１００）は、被処理水を加圧する高圧ポンプ（２０２）と、加圧された被処理水から塩分が除去された淡水と塩分が濃縮された濃縮水に分離する逆浸透膜モジュール（２０５）と、濃縮水からエネルギーを回収する動力回収装置（２０３）を有する淡水化プラント（２）と、淡水化プラント（２）の異常を予知する異常予知装置（１）を備える。異常予知装置（１）は、被処理水、濃縮水又は淡水についての流量、圧力、温度及び水質のうち少なくともいずれか２つの計測値を用いて淡水化プラント（２）の性能指標を算出する性能指標算出手段（１０１）と、いずれか２つの計測値及び算出された性能指標を含む運転データを、当該運転データの特性に基づいて複数のカテゴリーのいずれかひとつに分類するカテゴリー分類手段（１０２）と、分類されたカテゴリーから淡水化プラント（２）の異常を判定する判定手段（１０３）を有する。

Description

プラント異常予知装置、異常予知装置、表示装置及び表示方法
　本発明は、海水又はかん水を取水し逆浸透膜を用いて淡水化する淡水化プラントについてのプラント異常予知装置及び異常予知装置、淡水化プラントについての異常予知の結果を表示する表示装置及び表示方法に関する。
　近年、地球規模の人口増や新興国の台頭に伴う造水需要の顕在化により、逆浸透膜を用いて海水から淡水を製造する海水淡水化プラントの建設が増加してきている。
　逆浸透膜は、セルロースやポリアミド等の素材で造られており、この膜に海水の浸透圧を超える圧力を加えることで水を逆浸透膜の微細孔に通過させ、塩分（主にＮａＣｌ）の透過を抑制し淡水を得ることができる。海水の加圧には高圧ポンプを用いる。また、逆浸透膜出口の濃縮水は圧力エネルギーを保有しているため、動力回収装置を設置し、エネルギー回収を実施することもある。
　ところで、海水淡水化プラントにおいて、高圧ポンプや逆浸透膜などの機器に異常が生じると、プラントを停止して対象機器の修理、交換などの対策を実施する必要がある。そのため、機器の異常を早期に予知し、対策を行うことでプラントの停止を防止または、プラント停止期間の短縮化が望まれている。
　例えば、特許文献１には、制御対象機器の基本動作パターン及び制御対象機器の動作に伴う基本プロセス変量パターンに所望の逸脱許容値を加味した参照パターンを記憶しておき、運転制御に関する制御対象機器の動作パターンやプロセス変量パターンが参照パターンを超えたとき、故障に至る前段階の予兆となるパターン異常と検知するものが記載されている。
特開２０１１－５４１１５号公報 特開２００５－１６５３７５号公報
　飲料水や工業用水を継続して供給することが求められる淡水化プラントでは、被処理水である海水又はかん水を取水後、前処理装置、高圧ポンプ、逆浸透膜及び動力回収装置等、複数の機器が上流側から下流側へと直列に接続されている。特に、海水又はかん水は非圧縮性流体であるため、上流側における流量や圧力の異常は瞬時に淡水化プラント全体へと波及する。
　しかしながら、特許文献１に記載されるプラントの監視制御システムにより検知される異常は、あらかじめ記憶された参照パターンで動作する対象機器の故障に限られ、起動、停止、部分負荷、負荷変動など様々な条件で運転される淡水化プラントでは、機器の故障予兆を早期に検出することは困難となる。
　本発明は、上述の点に鑑み、淡水化プラント内の機器の異常を早期に検出可能なプラント異常予知装置を提供することを目的とする。
　上記課題を解決するために本発明のプラント異常予知装置は、被処理水を加圧する高圧ポンプと、加圧された被処理水から塩分が除去された淡水と塩分が濃縮された濃縮水に分離する逆浸透膜モジュールと、濃縮水からエネルギーを回収する動力回収装置を有する淡水化プラントと、淡水化プラントの異常を予知する異常予知装置を備え、異常予知装置は、被処理水、濃縮水又は淡水についての流量、圧力、温度及び水質のうち少なくともいずれか２つの計測値を用いて淡水化プラントの性能指標を算出する性能指標算出手段と、いずれか２つの計測値及び算出された性能指標を含む運転データを、当該運転データの特性に基づいて複数のカテゴリーのいずれかひとつに分類するカテゴリー分類手段と、分類されたカテゴリーから淡水化プラントの異常を判定する判定手段を有することを特徴とする。
　本発明によれば、淡水化プラント内の機器の異常を早期に検出可能なプラント異常予知装置、異常予知装置、表示装置及び表示方法を提供することができる。
本発明の一実施例に係るプラント異常予知装置のシステム構成図である。 図１に示す淡水化プラントの機器構成図である。 カテゴリー分類部による運転データのカテゴリー分けの説明図であり、(Ａ)は運転データＡ，Ｂの時間変化と警報下限値と警報上限値の関係を示し、(Ｂ)はカテゴリー番号を示す。 分類後のカテゴリーの相関関係を説明する図である。 運転データに対して学習と診断を実施した際のカテゴリー分類結果の時間変化を説明する図である。 運転データに対して調整パラメータρを変化させて学習と診断を実施した場合の(Ａ)リードタイムの変化と、(Ｂ)誤検知数の変化を説明する図である。 図１に示すプラント異常予知装置の処理フローである。 運転データに対して調整パラメータρを変化させて診断を実施した際の(Ａ)異常カテゴリーの発生状況の時間変化と、(Ｂ)警報レベルの時間変化を説明する図である。 本発明の他の実施例に係るプラント異常予知装置のシステム構成図である。
　本発明のプラント異常予知装置が対象とする淡水化プラントは、被処理水である海水又はかん水を取水し、取水された被処理水に対し殺菌剤、凝集剤、ｐＨ調整剤などの薬品を添加する薬品添加装置、薬品添加後の被処理水を昇圧し逆浸透膜装置へ供給する高圧ポンプ、昇圧された被処理水を高濃度の塩水である濃縮水と塩分が除去されたろ過水（淡水）に分離する逆浸透膜装置、逆浸透膜装置から排出される高圧の濃縮水からエネルギーを回収する動力回収装置を備えている。
　また、本発明のプラント異常予知装置が対象とする淡水化プラントは、生活排水である下水を被処理水として逆浸透膜装置にて、濃縮水と淡水に分離し、排出される濃縮水に海水を混合し、混合後の被処理水を逆浸透膜装置にて高濃度の塩水である濃縮水と淡水に分離するものも含む。なお、ここでかん水とは、塩化ナトリウム等の塩分を含んだ水をいい、海水との境界に存在する汽水もかん水に含まれ、また、過去に海水が閉じ込められてできた化石水、岩塩地帯の塩分を含んだ水等の陸水にもかん水が存在する。
　以下、本発明の実施例について図面を用いて具体的に説明する。
　図１は、本発明の一実施例に係る淡水化プラントのプラント異常予知装置の構成図である。本実施例が対象とするシステム１００は、プラント異常予知装置１、淡水化プラント２、及び制御装置３を備える。制御装置３は、淡水化プラント２を構成する各機器を制御する機能を有する。プラント異常予知装置１と制御装置３は接続されているが、通信ネットワークを介して接続される構成であってもよい。
　制御装置３は、淡水化プラント２から流量、圧力、温度、水質などの計測値を収集し、プラント異常予知装置１の計測値ＤＢ（データベース）１１１に入力する。また、制御装置３は、淡水化プラント２から収集される計測値である、淡水の生産量やポンプの吐出圧力がそれらの目標値となるように、淡水化プラント２のポンプ出力や配管に設置されている弁の開度などの操作量を淡水化プラント２へ出力する。
　プラント異常予知装置１は、計測値ＤＢ１１１、性能指標計算部（性能指標算出手段）１０１、性能指標計算部１０１により算出された性能指標を格納する性能指標ＤＢ１１２、計測値ＤＢ１１１に格納される計測値及び性能指標ＤＢ１１２に格納される性能指標に基づき淡水化プラント２を構成する各機器の状態を複数のカテゴリーに分類するカテゴリー分類部（カテゴリー分類手段）１０２、分類されたカテゴリーを格納するカテゴリーＤＢ１１３、淡水化プラント２を構成する各機器の状態を判定する判定部（正常／異常判定部）１０３を備える。判定部１０３は、淡水化プラントの異常を判定する機能であってもよいし、異常又は正常のいずれの状態であるかを判定する機能であってもよい。
　また、プラント異常予知装置１は、計測値ＤＢ１１１に格納される計測値及び性能指標ＤＢ１１２に格納される性能指標を表示する計測値・性能指標表示部１２１、正常／異常判定部１０３の判定結果を表示する判定結果表示部１２２を備えてもよい。なお、計測値・性能指標表示部１２１及び判定結果表示部１２２は、それぞれ異なる表示装置に表示させてもよいし、１つの表示装置に領域分割して表示するように構成してもよい。
　性能指標計算部１０１、カテゴリー分類部１０２、正常／異常判定部１０３は、例えば、ソフトウェアにより実現され、後述する処理内容に対応するプログラムをＲＯＭ等の記憶装置より読み出し、ＣＰＵ等のプロセッサが実行することにより実現される。
　図２は、図１に示す淡水化プラント２の機器構成図である。図２において、淡水化プラント２として、被処理水を海水とする海水淡水化プラントを一例にその主要部分のみを示している。
　海水淡水化プラント２は、海水供給ポンプ２０１、高圧ポンプ２０２、逆浸透膜モジュール２０５、動力回収装置２０３及びブースターポンプ２０４を備える。取水配管２１１に取り付けられた海水給水ポンプ２０１により汲み上げられた海水は、配管２１２に取り付けられた高圧ポンプ２０２により加圧され、配管２１５を介して逆浸透膜モジュール２０５に導入される。
　導入された海水は、逆浸透膜モジュール２０５にて、膜の逆浸透作用により塩分が除去されたろ過水（淡水）と、塩分が濃縮された塩分濃度の高い濃縮水に膜分離される。逆浸透膜モジュール２０５で塩分除去された淡水は、配管２１６を介して取り出される。逆浸透膜モジュール２０５で膜分離された濃縮水は、配管２１７を介して動力回収装置２０３へ供給される。配管２１６を介して取り出される淡水はほぼ大気圧に等しい。配管２１７を流れる濃縮水は、高圧ポンプ２０２により加圧されたときとほぼ同様の圧力を維持している。ここで、高圧ポンプ２０２は、所望の淡水の生産量を得るため、配管２１２を流れる海水を所定の圧力まで加圧する。
　また、海水給水ポンプ２０１により汲み上げられた海水の一部は、配管２１３を介して動力回収装置２０３に供給される。動力回収装置２０３は、逆浸透膜モジュール２０５より排出され、配管２１７を介して動力回収装置２０３へ導入される加圧された濃縮水を利用し、配管２１３を介して導入される海水を加圧する。動力回収装置２０３にて加圧された海水は、配管２１４を流れ配管２１５と合流する。配管２１４にはブースターポンプ２０４が取り付けられており、ブースターポンプ２０４は、動力回収装置２０３にて加圧された海水を、高圧ポンプ２０２により加圧された海水の圧力と同程度となるよう加圧する。ここで、動力回収装置２０３として、例えば、容積形ピストンポンプ等を用いれば良い。
　高圧ポンプ２０２及びブースターポンプ２０４により所定の圧力まで加圧された海水は合流後、配管２１５を介して逆浸透膜モジュール２０５に導入される。そして合流後の海水は、逆浸透膜モジュール２０５にて、塩分濃度の高い濃縮水と塩分が除去された淡水に膜分離される。なお、配管２１７を介して動力回収装置２０３に導入される濃縮水は、その圧力を配管２１３を介して動力回収装置２０３に導入される海水へ伝達した後、配管２１８を介して排水される。
　取水配管２１１には、温度計Ｔ１、圧力計Ｐ１及び水質計Ｗ１が設置される。海水給水ポンプ２０１で汲み上げられた被処理水（本実施例では海水）が取水配管２１１を通過する。取水配管２１１に設置された温度計Ｔ１が海水の温度を計測する。圧力計Ｐ１は取水配管２１１を流れる海水の圧力を計測する。水質計Ｗ１は取水配管２１１を流れる海水の水質を計測する。
　配管２１２には、取水配管２１１を通過した海水の一部が導入される。配管２１２には、高圧ポンプ２０２の吐出流量を測定する流量計Ｆ１が設置される。
　配管２１３には、取水配管２１１を通過した海水の一部が導入される。配管２１３には、動力回収装置２０３に導入される海水の流量を測定する流量計Ｆ２が設置される。
　配管２１４には、動力回収装置２０３にて加圧された海水の流量、圧力及び水質を測定するために、流量計Ｆ３、圧力計Ｐ２及び水質計Ｗ２が設置される。
　配管２１５は、ブースターポンプ２０４による加圧後の海水及び高圧ポンプ２０２により加圧された海水が合流し、逆浸透膜モジュール２０５へ導く配管である。この配管２１５には、配管２１５に導入された海水の圧力及び水質を計測するために、圧力計Ｐ３及び水質計Ｗ３が設置されている。
　逆浸透膜モジュール２０５にて膜分離された淡水が取り出される配管２１６には、温度計Ｔ２、圧力計Ｐ４、流量計Ｆ４及び水質計Ｗ４が設置される。温度計Ｔ２は、配管２１６を通過する淡水の温度を計測する。圧力計Ｐ４は、配管２１６を通過する淡水の圧力を計測する。流量計Ｆ４は、配管２１６に導入された淡水の流量を計測する。水質計Ｗ４は、配管２１６に導入された淡水の水質を計測する。
　逆浸透膜モジュール２０５にて膜分離された濃縮水が取り出される配管２１７には、圧力計Ｐ５が設置される。圧力計Ｐ５は、配管２１７を通過する濃縮水の圧力を計測する。配管２１７を通過した濃縮水は、動力回収装置２０３に供給される。
　動力回収装置２０３による圧力伝達後の濃縮水が通流する配管２１８に温度計Ｔ３、圧力計Ｐ６及び水質計Ｗ５が設置されている。温度計Ｔ３は、圧力伝達後の濃縮水の温度を計測する。圧力計Ｐ６が圧力伝達後の濃縮水の圧力を計測する。水質計Ｗ５が配管２１８に導入された濃縮水の水質を計測する。
　これら各計測器からの計測値を収集することで、制御装置３は海水淡水化プラント２を構成する各機器の状態や水質を監視・制御可能となっている。水質計としては、濁度、ＳＤＩ（Ｓｉｌｔ　Ｄｅｎｓｉｔｙ　Ｉｎｄｅｘ）、ｐＨ、酸化還元電位（ＯＲＰ：Ｏｘｉｄａｔｉｏｎ－ｒｅｄｕｃｔｉｏｎ　Ｐｏｔｅｎｔｉａｌ）等を測定するものが単独あるいは複数設置されるが、本実施例では、水質計として導電率を測定する場合を例に説明する。
　また、本実施例の海水淡水化プラント２には、図示しない前処理装置が海水供給ポンプ２０１の上流側に設けられている。また、図示しないが、逆浸透膜モジュール２０５を洗浄するための洗浄液を貯留する洗浄液貯留槽及び洗浄液を逆浸透膜モジュール２０５へ供給する洗浄ポンプなども設けられている。
　前処理装置としては、被処理水である海水を貯留し、高分子凝集剤又は無機系凝集剤を海水に添加し撹拌することで、海水中に含まれる有機物等の不純物を凝集剤に捕捉させフロックを形成する凝集撹拌槽、ｐＨ調整剤投入部、凝集撹拌槽から流出するフロックを含む海水からフロックを膜の孔径サイズに応じて膜分離する精密ろ過膜（ＭＦ膜：Ｍｉｃｒｏｆｉｌｔｒａｔｉｏｎ　Ｍｅｍｂｒａｎｅ)、限外ろ過膜（ＵＦ膜：Ｕｌｔｒａｆｉｌｔｒａｔｉｏｎ　Ｍｅｍｂｒａｎｅ）等が用いられる。また、高分子凝集剤としては、例えば、ポリアクリルアミド系凝集剤、無機系凝集剤としては、例えば、塩化第二鉄が用いられる。
　ここで、プラント異常予知装置１のカテゴリー分類部１０２について説明する。ここで、カテゴリーとは、類似性を持つデータのまとまりである。本実施例では、一例として、クラスタリング技術の１つである適応共鳴理論（Ａｄａｐｔｉｖｅ　Ｒｅｓｏｎａｎｃｅ　Ｔｈｅｏｒｙ：ＡＲＴ）を用いる。ＡＲＴを用いたカテゴリー分類については、例えば、特許文献２に記載されている。
　図３に、カテゴリー分類部１０２による運転データのカテゴリー分けの説明図を示す。図４に、分類後のカテゴリーの相関関係を示す。図３（Ａ）では、海水淡水化プラント２が正常運転されている期間と、運転状態を診断する期間における、運転データＡ及び運転データＢの時間変化を示している。ここで、運転データＡ及び運転データＢは、上述の温度計、流量計、圧力計及び水質計等の各センサから制御装置３を介して収集される計測値と性能指標計算部１０１により求められる性能指標であり、図３(Ａ)では正常運転期間と診断期間のいずれの場合も、警報出力の上限及び下限の範囲にある状態が示されている。
　カテゴリー分類部１０２では、予め、上記正常運転期間における運転データＡ及び運転データＢを入力し、運転データＡ及び運転データＢの相関を学習する。このとき、図３に示されるように運転データＡ及び運転データＢの相関として、（１）運転データＡが大、運転データＢが小、（２）運転データＡ及び運転データＢともに小、（３）運転データＢが大、運転データＡが小、の３種の異なる相関を示すデータ群が抽出される。これらそれぞれをカテゴリー番号１～３に分類し、時間変化とともに示したものを図３(Ｂ)に表している。なお、ここでは、説明を簡略化するため上記カテゴリー分類における運転データＡと運転データＢの相関を、各運転データの大小関係で識別する場合を示すが、これに限られず、運転データＡ及び運転データＢとの差分を所定の閾値と比較し、カテゴリー分類しても良い。
　次に、カテゴリー番号１～３に示す運転データＡ及び運転データＢの相関を学習後、運転状態診断期間におけるカテゴリー分類部１０２の動作について説明する。運転データＡ及び運転データＢがカテゴリー分類部１０２に入力されると、図３(Ａ)に示す最初の期間での運転データＡ及び運転データＢは、既に学習済みのカテゴリー番号２の特性と類似することから、カテゴリー分類部１０２はカテゴリー番号２として分類する。続く、期間に入力される運転データＡ及び運転データＢの相関はそれぞれのデータがともに大となり、学習済みのカテゴリー番号１～３のいずれの運転データの特性とも類似しないことから新たなカテゴリーとして分類する。この結果、図４に示されるように、学習済みのカテゴリー１～３に加えて、新たなカテゴリーとしてカテゴリー４が登録される。
　これにより、正常／異常判定部１０３は、カテゴリー分類部１０２により分類されたカテゴリーが学習に用いた運転データと同じ特性であれば、正常と判定し、特性が異なる場合、すなわち、新規カテゴリーに分類された場合、異常状態と判定する。
　カテゴリー分類の際には、カテゴリーの大きさ（図４において円で分けられた各カテゴリーの半径に相当する値）をあらかじめ設定しておく必要がある。ＡＲＴを用いる場合には、調整パラメータρ（半径の逆数に相当する値、０＜ρ＜１）を設定する。ρを大きくすると各カテゴリーの大きさが小さくなり、カテゴリーの数が多くなる傾向がある。一方、ρを小さく設定すると各カテゴリーの大きさが大きくなり、カテゴリーの数が小さくなる傾向がある。
　図５は、ある装置の運転データに対して学習と診断を実施した際のカテゴリー分類結果の時間変化を表したものである。この装置は時間ｔ３で異常が発生したことがわかっている。異常発生の前、すなわち時間ｔ２から新規カテゴリーが連続して現れており、時間ｔ２には異常の予兆が現れていたと考えられる。そこで、時間（ｔ３－ｔ２）を異常発生までのリードタイムと定義する。また、時刻ｔ１にも新規カテゴリーが現れているが、その後は正常カテゴリーが現れている。そこで、時刻ｔ１に現れた新規カテゴリーは、誤検知と定義する。
　図６は、上述の運転データに対して、調整パラメータρを変化させて学習と診断を実施した際のリードタイムと誤検知数の変化を表したものである。ρを大きく設定するとリードタイムは長くなるが、誤検知数は多くなる傾向がある。一方、ρを小さく設定するとリードタイムは短くなるが、誤検知数は少なくなる傾向がある。
　図７は、図１に示すプラント異常予知装置１の処理フローである。
　まず、制御装置３は、上述の流量計Ｆ１～Ｆ４、圧力計Ｐ１～Ｐ６、温度計Ｔ１～Ｔ３、水質計Ｗ１～Ｗ５から計測値を所定の周期で収集し、プラント異常予知装置１の計測値ＤＢ１１１に格納する。
　性能指標計算部１０１は、所定の周期で計測値ＤＢ１１１に格納された計測値を読み出し、読み出された計測値に基づいて海水淡水化プラント２を構成する機器の性能指標を計算し、性能指標ＤＢ１１２に格納する（ステップＳ１）。このとき、計測値ＤＢ１１１に格納された計測値、性能指標ＤＢ１１２に格納された性能指標を、計測値・性能指標表示部１２１に表示することにより、運転員は性能指標と各計測値を確認することができる。以下の説明で、計測値ＤＢ１１１に格納された計測値と性能指標ＤＢ１１２に格納された性能指標を併せて運転データと呼ぶことがある。
　次に、調整パラメータρ＝ρ１～ρｎについてステップＳ２１～Ｓ２７を繰り返して（ステップＳ１１～Ｓ１４）、処理を終了する。ρ１～ρｎについては、予め運転員が設定をしておく。
　カテゴリー分類部１０２は、性能指標ＤＢ１１２に格納された性能指標及び計測値ＤＢ１１１に格納された計測値を読み出し、海水淡水化プラント２を構成する機器の状態をカテゴリーに分類し、カテゴリーＤＢ１１３に格納する（ステップＳ２１）。
　さらに、カテゴリー分類部１０２は、学習期間か診断期間かを判定する（ステップＳ２２）。判定の基準としては、区切りの時間を予め設定しておいてもよいし、運転開始からの経過時間や運転データの収集回数を予め設定しておくことで区切るのでもよい。ステップＳ２２にて学習期間の場合には、その運転データのカテゴリーを正常カテゴリーに分類し（ステップＳ２３）、カテゴリーＤＢ１１３に格納した後、次のステップＳ１４へ進む。
　ステップＳ２２にて診断期間の場合には、正常／異常判定部１０３においてカテゴリーＤＢ１１３に格納されたカテゴリーを読み出し、海水淡水化プラント２を構成する機器の状態が正常状態であるか異常状態であるかを判定する（ステップＳ２４）。判定結果は、カテゴリーＤＢ１１３に格納する。ステップＳ２４にて判定結果が正常の場合には、その運転データのカテゴリーを正常カテゴリーに分類し（ステップＳ２５）、カテゴリーＤＢ１１３に格納した後、次のステップＳ１４へ進む。ステップＳ２４にて判定結果が異常の場合には、その運転データのカテゴリーを異常カテゴリーに分類し（ステップＳ２６）、カテゴリーＤＢ１１３に格納する。判定結果表示部１２２に異常が検知されたことを表示して（ステップＳ２７）、次のステップＳ１４へ進む。
　ここで、性能指標計測部１０１にて、計測値ＤＢ１１１から読み出された計測値に基づき求める性能指標について説明する。
　逆浸透膜モジュール２０５における性能指標として、逆浸透膜の透過性能を評価する第１の性能指標（Ｙ２０５）を以下の式（１）により算出する。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｆｎは流量計Ｆｎの計測値、Ｐｎは圧力計Ｐｎの計測値、Ｔｎは温度計Ｔｎの計測値、Ｗｎは水質計Ｗｎの計測値、Ｐｎｅｔは有効圧力、ｓｔｄは基準値を表す。また、関数ｆ１は温度および導電率から浸透圧を計算する関数を表す。有効圧力とは、逆浸透膜に加えられる圧力と流体（海水、淡水、濃縮水）の浸透圧の差分を取ったもので、逆浸透膜でのろ過に関わる実質的な圧力となる。
　式（１）により得られる第１の性能指標であるＹ２０５は、逆浸透膜モジュール２０５内の膜が汚れてろ過量が減少すると値が減少することから、逆浸透膜２０５の機器性能を評価することが可能である。
　また、高圧ポンプ２０２における性能指標としては、ポンプ性能を評価する第２の性能指標（Ｙ２０２）を以下の式（２）により算出する。
Figure JPOXMLDOC01-appb-M000002
　ここで、Ｎ２０２は高圧ポンプ２０２の回転数である。また、関数ｆ２はポンプの性能曲線（Ｑ－Ｈカーブ）を表し、ポンプを所定の揚低（あるいは吐出圧力）及び回転数で作動させた場合のポンプの吐出流量との関係を表したものである。
　式（２）により得られる第２の性能指標であるＹ２０２は、ポンプが故障してポンプの吐出流量あるいは吐出圧力がポンプの性能曲線から逸脱することから、高圧ポンプ２０２の機器性能を評価することが可能である。
　また、動力回収装置２０３における性能指標としては、動力回収性能を評価する第３の性能指標（Ｙ２０３）を以下の式（３）により算出する。
Figure JPOXMLDOC01-appb-M000003
　式（３）は、動力回収装置２０３への入力エネルギーに対する回収エネルギーの比率を表したものであり、動力回収装置２０３が故障すると、この比率が低下することから、動力回収装置２０３の機器性能を評価することが可能である。
　以上のような第１の性能指標から第３の性能指標を用いることで、各センサからの計測値のみでは予知しづらい異常を検知することができる。本実施例では、第１の性能指標から第３の性能指標を用いることで、それぞれ、逆浸透膜モジュール２０５、高圧ポンプ２０２及び動力回収装置２０３の異常を予知する場合を説明したが、海水淡水化プラント２を構成する他の機器における異常予知を可能とするため、新たに他の性能指標を導入しても良い。
　次に、正常／異常判定部１０３により、異常と判定された場合に、判定結果表示部１２２に表示する画面表示例について説明する。
　図８(Ａ)は、調整パラメータρ＝ρ１～ρ４の４個について正常／異常の判定を行った結果、異常と判定された場合の時刻とρの値に対してプロットしたものである。ρの大きさは、ρ１＞ρ２＞ρ３＞ρ４である。ρ１～ρ４のいずれの場合も異常が発生した時間ｔ１５よりも前の時間で異常を予知していることが分かる。また、ρの値が大きい順により前の時間（より過去側）、すなわち、よりリードタイムが長くなる側で異常を予知している。
　ところで、図６に示したように、調整パラメータρの値が大きくなるとリードタイムは長くなるが、誤検知数が多くなり、異常の検知精度（異常予兆の検知数に対する実際に起きた異常の数）が低下する。一方、ρの値が小さくなるとリードタイムは短くなるが、誤検知数が少なくなり、異常の検知精度は向上する。そこで、図８の下段にあるように、ρの値が大きいときに検知した異常に対しては、レベルの低い警報を、ρの値が小さいときに検知した異常に対しては、レベルの高い警報を出すようにする。図８では、複数の調整パラメータρ毎に、異常の判定結果と当該異常の警報レベルを対応させて表示する表示装置の例を示している。このように、表示装置は、複数のパラメータ毎に、異常と判定された時間と当該異常の警報レベルが対応づけられるように表示してもよいし、異常と判定した場合の異常の警報レベルを表示するように構成してもよい。
　本実施例のプラント異常予知装置１によれば、海水淡水化プラント２内の計測値及び計測値から算出した機器の性能指標から機器の異常を予知することができる。また、検知精度の異なる複数のパラメータに対して、正常／異常の判定を行うことにより、レベルの異なる警報を出すことができる。これにより、いわゆる誤検知をなくすことができ、警報レベルに応じた対応を準備することで、異常時において運転員が余裕を持って対応することができる。
　図９に、本発明の第２の実施例に係る淡水化システムのシステム構成図を示す。実施例１のシステム１００は、１台のプラント異常予知装置１、１台の淡水化プラント２、及び淡水化プラント２を制御する１台の制御装置３を備える構成であるのに対し、本実施例のシステム２００は、複数の海水淡水化プラント（ｎ台の海水淡水化プラントの場合、海水淡水化プラント２－１～２－ｎ）、海水淡水化プラントをそれぞれ制御する複数の制御装置（ｎ台の制御装置の場合、制御装置３－１～３－ｎ）、通信ネットワーク４を介して複数の制御装置３－１～３－ｎに接続される１台のプラント異常予知回復支援装置１を有する構成とした点が実施例１のシステム１００と異なる。以下に、実施例１と異なる構成を中心に説明する。
　図９において、プラント異常予知装置１は、異なる場所に設置された複数の海水淡水化プラント２－１～２－ｎに対して、通信ネットワーク４を通じて計測値を収集する。プラント異常予知装置１は、この収集した計測値に基づいて、海水淡水化プラント２－１～２－ｎ毎に、実施例１で説明した第１の性能指標、第２の性能指標及び第３の性能指標を計算し、カテゴリーの分類、正常／異常の判定を実施する。
　本実施例では、複数の海水淡水化プラントに対する機器の異常状態のデータを集約して管理できることから、実施例１において説明した検知精度が異なる調整パラメータρの値をより適切に、早期に設定することが可能となる。また、複数の海水淡水化プラントの異常を一括で把握・管理することが可能となる。
　なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の実施例の構成の追加・削除・置換をすることが可能である。
１…プラント異常予知装置，２…淡水化プラント，３…制御装置，４…通信ネットワーク，１０１…性能指標計算部，１０２…カテゴリー分類部，１０３…正常／異常判定部，１１１…計測値ＤＢ，１１２…性能指標ＤＢ，１１３…カテゴリーＤＢ，１２１…計測値・性能指標表示部，１２２…判定結果表示部，２０１…海水供給ポンプ，２０２…高圧ポンプ，２０３…動力回収装置，２０４…ブースターポンプ，２０５…逆浸透膜モジュール，２１１、２１２、２１３、２１４、２１５、２１６、２１７、２１８…配管

Claims (22)

  1. 　被処理水を加圧する高圧ポンプと、加圧された前記被処理水から塩分が除去された淡水と塩分が濃縮された濃縮水に分離する逆浸透膜モジュールと、前記濃縮水からエネルギーを回収する動力回収装置を有する淡水化プラントと、
    　前記淡水化プラントの異常を予知する異常予知装置を備え、
    　前記異常予知装置は、
    　前記被処理水、前記濃縮水又は前記淡水についての流量、圧力、温度及び水質のうち少なくともいずれか２つの計測値を用いて前記淡水化プラントの性能指標を算出する性能指標算出手段と、
    　前記いずれか２つの計測値及び算出された性能指標を含む運転データを、当該運転データの特性に基づいて複数のカテゴリーのいずれかひとつに分類するカテゴリー分類手段と、
    　前記分類されたカテゴリーから前記淡水化プラントの異常を判定する判定手段を有することを特徴とするプラント異常予知装置。
  2. 　請求項１に記載のプラント異常予知装置において、
    　前記カテゴリー分類手段は、
    　前記カテゴリーの領域を決める複数のパラメータを設定し、
    　前記パラメータ毎に、前記運転データを前記複数のカテゴリーのいずれかひとつに分類することを特徴とするプラント異常予知装置。
  3. 　請求項２に記載のプラント異常予知装置において、
    　前記複数のパラメータ毎に、前記判定手段が異常と判定した場合の当該異常の警報レベルを表示する表示装置を有することを特徴とするプラント異常予知装置。
  4. 　請求項３に記載のプラント異常予知装置において、
    　前記表示装置は、
    　前記複数のパラメータ毎に、前記判定手段による異常の判定結果と当該異常の警報レベルを対応させて表示することを特徴とするプラント異常予知装置。
  5. 　請求項１乃至４のいずれか１項に記載のプラント異常予知装置において、
    　前記性能指標は、前記逆浸透モジュールの透過性能を示す第１の性能指標を含み、
    　前記性能指標算出手段は、
    　前記逆浸透膜モジュールによる淡水の流量、前記逆浸透膜モジュールに導入される前記被処理水の圧力、前記被処理水および濃縮水並びに淡水の浸透圧との差分とに基づいて前記第１の性能指標を算出することを特徴とするプラント異常予知装置。
  6. 　請求項１乃至４のいずれか１項に記載のプラント異常予知装置において、
    　前記性能指標は、前記高圧ポンプの性能指標を示す第２の性能指標を含み、
    　前記性能指標算出手段は、
    　前記高圧ポンプの吐出流量又は吐出圧力の測定値と、前記高圧ポンプの流量と揚低の特性曲線から求められる吐出流量又は吐出圧力との比に基づいて前記第２の性能指標を算出することを特徴とするプラント異常予知装置。
  7. 　請求項１乃至４のいずれか１項に記載のプラント異常予知装置において、
    　前記性能指標は、前記動力回収装置の動力回収性能を示す第３の性能指標を含み、
    　前記性能指標算出手段は、
    　前記被処理水及び濃縮水並びに淡水の流量、前記被処理水及び濃縮水の圧力に基づき、前記動力回収装置へ流入する前記濃縮水のエネルギーと、前記濃縮水より回収されるエネルギーの比として、前記第３の性能指標を得ることを特徴とするプラント異常予知装置。
  8. 　請求項１乃至４のいずれか1項に記載のプラント異常予知装置において、
    　複数の前記淡水化プラントを備え、
    　前記プラント異常予知装置は、
    　複数の前記淡水化プラントに接続され、前記淡水化プラント毎に異常を判定することを特徴とするプラント異常予知装置。
  9. 　請求項１乃至４のいずれか1項に記載のプラント異常予知装置において、
    　前記プラント異常予知装置は、複数の前記淡水化プラントと通信ネットワークを介して接続されることを特徴とするプラント異常予知装置。
  10. 　淡水化プラントで処理する被処理水、当該被処理水から生成された濃縮水又は淡水についての流量、圧力、温度及び水質のうち少なくともいずれか２つの計測値を用いて前記淡水化プラントの性能指標を算出する性能指標算出手段と、
    　前記いずれか２つの計測値及び算出された性能指標を含む運転データを、当該運転データの特性に基づいて複数のカテゴリーのいずれかに分類するカテゴリー分類手段と、
    　前記分類されたカテゴリーから前記淡水化プラントの異常を判定する判定手段を備えることを特徴とする異常予知装置。
  11. 　請求項１０に記載の異常予知装置において、
    　前記カテゴリー分類手段は、
    　前記カテゴリーの領域を決める複数のパラメータを設定し、
    　前記パラメータ毎に、前記運転データを前記複数のカテゴリーのいずれかひとつに分類することを特徴とする異常予知装置。
  12. 　請求項１１に記載の異常予知装置において、
    　前記複数のパラメータ毎に、前記判定手段が異常と判定した場合の当該異常の警報レベルを表示する表示装置を有することを特徴とする異常予知装置。
  13. 　請求項１２に記載の異常予知装置において、
    　前記表示装置は、
    　前記複数のパラメータ毎に、前記判定手段による異常の判定結果と前記異常の警報レベルを対応させて表示することを特徴とする異常予知装置。
  14. 　請求項１０乃至１３のいずれか１項に記載の異常予知装置において、
    　前記性能指標は、前記逆浸透モジュールの透過性能を示す第１の性能指標を含み、
    　前記性能指標算出手段は、
    　前記逆浸透膜モジュールによる淡水の流量、前記逆浸透膜モジュールに導入される前記被処理水の圧力、前記被処理水および濃縮水並びに淡水の浸透圧との差分とに基づいて前記第１の性能指標を算出することを特徴とする異常予知装置。
  15. 　請求項１０乃至１３のいずれか１項に記載の異常予知装置において、
    　前記性能指標は、前記高圧ポンプの性能指標を示す第２の性能指標を含み、
    　前記性能指標算出手段は、
    　前記高圧ポンプの吐出流量又は吐出圧力の測定値と、前記高圧ポンプの流量と揚低の特性曲線から求められる吐出流量又は吐出圧力との比に基づいて前記第２の性能指標を算出することを特徴とする異常予知装置。
  16. 　請求項１０乃至１３のいずれか１項に記載の異常予知装置において、
    　前記性能指標は、前記動力回収装置の動力回収性能を示す第３の性能指標を含み、
    　前記性能指標算出手段は、
    　前記被処理水及び濃縮水並びに淡水の流量、前記被処理水及び濃縮水の圧力に基づき、前記動力回収装置へ流入する前記濃縮水のエネルギーと、前記濃縮水より回収されるエネルギーの比として、前記第３の性能指標を得ることを特徴とする異常予知装置。
  17. 　請求項１０乃至１３のいずれか1項に記載の異常予知装置において、
    　複数の前記淡水化プラントを備え、
    　前記異常予知装置は、
    　複数の前記淡水化プラントに接続され、前記淡水化プラント毎に異常を判定することを特徴とする異常予知装置。
  18. 　請求項１０乃至１３のいずれか1項に記載の異常予知装置において、
    　前記異常予知装置は、複数の前記淡水化プラントの各々と通信ネットワークを介して接続されることを特徴とする異常予知装置。
  19. 　淡水化プラントで処理する被処理水、当該被処理水から生成された濃縮水又は淡水についての流量、圧力、温度及び水質のうち少なくともいずれか２つの計測値を用いて前記淡水化プラントの性能指標を算出する性能指標算出手段と、
    　前記いずれか２つの計測値及び算出された性能指標を含む運転データを、当該運転データの特性に基づいて複数のカテゴリーのいずれかに分類するカテゴリー分類手段と、
    　前記分類されたカテゴリーから前記淡水化プラントの異常を判定する判定手段と、
    　前記淡水化プラントの異常の判定結果を表示する表示手段を備え、
    　前記カテゴリー分類手段は、
    　前記カテゴリーの領域を決める複数のパラメータを設定し、前記パラメータ毎に、前記運転データを前記複数のカテゴリーのいずれかひとつに分類し、
    　前記表示手段は、
    　前記複数のパラメータ毎に、前記判定手段が異常と判定した場合の当該異常の警報レベルを表示することを特徴とする表示装置。
  20. 　請求項１９に記載の表示装置において、
    　前記表示手段は、
    　前記複数のパラメータ毎に、前記判定手段による異常の判定結果と当該異常の警報レベルを対応させて表示することを特徴とする表示装置。
  21. 　淡水化プラントで処理する被処理水、当該被処理水から生成された濃縮水又は淡水についての流量、圧力、温度及び水質のうち少なくともいずれか２つの計測値を用いて前記淡水化プラントの性能指標を算出する性能指標算出ステップと、
    　前記いずれか２つの計測値及び算出された性能指標を含む運転データを、当該運転データの特性に基づいて複数のカテゴリーのいずれかに分類するカテゴリー分類ステップと、
    　前記分類されたカテゴリーから前記淡水化プラントの異常を判定する判定ステップと、
    　前記淡水化プラントの異常の判定結果を表示する表示ステップを備え、
    　前記カテゴリー分類ステップは、
    　前記カテゴリーの領域を決める複数のパラメータを設定し、前記パラメータ毎に、前記運転データを前記複数のカテゴリーのいずれかひとつに分類し、
    　前記表示ステップは、
    　前記複数のパラメータ毎に、前記判定手段が異常と判定した場合の当該異常の警報レベルを表示することを特徴とする表示方法。
  22. 　請求項２１に記載の表示方法において、
    　前記表示ステップは、
    　前記複数のパラメータ毎に、前記異常の判定結果と当該異常の警報レベルを対応させて表示することを特徴とする表示方法。
PCT/JP2015/067125 2014-06-27 2015-06-15 プラント異常予知装置、異常予知装置、表示装置及び表示方法 WO2015198898A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014132029A JP2016012158A (ja) 2014-06-27 2014-06-27 プラント異常予知装置、異常予知装置、表示装置及び表示方法
JP2014-132029 2014-06-27

Publications (1)

Publication Number Publication Date
WO2015198898A1 true WO2015198898A1 (ja) 2015-12-30

Family

ID=54937988

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/067125 WO2015198898A1 (ja) 2014-06-27 2015-06-15 プラント異常予知装置、異常予知装置、表示装置及び表示方法

Country Status (2)

Country Link
JP (1) JP2016012158A (ja)
WO (1) WO2015198898A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019153018A (ja) * 2018-03-01 2019-09-12 株式会社日立製作所 診断装置および診断方法
CN111108455A (zh) * 2017-11-13 2020-05-05 株式会社日立制作所 数据分类装置
CN113219833A (zh) * 2021-05-13 2021-08-06 曲阜师范大学 基于优化压力自适应补偿的反渗透膜组优化控制方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101867063B1 (ko) * 2016-07-15 2018-06-14 두산중공업 주식회사 담수화 플랜트 설비 관리 장치 및 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165375A (ja) * 2003-11-28 2005-06-23 Hitachi Ltd 設備の診断装置及び診断方法
JP2008059270A (ja) * 2006-08-31 2008-03-13 Toshiba Corp プロセス異常診断装置及びプロセス監視システム
JP2011054115A (ja) * 2009-09-04 2011-03-17 Toshiba Corp プラントの監視制御システム及び水処理施設のトラブル認識用プログラム
JP2013022574A (ja) * 2011-07-26 2013-02-04 Hitachi Ltd 逆浸透膜を用いた淡水化装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165375A (ja) * 2003-11-28 2005-06-23 Hitachi Ltd 設備の診断装置及び診断方法
JP2008059270A (ja) * 2006-08-31 2008-03-13 Toshiba Corp プロセス異常診断装置及びプロセス監視システム
JP2011054115A (ja) * 2009-09-04 2011-03-17 Toshiba Corp プラントの監視制御システム及び水処理施設のトラブル認識用プログラム
JP2013022574A (ja) * 2011-07-26 2013-02-04 Hitachi Ltd 逆浸透膜を用いた淡水化装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111108455A (zh) * 2017-11-13 2020-05-05 株式会社日立制作所 数据分类装置
EP3712777A4 (en) * 2017-11-13 2021-07-07 Hitachi, Ltd. DATA CLASSIFICATION DEVICE
JP2019153018A (ja) * 2018-03-01 2019-09-12 株式会社日立製作所 診断装置および診断方法
EP3761133A4 (en) * 2018-03-01 2021-11-03 Hitachi, Ltd. DIAGNOSIS DEVICE AND DIAGNOSIS METHOD
JP7180985B2 (ja) 2018-03-01 2022-11-30 株式会社日立製作所 診断装置および診断方法
CN113219833A (zh) * 2021-05-13 2021-08-06 曲阜师范大学 基于优化压力自适应补偿的反渗透膜组优化控制方法
CN113219833B (zh) * 2021-05-13 2023-08-01 曲阜师范大学 基于优化压力自适应补偿的反渗透膜组优化控制方法

Also Published As

Publication number Publication date
JP2016012158A (ja) 2016-01-21

Similar Documents

Publication Publication Date Title
JP6053175B2 (ja) 異常検出機能を有する淡水化システム
JP5677476B2 (ja) 膜ファウリング診断・制御装置、膜ファウリング診断・制御方法及び膜ファウリング診断・制御プログラム
JP6189835B2 (ja) プロセス流の水質の維持方法
WO2015198898A1 (ja) プラント異常予知装置、異常予知装置、表示装置及び表示方法
US20110240557A1 (en) Method and system for reverse osmosis predictive maintenance using normalization data
JP2007245084A (ja) 膜ろ過制御装置
JP2012170848A (ja) 水処理システム及びその凝集剤注入方法
JP2014237071A (ja) プラント故障予兆検知及び回復支援システム
KR20080101588A (ko) 막여과 정수처리장치의 운영 및 설계방법과 이를 위한 장치
JPWO2017221984A1 (ja) 造水システムのトラブル判定プログラム及びトラブル判定装置、並びに記録媒体
AU2007262651B2 (en) Brine squeezer
KR102041670B1 (ko) 막분리 모듈의 파울링을 판별하는 막여과 시스템
Djebedjian et al. Experimental and Analytical Study of a Reverse Osmosis Desalination Plant.
JP6486732B2 (ja) 時期調整方法および時期調整装置
JPH0839065A (ja) 造水プラントの運転制御装置
JPH10286445A (ja) 膜分離装置
Subramani et al. Statistical regression and modeliing analysis for reverse osmosis desalination process
KR101277199B1 (ko) 해수담수화 전처리 장치 및 방법
JP2021159870A (ja) 水処理システム、水処理システムの運転管理支援システム及び水処理システムの運転方法
JP2013022543A (ja) 膜処理装置および膜モジュールの運転方法
Yousif et al. Analysis and Simulation Performance of a Reverse Osmosis Plant in the Al-Maqal Port
US20230072711A1 (en) Apparatus and methods for cleaning reverse osmosis systems
JP2014133213A (ja) 制御装置、制御システム及び制御方法
JP2016097342A (ja) 時期管理装置、時期管理方法、時期算出装置、およびプログラム
WO2023100958A1 (ja) 分離膜エレメントの状態診断方法

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: 15811390

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: 15811390

Country of ref document: EP

Kind code of ref document: A1