JP2890815B2 - プラントの異常診断装置 - Google Patents
プラントの異常診断装置Info
- Publication number
- JP2890815B2 JP2890815B2 JP2305503A JP30550390A JP2890815B2 JP 2890815 B2 JP2890815 B2 JP 2890815B2 JP 2305503 A JP2305503 A JP 2305503A JP 30550390 A JP30550390 A JP 30550390A JP 2890815 B2 JP2890815 B2 JP 2890815B2
- Authority
- JP
- Japan
- Prior art keywords
- plant
- abnormality
- cause
- candidate
- knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Monitoring And Testing Of Nuclear Reactors (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
【発明の詳細な説明】 [産業上の利用分野] 本発明は、原子力プラントのような大規模な発電プラ
ントに発生する異常事象を診断する異常診断装置に関す
るものである。
ントに発生する異常事象を診断する異常診断装置に関す
るものである。
[従来技術] プラントの運転は、その運転状態を表わす物理量、例
えばプラント出力、圧力等を指標として行われる。プラ
ントの運転に支障となる異常は、これらの状態量が、正
常領域を逸脱したときに警報などにより検知される。異
常が発生した場合は、正常状態に復旧する必要がある
が、これには異常原因の同定と、プラント構成機器の制
御動作の状態を判定する必要がある。これらの作業は、
主に運転員が実行するが、プラント運転に対する信頼性
向上の立場から、種々の診断方法が提案されている。
えばプラント出力、圧力等を指標として行われる。プラ
ントの運転に支障となる異常は、これらの状態量が、正
常領域を逸脱したときに警報などにより検知される。異
常が発生した場合は、正常状態に復旧する必要がある
が、これには異常原因の同定と、プラント構成機器の制
御動作の状態を判定する必要がある。これらの作業は、
主に運転員が実行するが、プラント運転に対する信頼性
向上の立場から、種々の診断方法が提案されている。
第19図は従来のプラント異常診断装置を示す構成図で
ある。図において、プラント異常診断装置(1)は、発
電プラント(2)よりプロセス量A1、機器の動作状態A2
を読み込み、プラントデータベース(7)に記録するプ
ロセス入力部(3)と、上記プラントデータベース
(7)から読み込んだプロセス量の状態データFの異常
を検知し、検知した異常データGを上記プラントデータ
ベース(7)へ記録する異常検知部(6)と、異常原因
を判定するための因果関係を記述した知識を記録する知
識データベース(9)と、上記プラントデータベース
(7)から読み込んだ検知異常データH1、プラント状態
データH2と、知識データベース(9)から読み込んだ因
果関係知識Jにより異常第1原因の推論を行い、推論過
程結果Iを上記プラントデータベース(7)へ記録し、
最終の診断結果Kを表示装置(10)へ出力する異常原因
推論部(8)と、診断結果Kを運転員に分かりやすい形
式に変換した結果LをCRT表示装置(11)に出力する処
理を行う表示処理部(10)とからなる。
ある。図において、プラント異常診断装置(1)は、発
電プラント(2)よりプロセス量A1、機器の動作状態A2
を読み込み、プラントデータベース(7)に記録するプ
ロセス入力部(3)と、上記プラントデータベース
(7)から読み込んだプロセス量の状態データFの異常
を検知し、検知した異常データGを上記プラントデータ
ベース(7)へ記録する異常検知部(6)と、異常原因
を判定するための因果関係を記述した知識を記録する知
識データベース(9)と、上記プラントデータベース
(7)から読み込んだ検知異常データH1、プラント状態
データH2と、知識データベース(9)から読み込んだ因
果関係知識Jにより異常第1原因の推論を行い、推論過
程結果Iを上記プラントデータベース(7)へ記録し、
最終の診断結果Kを表示装置(10)へ出力する異常原因
推論部(8)と、診断結果Kを運転員に分かりやすい形
式に変換した結果LをCRT表示装置(11)に出力する処
理を行う表示処理部(10)とからなる。
次に動作について説明する。
第20図は、従来のプラント異常診断装置における異常
原因推定方式を説明するための説明図である。診断は、
一定周期毎に図に示すプロセス入力(521)、異常検知
判定(522)(523)を繰り返す。プロセス入力処理(52
1)は、プロセス入力部(3)で実行され、プラントか
らデータ入力を入力し、単位変換し、プラントデータ
(7)の該当場所に記録するステップである。
原因推定方式を説明するための説明図である。診断は、
一定周期毎に図に示すプロセス入力(521)、異常検知
判定(522)(523)を繰り返す。プロセス入力処理(52
1)は、プロセス入力部(3)で実行され、プラントか
らデータ入力を入力し、単位変換し、プラントデータ
(7)の該当場所に記録するステップである。
異常検知処理(522)(523)は、異常検知部(6)で
実行され、プラント状態データが予め定めた正常範囲か
ら逸脱しているかどうかを常時監視し(522)、異常が
発生すれば、その結果Gをプラントデータベース(7)
の該当場所に記録する(523)ステップである。この正
常範囲には、例えば警報設定値などが用いられる。
実行され、プラント状態データが予め定めた正常範囲か
ら逸脱しているかどうかを常時監視し(522)、異常が
発生すれば、その結果Gをプラントデータベース(7)
の該当場所に記録する(523)ステップである。この正
常範囲には、例えば警報設定値などが用いられる。
異常原因推定処理(524)〜(528)は、異常原因推論
部(8)で実行され、異常検知部(6)により異常が検
知された場合、上記プラントデータベース(7)に格納
された検知異常H1とプラントのデータの値H2から異常原
因を推論するステップである。異常原因推論は、知識デ
ータベース(9)に格納された異常原因の因果関係の中
から、プラントデータベース(7)に格納された異常の
パターンに一致する知識を探す(524)ことにより異常
原因を同定する。異常原因に関する因果関係の知識は、
例えば、第21図に示したようなIf(条件部)Then(結論
部)の形式で表現されている。条件部には、プロセス量
の状態あるいはプラント機器の動作状態が条件として与
えられる。この条件部に合致するデータがプラントデー
タベース(7)に格納されていれば、結論部が成立する
と判定する(525)。その推論仮説結果が異常の第1原
因であれば、この診断結果Kを表示処理部(10)へ送り
(526)、第1原因でなければ、推論過程仮説としてプ
ラントデータベース(7)に格納する(527)。知識デ
ータベース(9)に条件部が合致する因果知識が存在し
なくなった時点で処理が終了する(528)。
部(8)で実行され、異常検知部(6)により異常が検
知された場合、上記プラントデータベース(7)に格納
された検知異常H1とプラントのデータの値H2から異常原
因を推論するステップである。異常原因推論は、知識デ
ータベース(9)に格納された異常原因の因果関係の中
から、プラントデータベース(7)に格納された異常の
パターンに一致する知識を探す(524)ことにより異常
原因を同定する。異常原因に関する因果関係の知識は、
例えば、第21図に示したようなIf(条件部)Then(結論
部)の形式で表現されている。条件部には、プロセス量
の状態あるいはプラント機器の動作状態が条件として与
えられる。この条件部に合致するデータがプラントデー
タベース(7)に格納されていれば、結論部が成立する
と判定する(525)。その推論仮説結果が異常の第1原
因であれば、この診断結果Kを表示処理部(10)へ送り
(526)、第1原因でなければ、推論過程仮説としてプ
ラントデータベース(7)に格納する(527)。知識デ
ータベース(9)に条件部が合致する因果知識が存在し
なくなった時点で処理が終了する(528)。
この推論結果Kは、表示処理部(10)により所定の表
示形式のデータLに変換され、CRT表示装置(11)に出
力される(529)。
示形式のデータLに変換され、CRT表示装置(11)に出
力される(529)。
[発明が解決しようとする課題] 従来のプラントの異常診断装置は以上のように構成さ
れているので、次のような問題があった。
れているので、次のような問題があった。
(1)知識データベースに格納される異常原因とそれか
ら派生する異常パターンに関する個々の知識は本質的に
同等なので、システムが大規模化、あるいは、診断対象
範囲が広がるとともに、知識ベースの規模が飛躍的に増
大し、異常原因推論部(8)での推論時における知識デ
ータの検索に時間がかかり、異常に対する迅速な対応が
困難になるという問題があった。
ら派生する異常パターンに関する個々の知識は本質的に
同等なので、システムが大規模化、あるいは、診断対象
範囲が広がるとともに、知識ベースの規模が飛躍的に増
大し、異常原因推論部(8)での推論時における知識デ
ータの検索に時間がかかり、異常に対する迅速な対応が
困難になるという問題があった。
また、予め知識データベースに格納されている異常原
因に関する因果関係の知識に合致するような故障が発生
した場合には診断が可能であるが、想定していないよう
な事象、異常パターンが発生した場合には、原因を同定
することができなかった。この問題を回避するには、発
生しうるすべての故障原因を予め想定しなくてはならな
いが、現実的でない。また、故障から発生する異常パタ
ーンも、時間の経過とともに変動するので、これを予め
網羅することは困難であるという問題があった。特に、
運転状態が変動しているプラントに発生した異常の原因
とそのパターンを予め想定することは困難であった。
因に関する因果関係の知識に合致するような故障が発生
した場合には診断が可能であるが、想定していないよう
な事象、異常パターンが発生した場合には、原因を同定
することができなかった。この問題を回避するには、発
生しうるすべての故障原因を予め想定しなくてはならな
いが、現実的でない。また、故障から発生する異常パタ
ーンも、時間の経過とともに変動するので、これを予め
網羅することは困難であるという問題があった。特に、
運転状態が変動しているプラントに発生した異常の原因
とそのパターンを予め想定することは困難であった。
(2)異常検知部の異常の判定で、予め定めた範囲によ
り異常の判定を行う方式では、プラントの運転状態の変
動時には、正常状態でもプラント動特性により、上記の
正常範囲外の状態となる場合があり、異常と誤検知する
問題がある。また、このような誤警報を避けるため、プ
ラントに設定されている警報の多くは、正常範囲を広く
設定していることがある。そのため実際に異常が発生し
ても、警報設定点に到達するまで診断が開始されず、警
報が発生した時点では、すでにプラントを正常に復帰す
ることが困難になってしまうような問題があった。
り異常の判定を行う方式では、プラントの運転状態の変
動時には、正常状態でもプラント動特性により、上記の
正常範囲外の状態となる場合があり、異常と誤検知する
問題がある。また、このような誤警報を避けるため、プ
ラントに設定されている警報の多くは、正常範囲を広く
設定していることがある。そのため実際に異常が発生し
ても、警報設定点に到達するまで診断が開始されず、警
報が発生した時点では、すでにプラントを正常に復帰す
ることが困難になってしまうような問題があった。
(3)知識データベースの知識ベースは、異常の原因と
その波及パターンの関係の知識を格納しているため、直
接の異常原因が判明するまで診断結果を提示できない問
題点があった。
その波及パターンの関係の知識を格納しているため、直
接の異常原因が判明するまで診断結果を提示できない問
題点があった。
(4)知識データベースの知識ベースは、異常の原因と
その波及パターンの関係の知識を格納しているため、検
知された異常の直接の原因ではない制御系機器の不動
作、すなわち、異常を正常な状態に復帰するために作動
すべき機器の不動作故障を同定することができない問題
があった。
その波及パターンの関係の知識を格納しているため、検
知された異常の直接の原因ではない制御系機器の不動
作、すなわち、異常を正常な状態に復帰するために作動
すべき機器の不動作故障を同定することができない問題
があった。
この発明は、上記のような問題点を解消するためにな
されたもので、 異常発生時のプラントの多様な状態変動から異常原因
を判断できるとともに、 プラントの運転状態が変動している場合にも、精度良
く異常を検知し、異常原因同定ができる、 また、異常第1原因が判明しない場合でも、異常原因
を包含した異常事象として原因を提供できとる、 また、異常を正常に復旧するための機能を有した機器
の故障も異常の第1原因とともに同定できるプラントの
異常診断装置を得ることを目的としている。
されたもので、 異常発生時のプラントの多様な状態変動から異常原因
を判断できるとともに、 プラントの運転状態が変動している場合にも、精度良
く異常を検知し、異常原因同定ができる、 また、異常第1原因が判明しない場合でも、異常原因
を包含した異常事象として原因を提供できとる、 また、異常を正常に復旧するための機能を有した機器
の故障も異常の第1原因とともに同定できるプラントの
異常診断装置を得ることを目的としている。
[課題を解決するための手段] この発明に係るプラントの異常診断装置は、物理的プ
ロセスや化学的プロセスを利用してエネルギーや物質を
生成するプロセスプラントの観測信号の異常を検知し、
その原因を同定し、プラント運転員にその結果を提供す
るプラントの異常診断装置において、 正常なプラントの構成装置の特性・機能、物理量間に
成立する特性を記述した知識にもとづき、検知された異
常およびその他の観測信号から異常原因候補を推定し、
その候補から推定できるプロセス量の状態、機器の動作
の変動と観測信号とが一致する原因候補を異常の第1原
因と判定する手段を設けるとともに、 特許請求の範囲第1項記載の発明によれば、プラント
の運転モードを決めるパラメータをもとに、実時間でプ
ラントの動的な挙動を模擬して推定する手段とを備え、
その推定結果と上記プラント観測値との比較により異常
を検知して異常原因候補の推定に利用する。
ロセスや化学的プロセスを利用してエネルギーや物質を
生成するプロセスプラントの観測信号の異常を検知し、
その原因を同定し、プラント運転員にその結果を提供す
るプラントの異常診断装置において、 正常なプラントの構成装置の特性・機能、物理量間に
成立する特性を記述した知識にもとづき、検知された異
常およびその他の観測信号から異常原因候補を推定し、
その候補から推定できるプロセス量の状態、機器の動作
の変動と観測信号とが一致する原因候補を異常の第1原
因と判定する手段を設けるとともに、 特許請求の範囲第1項記載の発明によれば、プラント
の運転モードを決めるパラメータをもとに、実時間でプ
ラントの動的な挙動を模擬して推定する手段とを備え、
その推定結果と上記プラント観測値との比較により異常
を検知して異常原因候補の推定に利用する。
また、特許請求の範囲第2項記載の発明によれば、プ
ラントの構成装置の特性・機能、物理量間に成立する特
性の知識を階層的に構造化した知識を格納した知識ベー
スと、検知された異常からこの階層構造を上層から下層
に異常原因を検索し、異常第1原因が同定できない場合
でも、知識ベースの上層の知識データベースから第1原
因を含んだより広範囲の系統を原因として同定する手段
を設けた。
ラントの構成装置の特性・機能、物理量間に成立する特
性の知識を階層的に構造化した知識を格納した知識ベー
スと、検知された異常からこの階層構造を上層から下層
に異常原因を検索し、異常第1原因が同定できない場合
でも、知識ベースの上層の知識データベースから第1原
因を含んだより広範囲の系統を原因として同定する手段
を設けた。
また、特許請求の範囲第3項記載の発明によれば、プ
ラントの構成装置の特性・機能、物理量間に成立する特
性を記述した知識データベースと、異常状態を正常に復
帰するために動作すべき機器が動作しない不動作故障を
同定する手段を設けたものである。
ラントの構成装置の特性・機能、物理量間に成立する特
性を記述した知識データベースと、異常状態を正常に復
帰するために動作すべき機器が動作しない不動作故障を
同定する手段を設けたものである。
[作用] この発明においては、 プラントの構成装置の特性・機能、物理量間に成立す
る特性を記述した知識からプラントの挙動を推定できる
モデルが構成され、このモデルにより異常が発生した場
合の異常第1原因からの影響波及経路を推定でき、原因
を同定する。
る特性を記述した知識からプラントの挙動を推定できる
モデルが構成され、このモデルにより異常が発生した場
合の異常第1原因からの影響波及経路を推定でき、原因
を同定する。
さらに、特許請求の範囲第1項記載の発明によれば、
プラントの運転モードを決めるパラメータから、運転状
態が変動中のプラント全系の動的な挙動を定量的に推定
し、観測値と比較することにより異常を検知する。さら
に、検知した異常から第1原因を推定する場合に、定量
的に推定した状態と観測状態が一致するものを異常原因
候補から除害することにより効率的に原因を推定でき
る。
プラントの運転モードを決めるパラメータから、運転状
態が変動中のプラント全系の動的な挙動を定量的に推定
し、観測値と比較することにより異常を検知する。さら
に、検知した異常から第1原因を推定する場合に、定量
的に推定した状態と観測状態が一致するものを異常原因
候補から除害することにより効率的に原因を推定でき
る。
また、特許請求の範囲第2項記載の発明によれば、プ
ラントの構成装置の特性・機能、物理量間に成立する特
性の知識を階層的に構造化した知識から、プラントの挙
動と機能を階層的に表現するモデルが構築され、検知さ
れた異常からこのモデルの階層構造を上層から下層に異
常原因を探索する。異常第1原因が同定できない場合で
も、モデルの上層により表現されている第1原因を含ん
だより広範囲の系統を原因として同定する。
ラントの構成装置の特性・機能、物理量間に成立する特
性の知識を階層的に構造化した知識から、プラントの挙
動と機能を階層的に表現するモデルが構築され、検知さ
れた異常からこのモデルの階層構造を上層から下層に異
常原因を探索する。異常第1原因が同定できない場合で
も、モデルの上層により表現されている第1原因を含ん
だより広範囲の系統を原因として同定する。
また、特許請求の範囲第3項記載の発明によれば、プ
ラントの構成装置の特性・機能、物理量間に成立する特
性を記述した知識からプラントの挙動を推定できるモデ
ルが構成され、これにより、異常が発生した場合にプラ
ント機器が動作すべき状態が推定できる。これにより、
動作すべき機器が動作していない故障を同定する。
ラントの構成装置の特性・機能、物理量間に成立する特
性を記述した知識からプラントの挙動を推定できるモデ
ルが構成され、これにより、異常が発生した場合にプラ
ント機器が動作すべき状態が推定できる。これにより、
動作すべき機器が動作していない故障を同定する。
[実施例] 以下、本願の第1の発明の一実施例を図について説明
する。第1図において、プラント異常診断装置(1)
は、発電プラント(2)よりプロセス量A1、機器の動作
状態A2を読み込み、プラントデータベース(7)に記録
するプロセス入力部(3)と、上記プラントデータベー
ス(7)からプラント状態データBを入力し、知識デー
タベース(9)に格納されたプロセス量の運転目標値の
評価法J2に従い、目標値Cを計算し、上記プラントデー
タベース(7)に記録する運転目標値評価部(4)と、
上記プラントデータベース(7)から読み込んだプロセ
ス量の状態データF1とそのプロセス量の運転目標値F2の
偏差と、知識データベース(9)に格納された異常判定
用のしきい値J3から異常を検知し、検知した異常データ
Gを上記プラントデータベース(7)へ記録する異常検
知部(6)と、発電プラント(2)を構成する機器の機
能的・構造的関係、物理的関係を記述したプラント機能
知識J1を記録する知識データベース(9)と、上記プラ
ントデータベース(7)から読み込んだ検知異常データ
H1、プラント状態データH2と、知識データベース(9)
から読み込んだプラント機能知識Jにより異常第1原因
の推論を行い、推論過程結果Iを前記プラントデータベ
ース(7)へ記録し、診断結果Kを表示装置(10)へ出
力する異常原因推論部(8)と、診断結果Kを運転員に
分かりやすい形式に変換した結果LをCRT表示装置(1
1)に出力する処理を行う表示処理部(10)とからな
る。
する。第1図において、プラント異常診断装置(1)
は、発電プラント(2)よりプロセス量A1、機器の動作
状態A2を読み込み、プラントデータベース(7)に記録
するプロセス入力部(3)と、上記プラントデータベー
ス(7)からプラント状態データBを入力し、知識デー
タベース(9)に格納されたプロセス量の運転目標値の
評価法J2に従い、目標値Cを計算し、上記プラントデー
タベース(7)に記録する運転目標値評価部(4)と、
上記プラントデータベース(7)から読み込んだプロセ
ス量の状態データF1とそのプロセス量の運転目標値F2の
偏差と、知識データベース(9)に格納された異常判定
用のしきい値J3から異常を検知し、検知した異常データ
Gを上記プラントデータベース(7)へ記録する異常検
知部(6)と、発電プラント(2)を構成する機器の機
能的・構造的関係、物理的関係を記述したプラント機能
知識J1を記録する知識データベース(9)と、上記プラ
ントデータベース(7)から読み込んだ検知異常データ
H1、プラント状態データH2と、知識データベース(9)
から読み込んだプラント機能知識Jにより異常第1原因
の推論を行い、推論過程結果Iを前記プラントデータベ
ース(7)へ記録し、診断結果Kを表示装置(10)へ出
力する異常原因推論部(8)と、診断結果Kを運転員に
分かりやすい形式に変換した結果LをCRT表示装置(1
1)に出力する処理を行う表示処理部(10)とからな
る。
上記プラントデータベース(7)は、第2図に示すよ
うに、各プラントデータに関し、プラントデータの名称
と、それぞれの観測値、運転目標値をまとめて記録する
機構(121)と、異常判定結果(122)、推論結果(12
3)を記録する機構で構成する。
うに、各プラントデータに関し、プラントデータの名称
と、それぞれの観測値、運転目標値をまとめて記録する
機構(121)と、異常判定結果(122)、推論結果(12
3)を記録する機構で構成する。
本願の第2の発明の一実施例を図について説明する。
第10図において、プラント異常診断装置(1)は発電
プラント(2)よりプロセス量A1、機器の動作状態A2を
読み込み、プラントデータベース(7)に記録するプロ
セス入力部(3)と、上記プラントデータベース(7)
からプラント状態データBを入力し、知識データベース
(9)に格納されたプロセス量の運転目標値の評価法J2
に従い、目標値Cを計算し、上記プラントデータベース
(7)に記録する運転目標値評価部(4)と、上記プラ
ントデータベース(7)から読み込んだプラント状態デ
ータDから各プロセス量と操作機器の動的な挙動状態E
を定量的に推定し、上記プラントデータベース(7)へ
記録するプラントシミュレーション部(5)と、上記プ
ラントデータベース(7)から読み込んだプラント状態
データF1とプラントシミュレーション結果F2の偏差と、
知識データベース(9)に格納された異常判定用のしき
い値J3から異常を検知し、検知した異常データGを上記
プラントデータベース(7)へ記録する異常検知部
(6)と、発電プラント(2)を構成する機器の機能的
・構造的関係、物理的関係を記述したプラント機能知識
Jを記録する知識データベース(9)と、上記プラント
データベース(7)から読み込んだ検知異常データH1、
プラント状態データH2と、知識データベース(9)から
読み込んだプラント機能知識Jにより異常第1原因の推
論を行い、推論過程結果Iを上記プラントデータベース
(7)へ記録し、診断結果Kを表示装置(10)へ出力す
る異常原因推論部(8)と、診断結果Kを運転員に分か
りやすい形式に変換した結果LをCRT表示装置(11)に
出力する処理を行う表示処理部(10)とからなる。
プラント(2)よりプロセス量A1、機器の動作状態A2を
読み込み、プラントデータベース(7)に記録するプロ
セス入力部(3)と、上記プラントデータベース(7)
からプラント状態データBを入力し、知識データベース
(9)に格納されたプロセス量の運転目標値の評価法J2
に従い、目標値Cを計算し、上記プラントデータベース
(7)に記録する運転目標値評価部(4)と、上記プラ
ントデータベース(7)から読み込んだプラント状態デ
ータDから各プロセス量と操作機器の動的な挙動状態E
を定量的に推定し、上記プラントデータベース(7)へ
記録するプラントシミュレーション部(5)と、上記プ
ラントデータベース(7)から読み込んだプラント状態
データF1とプラントシミュレーション結果F2の偏差と、
知識データベース(9)に格納された異常判定用のしき
い値J3から異常を検知し、検知した異常データGを上記
プラントデータベース(7)へ記録する異常検知部
(6)と、発電プラント(2)を構成する機器の機能的
・構造的関係、物理的関係を記述したプラント機能知識
Jを記録する知識データベース(9)と、上記プラント
データベース(7)から読み込んだ検知異常データH1、
プラント状態データH2と、知識データベース(9)から
読み込んだプラント機能知識Jにより異常第1原因の推
論を行い、推論過程結果Iを上記プラントデータベース
(7)へ記録し、診断結果Kを表示装置(10)へ出力す
る異常原因推論部(8)と、診断結果Kを運転員に分か
りやすい形式に変換した結果LをCRT表示装置(11)に
出力する処理を行う表示処理部(10)とからなる。
上記プラントデータベース(7)は、第11図に示すよ
うに、各プラントデータに関し、プラントデータの名称
と、それぞれの観測値、運転目標値、プラントシミュレ
ーション結果をまとめて記録する機構(221)と、異常
判定結果(222)、推論結果(223)を記録する機構で構
成する。
うに、各プラントデータに関し、プラントデータの名称
と、それぞれの観測値、運転目標値、プラントシミュレ
ーション結果をまとめて記録する機構(221)と、異常
判定結果(222)、推論結果(223)を記録する機構で構
成する。
本願の第3、第4の発明の一実施例は、第一、第2の
発明で示した実施例のいずれでもよい。
発明で示した実施例のいずれでもよい。
以下に、知識データベース(9)に格納されている診
断対象の発電プラントの機能的関係、物理的関係を記述
した知識に関して説明する。
断対象の発電プラントの機能的関係、物理的関係を記述
した知識に関して説明する。
診断は、プラントの多様な挙動を対象のモデルに基づ
いて推定することにより実行する。このモデルは、ある
時点のプラントの状態から次の時点のプラントの状態を
推定できるモデルで、第3図のように対象のプラントを
構成している機器(機器1)、(機器2)・・・と、そ
れらの機器で操作される物理量(物理量1)、(物理量
2)、・・・をノードとし、それらの間で成立している
関係をリンク(リンク1)、(リンク2)、・・・とし
たネットワークグラフで表現する。リンクの方向は、状
態の変動が伝播する方向を表わす。プラントの状態変化
は、このリンクの結合の方向に沿って伝播する変動状態
を推定することにより予測する。
いて推定することにより実行する。このモデルは、ある
時点のプラントの状態から次の時点のプラントの状態を
推定できるモデルで、第3図のように対象のプラントを
構成している機器(機器1)、(機器2)・・・と、そ
れらの機器で操作される物理量(物理量1)、(物理量
2)、・・・をノードとし、それらの間で成立している
関係をリンク(リンク1)、(リンク2)、・・・とし
たネットワークグラフで表現する。リンクの方向は、状
態の変動が伝播する方向を表わす。プラントの状態変化
は、このリンクの結合の方向に沿って伝播する変動状態
を推定することにより予測する。
プラントは、明確な目的を持って設計されており、最
上位の目的は、例えば、原子力プラントの場合、安全性
の確保と、電力の発生と考える。この上位の目的を達成
するため、幾つかの下位目標(機能)が設定され、全体
として階層構造となる。上位の目的から下位の階層への
機能の分解は、機能説明書等の設計図書から判断しモデ
ルに反映する。本方式のモデル化では、この目的・機能
は、その対象である物理量をある状態値とする事と等価
であるという考えに基づき、抽象的な目的・機能の目標
を観測あるいは定量的に評価可能な物理量(保有量、除
熱量等)を用いて表現する。これにより、目的・機能の
達成評価は、その目標となっている物理量の値により具
体的に判定できる。物理量のモデル化では、このような
目的・機能を表現するもの(目標物理量と呼ぶ)と、そ
れを達成するために操作する物理量(操作物理量と呼
ぶ)に区別し、機能的関係により結合する。例えば、目
標物理量の加圧器水位と機能的関係にある操作物理量は
加圧器充填・抽出流量偏差である。
上位の目的は、例えば、原子力プラントの場合、安全性
の確保と、電力の発生と考える。この上位の目的を達成
するため、幾つかの下位目標(機能)が設定され、全体
として階層構造となる。上位の目的から下位の階層への
機能の分解は、機能説明書等の設計図書から判断しモデ
ルに反映する。本方式のモデル化では、この目的・機能
は、その対象である物理量をある状態値とする事と等価
であるという考えに基づき、抽象的な目的・機能の目標
を観測あるいは定量的に評価可能な物理量(保有量、除
熱量等)を用いて表現する。これにより、目的・機能の
達成評価は、その目標となっている物理量の値により具
体的に判定できる。物理量のモデル化では、このような
目的・機能を表現するもの(目標物理量と呼ぶ)と、そ
れを達成するために操作する物理量(操作物理量と呼
ぶ)に区別し、機能的関係により結合する。例えば、目
標物理量の加圧器水位と機能的関係にある操作物理量は
加圧器充填・抽出流量偏差である。
このモデル化の考え方に基づいてプラントに関する知
識を知識データベース(9)に格納する。このモデルに
基づいた知識は、第4図、第5図に示したような構成要
素(ノード)の定義に関する知識(1411)(1421)、構
成要素間の関係(リンク)に関する知識(1412)(142
2)〜(1424)で構成する。
識を知識データベース(9)に格納する。このモデルに
基づいた知識は、第4図、第5図に示したような構成要
素(ノード)の定義に関する知識(1411)(1421)、構
成要素間の関係(リンク)に関する知識(1412)(142
2)〜(1424)で構成する。
図に示したように、ノードの定義に関する知識は、物
理量ノードについては、物理量の名称、目標物理量・操
作物理量の分類、運転目標値を計算する定義式とその正
常範囲等で構成し(1411)、機器ノードについては、機
器の名称、弁・ポンプ等の機器の種類、運転目標値を計
算する定義式とその正常範囲等で構成する(1421)。
理量ノードについては、物理量の名称、目標物理量・操
作物理量の分類、運転目標値を計算する定義式とその正
常範囲等で構成し(1411)、機器ノードについては、機
器の名称、弁・ポンプ等の機器の種類、運転目標値を計
算する定義式とその正常範囲等で構成する(1421)。
一方、リンクの定義に関する知識は、機器の動作と物
理量の影響、その関係の強さ、機能的関係の有無に関す
る知識で構成し(1422)(1424)、物理保存則に従った
物理量同士の関係、関係の強さ、機能的関係の有無に関
する等で構成される(1412)(1423)。特に、物理量間
の関係では、プラントの動特性による変動を定性的に予
測するため質量、エネルギー保存則に従った変動を扱う
ために、これらのバランスを変動させる要因である入出
流量偏差量も陽にモデルで表現し、影響波及先の質量、
エネルギーを現す物理量と結合する。
理量の影響、その関係の強さ、機能的関係の有無に関す
る知識で構成し(1422)(1424)、物理保存則に従った
物理量同士の関係、関係の強さ、機能的関係の有無に関
する等で構成される(1412)(1423)。特に、物理量間
の関係では、プラントの動特性による変動を定性的に予
測するため質量、エネルギー保存則に従った変動を扱う
ために、これらのバランスを変動させる要因である入出
流量偏差量も陽にモデルで表現し、影響波及先の質量、
エネルギーを現す物理量と結合する。
本願の第3の発明では、知識ベースに第13図に示すよ
うな並列結合、直列結合などの機器の系統構成を階層化
した知識も格納する。すなわち、機器には、安全性の向
上のため、同一の機能を持つ同一機器を複数設置する場
合がある。モデルでは、このような機器を一つにまとめ
抽象的な機器として表現し、個々の機器とそれをまとめ
た抽象的機器とは構造的関係で結合する。例えば、圧力
上昇を防ぐための圧力逃し弁が並列に設置されている場
合、各弁(311)〜(313)と抽象化した並列弁(314)
を構造的関係で結合する。また、機器の系統構成によっ
ては、抽象化階層は複数ある場合がある(315)。
うな並列結合、直列結合などの機器の系統構成を階層化
した知識も格納する。すなわち、機器には、安全性の向
上のため、同一の機能を持つ同一機器を複数設置する場
合がある。モデルでは、このような機器を一つにまとめ
抽象的な機器として表現し、個々の機器とそれをまとめ
た抽象的機器とは構造的関係で結合する。例えば、圧力
上昇を防ぐための圧力逃し弁が並列に設置されている場
合、各弁(311)〜(313)と抽象化した並列弁(314)
を構造的関係で結合する。また、機器の系統構成によっ
ては、抽象化階層は複数ある場合がある(315)。
配管は、第14図のように、配管で破断が発生した場合
に高圧則の内容物の圧力減少が時間遅れなく及ぶ範囲を
同一境界の配管としてモデル化する。一方、配管が破断
した場合、配管外への影響は破断場所により異なる。従
って、同一境界の配管を配管外の影響が異なる部分に分
割し、同一境界の配管と構造的関係で結合する。
に高圧則の内容物の圧力減少が時間遅れなく及ぶ範囲を
同一境界の配管としてモデル化する。一方、配管が破断
した場合、配管外への影響は破断場所により異なる。従
って、同一境界の配管を配管外の影響が異なる部分に分
割し、同一境界の配管と構造的関係で結合する。
以下、本願の第1の発明の動作について説明する。診
断は、一定周期毎に第6図に示すプロセス入力(15
1)、運転目標値評価(152)、異常検知判定(153)、
異常有無判定(154)を繰り返す。プロセス入力処理(1
51)は、プロセス入力部(3)で実行され、プラントか
らデータ入力を入力し、単位変換し、プラントデータベ
ース(7)の該当場所に記録するステップである。
断は、一定周期毎に第6図に示すプロセス入力(15
1)、運転目標値評価(152)、異常検知判定(153)、
異常有無判定(154)を繰り返す。プロセス入力処理(1
51)は、プロセス入力部(3)で実行され、プラントか
らデータ入力を入力し、単位変換し、プラントデータベ
ース(7)の該当場所に記録するステップである。
運転目標値評価(152)は、知識データベース(9)
から運転目標値定義式を読み込み、この定義式で参照し
ているプラント状態データをプラントデータベース
(7)から読み込んで計算し、プラントデータベース
(7)の該当場所(121)に記録するステップである。
から運転目標値定義式を読み込み、この定義式で参照し
ているプラント状態データをプラントデータベース
(7)から読み込んで計算し、プラントデータベース
(7)の該当場所(121)に記録するステップである。
異常検知処理(153)は、知識データベース(9)か
ら異常判定用の正常値範囲の読み込み、プラント状態デ
ータと運転目標値とこの正常範囲から異常を判定し、プ
ラントデータベース(7)の該当場所(122)に記録す
るステップである。この比較方法としては、第8図に示
したような方法が考えられる。ここで、横軸は観測値と
運転目標値の偏差で、eは、正常範囲を決めるしきい値
である。図のように、しきい値付近での異常判定の不確
定さを回避するため、異常の判定に0.5から1の範囲の
確信度を設ける。確信度の値が大きいほど、確実な判定
であることを示す。異常の判定では、運転目標値よりプ
ラント状態が大きい場合は、「高異常」とし、小さい場
合は、「低異常」とする。この判定により、「高異
常」、「低異常」と判定されたプロセス量の名称をプラ
ントデータベース(7)の該当場所122に記録する。
ら異常判定用の正常値範囲の読み込み、プラント状態デ
ータと運転目標値とこの正常範囲から異常を判定し、プ
ラントデータベース(7)の該当場所(122)に記録す
るステップである。この比較方法としては、第8図に示
したような方法が考えられる。ここで、横軸は観測値と
運転目標値の偏差で、eは、正常範囲を決めるしきい値
である。図のように、しきい値付近での異常判定の不確
定さを回避するため、異常の判定に0.5から1の範囲の
確信度を設ける。確信度の値が大きいほど、確実な判定
であることを示す。異常の判定では、運転目標値よりプ
ラント状態が大きい場合は、「高異常」とし、小さい場
合は、「低異常」とする。この判定により、「高異
常」、「低異常」と判定されたプロセス量の名称をプラ
ントデータベース(7)の該当場所122に記録する。
異常有無判定(154)は、プラントデータベース
(7)に異常と判定されたプロセス量が(122)に存在
するかどうか調べるステップである。ここで、異常と判
定されたプロセス量が無ければ、異常第1原因推定処理
を終了し、次の異常検知処理(151)に進む。異常と判
定されたプロセス量があれば、その原因を推定する探索
開始異常選択処理(155)に進む。
(7)に異常と判定されたプロセス量が(122)に存在
するかどうか調べるステップである。ここで、異常と判
定されたプロセス量が無ければ、異常第1原因推定処理
を終了し、次の異常検知処理(151)に進む。異常と判
定されたプロセス量があれば、その原因を推定する探索
開始異常選択処理(155)に進む。
探索開始異常選択処理(155)から以降の異常原因の
推定処理は、知識データベース(9)に格納されたプラ
ントのモデルのネットワークの結合子の逆方向に辿るこ
とにより行なう。これは、異常の影響は、ネットワーク
モデルの結合子の矢印の方向で伝播するという考え方に
基づいている。第9図は、プロセスのモデル上に以下に
説明する原因探索の過程を示した図である。
推定処理は、知識データベース(9)に格納されたプラ
ントのモデルのネットワークの結合子の逆方向に辿るこ
とにより行なう。これは、異常の影響は、ネットワーク
モデルの結合子の矢印の方向で伝播するという考え方に
基づいている。第9図は、プロセスのモデル上に以下に
説明する原因探索の過程を示した図である。
探索開始異常選択処理(155)は、プラントデータベ
ース(7)の検知異常プロセス量(122)から異常原因
探索処理が実行されていない任意の一つを選び、その原
因の同定処理開始点をネットワークモデル上で決定する
ステップである。選択した異常プロセス量の種類によ
り、異常原因の探索開始点を次のように決める。
ース(7)の検知異常プロセス量(122)から異常原因
探索処理が実行されていない任意の一つを選び、その原
因の同定処理開始点をネットワークモデル上で決定する
ステップである。選択した異常プロセス量の種類によ
り、異常原因の探索開始点を次のように決める。
「異常プロセス量が操作物理量(181)ならば、その
機能結合先の状態物理量(182)を異常原因探索開始点
とする」 「異常プロセス量が状態物理量ならば、その物理量を異
常原因探索開始点とする(182)」 探索開始異常有無判定(156)は、全ての検知異常プ
ロセス量の異常原因の探索が行われているか調べるステ
ップである。次に実行する第1原因推定処理(157)
で、推定された第1原因とそれから影響を受ける全ての
プロセス量の関係づけられる。従って、検知された原因
と関係のない異常プロセス量が存在すれば、複数の原因
が同時に発生していると判断し、その原因の探索を行
う。本ステップにより、プラントに発生した全ての異常
原因を探索することになる。
機能結合先の状態物理量(182)を異常原因探索開始点
とする」 「異常プロセス量が状態物理量ならば、その物理量を異
常原因探索開始点とする(182)」 探索開始異常有無判定(156)は、全ての検知異常プ
ロセス量の異常原因の探索が行われているか調べるステ
ップである。次に実行する第1原因推定処理(157)
で、推定された第1原因とそれから影響を受ける全ての
プロセス量の関係づけられる。従って、検知された原因
と関係のない異常プロセス量が存在すれば、複数の原因
が同時に発生していると判断し、その原因の探索を行
う。本ステップにより、プラントに発生した全ての異常
原因を探索することになる。
探索開始点がなければ、全ての検知異常プロセス量の
原因探索が終了したことになるので、次の異常検知処理
(151)に進む。
原因探索が終了したことになるので、次の異常検知処理
(151)に進む。
第1原因推定処理(157)は、異常原因探索開始点か
らネットワークモデルを辿り、異常原因を探索するステ
ップである。
らネットワークモデルを辿り、異常原因を探索するステ
ップである。
この第1原因推定処理は、第7図の異常波及経路候補
推定処理(161)から始まる。この処理は、第1原因探
索処理開始ノードに影響を与える可能性のあるノードの
中から、異常影響を与えていると考えられるノードを選
択するステップである。第1原因探索処理開始ノードに
影響を与える可能性のあるノード(183、184)は、ノー
ド間の関係に関する知識から判定する。例えば目標物理
量が低下中あるいは正常状態が持続しているが、増加作
用の制御機能が動作中であれば、減少作用の可能性のあ
る機器の状態を仮定する。
推定処理(161)から始まる。この処理は、第1原因探
索処理開始ノードに影響を与える可能性のあるノードの
中から、異常影響を与えていると考えられるノードを選
択するステップである。第1原因探索処理開始ノードに
影響を与える可能性のあるノード(183、184)は、ノー
ド間の関係に関する知識から判定する。例えば目標物理
量が低下中あるいは正常状態が持続しているが、増加作
用の制御機能が動作中であれば、減少作用の可能性のあ
る機器の状態を仮定する。
この探索処理により、第1原因の候補となるノードが
あるかどうかを判断する(162)。あれば、その中の一
つのノードを選び、次の異常影響波及確認処理(163)
に進み、なければ、原因未確認と判定する(164)。
あるかどうかを判断する(162)。あれば、その中の一
つのノードを選び、次の異常影響波及確認処理(163)
に進み、なければ、原因未確認と判定する(164)。
異常影響波及確認処理(163)は、仮定した第1原因
の候補の影響を推定し、プラントの観測状態が推定した
状態を一致しているかどうかにより第1原因仮説を確定
するかどうかを判断するステップである。例えば、仮定
した第1原因の候補(183)の物理量(185)への影響が
減少作用で、影響先の物理量の状態が実際に減少中、あ
るいは、増加作用の機能(187)が動作中にも係わら
ず。物理量が変動していなければ、仮定が成立したと判
断し、次の第1原因判定処理(165)へ進む。逆に、仮
定した第1原因の候補(185)の物理量(186)への影響
が減少作用で、影響先の物理量の状態が減少していない
ならば、仮定は成立しないと判断し、(184)から先の
異常原因探索を中止し、別の異常波及経路へ異常原因の
探索を進める(162)。
の候補の影響を推定し、プラントの観測状態が推定した
状態を一致しているかどうかにより第1原因仮説を確定
するかどうかを判断するステップである。例えば、仮定
した第1原因の候補(183)の物理量(185)への影響が
減少作用で、影響先の物理量の状態が実際に減少中、あ
るいは、増加作用の機能(187)が動作中にも係わら
ず。物理量が変動していなければ、仮定が成立したと判
断し、次の第1原因判定処理(165)へ進む。逆に、仮
定した第1原因の候補(185)の物理量(186)への影響
が減少作用で、影響先の物理量の状態が減少していない
ならば、仮定は成立しないと判断し、(184)から先の
異常原因探索を中止し、別の異常波及経路へ異常原因の
探索を進める(162)。
本ステップの処理により、第1原因の探索と同時に、
第1原因から影響を受けて異常となっているプロセス量
(185)が判明し、プラントデータベース(7)の検知
異常プロセス量(122)の異常原因探索処理開始候補か
ら(185)を削除することができる。これにより、同一
の原因が多数の異常を引き起こしても、それを重複して
探索する事なく効率的に診断ができる。
第1原因から影響を受けて異常となっているプロセス量
(185)が判明し、プラントデータベース(7)の検知
異常プロセス量(122)の異常原因探索処理開始候補か
ら(185)を削除することができる。これにより、同一
の原因が多数の異常を引き起こしても、それを重複して
探索する事なく効率的に診断ができる。
この異常影響波及確認処理により、第1原因の候補の
ノードが推定できれば、そのノードが第1原因か、第1
原因の影響を受けているノードかどうかを判定する。基
本的にノードが機器ノードであれば、第1原因とし、プ
ラントデータベース(7)の該当場所(123)に記録
し、処理は終了する(166)。物理量ノードであればさ
らに第1原因の探索を進める(169)。
ノードが推定できれば、そのノードが第1原因か、第1
原因の影響を受けているノードかどうかを判定する。基
本的にノードが機器ノードであれば、第1原因とし、プ
ラントデータベース(7)の該当場所(123)に記録
し、処理は終了する(166)。物理量ノードであればさ
らに第1原因の探索を進める(169)。
第1原因の探索処理(167)は、再び第7図の異常波
及経路候補推定処理(161)から始まる処理を再帰的に
呼び出す。本処理により、異常の第1原因が確認されれ
ば、処理は終了する(166)。確認されなければ、別の
異常波及経路へ異常原因の探索を進める(162)。
及経路候補推定処理(161)から始まる処理を再帰的に
呼び出す。本処理により、異常の第1原因が確認されれ
ば、処理は終了する(166)。確認されなければ、別の
異常波及経路へ異常原因の探索を進める(162)。
同定第1原因有無判定(158)は、第1原因推定処理
(157)により第1原因が同定されているかどうか調べ
るステップである。同定されていれば、同定結果表示処
理(159)に進み、されていなければ、同定不能表示処
理(1591)に進む。
(157)により第1原因が同定されているかどうか調べ
るステップである。同定されていれば、同定結果表示処
理(159)に進み、されていなければ、同定不能表示処
理(1591)に進む。
同定結果表示処理(159)、同定不能表示処理(159
1)では、所定の結果の表示処理を実行し、さらに原因
の判明されていない異常原因探索処理に進む(155)。
1)では、所定の結果の表示処理を実行し、さらに原因
の判明されていない異常原因探索処理に進む(155)。
次に、本願の第2の発明の動作について説明する。診
断は、一定周期毎に第12図に示すプロセス入力(23
1)、プラントシミュレーション(2315)、運転目標値
評価(232)、異常検知判定(233)、異常有無判定(23
4)を繰り返す。
断は、一定周期毎に第12図に示すプロセス入力(23
1)、プラントシミュレーション(2315)、運転目標値
評価(232)、異常検知判定(233)、異常有無判定(23
4)を繰り返す。
プロセス入力処理(231)は、プロセス入力部(3)
で実行され、プラントからデータ入力を入力し、単位変
換し、プラントデータベース(7)の該当場所(221)
に記録するステップである。
で実行され、プラントからデータ入力を入力し、単位変
換し、プラントデータベース(7)の該当場所(221)
に記録するステップである。
プラントシミュレーション計算処理(2315)は、プラ
ントの運転モードを決める値、例えば、発電出力信号等
を入力とし、プラント全体の動的な挙動を計算し、プラ
ントデータベース(7)の該当場所(221)に記録する
ステップである。
ントの運転モードを決める値、例えば、発電出力信号等
を入力とし、プラント全体の動的な挙動を計算し、プラ
ントデータベース(7)の該当場所(221)に記録する
ステップである。
運転目標値評価(232)は、知識データベース(9)
から運転目標値定義式を読み込み、この定義式で参照し
ているプラント状態データをプラントデータベース
(7)から読み込んで計算し、プラントデータベース
(7)の該当場所(221)に記録するステップである。
から運転目標値定義式を読み込み、この定義式で参照し
ているプラント状態データをプラントデータベース
(7)から読み込んで計算し、プラントデータベース
(7)の該当場所(221)に記録するステップである。
異常検知処理(233)は、知識データベース(9)か
ら異常判定用の正常値範囲の読み込み、プラント状態デ
ータとプラントシミュレーション値とこの正常範囲から
異常を判定し、プラントデータベース(7)の該当場所
(222)に記録するステップである。この比較方法とし
ては、本願第1の発明と同様の方法が考えられる。この
方法により、プラントの運転モードが変動している場合
でも、正常な挙動がプラントシミュレーションにより得
られるので、高い精度で異常の検知ができる。
ら異常判定用の正常値範囲の読み込み、プラント状態デ
ータとプラントシミュレーション値とこの正常範囲から
異常を判定し、プラントデータベース(7)の該当場所
(222)に記録するステップである。この比較方法とし
ては、本願第1の発明と同様の方法が考えられる。この
方法により、プラントの運転モードが変動している場合
でも、正常な挙動がプラントシミュレーションにより得
られるので、高い精度で異常の検知ができる。
異常有無判定(234)以降の診断処理フローは、本願
第1の発明とほぼ同じである。処理の中で異なるのは、
本願第1の発明の処理フロー図第7図における異常波及
経路候補推定処理(161)の判定規則である。本願第2
の発明では、第1原因探索処理開始ノードに影響を与え
る可能性のあるノードの中から異常影響を与えていると
考えられるノードを探索する場合、プラントシミュレー
ションにより推定された値と観測値が同じ状態のノード
は、異常の影響を受けていないとして探索候補から外
す。これにより、プラント運転モード変動時に発生して
いる多くの物理量の変動の中から効率的に異常波及経路
を探索できる。
第1の発明とほぼ同じである。処理の中で異なるのは、
本願第1の発明の処理フロー図第7図における異常波及
経路候補推定処理(161)の判定規則である。本願第2
の発明では、第1原因探索処理開始ノードに影響を与え
る可能性のあるノードの中から異常影響を与えていると
考えられるノードを探索する場合、プラントシミュレー
ションにより推定された値と観測値が同じ状態のノード
は、異常の影響を受けていないとして探索候補から外
す。これにより、プラント運転モード変動時に発生して
いる多くの物理量の変動の中から効率的に異常波及経路
を探索できる。
次に本願の第3の発明の動作について説明する。
発明の実施例の項でも述べたが、本発明の実施例は、
本願発明の第1、第2いずれでも実現できる。ここでは
第1の発明の実施例の場合の動作について説明する。
本願発明の第1、第2いずれでも実現できる。ここでは
第1の発明の実施例の場合の動作について説明する。
第1の発明と異なるのは、対象プラントのモデル化に
構造的な情報が加えられていることである。この構造情
報を利用することにより異常第1原因が同定できない場
合でも、知識ベースの上層の知識データベースから第1
原因を含んだより広範囲の系統を原因として同定する。
構造的な情報が加えられていることである。この構造情
報を利用することにより異常第1原因が同定できない場
合でも、知識ベースの上層の知識データベースから第1
原因を含んだより広範囲の系統を原因として同定する。
第1の発明では、処理フロー第7図の処理ステップの
第1原因推定(167)の結果、第1原因と考えられる機
器が同定できなければ、別の候補を探索するステップに
進む(162)。
第1原因推定(167)の結果、第1原因と考えられる機
器が同定できなければ、別の候補を探索するステップに
進む(162)。
本発明では、この部分の処理フローが、第15図のよう
になり、原因探索の過程は、第16図のようになる。
になり、原因探索の過程は、第16図のようになる。
すなわち、第1原因推定(167)の結果、第1原因の
候補となる機器(341)(342)を同定できる物理量の状
態(345)が確認できなければ(331)、第1原因推定
(165)で異常原因探索対象となっていたノード(343)
が構造機器がどうか調べる(332)。このノード(343)
が構造機器ならば、これを第1原因を含んだ機器と判断
し、探索を終了する(166)。これは、異常影響波及確
認処理(163)によりこの構造機器ノード(343)が、異
常影響波及経路上にあることが物理量(344)で確認さ
れているので異常原因候補としてもよい。一方、このノ
ードが構造機器でなければ、別の候補を探索するステッ
プに進む(162)。
候補となる機器(341)(342)を同定できる物理量の状
態(345)が確認できなければ(331)、第1原因推定
(165)で異常原因探索対象となっていたノード(343)
が構造機器がどうか調べる(332)。このノード(343)
が構造機器ならば、これを第1原因を含んだ機器と判断
し、探索を終了する(166)。これは、異常影響波及確
認処理(163)によりこの構造機器ノード(343)が、異
常影響波及経路上にあることが物理量(344)で確認さ
れているので異常原因候補としてもよい。一方、このノ
ードが構造機器でなければ、別の候補を探索するステッ
プに進む(162)。
次に本願の第4の発明の動作について説明する。
発明の実施例の項でも述べたが、本発明の実施例は、
本願発明の第1、第2いずれでも実現できる。ここで
は、第1の発明の実施例の場合の動作について説明す
る。
本願発明の第1、第2いずれでも実現できる。ここで
は、第1の発明の実施例の場合の動作について説明す
る。
第1の発明と異なるのは、異常原因同定と同時に、発
生した異常に対して動作すべき機器の不動作を診断する
処理が追加されていることである。
生した異常に対して動作すべき機器の不動作を診断する
処理が追加されていることである。
第1の発明では、処理フロー第7図の処理ステップの
異常波及経路候補推定処理(161)の結果、波及経路候
補があれば、その仮説の確認処理に進む(163)。
異常波及経路候補推定処理(161)の結果、波及経路候
補があれば、その仮説の確認処理に進む(163)。
本発明では、この部分の処理フローが第17図のように
なり、原因探索の過程は、第18図のようになる。
なり、原因探索の過程は、第18図のようになる。
すなわち、異常波及経路候補推定処理(161)と同時
に、異常に対するプラント制御動作の確認を実施する
(411)。この処理は、異常原因探索対象の物理量(18
2)の異常変動を正常状態に復旧するために働くべき作
用を推定し、その作用を持つノード(421)が動作して
いるかどうかを調べる。例えば、異常変動が高異常であ
れば、正常に復旧するために減少作用が動作すべきであ
ることが推論できる。ノード(421)の実際の動作と推
定した動作が一致していれば、制御機能が正しく働いて
いると判断し(412)、一致していなければ、制御動作
不動作故障とする(413)。
に、異常に対するプラント制御動作の確認を実施する
(411)。この処理は、異常原因探索対象の物理量(18
2)の異常変動を正常状態に復旧するために働くべき作
用を推定し、その作用を持つノード(421)が動作して
いるかどうかを調べる。例えば、異常変動が高異常であ
れば、正常に復旧するために減少作用が動作すべきであ
ることが推論できる。ノード(421)の実際の動作と推
定した動作が一致していれば、制御機能が正しく働いて
いると判断し(412)、一致していなければ、制御動作
不動作故障とする(413)。
なお、上記実施例は、原子力発電プラントを対象とし
た異常診断装置であるが、診断対象は、他の発電プラン
トだけでなく、物理的プロセスや、化学的プロセスを利
用してエネルギーや物質を生成するプロセスプラントへ
適用することは可能である。
た異常診断装置であるが、診断対象は、他の発電プラン
トだけでなく、物理的プロセスや、化学的プロセスを利
用してエネルギーや物質を生成するプロセスプラントへ
適用することは可能である。
[発明の効果] 以上のようにこの発明によれば、 正常なプラントの構成装置の特性・機能、物理量間に
成立する特性を記述した知識にもとづき、検知された異
常およびその他の観測信号から異常原因候補を推定し、
その候補から推定できるプロセス量の状態、機器の動作
の変動と観測信号とが一致する原因候補を異常の第1原
因と判定する手段を設けたので、異常発生時のプラント
の多様な状態変動から異常原因を判断でき、 さらに、特許請求の範囲第1項記載の発明によれば、
プラントの運転モードを決めるパラメータをもとに実時
間でプラントの動的な挙動を模擬して推定する手段とを
備え、その推定結果と上記プラント観測値との比較によ
り異常を検知して異常原因候補の推定に利用するので、
プラントの運転状態が変動している場合にも、精度良く
異常を検知し、異常原因同定ができる。
成立する特性を記述した知識にもとづき、検知された異
常およびその他の観測信号から異常原因候補を推定し、
その候補から推定できるプロセス量の状態、機器の動作
の変動と観測信号とが一致する原因候補を異常の第1原
因と判定する手段を設けたので、異常発生時のプラント
の多様な状態変動から異常原因を判断でき、 さらに、特許請求の範囲第1項記載の発明によれば、
プラントの運転モードを決めるパラメータをもとに実時
間でプラントの動的な挙動を模擬して推定する手段とを
備え、その推定結果と上記プラント観測値との比較によ
り異常を検知して異常原因候補の推定に利用するので、
プラントの運転状態が変動している場合にも、精度良く
異常を検知し、異常原因同定ができる。
また、特許請求の範囲第2項記載の発明によれば、プ
ラントの構成装置の特性・機能、物理量間に成立する特
性の知識を階層的に構造化した知識を格納した知識ベー
スと、検知された異常からこの階層構造を上層から下層
に異常原因を探索する手段を設けたので、異常第1原因
が判明しない場合でも、異常原因を包含した異常事象と
して原因を提供できる。
ラントの構成装置の特性・機能、物理量間に成立する特
性の知識を階層的に構造化した知識を格納した知識ベー
スと、検知された異常からこの階層構造を上層から下層
に異常原因を探索する手段を設けたので、異常第1原因
が判明しない場合でも、異常原因を包含した異常事象と
して原因を提供できる。
また、特許請求の範囲第3項記載の発明によれば、プ
ラントの構成装置の特性・機能、物理量間に成立する特
性を記述した知識データベースと、異常状態を正常に復
帰するために動作すべき機器が動作しない不動作故障を
同定する手段を設けたので、異常を正常に復旧するため
の機能を有した機器の故障も異常の第1原因とともに同
定できる。
ラントの構成装置の特性・機能、物理量間に成立する特
性を記述した知識データベースと、異常状態を正常に復
帰するために動作すべき機器が動作しない不動作故障を
同定する手段を設けたので、異常を正常に復旧するため
の機能を有した機器の故障も異常の第1原因とともに同
定できる。
第1図は本願の第1の発明によるプラント異常診断装置
の一実施例の全体構成図、第2図は、その異常診断装置
の一構成要素であるプラントデータベースの内部構成
図、第3図は、診断対象のモデル化概念図、第4図、第
5図は、診断対象の知識ベース内容例の表示図、第6
図、第7図は、第1の発明の動作を示すフローチャー
ト、第8図は異常程度を示す評価関数の特性図、第9図
は、診断過程のモデル上での説明図、第10図は本願の第
2の発明によるプラント異常診断装置の一実施例の全体
構成図、第11図は、その異常診断装置の一構成要素であ
るプラントデータベースの内部構成図、第12図は、第2
の発明の動作を示すフローチャート、第13図、第14図は
本願の第3の発明による診断対象のモデル比例の表示
図、第15図は、第3の発明の動作を示すフローチャー
ト、第16図は、診断過程のモデル上での説明図、第17図
は、本願の第4の発明の動作を示すフローチャート、第
18図は、診断過程のモデル上での説明図、第19図は従来
の診断方式によるプラント異常診断装置の一実施例の全
体構成図、第20図は、その動作を示すフローチャート、
第21図は、診断対象の知識ベース内容例の表示図であ
る。 図において、(1)はプラントの異常診断装置、(2)
は発電プラント、(3)はプロセス入力部、(4)は運
転目標値評価部、(5)はプラントシミュレーション
部、(6)は異常検知部、(7)はプラントデータベー
ス、(8)は異常原因推論部、(9)は知識データベー
ス、(10)は表示装置部、(11)は表示装置である。 なお、図中同一符号は、同一または相当部分を示す。
の一実施例の全体構成図、第2図は、その異常診断装置
の一構成要素であるプラントデータベースの内部構成
図、第3図は、診断対象のモデル化概念図、第4図、第
5図は、診断対象の知識ベース内容例の表示図、第6
図、第7図は、第1の発明の動作を示すフローチャー
ト、第8図は異常程度を示す評価関数の特性図、第9図
は、診断過程のモデル上での説明図、第10図は本願の第
2の発明によるプラント異常診断装置の一実施例の全体
構成図、第11図は、その異常診断装置の一構成要素であ
るプラントデータベースの内部構成図、第12図は、第2
の発明の動作を示すフローチャート、第13図、第14図は
本願の第3の発明による診断対象のモデル比例の表示
図、第15図は、第3の発明の動作を示すフローチャー
ト、第16図は、診断過程のモデル上での説明図、第17図
は、本願の第4の発明の動作を示すフローチャート、第
18図は、診断過程のモデル上での説明図、第19図は従来
の診断方式によるプラント異常診断装置の一実施例の全
体構成図、第20図は、その動作を示すフローチャート、
第21図は、診断対象の知識ベース内容例の表示図であ
る。 図において、(1)はプラントの異常診断装置、(2)
は発電プラント、(3)はプロセス入力部、(4)は運
転目標値評価部、(5)はプラントシミュレーション
部、(6)は異常検知部、(7)はプラントデータベー
ス、(8)は異常原因推論部、(9)は知識データベー
ス、(10)は表示装置部、(11)は表示装置である。 なお、図中同一符号は、同一または相当部分を示す。
Claims (3)
- 【請求項1】物理的プロセスや化学的プロセスを利用し
てエネルギーや物質を生成するプロセスプラントからの
観測信号の異常を検知し、その原因を同定し、プラント
運転員にその結果を提供するプラント異常診断装置にお
いて、上記プラントの構成装置の特性・機能、物理量間
に成立する特性を記述した知識を格納した知識ベース
と、検知された異常およびその他の観測信号から異常原
因候補を推定し、その候補から推定できるプロセス量の
状態、機器の動作の変動と観測信号とが一致する原因候
補を異常の第1原因と判定する手段と、プラントから得
られるプラントの運転モードを決めるパラメータをもと
に実時間でプラントの挙動を模擬して推定する手段とを
備え、その推定結果と上記プラント観測値との比較によ
り異常を検知して異常原因候補の推定に利用することを
特徴とするプラントの異常診断装置。 - 【請求項2】物理的プロセスや化学的プロセスを利用し
てエネルギーや物質を生成するプロセスプラントからの
観測信号の異常を検知し、その原因を同定し、プラント
運転員にその結果を提供するプラント異常診断装置にお
いて、上記プラントの構成装置の特性・機能、物理量間
に成立する特性を記述した知識を格納した知識ベース
と、検知された異常およびその他の観測信号から異常原
因候補を推定し、その候補から推定できるプロセス量の
状態、機器の動作の変動と観測信号とが一致する原因候
補を異常の第1原因と判定する手段と、異常原因候補の
推定において、上記プラントの構成装置の特性・機能、
物理量間に成立する特性を階層的に構造化することによ
り、異常の第1原因が判明しない場合でも、第1原因を
包含した異常原因として同定結果を提供する手段とを備
えたことを特徴とするプラントの異常診断装置。 - 【請求項3】物理的プロセスや化学的プロセスを利用し
てエネルギーや物質を生成するプロセスプラントからの
観測信号の異常を検知し、その原因を同定し、プラント
運転員にその結果を提供するプラント異常診断装置にお
いて、上記プラントの構成装置の特性・機能、物理量間
に成立する特性を記述した知識を格納した知識ベース
と、検知された異常およびその他の観測信号から異常原
因候補を推定し、その候補から推定できるプロセス量の
状態、機器の動作の変動と観測信号とが一致する原因候
補を異常の第1原因と判定する手段と、異常第1原因の
推定と同時に、上記プラントの構成装置の特性・機能、
物理量間に成立する特性を記述した知識に基づき、異常
状態を正常に復帰するために動作すべき機器が動作しな
い不動作故障も同定する手段とを備えたことを特徴とす
るプラントの異常診断装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2305503A JP2890815B2 (ja) | 1990-11-08 | 1990-11-08 | プラントの異常診断装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2305503A JP2890815B2 (ja) | 1990-11-08 | 1990-11-08 | プラントの異常診断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04175694A JPH04175694A (ja) | 1992-06-23 |
JP2890815B2 true JP2890815B2 (ja) | 1999-05-17 |
Family
ID=17945941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2305503A Expired - Fee Related JP2890815B2 (ja) | 1990-11-08 | 1990-11-08 | プラントの異常診断装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2890815B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06344334A (ja) * | 1993-06-07 | 1994-12-20 | Yokohama Rubber Co Ltd:The | ゴム混練機における混練判定方法 |
JPH06344335A (ja) * | 1993-06-11 | 1994-12-20 | Yokohama Rubber Co Ltd:The | 混練機における混練制御方法 |
JP4488592B2 (ja) * | 2000-02-15 | 2010-06-23 | 三菱電機株式会社 | 設備管理装置、設備管理方法 |
DE10208866A1 (de) | 2002-03-01 | 2003-09-04 | Bosch Gmbh Robert | Einrichtung und Verfahren zur Beurteilung und Erzielung von Sicherheit bei Systemen sowie entsprechendes Computerprogramm |
JP2009169645A (ja) * | 2008-01-16 | 2009-07-30 | Toshiba Corp | 監視制御装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63269207A (ja) * | 1987-04-28 | 1988-11-07 | Nippon Atom Ind Group Co Ltd | プロセスプラントの異常診断装置 |
JPS6459600A (en) * | 1987-08-31 | 1989-03-07 | Nippon Atomic Ind Group Co | Abnormality diagnosing device for process plant |
JP2609454B2 (ja) * | 1987-09-30 | 1997-05-14 | 三菱電機株式会社 | プラント監視装置 |
-
1990
- 1990-11-08 JP JP2305503A patent/JP2890815B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH04175694A (ja) | 1992-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mosterman et al. | Diagnosis of continuous valued systems in transient operating regions | |
US6898554B2 (en) | Fault detection in a physical system | |
Escobet et al. | Fault diagnosis of dynamic systems | |
JP3808893B1 (ja) | 故障診断装置、プログラム及び記録媒体 | |
Finch et al. | A robust event-oriented methodology for diagnosis of dynamic process systems | |
CA2324185A1 (en) | A process and system for configuring repair codes for diagnostics of machine malfunctions | |
CN109791401A (zh) | 生成用于嵌入式分析和诊断/预测推理的故障模型 | |
CN110245085B (zh) | 利用在线模型检验的嵌入式实时操作***验证方法及*** | |
Chung | Diagnosing PN-based models with partial observable transitions | |
CN110431499A (zh) | 用于表征***中的一个或多个故障的方法 | |
Su et al. | Diagnosability of Discrete-Event Systems with Uncertain Observations. | |
Bukowski et al. | Defining mean time-to-failure in a particular failure-state for multi-failure-state systems | |
JP2010049359A (ja) | プラント監視装置およびプラント監視方法 | |
Manservigi et al. | Development and validation of a general and robust methodology for the detection and classification of gas turbine sensor faults | |
Wang et al. | Decentralized diagnosis of discrete event systems using unconditional and conditional decisions | |
JP2890815B2 (ja) | プラントの異常診断装置 | |
CN116611523B (zh) | 涡轮风扇发动机的可解释故障预测方法及*** | |
Vignolles et al. | An overview on diagnosability and prognosability for system monitoring | |
KR102340395B1 (ko) | 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 | |
CN112445684A (zh) | 一种实时故障诊断和预警方法、装置及计算机存储介质 | |
Squillante Jr et al. | A framework for synthesis of safety-related control design to avoid critical faults and pathogenic accidents in the process industries | |
CN110007171A (zh) | 变压器在线监测数据误报警的筛查方法及*** | |
Sudduth | 4. Knowledge-based systems in process fault diagnosis | |
Werner-Stark et al. | Knowledge-based diagnosis of process systems using procedure hazid information | |
Larsson et al. | Improving expressional power and validation for multilevel flow models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080226 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090226 Year of fee payment: 10 |
|
LAPS | Cancellation because of no payment of annual fees |