WO2022014533A1 - 異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム - Google Patents

異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム Download PDF

Info

Publication number
WO2022014533A1
WO2022014533A1 PCT/JP2021/026149 JP2021026149W WO2022014533A1 WO 2022014533 A1 WO2022014533 A1 WO 2022014533A1 JP 2021026149 W JP2021026149 W JP 2021026149W WO 2022014533 A1 WO2022014533 A1 WO 2022014533A1
Authority
WO
WIPO (PCT)
Prior art keywords
state
abnormality detection
model
data
refrigerator
Prior art date
Application number
PCT/JP2021/026149
Other languages
English (en)
French (fr)
Inventor
友基 西▲崎▼
智 二階堂
紀行 松倉
達男 石黒
克明 森田
龍司 池田
裕貴 岡
健一 長原
Original Assignee
三菱重工サーマル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 三菱重工サーマルシステムズ株式会社 filed Critical 三菱重工サーマルシステムズ株式会社
Priority to CN202180044098.9A priority Critical patent/CN115917228A/zh
Priority to US18/010,630 priority patent/US20230259111A1/en
Publication of WO2022014533A1 publication Critical patent/WO2022014533A1/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
    • G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B1/00—Compression machines, plants or systems with non-reversible cycle
    • F25B1/10—Compression machines, plants or systems with non-reversible cycle with multi-stage compression
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/005—Arrangement or mounting of control or safety devices of safety devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F25B49/022—Compressor control arrangements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F25B49/027—Condenser control arrangements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/02—Compressor control
    • F25B2600/021—Inverters therefor

Definitions

  • This disclosure relates to an abnormality detection system and a refrigerator, an abnormality detection method, and an abnormality detection program.
  • a refrigerator is used in the heat source system (for example, Patent Document 1). If an abnormality occurs in the refrigerator, it may affect other equipment, so the operating status is monitored.
  • the present disclosure has been made in view of such circumstances, and an object of the present invention is to provide an abnormality detection system and a refrigerator capable of improving the accuracy of abnormality detection, an abnormality detection method, and an abnormality detection program. And.
  • the first aspect of the present disclosure is an acquisition unit that acquires operation data of the target device, and when the operation data is unlearned data, it is possible to estimate a predetermined operating state of the target device based on the operation data.
  • a determination unit that determines whether or not the operation data is an outlier by comparing the estimated value of the operating state estimated by the model with the actually measured value corresponding to the operating state.
  • An abnormality detection system including an abnormality detection unit that detects an abnormality of the target device based on the model when it is determined that the operation data is not an outlier.
  • the second aspect of the present disclosure is a step of acquiring the operation data of the target device, and when the operation data is unlearned data, it is possible to estimate a predetermined operation state of the target device based on the operation data.
  • the step of creating a model the step of comparing the estimated value of the operating state estimated by the model with the actually measured value corresponding to the operating state, and the step of determining whether or not the operating data is an outlier, and the above.
  • the third aspect of the present disclosure is a process of acquiring operation data of the target device, and when the operation data is unlearned data, it is possible to estimate a predetermined operation state of the target device based on the operation data.
  • the process of creating a model the process of comparing the estimated value of the operating state estimated by the model with the actually measured value corresponding to the operating state, and the process of determining whether or not the operating data is an outlier.
  • This is an abnormality detection program for causing a computer to execute a process of detecting an abnormality of the target device based on the model when it is determined that the operation data is not an outlier.
  • the refrigerator is described as an example as the target device for abnormality detection, but the target device is not limited to the refrigerator, and various devices can be targeted. For example, it can be applied to equipment such as a generator.
  • FIG. 1 is a diagram showing a schematic configuration of a heat source system 1 according to an embodiment of the present disclosure.
  • the heat source system 1 is installed in, for example, a building or a factory facility.
  • the heat source system 1 includes a turbo chiller 11, a turbo chiller 12, and a turbo chiller 13 that apply cold heat to cold water supplied to an external load 3 such as an air conditioner or a fan coil.
  • the turbo chiller 11, the turbo chiller 12, and the turbo chiller 13 are installed in parallel with respect to the external load 3.
  • the number of installed turbo chillers is not limited to three.
  • a chilled water pump 21, a chilled water pump 22, and a chilled water pump 23 for pumping chilled water are installed on the upstream side of each of the turbo chillers 11, 12, and 13 as viewed from the chilled water flow, respectively.
  • the chilled water pump 21, the chilled water pump 22, and the chilled water pump 23 send the chilled water from the return header 32 to the turbo chillers 11, 12, and 13.
  • the supply header 31 is designed to collect the cold water obtained in each of the turbo chillers 11, 12, and 13.
  • the cold water collected in the supply header 31 is supplied to the external load 3.
  • the cold water that has been subjected to air conditioning or the like under the external load 3 and whose temperature has been raised is sent to the return header 32.
  • the cold water is branched at the return header 32 and sent to the turbo chillers 11, 12, and 13.
  • a bypass pipe 33 having a bypass valve 34 is provided between the supply header 31 and the return header 32.
  • FIG. 2 shows the configuration of a two-stage compression two-stage expansion subcool cycle.
  • FIG. 2 is a diagram showing an example of a specific configuration of the turbo chillers 11, 12, and 13.
  • FIG. 2 shows a specific configuration of the turbo chiller 11, the turbo chiller 12 and the turbo chiller 13 have the same configuration.
  • an antifreeze liquid (brine) is used as the heat medium will be described, but the heat medium is not limited to brine.
  • the configuration of FIG. 2 is an example, and other configurations can be applied as long as it is a refrigerator. Then, the abnormality detection system 50 described later is applied to the turbo chiller.
  • the turbo chiller 11 in FIG. 2 has a two-stage compression two-stage expansion subcool cycle configuration.
  • the configuration shown in FIG. 2 is an example, and other configurations may be adopted. That is, the configuration is not limited to that shown in FIG.
  • the turbo refrigerator 11 overcools the compressor 60 that compresses the refrigerant, the condenser 62 that condenses the high-temperature and high-pressure gas refrigerant compressed by the compressor 60, and the liquid refrigerant condensed by the condenser 62.
  • the high-pressure expansion valve (expansion valve) 64 that expands the liquid refrigerant from the sub-cooler 63, and the intermediate stage of the compressor 60 and the low-pressure expansion valve (expansion valve) 65 that are connected to the high-pressure expansion valve 64. It includes a connected intermediate cooler 67 and an evaporator 66 that evaporates the liquid refrigerant expanded by the low pressure expansion valve 65.
  • the compressor 60 is a centrifugal two-stage compressor, and is driven by an electric motor 72 whose rotation speed is controlled by an inverter 70.
  • the output of the inverter 70 is controlled by the control panel 74.
  • An inlet guide vane (hereinafter referred to as “IGV”) 79 for controlling the flow rate of the suction refrigerant is provided at the refrigerant suction port of the compressor 60, and the capacity of the turbo chiller 11 can be controlled.
  • the condenser 62 is provided with a condensed refrigerant pressure sensor PC for measuring the condensed refrigerant pressure.
  • the subcooler 63 is provided on the downstream side of the refrigerant flow of the condenser 62 so as to supercool the condensed refrigerant.
  • temperature sensors Ts for measuring the refrigerant temperature after supercooling are provided.
  • a cooling heat transfer tube 80 for cooling the condenser 62 and the subcooler 63 is inserted through the condenser 62 and the subcooler 63.
  • the cooling water flow rate is measured by the flow meter FL2
  • the cooling water outlet temperature is measured by the temperature sensor Tcout
  • the cooling water inlet temperature is measured by the temperature sensor Tcin.
  • the cooling water is exhausted to the outside in a cooling tower (not shown), and then is guided to the condenser 62 and the subcooler 63 again.
  • the intercooler 67 is provided with a pressure sensor PM for measuring the intermediate pressure.
  • the evaporator 66 is provided with a pressure sensor PE for measuring the evaporation pressure. By absorbing heat in the evaporator 66, cold water having a rated temperature is obtained.
  • a chilled water heat transfer tube 82 for cooling the chilled water supplied to the external load 3 is inserted in the evaporator 66. The chilled water flow rate is measured by the flow meter FL1, the chilled water outlet temperature is measured by the temperature sensor Tout, and the chilled water inlet temperature is measured by Tin.
  • a hot gas bypass tube 76 is provided between the gas phase portion of the condenser 62 and the gas phase portion of the evaporator 66.
  • a hot gas bypass valve 78 is provided to control the flow rate of the refrigerant flowing in the hot gas bypass pipe 76.
  • By adjusting the hot gas bypass flow rate with the hot gas bypass valve 78 it is possible to control the capacity in a very small area where the control is not sufficient in the IGV79. That is, to prevent the temperature (pressure) of the evaporator 66 from dropping too much or the liquid refrigerant from being sucked into the compressor 60 when the load is small (such as when there is nothing to cool), and to stabilize the refrigerating circuit. Can be done.
  • the abnormality detection system 50 detects an abnormality in the refrigerator.
  • an abnormality determination is performed using a model (pseudo-refrigerator model) in which the normal operating state of the refrigerator can be estimated.
  • a model pseudo-refrigerator model
  • a mathematical model a mathematical model in which an objective variable is represented by an explanatory variable and a coefficient
  • the model is not limited to a mathematical model.
  • FIG. 3 is a diagram showing an example of the hardware configuration of the abnormality detection system 50 according to the present embodiment.
  • the abnormality detection system 50 is a computer system (computer system), for example, a CPU 111, a ROM (Read Only Memory) 112 for storing a program executed by the CPU 111, and execution of each program. It includes a RAM (Random Access Memory) 113 that functions as a work area at the time, a hard disk drive (HDD) 114 as a large-capacity storage device, and a communication unit 115 for connecting to a network or the like. As the large-capacity storage device, a solid state drive (SSD) may be used. Each of these parts is connected via a bus 118.
  • a bus 118 for example, a bus 118.
  • the abnormality detection system 50 may include an input unit including a keyboard, a mouse, and the like, a display unit including a liquid crystal display device for displaying data, and the like.
  • the storage medium for storing the program or the like executed by the CPU 111 is not limited to the ROM 112.
  • it may be another auxiliary storage device such as a magnetic disk, a magneto-optical disk, or a semiconductor memory.
  • a series of processing processes for realizing various functions described later is recorded in a hard disk drive 114 or the like in the form of a program, and the CPU 111 reads this program into the RAM 113 or the like to execute information processing / arithmetic processing.
  • the program may be installed in ROM 112 or other storage medium in advance, provided in a state of being stored in a computer-readable storage medium, or distributed via a wired or wireless communication means. May be applied.
  • the computer-readable storage medium is a magnetic disk, a magneto-optical disk, a CD-ROM, a DVD-ROM, a semiconductor memory, or the like.
  • FIG. 4 is a functional block diagram showing the functions of the abnormality detection system 50.
  • the abnormality detection system 50 includes an acquisition unit 51, a mode specifying unit 52, a creation unit 53, a determination unit 54, and an abnormality detection unit 55.
  • the acquisition unit 51 acquires the operation data of the refrigerator.
  • the operation data is a value of a predetermined parameter representing the operating state of the refrigerator. Therefore, a measuring instrument or the like is installed in advance in the refrigerator so that predetermined operation data can be acquired. As long as it indicates the operating state, it is possible to use not only the measured value but also the command value for the refrigerator.
  • the operation data includes, for example, opening information of each valve, evaporation saturation temperature, chilled water outlet temperature, evaporator pressure (evaporation pressure), intermediate cooler pressure (intermediate pressure), condenser pressure (condensed refrigerant pressure), refrigerator. Load factor, etc.
  • the operation data is appropriately selected according to the configuration of the refrigerator, the model of the refrigerator described later, and the like, and is not limited to the above.
  • a plurality of operation modes are set in advance in the mode specifying unit 52, and the operation mode of the refrigerator is specified based on the operation data.
  • the operation mode is a mode in which the operation state of the refrigerator is divided into a plurality of states.
  • the operation mode can be an Inactive state, an Idle state, a Low Load state, an Active state, and a High Load state.
  • the operating state at least two of the Inactive state, the Idle state, the Low Load state, the Active state, and the High Load state may be used. That is, a plurality of operation modes are preset, and one operation mode is selected based on the operation data.
  • the Inactive state is a stopped state. That is, the Inactive state is a state in which the refrigerator is not operating and is stopped.
  • the idle state is an idling state. That is, the idle state is a state in which the compressor 60 is not operating due to a light load. In other words, the idle state is a standby state for operation.
  • the refrigerator In the Low Load state, the refrigerator is operating (the compressor 60 is operating), and a hot gas bypass valve 78 that bypasses a part of the gas compressed by the compressor 60 to the inlet side of the compressor 60. Is in an open state. That is, the Low Load state is a state in which the refrigerator is operating but the load state is low and the hot gas bypass valve 78 is open.
  • the active state is a state in which the refrigerator is operating and the hot gas bypass valve 78 is closed. That is, the active state is a state in which the hot gas bypass valve 78 is closed because the refrigerator is operating and the load state is not low.
  • the High Load state is a state in which the refrigerator is operating, the hot gas bypass valve 78 is closed, and the target temperature of the cold water output from the refrigerator is higher than 0 ° C. That is, the High Load state is a case where the hot gas bypass valve 78 is closed because the refrigerator is operating and the load state is not low, and the target temperature of the cold water output from the refrigerator is from 0 ° C. It is in a big state.
  • the High Load state is an operating state peculiar to the brine machine. When brine is used as the heat medium, the target temperature of cold water can be set to 0 ° C. or lower. Therefore, in the brine machine, a two-point specification can be adopted.
  • two target temperatures are set and can be switched. For example, two target temperatures of ⁇ 5 ° C. and 7 ° C. are set. Then, during normal operation, the operation is performed with the target temperature set to ⁇ 5 ° C., but when the load increases, the target temperature is switched to 7 ° C. for operation. That is, the High Load state is an operating state peculiar to the brine machine.
  • the mode specifying unit 52 specifies an operation mode corresponding to the current operating state of the refrigerator based on the operation data. Since the operation data is data representing the current operating state of the refrigerator, the corresponding operation mode can be specified. In specifying the operation mode, the operation mode may be discriminated from the acquired operation data, or a predetermined state quantity (value that can discriminate the operation mode) based on the acquired operation data so that the discrimination can be easily performed. May be calculated and the operation mode may be determined based on the state quantity.
  • the specified operation mode is output to the creation unit 53.
  • the operation mode may be classified based on the load state.
  • the operation mode is a stop state, an idling state, a low load state in which the load state is less than the first predetermined value, and a first predetermined value in which the load state is equal to or higher than the first predetermined value and is set to a value larger than the first predetermined value.
  • An operating state of less than a predetermined value and a high load state (overload state) in which the load state is equal to or higher than the second predetermined value may be set.
  • the operation mode is set in this way, at least any two of them may be used. That is, a plurality of operation modes are preset, and one operation mode is selected based on the operation data.
  • the creation unit 53 creates a model capable of estimating a predetermined operation state of the refrigerator based on the operation data.
  • the already learned operation data (hereinafter referred to as "learned data") is acquired corresponding to the specified operation mode.
  • the trained data is data that has already been trained (reflected in the model) in the model corresponding to each operation mode, and is stored for each operation mode.
  • the creating unit 53 acquires the learned data corresponding to the specified operation mode and compares it with the newly acquired operation data.
  • a learning target range is set in the model.
  • the learning target range is the range of driving data used for learning the model.
  • the learning target range is divided into predetermined small areas (for example, 50 areas). For example, the learning target range is equally divided by the set number of set full scales.
  • a predetermined number for example, 20
  • the trained data used for learning the model is counted as the number of data in the corresponding small area, and when the number of trained data in the small area reaches a predetermined number, the small area becomes the trained area.
  • a small area in which the number of learned data does not reach a predetermined number is an unlearned area.
  • the creation unit 53 acquires the learned data corresponding to the operation mode, and determines whether or not there is an unlearned area in the operation mode. Then, when there is an unlearned area, it is determined whether or not the newly acquired operation data is the data corresponding to the unlearned area.
  • the newly acquired driving data corresponds to the unlearned area, it is determined whether or not the newly acquired driving data is the first learning. That is, it is determined whether or not the newly acquired data does not match the learned data in the unlearned area. As a result, it is determined that the newly acquired data is data that has not yet been reflected in the model in the current operation mode.
  • the creation unit 53 creates (updates) the model corresponding to the specified operation mode.
  • the determination unit 54 compares the estimated value of the operating state estimated by the model with the actually measured value corresponding to the operating state, and determines whether or not the operation data is an outlier.
  • the estimated and measured values correspond to the same parameters.
  • the determination unit 54 determines whether or not the operation data is an outlier based on the error between the estimated value and the measured value and the permissible error range.
  • FIG. 5 is a diagram showing an example of a margin of error.
  • the vertical axis is the measured value (sensor value) and the horizontal axis is the estimated value (model predicted value), and the permissible error range is set in the plane region with the measured value and the estimated value as each axis. Since the vertical axis is the measured value and the horizontal axis is the estimated value, if the measured value and the estimated value match, the measured value and the estimated value are placed on a 45 ° inclined line (L1 in FIG. 5) on the plane. The point where is combined is located.
  • the scale factor error (tilt error) and the bias error (section error) are taken into consideration so as to include a 45 ° tilt line (L1 in FIG. 5).
  • the margin of error is set. That is, the margin of error is set based on the measurement error of the measured value.
  • the determination unit 54 determines whether or not the point on the plane represented by the estimated value and the measured value is within the permissible error range. If the points on the plane represented by the estimated and measured values are not within the margin of error, it is highly possible that the newly acquired operation data reflected in the model does not indicate the normal operating state.
  • the operation data is set as an outlier (outlier value). For example, when the measuring instrument for acquiring the operation data is out of order, or when the operation state of the refrigerator is in an abnormal state, the operation data becomes an outlier.
  • the model may not be able to show the operation state of the refrigerator in the normal state. Therefore, if the operation data is an outlier, an abnormality judgment is made using a model that does not reflect the newly acquired operation data (a model that has already been created), and if the operation data does not become an outlier, it is determined. , Perform an abnormality judgment using a model that reflects the newly acquired operation data.
  • the abnormality detection unit 55 detects the abnormality of the refrigerator based on the model (the model reflecting the operation data). The abnormality detection unit 55 detects an abnormality in the refrigerator based on the model corresponding to the specified operation mode.
  • the abnormality detection unit 55 calculates the deviation between the operating state estimated by the model and the measured value of the operating state, and detects the abnormality. For example, when the deviation is equal to or greater than the threshold value, it is determined that an abnormality has occurred in the refrigerator. Anomaly detection may be performed based on the degree of abnormality (indicating how abnormal it is and the abnormal value) based on the operating state estimated by the model and the measured value of the operating state. If it is possible to estimate multiple operating states using the model, calculate the abnormal values corresponding to each operating state, and perform anomaly detection comprehensively (for example, by calculating the total of the abnormal values). May be.
  • FIG. 6 is a flowchart showing an example of the procedure for abnormality detection processing according to the present embodiment.
  • the flow shown in FIG. 6 is repeatedly executed at a predetermined control cycle, for example, when the monitoring of the refrigerator is started.
  • the state quantity is calculated based on the operation data (S102).
  • the state quantity is a value that can discriminate the operation mode calculated based on the operation data, and S102 may be omitted if the operation mode can be discriminated by using the operation data as it is.
  • the operation mode is specified (S103).
  • S103 among a plurality of preset operation modes (Inactive state, Idle state, Low Load state, Active state, and High Load state), an operation mode corresponding to the current operation state of the refrigerator is specified.
  • the trained data corresponding to the specified operation mode is acquired (S104).
  • the operation data reflected in the model is stored as trained data for each operation mode, and when the operation mode is specified, the corresponding trained data is acquired.
  • the trained model acquired in S106 is a model created at the time of the previous execution of the flow of FIG. 6, and the newly acquired operation data is not reflected.
  • the trained model is acquired (S108).
  • a model is created by reflecting the newly acquired operation data (S109). That is, in S109, the model corresponding to the operation mode is updated based on the newly acquired operation data.
  • the estimated value of the operating state estimated by the model is compared with the measured value corresponding to the operating state, and it is determined whether or not the newly acquired operation data is an outlier (S110). If the newly acquired operation data is an outlier (YES determination in S110), S106 is executed.
  • the abnormality detection for example, the abnormality may be detected based on the degree of abnormality (indicating how abnormal the abnormality is and the abnormal value) based on the operating state estimated by the model and the measured value of the operating state. If it is possible to estimate multiple operating states using the model, calculate the abnormal values corresponding to each operating state, and perform anomaly detection comprehensively (for example, by calculating the total of the abnormal values). May be.
  • abnormality detection is performed corresponding to the operation mode. It is possible to detect anomalies using a model that does not reflect outlier operation data.
  • FIGS. 7 and 8 are flowcharts showing an example of the procedure of the operation mode specifying process according to the present embodiment.
  • the flow shown in FIGS. 7 and 8 is started, for example, when S103 is executed.
  • FIG. 8 shows the continuation of the flow of FIG. It is assumed that the operation data includes the information necessary for executing the flow of FIG. 7.
  • the minor failure flag F1 is set to 1 by the minor failure determination process.
  • the opening degree HGBP of the hot gas bypass valve 78 is fully open and the opening degree EX1 of the low pressure expansion valve 65. Is fully open, and it is determined whether or not the opening degree EX2 of the high pressure expansion valve 64 is fully open (S204). If the determination is YES in S204, it is determined whether or not the mode continuation time series number C1 is equal to or greater than the threshold value CT1 (S205).
  • the mode continuation time series number C1 is a counting value of how continuous the same operation mode is.
  • the number of mode continuation time series C2 to C5, which will be described later, is the same as that of C1.
  • S205 is executed again. That is, the number of mode continuation time series C1 increases with the passage of time, and S205 is executed until a YES determination is made.
  • the evaporator pressure (E pp ) is larger than 0, the intercooler pressure (M pp ) is larger than 0, and the condenser pressure (C pp ) is larger than 0. Whether or not it is determined (S207). If the determination in S207 is YES, it is assumed that the operation is a transition operation (S208), and the process is terminated. When the process is terminated, the process after S104 is not executed.
  • the transition operation is a state in which the operation mode is being changed to one of the operation modes.
  • S207 is a NO determination, it is considered that the data is missing (S209), and the process is terminated.
  • the process after S104 is not executed.
  • Data loss is a condition in which the required operating data may be empty.
  • the opening degree HGBP of the hot gas bypass valve 78 is fully open and the low pressure expansion valve. It is determined whether or not the opening degree EX1 of 65 is fully open and the opening degree EX2 of the high pressure expansion valve 64 is fully open (S210). If the determination is YES in S210, it is determined whether or not the mode continuation time series number C2 is equal to or greater than the threshold value CT2 (S211). In the YES determination of S210, it is estimated that the compressor 60 is in a non-moving state, and it can be determined that there is a possibility of an idle state. The method for specifying the idle state is not limited to the determination of S210, and other methods may be adopted.
  • S211 is executed again. That is, the number of mode continuation time series C2 increases with the passage of time, and S211 is executed until a YES determination is made.
  • the opening degree HGBP of the hot gas bypass valve 78 is not fully opened, the opening degree EX1 of the low pressure expansion valve 65 is not fully opened, and the opening degree EX2 of the high pressure expansion valve 64 is not fully opened. It is determined whether or not it is not fully open (S213). If the determination is NO in S213, it is assumed that the operation is a transition operation (S214), and the process is terminated. When the process is terminated, the process after S104 is not executed.
  • the operation mode is specified as the Low Load state (S217), and S104 is executed.
  • S216 is executed again. That is, the number of mode continuation time series C3 increases with the passage of time, and S216 is executed until a YES determination is made.
  • the type B of the cold water medium is not water, and the set cold water outlet temperature (target temperature of cold water) E to is set. It is determined whether or not the temperature is higher than 0 ° C. (S218). When the determination is NO in S218, it is determined whether or not the mode continuation time series number C4 is equal to or higher than the threshold value CT4 (S219).
  • the operation mode is specified as the active state (S220), and S104 is executed.
  • S219 is executed again. That is, the number of mode continuation time series C4 increases with the passage of time, and S219 is executed until a YES determination is made.
  • the operation mode is specified as the High Load state (S222), and S104 is executed.
  • mode continuation time series number C5 is not equal to or higher than the threshold value CT5 (NO determination in S221), S221 is executed again. That is, the number of mode continuation time series C5 increases with the passage of time, and S221 is executed until a YES determination is made.
  • the operation mode is specified.
  • the above flow shows a case where the operation mode is specified based on the opening degree information of the valve provided in the refrigerator, but the flow is not limited to the above flow as long as each operation mode can be discriminated.
  • the model is a pseudo model that can estimate the predetermined operating state of the refrigerator. Therefore, various models can be adopted according to the operating state of the target of abnormality detection.
  • the model method it is possible to use a model of various expression formats such as a mathematical model if a predetermined operating state of the refrigerator can be estimated.
  • the refrigerator model is represented by a mathematical model using explanatory variables, objective variables, and coefficients. Specifically, assuming that the evaporator pressure is the operating state (objective variable) to be estimated, the model corresponding to the operating mode in the Inactive state is expressed by the following equation (1).
  • E pp is the evaporator pressure
  • M pp is the intercooler pressure
  • C pp is the condenser pressure
  • p 0 ′ and p 1 ′ are coefficients, respectively. That is, in the equation (1), the coefficients p 0 ′ and p 1 ′ are recursively determined (fitted ) with E pp , M pp , and C pp as the operation data, so that the operation data can be obtained.
  • An adaptive model is generated. Then, when M pp and C pp are input, the evaporator pressure can be estimated as E pp.
  • TT E is the evaporation saturation temperature
  • E to is the chilled water outlet temperature
  • L is the refrigerator load factor
  • f (TT E ) is saturated from the evaporation saturation temperature. It is a function to find the evaporation pressure. Then, p 0 , p 1 , p 2 , and p 3 are coefficients, respectively.
  • Equations (1) to (3) show an example of a model, and the model in this embodiment is not limited to the above.
  • processing is performed corresponding to each operation mode, but it is also possible to create a model and perform processing (for example, outlier determination) without discriminating the operation mode.
  • the abnormality detection method, and the abnormality detection program when the operation data acquired from the refrigerator is unlearned data, the operation data is used. Create a model based on it. Then, the estimated value of the operating state using the created model is compared with the actually measured value, and it is determined whether or not the operating data used for creating the model is an outlier (abnormal value). Then, when it is determined that the operation data is not an outlier, the created model detects an abnormality in the refrigerator. As a result, when unlearned operation data is acquired, it can be determined whether or not the operation data is an outlier, and abnormality detection can be performed using a model based on the operation data that is not an outlier. Therefore, the accuracy of abnormality detection can be improved.
  • the operation mode of the refrigerator is specified based on the operation data, and a model is created corresponding to the specified operation mode and used for abnormality detection. Therefore, it is possible to improve the accuracy of abnormality detection.
  • the abnormality detection system (50) includes an acquisition unit (51) for acquiring operation data of the target device, and when the operation data is unlearned data, the target device is based on the operation data.
  • the operation data is obtained by comparing the estimated value of the operating state estimated by the model with the measured value corresponding to the operating state by the creating unit (53) that creates a model capable of estimating a predetermined operating state.
  • the abnormality detection system (50) when the operation data acquired from the target device is unlearned data, a model is created based on the operation data. Then, the estimated value of the operating state using the created model is compared with the actually measured value, and it is determined whether or not the operating data used for creating the model is an outlier (abnormal value). Then, when it is determined that the operation data is not an outlier, the created model detects the abnormality of the target device. As a result, when unlearned operation data is acquired, it can be determined whether or not the operation data is an outlier, and abnormality detection can be performed using a model based on the operation data that is not an outlier. Therefore, the accuracy of abnormality detection can be improved.
  • the determination unit (54) determines whether or not the operation data is an outlier based on the error between the estimated value and the measured value and the margin of error. You may do it.
  • abnormality detection system (50) it is possible to determine whether or not the operation data is an outlier based on the error between the estimated value and the actually measured value.
  • the margin of error may be set based on the measurement error of the measured value.
  • the margin of error is set based on the measurement error of the measured value, so that the outlier determination process can be performed more effectively.
  • the abnormality detection system (50) is provided with a mode specifying unit (52) in which a plurality of operation modes are set in advance and which specifies the operation mode of the target device based on the operation data.
  • the unit (53) creates the model corresponding to the specified operation mode, and the abnormality detection unit (55) creates the model based on the model created corresponding to the specified operation mode. It may be possible to detect an abnormality in the target device.
  • the operation mode of the target device is specified based on the operation data, a model is created corresponding to the specified operation mode, and the model is used for abnormality detection. Therefore, it is possible to improve the accuracy of abnormality detection.
  • the operation mode is a stopped state, an idling state, a low load state in which the load state is less than the first predetermined value, and the load state is the first predetermined value or more. It may be at least two of an operating state which is set to a value larger than the first predetermined value and is less than the second predetermined value, and a high load state where the load state is equal to or more than the second predetermined value.
  • the abnormality detection system (50) at least one of a stopped state, an idling state, a low load state, an operating state, and a high load state is set as the operation mode, so that the load state can be dealt with. And the operation mode can be classified. That is, a plurality of operation modes are preset, and one operation mode is selected based on the operation data.
  • the target device is a refrigerator using brine as a heat medium
  • the operation mode is a stopped state, an idling state
  • the refrigerator is operating, and compression is performed.
  • the refrigerator is operating and the hot is in a state where the hot gas bypass valve (78) that bypasses a part of the gas compressed by the machine (60) to the inlet side of the compressor (60) is open.
  • the gas bypass valve (78) is closed, the refrigerator is operating, the hot gas bypass valve (78) is closed, and the target temperature of the cold water output from the refrigerator is targeted. May be at least one of two states having a temperature greater than 0 ° C.
  • the operation modes are the stopped state, the idling state, the refrigerator is operating, the hot gas bypass valve (78) is open, and the refrigerator is.
  • the refrigerator includes a compressor (60), a condenser (62) that condenses the refrigerant compressed by the compressor (60), an expansion valve that expands the condensed refrigerant, and an expanded refrigerant.
  • a compressor 60
  • a condenser (62) that condenses the refrigerant compressed by the compressor (60)
  • an expansion valve that expands the condensed refrigerant
  • an expanded refrigerant Is provided with an evaporator (66) for evaporating the cold water and cooling the cold water, and the above-mentioned abnormality detection system (50).
  • the abnormality detection method can estimate a predetermined operating state of the target device based on the process of acquiring the operation data of the target device and the operation data when the operation data is unlearned data.
  • a step of creating a model a step of comparing an estimated value of the operating state estimated by the model with an actually measured value corresponding to the operating state, and a step of determining whether or not the operating data is an outlier. It has a step of detecting an abnormality of the target device based on the model when it is determined that the operation data is not an outlier.
  • the abnormality detection program can estimate a predetermined operating state of the target device based on the process of acquiring the operation data of the target device and the operation data when the operation data is unlearned data.
  • the process of creating a model the process of comparing the estimated value of the operating state estimated by the model with the measured value corresponding to the operating state, and the process of determining whether or not the operating data is an outlier.
  • the computer is made to execute a process of detecting an abnormality of the target device based on the model.
  • Heat source system 3 External load 11-13: Turbo chiller (refrigerator) 21-23: Cold water pump 31: Supply header 32: Return header 33: Bypass pipe 34: Bypass valve 50: Abnormality detection system 51: Acquisition unit 52: Mode identification unit 53: Creation unit 54: Judgment unit 55: Abnormality detection unit 60 : Compressor 62: Condenser 63: Subcooler 64: High-pressure expansion valve (expansion valve) 65: Low pressure expansion valve (expansion valve) 66: Evaporator 67: Intercooler 70: Inverter 72: Electric motor 74: Control panel 76: Hot gas bypass pipe 78: Hot gas bypass valve 79: Inlet guide vane (IGV) 80: Cooling heat transfer tube 82: Cold water heat transfer tube 111: CPU 112: ROM 113: RAM 114: Hard disk drive 115: Communication unit 118: Bus

Abstract

異常検知の精度を向上させることのできる異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラムを提供することを目的とする。異常検知システムは、冷凍機（１１）の運転データを取得する取得部と、運転データが未学習データである場合に、運転データに基づいて、冷凍機（１１）の所定の運転状態を推定可能なモデルを作成する作成部と、モデルにより推定した運転状態の推定値と、運転状態に対応する実測値とを比較して、運転データが外れ値か否かを判定する判定部と、運転データが外れ値でないと判定された場合に、モデルに基づいて、冷凍機（１１）の異常検知を行う異常検知部とを備える。

Description

異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム
　本開示は、異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラムに関するものである。
　熱源システムでは冷凍機が用いられている（例えば特許文献１）。冷凍機において異常が発生すると他設備へ影響を及ぼす可能性があるため、運転状態の監視が行われている。
特許第５２４４４２０号公報
　冷凍機の異常検知のためにモデル（疑似冷凍機モデル）を用いる場合には、冷凍機の正常な運転状態に基づいてモデル作成を行う必要がある。作成されたモデルが、冷凍機の正常な運転状態でない運転データに基づいてしまう場合には、モデルの再現精度が低下し、異常検知を正確に行うことができない可能性がある。前述のようなモデルによる異常検知精度の低下は、冷凍機に限定されず起こり得る。
　本開示は、このような事情に鑑みてなされたものであって、異常検知の精度を向上させることのできる異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラムを提供することを目的とする。
　本開示の第１態様は、対象機器の運転データを取得する取得部と、前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する作成部と、前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する判定部と、前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う異常検知部と、を備える異常検知システムである。
　本開示の第２態様は、対象機器の運転データを取得する工程と、前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する工程と、前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する工程と、前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う工程と、を有する異常検知方法である。
　本開示の第３態様は、対象機器の運転データを取得する処理と、前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する処理と、前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する処理と、前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う処理と、をコンピュータに実行させるための異常検知プログラムである。
　本開示によれば、異常検知の精度を向上させることができるという効果を奏する。
本開示の一実施形態に係る熱源システムの概略構成を示す図である。 本開示の一実施形態に係るターボ冷凍機の具体的構成を示す図である。 本開示の一実施形態に係る異常検知システムのハードウェア構成の一例を示した図である。 本開示の一実施形態に係る異常検知システムが備える機能を示した機能ブロック図である。 本開示の一実施形態に係る許容誤差範囲の例を示す図である。 本開示の一実施形態に係る異常検知処理のフローチャートを示した図である。 本開示の一実施形態に係る運転モード特定処理のフローチャートを示した図である。 本開示の一実施形態に係る運転モード特定処理のフローチャートを示した図である。
　以下に、本開示に係る異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラムの一実施形態について、図面を参照して説明する。本実施形態では、異常検知の対象機器として冷凍機を一例として説明するが、対象機器については冷凍機に限定されず様々な機器を対象とすることが可能である。例えば、発電機等の機器に対しても適用することが可能である。
　図１は、本開示の一実施形態に係る熱源システム１の概略構成を示す図である。熱源システム１は、例えばビルや工場設備に設置される。熱源システム１は、空調機やファンコイル等の外部負荷３に供給する冷水に対して冷熱を与えるターボ冷凍機１１、ターボ冷凍機１２、ターボ冷凍機１３を備えている。ターボ冷凍機１１、ターボ冷凍機１２、ターボ冷凍機１３は、外部負荷３に対して並列に設置されている。ターボ冷凍機の設置数は３台に限定されない。
　冷水流れからみた各ターボ冷凍機１１，１２，１３の上流側には、それぞれ、冷水を圧送する冷水ポンプ２１、冷水ポンプ２２、冷水ポンプ２３が設置されている。冷水ポンプ２１、冷水ポンプ２２、冷水ポンプ２３によって、リターンヘッダ３２からの冷水が各ターボ冷凍機１１，１２，１３へと送られる。
　サプライヘッダ３１には、各ターボ冷凍機１１，１２，１３において得られた冷水が集められるようになっている。サプライヘッダ３１に集められた冷水は、外部負荷３に供給される。外部負荷３にて空調等に供されて昇温した冷水は、リターンヘッダ３２に送られる。冷水は、リターンヘッダ３２において分岐され、各ターボ冷凍機１１，１２，１３に送られる。
　サプライヘッダ３１とリターンヘッダ３２との間には、バイパス弁３４を有するバイパス管３３が設けられている。
　本開示の手法は、ターボ冷凍機のサイクルに依らず適用可能である。ターボ冷凍機の一例として、２段圧縮２段膨張サブクールサイクルの構成を図２に示す。図２は、ターボ冷凍機１１、１２、１３の具体的構成の一例を示す図である。図２では、ターボ冷凍機１１の具体的構成を示しているが、ターボ冷凍機１２やターボ冷凍機１３についても同様の構成である。熱媒としては不凍液（ブライン）が用いられている場合について説明するが、熱媒としてはブラインに限定されない。図２の構成は一例であり、冷凍機であれば他の構成を適用することも可能である。そして、ターボ冷凍機には、後述する異常検知システム５０が適用される。
　図２におけるターボ冷凍機１１は、２段圧縮２段膨張サブクールサイクルの構成となっている。図２に示す構成は一例であり他の構成を採用することもできる。すなわち、図２の構成に限定されない。ターボ冷凍機１１は、冷媒を圧縮する圧縮機６０と、圧縮機６０によって圧縮された高温高圧のガス冷媒を凝縮する凝縮器６２と、凝縮器６２にて凝縮された液冷媒に対して過冷却を与えるサブクーラ６３と、サブクーラ６３からの液冷媒を膨張させる高圧膨張弁（膨張弁）６４と、高圧膨張弁６４に接続されるとともに圧縮機６０の中間段および低圧膨張弁（膨張弁）６５に接続される中間冷却器６７と、低圧膨張弁６５によって膨張させられた液冷媒を蒸発させる蒸発器６６とを備えている。
　圧縮機６０は、遠心式の２段圧縮機であり、インバータ７０によって回転数制御された電動モータ７２によって駆動されている。インバータ７０は、制御盤７４によってその出力が制御されている。圧縮機６０の冷媒吸入口には、吸入冷媒流量を制御するインレットガイドベーン（以下「ＩＧＶ」という。）７９が設けられており、ターボ冷凍機１１の容量制御が可能となっている。
　凝縮器６２には、凝縮冷媒圧力を計測するための凝縮冷媒圧力センサＰＣが設けられている。
　サブクーラ６３は、凝縮器６２の冷媒流れ下流側に、凝縮された冷媒に対して過冷却を与えるように設けられている。サブクーラ６３の冷媒流れ下流側直後には、過冷却後の冷媒温度を計測する温度センサＴｓが設けられている。
　凝縮器６２及びサブクーラ６３には、これらを冷却するための冷却伝熱管８０が挿通されている。冷却水流量は流量計ＦＬ２により、冷却水出口温度は温度センサＴｃｏｕｔにより、冷却水入口温度は温度センサＴｃｉｎにより計測されるようになっている。冷却水は、図示しない冷却塔において外部へと排熱された後に、再び凝縮器６２及びサブクーラ６３へと導かれるようになっている。
　中間冷却器６７には、中間圧力を計測するための圧力センサＰＭが設けられている。
　蒸発器６６には、蒸発圧力を計測するための圧力センサＰＥが設けられている。蒸発器６６において吸熱されることによって定格温度の冷水が得られる。蒸発器６６には、外部負荷３へ供給される冷水を冷却するための冷水伝熱管８２が挿通されている。冷水流量は流量計ＦＬ１により、冷水出口温度は温度センサＴｏｕｔにより、冷水入口温度はＴｉｎにより計測されるようになっている。
　凝縮器６２の気相部と蒸発器６６の気相部との間には、ホットガスバイパス管７６が設けられている。そして、ホットガスバイパス管７６内を流れる冷媒の流量を制御するためのホットガスバイパス弁７８が設けられている。ホットガスバイパス弁７８によってホットガスバイパス流量を調整することにより、ＩＧＶ７９では制御が十分でない非常に小さな領域の容量制御が可能となっている。すなわち、負荷が小さいとき（冷やすものがないとき等）に蒸発器６６の温度（圧力）が下がりすぎたり、圧縮機６０に液冷媒が吸引されてしまうことを防ぎ、冷凍回路を安定化させることができる。
　異常検知システム５０は、冷凍機に対して異常検知を行う。後述するように、冷凍機の正常な運転状態が推定可能なモデル（疑似冷凍機モデル）を用いて異常判定を行う。本実施形態では、数式モデル（説明変数と係数とで目的変数が表される数式モデル）を用いる場合を説明するが、モデルは数式である場合に限定されない。
　図３は、本実施形態に係る異常検知システム５０のハードウェア構成の一例を示した図である。
　図３に示すように、異常検知システム５０は、コンピュータシステム（計算機システム）であり、例えば、ＣＰＵ１１１と、ＣＰＵ１１１が実行するプログラム等を記憶するためのＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１１２と、各プログラム実行時のワーク領域として機能するＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１１３と、大容量記憶装置としてのハードディスクドライブ（ＨＤＤ）１１４と、ネットワーク等に接続するための通信部１１５とを備えている。大容量記憶装置としては、ソリッドステートドライブ（ＳＳＤ）を用いることとしてもよい。これら各部は、バス１１８を介して接続されている。
　異常検知システム５０は、キーボードやマウス等からなる入力部や、データを表示する液晶表示装置等からなる表示部などを備えていてもよい。
　ＣＰＵ１１１が実行するプログラム等を記憶するための記憶媒体は、ＲＯＭ１１２に限られない。例えば、磁気ディスク、光磁気ディスク、半導体メモリ等の他の補助記憶装置であってもよい。
　後述の各種機能を実現するための一連の処理の過程は、プログラムの形式でハードディスクドライブ１１４等に記録されており、このプログラムをＣＰＵ１１１がＲＡＭ１１３等に読み出して、情報の加工・演算処理を実行することにより、後述の各種機能が実現される。プログラムは、ＲＯＭ１１２やその他の記憶媒体に予めインストールしておく形態や、コンピュータ読み取り可能な記憶媒体に記憶された状態で提供される形態、有線又は無線による通信手段を介して配信される形態等が適用されてもよい。コンピュータ読み取り可能な記憶媒体とは、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等である。
　図４は、異常検知システム５０が備える機能を示した機能ブロック図である。図４に示されるように、異常検知システム５０は、取得部５１と、モード特定部５２と、作成部５３と、判定部５４と、異常検知部５５とを備えている。
　取得部５１は、冷凍機の運転データを取得する。運転データとは、冷凍機の運転状態を表す所定のパラメータの値である。このため、冷凍機には、所定の運転データを取得可能なように、計測器等が予め設置されている。運転状態を示すものであれば、計測値だけでなく、冷凍機に対する指令値等を用いることも可能である。
　運転データは、例えば、各弁の開度情報や、蒸発飽和温度、冷水出口温度、蒸発器圧力（蒸発圧力）、中間冷却器圧力（中間圧力）、凝縮器圧力（凝縮冷媒圧力）、冷凍機負荷率等である。運転データは、冷凍機の構成や、後述する冷凍機のモデルなどに応じて適宜選定され、上記に限定されない。
　モード特定部５２は、予め複数の運転モードが設定されており、運転データに基づいて冷凍機の運転モードを特定する。運転モードとは、冷凍機に運転状態を複数の状態に区分したものである。
　例えば、運転モードは、Ｉｎａｃｔｉｖｅ状態、Ｉｄｌｅ状態、Ｌｏｗ　Ｌｏａｄ状態、Ａｃｔｉｖｅ状態、及びＨｉｇｈ　Ｌｏａｄ状態とすることができる。運転状態としては、Ｉｎａｃｔｉｖｅ状態、Ｉｄｌｅ状態、Ｌｏｗ　Ｌｏａｄ状態、Ａｃｔｉｖｅ状態、及びＨｉｇｈ　Ｌｏａｄ状態の少なくともいずれか２つを用いることとしてもよい。すなわち、複数の運転モードが予め設定されており、運転データに基づいて１つの運転モードが選択される。
　Ｉｎａｃｔｉｖｅ状態とは、停止状態である。すなわち、Ｉｎａｃｔｉｖｅ状態は、冷凍機が運転しておらず停止している状態である。
　Ｉｄｌｅ状態とは、アイドリング状態である。すなわち、Ｉｄｌｅ状態は、軽負荷のため圧縮機６０が動いていない状態である。換言すると、Ｉｄｌｅ状態は、稼働のための待機状態である。
　Ｌｏｗ　Ｌｏａｄ状態とは、冷凍機は運転しており（圧縮機６０が動作しており）、圧縮機６０で圧縮されたガスの一部を圧縮機６０の入口側へバイパスするホットガスバイパス弁７８が開となっている状態である。すなわち、Ｌｏｗ　Ｌｏａｄ状態は、冷凍機が運転しているものの負荷状態が低く、ホットガスバイパス弁７８が開となっている場合の状態である。
　Ａｃｔｉｖｅ状態とは、冷凍機は運転しておりホットガスバイパス弁７８が閉となっている状態である。すなわち、Ａｃｔｉｖｅ状態は、冷凍機が運転しており負荷状態が低くないため、ホットガスバイパス弁７８が閉となっている場合の状態である。
　Ｈｉｇｈ　Ｌｏａｄ状態とは、冷凍機は運転しており、ホットガスバイパス弁７８が閉となっており、冷凍機から出力される冷水の目標温度が０℃より大きい状態である。すなわち、Ｈｉｇｈ　Ｌｏａｄ状態は、冷凍機が運転しており負荷状態が低くないため、ホットガスバイパス弁７８が閉となっている場合であり、冷凍機から出力される冷水の目標温度が０℃より大きい状態である。特にＨｉｇｈ　Ｌｏａｄ状態は、ブライン機特有の運転状態である。熱媒としてブラインを用いる場合には、冷水の目標温度を０℃以下に設定することができる。このため、ブライン機では、２点仕様を採用することができる。２点仕様では、目標温度が２つ設定されており切り替え可能とされる。例えば、目標温度が－５℃と７℃の２点設定される。そして、通常運転時では目標温度を－５℃として運転を行うが、負荷が増加した場合に目標温度を７℃へ切り替えて運転を行う。すなわち、Ｈｉｇｈ　Ｌｏａｄ状態は、ブライン機特有の運転状態である。
　このように複数の運転モードが設定されており、モード特定部５２は、運転データに基づいて、冷凍機の現在の運転状態に対応する運転モードを特定する。運転データは、冷凍機の現在の運転状態を表すデータであるため、対応する運転モードを特定することができる。運転モードの特定にあたっては、取得した運転データから運転モードの判別を行うこととしてもよいし、判別がしやすいように取得した運転データに基づいて所定の状態量（運転モードが判別可能な値）を算出し、状態量に基づいて運転モードの判別を行うこととしてもよい。
　運転モードの特定方法の具体例については後述する。運転モードが特定されると、特定された運転モードは、作成部５３へ出力される。
　運転モードは、負荷状態に基づいて区分けすることとしてもよい。例えば、運転モードは、停止状態、アイドリング状態、負荷状態が第１所定値未満である低負荷状態、負荷状態が第１所定値以上であり、第１所定値よりも大きな値に設定された第２所定値未満である運転状態、及び負荷状態が第２所定値以上である高負荷状態（過負荷状態）としてもよい。このように運転モードが設定された場合に、少なくともいずれか２つを用いることとしてもよい。すなわち、複数の運転モードが予め設定されており、運転データに基づいて１つの運転モードが選択される。
　作成部５３は、取得した運転データが未学習データである場合に、運転データに基づいて、冷凍機の所定の運転状態を推定可能なモデルを作成する。具体的には、特定された運転モードに対応して、すでに学習済の運転データ（以下、「学習済データ」という）を取得する。学習済データは、各運転モードに対応したモデルにおいて既に学習が行われた（モデルへの反映が完了した）データであり、運転モード毎に保存されている。
　このため、作成部５３では、特定された運転モードに対応する学習済データを取得し、新たに取得した運転データとの比較を行う。モデルには、学習対象範囲が設定されている。学習対象範囲とは、モデルの学習に用いる運転データの範囲である。そして、学習対象範囲は、所定の小領域に分割されている（例えば、５０領域）。例えば、学習対象範囲は、設定したフルスケールを設定個数で等分割される。そして、各小領域に所定個数（例えば２０個）のデータが入ることが可能とされる。すなわち、モデルの学習に用いた学習済データは対応する小領域のデータ数としてカウントされ、小領域の学習済データ数が所定個数に達すると、該小領域は学習済領域となる。学習済データ数が所定個数に達していない小領域は、未学習領域となる。
　作成部５３は、運転モードに対応する学習済データを取得し、該運転モードにおいて未学習領域があるか否かを判定する。そして、未学習領域がある場合に、新たに取得した運転データが、未学習領域に対応したデータであるか否かを判定する。
　新たに取得した運転データが未学習領域に対応したデータである場合には、新たに取得した運転データが初回学習であるか否かを判定する。すなわち、新たに取得したデータが、未学習領域の学習済データとが一致していないか否かが判定される。これにより、新たに取得したデータが、現在の運転モードにおいて、まだモデルに反映されていないデータであることが判定される。
　そして、新たに取得した運転データが初回学習である場合には、該運転データを、モデルに反映（フィッティング）させる。このようにして、作成部５３は、特定された運転モードに対応してモデルを作成（更新）する。
　作成部５３においてモデルが作成（更新）されると、判定部５４における処理が行われる。
　判定部５４は、モデルにより推定した運転状態の推定値と、運転状態に対応する実測値とを比較して、運転データが外れ値か否かを判定する。推定値及び実測値は、等しいパラメータに対応した値となる。
　具体的には、判定部５４は、推定値及び実測値の誤差と、許容誤差範囲とに基づいて、運転データが外れ値か否かを判定する。図５は、許容誤差範囲の例を示す図である。図５では、縦軸を実測値（センサー値）とし、横軸を推定値（モデル予測値）としており、実測値及び推定値を各軸とする平面領域において許容誤差範囲が設定されている。縦軸を実測値とし横軸を推定値としているため、実測値と推定値が一致する場合には、平面上において４５°傾斜の線（図５のＬ１）上に、実測値と推定値とを組合せた点が位置する。しかしながら、計測器等には計測誤差があるため、スケールファクタ誤差（傾き誤差）とバイアス誤差（切片の誤差）を加味して、て４５°傾斜の線（図５のＬ１）を含むように、許容誤差範囲が設定される。すなわち、許容誤差範囲は、実測値の計測誤差に基づいて設定される。
　このように、判定部５４は、推定値及び実測値により表される平面上の点が、許容誤差範囲内であるか否かを判定する。推定値及び実測値により表される平面上の点が、許容誤差範囲内でない場合には、モデルに反映した新しく取得した運転データが正常状態の運転状態を示すものではない可能性が高いため、該運転データを外れ値（異常値）とする。例えば、運転データの取得のための計測器が故障している場合や、冷凍機の運転状態が異常状態となっている場合に、運転データが外れ値となる。
　運転データが外れ値となる場合には、該運転データをモデルに反映すると、モデルが正常状態における冷凍機の運転状態を示すことができない場合がある。このため、運転データが外れ値となる場合には、新しく取得した運転データを反映していないモデル（既に作成済のモデル）を用いて異常判定を行い、運転データが外れ値とならない場合には、新しく取得した運転データを反映したモデルを用いて異常判定を行う。
　異常検知部５５は、運転データが外れ値でないと判定された場合に、モデル（該運転データを反映したモデル）に基づいて、冷凍機の異常検知を行う。異常検知部５５は、特定された運転モードに対応したモデルに基づいて、冷凍機の異常検知を行う。
　異常検知部５５では、モデルにより推定した運転状態と、該運転状態の実測値との偏差を算出し、異常検知を行う。例えば、該偏差が閾値以上である場合に、冷凍機において異常が発生していると判定する。モデルにより推定した運転状態と、該運転状態の実測値とに基づいて異常の度合い（どれくらい異常なのかを示し異常値）により異常検知を行うこととしてもよい。モデルを用いて複数の運転状態を推定することが可能であれば、各運転状態に対応して異常値を算出し、総合して（例えば異常値の合計を算出して）異常検知を行うこととしてもよい。
　次に、上述の異常検知システム５０による異常検知処理の一例について図６を参照して説明する。図６は、本実施形態に係る異常検知処理の手順の一例を示すフローチャートである。図６に示すフローは、例えば、冷凍機の監視を開始している場合において所定の制御周期で繰り返し実行される。
　まず、冷凍機から運転データを取得する（Ｓ１０１）。
　次に、運転データに基づいて状態量を算出する（Ｓ１０２）。状態量とは、運転データに基づいて算出される運転モードを判別可能な値であり、運転データをそのまま用いて運転モードを判別可能であればＳ１０２は省略することとしてもよい。
　次に、運転モードの特定を行う（Ｓ１０３）。Ｓ１０３では、予め設定された複数の運転モード（Ｉｎａｃｔｉｖｅ状態、Ｉｄｌｅ状態、Ｌｏｗ　Ｌｏａｄ状態、Ａｃｔｉｖｅ状態、及びＨｉｇｈ　Ｌｏａｄ状態）のうち、現在の冷凍機の運転状態に対応する運転モードが特定される。
　次に、特定された運転モードに対応する学習済データを取得する（Ｓ１０４）。モデルに反映された運転データは、運転モード毎に学習済データとして保存されており、運転モードが特定されることで、対応する学習済データが取得される。
　次に、新たに取得した運転データが、未学習領域に対応したデータであるか否かを判定する（Ｓ１０５）。新たに取得した運転データが、未学習領域に対応したデータでない場合（Ｓ１０５のＮＯ判定）には、学習済みのモデルを取得する（Ｓ１０６）。Ｓ１０６で取得される学習済みのモデルとは、図６のフローの前回以前の実行時に作成されたモデルであり、新たしく取得された運転データは反映されていない。
　新たに取得した運転データが、未学習領域に対応したデータである場合（Ｓ１０５のＹＥＳ判定）には、新たに取得した運転データが初回学習であるか否かを判定する（Ｓ１０７）。新たに取得した運転データが初回学習でない場合（Ｓ１０７のＮＯ判定）には、学習済みのモデルを取得する（Ｓ１０８）。
　新たに取得した運転データが初回学習である場合（Ｓ１０７のＹＥＳ判定）には、新しく取得した運転データを反映してモデルを作成する（Ｓ１０９）。すなわち、Ｓ１０９では、新しく取得した運転データに基づいて、運転モードに対応するモデルの更新が行われる。
　次に、モデルにより推定した運転状態の推定値と、運転状態に対応する実測値とを比較して、新しく取得した運転データが外れ値であるか否かを判定する（Ｓ１１０）。新しく取得した運転データが外れ値である場合（Ｓ１１０のＹＥＳ判定）には、Ｓ１０６を実行する。
　新しく取得した運転データが外れ値でない場合（Ｓ１１０のＮＯ判定）には、新しく取得した運転データを反映したモデル（Ｓ１０９で作成したモデル）を、異常検知に使用するモデルとして設定しモデルを更新する（Ｓ１１１）。
　そして、モデルに基づいて異常検知を行う（Ｓ１１２）。異常検知については、例えば、モデルにより推定した運転状態と、該運転状態の実測値とに基づいて異常の度合い（どれくらい異常なのかを示し異常値）により異常検知を行うこととしてもよい。モデルを用いて複数の運転状態を推定することが可能であれば、各運転状態に対応して異常値を算出し、総合して（例えば異常値の合計を算出して）異常検知を行うこととしてもよい。
　このように処理が行われることによって、運転モードに対応して異常検知が行われる。外れ値となる運転データが反映されていないモデルを用いて異常検知を行うことが可能となる。
　次に、上述の異常検知システム５０による運転モード特定処理の一例について図７及び図８を参照して説明する。図７及び図８は、本実施形態に係る運転モード特定処理の手順の一例を示すフローチャートである。図７及び図８に示すフローは、例えば、Ｓ１０３を実行する場合に開始される。図８は、図７のフローの続きを示している。運転データには、図７のフローを実行するために必要な情報が含まれているものとする。
　まず、軽故障のフラグＦ１が１であるか否かを判定する（Ｓ２０１）。例えば、軽故障の判断処理により軽故障のフラグＦ１が１となる。
　軽故障のフラグＦ１が１である場合（Ｓ２０１のＹＥＳ判定）には、軽故障が発生しているとし（Ｓ２０２）、処理を終了する。処理を終了する場合には、Ｓ１０４以降の処理は実行されない。
　軽故障のフラグＦ１が１でない場合（Ｓ２０１のＮＯ判定）には、冷凍機が運転中であることを表すフラグＦ２が０であるか否かを判定する（Ｓ２０３）。フラグＦ２は、冷凍機が運転した場合に１となる。
　冷凍機が運転中であることを表すフラグＦ２が０である場合（Ｓ２０３のＹＥＳ判定）には、ホットガスバイパス弁７８の開度ＨＧＢＰが全開であり、かつ、低圧膨張弁６５の開度ＥＸ１が全開であり、かつ、高圧膨張弁６４の開度ＥＸ２が全開であるか否かを判定する（Ｓ２０４）。Ｓ２０４においてＹＥＳ判定である場合には、モード継続時系列数Ｃ１が閾値ＣＴ１以上であるか否かを判定する（Ｓ２０５）。モード継続時系列数Ｃ１とは、同運転モードがどれほど連続するかの数え値となる。後述するモード継続時系列数Ｃ２からＣ５もＣ１と同様である。
　モード継続時系列数Ｃ１が閾値ＣＴ１以上である場合（Ｓ２０５のＹＥＳ判定）には、運転モードをＩｎａｃｔｉｖｅ状態と特定し（Ｓ２０６）、Ｓ１０４を実行する。
　モード継続時系列数Ｃ１が閾値ＣＴ１以上でない場合（Ｓ２０５のＮＯ判定）には、再度Ｓ２０５が実行される。すなわち、モード継続時系列数Ｃ１が時間経過とともに増加し、ＹＥＳ判定となるまでＳ２０５が実行される。
　Ｓ２０４においてＮＯ判定である場合には、蒸発器圧力（Ｅｐｐ）が０より大きく、かつ、中間冷却器圧力（Ｍｐｐ）が０より大きく、かつ、凝縮器圧力（Ｃｐｐ）が０より大きいか否かを判定する（Ｓ２０７）。Ｓ２０７がＹＥＳ判定である場合には、遷移運転であるとし（Ｓ２０８）、処理を終了する。処理を終了する場合には、Ｓ１０４以降の処理は実行されない。遷移運転とは、いずれかの運転モードに移り変わる途中の状態である。
　Ｓ２０７がＮＯ判定である場合には、データ欠損であるとし（Ｓ２０９）、処理を終了する。処理を終了する場合には、Ｓ１０４以降の処理は実行されない。データ欠損とは、必要な運転データが空である可能性がある状態である。
　冷凍機が運転中であることを表すフラグＦ２が０でない（すなわち１である）場合（Ｓ２０３のＮＯ判定）には、ホットガスバイパス弁７８の開度ＨＧＢＰが全開であり、かつ、低圧膨張弁６５の開度ＥＸ１が全開であり、かつ、高圧膨張弁６４の開度ＥＸ２が全開であるか否かを判定する（Ｓ２１０）。Ｓ２１０においてＹＥＳ判定である場合には、モード継続時系列数Ｃ２が閾値ＣＴ２以上であるか否かを判定する（Ｓ２１１）。Ｓ２１０のＹＥＳ判定では、圧縮機６０は動いていない状態であることが推定され、Ｉｄｌｅ状態の可能性があることを判定することができる。Ｉｄｌｅ状態の特定方法については、Ｓ２１０の判定に限定されず、他の方法を採用することとしてもよい。
　モード継続時系列数Ｃ２が閾値ＣＴ２以上である場合（Ｓ２１１のＹＥＳ判定）には、運転モードをＩｄｌｅ状態と特定し（Ｓ２１２）、Ｓ１０４を実行する。
　モード継続時系列数Ｃ２が閾値ＣＴ２以上でない場合（Ｓ２１１のＮＯ判定）には、再度Ｓ２１１が実行される。すなわち、モード継続時系列数Ｃ２が時間経過とともに増加し、ＹＥＳ判定となるまでＳ２１１が実行される。
　Ｓ２１０においてＮＯ判定である場合には、ホットガスバイパス弁７８の開度ＨＧＢＰが全開でなく、かつ、低圧膨張弁６５の開度ＥＸ１が全開でなく、かつ、高圧膨張弁６４の開度ＥＸ２が全開でないか否かを判定する（Ｓ２１３）。Ｓ２１３でＮＯ判定である場合には、遷移運転であるとし（Ｓ２１４）、処理を終了する。処理を終了する場合には、Ｓ１０４以降の処理は実行されない。
　Ｓ２１３でＹＥＳ判定である場合には、ホットガスバイパス弁７８の開度ＨＧＢＰが全閉であるか否かを判定する（Ｓ２１５）。ホットガスバイパス弁７８の開度ＨＧＢＰが全閉でない場合（Ｓ２１５のＮＯ判定）には、モード継続時系列数Ｃ３が閾値ＣＴ３以上であるか否かを判定する（Ｓ２１６）。
　モード継続時系列数Ｃ３が閾値ＣＴ３以上である場合（Ｓ２１６のＹＥＳ判定）には、運転モードをＬｏｗ　Ｌｏａｄ状態と特定し（Ｓ２１７）、Ｓ１０４を実行する。
　モード継続時系列数Ｃ３が閾値ＣＴ３以上でない場合（Ｓ２１６のＮＯ判定）には、再度Ｓ２１６が実行される。すなわち、モード継続時系列数Ｃ３が時間経過とともに増加し、ＹＥＳ判定となるまでＳ２１６が実行される。
　ホットガスバイパス弁７８の開度ＨＧＢＰが全閉である場合（Ｓ２１５のＹＥＳ判定）には、冷水の媒体の種類Ｂが水ではなく、かつ、設定冷水出口温度（冷水の目標温度）Ｅｔｏが０℃より大きいか否かを判定する（Ｓ２１８）。Ｓ２１８においてＮＯ判定である場合には、モード継続時系列数Ｃ４が閾値ＣＴ４以上であるか否かを判定する（Ｓ２１９）。
　モード継続時系列数Ｃ４が閾値ＣＴ４以上である場合（Ｓ２１９のＹＥＳ判定）には、運転モードをＡｃｔｉｖｅ状態と特定し（Ｓ２２０）、Ｓ１０４を実行する。
　モード継続時系列数Ｃ４が閾値ＣＴ４以上でない場合（Ｓ２１９のＮＯ判定）には、再度Ｓ２１９が実行される。すなわち、モード継続時系列数Ｃ４が時間経過とともに増加し、ＹＥＳ判定となるまでＳ２１９が実行される。
　Ｓ２１８においてＹＥＳ判定である場合には、モード継続時系列数Ｃ５が閾値ＣＴ５以上であるか否かを判定する（Ｓ２２１）。
　モード継続時系列数Ｃ５が閾値ＣＴ５以上である場合（Ｓ２２１のＹＥＳ判定）には、運転モードをＨｉｇｈ　Ｌｏａｄ状態と特定し（Ｓ２２２）、Ｓ１０４を実行する。
　モード継続時系列数Ｃ５が閾値ＣＴ５以上でない場合（Ｓ２２１のＮＯ判定）には、再度Ｓ２２１が実行される。すなわち、モード継続時系列数Ｃ５が時間経過とともに増加し、ＹＥＳ判定となるまでＳ２２１が実行される。
　このように、運転モードが特定される。特に上記フローでは、冷凍機に設けた弁の開度情報に基づいて運転モードを特定する場合を示しているが、各運転モードを判別することができれば、上記フローに限定されない。
　次に、モデルの具体的例を説明する。
　前述の通り、モデルは、冷凍機の所定の運転状態を推定可能な疑似モデルである。このため、異常検知の対象の運転状態に応じて様々なモデルを採用可能である。モデルの方式についても、冷凍機の所定の運転状態を推定可能であれば数式モデル等の様々な表現形式のモデルを使用することが可能である。
　例えば、冷凍機のモデルは、数式モデルで表すと、説明変数と、目的変数と、係数とを用いて表される。具体的には、蒸発器圧力を推定対象の運転状態（目的変数）とすると、Ｉｎａｃｔｉｖｅ状態の運転モードに対応したモデルは、以下の式（１）として表される。
Figure JPOXMLDOC01-appb-M000001
　式（１）において、Ｅｐｐは蒸発器圧力であり、Ｍｐｐは中間冷却器圧力であり、Ｃｐｐは凝縮器圧力である。そして、ｐ０´及びｐ１´は、それぞれ係数となる。すなわち、式（１）では、Ｅｐｐ、Ｍｐｐ、Ｃｐｐ、を運転データとして係数であるｐ０´及びｐ１´が回帰的に決定されること（フィッティングされること）で、運転データに適応するモデルが生成される。そして、Ｍｐｐ、Ｃｐｐが入力されること、Ｅｐｐとして蒸発器圧力を推定可能となる。
　Ｉｄｌｅ状態、Ｌｏｗ　Ｌｏａｄ状態、Ａｃｔｉｖｅ状態、及びＨｉｇｈ　Ｌｏａｄ状態のそれぞれに対応したモデルは、以下の式（２）及び式（３）として表される。
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
　式（２）及び式（３）において、ＴＴＥは蒸発飽和温度であり、Ｅｔｏは冷水出口温度であり、Ｌは冷凍機負荷率であり、ｆ（ＴＴＥ）は、蒸発飽和温度から飽和蒸発圧力を求める関数である。そして、ｐ０、ｐ１、ｐ２、及びｐ３は、それぞれ係数となる。
　すなわち、式（２）及び式（３）では、Ｅｐｐ、ＴＴＥ、Ｅｔｏ、Ｌを運転データとして係数であるｐ０、ｐ１、ｐ２、及びｐ３が回帰的に決定されること（フィッティングされること）で、運転データに適応するモデルが生成される。
　ｐ０、ｐ１、ｐ２、及びｐ３は、各運転モードのそれぞれに対応した運転データに対応してフィッティングが行われるため、各運転モードのそれぞれに対応した値となる。すなわち、式（２）及び式（３）は、Ｉｄｌｅ状態、Ｌｏｗ　Ｌｏａｄ状態、Ａｃｔｉｖｅ状態、及びＨｉｇｈ　Ｌｏａｄ状態の運転モード毎にｐ０、ｐ１、ｐ２、及びｐ３が異なるため、各運転モードに対応してモデルとなる。
　そして、運転モードに対応した係数に基づく式（２）及び式（３）に対して、ＴＴＥ、Ｅｔｏ、Ｌが入力されること、Ｅｐｐとして蒸発器圧力を推定可能となる。
　式（１）から式（３）は、モデルの一例を示しており、本実施形態におけるモデルは上記に限定されない。
　本実施形態では、各運転モードに対応して処理を行うこととしたが、運転モードを判別せず、モデルを作成して処理（例えば外れ値判定）を行うことも可能である。
　以上説明したように、本実施形態に係る異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラムによれば、冷凍機から取得した運転データが未学習データである場合に、運転データに基づいてモデルを作成する。そして、作成したモデルを用いた運転状態の推定値と、実測値とを比較して、モデル作成に用いた運転データが外れ値（異常値）であるか否かを判定する。そして、運転データが外れ値でないと判定された場合に、作成したモデルにより冷凍機の異常検知が行われる。これによって、未学習である運転データが取得された場合に、運転データが外れ値か否かを判定し、外れ値でない運転データに基づくモデルを用いて異常検知を行うことができる。このため、異常検知の精度を向上させることができる。
　運転データに基づいて冷凍機の運転モードを特定し、特定された運転モードに対応してモデルが作成されて異常検知に用いられる。このため、異常検知の精度を向上させることが可能となる。
　本開示は、上述の実施形態のみに限定されるものではなく、発明の要旨を逸脱しない範囲において、種々変形実施が可能である。
　以上説明した各実施形態に記載の異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラムは例えば以下のように把握される。
　本開示に係る異常検知システム（５０）は、対象機器の運転データを取得する取得部（５１）と、前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する作成部（５３）と、前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する判定部（５４）と、前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う異常検知部（５５）と、を備える。
　本開示に係る異常検知システム（５０）によれば、対象機器から取得した運転データが未学習データである場合に、運転データに基づいてモデルを作成する。そして、作成したモデルを用いた運転状態の推定値と、実測値とを比較して、モデル作成に用いた運転データが外れ値（異常値）であるか否かを判定する。そして、運転データが外れ値でないと判定された場合に、作成したモデルにより対象機器の異常検知が行われる。これによって、未学習である運転データが取得された場合に、運転データが外れ値か否かを判定し、外れ値でない運転データに基づくモデルを用いて異常検知を行うことができる。このため、異常検知の精度を向上させることができる。
　本開示に係る異常検知システム（５０）は、前記判定部（５４）は、前記推定値及び前記実測値の誤差と、許容誤差範囲とに基づいて、前記運転データが外れ値か否かを判定することとしてもよい。
　本開示に係る異常検知システム（５０）によれば、推定値と実測値との誤差に基づくことによって、運転データが外れ値であるか否かを判定することができる。
　本開示に係る異常検知システム（５０）は、前記許容誤差範囲は、前記実測値の計測誤差に基づいて設定されることとしてもよい。
　本開示に係る異常検知システム（５０）によれば、許容誤差範囲が実測値の計測誤差に基づいて設定されることによって、より効果的に外れ値の判定処理を行うことが可能となる。
　本開示に係る異常検知システム（５０）は、予め複数の運転モードが設定されており、前記運転データに基づいて前記対象機器の前記運転モードを特定するモード特定部（５２）を備え、前記作成部（５３）は、特定された前記運転モードに対応して前記モデルを作成し、前記異常検知部（５５）は、特定された前記運転モードに対応して作成された前記モデルに基づいて、前記対象機器の異常検知を行うこととしてもよい。
　本開示に係る異常検知システム（５０）によれば、運転データに基づいて対象機器の運転モードを特定し、特定された運転モードに対応してモデルが作成されて異常検知に用いられる。このため、異常検知の精度を向上させることが可能となる。
　本開示に係る異常検知システム（５０）は、前記運転モードは、停止状態、アイドリング状態、負荷状態が第１所定値未満である低負荷状態、負荷状態が前記第１所定値以上であり、前記第１所定値よりも大きな値に設定された第２所定値未満である運転状態、及び負荷状態が前記第２所定値以上である高負荷状態の少なくともいずれか２つであることとしてもよい。
　本開示に係る異常検知システム（５０）によれば、運転モードとして、停止状態、アイドリング状態、低負荷状態、運転状態、及び高負荷状態の少なくともいずれか２つが設定されるため、負荷状況に対応して運転モードを区分することができる。すなわち、複数の運転モードが予め設定されており、運転データに基づいて１つの運転モードが選択される。
　本開示に係る異常検知システム（５０）は、前記対象機器は、熱媒としてブラインを用いた冷凍機であり、前記運転モードは、停止状態、アイドリング状態、前記冷凍機は運転しており、圧縮機（６０）で圧縮されたガスの一部を前記圧縮機（６０）の入口側へバイパスするホットガスバイパス弁（７８）が開となっている状態、前記冷凍機は運転しており前記ホットガスバイパス弁（７８）が閉となっている状態、及び前記冷凍機は運転しており、前記ホットガスバイパス弁（７８）が閉となっており、前記冷凍機から出力される冷水の目標温度が０℃より大きい状態の少なくともいずれか２つであることとしてもよい。
　本開示に係る異常検知システム（５０）によれば、運転モードとして、停止状態、アイドリング状態、冷凍機は運転しており、ホットガスバイパス弁（７８）が開となっている状態、冷凍機は運転しておりホットガスバイパス弁（７８）が閉となっている状態、及び冷凍機は運転しており、ホットガスバイパス弁（７８）が閉となっており、冷凍機から出力される冷水の目標温度が０℃より大きい状態の少なくともいずれか２つが設定されるため、冷凍機の運転状態の変化に対応して運転モードを区分することができる。すなわち、複数の運転モードが予め設定されており、運転データに基づいて１つの運転モードが選択される。
　本開示に係る冷凍機は、圧縮機（６０）と、前記圧縮機（６０）で圧縮した冷媒を凝縮させる凝縮器（６２）と、凝縮された冷媒を膨張させる膨張弁と、膨張された冷媒を蒸発させ、冷水を冷却する蒸発器（６６）と、上記の異常検知システム（５０）と、を備える。
　本開示に係る異常検知方法は、対象機器の運転データを取得する工程と、前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する工程と、前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する工程と、前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う工程と、を有する。
　本開示に係る異常検知プログラムは、対象機器の運転データを取得する処理と、前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する処理と、前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する処理と、前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う処理と、をコンピュータに実行させる。
１　　　　　：熱源システム
３　　　　　：外部負荷
１１～１３　：ターボ冷凍機（冷凍機）
２１～２３　：冷水ポンプ
３１　　　　：サプライヘッダ
３２　　　　：リターンヘッダ
３３　　　　：バイパス管
３４　　　　：バイパス弁
５０　　　　：異常検知システム
５１　　　　：取得部
５２　　　　：モード特定部
５３　　　　：作成部
５４　　　　：判定部
５５　　　　：異常検知部
６０　　　　：圧縮機
６２　　　　：凝縮器
６３　　　　：サブクーラ
６４　　　　：高圧膨張弁（膨張弁）
６５　　　　：低圧膨張弁（膨張弁）
６６　　　　：蒸発器
６７　　　　：中間冷却器
７０　　　　：インバータ
７２　　　　：電動モータ
７４　　　　：制御盤
７６　　　　：ホットガスバイパス管
７８　　　　：ホットガスバイパス弁
７９　　　　：インレットガイドベーン（ＩＧＶ）
８０　　　　：冷却伝熱管
８２　　　　：冷水伝熱管
１１１　　　：ＣＰＵ
１１２　　　：ＲＯＭ
１１３　　　：ＲＡＭ
１１４　　　：ハードディスクドライブ
１１５　　　：通信部
１１８　　　：バス

Claims (9)

  1. 　対象機器の運転データを取得する取得部と、
    　前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する作成部と、
    　前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する判定部と、
    　前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う異常検知部と、
    を備える異常検知システム。
  2. 　前記判定部は、前記推定値及び前記実測値の誤差と、許容誤差範囲とに基づいて、前記運転データが外れ値か否かを判定する請求項１に記載の異常検知システム。
  3. 　前記許容誤差範囲は、前記実測値の計測誤差に基づいて設定される請求項２に記載の異常検知システム。
  4. 　予め複数の運転モードが設定されており、前記運転データに基づいて前記対象機器の前記運転モードを特定するモード特定部を備え、
    　前記作成部は、特定された前記運転モードに対応して前記モデルを作成し、
    　前記異常検知部は、特定された前記運転モードに対応して作成された前記モデルに基づいて、前記対象機器の異常検知を行う請求項１から３のいずれか１項に記載の異常検知システム。
  5. 　前記運転モードは、停止状態、アイドリング状態、負荷状態が第１所定値未満である低負荷状態、負荷状態が前記第１所定値以上であり、前記第１所定値よりも大きな値に設定された第２所定値未満である運転状態、及び負荷状態が前記第２所定値以上である高負荷状態の少なくともいずれか２つである請求項４に記載の異常検知システム。
  6. 　前記対象機器は、熱媒としてブラインを用いた冷凍機であり、
    　前記運転モードは、停止状態、アイドリング状態、前記冷凍機は運転しており、圧縮機で圧縮されたガスの一部を前記圧縮機の入口側へバイパスするホットガスバイパス弁が開となっている状態、前記冷凍機は運転しており前記ホットガスバイパス弁が閉となっている状態、及び前記冷凍機は運転しており、前記ホットガスバイパス弁が閉となっており、前記冷凍機から出力される冷水の目標温度が０℃より大きい状態の少なくともいずれか２つである請求項４に記載の異常検知システム。
  7. 　圧縮機と、
    　前記圧縮機で圧縮した冷媒を凝縮させる凝縮器と、
    　凝縮された冷媒を膨張させる膨張弁と、
    　膨張された冷媒を蒸発させ、冷水を冷却する蒸発器と、
    　請求項１から６のいずれか１項に記載の異常検知システムと、
    を備える冷凍機。
  8. 　対象機器の運転データを取得する工程と、
    　前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する工程と、
    　前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する工程と、
    　前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う工程と、
    を有する異常検知方法。
  9. 　対象機器の運転データを取得する処理と、
    　前記運転データが未学習データである場合に、前記運転データに基づいて、前記対象機器の所定の運転状態を推定可能なモデルを作成する処理と、
    　前記モデルにより推定した前記運転状態の推定値と、前記運転状態に対応する実測値とを比較して、前記運転データが外れ値か否かを判定する処理と、
    　前記運転データが外れ値でないと判定された場合に、前記モデルに基づいて、前記対象機器の異常検知を行う処理と、
    をコンピュータに実行させるための異常検知プログラム。
PCT/JP2021/026149 2020-07-16 2021-07-12 異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム WO2022014533A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202180044098.9A CN115917228A (zh) 2020-07-16 2021-07-12 异常检测系统、制冷机、异常检测方法及异常检测程序
US18/010,630 US20230259111A1 (en) 2020-07-16 2021-07-12 Abnormality detection system and refrigerator, abnormality detection method, and abnormality detection program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-122016 2020-07-16
JP2020122016A JP2022018707A (ja) 2020-07-16 2020-07-16 異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム

Publications (1)

Publication Number Publication Date
WO2022014533A1 true WO2022014533A1 (ja) 2022-01-20

Family

ID=79554806

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/026149 WO2022014533A1 (ja) 2020-07-16 2021-07-12 異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム

Country Status (4)

Country Link
US (1) US20230259111A1 (ja)
JP (1) JP2022018707A (ja)
CN (1) CN115917228A (ja)
WO (1) WO2022014533A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023228277A1 (ja) * 2022-05-24 2023-11-30 三菱電機株式会社 学習装置、監視装置および空調システム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023175653A1 (ja) * 2022-03-14 2023-09-21 三菱電機株式会社 異常検知装置、冷凍サイクル装置および異常検知システム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5684941B1 (ja) * 2014-07-31 2015-03-18 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法
JP5761960B2 (ja) * 2010-10-29 2015-08-12 三菱重工業株式会社 熱源装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5761960B2 (ja) * 2010-10-29 2015-08-12 三菱重工業株式会社 熱源装置
JP5684941B1 (ja) * 2014-07-31 2015-03-18 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023228277A1 (ja) * 2022-05-24 2023-11-30 三菱電機株式会社 学習装置、監視装置および空調システム

Also Published As

Publication number Publication date
US20230259111A1 (en) 2023-08-17
CN115917228A (zh) 2023-04-04
JP2022018707A (ja) 2022-01-27

Similar Documents

Publication Publication Date Title
US10962009B2 (en) Variable speed compressor protection system and method
JP5761960B2 (ja) 熱源装置
US9476625B2 (en) System and method for monitoring compressor floodback
US9115921B2 (en) Performance evaluation device for variable-speed centrifugal chiller
US20120053898A1 (en) Performance evaluation device for centrifugal chiller
WO2022014533A1 (ja) 異常検知システム及び冷凍機、並びに異常検知方法、並びに異常検知プログラム
WO2015072376A1 (ja) 熱源機及びその制御方法
JP2012032055A (ja) ターボ冷凍機の性能評価装置
US10139815B2 (en) Chiller control device, chiller, and chiller diagnostic method
JP5289475B2 (ja) 冷凍サイクル装置、流量算定方法及びプログラム
JP2020026928A (ja) 制御装置、冷凍機、制御方法及び異常検出方法
JP5931774B2 (ja) ターボ冷凍機の最大負荷率算出装置及びその方法並びに熱源システム及びその台数制御方法
JP5989534B2 (ja) 冷凍システム装置および空気調和機
JP6444536B2 (ja) 圧縮機劣化診断装置および圧縮機劣化診断方法
CN114413418B (zh) 一种多联机冻结自动修复方法、存储介质及系统
JP2011153734A (ja) 冷凍機遠隔監視システムおよび冷凍機遠隔監視方法

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: 21841345

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: 21841345

Country of ref document: EP

Kind code of ref document: A1