JP6200833B2 - プラントと制御装置の診断装置 - Google Patents

Description

本発明はプラントと制御装置の診断装置、診断方法に関する。

火力や原子力に代表される発電プラントや、医薬品・食品・化学プラントに代表される産業プラントでは、プラントの安定的な運用のために、多くのプロセス信号を監視対象としている。

具体的には、プラントの状態を把握するために、圧力・温度・流量・水位などを計測する計測器を各部に設置し、得られた計測信号値を運転員に表示する。また、ほとんどのプラントでは、異常や不具合対策、あるいは、保守の観点から、得られた信号値を専用の計算機であるデータ収録装置に保存する。

運転員はプラントの状態に変化があった場合、関連するプロセス信号の値にも変化がないかどうかを確認するため、監視画面上に該当プロセス信号の値を表示する。また、必要であれば、プロセス計算機に格納された該当プロセス信号の過去の値を監視画面上に表示する。通常は、プラントの運転制御装置と監視装置が一体になっており、リアルタイムでプラント状態の監視や制御が実施できるようになっている。

最近は、異常状態が発生するまえに、プラントの異常兆候を予測する装置やその方法が多数検討されている。また、経年劣化の有無を把握して、プラントのメンテナンス計画に活用する技術が検討されている。特許文献１には、適応共鳴理論（Adaptive Resonance Theory：ART）を用いた診断装置が開示されている。ここでARTとは、多次元のデータをその類似度に応じてカテゴリに分類する理論である。

特許文献１の技術においては、まずARTを用いて正常時の計測データを複数のカテゴリ（正常カテゴリ）に分類する。次に、現在の計測データをARTに入力してカテゴリに分類する。この計測データが正常カテゴリに分類できない時は、新しいカテゴリ（新規カテゴリ）を生成する。新規カテゴリの発生は、プラントの状態が変化したことを意味する。そこで、特許文献１の診断装置では、異常兆候の発生を新規カテゴリの発生で判断している。

一方、安全操業を確保する上で、制御システムのセキュリティ対策が急務となっている。制御装置がウイルスに感染すると、プラントの操作信号を計算する制御ロジックが書き換えられる可能性がある。ウイルスに感染した制御ロジックを用いて計算した操作信号を用いると、プラントを誤って操作する危険がある。また、操作信号が変化すると、プラントで計測する計測信号の値も変化する。

経年劣化や機器異常でプラントの特性が変化した場合、もしくはウイルス感染により制御装置の状態が変化した場合には、計測信号と操作信号が共に変化する。そのため、運転員は問題が発生した場合に制御プログラムの処理に異常があるのか、プラントに異常があるのかを判断する必要がある。特許文献２では、プラントデータ制御条件が不成立となった場合にプラントデータあるいは処理データをグラフ、もしくは表にして表示する技術が公開されており、制御条件が不成立になった原因が演算処理部の異常かプラント側の異常かを判定するための情報を運転員に提供している。また、特許文献３には制御装置のリプレース前後の制御ロジックの動作が同じであることを場内で確認するため、リプレース前後の制御ロジックに試験用の入力を与え、計算結果が一致するかどうかを確認する技術が公開されている。

特開２００５−１６５３７５号公報 特開平８−５０５０９号公報 特開２０１３−１６８０３８号公報

先に述べた通り、プラントの特性が変化した場合、制御装置の状態が変化した場合には計測信号と操作信号が共に変化するため、この事象を区別するには詳細なデータ解析が必要であり、原因究明に時間を要するという問題がある。

特許文献１の方法では、データの傾向が変化したことを検知することはできるが、その原因がプラント側にあるのか制御装置側にあるのかを区別できない。また特許文献２の方法では、診断するタイミングがプラントデータ制御の条件が不成立の時である。しかし、ウイルスはいつ制御装置に侵入するか不明であり、ウイルス検知のためにはリアルタイムでの診断が必要である。また、本方式では制御ロジックが書き換えられたかどうかは判定できない。特許文献３の方法は、制御ロジックに試験用の入力を与える必要があるが、プラント運転中に試験用の入力を制御ロジックに与えることができないため、ウイルス検知に活用することは難しい。

本発明の目的は、信号が変化した原因がプラント側にあるのか、制御ロジック側にあるのかを区別することで、運転員よる原因究明の時間を短縮することにある。

上述の課題を解決するため、本発明のプラントと制御装置の診断装置は、プラントで計測された計測信号及び制御装置で生成された操作信号のそれぞれについてクラスタリング技術を用いてカテゴリに分類するデータ分類手段と、前記データ分類手段の分類結果に基づいて、正常か、プラント特性が変化したか、制御ロジックが変化したか、を区別する診断手段を備えたことを特徴とする。

信号が変化した原因がプラント側にあるのか、制御ロジック側にあるのかを区別することで、運転員よる原因究明の時間を短縮できる。

本発明の実施例である診断装置を説明するブロック図である。 プラントと制御装置の診断装置の動作フローチャート図である。 分類手段を説明するブロック図である。 分類手段でデータを分類した結果を説明する図である。 計測信号データベースと分類結果データベースに保存されるデータの態様を説明する図である。 診断手段の動作フローチャート図である。 動作が変化した制御ロジックを特定する方法を説明する図である。 画像表示装置９４０に表示する画面の実施例を説明する図である。

本発明の実施例である診断装置について、図面を参照して以下に説明する。

図１は、本発明の実施例である診断装置を説明するブロック図である。診断装置４００を用いて、プラント１００と制御装置２００の状態を診断する。

プラント１００には種々の計測機器が設置されており、これらの計測機器で計測した計測信号１は制御装置２００に送信される。制御装置２００では、プラント１００を所望の運転状態に制御するため、操作信号２を計算してプラント１００に送信する。制御装置２００で受信した計測信号１と、制御装置２００で計算した操作信号２を含む信号３はデータ収録装置３００に送信されて保存される。尚、信号３には制御装置２００で計算した任意の信号を含めても良い。

診断装置４００は、演算装置として計測信号抽出手段５００、データ分類手段６００、操作信号抽出手段７００、診断手段８００を備える。また、診断装置４００には、データベースとして信号データベース４３０、分類結果データベース４４０を備える。尚、図１においてはデータベースをDBと略記している。

信号データベース４３０、分類結果データベース４４０には電子化された情報を保存しており、通常電子ファイル(電子データ)と呼ばれる形態で情報を保存する。

また、診断装置４００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４１０、及び外部出力インターフェイス４２０を備えている。そして、外部入力インターフェイス４１０を介してデータ収録装置３００に保存されている信号４と、運転管理室９００に備えられているキーボード９２０及びマウス９３０で構成される外部入力装置９１０の操作で作成する外部入力信号５を診断装置４００に取り込む。また、外部出力インターフェイス４２０を介して、画像表示情報１６を運転管理室９００に備えられている画像表示装置９４０に出力する。

診断装置４００に取り込まれた信号６は、信号データベース４３０に保存する。

診断装置４００は、モデル構築処理と診断処理の二つの処理モードを持つ。モデル構築処理モードでは、正常状態の信号を用いて、診断モデルを構築する。診断モデルはクラスタリング技術により構築され、正常状態の信号がいくつかのデータグループに分類される。診断処理モードでは、診断する時刻の信号を処理する。計測信号が正常状態の時と同じ特性であれば、診断モデルのデータグループのいずれか１つに分類される。特性が異なる場合は、診断モデルのデータグループには属さないことになる。

モデル構築処理モードの動作を以下に述べる。

モデル構築処理モードでは、状態変化の検知に用いる監視モデルを構築する。まず、計測信号抽出手段５００を動作させて、所定期間の計測信号８を信号データベース４３０から抽出する。計測信号抽出手段５００で抽出した計測信号１０はデータ分類手段６００に送信する。データ分類手段６００では計測信号１０をクラスタリング技術により分類する。分類結果である分類結果情報１２は分類結果データベース４４０に送信し、保存する。

次に、操作信号抽出手段７００を動作させて、所定期間の操作信号９を信号データベース４３０から抽出する。計測信号抽出手段７００で抽出した操作信号１１はデータ分類手段６００に送信する。データ分類手段６００では操作信号１１をクラスタリング技術により分類する。分類結果である分類結果情報１２は分類結果データベース４４０に送信し、保存する。なお、操作信号抽出手段７００では、操作信号だけでなく制御装置２００で計算した任意の信号を抽出し、データ分類手段６００では操作信号と制御装置２００で計算した任意の信号をクラスタリング技術によって分類するようにしても良い。また、計測信号と操作信号をそれぞれ任意のグループに分け、各グループ毎に診断モデルを構築するようにしても良い。

このように、本実施例の診断装置４００では、計測信号と操作信号をそれぞれ個別に分類する。

以上がモデル構築処理モードの動作である。

次に、診断処理モードの動作を述べる。

診断処理モードでは、診断する時間の計測信号と操作信号をそれぞれ計測信号抽出手段５００と操作信号抽出手段７００で抽出する。その後、モデル構築処理モードで構築した診断モデルを参照しながらデータ分類手段６００にて診断する時間の計測信号と操作信号を分類する。その分類結果に基づいて、診断手段８００にてプラント１００と制御装置２００の状態を診断する。診断結果情報１５は外部出力インターフェイス４２０に出力する。

モデル構築処理モード、及び診断処理モードを実行するタイミングは任意に設定できる。

例えば、計測信号のサンプリング周期毎にモデル構築処理モードと診断処理モードの両方を動作させて診断する。計測信号を取得する毎に診断モデルを更新することで、常に最新のモデルを用いた診断が可能である。しかし、モデル構築に用いるデータ量が多い時は、本処理に時間を要するため、サンプリング周期内に計算が終了しない可能性がある。このような場合は、所定の設定期間毎にモデル構築処理モードを動作させ、サンプリング周期毎に診断処理モードのみを動作させて診断することもできる。また、モデル構築処理モード、診断処理モードを実施するための外部入力信号５を診断装置４００に入力することで、任意のタイミングでモデル構築処理モードと診断処理モードを動作させることもできる。

なお、本実施例の診断装置４００においては、計測信号抽出手段５００、データ分類手段６００、操作信号抽出手段７００、診断手段８００、信号データベース４３０、分類結果データベース４４０が診断装置４００の内部に備えられているが、これらの一部の装置を診断装置４００の外部に配置し、データのみを装置間で通信するようにしてもよい。

また、診断装置４００に設置された信号データベース４３０、分類結果データベース４４０、に保存されているデータベース情報５０は、運転管理室９００とデータ通信できるようになっており、データベースの情報を画像表示装置９４０に表示できる。また、これらの情報は、キーボード９２０とマウス９３０で構成する外部入力装置９１０を操作して生成する外部入力信号２で修正できる。

また、本発明の実施形態として、診断装置４００を動作させて得られた情報を運転員に提供する情報提供サービス、診断装置４００を搭載した運転制御装置も含まれる。また、本実施例ではプラント１００と制御装置２００の信号を用いて診断モデルを構築しているが、データ収録装置３００にプラント１００と制御装置２００を模擬するシミュレータのデータを保存しておき、このデータを用いて診断モデルを構築するようにしても良い。

図２は診断装置４００の動作フローチャート図である。

モデル構築処理モードでは、ステップ１０００、１０１０、１０２０、１０３０、１０４０、１０５０を組み合わせて実行する。また、診断処理モードではステップ１０００、１０１０、１０２０、１０３０、１０４０、１０５０、１０６０、１０７０を組み合わせて実行する。

ステップ１０００では、データ収録装置３００に保存されている信号４を、外部入力インターフェイス４１０を介して診断装置４００に取り込み、信号６を信号データベース４３０に保存する。

ステップ１０１０では、計測信号抽出手段５００を動作させて、所定期間の計測信号８を信号データベース４３０から抽出する。計測信号抽出手段５００で抽出した計測信号１０はデータ分類手段６００に送信する。

ステップ１０２０ではデータ分類手段６００を動作させて計測信号１０をクラスタリング技術により分類する。分類結果である分類結果情報１２は分類結果データベース４４０に送信し、保存する。

ステップ１０３０では、操作信号抽出手段７００を動作させて所定期間の操作信号９を信号データベース４３０から抽出する。計測信号抽出手段７００で抽出した操作信号１１はデータ分類手段６００に送信する。

ステップ１０４０では、データ分類手段６００を動作させて操作信号１１をクラスタリング技術により分類する。分類結果である分類結果情報１２は分類結果データベース４４０に送信し、保存する。

ステップ１０５０では動作モードを判定する。モデル構築処理モードの場合は終了し、診断処理モードの場合はステップ１０６０に進む。尚、モデル構築処理モードと診断処理モードが動作するタイミングは、運転員によって任意に設定できる。

ステップ１０６０では診断手段８００を動作させて、プラント１００と制御装置２００の状態を診断し、診断結果情報１５を外部出力インターフェイス４２０に出力する。診断手段８００の動作内容については、図６を用いて後述する。診断結果情報１５は外部出力インターフェイス４２０にて画像表示情報１６に変換し、画像表示装置９４０に表示する。

ステップ１０７０では終了判定を実施し、終了判定を満足する場合は診断処理モードを終了する。終了条件を満たさない場合は、ステップ１０００に戻る。ここで終了条件とは、予めユーザによって定められた条件である。例えばステップ１０００〜ステップ１０７０の繰り返し回数が所定の値を超えた時に診断モードを終了する。

このように、本実施例の診断装置４００では、計測信号と操作信号をそれぞれ個別に分類する。そして、それぞれの分類結果に基づいて診断することで、信号が変化したことの原因がプラント側にあるのか、制御装置側にあるのかを区別する。具体的な区別方法は、図６を用いて後述する。

図３は、データ分類手段６００を説明する図である。

本実施例では、信号を分類する技術として、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、ベクトル量子化、サポートベクターマシン等、他のクラスタリング手法を用いることもできる。

図３(a)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で構成する。データ前処理装置６１０は、運転データをＡＲＴモジュール６２０の入力データに変換する。

以下に、前記データ前処理装置６１０及びＡＲＴモジュール６２０によるそれらの手順について説明する。

まず、データ前処理装置６１０において、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。この入力データIi（ｎ）が、ＡＲＴモジュール６２０に入力される。

ＡＲＴモジュール６２０においては、入力データである計測信号１０、もしくは操作信号１１を複数のカテゴリに分類する。

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、カテゴリの代表値を表すものである。

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。

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。

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の候補を選択する。

処理３：選択サブシステム６２５で選択したカテゴリ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、そのカテゴリはリセットされ、他のカテゴリからふさわしいカテゴリの候補を選択する（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。

処理４：処理２において全ての既存のカテゴリがリセットされると、入力データが新規カテゴリに属すると判断され、新規カテゴリのプロトタイプを表す新しい重み係数を生成する。

処理５：入力データがカテゴリＪに分類されると、カテゴリ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（又は入力データから派生したデータ）を用いて下記式（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、入力ベクトルを新しい重み係数に反映させる度合いを決定する値である。

尚、式（１）及び後述する式（２）乃至式（１２）の各演算式は前記ＡＲＴモジュール６２０に組み込まれている。

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においては、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。

このように、入力データとして予め与えた運転データを与えると、ＡＲＴモジュール６２０は与えられたパターンを学習する。したがって、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、過去における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、新規カテゴリに分類される。

図３(b)は、F0レイヤー６２１の構成を示すブロック図である。ａF0レイヤー６２１では、入力データＩ_iを各時刻で再度正規化し、F1レイヤー６２１、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ｕ_iを作成する。

始めに、入力データＩ_iから、式(２)に従ってｗ_i ⁰を計算する。ここで、ａは定数である。

次に、ｗ_i ⁰を正規化したｘ_i ⁰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。

そして、式(４)を用いて、ｘ_iからノイズを除去したｖ_i ⁰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。

最後に、式(５)を用いて正規化入力ベクトルｕ_i ⁰を求める。ｕ_i ⁰はF1レイヤーの入力となる。

図３(c)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ｕ_i ⁰を短期記憶として保持し、F2レイヤー７２２に入力するρ_i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は定数、f(・)は式(４)で示した関数、Ｔ_jはF2レイヤー６２３で計算する適合度である。

ただし、

図４はデータ分類手段６００で計測信号１０、もしくは操作信号１１を分類した結果を説明する図である。

図４(a)は、計測信号１０、もしくは操作信号１１を、カテゴリに分類した結果を説明する図である。横軸は、時間、縦軸は計測信号、カテゴリ番号である。図４(b)は、データ分類手段６００にてカテゴリに分類した分類結果の一例を示す図である。

図４(b)は、一例として、計測信号のうちの２項目を表示したものであり、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。

計測信号は、図３(a)のＡＲＴモジュール６２０によって複数のカテゴリ６３０（図６(b)に示す円）に分割される。１つの円が、１つのカテゴリに相当する。

本実施例では、計測信号は４つのカテゴリに分類されている。カテゴリ番号１は、項目Ａの値が大きく、項目Ｂの値が小さいグループ、カテゴリ番号２は、項目Ａ、項目Ｂの値が共に小さいグループ、カテゴリ番号３は項目Ａの値が小さく、項目Ｂの値が大きいグループ、カテゴリ番号４は項目Ａ、項目Ｂの値が共に大きいグループである。

図４(a)に示すように、診断開始前の正常期間のデータは、カテゴリ１〜３に分類された。監視開始後の前半のデータはカテゴリ２に分類されており、モデルデータと同じカテゴリである。この場合、データの傾向が同じであることから、状態は変化していないと判断する。一方、監視開始後の後半のデータはカテゴリ４に分類されており、モデルデータと異なるカテゴリに分類されている。データの傾向が異なることから、プラントの状態が変化したと判断する。

尚、本実施例においては、２項目の計測信号をカテゴリ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に分類することもできる。

図５は計測信号データベース４３０と、分類結果データベース４４０に保存されているデータの態様を説明する図である。

図５(a)に示すように、計測信号データベース４３０には、計測信号と操作信号（図では、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。

表示画面４３１において縦横に移動可能なスクロールボックス４３２及び４３３を用いることにより、広範囲のデータをスクロール表示することができる。

図５(b)に示すように、分類結果データベース４４０には、カテゴリの重み係数(表示画面４４１)、時刻と計測信号分類時のカテゴリ番号と操作信号分類時のカテゴリ番号(表示画面４４２)、操作信号分類時のカテゴリ番号と計測信号分類時のカテゴリ番号の関係(表示画面４４３)、計測信号分類時のカテゴリ番号と、操作信号分類時のカテゴリ番号の関係(表示画面４４４)を保存する。分類結果データベース４４０に保存されている分類結果情報１４を用いて、診断手段８００ではプラント１００と制御装置２００の状態を診断する。

図６は、診断手段８００の動作フローチャート図であり、図２のステップ１０６０の詳細な動作を説明する図である。ステップ１０６０では、図６(a)で示したフローと図６(b)で示したフローを同時に動作させてプラントと制御装置の状態が変化したかどうかを診断する。図６(a)はプラントの状態を診断するフローチャート図であり、図６(b)は制御装置の状態を診断するフローチャート図である。

まず、図６(a)の動作について説明する。

ステップ１１００では、診断処理モードを動作させた時の操作信号を分類したカテゴリが過去と同じかどうかを判定する。同じ場合はステップ１１１０に進み、異なる場合はステップ１１４０に進む。

ステップ１１１０では、分類結果データベース４４０を参照し、同じ操作信号カテゴリ番号における計測信号カテゴリを抽出し、診断処理モードを動作させた時の計測信号を分類したカテゴリと一致するかどうかを判定する。一致する場合はステップ１１３０に進み、一致しない場合はステップ１１２０に進む。

ステップ１１２０に進んだ場合はプラントの状態変化検知と診断し、ステップ１１３０に進んだ場合は正常状態と診断し、ステップ１１４０に進んだ場合は予兆状態と診断する。

ステップ１１２０でプラントの状態変化と判定することの妥当性を以下に述べる。モデル構築処理モードにおいて、操作信号カテゴリ番号が１の時の計測信号カテゴリ番号は図５(b)の画面４４３より、１、２、５のいずれかである。診断処理モードにおいて、操作信号カテゴリ番号が１に分類され、計測信号カテゴリ番号が上記以外となった場合、プラントに入力するデータ傾向は同じだがプラントから出力されるデータの傾向が異なることを意味する。 この原因は、経年劣化、機器故障によりプラント特性が変化したと考えられるため、本実施例ではプラントの状態変化と判定する。

次に、図６(b)の動作について説明する。

ステップ１２００では、診断処理モードを動作させた時の計測信号を分類したカテゴリが過去と同じかどうかを判定する。同じ場合はステップ１２１０に進み、異なる場合はステップ１２４０に進む。

ステップ１２１０では、分類結果データベース４４０を参照し、同じ計測信号カテゴリ番号における操作信号カテゴリを抽出し、診断処理モードを動作させた時の操作信号を分類したカテゴリと一致するかどうかを判定する。一致する場合はステップ１２３０に進み、一致しない場合はステップ１２２０に進む。

ステップ１２２０に進んだ場合は制御装置の状態変化検知と診断し、ステップ１２３０に進んだ場合は正常状態と診断し、ステップ１２４０に進んだ場合は予兆状態と診断する。

ステップ１２２０で制御装置の状態変化と判定することの妥当性を以下に述べる。モデル構築処理モードにおいて、計測信号カテゴリ番号が１の時の操作信号カテゴリ番号は図５(b)の画面４４４より１、２、４のいずれかである。診断処理モードにおいて、計測信号カテゴリ番号が１に分類され、操作信号カテゴリ番号が上記以外となった場合、制御装置に入力するデータ傾向は同じだが制御装置から出力されるデータの傾向が異なることを意味する。この原因は、ウイルスにより制御ロジックが書き換えられたためであると考えられるため、本実施例では制御装置の状態変化と判定する。

本実施例の診断装置４００は上記の方法で診断するので、制御装置に対する入力(計測信号)が同じなのに制御装置の出力(操作信号)が正常時と異なるときは、制御ロジックが変化した場合と判定し、プラントに対する入力(操作信号)が同じなのにプラントの出力(計測信号)が正常時と異なるときは、プラントの特性が変化したと判定する。また、信号ノイズによる誤判定を抑制するため、ARTなどのクラスタリング技術を活用している。

図７は、制御装置の状態変化を検知した際に、変化した制御ロジックを特定する方法を説明する図である。

図７(a)は制御装置２００に搭載されている制御ロジックと、データ収録装置３００で記録する信号３の例を説明する図である。本実施例の診断装置４００では、データ分類手段６００にて過去の運転データに基づきロジック毎の入出力関係を記憶しておき、入出力関係が過去と異なるロジックを抽出することができる。

例えば、信号２７０aと信号２７０bを入力とした診断モデルで新規カテゴリが発生した場合はロジックA２２０、信号２７０bと信号２７０cを入力とした診断モデルで新規カテゴリが発生した場合はロジックB２３０、信号２７０bと信号２７０dを入力とした診断モデルで新規カテゴリが発生した場合はロジックC２４０が変化したと診断する。

このように、本実施例の診断装置４００では、入出力関係が過去と異なるロジックを抽出することができ、ウイルス感染で書き換えられた制御ロジックの情報を運転員に提供できる。

図７(b)は正常な制御ロジックを説明する図である。本制御ロジックは、変化率制限器(RL)２２１と、比例積分制御器(PI)２２２で構成している。図７(c)(d)は、ウイルスによって変更された制御ロジックの例である。図７(c)は変化率制限器(RL)が削除されており、図７(d)は比例ゲインの値が書き換えられている。このように制御ロジックが変更されるとロジックの入出力関係が変わるため、本実施例の診断装置４００で状態変化を検知できる。また、変更前後の制御ロジックの画像を比較する図面認識技術を活用して、書き換えられた内容を特定する機能を診断手段８００に加えても良い。

図８は、画像表示装置９４０に表示する画面を説明する図である。

図８(a)に示すように、図６のフローチャートを動作させて得られた診断結果９５０を画面に表示する。すなわち、プラントにて計測された計測信号及び制御装置で生成された操作信号の少なくとも一方が変化した原因が、プラントの状態変化及び制御ロジックの状態変化のどちらであるかを診断した結果を表示させる指令信号を画像表示装置９４０に送信する。正常判定時にはボックス９５１、制御装置状態変化判定時にはボックス９５２、プラント状態変化時にはボックス９５３、予兆状態検知時にはボックス９５４の色を変えて強調表示し、プラント１００の運転員に診断結果を通知する。

図８(b)は、制御ロジックの状態変化を検知した時に、動作の変化したロジックを抽出した結果を表示する画面である。状態変化が起きた制御ロジックを表示させる指令信号を画像表示装置９４０に送信することで、図７で説明した方式を用いて抽出した制御ロジックA９６１を強調して表示し、運転員に状態が変化した制御ロジックを通知する。

本実施例の画像表示装置９４０には上述した画面の他にも、計測信号、操作信号のトレンドグラフや各種データベースの情報を表示し、運転員がプラント１００と制御装置２００の状態を把握できる。以上説明した本実施例のプラントと制御装置の診断装置は、プラント１００で計測された計測信号８(計測信号１０)及び制御装置２００で生成された操作信号９(操作信号１１)をカテゴリに分類するデータ分類手段６００と、データ分類手段６００の分類結果に基づいて、正常か、プラント特性が変化したか、制御ロジックが変化したかを区別する診断手段８００を備えている。このような診断装置によれば、信号が変化した原因がプラント特性の変化によるものか、制御ロジックの変化によるものかを区別できる。すなわち、プラントの経年劣化や異常と、制御装置へのウイルス感染を区別でき、運転員が原因究明に要する時間を短縮できる。

本実施例の診断手段８００は、モデル構築処理モードでの所定期間である第一の期間の分類結果と、診断処理モードで診断する時間である第二の期間の分類結果を比較するものである。具体的には図６で示したように、計測信号と操作信号とのカテゴリの関係が、第一の期間と第二の期間で同じ場合は正常と判定し（ステップ１１３０、１２３０）、計測信号のカテゴリの関係が同じで操作信号のカテゴリの関係に相違がある場合は制御ロジックが変化したと判定し（ステップ１２２０）、操作信号のカテゴリの関係が同じで計測信号のカテゴリの関係に相違がある場合はプラント特性変化と判断する（ステップ１１２０）。

本実施例はさらに、データ分類手段の分類結果を保存する分類結果データベース４４０を備え、操作信号は、制御装置２００で複数の制御ロジックに基づいて生成されるものであり、データ分類手段６００は、制御ロジックの入出力毎のカテゴリに分類した結果を分類結果データベース４４０に送るものである。このような構成とすれば、図７を用いて説明したように、入出力関係が過去と異なるロジックを抽出することができる。診断手段８００が制御ロジックが変化したと判定した際に、分類結果データベース４４０の情報に基づいて変化した制御ロジックを特定することができるため、運転員が原因究明に要する時間をより短縮できるとともに、適切な処置を検討することができる。

本発明は、診断装置として、火力発電プラント、原子力発電プラントなど、各種プラントに適用可能である。

１ ・・・ 計測信号
２ ・・・ 操作信号
３ ・・・ 信号
４ ・・・ 信号
５ ・・・ 外部入力信号
６ ・・・ 信号
７ ・・・ 時刻情報
８ ・・・ 計測信号
９ ・・・ 操作信号
１０ ・・・ 計測信号
１１ ・・・ 操作信号
１２ ・・・ 分類結果情報
１３ ・・・ 分類結果情報
１４ ・・・ 分類結果情報
１５ ・・・ 診断結果情報
１６ ・・・ 画像表示情報
５０ ・・・ データベース情報
１００ ・・・ プラント
２００ ・・・ 制御装置
３００ ・・・ データ収録装置
４００ ・・・ 診断装置
４１０ ・・・ 外部入力インターフェイス
４２０ ・・・ 外部出力インターフェイス
４３０ ・・・ 計測信号データベース
４４０ ・・・ 分類結果データベース
５００ ・・・ 計測信号抽出手段
６００ ・・・ データ分類手段
７００ ・・・ 操作信号抽出手段
８００ ・・・ 診断手段
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

Claims (8)

1. プラントと制御装置の診断装置において、
   プラントで計測された計測信号及び制御装置で生成された操作信号のそれぞれについてクラスタリング技術を用いてカテゴリに分類するデータ分類手段と、
   前記データ分類手段の分類結果に基づいて、正常か、プラント特性が変化したか、制御ロジックが変化したか、を区別する診断手段を備えたことを特徴としたプラントと制御装置の診断装置。
2. 請求項１に記載したプラントと制御装置の診断装置において、
   前記診断手段は、第一の期間の分類結果と第二の期間の分類結果を比較するものであることを特徴とするプラントと制御装置の診断装置。
3. 請求項２に記載したプラントと制御装置の診断装置において、
   前記診断手段は、前記計測信号と操作信号とのカテゴリの関係が、前記第一の期間と前記第二の期間で同じ場合は正常と判定し、
   前記計測信号のカテゴリの関係が同じで前記操作信号のカテゴリの関係に相違がある場合は制御ロジック変化と判定し、
   前記操作信号のカテゴリの関係が同じで前記計測信号のカテゴリの関係に相違がある場合はプラント特性変化と判断することを特徴とするプラントと制御装置の診断装置。
4. 請求項３に記載したプラントと制御装置の診断装置において、
   前記データ分類手段の分類結果を保存する分類結果データベースを備え、
   前記操作信号は、複数の制御ロジックに基づいて生成されるものであり、
   前記データ分類手段は、前記制御ロジックの入出力毎のカテゴリに分類した結果を前記分類結果データベースに送ることを特徴とするプラントと制御装置の診断装置。
5. 請求項４に記載したプラントと制御装置の診断装置において、
   前記診断手段が制御ロジック変化と判定した際に、前記分類結果データベースの情報に基づいて変化した制御ロジックを特定することを特徴とするプラントと制御装置の診断装置。
6. プラントと制御装置の診断方法において、
   第一の期間にプラントで計測された計測信号及び制御装置で生成された操作信号のそれぞれについてクラスタリング技術を用いてカテゴリに分類して診断モデルを構築し、
   第二の期間にプラントで計測された計測信号及び制御装置で生成された操作信号のそれぞれについてクラスタリング技術を用いてカテゴリに分類し、前記診断モデルと比較することを特徴とするプラントと制御装置の診断方法。
7. 請求項６に記載したプラントと制御装置の診断方法において、
   前記計測信号と操作信号とのカテゴリの関係が、前記第一の期間と前記第二の期間で同じ場合は正常と判定し、
   前記計測信号のカテゴリの関係が同じで前記操作信号のカテゴリの関係に相違がある場合は制御ロジック変化と判定し、
   前記操作信号のカテゴリの関係が同じで前記計測信号のカテゴリの関係に相違がある場合はプラント特性変化と判断することを特徴とするプラントと制御装置の診断方法。
8. 請求項７に記載したプラントと制御装置の診断方法において、
   制御ロジック変化と判定した際に、制御ロジック毎の入出力データを分類した結果に基づいて、変化した制御ロジックを特定することを特徴とするプラントと制御装置の診断方法。