WO2019124367A1 - 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム - Google Patents

単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム Download PDF

Info

Publication number
WO2019124367A1
WO2019124367A1 PCT/JP2018/046545 JP2018046545W WO2019124367A1 WO 2019124367 A1 WO2019124367 A1 WO 2019124367A1 JP 2018046545 W JP2018046545 W JP 2018046545W WO 2019124367 A1 WO2019124367 A1 WO 2019124367A1
Authority
WO
WIPO (PCT)
Prior art keywords
plant
unit space
unit
data group
sampling data
Prior art date
Application number
PCT/JP2018/046545
Other languages
English (en)
French (fr)
Inventor
一郎 永野
斎藤　真由美
慶治 江口
Original Assignee
三菱日立パワーシステムズ株式会社
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 三菱日立パワーシステムズ株式会社 filed Critical 三菱日立パワーシステムズ株式会社
Priority to US16/769,738 priority Critical patent/US11327470B2/en
Priority to DE112018006523.5T priority patent/DE112018006523T5/de
Priority to KR1020207016021A priority patent/KR102407919B1/ko
Priority to CN201880077126.5A priority patent/CN111417909B/zh
Publication of WO2019124367A1 publication Critical patent/WO2019124367A1/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
    • 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
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data

Definitions

  • the present invention relates to a unit space generation device, a plant diagnosis system, a unit space generation method, a plant diagnosis method, and a program.
  • Patent Document 1 describes a technique for determining whether the operating state of a plant is normal based on the Mahalanobis distance.
  • a certain number of data is sampled from data including state quantities collected in a certain period, and a data group (unit space) serving as a reference for determining an operating state is generated.
  • a data group unit space
  • the value of the Mahalanobis distance may increase depending on the replacement time of the consumable parts even if the operating condition is normal.
  • the plant manager had to update the unit space each time. Further, even if the operating condition of the plant is normal, it may be erroneously detected as abnormal when the load changes.
  • the present invention has been made in view of such problems, and is capable of reducing erroneous detection of an abnormal state at the time of load fluctuation, a plant diagnosis system, a unit space generation method, and a plant diagnosis method. And provide the program.
  • a unit space generating device for generating a unit space used when diagnosing an operating state of a plant based on a Mahalanobis distance is a plurality of plant units which are measured at a constant cycle.
  • Data for unit space generation on the basis of a unit space based on a sampling data acquisition unit for acquiring a sampling data group consisting of the state quantities of and a adoption probability calculated each time the sampling data group is acquired An adoption determining unit that determines whether to adopt as a group, a unit space generation unit that generates a unit space based on a plurality of adopted unit space generation data groups, and the plant corresponding to the sampling data group
  • an output value acquisition unit for acquiring an output value of The adoption determining unit calculates an adoption probability so that a sampling data group at a point where the absolute value of at least one of the acquired change rate and change rate of the output value is large is easily calculated, and the acquired output value is The adoption probability is increased as the absolute value of at least one of the fluctuation rate and the fluctuation amount is larger.
  • the unit space generation device suppresses the bias of the sampling data group adopted as the unit space generation data group, and the value of the Mahalanobis distance is robust against the fluctuation of the state quantity (load state).
  • the resulting unit space can be generated. That is, the unit space generation device can generate a unit space capable of reducing erroneous detection of an abnormal state at the time of load fluctuation. As a result, the unit space generation device can generate unit spaces that can cope with various load conditions without generating different unit spaces for each load band, so that unit space can be generated, updated, and managed. It is possible to reduce the cost.
  • the adoption determination unit easily adopts the sampling data group acquired when the variation amount of the output value is large as the unit space generation data group while suppressing arbitraryness and bias when adopting the sampling data group. can do.
  • the unit space generation device can generate a unit space capable of reducing erroneous detection of an abnormal state when the amount of change of the output value is large, that is, at the time of load change.
  • the fluctuation rate is represented by an absolute value of a second derivative of the output value.
  • the fluctuation amount is represented by an absolute value of a first derivative of the output value.
  • the plant diagnosis system for diagnosing the operating state of the plant calculates the Mahalanobis distance based on the state quantity of the plant acquired when diagnosing the operating state of the plant. And a plant state determination unit that determines whether the operating state of the plant is normal based on the distance calculation unit, the unit space, and the Mahalanobis distance.
  • the unit space is generated using the unit space generation device according to any one of the first to third aspects. In this way, the unit space generation device suppresses the bias of the sampling data group adopted as unit space creation data, and obtains a value of Mahalanobis distance that is robust against fluctuations of the state amount (load state). Unit space can be generated.
  • the plant state determination unit determines whether or not the operating state of the plant is normal based on such a unit space, the plant is hypersensitive to fluctuations in the load state of the plant, and the plant is in an abnormal state. It is possible to suppress misjudgement as being present.
  • a unit space generating method for generating a unit space for use in diagnosing a plant operating state based on Mahalanobis distance, the state of the plant being measured at a constant cycle.
  • the sampling data group is adopted as a unit space generation data group based on a unit space based on a sampling data acquisition step of acquiring an amount of sampling data group and an adoption probability posted each time the sampling data group is acquired.
  • the adoption determination step calculates an adoption probability so that a sampling data group at a point at which the absolute value of at least one of the acquired change rate and change amount of the output value is large is easily calculated, and the acquired output value The adoption probability is increased as the absolute value of at least one of the fluctuation rate and the fluctuation amount is larger.
  • a plant diagnosis method for diagnosing an operating state of a plant comprises: Mahalanobis distance calculating a Mahalanobis distance based on the state quantity of the plant acquired when diagnosing the operating state of the plant And a plant state determination step of determining whether the operating state of the plant is normal based on the distance calculation step, the unit space, and the Mahalanobis distance.
  • the unit space is generated using the unit space generation method according to the fifth aspect.
  • a program causing a computer of a unit space generating device for generating a unit space to be used when diagnosing a plant operating condition based on Mahalanobis distance to function the computer Based on the sampling data acquisition step of acquiring sampling data group of the state quantity of the plant, which is measured in a cycle, and the adoption probability calculated each time the sampling data group is acquired, An adoption determining step of determining adoption as a unit space generation data group to be taken; a unit space generation step of generating a unit space based on a plurality of adopted unit space generation data groups; and the sampling data group Acquiring an output value of the plant corresponding to.
  • the adoption determination step calculates an adoption probability so that a sampling data group at a point at which the absolute value of at least one of the acquired change rate and change amount of the output value is large is easily calculated, and the acquired output value The adoption probability is increased as the absolute value of at least one of the fluctuation rate and the fluctuation amount is larger.
  • a program for causing a computer of a plant diagnosis system for diagnosing an operating state of a plant to function comprises the state of the plant acquired when diagnosing the operating state of the plant in the computer Performing a Mahalanobis distance calculating step of calculating a Mahalanobis distance based on the quantity, and a plant state determining step of determining whether the operating state of the plant is normal based on the unit space and the Mahalanobis distance .
  • the unit space is generated using the program according to the seventh aspect.
  • the unit space generation device According to the unit space generation device, the plant diagnosis system, the unit space generation method, the plant diagnosis method, and the program described above, false detection of an abnormal state at the time of load fluctuation can be reduced.
  • FIG. 1 is a schematic view of a plant diagnosis system according to an embodiment of the present invention.
  • the plant diagnosis system 10 acquires state quantities of each part of the plant 1 and diagnoses whether or not the operating state is normal. Further, the plant diagnosis system 10 is connected to at least one of the control device 20 for controlling the operation state of the plant 1 and the monitoring terminal 30. When diagnosing whether the operating condition of the plant 1 is normal, the plant diagnosis system 10 transmits the diagnosis result to the control device 20 and the monitoring terminal 30.
  • the control device 20 is a device for controlling the operation of the plant 1.
  • the control device 20 may display the diagnosis result received from the plant diagnosis system 10 on a display unit (not shown).
  • the manager of the plant 1 monitors the operating state of the plant 1 with reference to the display unit, and when the diagnosis result indicates that the operating state is abnormal, the controller of the plant 1 monitors the operation state of the plant 1. Control the operation.
  • the control device 20 may automatically control the plant 1 based on the diagnosis result (for example, reduce the output of the plant 1, stop the plant, etc.).
  • the monitoring terminal 30 is a device for a manager at a remote place to monitor the operating state of the plant 1, and is, for example, a server, a tablet, or the like connected via the network NW.
  • the monitoring terminal 30 notifies the administrator of whether or not an abnormality has occurred in the plant 1 by outputting the diagnosis result received from the plant diagnosis system 10 from an output unit such as a monitor or a speaker.
  • the plant 1 to be diagnosed is, for example, a gas turbine power plant.
  • the plant 1 drives a generator 5 by a gas turbine 6 to generate electric power.
  • the gas turbine 6 includes a compressor 2, a combustor 3, and a turbine 4 that rotates the compressor 2.
  • the air taken in from the intake port of the compressor 2 is compressed by the compressor 2 and is introduced into the combustor 3 as high pressure, high temperature air.
  • fuel is supplied to the high-pressure and high-temperature air to burn it.
  • the high temperature and high pressure combustion gas generated by burning the fuel in the combustor 3 is supplied to the turbine 4 and the turbine 4 is rotationally driven.
  • the gas turbine 6 and the generator 5 are connected by the rotating shaft (output shaft).
  • Each part of the plant 1 is provided with a sensor for measuring a state quantity at predetermined intervals (for example, one minute).
  • State quantities are, for example, atmospheric temperature, atmospheric pressure, air temperature and pressure of compressor 2 (inlet air temperature, inlet air pressure, outlet air temperature, outlet air pressure), fuel pressure of combustor 3, fuel temperature and fuel flow rate , Combustion gas temperature and pressure of the turbine 4 (inlet combustion gas temperature, inlet combustion gas pressure, outlet combustion gas temperature, outlet combustion gas pressure), output of the generator 5 (generated power, generated current, generated voltage), rotation shaft Rotation speed, vibration, etc.
  • the plant 1 may include a boiler instead of the gas turbine 6.
  • the plant 1 may be a nuclear power plant, a chemical plant or the like.
  • the plant diagnosis system 10 may be connected to a plurality of plants to diagnose the operating state of each plant.
  • FIG. 2 is a diagram showing a functional configuration of a plant diagnosis system according to an embodiment of the present invention.
  • the plant diagnosis system 10 diagnoses whether or not the operating state of the plant 1 is normal using the Mahalanobis-Taguchi method (MT method).
  • the plant diagnosis system 10 includes an input / output unit 11, a communication interface (I / F) 12, a storage unit 13, and a CPU 14.
  • the input / output unit 11 receives state quantities of the plant 1 from a plurality of sensors of the plant 1 and inputs the state quantities to the CPU 14. Further, the diagnosis result of the plant 1 diagnosed by the CPU 14 is transmitted to the control device 20.
  • the communication I / F 12 transmits the diagnosis result of the plant 1 diagnosed by the CPU 14 to the monitoring terminal 30 via the network NW.
  • the storage unit 13 stores the amount of state of the plant 1 received through the input / output unit 11, data generated in the process of various processes in the CPU 14, and the like.
  • the CPU 14 is a processor that controls the plant diagnosis system 10.
  • the CPU 14 functions as a unit space generation function unit 141 (unit space generation device) and a plant diagnosis function unit 142 (plant diagnosis device) by operating according to a program prepared in advance.
  • the unit space generation function unit 141 generates a unit space used when diagnosing the operating state of the plant 1 based on the Mahalanobis distance.
  • the unit space is a collection of data serving as a determination reference when determining whether the operating state of the plant 1 is normal.
  • a unit space is generated based on a plurality of state quantities collected when the operating state of the plant 1 is normal.
  • the unit space generation function unit 141 includes a sampling data acquisition unit 141A, an output value acquisition unit 141B, an adoption determination unit 141C, and a unit space generation unit 141D.
  • the sampling data acquisition unit 141A acquires a sampling data group of state quantities of the plant 1, which is measured at a constant cycle (for example, an interval of one minute). In addition, the sampling data acquisition unit 141A stores and stores the acquired sampling data group in the storage unit 13. The sampling data group is obtained by putting together a plurality of state quantities received from the plant 1 into one bundle for each cycle.
  • the output value acquisition unit 141B acquires the output value of the plant 1 corresponding to the sampling data group.
  • the output value is, for example, generated power (MW) by the gas turbine 6 (generator 5) of the plant 1, an exhaust gas pressure value, a pressure control valve angle, a flow control valve angle, or the like.
  • the adoption determining unit 141C determines to adopt the sampling data group as a unit space generation data group on which the unit space is based, with a predetermined adoption probability. In addition, the adoption determination unit 141C increases the adoption probability as at least one of the fluctuation amount and the fluctuation rate of the output value of the plant 1 is larger.
  • the unit space generation unit 141D generates a unit space based on a plurality of unit space generation data groups adopted in the past. Further, the unit space generation unit 141D stores the generated unit space in the storage unit 13.
  • the plant diagnosis function unit 142 diagnoses the operating state of the plant 1 based on the Mahalanobis distance.
  • the plant diagnosis function unit 142 includes a state quantity acquisition unit 142A, a Mahalanobis distance calculation unit 142B, and a plant state determination unit 142C.
  • the state quantity acquisition unit 142A acquires the state quantity of the plant 1 at the time of diagnosis of the operation state of the plant 1.
  • the Mahalanobis distance calculation unit 142B calculates the Mahalanobis distance based on the state quantity of the plant 1 acquired by the state quantity acquisition unit 142A.
  • the Mahalanobis distance indicates the degree of deviation between the operating state of the plant 1 at the time of diagnosis and the operating state at the normal time of the plant 1.
  • the Mahalanobis distance is a distance weighted according to the dispersion or correlation of the state quantities in the unit space, and the larger the similarity with the data group in the unit space, the larger the value.
  • Plant state determination unit 142C determines whether the operating state of plant 1 is normal based on the unit space stored in storage unit 13 and the Mahalanobis distance.
  • FIG. 3 is a first flowchart showing an example of a unit space generation process according to an embodiment of the present invention.
  • FIG. 4 is a second flowchart showing an example of a unit space generation process according to an embodiment of the present invention.
  • FIG. 5 is a diagram for explaining an example of processing of the adoption determination unit according to the embodiment of the present invention.
  • FIGS. 3 to 5 an example of the unit space generation process in the unit space generation function unit 141 will be described.
  • the sampling data acquisition unit 141A receives a plurality of state quantities from the plant 1, and acquires a sampling data group that is a bundle of the plurality of state quantities (step S10). In addition, the sampling data acquisition unit 141A stores and stores the acquired sampling data group in the storage unit 13.
  • the output value acquiring unit 141B acquires the output value X i of the plant 1 corresponding to the sampling data group (step S11).
  • Output values X i for example electric power generated by the gas turbine 6 plant 1 (generator 5) (MW), the exhaust gas pressure values, the pressure regulating valve angle, and the like flow regulating valve angle.
  • Random number r i is a uniform random number generated in the interval, for example, from “0" to "1".
  • the adoption determination unit 141C calculates the adoption probability P i for the sampling data group (step S13).
  • a unit space is generated by adopting the acquired sampling data group as a unit space generation data group every fixed time (for example, four hours).
  • the timing for adopting the sampling data group is fixed in this way, similar sampling data groups are biased and adopted, and the fluctuation of the state quantity of the plant 1 is over-detected (misjudged as an abnormal state) Unit space is likely to be generated.
  • load fluctuation that is, fluctuation points (Xa to Xb, Xc to Xd) at which the output value fluctuates may appear during operation of the plant 1.
  • the adoption determination unit 141C suppresses the bias of the sampling data group adopted as the unit space generation data group, and the sampling data group at the fluctuation point which is difficult to be adopted by the conventional technology is adopted.
  • the adoption probability P i is calculated to determine whether to adopt the sampling data group. Specifically, the adoption determination unit 141C calculates the adoption probability P i according to the procedure shown in FIG.
  • the adoption determination unit 141C sets the “standard adoption probability P 0 ” and the “adjustment factor f” for adjusting the generation (update) timing of the unit space (step S131).
  • the “standard adoption probability P 0 ” is a value that defines how often the probability is adopted for all sampling data groups. For example, the value of “standard adoption probability P 0 ” is set such that the sampling data group is adopted at a rate of once every about 4 hours.
  • the “adjustment factor f” is represented by, for example, an integer of “1” to “10”, and the generation timing (update speed) of the unit space becomes faster as the numerical value is larger (the adoption probability of the sampling data group becomes higher).
  • the adoption determination unit 141C reads and sets the values of the “standard adoption probability P 0 ” and the “adjustment factor f” stored in advance in the storage unit 13. The manager of the plant 1 may change these values via the control device 20 or the monitoring terminal 30.
  • the adoption determination unit 141C sets “expected value S C of absolute value of change rate of output value” and “expected value S G of absolute value of change amount of output value” (step S132).
  • the rate of change of the output value is represented, for example, by the absolute value of the second derivative of the output value, as shown in (b) of FIG.
  • the adoption determination unit 141C sets the average value of the rate of change of the output value obtained from the sampling data group of the plant 1 accumulated in the past as the “expected value S C of absolute value of rate of change of output value”.
  • the fluctuation amount of the output value is represented by, for example, the absolute value of the gradient (first derivative) of the output value, as shown in (c) of FIG.
  • the adoption determination unit 141C sets the average value of the variation of the output value obtained from the sampling data group of the plant 1 accumulated in the past as the “expected value S G of the absolute value of the variation of the output value”.
  • the adoption determination unit 141C sets “adoption probability ratio W C to absolute value of fluctuation rate of output value” and “adoption probability ratio W G to absolute value of fluctuation amount of output value” (step S133). ).
  • the “adoption probability ratio W C for the absolute value of the change rate of the output value” and “adoption probability ratio W G for the absolute value of the change amount of the output value” are the change rate of the output value when calculating the adoption probability P i And a weight given to the absolute value of the fluctuation amount, for example, represented by a ratio such as "20%".
  • the adoption determination unit 141C determines that “the adoption probability ratio W C to the absolute value of the change rate of the output value” and “the adoption probability ratio to the absolute value of the change amount of the output value” stored in advance in the storage unit 13 Read out and set the value of “W G ”.
  • the manager of the plant 1 may change these values via the control device 20 or the monitoring terminal 30.
  • the adoption determination unit 141C sets the “standard adoption probability P 0 ”, the “adjustment factor f”, the “expected value S C of the absolute value of the change rate of the output value”, and the “output value
  • the adoption probability P i is calculated based on the output value X i acquired in step S 11 of step S 11 (step S 134).
  • the calculation method for obtaining the adoption probability P i is arbitrary, it is preferable to set it as a calculation formula that has a large value at least at the singular point of the output value.
  • the fluctuation rate of the output value in FIG. 5 a point with a large fluctuation amount (for example, “expected value S C of absolute value of fluctuation rate of output value set in step S132”, “absolute value of fluctuation amount of output value”
  • the parameter value is set such that at least one of the expected value S G 'can be adopted at a rate expected (for example, the adoption probability with respect to the absolute value of the change rate of the output value set in step S133)
  • the ratio W C is calculated, for example, by adjusting the value of “adoption probability ratio W G to the absolute value of the variation of the output value”.
  • the adoption determination unit 141C determines whether the adoption probability P i for the sampling data group is larger than the random number r i (step S14).
  • Adoption determination unit 141C when adopting the probability P i for the sampling data group is less than the random number r i (step S14: NO), without adopting the sampling data group as a unit space generation data group, the processing ends.
  • adoption determination unit 141C when adopting the probability P i for the sampling data group is greater than the random number r i (step S14: YES), employs the sampled data group as a unit space generation data group (step S15). In this way, as shown in FIG. 5, while a constant integrated value of adoption probability P i, at least one of the "absolute value of the variation rate of the output value" and "the absolute value of the variation amount of the output value” Is larger, the adoption probability P i can be raised.
  • the unit space generation unit 141D newly adopts the unit space generation data group and the unit space generation data group adopted in the past. And a new unit space is generated (step S16).
  • the unit space generation unit 141D is a unit based on a predetermined number of unit space generation data groups adopted in a predetermined measurement period (for example, a period from the time of generation of the unit space to the eight weeks ago). Create a space.
  • the unit space generation unit 141D deletes the oldest unit space generation data group and generates a new unit space.
  • the unit space generation unit 141D stores the newly generated unit space in the storage unit 13. At this time, the unit space generation unit 141D may overwrite and update the past unit space with the newly generated unit space.
  • the unit space generation function unit 141 repeatedly executes the above-described process for each fixed cycle (a measurement cycle of the state quantity by the sensor of the plant 1).
  • FIG. 6 is a flowchart showing an example of a plant diagnosis process according to an embodiment of the present invention.
  • FIG. 7 is a diagram showing an example of a unit space according to an embodiment of the present invention.
  • an example of the plant diagnosis process in the plant diagnosis function unit 142 will be described with reference to FIGS. 6 to 7.
  • the state quantity acquisition unit 142A acquires the current state quantity of the plant 1 (step S20). At this time, the state quantity acquisition unit 142A may acquire the latest one of the state quantities (sampling data group) accumulated in the storage unit 13.
  • the Mahalanobis distance calculation unit 142B calculates the Mahalanobis distance D (FIG. 7) based on the state quantity acquired by the state quantity acquisition unit 142A (step S21).
  • the Mahalanobis distance calculation unit 142B calculates the Mahalanobis distance D using a known technique (for example, the technique described in Patent Document 1).
  • FIG. 7 is an example in which the unit space A1 generated by the unit space generation unit 141D in the unit space generation process (FIG. 3) described above and the unit space A0 generated by the conventional technique are represented two-dimensionally in a simulated manner. is there.
  • the unit space generation unit 141D generates a unit space A1 with the output value of the plant 1 (power generated by the generator 5) and the inlet air temperature of the compressor 2 as a unit space generation data group.
  • the plant state determination unit 142C performs determination by reading out the threshold value Dc stored in advance in the storage unit 13.
  • the threshold Dc may be appropriately set, for example, to a value larger than the maximum value of the unit space A1, or may be set in consideration of characteristics unique to the plant 1, manufacturing variations, and the like.
  • the plant state determination unit 142C operates the plant 1 when, for example, the Mahalanobis distance D is equal to or less than the threshold Dc (included in the solid line indicating the unit space A1) as in “state amount E” (step S22: YES). It is determined that the state is normal (step S23). On the other hand, if the Mahalanobis distance D is larger than the threshold (not included in the solid line indicating the unit space A1), as in, for example, the “state quantity F” (step S22: NO), the plant state determination unit 142C It is determined that the driving condition is abnormal (step S24).
  • the conventional unit space A0 does not include the sampling data group at the change points (Xa to Xb and Xc to Xd in FIG. 5) as a unit space generation data group. Therefore, for example, when the "state amount E" is measured at the time of load fluctuation, the "state amount E” exceeds the range of the unit space A0, so it is determined that the operating state of the plant 1 is abnormal (misjudgment) Ru.
  • the new unit space A1 generated by the unit space generation unit 141D includes the sampling data group at the variation point as a unit space generation data group. Therefore, for example, when the “state amount E” is measured at the time of load fluctuation, the “state amount E” is included in the range of the unit space A1, so it can be correctly determined that the operating state of the plant 1 is normal.
  • the plant state determination unit 142C determines that the operation state of the plant 1 is abnormal (step S24)
  • the plant state determination unit 142C estimates an item (abnormality item) of a state amount which is abnormal (step S24).
  • the plant state determination unit 142C obtains the expected SN ratio of the presence or absence of the item by the orthogonal array analysis, and estimates the item of the state quantity that is estimated to be highly likely to have an abnormality.
  • the plant state determination unit 142C transmits the Mahalanobis distance D calculated in step S21 and the abnormal item estimated in step S25 to at least one of the control device 20 and the monitoring terminal 30, to the administrator.
  • the occurrence of an abnormality is notified (step S26).
  • the plant diagnosis function unit 142 may automatically execute the above-described plant diagnosis processing periodically, or the timing designated by the administrator via the control device 20 or the monitoring terminal 30. It may be performed by
  • FIG. 8 is a diagram showing an example of a hardware configuration of a plant diagnosis system according to an embodiment of the present invention.
  • the hardware configuration of the plant diagnosis system 10 according to the present embodiment will be described below with reference to FIG.
  • the computer 900 includes a CPU 901, a main storage 902, an auxiliary storage 903, and an interface 904.
  • the plant diagnosis system 10 described above is implemented in a computer 900.
  • the operation of each part of the plant diagnosis system 10 described above is stored in the form of a program in the auxiliary storage device 903 of each computer 900.
  • the CPU 901 (CPU 14) reads a program from the auxiliary storage device 903 and develops the program in the main storage device 902, and executes the above processing according to the program. Further, the CPU 901 secures, in the main storage device 902, a storage area (storage unit 13) for storing various information acquired and generated along with processing according to a program.
  • the CPU 901 secures, in the auxiliary storage device 903, a storage area for storing data being processed, in accordance with a program.
  • the computer 900 may be connected to the external storage device 910 via the interface 904, and the storage area may be secured in the external storage device 910.
  • the auxiliary storage device 903 is an example of a non-temporary tangible medium.
  • Other examples of non-transitory tangible media include magnetic disks, magneto-optical disks, CD-ROMs, DVD-ROMs, semiconductor memories, etc. connected via interface 904.
  • the computer 900 that has received the distribution may deploy the program in the main storage unit 902 and execute the above processing.
  • the program may be for realizing a part of the functions described above.
  • the program may be a so-called difference file (difference program) that realizes the above-described function in combination with other programs already stored in the auxiliary storage device 903.
  • the unit space generation function unit 141 (unit space generation apparatus) according to the present embodiment is a sampling data acquisition unit 141A that acquires sampling data groups of state quantities of the plant 1 measured at a constant cycle; the sampling data group, at a predetermined adoption probability P i, and the adoption determination unit 141C decides to adopt the unit space generation data group as a basis for a unit space, a plurality of unit space generation data group employed And unit space generation part 141D which generates a unit space based on it.
  • the unit space generation unit 141D suppresses the bias of the sampling data group adopted as unit space creation data, and the value of the Mahalanobis distance is robust against the fluctuation of the state quantity (load state).
  • the resulting unit space can be generated. That is, the unit space generation unit 141D can generate a unit space capable of reducing erroneous detection of an abnormal state at the time of load fluctuation. As a result, the unit space generation unit 141D can generate unit spaces that can correspond to various load states without generating different unit spaces for each load band, and therefore, to generate, update, and manage unit spaces. Cost can be reduced. Further, the adoption determination unit 141C determines whether to adopt sampling data group each time it acquires, and when the sampling data group is adopted, the unit space generation unit 141D automatically generates a new unit space.
  • the unit space generation function unit 141 automates the work of generating and updating the unit space, thereby reducing the time and effort for the manager of the plant 1 to determine whether or not the unit space needs updating by referring to the Mahalanobis distance. Can.
  • the unit space generation function unit 141 further includes an output value acquisition unit 141B that acquires an output value of a plant corresponding to the sampling data group.
  • Adoption determination unit 141C the larger the amount of fluctuation of the obtained output value, increases the adoption probability P i.
  • the adoption determination unit 141C suppresses sampling and grouping when adopting a sampling data group, and generates sampling data groups obtained when the amount of fluctuation of the output value is large for unit space generation. It can be easily adopted as a data group. Accordingly, the unit space generation unit 141D can generate a unit space capable of reducing erroneous detection of an abnormal state when the amount of change of the output value is large, that is, when the load changes.
  • adoption determination unit 141C the larger the variation rate of the acquired output values increases the adoption probability P i.
  • the adoption determination unit 141C suppresses sampling and grouping when adopting a sampling data group, and generates sampling data groups obtained when the change rate of the output value is large for unit space generation. It can be easily adopted as a data group.
  • the unit space generation unit 141D can generate a unit space capable of reducing erroneous detection of an abnormal state when the change rate of the output value is large, that is, when the load changes.
  • adoption determination unit 141C is configured to generate a random number r i each time to obtain the sampling data group to calculate the adoption probability P i. Then, when the adoption probability P i is larger than the random number r i , the adoption determination unit 141C determines to adopt the sampling data group as a unit space generation data group.
  • adoption determination unit 141C so use the random number r i in determining the adoption of the sampling data group, especially when the load is substantially constant, the sampling data group is employed as the unit space generation data group Bias can be suppressed.
  • the plant diagnosis system 10 has a sampling data acquisition unit 141A that acquires sampling data groups of state quantities of the plant 1 measured at a constant cycle, a sampling data group, and a predetermined adoption probability Pi
  • a unit space generation unit that generates a unit space based on a plurality of adopted unit space generation data groups, and a adoption determination unit 141C that determines to be adopted as a unit space generation data group on which the unit space is based
  • a plant state determination unit 142C that determines whether the state is normal.
  • the unit space generation unit 141D suppresses the bias of the sampling data group adopted as unit space creation data, and the value of the Mahalanobis distance is robust against the fluctuation of the state quantity (load state).
  • the resulting unit space can be generated.
  • the plant state determination unit 142C determines whether or not the operating state of the plant is normal based on such a unit space, the plant is in an abnormal state in response to hypersensitivity to changes in the load state of the plant. It can suppress that it is misjudged that it is.
  • unit space generation function unit 141 unit space generation device
  • plant diagnosis function unit 142 plant diagnosis device
  • the unit space generation function unit 141 and the plant diagnosis function unit 142 may be configured to function on different CPUs, or may be configured as different devices (computers).
  • the unit space generation device According to the unit space generation device, the plant diagnosis system, the unit space generation method, the plant diagnosis method, and the program described above, false detection of an abnormal state at the time of load fluctuation can be reduced.
  • plant diagnosis system 11 input / output unit 12 communication interface (I / F) 13 storage unit 14 CPU 141 Unit Space Generation Function Unit (Unit Space Generator) 141A sampling data acquisition unit 141B output value acquisition unit 141C adoption determination unit 141D unit space generation unit 142 plant diagnosis function unit (plant diagnosis apparatus) 142A state quantity acquisition unit 142B Mahalanobis distance calculation unit 142C plant state determination unit 20 control device 30 monitoring terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

マハラノビス距離に基づいてプラントの運転状態の診断を行う際に使用する単位空間を生成する単位空間生成装置（１４１）は、一定周期で計測される、前記プラントの複数の状態量からなるサンプリングデータ群を取得するサンプリングデータ取得部（１４１Ａ）と、前記サンプリングデータ群取得する度に計算する採用確率を基に、前記サンプリングデータ群を単位空間の基礎とする単位空間生成用データ群として採用するか否かを決定する採用決定部（１４１Ｃ）と、採用された複数の前記単位空間生成用データ群に基づいて単位空間を生成する単位空間生成部（１４１Ｄ）と、前記サンプリングデータ群に対応する前記プラントの出力値を取得する出力値取得部（１４１Ｂ）と、を備える。

Description

単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム
　本発明は、単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラムに関する。
　本願は、２０１７年１２月２１日に日本に出願された特願２０１７―２４５５６０号について優先権を主張し、その内容をここに援用する。
　ガスタービン発電プラント、原子力発電プラント、あるいは化学プラントといった各種のプラントでは、プラントが正常に運転されているか否かを監視するため、プラントの各計測項目（温度、圧力等）の状態量を取得し、これらの状態量に基づきプラントの運転状態を監視している。
　例えば、特許文献１には、マハラノビス距離に基づいて、プラントの運転状態が正常であるか否かを判断する技術が記載されている。
特開２０１２－６７７５７号公報
　従来の技術では、一定期間に収集された状態量を含むデータから一定数のデータをサンプリングして、運転状態を判断するための基準となるデータ集団（単位空間）を生成している。
　しかしながら、例えば長期間使用されているプラントでは、運転状態が正常であっても消耗部品の交換時期などによりマハラノビス距離の値が増加することがある。この場合、プラントの管理者は、都度、単位空間を更新する必要があった。また、プラントの運転状態が正常であっても、負荷が変動した際に異常であると誤検出される場合がある。このような誤検出を低減させるために、従来の技術では、負荷帯（例えば「起動運転期間」、「定格速度運転期間」等）ごとに異なる単位空間を生成する必要があった。このように、従来の技術では、複数の単位空間を生成、更新する作業が煩雑となり、プラントの監視作業に要するコストを低減させることが困難であった。
　また、単位空間を生成する際に、固定タイミングでデータのサンプリングを行うと、単位空間を構成するデータに偏りが生じやすい。このような単位空間に基づいてプラントの運転状態を診断すると、プラントの運転状態が正常であるにもかかわらず、状態量の変化に過敏に反応して、異常状態であると誤検出される可能性が増加する。
　本発明は、このような課題に鑑みてなされたものあって、負荷変動時における異常状態の誤検出を低減することができる単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラムを提供する。
　上記課題を解決するため、本発明は以下の手段を採用している。
　本発明の第一の態様によれば、マハラノビス距離に基づいてプラントの運転状態の診断を行う際に使用する単位空間を生成する単位空間生成装置は、一定周期で計測される、前記プラントの複数の状態量からなるサンプリングデータ群を取得するサンプリングデータ取得部と、前記サンプリングデータ群を取得する度に計算する採用確率を基に、前記サンプリングデータ群を単位空間の基礎とする単位空間生成用データ群として採用するか否かを決定する採用決定部と、採用された複数の前記単位空間生成用データ群に基づいて単位空間を生成する単位空間生成部と、前記サンプリングデータ群に対応する前記プラントの出力値を取得する出力値取得部とを備える。前記採用決定部は、取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きい点におけるサンプリングデータ群が採用されやすいように採用確率を計算し、取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きいほど、前記採用確率を上昇させる。
　このようにすることで、単位空間生成装置は、単位空間生成用データ群として採用されるサンプリングデータ群の偏りを抑制し、状態量（負荷状態）の変動に対してロバストなマハラノビス距離の値を得られる単位空間を生成することができる。即ち、単位空間生成装置は、負荷変動時における異常状態の誤検出を低減することが可能な単位空間を生成することができる。これにより、単位空間生成装置は、負荷帯別に異なる単位空間を生成することなく、様々な負荷状態に対応可能な単位空間を生成することができるので、単位空間を生成、更新、管理するためのコストを低減させることが可能である。また、採用決定部は、サンプリングデータ群を採用する際に恣意性や偏りを抑制しつつ、出力値の変動量が大きいときに取得されたサンプリングデータ群を単位空間生成用データ群として採用されやすくすることができる。これにより、単位空間生成装置は、出力値の変動量が大きいとき、即ち、負荷変動時における異常状態の誤検出を低減することが可能な単位空間を生成することができる。
　本発明の第二の態様によれば、上述の第一の態様に係る単位空間生成装置において、前記変動率は、前記出力値の２次微分の絶対値であらわされる。
　本発明の第三の態様によれば、上述の第一又は第二の態様に係る単位空間生成装置において、前記変動量は、前記出力値の１次微分の絶対値であらわされる。
　本発明の第四の態様によれば、プラントの運転状態を診断するプラント診断システムは、前記プラントの運転状態の診断を行う際に取得した前記プラントの状態量に基づいてマハラノビス距離を計算するマハラノビス距離計算部と、単位空間と、前記マハラノビス距離とに基づいて前記プラントの運転状態が正常であるか否かを判定するプラント状態判定部と、を備える。前記単位空間は、第一から第三の何れか一の態様に係る単位空間生成装置を用いて生成する。
　このようにすることで、単位空間生成装置により、単位空間作成用データとして採用されるサンプリングデータ群の偏りを抑制し、状態量（負荷状態）の変動に対してロバストなマハラノビス距離の値を得られる単位空間を生成することができる。また、プラント状態判定部は、このような単位空間に基づいてプラントの運転状態が正常であるか否かを判定するので、プラントの負荷状態の変動に過敏に反応して、プラントが異常状態であると誤判断することを抑制することができる。
　本発明の第五の態様によれば、マハラノビス距離に基づいてプラントの運転状態の診断を行う際に使用する単位空間を生成する単位空間生成方法は、一定周期で計測される、前記プラントの状態量のサンプリングデータ群を取得するサンプリングデータ取得ステップと、前記サンプリングデータ群を取得する度に掲載する採用確率を基に、前記サンプリングデータ群を単位空間の基礎とする単位空間生成用データ群として採用するか否かを決定する採用決定ステップと、採用された複数の前記単位空間生成用データ群に基づいて単位空間を生成する単位空間生成ステップと、前記サンプリングデータ群に対応する前記プラントの出力値を取得するステップと、を有する。前記採用決定ステップは、取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きい点におけるサンプリングデータ群が採用されやすいように採用確率を計算し、取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きいほど、前記採用確率を上昇させる。
　本発明の第六の態様によれば、プラントの運転状態を診断するプラント診断方法は、前記プラントの運転状態の診断を行う際に取得した前記プラントの状態量に基づいてマハラノビス距離を計算するマハラノビス距離計算ステップと、単位空間と、前記マハラノビス距離とに基づいて前記プラントの運転状態が正常であるか否かを判定するプラント状態判定ステップと、を有する。前記単位空間は、第五の態様に係る単位空間生成方法を用いて生成する。
　本発明の第七の態様によれば、マハラノビス距離に基づいてプラントの運転状態の診断を行う際に使用する単位空間を生成する単位空間生成装置のコンピュータを機能させるプログラムは、前記コンピュータに、一定周期で計測される、前記プラントの状態量のサンプリングデータ群を取得するサンプリングデータ取得ステップと、前記サンプリングデータ群を取得する度に計算する採用確率を基に、前記サンプリングデータ群を単位空間の基礎とする単位空間生成用データ群として採用することを決定する採用決定ステップと、採用された複数の前記単位空間生成用データ群に基づいて単位空間を生成する単位空間生成ステップと、前記サンプリングデータ群に対応する前記プラントの出力値を取得するステップと、を実行させる。前記採用決定ステップは、取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きい点におけるサンプリングデータ群が採用されやすいように採用確率を計算し、取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きいほど、前記採用確率を上昇させる。
　本発明の第八の態様によれば、プラントの運転状態を診断するプラント診断システムのコンピュータを機能させるプログラムは、前記コンピュータに、前記プラントの運転状態の診断を行う際に取得した前記プラントの状態量に基づいてマハラノビス距離を計算するマハラノビス距離計算ステップと、単位空間と、前記マハラノビス距離とに基づいて前記プラントの運転状態が正常であるか否かを判定するプラント状態判定ステップと、を実行させる。前記単位空間は、第七の態様に係るプログラムを用いて生成する。
　上述の単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラムによれば、負荷変動時における異常状態の誤検出を低減することができる。
本発明の一実施形態に係るプラント診断システムの概略図である。 本発明の一実施形態に係るプラント診断システムの機能構成を示す図である。 本発明の一実施形態に係る単位空間生成処理の一例を示す第１のフローチャートである。 本発明の一実施形態に係る単位空間生成処理の一例を示す第２のフローチャートである。 本発明の一実施形態に係る採用決定部の処理の一例を説明するための図である。 本発明の一実施形態に係るプラント診断処理の一例を示すフローチャートである。 本発明の一実施形態に係る単位空間の一例を示す図である。 本発明の一実施形態に係るプラント診断システムのハードウェア構成の一例を示す図である。
　以下、本発明の一実施形態に係るプラント診断システム１０について、図１～図８を参照しながら説明する。
（プラント診断システムの概要）
　図１は、本発明の一実施形態に係るプラント診断システムの概略図である。
　図１に示すように、本実施形態に係るプラント診断システム１０は、プラント１各部の状態量を取得して、運転状態が正常であるか否かを診断する。
　また、プラント診断システム１０は、プラント１の運転状態を制御するための制御装置２０及び監視端末３０の少なくとも一方と接続されている。プラント診断システム１０は、プラント１の運転状態が正常であるか否かを診断すると、その診断結果を制御装置２０及び監視端末３０へ送信する。
　制御装置２０は、プラント１の動作を制御するための装置である。制御装置２０は、プラント診断システム１０から受信した診断結果を表示部（不図示）に表示してもよい。プラント１の管理者は、表示部を参照してプラント１の運転状態を監視するとともに、診断結果が運転状態が異常であることを示すものである場合は、制御装置２０を介してプラント１の動作を制御する。なお、制御装置２０は、診断結果に基づいて自動的にプラント１を制御する（例えばプラント１の出力を低下させる、停止させる等）ようにしてもよい。
　監視端末３０は、遠隔地にいる管理者がプラント１の運転状態を監視するための装置であり、例えばネットワークＮＷを介して接続されたサーバ、タブレット等である。監視端末３０は、プラント診断システム１０から受信した診断結果をモニタ、スピーカ等の出力部から出力することにより、管理者にプラント１に異常が発生したか否かを通知する。
　診断対象であるプラント１は、例えばガスタービン発電プラントである。
　プラント１は、ガスタービン６によって発電機５を駆動して電力を発生させる。ガスタービン６は、圧縮機２と、燃焼器３と、圧縮機２を回転させるタービン４とを備えている。圧縮機２の吸気口から吸入された空気は圧縮機２で圧縮され、高圧、高温の空気となって燃焼器３へ導入される。燃焼器３では、高圧、高温の空気に燃料が供給されて燃焼する。そして、燃焼器３で燃料を燃焼させることにより生じた高温、高圧の燃焼ガスがタービン４に供給され、タービン４が回転駆動される。また、ガスタービン６と発電機５とは、回転軸（出力軸）により連結されている。これにより、ガスタービン６が運転されてタービン４が回転することにより得られる出力は、回転軸を通じて発電機５に伝達される。このように、ガスタービン６は、発電機５を駆動して電力を発生させる。
　プラント１の各部には、一定周期（例えば１分）ごとに状態量を計測するためのセンサが設けられている。状態量は、例えば、大気温度、大気圧力、圧縮機２の空気温度及び圧力（入口空気温度、入口空気圧力、出口空気温度、出口空気圧力）、燃焼器３の燃料圧力、燃料温度及び燃料流量、タービン４の燃焼ガス温度及び圧力（入口燃焼ガス温度、入口燃焼ガス圧力、出口燃焼ガス温度、出口燃焼ガス圧力）、発電機５の出力（発電電力、発電電流、発電電圧）、回転軸の回転速度、振動等である。　
　なお、他の実施形態では、プラント１は、ガスタービン６に代えてボイラを備えていてもよい。また、プラント１は原子力発電プラント、化学プラント等であってもよい。
　更に、図１の例では、プラント診断システム１０が一つのプラント１に接続されている態様が示されているが、これに限られることはない。他の実施形態では、プラント診断システム１０は、複数のプラントに接続され、各プラントの運転状態を診断するようにしてもよい。
（プラント診断システムの機能構成）
　図２は、本発明の一実施形態に係るプラント診断システムの機能構成を示す図である。　本実施形態に係るプラント診断システム１０は、マハラノビス・タグチ法（ＭＴ法）を用いてプラント１の運転状態が正常であるか否かを診断する。
　図２に示すように、プラント診断システム１０は、入出力部１１と、通信インターフェース（Ｉ／Ｆ）１２と、記憶部１３と、ＣＰＵ１４とを備えている。
　入出力部１１は、プラント１の複数のセンサからプラント１の状態量を受信して、ＣＰＵ１４に入力する。また、ＣＰＵ１４において診断されたプラント１の診断結果を制御装置２０に送信する。
　通信Ｉ／Ｆ１２は、ＣＰＵ１４において診断されたプラント１の診断結果を、ネットワークＮＷを介して監視端末３０に送信する。
　記憶部１３には、入出力部１１を介して受信したプラント１の状態量、ＣＰＵ１４における各種処理の過程で生成されたデータ等が記憶される。
　ＣＰＵ１４は、プラント診断システム１０の制御を司るプロセッサである。
　ＣＰＵ１４は、予め用意されたプログラムに従って動作することにより、単位空間生成機能部１４１（単位空間生成装置）、プラント診断機能部１４２（プラント診断装置）として機能する。
　単位空間生成機能部１４１は、マハラノビス距離に基づいてプラント１の運転状態の診断を行う際に使用する単位空間を生成する。
　単位空間は、プラント１の運転状態が正常であるか否かを判断する際の判断基準とするデータの集合体である。本実施形態では、単位空間は、プラント１の運転状態が正常であるときに収集された複数の状態量を基礎として生成される。
　単位空間生成機能部１４１は、サンプリングデータ取得部１４１Ａと、出力値取得部１４１Ｂと、採用決定部１４１Ｃと、単位空間生成部１４１Ｄとを有している。
　サンプリングデータ取得部１４１Ａは、一定周期（例えば１分間隔）で計測される、プラント１の状態量のサンプリングデータ群を取得する。また、サンプリングデータ取得部１４１Ａは、取得したサンプリングデータ群を記憶部１３に記憶して蓄積する。
　サンプリングデータ群は、プラント１から受信した複数の状態量を、周期ごとに一つの束としてまとめたものである。
　出力値取得部１４１Ｂは、サンプリングデータ群に対応するプラント１の出力値を取得する。出力値は、例えばプラント１のガスタービン６（発電機５）による発電電力（ＭＷ）、排ガス圧力値、圧力調整弁角度、流量調整弁角度などである。
　採用決定部１４１Ｃは、サンプリングデータ群を、所定の採用確率で、単位空間の基礎とする単位空間生成用データ群として採用することを決定する。
　また、採用決定部１４１Ｃは、プラント１の出力値の変動量及び変動率の少なくとも一方が大きいほど、採用確率を上昇させる。
　単位空間生成部１４１Ｄは、過去に採用された複数の単位空間生成用データ群に基づいて単位空間を生成する。また、単位空間生成部１４１Ｄは、生成した単位空間を記憶部１３に記憶する。
　プラント診断機能部１４２は、マハラノビス距離に基づいてプラント１の運転状態の診断を行う。
　プラント診断機能部１４２は、状態量取得部１４２Ａと、マハラノビス距離計算部１４２Ｂと、プラント状態判定部１４２Ｃとを有している。
　状態量取得部１４２Ａは、プラント１の運転状態の診断を行う時点における、プラント１の状態量を取得する。
　マハラノビス距離計算部１４２Ｂは、状態量取得部１４２Ａが取得したプラント１の状態量に基づいて、マハラノビス距離を計算する。
　マハラノビス距離は、診断時のプラント１の運転状態と、プラント１の正常時における運転状態との乖離の度合いを示す。マハラノビス距離は、単位空間における状態量の分散や相関に応じて重み付けがなされた距離であり、単位空間におけるデータ群との類似度が低いほど大きい値となる。
　プラント状態判定部１４２Ｃは、記憶部１３に記憶されている単位空間と、マハラノビス距離とに基づいて、プラント１の運転状態が正常であるか否かを判定する。
（単位空間生成機能部の処理フロー）
　図３は、本発明の一実施形態に係る単位空間生成処理の一例を示す第１のフローチャートである。
　図４は、本発明の一実施形態に係る単位空間生成処理の一例を示す第２のフローチャートである。
　図５は、本発明の一実施形態に係る採用決定部の処理の一例を説明するための図である。
　以下、図３～５を参照して、単位空間生成機能部１４１における単位空間生成処理の一例について説明する。
　図３に示すように、まず、サンプリングデータ取得部１４１Ａは、プラント１から複数の状態量を受信して、これら複数の状態量の束であるサンプリングデータ群を取得する（ステップＳ１０）。また、サンプリングデータ取得部１４１Ａは、取得したサンプリングデータ群を記憶部１３に記憶して蓄積する。
　次に、出力値取得部１４１Ｂは、サンプリングデータ群に対応するプラント１の出力値Ｘｉを取得する（ステップＳ１１）。
　出力値Ｘｉは、例えばプラント１のガスタービン６（発電機５）による発電電力（ＭＷ）、排ガス圧力値、圧力調整弁角度、流量調整弁角度などである。
　次に、採用決定部１４１Ｃは、乱数ｒｉを生成する（ステップＳ１２）。
　乱数ｒｉは、例えば「０」から「１」までの区間で生成される一様乱数である。
　次に、採用決定部１４１Ｃは、サンプリングデータ群に対する採用確率Ｐｉを計算する（ステップＳ１３）。
　従来の技術では、一定時間（例えば４時間）ごとに、取得したサンプリングデータ群を単位空間生成用データ群として採用して単位空間を生成している。しかしながら、このようにサンプリングデータ群を採用するタイミングを固定にしている場合、類似するサンプリングデータ群が偏って採用されてしまい、プラント１の状態量の変動が過検出（異常状態であると誤判断）されやすい単位空間が生成される可能性がある。
　また、図５の（ａ）に示すように、プラント１の運転中に負荷変動、即ち、出力値が変動する変動点（Ｘａ～Ｘｂ、Ｘｃ～Ｘｄ）が表れる場合がある。このような負荷変動が周期的に生じるように運用されているプラントでは、サンプリングデータ群の抽出タイミングと変動点が表れるタイミングとが一致せず、変動点におけるサンプリングデータ群が単位空間生成用データ群として採用されない可能性がある。この場合、負荷変動が生じた際に、実際には正常であるにもかかわらず、異常であると誤判断される可能性が高くなる。　このため、本実施形態に係る採用決定部１４１Ｃは、単位空間生成用データ群として採用されるサンプリングデータ群の偏りを抑制し、かつ、従来の技術では採用されにくい変動点におけるサンプリングデータ群が採用されるように、サンプリングデータ群を取得する度に採用確率Ｐｉを計算し、サンプリングデータ群を採用するか否かを決定する。
　具体的には、採用決定部１４１Ｃは、図４に示す手順により採用確率Ｐｉを計算する。
　図４に示すように、採用決定部１４１Ｃは、「標準採用確率Ｐ０」と、単位空間の生成（更新）タイミングを調整するための「調整因子ｆ」を設定する（ステップＳ１３１）。
　「標準採用確率Ｐ０」は、全てのサンプリングデータ群に対し、どの程度の確率で採用されるかを規定した値である。例えば、「標準採用確率Ｐ０」は、約４時間に１回の割合でサンプリングデータ群が採用されるように値が設定されている。
　「調整因子ｆ」は、例えば「１」～「１０」の整数で表され、数値が大きいほど単位空間の生成タイミング（更新速度）が早くなる（サンプリングデータ群の採用確率が高くなる）。新規のプラントを立ち上げたとき、プラントの定期検査を行ったときなど、単位空間を新たに生成する必要がある場合は、短期間で単位空間が生成されるように、大きな値（例えば「１０」）が設定される。
　本実施形態では、採用決定部１４１Ｃは、予め記憶部１３に記憶されている「標準採用確率Ｐ０」及び「調整因子ｆ」の値を読み出して設定する。なお、プラント１の管理者は、制御装置２０又は監視端末３０を介してこれらの値を変更してもよい。
　次に、採用決定部１４１Ｃは、「出力値の変動率の絶対値の期待値ＳＣ」と、「出力値の変動量の絶対値の期待値ＳＧ」とを設定する（ステップＳ１３２）。
　出力値の変動率は、例えば、図５の（ｂ）に示すように、出力値の２次微分の絶対値で表される。採用決定部１４１Ｃは、過去に蓄積されたプラント１のサンプリングデータ群から求めた出力値の変動率の平均値を、「出力値の変動率の絶対値の期待値ＳＣ」として設定する。
　出力値の変動量は、例えば図５の（ｃ）に示すように、出力値の勾配（１次微分）の絶対値で表される。採用決定部１４１Ｃは、過去に蓄積されたプラント１のサンプリングデータ群から求めた出力値の変動量の平均値を、「出力値の変動量の絶対値の期待値ＳＧ」として設定する。
　次に、採用決定部１４１Ｃは、「出力値の変動率の絶対値に対する採用確率比ＷＣ」、及び、「出力値の変動量の絶対値に対する採用確率比ＷＧ」を設定する（ステップＳ１３３）。
　「出力値の変動率の絶対値に対する採用確率比ＷＣ」及び「出力値の変動量の絶対値に対する採用確率比ＷＧ」は、採用確率Ｐｉを計算する際に、出力値の変動率及び変動量の絶対値に対して与えられる重みであり、例えば「２０％」のような比率で表される。
　本実施形態では、採用決定部１４１Ｃは、予め記憶部１３に記憶されている「出力値の変動率の絶対値に対する採用確率比ＷＣ」及び「出力値の変動量の絶対値に対する採用確率比ＷＧ」の値を読み出して設定する。なお、プラント１の管理者は、制御装置２０又は監視端末３０を介してこれらの値を変更してもよい。
　次に、採用決定部１４１Ｃは、ステップＳ１３１～Ｓ１３３で設定した「標準採用確率Ｐ０」、「調整因子ｆ」、「出力値の変動率の絶対値の期待値ＳＣ」、「出力値の変動量の絶対値の期待値ＳＧ」、「出力値の変動率の絶対値に対する採用確率比ＷＣ」、及び「出力値の変動量の絶対値に対する採用確率比ＷＧ」と、図３のステップＳ１１において取得した出力値Ｘｉとに基づいて、採用確率Ｐｉを計算する（ステップＳ１３４）。
　採用確率Ｐｉを求める計算方法は任意であるが、少なくとも出力値の特異点において大きな値となるような計算式とすることが望ましい。例えば、図５の出力値の変動率、変動量の大きい点（例えば、ステップＳ１３２において設定した「出力値の変動率の絶対値の期待値ＳＣ」、「出力値の変動量の絶対値の期待値ＳＧ」の少なくとも一方の値が大きい点）を、期待する割合で採用できるようにパラメータ値を設定して（例えば、ステップＳ１３３において設定した「出力値の変動率の絶対値に対する採用確率比ＷＣ」、「出力値の変動量の絶対値に対する採用確率比ＷＧ」の値を調整するなどして）計算される。
　次に、図３に示すように、採用決定部１４１Ｃは、サンプリングデータ群に対する採用確率Ｐｉが乱数ｒｉよりも大きいか否かを判断する（ステップＳ１４）。
　採用決定部１４１Ｃは、サンプリングデータ群に対する採用確率Ｐｉが乱数ｒｉよりも小さい場合（ステップＳ１４：ＮＯ）、当該サンプリングデータ群を単位空間生成用データ群として採用せず、処理を終了する。
　一方、採用決定部１４１Ｃは、サンプリングデータ群に対する採用確率Ｐｉが乱数ｒｉよりも大きい場合（ステップＳ１４：ＹＥＳ）、当該サンプリングデータ群を単位空間生成用データ群として採用する（ステップＳ１５）。
　このようにすることで、図５に示すように、採用確率Ｐｉの積算値を一定としつつ、「出力値の変動率の絶対値」及び「出力値の変動量の絶対値」の少なくとも一方が大きいほど、採用確率Ｐｉを上昇させることができる。
　次に、単位空間生成部１４１Ｄは、サンプリングデータ群が単位空間生成用データ群として採用されると、新たに採用された単位空間生成用データ群と、過去に採用された単位空間生成用データ群とに基づいて、新たな単位空間を生成する（ステップＳ１６）。
　本実施形態において、単位空間生成部１４１Ｄは、所定の計測期間（例えば単位空間を生成する時点から８週間前までの期間）に採用された、所定数の単位空間生成用データ群に基づいて単位空間を生成する。単位空間生成部１４１Ｄは、採用された単位空間生成用データ群の数が所定数を超える場合、最も古い単位空間生成用データ群を削除して新たな単位空間を生成する。
　また、単位空間生成部１４１Ｄは、新たに生成した単位空間を記憶部１３に記憶する。このとき、単位空間生成部１４１Ｄは、新たに生成した単位空間により、過去の単位空間を上書きして更新してもよい。
　単位空間生成機能部１４１は、一定周期（プラント１のセンサによる状態量の計測周期）ごとに、上述の処理を繰り返し実行する。
（プラント診断機能部の処理フロー）
　図６は、本発明の一実施形態に係るプラント診断処理の一例を示すフローチャートである。
　図７は、本発明の一実施形態に係る単位空間の一例を示す図である。
　以下、図６～図７を参照して、プラント診断機能部１４２におけるプラント診断処理の一例について説明する。
　図６に示すように、まず、状態量取得部１４２Ａは、現在のプラント１の状態量を取得する（ステップＳ２０）。
　このとき、状態量取得部１４２Ａは、記憶部１３に蓄積されている状態量（サンプリングデータ群）のうち、最新のものを取得するようにしてもよい。
　次に、マハラノビス距離計算部１４２Ｂは、状態量取得部１４２Ａが取得した状態量に基づいて、マハラノビス距離Ｄ（図７）を計算する（ステップＳ２１）。
　なお、マハラノビス距離計算部１４２Ｂは、既知の技術（例えば特許文献１に記載された技術）を用いてマハラノビス距離Ｄを計算する。
　次に、プラント状態判定部１４２Ｃは、マハラノビス距離Ｄが閾値Ｄｃ（図７）以下であるか否かを判断する（ステップＳ２２）。
　図７は、上述の単位空間生成処理（図３）において単位空間生成部１４１Ｄが生成した単位空間Ａ１と、従来の技術により生成される単位空間Ａ０とを二次元に模擬的に表した例である。図７の例では、単位空間生成部１４１Ｄは、プラント１の出力値（発電機５の発電電力）及び圧縮機２の入口空気温度を単位空間生成用データ群として、単位空間Ａ１を生成する。Ｂは状態量、即ち、プラント１の出力値及び圧縮機２の入口空気温度の計測値である。また、単位空間Ａ１の示す実線が閾値Ｄｃである。
　本実施形態では、プラント状態判定部１４２Ｃは、予め記憶部１３に記憶されている閾値Ｄｃを読み出して、判定を行う。なお、閾値Ｄｃは、例えば、単位空間Ａ１の最大値よりも大きい値で適宜設定されていてもよいし、プラント１の固有の特性、製造ばらつき等を考慮して設定されていてもよい。
　プラント状態判定部１４２Ｃは、例えば「状態量Ｅ」のように、マハラノビス距離Ｄが閾値Ｄｃ以下である（単位空間Ａ１を示す実線内に含まれる）場合（ステップＳ２２：ＹＥＳ）、プラント１の運転状態は正常であると判断する（ステップＳ２３）。
　一方、プラント状態判定部１４２Ｃは、例えば「状態量Ｆ」のように、マハラノビス距離Ｄが閾値より大きい（単位空間Ａ１を示す実線内に含まれない）場合（ステップＳ２２：ＮＯ）、プラント１の運転状態は異常であると判断する（ステップＳ２４）。
　上述のように、従来の単位空間Ａ０には、変動点（図５のＸａ～Ｘｂ、Ｘｃ～Ｘｄ）におけるサンプリングデータ群が単位空間生成用データ群として含まれない可能性が高い。このため、例えば負荷変動時に「状態量Ｅ」が計測された場合、当該「状態量Ｅ」は単位空間Ａ０の範囲を超えるので、プラント１の運転状態が異常であると判断（誤判断）される。
　しかしながら、単位空間生成部１４１Ｄが生成した新たな単位空間Ａ１には、変動点におけるサンプリングデータ群が単位空間生成用データ群として含まれている可能性が高い。このため、例えば負荷変動時に「状態量Ｅ」が計測された場合、当該「状態量Ｅ」は単位空間Ａ１の範囲内に含まれるので、プラント１の運転状態が正常であると正しく判断できる。
　次に、図６に示すように、プラント状態判定部１４２Ｃは、プラント１の運転状態が異常であると判定すると（ステップＳ２４）、異常である状態量の項目（異常項目）を推定する（ステップＳ２５）。
　プラント状態判定部１４２Ｃは、例えば、直交表分析による項目有無の望大ＳＮ比を求め、異常がある可能性が高いと推測される状態量の項目を推定する。
　次に、プラント状態判定部１４２Ｃは、ステップＳ２１において計算されたマハラノビス距離Ｄと、ステップＳ２５において推定された異常項目とを、制御装置２０及び監視端末３０の少なくとも一方に送信して、管理者に異常の発生を通知する（ステップＳ２６）。
　なお、本実施形態に係るプラント診断機能部１４２は、以上のプラント診断処理を定期的に自動実行するようにしてもよいし、制御装置２０又は監視端末３０を介して管理者より指定されたタイミングで実行するようにしてもよい。
（ハードウェア構成）
　図８は、本発明の一実施形態に係るプラント診断システムのハードウェア構成の一例を示す図である。
　以下、図８を参照して、本実施形態に係るプラント診断システム１０のハードウェア構成について説明する。
　コンピュータ９００は、ＣＰＵ９０１、主記憶装置９０２、補助記憶装置９０３、インターフェース９０４を備える。
　上述のプラント診断システム１０は、コンピュータ９００に実装される。そして、上述したプラント診断システム１０の各部の動作は、プログラムの形式でそれぞれのコンピュータ９００が有する補助記憶装置９０３に記憶されている。ＣＰＵ９０１（ＣＰＵ１４）は、プログラムを補助記憶装置９０３から読み出して主記憶装置９０２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９０１は、プログラムに従って、処理に伴い取得、生成した各種情報を記憶するための記憶領域（記憶部１３）を主記憶装置９０２に確保する。また、ＣＰＵ９０１は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置９０３に確保する。
　なお、コンピュータ９００は、インターフェース９０４を介して、外部記憶装置９１０と接続されており、上記記憶領域は、外部記憶装置９１０に確保されてもよい。
　なお、少なくとも一つの実施形態において、補助記憶装置９０３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例としては、インターフェース９０４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ９００に配信される場合、配信を受けたコンピュータ９００が当該プログラムを主記憶装置９０２に展開し、上記処理を実行しても良い。
　また、当該プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、当該プログラムは、前述した機能を補助記憶装置９０３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であっても良い。
（作用効果）
　以上のように、本実施形態に係る単位空間生成機能部１４１（単位空間生成装置）は、一定周期で計測される、プラント１の状態量のサンプリングデータ群を取得するサンプリングデータ取得部１４１Ａと、サンプリングデータ群を、所定の採用確率Ｐｉで、単位空間の基礎とする単位空間生成用データ群として採用することを決定する採用決定部１４１Ｃと、採用された複数の単位空間生成用データ群に基づいて単位空間を生成する単位空間生成部１４１Ｄと、を備える。
　このようにすることで、単位空間生成部１４１Ｄは、単位空間作成用データとして採用されるサンプリングデータ群の偏りを抑制し、状態量（負荷状態）の変動に対してロバストなマハラノビス距離の値を得られる単位空間を生成することができる。即ち、単位空間生成部１４１Ｄは、負荷変動時における異常状態の誤検出を低減することが可能な単位空間を生成することができる。これにより、単位空間生成部１４１Ｄは、負荷帯別に異なる単位空間を生成することなく、様々な負荷状態に対応可能な単位空間を生成することができるので、単位空間を生成、更新、管理するためのコストを低減させることが可能である。
　また、採用決定部１４１Ｃは、サンプリングデータ群を取得するごとに採用するか否かを判断し、サンプリングデータ群が採用された場合には、単位空間生成部１４１Ｄが新たな単位空間を自動的に生成する。即ち、単位空間生成機能部１４１は、単位空間を生成、更新する作業を自動化することにより、プラント１の管理者がマハラノビス距離を参照して単位空間の更新要否を判断する手間を削減することができる。
　また、単位空間生成機能部１４１は、サンプリングデータ群に対応するプラントの出力値を取得する出力値取得部１４１Ｂをさらに備える。採用決定部１４１Ｃは、取得された出力値の変動量が大きいほど、採用確率Ｐｉを上昇させる。
　このようにすることで、採用決定部１４１Ｃは、サンプリングデータ群を採用する際に恣意性や偏りを抑制しつつ、出力値の変動量が大きいときに取得されたサンプリングデータ群を単位空間生成用データ群として採用されやすくすることができる。これにより、単位空間生成部１４１Ｄは、出力値の変動量が大きいとき、即ち、負荷変動時における異常状態の誤検出を低減することが可能な単位空間を生成することができる。
　また、採用決定部１４１Ｃは、取得された出力値の変動率が大きいほど、採用確率Ｐｉを上昇させる。
　このようにすることで、採用決定部１４１Ｃは、サンプリングデータ群を採用する際に恣意性や偏りを抑制しつつ、出力値の変動率が大きいときに取得されたサンプリングデータ群を単位空間生成用データ群として採用されやすくすることができる。これにより、単位空間生成部１４１Ｄは、出力値の変動率が大きいとき、即ち、負荷変動時における異常状態の誤検出を低減することが可能な単位空間を生成することができる。
　また、採用決定部１４１Ｃは、サンプリングデータ群を取得するごとに乱数ｒｉを生成するとともに、採用確率Ｐｉを計算する。そして、採用決定部１４１Ｃは、採用確率Ｐｉが乱数ｒｉよりも大きい場合、サンプリングデータ群を単位空間生成用データ群として採用することを決定する。
　このように、採用決定部１４１Ｃは、サンプリングデータ群の採否を決定する際に乱数ｒｉを使用するので、特に負荷がほぼ一定の場合は、単位空間生成用データ群として採用されるサンプリングデータ群の偏りを抑制することができる。
　また、本実施形態に係るプラント診断システム１０は、一定周期で計測される、プラント１の状態量のサンプリングデータ群を取得するサンプリングデータ取得部１４１Ａと、サンプリングデータ群を、所定の採用確率Ｐｉで、単位空間の基礎とする単位空間生成用データ群として採用することを決定する採用決定部１４１Ｃと、採用された複数の単位空間生成用データ群に基づいて単位空間を生成する単位空間生成部１４１Ｄと、プラント１の運転状態の診断を行う際に取得したプラント１の状態量に基づいてマハラノビス距離を計算するマハラノビス距離計算部１４２Ｂと、単位空間と、マハラノビス距離とに基づいてプラント１の運転状態が正常であるか否かを判定するプラント状態判定部１４２Ｃと、を備える。
　このようにすることで、単位空間生成部１４１Ｄは、単位空間作成用データとして採用されるサンプリングデータ群の偏りを抑制し、状態量（負荷状態）の変動に対してロバストなマハラノビス距離の値を得られる単位空間を生成することができる。また、プラント状態判定部１４２Ｃは、このような単位空間に基づいてプラントの運転状態が正常であるか否かを判定するので、プラントの負荷状態の変動に過敏に反応して、プラントが異常状態であると誤判断することを抑制することができる。
　以上、本発明の実施形態について詳細に説明したが、本発明の技術的思想を逸脱しない限り、これらに限定されることはなく、多少の設計変更等も可能である。
　例えば、上述の実施形態において、単位空間生成機能部１４１（単位空間生成装置）及びプラント診断機能部１４２（プラント診断装置）が何れもＣＰＵ１４上において機能する例について説明したが、これに限られることはない。他の実施形態では、単位空間生成機能部１４１及びプラント診断機能部１４２は、異なるＣＰＵ上において機能するように構成されていてもよいし、異なる装置（コンピュータ）として構成されていてもよい。
　上述の単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラムによれば、負荷変動時における異常状態の誤検出を低減することができる。
１　プラント
１０　プラント診断システム
１１　入出力部
１２　通信インターフェース（Ｉ／Ｆ）
１３　記憶部
１４　ＣＰＵ
１４１　単位空間生成機能部（単位空間生成装置）
１４１Ａ　サンプリングデータ取得部
１４１Ｂ　出力値取得部
１４１Ｃ　採用決定部
１４１Ｄ　単位空間生成部
１４２　プラント診断機能部（プラント診断装置）
１４２Ａ　状態量取得部
１４２Ｂ　マハラノビス距離計算部
１４２Ｃ　プラント状態判定部
２０　制御装置
３０　監視端末

Claims (8)

  1. 　マハラノビス距離に基づいてプラントの運転状態の診断を行う際に使用する単位空間を生成する単位空間生成装置であって、
    　一定周期で計測される、前記プラントの複数の状態量からなるサンプリングデータ群を取得するサンプリングデータ取得部と、
    　前記サンプリングデータ群を取得する度に計算する採用確率を基に、前記サンプリングデータ群を単位空間の基礎とする単位空間生成用データ群として採用するか否かを決定する採用決定部と、
    　採用された複数の前記単位空間生成用データ群に基づいて単位空間を生成する単位空間生成部と、
    　前記サンプリングデータ群に対応する前記プラントの出力値を取得する出力値取得部と、を備え、
    　前記採用決定部は、
    　　取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きい点におけるサンプリングデータ群が採用されやすいように採用確率を計算し、
    　　取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きいほど、前記採用確率を上昇させる
    　単位空間生成装置。
  2. 　前記変動率は、前記出力値の２次微分の絶対値であらわされる
    　請求項１に記載の単位空間生成装置。
  3. 　前記変動量は、前記出力値の１次微分の絶対値であらわされる
    　請求項１又は２に記載の単位空間生成装置。
  4. 　プラントの運転状態を診断するプラント診断システムであって、
    　前記プラントの運転状態の診断を行う際に取得した前記プラントの状態量に基づいてマハラノビス距離を計算するマハラノビス距離計算部と、
    　単位空間と、前記マハラノビス距離とに基づいて前記プラントの運転状態が正常であるか否かを判定するプラント状態判定部と、
    　を備え、
    　前記単位空間は、請求項１から請求項３の何れか一項に記載の単位空間生成装置を用いて生成する
    　プラント診断システム。
  5. 　マハラノビス距離に基づいてプラントの運転状態の診断を行う際に使用する単位空間を生成する単位空間生成方法であって、
    　一定周期で計測される、前記プラントの状態量のサンプリングデータ群を取得するサンプリングデータ取得ステップと、
    　前記サンプリングデータ群を取得する度に計算する採用確率を基に、前記サンプリングデータ群を単位空間の基礎とする単位空間生成用データ群として採用するか否かを決定する採用決定ステップと、
    　採用された複数の前記単位空間生成用データ群に基づいて単位空間を生成する単位空間生成ステップと、
    　前記サンプリングデータ群に対応する前記プラントの出力値を取得するステップと、
    　を有し、
    　前記採用決定ステップは、
    　　取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きい点におけるサンプリングデータ群が採用されやすいように採用確率を計算し、
    　　取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きいほど、前記採用確率を上昇させる
    　単位空間生成方法。
  6. 　プラントの運転状態を診断するプラント診断方法であって、
    　前記プラントの運転状態の診断を行う際に取得した前記プラントの状態量に基づいてマハラノビス距離を計算するマハラノビス距離計算ステップと、
    　単位空間と、前記マハラノビス距離とに基づいて前記プラントの運転状態が正常であるか否かを判定するプラント状態判定ステップと、
    　を有し、
    　前記単位空間は、請求項５に記載の単位空間生成方法を用いて生成する
    　プラント診断方法。
  7. 　マハラノビス距離に基づいてプラントの運転状態の診断を行う際に使用する単位空間を生成する単位空間生成装置のコンピュータを機能させるプログラムであって、前記コンピュータに、
    　一定周期で計測される、前記プラントの状態量のサンプリングデータ群を取得するサンプリングデータ取得ステップと、
    　前記サンプリングデータ群を取得する度に計算する採用確率を基に、前記サンプリングデータ群を単位空間の基礎とする単位空間生成用データ群として採用することを決定する採用決定ステップと、
    　採用された複数の前記単位空間生成用データ群に基づいて単位空間を生成する単位空間生成ステップと、
    　前記サンプリングデータ群に対応する前記プラントの出力値を取得するステップと、
    　を実行させ、
    　前記採用決定ステップは、
    　　取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きい点におけるサンプリングデータ群が採用されやすいように採用確率を計算し、
    　　取得された前記出力値の変動率及び変動量の少なくとも一方の絶対値が大きいほど、前記採用確率を上昇させる
    　プログラム。
  8. 　プラントの運転状態を診断するプラント診断システムのコンピュータを機能させるプログラムであって、前記コンピュータに、
    　前記プラントの運転状態の診断を行う際に取得した前記プラントの状態量に基づいてマハラノビス距離を計算するマハラノビス距離計算ステップと、
    　単位空間と、前記マハラノビス距離とに基づいて前記プラントの運転状態が正常であるか否かを判定するプラント状態判定ステップと、
    　を実行させ、
    　前記単位空間は、請求項７に記載のプログラムを用いて生成する
    　プログラム。
PCT/JP2018/046545 2017-12-21 2018-12-18 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム WO2019124367A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US16/769,738 US11327470B2 (en) 2017-12-21 2018-12-18 Unit space generating device, plant diagnosing system, unit space generating method, plant diagnosing method, and program
DE112018006523.5T DE112018006523T5 (de) 2017-12-21 2018-12-18 Einheitsraum-erzeugungsvorrichtung, anlagendiagnosesystem, einheitsraum-erzeugungsverfahren, anlagendiagnoseverfahren und programm
KR1020207016021A KR102407919B1 (ko) 2017-12-21 2018-12-18 단위 공간 생성 장치, 플랜트 진단 시스템, 단위 공간 생성 방법, 플랜트 진단 방법, 및 프로그램
CN201880077126.5A CN111417909B (zh) 2017-12-21 2018-12-18 单位空间生成装置、成套设备诊断系统、单位空间生成方法、成套设备诊断方法及计算机可读存储介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017245560A JP6655595B2 (ja) 2017-12-21 2017-12-21 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム
JP2017-245560 2017-12-21

Publications (1)

Publication Number Publication Date
WO2019124367A1 true WO2019124367A1 (ja) 2019-06-27

Family

ID=66993358

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/046545 WO2019124367A1 (ja) 2017-12-21 2018-12-18 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム

Country Status (6)

Country Link
US (1) US11327470B2 (ja)
JP (1) JP6655595B2 (ja)
KR (1) KR102407919B1 (ja)
CN (1) CN111417909B (ja)
DE (1) DE112018006523T5 (ja)
WO (1) WO2019124367A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021140942A1 (ja) * 2020-01-06 2021-07-15 三菱パワー株式会社 診断装置、診断方法およびプログラム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7387325B2 (ja) * 2019-08-01 2023-11-28 三菱重工業株式会社 プラント監視装置、プラント監視方法、及びプログラム
JP7282023B2 (ja) * 2019-12-26 2023-05-26 三菱重工業株式会社 プラント監視装置、プラント監視方法、及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS636601A (ja) * 1986-06-27 1988-01-12 Toshiba Corp デイジタルｐｉｄ制御装置
JP2012067757A (ja) * 2008-02-27 2012-04-05 Mitsubishi Heavy Ind Ltd プラント状態監視方法、プラント状態監視用コンピュータプログラム、及びプラント状態監視装置
JP2017016187A (ja) * 2015-06-26 2017-01-19 東芝三菱電機産業システム株式会社 無線センサデータ収集システム

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4396286B2 (ja) * 2004-01-21 2010-01-13 三菱電機株式会社 機器診断装置および機器監視システム
US7171302B2 (en) * 2004-05-07 2007-01-30 Snap-On Incorporated Determining engine cylinder contribution from indexed engine data
JP4298581B2 (ja) 2004-05-17 2009-07-22 中国電力株式会社 電力需要予測装置、電力需要予測システム、電力需要予測プログラム、記録媒体、及び電力需要予測方法
JP4371933B2 (ja) * 2004-07-23 2009-11-25 中国電力株式会社 プラントデータ評価システムと方法、復水器真空度監視方法、データマイニング方法、および、プログラム
JP5050607B2 (ja) 2006-05-09 2012-10-17 オムロン株式会社 検査装置、検査方法、検査プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体
JP2010244149A (ja) * 2009-04-02 2010-10-28 Hitachi Ltd データ分類方法，データ分類装置，診断方法，診断装置
JP2011090382A (ja) * 2009-10-20 2011-05-06 Mitsubishi Heavy Ind Ltd 監視システム
JP2011253491A (ja) * 2010-06-04 2011-12-15 Toshiba Corp プラント異常検知装置，プラント異常検知装置方法，およびプログラム
BR112013011038A2 (pt) * 2010-11-03 2016-08-23 Virginia Tech Intell Prop método e sistema para realizar uma avaliação em tempo real da integridade de execução de uma rotina em uma plataforma de processamento de computador e método para a detecção de desvios a partir da execução autorizada de softwares em um processador digital
JP5655764B2 (ja) * 2011-11-09 2015-01-21 トヨタ自動車株式会社 サンプリング装置、サンプリングプログラム、およびその方法
EP2897012B1 (en) * 2012-10-25 2018-03-07 Mitsubishi Hitachi Power Systems, Ltd. Plant monitoring device, plant monitoring program, and plant monitoring method
WO2014080447A1 (ja) 2012-11-20 2014-05-30 株式会社日立製作所 データ解析装置、データ解析方法
JP5490277B2 (ja) * 2013-03-05 2014-05-14 三菱重工業株式会社 プラント運転状態監視方法
JP6116466B2 (ja) * 2013-11-28 2017-04-19 株式会社日立製作所 プラントの診断装置及び診断方法
CN103674234B (zh) * 2013-12-23 2017-01-18 北京天源科创风电技术有限责任公司 一种风力发电机组振动异常的状态预警方法及系统
JP5778305B2 (ja) * 2014-03-12 2015-09-16 株式会社日立製作所 異常検知方法及びそのシステム
CN104777830B (zh) * 2015-04-01 2017-07-11 浙江大学 一种基于kpca混合模型的多工况过程监控方法
JP2019023771A (ja) * 2015-12-16 2019-02-14 三菱電機株式会社 故障診断装置
CN107065843B (zh) * 2017-06-09 2019-04-05 东北大学 基于独立子空间的多方向kica间歇过程故障监测方法
JP6950460B2 (ja) * 2017-10-31 2021-10-13 セイコーエプソン株式会社 物理量検出回路、物理量検出装置、慣性計測装置、移動体測位装置、携帯型電子機器、電子機器及び移動体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS636601A (ja) * 1986-06-27 1988-01-12 Toshiba Corp デイジタルｐｉｄ制御装置
JP2012067757A (ja) * 2008-02-27 2012-04-05 Mitsubishi Heavy Ind Ltd プラント状態監視方法、プラント状態監視用コンピュータプログラム、及びプラント状態監視装置
JP2017016187A (ja) * 2015-06-26 2017-01-19 東芝三菱電機産業システム株式会社 無線センサデータ収集システム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021140942A1 (ja) * 2020-01-06 2021-07-15 三菱パワー株式会社 診断装置、診断方法およびプログラム
JP2021110977A (ja) * 2020-01-06 2021-08-02 三菱パワー株式会社 診断装置、診断方法およびプログラム
US11789436B2 (en) 2020-01-06 2023-10-17 Mitsubishi Heavy Industries, Ltd. Diagnosing device, diagnosing method, and program
JP7437163B2 (ja) 2020-01-06 2024-02-22 三菱重工業株式会社 診断装置、診断方法およびプログラム

Also Published As

Publication number Publication date
KR102407919B1 (ko) 2022-06-10
US20210173383A1 (en) 2021-06-10
DE112018006523T5 (de) 2020-09-03
CN111417909B (zh) 2023-11-03
JP6655595B2 (ja) 2020-02-26
CN111417909A (zh) 2020-07-14
US11327470B2 (en) 2022-05-10
JP2019113964A (ja) 2019-07-11
KR20200085817A (ko) 2020-07-15

Similar Documents

Publication Publication Date Title
KR101955305B1 (ko) 희소 코딩 방법론을 활용한 가스 터빈 센서 고장 검출
US11209811B2 (en) Diagnostic device, diagnostic method, and program
JP6511702B2 (ja) 監視装置、対象装置の監視方法、およびプログラム
WO2019124367A1 (ja) 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム
JP2011090382A (ja) 監視システム
JP6088131B2 (ja) タービン性能診断システム及び方法
JP2013029507A (ja) 機械をモニタリングする際に用いるシステムおよび方法
JP7029362B2 (ja) 異常検出装置、異常検出方法、及びプログラム
JP2009036204A (ja) ロータ偏心のベースライン移動の検出システム及び方法
WO2016208315A1 (ja) プラント診断装置及びプラント診断方法
KR20180137513A (ko) 감시 장치, 대상 장치의 감시 방법 및 프로그램
JP7377637B2 (ja) 異常検出装置、異常検出方法、及びプログラム
JP5939439B2 (ja) 異常診断装置
JP6803788B2 (ja) 情報処理装置、情報処理方法およびプログラム
WO2021140942A1 (ja) 診断装置、診断方法およびプログラム
JP2022109737A (ja) 異常検知方法、および、異常検知装置
JP2020166330A (ja) プラント監視装置、プラント監視方法、及びプログラム
JP2020009080A (ja) 機器状態監視システム及び機器状態監視方法
WO2022239612A1 (ja) プラント監視方法、プラント監視装置及びプラント監視プログラム
US20240125246A1 (en) Industrial plant monitoring device, industrial plant monitoring method, and program
KR20240024969A (ko) 플랜트 감시 장치, 플랜트 감시 방법 및 플랜트 감시 프로그램

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: 18891078

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20207016021

Country of ref document: KR

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 18891078

Country of ref document: EP

Kind code of ref document: A1