WO2024126300A1 - Procédé et dispositif de prévision de dérive d'un matériel - Google Patents

Procédé et dispositif de prévision de dérive d'un matériel Download PDF

Info

Publication number
WO2024126300A1
WO2024126300A1 PCT/EP2023/084953 EP2023084953W WO2024126300A1 WO 2024126300 A1 WO2024126300 A1 WO 2024126300A1 EP 2023084953 W EP2023084953 W EP 2023084953W WO 2024126300 A1 WO2024126300 A1 WO 2024126300A1
Authority
WO
WIPO (PCT)
Prior art keywords
physical quantity
values
equipment
intervention
duration
Prior art date
Application number
PCT/EP2023/084953
Other languages
English (en)
Inventor
Florent BRISSAUD
Original Assignee
Grtgaz
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 Grtgaz filed Critical Grtgaz
Publication of WO2024126300A1 publication Critical patent/WO2024126300A1/fr

Links

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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • 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
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
    • 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
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]

Definitions

  • TITLE METHOD AND DEVICE FOR PREDICTING EQUIPMENT DRIFT
  • the present invention relates to a method and a device for predicting equipment drift. It applies, in particular, to regulation equipment (for example, flow, pressure, temperature or level) subject to drift (for example, valves, regulators, pumps, compressors) and whose Measurements of regulated quantities are available “continuously” or at fairly short time intervals with respect to the drift dynamics of the equipment. More particularly, the present invention applies to a gas expansion station.
  • regulation equipment for example, flow, pressure, temperature or level
  • drift for example, valves, regulators, pumps, compressors
  • drift for example, valves, regulators, pumps, compressors
  • the present invention applies to a gas expansion station.
  • Anomaly detection algorithms work with a learning phase that requires a large amount of data, both measurements of physical quantities (e.g. pressure) and anomalies (e.g. poor regulations), to thus establish a link between these data.
  • physical quantities e.g. pressure
  • anomalies e.g. poor regulations
  • Time series forecasting algorithms are particularly designed to predict periodic (e.g. seasonal) phenomena.
  • the drifts observed on industrial equipment do not correspond to such patterns.
  • external interventions such as maintenance actions carried out by operators (for example, bias correction, modification of settings) create discontinuities in the time series, which limit their learning potential.
  • the invention aims to remedy all or part of these drawbacks.
  • the invention aims at a method for predicting the drift of a physical quantity, comprising a step of intervention by an operator on equipment causing a variation in the value of this physical quantity, a step of regular measurement of this physical quantity providing a set of values of this physical quantity, process which further comprises:
  • - a step of determining whether the future extrapolated value crosses one of the limit values in a predetermined future time interval, and if this is the case, a step of triggering an alert.
  • the process automatically determines an abnormality criterion for equipment drift, after external intervention on the equipment, then a prediction of the occurrence of this abnormality. This process thus makes it possible to decide on a new preventive intervention to prevent excessive drift from occurring. It also allows you to intervene on the equipment only when a drift is expected. Finally, it avoids, or at least limits, the more costly interventions of on-call operators.
  • the first duration over which the first analysis is carried out is predetermined by default. However, it is possible to extend it depending on the results, for example if the variance is too large, in order to obtain a more "robust” calibration.
  • the second sliding duration can be dynamic and adapt according to at least one indicator of “stability” of the trends. Regarding the alert triggered, it can take the form of emails sent automatically to the operational teams concerned.
  • an average and a standard deviation of the values of the physical quantity are calculated and, during the calibration step, at least one limit value is equal to the calculated average to which a product of the standard deviation measured by a predetermined number is added or subtracted.
  • the average thus calculated can also be increased or reduced by a certain percentage, in particular when limit values of the physical quantity can be determined by a margin of error around the adjustment reference.
  • the product of the standard deviation by a predetermined number is added to the mean, in the case of the maximum limit value, and subtracted from the mean, in the case of the minimum limit value. Thanks to these provisions, the detection criterion implemented depends on the initial stability of the values of the physical quantity monitored.
  • a linear regression of the values of the physical quantity is carried out.
  • a non-linear regression is carried out, for example implementing an exponential smoothing or AutoRegressive Integrated Moving Average (ARIMA) type regression model.
  • ARIMA AutoRegressive Integrated Moving Average
  • a single server can thus implement the process on a large number of devices subject to drift.
  • the process which is the subject of the invention can be implemented once a day, in order not to overload the communication networks.
  • alerts they can all be sent jointly, for example at the start of the day, which makes it easier to organize the day's maintenance schedules.
  • the method comprises, prior to the intervention, a step of providing values of the physical quantity measured on equipment similar to the equipment on which the intervention is carried out and/or on the equipment on which the intervention is carried out the intervention, to a machine learning model trained to extrapolate a value of the physical quantity according to the measurements carried out on this equipment and, during the second analysis and extrapolation stages, this model is implemented. machine learning trained to obtain future value.
  • the method comprises, prior to the intervention, a step of providing values of the physical quantity measured on equipment similar to the equipment on which the intervention is carried out and/or on the equipment on which the intervention is carried out the intervention, to a machine learning model trained to extrapolate a value of the physical quantity according to the measurements carried out on this equipment and, during the first analysis and calibration stages, this learning model is implemented automatic driven to obtain at least one limit value.
  • learning about previous regressions and alerts confirmed or denied by maintenance operators makes it possible to define a confidence indicator for future alerts.
  • a future value is extrapolated for the end of a third duration consecutive to the second duration.
  • this horizon is a number of hours or days. Note that this horizon can vary depending on the availability of a maintenance operator, so that a forecast of abnormal drift can provoke preventive intervention by an operator.
  • the third duration depends on the day and/or time of the second duration.
  • this horizon is a typical working day of a maintenance operator. This horizon is thus set to cross the last two days of the week and public holidays in order to be within a working day. The operator can thus intervene before these days which would impose a penalty.
  • a duration consecutive to the second duration is measured before crossing a limit value.
  • the expected duration before the drift becomes abnormal is evaluated and makes it possible to schedule operator intervention well in advance.
  • This duration represents a degree of urgency of the maintenance operation.
  • the order of the next operator interventions can be determined according to this degree of urgency and, possibly, other criteria, such as the seriousness of the drift depending on the equipment involved (for example, whether or not there is an emergency regulation line or depending on the importance of the flow rates concerned), the accessibility of the equipment, the proximity to the other equipment or the availability of a maintenance operator.
  • the present invention aims at a device for predicting the drift of a physical quantity following an intervention by an operator on equipment causing a variation in the value of this physical quantity, which comprises a means of regular measurement of this physical quantity providing a set of values of this physical quantity, characterized in that it further comprises:
  • the hardware is control hardware configured to regulate flow, pressure, temperature, or level.
  • the hardware is control hardware configured to regulate a physical quantity of a valve, expander, pump, or compressor.
  • the inventor has determined that the invention applies particularly well to the prediction of these physical quantities and/or the regulation of this regulation equipment.
  • the present invention relates to a gas expansion station comprising a device which is the subject of the invention, in which the equipment regulates the pressure at the outlet of a regulation valve.
  • FIG 1 represents, schematically, a particular embodiment of a device which is the subject of the invention installed in a relaxation and/or gas delivery station,
  • FIG 2 represents an evolution of gas pressure at the outlet of an expansion and/or gas delivery station and a determination of limit values for the evolution of gas pressure at the outlet of an expansion and/or station.
  • FIG 3 represents a first forecast of the evolution of gas pressure at the outlet of an expansion and/or gas delivery station
  • FIG 4 represents a second forecast of gas pressure evolution at the outlet of an expansion and/or gas delivery station
  • FIG 5 represents a third forecast of gas pressure evolution at the outlet of an expansion and/or gas delivery station
  • FIG 6 represents, in the form of a flowchart, the steps of a particular embodiment of the invention applied to the regulation of pressure at the outlet of a relaxation station,
  • FIG 7 represents a supervision interface for a network of expansion and/or gas delivery stations
  • FIG 8 represents, in the form of a flowchart, the steps of a particular embodiment of the process which is the subject of the invention.
  • an expansion station aims to relax the gas from the high pressure to low pressure.
  • metering systems make it possible to measure the quantities of natural gas and/or biomethane passing through these points.
  • an installation 10 comprising a pressure relief station 13.
  • This pressure relief station 13 has the function of lowering the pressure of the gas distributed by a general network 11 to pressure levels usable by the different types of customers , for example domestic, tertiary or industrial, connected to a distribution network 12.
  • the expansion and metering station is an installation used to control the pressure and metering of natural gas.
  • this station 13 includes different bodies: pressure regulator equipment 14, pressure measurement sensor 15 downstream of the regulator 14, counter (not shown), volume corrector (not shown) , safety valves (not shown), valves (not shown), filter (not shown), data processing device 16 and data transmission device 17.
  • the pressure regulator 14 is subject to a drift which has the effect of varying the downstream pressure in the downstream gas pipe 12.
  • this downstream pressure must remain within a range of values, between a minimum value ensuring the operation of the installations of customers and a maximum value avoiding the risk of leaks at these installations or rupture of the pipe 12.
  • a maintenance operation, on site or remotely controlled, makes it possible to correct this drift by modifying parameter values operation of the pressure regulator 14.
  • the present invention makes it possible to anticipate the need for such maintenance operations.
  • a time graph 20 of pressure downstream of a pressure regulator The successive values of the pressure are represented by curve 21. These successive values are obtained either by continuous measurement of the downstream pressure, or by regular measurements of this pressure.
  • an intervention is carried out by an operator on the regulator, which causes a discontinuity in the curve 21. In the case shown in Figure 2, this is an increase in the downstream pressure.
  • a first analysis of the measured pressure values is carried out.
  • This first duration is also called “calibration window”.
  • This first analysis is, for example, statistical and determines provides an average value 25, a standard deviation of the variations of this pressure and a maximum amplitude of these variations.
  • the lower limit value 26 is equal to the average value reduced by a predetermined percentage, for example five percent.
  • the lower limit value 26 is equal to the average value reduced by a predetermined number of times the standard deviation, for example three times.
  • the average thus calculated is increased or reduced by a certain percentage, in particular when limit values of the physical quantity can be determined by a margin of error around the adjustment reference.
  • the lower limit value 26 is equal to the average value reduced by a predetermined proportion of the amplitude, for example a half-amplitude and a predetermined percentage of the average value or a predetermined number of times the standard deviation.
  • the upper limit value 27 is determined in one of these ways by replacing the decrease with an increase.
  • a second analysis of the pressure values is, for example statistical and provides a temporal function, 29 in Figure 3 and 32 in Figure 4, which can extend after the end of the second sliding duration.
  • This second sliding duration 28 or 31 is also called “sliding window”. It ends at the current moment. Note that the second duration can overlap the first duration, as long as the duration between the intervention step and the current instant is less than the sum of the first duration and the second duration.
  • the second analysis carries out a regression, for example linear, as in the embodiment illustrated in Figures 3 and 4.
  • the modeling time function is therefore a linear function, of which the curve 29 or 32 is a straight line.
  • the second analysis carries out a non-linear regression, for example it implements an exponential smoothing or Auto Regressive Integrated Moving Average (ARIMA) type regression model.
  • this analysis step is carried out on a selection of values of the physical quantity during the second sliding duration 28 or 31 subsequent to the intervention step. For example, we deal with daily percentiles and the second analysis only concerns the extreme values of each day.
  • the future value 30 or 33 is the value of the time function 29 or 32 after a third predetermined duration 36 starting at the end of the sliding window. This third predetermined duration is also called “horizon”.
  • this future value is equal to one of the limit values 26 and 27 and the duration 37 is determined between the end of the sliding window and the instant when the time function 29 or 32 is equal to one of the limit values 26 and 27.
  • the device 13 triggers an alert, local or remote.
  • this condition is met if the future value 30 or 33 is greater than the upper limit value 27 or less than the lower limit value 26.
  • this condition is met if this duration is less than the duration of the predetermined future time interval.
  • time functions offset from function 32 are applied by adding and subtracting a half-amplitude of variation of the pressure in the sliding window.
  • Other variants are based on a predetermined number of times the standard deviation of the pressure values in the sliding window 31, and/or an amplitude or a standard deviation calculated over a duration other than that of the sliding window. 31.
  • an embodiment 40 of the method for predicting the drift of a physical quantity controlled by equipment comprises different stages starting at the end of an intervention 41 on the equipment.
  • a horizon is determined.
  • this horizon is fixed, for example equal to one or more days.
  • this horizon varies depending on the intervention time of an operator, depending on his place of work or residence or instantaneous geographical position and the travel time necessary for him to reach the material object of the intervention.
  • this horizon varies over time, for example, it depends on the day and/or time of the sliding window, so that this horizon, greater than a minimum value, for example a day does not end outside of intervention time slots (for example between 8 a.m. and 6 p.m.), nor on a Saturday or Sunday, nor on a public holiday.
  • a regular measurement of the pressure downstream of the regulating device is carried out. This regular measurement provides a set of values of this pressure.
  • a first step of analyzing the values of this pressure is carried out for a first predetermined duration following the intervention, that is to say the calibration window.
  • step 44 therefore comprises a determination of the variance of the pressure value and, if this variance is greater than a predetermined value, an extension of the first duration, the first analysis then being carried out over the first duration prolonged.
  • a calibration is carried out providing at least one limit value of this pressure, depending on the result of the first analysis.
  • step 46 we continue to regularly measure the pressure downstream of the regulating device.
  • a second analysis of the pressure values is carried out during a sliding window subsequent to the intervention step.
  • step 47 therefore comprises a determination of the instability of the trend of evolution of the pressure value and, if this instability is greater than a value predetermined, an extension of the second duration, the second analysis then being carried out over the first extended duration.
  • step 47 can then be completed before step 44 and step 45.
  • step 49 the future value on the horizon is compared with each limit value.
  • step 50 it is determined whether one of the limit values is crossed by extrapolation over the horizon. If the result of step 50 is negative, we return to step 46. If the result of step 50 is positive, that is to say if the future extrapolated value crosses one of the limit values in the horizon (predetermined future time interval), during a step 51, we trigger an alert remotely, and possibly locally and we return to step 46.
  • a step 52 we carry out remotely analyze the alert. For example, we determine if weather conditions can explain this alert and if the weather forecasts predict a return to normal conditions.
  • an intervention decision is made, for example a scheduling of interventions on several pieces of equipment, according to the shortest path to carry out the interventions. Then, we return to step 41, as soon as this intervention is carried out.
  • the order of the next operator interventions can be determined according to this degree of urgency and, possibly, other criteria, such as the seriousness of the drift depending on the equipment involved (for example, whether or not there is an emergency regulation line or depending on the importance of the flow rates concerned), the accessibility of the equipment, the proximity to the other equipment or the availability of a maintenance operator.
  • an average and a standard deviation of the values of the physical quantity are calculated and, during the calibration step 45, at least a limit value is equal to the calculated mean added to the product of the measured standard deviation by a predetermined number.
  • a regression is carried out, for example linear, of the values of the physical quantity.
  • a future value is extrapolated for a horizon, i.e. a third duration consecutive to the second duration.
  • the horizon depends on the day and/or time of the sliding window.
  • a duration following the sliding window is measured before crossing a limit value.
  • a machine learning model is used. It is thus possible to improve the determination of limit values and/or extrapolation by carrying out learning with pressure values, but also other available data, for example gas consumption on the network or weather data.
  • the method comprises, prior to the intervention, a step of providing values of the physical quantity measured on equipment similar to the equipment on which the intervention is carried out and/or on the equipment on which the intervention is carried out. intervention, to a machine learning model trained to extrapolate a value of the physical quantity based on the measurements made on this equipment.
  • extrapolation is all the more reliable as the measured values used for learning were measured on the equipment 14 to which the process is applied and/or on similar equipment whose operating context is similar.
  • extrapolation is more reliable if the measured values are measured after an intervention by an operator and are supplemented with values measured before this intervention. In the latter case, when implementing the trained machine learning model, it is provided, in addition to the pressure measurements carried out after the intervention, with pressure measurements carried out before the intervention.
  • this trained automatic learning model is implemented to obtain at least one limit value.
  • this trained automatic learning model is implemented.
  • This machine learning model is, for example, a recurrent neural network (RNN) or a convolutional neural network (CNN). These neural networks are particularly suitable for cases where additional information is integrated, such as consumption and weather data.
  • RNN recurrent neural network
  • CNN convolutional neural network
  • learning about previous alerts, confirmed or denied by maintenance operators makes it possible to define a confidence indicator for future alerts, according to known techniques.
  • an interface 60 for displaying alerts can take the form of a map 61 on which the positions of the equipment subject to interventions, 62 to 66, are represented.
  • a map 61 on which the positions of the equipment subject to interventions, 62 to 66, are represented.
  • a digital representation 67 of this duration is also displayed below the representation of each material. This double representation of the urgency of an intervention allows an operator to prepare a tour of interventions on the equipment 62 to 66 represented on the map 61, for example depending on the emergencies and the access routes to this equipment.
  • a particular embodiment 70 of a method which is the subject of the invention more generally applied to a physical quantity controlled by equipment, for example regulation equipment.
  • equipment for example regulation equipment.
  • an operator carries out an intervention on this equipment causing a variation in the value of this physical quantity.
  • a regular measurement of this physical quantity is carried out providing a set of values of this physical quantity.
  • a first analysis of the values of this physical quantity is carried out for a first predetermined duration following the intervention step.
  • a calibration is carried out providing at least one limit value of this physical quantity, depending on the result of this first analysis.
  • a second step of analyzing the values of this physical quantity is carried out for a second sliding duration subsequent to the intervention step.
  • step 76 can then be completed before step 73 and step 74.
  • the future values are compared with the limit values.
  • step 79 it is determined whether one of the limit values has been crossed. If the result of step 79 is positive, that is to say if the future extrapolated value crosses one of the limit values in the horizon (predetermined future time interval), during a step 80, we trigger an alert and we return to step 75. At the same time, during a step 81, we carry out a remote analysis of the alert. Finally, during a step 82, an intervention decision is made. Then, we return to step 71, as soon as this intervention is carried out.
  • the equipment is regulation equipment, and more particularly a pressure regulator 14.
  • the sensor 15 continuously measures the pressure downstream of the pressure regulator 14.
  • the data transmission device 17 transmits to a remote server
  • a device 19 which is the subject of the invention applies to industrial equipment.
  • this equipment can be configured to regulate a measurable physical quantity, for example a flow rate, a pressure, a temperature or a level.
  • this equipment is configured to regulate a physical quantity of a control valve, a regulator, a pump or a compressor, particularly gas.
  • 19 object of the invention are jointly configured to carry out the steps of the method object of the invention and constitute, by the implementation of at least one computer program, at least:
  • - a means 15 for regularly measuring this physical quantity providing a set of values of this physical quantity characterized in that it further comprises: - a first means, 16 and/or 18, for analyzing the values of this physical quantity during a first predetermined duration 22 following the intervention,

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Exhaust Gas After Treatment (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Control Of Turbines (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

Le procédé (70) de prévision de dérive d'une grandeur physique, comporte une étape (71) d'intervention par un opérateur sur un matériel provoquant une variation de la valeur de cette grandeur physique, une étape (72, 75) de mesure régulière de cette grandeur physique Il comporte, de plus : - une première étape (73) d'analyse des valeurs pendant une première durée prédéterminée consécutive à l'intervention, - une étape (74) de calibrage fournissant au moins une valeur limite de cette grandeur physique, en fonction du résultat de cette première analyse, - une deuxième étape (76) d'analyse des valeurs pendant une deuxième durée glissante, - une étape (77) d'extrapolation d'une valeur future de cette grandeur physique, en fonction du résultat de cette deuxième analyse, et - une étape (78, 79) de détermination si la valeur extrapolée future franchit l'une des valeurs limites dans un intervalle de temps futur prédéterminé, et si c'est le cas, une étape (80) de déclenchement d'une alerte.

Description

DESCRIPTION
TITRE : PROCÉDÉ ET DISPOSITIF DE PRÉVISION DE DÉRIVE D’UN MATÉRIEL
Domaine technique de l’invention
La présente invention vise un procédé et un dispositif de prévision de dérive d’un matériel. Elle s’applique, en particulier, aux matériels de régulation (par exemple, de débit, de pression, de température ou de niveau) sujets à dérives (par exemple, des vannes, des détendeurs, des pompes, des compresseurs) et dont les mesures des grandeurs régulées sont disponibles « en continue » ou à intervalles de temps assez courts vis-à-vis de la dynamique de dérive du matériel. Plus particulièrement, la présente invention s’applique à un poste de détente de gaz.
Technique antérieure
Les algorithmes de détection d’anomalies fonctionnent avec une phase d’apprentissage qui nécessite une grande quantité de données, à la fois des mesures de grandeurs physiques (par exemple, une pression) et des anomalies (par exemple, de mauvaises régulations), pour ainsi établir un lien entre ces données. En pratique, le nombre d’anomalies collectées est cependant trop faible et les matériels considérés trop hétérogènes pour permettre un apprentissage suffisant à ce type d’algorithme.
Les algorithmes de prévision sur des séries temporelles sont notamment conçus pour prédire des phénomènes périodiques (par exemple, saisonniers). Cependant, les dérives observées sur des matériels industriels ne correspondent pas à de tels schémas. De plus, les interventions externes comme les actions de maintenance réalisées par les opérateurs (par exemple, correction de biais, modification de réglage) créent des discontinuités dans les séries temporelles, qui limitent leurs potentiels d’apprentissage.
Dans le cas particulier des postes de détente de gaz, les opérateurs interviennent régulièrement sur ces postes, notamment pour corriger des dérives et/ou changer des réglages, ce qui a pour inconvénients :
- des dérives potentiellement trop importantes de matériels entre deux interventions externes, avec certains enjeux sur la disponibilité des installations, la sécurité et/ou l'environnement ;
- des interventions externes sur les matériels alors que ce n’est pas toujours nécessaire et
- des interventions externes en astreinte, par exemple de nuit ou les jours fériés, plus coûteuses.
On connaît le document US 2022/197271 , qui décrit un procédé de prévision de dérive d’une grandeur physique régulée par un matériel de régulation. Ce procédé comporte une étape d’analyse statistique de mesures de cette grandeur physique consécutives à un réajustement par le matériel de régulation.
Exposé de l’invention
La présente invention vise à remédier à tout ou partie de ces inconvénients. À cet effet, selon un premier aspect, l’invention vise un procédé de prévision de dérive d’une grandeur physique, comportant une étape d’intervention par un opérateur sur un matériel provoquant une variation de la valeur de cette grandeur physique, une étape de mesure régulière de cette grandeur physique fournissant un ensemble de valeurs de cette grandeur physique, procédé qui comporte, de plus :
- une première étape d’analyse des valeurs de cette grandeur physique pendant une première durée prédéterminée consécutive à l’étape d’intervention,
- une étape de calibrage fournissant au moins une valeur limite de cette grandeur physique, en fonction du résultat de cette première analyse,
- une deuxième étape d’analyse des valeurs de cette grandeur physique pendant une deuxième durée glissante postérieure à l’étape d’intervention,
- une étape d’extrapolation d’une valeur future de cette grandeur physique, en fonction du résultat de cette deuxième analyse, et
- une étape de détermination si la valeur extrapolée future franchit l’une des valeurs limites dans un intervalle de temps futur prédéterminé, et si c’est le cas, une étape de déclenchement d’une alerte.
Grâce à ces dispositions, sans utiliser d’apprentissage sur une longue durée, le procédé détermine automatiquement un critère d’anormalité d’une dérive du matériel, après une intervention externe sur le matériel, puis une prévision de survenance de cette anormalité. Ce procédé permet ainsi de décider une nouvelle intervention préventive évitant qu’une dérive trop importante ne se produise. Il permet aussi d’intervenir sur le matériel uniquement lorsqu’une dérive est prévue. Enfin, il évite, ou au moins limite, les interventions d’opérateurs en astreinte, plus coûteuses.
On note que la première durée sur laquelle est effectuée la première analyse est prédéterminée par défaut. Cependant, il est possible de la prolonger en fonction des résultats, par exemple si la variance est trop importante, afin d'obtenir un calibrage plus "robuste". De même, la deuxième durée glissante peut être dynamique et s’adapter en fonction d’au moins un indicateur de "stabilité" des tendances. En ce qui concerne l’alerte déclenchée, elle peut prendre la forme de courriels envoyés automatiquement aux équipes opérationnelles concernées.
Dans des modes de réalisation, au cours de la première étape d’analyse, on calcule une moyenne et un écart-type des valeurs de la grandeur physique et, au cours de l’étape de calibrage, au moins une valeur limite est égale à la moyenne calculée à laquelle on additionne ou soustrait un produit de l’écart-type mesuré par un nombre prédéterminé. La moyenne ainsi calculée peut aussi être majorée ou minorée selon un certain pourcentage, notamment lorsque des valeurs limites de la grandeur physique peuvent être déterminées par une marge d’erreur autour de la consigne de réglage.
Le produit de l’écart-type par un nombre prédéterminé est additionné à la moyenne, dans le cas de la valeur limite maximale et soustrait de la moyenne, dans le cas de la valeur limite minimale. Grâce à ces dispositions, le critère de détection mis en œuvre dépend de la stabilité initiale des valeurs de la grandeur physique surveillée.
Dans des modes de réalisation, au cours de la deuxième étape d’analyse, on effectue une régression linéaire des valeurs de la grandeur physique. Dans des modes de réalisation, au cours de la deuxième étape d’analyse, on effectue une régression non linéaire, par exemple mettant en œuvre un modèle de régression de type lissage exponentiel ou AutoRegressive Integrated Moving Average (ARIMA).
Dans des modes de réalisation, au cours de la deuxième étape d’analyse, on ne traite qu’une sélection de valeurs de la grandeur physique pendant la deuxième durée glissante postérieure à l’étape d’intervention.
Grâce à chacune de ces dispositions, on obtient une mesure de l’évolution tendancielle de la grandeur physique, sans consommer une importante puissance de calcul. Un seul serveur peut ainsi mettre en œuvre le procédé sur un grand nombre de matériels sujets à dérive. En pratique, on peut mettre en œuvre le procédé objet de l’invention une fois par jour, afin de ne pas surcharger les réseaux de communication. De plus, s'il y a des alertes, elles peuvent toutes être envoyées conjointement, par exemple en début de journée ce qui facilite l'organisation des plannings de maintenance du jour.
Dans des modes de réalisation, le procédé comporte, préliminairement à l’intervention, une étape de fourniture de valeurs de la grandeur physique mesurées sur des matériels similaires au matériel sur lequel est effectuée l’intervention et/ou sur le matériel sur lequel est effectuée l’intervention, à un modèle d'apprentissage automatique entraîné pour extrapoler une valeur de la grandeur physique en fonction des mesures réalisées sur ce matériel et, au cours des étapes de deuxième analyse et d’extrapolation, on met en œuvre ce modèle d’apprentissage automatique entraîné pour obtenir la valeur future.
On bénéficie ainsi de la précision d’extrapolation obtenue grâce à un modèle d’apprentissage automatique entraîné.
Dans des modes de réalisation, le procédé comporte, préliminairement à l’intervention, une étape de fourniture de valeurs de la grandeur physique mesurées sur des matériels similaires au matériel sur lequel est effectuée l’intervention et/ou sur le matériel sur lequel est effectuée l’intervention, à un modèle d'apprentissage automatique entraîné pour extrapoler une valeur de la grandeur physique en fonction des mesures réalisées sur ce matériel et, au cours des étapes de première analyse et de calibrage, on met en œuvre ce modèle d’apprentissage automatique entraîné pour obtenir au moins une valeur limite.
On réalise ainsi une détermination de valeur(s) limite(s) et/ou une prévision basée sur de l'intelligence artificielle. On note qu’il est ainsi possible d'améliorer les prévisions en réalisant l’apprentissage avec d'autres données disponibles, par exemple les consommations de gaz ou des données météorologiques.
Dans des modes de réalisation, l’apprentissage sur les précédentes régressions et alertes confirmées ou infirmées par les opérateurs de maintenance permet de définir un indicateur de confiance pour les futures alertes.
Dans des modes de réalisation, au cours de l’étape d’extrapolation, on extrapole une valeur future pour la fin d’une troisième durée consécutive à la deuxième durée.
On fixe ainsi un horizon, égal à cette troisième durée. C’est à cet horizon, c’est-à-dire à une échéance prédéterminée, que l’on détermine si la grandeur physique risque de devenir anormale, c’est-à-dire franchir une valeur limite. Par exemple, cet horizon est un nombre d’heures ou de jours. On note que cet horizon peut varier en fonction de la disponibilité d’un opérateur de maintenance, afin qu’une prévision de dérive anormale puisse provoquer une intervention préventive d’un opérateur.
Dans des modes de réalisation, la troisième durée dépend du jour et/ou de l’heure de la deuxième durée.
Par exemple, cet horizon est un jour de travail habituel d’un opérateur de maintenance. Cet horizon est ainsi fixé pour franchir les deux derniers jours de la semaine et les jours fériés afin de se trouver dans un jour ouvré. L’opérateur peut ainsi intervenir avant ces jours qui lui imposeraient une astreinte.
Dans des modes de réalisation, au cours de l’étape d’extrapolation, on mesure une durée consécutive à la deuxième durée avant le franchissement d’une valeur limite.
Ainsi, la durée prévue avant que la dérive devienne anormale est évaluée et permet de programmer une intervention d’opérateur très en amont. Cette durée représente un degré d’urgence de l’opération de maintenance. En particulier, si plusieurs matériels font l’objet d’une prévision de dérive selon le procédé objet de l’invention, l’ordre des prochaines interventions d’opérateurs peut être déterminé en fonction de ce degré d’urgence et, éventuellement, d’autres critères, comme la gravité de la dérive selon le matériel impliqué (par exemple, s'il existe ou non une ligne de régulation de secours ou selon l'importance des débits concernés), l’accessibilité du matériel, la proximité avec les autres matériels ou la disponibilité d’un opérateur de maintenance.
Selon un deuxième aspect, la présente invention vise un dispositif de prévision de dérive d’une grandeur physique consécutive à une intervention d’un opérateur sur un matériel provoquant une variation de la valeur de cette grandeur physique, qui comporte un moyen de mesure régulière de cette grandeur physique fournissant un ensemble de valeurs de cette grandeur physique, caractérisé en ce qu’il comporte, de plus :
- un premier moyen d’analyse des valeurs de cette grandeur physique pendant une première durée prédéterminée consécutive à l’intervention,
- un moyen de calibrage fournissant au moins une valeur limite de cette grandeur physique, en fonction du résultat de cette première analyse,
- un deuxième moyen d’analyse des valeurs de cette grandeur physique pendant une deuxième durée glissante postérieure à l’intervention,
- un moyen d’extrapolation d’une valeur future de cette grandeur physique, en fonction du résultat de cette deuxième analyse, et
- un moyen de déclenchement d’une alerte si la valeur extrapolée future franchit l’une des valeurs limites dans un intervalle de temps futur prédéterminé.
Les avantages, buts et caractéristiques particulières de ce dispositif étant similaires à ceux du procédé objet de l’invention, ils ne sont pas rappelés ici.
Dans des modes de réalisation, le matériel est un matériel de régulation configuré pour réguler un débit, une pression, une température ou un niveau.
Dans des modes de réalisation, le matériel est un matériel de régulation configuré pour réguler une grandeur physique d’une vanne, d’un détendeur, d’une pompe ou d’un compresseur. L’inventeur a déterminé que l’invention s’applique particulièrement bien à la prévision de ces grandeurs physiques et/ou la régulation de ce matériel de régulation.
Selon un troisième aspect, la présente invention vise un poste de détente d’un gaz comportant un dispositif objet de l’invention, dans lequel le matériel régule la pression en sortie d’une vanne de régulation.
L’inventeur a constaté l’efficacité de la mise en œuvre de l’invention pour un tel poste de détente.
Brève description des figures
D’autres avantages, buts et caractéristiques particulières de l’invention ressortiront de la description non limitative qui suit d’au moins un mode de réalisation particulier du procédé et du dispositif objets de l’invention, en regard des dessins annexés, dans lesquels :
[Fig 1] représente, schématiquement, un mode de réalisation particulier d’un dispositif objet de l’invention implanté dans un poste de détente et/ou de livraison de gaz,
[Fig 2] représente une évolution de pression de gaz en sortie d’un poste de détente et/ou de livraison de gaz et une détermination de valeurs limites d’évolution de pression de gaz en sortie d’un poste de détente et/ou de livraison de gaz,
[Fig 3] représente une première prévision d’évolution de pression de gaz en sortie d’un poste de détente et/ou de livraison de gaz,
[Fig 4] représente une deuxième prévision d’évolution de pression de gaz en sortie d’un poste de détente et/ou de livraison de gaz,
[Fig 5] représente une troisième prévision d’évolution de pression de gaz en sortie d’un poste de détente et/ou de livraison de gaz,
[Fig 6] représente, sous forme d’un logigramme, des étapes d’un mode de réalisation particulier de l’invention appliqué à la régulation de pression en sortie d’un poste de détente,
[Fig 7] représente une interface de supervision d’un réseau de postes de détentes et/ou de livraison de gaz, et
[Fig 8] représente, sous forme d’un logigramme, des étapes d’un mode de réalisation particulier du procédé objet de l’invention.
Description des modes de réalisation
La présente description est donnée à titre non limitatif, chaque caractéristique d’un mode de réalisation pouvant être combinée à toute autre caractéristique de tout autre mode de réalisation de manière avantageuse.
Le transport de gaz naturel et/ou de biométhane étant effectué à haute pression (par exemple 70 bar) et la distribution en ville à basse pression (par exemple 5 bar), un poste de détente a pour but de détendre le gaz de la haute pression à la basse pression. À chaque point d'approvisionnement du réseau ainsi qu'à chaque point de livraison, des systèmes de comptage permettent de mesurer les quantités de gaz naturel et/ou de biométhane qui transitent en ces points. On observe, en figure 1 , une installation 10 comportant un poste de détente 13. Ce poste de détente 13 a pour fonction d'abaisser la pression du gaz distribué par un réseau général 11 à des niveaux de pression utilisables par les différents types de clientèles, par exemple domestique, tertiaire ou industriel, connecté à un réseau de distribution 12. Le poste de détente et de comptage (« PDC ») est une installation servant à contrôler la pression et le comptage du gaz naturel. Outre les conduites de gaz amont 11 et aval 12, ce poste 13 comprend différents organes : un matériel régulateur de pression 14, capteur 15 de mesure de pression en aval du régulateur 14, compteur (non représenté), correcteur de volume (non représenté), soupapes de sécurité (non représenté), vannes (non représentées), filtre (non représenté), dispositif de traitement des données 16 et dispositif de transmission des données 17.
Le régulateur de pression 14 est soumis à une dérive qui a pour effet de faire varier la pression aval dans la conduite de gaz aval 12. Or, cette pression aval doit rester dans un intervalle de valeurs, entre une valeur minimale assurant le fonctionnement des installations de la clientèle et une valeur maximale évitant les risques de fuite au niveau de ces installations ou de rupture de la conduite 12. Une opération de maintenance, sur site ou de manière commandée à distance, permet de corriger cette dérive en modifiant des valeurs de paramètres de fonctionnement du régulateur de pression 14. La présente invention permet d’anticiper le besoin de telles opérations de maintenance.
On observe, en figure 2, un graphe temporel 20 de pression en aval d’un régulateur de pression. Les valeurs successives de la pression sont représentées par la courbe 21. Ces valeurs successives sont obtenues soit par une mesure continue de la pression aval, soit par des mesures régulières de cette pression. À un instant 23, une intervention est réalisée par un opérateur sur le régulateur, ce qui provoque une discontinuité de la courbe 21. Dans le cas représenté en figure 2, il s’agit d’une hausse de la pression aval.
Pendant une première durée prédéterminée 22 consécutive à l’instant 23 de l’intervention, s’étendant jusqu’à l’instant 24, une première analyse des valeurs mesurées de la pression est réalisée. Cette première durée est aussi appelée « fenêtre de calibrage ». Cette première analyse est, par exemple, statistique et détermine fournit une valeur moyenne 25, un écart-type des variations de cette pression et une amplitude maximale de ces variations.
On fixe ensuite une valeur limite inférieure 26 et une valeur limite supérieure 27, en fonction du résultat de la première analyse. Selon un premier exemple, la valeur limite inférieure 26 est égale à la valeur moyenne diminuée d’un pourcentage prédéterminé, par exemple cinq pour cent. Selon un deuxième exemple, la valeur limite inférieure 26 est égale à la valeur moyenne diminuée d’un nombre prédéterminé de fois l’écart-type, par exemple trois fois. En variante, la moyenne ainsi calculée est majorée ou minorée selon un certain pourcentage, notamment lorsque des valeurs limites de la grandeur physique peuvent être déterminées par une marge d’erreur autour de la consigne de réglage. Selon un troisième exemple, la valeur limite inférieure 26 est égale à la valeur moyenne diminuée d’une proportion prédéterminée de l’amplitude, par exemple une demi-amplitude et d’un pourcentage prédéterminé de la valeur moyenne ou d’un nombre prédéterminé de fois l’écart-type. Bien entendu, toute autre combinaison des résultats de la première analyse peut être utilisée pour fixer la valeur limite inférieure 26. Similairement, la valeur limite supérieure 27 est déterminée de l’une de ces manières en remplaçant la diminution par une augmentation.
Comme illustré en figures 3 et 4, on réalise aussi, pendant une deuxième durée glissante, 28 en figure 3 et 31 en figure 4, postérieure à l’étape d’intervention, une deuxième analyse des valeurs de la pression. Cette deuxième analyse est, par exemple statistique et fournit une fonction temporelle, 29 en figure 3 et 32 en figure 4, pouvant s’étendre postérieurement à la fin de la deuxième durée glissante. Cette deuxième durée glissante 28 ou 31 est aussi appelée « fenêtre glissante ». Elle s’achève à l’instant courant. On note que la deuxième durée peut chevaucher la première durée, tant que la durée entre l’étape d’intervention et l’instant courant est inférieure à la somme de la première durée et de la deuxième durée.
Les valeurs de pression postérieures à cette fenêtre glissante ne sont donc pas connues lors du traitement des valeurs de pression dans cette fenêtre glissante. Cette fonction temporelle de modélisation de l’évolution de la pression permet donc une extrapolation dans le futur de la valeur de la pression. Par exemple, la deuxième analyse réalise une régression, par exemple linéaire, comme dans le mode de réalisation illustré en figures 3 et 4. La fonction temporelle de modélisation est donc une fonction linéaire, dont la courbe 29 ou 32 est une droite. Selon un autre exemple, la deuxième analyse réalise une régression non linéaire, par exemple elle met en œuvre un modèle de régression de type lissage exponentiel ou Auto Regressive Integrated Moving Average (ARIMA). Dans des modes de réalisation, cette étape d’analyse est effectuée sur une sélection de valeurs de la grandeur physique pendant la deuxième durée glissante 28 ou 31 postérieure à l’étape d’intervention. Par exemple, on traite des percentiles journaliers et la deuxième analyse ne porte que sur les valeurs extrêmes de chaque jour.
Sur la base de cette fonction temporelle, on extrapole une valeur future, 30 en figure 3 et 33 en figure 4, de la pression. Dans le mode de réalisation illustré en figures 3 et 4, la valeur future 30 ou 33 est la valeur de la fonction temporelle 29 ou 32 après une troisième durée prédéterminée 36 commençant à la fin de la fenêtre glissante. Cette troisième durée prédéterminée est aussi appelée « horizon ». Dans d’autres modes de réalisation, cette valeur future est égale à l’une des valeurs limites 26 et 27 et on détermine la durée 37 entre la fin de la fenêtre glissante et l’instant où la fonction temporelle 29 ou 32 est égale à l’une des valeurs limites 26 et 27.
Si la valeur extrapolée future franchit l’une des valeurs limites 26 ou 27 dans un intervalle de temps futur prédéterminé, le dispositif 13 déclenche une alerte, locale ou à distance. Dans le cas de l’utilisation d’un horizon 36, cette condition est remplie si la valeur future 30 ou 33 est supérieure à la valeur limite supérieure 27 ou inférieure à la valeur limite inférieure 26. Dans le cas de la détermination de la durée 37 avant le franchissement d’une valeur limite 26 ou 27, cette condition est remplie si cette durée est inférieure à la durée de l’intervalle de temps futur prédéterminé.
Dans la variante illustrée en figure 5, à la place ou en complément de la fonction temporelle 32, on réalise le même traitement sur au moins l’une de :
- la fonction temporelle 34, de même pente que la fonction 32 mais décalée pour que toutes les valeurs de pression dans la fenêtre glissante soient supérieures à la valeur de la fonction 34, - la fonction temporelle 35, de même pente que la fonction 32 mais décalée pour que toutes les valeurs de pression dans la fenêtre glissante soient inférieures à la valeur de la fonction 35.
Cette variante permet de prendre en compte l’amplitude de variation de la pression constatée dans la fenêtre glissante 31 . Dans des variantes, on applique des fonctions temporelles décalées de la fonction 32 par ajout et soustraction d’une demi-amplitude de variation de la pression dans la fenêtre glissante. D’autres variantes sont basées sur un nombre de fois prédéterminé de l’écart-type des valeurs de la pression dans la fenêtre glissante 31 , et/ou une amplitude ou un écart-type calculé sur une autre durée que celle de la fenêtre glissante 31.
Comme illustré en figure 6, un mode de réalisation 40 du procédé de prévision de dérive d’une grandeur physique commandée par un matériel, par exemple un matériel de régulation, comporte différentes étapes commençant à la fin d’une intervention 41 sur le matériel. Au cours d’une étape 42, on détermine un horizon. Dans des modes de réalisation, cet horizon est fixe, par exemple égal à un ou plusieurs jours. Dans des modes de réalisation, cet horizon varie en fonction du délai d’intervention d’un opérateur, fonction de son lieu de travail ou de résidence ou de position géographique instantanée et de la durée de trajet nécessaire qu’il atteigne le matériel objet de l’intervention. Dans des modes de réalisation, cet horizon varie dans le temps, par exemple, il dépend du jour et/ou de l’heure de la fenêtre glissante, de manière à ce que cet horizon, supérieur à une valeur minimale, par exemple d’une journée, ne se finisse pas en dehors de plages horaires d’intervention (par exemple entre huit heures et dix-huit heures), ni un samedi ou un dimanche, ni un jour férié.
Au cours d’une étape 43, on effectue une mesure régulière de la pression en aval de l’appareil de régulation. Cette mesure régulière fournit un ensemble de valeurs de cette pression.
Au cours d’une étape 44, on effectue une première étape d’analyse des valeurs de cette pression pendant une première durée prédéterminée consécutive à l’intervention, c’est-à-dire la fenêtre de calibrage.
On note que la première durée d'analyse est prédéterminée par défaut, mais qu’il est possible de la prolonger en fonction des résultats, par exemple si la variance est trop importante, afin d'obtenir un calibrage plus "robuste". Dans des variantes, l’étape 44 comporte donc une détermination de la variance de la valeur de la pression et, si cette variance est supérieure à une valeur prédéterminée, une prolongation de la première durée, la première analyse étant alors effectuée sur la première durée prolongée.
Au cours d’une étape 45, on effectue un calibrage fournissant au moins une valeur limite de cette pression, en fonction du résultat de la première analyse.
Au cours d’une étape 46, on poursuit la mesure régulière de la pression en aval de l’appareil de régulation.
Au cours d’une étape 47, on effectue une deuxième analyse des valeurs de la pression pendant une fenêtre glissante postérieure à l’étape d’intervention.
On note que la deuxième durée d'analyse est prédéterminée par défaut, mais qu’il est possible de la prolonger en fonction d’un indicateur d’instabilité, afin d'obtenir une deuxième analyse plus "robuste". Dans des variantes, l’étape 47 comporte donc une détermination de l’instabilité de la tendance d’évolution de la valeur de la pression et, si cette instabilité est supérieure à une valeur prédéterminée, une prolongation de la deuxième durée, la deuxième analyse étant alors effectuée sur la première durée prolongée.
On note que la deuxième durée peut chevaucher la première durée, tant que la durée entre l’étape d’intervention et l’instant courant est inférieure à la somme de la première durée et de la deuxième durée. Les étapes 44 et 47 étant indépendantes, l’étape 47 peut alors s’achever avant l’étape 44 et l’étape 45.
Au cours d’une étape 48, on effectue une extrapolation de la valeur future de la pression à l’horizon, en fonction du résultat de cette deuxième analyse.
Au cours d’une étape 49, on compare la valeur future à l’horizon avec chaque valeur limite. Au cours d’une étape 50, on détermine si l’une des valeurs limites est franchie par l’extrapolation à l’horizon. Si le résultat de l’étape 50 est négatif, on retourne à l’étape 46. Si le résultat de l’étape 50 est positif, c’est-à-dire si la valeur extrapolée future franchit l’une des valeurs limites dans l’horizon (intervalle de temps futur prédéterminé), au cours d’une étape 51 , on déclenche une alerte à distance, et éventuellement localement et on retourne à l’étape 46. Parallèlement, au cours d’une étape 52, on effectue à distance une analyse de l’alerte. Par exemple on détermine si des conditions météorologiques peuvent expliquer cette alerte et si les prévisions météorologiques font prévoir un retour à des conditions normales. Enfin, au cours d’une étape 53, on prend une décision d’intervention, par exemple un ordonnancement des interventions sur plusieurs matériels, en fonction du chemin le plus court pour réaliser les interventions. Puis, on retourne à l’étape 41 , dès que cette intervention est effectuée.
En particulier, si plusieurs matériels font l’objet d’une prévision de dérive selon le procédé objet de l’invention, l’ordre des prochaines interventions d’opérateurs peut être déterminé en fonction de ce degré d’urgence et, éventuellement, d’autres critères, comme la gravité de la dérive selon le matériel impliqué (par exemple, s'il existe ou non une ligne de régulation de secours ou selon l'importance des débits concernés), l’accessibilité du matériel, la proximité avec les autres matériels ou la disponibilité d’un opérateur de maintenance.
Dans le mode de réalisation illustré en figure 6, au cours de la première étape d’analyse 44, on calcule une moyenne et un écart-type des valeurs de la grandeur physique et, au cours de l’étape de calibrage 45, au moins une valeur limite est égale à la moyenne calculée additionnée au produit de l’écart-type mesuré par un nombre prédéterminé.
Dans le mode de réalisation illustré en figure 6, au cours de la deuxième étape d’analyse 47, on effectue une régression, par exemple linéaire, des valeurs de la grandeur physique.
Dans le mode de réalisation illustré en figure 6, au cours de l’étape d’extrapolation 48, on extrapole une valeurfuture pour un horizon, soit une troisième durée consécutive à la deuxième durée. Préférentiellement, l’horizon dépend du jour et/ou de l’heure de la fenêtre glissante. En variante, au cours de l’étape d’extrapolation 48, on mesure une durée consécutive à la fenêtre glissante avant le franchissement d’une valeur limite.
Dans les variantes décrites ci-dessous, on utilise un modèle d’apprentissage automatique. Il est ainsi possible d'améliorer la détermination des valeurs limites et/ou l’extrapolation en réalisant l’apprentissage avec des valeurs de pression, mais aussi d'autres données disponibles, par exemple les consommations de gaz sur le réseau ou des données météorologiques.
Dans ces variantes, le procédé comporte, préliminairement à l’intervention, une étape de fourniture de valeurs de la grandeur physique mesurées sur des matériels similaires au matériel sur lequel est effectuée l’intervention et/ou sur le matériel sur lequel est effectuée l’intervention, à un modèle d'apprentissage automatique entraîné pour extrapoler une valeur de la grandeur physique en fonction des mesures réalisée sur ce matériel.
Bien entendu, l’extrapolation est d’autant plus fiable que les valeurs mesurées ayant servi à l’apprentissage ont été mesurées sur le matériel 14 auquel s’applique le procédé et/ou sur des matériels similaires dont le contexte de fonctionnement est similaire. De même, l’extrapolation est plus fiable si les valeurs mesurées sont mesurées après une intervention par un opérateur et sont complétées de valeurs mesurées avant cette intervention. Dans ce dernier cas, lors de la mise en œuvre du modèle d’apprentissage automatique entraîné, on lui fournit, en plus des mesures de pression effectuées après l’intervention, des mesures de pression effectuées avant l’intervention.
Dans une première variante, au cours des étapes de première analyse 44 et de calibrage 45, on met en œuvre ce modèle d’apprentissage automatique entraîné pour obtenir au moins une valeur limite.
Dans une deuxième variante, éventuellement combinée avec la première variante, au cours des étapes de deuxième analyse 47 et d’extrapolation 48, on met en œuvre ce modèle d’apprentissage automatique entraîné.
Ce modèle d’apprentissage automatique est, par exemple, un réseau de neurones récurrents (RNN) ou un réseau de neurones convolutifs (CNN). Ces réseaux de neurones sont particulièrement adaptés aux cas où on intègre des informations complémentaires, comme des consommations et des données météorologiques.
Dans des modes de réalisation, l’apprentissage sur les précédentes alertes, confirmées ou infirmées par les opérateurs de maintenance, permet de définir un indicateur de confiance pour les futures alertes, selon des techniques connues.
Comme illustré en figure 7, une interface 60 de visualisation des alertes peut prendre la forme d’une carte 61 sur laquelle sont représentées les positions des matériels sujets à des interventions, 62 à 66. À la représentation, par un cercle extérieur, de chacun de ces matériels, est associée une représentation en couleur de la durée avant le franchissement d’une valeur limite obtenue par le calibrage de ce matériel. En figure 7, plus le cercle central est sombre, plus cette durée est courte. Une représentation numérique 67 de cette durée est aussi affichée en dessous de la représentation de chaque matériel. Cette double représentation de l’urgence d’une intervention permet à un opérateur de préparer une tournée d’interventions sur les matériels 62 à 66 représentés sur la carte 61 , par exemple en fonction des urgences et des routes d’accès à ces matériels.
On observe, en figure 8, un mode de réalisation 70 particulier d’un procédé objet de l’invention, plus généralement appliqué à une grandeur physique commandée par un matériel, par exemple un matériel de régulation. Au cours d’une étape 71 , un opérateur effectue une intervention sur ce matériel provoquant une variation de la valeur de cette grandeur physique. Au cours d’une étape 72, on réalise une mesure régulière de cette grandeur physique fournissant un ensemble de valeurs de cette grandeur physique.
Au cours d’une étape 73, on réalise une première analyse des valeurs de cette grandeur physique pendant une première durée prédéterminée consécutive à l’étape d’intervention.
Au cours d’une étape 74, on réalise un calibrage fournissant au moins une valeur limite de cette grandeur physique, en fonction du résultat de cette première analyse.
Au cours d’une étape 75, on poursuit la mesure régulière de la valeur de la grandeur physique.
Au cours d’une étape 76, on réalise une deuxième étape d’analyse des valeurs de cette grandeur physique pendant une deuxième durée glissante postérieure à l’étape d’intervention.
On note que la deuxième durée peut se chevaucher avec la première durée, tant que la durée entre l’étape d’intervention et l’instant courant est inférieure à la somme de la première durée et de la deuxième durée. Les étapes 73 et 76 étant indépendantes, l’étape 76 peut alors s’achever avant l’étape 73 et l’étape 74.
Au cours d’une étape 77, on réalise une extrapolation d’une valeur future de cette grandeur physique, en fonction du résultat de cette deuxième analyse.
Au cours d’une étape 78, on compare les valeurs futures avec les valeurs limites.
Au cours d’une étape 79, on détermine si une l’une des valeurs limites est franchie. Si le résultat de l’étape 79 est positif, c’est-à-dire si la valeur extrapolée future franchit l’une des valeurs limites dans l’horizon (intervalle de temps futur prédéterminé), au cours d’une étape 80, on déclenche une alerte et on retourne à l’étape 75. Parallèlement, au cours d’une étape 81 , on effectue à distance une analyse de l’alerte. Enfin, au cours d’une étape 82, on prend une décision d’intervention. Puis, on retourne à l’étape 71 , dès que cette intervention est effectuée.
Bien entendu, toutes les caractéristiques techniques, les modes de réalisation et les variantes exposées en regard des figures 1 à 6 s’appliquent au procédé 60 illustré en figure 7.
En revenant à la figure 1 , le matériel est un matériel de régulation, et plus particulièrement un régulateur de pression 14. Le capteur 15 effectue la mesure en continu, de la pression en aval du régulateur de pression 14. Le dispositif de transmission des données 17 transmet à un serveur distant
18 les valeurs de pression mesurées par le capteur 15 et/ou les résultats des traitements effectués par le dispositif de traitement des données 16.
Plus généralement, un dispositif 19 objet de l’invention s’applique à un matériel industriel. En particulier, ce matériel peut être configuré pour réguler une grandeur physique mesurable, par exemple un débit, une pression, une température ou un niveau. Par exemple, ce matériel est configuré pour réguler une grandeur physique d’une vanne de régulation, d’un détendeur, d’une pompe ou d’un compresseur, notamment de gaz.
Le dispositif de traitement des données 16 et le serveur distant 18, qui font partie du dispositif
19 objet de l’invention, sont conjointement configurés pour effectuer les étapes du procédé objet de l’invention et constituer, par la mise en œuvre d’au moins un programme informatique, au moins :
- un moyen 15 de mesure régulière de cette grandeur physique fournissant un ensemble de valeurs de cette grandeur physique, caractérisé en ce qu’il comporte, de plus : - un premier moyen, 16 et/ou 18, d’analyse des valeurs de cette grandeur physique pendant une première durée prédéterminée 22 consécutive à l’intervention,
- un moyen, 16 et/ou 18, de calibrage fournissant au moins une valeur limite, 26 et/ou 27, de cette grandeur physique, en fonction du résultat de cette première analyse,
- un deuxième moyen, 16 et/ou 18, d’analyse des valeurs de cette grandeur physique pendant une deuxième durée, 28 et/ou 31 glissante postérieure à l’intervention,
- un moyen, 16 et/ou 18, d’extrapolation d’une valeur future, 30 et/ou 33, de cette grandeur physique, en fonction du résultat de cette deuxième analyse, et
- un moyen, 16 et/ou 18, de déclenchement d’une alerte si la valeur extrapolée future franchit l’une des valeurs limites dans un intervalle de temps futur 36 prédéterminé.

Claims

REVENDICATIONS
1. Procédé (40, 70) de prévision de dérive d’une grandeur physique, comportant une étape (41 , 71) d’intervention par un opérateur sur un matériel (14) provoquant une variation de la valeur de cette grandeur physique, une étape (43, 46, 72, 75) de mesure régulière de cette grandeur physique fournissant un ensemble de valeurs de cette grandeur physique, caractérisé en ce qu’il comporte, de plus :
- une première étape (44, 73) d’analyse des valeurs de cette grandeur physique pendant une première durée prédéterminée (22) consécutive à l’étape d’intervention,
- une étape (45, 74) de calibrage fournissant au moins une valeur limite (26, 27) de cette grandeur physique, en fonction du résultat de cette première analyse,
- une deuxième étape (47, 76) d’analyse des valeurs de cette grandeur physique pendant une deuxième durée (28, 31) glissante postérieure à l’étape d’intervention,
- une étape (48, 77) d’extrapolation d’une valeur future (30, 33) de cette grandeur physique, en fonction du résultat de cette deuxième analyse, et
- une étape (49, 50, 78, 79) de détermination si la valeur extrapolée future franchit l’une des valeurs limites dans un intervalle de temps futur (36) prédéterminé, et si c’est le cas, une étape (51 , 80) de déclenchement d’une alerte.
2. Procédé (40, 70) selon la revendication 1 , dans lequel, au cours de la première étape (44, 73) d’analyse, on calcule une moyenne et un écart-type des valeurs de la grandeur physique et, au cours de l’étape (45, 74) de calibrage, au moins une valeur limite (26, 27) est égale à la moyenne calculée à laquelle on additionne ou soustrait un produit de l’écart-type mesuré par un nombre prédéterminé.
3. Procédé (40, 70) selon l’une des revendications 1 ou 2, dans lequel, au cours de la deuxième étape (47, 76) d’analyse, on effectue une régression linéaire des valeurs de la grandeur physique.
4. Procédé (40, 70) selon l’une des revendications 1 ou 2, dans lequel, au cours de la deuxième étape (47, 76) d’analyse, on effectue une régression non linéaire, par exemple mettant en œuvre un modèle de régression de type lissage exponentiel ou Auto Regressive Integrated Moving Average (ARIMA).
5. Procédé (40, 70) selon l’une des revendications 1 à 4, dans lequel, au cours de la deuxième étape (47, 76) d’analyse, on ne traite qu’une sélection de valeurs de la grandeur physique pendant la deuxième durée (28, 31) glissante postérieure à l’étape d’intervention.
6. Procédé (40, 70) selon l’une des revendications 1 ou 2, qui comporte, préliminairement à l’intervention, une étape de fourniture de valeurs de la grandeur physique mesurées sur des matériels similaires au matériel sur lequel est effectuée l’intervention et/ou sur le matériel sur lequel est effectuée l’intervention, à un modèle d'apprentissage automatique entraîné pour extrapoler une valeur de la grandeur physique en fonction des mesures réalisées sur ce matériel et, au cours des étapes de deuxième analyse (47, 76) et d’extrapolation (48, 77), on met en œuvre ce modèle d’apprentissage automatique entraîné pour obtenir la valeur future (30, 33).
7. Procédé (40, 70) selon l’une des revendications 1 à 6, qui comporte, préliminairement à l’intervention (41 , 71), une étape de fourniture de valeurs de la grandeur physique mesurées sur des matériels similaires au matériel sur lequel est effectuée l’intervention et/ou sur le matériel sur lequel est effectuée l’intervention, à un modèle d'apprentissage automatique entraîné pour extrapoler une valeur de la grandeur physique en fonction des mesures réalisées sur ce matériel et, au cours des étapes de première analyse (44, 73) et de calibrage (45, 74), on met en œuvre ce modèle d’apprentissage automatique entraîné pour obtenir au moins une valeur limite.
8. Procédé (40, 70) selon l’une des revendications 6 ou 7, qui comporte une étape de fourniture, par un opérateur, de confirmation ou d’infirmation de l’alerte, le modèle d’apprentissage automatique entraîné étant configuré pour déterminer un indice de confiance pour les futures alertes.
9. Procédé (40, 70) selon l’une des revendications 1 à 8, dans lequel, au cours de l’étape (48, 77) d’extrapolation, on extrapole une valeur future pour la fin d’une troisième durée (36) consécutive à la deuxième durée (28).
10. Procédé (40, 70) selon la revendication 9, dans lequel la troisième durée (36) dépend du jour et/ou de l’heure de la deuxième durée (28).
11. Procédé (40, 70) selon l’une des revendications 1 à 10, dans lequel, au cours de l’étape (48, 77) d’extrapolation, on mesure une durée (37) consécutive à la deuxième durée (28) avant le franchissement d’une valeur limite.
12. Dispositif (19) de prévision de dérive d’une grandeur physique consécutive à une intervention d’un opérateur sur un matériel (14) provoquant une variation de la valeur de cette grandeur physique, qui comporte un moyen (15) de mesure régulière de cette grandeur physique fournissant un ensemble de valeurs de cette grandeur physique, caractérisé en ce qu’il comporte, de plus :
- un premier moyen (16, 18) d’analyse des valeurs de cette grandeur physique pendant une première durée prédéterminée (22) consécutive à l’intervention,
- un moyen (16, 18) de calibrage fournissant au moins une valeur limite (26, 27) de cette grandeur physique, en fonction du résultat de cette première analyse,
- un deuxième moyen (16, 18) d’analyse des valeurs de cette grandeur physique pendant une deuxième durée (28, 31) glissante postérieure à l’intervention, - un moyen (16, 18) d’extrapolation d’une valeur future (30, 33) de cette grandeur physique, en fonction du résultat de cette deuxième analyse, et
- un moyen (16, 18) de déclenchement d’une alerte si la valeur extrapolée future franchit l’une des valeurs limites dans un intervalle de temps futur (36) prédéterminé.
13. Dispositif (19) selon la revendication 12, dans lequel le matériel est un matériel de régulation configuré pour réguler un débit, une pression, une température ou un niveau.
14. Dispositif (19) selon l’une des revendications 12 ou 13, dans lequel le matériel est un matériel de régulation configuré pour réguler une grandeur physique d’une vanne, d’un détendeur, d’une pompe ou d’un compresseur.
15. Poste de détente d’un gaz (13) comportant un dispositif (19) selon l’une des revendications 12 à 14, dans lequel le matériel (14) régule la pression en sortie d’une vanne de régulation.
PCT/EP2023/084953 2022-12-14 2023-12-08 Procédé et dispositif de prévision de dérive d'un matériel WO2024126300A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FRFR2213384 2022-12-14
FR2213384A FR3143783A1 (fr) 2022-12-14 2022-12-14 Procédé et dispositif de prévision de dérive d’un matériel de régulation

Publications (1)

Publication Number Publication Date
WO2024126300A1 true WO2024126300A1 (fr) 2024-06-20

Family

ID=85222619

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2023/084953 WO2024126300A1 (fr) 2022-12-14 2023-12-08 Procédé et dispositif de prévision de dérive d'un matériel

Country Status (2)

Country Link
FR (1) FR3143783A1 (fr)
WO (1) WO2024126300A1 (fr)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007130692A2 (fr) * 2006-05-07 2007-11-15 Applied Materials, Inc. Détection de pannes multivariée adaptative
EP2495631A2 (fr) * 2011-03-02 2012-09-05 General Electric Company Procédé et système pour l'analyse d'une turbomachine
US20220197271A1 (en) 2019-05-09 2022-06-23 Dürr Systems Ag Analysis method and devices for same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007130692A2 (fr) * 2006-05-07 2007-11-15 Applied Materials, Inc. Détection de pannes multivariée adaptative
EP2495631A2 (fr) * 2011-03-02 2012-09-05 General Electric Company Procédé et système pour l'analyse d'une turbomachine
US20220197271A1 (en) 2019-05-09 2022-06-23 Dürr Systems Ag Analysis method and devices for same

Also Published As

Publication number Publication date
FR3143783A1 (fr) 2024-06-21

Similar Documents

Publication Publication Date Title
US20200387119A1 (en) Linepack delay measurement in fluid delivery pipeline
US10401879B2 (en) Topological connectivity and relative distances from temporal sensor measurements of physical delivery system
US11839184B2 (en) Artificially intelligent irrigation system
US9395262B1 (en) Detecting small leaks in pipeline network
US9558453B1 (en) Forecasting leaks in pipeline network
FR2957097A1 (fr) Systeme et procede de surveillance de ressources dans un reseau de distribution d'eau
JP6318307B2 (ja) 資源消費分析論のためのシステムおよび方法
EP1672444B1 (fr) Procédé de suivi des performances d'un équipement industriel
US9857801B2 (en) System and method for detecting a stick-slip
US20210033447A1 (en) System and method for assessing sensors' reliability
EP1488295A2 (fr) Procede et dispositif de suivi de performances d'un equipement industriel
EP3830469B1 (fr) Installation de rebours connectée et procédé de fonctionnement d'une telle installation
WO2024126300A1 (fr) Procédé et dispositif de prévision de dérive d'un matériel
CN114254833A (zh) 基于多元线性回归和气象数据的水库水位预测及调度方法
JP7399631B2 (ja) 水需要予測システム、および、その方法
CN105741187B (zh) 生活资源消耗量数据处理、生活资源消耗监测方法及装置
US20230224612A1 (en) Systems and methods for sensor monitoring and sensor-related calculations
JP2019096268A (ja) 水処理プラント運用支援システム
JP5476275B2 (ja) 配水量計画予測システム、その予測方法およびそのプログラム
US12054924B2 (en) Smart and connected backflow preventer assembly
EP3896419A1 (fr) Évaluation d'une quantité de fluide perdue dans un réseau de distribution
US20230209228A1 (en) Systems and methods for sensor monitoring and sensor-related calculations
WO2005008208A2 (fr) Procede de detection d'une consommation anormale de fluide
WO2016066921A1 (fr) Prédiction d'événement dans un système d'entités connectées
WO2015092279A1 (fr) Procédé de localisation d'une anomalie détectée dans une structure arborescente

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: 23825406

Country of ref document: EP

Kind code of ref document: A1