JP2004355044A - Plant data estimation system and method, condenser vacuum monitoring method, data mining method, and program - Google Patents
Plant data estimation system and method, condenser vacuum monitoring method, data mining method, and program Download PDFInfo
- Publication number
- JP2004355044A JP2004355044A JP2003148256A JP2003148256A JP2004355044A JP 2004355044 A JP2004355044 A JP 2004355044A JP 2003148256 A JP2003148256 A JP 2003148256A JP 2003148256 A JP2003148256 A JP 2003148256A JP 2004355044 A JP2004355044 A JP 2004355044A
- Authority
- JP
- Japan
- Prior art keywords
- data
- evaluation
- deviation
- plant
- correlation
- 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.)
- Granted
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
【０００１】
【発明の属する技術分野】
本発明は、発電所などにおける異常監視を行う技術に係り、特にプラントデータの相関を演算することにより効率的かつ適切に異常監視を行う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、プログラムに関する。
【０００２】
【従来の技術】
従来、プラントデータの上下限値や標準偏差を用いた異常監視あるいは動作傾向に基づく異常監視の技術が提案されている。
特開２００１−２７３００７号公報に記載の「プラント最適運転制御システム」では、実データの平均値を基準として、標準偏差の算出など統計的処理の後、ある範囲外のデータを除外して運転制御のデータとして使用するシステムが提案されている。特開２００１−１７５９７２号公報に記載の「異常監視装置」では、実データから平均値とσ（標準偏差）を計算し、３σを閾値として、その閾値内になるデータを用いて監視する装置が提案されている。また、特開平６−４７８９号公報に記載の「機器の異常監視方法および装置」では、複数の監視信号から重回帰分析により回帰係数を求め、この回帰係数の時間変化率と正常変化率により異常を判断する方法および装置が提案されている。さらに、特開平８−２２０２７８号公報に記載の「プラント監視装置及び監視方法」では、実データの変化率について、設定した閾値をＮ回連続して上昇・下降した場合、異常とする装置及び方法が提案されている。
【０００３】
しかしながら、過去のデータから求めた標準偏差および上下限値を使ってデータの評価を行う手法は、標準偏差については、標準偏差の何倍を評価基準にするかで評価結果が分かれる。例えば、倍率を大きくすればデータの異常を検知しにくくなり、逆に小さくすれば正常データであるにもかかわらず異常判定にしてしまうという問題がある。
【０００４】
また、上下限は、機器および系統の保護を目的とした値であり、一般に通常値との差が大きくなり、微小なデータ変動（異常の兆候）の判定には使用が困難であるという問題もある。
【０００５】
【発明が解決しようとする課題】
本発明はかかる従来の事情に対処してなされたものであり、監視対象となるプラントデータに相関のあるデータを効率的に抽出・加工して、正常な範囲（従来、異常検出が困難な範囲）に潜んでいる微細な異常の兆候を発見可能な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、プログラムを提供することを目的とする。
【０００６】
【課題を解決するための手段】
上記目的を達成するため、請求項１の発明に係わるプラントデータ評価システムは、プラントのデータを保存するデータ登録手段と、監視対象データ項目ごとに他のデータ項目との相関近似式を仮算出し、当該相関近似式による値と実データとの偏差に基づき不良データを排除し、排除後のデータを用いて少なくとも相関近似式、および、標準偏差を含む評価基準を本算出する評価基準構築手段と、評価基準構築手段により本算出された評価基準を用いてプラントのデータの評価を実行するデータ評価手段と、データ評価手段による評価結果を表示する状態表示手段とを備えたことを特徴とする。
【０００７】
請求項１記載の発明では、監視対象データ項目ごとに他のデータ項目との相関近似式を仮算出して、その相関近似式による値と実データとの偏差に基づき不良データを排除した後のデータを用いてデータ評価に用いる評価基準を本算出する。
【０００８】
ここで、「実データ」（生データ）とは、プラント等の計測データまたはそれに一定の変換を施したデータを意味し、相関近似式との偏差（偏差データ）と区別して用いる趣旨である。また、「データ」は、特に指定しない限り実データと偏差データを含む。
【０００９】
請求項２の発明に係わるプラントデータ評価システムは、プラントのデータを保存するデータ登録手段と、監視対象データ項目ごとに他のデータ項目との相関近似式を仮算出し、当該相関近似式による値と実データとの偏差に基づき不良データを排除し、排除後のデータを用いて少なくとも相関近似式、標準偏差、および、変化量の標準偏差を含む評価基準を本算出する評価基準構築手段と、評価基準構築手段により本算出された評価基準を用いてプラントのデータの評価を実行するデータ評価手段と、データ評価手段による評価結果を表示する状態表示手段とを備えたことを特徴とする。
【００１０】
請求項２記載の発明では、さらに、データの変化量の標準偏差を用いてプラントを評価する。
【００１１】
請求項３の発明に係わるプラントデータ評価システムでは、さらにデータ評価手段は、データの上昇または下降の連続回数に基づいて評価を実行することを特徴とする。
【００１２】
請求項３記載の発明では、データが連続して上昇または下降しているか否かを監視する。特に、偏差データの変化方向の連続回数を用いて評価するようにすると微小な異常の兆候の検出効果が高まる。
【００１３】
請求項４の発明に係わるプラントデータ評価システムでは、データ評価手段は、プラントの運転サイクルまたは時期に基づく補正値を用いて評価を実行することを特徴とする。
【００１４】
請求項４記載の発明では、実データまたは相関近似式に対して、運転サイクルごとの補正値である初期補正値または週や季節ごとの補正値である時期補正値によって補正を施して評価を行う。
【００１５】
請求項５の発明に係わるプラントデータ評価システムでは、さらに、評価基準構築手段は、プラントのデータと相関近似式による値の偏差を演算すると共に当該偏差を監視対象データ項目として該偏差についての評価基準を演算し、データ評価手段は、当該評価基準を用いてプラントのデータを評価することを特徴とする。
【００１６】
請求項５記載の発明では、実データと相関近似式との差分に対して相関のあるデータを用いて監視を行う。
【００１７】
請求項６の発明に係わるプラントデータ評価方法は、監視対象データ項目ごとに他のデータ項目との相関近似式を算出する評価基準構築段階と、当該相関近似式による値と実データ値との偏差を演算して、該偏差の値、該偏差の変化率、または、該偏差の変化方向の連続回数に基づいて異常の有無を監視するデータ評価段階とを含むことを特徴とする。
【００１８】
請求項６記載の発明では、相関近似式による値と実データ値との偏差を演算して、該偏差の値、該偏差の変化率、または、該偏差の変化方向の連続回数に基づいて、事前に求めたそれぞれの標準偏差に基づいて異常の有無を監視する
【００１９】
なお、事前に監視対象項目の相関近似式やそれぞれの標準偏差を求める場合は、５サイクル分のデータを用いるのが有効である。
【００２０】
また、偏差の値を次の監視対象データ項目として、評価基準構築段階でこの偏差と相関の高い他のデータとの相関近似式やその式との標準偏差、偏差の変化率の標準偏差を求めておき、データ評価段階で、各標準偏差および偏差の変化方向の連続回数に基づいて異常を監視するようにすると、さらに微細な異常の兆候まで監視することが可能となる。
【００２１】
特に偏差データと相関の高い他のデータとの相関近似式を求める場合は、その相関の強さが所定値γ以上の他のデータが存在するかどうかを判定し、存在する場合は、その中で最も相関の高いデータ項目との相関近似式を計算するようにすれば、有効な相関データの抽出と実質的に同質の（同じ動きをする）他のデータを効率よく排除することが可能となる。
【００２２】
また、上記のように、まず、実データと他のデータとの相関を求め、順次、その偏差とさらに他のデータとの相関を求める場合は、その回数を最大Ｎ（Ｎは自然数）として上限を設定するようにしてもよい。
【００２３】
なお各データに対し，相関データの影響がある程度除去されるまで自動的にＮ次相関までとるようにすると，基本的に通常フラットなトレンドとなり，評価基準算定用の５サイクルから判明するＮ個の影響要因以外の外乱があった場合のみピークが現れることになる。
【００２４】
したがって、プラントの異常監視の手順は次のようになる。
ａ．評価基準算定用のある期間の過去データに対し，データの振れ幅がある基準（例えば±３％）に収まるまで，対象データから最も相関の高い要因データを引き，これにより得られたデータからその最も相関の高い要因データを引くという処理を順次Ｎ回繰り返す（Ｎ次相関の算出）。
ｂ．何の要因データをどの順番で差し引いたかを記録する。
ｃ．今回の監視対象データに対し，上記ａ、ｂと同様の手順で計算する。
ｄ． 上記ａ．で定めた振れ幅の基準以内の値になれば、異常無しとし、基準外であれば異常有りとする。
ｅ．同時に上記ｃの手順で求まるピークの波形に対し，相関が高い要因データを算出することにより、この要因データが外乱であると判定する。
【００２５】
以上の手順でプラントの異常を監視することにより、プラントの自動運転が可能となる。また、この手順による異常監視は、プラント以外の対象、たとえば、気象予測や来客予測等にも適用可能である。
【００２６】
請求項７の発明に係わるプラントデータ評価方法では、さらに、監視対象データ項目の実データと相関近似式による値との偏差を時期ごとに演算すると共に当該偏差と時期に基づく相関が所定値以上であるか否かを判定し、所定値以上の場合は、当該偏差を用いて時期補正値を演算し、当該時期補正値で相関近似式を補正することを特徴とする。
【００２７】
請求項７記載の発明では、監視対象データ項目によって、その相関近似式を時期ごとに補正する。具体的には、監視対象データ項目の実データと相関近似式による値との偏差と時期（たとえば、曜日）との相関を演算して、所定値以上（たとえば、７０％、８０％）以上の相関があれば、時期ごとの偏差を補正値として用いる。これにより、時期によって生じる定常誤差を修正することができる。
【００２８】
請求項８の発明に係わるプラントデータ評価方法では、さらに、監視対象データ項目の実データと相関近似式による値との偏差を複数の運転サイクルの夫々について演算すると共に当該偏差と運転サイクルに基づく相関が所定値以上であるか否かを判定し、所定値以上の場合は、プラント運転開始後、所定期間の実データを用いて初期補正値を演算し、初期補正値で相関近似式を補正することを特徴とする。
【００２９】
請求項８記載の発明では、監視対象データ項目によって、その相関近似式を運転サイクルごとに補正する。これにより、運転サイクルごとにより生じる定常誤差を修正することができる。
また、運転サイクルごとに初期補正を行って得られたデータの偏差の平均値と当該サイクルの標準偏差とを比較して、所定値以上乖離している場合は、初期補正を行わないという処理を行うことにより、計器誤差以外の外乱による影響を排除することができる。
【００３０】
なお、所定期間としては、プラント総合負荷試験直後の運転開始日のデータを用いるのがよい。さらに、週ごとなど、季節ごとなど時期により監視対象データが変動する場合は、時期補正値と共に相関近似式を補正すると効果が高い。
【００３１】
ここで、プラント総合負荷試験とは、一般的にプラント運転前の試験を意味する。
【００３２】
より具体的には、プラントの検査により、装置や計器類の交換、オーバーホールなどをすると、相関近似式の傾き自体の変動は比較的少ないものの、調整の仕方により、過去のデータを用いて求めた相関近似式による予測値と実データとの間に一定のずれ（誤差）が生じるという特徴がある。このため、収集した各データを総合試験直後の運用開始日の値をもとに補正値を計算して、以後その補正値を用いて、相関近似式と実データの比較の際に補正をするようにすれば、精度の高い監視が可能となる。
【００３３】
なお、相関近似式の補正とは、実質的に相関近似式を補正することになれば足りる趣旨であり、相関近似式に対する補正と、実データに対する補正の両方を意味する。後者の場合、相関近似式による値と実データとの比較において、実データ側を補正して、その補正値と相関近似式の値とを比較あるいは偏差を演算することになる。
【００３４】
請求項９の発明に係わるプラントデータ評価方法は、ユーザ側のデータ収集装置および端末装置と通信ネットワークを介して接続され、データ収集装置から送られてくるデータを処理するサーバ装置によりプラントのデータを評価するプラントデータ評価方法であって、サーバ装置は、少なくとも相関近似式、標準偏差、および、変化量標準偏差を含むプラントの標準の評価基準を記憶するステップと、データ収集装置から送られてくるプラントのデータをユーザごとに記憶するステップと、ユーザごとのデータに基づき、標準の評価基準を修正し、ユーザごとに記憶するステップと、ユーザごとの評価基準に基づいて、ユーザのプラントのデータを評価するステップと、当該評価結果をユーザの端末装置へ送信するステップとを含むことを特徴とする。
【００３５】
請求項９記載の発明では、サーバでプラントデータを集中管理して、評価基準の構築やデータの評価を実行する。
【００３６】
請求項１０の発明に係わるプラントデータ評価方法は、さらに、プラントのデータと相関近似式による値の偏差を演算すると共に当該偏差についての評価基準を演算し、ユーザごとに当該評価基準を記憶するステップと、該評価基準に基づいて、プラントの異常の兆候を監視し、異常の兆候を発見したときはユーザの端末装置へ通知するステップとを含むことを特徴とする。
【００３７】
請求項１０記載の発明では、実データと相関近似式との差分（偏差）に対して相関のあるデータを用いて監視を行い、異常の兆候が発見されたときは、ユーザへ通知する。
【００３８】
請求項１１の発明に係わる復水器真空度監視方法は、復水器真空度データを収集するステップと、海水温度データを収集するステップと、収集した各データを用いて復水器真空度と海水温度の相関近似式を演算するステップと、各データと相関近似式との差である復水器真空度偏差を演算するステップと、復水器真空度偏差の標準偏差を演算するステップと、当該標準偏差および復水器真空度偏差を用いて復水器真空度を監視するステップとを含むことを特徴とする。
【００３９】
請求項１１記載の発明では、復水器真空度と海水温度との相関をもとに、海水温度の影響を減らして復水器真空度の監視を行う。
【００４０】
請求項１２の発明に係わる復水器真空度監視方法は、復水器真空度データを収集するステップと、海水温度データを収集するステップと、復水器真空度データを、特定曜日を基準とした曜日ごとの補正値で補正するステップと、補正後の復水器真空度データと収集した海水温度データを用いて相関近似式を演算するステップと、補正後のデータと相関近似式との差である復水器真空度偏差を演算するステップと、復水器真空度偏差の標準偏差を演算するステップと、当該標準偏差および復水器真空度偏差を用いて復水器真空度を監視するステップとを含むことを特徴とする。
【００４１】
請求項１２記載の発明では、復水器真空度データに曜日による補正を加えて監視を行う。
【００４２】
なお、補正値は、曜日ごとの鉄イオン皮膜厚と真空低下量との関係を演算することにより求めることができる。
【００４３】
請求項１３の発明に係わるデータマイニング方法は、コンピュータを用いてデータ間の相関を演算するデータマイニング方法であって、データ間の相関近似式と標準偏差を仮算出するステップと、当該相関近似式による値と実データとの偏差を標準偏差と比較することにより不良データを検出し排除するステップと、排除後のデータを用いて、両データ間の相関係数を演算するステップとを含むことを特徴とする。
【００４４】
請求項１４の発明に係わるプログラムは、データ間の相関を演算するプログラムであって、データを入力する処理と、入力したデータ間の相関近似式と標準偏差を仮算出する処理と、当該相関近似式による値と実データとの偏差を標準偏差と比較することにより不良データを検出し排除する処理と、排除後のデータを用いて、両データ間の相関係数を演算する処理とをコンピュータに実行させることを特徴とする。
【００４５】
請求項１５の発明に係わるプログラムは、ユーザ側のデータ収集装置および端末装置と通信ネットワークを介して接続され、データ収集装置から送られてくるデータを処理するサーバ装置上で動作するプログラムであって、少なくとも相関近似式、標準偏差、および、変化量標準偏差を含むプラントの標準の評価基準を記憶する処理と、データ収集装置から送られてくるプラントのデータをユーザごとに記憶する処理と、ユーザごとのデータに基づき、標準の評価基準を修正し、ユーザごとに記憶する処理と、ユーザごとの評価基準に基づいて、ユーザのプラントのデータを評価する処理と、当該評価結果をユーザの端末装置へ送信する処理とをコンピュータに実行させることを特徴とする。
【００４６】
【発明の実施の形態】
以下に本発明の実施の形態を説明する。図１は、第１の実施の形態にかかわるプラントデータ評価システムの機能ブロック図である。ここで、プラントデータ評価システム１は、プラントデータを入力する入力部１２、入力されたデータを用いて演算処理を実行する演算部１１、演算結果を表示する表示部１３、プラントデータ等のデータを記憶する記憶部１４で構成されている。
【００４７】
演算部１１は、入力部１２または表示部１３との間で入力または出力処理を行う入出力処理手段２１、プラントデータを登録あるいは編集するデータ登録・編集手段２２、プラントデータの評価基準を作成する評価基準構築手段２３、評価基準に従ってプラントデータを評価するデータ評価手段２４、評価に必要なデータの選別条件等を設定する評価条件補正手段２５、および、評価結果を表示する状態表示手段２６を有している。
【００４８】
また、記憶部１４は、プラントデータを保存するプラントデータファイル３１、プラントデータの評価基準情報を保存する評価基準ファイル３２、評価結果を保存する評価結果ファイル３３を有している。
【００４９】
次に、プラントデータ評価システム１の動作を説明する。
【００５０】
＜プラントデータ登録段階＞
プラントデータは、キーボードなどの入力部１２を通して入力され、入出力手段２１、データ登録・編集手段２２を介して、プラントデータファイル３１に保存される。なお、このプラントデータは、ＣＤ−ＲＯＭ等の記憶媒体やネットワークを通して入力してもよい。登録するデータとしては、プラントを評価・診断するための今回データのみでなく、評価基準を構築するために必要な過去一定期間のデータについても登録する。評価基準を構築するためのプラントデータとしては、一般に各データ項目に対して６０回分（月に１回データを採取するとして５年分）のデータ数が有効である。
【００５１】
図２は、プラントデータファイル３１のデータ構成例である。データ採取日時、データ識別情報、データ値、プラント状態が保存されている。なお、データ識別情報ごとなど必要によりソート可能とする。
【００５２】
また、プラントデータ採取ごとに、このデータ登録・編集手段２２を通して逐次データが登録される。
【００５３】
＜評価基準の確立段階＞
まず、データ登録・編集手段２２により、プラントデータファイル３１に保存されているプラントデータの中で、定検中や停止中のデータなどプラントの評価に使わない、いわゆる異常データを排除する。
【００５４】
次に、図３を用いて評価基準構築手段２３の動作を説明する。
【００５５】
評価基準構築手段２３は、入力部１２により起動されると、監視対象のデータ項目を抽出する（Ｓ１０１）。そして、このデータ項目との相関の演算の対象となるデータ項目を選択して（Ｓ１０２）、監視対象データと相関データを用いて、相関近似式と標準偏差を仮算出する（Ｓ１０３）。なお、この段階の相関近似式と標準偏差は、プラントデータの評価に直接使用しないので、「仮算出」という。
【００５６】
複数の種類のデータ項目との相関を個々に仮算出し、相関の高いデータ項目を所定の数（たとえば、１０項目）だけ抽出する（Ｓ１０４）。そして、仮算出で求めた標準偏差を用いてプラントデータファイル３１に保存されているデータのうち、所定の範囲に入らないデータ（例えば、±４σ以内に入らないデータ）を不良データとして排除する（Ｓ１０５）。
【００５７】
次に、不良データ排除後のデータを用いて、それぞれのデータ項目について、相関近似式、標準偏差σ１、および、変化量標準偏差σ２を算出する（Ｓ１０６）。なお、この段階の算出を「本算出」という。ここで、変化量標準偏差とは、所定期間のデータの変化量に対する標準偏差を意味する。
【００５８】
そして、相関の最も大きなデータ項目の相関近似式、標準偏差σ１、および、変化量標準偏差σ２を評価基準ファイル３２に保存する（Ｓ１０７）。以上の処理を全ての監視対象のデータ項目に対して繰り返す（Ｓ１０８）。
【００５９】
図４は、評価基準ファイル３２のデータ構成例である。ここで、係数ａ、ｂは、相関近似式が、ｙ＝ａ・ｘ＋ｂの形式で表されるときの係数を示す。また、標準偏差σ１、変化量標準偏差σ２の値も格納されている。なお、相関近似式が、２次式など、他の形式で表されるような場合は、その形式情報（近似式パターン）や係数情報が格納される。
【００６０】
＜プラントデータの評価段階＞
次に、図５を用いてデータ評価手段２４の動作を説明する。データ評価手段２４は、入力部１２からの指示により、又は、定期的に起動されると、プラントデータの補正が必要かどうかを判定し（Ｓ２０１）、補正が必要な場合は、評価条件補正手段２５を起動して、補正処理を実行する（Ｓ２０２）。ここで、補正処理の例としては、相関近似式を用いて今回データの予測値を算出するに際して、初期値を総合負荷検査直後の値に補正するとか、曜日ごとなど時期によりデータ値に一定の変動があり、その変動がプラントの正常動作によるものならば、採取したプラントの実データに補正値を加えることが挙げられる。なお、相関近似式との差異を実態に合わせて補正できればよいので、プラントの実データではなく、相関近似式の係数を補正するようにしてもよい。
【００６１】
次に、相関近似式により今回データの予測値を算出する（Ｓ２０３）。そして、偏差による評価（Ｓ２０４）として、プラントの実データの補正値と予測値との差異を標準偏差σ１により評価して、所定の範囲内にあるときは正常、所定の範囲外のときは異常とする。このとき、評価結果を段階的に分け、例えば、±２σ１の範囲内にあるときは正常状態、±２σ１から±３σ１の範囲にある場合は注意状態、±３σ１以上離れているときは異常状態としてもよい。
【００６２】
続いて、変化量による評価（Ｓ２０５）として、そのプラントデータの前回値と今回値の変化量を、変化量の標準偏差σ２により評価して、所定の範囲外ならば異常とする。
【００６３】
さらに、傾向による評価（Ｓ２０６）として、プラントデータが連続して上昇または下降した場合は、その回数により正常・異常を判定する。プラントデータの場合は、数回、例えば４回連続で注意状態、５回連続で異常状態とするのが効果的である。
【００６４】
図６は、評価結果ファイルのデータ例の説明図である。ここで、偏差欄の１．５は、偏差が１．５σ１にあることを意味する。
【００６５】
次に、状態表示手段２６を起動して、評価結果ファイル３３に基づいて、表示部１３に状態表示やグラフ表示を行う（Ｓ２０７）。
【００６６】
本実施の形態では、評価基準の確立段階で、相関近似式や標準偏差を仮算出して、相関の強いデータ項目を抽出し、その後、標準偏差をもとにバラツキの大きなデータを排除して、最終的に評価に用いるデータ項目の相関近似式や標準偏差等の評価基準を算出するので、相関を求めるデータ量が多くても、簡便な手法で精度の高い評価基準を得ることができる。
【００６７】
また、プラントデータの評価段階では、評価基準の確立段階で求めた評価基準を用いて、プラントの実データに補正を施して評価を実行するので、複雑な要素によって変動するプラントデータを計算機に負荷をかけず精度よく評価することができる。
【００６８】
なお、本実施の形態では、監視対象のデータ項目について、相関データの項目を一種類に絞り込んで、相関近似式等の評価基準情報を保存することとしたが、必要により、所定値以上の相関のある複数の種類のデータ項目について評価基準情報を保存し、これを用いて評価を行うようにしてもよい。
【００６９】
また、偏差、変化量、傾向による評価のうち監視項目によっては、一部の評価のみを実施することにしてもよい。
【００７０】
次に、第２の実施の形態を説明する。
図７は、本実施の形態にかかわるプラントデータ評価システムの機能ブロック図である。
【００７１】
図１との違いは、プラントデータ評価システム１にデータ収集装置２から送られてくるプラントデータを通信回線３を介して受信する通信部１５と、演算部１１に通信部１５との間でデータの受け渡しを行う送受信処理手段２７、および、記憶部１４に収集したプラントデータを保存するデータ収集手段２８を備え、また、記憶部１４には、異常データを抽出するための条件を保存した異常データ抽出条件ファイル３４を設けたことである。ここで、異常データ抽出条件ファイル３４の例を図８に示す。この図において、定検中など、プラントデータ採取時のプラント状態であって、評価データとしては使用できないプラントの状態が保存されている。なお、データ項目ごとに評価データとして使用できないプラントの状態を設定可能にしておいてもよい。
【００７２】
その他は、図１と同様であるので、同一要素には同一符号を付し、説明を省略する。
【００７３】
次に、プラントデータ評価システム１の動作を第１の実施の形態との差異を中心に説明する。
【００７４】
＜プラントデータ登録段階＞
評価基準を作成するための過去のデータは、入力部１２を通して入力される。また、評価対象となるプラントの実データは、プラント側に設置されたデータ収集装置２を介して送られ、通信部１５で受信され、送受信処理手段２７、データ収集手段２８を通して、記憶部１４のプラントデータファイル３１に保存される。
【００７５】
なお、評価基準を作成するための過去のデータはデータ収集装置２から通信回線３経由で入力するようにしてもよい。
【００７６】
＜評価基準の確立段階＞
次に、図９を用いて評価基準構築手段２３の動作を説明する。評価基準構築手段２３は、入力部１２により起動されると、異常データ抽出条件ファイル３４を参照して、評価データとしては使用しないプラントデータ、即ち異常データを排除する（Ｓ３０１）。次に、監視対象のデータ項目を抽出する（Ｓ３０２）。そして、このデータ項目との相関の演算の対象となるデータ項目を選択して（Ｓ３０３）、監視対象データと相関データを用いて、相関近似式と標準偏差を仮算出する（Ｓ３０４）。
【００７７】
複数の種類のデータ項目との相関を個々に仮算出し、相関の高いデータ項目を所定の数だけ抽出する（Ｓ３０５）。そして、仮算出で求めた標準偏差を用いてプラントデータファイル３１に保存されているデータのうち、所定の範囲に入らないデータを不良データとして排除する（Ｓ３０６）。
【００７８】
次に、不良データ排除後のデータを用いて、それぞれのデータ項目について、相関近似式、標準偏差σ１、および、変化量標準偏差σ２を算出する（Ｓ３０７）。そして、相関の最も大きなデータ項目の相関近似式、標準偏差σ１、および、変化量標準偏差σ２を評価基準ファイル３２に保存する（Ｓ３０８）。
【００７９】
次にプラントの実データと相関近似式による値との偏差を計算する（Ｓ３１０）。そして、この偏差を監視対象データ項目としてステップＳ３０３からステップＳ３０８までの処理を実行する。相関の強さ（相関係数）が所定値γ以上かどうかを判定し（Ｓ３１２）、γ以上でなければ次の監視データ項目について実施し（Ｓ３１３）、γ以上のものがある限り、最大Ｎ回（Ｎは自然数）まで順次偏差の相関について評価基準を演算する（Ｓ３０９）。
【００８０】
以上の処理により作成された評価基準ファイル３２を図１０に示す。ここで、１次とは、監視対象データ項目と相関データ項目との相関を意味し、２次とは、１次で求めた相関近似式による値と実データとの差（偏差）と別の相関データ項目との相関を意味する。このように、順次、前の段階で求められた相関近似式との偏差についての相関が計算され、その演算結果が保存される。
【００８１】
このように監視データ項目ごとに保存されている相関のデータ数に相当する最大相関次数、および、各次数の相関のデータについては、相関データ項目、近似式パターン、近似式の各係数の値（ａ，ｂ，ｃ）、標準偏差σ１、変化量標準偏差σ２、および、相関の強さγの値が保存されている。
【００８２】
ここで、図１０中、近似式パターン「２」とは、２次式の相関近似式、すなわち、ｙ＝ａ・ｘ２＋ｂｘ＋ｃの形式で表されることを意味する。
【００８３】
＜プラントデータの評価段階＞
プラントデータの評価手順は、基本的に第１の実施の形態と同様である。ただし、評価基準の確立段階で求めた２次、３次など必要により高次についての評価基準も用いて評価処理を実行する。
【００８４】
本実施の形態では、実データと相関近似式との偏差を求め、その偏差についての相関を評価することとしたので、簡単な手法で異常の前兆の検出が可能となる。
【００８５】
特に、多くのデータ項目との相関を一度に計算しようとすると、計算機の負荷が大きくなるが、本実施の形態によれば、パーソナルコンピュータ相当の性能で短時間に最も相関のあるデータ項目から順に相関データを求めることができる。
【００８６】
さらに、データ項目の中には、項目名は変わっても実質的に同じデータ（全く同じ動きをするデータ）が存在する可能性があるが、本実施の形態の如く、順次、相関近似式による値との偏差を計算し、その偏差の相関データを抽出するようにすれば、このような実質的に同じデータを排除することができる。
【００８７】
なお、本実施の形態で説明した評価基準構築手段の処理手順は、プラントデータのみでなく一般的なデータマイニングに対しても有効である。
【００８８】
次に、第３の実施の形態を説明する。
図１１は、プラントデータ評価システムおよびインターネット網を介して繋がるユーザ側装置の構成図である。ここで、プラントデータ評価システム１は、インターネット網４と接続するためのルータ６１、複数のサーバをつなげるハブ６２、Ｗｅｂサーバ６３、プラントデータ評価のアプリケーションを実行するアプリケーションサーバ６４、および、電子メールを送信するためのｓｍｔｐサーバ６５から構成されている。このプラントデータ評価システムにより、アプリケーション・サービス・プロバイダ（ＡＳＰ）として、プラントデータ評価サービスを提供する。
【００８９】
一方、プラントデータ評価サービスの利用者のユーザ側装置５は、インターネット網４に繋がるユーザ端末５１と、ユーザのプラントのデータを収集し、インターネット網４を通してデータを送信する機能を有するデータ収集装置５２から構成されている。ユーザ端末５１およびデータ収集装置５２は、同じユーザに対して複数台存在する場合もある。
【００９０】
また、このサービスの利用者とは無関係に設置され、海水温度データや気象データなどを収集するデータ収集装置６もインターネット網４に繋がっている。
【００９１】
図１２は、アプリケーションサーバ６４（以下、サーバ６４という）の機能ブロック図である。ここで、サーバ６４は、ハブ６２とデータの送受信を行う通信部１６、アプリケーションプログラムを実行する演算部１１、記憶部１４を備えている。また、演算部１１は、通信部１６とデータの受け渡し処理を行う送受信処理手段２７、ユーザ情報を登録するユーザ情報登録手段２９、プラントデータの評価基準を作成する評価基準構築手段２３、評価基準に従ってプラントデータを評価するデータ評価手段２４、評価に必要なデータの選別条件等を設定する評価条件補正手段２５、評価結果を表示する状態表示手段２６、データ収集装置６、５２から送られてくるデータを記憶部１４へ保存するデータ収集手段２８、および、ユーザがプラントの監視条件を設定するための監視条件設定手段３０を有している。
【００９２】
また、記憶部１４は、プラントデータファイル３１、評価基準ファイル３２、評価結果ファイル３３、異常データ抽出条件ファイル３４に加えて、ユーザ情報を保存するユーザ情報ファイル３５、プラントの種別を保存するプラントパターンファイル３６、ユーザごとに監視項目等のデータを保存する監視データファイル３７を有している。ここで、プラントパターンファイル３６には、図１３に例示するように、監視プラントごとにパターン番号、監視項目、その監視項目を監視するために必須のデータ、および、より高い精度で監視可能にするための任意データが保存されている。
【００９３】
次に、プラントデータ評価システム１の動作を説明する。
【００９４】
＜ユーザ情報登録段階＞
ユーザは、ユーザ端末５１を通して、プラントデータ評価サービスへの申し込みを行い、ユーザ情報は、ユーザ情報登録手段２９により、記憶部１４のユーザ情報ファイル３５に保存される。図１４は、ユーザ情報ファイル３５の一例である。ここで、ユーザ情報ファイルには、ユーザごとに発行されるユーザＩＤ（ユーザ識別情報）、パスワード等の他、異常発見時の通知先として、電子メールアドレスや電話番号等の情報が入力される。また、ユーザ側のデータ収集装置５２の装置ＩＤ（装置識別情報）が保存される。この装置ＩＤは、データ収集装置５２からプラントデータを送信するときに、伝送データに付され、サーバ６４において、どのデータ収集装置から送られてきたデータかを識別するために使われる。
【００９５】
＜監視項目設定段階＞
ユーザは、ユーザ端末５１を通して、監視項目の設定要求を送る。この要求により、監視条件設定手段３０が起動される。監視条件設定手段３０は、起動されると、Ｗｅｂサーバ６３経由でユーザ端末５１上に図１５に例示する監視条件設定画面を表示する。この画面でユーザが、例えば、プラントパターン「１」を選択すると、プラントパターンファイル３６を参照して、そのパターンに対応する、原子力発電所の監視項目として、復水器真空度や発電端効率などの項目が表示される。そして、ユーザが監視項目として、復水器真空度を選択すると、収集データとして、必須データと任意データが表示される。ユーザは、任意データのうち、収集してサーバ６４へ送るデータをチェックし、確定ボタンをクリックする。これにより、設定情報がサーバ６４に送られ、監視データファイル３７に保存される。図１６は、監視データファイル３７の一例である。ここで、監視データファイル３７には、ユーザＩＤ、プラントパターン、監視項目、および、収集データＩＤ（以下、データＩＤという）が保存されている。このデータＩＤは、収集データ項目と対応しており、データ収集装置５２から送られる各データにそのデータに対応するデータＩＤおよび収集時刻が付される。
【００９６】
なお、以上の説明では、ユーザが監視項目の設定を行うこととしたが、収集可能なデータ項目に対して自動的に常時監視するようにして、どれか一つでも異常が認められればユーザへ通知するようにしてもよい。
【００９７】
＜評価基準の確立段階＞
ユーザは、過去のデータをサーバ６４に送り、第１の実施の形態または第２の実施の形態で説明した手法により評価基準を演算させることも可能であるが、以下の手法を選択することもできる。
【００９８】
まず、評価基準ファイル３２には、予め、標準の評価基準データが格納されている。たとえば、復水器真空度データと海水温度データとの相関係数、相関近似曲線の係数、標準分散、変化量の標準分散が、一般データとして格納されている。ユーザは端末５１を通してこれを確認し、編集を行い、自己の評価基準として保存する。特に、相関近似曲線の傾きは、プラントによりあまり変化しない場合が多いので、中心値を補正するのみで有効に活用可能である。
【００９９】
＜プラントデータの収集・評価段階＞
データ収集装置５２から定期的に送られてくるプラントデータは、通信部１６および送受信処理手段２７で受信処理され、データ収集手段２８により、装置ＩＤおよびデータＩＤごとにプラントデータファイル３１に保存される。
【０１００】
そして、データ評価手段２４により、評価基準ファイル３２に保存されている当該ユーザの評価基準に基づいて、監視対象のデータが評価される。このとき、評価基準構築手段２３は、収集したデータをもとに初期設定された評価基準を逐次補正する。なお、評価手法は、第１の実施の形態または第２の実施の形態と同様なので説明を省略する。
【０１０１】
データ評価手段は、評価結果をユーザごとプラントごとに評価結果ファイル３３に保存すると共に異常を検出したときは、ユーザ情報ファイル３５に保存されている異常発見時の電子メールアドレスへｓｍｔｐサーバ６５経由で通知する。また、電話通知の場合は、予め録音された音声または音声合成にて通知する。これによりユーザは、異常をリアルタイムで知ることができる。
【０１０２】
＜プラント状態確認段階＞
ユーザは、評価結果情報を入手するときは、端末５１を通してプラントの状態表示要求を行う。ユーザから状態表示要求があると、状態表示手段２６は、評価結果ファイル３３およびプラントデータファイル３１の情報をもとに、Ｗｅｂサーバ６３経由でユーザ端末５１上にプラントの状態を表示させる。たとえば、ユーザが偏差による評価を選択したときは図１７や図２０に示す偏差評価グラフを表示し、変化量による評価を選択したときは図１８や図２１に示す変化量評価グラフを表示し、また、傾向による評価を選択したときは図１９や図２２に示す傾向評価グラフを表示する。このとき異常があるときは、図２２のＡ点のようにグラフ上に異常位置を表示する。特に図２０、図２１、図２２に示すように、正常範囲と異常範囲を区分する線（情報）をグラフ上に表示してユーザに提供すれば、ユーザは、異常位置と共にプラントの各データ変動を視覚的に捉えることができ、また異常の原因分析等に利用することも可能である。
【０１０３】
＜その他のサービス＞．
プラントデータ評価システム１としては、標準の評価基準を作成する際に、独自に収集したデータあるいは各ユーザのプラントデータの実績値を利用するのみでなく、他の場所に設置されたデータ収集装置６からの情報を採取し、随時、ユーザのプラントデータとの相関を演算する。これにより、たとえば、地球の裏側の海水温度などが、ユーザのプラントに影響を与えるような場合もあり、本実施形態のサービスによりデータを集中管理することによってこれを効率的に発見することができる。
【０１０４】
本実施の形態によれば、プラントデータをサーバで収集して評価し、デフォルトで標準的な評価基準を設定可能にするので、データ数が少なく評価基準が直ちに得られないプラントに対しても評価が可能となる。また、収集したデータにより逐次ユーザごとプラントごとに評価基準を修正していくので、精度の高い評価も可能となる。
【０１０５】
なお、本実施の形態では、プラントデータについて説明したが、たとえば、農作物の収穫高データとか地震発実データなど、プラント以外にも適用可能であることは明白である。
【０１０６】
また、上記説明では、ユーザが監視項目の設定や評価基準確立のためのデータをサーバへ送ることとしたが、プラントデータ評価サービスを提供する業者などユーザ以外の者が行うようにしてもよい。
【０１０７】
本発明は、監視対象データと相関のあるデータを用いて、監視対象データの異常の兆候の検出を行うものであり、上述の各実施の形態に限られないのは明白である。たとえば、図２３ないし図２５は、児童の身長と体重の相関を分析するためのグラフであり、図２４に示す身長と体重の相関近似式を用いて、図２５の監視対象を身長とし、相関データを体重として、相関近似式による予測値と身長との偏差を児童ごとにプロットすることにより、その児童の身体的な変化傾向を知ることも可能である。同様に、小売店や飲食店等の売上予測、気象予測、交通量予測、株価予測などにも適用可能である。
【実施例】
原子力発電所のプラントデータの評価システムおよび評価方法について説明する。
【０１０８】
図２６は、本実施例にかかわるプラントデータ評価システムの構成図である。所内ＬＡＮに図１のファイル３１〜３３を保存したデータサーバを設け、コンピュータを通して各ファイルにアクセス可能とした。また、データ評価手段等の各手段２１〜２６を各コンピュータに設けた。
【０１０９】
次に図２７を用いてプラントデータ評価の処理手順の概要を説明する。まず、プラントデータを入力して（Ｓ４０１）、評価を開始する（Ｓ４０２）。なお、この段階で評価基準は既に作成され、データサーバに保存されている。そして、偏差による評価を行い（Ｓ４０３）、偏差が３σの範囲外か否かを判定して（Ｓ４０６）、範囲外ならば異常表示をし（Ｓ４１０）、範囲内ならば異常表示をしない（Ｓ４０９）。変化量による評価として（Ｓ４０４）、変化量が基準値の範囲外ならば（Ｓ４０７）、異常表示を行う（Ｓ４１１）。また、変動の傾向による評価を行い（Ｓ４０５）、規定回数以上の連続した上昇または下降があれば（Ｓ４０８）、異常表示を行う（Ｓ４１２）。そして、グラフ表示の要求を受付け（ＳＳ４１３）、グラフ表示を行い（Ｓ４１４）、データの確認を行う（Ｓ４１５）。新たなグラフ表示要求に対してグラフ表示処理を行い、作業終了により処理を終える（Ｓ４１６）。
【０１１０】
＜評価基準の確立段階＞
次にプラントデータの評価処理の具体例として、原子炉で発生しタービンで仕事をした蒸気を冷却する復水器の真空度を用いて説明する。
【０１１１】
図２８は、約１年間の復水器真空度の推移を示すグラフである。復水器真空度は、この期間中、約９２ＫＰａ〜９７ＫＰａで変動している。変動幅は５ＫＰａである。評価基準構築手段により図３に示す処理を実行することによって、これは、復水器を冷却する海水温度の変動、つまり外乱に伴うものであり、空気の漏洩、冷却管のつまり等の異常が発生したのではないことが分かった。
【０１１２】
＜データ評価処理＞
図２９は、図２８の復水器真空度を最大の外乱である海水温度との相関で表したものである。これにより、海水温度の影響をなくした状態で復水器真空度の変化を見ることができるようになった。
【０１１３】
図２９中の曲線は過去の５サイクルのデータから求めたもので、データの中心線（近似曲線）は、（１）式になる。
【０１１４】
ｙ＝−０．００４８８ｘ２−０．０６０１ｘ＋９７．９２ ・・・（１）
【０１１５】
実績値と近似曲線との差をグラフ化すると図３０の偏差グラフとなる。最大の外乱を除去したため、変動幅が図２８の５ＫＰａから１．５ＫＰａに大幅に小さくなっている。これによって、図２８では確認が困難な微小な変化が発見できるようになった。
【０１１６】
以下、具体的な評価方法について説明する。
【０１１７】
（偏差による評価）
実績値と近似式から求めた値の差（偏差データ）を標準偏差により評価する。異常の早期発見のため、±３σ（確率的に０．３％のデータを異常判定）と、注意喚起のため±２σ（確率的に４．５％のデータを注意判定）を判断基準とした。
【０１１８】
（変化量による評価）
偏差による評価の段階で求める偏差データについて、今回の偏差データと前回の偏差データとの差（変化量）を計算し、変化量の標準偏差により評価する。偏差の評価と同様に、±３σを異常判定、±２σを注意判定の基準とした。
【０１１９】
過去のデータ分析により、偏差による評価または変化量による評価に関しては、データが過去の変動範囲にあっても±３σ以上の変化があった場合、機器または計器の異常の可能性が高いことを確認した。
【０１２０】
（傾向評価）
偏差による評価の段階で求める偏差データについて、前回の偏差データに対して今回の偏差データが５回連続して上昇または下降した場合を異常判定基準とし、注意喚起のため４回連続を注意判定基準とした。
【０１２１】
プラントデータは、通常ある点を中心に絶えず変動しており、過去のデータ分析によって、データが５回以上連続で上昇、下降した場合、機器または計器の異常の可能性が高いことを確認した。
【０１２２】
以上、本実施例で説明したように、これまで、復水器真空度の異常警報は、海水温度（外乱）に影響を受けず、かつ機器の保護の観点から８８ＫＰａと通常値に余裕を持って設定することが一般的であった。このため、復水器真空度が僅かしか低下しない微小な空気漏洩が発生したような場合は、当然のことながら異常警報は発生しなかった。また、運転員によるデータ評価においても外乱による変動が大きいため、異常判定が極めて困難な状況であった。
【０１２３】
しかしながら、この海水温度の要因を除去した復水器真空度偏差の変動を監視することにより、従来の復水器真空度の異常警報が出る以前、もしくはプラントの運転に悪影響が出始める前に、その前兆となる微細な異常状態を検出することが可能となった。
【０１２４】
なお、復水器真空度は、復水器細管への鉄イオン供給量により変化するが、図３０の復水器真空度偏差と鉄イオン皮膜厚との相関をとることにより、鉄イオン皮膜厚の変化に基づいて復水器真空度偏差も週のサイクルで変動していることが分かった。このため、曜日ごとの真空低下量（設計真空度との差）を求め、復水器真空度偏差の数値に対して、週の特定の曜日たとえば月曜日を基準（０）として差分を補正するようにすれば、鉄皮膜の要因も除去して、より高い精度で真空度の変動を監視することができる。
【０１２５】
また、評価基準構築手段の他の実施例として、図３１に示す評価基準ファイルを用いるようにしてもよい。図３１において、評価基準ファイルは、図４に示す評価基準ファイルの項目に対して、一または二以上の時期補正値、および、初期補正値が追加されている。
【０１２６】
ここで、時期補正値とは、曜日、月、季節、運転開始日からの運転日数などにより、規則的に誤差（相関近似式による予測値と実データとの差）の大きさが変化するような場合は、その規則あるいは周期に応じて相関近似式に付加する数値のことである。たとえば、復水器真空度偏差のように曜日により実データとの誤差が変化するような場合は、曜日ごとに時期補正値を保存しておき、監視日の曜日によって該当する時期補正値を抽出して、相関近似式を補正する。
【０１２７】
また、初期補正値とは、運転開始日の実データをもとに相関近似式を補正する数値のことで、通常、その運転サイクルにおいては、その補正値を用いる。これは、相関近似式は、過去のデータに基づいて算出されるものであるが、計器の調整や装置交換に伴う装置の特性の違い、あるいは、サイクルごとのプラント状態の変化などにより、相関近似式による予測値と実データとの間に定常的に差違が生ずる場合があるためである。
【０１２８】
なお、初期補正値を算出するタイミングは、プラント総合負荷試験直後に限られず、これを算出するタイミングについて一定の基準があればよい。また、初期補正値は、通常は運転開始日（運転サイクル初日）の実データをもとに計算するのが効率的で有効であるが、プラント総合負荷試験で実運転の環境が模擬できるならば、試験中のデータを用いて計算してもよい。
【０１２９】
図３１の評価基準ファイルに基づく、相関近似式は以下のようになる。
ｙ＝ａ・ｘ＋ｂ＋時期補正値＋初期補正値 ・・・（２）
【０１３０】
なお、プラントによっては、時期補正値または初期補正値のいずれか一方で足りる場合もある。
【０１３１】
この時期補正値または初期補正値は、すべてのパターンの相関近似式に用いることができる。たとえば、図１０の評価基準ファイルに対して、これらの補正値の欄を設けるようにしてもよい。
【０１３２】
次に図３３を用いて、時期補正値の計算手順を説明する。
まず、各相関近似式についてその相関近似式の時期ごとに相関近似式による予測値と過去に蓄積した実データとの差を計算する（Ｓ６０１）。時期ごととは、たとえば、曜日ごと、月ごと、季節ごと、イベントごとなどである。そして、その差が時期により有意差が有るかどうかを判定して（Ｓ６０２）、有意差がある場合は、その時期ごとの補正値を相関近似式に付加する（Ｓ６０３）。たとえば、曜日によって予測値と実データとの差が変動するならば、相関近似式の時期補正値には、曜日ことに異なる値が設定されることになる。以上のステップＳ６０１からＳ６０３までの処理を、計算対象となるすべての時期項目について実行する（Ｓ６０４）。
【０１３３】
なお、図３３のフローチャートは、過去のデータに基づいて時期補正値を計算することとしたが、時期により有意差があるか否かを過去のデータで判定しておき、有意差があるものについてのみ、その補正値を運転中のプラントの実データを用いて計算するようにしてもよい。
【０１３４】
次に図３２を用いて、初期補正値の計算手順を説明する。
まず、プラントの運転開始後、ある監視対象項目について相関近似式による予測値を計算する（Ｓ５０１）。次に、この予測値と実データとの差を計算する（Ｓ５０２）。そして、この差が所定の範囲内か否かを判定して（Ｓ５０３）、所定の範囲内ならば、この差を初期補正値として設定する（Ｓ５０４）。ステップＳ５０３で、所定の範囲外ならばプラント異常として処理する（Ｓ５０５）。以上、ステップＳ５０１からステップＳ５０５までの処理を初期補正値の計算対象となる監視対象項目について繰り返す（Ｓ５０６）。
【０１３５】
なお、ステップＳ５０３において、所定の範囲は３σを基準にするのがよい。通常、計器の調整や同種の装置の交換による差違は、３σ以内となるからである。
また、初期補正値の計算の際、当該日に採取した複数時点の監視項目データを平均化して、その平均値を用いるようにするのがよいが、サンプリング数が少ない場合は、この所定の範囲を広くし、サンプリング数が多くなるに従い、所定の範囲を狭くするようにすれば、サンプリング数が少ないときのデータのばらつきによって、本来正常であるにもかかわらず、異常と判定することを防ぐことができ、サンプリング数が多くなるに従い初期補正値の精度を高めることができる。
【０１３６】
初期補正の必要なデータ項目としては、タービン効率、主蒸気流量、給水温度、原子炉圧力などがあり、運用上、初期補正を行う必要のないデータ項目としては、復水器真空度、ドライウェル圧力、ドライウェル凝縮水流量などがある。過去データによって求めた相関近似式による値と実データとの偏差（複数ある場合はその平均）をプラントサイクルごとに、有意差があるかどうかを予め調べておき、所定値以上の有意差があるものについては、初期補正の必要なデータ項目として評価基準ファイルに初期補正値欄を設けておくとよい。時期補正値についても同様である。
【０１３７】
なお、原子力プラントの初期補正、時期補正として、過去５運転サイクルの夫々のサイクルごとに標準偏差と平均値を演算して評価を行うデータ項目の約８割（約５０項目）を対象に補正処理を行った。５秒間隔で収集した一日分のデータの平均処理によって計器誤差（調整誤差を含む）を精度よく求めることができるため、プラント総合負荷試験終了後の通常運用開始日の一日データを用いて初期補正値を算出することができる。
【０１３８】
復水器真空度については、海水温度のみならず、採取していない他の海水性状、たとえば、海水の濁りや貝、藻などの繁殖状況等の影響も大きく、初期補正は不適であることが分かった。この場合、復水器真空度など初期補正に適さない項目については、予め初期補正演算の対象外としておくことにより、初期補正演算の負荷を軽減することができる。
【０１３９】
また、過去のデータを用いた検証において、夫々の運転サイクルごとにプラント総合負荷試験補正演算を行って得られたデータの偏差の平均値と予め求められている当該サイクルの標準偏差とを比較して、所定の割合（たとえば、５０％もしくは１００％）以上乖離している場合は、補正を行わないという処理を行うことも効果がある。誤差（乖離）が過大な場合は、計器誤差以外の外乱による影響を受けている可能性があるからである。すなわち、データの標準偏差、あるいは、偏差の絶対値ではなく、データの偏差の平均値を比較対象とすることによって、計器誤差の影響を排除して、海水性状といった大きな季節変動等の外乱の影響の有無を判定できるのである。
【０１４０】
なお、１週間周期の変動である鉄イオンによる影響（復水器逆洗による影響）は、プラント総合負荷試験による初期補正とは別に、対象となる復水器真空度のデータを曜日補正することにより排除可能である。
【０１４１】
また、１年周期の変動である海水温度および海水性状による影響は、曜日補正を行った復水器真空度データとの相関を取ることにより、除去可能である。
【０１４２】
本実施例によれば、相関近似式を時期補正値と初期補正値で修正するので、より精度の高い監視が可能となる。また、これらの補正値を用いれば、１サイクル分の過去データを用いて算出した相関近似式で実効ある監視が可能となる。
【０１４３】
特に、初期補正値による補正（以下、初期補正という）を行う監視と、初期補正を行わない監視を組み合わせることにより、計算機負荷を軽減しつつ精度の高い監視が可能となる。
【０１４４】
たとえば、発電所などのプラントにおいて、以下の２種類の監視を行う。
（１）実データを５秒ごとに計算機に取り込み、２４時間分のデータの平均値を計算し、この「一日データ」を用いて初期補正値を求める。この初期補正値により補正された単サイクルの相関近似式を５つ（５サイクル分）求め、それぞれの相関近似式による予測値の平均値からの標準偏差を基準に監視を行う。
（２）初期補正値の演算の必要の無い場合（計器誤差等がほとんど無い場合など）は、５サイクル分の実データをもとに相関近似式を求め、その相関近似式による予測値からの標準偏差を基準に監視を行う。
上記（１）（２）のうちで監視のための計算機負荷は、（１）の方が大きいため、監視対象項目ごとに予め上記（１）（２）のいずれで監視を行うかを定めておき、それぞれの方法で監視を行うようにすれば、計算機負荷を軽減して、かつ精度の高い監視が可能となる。
【０１４５】
特に、監視対象項目によっては、月に１回の定例作業で、人間系で採取するデータもある。これらのいわゆる「一月データ」は、計器の調整誤差よりも人間の読み取り誤差の方が大きく、かつ偶発的に偏った状態のデータを採取してしまうことがある。このような人間系で採取するようなデータについては、上記（２）の監視方法の方が適している。
また、本実施例によれば、監視対象によって相関近似式の補正のしかたを変えるので、精度の高い監視を効率的に行うことができる。
【０１４６】
【発明の効果】
以上説明したように、本発明においては、監視対象となるデータに相関のあるデータを精度よく効率的に抽出でき、微小な変動を監視することができる。これにより、プラント等の異常の兆候を事前に発見することが可能となる。
【図面の簡単な説明】
【図１】本発明の第１の実施の形態におけるプラントデータ評価システムの機能ブロック図
【図２】図１のプラントデータファイルのデータ構成例の説明図
【図３】図１の評価基準構築手段の処理手順を表すフローチャート
【図４】図１の評価基準ファイルのデータ構成例の説明図
【図５】図１のデータ評価手段の処理手順を表すフローチャート
【図６】図１の評価結果ファイルのデータ構成例の説明図
【図７】本発明の第２の実施の形態におけるプラントデータ評価システムの機能ブロック図
【図８】図７の異常データ抽出条件ファイルのデータ構成例の説明図
【図９】図７の評価基準構築手段の処理手順を表すフローチャート
【図１０】図７の評価基準ファイルのデータ構成例の説明図
【図１１】本発明の第３の実施の形態におけるプラントデータ評価システムおよびユーザ側装置の装置構成図
【図１２】図１１のアプリケーションサーバの機能ブロック図
【図１３】図１２のプラントパターンファイルのデータ構成例の説明図
【図１４】図１２のユーザ情報ファイルのデータ構成例の説明図
【図１５】本発明の第３の実施の形態における監視条件設定画面例の説明図
【図１６】図１２の監視データファイルのデータ構成例の説明図
【図１７】本発明の第３の実施の形態における偏差評価グラフ
【図１８】本発明の第３の実施の形態における変化量評価グラフ
【図１９】本発明の第３の実施の形態における傾向グラフ
【図２０】本発明の第３の実施の形態における他の偏差評価グラフ
【図２１】本発明の第３の実施の形態における他の変化量評価グラフ
【図２２】本発明の第３の実施の形態における他の傾向グラフ
【図２３】本発明の第３の実施の形態における児童の身長グラフ
【図２４】本発明の第３の実施の形態における児童の身長と体重の相関図
【図２５】本発明の第３の実施の形態における児童の身長偏差グラフ
【図２６】本発明の実施例におけるプラントデータ評価システムの構成図
【図２７】本発明の実施例におけるプラントデータ評価の処理手順の概要の説明図
【図２８】本発明の実施例における復水器真空度の推移を示すグラフ
【図２９】本発明の実施例における復水器真空度と海水温度との相関図
【図３０】本発明の実施例における復水器真空度の偏差の推移を示すグラフ
【図３１】本発明の他の実施例における評価基準ファイルのデータ構成例の説明図
【図３２】本発明の他の実施例における初期補正値の計算手順のフローチャート
【図３３】本発明の他の実施例における時期補正値の計算手順のフローチャート
【符号の説明】
１…プラントデータ評価システム、２、６、５２…データ収集装置、３…通信回線、４…インターネット網、５…ユーザ側装置、１１…演算部、１２…入力部、１３…表示部、１４…記憶部、１５、１６…通信部、２１…入出力処理手段、２２…データ登録・編集手段、２３…評価基準構築手段、２４…データ評価手段、２５…評価条件補正手段、２６…状態表示手段、２７…送受信処理手段、２８…データ収集手段、２９…ユーザ情報登録手段、３０…監視条件設定手段、３１…プラントデータファイル、３２…評価基準ファイル、３３…評価結果ファイル、３４…異常データ抽出条件ファイル、３５…ユーザ情報ファイル、３６…プラントパターンファイル、３７…監視データファイル、５１…ユーザ端末、６１…ルータ、６２…ハブ、６３…Ｗｅｂサーバ、６４…アプリケーションサーバ、６５…ｓｍｔｐサーバ[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a technology for monitoring an abnormality in a power plant or the like, in particular, a plant data evaluation system and method for efficiently and appropriately monitoring an abnormality by calculating a correlation of plant data, a condenser vacuum degree monitoring method, It relates to a data mining method and a program.
[0002]
[Prior art]
2. Description of the Related Art Conventionally, there has been proposed a technique of abnormality monitoring using upper and lower limit values and standard deviation of plant data or abnormality monitoring based on an operation tendency.
In the "plant optimal operation control system" described in Japanese Patent Application Laid-Open No. 2001-273007, operation control is performed by removing data outside a certain range after performing statistical processing such as calculation of a standard deviation on the basis of the average value of actual data. A system has been proposed for use as data. In the “abnormality monitoring device” described in Japanese Patent Application Laid-Open No. 2001-175972, a device that calculates an average value and σ (standard deviation) from actual data, sets 3σ as a threshold, and monitors using data falling within the threshold is used. Proposed. Further, in "Method and apparatus for monitoring abnormality of equipment" described in JP-A-6-4789, a regression coefficient is obtained from a plurality of monitoring signals by multiple regression analysis, and an abnormality is determined based on a time change rate and a normal change rate of the regression coefficient. A method and apparatus for determining is proposed. Further, in the "plant monitoring apparatus and monitoring method" described in Japanese Patent Application Laid-Open No. 8-220278, an apparatus and method for determining an abnormality when a set threshold value rises or falls N times continuously with respect to a change rate of actual data. Has been proposed.
[0003]
However, in the method of evaluating data using the standard deviation and the upper and lower limit values obtained from past data, the evaluation result varies depending on how many times the standard deviation is used as an evaluation standard. For example, if the magnification is increased, it becomes difficult to detect data abnormalities. Conversely, if the magnification is decreased, abnormalities are determined despite normal data.
[0004]
In addition, the upper and lower limits are values for the purpose of protecting devices and systems, and generally have a large difference from normal values, which makes it difficult to use for judging minute data fluctuations (signs of abnormality). is there.
[0005]
[Problems to be solved by the invention]
The present invention has been made in view of such a conventional situation, and efficiently extracts and processes data correlated with plant data to be monitored to a normal range (a range in which abnormality detection is conventionally difficult). It is an object of the present invention to provide a plant data evaluation system and method, a condenser vacuum monitoring method, a data mining method, and a program which can detect a sign of a minute abnormality lurking in (1).
[0006]
[Means for Solving the Problems]
In order to achieve the above object, a plant data evaluation system according to the first aspect of the present invention provides a data registration unit for storing plant data, and temporarily calculates a correlation approximation formula with other data items for each monitoring target data item. An evaluation criterion constructing unit that eliminates bad data based on a deviation between the value and the actual data based on the correlation approximation expression, and at least a correlation approximation expression using the excluded data, and an evaluation criterion including a standard deviation. The present invention is characterized by comprising: data evaluation means for executing evaluation of plant data using the evaluation criterion calculated by the evaluation criterion construction means; and state display means for displaying an evaluation result by the data evaluation means.
[0007]
According to the first aspect of the present invention, a correlation approximation formula with another data item is provisionally calculated for each monitoring target data item, and defective data is eliminated based on a deviation between a value based on the correlation approximation formula and actual data. The evaluation criteria used for data evaluation are calculated using the data.
[0008]
Here, the “actual data” (raw data) means measurement data of a plant or the like or data obtained by performing a certain conversion on the measurement data, and has a meaning of being used separately from a deviation from the correlation approximation formula (deviation data). “Data” includes actual data and deviation data unless otherwise specified.
[0009]
A plant data evaluation system according to a second aspect of the present invention includes a data registration unit for storing plant data, a provisional calculation of a correlation approximation formula for each data item to be monitored, and a value based on the correlation approximation formula. Eliminating the bad data based on the deviation between the actual data and the, and using the data after the exclusion, at least a correlation approximation formula, a standard deviation, and an evaluation criterion construction means for calculating an evaluation criterion including the standard deviation of the change amount, It is characterized by comprising: data evaluation means for executing evaluation of plant data using the evaluation criterion calculated by the evaluation criterion construction means; and state display means for displaying the evaluation result by the data evaluation means.
[0010]
In the second aspect of the present invention, the plant is further evaluated using the standard deviation of the data change amount.
[0011]
In the plant data evaluation system according to a third aspect of the present invention, the data evaluation means executes the evaluation based on the number of continuous data increases or decreases.
[0012]
According to the third aspect of the present invention, it is monitored whether the data continuously rises or falls. In particular, when the evaluation is performed by using the number of continuations in the change direction of the deviation data, the effect of detecting a small sign of abnormality is enhanced.
[0013]
In a plant data evaluation system according to a fourth aspect of the present invention, the data evaluation means executes the evaluation using a correction value based on the operation cycle or timing of the plant.
[0014]
According to the fourth aspect of the present invention, evaluation is performed by correcting the actual data or the correlation approximation formula with an initial correction value that is a correction value for each operation cycle or a timing correction value that is a correction value for each week or season. .
[0015]
In the plant data evaluation system according to the fifth aspect of the present invention, the evaluation criterion constructing means further calculates a deviation between the plant data and the value based on the correlation approximation expression, and uses the deviation as a monitoring target data item to evaluate the deviation. And the data evaluation means evaluates plant data using the evaluation criterion.
[0016]
According to the fifth aspect of the present invention, the monitoring is performed using data having a correlation with the difference between the actual data and the approximate correlation expression.
[0017]
A plant data evaluation method according to a sixth aspect of the present invention provides an evaluation criterion construction step of calculating a correlation approximation formula with another data item for each monitoring target data item, and a deviation between a value based on the correlation approximation formula and an actual data value. And a data evaluation step of monitoring the presence or absence of an abnormality based on the value of the deviation, the rate of change of the deviation, or the number of continuations in the direction of change of the deviation.
[0018]
In the invention according to
[0019]
When calculating the correlation approximation formula and the standard deviation of the monitoring target item in advance, it is effective to use data for five cycles.
[0020]
Also, using the value of the deviation as the next monitoring target data item, in the evaluation criterion construction stage, the approximate approximation formula with other data that is highly correlated with this deviation, the standard deviation with that formula, and the standard deviation of the rate of change of the deviation are obtained. In the data evaluation stage, if the abnormality is monitored based on the number of continuations in each standard deviation and the direction of change of the deviation, it is possible to monitor even finer signs of abnormality.
[0021]
In particular, when calculating a correlation approximation formula between the deviation data and other data having a high correlation, it is determined whether or not other data whose correlation strength is equal to or greater than a predetermined value γ is present. By calculating a correlation approximation formula with the data item having the highest correlation, it is possible to efficiently exclude other data of substantially the same quality (moving in the same manner) as the extraction of valid correlation data. Become.
[0022]
As described above, first, the correlation between the actual data and other data is obtained, and when the correlation between the deviation and the other data is sequentially obtained, the number of times is set to the maximum N (N is a natural number) and the upper limit is set. May be set.
[0023]
If the Nth order correlation is automatically taken for each data until the influence of the correlation data is removed to some extent, the trend becomes basically a flat trend. The peak appears only when there is a disturbance other than the influencing factors.
[0024]
Therefore, the procedure for monitoring the abnormality of the plant is as follows.
a. Until the fluctuation data falls within a certain standard (for example, ± 3%), the most correlated factor data is subtracted from the target data with respect to the past data for a certain period for calculating the evaluation standard. The process of subtracting the factor data having the highest correlation is sequentially repeated N times (calculation of the N-order correlation).
b. Record what factor data was subtracted and in what order.
c. The current monitoring target data is calculated in the same procedure as in the above a and b.
d. A. If the value falls within the standard of the swing width determined in the above, it is determined that there is no abnormality.
e. At the same time, by calculating factor data having a high correlation with respect to the waveform of the peak determined by the procedure c, it is determined that the factor data is a disturbance.
[0025]
By monitoring the abnormality of the plant according to the above procedure, the automatic operation of the plant can be performed. Further, the abnormality monitoring by this procedure can be applied to objects other than the plant, for example, weather forecast and visitor forecast.
[0026]
In the plant data evaluation method according to the seventh aspect of the present invention, the deviation between the actual data of the monitored data item and the value according to the correlation approximation formula is calculated for each period, and the correlation based on the deviation and the period is equal to or more than a predetermined value. It is characterized in that it is determined whether or not there is, and when it is equal to or more than a predetermined value, a timing correction value is calculated using the deviation, and the correlation approximation formula is corrected with the timing correction value.
[0027]
According to the seventh aspect of the present invention, the correlation approximation formula is corrected for each period according to the monitoring target data item. Specifically, the correlation between the deviation between the actual data of the monitored data item and the value according to the correlation approximation formula and the time (for example, day of the week) is calculated, and the correlation between the deviation and the predetermined value or more (for example, 70%, 80%) or more is calculated. If there is a correlation, the deviation for each period is used as a correction value. As a result, it is possible to correct the steady-state error caused by the timing.
[0028]
In the plant data evaluation method according to the eighth aspect of the present invention, the deviation between the actual data of the monitored data item and the value according to the correlation approximation formula is calculated for each of the plurality of operation cycles, and the correlation based on the deviation and the operation cycle is calculated. It is determined whether or not is greater than or equal to a predetermined value. If the value is greater than or equal to the predetermined value, an initial correction value is calculated using actual data for a predetermined period after the start of plant operation, and the correlation approximation equation is corrected with the initial correction value. It is characterized by the following.
[0029]
According to the eighth aspect of the invention, the correlation approximation formula is corrected for each operation cycle according to the monitoring target data item. As a result, it is possible to correct a steady-state error generated by each operation cycle.
Further, the average value of the deviation of the data obtained by performing the initial correction for each operation cycle is compared with the standard deviation of the cycle. By doing so, it is possible to eliminate the influence of disturbance other than the instrument error.
[0030]
As the predetermined period, it is preferable to use data on the operation start date immediately after the plant comprehensive load test. Further, when the monitoring target data fluctuates depending on the season, for example, every week, it is highly effective to correct the correlation approximation formula together with the time correction value.
[0031]
Here, the plant comprehensive load test generally means a test before plant operation.
[0032]
More specifically, when the equipment and instruments are replaced or overhauled by inspection of the plant, the variation of the slope of the correlation approximation formula itself is relatively small, but the variation is obtained using past data by an adjustment method. There is a feature that a certain deviation (error) occurs between a predicted value based on the correlation approximation formula and actual data. For this reason, a correction value is calculated for each collected data based on the value of the operation start date immediately after the comprehensive test, and then the correction value is used to correct the correlation approximation formula when comparing the actual data. By doing so, highly accurate monitoring can be performed.
[0033]
Note that the correction of the correlation approximation expression is sufficient to substantially correct the correlation approximation expression, and means both the correction for the correlation approximation expression and the correction for the actual data. In the latter case, the actual data is corrected in the comparison between the value based on the correlation approximation formula and the actual data, and the corrected value is compared with the value of the correlation approximation formula or the deviation is calculated.
[0034]
The plant data evaluation method according to the ninth aspect of the present invention provides a plant data evaluation method in which a plant data is connected to a user-side data collection device and a terminal device via a communication network, and the server device processes data transmitted from the data collection device. In the method for evaluating plant data to be evaluated, the server device stores at least a correlation approximation formula, a standard deviation, and a standard evaluation criterion of a plant including a variation standard deviation, and is transmitted from the data collection device. A step of storing plant data for each user; a step of correcting a standard evaluation criterion based on the data for each user; a step of storing for each user; and a step of storing the plant data of the user based on the evaluation criterion for each user. Evaluating, and transmitting the evaluation result to the user terminal device. And butterflies.
[0035]
According to the ninth aspect of the present invention, the server centrally manages the plant data, constructs an evaluation standard, and executes data evaluation.
[0036]
The plant data evaluation method according to the tenth aspect further comprises: calculating a deviation between the plant data and the value according to the correlation approximation formula, calculating an evaluation criterion for the deviation, and storing the evaluation criterion for each user. And a step of monitoring the plant for signs of abnormality based on the evaluation criterion, and notifying the user terminal device when the sign of abnormality is found.
[0037]
According to the tenth aspect, monitoring is performed using data correlated with the difference (deviation) between the actual data and the correlation approximation formula, and when a sign of abnormality is found, the user is notified.
[0038]
The method for monitoring the degree of vacuum of a condenser according to the invention of
[0039]
According to the eleventh aspect of the invention, based on the correlation between the condenser vacuum degree and the seawater temperature, the influence of the seawater temperature is reduced to monitor the condenser vacuum degree.
[0040]
The condenser vacuum monitoring method according to the invention of
[0041]
According to the twelfth aspect of the invention, monitoring is performed by adding a correction based on the day of the week to the condenser vacuum data.
[0042]
The correction value can be obtained by calculating the relationship between the iron ion film thickness and the amount of vacuum reduction for each day of the week.
[0043]
A data mining method according to a thirteenth aspect of the present invention is a data mining method for calculating a correlation between data by using a computer, wherein a step of temporarily calculating a correlation approximation formula and a standard deviation between data, Detecting and eliminating bad data by comparing the deviation between the value of the actual data and the standard data with the standard deviation, and calculating the correlation coefficient between the two data using the excluded data. Features.
[0044]
A program according to the invention of
[0045]
A program according to a fifteenth aspect of the present invention is a program that is connected to a user-side data collection device and a terminal device via a communication network and operates on a server device that processes data sent from the data collection device. A process of storing a plant standard evaluation criterion including at least a correlation approximation formula, a standard deviation, and a variation standard deviation; a process of storing plant data sent from a data collection device for each user; Processing of correcting a standard evaluation criterion based on data of each user and storing the data for each user; processing of evaluating data of a plant of the user based on the evaluation criterion of each user; And causing the computer to execute the process of transmitting to the computer.
[0046]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, embodiments of the present invention will be described. FIG. 1 is a functional block diagram of the plant data evaluation system according to the first embodiment. Here, the plant
[0047]
The
[0048]
The
[0049]
Next, the operation of the plant
[0050]
<Plant data registration stage>
The plant data is input through the
[0051]
FIG. 2 is a data configuration example of the plant data file 31. Data collection date and time, data identification information, data value, and plant status are stored. It should be noted that sorting can be performed as necessary, such as for each piece of data identification information.
[0052]
Further, every time plant data is collected, data is sequentially registered through the data registration / editing means 22.
[0053]
<Evaluation criteria establishment stage>
First, the data registration /
[0054]
Next, the operation of the evaluation
[0055]
When activated by the
[0056]
The correlations with a plurality of types of data items are individually provisionally calculated, and a predetermined number (for example, 10 items) of highly correlated data items are extracted (S104). Then, among the data stored in the plant data file 31 using the standard deviation obtained by the tentative calculation, data that does not fall within a predetermined range (for example, data that does not fall within ± 4σ) is excluded as defective data ( S105).
[0057]
Next, a correlation approximation formula, a standard deviation σ1, and a variation standard deviation σ2 are calculated for each data item using the data after the elimination of the defective data (S106). The calculation at this stage is referred to as “main calculation”. Here, the variation standard deviation means a standard deviation with respect to a variation of data in a predetermined period.
[0058]
Then, the correlation approximation formula, the standard deviation σ1, and the variation standard deviation σ2 of the data item having the largest correlation are stored in the evaluation reference file 32 (S107). The above processing is repeated for all data items to be monitored (S108).
[0059]
FIG. 4 is an example of the data configuration of the
[0060]
<Evaluation stage of plant data>
Next, the operation of the data evaluation means 24 will be described with reference to FIG. The data evaluation means 24 determines whether or not the plant data needs to be corrected in response to an instruction from the
[0061]
Next, a predicted value of the current data is calculated using a correlation approximation formula (S203). Then, as the evaluation based on the deviation (S204), the difference between the correction value and the predicted value of the actual data of the plant is evaluated based on the standard deviation σ1, and if it is within a predetermined range, it is normal, and if it is outside the predetermined range, it is abnormal. And At this time, the evaluation results are divided into stages, for example, a normal state when within the range of ± 2σ1, a caution state when within the range of ± 2σ1 to ± 3σ1, and an abnormal state when away from ± 3σ1 or more. Is also good.
[0062]
Subsequently, as the evaluation based on the amount of change (S205), the amount of change between the previous value and the current value of the plant data is evaluated based on the standard deviation σ2 of the amount of change.
[0063]
Further, as an evaluation based on the tendency (S206), when the plant data continuously rises or falls, whether the plant data is normal or abnormal is determined based on the number of times. In the case of plant data, it is effective to set the caution state several times, for example, four times in a row, and the abnormal state five times in a row.
[0064]
FIG. 6 is an explanatory diagram of a data example of the evaluation result file. Here, 1.5 in the deviation column means that the deviation is at 1.5σ1.
[0065]
Next, the
[0066]
In this embodiment, at the stage of establishing the evaluation criterion, a correlation approximation formula and a standard deviation are provisionally calculated to extract data items having a strong correlation, and thereafter, data having a large variation is excluded based on the standard deviation. Finally, since the evaluation criteria such as the correlation approximation formula and the standard deviation of the data items used for the evaluation are calculated, even if the data amount for which the correlation is required is large, a highly accurate evaluation criterion can be obtained by a simple method.
[0067]
In addition, in the evaluation stage of plant data, the evaluation is performed by correcting the actual plant data using the evaluation criterion obtained in the stage of establishing the evaluation criterion. It is possible to evaluate with high accuracy without applying any cost.
[0068]
In this embodiment, for the data items to be monitored, correlation data items are narrowed down to one type, and evaluation reference information such as a correlation approximation formula is stored. It is also possible to store evaluation criteria information for a plurality of types of data items having an item and to perform evaluation using this information.
[0069]
In addition, depending on the monitoring item among the evaluations based on the deviation, the amount of change, and the tendency, only some evaluations may be performed.
[0070]
Next, a second embodiment will be described.
FIG. 7 is a functional block diagram of the plant data evaluation system according to the present embodiment.
[0071]
The difference from FIG. 1 is that the
[0072]
Other components are the same as those in FIG.
[0073]
Next, the operation of the plant
[0074]
<Plant data registration stage>
Past data for creating an evaluation criterion is input through the
[0075]
Note that past data for creating an evaluation criterion may be input from the
[0076]
<Evaluation criteria establishment stage>
Next, the operation of the evaluation
[0077]
The correlation with a plurality of types of data items is temporarily calculated individually, and a predetermined number of data items having a high correlation are extracted (S305). Then, by using the standard deviation obtained by the tentative calculation, among the data stored in the plant data file 31, data that does not fall within a predetermined range is excluded as defective data (S306).
[0078]
Next, using the data after the elimination of the defective data, a correlation approximation formula, a standard deviation σ1, and a variation standard deviation σ2 are calculated for each data item (S307). Then, the correlation approximation formula, the standard deviation σ1, and the variation standard deviation σ2 of the data item having the largest correlation are stored in the evaluation reference file 32 (S308).
[0079]
Next, the deviation between the actual data of the plant and the value according to the correlation approximation formula is calculated (S310). Then, the process from step S303 to step S308 is executed using this deviation as a monitoring target data item. It is determined whether the correlation strength (correlation coefficient) is equal to or more than a predetermined value γ (S312). If not, the next monitoring data item is executed (S313). The evaluation criterion is sequentially calculated for the correlation of the deviation until the number of times (N is a natural number) (S309).
[0080]
FIG. 10 shows the
[0081]
As described above, regarding the maximum correlation order corresponding to the number of correlation data stored for each monitoring data item and the correlation data of each order, the value of each coefficient of the correlation data item, the approximate expression pattern, and the approximate expression ( a, b, c), the standard deviation σ1, the variation standard deviation σ2, and the value of the correlation strength γ are stored.
[0082]
Here, in FIG. 10, the approximate expression pattern “2” is a quadratic correlation approximate expression, that is, y = a · x 2 + Bx + c.
[0083]
<Evaluation stage of plant data>
The procedure for evaluating the plant data is basically the same as in the first embodiment. However, the evaluation process is executed by using an evaluation criterion for a higher order, such as the second or third order obtained in the stage of establishing the evaluation criterion, if necessary.
[0084]
In the present embodiment, the deviation between the actual data and the correlation approximation formula is determined, and the correlation with respect to the deviation is evaluated. Therefore, it is possible to detect the precursor of the abnormality by a simple method.
[0085]
In particular, when trying to calculate the correlation with many data items at once, the load on the computer increases, but according to the present embodiment, the data items with the highest correlation in a short time with the performance equivalent to a personal computer. Correlation data can be determined.
[0086]
Further, among the data items, there is a possibility that substantially the same data (data that moves exactly the same) exists even if the item name is changed. By calculating a deviation from the value and extracting correlation data of the deviation, such substantially identical data can be excluded.
[0087]
The processing procedure of the evaluation criterion construction means described in the present embodiment is effective not only for plant data but also for general data mining.
[0088]
Next, a third embodiment will be described.
FIG. 11 is a configuration diagram of a plant data evaluation system and a user-side device connected via the Internet. Here, the plant
[0089]
On the other hand, the
[0090]
A
[0091]
FIG. 12 is a functional block diagram of the application server 64 (hereinafter, referred to as server 64). Here, the
[0092]
Further, the
[0093]
Next, the operation of the plant
[0094]
<User information registration stage>
The user makes an application for the plant data evaluation service through the
[0095]
<Monitoring item setting stage>
The user sends a monitoring item setting request through the
[0096]
In the above description, the user sets the monitoring items. However, the system automatically monitors the data items that can be collected automatically at all times. You may make it notify.
[0097]
<Evaluation criteria establishment stage>
The user can send the past data to the
[0098]
First, the
[0099]
<Plant data collection and evaluation stage>
The plant data periodically transmitted from the
[0100]
Then, the data to be monitored is evaluated by the data evaluation means 24 based on the evaluation criterion of the user stored in the
[0101]
The data evaluation means saves the evaluation result in the
[0102]
<Plant status confirmation stage>
When the user obtains the evaluation result information, the user makes a plant status display request through the terminal 51. When there is a status display request from the user, the status display means 26 displays the status of the plant on the
[0103]
<Other services>.
When creating a standard evaluation standard, the plant
[0104]
According to the present embodiment, the plant data is collected and evaluated by the server, and the standard evaluation standard can be set by default. Becomes possible. In addition, since the evaluation criteria are sequentially corrected for each user and each plant based on the collected data, highly accurate evaluation can be performed.
[0105]
Although the present embodiment has been described with reference to plant data, it is apparent that the present invention can be applied to other than plants, such as, for example, crop yield data and actual earthquake data.
[0106]
In the above description, the user sends data for setting monitoring items and establishing evaluation criteria to the server. However, a person other than the user, such as a company that provides a plant data evaluation service, may perform the processing.
[0107]
The present invention is to detect a sign of abnormality of the monitoring target data using data correlated with the monitoring target data, and it is obvious that the present invention is not limited to the above embodiments. For example, FIGS. 23 to 25 are graphs for analyzing the correlation between the height and the weight of the child. The monitoring target in FIG. 25 is set to the height using the approximate approximation formula of the height and the weight shown in FIG. By plotting the deviation between the predicted value based on the correlation approximation formula and the height using the data as the weight for each child, it is also possible to know the physical change tendency of the child. Similarly, the present invention can be applied to sales prediction, weather prediction, traffic volume prediction, stock price prediction, and the like of retail stores and restaurants.
【Example】
An evaluation system and an evaluation method for plant data of a nuclear power plant will be described.
[0108]
FIG. 26 is a configuration diagram of the plant data evaluation system according to the present embodiment. A data server storing the
[0109]
Next, an outline of a processing procedure of the plant data evaluation will be described with reference to FIG. First, plant data is input (S401), and evaluation is started (S402). At this stage, the evaluation criteria have already been created and stored in the data server. Then, an evaluation based on the deviation is performed (S403), and it is determined whether or not the deviation is out of the range of 3σ (S406). If the deviation is outside the range, an abnormality is displayed (S410), and if it is within the range, no abnormality is displayed (S409). ). As the evaluation based on the amount of change (S404), if the amount of change is out of the range of the reference value (S407), an abnormal display is performed (S411). Further, an evaluation is made based on the tendency of the fluctuation (S405), and if there is a continuous increase or decrease more than a specified number of times (S408), an abnormal display is performed (S412). Then, a graph display request is accepted (SS413), a graph is displayed (S414), and data is confirmed (S415). The graph display processing is performed in response to the new graph display request, and the processing ends when the operation is completed (S416).
[0110]
<Evaluation criteria establishment stage>
Next, as a specific example of the plant data evaluation process, a description will be given using the degree of vacuum of a condenser that cools steam generated in a nuclear reactor and worked by a turbine.
[0111]
FIG. 28 is a graph showing a change in the condenser vacuum degree for about one year. The condenser vacuum fluctuates from about 92 KPa to 97 KPa during this period. The fluctuation width is 5 KPa. By executing the processing shown in FIG. 3 by the evaluation criterion construction means, this is due to the fluctuation of the seawater temperature for cooling the condenser, that is, disturbance, and abnormalities such as air leakage, clogging of the cooling pipe, etc. It turned out that it did not happen.
[0112]
<Data evaluation processing>
FIG. 29 shows the condenser vacuum of FIG. 28 in correlation with the maximum disturbance seawater temperature. As a result, the change in the degree of vacuum of the condenser can be observed without the influence of the seawater temperature.
[0113]
The curve in FIG. 29 is obtained from the past five cycles of data, and the center line (approximate curve) of the data is given by equation (1).
[0114]
y = -0.00488x 2 -0.0601x + 97.92 (1)
[0115]
When the difference between the actual value and the approximate curve is graphed, a deviation graph shown in FIG. 30 is obtained. Since the maximum disturbance has been removed, the fluctuation range is significantly reduced from 5 KPa in FIG. 28 to 1.5 KPa. As a result, a minute change that is difficult to confirm in FIG. 28 can be found.
[0116]
Hereinafter, a specific evaluation method will be described.
[0117]
(Evaluation by deviation)
The difference (deviation data) between the actual value and the value obtained from the approximate expression is evaluated based on the standard deviation. For early detection of abnormalities, ± 3σ (probably 0.3% of data is determined as abnormal) and for alerting ± 2σ (probably 4.5% of data are determined as caution). .
[0118]
(Evaluation based on the amount of change)
With respect to the deviation data obtained in the evaluation stage based on the deviation, the difference (change amount) between the current deviation data and the previous deviation data is calculated, and evaluation is performed based on the standard deviation of the change amount. As in the evaluation of the deviation, ± 3σ was used as a criterion for abnormality judgment and ± 2σ was used as a criterion for caution judgment.
[0119]
In the past data analysis, regarding the evaluation based on deviation or the amount of change, it is confirmed that if there is a change of ± 3σ or more even if the data is in the past fluctuation range, there is a high possibility that the equipment or meter is abnormal. did.
[0120]
(Trend evaluation)
Regarding the deviation data obtained in the evaluation stage based on the deviation, the case where the current deviation data rises or falls five times in succession with respect to the previous deviation data is regarded as an abnormality judgment criterion, and four consecutive times are used as a criterion for calling attention. And
[0121]
Plant data usually fluctuates around a certain point, and past data analysis has confirmed that if the data goes up and down five or more times in a row, there is a high possibility of equipment or instrument failure.
[0122]
As described above, as described in the present embodiment, the abnormality alert of the vacuum degree of the condenser has not been affected by the seawater temperature (disturbance) and has a margin of 88 KPa from the viewpoint of protection of the equipment. It was common to set. For this reason, in the case where a small air leak occurs in which the degree of vacuum of the condenser is only slightly reduced, the abnormality alarm is not generated as a matter of course. Also, in the data evaluation by the operator, the fluctuation due to the disturbance is large, so that it is extremely difficult to determine the abnormality.
[0123]
However, by monitoring the fluctuation of the condenser vacuum deviation, which removes the factor of seawater temperature, before the conventional condenser vacuum abnormality alarm is issued or before the operation of the plant begins to be adversely affected, It has become possible to detect a minute abnormal state that is a precursor to the situation.
[0124]
The vacuum degree of the condenser changes depending on the supply amount of iron ions to the condenser tubes. By correlating the condenser vacuum degree deviation and the iron ion film thickness shown in FIG. It was found that the condenser vacuum deviation also fluctuated in the weekly cycle based on the change in the temperature. For this reason, the amount of vacuum reduction (difference from the design vacuum degree) for each day of the week is obtained, and the difference is corrected with respect to the numerical value of the condenser vacuum degree deviation on the basis of a specific day of the week, for example, Monday (0). By doing so, the fluctuation of the degree of vacuum can be monitored with higher accuracy by removing the factor of the iron film.
[0125]
As another embodiment of the evaluation criterion construction means, an evaluation criterion file shown in FIG. 31 may be used. In FIG. 31, the evaluation reference file is obtained by adding one or more time correction values and initial correction values to the items of the evaluation reference file shown in FIG.
[0126]
Here, the timing correction value is such that the magnitude of the error (the difference between the predicted value by the correlation approximation formula and the actual data) changes regularly depending on the day of the week, the month, the season, the number of driving days from the driving start date, and the like. In this case, it is a numerical value added to the correlation approximation formula according to the rule or period. For example, when the error from the actual data changes depending on the day of the week, such as a condenser vacuum deviation, the time correction value is stored for each day of the week and the corresponding time correction value is extracted according to the day of the monitoring day. Then, the correlation approximation formula is corrected.
[0127]
The initial correction value is a numerical value for correcting the correlation approximation formula based on actual data on the operation start date, and usually uses the correction value in the operation cycle. This is because the correlation approximation formula is calculated based on past data, but the correlation approximation is due to differences in equipment characteristics due to instrument adjustment and equipment replacement, or changes in the plant state for each cycle. This is because there is a case where a difference constantly occurs between the predicted value based on the equation and the actual data.
[0128]
The timing at which the initial correction value is calculated is not limited to immediately after the plant comprehensive load test, and it suffices if there is a certain reference for the timing at which this is calculated. In addition, it is usually efficient and effective to calculate the initial correction value based on the actual data on the operation start date (the first day of the operation cycle). However, if the actual operation environment can be simulated by the plant comprehensive load test, , Using the data under test.
[0129]
The correlation approximation formula based on the evaluation criterion file of FIG. 31 is as follows.
y = a · x + b + timing correction value + initial correction value (2)
[0130]
In some plants, either the timing correction value or the initial correction value may be sufficient.
[0131]
The timing correction value or the initial correction value can be used for the correlation approximation formula of all patterns. For example, columns for these correction values may be provided in the evaluation reference file in FIG.
[0132]
Next, the calculation procedure of the timing correction value will be described with reference to FIG.
First, a difference between a predicted value of the correlation approximation formula and actual data accumulated in the past is calculated for each correlation approximation formula at each time of the correlation approximation formula (S601). The term “per time” is, for example, per day, per month, per season, per event, or the like. Then, it is determined whether or not the difference has a significant difference depending on time (S602). If there is a significant difference, a correction value for each time is added to the correlation approximation formula (S603). For example, if the difference between the predicted value and the actual data varies depending on the day of the week, a different value for the day of the week is set as the timing correction value of the correlation approximation formula. The processing from the above steps S601 to S603 is executed for all the timing items to be calculated (S604).
[0133]
In the flowchart of FIG. 33, the timing correction value is calculated based on the past data. However, it is determined in the past data whether or not there is a significant difference depending on the timing. Only the correction value may be calculated using the actual data of the operating plant.
[0134]
Next, the calculation procedure of the initial correction value will be described with reference to FIG.
First, after the operation of the plant is started, a predicted value of a certain monitoring target item by a correlation approximation formula is calculated (S501). Next, the difference between the predicted value and the actual data is calculated (S502). Then, it is determined whether or not the difference is within a predetermined range (S503). If the difference is within the predetermined range, the difference is set as an initial correction value (S504). If it is out of the predetermined range in step S503, it is processed as a plant abnormality (S505). As described above, the processes from step S501 to step S505 are repeated for the monitoring target item for which the initial correction value is to be calculated (S506).
[0135]
In step S503, the predetermined range is preferably based on 3σ. Usually, the difference due to adjustment of the instrument or replacement of the same type of device is within 3σ.
When calculating the initial correction value, it is preferable to average the monitoring item data collected at the plurality of points on the day and use the average value. If the sampling range is increased and the number of samplings is increased, the predetermined range is narrowed. Thus, the accuracy of the initial correction value can be increased as the number of samplings increases.
[0136]
Data items that require initial correction include turbine efficiency, main steam flow rate, feedwater temperature, and reactor pressure.Data items that do not require initial correction for operation include condenser vacuum and drywell. Pressure, drywell condensate flow rate, etc. The deviation between the value of the correlation approximation formula obtained from the past data and the actual data (the average of the data, if there is more than one) is checked in advance for each plant cycle to determine whether there is a significant difference. As for those items, an initial correction value column may be provided in the evaluation criterion file as a data item requiring initial correction. The same applies to the timing correction value.
[0137]
In addition, as an initial correction and a timing correction of a nuclear power plant, correction processing is performed on about 80% (about 50 items) of data items to be evaluated by calculating a standard deviation and an average value for each of the last five operation cycles. Was done. Instrument errors (including adjustment errors) can be accurately determined by averaging data for one day collected at 5-second intervals. An initial correction value can be calculated.
[0138]
Condenser vacuum is affected not only by seawater temperature, but also by other unsealed seawater conditions, such as turbidity of seawater and breeding conditions of shellfish, algae, etc., and initial correction may be inappropriate. Do you get it. In this case, the load of the initial correction calculation can be reduced by excluding items that are not suitable for the initial correction such as the condenser vacuum degree from the target of the initial correction calculation in advance.
[0139]
In the verification using the past data, the average value of the deviation of the data obtained by performing the plant comprehensive load test correction calculation for each operation cycle is compared with the standard deviation of the cycle previously obtained. In addition, when there is a deviation of a predetermined ratio (for example, 50% or 100%) or more, it is effective to perform a process of not performing correction. This is because if the error (deviation) is excessive, there is a possibility that the error is affected by disturbance other than the instrument error. In other words, by using the average value of the data deviation as a comparison target, not the standard deviation of the data or the absolute value of the deviation, the effects of instrument errors are eliminated and the effects of disturbances such as large seasonal variations such as seawater conditions are observed. Can be determined.
[0140]
In addition, the effect of iron ion, which is a one-week cycle fluctuation (effect of condenser backwashing), must be corrected on the day of the week for the applicable condenser vacuum degree data separately from the initial correction by the plant comprehensive load test. Can be eliminated.
[0141]
In addition, the influence of the seawater temperature and the seawater state, which are fluctuations in one-year cycle, can be removed by correlating with the condenser vacuum data corrected for the day of the week.
[0142]
According to the present embodiment, the correlation approximation equation is corrected with the timing correction value and the initial correction value, so that monitoring with higher accuracy can be performed. Further, if these correction values are used, effective monitoring can be performed using a correlation approximation formula calculated using past data for one cycle.
[0143]
In particular, by combining the monitoring that performs the correction with the initial correction value (hereinafter, referred to as the initial correction) and the monitoring that does not perform the initial correction, highly accurate monitoring can be performed while reducing the computer load.
[0144]
For example, in a plant such as a power plant, the following two types of monitoring are performed.
(1) The actual data is taken into the computer every 5 seconds, the average value of the data for 24 hours is calculated, and the initial correction value is obtained using the "one-day data". Five single-cycle correlation approximations (5 cycles) corrected by the initial correction values are obtained, and monitoring is performed based on the standard deviation from the average value of the predicted values based on each correlation approximation formula.
(2) When it is not necessary to calculate the initial correction value (for example, when there is almost no instrument error, etc.), a correlation approximation formula is obtained based on the actual data for 5 cycles, and the correlation approximation formula is used to calculate the correlation approximation formula. Monitor based on standard deviation.
Of the above (1) and (2), since the computer load for monitoring is larger in (1), it is necessary to determine in advance which of (1) and (2) above for each monitoring target item. If monitoring is performed by each method, computer load can be reduced and monitoring can be performed with high accuracy.
[0145]
In particular, depending on the items to be monitored, there is data collected by a human system in a regular operation once a month. In these so-called "monthly data", a human reading error is larger than an instrument adjustment error, and data in a biased state may be accidentally collected. For such data collected by a human system, the monitoring method (2) is more suitable.
Further, according to the present embodiment, since the method of correcting the correlation approximation equation is changed depending on the monitoring target, highly accurate monitoring can be efficiently performed.
[0146]
【The invention's effect】
As described above, according to the present invention, data correlated with data to be monitored can be accurately and efficiently extracted, and minute fluctuations can be monitored. Thus, it is possible to detect in advance signs of an abnormality in the plant or the like.
[Brief description of the drawings]
FIG. 1 is a functional block diagram of a plant data evaluation system according to a first embodiment of the present invention.
FIG. 2 is an explanatory diagram of a data configuration example of a plant data file of FIG. 1;
FIG. 3 is a flowchart showing a processing procedure of an evaluation criterion construction unit in FIG. 1;
FIG. 4 is an explanatory diagram of a data configuration example of an evaluation reference file in FIG. 1;
FIG. 5 is a flowchart showing a processing procedure of a data evaluation unit in FIG. 1;
FIG. 6 is an explanatory diagram of a data configuration example of an evaluation result file in FIG. 1;
FIG. 7 is a functional block diagram of a plant data evaluation system according to a second embodiment of the present invention.
8 is an explanatory diagram of a data configuration example of an abnormal data extraction condition file in FIG. 7;
FIG. 9 is a flowchart showing a processing procedure of an evaluation criterion construction unit in FIG. 7;
FIG. 10 is an explanatory diagram of a data configuration example of an evaluation reference file in FIG. 7;
FIG. 11 is a device configuration diagram of a plant data evaluation system and a user-side device according to a third embodiment of the present invention.
FIG. 12 is a functional block diagram of the application server of FIG. 11;
FIG. 13 is an explanatory diagram of a data configuration example of the plant pattern file of FIG. 12;
FIG. 14 is an explanatory diagram of a data configuration example of a user information file of FIG. 12;
FIG. 15 is an explanatory diagram of an example of a monitoring condition setting screen according to the third embodiment of the present invention.
16 is an explanatory diagram of a data configuration example of a monitoring data file in FIG.
FIG. 17 is a deviation evaluation graph according to the third embodiment of the present invention.
FIG. 18 is a graph showing a variation evaluation according to the third embodiment of the present invention.
FIG. 19 is a trend graph according to the third embodiment of the present invention.
FIG. 20 is another deviation evaluation graph according to the third embodiment of the present invention.
FIG. 21 is another change evaluation graph according to the third embodiment of the present invention.
FIG. 22 is another trend graph according to the third embodiment of the present invention.
FIG. 23 is a height graph of a child according to the third embodiment of the present invention.
FIG. 24 is a correlation diagram between height and weight of a child according to the third embodiment of the present invention.
FIG. 25 is a height deviation graph of a child according to the third embodiment of the present invention.
FIG. 26 is a configuration diagram of a plant data evaluation system according to an embodiment of the present invention.
FIG. 27 is an explanatory diagram of an outline of a processing procedure of plant data evaluation in the embodiment of the present invention.
FIG. 28 is a graph showing a change in the degree of vacuum of the condenser in the embodiment of the present invention.
FIG. 29 is a correlation diagram between the condenser vacuum degree and the seawater temperature in the embodiment of the present invention.
FIG. 30 is a graph showing a change in the condenser vacuum degree deviation in the embodiment of the present invention.
FIG. 31 is an explanatory diagram of a data configuration example of an evaluation reference file according to another embodiment of the present invention.
FIG. 32 is a flowchart of a procedure for calculating an initial correction value according to another embodiment of the present invention.
FIG. 33 is a flowchart of a procedure for calculating a timing correction value in another embodiment of the present invention.
[Explanation of symbols]
DESCRIPTION OF
Claims (15)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003148256A JP3748260B2 (en) | 2003-05-26 | 2003-05-26 | Plant data evaluation system and method, condenser vacuum monitoring method, data mining method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003148256A JP3748260B2 (en) | 2003-05-26 | 2003-05-26 | Plant data evaluation system and method, condenser vacuum monitoring method, data mining method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004355044A true JP2004355044A (en) | 2004-12-16 |
| JP3748260B2 JP3748260B2 (en) | 2006-02-22 |
Family
ID=34044737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003148256A Expired - Fee Related JP3748260B2 (en) | 2003-05-26 | 2003-05-26 | Plant data evaluation system and method, condenser vacuum monitoring method, data mining method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3748260B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008158869A (en) * | 2006-12-25 | 2008-07-10 | Fujitsu Ltd | Information change reporting program, information change reporting method, and information change reporting system |
| JP2015149431A (en) * | 2014-02-07 | 2015-08-20 | パナソニックＩｐマネジメント株式会社 | Management device for photovoltaic power generation device |
| JP2016018526A (en) * | 2014-07-11 | 2016-02-01 | 株式会社荏原製作所 | Failure diagnosis system and failure diagnosis method |
| KR102248299B1 (en) * | 2020-09-11 | 2021-05-04 | 김경환 | User customized monitoring system and mehtod performing thereof |
-
2003
- 2003-05-26 JP JP2003148256A patent/JP3748260B2/en not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008158869A (en) * | 2006-12-25 | 2008-07-10 | Fujitsu Ltd | Information change reporting program, information change reporting method, and information change reporting system |
| JP2015149431A (en) * | 2014-02-07 | 2015-08-20 | パナソニックＩｐマネジメント株式会社 | Management device for photovoltaic power generation device |
| JP2016018526A (en) * | 2014-07-11 | 2016-02-01 | 株式会社荏原製作所 | Failure diagnosis system and failure diagnosis method |
| KR102248299B1 (en) * | 2020-09-11 | 2021-05-04 | 김경환 | User customized monitoring system and mehtod performing thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3748260B2 (en) | 2006-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6816811B2 (en) | Method of intelligent data analysis to detect abnormal use of utilities in buildings | |
| JP4799168B2 (en) | Water distribution and pipeline information analysis system | |
| JP4371933B2 (en) | Plant data evaluation system and method, condenser vacuum monitoring method, data mining method, and program | |
| KR100841876B1 (en) | Automatic monitoring and statistical analysis of dynamic process metrics to expose meaningful changes | |
| CN111259334B (en) | Abnormal water consumption monitoring and early warning method for large users of industrial enterprises | |
| US20120185184A1 (en) | System and method for identifying likely geographical locations of anomalies in a water utility network | |
| CN102576328A (en) | System operation management device, system operation management method, and program storage medium | |
| CN109948877B (en) | Power consumption anomaly accurate analysis method based on anomaly event combination | |
| JP5621967B2 (en) | Abnormal data analysis system | |
| JP2000029513A (en) | Device and method for monitoring process data | |
| JP2003303014A (en) | Maintenance management method for plant equipment and device | |
| JP2017002554A (en) | Conduit failure detection device and method | |
| CN113722557B (en) | Method and device for determining fuel gas supply and distribution difference | |
| JP2019053537A (en) | Process monitoring device | |
| JP2004355044A (en) | Plant data estimation system and method, condenser vacuum monitoring method, data mining method, and program | |
| KR20140109596A (en) | Apparatus method for predicting and correcting meter reading data in a range not reading | |
| JP7020876B2 (en) | Decision device, correction device, decision system, decision method and computer program | |
| EP3647744B1 (en) | Gas meter management system | |
| CN115774159A (en) | Fault detection system for power unit of high-voltage frequency converter | |
| JP2012099049A (en) | Water distribution amount plan prediction system, and prediction method and program thereof | |
| JP5402071B2 (en) | Energy saving support system | |
| JP2010224585A (en) | Energy saving support device, method of reporting energy consumption, program and program medium for energy saving support device, method of updating statistic of energy consumption, method of updating normal range of energy consumption, and energy saving support system | |
| KR101063202B1 (en) | Method for collecting measurement data of water supply using stepwise filtering method and system with function thereof | |
| JP2010102462A (en) | Apparatus, method and program for estimating trouble | |
| JP7489157B1 (en) | Output method, output device, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050726 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050728 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050926 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20051124 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051124 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3748260 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081209 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091209 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091209 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101209 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101209 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101209 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111209 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111209 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121209 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121209 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121209 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121209 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131209 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |