JPH07121230A - プラント状態予測装置 - Google Patents
プラント状態予測装置Info
- Publication number
- JPH07121230A JPH07121230A JP26706993A JP26706993A JPH07121230A JP H07121230 A JPH07121230 A JP H07121230A JP 26706993 A JP26706993 A JP 26706993A JP 26706993 A JP26706993 A JP 26706993A JP H07121230 A JPH07121230 A JP H07121230A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- value
- plant
- simulator
- plant state
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 abstract description 20
- 238000005259 measurement Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 abstract description 10
- 238000004088 simulation Methods 0.000 abstract description 8
- 230000014509 gene expression Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【目的】 設計上の計算値に起因するシミュレータの不
正確さを排除でき、かつ、容易にシミュレータを作成で
きるプラント状態予測装置を提供する。 【構成】 シミュレーションの対象となる系統の特性値
を含むシミュレータモデル式に基づいてプラント状態を
計算するシミュレータ部２と、シミュレータ部２の系統
特性値を実測データから学習する学習部３とを備え、プ
ラントの状態信号が所定条件を満たすときに学習を開始
するように学習部３を構成した。
正確さを排除でき、かつ、容易にシミュレータを作成で
きるプラント状態予測装置を提供する。 【構成】 シミュレーションの対象となる系統の特性値
を含むシミュレータモデル式に基づいてプラント状態を
計算するシミュレータ部２と、シミュレータ部２の系統
特性値を実測データから学習する学習部３とを備え、プ
ラントの状態信号が所定条件を満たすときに学習を開始
するように学習部３を構成した。
Description
【０００１】
【産業上の利用分野】本発明は、シミュレータを用いて
プラントの健全性診断もしくは操作予測を行うプラント
状態予測装置に係り、特にシミュレータのモデル式に含
まれる系統の特性値を実測データから自動的に学習する
プラント状態予測装置に関する。
プラントの健全性診断もしくは操作予測を行うプラント
状態予測装置に係り、特にシミュレータのモデル式に含
まれる系統の特性値を実測データから自動的に学習する
プラント状態予測装置に関する。
【０００２】
【従来の技術】一般に、原子力発電プラント等のプラン
トにおいて、現在のプラント状態を示す観測値を入力し
て近い将来に生じるプラント状態を計算し、その計算値
と実測値との差を評価することによって、プラントの異
常を診断するプラント状態予測装置が知られている。
トにおいて、現在のプラント状態を示す観測値を入力し
て近い将来に生じるプラント状態を計算し、その計算値
と実測値との差を評価することによって、プラントの異
常を診断するプラント状態予測装置が知られている。
【０００３】上記プラント状態予測装置としては、たと
えば、配管と機器とからなる複合系統に対する操作作業
確認のため、現在の観測値と対象系統の特性値とから、
運転員が行おうとする操作に対するプラントの応答を予
測する装置がある。
えば、配管と機器とからなる複合系統に対する操作作業
確認のため、現在の観測値と対象系統の特性値とから、
運転員が行おうとする操作に対するプラントの応答を予
測する装置がある。
【０００４】このようなプラント状態予測装置では、予
測対象の系統をモデル式化したシミュレータモデル式
に、現在のプラント状態を示す観測値を入力して将来の
プラント状態を予測するのが一般的である。
測対象の系統をモデル式化したシミュレータモデル式
に、現在のプラント状態を示す観測値を入力して将来の
プラント状態を予測するのが一般的である。
【０００５】上記シミュレータモデル式には、シミュレ
ーション対象の複合系統の質量バランス、熱バランス、
あるいは機器特性等によって決定される系統特性値が含
まれている。従来のプラント状態予測装置では、系統あ
るいは機器の設計値から上記系統特性値を設定してい
た。
ーション対象の複合系統の質量バランス、熱バランス、
あるいは機器特性等によって決定される系統特性値が含
まれている。従来のプラント状態予測装置では、系統あ
るいは機器の設計値から上記系統特性値を設定してい
た。
【０００６】
【発明が解決しようとする課題】しかしながら、上記従
来のプラント状態予測装置では、機器や系統の特性値が
設計上の計算値であることと、実際にはシミュレーショ
ンの対象系統の特性は他の系統からの影響を受けること
等によって、十分な精度を得られないことがあった。
来のプラント状態予測装置では、機器や系統の特性値が
設計上の計算値であることと、実際にはシミュレーショ
ンの対象系統の特性は他の系統からの影響を受けること
等によって、十分な精度を得られないことがあった。
【０００７】また、従来はシミュレータモデル式を作成
するために、人間によって対象系統の系統特性値を調
べ、これを所定のシミュレータモデル式に入力してゆく
ので、シミュレータ作成が困難であった。
するために、人間によって対象系統の系統特性値を調
べ、これを所定のシミュレータモデル式に入力してゆく
ので、シミュレータ作成が困難であった。
【０００８】そこで、本発明の目的は従来のプラント状
態予測装置の問題を解決し、設計上の計算値に起因する
シミュレータの不正確さを排除でき、かつ、容易にシミ
ュレータを作成できるプラント状態予測装置を提供する
ことにある。
態予測装置の問題を解決し、設計上の計算値に起因する
シミュレータの不正確さを排除でき、かつ、容易にシミ
ュレータを作成できるプラント状態予測装置を提供する
ことにある。
【０００９】
【課題を解決するための手段】上記目的を達成するため
に本発明によるプラント状態予測装置は、プラント系統
の測定値を入力して、シミュレータのモデル式に基づい
てプラント状態を算出するプラント状態予測装置におい
て、シミュレーションの対象となる系統の特性値を含む
シミュレータモデル式に基づいてプラント状態を計算す
るシミュレータ部と、前記シミュレータ部の系統特性値
を実測データから学習する学習部とを有し、前記学習部
は、プラントの状態信号が所定条件を満たすときに学習
を開始するように構成されていることを特徴とするもの
である。
に本発明によるプラント状態予測装置は、プラント系統
の測定値を入力して、シミュレータのモデル式に基づい
てプラント状態を算出するプラント状態予測装置におい
て、シミュレーションの対象となる系統の特性値を含む
シミュレータモデル式に基づいてプラント状態を計算す
るシミュレータ部と、前記シミュレータ部の系統特性値
を実測データから学習する学習部とを有し、前記学習部
は、プラントの状態信号が所定条件を満たすときに学習
を開始するように構成されていることを特徴とするもの
である。
【００１０】
【作用】上記シミュレータ部のシミュレータモデル式に
含まれる系統特性値は、プラント系統の測定値とプラン
ト状態の因果関係を定義するものである。
含まれる系統特性値は、プラント系統の測定値とプラン
ト状態の因果関係を定義するものである。
【００１１】本発明のプラント状態予測装置は、プラン
ト系統の実測データと実際のプラント状態に基づいて、
学習部が上記系統特性値を学習する。これにより、設計
時に設定される計算上の種々の仮定や、計算手法等によ
って生じる計算値の不正確さや、他の系統からの影響等
を排除して、もっとも実状にそった系統特性値を設定す
ることができる。
ト系統の実測データと実際のプラント状態に基づいて、
学習部が上記系統特性値を学習する。これにより、設計
時に設定される計算上の種々の仮定や、計算手法等によ
って生じる計算値の不正確さや、他の系統からの影響等
を排除して、もっとも実状にそった系統特性値を設定す
ることができる。
【００１２】また、本発明のプラント状態予測装置は、
プラントの状態信号が所定条件を満たすときに学習を開
始するように構成されているので、プラント状態が系統
特性値を学習するのに適した状態になったときに、学習
部が学習を開始し、学習結果をシミュレータモデル式の
系統特性値として取り込む。このことにより、本発明の
プラント状態予測装置は、人間が適当な系統特性値を設
定してシミュレータ部に入力する手間を省き、容易にシ
ミュレータ部を作成できるプラント状態予測装置を提供
することができる。
プラントの状態信号が所定条件を満たすときに学習を開
始するように構成されているので、プラント状態が系統
特性値を学習するのに適した状態になったときに、学習
部が学習を開始し、学習結果をシミュレータモデル式の
系統特性値として取り込む。このことにより、本発明の
プラント状態予測装置は、人間が適当な系統特性値を設
定してシミュレータ部に入力する手間を省き、容易にシ
ミュレータ部を作成できるプラント状態予測装置を提供
することができる。
【００１３】
【実施例】次に、本発明の実施例について図面を参照し
て以下に説明する。図１は、本発明のプラント状態予測
装置を健全性診断へ適用した実施例を示している。本実
施例のプラント状態予測装置１は、シミュレーションを
実行するシミュレータ部２と、シミュレーションに使用
する系統特性値を学習する学習部３と、シミュレーショ
ンに使用するシミュレータモデル式とモデルデータを格
納するモデルデータ部４と、検出器および制御器が検出
したプラントのプロセス信号を取り込むプロセス信号取
込み部５と、機器もしくは系統の状態を示すデジタル信
号を取り込むデジタル信号取込み部６と、入力と表示機
能を併せ持つ表示／入力装置７とを有している。なお、
本実施例のプラント状態予測装置１は、プラントの健全
性診断に適用されたものであるため、系統の健全性を診
断する診断部８を有している。
て以下に説明する。図１は、本発明のプラント状態予測
装置を健全性診断へ適用した実施例を示している。本実
施例のプラント状態予測装置１は、シミュレーションを
実行するシミュレータ部２と、シミュレーションに使用
する系統特性値を学習する学習部３と、シミュレーショ
ンに使用するシミュレータモデル式とモデルデータを格
納するモデルデータ部４と、検出器および制御器が検出
したプラントのプロセス信号を取り込むプロセス信号取
込み部５と、機器もしくは系統の状態を示すデジタル信
号を取り込むデジタル信号取込み部６と、入力と表示機
能を併せ持つ表示／入力装置７とを有している。なお、
本実施例のプラント状態予測装置１は、プラントの健全
性診断に適用されたものであるため、系統の健全性を診
断する診断部８を有している。
【００１４】本実施例のプラント状態予測装置１におい
て、上記シミュレータ部２は、プロセス信号取込み部５
あるいはデジタル信号取込み部６からプロセス／デジタ
ル信号値ｘi を入力し、対象系統に応じてモデルデータ
部４から取り出したシミュレータモデル式ｘj ＝ｆ
j （ｘ1 ，ｘ2 ，ｘ3 ，…）に基づいてプラント状態推
定値ｘj を算出する。この予測結果は、表示／入力装置
７と診断部８に出力される。
て、上記シミュレータ部２は、プロセス信号取込み部５
あるいはデジタル信号取込み部６からプロセス／デジタ
ル信号値ｘi を入力し、対象系統に応じてモデルデータ
部４から取り出したシミュレータモデル式ｘj ＝ｆ
j （ｘ1 ，ｘ2 ，ｘ3 ，…）に基づいてプラント状態推
定値ｘj を算出する。この予測結果は、表示／入力装置
７と診断部８に出力される。
【００１５】診断部８は、シミュレータ部２が算出した
プラント状態推定値ｘj と、プロセス信号取込み部５お
よびデジタル信号取込み部６から入力したプロセス／デ
ジタル信号値ｘi とを比較し、診断結果を表示／入力装
置７に出力する。プロセス／デジタル信号値ｘi とプラ
ント状態推定値ｘj の差｜ｘj −ｘi ｜が所定の正常範
囲を逸脱したときに、診断部８は異常と判断し、表示／
入力装置７に異常の表示を出力する。
プラント状態推定値ｘj と、プロセス信号取込み部５お
よびデジタル信号取込み部６から入力したプロセス／デ
ジタル信号値ｘi とを比較し、診断結果を表示／入力装
置７に出力する。プロセス／デジタル信号値ｘi とプラ
ント状態推定値ｘj の差｜ｘj −ｘi ｜が所定の正常範
囲を逸脱したときに、診断部８は異常と判断し、表示／
入力装置７に異常の表示を出力する。
【００１６】診断部８から異常の表示信号があったとき
は、表示／入力装置７は異常と判断されたプラント状態
推定値ｘj の名称と、それに関わる情報を運転員に表示
する。
は、表示／入力装置７は異常と判断されたプラント状態
推定値ｘj の名称と、それに関わる情報を運転員に表示
する。
【００１７】モデルデータ部４は、シミュレータモデル
式と、系統特性値を含むモデルデータとを格納してい
る。各モデルデータは、（信号名称、系統特性値（設計
値、最適値）、学習方法インデックス、運転履歴、学習
履歴、学習条件）のような構造を有している。
式と、系統特性値を含むモデルデータとを格納してい
る。各モデルデータは、（信号名称、系統特性値（設計
値、最適値）、学習方法インデックス、運転履歴、学習
履歴、学習条件）のような構造を有している。
【００１８】学習部３は、学習条件が満たされてたと
き、上記学習方法インデックスで指定された学習方法
で、その系統をもっとも近似する系統特性値（最適値）
を学習するように構成されている。
き、上記学習方法インデックスで指定された学習方法
で、その系統をもっとも近似する系統特性値（最適値）
を学習するように構成されている。
【００１９】上記学習方法としては、たとえば次のよう
な方法がある。
な方法がある。
【００２０】学習方法インデックス（０ないし５） ０ ：学習しない。設計値を最適値とする。 １ ：運転員に系統特性値の入力を促し、入力された値
を最適値とする。 ２ ：測定値ｘi （ｉ＝１，２，３，…）から計算され
た値ａ＝ｇ（ｘ1 ，ｘ2 ，ｘ3 ，…）を最適値とする。 ３ ：測定値ｘ0 とプラント状態推定値ｘ0 ' ＝ｆ（ｘ
1 ，ｘ2 ，ｘ3 ，…）とを比較し、差が大きいときにａ
j ＝ｇj （ｘ1，ｘ2 ，ｘ3 ，…）を最適値とする。 ４ ：測定値ｘi （ｉ＝１，２，３，…）から計算され
た値ａj＝ｇj （ｘ1 ，ｘ2 ，ｘ3 ，…）と設計値ａd
を比較し、差が大きいときにａj を最適値とする。 ５ ：測定値ｘ0 とプラント状態測定値ｘ0 ' ＝ｆ（ｘ
1 ，ｘ2 ，ｘ3 ，… ）とを比較し、｜ｘ0 −ｘ0 ' ｜
＜△ｘL のとき、設計値ａd をそのまま最適値とする。 △ｘL ＜｜ｘ0 −ｘ0 ' ｜＜△ｘU のとき、推定値ａj
＝ｇj （ｘ1 ，ｘ2 ，ｘ3 ，…）を最適値とする。 △ｘU ＜｜ｘ0 −ｘ0 ' ｜のとき、設計値ａd を最適値
とするか、推定値ａj を最適値とするか運転員に問い合
わせる。 ６ ：運転履歴に基づいて、ａj の最適値を推定する。
を最適値とする。 ２ ：測定値ｘi （ｉ＝１，２，３，…）から計算され
た値ａ＝ｇ（ｘ1 ，ｘ2 ，ｘ3 ，…）を最適値とする。 ３ ：測定値ｘ0 とプラント状態推定値ｘ0 ' ＝ｆ（ｘ
1 ，ｘ2 ，ｘ3 ，…）とを比較し、差が大きいときにａ
j ＝ｇj （ｘ1，ｘ2 ，ｘ3 ，…）を最適値とする。 ４ ：測定値ｘi （ｉ＝１，２，３，…）から計算され
た値ａj＝ｇj （ｘ1 ，ｘ2 ，ｘ3 ，…）と設計値ａd
を比較し、差が大きいときにａj を最適値とする。 ５ ：測定値ｘ0 とプラント状態測定値ｘ0 ' ＝ｆ（ｘ
1 ，ｘ2 ，ｘ3 ，… ）とを比較し、｜ｘ0 −ｘ0 ' ｜
＜△ｘL のとき、設計値ａd をそのまま最適値とする。 △ｘL ＜｜ｘ0 −ｘ0 ' ｜＜△ｘU のとき、推定値ａj
＝ｇj （ｘ1 ，ｘ2 ，ｘ3 ，…）を最適値とする。 △ｘU ＜｜ｘ0 −ｘ0 ' ｜のとき、設計値ａd を最適値
とするか、推定値ａj を最適値とするか運転員に問い合
わせる。 ６ ：運転履歴に基づいて、ａj の最適値を推定する。
【００２１】次に具体的な系統における学習例について
説明する。最初に図２の配管系統１０を例にして、学習
方法インデックスが２のときの学習例について説明す
る。
説明する。最初に図２の配管系統１０を例にして、学習
方法インデックスが２のときの学習例について説明す
る。
【００２２】図２の配管系統１０は、連続した配管系統
１５と、この配管系統１５上に配設された第一圧力計１
１、第二圧力計１２、流量計１３および圧力容器１４と
からなる。
１５と、この配管系統１５上に配設された第一圧力計１
１、第二圧力計１２、流量計１３および圧力容器１４と
からなる。
【００２３】このシミュレーションは、第二圧力計１２
および流量計１３の測定値から第一圧力計１１の計測値
を予測しようとするものである。
および流量計１３の測定値から第一圧力計１１の計測値
を予測しようとするものである。
【００２４】圧力計１１の圧力測定値ｘ0 とすると、こ
れをシミュレーションするためのシミュレータモデル式
は、配管系での運動量保存則を用いた次式のようにな
る。
れをシミュレーションするためのシミュレータモデル式
は、配管系での運動量保存則を用いた次式のようにな
る。
【００２５】ｘ0 ＝ｘ1 −ａ1 ｘ2 2 ここで、ｘ0 は圧力計１１の圧力測定値、ｘ1 は第二圧
力計１２の圧力測定値、ｘ2 は流量計１３の流量測定値
である。
力計１２の圧力測定値、ｘ2 は流量計１３の流量測定値
である。
【００２６】上記シミュレータモデル式中のパラメータ
ａ1 は、この系統のシミュレーションにおける系統特性
値である。この系統特性値ａ1 の学習式ｇ（ｘ0 ，
ｘ1 ，ｘ2 ）は次式のように表せる。 ａ1 ＝ｇ（ｘ0 ，ｘ1 ，ｘ2 ）＝（ｘ1 −ｘ0 ）／ｘ2
2 この学習例では、次式を学習条件として用いて、上記系
統特性値ａ1 を自動的に学習を行う。 ｘ3 ≧定格値 かつ 学習履歴＝未学習 ここで、ｘ3 はプラントの出力を代表する測定値として
発電機の電気出力等を用いる。
ａ1 は、この系統のシミュレーションにおける系統特性
値である。この系統特性値ａ1 の学習式ｇ（ｘ0 ，
ｘ1 ，ｘ2 ）は次式のように表せる。 ａ1 ＝ｇ（ｘ0 ，ｘ1 ，ｘ2 ）＝（ｘ1 −ｘ0 ）／ｘ2
2 この学習例では、次式を学習条件として用いて、上記系
統特性値ａ1 を自動的に学習を行う。 ｘ3 ≧定格値 かつ 学習履歴＝未学習 ここで、ｘ3 はプラントの出力を代表する測定値として
発電機の電気出力等を用いる。
【００２７】この学習条件によれば、プラントが運転を
開始して定格出力に達したときに学習部３がプラント状
態を正常と判断し、未だ学習していない場合は自動的に
測定値ｘ0 ，ｘ1 ，ｘ2 から系統特性値ａ1 を学習す
る。
開始して定格出力に達したときに学習部３がプラント状
態を正常と判断し、未だ学習していない場合は自動的に
測定値ｘ0 ，ｘ1 ，ｘ2 から系統特性値ａ1 を学習す
る。
【００２８】学習後は、学習履歴を「未学習」から「学
習済み」に変更してモデルデータ部４に当該モデルデー
タを保存する。
習済み」に変更してモデルデータ部４に当該モデルデー
タを保存する。
【００２９】次に、図３の配管系統２０を例にして、学
習方法インデックスが６のときの学習例について説明す
る。この配管系統２０は、ポンプ２５を有し、このポン
プ２５の吐出側配管と吸込側配管にはそれぞれ、第一圧
力計２１と第二圧力計２２が取り付けられている。さら
に、ポンプ２５の吐出側配管には第一流量計２３と第二
流量計２４が取り付けられている。
習方法インデックスが６のときの学習例について説明す
る。この配管系統２０は、ポンプ２５を有し、このポン
プ２５の吐出側配管と吸込側配管にはそれぞれ、第一圧
力計２１と第二圧力計２２が取り付けられている。さら
に、ポンプ２５の吐出側配管には第一流量計２３と第二
流量計２４が取り付けられている。
【００３０】この配管系統２０において、第一圧力計２
１の圧力ｘ4 をシミュレーションするためのシミュレー
タモデル式は、ポンプのＱＨ特性を含む配管系での運動
量保存則を用いた次式のようになる。 ｘ4 ＝ｘ5 ＋（ｂ0 ＋ｂ1 （ｘ6 ＋ｘ7 ）＋ｂ2 （ｘ6
＋ｘ7 ）2 ） ここで、ｘ4 は第一圧力計２１の圧力推定値、ｘ5 は第
二圧力計２２の圧力測定値、ｘ6 は第一流量計２３の流
量測定値、ｘ7 は第二流量計２４の流量測定値である。
１の圧力ｘ4 をシミュレーションするためのシミュレー
タモデル式は、ポンプのＱＨ特性を含む配管系での運動
量保存則を用いた次式のようになる。 ｘ4 ＝ｘ5 ＋（ｂ0 ＋ｂ1 （ｘ6 ＋ｘ7 ）＋ｂ2 （ｘ6
＋ｘ7 ）2 ） ここで、ｘ4 は第一圧力計２１の圧力推定値、ｘ5 は第
二圧力計２２の圧力測定値、ｘ6 は第一流量計２３の流
量測定値、ｘ7 は第二流量計２４の流量測定値である。
【００３１】このシミュレータモデル式における系統特
性値ｂ0 ，ｂ1 ，ｂ2 は３つあるので、推定するには少
なくとも、３点の実測データが必要となる。
性値ｂ0 ，ｂ1 ，ｂ2 は３つあるので、推定するには少
なくとも、３点の実測データが必要となる。
【００３２】学習条件としては、次式を用いる。 ｜（ｘ6 ＋ｘ7 ）−ｘk ｜≦ε かつ 学習履歴（ｋ）
＝未学習 ここで、ｋは学習すべきｋ番目の運転点を意味し、ｋ＝
１，２，Ｋ（Ｋ＝３）とする。ｘk は運転点ｋにおけ
る、ポンプを流れる流量の流量設定値を意味する。上記
学習条件式のうち、等号条件は同じ運転点での学習を重
複しないためのもである。
＝未学習 ここで、ｋは学習すべきｋ番目の運転点を意味し、ｋ＝
１，２，Ｋ（Ｋ＝３）とする。ｘk は運転点ｋにおけ
る、ポンプを流れる流量の流量設定値を意味する。上記
学習条件式のうち、等号条件は同じ運転点での学習を重
複しないためのもである。
【００３３】この学習条件を満たしたとき、学習部３は
（ｘ4 ，ｘ5 ，ｘ6 ，ｘ7 ）を保存する。学習後には、
学習履歴を「未学習」から「学習済み」に変更する。
（ｘ4 ，ｘ5 ，ｘ6 ，ｘ7 ）を保存する。学習後には、
学習履歴を「未学習」から「学習済み」に変更する。
【００３４】学習履歴（ｋ）がすべてのｋについて“学
習済み”となったとき、保存された（ｘ4 ，ｘ5 ，
ｘ6 ，ｘ7 ）を各ｋ毎に上記シミュレータモデル式に代
入して、ｂ0 ，ｂ1 ，ｂ2 からなる３つの連立方程式を
たて、これを解くことによってシミュレータモデル式の
系統特性値ｂ0 ，ｂ1 ，ｂ2 を特定する。
習済み”となったとき、保存された（ｘ4 ，ｘ5 ，
ｘ6 ，ｘ7 ）を各ｋ毎に上記シミュレータモデル式に代
入して、ｂ0 ，ｂ1 ，ｂ2 からなる３つの連立方程式を
たて、これを解くことによってシミュレータモデル式の
系統特性値ｂ0 ，ｂ1 ，ｂ2 を特定する。
【００３５】また、ｋ＝１，２，３，４，…というよう
にＫ＞３の設定をして、最小二乗フィッティングにより
対象系統の系統特性値ｂ0 ，ｂ1 ，ｂ2 を得ることもで
きる。
にＫ＞３の設定をして、最小二乗フィッティングにより
対象系統の系統特性値ｂ0 ，ｂ1 ，ｂ2 を得ることもで
きる。
【００３６】また、学習条件にポンプ起動信号を取り入
れることもできる。この場合、学習条件式は下記のよう
になる。 ｜（ｘ6 ＋ｘ7 ）−ｘk ｜≦ε かつ ポンプ状態＝起
動 かつ 学習履歴（ｋ）＝未学習 このようにポンプの起動もしくは停止状態を表すプラン
ト状態信号を学習条件に入れることにより、ポンプ起動
中の正しい状態が学習できる。
れることもできる。この場合、学習条件式は下記のよう
になる。 ｜（ｘ6 ＋ｘ7 ）−ｘk ｜≦ε かつ ポンプ状態＝起
動 かつ 学習履歴（ｋ）＝未学習 このようにポンプの起動もしくは停止状態を表すプラン
ト状態信号を学習条件に入れることにより、ポンプ起動
中の正しい状態が学習できる。
【００３７】上記説明の学習例は、実測データによって
求められた系統特性値を最適値としてそのまま採用して
いたが、系統特性値の設計値の信頼度が高い場合に、設
計値を加味したい場合がある。
求められた系統特性値を最適値としてそのまま採用して
いたが、系統特性値の設計値の信頼度が高い場合に、設
計値を加味したい場合がある。
【００３８】このように設定値の信頼度が高い場合、測
定値から計算された推定値ａj ＝ｇj （ｘ0 ，ｘ1 ，ｘ
2 ，ｘ3 ，…）と設計値ａd の中間的な値を取るように
することができる。
定値から計算された推定値ａj ＝ｇj （ｘ0 ，ｘ1 ，ｘ
2 ，ｘ3 ，…）と設計値ａd の中間的な値を取るように
することができる。
【００３９】これは、設定値の信頼度と推定値の信頼度
との重み付けをすることによって達成することができ
る。すなわち、ａj ＋（１−αj ）ａd をシミュレータ
モデルの系統特性値の最適値とするのである。ここで、
αj は０≦αj ≦１を満たすように設定した定数とす
る。このαj は、各設計値の間に信頼度の違いがあるこ
とを考慮して、独立に設定できるようにする。
との重み付けをすることによって達成することができ
る。すなわち、ａj ＋（１−αj ）ａd をシミュレータ
モデルの系統特性値の最適値とするのである。ここで、
αj は０≦αj ≦１を満たすように設定した定数とす
る。このαj は、各設計値の間に信頼度の違いがあるこ
とを考慮して、独立に設定できるようにする。
【００４０】また、すべての推定値を求めるには測定点
が不足した場合は、次の評価関数Ｊを設け、評価関数Ｊ
を最小にするように系統特性値の最適値ａm' を決定す
る。 ここで、ａm は系統特性値の設計値、ｐm ，ｑj はそれ
ぞれ、設計値の信頼度、モデル式と測定値の整合性に対
応する重み定数である。また、ｘj ' は測定値ｘj の推
定値であり、モデル式ｘj ' ＝ｆj （ｘ1 ，ｘ2 ，…，
ｘJ ，ａ1' ，ａ2' ，…，ａM ' ）で表される。
が不足した場合は、次の評価関数Ｊを設け、評価関数Ｊ
を最小にするように系統特性値の最適値ａm' を決定す
る。 ここで、ａm は系統特性値の設計値、ｐm ，ｑj はそれ
ぞれ、設計値の信頼度、モデル式と測定値の整合性に対
応する重み定数である。また、ｘj ' は測定値ｘj の推
定値であり、モデル式ｘj ' ＝ｆj （ｘ1 ，ｘ2 ，…，
ｘJ ，ａ1' ，ａ2' ，…，ａM ' ）で表される。
【００４１】また、上記説明では、系統特性値ａj をａ
j ＝ｇj （ｘ0 ，ｘ1 ，ｘ2 ，ｘ3，…）と表している
が、一般的にはこのように表せないことが多い。この場
合、質量保存則、エネルギー保存則、運動量保存則等の
関係式を連立して推定値ａjを得る。この関係式は、一
般的に次のように表せる。 ｆi （ｘ1 k ，ｘ2 k ，…，ｘJ k ，ａ1 ' ，ａ2 ' ，
…，ａM ' ）＝Ｏ ｉ＝１，…，Ｉ、 ｋ＝１，…，Ｋ、 ａ1 ' ないしａ
M ' は系統特性値の推定値である。
j ＝ｇj （ｘ0 ，ｘ1 ，ｘ2 ，ｘ3，…）と表している
が、一般的にはこのように表せないことが多い。この場
合、質量保存則、エネルギー保存則、運動量保存則等の
関係式を連立して推定値ａjを得る。この関係式は、一
般的に次のように表せる。 ｆi （ｘ1 k ，ｘ2 k ，…，ｘJ k ，ａ1 ' ，ａ2 ' ，
…，ａM ' ）＝Ｏ ｉ＝１，…，Ｉ、 ｋ＝１，…，Ｋ、 ａ1 ' ないしａ
M ' は系統特性値の推定値である。
【００４２】このような場合には、次の評価関数Ｊを設
け、評価関数Ｊを最小にするように系統特性値の最適値
を決定する。 上式のｐm ，ｑj ，ａm ，ａm ' ，ｘj ，ｘj ' は、上
記測定点が不足する場合の評価関数のｐm ，ｑj ，
ａm ，ａm ' ，ｘj ，ｘj ' と同じである。
け、評価関数Ｊを最小にするように系統特性値の最適値
を決定する。 上式のｐm ，ｑj ，ａm ，ａm ' ，ｘj ，ｘj ' は、上
記測定点が不足する場合の評価関数のｐm ，ｑj ，
ａm ，ａm ' ，ｘj ，ｘj ' と同じである。
【００４３】
【発明の効果】上記説明から明らかなように、本発明の
プラント状態予測装置は、シミュレーション対象のプラ
ント系統の系統特性値に基づいて測定値からプラント状
態を予測するシミュレータ部と、所定の学習条件が満た
されたときに、実測データとそのときのプラント状態か
ら系統特性値を自動的に学習する学習部とを有している
ので、実際の事象から系統特性値の最適値を学習するこ
とができる。このことにより、設計上の系統特性値のみ
では精度よくプラント状態をシミュレーションできない
場合も、系統特性値を修正して高い精度のシミュレーシ
ョンを行うプラント状態予測装置を提供することができ
る。
プラント状態予測装置は、シミュレーション対象のプラ
ント系統の系統特性値に基づいて測定値からプラント状
態を予測するシミュレータ部と、所定の学習条件が満た
されたときに、実測データとそのときのプラント状態か
ら系統特性値を自動的に学習する学習部とを有している
ので、実際の事象から系統特性値の最適値を学習するこ
とができる。このことにより、設計上の系統特性値のみ
では精度よくプラント状態をシミュレーションできない
場合も、系統特性値を修正して高い精度のシミュレーシ
ョンを行うプラント状態予測装置を提供することができ
る。
【００４４】また、上記学習は、学習条件を満たか否か
を学習部が判断して自動的に行うことができるので、容
易にシミュレータを作成し得るプラント状態予測装置を
提供することができる。
を学習部が判断して自動的に行うことができるので、容
易にシミュレータを作成し得るプラント状態予測装置を
提供することができる。
【図１】プラントの健全性診断システムに適用した場合
の本発明のプラント状態予測装置の構成を示した図。
の本発明のプラント状態予測装置の構成を示した図。
【図２】学習方法インデックスが２のときの学習例を説
明するための配管系統を示した図。
明するための配管系統を示した図。
【図３】学習方法インデックスが６のときの学習例を説
明するための配管系統を示した図。
明するための配管系統を示した図。
１ プラント状態予測装置 ２ シミュレータ部 ３ 学習部 ４ モデルデータ部 ５ プロセス信号取込み部 ６ デジタル信号取込み部 ７ 表示／入力装置 ８ 診断部
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 15/18 9365−5Ｌ 17/00
Claims (1)
- 【請求項１】プラント系統の測定値を入力して、シミュ
レータのモデル式に基づいてプラント状態を算出するプ
ラント状態予測装置において、 シミュレーションの対象となる系統の特性値を含むシミ
ュレータモデル式に基づいてプラント状態を計算するシ
ミュレータ部と、前記シミュレータ部の系統特性値を実
測データから学習する学習部とを有し、 前記学習部は、プラントの状態信号が所定条件を満たす
ときに学習を開始するように構成されていることを特徴
とするプラント状態予測装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26706993A JPH07121230A (ja) | 1993-10-26 | 1993-10-26 | プラント状態予測装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26706993A JPH07121230A (ja) | 1993-10-26 | 1993-10-26 | プラント状態予測装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07121230A true JPH07121230A (ja) | 1995-05-12 |
Family
ID=17439603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26706993A Pending JPH07121230A (ja) | 1993-10-26 | 1993-10-26 | プラント状態予測装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07121230A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000259223A (ja) * | 1999-03-12 | 2000-09-22 | Toshiba Corp | プラント監視装置 |
| JP2007264796A (ja) * | 2006-03-27 | 2007-10-11 | Hitachi Ltd | プラント制御方法及びプラント制御装置 |
| CN100410825C (zh) * | 2004-04-22 | 2008-08-13 | 横河电机株式会社 | 工厂运转支持*** |
| JPWO2020189585A1 (ja) * | 2019-03-15 | 2020-09-24 |
-
1993
- 1993-10-26 JP JP26706993A patent/JPH07121230A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000259223A (ja) * | 1999-03-12 | 2000-09-22 | Toshiba Corp | プラント監視装置 |
| CN100410825C (zh) * | 2004-04-22 | 2008-08-13 | 横河电机株式会社 | 工厂运转支持*** |
| JP2007264796A (ja) * | 2006-03-27 | 2007-10-11 | Hitachi Ltd | プラント制御方法及びプラント制御装置 |
| JP4585983B2 (ja) * | 2006-03-27 | 2010-11-24 | 株式会社日立製作所 | プラント制御方法及びプラント制御装置 |
| JPWO2020189585A1 (ja) * | 2019-03-15 | 2020-09-24 | ||
| WO2020189585A1 (ja) * | 2019-03-15 | 2020-09-24 | 住友重機械工業株式会社 | 監視装置、表示装置、監視方法及び監視プログラム |
| TWI791949B (zh) * | 2019-03-15 | 2023-02-11 | 日商住友重機械工業股份有限公司 | 監視裝置、顯示裝置、監視方法及監視程式 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0786725A1 (en) | Improvements in or relating to the prediction of product defects | |
| US5991707A (en) | Method and system for predictive diagnosing of system reliability problems and/or system failure in a physical system | |
| KR20170118811A (ko) | 발전된 데이터 정화 시스템 및 방법 | |
| KR20170123332A (ko) | 데이터 클린징 시스템 및 공급물 조성을 추론하기 위한 방법 | |
| EP2458178B1 (en) | Turbine performance diagnositic system and methods | |
| JP3968656B2 (ja) | プラント機器の保守支援装置 | |
| JPH08202444A (ja) | 機械設備の異常診断方法および装置 | |
| JPH06187030A (ja) | 時系列モデルによる制御系異常診断方法、及び表示方法 | |
| JP3068091B1 (ja) | 異常診断装置 | |
| CN102257448B (zh) | 使用切换模型对信号进行滤波的方法和设备 | |
| KR102279351B1 (ko) | 표준 공조기와 운용 공조기의 적합화를 통한 인공지능 기반 고장 진단 방법 | |
| EP3904987A1 (en) | Control support apparatus, control support method, control support program, computer readable medium with control support program recorded thereon and control system | |
| JP2000056080A (ja) | プラントの遠隔保守支援システム | |
| JPH07121230A (ja) | プラント状態予測装置 | |
| JP3161844B2 (ja) | プラントの異常検知方法及びその装置 | |
| JP3515300B2 (ja) | プラント状態予測装置 | |
| JP3188812B2 (ja) | 設備診断システム | |
| CN108801320A (zh) | 一种天然气测量***的诊断方法 | |
| KR20240003469A (ko) | 원전설비의 예측진단방법 및 시스템 | |
| JPH08320644A (ja) | 運転訓練支援装置 | |
| JP2000214924A (ja) | プラント異常監視装置および異常発生箇所同定方法 | |
| JP2013140080A (ja) | 計器健全性判定装置及び方法 | |
| JPH07191740A (ja) | 異常診断方法 | |
| JPH09204218A (ja) | プラント監視装置 | |
| JPH08189846A (ja) | プラント診断システム |