JP5647626B2 - Plant state monitoring device and plant state monitoring method - Google Patents
Plant state monitoring device and plant state monitoring method Download PDFInfo
- Publication number
- JP5647626B2 JP5647626B2 JP2012000350A JP2012000350A JP5647626B2 JP 5647626 B2 JP5647626 B2 JP 5647626B2 JP 2012000350 A JP2012000350 A JP 2012000350A JP 2012000350 A JP2012000350 A JP 2012000350A JP 5647626 B2 JP5647626 B2 JP 5647626B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- monitoring
- plant
- model
- measurement signal
- 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.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
本発明は、プラントの監視結果を表示するプラント状態監視装置に関する。 The present invention relates to a plant state monitoring apparatus that displays a monitoring result of a plant.
ガスタービンプラント、ボイラプラント等のプラントを対象とした制御の分野では、制御性能に対する要求に加え、プラント効率の向上による燃料消費量の削減や、環境負荷物質の低減による排出ガスの処理コストの低減など、運転コストの低減に対するニーズがある。 In the field of control for plants such as gas turbine plants and boiler plants, in addition to demands for control performance, fuel consumption is reduced by improving plant efficiency, and exhaust gas processing costs are reduced by reducing environmentally hazardous substances. There is a need to reduce operating costs.
これらのニーズに対応するため、特許文献１には、プラントワイド最適プロセス制御装置において、運転コストや複数の制御性能を評価できる評価関数の値を、プロセス最適化部で最適にする制御技術が公開されている。このプロセス最適化部は、代数方程式や微分方程式を用いて表されるプロセスシミュレーション部と、最適化計算を行う最適演算部を有する。
In order to meet these needs,
特許文献１に記載されたプラントワイド最適プロセス制御装置を実装するには、対象となるプロセスをモデル化し、代数方程式や微分方程式で定式化する必要がある。しかし、プロセスのモデル化には、適用対象のプラントに対する事前知識が必要である。オペレータにも、適用対象のプラントに対する事前知識が、ある程度は必要となる。
In order to implement the plant-wide optimum process control apparatus described in
また、プラントの計測信号を分析して運転コストの低減方法を検討すると、オペレータは長期間にわたる計測信号を処理する必要があるので、煩雑なデータ処理を伴う多くの工数が必要となる。 Moreover, when analyzing the measurement signal of the plant and examining the method for reducing the operation cost, the operator needs to process the measurement signal over a long period of time, and thus a lot of man-hours involving complicated data processing are required.
本発明の目的は、適用対象のプラントに対する事前知識が不要で、運転コストの低減に寄与する情報を自動的に取得できるプラント状態監視装置を提供することにある。 An object of the present invention is to provide a plant state monitoring device that does not require prior knowledge of a plant to be applied and can automatically acquire information that contributes to a reduction in operating cost.
上記の課題を解決するため、本発明によるプラント状態監視装置は、以下の構成を備える。 In order to solve the above problems, a plant state monitoring apparatus according to the present invention has the following configuration.
プラントの状態量を計測した計測信号を用いて、予め設定した監視項目について前記プラントの運転状態を監視し、監視結果を画像表示装置に表示するプラント状態監視装置において、前記計測信号を基にして計算した時系列データと前記計測信号の時系列データとのうち少なくとも１つの時系列データから、前記プラントを監視する際に参照するモデルデータを選定するモデルデータ選定手段と、前記モデルデータを複数のカテゴリーに分類することによって監視モデルを構築する状態監視手段を備える。 In the plant state monitoring device that monitors the operation state of the plant with respect to preset monitoring items using the measurement signal obtained by measuring the state quantity of the plant, and displays the monitoring result on the image display device, based on the measurement signal Model data selection means for selecting model data to be referred to when monitoring the plant from at least one time series data of the calculated time series data and the time series data of the measurement signal, and a plurality of the model data State monitoring means for constructing a monitoring model by classifying into categories is provided.
前記モデルデータ選定手段は、前記計測信号を基にして計算した前記プラントの効率の時系列データと、環境負荷物質についての前記計測信号の時系列データとのうち、少なくとも１つの時系列データについて、最大値をとる時刻の前後の予め定めた一定期間または最小値をとる時刻の前後の予め定めた一定期間をモデルデータの期間として決定し、このモデルデータの期間における前記少なくとも１つの時系列データを前記モデルデータとして選定する。 The model data selection means, for at least one time series data among the time series data of the efficiency of the plant calculated based on the measurement signal, and the time series data of the measurement signal for environmental load substances, A predetermined fixed period before and after the time at which the maximum value is taken or a predetermined fixed period before and after the time at which the minimum value is taken is determined as the period of the model data, and the at least one time series data in the period of the model data is Select as the model data.
前記状態監視手段は、現在の前記計測信号が前記監視モデルの前記カテゴリーのいずれかに属するか否かを判定し、判定結果を監視結果として前記画像表示装置に出力する。 The state monitoring unit determines whether the current measurement signal belongs to any one of the categories of the monitoring model, and outputs the determination result to the image display device as a monitoring result.
本発明によるプラント状態監視装置では、適用対象のプラントに対する事前知識が不要であり、運転コストの低減に寄与する情報を自動的に取得できる。このため、オペレータは、長期間にわたる計測信号の処理などの煩雑なデータ処理をすることなく、運転コストの低減に有用な情報を得ることができ、運転コストを削減できる。 The plant state monitoring apparatus according to the present invention does not require prior knowledge about the plant to be applied, and can automatically acquire information that contributes to a reduction in operating costs. For this reason, the operator can obtain information useful for reducing the operating cost without performing complicated data processing such as processing of measurement signals over a long period of time, and the operating cost can be reduced.
本発明の実施例によるプラント状態監視装置について、図面を参照して説明する。本実施例によるプラント状態監視装置は、以下に説明するように、計測信号から計算した時系列データや計測信号の時系列データからモデルデータを選定し、モデルデータを複数のカテゴリーに分類して監視モデルを構築する。モデルデータと監視モデルを用いることにより、オペレータは、適用対象のプラントに対する事前知識が不要で、運転コストの低減に寄与する情報を自動的に取得することができる。 A plant state monitoring apparatus according to an embodiment of the present invention will be described with reference to the drawings. As described below, the plant state monitoring apparatus according to the present embodiment selects model data from time series data calculated from measurement signals and time series data of measurement signals, and classifies model data into a plurality of categories for monitoring. Build a model. By using the model data and the monitoring model, the operator does not need prior knowledge about the plant to be applied, and can automatically acquire information that contributes to a reduction in operating costs.
図１は、本発明の第１の実施例によるプラント状態監視装置２００を説明するブロック図である。図１に示したように、プラント状態監視装置２００は、運転管理室９００と接続され、プラント１００の状態を監視する。
FIG. 1 is a block diagram illustrating a plant
プラント状態監視装置２００は、演算装置として、モデルデータ選定手段４００及び状態監視手段５００を備え、データベースとして、計測信号データベース３１０、設計情報データベース３２０、及びモデル情報データベース３３０を備える。尚、図１では、データベースを「ＤＢ」と略記している。計測信号データベース３１０、設計情報データベース３２０、及びモデル情報データベース３３０には、電子化された情報が記録されており、通常、電子ファイル（電子データ）と呼ばれる形態で情報が記録される。
The plant
さらに、プラント状態監視装置２００は、外部とのインターフェイスとして、外部入力インターフェイス２１０及び外部出力インターフェイス２２０を備える。そして、外部入力インターフェイス２１０を介して、プラント１００の運転状態である各種の状態量を計測した計測信号１と、運転管理室９００で作成された外部入力信号２とが、プラント状態監視装置２００に取り込まれる。また、外部出力インターフェイス２２０を介して、画像表示情報１２を運転管理室９００に出力する。
Furthermore, the plant
運転管理室９００は、外部入力装置９１０と画像表示装置９４０とを備える。外部入力装置９１０は、例えばキーボード９２０及びマウス９３０のような入力装置から構成される。外部入力信号２は、外部入力装置９１０の操作により作成される。プラント状態監視装置２００が出力した画像表示情報１２は、画像表示装置９４０が受け取る。
The
図１に示した本実施例のプラント状態監視装置２００において、プラント１００の各種状態量を計測した計測信号１は、外部入力インターフェイス２１０を介して取り込まれ、計測信号３として、計測信号データベース３１０に保存される。
In the plant
モデルデータ選定手段４００は、計測信号データベース３１０に保存されている計測信号４、及び設計情報データベース３２０に保存されているプラント１００の設計情報７を基にして時系列データを計算し、この時系列データのうち、ある一定期間のデータをモデルデータとして選定する。モデルデータは、詳細は後述するが、プラント１００の運転状態を監視する際に比較対象として参照するデータである。
The model data selection means 400 calculates time series data based on the
設計情報データベース３２０には、プラント状態監視装置２００が行う計算に必要な設計情報が保存されている。モデルデータ選定手段４００は、設計リクエスト信号８を設計情報データベース３２０に送信して、計算に必要な設計情報７を取得する。
The
モデルデータ選定手段４００は、計測信号データベース３１０に保存された過去の計測信号を基にして計算したプラント効率の時系列データと、計測信号データベース３１０に保存された過去の計測信号に含まれる環境負荷物質の計測信号の時系列データとのうち、少なくとも１つの時系列データを用いて、この時系列データの最大値または最小値をとる時刻の前後の一定期間をモデルデータの期間として決定する。そして、モデルデータの期間におけるこの時系列データをモデルデータとして選定する。
The model data selection means 400 includes plant efficiency time-series data calculated based on past measurement signals stored in the
また、モデルデータ選定手段４００は、過去のデータをある時刻から所定の期間毎に分割し、その期間毎に、計測信号を基にして計算したプラント効率の時系列データと、環境負荷物質の計測信号の時系列データとのうち、少なくとも１つの時系列データを用いて、この時系列データの最大値または最小値をとる時刻の前後の一定期間をモデルデータの期間として決定し、この期間における時系列データをモデルデータとして選定するようにしてもよい。
In addition, the model
尚、モデルデータとして選定する計測信号のデータ項目（計測信号の種類）は、任意に設定できる。 Note that the data item (measurement signal type) of the measurement signal selected as model data can be arbitrarily set.
モデルデータ選定手段４００が選定したモデルデータ５は、状態監視手段５００に送信される。
The
モデルデータ選定手段４００の詳細な動作については、図６を用いて後述する。
The detailed operation of the model
状態監視手段５００は、モデルデータ選定手段４００で選定したモデルデータ５を用いて、プラント１００の監視に用いる監視モデル６００を構築し、保存する。監視モデル６００は、モデルデータ５（計測信号）を、互いの類似性に応じて複数のカテゴリーに分類することによって構築したモデルであり、監視している計測信号が過去の計測信号のどの状態に近いかを求めるためのモデルである。モデルデータ５の類似性は、予め定めたパラメータ（後述するパラメータρ）で規定することができる。図１では、監視モデル６００Ａ〜６００Ｃの３種類を監視モデル６００として図示しているが、状態監視手段５００は、任意の数の監視モデル６００を備えることができる。尚、以下の説明では、監視モデル６００Ａ〜６００Ｃを監視モデル６００と総称する。
The
監視モデル６００についての情報であるモデル情報１０は、モデル情報データベース３３０に保存される。また、モデル情報データベース３３０に保存されているモデル情報９は、状態監視手段５００に送信され、必要に応じて監視モデル６００にて使用される。
状態監視手段５００は、監視モデル６００と、計測信号データベース３１０に保存されている計測信号６とを比較する。計測信号６が、監視モデル６００のいずれのカテゴリーにも属しない場合、プラント１００の状態が変化したと判定する。この場合、状態監視手段５００は、監視モデル６００として監視している項目と、プラント１００のこの項目についての現在の状態がモデルデータと異なることとを監視結果１１として出力する。すなわち、状態監視手段５００は、監視している項目のデータが過去のデータ（モデルデータ）と異なる傾向を示していることを、監視結果１１として出力する。
The
監視結果１１は、外部出力インターフェイス２２０にて画像表示情報１２に変換され、運転管理室９００の画像表示装置９４０に送信される。
The
このようにして、本実施例のプラント状態監視装置２００では、計測信号６が監視モデル６００の構築に用いたモデルデータ５と異なる傾向を示した場合（すなわち、計測信号６が、監視モデル６００のいずれのカテゴリーにも属しない場合）、画像表示装置９４０を介してオペレータにこのことを通知する。
Thus, in the plant
尚、本実施例では、モデルデータ選定手段４００、状態監視手段５００、計測信号データベース３１０、設計情報データベース３２０、及びモデル情報データベース３３０がプラント状態監視装置２００の内部に備えられているが、これらの一部をプラント状態監視装置２００の外部に配置し、これらの装置間でデータを通信するようにしてもよい。
In this embodiment, the model
また、本実施例のプラント状態監視装置２００では、監視対象とするプラント１００が１基である場合を示しているが、１台のプラント状態監視装置２００で複数基のプラント１００を監視することも可能である。
Moreover, in the plant
また、計測信号データベース３１０、設計情報データベース３２０、及びモデル情報データベース３３０に保存されている情報（プラント状態監視装置情報５０）は、任意に運転管理室９００の画像表示装置９４０に表示できるようになっている。また、プラント状態監視装置情報５０は、運転管理室９００の外部入力装置９１０を操作して生成する外部入力信号２で修正することができる。
Further, information (plant state monitoring device information 50) stored in the
次に、図２を用いて、本実施例のプラント状態監視装置の動作について説明する。図２は、プラント状態監視装置２００の動作フローチャートである。図２のフローチャートに示すように、プラント状態監視装置２００の基本動作は、ステップ１０００〜ステップ１０５０を組み合わせて実行される。
Next, operation | movement of the plant state monitoring apparatus of a present Example is demonstrated using FIG. FIG. 2 is an operation flowchart of the plant
まず、ステップ１０００では、監視モデルを新規に作成する指示がオペレータからあるか否かを判定し、監視モデルを新規に作成する場合はステップ１０１０へ、監視モデルを新規に作成しない場合はステップ１０３０に進む。 First, in step 1000, it is determined whether or not there is an instruction from the operator to create a new monitoring model. If a new monitoring model is created, go to step 1010. If not, go to step 1030. move on.
ステップ１０１０では、モデルデータ選定手段４００を動作させ、モデルデータを選定する。 In step 1010, the model data selection means 400 is operated to select model data.
ステップ１０２０では、状態監視手段５００を動作させ、ステップ１０１０で選定したモデルデータ５を用いて監視モデル６００を構築する。
In step 1020, the
ステップ１０３０では、状態監視手段５００を動作させ、監視モデル６００と、計測信号データベース３１０に保存されている計測信号６を比較する。計測信号６が監視モデル６００の構築に用いたモデルデータ５と異なる傾向を示した場合は（すなわち、計測信号６が、監視モデル６００のいずれのカテゴリーにも属しない場合は）、状態が変化したと判定する。この場合、状態監視手段５００は、監視モデル６００として監視している項目と、プラント１００のこの項目についての現在の状態が監視モデルの範囲を逸脱していること（すなわち、現在の状態がモデルデータと異なること）とを監視結果１１として出力する。
In step 1030, the
ステップ１０４０では、監視結果１１を外部出力インターフェイス２２０にて画像表示情報１２に変換し、画像表示装置９４０に監視結果を表示する。
In step 1040, the
ステップ１０５０では終了判定を実施する。終了すると判定した場合は、プラント状態監視装置２００は動作を終了する。終了しないと判定した場合は、ステップ１０３０に戻る。ステップ１０５０における終了判定の方法には、ステップ１０３０〜１０５０の繰り返し回数が予め設定した回数を超えた場合に終了する、または外部入力装置９１０を用いてオペレータから動作停止の指示が入力された場合に終了するなど、様々な判断基準がある。
In step 1050, end determination is performed. When it determines with complete | finishing, the plant
次に、図３Ａ〜図３Ｃと図４Ａ〜図４Ｃを用いて、本実施例のプラント状態監視装置２００が備える状態監視手段５００において、モデルデータ５または計測信号６を分類する機能を説明する。
Next, a function of classifying the
以下の説明では、プラント状態監視装置２００が有するデータ分類機能に、適応共鳴理論（Ａｄａｐｔｉｖｅ Ｒｅｓｏｎａｎｃｅ Ｔｈｅｏｒｙ：ＡＲＴ）を適用した場合について述べる。尚、データ分類機能として、ベクトル量子化等、他のクラスタリング手法を用いることもできる。ＡＲＴを始めとするデータ分類機能を利用することで、オペレータは、適用対象のプラントに対する事前知識を持たなくても、運転コストの低減に寄与する情報を取得することができ、オペレータの負担を軽減することができる。
In the following description, a case where an adaptive resonance theory (ART) is applied to the data classification function of the plant
図３Ａは、データ分類機能の構成を示す模式図である。図３Ａに示すように、データ分類機能は、データ前処理装置６１０とＡＲＴモジュール６２０を備える。データ前処理装置６１０は、プラントの運転データをＡＲＴモジュール６２０の入力データに変換する。
FIG. 3A is a schematic diagram illustrating a configuration of a data classification function. As shown in FIG. 3A, the data classification function includes a
以下に、データ前処理装置６１０及びＡＲＴモジュール６２０が行う処理の手順について説明する。
Hereinafter, a procedure of processing performed by the
まず、データ前処理装置６１０において、モデル情報データベース３３０に保存されている正規化条件の情報を用いて、計測項目毎にデータを正規化する。計測信号を正規化したデータＮｘｉ（ｎ）及び正規化したデータの補数ＣＮｘｉ（ｎ）（＝１−Ｎｘｉ（ｎ））を含むデータを、入力データＩｉ（ｎ）とする。ここで、ｉはデータ項目を識別するための符号であり、ｎは時系列データの時刻を定義するためのサンプル番号である。この入力データＩｉ（ｎ）が、ＡＲＴモジュール６２０に入力される。
First, the
ＡＲＴモジュール６２０は、入力データであるモデルデータ５または計測信号６を複数のカテゴリーに分類する。
The
ＡＲＴモジュール６２０は、Ｆ０レイヤー６２１、Ｆ１レイヤー６２２、Ｆ２レイヤー６２３、メモリ６２４、及び選択サブシステム６２５を備え、これらは相互に結合している。Ｆ１レイヤー６２２及びＦ２レイヤー６２３は、重み係数を介して結合している。重み係数は、入力データが分類されるカテゴリーのプロトタイプ（原型）を表している。ここで、プロトタイプとは、カテゴリーの代表値を表すものである。
The
次に、ＡＲＴモジュール６２０のアルゴリズムについて説明する。ＡＲＴモジュール６２０に入力データが入力された場合のアルゴリズムの概要は、下記の処理１〜処理５のようになる。
Next, the algorithm of the
処理１：Ｆ０レイヤー６２１により入力ベクトルを正規化し、ノイズを除去する。
Process 1: The input vector is normalized by the
処理２：Ｆ１レイヤー６２２に入力された入力データと重み係数との比較により、ふさわしいカテゴリーの候補を選択する。
Process 2: A suitable category candidate is selected by comparing the input data input to the
処理３：選択サブシステム６２５で選択したカテゴリーの妥当性がパラメータρとの比により評価される。妥当と判断されれば、入力データはそのカテゴリーに分類され、処理４に進む。一方、妥当と判断されなければ、そのカテゴリーはリセットされ、他のカテゴリーからふさわしいカテゴリーの候補を選択する（処理２を繰り返す）。パラメータρの値を大きくするとカテゴリーの分類が細かくなり、ρの値を小さくすると分類が粗くなる。このパラメータρをビジランス（ｖｉｇｉｌａｎｃｅ）パラメータと呼ぶ。パラメータρは、入力データの類似性を規定するパラメータである。パラメータρの値は、予め設定しておく。
Process 3: The validity of the category selected by the
処理４：処理２において全ての既存のカテゴリーがリセットされると、入力データが新規カテゴリーに属すると判断され、新規カテゴリーのプロトタイプを表す新しい重み係数を生成する。
Process 4: When all the existing categories are reset in
処理５：入力データがカテゴリーＪに分類されると、カテゴリーＪに対応する重み係数ＷＪ（ｎｅｗ）は、過去の重み係数ＷＪ（ｏｌｄ）及び入力データｐ（または入力データから派生したデータ）を用いて、下記の式（１）により更新される。
ＷＪ（ｎｅｗ）＝Ｋｗ・ｐ＋（１−Ｋｗ）・ＷＪ（ｏｌｄ） ・・・（１）
ここで、Ｋｗは、学習率パラメータ（０＜Ｋｗ＜１）であり、入力データｐを新しい重み係数ＷＪ（ｎｅｗ）に反映させる度合いを決定する値である。
Process 5: When input data is classified into category J, weighting factor WJ (new) corresponding to category J uses past weighting factor WJ (old) and input data p (or data derived from input data). And updated by the following equation (1).
WJ (new) = Kw.p + (1-Kw) .WJ (old) (1)
Here, Kw is a learning rate parameter (0 <Kw <1), and is a value that determines the degree to which the input data p is reflected in the new weighting factor WJ (new).
尚、式（１）及び後述する式（２）〜式（１２）を演算する機能は、ＡＲＴモジュール６２０に組み込まれている。また、演算に必要なパラメータも、ＡＲＴモジュール６２０に保存されている。
In addition, the function which calculates Formula (1) and Formula (2)-Formula (12) mentioned later is incorporated in the
ＡＲＴモジュール６２０のデータ分類アルゴリズムの特徴は、上記の処理４にある。処理４では、学習した時のパターンと異なる入力データが入力された場合、記録されているパターンを変更せずに新しいパターンを記録することができる。このため、過去に学習したパターンを記録しながら、新たなパターンを記録することが可能となる。
The feature of the data classification algorithm of the
このように、ＡＲＴモジュール６２０は、入力データが与えられるとパターンを学習する。従って、学習済みのＡＲＴモジュール６２０に新たな入力データが入力されると、上記アルゴリズムにより、過去に学習したどのパターンに近いかを判定することができる。また、過去に経験したことのないパターンであれば、新規カテゴリーに分類する。
Thus, the
図３Ｂは、Ｆ０レイヤー６２１の構成を示すブロック図である。Ｆ０レイヤー６２１では、入力データＩｉを各時刻で再度正規化し、Ｆ１レイヤー６２２及び選択サブシステム６２５に入力する正規化入力ベクトルｕ０ ｉを作成する。尚、図３Ｂでは、添え字ｉを省略している。
FIG. 3B is a block diagram showing a configuration of the
始めに、入力データＩｉから、式（２）に従ってｗ０ ｉを計算する。ここで、ａは定数である。 First, w 0 i is calculated from input data I i according to equation (2). Here, a is a constant.
次に、ｗ０ ｉを正規化したｘ０ ｉを、式（３）を用いて計算する。ここで、「|| ||」はノルムを表す記号である。 Next, x 0 i obtained by normalizing w 0 i is calculated using Equation (3). Here, “||||” is a symbol representing a norm.
そして、式（４）を用いて、ｘ０ ｉからノイズを除去したｖ０ ｉを計算する。ただし、θは、ノイズを除去するための定数である。式（４）の計算により、微小な値は０となるため、入力データのノイズが除去される。 Then, using equation (4), calculates the v 0 i free of noise from x 0 i. However, θ is a constant for removing noise. Since the minute value becomes 0 by the calculation of Expression (4), noise of the input data is removed.
最後に、式（５）を用いて正規化入力ベクトルｕ０ ｉを求める。ｕ０ ｉはＦ１レイヤー６２２の入力となる。
Finally, a normalized input vector u 0 i is obtained using Equation (5). u 0 i is input to the
図３Ｃは、Ｆ１レイヤー６２２の構成を示すブロック図である。Ｆ１レイヤー６２２では、式（５）で求めたｕ０ ｉを短期記憶として保持し、Ｆ２レイヤー６２３に入力するｐｉを計算する。Ｆ２レイヤーの計算式をまとめて式（６）〜式（１２）に示す。ただし、ａ、ｂ、及びｄは予め定めた定数、ｆ（）は式（４）で示した関数、ＴｊはＦ２レイヤー６２３で計算する適合度、Ｚｊｉは重み係数、Ｍはデータ項目の数、ｉはデータ項目を識別するための符号（１≦ｉ≦Ｍ）である。
FIG. 3C is a block diagram showing the configuration of the
ただし、 However,
次に、図４Ａ〜図４Ｃを用いて、本実施例のプラント状態監視装置２００が備える状態監視手段５００が有する、モデルデータ５または計測信号６を分類する機能を説明する。まず、図４Ａを用いて、プラント１００の実施例を説明する。次に、図４Ｂ及び図４Ｃを用いて、モデルデータ５または計測信号６をカテゴリーに分類する様子を述べる。
Next, the function which classify | categorizes the
図４Ａは、プラント１００の実施例である火力発電プラントを示すブロック図である。図４Ａにおいて、火力発電プラント１００は、ガスタービン発電機１１０、制御装置１２０、及びデータ送信装置１３０を備える。ガスタービン発電機１１０は、発電機１１１、圧縮機１１２、燃焼器１１３、及びタービン１１４を備える。
FIG. 4A is a block diagram illustrating a thermal power plant that is an example of the
発電に際しては、圧縮機１１２にて吸い込んだ空気を圧縮して圧縮空気とし、この圧縮空気を燃焼器１１３に送り、燃料と混合して燃焼する。燃焼により発生した高圧ガスを用いてタービン１１４を回転させ、発電機１１１により発電を行う。
At the time of power generation, the air sucked by the
制御装置１２０においては、電力需要に応じてガスタービン発電機１１０の出力を制御する。また、制御装置１２０は、ガスタービン発電機１１０に設置されたセンサ（図示せず）で計測した運転データ１０２を入力データとしている。運転データ１０２は、吸気温度、燃料投入量、タービン排ガス温度、タービン回転数、発電機発電量、及びタービン軸振動などの状態量であり、サンプリング周期毎に計測している。また、大気温度などの気象情報も計測している。これらの運転データ１０２の計測信号１０３は、データ送信装置１３０に送信される。
In the
制御装置１２０においては、これらの運転データ１０２を用いて、ガスタービン発電機１１０を制御するための制御信号１０１を算出する。また、制御装置１２０では、運転データ１０２の値が予め設定した範囲を逸脱した時に警報を発生させる処理を実施している。警報信号は、運転データ１０２の値が予め設定した範囲を逸脱した時に「１」、範囲内の時は「０」のデジタル信号として処理する。警報信号が「１」の時は、音や画面表示などで、警報の内容をオペレータに通知する。
In the
データ送信装置１３０は、計測信号１をプラント状態監視装置２００に送信する。計測信号１には、制御装置１２０で計測した運転データ１０２、制御装置１２０で算出した制御信号１０１、計測信号１０３、及び警報信号を含む。
The
図４Ｂは、プラント１００から取得した計測信号１を、カテゴリーに分類した結果を説明する図である。図４Ｂの上図は計測信号１を示し、下図は計測信号１を分類したカテゴリーを示し、上図と下図の横軸は時間、上図の縦軸は計測信号、下図の縦軸はカテゴリー番号である。図４Ｂにおいて、監視開始前の期間は、モデルデータを選定するための期間（モデルデータの期間）であり、モデルデータとなる計測信号と、この計測信号を分類したカテゴリーが表されている。監視開始後の期間には、監視データである計測信号とそのカテゴリーが表されている。尚、図４Ｂでは、一例として、計測信号のうちの２項目（項目Ａと項目Ｂ）を表示している。
FIG. 4B is a diagram for explaining a result of classifying the
モデルデータの期間において、計測信号（すなわちモデルデータ）は、カテゴリー１〜３という３つのカテゴリーに分類されている。このようにモデルデータを複数のカテゴリーに分類したものが、監視モデル６００である。
In the model data period, the measurement signals (that is, model data) are classified into three categories,
図４Ｃは、プラント１００の計測信号１を、カテゴリーに分類した分類結果の一例を示す図である。図４Ｃは、図４Ｂと同様に一例として、計測信号のうちの２項目（項目Ａと項目Ｂ）を表示しており、２次元のグラフで表記した。また、縦軸及び横軸は、それぞれの項目の計測信号を規格化して示した。監視モデルは、モデルデータを複数のカテゴリーに分類することによって構築したモデルであり、図４Ｃによっても表すことができる。
FIG. 4C is a diagram illustrating an example of a classification result obtained by classifying the
計測信号は、図３ＡのＡＲＴモジュール６２０によって複数のカテゴリー６３０に分割される。カテゴリー６３０は、図４Ｃでは、カテゴリー１〜４とそれぞれ記された４つの円で表され、１つの円が１つのカテゴリーに相当する。
The measurement signal is divided into a plurality of
本実施例では、計測信号は４つのカテゴリーに分類されている。カテゴリー１は、項目Ａの値が大きく、項目Ｂの値が小さいグループであり、カテゴリー２は、項目Ａと項目Ｂの値が共に小さいグループであり、カテゴリー３は項目Ａの値が小さく、項目Ｂの値が大きいグループであり、カテゴリー４は項目Ａと項目Ｂの値が共に大きいグループである。
In this embodiment, measurement signals are classified into four categories.
図４Ｂに示すように、監視開始前の期間のデータ（モデルデータ）は、カテゴリー１〜３に分類された。すなわち、監視モデル６００は、カテゴリー１〜３を有する。
As shown in FIG. 4B, the data (model data) for the period before the start of monitoring was classified into
監視開始後の計測信号のうち、前半のデータはカテゴリー２に分類されており、モデルデータと同じカテゴリーである。すなわち、監視開始後の計測信号の前半のデータは、監視モデル６００のカテゴリー２に属している。この場合、計測信号がカテゴリー２に属している（監視データの傾向がモデルデータと同じである）ことから、プラントの状態は変化していないと判断する。
Of the measurement signals after the start of monitoring, the first half of the data is classified into
一方、監視開始後の計測信号のうち、後半のデータはカテゴリー４に分類されており、モデルデータと異なるカテゴリーに分類されている。すなわち、監視開始後の計測信号の後半のデータは、監視モデル６００のいずれのカテゴリー（カテゴリー１〜３）にも属していない。この場合、計測信号がモデルデータのいずれのカテゴリーにも属していない（監視データの傾向がモデルデータと異なる）ことから、プラントの状態が変化したと判断する。そして、プラント状態監視装置２００は、プラントのオペレータにプラントの状態が変化したことを画像表示装置９４０に表示し、オペレータに通知する。
On the other hand, the second half of the measurement signal after the start of monitoring is classified into
尚、本実施例では２項目の計測信号をカテゴリーに分類する例を述べたが、３項目以上の計測信号について、多次元の座標を用いてカテゴリーに分類することもできる。 In the present embodiment, an example in which two measurement signals are classified into categories has been described. However, three or more measurement signals can be classified into categories using multidimensional coordinates.
図５Ａ〜図５Ｃは、プラント状態監視装置２００のデータベースに保存されているデータの態様を説明する図である。
FIG. 5A to FIG. 5C are diagrams for explaining modes of data stored in the database of the plant
図５Ａは、計測信号データベース３１０に保存されているデータを示す図である。計測信号データベース３１０には、プラント１００に対して計測した運転データである計測信号１（図５Ａでは、データ項目Ａ、Ｂ、Ｃを記載）の値が、サンプリング周期（縦軸の時刻）毎に保存される。データの表示画面３１１において、縦横に移動可能なスクロールボックス３１２及び３１３を用いることにより、広範囲のデータをスクロールして表示することができる。
FIG. 5A is a diagram showing data stored in the
図５Ｂは、設計情報データベース３２０に保存されているデータを示す図である。設計情報データベース３２０には、プラント１００の制御ロジック図やヒートバランス情報が保存される。尚、図５Ｂには図示していないが、プラント１００を構成する機器（ガスタービン、発電機、及び圧縮機など）の設計図、設計値、及びプラント１００を構成する機器の効率を計算するための式など、プラント１００の性能を評価する指針となる計算式も設計情報データベース３２０に保存されている。制御ロジック図やヒートバランス情報など、設計情報データベース３２０に保存されているデータは、表示画面３２１に表示することができる。
FIG. 5B is a diagram showing data stored in the
図５Ｃは、モデル情報データベース３３０に保存されているデータを示す図である。モデル情報データベース３３０には、監視モデル毎に、カテゴリー番号と重み係数の関係が保存されている。ここで、重み係数とは、カテゴリーの中心座標（図４Ｃに示した円の中心座標）のことである。表示画面３３１には、一例として監視モデルＡのデータ３３２ａが表示されているが、表示を切り替えることにより、監視モデルＢのデータ３３２ｂなど、他の監視モデルのデータを表示することもできる。
FIG. 5C is a diagram showing data stored in the
図６Ａと図６Ｂは、モデルデータ選定手段４００の実施例を説明する図である。 6A and 6B are diagrams for explaining an embodiment of the model data selection means 400. FIG.
モデルデータ選定手段４００では、計測信号データベース３１０に保存されている計測信号と、設計情報データベース３２０に保存されている式（１３）を用いて、ガスタービンの効率ηを計算する。ここで、ＭＷは発電出力（ＭＷｈ）、Ｆは燃料流量（ｍ３／ｈ）、Ｋは燃料比重（ｋｇ／ｍ３）、ＬＨＶは燃料発熱量（ｋＪ／ｋｇ）である。
η＝（ＭＷ×３６００）／（Ｆ×Ｋ×ＬＨＶ） ・・・（１３）
図６Ａは、計測信号の時系列データとプラント効率の時系列データを示す図である。上図には、計測信号の時系列データとして、発電出力ＭＷと燃料流量Ｆの時系列データが表されており、下図には、プラント効率の時系列データとして、ガスタービンの効率ηの時系列データが表されている。
The model
η = (MW × 3600) / (F × K × LHV) (13)
FIG. 6A is a diagram illustrating time-series data of measurement signals and time-series data of plant efficiency. The upper figure shows the time series data of the power generation output MW and the fuel flow rate F as the time series data of the measurement signal, and the lower figure shows the time series of the gas turbine efficiency η as the time series data of the plant efficiency. Data is represented.
モデルデータ選定手段４００では、式（１３）で計算したガスタービンの効率ηの時系列データが最大値となる時刻の前後の一定期間（図６Ａの例では、時刻Ｔ１からＴ２までの期間）をモデルデータの期間として決定し、この期間における効率ηの時系列データをモデルデータ５として選定する。モデルデータの期間を決定するための一定期間は、予め定めておき、任意の長さの期間を設定することができる。図６Ａでは、ガスタービンの効率ηの時系列データについてだけモデルデータの期間が設定されているが、計測信号（発電出力ＭＷと燃料流量Ｆ）の時系列データについても、モデルデータの期間を設定することができる。
In the model data selection means 400, a fixed period (a period from time T1 to T2 in the example of FIG. 6A) before and after the time when the time series data of the efficiency η of the gas turbine calculated by the equation (13) becomes the maximum value. The period of the model data is determined, and the time series data of the efficiency η in this period is selected as the
尚、モデルデータ５として選定する計測信号のデータ項目は、発電出力ＭＷや燃料流量Ｆなど、プラントの効率を評価するのに有効なデータ項目である。選定するデータ項目の数は、１つでも複数でもよい。
The data items of the measurement signal selected as the
現在の計測信号６が、モデルデータ５を用いて構築した監視モデル６００のカテゴリーに属すれば（すなわち、現在の計測信号６とモデルデータ５とが同じ傾向であれば）、高効率でプラント１００を運転できていることを意味する。一方、現在の計測信号６が、監視モデル６００のカテゴリーに属しておらず（すなわち、現在の計測信号６とモデルデータ５とが異なる傾向であり）、監視モデル６００にて新規カテゴリーが発生すれば、プラント１００の状態は、高効率で運転していた状態から変化したことを意味する。本実施例のプラント状態監視装置２００を用いることで、プラント１００の状態が高効率で運転していた状態から変化したことを、オペレータに通知できる。
If the
また、モデルデータ選定手段４００では、一酸化炭素や窒素酸化物などの環境負荷物質を計測したデータと、環境負荷物質の制御に関係する操作信号の時系列データとを抽出し、環境負荷物質の計測値が最小値となる時刻の前後の一定期間をモデルデータの期間として決定し、この期間における計測信号の時系列データをモデルデータ５として選定することもできる。この場合も、モデルデータの期間を決定するための一定期間は、予め定めておき、任意の長さの期間を設定することができる。
In addition, the model
尚、モデルデータ５として選定する計測信号のデータ項目は、一酸化炭素濃度、窒素酸化物濃度、及び空気流量など、環境負荷物質を評価するのに有効なデータ項目である。選定するデータ項目の数は、１つでも複数でもよい。
The data items of the measurement signal selected as the
このモデルデータ５を用いて構築した監視モデル６００を用いることで、環境負荷物質が最小となっている状態から計測信号のデータ傾向が変化した場合（すなわち、計測信号が、監視モデル６００のいずれのカテゴリーにも属しない場合）、オペレータに通知できる。
By using the monitoring model 600 constructed using the
このように、モデルデータ選定手段４００では、プラント効率の時系列データと、過去の計測信号に含まれる環境負荷物質の計測信号の時系列データとのうち、少なくとも１つの時系列データを用いて、この時系列データの最大値または最小値をとる時刻の前後の一定期間をモデルデータの期間として決定し、モデルデータの期間におけるこの時系列データをモデルデータ５として選定する。
As described above, the model
また、モデルデータ選定手段４００では、過去のデータを予め定めたある時刻から予め定めた所定の期間毎に分割し、その期間毎に、過去の計測信号を基にして計算したプラント効率の時系列データと、過去の計測信号に含まれる環境負荷物質の計測信号の時系列データとのうち、少なくとも１つの時系列データを用いて、この時系列データの最大値または最小値をとる時刻の前後の一定期間をモデルデータの期間として決定することもできる。そして、それぞれのモデルデータの期間において、この時系列データをモデルデータ５として選定することもできる。
Further, the model
このように、予め定めた一定期間で区切ったモデルデータを用いて監視モデル６００を構築することで、季節の変化に伴う大気温度変化や経年劣化によるプラント特性の変化を考慮できる。すなわち、大気の温度が高くなると、ガスタービンの効率が低下する。大気温度などの環境条件の変化に伴い、最適な操作条件や最大効率も変化する。季節毎に監視モデル６００を切り替えて運用することで、大気温度の変化を考慮した監視が可能となる。 In this way, by constructing the monitoring model 600 using model data divided by a predetermined period, it is possible to take into account changes in the plant characteristics due to atmospheric temperature changes and aging due to seasonal changes. That is, as the temperature of the atmosphere increases, the efficiency of the gas turbine decreases. As environmental conditions such as atmospheric temperature change, the optimal operating conditions and maximum efficiency also change. By switching and operating the monitoring model 600 for each season, it is possible to perform monitoring in consideration of changes in the atmospheric temperature.
図６Ｂは、過去の時系列データを予め定めた所定の期間に分割し、その期間毎にモデルデータを選定する方法を説明する図である。図６Ｂに示すように、過去の時系列データのうち、プラント１００の定期検査が終了した時刻ｔ０からのデータを所定の期間に分割し、この期間毎にモデルデータを選定することもできる。図６Ｂの例では、期間ａでは時刻ｔ１〜ｔ２、期間ｂでは時刻ｔ４〜ｔ５、期間ｃでは時刻ｔ７〜ｔ８のデータを、それぞれモデルデータとして選定している。定期検査後の経過時間に合わせて監視モデル６００を切り替えることで、プラントの経年変化を考慮した監視が可能となる。
FIG. 6B is a diagram for explaining a method of dividing past time-series data into predetermined periods and selecting model data for each period. As shown in FIG. 6B, the data from time t0 when the periodic inspection of the
本実施例によれば、プラント効率の高いモデルデータと現時刻の計測信号との比較、及び環境負荷物質の低いモデルデータと現時刻の計測信号との比較のうち、少なくとも１つの比較により、現時刻の計測信号のデータ傾向がモデルデータと異なる場合に、オペレータにプラントの状態が変化したことを通知できる。この通知によりプラントの運用を改善する対策を実施することで、プラントの効率を向上して燃料消費量を削減したり、環境負荷物質を低減して排出ガスの処理コストを削減したりして、運転コストを削減できる。また、オペレータは、長期間の計測信号を処理することなく、運転コスト削減に有用な情報を得ることができる。 According to the present embodiment, at least one of the comparison between the model data with high plant efficiency and the measurement signal at the current time and the comparison between the model data with low environmental load substance and the measurement signal at the current time is performed. When the data trend of the time measurement signal is different from the model data, the operator can be notified that the state of the plant has changed. By implementing measures to improve the operation of the plant by this notification, the efficiency of the plant is improved and the fuel consumption is reduced, or the environmentally hazardous substance is reduced and the processing cost of the exhaust gas is reduced. Operating costs can be reduced. In addition, the operator can obtain information useful for reducing operating costs without processing long-term measurement signals.
以上に述べた実施例では、モデルデータ選定手段４００にて、プラント効率が最大時または環境負荷物質が最小時の時刻からの期間をモデルデータの期間として選定した。プラント効率が最小時または環境負荷物質が最大時の時刻からの期間をモデルデータの期間として選定し、この期間で得られたモデルデータと現在の計測信号のデータ傾向が同じ場合に、プラントの運用状態が悪いことをオペレータに通知するような構成としてもよい。 In the embodiment described above, the model data selection means 400 selects the period from the time when the plant efficiency is maximum or the environmental load substance is minimum as the period of the model data. When the period from the time when the plant efficiency is the minimum or the environmental load substance is the maximum is selected as the model data period, and the model data obtained in this period and the data trend of the current measurement signal are the same, the plant operation It is good also as a structure which notifies an operator that a state is bad.
図７は、本発明の第２の実施例によるプラント状態監視装置２００を説明するブロック図である。図７において、第１の実施例（図１）と同一の符号は、第１の実施例と同一または共通する要素を示す。本実施例のプラント状態監視装置２００は、状態監視手段５００に改善情報決定手段７００が備えられている点が、第１の実施例のプラント状態監視装置２００と異なる。改善情報決定手段７００は、プラントの運転状態を改善する操作方法を決定して出力する。この操作方法は、画像表示装置９４０に表示される。
FIG. 7 is a block diagram illustrating a plant
改善情報決定手段７００は、監視モデル６００Ａ〜６００Ｃから、それぞれ出力情報５０１Ａ〜５０１Ｃを受信する。尚、以下の説明では、出力情報５０１Ａ〜５０１Ｃを出力情報５０１と総称する。出力情報５０１は、監視モデル６００のカテゴリー番号など、監視モデル６００に関する情報である。
The improvement
以下、図８Ａ〜図８Ｄを用いて、改善情報決定手段７００の動作を説明する。
Hereinafter, the operation of the improvement
図８Ａは、改善情報決定手段７００の動作を説明するフローチャートである。尚、本フローチャートによる処理は、図２のステップ１０３０にて実施される。
FIG. 8A is a flowchart for explaining the operation of the improvement
本フローチャートによる処理は、図８Ａのステップ１１００〜ステップ１１２０を組み合わせて実行される。ステップ１１００では、監視モデル６００からの出力情報５０１を用いて、計測信号のデータ傾向が変化した原因となったデータ項目（主要因データ項目）を求める。ステップ１１１０では、ステップ１１００で抽出した主要因データ項目に関連する制御ロジック図を抽出する。ステップ１１２０では、求めたり抽出したりしたこれらの情報を用いて、プラント運用の改善案を出力する。 The processing according to this flowchart is executed by combining Steps 1100 to 1120 in FIG. 8A. In step 1100, using the output information 501 from the monitoring model 600, the data item (main factor data item) that causes the change in the data trend of the measurement signal is obtained. In step 1110, a control logic diagram related to the main factor data item extracted in step 1100 is extracted. In step 1120, a plan for improving the plant operation is output using the obtained and extracted information.
以下、図８Ｂ〜図８Ｄを用いて、各ステップの動作を述べる。 Hereinafter, the operation of each step will be described with reference to FIGS. 8B to 8D.
図８Ｂは、ステップ１１００の動作を説明する図である。まず、新規カテゴリーに属するデータＸに対して、最も近い既存のカテゴリー（正常カテゴリーＮ）を求める。次に、データＸの値と正常カテゴリーＮの中心との距離を求め、この距離に対する寄与度（この距離の射影）が最大であるデータ項目を、主要因データ項目として求める。図８Ｂの例では、データ項目Ａが主要因データ項目として求められる。 FIG. 8B is a diagram for explaining the operation in step 1100. First, the nearest existing category (normal category N) is obtained for the data X belonging to the new category. Next, the distance between the value of the data X and the center of the normal category N is obtained, and the data item having the maximum contribution to this distance (projection of this distance) is obtained as the main factor data item. In the example of FIG. 8B, the data item A is obtained as the main factor data item.
図８Ｃは、ステップ１１１０の動作による抽出結果を説明する図である。ステップ１１１０では、ステップ１１００で求めた主要因データ項目（項目Ａ）が含まれる制御ロジック図を抽出する。制御ロジック図は、設計情報データベース３２０に保存されている。状態監視手段５００は、設計情報リクエスト信号１４を設計情報データベース３２０へ送信して、設計情報１３（制御ロジック図）を取得する。
FIG. 8C is a diagram for explaining the extraction result by the operation of step 1110. In step 1110, a control logic diagram including the main factor data item (item A) obtained in step 1100 is extracted. The control logic diagram is stored in the
図８Ｄは、ステップ１１２０の動作を説明する図である。ステップ１１２０では、ステップ１１００で求めた主要因データ項目（項目Ａ）について、監視モデル６００を構築した時のデータ範囲と、項目Ａのトレンドデータ（時系列データ）とを抽出して、データ傾向の変化を把握し、運用改善に寄与する操作方法を出力する。 FIG. 8D is a diagram for explaining the operation in step 1120. In step 1120, for the main factor data item (item A) obtained in step 1100, the data range when the monitoring model 600 is constructed and the trend data (time series data) of item A are extracted, and the data trend Grasp changes and output operation methods that contribute to operational improvements.
ステップ１１２０では、まず、モデルデータ５から項目Ａの最大値及び最小値を抽出する。次に、抽出した最大値より大きいトレンドデータのサンプル点数と、抽出した最小値より小さいトレンドデータのサンプル点数とを比較する。最大値より大きいトレンドデータのサンプル点数が、最小値より小さいトレンドデータのサンプル点数よりも多い場合は、項目Ａの値を下げる操作が運用改善に有用であると決定する。最小値より小さいトレンドデータのサンプル点数が、最大値より大きいトレンドデータのサンプル点数よりも多い場合は、項目Ａの値を上げる操作が運用改善に有用であると決定する。決定した操作は、プラント運用の改善案として出力する。
In step 1120, first, the maximum value and minimum value of the item A are extracted from the
図８Ｄの例では、監視モデル構築時と比較してトレンドデータの値が大きくなって推移していることから、項目Ａの値を下げる操作が運用改善に寄与すると決定する。 In the example of FIG. 8D, since the value of the trend data is larger than that at the time of construction of the monitoring model and changes, it is determined that the operation of lowering the value of item A contributes to operational improvement.
本実施例のプラント状態監視装置２００を用いることで、オペレータは長期間の計測信号を処理することなく、自動的に運用改善の操作方法を得られる。
By using the plant
図９は、本発明の第３の実施例によるプラント状態監視装置２００を説明するブロック図である。図９において、第１の実施例（図１）と同一の符号は、第１の実施例と同一または共通する要素を示す。本実施例のプラント状態監視装置２００は、状態監視手段５００に総合監視手段８００が備えられている点が、第１の実施例のプラント状態監視装置２００と異なる。総合監視手段８００は、画像表示装置９４０に表示する監視結果の優先順位を決定する。
FIG. 9 is a block diagram for explaining a plant
総合監視手段８００は、監視モデル６００Ａ〜６００Ｃから、それぞれ出力情報５０１Ａ〜５０１Ｃを受信する。尚、以下の説明では、出力情報５０１Ａ〜５０１Ｃを出力情報５０１と総称する。出力情報５０１は、監視モデル６００のカテゴリー番号など、監視モデル６００に関する情報である。
The
総合監視手段８００は、監視モデル６００のそれぞれに対して、式（１４）に従って評価値Ｅｉを求める。ここで、ｉは監視モデル番号、Ｅｉは監視モデルｉの評価値、Ｗｉは監視モデルｉに対する重み係数、Ｖ１ｉはモデルデータ中の最良値（効率の最大値、または環境負荷物質の最小値）、及びＶ２ｉは現在の計測信号の値に基づいて求めた監視項目の値（効率、または環境負荷物質の計測値）である。尚、重み係数Ｗｉは、予め設定する値である。重要な監視項目に対しては、監視モデル６００の重み係数Ｗｉの値を大きく設定する。
Ｅｉ＝Ｗｉ×｜Ｖ１ｉ−Ｖ２ｉ｜ ・・・（１４）
評価値Ｅｉは、重み係数Ｗｉと、モデルデータの最良値Ｖ１ｉと現在の監視項目の値Ｖ２ｉの偏差の積とで計算される。重要な監視項目や偏差が大きい監視項目ほど、評価値Ｅｉが大きくなる。従って、評価値Ｅｉが大きいほど、対応の優先順位が高い。そこで、評価値Ｅｉが大きい監視モデルほど表示の優先順位が高いとし、評価値Ｅｉの大きい順番に監視結果を画像表示装置９４０に表示することで、対応の優先順位も併せてオペレータに通知する。
The
Ei = Wi × | V1i−V2i | (14)
The evaluation value Ei is calculated by the weight coefficient Wi and the product of the deviation between the best value V1i of the model data and the value V2i of the current monitoring item. The evaluation value Ei increases as the monitoring item is more important or the monitoring item has a larger deviation. Therefore, the higher the evaluation value Ei, the higher the priority of correspondence. Therefore, the higher the evaluation value Ei is, the higher the display priority is, and the monitoring results are displayed on the
本実施例のプラント状態監視装置２００を用いることで、状態が変化した監視項目について対応の優先順位をつけてオペレータに通知できる。
By using the plant
図１０は、本発明の第４の実施例によるプラント状態監視装置２００を説明するブロック図である。図１０において、第１の実施例（図１）と同一の符号は、第１の実施例と同一または共通する要素を示す。本実施例のプラント状態監視装置２００は、状態監視手段５００に改善情報決定手段７００及び総合監視手段８００が備えられている点が、第１の実施例のプラント状態監視装置２００と異なる。
FIG. 10 is a block diagram illustrating a plant
改善情報決定手段７００及び総合監視手段８００の動作は、それぞれ実施例２及び実施例３で説明した通りである。ただし、総合監視手段８００は、対応を優先する項目についての出力情報５０２を改善情報決定手段７００に出力する。画像表示装置９４０には、監視結果とプラントの運転状態を改善する操作方法が、優先順位に従って（すなわち、評価値Ｅｉの大きい順番に）表示される。
The operations of the improvement
本実施例のプラント状態監視装置２００を用いることで、状態が変化した監視項目について対応の優先順位をつけてオペレータに通知でき、さらにオペレータは自動的に運用改善の操作方法を得られる。
By using the plant
図１１Ａ、図１１Ｂ、及び図１２は、本実施例の画像表示装置９４０に表示される画面を説明する図である。図１１Ａ及び図１１Ｂは第１〜第４の実施例のプラント状態監視装置２００を、図１２は第２、第４の実施例のプラント状態監視装置２００を、それぞれ用いた時に表示される画面の例である。
FIG. 11A, FIG. 11B, and FIG. 12 are diagrams illustrating screens displayed on the
図１１Ａは、モデルデータ選定手段４００で選定したモデルデータ５の期間を表示した画像表示装置９４０の画面の例を示す図である。図１１Ａでは、モデルデータ５の期間として期間Ａ〜期間Ｃが表示されている。オペレータは、画面からモデルデータ５の期間を確認できる。また、マウス９３０やキーボード９２０などの外部入力装置９１０を用いて各期間の開始時刻と終了時刻を変更することで、モデルデータ５の期間を変更することもできる。例えば、図１１Ａの例では、期間Ａの開始時刻の入力欄９６０や終了時刻の入力欄９６１に時刻を入力し、実行ボタン９６２をクリックすることで、期間Ａの開始時刻や終了時刻を変更できる。キャンセルボタン９６３をクリックすると、期間の変更処理をキャンセルできる。
FIG. 11A is a diagram illustrating an example of a screen of the
図１１Ｂは、監視結果１１を表示した画像表示装置９４０の画面の例を示す図である。この画面には、監視項目毎に、監視項目のデータ傾向がモデルデータと一致しているか、または変化しているかという監視結果を表示する。オペレータは、この画面により、プラントの運転状態を一覧で確認できる。図１１Ｂでは、監視項目として、ガスタービンの効率、一酸化炭素の濃度、及び窒素酸化物の濃度を例示しており、一酸化炭素の濃度のデータ傾向が、モデルデータから変化していることを示している。これにより、オペレータは、一酸化炭素の濃度が正常な状態から変化したことがわかる。
FIG. 11B is a diagram illustrating an example of a screen of the
図１２は、第２、第４の実施例のプラント状態監視装置２００を用いた時に、画像表示装置９４０が表示する画面の例を示す図である。この画面では、監視モデル毎に（図１２では監視モデルＡ〜Ｃ）、改善情報決定手段７００が抽出した制御ロジック図９７０と、運用改善に寄与する操作方法（推奨操作９７１）とを表示する。また、監視項目（図１２では項目Ａと項目Ｂ）のそれぞれについて、監視モデルを構築した時のデータ範囲とトレンドデータとをグラフに表示する。
FIG. 12 is a diagram illustrating an example of a screen displayed by the
以上に述べた実施例のプラント状態監視装置２００では、推奨操作９７１を画面に表示するが、この推奨操作を直接プラント１００の制御信号１０１に反映させて、推奨操作のようにプラント１００を制御する構成としてもよい。
In the plant
また、以上に述べた実施例では、モデルデータ選定手段４００にて、プラント効率が最大時または環境負荷物質が最小時の時刻からの期間をモデルデータの期間として選定した。プラント効率が最小時または環境負荷物質が最大時の時刻からの期間をモデルデータの期間として選定し、この期間で得られたモデルデータと現在の計測信号のデータ傾向が同じ場合に、プラントの運用状態が悪いことをオペレータに通知するような構成としてもよい。 In the embodiment described above, the model data selection means 400 selects the period from the time when the plant efficiency is maximum or the environmental load substance is minimum as the period of the model data. When the period from the time when the plant efficiency is the minimum or the environmental load substance is the maximum is selected as the model data period, and the model data obtained in this period and the data trend of the current measurement signal are the same, the plant operation It is good also as a structure which notifies an operator that a state is bad.
尚、本発明は、上記した実施例に限定されるものではなく、様々な変形例を含む。上記した実施例は、本発明をわかりやすく説明するために詳細に記載したものであり、本発明は、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。 In addition, this invention is not limited to an above-described Example, Various modifications are included. The above-described embodiments are described in detail for easy understanding of the present invention, and the present invention is not necessarily limited to those having all the configurations described.
また、上記の各構成、機能、処理部、及び処理手段等は、これらの一部または全部を集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成や機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行するソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル、計測信号、及び算出情報等の情報は、メモリやハードディスク等の記憶装置、またはＩＣカード、ＳＤカード及びＤＶＤ等の記憶媒体に格納することができる。よって、各処理と各構成は、処理ユニットやプログラムモジュールとして実現可能である。 Further, each of the above-described configurations, functions, processing units, processing means, and the like may be realized by hardware by designing a part or all of them with an integrated circuit. Further, each of the above-described configurations, functions, and the like may be realized by software that interprets and executes a program that realizes each function by the processor. Information such as programs, tables, files, measurement signals, and calculation information for realizing each function can be stored in a storage device such as a memory or a hard disk, or a storage medium such as an IC card, an SD card, or a DVD. Therefore, each process and each configuration can be realized as a processing unit or a program module.
また、図面において、制御線や情報線は、説明上必要と考えられるものを示している。従って、必ずしも製品に必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成要素が相互に接続されていると考えてもよい。 In the drawings, control lines and information lines indicate what is considered necessary for explanation. Therefore, not all control lines and information lines necessary for a product are necessarily shown. In practice, it may be considered that almost all components are connected to each other.
本発明は、プラント状態監視装置及びプラント状態監視方法として、各種プラントに広く適用可能である。 The present invention is widely applicable to various plants as a plant state monitoring device and a plant state monitoring method.
１…計測信号、２…外部入力信号、３，４，６…計測信号、５…モデルデータ、７…設計情報、８…設計リクエスト信号、９，１０…モデル情報、１１…監視結果、１２…画像表示情報、１３…設計情報、１４…設計情報リクエスト信号、５０…プラント状態監視装置情報、１００…プラント、２００…プラント状態監視装置、２１０…外部入力インターフェイス、２２０…外部出力インターフェイス、３１０…計測信号データベース、３２０…設計情報データベース、３３０…モデル情報データベース、４００…モデルデータ選定手段、５００…状態監視手段、６００，６００Ａ〜６００Ｃ…監視モデル、６３０…カテゴリー、７００…改善情報決定手段、８００…総合監視手段、９００…運転管理室、９１０…外部入力装置、９２０…キーボード、９３０…マウス、９４０…画像表示装置。
DESCRIPTION OF
Claims (12)
前記計測信号を基にして計算した時系列データと前記計測信号の時系列データとのうち少なくとも１つの時系列データから、前記プラントを監視する際に参照するモデルデータを選定するモデルデータ選定手段と、
前記モデルデータを複数のカテゴリーに分類することによって監視モデルを構築する状態監視手段を備え、
前記モデルデータ選定手段は、前記計測信号を基にして計算した前記プラントの効率の時系列データと、環境負荷物質についての前記計測信号の時系列データとのうち、少なくとも１つの時系列データについて、最大値をとる時刻の前後の予め定めた一定期間または最小値をとる時刻の前後の予め定めた一定期間をモデルデータの期間として決定し、このモデルデータの期間における前記少なくとも１つの時系列データを前記モデルデータとして選定し、
前記状態監視手段は、現在の前記計測信号が前記監視モデルの前記カテゴリーのいずれかに属するか否かを判定し、判定結果を監視結果として前記画像表示装置に出力する、
ことを特徴とするプラント状態監視装置。 In the plant state monitoring device that uses the measurement signal that measures the state quantity of the plant, monitors the operation state of the plant for a preset monitoring item, and displays the monitoring result on the image display device,
Model data selecting means for selecting model data to be referred to when monitoring the plant from at least one time series data of the time series data calculated based on the measurement signal and the time series data of the measurement signal; ,
Comprising state monitoring means for constructing a monitoring model by classifying the model data into a plurality of categories;
The model data selection means, for at least one time series data among the time series data of the efficiency of the plant calculated based on the measurement signal, and the time series data of the measurement signal for environmental load substances, A predetermined fixed period before and after the time at which the maximum value is taken or a predetermined fixed period before and after the time at which the minimum value is taken is determined as the period of the model data, and the at least one time series data in the period of the model data is Select as the model data,
The state monitoring means determines whether the current measurement signal belongs to any of the categories of the monitoring model, and outputs a determination result to the image display device as a monitoring result.
A plant state monitoring device characterized by that.
前記状態監視手段は、
前記プラントの運転状態を改善する操作方法を、前記計測信号と前記監視モデルを構築した時に用いた前記モデルデータとから決定する改善情報決定手段をさらに備え、
前記判定結果と、前記改善情報決定手段が決定した前記操作方法とを、前記画像表示装置に出力するプラント状態監視装置。 In the plant condition monitoring device according to claim 1,
The state monitoring means includes
An operation method for improving the operating state of the plant further comprises improvement information determination means for determining from the measurement signal and the model data used when the monitoring model is constructed,
A plant state monitoring device that outputs the determination result and the operation method determined by the improvement information determination means to the image display device.
前記状態監視手段は、
前記監視項目毎に予め設定された重み係数に基づいて、前記画像表示装置に表示する監視結果の優先順位を決定する総合監視手段をさらに備え、
前記判定結果を、前記優先順位に従って前記画像表示装置に出力するプラント状態監視装置。 In the plant condition monitoring device according to claim 1,
The state monitoring means includes
Comprehensive monitoring means for determining the priority order of the monitoring results to be displayed on the image display device based on a weighting factor set in advance for each monitoring item,
A plant state monitoring device that outputs the determination result to the image display device according to the priority order.
前記状態監視手段は、
前記プラントの運転状態を改善する操作方法を、前記計測信号と前記監視モデルを構築した時に用いた前記モデルデータとから決定する改善情報決定手段と、
前記監視項目毎に予め設定された重み係数に基づいて、前記画像表示装置に表示する監視結果の優先順位を決定する総合監視手段を、さらに備え、
前記判定結果と、前記改善情報決定手段が決定した前記操作方法とを、前記優先順位に従って前記画像表示装置に出力するプラント状態監視装置。 In the plant condition monitoring device according to claim 1,
The state monitoring means includes
An improvement information determination means for determining an operation method for improving the operation state of the plant from the measurement signal and the model data used when the monitoring model is constructed,
Comprehensive monitoring means for determining a priority order of monitoring results to be displayed on the image display device based on a weighting factor set in advance for each monitoring item,
A plant state monitoring device that outputs the determination result and the operation method determined by the improvement information determination means to the image display device according to the priority order.
前記モデルデータ選定手段は、前記計測信号を基にして計算した前記プラントの効率の時系列データと、環境負荷物質についての前記計測信号の時系列データとのうち、少なくとも１つの時系列データを、予め定めた過去のある時刻から予め定めた所定の期間毎に分割し、分割された期間毎に前記モデルデータの期間を決定し、決定されたモデルデータの期間のそれぞれにおいて前記モデルデータを選定するプラント状態監視装置。 In the plant condition monitoring device according to any one of claims 1 to 4,
The model data selection means includes at least one time series data among the time series data of the efficiency of the plant calculated based on the measurement signal and the time series data of the measurement signal for environmental load substances, It divides every predetermined period from a predetermined past time, determines the model data period for each divided period, and selects the model data in each of the determined model data periods Plant condition monitoring device.
前記プラントの制御ロジック図を保存する設計情報データベースを備え、
前記改善情報決定手段は、前記状態監視手段が、現在の前記計測信号が前記監視モデルの前記カテゴリーのいずれにも属さないと判定した場合に、
属さない原因となった前記計測信号のデータ項目を求め、前記データ項目に関連する制御ロジック図を前記設計情報データベースから抽出し、
前記モデルデータの前記データ項目の最大値と、前記モデルデータの前記データ項目の最小値と、前記データ項目のトレンドデータとを比較し、
前記最大値より大きい前記トレンドデータのサンプル点数が、前記最小値より小さい前記トレンドデータのサンプル点数よりも多い場合は、前記データ項目の値を下げる操作が前記操作方法であると決定し、
前記最小値より小さい前記トレンドデータのサンプル点数が、前記最大値より大きい前記トレンドデータのサンプル点数よりも多い場合は、前記データ項目の値を上げる操作が前記操作方法であると決定し、
前記データ項目、前記制御ロジック図、及び前記操作方法をさらに前記画像表示装置に出力するプラント状態監視装置。 In the plant condition monitoring device according to claim 2 or 4,
A design information database for storing a control logic diagram of the plant;
The improvement information determination means, when the state monitoring means determines that the current measurement signal does not belong to any of the categories of the monitoring model,
Finding the data item of the measurement signal that caused the cause not to belong, extracting a control logic diagram related to the data item from the design information database,
Comparing the maximum value of the data item of the model data, the minimum value of the data item of the model data, and the trend data of the data item;
If the trend data sample points greater than the maximum value is greater than the trend data sample points less than the minimum value, it is determined that the operation to lower the value of the data item is the operation method,
When the number of sample points of the trend data smaller than the minimum value is larger than the number of sample points of the trend data larger than the maximum value, it is determined that the operation to increase the value of the data item is the operation method,
A plant state monitoring device that further outputs the data items, the control logic diagram, and the operation method to the image display device.
前記監視工程は、
前記計測信号を基にして計算した時系列データと前記計測信号の時系列データとのうち少なくとも１つの時系列データから、前記プラントを監視する際に参照するモデルデータを選定するモデルデータ選定工程と、
前記モデルデータを複数のカテゴリーに分類することによって監視モデルを構築する状態監視工程を有し、
前記モデルデータ選定工程では、前記計測信号を基にして計算した前記プラントの効率の時系列データと、環境負荷物質についての前記計測信号の時系列データとのうち、少なくとも１つの時系列データについて、最大値をとる時刻の前後の予め定めた一定期間または最小値をとる時刻の前後の予め定めた一定期間をモデルデータの期間として決定し、このモデルデータの期間における前記少なくとも１つの時系列データを前記モデルデータとして選定し、
前記状態監視工程では、現在の前記計測信号が前記監視モデルの前記カテゴリーのいずれかに属するか否かを判定し、
前記表示工程では、前記状態監視工程での判定結果を、監視結果として前記画像表示装置に出力する、
ことを特徴とするプラント状態監視方法。 In a plant state monitoring method having a monitoring step of monitoring an operation state of the plant with respect to a preset monitoring item using a measurement signal obtained by measuring a state quantity of the plant, and a display step of displaying a monitoring result on an image display device ,
The monitoring step includes
A model data selection step of selecting model data to be referred to when monitoring the plant from at least one of the time series data calculated based on the measurement signal and the time series data of the measurement signal; ,
A state monitoring step of constructing a monitoring model by classifying the model data into a plurality of categories;
In the model data selection step, at least one time-series data among the time-series data of the plant efficiency calculated based on the measurement signal and the time-series data of the measurement signal for environmental load substances, A predetermined fixed period before and after the time at which the maximum value is taken or a predetermined fixed period before and after the time at which the minimum value is taken is determined as the period of the model data, and the at least one time series data in the period of the model data is Select as the model data,
In the state monitoring step, it is determined whether the current measurement signal belongs to one of the categories of the monitoring model,
In the display step, the determination result in the state monitoring step is output to the image display device as a monitoring result.
A plant state monitoring method characterized by the above.
前記状態監視工程は、前記プラントの運転状態を改善する操作方法を、前記計測信号と前記監視モデルを構築した時に用いた前記モデルデータとから決定する改善情報決定工程をさらに有し、
前記表示工程では、前記判定結果と、前記改善情報決定工程で決定した前記操作方法とを、前記画像表示装置に出力するプラント状態監視方法。 In the plant condition monitoring method according to claim 7,
The state monitoring step further includes an improvement information determination step for determining an operation method for improving the operation state of the plant from the measurement signal and the model data used when the monitoring model is constructed,
In the display step, a plant state monitoring method for outputting the determination result and the operation method determined in the improvement information determination step to the image display device.
前記状態監視工程は、前記監視項目毎に予め設定された重み係数に基づいて、前記画像表示装置に表示する監視結果の優先順位を決定する総合監視工程をさらに有し、
前記表示工程では、前記判定結果を、前記優先順位に従って前記画像表示装置に出力するプラント状態監視方法。 In the plant condition monitoring method according to claim 7,
The state monitoring step further includes a comprehensive monitoring step of determining a priority order of monitoring results to be displayed on the image display device based on a weighting factor set in advance for each monitoring item.
In the display step, a plant state monitoring method for outputting the determination result to the image display device according to the priority order.
前記状態監視工程は、
前記プラントの運転状態を改善する操作方法を、前記計測信号と前記監視モデルを構築した時に用いた前記モデルデータとから決定する改善情報決定工程と、
前記監視項目毎に予め設定された重み係数に基づいて、前記画像表示装置に表示する監視結果の優先順位を決定する総合監視工程を、さらに有し、
前記表示工程では、前記判定結果と、前記改善情報決定工程で決定した前記操作方法とを、前記優先順位に従って前記画像表示装置に出力するプラント状態監視方法。 In the plant condition monitoring method according to claim 7,
The state monitoring step includes
An improvement information determination step for determining an operation method for improving the operation state of the plant from the measurement data and the model data used when the monitoring model is constructed,
Based on a weighting factor set in advance for each monitoring item, further comprising a comprehensive monitoring step of determining a priority order of monitoring results to be displayed on the image display device;
In the display step, a plant state monitoring method for outputting the determination result and the operation method determined in the improvement information determination step to the image display device according to the priority order.
前記モデルデータ選定工程では、
前記計測信号を基にして計算した前記プラントの効率の時系列データと、環境負荷物質についての前記計測信号の時系列データとのうち、少なくとも１つの時系列データを、予め定めた過去のある時刻から予め定めた所定の期間毎に分割し、
分割された期間毎に前記モデルデータの期間を決定し、
決定されたモデルデータの期間のそれぞれにおいて前記モデルデータを選定するプラント状態監視方法。 In the plant state monitoring method according to any one of claims 7 to 10,
In the model data selection process,
A predetermined past time at least one time-series data among the time-series data of the plant efficiency calculated based on the measurement signal and the time-series data of the measurement signal for environmentally hazardous substances. Is divided every predetermined period from
Determine the period of the model data for each divided period,
A plant state monitoring method for selecting the model data in each determined period of model data.
前記改善情報決定工程では、前記状態監視工程で現在の前記計測信号が前記監視モデルの前記カテゴリーのいずれにも属さないと判定された場合に、
属さない原因となった前記計測信号のデータ項目を求め、前記プラントの制御ロジック図が保存されている設計情報データベースから、前記データ項目に関連する制御ロジック図を抽出し、
前記モデルデータの前記データ項目の最大値と、前記モデルデータの前記データ項目の最小値と、前記データ項目のトレンドデータとを比較し、
前記最大値より大きい前記トレンドデータのサンプル点数が、前記最小値より小さい前記トレンドデータのサンプル点数よりも多い場合は、前記データ項目の値を下げる操作が前記操作方法であると決定し、
前記最小値より小さい前記トレンドデータのサンプル点数が、前記最大値より大きい前記トレンドデータのサンプル点数よりも多い場合は、前記データ項目の値を上げる操作が前記操作方法であると決定し、
前記表示工程では、前記データ項目、前記制御ロジック図、及び前記操作方法をさらに前記画像表示装置に出力するプラント状態監視方法。 In the plant condition monitoring method according to claim 8 or 10,
In the improvement information determination step, when it is determined in the state monitoring step that the current measurement signal does not belong to any of the categories of the monitoring model,
Obtain the data item of the measurement signal that caused the cause not to belong, and extract the control logic diagram related to the data item from the design information database in which the control logic diagram of the plant is stored,
Comparing the maximum value of the data item of the model data, the minimum value of the data item of the model data, and the trend data of the data item;
If the trend data sample points greater than the maximum value is greater than the trend data sample points less than the minimum value, it is determined that the operation to lower the value of the data item is the operation method,
When the number of sample points of the trend data smaller than the minimum value is larger than the number of sample points of the trend data larger than the maximum value, it is determined that the operation to increase the value of the data item is the operation method,
In the display step, a plant state monitoring method for further outputting the data item, the control logic diagram, and the operation method to the image display device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012000350A JP5647626B2 (en) | 2012-01-05 | 2012-01-05 | Plant state monitoring device and plant state monitoring method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012000350A JP5647626B2 (en) | 2012-01-05 | 2012-01-05 | Plant state monitoring device and plant state monitoring method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2013140495A JP2013140495A (en) | 2013-07-18 |
| JP5647626B2 true JP5647626B2 (en) | 2015-01-07 |
Family
ID=49037873
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012000350A Active JP5647626B2 (en) | 2012-01-05 | 2012-01-05 | Plant state monitoring device and plant state monitoring method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5647626B2 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6945297B2 (en) * | 2016-12-05 | 2021-10-06 | 株式会社日立製作所 | Device diagnostic device, device diagnostic system and device diagnostic method |
| JP7180985B2 (en) * | 2018-03-01 | 2022-11-30 | 株式会社日立製作所 | Diagnostic device and diagnostic method |
| JP7347953B2 (en) * | 2019-04-08 | 2023-09-20 | 日立Ｇｅニュークリア・エナジー株式会社 | Equipment early warning monitoring device and equipment early warning monitoring method |
| CN116500426B (en) * | 2023-06-28 | 2023-09-05 | 东莞市兆恒机械有限公司 | Method for calibrating high-temperature test of semiconductor detection equipment |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4327013B2 (en) * | 2004-04-28 | 2009-09-09 | 株式会社東芝 | Plant-wide optimum process controller |
| WO2011061793A1 (en) * | 2009-11-18 | 2011-05-26 | 株式会社日立製作所 | System and method for extracting process signals |
| WO2011148431A1 (en) * | 2010-05-28 | 2011-12-01 | 株式会社日立製作所 | Plant diagnostic device and diagnostic method using same |
-
2012
- 2012-01-05 JP JP2012000350A patent/JP5647626B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2013140495A (en) | 2013-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5484591B2 (en) | PLANT DIAGNOSIS DEVICE AND PLANT DIAGNOSIS METHOD | |
| JP5292477B2 (en) | Diagnostic device and diagnostic method | |
| JP5337853B2 (en) | Power plant diagnostic device and power plant diagnostic method | |
| JP5260343B2 (en) | Plant operating condition monitoring method | |
| CN107408225B (en) | Adaptive handling of operational data | |
| JP5544418B2 (en) | Plant diagnostic device, diagnostic method, and diagnostic program | |
| CN102982488A (en) | Automated system and method for implementing statistical comparison of power plant operations | |
| CN107710089B (en) | Plant equipment diagnosis device and plant equipment diagnosis method | |
| JP2009243428A (en) | Monitoring device, method and program of wind mill | |
| JP5647626B2 (en) | Plant state monitoring device and plant state monitoring method | |
| JP5150590B2 (en) | Abnormality diagnosis apparatus and abnormality diagnosis method | |
| JP7180985B2 (en) | Diagnostic device and diagnostic method | |
| WO2022038804A1 (en) | Diagnostic device and parameter adjustment method | |
| JP4430384B2 (en) | Equipment diagnostic apparatus and diagnostic method | |
| JP5490277B2 (en) | Plant operating condition monitoring method | |
| JP6830414B2 (en) | Diagnostic device and diagnostic method | |
| KR102054500B1 (en) | Method for providing design drawing | |
| JP2018163645A (en) | Fault diagnosis device, monitoring device, fault diagnosis method, and fault diagnosis program | |
| JP2021174352A (en) | Plant control support device, program and plant control support method | |
| JP2017117034A (en) | Diagnosis device and diagnostic method | |
| JP6880864B2 (en) | Energy management system and energy management method | |
| CN115707913A (en) | Abnormality detection system, abnormality detection method for abnormality detection system, and recording medium for abnormality detection system | |
| US11886831B2 (en) | Data sorting device and method, and monitoring and diagnosis device | |
| JP2011138374A (en) | Diagnostic device and diagnostic method | |
| JP5490278B2 (en) | Plant operating condition monitoring method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130823 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140527 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140528 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140724 |
|
| 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: 20141021 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141107 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5647626 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |