CN108604094B - 设备的异常诊断方法及设备的异常诊断装置 - Google Patents
设备的异常诊断方法及设备的异常诊断装置 Download PDFInfo
- Publication number
- CN108604094B CN108604094B CN201680080188.2A CN201680080188A CN108604094B CN 108604094 B CN108604094 B CN 108604094B CN 201680080188 A CN201680080188 A CN 201680080188A CN 108604094 B CN108604094 B CN 108604094B
- Authority
- CN
- China
- Prior art keywords
- abnormality
- state
- data
- period
- time
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/16—Combined cycle power plant [CCPP], or combined cycle gas turbine [CCGT]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/16—Combined cycle power plant [CCPP], or combined cycle gas turbine [CCGT]
- Y02E20/18—Integrated gasification combined cycle [IGCC], e.g. combined with carbon capture and storage [CCS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本公开的设备的异常诊断方法是用于诊断构成机组的设备中的对象设备的异常的异常诊断方法,其具有以下步骤:获取与所述对象设备的异常具有相关性的所述机组的多个状态量的时间序列数据;针对所述多个状态量中的至少一个状态量,进行将在排除期间内获取的所述至少一个状态量的数据从与该状态量有关的所述时间序列数据中排除的预处理,从而针对所述多个状态量得到异常诊断用数据,所述排除期间为构成所述机组的其他设备的状态变化的影响波及所述对象设备的过渡状态期间中的至少一部分;以及根据所述多个状态量的所述异常诊断用数据进行所述对象设备的异常诊断。
Description
技术领域
本公开涉及用于根据从工作中的设备收集的信息进行该设备的异常诊断的异常诊断方法及异常诊断装置。
背景技术
为了监视构成机组的一个以上的设备是否正常运转,一般从设备获取设备的温度、压力这样的状态量来进行监视。作为具体方法,首先,以规定的时间间隔计测设备中的监视对象即多个监视项目的状态量,着眼于多个监视项目的状态量之间的相关关系来计算马氏距离。然后,根据该马氏距离的大小判定机组中是否存在异常的征兆。
在使用马氏距离的异常诊断方法中,作为提高异常检测精度的方法,考虑将本质上在异常诊断中不需要的状态量和无助于提高异常诊断精度的状态量排除来计算马氏距离。在专利文献1中公开了使用根据上述思路计算出的马氏距离的设备的异常诊断方法。在专利文献1所记载的异常诊断方法中,根据针对多个状态量分别以时间序列从设备收集的数据,按照每个状态量求出数据的频数分布,使用将数据的频数分布不基于正态分布的状态量排除而计算出的马氏距离进行异常诊断。
现有技术文献
专利文献
专利文献1:日本特开2013-200245号公报
发明内容
发明要解决的课题
然而,如专利文献1记载的那样,存在如下问题:当将针对作为排除对象的一部分状态量收集的全部数据完全排除来计算马氏距离时,在作为排除对象的状态量为特定异常的诊断所必需的情况下,很难发现该特定异常。
另外,作为其他问题,在机组内与作为异常诊断对象的对象设备的前级连接的其他设备的状态量的急剧变化成为对象设备的状态量的反常的变化而产生波及的情况下,产生以下那样不合适的问题。即,被该其他设备的状态变化影响而引起的对象设备的反常的状态变化作为干扰施加给从该对象设备收集的多个状态量的变动特性。其结果是,对对象设备的状态量的变动特性施加上述这种干扰,由此,可能很难根据对象设备的状态量的变动特性正确发现产生设备异常的征兆。
鉴于以上问题,本发明的若干个实施方式的目的在于,得到如下的异常诊断方法:考虑针对全部状态量从对象设备收集的数据,并且不会受到其他设备的状态变化波及对象设备而引起的反常的状态变化的影响,能够正确检测对象设备中产生异常的征兆。
用于解决课题的手段
(1)根据本发明的若干个实施方式,用于诊断构成机组的设备中的对象设备的异常的异常诊断方法的特征在于,所述异常诊断方法具有以下步骤:获取与所述对象设备的异常具有相关性的所述机组的多个状态量的时间序列数据;针对所述多个状态量中的至少一个状态量,进行将在排除期间内获取的所述至少一个状态量的数据从与该状态量有关的所述时间序列数据中排除的预处理,从而针对所述多个状态量得到异常诊断用数据,所述排除期间为构成所述机组的其他设备的状态变化的影响波及所述对象设备的过渡状态期间中的至少一部分;以及根据所述多个状态量的所述异常诊断用数据进行所述对象设备的异常诊断。
在上述(1)的方法中,设置上述排除期间、将针对对象设备的一部分状态量在排除期间内获取的数据从异常诊断中排除的目的如下所述。在其他设备的状态变化的影响波及对象设备的过渡状态期间中的至少一部分即排除期间内,其他设备的状态变化波及而引起的对象设备的反常的状态变化作为干扰施加给从对象设备收集的多个状态量的变动特性。因此,在上述(1)的方法中,将针对由于其他设备的状态变化而受到影响的一部分状态量在该影响波及的时段内获取的数据从异常诊断中使用的异常诊断用数据中排除。
由此,根据上述(1)的方法,不用将针对一部分状态量以时间序列从对象设备收集的全部数据完全排除,另外,不会受到其他设备的状态变化波及而导致的影响,能够正确检测对象设备中产生异常的征兆。
(2)如果根据例示的一个实施方式,则在上述(1)的方法中,其特征在于,所述其他设备是在所述对象设备或位于该对象设备的前级的前级设备设置的异常防止装置,所述过渡状态期间是所述异常防止装置的动作的影响波及所述对象设备的期间。
在一例中,对对象设备造成引起对象设备的反常的状态变化的影响的其他设备可以是为了防止对象设备的异常而设置于对象设备的异常防止装置。另外,如果在设于对象设备的前级(上游侧)的前级设备中也设置异常防止装置,则有时由于该异常防止装置的动作而在前级设备中产生的状态变化的影响进一步波及下游侧的对象设备,引起对象设备的状态变化。
因此,在上述(2)的方法中,将在设于前级设备和/或对象设备的异常防止装置的动作的影响波及对象设备的期间内获取的数据从异常诊断中使用的异常诊断用数据中排除。由此,根据上述(2)的方法,不会受到其他设备的状态变化波及而导致的影响,能够正确检测对象设备中产生异常的征兆。
(3)如果根据例示的一个实施方式,则在上述(1)或(2)的方法中,其特征在于,在得到所述异常诊断用数据的步骤中,根据所述其他设备的状态变化开始后的所述至少一个状态量的响应特性设定所述排除期间,将在根据所述响应特性设定的所述排除期间内获取的所述至少一个状态量的数据从所述时间序列数据中排除。
在上述(3)的方法中,根据其他设备的状态变化开始后的至少一个状态量的经时变化所表示的响应特性设定排除期间。因此,根据上述(3)的方法,在上述响应特性表示迅速响应的情况下,能够与其对应地较短地设定排除期间,相反,在上述响应特性表示缓慢响应的情况下,能够与其对应地较长地设定排除期间。
(4)在例示的一个实施方式中,在上述(3)的方法中,其特征在于,在根据所述响应特性设定所述排除期间时,在表示所述其他设备的状态变化开始后的所述至少一个状态量的响应特性的时间常数与所述排除期间的长度之间的预先设定的相关性中应用根据所述状态变化开始后获取的所述至少一个状态量的经时变化求出的所述时间常数,决定所述排除期间的长度。
在上述(4)的方法中,在其他设备的状态变化开始后的至少一个状态量所表示的响应特性表示迅速响应的情况下,表示该响应特性的时间常数也应该较小,相反,在该响应特性表示缓慢响应的情况下,表示该响应特性的时间常数也应该较大。因此,在上述(4)的方法中,预先设定表示该响应特性的时间常数与排除期间的长度之间的相关性,根据该相关性设定与时间常数的大小对应的排除期间。由此,根据上述(4)的方法,能够与该时间常数的大小相适地适当设定排除期间的长度。
(5)如果根据例示的一个实施方式,则在上述(1)或(2)的方法中,其特征在于,在得到所述异常诊断用数据的步骤中,以使与所述至少一个状态量的所述时间序列数据有关的频数分布与正态分布之间的偏移变小的方式决定所述排除期间的长度。
在上述(1)或(2)的方法中,从异常诊断中排除的排除期间内的数据是针对由于其他设备的状态变化而受到影响的一部分状态量在该影响波及的过渡时段内获取的数据。因此,在针对多个状态量在排除期间以外的期间内从设备收集的数据按照正态分布进行分布的情况下,在排除期间内收集的状态量的数据也可能不按照正态分布进行分布。
因此,在上述(5)的方法中,以使与针对至少一个状态量获取的数据有关的频数分布与正态分布之间的偏移变小的方式决定所述排除期间的长度。由此,根据上述(5)的方法,能够适当设定其他设备的状态变化的影响波及所述状态量的过渡时段(所述频数分布从正态分布偏移的期间)作为排除期间,在异常诊断中不使用在该期间内获取的数据,因此,能够高精度地进行异常诊断。
(6)如果根据例示的一个实施方式,则在上述(5)的方法中,其特征在于,在得到所述异常诊断用数据的步骤中,根据表示所述频数分布与所述正态分布之间的一致性的指标,决定所述排除期间的长度。
根据上述(6)的方法,在设定排除期间的长度时,考虑表示所述频数分布与所述正态分布之间的一致性的指标,因此,根据该指标,能够更加准确地确定其他设备的状态变化的影响波及所述状态量的过渡时段。由此,能够更加适当地设定排除期间,提高异常诊断的精度。
(7)如果根据例示的一个实施方式,则在上述(1)~(6)的方法中,其特征在于,在进行所述设备的异常诊断的步骤中,以由所述设备正常时的所述多个状态量构成的单位空间为基准来运算所述异常诊断用数据的马氏距离,在所述马氏距离大于所述阈值的情况下,判断为产生了所述设备的异常。
在上述(7)的方法中,以由对象设备正常时的多个状态量构成的单位空间为基准求出异常诊断用数据的马氏距离。因此,根据上述(7)的方法,能够定量地评价未受到异常防止装置的动作的影响的异常诊断用数据从表示对象设备正常时的状态组的单位空间偏离何种程度。其结果,根据上述(7)的方法,能够根据未受到其他设备的状态变化的影响的异常诊断用数据,高精度地诊断设备的异常。
(8)根据本发明的若干个实施方式,用于诊断构成机组的设备中的对象设备的异常的异常诊断装置的特征在于,所述异常诊断装置具有:输入输出部,其从所述对象设备的传感器获取与所述异常具有相关性的所述机组的多个状态量的时间序列数据,输出根据所述时间序列数据进行所述对象设备的异常诊断后的结果;诊断用数据获取部,其针对所述多个状态量中的至少一个状态量,进行将在排除期间内获取的所述至少一个状态量的数据从与该状态量有关的所述时间序列数据中排除的预处理,从而针对所述多个状态量得到异常诊断用数据,所述排除期间为由于来自所述机组内进行动作的其他设备的影响而在所述对象设备中产生状态变化的过渡状态期间中的至少一部分;以及异常诊断部,其根据所述多个状态量的所述异常诊断用数据进行所述对象设备的异常诊断。
在上述(8)的结构中,设置上述排除期间、将针对对象设备的一部分状态量在排除期间内获取的数据从异常诊断中排除的目的如下所述。在其他设备的状态变化的影响波及对象设备的过渡状态期间中的至少一部分即排除期间内,其他设备的状态变化波及而引起的对象设备的反常的状态变化作为干扰施加给从对象设备收集的多个状态量的变动特性。因此,在上述(8)的结构中,将针对由于其他设备的状态变化而受到影响的一部分状态量在该影响波及的时段内获取的数据从异常诊断中使用的异常诊断用数据中排除。
由此,根据上述(8)的结构,不用将针对一部分状态量以时间序列从对象设备收集的全部数据完全排除,另外,不会受到其他设备的状态变化波及而导致的影响,能够正确检测对象设备中产生异常的征兆。
发明效果
如上所述,根据本发明的若干个实施方式,考虑针对全部状态量从对象设备收集的数据,并且不会受到其他设备的状态变化波及对象设备而引起的反常的状态变化的影响,能够正确检测对象设备中产生异常的征兆。
附图说明
图1是示出本发明的若干个实施方式的异常诊断方法的实施对象即机组的一部分的图。
图2是根据本发明的若干个实施方式示出作为异常诊断对象的设备和该设备的异常诊断装置的图。
图3是示出本发明的若干个实施方式的异常诊断装置中的处理部的内部结构的图。
图4是示出马氏距离伴随时间经过而变化的状况的图。
图5是示出根据异常防止装置的动作针对设备状态的经时变化的影响来设定排除期间的第1例的图。
图6A是示出根据设备状态针对异常防止装置的动作的响应特性来决定适当的排除期间的例子的图。
图6B是示出根据设备状态针对异常防止装置的动作的响应特性来决定适当的排除期间的例子的图。
图7是用于说明设备状态的频数分布与正态分布之间的一致度的图。
图8是示出根据异常防止装置的动作针对设备状态的经时变化的影响来设定排除期间的第2例的图。
图9是用于说明以单位空间为基准且根据设备状态计算出的马氏距离的概念的图。
图10是根据本发明的若干个实施方式示出被实施基于异常诊断装置的设备的异常诊断的IGCC机组的图。
具体实施方式
下面,参照附图对本发明的若干个实施方式进行说明。但是,作为实施方式记载的或附图所示的结构部件的尺寸、材质、形状及其相对配置等并不是将本发明的范围限定于此,只不过是简单的说明例。
例如,“相同”、“相等”和“均匀”等表示事物处于相等状态的表现不仅表示严格相等的状态,还表示存在公差或得到相同功能的程度的差异的状态。另一方面,“具有”、“有”、“具备”、“包含”或“存在”一个结构要素这样的表现不是将其他结构要素的存在排除的排他表现。
下面,最初,根据本发明的若干个实施方式,参照图1~图3对构成机组的多个设备中的作为异常诊断对象的对象设备和进行该对象设备的异常诊断的异常诊断装置进行说明。接着,参照图3~图9对该异常诊断装置在机组内为了进行对象设备的异常诊断而执行的处理步骤进行说明。最后,根据本发明的若干个实施方式,使用图10对被实施基于该异常诊断装置的设备的异常诊断的IGCC机组进行说明。
首先,参照图1对设置有作为异常诊断对象的至少一台对象设备1的机组的一部分即连接设备组32b进行说明。如图1所示,连接设备组32b是通过连接多个设备1C~1X和多个设备5C~5X而构成的。在图1所示的连接设备组32b中,能够作为异常诊断对象的对象设备1是多个设备1C~1X,多个设备5C~5X是用于防止设备1C~1X各自的异常的异常防止装置。
例如,在图1所示的例子中,在设备1C、设备1D、设备1E、…各自的正上方分别设置有设备5C、设备5D、设备5E、…。而且,设备5C、设备5D、设备5E、…是为了防止设备1C、设备1D、设备1E、…的异常而设置的异常防止装置。
图1所示的多个设备1C~1X中的位于上游侧的前级设备1’的输出被传递到位于下游侧的后级设备1”。例如,设位于上游侧的前级设备1’为设备1C,设位于下游侧的后级设备1”为设备1D时,设备1C的输出被传递到设备1D。需要说明的是,作为从前级设备1’输出的输出的具体例,例如可以是由前级设备1’生成的流体或由前级设备1’输出的物理量(液压、气压、温度、电压、力学作用)的变位等。另外,从前级设备1’输出的输出可以是前级设备1’中产生的某种状态变化伴随响应延迟而向输出侧传播(例如波动传播或能量扩散等)。下面,设构成图1的连接设备组32b的多个设备1C~1X中的任意一方是作为异常诊断对象的对象设备1来进行说明。
图2中示出作为异常诊断对象的对象设备1和用于诊断对象设备1的异常的异常诊断装置10的结构。在一例中,图2所示的对象设备1可以是构成图1的连接设备组32b的多个设备1C~1X中的任意一个。该情况下,图2所示的异常防止装置5可以是图1的连接设备组32b中设置在对象设备1的正上方的异常防止装置5。例如,在图1的连接设备组32b中,如果假设设备1E是作为异常诊断对象的对象设备1,则用于防止对象设备1的异常的异常防止装置5可以是设置在设备1E的正上方的异常防止装置5E。但是,下面使用图2~图8在后面叙述的实施方式解决由于为了防止对象设备1的异常而设置异常防止装置5所引起的课题。
另外,在图2所示的实施方式中,异常诊断装置10监视构成机组的一台以上的对象设备1的运转状态,并且诊断有无一台以上的对象设备1各自的异常。异常诊断装置10例如是计算机,构成为包含输入输出部(I/O)11、处理部12、存储部13。在例示的一个实施方式中,异常诊断装置10可以利用所谓的计算机构成,也可以组合CPU(Central ProcessingUnit:中央处理单元)和存储器来构成。
处理部12经由输入输出部11从构成机组的一台以上的设备中安装的各种状态量检测单元即多个传感器接收包含对象设备1的状态量的多个状态量sv(k)(1≤k≤K)的数据。各种状态量检测单元在起动开始后以规定的时间间隔定期获取对应的状态量sv(k)(1≤k≤K)的数据,并经由输入输出部11输入到处理部12。表示上述多个状态量sv(k)(1≤k≤K)的数据组以电信号的形式被送到异常诊断装置10的处理部12。处理部12例如由CPU构成,依次读入存储部13上存在的称为程序(计算机程序)的命令列并进行解释,根据其结果对数据进行移动或加工。
在异常诊断装置10的输入输出部11上连接有终端装置14。终端装置14设置有显示单元即显示器14D和对异常诊断装置10输入指令的输入单元14C。在异常诊断装置10的存储部13中存储有用于实现图2所示的对象设备1的监视、运转方法的计算机程序、数据等。处理部12使用这些计算机程序、数据实现图2所示的对象设备1的监视、运转方法,并且控制对象设备1的动作。
图3示出图2所示的异常诊断装置10所具有的处理部12的详细的内部结构。参照图3时,处理部12构成为包含过渡状态检测部120、诊断用数据获取部121和异常诊断部122。另外,诊断用数据获取部121构成为包含排除期间设定部121a和诊断用数据生成部121b。异常诊断装置10所具有的输入输出部11从机组内的多个设备上设置的传感器获取与对象设备1的异常具有相关性的多个状态量sv(k)(1≤k≤K)的时间序列数据。输入输出部11获取多个状态量sv(k)(1≤k≤K)的时间序列数据后,过渡状态检测部120、诊断用数据获取部121和异常诊断部122进行以下动作。
首先,过渡状态检测部120针对多个状态量sv(k)(1≤k≤K)中的至少一个状态量sv(ka)(ka=k1,k2,...)进行以下这种处理。即,过渡状态检测部120检测由于来自在机组内进行动作的其他设备的影响而在对象设备1中产生与状态量sv(ka)有关的状态变化的过渡状态期间τt的开始。需要说明的是,在机组内对对象设备1造成影响而引起对象设备1的状态变化的其他设备可以是为了防止对象设备1的异常而设置的异常防止装置5。另外,其他设备可以是为了防止位于对象设备1的前级(上游侧)的前级设备1’的异常而设置的异常防止装置5’。该情况下,由过渡状态检测部120检测到的过渡状态期间τt是异常防止装置5或异常防止装置5’的动作的影响波及对象设备1的期间。
例如,在图1所示的连接设备组32b中,如果设对象设备1是设备1E,则为了对象设备1而设置的异常防止装置5是设置在设备1E的正上方的异常防止装置5E。另外,在图1所示的连接设备组32b中,如果设对象设备1是设备1E,则位于对象设备1的前级(上游侧)的前级设备1″是设备1D、设备1C。该情况下,为了防止前级设备1D、前级设备1C的异常而设置的异常防止装置5’是设置在设备1D、设备1C的正上方的异常防止装置5D、异常防止装置5C。因此,在图1所示的连接设备组32b中,由过渡状态检测部120检测到的过渡状态期间τt是异常防止装置5E、5D或5C的动作的影响波及对象设备1E的期间。需要说明的是,过渡状态检测部120检测过渡状态期间τt的开始时的方法的具体例在后面叙述。
接着,诊断用数据获取部121针对状态量sv(ka)(ka=k1,k2,...)进行以下这种预处理。该预处理是如下处理:将由过渡状态检测部120检测到的过渡状态期间τt中的至少一部分即排除期间τe内获取的至少一个状态量sv(ka)的数据de(ka)从与状态量sv(ka)有关的时间序列数据ds(ka)中排除。然后,诊断用数据获取部121生成将排除期间τe内获取的数据de(ka)从与状态量sv(ka)有关的时间序列数据ds(ka)中排除而得到的时间序列数据,作为与多个状态量sv(k)(1≤k≤K)有关的异常诊断用数据dd(k)。
此时,诊断用数据获取部121所具有的排除期间设定部121a进行通过参照图5~图8在后面叙述的方法适当设定排除期间τe的处理。另外,诊断用数据获取部121所具有的诊断用数据生成部121b进行将由排除期间设定部121a设定的排除期间τe内获取的数据de(ka)从与状态量sv(ka)有关的时间序列数据ds(ka)中排除并生成异常诊断用数据dd(k)的处理。
另外,异常诊断部122构成为,从诊断用数据获取部121接收多个状态量sv(k)(1≤k≤K)的异常诊断用数据dd(k)后,根据多个状态量sv(k)(1≤k≤K)的异常诊断用数据dd(k)进行对象设备1的异常诊断。由异常诊断部122进行对象设备1的异常诊断后的结果经由输入输出部11输出到终端装置14。
下面,对在图2和图3所示的异常诊断装置10的上述结构中设置排除期间τe、将针对一部分状态量sv(ka)在排除期间τe内获取的数据de(ka)从异常诊断中排除的目的进行说明。首先,为了明确不将排除期间τe内获取的数据de(ka)从异常诊断中排除的情况下的问题,使用图4如下所述说明与图2和图3所示的实施方式进行对比的比较例。需要说明的是,在以下的说明中,将为了防止位于对象设备1的上游侧的前级设备1’的异常而设置的异常防止装置表记为异常防止装置5’。图4示出使用基于马氏距离的MT法作为异常诊断方法的情况下的马氏距离的经时变化。在图4所示的例子中,不将由排除期间设定部121a设定的排除期间τe内获取的数据de(ka)从对象设备1的状态量sv(k)(1≤k≤K)的数据ds(k)中排除而计算马氏距离。
参照图4时,示出如下状况:在时间t1,对象设备1的运转状态异常,因此,根据对象设备1的状态量sv(k)(1≤k≤K)的实测数据求出的马氏距离非常大,对象设备1的状态量sv(k)从单位空间大幅偏离。另一方面,示出如下状况:在期间t2,对象设备1的运转状态正常,但是,由于作为干扰施加给对象设备1的状态量sv(k)的反常的状态变化而使马氏距离非常大,对象设备1的状态量sv(k)从单位空间大幅偏离。因此,如果不去除作为干扰施加给对象设备1的状态量sv(k)的反常的状态变化的影响,则在对象设备1的异常诊断中可能进行以上的误检测。在图4所示的期间t2,对象设备1的运转状态正常、但是马氏距离非常大的理由能够如下所述进行说明。
在MT法中,在作为异常诊断对象的对象设备1的状态量sv(k)(1≤k≤K)的实测数据按照正态分布进行分布这样的前提成立的情况下,能够根据马氏距离的大小进行正确的异常诊断。即,在MT法中,在能够通过按照正常的概率分布随机变化的概率变量良好地近似对象设备1的状态量sv(k)(1≤k≤K)这样的前提成立的情况下,能够进行正确的异常诊断。
但是,当由于对象设备1所具有的异常防止装置5或5’的动作而产生的影响作为干扰施加给对象设备1的一部分状态量sv(ka)时,对一部分状态量sv(ka)施加反常的状态变化。其结果,在由于异常防止装置5或5’的动作而施加给状态量sv(ka)的干扰收敛之前的过渡状态期间τt中,由于上述这种反常的状态变化而产生以下的不良情况。即,对象设备1的状态量sv(k)(1≤k≤K)按照非正态分布进行分布,由此,无法通过按照正常的概率分布随机变化的概率变量进行近似。由此,即使对象设备1的运转状态没有异常,也可能产生过渡状态期间τt中观测到的对象设备1的状态量sv(k)从单位空间大幅偏离的情况。
在图2所示的对象设备1中,在包含紧接着异常防止装置5或5’的动作的排除期间τe内,基于异常防止装置5或5’的动作的反常的状态变化也作为干扰施加给从对象设备1收集的多个状态量sv(k)(1≤k≤K)的变动特性。因此,在上述结构中,将针对受到基于异常防止装置5或5’的动作的干扰的影响的一部分状态量sv(ka)在该影响波及的时段τe内获取的数据从异常诊断中使用的异常诊断用数据dd(k)(1≤k≤K)中排除。
由此,根据上述结构,不用将针对一部分状态量sv(ka)以时间序列从设备收集的全部数据完全排除,另外,不会受到基于异常防止装置5或5’的动作的干扰的影响,能够正确检测产生对象设备1的异常的征兆。
在例示的一个实施方式中,设置有对象设备1的连接设备组32b可以是图1所示的气体冷却器。在图1所示的例子中,气体冷却器32b与煤化部32a一起形成IGCC机组的煤气化炉32。煤化部32a利用烧嘴使包含从粉煤供给设备供给的粉煤的含碳燃料燃烧而产生燃料气体,并将其供给到气体冷却器32b的上部。从煤化部32a供给的燃料气体从气体冷却器32b内的最上部向最下部流动,气体冷却器32b通过在内部流动的燃料气体(含碳燃料气体)与水之间的热交换而产生蒸汽。由此,气体冷却器32b对气化炉32内产生的燃料气体进行冷却,并且,将该产生的蒸汽供给到蒸汽轮机以使得对蒸汽轮机进行驱动。
另外,图1所示的气体冷却器32b所具有的设备1C~1X分别可以是
图2所示的含碳燃料热交换器1。含碳燃料热交换器1是如下的热交换器:将含碳燃料(例如煤气化炉32根据含碳燃料生成的含碳燃料气体等)供给到一次侧后,在该一次侧的燃料与二次侧的热交换介质(例如水)之间进行热交换。即,图1所示的气体冷却器32b通过内部设置的多个含碳燃料热交换器1C~1X在来自煤化部32a的燃料气体与热交换介质即水之间进行热交换,将其结果产生的水蒸汽供给到蒸汽轮机。另外,在设于图1所示的气体冷却器32b内的含碳燃料热交换器1C~1X各自的正上方设置有除煤装置5C~5X。除煤装置5C~5X分别是用于防止含碳燃料热交换器1C~1X各自的异常的异常防止装置5。如以下在后面详细叙述的那样,除煤装置5C~5X分别间歇地执行用于防止分别设置在自身正下方的含碳燃料热交换器1C~1X的热交换效率伴随时间经过而降低的动作。另外,如图2所示,异常诊断对象即含碳燃料热交换器1具有除煤装置5作为异常防止装置5,并且还具有热交换器2、燃料流路3、传热管4。下面,参照图2对各个含碳燃料热交换器1的内部结构进行说明。
在图2所示的含碳燃料热交换器1中,含碳燃料经由燃料流路3供给到热交换器2的内部。作为含碳燃料的例子,例如举出含碳燃料气体或粉末燃料。在热交换器2的内部穿过传热管4,由此构成传热面6。在传热面6中从燃料流路3向热交换器2流动的燃料与在传热管4内流动的热交换介质之间进行热交换。作为热交换介质的例子,例如举出水等。另外,除煤装置5去除基于附着在由传热管4构成的传热面6上的燃料中包含的碳的煤。作为除煤装置5,能够使用对传热面6赋予振动的振动式除煤装置、使硬球落下到传热面6的硬球落下式除煤装置、对传热面6喷射压缩气体(氮、蒸汽等)的喷射式除煤装置(例如吹灰器)等。
需要说明的是,在以下的若干个实施方式中,为了简化说明而设置以下的假设。首先,假设异常诊断对象即对象设备1是图2所示的含碳燃料热交换器1,具有除煤装置5作为用于防止含碳燃料热交换器1的异常的异常防止装置5。另外,在以下的若干个实施方式中,例如,如果设图1所示的含碳燃料热交换器1E是对象设备1,则仅考虑设置在含碳燃料热交换器1E的正上方的除煤装置5E的动作对含碳燃料热交换器1的状态量造成的影响。即,作为来自引起含碳燃料热交换器1的状态变化的其他设备的影响,仅考虑直接对含碳燃料热交换器1进行除煤的除煤装置5的动作对含碳燃料热交换器1的状态量造成的影响。
作为用于监视含碳燃料热交换器1的状态量sv(k)(1≤kK),例如存在热交换器2的一次侧的流动方向G上的多个位置的温度(热交换器2的入口温度和出口温度等)、一次侧的流动方向G上的出入口的差压、一次侧的流量、二次侧的流动方向W上的多个温度、传热管4内的热交换介质的流量等。需要说明的是,热交换器2的一次侧表示高温侧。即,在图1所示的实施方式中,热交换器2的一次侧表示燃料流动的一侧。另一方面,热交换器2的二次侧表示低温侧。即,在该实施方式中,热交换器2的二次侧表示热交换介质流动的一侧。而且,这些状态量sv(k)(1≤k≤K)作为监视对象数据进行表示。
如上所述,在该实施方式中,作为受到除煤装置5的动作的影响而产生状态变化的状态量,可以使用沿着热交换器2的一次侧的流动方向G排列的多个部位的温度svt(k)(kt=kt1,kt2,kt3,...)。其理由如下所述。在图1所示的含碳燃料热交换器1中,在热交换器2的传热面6上蓄积煤后,传热面6中的热交换的效率降低。因此,在热交换器2的一次侧,燃料的温度不容易降低。此时,沿着热交换器2的一次侧的流动方向G排列的多个部位的温度svt(k)(kt=kt1,kt2,kt3,...)的值与热交换器2的正常运转时计测出的值不同。另一方面,当通过除煤装置5的动作去除传热面6上蓄积的煤后,传热面6中的热交换的效率一下子提高,因此,在热交换器2的一次侧,燃料的温度大幅降低。因此,在除煤装置5的动作后,沿着热交换器2的一次侧的流动方向G排列的多个部位的温度svt(k)(kt=kt1,kt2,kt3,...)的值受到热交换效率的改善的影响而变化。
另外,作为受到除煤装置5的动作的影响而产生状态变化的状态量,除了热交换器2的一次侧的流动方向G上的多个位置的温度svt(kt)以外,还可以使用热交换器2的二次侧的流动方向W上的一个以上的点的温度svu(ku)(ku=ku1,ku2,ku3,...)。其理由如下所述。在传热面6上蓄积煤后,燃料与热交换介质之间的热交换的效率降低,因此,热交换器2的二次侧的某个点的温度降低。但是,在除煤装置5的动作后,去除传热面6上的煤,当燃料与热交换介质之间的热交换的效率提高时,热交换器2的二次侧的流动方向W上的一个以上的部位的温度svu(ku)急剧上升。
如上所述,在紧接着除煤装置5的动作的过渡状态期间τt中的至少一部分即排除期间τe内,基于除煤装置5的动作的状态变化作为干扰施加给热交换器2的一次侧的流动方向G上的多个位置的温度svt(kt)的变动特性。另外,在紧接着除煤装置5的动作的过渡状态期间τt中的至少一部分即排除期间τe内,基于除煤装置5的动作的状态变化作为干扰施加给热交换器2的二次侧的流动方向W上的一个以上的点的温度svu(ku)的变动特性。因此,在上述结构中,将针对由于除煤装置5的动作而受到影响的一部分状态量svt(kt)和/或svu(ku)在该影响波及的时段内获取的数据de(kt)和/或de(ku)从异常诊断中使用的异常诊断用数据dd(k)(1≤k≤K)中排除。
即,首先,最初,异常诊断装置10针对多个状态量sv(k)(1≤k≤K)中的至少一个状态量svt(kt)和/或svu(ku),设定紧接着除煤装置5的动作的过渡状态期间τt中的至少一部分即排除期间τe。接着,异常诊断装置10进行将排除期间τe内获取的状态量svt(kt)和/或svu(ku)的数据de(kt)和/或de(ku)从与状态量sv(k)有关的时间序列数据ds(k)中排除的预处理。通过进行这种预处理,异常诊断装置10构成为根据与多个状态量sv(k)有关的时间序列数据ds(k)得到异常诊断用数据dd(k)。需要说明的是,过渡状态期间τt紧接着除煤装置5的动作开始,因此,过渡状态检测部120可以通过检测将除煤装置5的状态从停止状态切换为动作状态的控制信号,来检测过渡状态期间τt的开始。
由此,根据该实施方式,不用将针对一部分状态量svt(kt)和/或svu(ku)以时间序列从含碳燃料热交换器1收集的全部数据完全排除,另外,不会受到基于除煤装置5的动作的干扰的影响,能够正确检测产生含碳燃料热交换器1的异常的征兆。
如果根据例示的一个实施方式,则在通过图2和图3所示的异常诊断装置10得到异常诊断用数据dd(k)的处理中,排除期间设定部121a根据除煤装置5的动作后的至少一个状态量svt(kt)的响应特性设定排除期间τe。接着,诊断用数据生成部121b将根据该响应特性设定的排除期间τe内获取的至少一个状态量svt(kt)的数据从针对多个状态量sv(k)(1≤k≤K)获取的时间序列数据ds(kt)中排除。这里,在通过排除期间设定部121a根据除煤装置5的动作后的状态量svt(kt)的响应特性设定排除期间τe时,如下所述即可。即,排除期间设定部121a在从除煤装置5的动作时点到由于除煤装置5的动作而施加给含碳燃料热交换器1的状态量svt(kt)的干扰收敛在规定范围内为止的过渡状态期间τt中,选择排除期间τe即可。
下面,参照图5和图6对排除期间设定部121a根据由于除煤装置5的动作而引起的状态量svt(kt)和/或svu(ku)的变化所表示的响应特性设定排除期间τe时的具体设定方法进行说明。排除期间设定部121a设定如下选择出的排除期间τe。即,排除期间设定部121a在从除煤装置5的动作时点到由于除煤装置5的动作而施加给含碳燃料热交换器1的状态量svt(kt)和/或svu(ku)的干扰收敛在规定范围内为止的过渡状态期间τt中,选择排除期间τe。需要说明的是,如上所述,状态量svt(kt)和/或svn(ku)对应于在热交换器2的一次侧的流动方向G和二次侧的流动方向W上的一个以上的部位测定出的温度,是受到由于除煤装置5的动作而施加的干扰的影响的状态量。
例如,根据图5对异常诊断装置10内的排除期间设定部121a决定适当的排除期间τe的方法进行说明时,如下所述。图5所示的曲线图由第1区间81和第2区间82构成,纵轴对应于在热交换器2的一次侧的流动方向G上的一个以上的部位测定出的温度,横轴对应于经过时间。这里,与图5的纵轴对应的上述温度是含碳燃料热交换器1的状态量svt(kt1)的实测数据。
另外,在图5所示的时刻TB1和时刻TB2’除煤装置5(例如吹灰器)进行动作。因此,在位于紧接着时刻TB1的时段的第1区间81中,施加与由于除煤装置5的动作而产生的干扰对应的温度变动。因此,排除期间设定部121a在从除煤装置5的动作时点TB1到由于除煤装置5的动作而施加的干扰收敛在规定范围内为止的过渡状态期间τt中,选择排除期间τe。例如,如图5所示,在时刻TB1除煤装置5进行动作而引起的干扰的影响在时刻Ts2充分收敛,因此,排除期间设定部121a选择从除煤装置5的动作时点TB1到时刻Ts2为止的时段tc作为排除期间τe。如上所述,根据图5所示的实施方式,能够仅将针对状态量svt(kt1)从含碳燃料热交换器1收集的数据ds(k1)中的、受到基于除煤装置5的动作的干扰的影响的期间内获取的数据de(kt1)排除,来进行异常诊断。
但是,在图5所示的实施方式中,能够着眼于状态量svt(kt1)的变化所表示的响应特性,来估计从时刻TB1到由于除煤装置5的动作而施加给含碳燃料热交换器1的状态量svt(kt)的干扰收敛在规定范围内为止的过渡状态的持续期间的长度。下面,使用图6对在参照图5在上面叙述的排除期间τe的设定处理中考虑状态量svt(kt1)的变化所表示的响应特性而适当选择的情况下的具体例进行说明。
图6A的(a1)是描绘了在含碳燃料热交换器1的负荷为100%(在热交换器2内流动的燃料的流量最大)时、热交换器2的一次侧的流动方向G上的多个位置的温度svt(kt1)的实测数据的时间变动的曲线图。另外,图6A的(a2)是描绘了在将排除期间τe固定为从除煤装置5的动作时刻T1到经过1小时后为止的情况下、根据图6A的(a1)所示的温度变化得到的异常诊断用数据dd(kt1)的曲线图。另外,图6A的(a3)是描绘了在根据温度svt(kt1)的时间变化的响应特性决定从除煤装置5的动作时刻开始的排除期间τe的长度的情况下、根据图6A的(a1)所示的温度变化得到的异常诊断用数据dd(kt1)的曲线图。
另一方面,图6B的(b1)是描绘了在含碳燃料热交换器1的负荷为50%(在热交换器2内流动的燃料的流量为最大时的一半)时、热交换器2的一次侧的流动方向G上的多个位置的温度svt(kt1)的实测数据的时间变动的曲线图。另外,图6B的(b2)是描绘了在将排除期间τe固定为从除煤装置5的动作时刻T1到经过1小时后为止的情况下、根据图6B的(b1)所示的温度变化得到的异常诊断用数据dd(kt1)的曲线图。另外,图6B的(b3)是描绘了在根据温度svt(kt1)的时间变化的响应特性决定从除煤装置5的动作时刻开始的排除期间τe的长度的情况下、根据图6B的(b1)所示的温度变化得到的异常诊断用数据dd(kt1)的曲线图。
在例示的一个实施方式中,为了得到图6A的(a3)和图6B的(b3)所示的异常诊断用数据dd(kt1),可以根据温度svt(kt1)的时间变化的响应特性如下所述决定排除期间τe。即,在根据温度svt(kt1)的时间变化的响应特性设定排除期间τe时,可以如下所述决定排除期间τe的长度。首先,求出表示除煤装置5的动作后的至少一个状态量svt(kt)的响应特性的时间常数τr。接着,可以在时间常数τr与排除期间τe的长度之间的预先设定的相关性中应用根据除煤装置5的动作后获取的至少一个状态量svt(kt1)的经时变化求出的时间常数τr,决定排除期间τe的长度。
在该实施方式中,在除煤装置5的动作后的至少一个状态量svt(kt1)所表示的响应特性表示迅速响应的情况下,表示该响应特性的时间常数τr也应该较小,相反,在该响应特性表示缓慢响应的情况下,表示该响应特性的时间常数τr也应该较大。因此,在该实施方式中,预先设定表示该响应特性的时间常数与排除期间τe的长度之间的相关性,根据该相关性设定与时间常数τr的大小对应的排除期间τe。由此,根据该实施方式,能够结合时间常数τr的大小,适当设定排除期间的长度。
从其他观点说明该实施方式中的排除期间τe的长度的决定基准时如下所述。在该实施方式中,根据该响应特性,估计由于除煤装置5的动作而施加给含碳燃料热交换器1的状态量svt(kt1)的干扰的振幅从时刻TB1起伴随时间而减少的过程。而且,在该实施方式中,设该干扰的振幅高于根据除煤装置5的动作前的温度变动而确定的调整值的63.2%的大小为止的期间为排除期间τe。需要说明的是,在图6A的(a1)中,利用h1表示根据除煤装置5的动作前的温度变动而确定的上述调整值的大小。另外,在图6A中,利用tc表示从除煤装置5的动作时点T1到由于除煤装置5的动作而施加给含碳燃料热交换器1的状态量svt(kt)的干扰收敛在规定范围内为止的期间。
而且,参照图6A的(a1)时,在从除煤装置5的动作时刻T1起经过20分钟后的时刻T2,状态量svt(kt1)的实测数据即温度的变动波形高于利用h1表示的调整值的63.2%的大小。因此,如图6A的(a2)所示,即使将排除期间τe固定为从除煤装置5的动作时刻T1到经过1小时后的时刻T3为止,也能够从状态量svt(kt1)的实测数据中充分去除基于除煤装置5的动作的干扰的影响。另外,如图6A的(a3)所示,在设使干扰的振幅高于利用h1表示的调整值的63.2%的大小为止的期间还具有余量的期间为排除期间τe的情况下,可以将排除期间τe设定为从动作时刻T1到经过1小时后的时刻T3为止。其结果,如图6A的(a2)和(a3)所示,在排除期间τe的前后,仅高于调整值h1的状态量svt(k1)的温度数据被保留而未被排除。
然后,在时刻T4,当除煤装置5进行动作时,如图6A的(a1)所示,在时刻T5,干扰的振幅最大限度地高于利用h1表示的调整值的63.2%的大小。因此,如图6A的(a2)和(a3)所示,如果设定从时刻T4到1小时后的时刻T5为止作为排除期间τe。则充分排除基于除煤装置5的动作的干扰的影响。
需要说明的是,在图6B的(b1)中,利用h2表示根据除煤装置5的动作前的温度变动而确定的上述调整值的大小。另外,在图6B中,利用tc表示从除煤装置5的动作时点T1到由于除煤装置5的动作而施加给含碳燃料热交换器1的状态量svt(kt)的干扰收敛在规定范围内为止的期间。并且,参照图6B的(b1)时,在从除煤装置5的动作时刻T1起经过2小时后,状态量svt(kt1)的实测数据即温度变动波形高于利用h2表示的调整值的63.2%的大小。
因此,如图6B的(b2)所示,将排除期间τe固定为从除煤装置5的动作时刻T1到经过1小时后的时刻T2为止时,在排除期间τe的结束时点即时刻T2,基于除煤装置5的动作的干扰的影响也被保留。其结果,在图6B的(b2)所示的情况下,仅将排除期间τe内获取的温度数据排除,无法进行完全去除了基于除煤装置5的动作的干扰的影响的异常诊断。因此,如图6B的(b3)所示,在设干扰的振幅高于利用h2表示的调整值的63.2%的大小为止的期间为排除期间τe时,排除期间τe被决定为从除煤装置5的动作时刻T1到2小时后为止。其结果,如图6B的(b3)所示,在排除期间τe的结束时点即时刻T3,几乎不存在基于除煤装置5的动作的干扰的影响,因此,能够进行完全去除了基于除煤装置5的动作的干扰的影响的异常诊断。
另外,如图6B的(b2)所示,当在时刻T4除煤装置5进行动作起1小时后的时刻T5设定排除期间τe的结束时刻时,在时刻T5,从时刻T5到除煤装置5的下次的动作时刻T6为止只是非常短的时间。因此,在从排除期间τe的结束时刻T5到除煤装置5的下次的动作时刻T6为止的期间非常短的情况下,实际测量状态量svt(kt)的温度变化的响应特性不稳定。因此,在代替的一个实施方式中,如图6B的(b3)所示,也可以设定从在时刻T4除煤装置5进行动作到除煤装置5下次进行动作的时刻T7为止作为排除期间τe。其结果,如图6B的(b3)所示,在排除期间τe的前后,仅高于调整值h1的状态量svt(k1)的温度数据被保留而未被排除。
如上所述,在该实施方式中,根据除煤装置5的动作后的至少一个状态量svt(kt)的经时变化所表示的响应特性设定排除期间τe。因此,根据该实施方式,在上述响应特性表示迅速响应的情况下,能够与其对应地较短地设定排除期间τe,相反,在上述响应特性表示缓慢响应的情况下,能够与其对应地较长地设定排除期间τe。
另外,在上述结构中,在除煤装置5的动作后的至少一个状态量svt(kt)所表示的响应特性表示迅速响应的情况下,表示该响应特性的时间常数τr也应该较小,相反,在该响应特性表示缓慢响应的情况下,表示该响应特性的时间常数τr也应该较大。因此,在上述结构中,预先设定表示该响应特性的时间常数τr与排除期间τe的长度之间的相关性,根据该相关性设定与时间常数τr的大小对应的排除期间τe。由此,根据上述结构,能够结合时间常数τr的大小,适当设定排除期间τe的长度。
另外,在另外的例示的一个实施方式中,在得到异常诊断用数据dd(k)的处理中,排除期间设定部121a决定排除期间τe的长度,以使得与至少一个状态量svt(kt)的时间序列数据ds(kt)有关的频数分布与正态分布之间的偏移较小。在该实施方式中,从异常诊断中排除的排除期间τe内的数据de(kt)是针对由于除煤装置5的动作而受到影响的一部分状态量svt(kt)在该影响波及的过渡时段内获取的数据。因此,在针对多个状态量sv(k)在排除期间τe以外的期间内从设备收集的数据按照正态分布进行分布的情况下,在排除期间τe内收集的状态量的数据也可能不按照正态分布进行分布。
因此,在该实施方式中,决定排除期间τe的长度,以使得与针对至少一个状态量svt(kt)获取的数据ds(kt)有关的频数分布与正态分布之间的偏移较小。由此,根据该实施方式,能够适当设定除煤装置5的动作的影响波及状态量svt(kt)的过渡时段(上述频数分布从正态分布偏移的期间)作为排除期间τe,在异常诊断中不使用该期间内获取的数据de(kt),因此,能够高精度地进行异常诊断。下面,参照图5和图7对该实施方式进行详细说明。
图5的右侧所示的频数分布92表示第2区间82中包含的温度测定值的频数分布,与正态分布一致。另外,如下面具体在后面叙述的那样,第1区间81中包含的温度测定值的频数分布是合并了图5的右侧所示的频数分布91和频数分布92而得到的频数分布,通过对频数分布92施加频数分布91,由此,与正态分布不一致。另外,在图5所示的时刻TB1和时刻TB2,除煤装置5进行动作。因此,在位于从时刻TB1到时刻Ts2为止的时段内的第1区间81中,针对具有与在第2区间82中测定的温度测定值相同的频数分布的温度测定值,施加由于除煤装置5的动作而产生的上述干扰成分。另外,针对与第2区间82中的温度变动相同的温度变动施加与由于除煤装置5的动作而引起的干扰成分对应的温度变动,由此,第1区间81中的温度分布成为针对与频数分布92相同的频数分布施加与干扰成分对应的频数分布91而得到的分布。其结果,第1区间81中包含的温度测定值的频数分布成为对频数分布92施加频数分布91而得到的非正态分布。
如上所述,在从时刻TB1到时刻Ts2为止的时段内,施加与由于除煤装置5的动作而引起的干扰成分对应的温度变动,由此,第1区间81中的温度分布成为非正态分布,另一方面,不受除煤装置5的动作影响的第2区间82中的温度分布成为正态分布。从其他观点进一步对其进行考察时,如果排除期间τe的长度足以将除煤装置5的动作对状态量svt(kt)的影响排除,则状态量svt(kt)的温度数据分布与正态分布之间的偏移应该较小。相反,如果排除期间τe的长度不足以将除煤装置5的动作对状态量svt(kt)的影响排除,则状态量svt(kt)的温度数据分布与正态分布之间的偏移应该较大。
因此,在该实施方式中,如使用图7在后面叙述的那样,排除期间设定部121a也可以决定排除期间τe的长度,以使得与针对除煤装置5的动作的影响波及的状态量svt(kt)获取的数据ds(kt)有关的频数分布与正态分布之间的偏移较小。另外,在例示的一个实施方式中,在决定排除期间τe的长度以使得与数据ds(kt)有关的频数分布与正态分布之间的偏移较小时,可以根据表示该频数分布与正态分布之间的一致性的指标,决定排除期间τe的长度。
根据该实施方式,在设定排除期间τe的长度时,考虑表示该频数分布与正态分布之间的一致性的指标,因此,根据该指标,能够更加准确地确定除煤装置5的动作的影响波及状态量svt(kt)的过渡时段。由此,能够更加适当地设定排除期间τe,提高异常诊断的精度。即,可以利用上述指标评价与针对状态量svt(kt)获取的数据ds(kt)有关的频数分布与正态分布之间的一致度,决定排除期间τe的长度以使得该指标较大。下面,参照图7对表示与数据ds(kt)有关的频数分布与正态分布之间的一致度的指标进行说明。
图7(a)示出与针对状态量svt(kt)获取的数据ds(kt)有关的频数分布61与正态分布曲线71之间的一致度较高的情况,图7(b)示出与针对状态量svt(kt)获取的数据ds(kt)有关的频数分布62与正态分布曲线72之间的一致度较低的情况。在图7中,横轴对应于实际测量状态量svt(kt)而得到的温度数据的等级值th。需要说明的是,为了简化说明,在图7(a)和图7(b)中,在一个实施方式中,与数据ds(kt)有关的频数分布和正态分布进行基准化,以使得平均值和标准偏差相互相等。在图7所示的例子中,作为以数值方式评价与数据ds(kt)有关的频数分布与正态分布之间的偏移的尺度,考虑以下尺度。
在图7所示的例子中,在频数分布与正态分布之间进行使平均值和标准偏差一致的基准化的情况下,能够通过以下式子计算上述频数分布与正态分布曲线之间的一致度这里,deg(th)表示温度等级值th的实测数据的频数,nd(th)表示温度等级值th的正态分布曲线的高度。
[数学式1]
另外,在与针对状态量svt(kt)获取的数据ds(kt)有关的频数分布与正态分布之间不进行基准化以使得平均值和标准偏差相等的情况下,首先,求出该频数分布的平均值μ和标准偏差σ,使用将平均值μ和标准偏差σ作为分布参数的正态分布即可。
如上所述,在使用图5~图7在上面叙述的若干个实施方式中,例如,如果设图1所示的含碳燃料热交换器1E是对象设备1,则仅考虑设置在含碳燃料热交换器1E的正上方的除煤装置5E的动作对含碳燃料热交换器1的状态量造成的影响。接着,在使用图8在后面叙述的以下实施方式中,作为来自引起含碳燃料热交换器1的状态变化的其他设备的影响,还考虑基于位于含碳燃料热交换器1的上游侧的前级设备1’的除煤装置5’的动作的影响。例如,如果设图1所示的含碳燃料热交换器1E是对象设备1,则除了除煤装置5E的动作的影响以外,还考虑除煤装置5D、除煤装置5C的动作的影响。这里,除煤装置5D和除煤装置5C是为了防止与位于含碳燃料热交换器1E的上游侧的前级设备1’相当的含碳燃料热交换器1D和1C的异常而设置的除煤装置5’。
下面,参照图8对上述3台除煤装置5E、5D和5C的影响作为干扰作用于图1所示的含碳燃料热交换器1E的情况下的排除期间τe的设定例进行说明。图8(A)示出3台除煤装置5C进行动作的时刻,横轴表示时间的经过。图8(B)所示的曲线图84表示状态量svt(kt1)的实测值的经时变化,横轴表示时间的经过。这里,状态量svt(kt1)对应于含碳燃料热交换器1E的一次侧的流动方向G上的多个位置的温度svt(kt)(kt=kt1,kt2,kt3,...,ktm)中的、位于含碳燃料热交换器1E的最上部的燃料气体的入口部分的温度。
图8(C)示出3台除煤装置5E和5D进行动作的时刻。图8(D)所示的曲线图85表示状态量svt(ktm)的实测值的经时变化。这里,状态量svt(ktm)对应于含碳燃料热交换器1E的一次侧的流动方向G上的多个位置的温度svt(kt)(kt=kt1,kt2,kt3,...,ktm)中的、位于含碳燃料热交换器1E的最下部的燃料气体的出口部分的温度。图8(E)所示的曲线图86示出从状态量svt(kt1)的实测值中减去状态量svt(ktm)的实测值而得到的温度差的经时变化。即,图8(E)所示的曲线图86沿着时间轴描绘了从图8(B)所示的曲线图84的各时刻的值中减去图8(D)所示的曲线图85的各时刻的值而得到的温度差。
参照图8时,在时刻T1除煤装置5C进行动作,基于除煤装置5C的动作的干扰的影响Br11以图8(B)所示的温度svt(kt1)的急剧的温度降低这样的形式来表现。基于除煤装置5C的动作的干扰的影响Br21以图8(D)所示的温度svt(ktm)的急剧的温度降低这样的形式来表现。即,示出除煤装置5C进行设置在比热交换器1E靠上游侧的热交换器1C的除煤,但是,基于除煤装置5C的动作的干扰的影响Br11和Br21不仅波及热交换器1C,还波及热交换器1D和1E。其理由是,当设置在比热交换器1E靠上游侧的热交换器1C中的热交换效率通过除煤装置5C的动作而急剧改善时,穿过热交换器1C的燃料气体的温度降低幅度也急剧增大。即,通过热交换器1C中的热交换效率的改善,供给到热交换器1D和1E的燃料气体的温度急剧降低,因此,其作为引起反常的状态变化的干扰而作用于热交换器1D和1E。
接着,在时刻T2除煤装置5D进行动作,基于除煤装置5D的动作的干扰的影响Br31以图8(D)所示的温度svt(ktm)的急剧的温度降低这样的形式来表现。这里,参照图8(D)时,由于在时刻T2除煤装置5D进行动作的影响Br31而引起的温度svt(ktm)的急剧降低以与由于在时刻T1除煤装置5C进行动作的影响Br21而引起的温度svt(ktm)的急剧降低相加的形式来表现。需要说明的是,时刻T2是紧接着除煤装置5C进行动作的时刻T1的时刻,因此,相对于图8(B)所示的温度svt(kt1),没有表现出基于除煤装置5D的动作的干扰的影响。另外,在时刻T3,用于对热交换器1E进行除煤的除煤装置5E进行动作,由于除煤装置5E进行动作的影响Br32而使图8(D)所示的温度svt(ktm)急剧降低。另外,在时刻T4和时刻T5,由于除煤装置5C和5D的动作,引起与时刻T1和时刻T2产生的现象相同的现象。
如上所述,在时刻T1和时刻T2,相对于状态量svt(ktm)的温度实测值,表现出基于除煤装置5C和除煤装置5D的动作的干扰的影响Br21和Br31,由此,反常的状态变化施加给热交换器1E的过渡状态期间τt从时刻T1开始。如上所述,在3台除煤装置5C、5D和5E都进行动作的情况下,温度svt(ktm)的急剧降低作为反常的状态变化而施加给热交换器1E。因此,在例示的一个实施方式中,在图8所示的例子中,在过渡状态检测部120检测过渡状态期间τt的开始时,可以如下所述。即,监视取将3台除煤装置5C、5D和5E分别从停止状态切换为动作状态的三个触发信号的逻辑和(OR)的逻辑和输出信号,在逻辑和信号有效的时点,判断为过渡状态期间τt开始即可。
在例示的一个实施方式中,在图8所示的例子中,作为排除期间设定部121a执行的处理动作,可以根据除煤装置5C、5D或5E中的任意一方动作后的状态量svt(kt)的响应特性,设定过渡状态期间τt中的至少一部分即排除期间τe。具体而言,在从除煤装置5C、5D或5E中的任意一方进行动作的时点到由于该动作而施加给含碳燃料热交换器1的状态量svt(kt)的干扰收敛在规定范围内为止的过渡状态期间τt中,排除期间设定部121a选择适当的排除期间τe即可。例如,如使用图5和图6在上面叙述的那样,能够着眼于状态量svt(kt1)的变化所表示的响应特性,估计到由于除煤装置5C、5D或5E中的任意一方的动作而施加给含碳燃料热交换器1的状态量svt(kt)的干扰收敛在规定范围内为止的过渡状态的持续期间τt的长度。其结果,在图8(D)中,设定用于将除煤装置5C和5D在时刻T1和T2进行动作的影响排除的排除期间τe作为tc(1),设定用于将除煤装置5E在时刻T3进行动作的影响排除的排除期间τe作为tc (2)。另外,在图8(D)中,设定用于将除煤装置5C和5D在时刻T4和T5进行动作的影响排除的排除期间τe作为tc (3)。
另外,在另外一个实施方式中,在由于除煤装置5C、5D或5E中的任意一方的动作而开始的过渡状态期间τt内,温度svt(kt)按照非正态分布进行分布,与此相对,在经过过渡状态期间τt后,温度svt(kt)按照正态分布进行分布。因此,能够根据使用图7在上面叙述的方法,通过排除期间设定部121a决定由于除煤装置5C、5D或5E中的任意一方的动作而开始的过渡状态期间τt中包含的排除期间τe。
另外,在又一个实施方式中,可以如下所述决定由于除煤装置5C、5D或5E中的任意一方的动作而开始的过渡状态期间τt中包含的排除期间τe。即,排除期间τe从过渡状态期间τt的开始时点起开始,监视图8(E)所示的经时变化86作为热交换器1E的燃料的入口侧与出口侧之间的温度差。然后,设该温度差收敛在图8(E)所示的调整值h3的±37.8%以内的时点为排除期间τe的结束时点。即,该方法对应于着眼于该温度差的经时变化86所表示的响应特性来决定排除期间τe的长度的方法。
如上所述,在使用图5~图8在上面叙述的实施方式中,仅考虑为了对含碳燃料热交换器1C~1X中的任意一方进行除煤而设置在气体冷却器32b内的除煤装置5C~5X中的任意一方的动作的影响,作为引起反常的状态变化的干扰。然而,例如,认为在与气体冷却器32b的前级连接的煤化部32a中产生生成气体流量的急剧变化的情况下,也产生引起含碳燃料热交换器1C~1X的反常的状态变化的干扰的影响。这种情况下,上述生成气体流量的急剧变化作为状态变化的响应延迟进行传递,由此,含碳燃料热交换器1的状态量即“一次侧的气体流路方向上的多个部位的温度”受到影响。而且,认为该干扰的影响引起与除煤装置5C~5J的动作的影响相同种类的反常的状态变化。其结果,当在上述生成气体流量的急剧变化作为状态变化的响应延迟进行传递的过渡状态期间内获取含碳燃料热交换器1中的状态量的实测数据时,产生该状态量的实测数据从求出马氏距离时的单位空间偏离的错误的异常诊断结果。
因此,在又一个实施方式中,在上述这种情况下,过渡状态检测部120也可以检测产生设置在气体冷却器32b内的含碳燃料热交换器1的反常的状态变化的过渡状态期间τt的开始。例如,过渡状态检测部120可以通过将煤化部32a中的生成气体流量的急剧变化作为与生成气体流量对应的状态变化的阶跃输入进行模型化,如下所述检测过渡状态期间τt的开始。首先,针对含碳燃料热交换器1的状态量中的与生成气体流量相关的一部分状态量svx(kx),连续获取状态变化的第1响应波形。接着,计算对含碳燃料热交换器1的响应特性函数输入状态量svx(kx)的阶跃输入的结果所得到的阶跃响应波形。最后,可以将该阶跃响应波形与该第1响应波形进行比较,根据该比较结果检测过渡状态期间τt的开始。例如,过渡状态检测部120可以在得到与该阶跃响应波形之间的偏移低于规定基准值的第1响应波形的时点,判定为过渡状态期间τt开始。
如果能够如上所述检测过渡状态期间τt的开始,则诊断用数据生成部121b可以进行将过渡状态期间τt中的至少一部分即排除期间τe内获取的至少一个状态量svt(kt)的数据de(kt)从与该状态量有关的时间序列数据ds(k)中排除的预处理。而且,最后,诊断用数据生成部121b可以获取针对多个状态量sv(k)将排除期间τe内的数据de(kt)从时间序列数据ds(k)中排除的异常诊断用数据dd(k)。
接着,说明从诊断用数据获取部121接收到异常诊断用数据dd(k)(1≤k≤K)的异常诊断部122根据马氏距离进行含碳燃料热交换器1的异常诊断的方法。首先,图9中示出由异常诊断部122计算出的马氏距离的概念。作为一例,图9示出横轴取热交换器2的一次侧的流动方向G上的入口温度svt(kt1)与出口温度svt(kt2)之差、纵轴取热交换器2的二次侧的流动方向W上的点的温度svu(ku1)的两个参数的相关关系。即,当在传热面6上蓄积煤后,燃料与热交换介质之间的热交换的效率降低,因此,热交换器2的二次侧的某个点的温度svu(ku1)降低。而且,各测定数据根据大气条件、运转状态等的差异而存在偏差,但是,在入口温度svt(kt1)与出口温度svt(kt2)之间的温度差以及热交换器2的二次侧的某个点的温度svu(ku1)之间存在相关关系,收敛在特定范围内。将其作为基准数据,生成作为基准的单位空间。在其他各状态量中,也能够求出跟一次侧的温度差与二次侧的温度之间发现的相关关系相同的相关关系。然后,针对该单位空间,通过马氏距离来判断要判断的数据是正常还是异常。
如上所述,在例示的一个实施方式中,异常诊断装置10所具有的异常诊断部122可以如下所述进行含碳燃料热交换器1的异常诊断。首先,以由含碳燃料热交换器1正常时的多个状态量svn(k)(1≤k≤K)构成的单位空间为基准,运算异常诊断用数据dd(k)(1≤k≤K)的马氏距离MD(k)。接着,在马氏距离MD(k)大于阈值的情况下,判断为产生了含碳燃料热交换器1的异常。
总之,在该实施方式中,以由含碳燃料热交换器1正常时的多个状态量svn(k)(1≤k≤K)构成的单位空间为基准,求出异常诊断用数据dd(k)(1≤k≤K)的马氏距离MD(k)。因此,根据该实施方式,能够定量地评价未受到除煤装置5的动作的影响的异常诊断用数据dd(k)从表示设备正常时的状态组svn(k)(1≤k≤K)的单位空间偏离何种程度。其结果,根据该实施方式,能够根据未受到除煤装置5的动作的影响的异常诊断用数据dd(k),高精度地诊断设备的异常。
这里,作为一例,图1所示的含碳燃料热交换器1设置在图10所示的煤气化复合发电机组(以下称为“IGCC机组”)中。如图10所示,IGCC机组30主要具有煤气化炉32、燃气轮机设备34、蒸汽轮机设备36和废热回收锅炉(以下称为“HRSG”)38。在煤气化炉32的上游侧设置有向煤气化炉32供给粉煤的煤供给设备40。该煤供给设备40具有对原料煤进行粉碎而成为几μm~几百μm的粉煤的粉碎机(未图示),由该粉碎机粉碎后的粉煤贮留在多个料斗42中。各料斗42中贮留的粉煤与以一定流量从空气分离设备44供给的氮气一起被输送到煤气化炉32。空气分离设备44是从空气中分离氮气和氧气并将其供给到煤气化炉32的装置。
煤气化炉32具有形成为使气体从下方朝向上方流动的煤化部32a、以及与煤化部32a的下游侧连接且形成为使气体从上方朝向下方流动的气体冷却器(SGC)32b。在煤化部32a中从下方起设置有燃烧室和减压室。燃烧室是使粉煤和煤焦的一部分燃烧、其余部分通过热分解作为挥发成分(CO、H2、低级烃)释放的部分。在燃烧室和减压室中分别设置有燃烧室烧嘴和减压室烧嘴,从煤供给设备40对燃烧室烧嘴和减压室烧嘴供给粉煤。由燃气轮机设备34的空气压缩机34c抽吸的空气经由空气升压机46和氧化剂供给路48与空气分离设备44中分离出的氧气一起作为氧化剂供给到燃烧室烧嘴。在减压室中,通过来自燃烧室的高温燃烧气体使粉煤气化。由此,从煤生成CO、H2等作为气体燃料的可燃性气体(以下称为“燃料气体”。)。
在气体冷却器32b中设置有多个上述含碳燃料热交换器1,根据从减压室引导的燃料气体得到显热并产生蒸汽,对气化炉32内产生的燃料气体进行冷却。含碳燃料热交换器1中产生的蒸汽主要用作蒸汽轮机36b的驱动用蒸汽。穿过气体冷却器32b后的燃料气体被引导至除尘设备50。该除尘设备50具有多孔过滤器,捕集包含穿过多孔过滤器而混合存在于燃料气体中的未燃烧成分的煤焦并进行回收。这样回收的煤焦被返送到煤气化炉32的煤焦烧嘴进行再生。
穿过除尘设备50后的燃料气体通过气体精制设备22进行精制,被送到燃气轮机设备34的燃烧器34a。燃气轮机设备34具有使燃料气体燃烧的燃烧器34a、由燃烧气体驱动的燃气轮机34b、以及向燃烧器34a送出高压空气的空气压缩机34c。燃气轮机34b和空气压缩机34c通过同一旋转轴34d进行连接。空气压缩机34c中被压缩的空气被抽吸,与燃烧器34a不同地还被引导至空气升压机46。
穿过燃气轮机34b后的燃烧排气被引导至HRSG38,从煤气化炉32和HRSG38对蒸汽轮机36b供给高压蒸汽。作为一例,在旋转轴34d上连接有燃气轮机34b和蒸汽轮机36b,隔着蒸汽轮机设备36在燃气轮机设备34的相反侧设置有输出电气的发电机52。需要说明的是,HRSG38通过来自燃气轮机34b的燃烧废气产生蒸汽,并且从烟囱54向大气释放燃烧排气。
这样,作为一例,图2所示的含碳燃料热交换器1设置在IGCC机组30的煤气化炉32中的气体冷却器32b中。而且,含碳燃料热交换器1在含碳燃料即燃料气体与热交换介质之间进行热交换。在流动着含碳燃料的含碳燃料热交换器1中,当在传热面6上附着碳且除煤装置5也未去除该碳时,有时产生传热面6堵塞而无法进行充分热交换等异常。因此,异常诊断装置10使用马氏距离判定有无含碳燃料热交换器1的异常。
附图标记说明
1(1C~1X) 对象设备(含碳燃料热交换器)
2 热交换器
3 燃料流路
4 传热管
5(5C~5X) 异常防止装置(除煤装置)
10 异常诊断装置
11 输入输出部
12 处理部
13 存储部
14 终端装置
14C 输入单元
14D 显示器
22 气体精制设备
30 机组
32 煤气化炉
32a 煤化部
32b 连接设备组(气体冷却器)
34 燃气轮机设备
34a 燃烧器
34b 燃气轮机
34c 空气压缩机
34d 旋转轴
36 蒸汽轮机设备
36b 蒸汽轮机
40 煤供给设备
42 料斗
44 空气分离设备
46 空气升压机
48 氧化剂供给路
50 除尘设备
52 发电机
54 烟囱
61、62 频数分布
71、72 正态分布曲线
81 第1区间
82 第2区间
91、92 频数分布
121 诊断用数据获取部
121a 排除期间设定部
121b 诊断用数据生成部
122 异常诊断部
G、W 流动方向
MD 马氏距离
dd 异常诊断用数据
de 排除数据
ds 时间序列数据
sv、svn、svt、svu 状态量
th 温度等级值
Claims (8)
1.一种设备的异常诊断方法,其是构成机组的设备中的对象设备的异常诊断方法,所述异常诊断方法的特征在于,
所述异常诊断方法具有以下步骤:
获取与所述对象设备的异常具有相关性的所述机组的多个状态量的时间序列数据;
针对所述多个状态量中的至少一个状态量,进行将在排除期间内获取的所述至少一个状态量的数据从与该状态量有关的所述时间序列数据中排除的预处理,从而针对所述多个状态量得到异常诊断用数据,所述排除期间为构成所述机组的其他设备的状态变化的影响波及所述对象设备的过渡状态期间中的至少一部分;以及
根据所述多个状态量的所述异常诊断用数据进行所述对象设备的异常诊断。
2.根据权利要求1所述的设备的异常诊断方法,其特征在于,
所述其他设备是在所述对象设备或位于该对象设备的前级的设备设置的异常防止装置,
所述过渡状态期间是所述异常防止装置的动作的影响波及所述对象设备的期间。
3.根据权利要求1或2所述的设备的异常诊断方法,其特征在于,
在得到所述异常诊断用数据的步骤中,
根据所述其他设备的状态变化开始后的所述至少一个状态量的响应特性决定所述排除期间的长度,
将在根据所述响应特性设定的所述排除期间内获取的所述至少一个状态量的数据从所述时间序列数据中排除。
4.根据权利要求3所述的设备的异常诊断方法,其特征在于,
在根据所述响应特性设定所述排除期间的长度时,
在表示所述其他设备的状态变化开始后的所述至少一个状态量的响应特性的时间常数与所述排除期间的长度之间的预先设定的相关性中应用根据所述状态变化开始后获取的所述至少一个状态量的经时变化求出的所述时间常数,决定所述排除期间的长度。
5.根据权利要求1或2所述的设备的异常诊断方法,其特征在于,
在得到所述异常诊断用数据的步骤中,
以使与所述至少一个状态量的所述时间序列数据有关的频数分布与正态分布之间的偏移减小的方式决定所述排除期间的长度。
6.根据权利要求5所述的设备的异常诊断方法,其特征在于,
在得到所述异常诊断用数据的步骤中,
根据表示所述频数分布与所述正态分布之间的一致性的指标,决定所述排除期间的长度。
7.根据权利要求1或2所述的设备的异常诊断方法,其特征在于,
在进行所述设备的异常诊断的步骤中,
以由所述设备正常时的所述多个状态量构成的单位空间为基准来运算所述异常诊断用数据的马氏距离,
在所述马氏距离大于阈值的情况下,判断为产生了所述设备的异常。
8.一种设备的异常诊断装置,其是设置于机组内的对象设备的异常诊断装置,所述设备的异常诊断装置的特征在于,
所述异常诊断装置具有:
输入输出部,其从所述机组的传感器获取与所述对象设备的异常具有相关性的所述机组的多个状态量的时间序列数据,输出所述对象设备的异常诊断的结果;
诊断用数据获取部,其针对所述多个状态量中的至少一个状态量,进行将在排除期间内获取的所述至少一个状态量的数据从与该状态量有关的所述时间序列数据中排除的预处理,从而针对所述多个状态量得到异常诊断用数据,所述排除期间为构成所述机组的其他设备的状态变化的影响波及所述对象设备的过渡状态期间中的至少一部分;以及
异常诊断部,其根据所述多个状态量的所述异常诊断用数据进行所述对象设备的异常诊断。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016072723A JP6620056B2 (ja) | 2016-03-31 | 2016-03-31 | 機器の異常診断方法及び機器の異常診断装置 |
JP2016-072723 | 2016-03-31 | ||
PCT/JP2016/076906 WO2017168788A1 (ja) | 2016-03-31 | 2016-09-13 | 機器の異常診断方法及び機器の異常診断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108604094A CN108604094A (zh) | 2018-09-28 |
CN108604094B true CN108604094B (zh) | 2021-04-27 |
Family
ID=59963926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680080188.2A Expired - Fee Related CN108604094B (zh) | 2016-03-31 | 2016-09-13 | 设备的异常诊断方法及设备的异常诊断装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11002640B2 (zh) |
JP (1) | JP6620056B2 (zh) |
CN (1) | CN108604094B (zh) |
WO (1) | WO2017168788A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6362992B2 (ja) * | 2014-10-20 | 2018-07-25 | 三菱日立パワーシステムズ株式会社 | 熱交換器の監視装置及び熱交換器の監視方法 |
KR102133276B1 (ko) * | 2018-11-19 | 2020-07-13 | 주식회사 엑셈 | 복수의 노이즈 데이터와 시계열 데이터에 기반하여 비정상 데이터 탐지가 가능한 정상 밴드를 생성하는 방법 및 이를 구현하는 정상 밴드 생성 장치 |
KR102133277B1 (ko) * | 2018-11-19 | 2020-07-13 | 주식회사 엑셈 | 팔로워의 경계 설정과 시계열 데이터에 기반하여 비정상 데이터 탐지가 가능한 정상 밴드를 생성하는 방법 및 이를 구현하는 정상 밴드 생성 장치 |
US11334414B2 (en) * | 2019-03-04 | 2022-05-17 | Mitsubishi Heavy Industries, Ltd. | Abnormality detecting apparatus, rotating machine, abnormality detection method, and non- transitory computer readable medium |
CN110164132B (zh) * | 2019-05-29 | 2020-03-06 | 浙江警察学院 | 一种道路交通异常的检测方法及*** |
WO2021019760A1 (ja) * | 2019-08-01 | 2021-02-04 | 三菱電機株式会社 | 異常診断方法、異常診断装置および異常診断プログラム |
KR102340395B1 (ko) | 2020-01-02 | 2021-12-15 | 두산중공업 주식회사 | 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 |
CN111413956B (zh) * | 2020-04-17 | 2021-06-25 | 上海沃证机电技术服务有限公司 | 一种用于电气自动化设备的性能检测装置及使用方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4213175A (en) * | 1977-07-04 | 1980-07-15 | Hitachi, Ltd. | Fault-detecting apparatus for controls |
JPH11288311A (ja) * | 1998-04-03 | 1999-10-19 | Sony Corp | 測定機器装置 |
CN1428130A (zh) * | 2001-12-27 | 2003-07-09 | 泷泽清 | 诊断方法及其装置,诊断程序 |
CN102629364A (zh) * | 2012-03-13 | 2012-08-08 | 凯里供电局 | 一种电力设备状态的量化评分方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3507607B2 (ja) * | 1995-12-15 | 2004-03-15 | 株式会社東芝 | プラントデータ管理装置 |
JP3662366B2 (ja) * | 1996-10-07 | 2005-06-22 | 東芝機械株式会社 | 生産ラインの自動運転システム |
JP4184638B2 (ja) * | 2001-08-31 | 2008-11-19 | 株式会社東芝 | 半導体製造装置の寿命診断方法 |
JP4371933B2 (ja) * | 2004-07-23 | 2009-11-25 | 中国電力株式会社 | プラントデータ評価システムと方法、復水器真空度監視方法、データマイニング方法、および、プログラム |
US7286960B2 (en) * | 2004-09-30 | 2007-10-23 | General Electric Company | Systems and methods for monitoring fouling and slagging in heat transfer devices in coal fired power plants |
JP5322713B2 (ja) * | 2008-04-08 | 2013-10-23 | Jx日鉱日石エネルギー株式会社 | 監視装置 |
JP5260343B2 (ja) | 2009-02-03 | 2013-08-14 | 三菱重工業株式会社 | プラント運転状態監視方法 |
JP5610695B2 (ja) * | 2009-02-17 | 2014-10-22 | 三菱重工業株式会社 | プラント監視用の方法、プログラム及び装置 |
JP5293449B2 (ja) * | 2009-06-24 | 2013-09-18 | 三菱電機株式会社 | 状態変化検出装置 |
IN2012DN02779A (zh) * | 2009-10-02 | 2015-09-18 | Hitachi Ltd | |
JP5793299B2 (ja) * | 2010-12-28 | 2015-10-14 | 株式会社東芝 | プロセス監視診断装置 |
JP5949032B2 (ja) | 2012-03-26 | 2016-07-06 | 株式会社Ihi | 前処理方法及び異常診断装置 |
US20150293531A1 (en) * | 2012-10-25 | 2015-10-15 | Mitsubishi Hitachi Power Systems, Ltd. | Plant monitoring device, plant monitoring program, and plant monitoring method |
JP2015076058A (ja) * | 2013-10-11 | 2015-04-20 | 株式会社日立製作所 | 設備の監視診断装置 |
JP6116466B2 (ja) * | 2013-11-28 | 2017-04-19 | 株式会社日立製作所 | プラントの診断装置及び診断方法 |
JP6105141B1 (ja) * | 2016-09-30 | 2017-03-29 | 株式会社日立パワーソリューションズ | プリプロセッサおよび診断装置 |
-
2016
- 2016-03-31 JP JP2016072723A patent/JP6620056B2/ja not_active Expired - Fee Related
- 2016-09-13 WO PCT/JP2016/076906 patent/WO2017168788A1/ja active Application Filing
- 2016-09-13 US US16/080,811 patent/US11002640B2/en active Active
- 2016-09-13 CN CN201680080188.2A patent/CN108604094B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4213175A (en) * | 1977-07-04 | 1980-07-15 | Hitachi, Ltd. | Fault-detecting apparatus for controls |
JPH11288311A (ja) * | 1998-04-03 | 1999-10-19 | Sony Corp | 測定機器装置 |
CN1428130A (zh) * | 2001-12-27 | 2003-07-09 | 泷泽清 | 诊断方法及其装置,诊断程序 |
CN102629364A (zh) * | 2012-03-13 | 2012-08-08 | 凯里供电局 | 一种电力设备状态的量化评分方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2017168788A1 (ja) | 2017-10-05 |
US20190086294A1 (en) | 2019-03-21 |
US11002640B2 (en) | 2021-05-11 |
JP6620056B2 (ja) | 2019-12-11 |
JP2017182693A (ja) | 2017-10-05 |
CN108604094A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108604094B (zh) | 设备的异常诊断方法及设备的异常诊断装置 | |
Rostek et al. | Early detection and prediction of leaks in fluidized-bed boilers using artificial neural networks | |
EP2444869B1 (en) | Method and apparatus for generalized performance evaluation of equipment using achievable performance derived from statistics and real-time data | |
US8140296B2 (en) | Method and apparatus for generalized performance evaluation of equipment using achievable performance derived from statistics and real-time data | |
CN106662417B (zh) | 热交换器的监视装置及热交换器的监视方法 | |
EP2574198A1 (en) | Method of detecting a predetermined condition in a gas turbine and failure detection system for a gas turbine | |
CN115187012A (zh) | 一种基于日数据验证燃煤电厂燃烧产生的碳排放方法 | |
JP2021011992A (ja) | ボイラチューブリーク早期検知システム及びその方法 | |
JP4150127B2 (ja) | 流動層異常燃焼診断方法及び流動層異常燃焼診断装置 | |
US9146169B2 (en) | Method and system for use in condition monitoring of pressure vessels | |
Tucker et al. | Performance degradation in an advanced power system by analyzing process dynamics | |
US20240183526A1 (en) | Systems, devices, and methods for a boiler health and carbon-footprint monitor tool | |
Agrawal et al. | LSTM-Autoencoder-Based Interpretable Predictive Maintenance Framework for Industrial Systems | |
Alekhnovich | Initial slagging temperature as a coal slagging index: determination and application | |
Mena et al. | Application of ensemble machine learning techniques to the diagnosis of the combustion in a gas turbine | |
WO2023036926A1 (en) | A method for determining a leakage in a heat transfer fluid channel of a heat transferring reactor system, and a heat transferring reactor | |
Bonzani et al. | Low BTU fuels operation in heavy duty gas turbines: Ansaldo Energia experience | |
Mobed et al. | Model-Based Sensor Placement for Component Condition Monitoring and Fault Diagnosis in Fossil Energy Systems | |
CN113741359A (zh) | 一种混煤掺烧方式下火电厂安全监控***及其方法 | |
JP2019200543A (ja) | 情報生成装置及び情報生成方法 | |
Sorce et al. | Heat Recovery Steam Generator Health Assessment Basing on Reconciled Measurement | |
JP2014149185A (ja) | 減肉測定装置及び減肉測定方法 | |
Koretskii et al. | Influence of the accuracy of maintaining steam temperature on the reliability of gas-and oil-fired steam generators | |
Penninger et al. | DETERMINATION OF COMBUSTION STABILITY IN PULVERSIED COAL FUELLED STEAM BOILERS | |
Hao et al. | Combustion state classification by character signals mining and support vector machines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Kanagawa Prefecture, Japan Applicant after: Mitsubishi Power Co.,Ltd. Address before: Kanagawa Prefecture, Japan Applicant before: MITSUBISHI HEAVY INDUSTRIES, Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210427 |