JP2020076543A - Boiler tube leakage diagnostic system and boiler tube leakage diagnosis method - Google Patents
Boiler tube leakage diagnostic system and boiler tube leakage diagnosis method Download PDFInfo
- Publication number
- JP2020076543A JP2020076543A JP2018210225A JP2018210225A JP2020076543A JP 2020076543 A JP2020076543 A JP 2020076543A JP 2018210225 A JP2018210225 A JP 2018210225A JP 2018210225 A JP2018210225 A JP 2018210225A JP 2020076543 A JP2020076543 A JP 2020076543A
- Authority
- JP
- Japan
- Prior art keywords
- bank
- abnormality
- tube leak
- degree
- boiler
- 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
- Examining Or Testing Airtightness (AREA)
Abstract
Description
本発明は、ボイラにおけるチューブリークの発生を検知し、さらに、チューブリークの位置(発生部位)を特定するボイラチューブリーク診断システムに関する。 The present invention relates to a boiler tube leak diagnostic system that detects the occurrence of tube leak in a boiler and further identifies the position (occurrence site) of the tube leak.
ボイラは、石炭などの燃料を燃焼させて生成した高温ガスにより、給水を複数のバンクにて加熱し、蒸気を生成する。高温ガスは、石炭などの燃料の硫黄成分から生成された高腐食性成分を含む。また、起動・停止や負荷変化を繰り返すことにより、材料には繰り返し疲労が発生する。 The boiler heats the feed water in a plurality of banks with high temperature gas generated by burning fuel such as coal to generate steam. The hot gas contains highly corrosive components produced from the sulfur component of fuels such as coal. Moreover, fatigue is repeatedly generated in the material by repeating start / stop and load changes.
このような環境下では、クリープ、腐食、熱疲労などの原因により、バンクの伝熱管に損傷が発生することがある。伝熱管が損傷し、伝熱管の内部を流れる蒸気が、高温ガスの流路にリークする(漏洩する)事象をチューブリークと呼ぶ。 Under such an environment, the heat transfer tubes of the bank may be damaged due to creep, corrosion, thermal fatigue, and the like. The phenomenon in which the heat transfer tube is damaged and the steam flowing inside the heat transfer tube leaks (leaks) into the flow path of the high-temperature gas is called a tube leak.
このような本技術分野の背景技術として、特開2015−7509号公報(特許文献1)がある。この公報には、ボイラのチューブリークのリーク発生の早期検知とリーク位置の早期特定とを実現するボイラチューブリーク検出装置が記載され、ボイラプラントの状態量を計測した計測信号データベースと、ボイラプラントの運転状態の変化を検知する状態変化検知部と、状態変化検知部で検知した変化を評価する検知内容評価部と、を備え、状態変化検知部には、計測信号データベースの第一の計測信号データ項目を、ボイラプラントの複数ある熱交換器のメタル温度が含む監視グループ化する監視データ抽出部と、ボイラプラントの運転パターンを識別する運転パターン評価部と、識別された運転パターン毎にかつ監視グループ毎に、グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類部と、診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知する検知部と、を備えることが記載されている(要約参照)。 As a background art in this technical field, there is JP-A-2015-7509 (Patent Document 1). This publication describes a boiler tube leak detection device that realizes early detection of leak occurrence of tube leak of a boiler and early identification of the leak position, a measurement signal database that measures the state quantity of the boiler plant, and a boiler plant A state change detection unit that detects a change in the driving state and a detection content evaluation unit that evaluates the change detected by the state change detection unit are provided, and the state change detection unit includes the first measurement signal data of the measurement signal database. A monitoring data extraction unit that groups items into monitoring groups that include the metal temperatures of multiple heat exchangers in the boiler plant, an operation pattern evaluation unit that identifies the operation pattern of the boiler plant, and a monitoring group for each identified operation pattern. For each time, by comparing the diagnostic model and the second measurement signal with the classification unit that classifies the first measurement signal data belonging to the grouped data items and constructs the diagnostic model, it is possible to confirm that the operating state has changed. And a detection unit for detecting (see summary).
特許文献1には、ボイラのチューブリークのリーク発生の早期検知とリーク位置の早期特定とを実現するボイラチューブリーク検出装置が記載されている。特許文献1に記載されているボイラチューブリーク検出装置は、既存のセンサ情報を処理することにより、チューブリークの発生を検知し、チューブリークの位置を特定するものであるが、既存のセンサ情報を処理するため、センサ情報が有する正常時の変動については考慮されていない。
そこで、本発明は、チューブリークに特有なセンサ情報の変化特性を踏まえ、センサ情報が有する正常時の変動の影響を除外し、より精度よく、チューブリークの発生を検知し、チューブリークの位置を特定するボイラチューブリーク診断システムを提供する。 Therefore, the present invention excludes the influence of the fluctuation at the normal time that the sensor information has, based on the change characteristic of the sensor information specific to the tube leak, more accurately detects the occurrence of the tube leak, and determines the position of the tube leak. Provide a boiler tube leak diagnostic system to identify.
上記課題を解決するために、本発明のボイラチューブリーク診断システムは、ボイラのセンサ情報を入力し、チューブリークの診断で使用する入力データを作成する入力データ作成部と、入力データ作成部にて作成された入力データに基づいて、異常度および異常寄与度を計算する異常度計算部と、異常度計算部にて計算された異常度および異常寄与度に基づいて、チューブリークを診断する異常判定部と、を有することを特徴とする。 In order to solve the above problems, the boiler tube leak diagnosis system of the present invention inputs the sensor information of the boiler, and an input data creation unit that creates input data used in the diagnosis of the tube leak, and an input data creation unit. Anomaly degree calculation unit that calculates anomaly degree and anomaly contribution rate based on the created input data, and anomaly judgment that diagnoses tube leak based on the anomaly degree and anomaly contribution rate calculated by the anomaly degree calculation unit And a part.
本発明によれば、チューブリークに特有なセンサ情報の変化特性を踏まえ、センサ情報が有する正常時の変動の影響を除外し、より精度よく、チューブリークの発生を検知し、チューブリークの位置を特定するボイラチューブリーク診断システムを提供することができる。 According to the present invention, based on the change characteristics of the sensor information peculiar to the tube leak, the influence of the fluctuation in the normal time of the sensor information is excluded, the occurrence of the tube leak is detected more accurately, and the position of the tube leak is detected. A boiler tube leak diagnosis system for specifying can be provided.
なお、上記した以外の課題、構成および効果は、以下の実施例の説明により明らかにされる。 The problems, configurations and effects other than those described above will be clarified by the following description of the embodiments.
以下、本発明の実施例を、図面を使用して説明する。なお、同一の構成には同一の符号を付し、説明が重複する場合には、その説明を省略する場合がある。 Embodiments of the present invention will be described below with reference to the drawings. It should be noted that the same components are denoted by the same reference numerals, and when the description is duplicated, the description may be omitted.
図1は、ボイラの一般的な構成を説明する説明図である。 FIG. 1 is an explanatory diagram illustrating a general configuration of a boiler.
本実施例に記載するボイラ100は、石炭などの燃料を燃焼させて高温ガスを生成するバーナ101と、給水(または蒸気)を加熱して蒸気を生成する(または蒸気を更に加熱する)複数のバンクとを有する。なお、本実施例におけるバンクとは、高温ガスと給水(または蒸気)との間で熱交換し、給水から蒸気を生成する(または蒸気を更に加熱する)熱交換器である。
The
なお、図1に記載する太い実線は、バンクの伝熱管を示すものであり、チューブと称する場合もある。 The thick solid lines shown in FIG. 1 indicate the heat transfer tubes of the bank, and may be referred to as tubes.
本実施例におけるバンクには、節炭器109、水壁102、ケージ壁110、一次加熱器108、二次加熱器103、三次加熱器104、四次加熱器105、一次再熱器107、二次再熱器106、天井壁113がある。
The bank in this embodiment includes a
なお、バーナ101にて生成された高温ガスは、ボイラ100における複数のバンクにて、熱交換(給水または蒸気へ伝熱)しつつ、上流から下流に流れる。このため高温ガスの温度は、下流ほど低下する。そして、高温ガスは、最終的には、排ガスとして、ガスダンパ111から排出される。
The hot gas generated by the
以下、高温ガスの流れにそって、各バンクを説明する。 Hereinafter, each bank will be described along the flow of high-temperature gas.
水壁102は、ボイラ100の内壁に沿って設置される伝熱管である。また、二次過熱器103は、ボイラ100の高温ガスの流路に吊り下がるように設置される伝熱管(集合体)である。同様に、三次過熱器104、四次過熱器105、二次再熱器106も、ボイラ100の高温ガスの流路に吊り下がるように設置される伝熱管(集合体)である。
The water wall 102 is a heat transfer tube installed along the inner wall of the
これより下流(二次再熱器106より下流)を、つまり、二次再熱器106の下流からガスダンパ111までを「後部伝面」と称する。後部伝面では隔離壁112によって、高温ガスの流路が二つに分けられる。それぞれの流路における高温ガスの流量の配分は、ガスダンパ111の開度によって調整される。
The downstream (downstream from the secondary reheater 106), that is, from the downstream of the
後部伝面の一方には、伝熱管である一次再熱器107が設置される。また、後部伝面の他方には、伝熱管である一次過熱器108や伝熱管である節炭器109が設置される。また、ケージ壁110は、後部伝面の内壁に沿って設置される伝熱管である。
A
なお、天井壁113も、ボイラ100の上部(天井)に沿って設置される伝熱管である。
The
また、蒸気の流れにそって、各バンクを説明する。 Also, each bank will be described along the flow of steam.
ボイラ100への蒸気(給水)は、節炭器109、水壁102、ケージ壁110、一次過熱器108、二次過熱器103、三次過熱器104、四次過熱器105と流れる。
Steam (water supply) to the
四次過熱器105の出口蒸気は、高圧蒸気タービン(図示せず)へ流れる。四次過熱器105の出口蒸気の熱エネルギーが、高圧蒸気タービンの回転動力に使用されるため、高圧蒸気タービンの出口蒸気は、高圧蒸気タービンの入口蒸気よりも、温度が低下する。高圧蒸気タービンの出口蒸気は、再び、一次再熱器107、二次再熱器106に流れ、加熱される。
The outlet steam of the
二次再熱器106の出口蒸気は、中低圧蒸気タービン(図示せず)へ流れる。二次再熱器106の出口蒸気の熱エネルギーが、中低圧蒸気タービンの回転動力に使用されるため、中低圧蒸気タービンの出口蒸気は、中低圧蒸気タービンの入口蒸気よりも、温度が低下する。中低圧蒸気タービンの出口蒸気は、再び、節炭器109に流れ、加熱される。
The outlet steam of the
なお、図1では、各バンクを接続する蒸気配管は省略する。 In FIG. 1, the steam pipes connecting the banks are omitted.
また、例えば、二次過熱器103、三次過熱器104、四次過熱器105、二次再熱器106のような、いくつかのバンクには、入口と出口とに蒸気ヘッダ(入口蒸気ヘッダおよび出口蒸気ヘッダ)が設置される。蒸気ヘッダには、複数の伝熱管が接続され、各伝熱管から流れ込んだ蒸気が、蒸気ヘッダの内部で混合される。これにより、各伝熱管の間の蒸気温度差を均一にすることができる。
Also, some banks, such as, for example,
図2は、ボイラを構成するバンクの一般的な構成を説明する説明図であり、出口蒸気ヘッダと伝熱管との関係を模式的に示した模式図である。なお、この模式図は、図1に記載した二次再熱器106を後側から俯瞰したものである。
FIG. 2 is an explanatory diagram illustrating a general configuration of a bank that constitutes a boiler, and is a schematic diagram that schematically shows the relationship between the outlet steam header and the heat transfer tubes. Note that this schematic diagram is an overhead view of the
このように、ボイラ100の炉幅方向に、多数の伝熱管が設置され、伝熱管の出口側は、出口蒸気ヘッダに接続される。出口蒸気ヘッダは炉外にあり、伝熱管は天井壁113を突き抜けるように設置される。
In this way, a large number of heat transfer tubes are installed in the furnace width direction of the
伝熱管の炉内側(天井壁113の内側)には高温ガスが流れており、伝熱管の内部(高温ガスとの伝熱領域)を流れる蒸気を加熱する。 High-temperature gas is flowing inside the furnace (inside the ceiling wall 113) of the heat transfer tube, and heats steam flowing inside the heat transfer tube (heat transfer area with the high-temperature gas).
一方、伝熱管の炉外側(天井壁113の外側)には高温ガスは流れていないため、炉外側は、炉内側に比較すると、周囲の温度は低い。そこで、炉外側に、伝熱管のメタル温度を測定するメタル温度センサを設置する。なお、炉内側は周囲の温度が高いため、メタル温度センサは設置できない。メタル温度センサは、伝熱管の表面に設置され、その上から炉外側に設置される伝熱管の全体に保温材を巻回する。 On the other hand, since the high temperature gas does not flow outside the furnace of the heat transfer tube (outside the ceiling wall 113), the outside temperature of the outside of the furnace is lower than that of the inside of the furnace. Therefore, a metal temperature sensor for measuring the metal temperature of the heat transfer tube is installed outside the furnace. Since the ambient temperature is high inside the furnace, the metal temperature sensor cannot be installed. The metal temperature sensor is installed on the surface of the heat transfer tube, and the heat insulating material is wound around the entire heat transfer tube installed on the outside of the furnace.
本実施例では、メタル温度センサにより測定されるメタル温度は、高温ガスの影響が小さいため、伝熱管の内部を流れる蒸気温度に連動して変化する(なお、炉内側の熱が、伝熱管を伝わるため、多少の影響はある)。メタル温度センサは、炉幅方向に対する蒸気温度の分布が把握できる程度に、複数の伝熱管に設置される。 In the present embodiment, the metal temperature measured by the metal temperature sensor changes little with the temperature of the steam flowing inside the heat transfer tube because the influence of the high-temperature gas is small. Because it is transmitted, there is some effect). The metal temperature sensor is installed in a plurality of heat transfer tubes so that the distribution of the steam temperature in the furnace width direction can be grasped.
このようにメタル温度センサは、複数の伝熱管に設置されており、炉幅方向の蒸気温度の分布が把握できるため、メタル温度センサが設置されるブロックにおける炉幅方向の蒸気温度の変化を容易に検知することができる。 In this way, the metal temperature sensor is installed in multiple heat transfer tubes, and the distribution of the steam temperature in the furnace width direction can be grasped, so it is easy to change the steam temperature in the furnace width direction in the block where the metal temperature sensor is installed. Can be detected.
出口蒸気ヘッダで混合される蒸気は、出口蒸気ヘッダの左右から流れ、次のバンクの入口蒸気ヘッダ(本実施例では中低圧蒸気タービン)へ流れる。 The steam mixed in the outlet steam header flows from the left and right of the outlet steam header, and flows to the inlet steam header of the next bank (in this embodiment, the medium and low pressure steam turbine).
蒸気温度センサは、出口蒸気ヘッダの出口蒸気(二次再熱器106の出口蒸気)の蒸気温度を測定するものであり、出口蒸気ヘッダから次のバンクの入口蒸気ヘッダ(本実施例では中低圧蒸気タービン)への間に形成される(出口蒸気ヘッダの出口近傍の)蒸気配管に設置される。 The steam temperature sensor measures the steam temperature of the outlet steam of the outlet steam header (the outlet steam of the secondary reheater 106), and the outlet steam header to the inlet steam header of the next bank (in this embodiment, medium and low pressure). It is installed in the steam pipe (near the outlet of the outlet steam header) formed between the steam turbine and the steam turbine.
なお、本実施例では、蒸気温度センサは、出口蒸気ヘッダの左右(2箇所)に設置させる。 In this embodiment, the steam temperature sensors are installed on the left and right (two places) of the outlet steam header.
図3は、ボイラチューブリーク診断システムの構成を説明する説明図である。 FIG. 3 is an explanatory diagram illustrating the configuration of the boiler tube leak diagnosis system.
本実施例に記載するボイラチューブリーク診断システム1は、ボイラチューブリーク診断の対象であるボイラ100を制御する制御装置3からボイラ100のセンサ情報を受信する。なお、センサ情報とは各種センサが測定した測定値(センサデータ)である。
The boiler tube
また、入出力装置4は、ボイラチューブリーク診断システム1が診断した診断結果をユーザに提示するための入出力装置である。なお、この入出力装置4にて、ユーザは、ユーザが要求(入力)するバンクを選択することができる。
The input /
次に、ボイラチューブリーク診断システム1は、入力データ作成部11、異常度計算部12、異常判定部13を有する。
Next, the boiler tube
入力データ作成部11は、制御装置3を介して、ボイラ100のセンサ情報を入力し、チューブリーク診断で使用する入力データを作成する。
The input
異常度計算部12は、入力データ作成部11にて作成された入力データに基づいて、異常度および異常寄与度を計算する。ここで異常度とは、正常時のデータパターンと入力データに基づいて作成されたデータパターンとを比較した際の違いを数値化したものである。また、異常寄与度とは、異常度の変動に対して、各要因がどれだけ影響しているかを表すものである。
The abnormality
なお、異常度計算部12は、ボイラ100を構成する各バンクの収熱量や、各バンクの複数個所のメタル温度から各バンクの収熱分布を計算する。
It should be noted that the abnormality
異常判定部13は、異常度計算部12にて計算された異常度および異常寄与度に基づいて、チューブリークを診断する。ここでチューブリーク診断とは、チューブリークの発生を検知すること、および、チューブリークの位置を特定することである。
The
各部の処理を説明する前に、ボイラ100のセンサ情報に基づいて、チューブリークの位置を特定する方法の概要を説明する。
Before describing the processing of each unit, an outline of a method of identifying the position of the tube leak based on the sensor information of the
本実施例に記載するボイラチューブリーク診断システム1は、ボイラ100のセンサ情報のデータパターン認識に基づいて異常を判定する。つまり、チューブリークに影響するボイラ100のセンサ情報について、予め正常時におけるボイラ100のセンサ情報のデータパターン(各バンクの収熱量のデータパターン、各バンクの収熱分布のデータパターン、各バンクの局所収熱量のデータパターン)を学習する。
The boiler tube
そして、異常を判定する処理においては、入力されたボイラ100のセンサ情報のデータパターンと、予め学習した正常時におけるボイラ100のセンサ情報のデータパターンと、を比較し、その差が所定値(事前に設定される設定値)を超えた場合に異常と判定する。
Then, in the process of determining abnormality, the input data pattern of the sensor information of the
なお、異常判定部13は、事前に学習した正常時の各バンクの収熱量と、異常度計算部12にて計算された各バンクの収熱量とを比較し、計算された各バンクの収熱量が、正常時の各バンクの収熱量から逸脱しているか否かを、異常度および異常寄与度として、判定する。
The
また、異常判定部13は、事前に学習した正常時の各バンクの収熱分布と、異常度計算部12にて計算された各バンクの収熱分布とを比較し、計算された各バンクの収熱分布が、正常時の各バンクの収熱分布から逸脱しているか否かを、異常度および異常寄与度として、判定する。
Further, the
本実施例では、こうした異常判定処理として、例えば、国際公開WO2018/051568A1号公報に記載されている、一つのパターン認識であるクラスタリングを使用した異常判定処理を使用することができる。 In this embodiment, as such abnormality determination processing, for example, abnormality determination processing using clustering, which is one pattern recognition, described in International Publication WO2018 / 051568A1 can be used.
この異常判定処理は、入力されたパターンと正常時のパターンとを比較し、その差分に基づいて異常度を求めるものである。さらに、入力される情報(データ)ごとの、例えば、入力されるセンサ情報(センサデータ)ごとの異常寄与度も求めることができる。この異常判定処理は、異常度が増加したことにより、異常の発生を検知し、さらに、センサ情報(センサデータ)ごとの異常寄与度により、どのセンサ情報(センサデータ)が異常かを判定することができる。 In this abnormality determination processing, the input pattern is compared with the normal pattern, and the abnormality degree is obtained based on the difference. Further, it is also possible to obtain the abnormality contribution rate for each input information (data), for example, for each input sensor information (sensor data). This abnormality determination processing detects the occurrence of an abnormality due to an increase in the abnormality degree, and further determines which sensor information (sensor data) is abnormal based on the abnormality contribution rate for each sensor information (sensor data). You can
ここで異常寄与度は、センサ情報(センサデータ)ごとの異常寄与度を合計した値が、異常度と一致するように規格化されている。つまり、異常度は、複数のセンサ情報(センサデータ)をまとめた全体に対して、正常との相違を表現するものであり、一方、異常寄与度は、異常度に対するセンサ情報(センサデータ)の内訳である。 Here, the abnormality contribution rate is standardized so that a value obtained by summing the abnormality contribution rates for each sensor information (sensor data) matches the abnormality degree. That is, the abnormality degree expresses a difference from the normality with respect to the entire set of a plurality of sensor information (sensor data), while the abnormality contribution rate indicates the sensor information (sensor data) for the abnormality degree. It is a breakdown.
次に、パターン認識を使用したチューブリークの位置を特定する位置特定方法(発生部位特定方法)を説明する。 Next, a position identifying method (occurrence site identifying method) for identifying the position of the tube leak using pattern recognition will be described.
本実施例に記載するボイラチューブリーク診断システム1は、ボイラ100の内部に設置される各バンクのセンサ情報に基づいて、チューブリークの位置を特定する。
The boiler tube
そして、ボイラチューブリーク診断システム1は、チューブリークが発生したバンクに設置されるメタル温度センサにて測定されるセンサ情報の変化傾向を捉えることを目的とした解析を行う。この解析は二つの視点で行う。
Then, the boiler tube
一つ目(視点1)は、ボイラ100の内部に設置される複数のバンクにおける相互関係の変化を捉えるものである。チューブリークの発生時に限らず、正常時においても各バンクの収熱量は相互に影響する。
The first (viewpoint 1) is to capture changes in mutual relationships among a plurality of banks installed inside the
高温ガス側から見た場合、あるバンクの収熱量が低下すると、高温ガスから蒸気への伝熱量が低下する。これに伴い、このバンクの下流の高温ガスの温度は、通常より上昇する。このため、このバンクの下流のバンクでは、通常より高温の高温ガスが供給されることになり、収熱量が増加する傾向になる。 When viewed from the high temperature gas side, if the heat collection amount of a bank decreases, the heat transfer amount from the high temperature gas to the steam decreases. Along with this, the temperature of the hot gas downstream of this bank rises above normal. Therefore, in the bank downstream of this bank, a high temperature gas having a temperature higher than usual is supplied, and the heat collection amount tends to increase.
また、蒸気側から見た場合、あるバンクの収熱量が低下すると、バンクの出口蒸気温度が低下する。このため、このバンクの下流のバンクでは、通常より低温の蒸気が供給されることになり、蒸気と高温ガスとの温度差が通常より大きくなり、収熱量が増加する傾向になる。 Further, when viewed from the steam side, when the heat collection amount of a bank decreases, the outlet steam temperature of the bank decreases. For this reason, in the bank downstream of this bank, steam having a temperature lower than usual is supplied, the temperature difference between the steam and the high temperature gas becomes larger than usual, and the amount of heat collected tends to increase.
本実施例に記載するボイラ100では、高温ガスの流れ方向(各バンクに触れる高温ガスの流れ方向)と、蒸気の流れ方向(各バンクを流れる蒸気の流れ方向)とは異なる。つまり、各バンクに触れる高温ガスが高温から低温へと温度を下げつつ流れる方向と、各バンクを流れる蒸気が低温から高温へと温度を上げつつ流れる方向とが異なることになる。このため、各バンクが相互に影響し、各バンクにおける収熱量は変化する。この関係性は非常に複雑である。
In the
そして、チューブリークが発生すると、バンクの伝熱管の内部を流れる蒸気の流量が低下し、その下流のバンクも影響し、同様にこの下流のバンクの伝熱管の内部を流れる蒸気の流量も低下する。 Then, when a tube leak occurs, the flow rate of steam flowing inside the heat transfer tube of the bank is reduced, and the bank downstream thereof is also affected. Similarly, the flow rate of steam flowing inside the heat transfer tube of this downstream bank is also reduced. ..
また、チューブリークが発生すると、高温ガスには蒸気が混入するため、高温ガスの流量が増加し、高温ガスの温度は低下する。また、高温ガスには蒸気が混入するため、水分が多く含まれることになり、粘性係数などの熱伝達特性も変化する。 Further, when the tube leak occurs, steam is mixed in the high temperature gas, so that the flow rate of the high temperature gas increases and the temperature of the high temperature gas decreases. Further, since steam is mixed in the high temperature gas, a large amount of water is included, and heat transfer characteristics such as a viscosity coefficient change.
このように、チューブリークが発生すると、蒸気が高温ガスに混入し、蒸気が混入した高温ガスは、チューブリークの位置の下流に設置されたバンクにも影響する。 As described above, when the tube leak occurs, the steam is mixed with the high temperature gas, and the high temperature gas mixed with the steam also affects the bank installed downstream of the position of the tube leak.
また、チューブリークの発生を検知するために有効なメタル温度も、様々な要因により変動する。例えば、チューブリークの発生を検知するために有効なメタル温度は、次のような変動要因を有する。 Further, the metal temperature effective for detecting the occurrence of tube leak also changes due to various factors. For example, the metal temperature effective for detecting the occurrence of tube leak has the following fluctuation factors.
1つの要因は、バーナ101における火炎の揺らぎである。特に、石炭などの燃料を燃焼させて高温ガスを生成するバーナ101は、出力が一定の場合であっても、ミルにおける石炭粉砕性能の変動や炭種変更に伴う燃焼特性の変動があり、火炎は常に揺らぐ。火炎が揺らぐと、高温ガスの温度分布も変動し、これにより、メタル温度も変動する。
One factor is flame fluctuations in the
また、1つの要因は、スートブロワである。スートブロワとは、石炭などの燃料を燃焼させるボイラ100において、バンクの伝熱管の表面に付着した灰を落とすため、運転中に高温の蒸気をバンクの伝熱管に噴射する動作である。スートブロワが動作されたバンクでは、瞬間的に収熱量が上昇し、再び、灰が付着すると、収熱量が低下する。この収熱量の変動に伴い、メタル温度も変動する。
Also, one factor is sootblower. The soot blower is an operation of injecting high-temperature steam into the heat transfer tube of the bank during operation in order to remove ash attached to the surface of the heat transfer tube of the bank in the
つまり、メタル温度であっても、チューブリークの発生を検知するためには、必ずしも有効であるとは限らない。 That is, even at the metal temperature, it is not always effective for detecting the occurrence of the tube leak.
また、チューブリークの発生を検知するための給水流量も、例えば、次のような変動要因を有する。給水流量は、負荷指令値におけるフィードフォワード制御に加え、ボイラ100の出口の蒸気温度や蒸気圧力のフィードバック制御により制御されている。例えば、火炎の揺らぎにより蒸気温度や蒸気圧力が変動すれば、これに伴い給水流量も変動する。
The feed water flow rate for detecting the occurrence of the tube leak also has the following fluctuation factors, for example. The feedwater flow rate is controlled by feedback control of the steam temperature and steam pressure at the outlet of the
また、バンクは、多数の伝熱管で構成され、初期のチューブリーク、つまり、1本の伝熱管が破損した時点のチューブリークにおける給水流量は、全体の1%にも満たない場合がある。チューブリークによって生じる給水流量の変化は小さく、正常時の変動の範囲内に収まるため、給水流量では、チューブリークの発生を検知することが難しい。 Further, the bank is composed of a large number of heat transfer tubes, and an initial tube leak, that is, a tube leak at the time when one heat transfer tube is broken, the feed water flow rate may be less than 1% of the whole. The change in the water supply flow rate caused by the tube leak is small and stays within the fluctuation range under normal conditions, so it is difficult to detect the occurrence of the tube leak in the water supply flow rate.
つまり、給水流量を検知しても、チューブリークの発生を検知するためには、必ずしも有効であるとは限らない。 That is, even if the supply water flow rate is detected, it is not always effective for detecting the occurrence of the tube leak.
つまり、チューブリークの発生時に限らず、正常時においても各バンクの収熱量は相互に影響する。また、チューブリークが発生すると、チューブリークが発生したバンクのみならず、ボイラ100の内部に設置される全てのバンクに影響し、これらバンクの収熱バランスが変化する。
That is, the heat collection amount of each bank influences each other not only when the tube leak occurs but also when the tube leak is normal. Further, when the tube leak occurs, it affects not only the bank in which the tube leak occurs but also all the banks installed inside the
このような全てのバンクの収熱バランスの変化を、パターン認識を使用して解析する。 The change in the heat collection balance of all such banks is analyzed using pattern recognition.
図4は、バンクの全体挙動解析における入出力関係を説明する説明図であり、パターン認識処理における入出力データを示したものである。 FIG. 4 is an explanatory diagram for explaining the input / output relationship in the overall behavior analysis of the bank, and shows the input / output data in the pattern recognition processing.
入力としては、水壁102の収熱量、二次過熱器103の収熱量、三次過熱器104の収熱量、四次過熱器105の収熱量、二次再熱器106の収熱量、一次再熱器107の収熱量、一次過熱器108の収熱量、節炭器109の収熱量、ケージ壁110の収熱量である。
As inputs, the amount of heat collected by the water wall 102, the amount of heat collected by the
なお、収熱量(Q:kW)は、各バンクに設置した蒸気温度センサからのセンサ情報に基づいて計算することができる。使用するセンサ情報は、入口蒸気温度(Tin:℃)、出口蒸気温度(Tout:℃)、蒸気流量(F:Kg/s)、蒸気圧力(P:MPa)であり、次の式(1)〜(3)により計算する。 The heat collection amount (Q: kW) can be calculated based on the sensor information from the steam temperature sensor installed in each bank. The sensor information used is the inlet steam temperature (Tin: ° C), the outlet steam temperature (Tout: ° C), the steam flow rate (F: Kg / s), and the steam pressure (P: MPa). Calculate with (3).
なお、Houtは出口蒸気エンタルピ(kJ/kg)、Hinは入口蒸気エンタルピ(kJ/kg)、Func( )は、エンタルピの蒸気関数である。 Note that Hout is the exit steam enthalpy (kJ / kg), Hin is the entrance steam enthalpy (kJ / kg), and Func () is the steam function of the enthalpy.
一方、出力としては、全てバンクに対する異常度、および、その異常度に対する各バンクの異常寄与度である。つまり、出力としては、入力全体の異常度、および、各入力(バンク)の異常寄与度(水壁102、二次過熱器103、三次過熱器104、四次過熱器105、二次再熱器106、一次再熱器107、一次過熱器108、節炭器109、ケージ壁110)である。
On the other hand, the outputs are the degree of abnormality for all banks and the degree of abnormality contribution of each bank to the degree of abnormality. That is, as outputs, the abnormalities of the entire input and the abnormal contributions of each input (bank) (water wall 102,
これにより、全てのバンクの収熱バランスが、正常時の状態から逸脱しているか、また、正常時の状態から逸脱している場合には、どのバンクが逸脱しているかを判定することができる。 With this, it is possible to determine whether the heat absorption balance of all the banks deviates from the normal state or, if deviates from the normal state, which bank deviates. ..
二つ目(視点2)は、各バンクにおける収熱量の炉幅方向に対する分布(収熱分布)を捉えた解析である。ここで収熱分布とは、図2に記載した各バンクにおける収熱量の炉幅方向に対する分布を意味する。 The second (viewpoint 2) is an analysis that captures the distribution (heat collection distribution) of the heat collection amount in each bank in the furnace width direction. Here, the heat collection distribution means the distribution of the heat collection amount in each bank shown in FIG. 2 in the furnace width direction.
上記したように、伝熱管の出口部のメタル温度は、伝熱管の内部の出口蒸気温度と連動して変化する。したがって、各バンクの各伝熱管におけるメタル温度の炉幅方向に対する分布から、出口蒸気温度の炉幅方向に対する分布、すなわち、収熱量の炉幅方向に対する分布を把握することができる。 As described above, the metal temperature at the outlet of the heat transfer tube changes in conjunction with the outlet steam temperature inside the heat transfer tube. Therefore, the distribution of the outlet steam temperature in the furnace width direction, that is, the distribution of the heat collection amount in the furnace width direction can be grasped from the distribution of the metal temperature in the heat transfer tubes of each bank in the furnace width direction.
実際のボイラ100では、炉幅方向の出口蒸気温度は均一にならないことが多い。これは、バーナ101における火炎の広がりに伴い、高温ガスの温度に分布が生じること、また、入口蒸気ヘッダから各伝熱管に流入する蒸気の流量が、必ずしも均一にならないこと、などの影響が作用しているためである。
In the
チューブリークが発生すると、伝熱特性は炉幅方向に対して局所的に変化する。例えば、バンクの左側でリークが生じた場合、バンクの左側では伝熱特性の変化がみられるものの、バンクの右側では伝熱特性の変化はあまりみられない。このため、出口蒸気温度の炉幅方向に対する分布は、正常時と比較すると、局所的に一部分のみが変化した状態となる。 When a tube leak occurs, the heat transfer characteristics locally change in the furnace width direction. For example, when a leak occurs on the left side of the bank, the heat transfer characteristic changes on the left side of the bank, but the heat transfer characteristic does not change much on the right side of the bank. Therefore, the distribution of the outlet steam temperature in the furnace width direction is in a state in which only a part is locally changed as compared with the normal time.
このような各バンクにおける収熱量の炉幅方向に対する分布を、パターン認識を使用して解析する。 The distribution of the amount of heat collected in each bank in the width direction of the furnace is analyzed using pattern recognition.
図5は、バンクの局所挙動解析における入出力関係を説明する説明図であり、パターン認識処理における入出力データを示したものである。この解析では、各バンクに対して、パターン認識処理を実施する。 FIG. 5 is an explanatory diagram for explaining the input / output relationship in the local behavior analysis of the bank, and shows the input / output data in the pattern recognition processing. In this analysis, pattern recognition processing is performed for each bank.
図5に記載する(a)水壁は、図1に記載する水壁102に対する解析であり、図5に記載する(b)二次過熱器は、図1に記載する二次過熱器103に対する解析である。同様に、三次過熱器104等についても、パターン認識処理が実施される。ここでは、水壁102および二次過熱器103について記載する。
The (a) water wall shown in FIG. 5 is an analysis for the water wall 102 shown in FIG. 1, and the (b) secondary superheater shown in FIG. 5 is for the
(a)水壁の入力としては、水壁102の伝熱管に設置した複数のメタル温度センサが測定したメタル温度である。例えば、水壁出口メタル温度1、水壁出口メタル温度2、・・、水壁出口メタル温度20のように、水壁102の伝熱管の20カ所(ブロック)にメタル温度センサが設置され、その各メタル温度センサのセンサ情報を入力する。
(a) The input of the water wall is a metal temperature measured by a plurality of metal temperature sensors installed in the heat transfer tube of the water wall 102. For example, metal temperature sensors are installed at 20 locations (blocks) of the heat transfer tube of the water wall 102, such as the water wall
一方、(a)水壁の出力としては、全体のメタル温度データに対する異常度、および、その異常度に対する各メタル温度センサの異常寄与度である。つまり、入力全体の異常度、および、各入力(メタル温度センサ)の異常寄与度(水壁出口メタル温度1、水壁出口メタル温度2、・・、水壁出口メタル温度20)である。
On the other hand, (a) the output of the water wall is the degree of abnormality with respect to the entire metal temperature data, and the degree of abnormality contribution of each metal temperature sensor to the degree of abnormality. That is, the abnormalities of the entire input and the abnormal contributions of each input (metal temperature sensor) (water wall
また、(b)二次過熱器の入力としては、二次過熱器103の伝熱管に設置した複数のメタル温度センサが測定したメタル温度である。例えば、二次過熱器メタル温度1、二次過熱器メタル温度2、・・、二次過熱器メタル温度10のように、二次過熱器103の伝熱管の10カ所(ブロック)にメタル温度センサが設置され、その各メタル温度センサのセンサ情報を入力する。
Further, (b) the input of the secondary superheater is the metal temperature measured by a plurality of metal temperature sensors installed in the heat transfer tube of the
一方、(b)二次過熱器の出力としては、全体のメタル温度データに対する異常度、および、その異常度に対する各メタル温度センサの異常寄与度である。つまり、入力全体の異常度、および、各入力(メタル温度センサ)の異常寄与度(二次過熱器メタル温度1、二次過熱器メタル温度2、・・、二次過熱器メタル温度10)である。
On the other hand, (b) the output of the secondary superheater is the degree of abnormality with respect to the entire metal temperature data, and the degree of abnormality contribution of each metal temperature sensor to the degree of abnormality. That is, the abnormalities of the entire input and the abnormal contributions of each input (metal temperature sensor) (secondary
これにより、メタル温度の炉幅方向に対する分布が、正常時の状態から逸脱しているか、また、正常時の状態から逸脱している場合には、どのメタル温度センサのセンサ情報が逸脱しているかを判定することができる。 As a result, the distribution of the metal temperature in the width direction of the furnace deviates from the normal state, and if it deviates from the normal state, which metal temperature sensor sensor information deviates? Can be determined.
なお、メタル温度センサは、炉幅方向に対して等間隔に設置されることが好ましい。チューブリークの位置に近いメタル温度センサのセンサ情報が、リークする蒸気に、より多く影響されるため、各メタル温度センサの異常寄与度から、炉幅方向に対するチューブリークの位置を特定することができる。 The metal temperature sensors are preferably installed at equal intervals in the furnace width direction. Since the sensor information of the metal temperature sensor close to the position of the tube leak is more affected by the leaking steam, the position of the tube leak in the furnace width direction can be specified from the abnormal contribution of each metal temperature sensor. ..
これにより、例えば、所定のバンクの左、中央、右などのように、大まかなチューブリークの位置を特定することができる。このように、本実施例に記載するボイラチューブリーク診断は、特に、バンクの炉幅方向に対するチューブリークの位置の特定に効果的である。 As a result, it is possible to specify the rough tube leak position such as left, center, or right of a predetermined bank. As described above, the boiler tube leak diagnosis described in the present embodiment is particularly effective for specifying the position of the tube leak in the furnace width direction of the bank.
同様の解析を、各バンクに対して実施することにより、メタル温度の炉幅方向に対する分布が正常時の状態から逸脱しているかを判定することができ、また、正常時の状態から逸脱している場合には、どのメタル温度センサのセンサ情報が逸脱しているかを判定することができる。 By performing the same analysis for each bank, it is possible to determine whether the distribution of the metal temperature in the width direction of the furnace deviates from the normal state. If so, it is possible to determine which metal temperature sensor the sensor information deviates from.
このように、本実施例に記載するボイラチューブ診断システムは、二つの視点にて、センサ情報を解析する。前者がボイラ100を構成する全体のバンクの全体的な挙動を解析するのに対して、後者がボイラ100を構成する各々のバンクの局所的な挙動を解析する。
As described above, the boiler tube diagnosis system described in the present embodiment analyzes sensor information from two viewpoints. The former analyzes the overall behavior of all the banks composing the
この二つの視点に基づいて、本実施例に記載するボイラチューブリーク診断システムの処理内容について説明する。 Based on these two viewpoints, the processing contents of the boiler tube leak diagnosis system described in this embodiment will be described.
図3に記載したボイラチューブリーク診断システム1では、以下の処理が実行される。
In the boiler tube
入力データ作成部11は、制御装置3を介して、センサ情報を入力し、パターン認識処理で使用する入力データを作成し、入力データデータベース(以下、データベースをDBと記載する場合がある)14に格納する。
The input
図6Aは、入力データデータベースの全体挙動解析における構成を説明する説明図である。また、図6Bは、入力データデータベースの局所挙動解析における構成を説明する説明図である。 FIG. 6A is an explanatory diagram illustrating a configuration in the overall behavior analysis of the input data database. Further, FIG. 6B is an explanatory diagram illustrating a configuration in the local behavior analysis of the input data database.
入力データには、二種類あり、図6Aに記載する入力データは全体のバンクの全体的な挙動解析に、図6Bに記載する入力データは各々のバンクの局所的な挙動解析に、使用するものである。本実施例に記載するボイラチューブリーク診断処理は、一定周期(本実施例では1秒ごと)で実行するため、入力データも時系列に格納される。なお、この入力データは入力データ作成部11にて作成される。
There are two types of input data. The input data shown in FIG. 6A is used for the overall behavior analysis of the entire bank, and the input data shown in FIG. 6B is used for the local behavior analysis of each bank. Is. Since the boiler tube leak diagnosis processing described in this embodiment is executed at a constant cycle (every 1 second in this embodiment), input data is also stored in time series. It should be noted that this input data is created by the input
図6Aに記載する入力データは、水壁102、二次過熱器103などの各バンクの収熱量である。
The input data described in FIG. 6A is the heat collection amount of each bank such as the water wall 102 and the
なお、収熱量は、式(1)〜(3)に示したように、各々のバンクの、入口蒸気ヘッダに設置される蒸気温度センサ、出口蒸気ヘッダに設置される蒸気温度センサ、蒸気流量を測定する蒸気流量センサ、蒸気圧力を測定する蒸気圧力センサ、の各センサからのセンサ情報を使用して計算される。 Note that the heat collection amount is calculated by using the steam temperature sensor installed in the inlet steam header, the steam temperature sensor installed in the outlet steam header, and the steam flow rate of each bank, as shown in equations (1) to (3). It is calculated using sensor information from each of the steam flow sensor to measure and the steam pressure sensor to measure steam pressure.
入力データ作成部11は、各々のバンクの収熱量の計算に必要なセンサ情報を入力し、収熱量を計算し、その結果を入力データDB14に格納する。
The input
一方、図6Bに記載する入力データは、水壁102、二次過熱器103などの各バンクのメタル温度である。この際、この入力データは、設置される複数のメタル温度センサに対応する各ブロックのセンサ情報である。
On the other hand, the input data shown in FIG. 6B is the metal temperature of each bank such as the water wall 102 and the
このように、入力データ作成部11は、センサ情報を入力し、各々のバンクの収熱量を計算し、パターン認識処理に使用する入力データを作成する。
In this way, the input
異常度計算部12は、入力データ作成部11にて作成された入力データ(収熱量およびメタル温度)に基づいて、パターン認識処理を使用して、異常度および異常寄与度を計算し、異常度DB15に格納する。
The abnormality
図7Aは、異常度データベースの全体挙動解析における構成を説明する説明図である。また、図7Bは、異常度データベースの局所挙動解析における構成を説明する説明図である。 FIG. 7A is an explanatory diagram illustrating a configuration in the overall behavior analysis of the abnormality degree database. Further, FIG. 7B is an explanatory diagram illustrating a configuration in the local behavior analysis of the abnormality degree database.
解析結果には、二種類あり、図7Aに記載する解析結果は全体のバンクの全体的な挙動解析に、図7Bに記載する解析結果は各々のバンクの局所的な挙動解析に、使用するものである。本実施例に記載するボイラチューブリーク診断処理は、一定周期(本実施例では1秒ごと)で実行するため、解析結果も時系列に格納される。なお、この解析結果は、異常度計算部12にて計算(解析)される。
There are two types of analysis results. The analysis result shown in FIG. 7A is used for the overall behavior analysis of the entire bank, and the analysis result shown in FIG. 7B is used for the local behavior analysis of each bank. Is. Since the boiler tube leak diagnosis processing described in this embodiment is executed at a constant cycle (every 1 second in this embodiment), the analysis result is also stored in time series. The analysis result is calculated (analyzed) by the abnormality
図7Aに記載する解析結果は、ボイラ100の異常度、水壁102、二次過熱器103などの各バンクの異常寄与度である。
The analysis results described in FIG. 7A are the degree of abnormality of the
一方、図7Bに記載する解析結果は、水壁102の異常度、水壁102に設置される複数のメタル温度センサのそれぞれのセンサ情報に対する異常寄与度、二次過熱器103の異常度、二次過熱器103に設置される複数のメタル温度センサのそれぞれのセンサ情報に対する異常寄与度である。この際、この解析結果は、入力データに対応したものであり、設置される複数のメタル温度センサに対応する各ブロックのセンサ情報に対するものである。
On the other hand, the analysis results shown in FIG. 7B show that the degree of abnormality of the water wall 102, the degree of abnormality contribution to the sensor information of each of the plurality of metal temperature sensors installed on the water wall 102, the degree of abnormality of the
このように、本実施例に記載するパターン認識処理では、ボイラ100の異常度、水壁102、二次過熱器103などの各バンクの異常度、水壁102、二次過熱器103などの各バンクの異常寄与度、水壁102、二次過熱器103などに設置される複数のメタル温度センサのそれぞれのセンサ情報に対する異常寄与度、を解析する。
As described above, in the pattern recognition processing described in the present embodiment, the degree of abnormality of the
そして、これら解析結果を、異常度DB15に格納する。
Then, these analysis results are stored in the
なお、入力データDB14に格納された入力データや異常度DB15に格納された解析結果は、入出力制御部18を介して、入出力装置4に出力される。
The input data stored in the input data DB 14 and the analysis result stored in the
図8は、チューブリークの位置を特定するためのロジックを説明する説明図である。 FIG. 8 is an explanatory diagram illustrating a logic for specifying the position of the tube leak.
異常判定部13は、異常度計算部12にて計算された異常度および異常寄与度に基づいて、チューブリークの発生を検知し、チューブリークの位置を特定する。
The
本実施例に記載するボイラチューブリーク診断システムは、ボイラ100を構成する全体のバンクの全体的な挙動を解析する処理201と、ボイラ100を構成する各々のバンクの局所的な挙動を解析する処理202と、の二つの処理を有する。
The boiler tube leak diagnosis system described in the present embodiment includes a
処理201では、以下の処理が実行される。
In
パターン認識処理により、ボイラ100の異常度、水壁102、二次過熱器103などの各バンクの異常寄与度を解析する(S1)。
By pattern recognition processing, the degree of abnormality of the
次に、異常度が所定の閾値を超えたか否かを判定する(S2)。異常度が所定の閾値を超えない場合には、処理は終了する。 Next, it is determined whether the degree of abnormality exceeds a predetermined threshold value (S2). If the degree of abnormality does not exceed the predetermined threshold, the process ends.
一方、異常度が閾値を超えた場合(YES)には、異常寄与度が最大となったバンクを、チューブリークが発生しているバンクと判定し、そのバンクを出力する(S3)。 On the other hand, if the degree of abnormality exceeds the threshold value (YES), the bank having the highest degree of abnormality contribution is determined to be the bank in which the tube leak has occurred, and that bank is output (S3).
一方、処理202では、以下の処理が実行される。
On the other hand, in the
パターン認識処理により、例えば、水壁102の異常度および水壁102に設置される複数のメタル温度センサのそれぞれのセンサ情報に対する異常寄与度(バンク1の局所挙動解析)を解析する(S4)。 By the pattern recognition processing, for example, the degree of abnormality of the water wall 102 and the degree of abnormality contribution (local behavior analysis of the bank 1) to the sensor information of each of the plurality of metal temperature sensors installed on the water wall 102 are analyzed (S4).
次に、異常度が所定の閾値を超えたか否かを判定する(S5)。異常度が所定の閾値を超えない場合には、処理は終了する。 Next, it is determined whether the degree of abnormality exceeds a predetermined threshold value (S5). If the degree of abnormality does not exceed the predetermined threshold, the process ends.
一方、異常度が閾値を超えた場合(YES)には、水壁102にチューブリークが発生しているバンクと判定し、そのバンクを出力する。 On the other hand, when the degree of abnormality exceeds the threshold value (YES), it is determined that the bank has a tube leak in the water wall 102, and the bank is output.
同様に、パターン認識処理により、例えば、二次過熱器103の異常度および二次過熱器103に設置される複数のメタル温度センサのそれぞれのセンサ情報に対する異常寄与度(バンク2の局所挙動解析)を解析する(S6)。
Similarly, by pattern recognition processing, for example, the degree of abnormality of the
次に、異常度が所定の閾値を超えたか否かを判定する(S7)。異常度が所定の閾値を超えない場合には、処理は終了する。 Next, it is determined whether the degree of abnormality exceeds a predetermined threshold value (S7). If the degree of abnormality does not exceed the predetermined threshold, the process ends.
一方、異常度が閾値を超えた場合(YES)には、二次過熱器103にチューブリークが発生しているバンクと判定し、そのバンクを出力する。
On the other hand, if the degree of abnormality exceeds the threshold value (YES), it is determined that the bank has a tube leak in the
なお、同様に、三次過熱器104等についてもパターン認識処理により解析する。ここでは、水壁102および二次過熱器103について記載する。
Similarly, the
そして、処理201が出力したバンクと、処理202が出力したバンクとを照合し、同じバンクが存在する場合、チューブリークの発生を検知すると共に、チューブリークの位置を特定することができ、このバンクを「チューブリークが発生しているバンク(診断結果)として」出力する(S8)。
Then, the bank output by the
このように異常判定部13は、異常度DB15に格納された異常度および異常寄与度に基づいて、上記の二つの処理を実行することにより、チューブリークの発生を検知し、チューブリークの位置を特定し、診断結果を診断結果DB17に格納する。
As described above, the
このように異常判定部13は、正常時の収熱量から逸脱しているバンク(処理201にて判定)と、正常時の収熱分布から逸脱しているバンク(処理202にて判定)と、が同じと判定された場合には、そのバンク同じと判定されたバンクを、チューブリークが発生しているバンクと判定する。
As described above, the
また、診断結果は、入出力制御部18を介して、入出力装置4に出力される。
Further, the diagnosis result is output to the input /
図9は、診断結果データベースの構成を説明する説明図である。 FIG. 9 is an explanatory diagram illustrating the configuration of the diagnosis result database.
診断結果DB17には、診断結果がテキスト形式で時系列に格納される。「情報種類」の欄には、フラグ「1」または「2」が格納される。
The
「情報種類」の欄に格納されたフラグ「1」または「2」について説明する。 The flag “1” or “2” stored in the “information type” column will be described.
フラグの「1」は、異常度が閾値を超えた時点にて出力された情報である。したがって、チューブリークの発生は検知されているが、チューブリークの位置は特定されていない。この条件で診断結果DBに格納される情報は、局所挙動解析であれば、異常度が閾値を超えたバンクである。また、全体挙動解析であれば、異常度が閾値を超えた際に、異常寄与度が最大のバンクである。 The flag "1" is information output when the degree of abnormality exceeds the threshold value. Therefore, although the occurrence of tube leak is detected, the position of tube leak is not specified. The information stored in the diagnosis result DB under this condition is the bank whose abnormality degree exceeds the threshold value in the case of local behavior analysis. In the case of the whole behavior analysis, when the degree of abnormality exceeds the threshold value, the bank having the largest degree of abnormality contribution is the bank.
一方、フラグの「2」は、チューブリークの位置が特定された時点にて出力された情報である。この際には、診断結果として、バンクの炉幅方向の位置に関する情報も併せて出力する。例えば、日時2018/1/1 12:02では、情報種類に「2」が出力され、診断結果に「二次過熱器 左側」が出力される。この「左側」が、バンクの炉幅方向の位置に関する情報に該当する。
On the other hand, the flag “2” is information output at the time when the position of the tube leak is specified. At this time, information about the position of the bank in the furnace width direction is also output as a diagnosis result. For example, at date and
なお、バンクの炉幅方向のチューブリークの位置は、各バンクの局所挙動解析において、異常度が閾値を超えた場合であって、異常寄与度が最大となったメタル温度を測定したメタル温度センサが設置される位置(ブロック)を、チューブリークの位置と判定する。 The position of the tube leak in the furnace width direction of the bank is the metal temperature sensor that measures the metal temperature at which the anomalous contribution is the maximum when the anomaly exceeds the threshold in the local behavior analysis of each bank. The position (block) where is installed is determined as the position of the tube leak.
なお、センサ位置情報DB16は、各バンクにおけるメタル温度センサが設置される位置情報を格納する。
The sensor
図10は、センサ位置情報データベースの構成を説明する説明図である。 FIG. 10 is an explanatory diagram illustrating the configuration of the sensor position information database.
センサ位置情報DB16には、各バンクに対応して、各メタル温度センサとそのメタル温度センサが設置される位置(設置位置情報)が格納される。
The sensor
例えば、水壁102のメタル温度1を測定するメタル温度センサは「前壁左側」、水壁102のメタル温度2を測定するメタル温度センサは「前壁左側」・・、二次過熱器103のメタル温度1を測定するメタル温度センサは「左側」、二次過熱器103のメタル温度2を測定するメタル温度センサは「左側」・・のように格納される。
For example, the metal temperature sensor for measuring the
なお、同様に、三次過熱器104等についても格納される。
Similarly, the
つまり、例えば、二次過熱器103における局所挙動解析の結果、メタル温度1を測定するメタル温度センサの異常寄与度が最大となった場合(判定された結果)には、センサ位置情報DB16に格納される位置情報に基づいて、チューブリークの位置を、二次過熱器103の左側に、特定する。
That is, for example, when the abnormal contribution of the metal temperature sensor that measures the
このように異常判定部13は、各バンクにおけるメタル温度センサの設置位置情報と、判定された結果から、各バンクの炉幅方向に対するチューブリークの位置を特定する。
In this way, the
このように、本実施例に記載されるボイラチューブリーク診断システムは、チューブリークの発生を検知し、チューブリークの位置を特定する。 As described above, the boiler tube leak diagnosis system described in the present embodiment detects the occurrence of tube leak and identifies the position of tube leak.
なお、チューブリーク診断の精度を、さらに向上させるためには、入力データ作成部11にて入力データを作成する際に、例えば、使用した収熱量やメタル温度の時間変化率(単位時間当たりの変化量)を使用してもよい。これにより、メタル温度センサの測定値が突然に変化する場合などの時間的な変化に特徴を有する場合にも、診断の精度を向上させることができる。
In order to further improve the accuracy of the tube leak diagnosis, when the input
つまり、収熱量やメタル温度の時間変化率を計算し、これを入力として解析することができる。 In other words, it is possible to calculate the time change rate of the heat collection amount and the metal temperature, and analyze it by inputting this.
また、メタル温度については、バンクの炉幅方向に設置された複数のメタル温度センサの測定値の平均値や中央値を計算し、この平均値や中央値との差分を使用してもよい。これにより、各メタル温度の相対的な大小関係が把握でき、炉幅方向の全体に対する温度の増減を排除した分布に基づいて、正常時の状態からの逸脱を判定することができる。 Regarding the metal temperature, an average value or a median value of the measured values of a plurality of metal temperature sensors installed in the furnace width direction of the bank may be calculated, and a difference from the average value or the median value may be used. As a result, the relative magnitude relationship between the metal temperatures can be grasped, and the deviation from the normal state can be determined based on the distribution in which the temperature increase / decrease in the entire furnace width direction is excluded.
また、以下に記載する方法により、メタル温度を収熱量に換算することもできる。これは、次の式(4)〜(8)を使用して計算する。 Further, the metal temperature can also be converted into a heat absorption amount by the method described below. This is calculated using the following equations (4)-(8).
なお、ここで、TMaは炉幅方向のメタル温度の平均値(℃)、TM(i)はi番目のメタル温度センサの測定値(℃)、Nは設置されたメタル温度センサの数、Tout(i)はi番目のブッロクの出口蒸気温度の推定値(℃)、Toutは出口蒸気温度の測定値(℃)、Hout(i)はi番目のブッロクの出口蒸気エンタルピの推定値(kJ/kg)、Hinは入口蒸気エンタルピ(kJ/kg)、Func( )はエンタルピの蒸気関数、Pは蒸気圧力(MPa)、Tinは入口蒸気温度(℃)、Q(i)は、i番目のブッロクの収熱量の推定値(kW)、Fは蒸気流量(kg/s)である。 Here, TMa is the average value (° C) of the metal temperature in the furnace width direction, TM (i) is the measured value (° C) of the i-th metal temperature sensor, N is the number of installed metal temperature sensors, and Tout. (I) is the estimated value (° C) of the outlet steam temperature of the i-th block, Tout is the measured value of the outlet steam temperature (° C), and Hout (i) is the estimated value of the outlet steam enthalpy of the i-th block (kJ / kg), Hin is the inlet vapor enthalpy (kJ / kg), Func () is the enthalpy vapor function, P is the vapor pressure (MPa), Tin is the inlet vapor temperature (° C), and Q (i) is the i-th block. Is an estimated value (kW) of the heat collection amount, and F is a steam flow rate (kg / s).
なお、この計算では、メタル温度と各伝熱管の出口蒸気温度(蒸気温度センサからの出口蒸気温度)とにおいて、炉幅方向の相対的な大小の分布は同じになり、かつ、各伝熱管を流れる蒸気流量は均一であると仮定している。つまり、各バンクをメタル温度センサの数に応じて、炉幅方向をブロックに分割し、各ブロックにおける収熱量(局所収熱量)を推定している。メタル温度は出口蒸気温度の変化のみに追従する。一方、この計算により求めた各ブロックの収熱量は、蒸気流量や入口蒸気温度の変化も考慮できる。 In this calculation, the relative temperature distribution in the furnace width direction is the same between the metal temperature and the outlet steam temperature of each heat transfer tube (outlet steam temperature from the steam temperature sensor), and It is assumed that the flowing steam flow rate is uniform. That is, the furnace width direction is divided into blocks according to the number of metal temperature sensors in each bank, and the heat collection amount (local heat collection amount) in each block is estimated. The metal temperature follows only the change of the outlet steam temperature. On the other hand, the heat collection amount of each block obtained by this calculation can also take into consideration changes in the steam flow rate and the inlet steam temperature.
つまり、異常度計算部12は、各バンクをメタル温度センサの数に応じて炉幅方向に分割し、メタル温度センサの炉幅方向の増減値(平均値または中央値に対する差分値)と、蒸気温度センサからの出口蒸気温度を使用して、分割した各ブロックの局所収熱量を計算する。
That is, the
そして、異常判定部13は、局所収熱量を使用して、事前に学習した正常時の各バンクの局所収熱量と、異常度計算部13にて計算された各バンクの局所熱分量とを比較し、計算された各バンクの局所収熱量が、正常時の各バンクの局所収熱量から逸脱しているか否かを、異常度および異常寄与度として、判定する。
Then, the
なお、メタル温度と同様に、局所収熱量についても、バンクの炉幅方向の平均値や中央値に対する差分値を計算し、これを入力として解析することより、正常時の状態からの逸脱を判定することができる。 Similar to the metal temperature, the local heat absorption amount is also calculated by calculating the difference value with respect to the average value and the median value in the furnace width direction of the bank, and using this as an input, the deviation from the normal state is determined. can do.
また、収熱量やメタル温度と同様に、局所収熱量の時間変化率を計算し、これを入力として解析することができる。 Further, as with the heat absorption amount and the metal temperature, the temporal change rate of the local heat absorption amount can be calculated and analyzed with this as an input.
また、本実施例に記載するボイラチューブリーク診断方法は、ボイラのセンサ情報を入力し、チューブリークの診断で使用する入力データを作成し、作成された入力データに基づいて、異常度および異常寄与度を計算し、計算された異常度および異常寄与度に基づいて、チューブリークを診断するものである。 In addition, the boiler tube leak diagnosis method described in the present embodiment inputs the sensor information of the boiler, creates the input data used in the diagnosis of the tube leak, and based on the created input data, the abnormality degree and the abnormal contribution. The degree is calculated, and the tube leak is diagnosed based on the calculated degree of abnormality and degree of abnormality contribution.
このように本実施例によれば、より早期に、チューブリークの発生を検知することができ、更に、チューブリークの位置を特定することができる。これにより、ボイラ100の運転再開までの期間を短縮し、経済的な損失を低減することができる。
As described above, according to the present embodiment, it is possible to detect the occurrence of the tube leak earlier and to identify the position of the tube leak. Thereby, the period until the operation of the
本実施例によれば、チューブリークに特有なセンサ情報(センサデータ)の変化特性を踏まえ、センサ情報(センサデータ)が有する正常時(通常時)の変動の影響を除外することができるため、精度の高い診断が可能である。 According to the present embodiment, it is possible to exclude the influence of the fluctuation of the sensor information (sensor data) at the normal time (normal time) based on the change characteristic of the sensor information (sensor data) peculiar to the tube leak. Highly accurate diagnosis is possible.
なお、ボイラによって、バンクの数や配置、また、バンクに設置される伝熱管の数や配置は異なるが、本実施例に記載するボイラチューブリーク診断システムを適用することができる。 Although the number and arrangement of banks and the number and arrangement of heat transfer tubes installed in the banks differ depending on the boiler, the boiler tube leak diagnosis system described in this embodiment can be applied.
次に、ユーザが本実施例に記載するボイラチューブリーク診断システムを使用する際の表示画面について説明する。この表示画面に関する処理は、入出力制御部18が、入力データDB14、異常度DB15、診断結果DB17に格納された各種情報(各種データ)を、入出力装置4に表示することにより実行される。
Next, a display screen when the user uses the boiler tube leak diagnosis system described in the present embodiment will be described. The processing related to the display screen is executed by the input /
図11は、チューブリーク診断情報サマリの表示画面を説明する説明図である。 FIG. 11 is an explanatory diagram illustrating a display screen of the tube leak diagnostic information summary.
チューブリーク診断情報サマリとしては、診断結果DB17に格納されたデータ301が表示される。このとき、診断結果DB17に格納された情報種類のフラグは、「1」が「異常検知」(チューブリークの発生の検知)、「2」が「部位特定」(チューブリークの位置の特定)という表示に置き換えられる。
As the tube leak diagnostic information summary, the
また、チューブリークの位置が、ボイラ100の模式図302に表示される。本実施例では、二次過熱器103にてチューブリークが発生していると判定されたため、二次過熱器103の色を変えて表示している。なお、例えば、点滅等により、二次過熱器103を表示してもよい。
Further, the position of the tube leak is displayed in the schematic diagram 302 of the
また、バンクの全体挙動解析の結果として、異常度のトレンド303を表示している。本実施例では、チューブリークの発生に伴い、異常度が急増している。また、バンクの局所挙動解析の結果として、二次過熱器103における異常度のトレンド304を表示している。トレンド303とトレンド304は同じタイミングで、急増しており、両方の解析結果から、二次過熱器103にてチューブリークが発生していると特定され、その特定の根拠を確認することができる。
Further, a
なお、表示画面には、他のバンクの状態を表示するためのバンク選択ウインド309を有する。ユーザはバンク選択ウインド309にて、他のバンクを選択(入力)することにより、他のバンクの状態を確認することができる。
The display screen has a
図12は、バンクの全体挙動解析結果の表示画面を説明する説明図である。 FIG. 12 is an explanatory diagram illustrating a display screen of the entire bank behavior analysis result.
ボイラチューブリーク診断の詳細情報の表示画面としては、バンクの全体挙動解析の結果として、図11に記載したチューブリーク診断情報サマリの表示画面にも表示した異常度のトレンド305(303)が表示される。 As the display screen of the detailed information of the boiler tube leak diagnosis, the trend 305 (303) of the abnormality degree displayed on the display screen of the tube leak diagnosis information summary shown in FIG. 11 is displayed as a result of the overall behavior analysis of the bank. It
また、各バンク(例えば、水壁102、二次過熱器103、三次過熱器104、・・など)の異常寄与度のトレンド306が表示される。特に、二次過熱器103の異常寄与度が急増していることを確認することができる。
Further, the
図13は、バンクの局所挙動解析結果の表示画面を説明する説明図である。 FIG. 13 is an explanatory diagram illustrating a display screen of the local behavior analysis result of the bank.
ボイラチューブリーク診断の詳細情報の表示画面としては、バンクの局所挙動解析の結果として、図11に記載したチューブリーク診断情報サマリの表示画面にも表示した異常度のトレンド307(304)が表示される。なお、本実施例では、二次過熱器103に対する解析結果を表示している。
As the display screen of the detailed information of the boiler tube leak diagnosis, as a result of the local behavior analysis of the bank, the trend 307 (304) of the abnormality degree displayed on the display screen of the tube leak diagnosis information summary shown in FIG. 11 is displayed. It In this example, the analysis result for the
また、各メタル温度センサが測定したメタル温度(例えば。メタル温度1、メタル温度2、メタル温度3、・・など)の異常寄与度のトレンド308が表示される。特に、メタル温度1およびメタル温度2の異常寄与度が急増していることを確認することができる。メタル温度センサは、左から順に番号を付されているため、チューブリークが発生した位置が二次過熱器103の左側であることを確認することができる。
Further, the
このように本実施例によれば、チューブリークに特有なセンサ情報(センサデータ)の変化特性を踏まえ、センサ情報(センサデータ)が有する正常時(通常時)の変動の影響を除外し、より精度よく、チューブリークの発生を検知し、チューブリークの位置を特定することができる。 As described above, according to the present embodiment, in consideration of the change characteristic of the sensor information (sensor data) peculiar to the tube leak, the influence of the fluctuation in the normal time (normal time) of the sensor information (sensor data) is excluded, and It is possible to accurately detect the occurrence of a tube leak and specify the position of the tube leak.
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。 It should be noted that the present invention is not limited to the above-described embodiments, but includes various modifications. For example, the above-described embodiments have been described in detail in order to explain the present invention in an easy-to-understand manner, and are not necessarily limited to those having all the configurations described.
1:ボイラチューブリーク診断システム、3:制御装置、4:入出力装置、11:入力データ作成部、12:異常度計算部、13:異常判定部、14:入力データDB、15:異常度DB、16:センサ位置情報DB、17:診断結果DB、18:入出力制御部、100:ボイラ、101:バーナ、102:水壁、103:二次過熱器、104:三次過熱器、105:四次過熱器、106:二次再熱器、107一次再熱器、108:一次過熱器、109:節炭器、110:ケージ壁、111:ガスダンパ、112:隔離壁、113:天井壁。 1: Boiler tube leak diagnosis system, 3: Control device, 4: Input / output device, 11: Input data creation unit, 12: Abnormality degree calculation unit, 13: Abnormality determination unit, 14: Input data DB, 15: Abnormality degree DB , 16: sensor position information DB, 17: diagnosis result DB, 18: input / output control unit, 100: boiler, 101: burner, 102: water wall, 103: secondary superheater, 104: tertiary superheater, 105: four Next superheater, 106: secondary reheater, 107 primary reheater, 108: primary superheater, 109: economizer, 110: cage wall, 111: gas damper, 112: isolation wall, 113: ceiling wall.
Claims (9)
前記異常判定部は、事前に学習した正常時の各バンクの収熱量と、前記異常度計算部にて計算された各バンクの収熱量とを比較し、計算された各バンクの収熱量が、正常時の各バンクの収熱量から逸脱しているか否かを、異常度および異常寄与度として、判定することを特徴とする請求項1に記載するボイラチューブリーク診断システム。 The abnormality degree calculation unit calculates the heat collection amount of each bank constituting the boiler,
The abnormality determination unit compares the heat collection amount of each bank at the time of normal learned in advance and the heat collection amount of each bank calculated by the abnormality degree calculation unit, and the heat collection amount of each bank calculated is The boiler tube leak diagnosis system according to claim 1, wherein whether or not the heat collection amount of each bank is normal is determined as an abnormality degree and an abnormality contribution degree.
前記異常判定部は、事前に学習した正常時の各バンクの収熱分布と、前記異常度計算部にて計算された各バンクの収熱分布とを比較し、計算された各バンクの収熱分布が、正常時の各バンクの収熱分布から逸脱しているか否かを、異常度および異常寄与度として、判定することを特徴とする請求項1に記載するボイラチューブリーク診断システム。 The anomaly degree calculation unit calculates the heat collection distribution of each bank from the metal temperatures at a plurality of locations in each bank,
The abnormality determination unit compares the heat collection distribution of each bank at a normal time learned in advance with the heat collection distribution of each bank calculated by the abnormality calculation unit, and calculates the heat collection of each bank. The boiler tube leak diagnosis system according to claim 1, wherein whether or not the distribution deviates from the heat collection distribution of each bank in a normal state is determined as the degree of abnormality and the degree of contribution of abnormality.
前記異常判定部は、前記局所収熱量を使用して、事前に学習した正常時の各バンクの局所収熱量と、前記異常度計算部にて計算された各バンクの局所熱分量とを比較し、計算された各バンクの局所収熱量が、正常時の各バンクの局所収熱量から逸脱しているか否かを、異常度および異常寄与度として、判定することを特徴とする請求項1に記載するボイラチューブリーク診断システム。 The abnormality degree calculation unit divides each bank in the furnace width direction according to the number of metal temperature sensors, and uses the increase / decrease value in the furnace width direction of the metal temperature sensor and the steam temperature from the steam temperature sensor, Calculate the local heat absorption of each divided block,
The abnormality determination unit uses the local heat absorption amount and compares the local heat absorption amount of each bank in a normal state learned in advance with the local heat amount amount of each bank calculated by the abnormality degree calculation unit. The abnormality locality and the abnormal contribution are determined as to whether or not the calculated local heat absorption amount of each bank deviates from the normal heat absorption amount of each bank. Boiler tube leak diagnosis system.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018210225A JP7142545B2 (en) | 2018-11-08 | 2018-11-08 | Boiler tube leak diagnostic system and boiler tube leak diagnostic method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018210225A JP7142545B2 (en) | 2018-11-08 | 2018-11-08 | Boiler tube leak diagnostic system and boiler tube leak diagnostic method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020076543A true JP2020076543A (en) | 2020-05-21 |
JP7142545B2 JP7142545B2 (en) | 2022-09-27 |
Family
ID=70724972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018210225A Active JP7142545B2 (en) | 2018-11-08 | 2018-11-08 | Boiler tube leak diagnostic system and boiler tube leak diagnostic method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7142545B2 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022113459A1 (en) * | 2020-11-30 | 2022-06-02 | 株式会社Ihi | Abnormality detection device and abnormality detection method |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5862403A (en) * | 1981-10-07 | 1983-04-13 | 株式会社日立製作所 | Diagnostic device for abnormality of plant |
JPS63279002A (en) * | 1987-05-07 | 1988-11-16 | 三菱重工業株式会社 | Controller for moisture separating heater |
-
2018
- 2018-11-08 JP JP2018210225A patent/JP7142545B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5862403A (en) * | 1981-10-07 | 1983-04-13 | 株式会社日立製作所 | Diagnostic device for abnormality of plant |
JPS63279002A (en) * | 1987-05-07 | 1988-11-16 | 三菱重工業株式会社 | Controller for moisture separating heater |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022113459A1 (en) * | 2020-11-30 | 2022-06-02 | 株式会社Ihi | Abnormality detection device and abnormality detection method |
JP7452703B2 (en) | 2020-11-30 | 2024-03-19 | 株式会社Ihi | Anomaly detection device and anomaly detection method |
Also Published As
Publication number | Publication date |
---|---|
JP7142545B2 (en) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101689050B (en) | Use of statistical analysis in power plant performance monitoring | |
US5181482A (en) | Sootblowing advisor and automation system | |
KR101427638B1 (en) | Kernel-based method for detecting boiler tube leaks | |
JP6037954B2 (en) | Boiler tube leak detection device, boiler tube leak detection method, data monitoring center using these, information providing service, and boiler plant. | |
CN101839795B (en) | System and method for diagnosing leakage of pressure-bearing pipe of boiler | |
CN103267684B (en) | A kind of station boiler pressure restraining element life consumption acquisition methods and system | |
CN114484409B (en) | Early warning method and device for furnace tube leakage accident of thermal power plant | |
CN100368779C (en) | Safety on-line monitor for water circulation of boiler | |
JP7142545B2 (en) | Boiler tube leak diagnostic system and boiler tube leak diagnostic method | |
JP6840026B2 (en) | Heat exchanger abnormality diagnosis method, abnormality diagnosis system, and its control device | |
JP7438679B2 (en) | Boiler tube leak early detection system and method | |
KR101839274B1 (en) | System and method for predicting wear of power plant boiler tube | |
CN106568074B (en) | Boiler heating surface method for diagnosing faults, device and system | |
JP6943698B2 (en) | Plant abnormality location estimation system | |
CN104154522A (en) | Method for evaluating running state of blast leakage process of heated pipe of boiler | |
JP7206990B2 (en) | Heat transfer tube damage detection device, boiler system, and heat transfer tube damage detection method | |
JPH0152642B2 (en) | ||
JP2683738B2 (en) | Plant operating condition evaluation method | |
KR20110057923A (en) | The optimally operating process and the system for the bolier of the plant | |
KR20240037297A (en) | Method for determining leaks in heat transfer fluid channels of heat transfer reactor systems and heat transfer reactors | |
Wang et al. | Knowledge-inspired data-driven prediction of overheating risks in flexible thermal-power plants | |
JPH0152641B2 (en) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210702 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220418 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220615 |
|
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: 20220906 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7142545 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |