[go: up one dir, main page]

KR102202161B1 - 감시 장치, 대상 장치의 감시 방법 및 프로그램 - Google Patents

감시 장치, 대상 장치의 감시 방법 및 프로그램 Download PDF

Info

Publication number
KR102202161B1
KR102202161B1 KR1020187033389A KR20187033389A KR102202161B1 KR 102202161 B1 KR102202161 B1 KR 102202161B1 KR 1020187033389 A KR1020187033389 A KR 1020187033389A KR 20187033389 A KR20187033389 A KR 20187033389A KR 102202161 B1 KR102202161 B1 KR 102202161B1
Authority
KR
South Korea
Prior art keywords
unit
measured value
value
target device
monitoring device
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
Application number
KR1020187033389A
Other languages
English (en)
Other versions
KR20190003580A (ko
Inventor
이치로 나가노
구니아키 아오야마
마유미 사이토
신타로 구마노
가츠히코 아베
도루 다나카
다카히로 야마우치
Original Assignee
미츠비시 파워 가부시키가이샤
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 미츠비시 파워 가부시키가이샤 filed Critical 미츠비시 파워 가부시키가이샤
Publication of KR20190003580A publication Critical patent/KR20190003580A/ko
Application granted granted Critical
Publication of KR102202161B1 publication Critical patent/KR102202161B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D17/00—Regulating or controlling by varying flow
    • F01D17/02—Arrangement of sensing elements
    • F01D17/08—Arrangement of sensing elements responsive to condition of working-fluid, e.g. pressure
    • F01D17/085—Arrangement of sensing elements responsive to condition of working-fluid, e.g. pressure to temperature
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D25/00—Component parts, details, or accessories, not provided for in, or of interest apart from, other groups
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C7/00—Features, components parts, details or accessories, not provided for in, or of interest apart form groups F02C1/00 - F02C6/00; Air intakes for jet-propulsion plants
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/14—Testing gas-turbine engines or jet-propulsion engines
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2220/00—Application
    • F05D2220/30—Application in turbines
    • F05D2220/32—Application in turbines in gas turbines
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/303—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/306—Mass flow
    • F05D2270/3061—Mass flow of the working fluid
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/311—Air humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/312—Air pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/313—Air temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Measuring Volume Flow (AREA)

Abstract

취득부는 대상 장치의 계측값을 취득한다. 취득되는 계측값은 적어도 대상 장치에 입력되는 입력 유체의 온도 및 유량, 및 대상 장치로부터 출력되는 출력 유체의 온도 및 유량을 포함한다. 보정부는 계측값에 기초하는 열평형 계산에 의해 계측값을 보정한 보정 계측값을 얻는다. 거리 산출부는 보정 계측값을 제원으로 하여 마하라노비스 거리를 산출한다.

Description

감시 장치, 대상 장치의 감시 방법 및 프로그램
본 발명은 대상 장치(對象裝置, target device)를 감시하는 감시 장치, 대상 장치의 감시 방법 및 프로그램에 관한 것이다.
본원은 2016년6월1일에 일본에 출원된 특허출원 제2016-110337호에 대해 우선권을 주장하고, 그 내용을 여기에 원용한다.
플랜트의 운전 상태를 감시하는 시스템으로서, 마하라노비스 거리(Mahalanobis distance)를 이용하는 것이 알려져 있다(예를 들어, 특허문헌 1을 참조). 특허문헌 1에 기재된 시스템은 마하라노비스 거리에 기초하여 플랜트의 이상 징조의 감시로부터 고장 진단까지의 일련의 처리를 행한다.
특허문헌 1: 일본 공개특허공보 제2011-90382호
마하라노비스 거리, 및 마하라노비스 거리의 산출에 이용하는 단위 공간을 구하기 위해서는, 플랜트를 구성하는 기기인 대상 장치로부터 수집된 상태량이 필요해진다. 상태량의 예로서는 대상 장치를 제어하기 위한 통제 신호 값, 및 대상 장치에 설치된 센서가 출력하는 계측값을 들 수 있다.
그러나 대상 장치에 설치되는 센서가 출력하는 계측값에는, 계측 오차가 포함된다. 그 때문에, 계측값을 이용하여 산출되는 마하라노비스 거리는 오차의 영향을 받을 가능성이 있다.
본 발명의 목적은 계측값에 포함되는 오차의 영향을 저감하여 마하라노비스 거리를 산출할 수 있는 감시 장치, 대상 장치의 감시 방법 및 프로그램을 제공하는 것에 있다.
본 발명의 제1 양태에 의하면, 감시 장치는, 대상 장치의 계측값으로서, 적어도 상기 대상 장치에 입력되는 입력 유체의 온도 및 유량, 및 상기 대상 장치로부터 출력되는 출력 유체의 온도 및 유량을 포함하는 계측값을 취득하는 취득부와, 상기 계측값에 기초하는 열평형 계산에 의해 상기 계측값을 보정한 보정 계측값을 얻는 보정부와, 상기 보정 계측값을 제원(諸元)으로 하여 마하라노비스 거리를 산출하는 거리 산출부를 구비한다.
본 발명의 제2 양태에 의하면, 제1 양태에 관한 감시 장치는, 상기 거리 산출부가 상기 계측값 및 상기 보정 계측값을 제원으로 하여 상기 마하라노비스 거리를 산출하는 것이어도 좋다.
본 발명의 제3 양태에 의하면, 제1 또는 제2 양태에 관한 감시 장치는, 대기압, 대기 온도 및 대기 습도의 적어도 하나를 포함하는 대기 조건을 취득하는 대기 조건 취득부와, 취득한 상기 대기 조건을 이용하여, 상기 계측값 또는 상기 보정 계측값을 표준 대기 조건하에서의 값으로 표준화하는 표준화부(標準化部)를 추가로 구비하고, 상기 거리 산출부가, 표준화된 상기 계측값 또는 표준화된 상기 보정 계측값에 기초하여 상기 마하라노비스 거리를 산출하는 것이어도 좋다.
본 발명의 제4 양태에 의하면, 제1부터 제3 양태 중 어느 하나의 양태에 관한 감시 장치는, 상기 마하라노비스 거리가 소정값 이상인 경우에, 상기 계측값 또는 상기 보정 계측값에 기초하여 상기 대상 장치에 발생시킬 수 있는 복수의 사상(事象, event) 각각의 발생 가능성(尤度, likelihood)을 산출하는 가능성 산출부와, 상기 복수의 사상과 상기 대상 장치의 이상의 발생 요인을 관련지은 테이블을 기억하는 테이블 기억부와, 상기 가능성과 상기 테이블에 기초하여 상기 발생 요인을 추정하는 추정부를 구비하는 것이어도 좋다.
본 발명의 제5 양태에 의하면, 제1부터 제4 양태 중 어느 하나의 양태에 관한 감시 장치는, 상기 취득부가 취득한 온도에 관한 상기 계측값에 대해 당해 계측값이 상기 마하라노비스 거리의 단위 공간을 구성하는 온도에 관한 계측값의 최소치 이상이자 최대치 이하인지 아닌지를 판정하는 선형성 판정부(線形性判定部)를 추가로 구비하고, 상기 거리 산출부는, 상기 선형성 판정부에 의해, 상기 단위 공간에서의 온도에 관한 계측값의 최소치 이상이자 최대치 이하가 아니라고 판정된 경우에, 상기 계측값에 기초하는 마하라노비스 거리의 산출을 행하지 않는 것이어도 좋다.
본 발명의 제6 양태에 의하면, 제1부터 제5 양태 중 어느 하나의 양태에 관한 감시 장치는, 상기 취득부는, 상기 대상 장치의 운전 개시 시점을 시작점(始点)으로 하는 소정의 시동 기간의 경과 후의 시점인 시동 후 시점에서의 상기 계측값을 취득하고, 상기 거리 산출부는, 상기 시동 기간 중의 시점에서의 계측값을 이용하여 생성된 단위 공간에 기초하여, 상기 취득부가 취득한 상기 계측값에 기초하여 상기 마하라노비스 거리를 산출하는 것이어도 좋다.
본 발명의 제7 양태에 의하면, 감시 장치는, 대상 장치의 운전 개시 시점으로부터 소정의 시동 기간이 경과한 후의 시점인 시동 후 시점에, 상기 대상 장치의 계측값을 취득하는 취득부와, 상기 시동 기간 중의 시점에서의 계측값을 이용하여 생성된 단위 공간에 기초하여, 상기 취득부가 취득한 상기 계측값에 기초하여 마하라노비스 거리를 산출하는 거리 산출부를 구비한다.
본 발명의 제8 양태에 의하면, 제6 또는 제7 양태에 관한 감시 장치는, 상기 시동 기간은 신품 상태의 상기 대상 장치의 운전 개시 시점을 시작점으로 하는 기간이며, 상기 시동 후 시점은 상기 대상 장치의 정기 점검 완료 후의 운전 개시 시점을 시작점으로 하는 소정 기간 중의 시점인 것이어도 좋다.
본 발명의 제9 양태에 의하면, 제6 또는 제7 양태에 관한 감시 장치는, 상기 시동 기간은 신품 상태의 운전 개시 시점 또는 정기 점검 완료 후의 운전 개시 시점 중 최근의 시점을 시작점으로 하는 기간인 것이어도 좋다.
본 발명의 제10 양태에 의하면, 대상 장치의 감시 방법은, 대상 장치의 계측값으로서, 적어도 상기 대상 장치에 입력되는 입력 유체의 온도 및 유량, 및 상기 대상 장치로부터 출력되는 출력 유체의 온도 및 유량을 포함하는 계측값을 취득하는 것과, 상기 계측값에 기초하는 열평형 계산에 의해 상기 계측값을 보정한 보정 계측값을 얻는 것과, 상기 보정 계측값을 제원으로 하여 마하라노비스 거리를 산출하는 것을 포함한다.
본 발명의 제11 양태에 의하면, 제10 양태에 관한 대상 장치의 감시 방법은 상기 계측값 및 상기 보정 계측값을 제원으로 하여 상기 마하라노비스 거리를 산출하는 것이어도 좋다.
본 발명의 제12 양태에 의하면, 제10 또는 제11 양태에 관한 대상 장치의 감시 방법은, 대기압 및 대기 습도의 적어도 한쪽을 포함하는 대기 조건을 취득하는 것과, 취득한 상기 대기 조건을 이용하여, 상기 계측값 또는 상기 보정 계측값을 표준 대기 조건하에서의 값으로 표준화하는 것을 추가로 포함하고, 표준화된 상기 계측값 또는 표준화된 상기 보정 계측값에 기초하여 상기 마하라노비스 거리를 산출하는 것이어도 좋다.
본 발명의 제13 양태에 의하면, 대상 장치의 감시 방법은, 대상 장치의 운전 개시 시점으로부터 소정의 시동 기간이 경과한 후의 시점인 시동 후 시점에, 상기 대상 장치의 계측값을 취득하는 것과, 상기 시동 기간 중의 시점에서의 계측값을 이용하여 생성된 단위 공간에 기초하여, 취득한 상기 계측값에 기초하여 마하라노비스 거리를 산출하는 것을 포함한다.
본 발명의 제14 양태에 의하면, 프로그램은, 컴퓨터에, 대상 장치의 계측값으로서, 적어도 상기 대상 장치에 입력되는 입력 유체의 온도 및 유량, 및 상기 대상 장치로부터 출력되는 출력 유체의 온도 및 유량을 포함하는 계측값을 취득하는 것과, 상기 계측값에 기초하는 열평형 계산에 의해 상기 계측값을 보정한 보정 계측값을 얻는 것과, 상기 보정 계측값을 제원으로 하여 마하라노비스 거리를 산출하는 것을 실행시킨다.
상기 양태 중 적어도 하나의 양태에 의하면, 감시 장치는 열평형 계산을 행하는 것으로 계측값을 보정함으로써, 계측값에 포함되는 오차를 저감할 수 있다. 이에 의해, 감시 장치는 계측값에 포함되는 오차의 영향을 저감하여 마하라노비스 거리를 산출할 수 있다.
도 1은 대상 장치의 일례인 가스 터빈의 모식도이다.
도 2는 제1 실시형태에 관한 감시 장치의 구성을 나타내는 개략 블록도이다.
도 3은 제1 실시형태에 관한 감시 장치의 동작을 나타내는 플로 차트이다.
도 4는 제2 실시형태에 관한 감시 장치의 구성을 나타내는 개략 블록도이다.
도 5는 제2 실시형태에 관한 감시 장치의 동작을 나타내는 플로 차트이다.
도 6은 제3 실시형태에 관한 감시 장치의 구성을 나타내는 개략 블록도이다.
도 7은 대기 조건과 표준화 계수와의 관계를 나타내는 함수의 일례를 나타내는 그래프이다.
도 8은 제4 실시형태에 관한 감시 장치의 구성을 나타내는 개략 블록도이다.
도 9는 적어도 하나의 실시형태에 관한 컴퓨터의 구성을 나타내는 개략 블록도이다.
<제1 실시형태>
이하, 도면을 참조하면서 제1 실시형태에 대해 상세히 설명한다.
제1 실시형태에 관한 감시 장치(100)는 가스 터빈(T)의 이상 유무를 감시하여 이상의 발생 요인을 특정한다. 가스 터빈(T)은 대상 장치의 일례이다.
《대상 장치》
도1은 대상 장치의 일례인 가스 터빈의 모식도이다.
가스 터빈(T)은, 압축기(T1), 연소기(T2), 터빈(T3), 로터(T5), 추기관(抽氣管)(T4) 및 발전기(T6)를 구비한다. 압축기(T1), 터빈(T3) 및 발전기(T6)는 로터(T5)에 접합되어, 로터(T5)의 축 주변으로 회전한다. 압축기(T1)는 회전에 의해 공기 취입구로부터 공기를 취입하고, 취입한 공기를 압축하여 압축 공기를 생성한다. 연소기(T2)는, 압축기(T1)가 생성한 압축 공기에 연료를 분사함으로써, 고온이자 고압의 연소 가스를 발생시킨다. 또한 연소기(T2)에는, 연소기(T2)의 냉각을 위해 냉각 증기가 분사된다.
터빈(T3)은, 연소기(T2)가 발생시킨 연소 가스의 열 에너지를 로터(T5)의 회전 에너지로 변환하여 구동력을 발생시킨다. 추기관(T4)은, 그 일단이 압축기(T1)에 접속되고, 그 타단이 터빈(T3)에 접속된다. 추기관(T4)은, 압축기(T1)가 생성하는 압축 공기의 일부를 추기하고, 추기한 압축 공기(냉각 공기)를 터빈(T3)에 공급함으로써, 터빈(T3)을 냉각한다. 발전기(T6)는 로터(T5)의 회전 에너지를 전기 에너지로 변환한다.
가스 터빈(T)에는 도시하지 않은 복수의 센서가 부착된다. 각 센서가 취득하는 센서값의 예로서는 대기압, 대기 온도, 대기의 상대 습도, 압축기(T1)의 입구 차압(差壓), 압축기(T1)의 출구 공기 온도, 압축기(T1)의 출구 공기 압력, 연료 압력, 연료 온도, 연료 발열량, 연료 조성, 연료 유량, 냉각 증기 압력, 냉각 증기 온도, 냉각 증기 유량, 냉각 공기의 온도, 냉각 공기의 유량, 배기 온도, 흡기 압력 손실, 배기 압력 손실, 발전기(T6)의 발전 효율, 발전 전력, 발전 전류, 발전 전압, 발전 주파수를 들 수 있다.
《구성》
감시 장치(100)의 구성에 대해 설명한다. 도 2는 제1 실시형태에 관한 감시 장치의 구성을 나타내는 개략 블록도이다.
감시 장치(100)는, 취득부(101), 특성치 산출부(102), 보정부(103), 단위 공간 기억부(104), 거리 산출부(105), 이상 판정부(106), SN비(Signal-Noise Ratio) 산출부(107), 가능성 산출부(108), 테이블 기억부(109), 추정부(110), 출력부(111)를 구비한다.
취득부(101)는 가스 터빈(T)에 설치된 센서가 취득한 센서값, 및 가스 터빈(T)의 통제 신호의 값(지령값)을 취득한다. 또한, 취득부(101)가 취득하는 센서값에는, 상술한 바와 같이, 적어도 가스 터빈(T)에 입력되는 공기 및 연료(입력 유체)의 온도 및 가스 터빈(T)으로부터 출력되는 배기(출력 유체)의 온도를 포함한다. 센서값은 가스 터빈(T)의 계측값의 일례이다.
특성치 산출부(102)는, 취득부(101)가 취득한 센서값에 기초하여, 가스 터빈(T)의 특성을 나타내는 특성치를 산출한다. 특성치의 예로서는 열효율, 압축기 효율, 연소 효율, 터빈 효율, 압축기 동력, 터빈 출력, 가스 터빈 공기 유량, 가스 터빈 배기 유량, 압축기 압력비, 터빈(T3)의 입구 연소 가스 온도를 들 수 있다. 예를 들어, 특성치 산출부(102)는, 등엔트로피 변화(isoentropic change)에 있어서의 압축기 출구 엔탈피와 압축기 입구 엔탈피의 차이를 실제의 압축기 출구 엔탈피와 압축기 입구 엔탈피의 차이로 나눗셈함으로써, 압축기 효율(특성치)을 산출한다. 엔탈피는 센서값인 온도 및 압력을 이용하여 산출된다. 특성치는 가스 터빈(T)의 계측값의 일례이다. 또한, 특성치 산출부(102)가 산출하는 특성치에는, 상술한 바와 같이, 적어도 가스 터빈(T)에 입력되는 공기의 유량 및 가스 터빈(T)으로부터 출력되는 배기의 유량을 포함한다.
보정부(103)는, 취득부(101)가 취득한 센서값 및 특성치 산출부(102)가 산출한 특성치를 가스 터빈(T)의 열평형 계산에 기초하여 보정함으로써, 보정 계측값을 얻는다. 구체적으로는, 보정부(103)는 이하의 순서로 계측값을 보정한다. 먼저 보정부(103)는 계측값을 가스 터빈(T)에 관한 열평형의 식에 대입하고, 당해 식이 성립하도록 각 계측값의 오차를 산출한다. 그리고 보정부(103)는, 계측값마다 산출한 오차의 총합, 또는 오차의 자승(二乘)의 총합을 구하고, 구해진 총합이 최소가 되는 계측값마다의 오차의 조합을 선택함으로써, 보정 계측값을 얻는다.
구체적으로는, 가스 터빈(T) 전체의 열평형은 이하의 식(1)에 의해 나타내진다. 압축기(T1)의 열평형은 이하의 식(2)에 의해 나타내진다. 연소기(T2)의 열평형은 이하의 식(3)에 의해 나타내진다. 터빈(T3)의 열평형은 이하의 식(4)에 의해 나타내진다. 이하의 식(1) - 식(4)에 있어서, 좌변은 입열량(入熱量)을 나타내고, 우변은 출열량(出熱量)을 나타낸다.
[수학식 1]
Figure 112018114678404-pct00001
Figure 112018114678404-pct00002
[수학식 2]
Figure 112018114678404-pct00003
[수학식 3]
Figure 112018114678404-pct00004
Figure 112018114678404-pct00005
[수학식 4]
Figure 112018114678404-pct00006
변수(G1)는 흡기 유량을 나타낸다. 변수(H1C)는 흡기 엔탈피를 나타낸다. 변수(G2)는 압축기(T1)의 출구 유량을 나타낸다. 변수(H2C)는 압축기(T1)의 출구 엔탈피를 나타낸다. 변수(Gf)는 연료 유량을 나타낸다. 변수(LHV)는 연료 발열량을 나타낸다. 변수(Gst)는 냉각 증기 유량을 나타낸다. 변수(Hst1)는 연소기(T2)에 공급되는 냉각 증기의 엔탈피를 나타낸다. 변수(Hst2)는 연소기(T2)로부터 배출되는 냉각 증기의 엔탈피를 나타낸다. 변수(Gc)는 냉각 공기량을 나타낸다. 변수(Hc)는 냉각 공기 엔탈피를 나타낸다. 변수(G4)는 터빈(T3)의 입구 유량을 나타낸다. 변수(H1T)는 터빈(T3)의 입구 엔탈피를 나타낸다. 변수(G8)는 배기 유량을 나타낸다. 변수(H2T)는 배기 엔탈피를 나타낸다. 변수(μGEN)는 발전 효율을 나타낸다. 변수(μBURN)는 연소 효율을 나타낸다. 변수(KWGEN)는 발전 전력을 나타낸다. 변수(KWC)는 압축기 동력을 나타낸다. 변수(KWT)는 터빈 출력을 나타낸다.
단위 공간 기억부(104)는, 가스 터빈(T)의 시동 기간(예를 들어, 신품 상태의 가스 터빈(T)의 운전 개시 시점 또는 정기 점검 완료 후의 가스 터빈(T)의 운전 개시 시점 중 최근의 시점으로부터 2주일의 기간)의 동안에 취득된, 가스 터빈(T)의 상태량(계측값, 보정 계측값 및 지령값)의 조합을 마하라노비스 거리의 단위 공간으로서 기억한다.
거리 산출부(105)는, 취득부(101)가 취득한 센서값 및 지령값, 특성치 산출부(102)가 산출한 특성치 및 보정부(103)가 보정한 보정 계측값을 제원으로 하고, 단위 공간 기억부(104)가 기억하는 단위 공간에 기초하여, 가스 터빈(T)의 상태를 나타내는 마하라노비스 거리를 산출한다. 마하라노비스 거리는 단위 공간으로서 나타내는 기준의 표본과 새롭게 얻어진 표본과의 차이의 크기를 나타내는 척도이다. 마하라노비스 거리의 산출 방법에 대해서는 후술한다.
이상 판정부(106)는, 거리 산출부(105)가 산출한 마하라노비스 거리에 기초하여 가스 터빈(T)에 이상이 발생하고 있는지 아닌지를 판정한다. 구체적으로는, 이상 판정부(106)는, 마하라노비스 거리가 소정의 역치(예를 들어, 3.5) 이상인 경우에, 가스 터빈(T)에 이상이 발생하고 있다고 판정한다. 역치에는, 통상 3 이상의 값이 설정된다.
SN비 산출부(107)는, 이상 판정부(106)가 가스 터빈(T)에 이상이 발생하고 있다고 판정한 경우에, 취득부(101)가 취득한 센서값 및 지령값, 특성치 산출부(102)가 산출한 특성치 및 보정부(103)가 보정한 보정 계측값에 기초하여, 다구치 메소드(Taguchi Method)에 관한 SN비를 산출한다. 즉, 가능성 산출부(108)는 직교표 분석(直交表分析)에 의한 항목 유무의 원하는 SN비를 구한다. SN비가 클수록 그 상태량(계측값, 지령값)의 항목에 이상이 있을 가능성이 높다고 판단할 수 있다.
가능성 산출부(108)는, SN비 산출부(107)가 산출한 SN비에 기초하여, 가스 터빈(T)에 발생할 수 있는 복수의 사상(효율 저하) 각각의 발생 가능성을 산출한다. 사상의 예로서는 가스 터빈 출력의 저하, 가스 터빈 효율의 저하, 압축기 효율의 저하, 터빈 효율의 저하, 압축기 입구 공기량의 저하, 배기 온도의 상승, 압축기 압축 비율의 저하, 연소 효율의 저하, 터빈 입구 가스 온도의 상승, 배기가스 압력의 상승 등을 들 수 있다. 예를 들어, 가능성 산출부(108)는, 각 사상에 대해, 당해 사상의 발생 유무가 SN비의 증감을 지배적으로 관여하는 상태량과의 관계를 기억해 두고, 각 사상에 관련지어진 상태량 각각의 SN비의 가중화(加重和)를 산출함으로써, 각 사상의 발생 가능성을 산출한다.
테이블 기억부(109)는 사상과 이상의 발생 요인과의 관계를 나타내는 테이블을 기억한다. 구체적으로는, 테이블 기억부(109)는, 각 사상 및 각 발생 요인에 대해, 당해 발생 요인에 의한 이상이 발생했을 때, 당해 사상이 확인된 횟수를 기억한다. 예를 들어, 과거에 배기 디퓨저의 손상(발생 요인)에 의한 이상이 발생했을 때, 블레이드 패스 온도(blade pass temperature)의 편차가 커지고 있는 상태(사상)가 확인된 것이 9도(度)였던 경우, 테이블 기억부(109)는, 「배기 디퓨저의 손상」이라는 발생 요인과 「블레이드 패스 온도의 편차가 큰 상태」라는 사상에 관련지어, 「9」라는 횟수를 기억한다. 테이블 기억부(109)가 기억하는 테이블은, 예를 들어 가스 터빈(T)의 운용 시에 정비 기사에 의해 생성된 FTA(Fault Tree Analysis)의 데이터에 기초하여 생성할 수 있다.
추정부(110)는, 가능성 산출부(108)가 산출한 각 사상의 발생 가능성과 테이블 기억부(109)가 기억하는 테이블에 기초하여, 가스 터빈(T)의 이상의 발생 요인을 추정한다. 구체적으로는, 추정부(110)는, 각 사상의 발생 가능성을 요소로 하는 1행 M열의 벡터와 테이블의 값을 요소로 하는 M행 N열의 행렬과의 곱셈(乘算)을 행함으로써, 이상의 발생 요인의 가능성을 요소로 하는 N행 1열의 벡터를 얻는다. M은 사상의 수, N은 발생 요인의 수를 나타낸다. 그리고 추정부(110)는, 얻어진 N행 1열의 벡터 중 요소의 값이 큰 행에 관한 발생 요인이 가스 터빈(T)의 이상의 발생 요인이라고 추정할 수 있다.
출력부(111)는, 추정부(110)가 추정한 발생 요인을 가능성의 순서대로 출력한다. 출력의 예로서는 디스플레이로의 표시, 외부로의 데이터의 송신, 시트로의 인쇄, 음성 출력 등을 들 수 있다.
《마하라노비스 거리》
여기서, 일반적인 마하라노비스 거리(D)를 계산하기 위한 계산식에 대해 설명한다.
가스 터빈(T)의 상태를 나타내는 복수의 상태량(계측값, 지령값)의 항목의 수를 u로 한다.
u는 2 이상의 정수이다. u항목의 상태량을 각각 X1∼Xu로 한다. 감시 장치(100)는, 기준이 되는 가스 터빈(T)의 운전 상태(제1 실시형태에서는, 신품 상태의 가스 터빈(T)의 운전 개시 시점 또는 정기 점검 완료 후의 가스 터빈(T)의 운전 개시 시점 중 최근의 시점으로부터 2주일의 운전 상태)에 있어서, 각 항목의 상태량(X1∼Xu)을 각각 합계 v개(2 이상) 수집한다. 예를 들어, 각 항목의 상태량을 60개씩 취득할 경우, v=60이 된다. 운전 상태에 있어서 수집된 각 항목의 j개째의 상태량(X1∼Xu)을, X1j∼Xuj로 한다. j는 1∼v까지의 어느 하나의 값(정수)을 취하고, 각각의 상태량의 개수가 v개인 것을 의미한다. 즉, 감시 장치(100)는 상태량(X11∼Xuv)을 수집한다. 당해 상태량(X11∼Xuv)은 단위 공간 기억부(104)에 기억된다.
감시 장치(100)는, 상태량(X11∼Xuv)의 항목마다의 평균치(Mi)및 표준 편차(σi)(기준 데이터의 편차(차이) 정도)를 식(5) 및 식(6)에 의해 구한다. i는 항목수(상태량의 수, 정수)이다. 여기서는 i는 1∼u로 설정되고, 상태량(X1∼Xu)에 대응하는 값을 나타낸다. 여기서, 표준 편차란, 상태량과 그 평균치와의 차이를 자승(2乘)했지만 기대치의 제곱근(square root)으로 한다.
[수학식 5]
Figure 112018114678404-pct00007
[수학식 6]
Figure 112018114678404-pct00008
전술의 평균치(Mi)및 표준 편차(σi)는 특징을 나타내는 상태량이다. 감시 장치(100)는, 연산된 평균치(Mi)및 표준 편차(σi)를 이용하여, 상태량(X11∼Xuv)을, 하기의 수식(7)에 의해, 기준화된 상태량(X11∼Xuv)으로 변환한다. 즉, 이상 감시 장치(10)는 가스 터빈(T)의 상태량(Xij)을 평균 0, 표준 편차 1의 확률 변수(xij)로 변환한다. 또한, 하기의 수식(7)에 있어서, j는 1∼v까지의 어느 하나의 값(정수)을 취한다. 이는, 항목마다의 상태량의 개수가 v개인 것을 의미한다.
[수학식 7]
Figure 112018114678404-pct00009
변량(變量)을 평균 0, 분산 1에 표준화한 데이터로 분석을 행하기 위해, 감시 장치(100)는 상태량(X11∼Xuv)의 상관 관계를 특정한다. 즉, 감시 장치(100)는, 변량 사이의 관련성을 나타내는 공분산 행렬(共分散行列)(상관 행렬(相關行列)(R) 및 공분산 행렬(상관 행렬)의 역행렬(R-1)을 하기의 수식(8)으로 정의한다. 또한, 하기의 수식(8)에 있어서, k는 항목수(상태량의 수)이다. 즉, k는 u와 동일하다. 또한, i 및 p는 각 상태량에서의 값을 나타내고, 여기서는 1∼u의 값을 취한다.
[수학식 8]
Figure 112018114678404-pct00010
감시 장치(100)는, 이와 같은 연산 처리 후에, 특징을 나타내는 상태량인 마하라노비스 거리(D)를 하기의 수식(9)에 기초하여 구한다. 또한, 수식(9)에 있어서, j는 1∼v까지의 어느 하나의 값(정수)을 취한다. 이는, 항목마다의 상태량의 개수가 v개인 것을 의미한다. 또한, k는 항목수(상태량의 수)이다. 즉, k는 u와 동일하다. 또한, a11∼akk는 상술한 수식(8)에 나타내는 공분산 행렬(R)의 역행렬(R-1)의 계수이다.
[수학식 9]
Figure 112018114678404-pct00011
마하라노비스 거리(D)는 기준 데이터이다. 단위 공간의 마하라노비스 거리(D)의 평균치는 1이 된다. 가스 터빈(T)의 상태량이 정상적인 상태에서는, 마하라노비스 거리(D)는 대략 3 이하에 들어간다. 그러나 가스 터빈(T)의 상태량이 비정상 상태에서는, 마하라노비스 거리(D)의 값은 대략 3보다 커진다. 이와 같이, 마하라노비스 거리(D)는 가스 터빈(T)의 상태량의 이상 정도(단위 공간으로부터의 떨어짐 정도)에 따라, 값이 커진다는 성질을 갖는다.
《가스 터빈의 감시 방법》
감시 장치(100)에 의한 가스 터빈의 감시 방법에 대해 설명한다. 도 3은 제1 실시형태에 관한 감시 장치의 동작을 나타내는 플로 차트이다.
감시 장치(100)는, 가스 터빈(T)의 시동 기간 중, 가스 터빈(T)의 상태량을 수집하여 단위 공간 기억부(104)에 상태량의 조합을 축적한다. 즉, 감시 장치(100)는, 취득부(101)가 취득한 가스 터빈의 지령값 및 보정부(103)가 생성한 보정 계측값을 관련지어 단위 공간 기억부(104)에 기록한다. 감시 장치(100)는, 가스 터빈(T)의 시동 기간의 경과 후, 소정의 감시 타이밍(예를 들어, 1시간 간격의 타이밍)으로 이하에 나타내는 감시 동작을 실행한다. 감시 타이밍은 가스 터빈(T)의 운전 개시 시점으로부터 소정의 시동 기간이 경과한 후의 시점인 시동 후 시점의 일례이다.
감시 장치(100)가 감시를 개시하면, 취득부(101)는 가스 터빈(T)에 설치된 센서가 취득한 센서값 및 가스 터빈(T)의 지령값을 취득한다(단계 S1). 다음에, 특성치 산출부(102)는, 취득부(101)가 취득한 센서값에 기초하여, 가스 터빈(T)의 특성을 나타내는 특성치를 산출한다(단계 S2). 다음에, 보정부(103)는 센서값 및 특성치를 가스 터빈(T)의 열평형 계산에 기초하여 보정함으로써, 보정 계측값을 얻는다(단계 S3).
다음에, 거리 산출부(105)는, 단계(S1)에서 취득한 센서값 및 지령값, 단계(S2)에서 산출한 특성치 및 단계(S3)에서 얻어진 보정 계측값을 제원으로 하고, 단위 공간 기억부(104)가 기억하는 단위 공간에 기초하여, 마하라노비스 거리를 산출한다(단계 S4). 다음에, 이상 판정부(106)는 산출된 마하라노비스 거리가 소정의 역치 이상인지 아닌지를 판정한다(단계 S5).
마하라노비스 거리가 역치 미만인 경우(단계 S5: 아니오), 이상 판정부(106)는 가스 터빈(T)에 이상이 발생하고 있지 않다고 판정하여 감시 처리를 종료하고, 다음번의 감시 타이밍을 대기한다.
한편, 마하라노비스 거리가 역치 이상인 경우(단계 S5: 예), 이상 판정부(106)는 가스 터빈(T)에 이상이 발생하고 있다고 판정한다.
이상 판정부(106)가 가스 터빈(T)에 이상이 발생하고 있다고 판정하면, SN비 산출부(107)는 단계(S1)에서 취득한 지령값 및 단계(S3)에서 얻어진 보정 계측값의 각각에 대해 다구치 메소드에 관한 SN비를 산출한다(단계 S6). 가능성 산출부(108)는 산출된 SN비에 기초하여 가스 터빈(T)에 발생할 수 있는 복수의 사상 각각의 발생 가능성을 산출한다(단계 S7).
다음에, 추정부(110)는, 가능성 산출부(108)가 산출한 각 사상의 가능성을 요소로 하는 벡터와 테이블 기억부(109)가 기억하는 테이블의 값을 요소로 하는 행렬과의 곱셈을 행함으로써, 이상의 발생 요인의 가능성을 요소로 하는 벡터를 얻는다(단계 S8). 다음에, 추정부(110)는 각 발생 요인을, 얻어진 벡터가 나타내는 가능성의 내림차순으로 분류한다(단계 S9). 그리고 출력부(111)는, 추정부(110)가 추정한 발생 요인을 나타내는 정보를 분류된 순서대로 출력한다(단계 S10). 예를 들어, 출력부(111)는 가장 가능성이 높은 발생 요인을 디스플레이에 표시시키기 위한 신호를 출력하고, 이용자의 조작에 의해 다음 발생 요인의 표시 지령을 접수한 경우에, 다음으로 가능성이 높은 발생 요인을 디스플레이에 표시시키기 위한 신호를 출력한다. 또한, 예를 들어 출력부(111)는 발생 요인의 리스트를 가능성의 내림차순으로 시트에 인쇄하기 위한 신호를 출력한다.
《작용·효과》
이와 같이, 제1 실시형태에 의하면, 감시 장치(100)는, 가스 터빈(T)에 입력되는 공기 및 연료의 온도 및 유량, 및 가스 터빈(T)으로부터 출력되는 배기의 온도 및 유량을 포함하는 계측값을 열평형 계산에 의해 보정하여, 마하라노비스 거리를 산출한다.
이에 의해, 감시 장치(100)는 가스 터빈(T)에 설치되는 센서의 계측 오차를 저감하여 마하라노비스 거리를 산출할 수 있다.
또한, 제1 실시형태에 의하면, 감시 장치(100)는, 가스 터빈(T)의 운전 개시 시점으로부터 소정의 시동 기간이 경과한 후의 시점인 시동 후 시점에 취득된 계측값을 제원으로 하고, 시동 기간 중에 취득된 계측값을 단위 공간으로 하여, 마하라노비스 거리를 산출한다. 즉, 감시 장치(100)는, 감시 대상인 가스 터빈(T) 바로 그것의 정상적인 운전 상태를 단위 공간으로 하여 마하라노비스 거리를 산출한다. 종래는, 마하라노비스 거리의 단위 공간으로서, 시동 기간을 지나서 열화(劣化)가 발생하고 있지만 이상이 발생하지 않고 있는 운전 상태 및 다른 가스 터빈(T)의 운전 상태도 포함하는 단위 공간에 기초하여 마하라노비스 거리를 산출하고 있었다. 한편, 제1 실시형태에 의하면, 감시 대상인 가스 터빈(T) 바로 그것의 운전 상태로서, 열화가 발생하기 이전의 운전 상태만을 포함하는 단위 공간에 기초하여, 마하라노비스 거리를 산출한다. 이에 의해, 감시 장치(100)는 감시 대상의 가스 터빈(T)에 대해 정밀도 좋게 이상의 검지를 할 수 있다.
또한, 제1 실시형태에 관한 시동 시간은, 신품 상태의 운전 개시 시점 또는 정기 점검 완료 후의 운전 개시 시점 중 최근의 시점을 시작점으로 하는 기간이다. 즉, 정기 점검 때마다 마하라노비스 거리의 단위 공간이 갱신된다. 이에 의해, 가스 터빈(T)의 정기 점검 후가 정상적인 운전 상태(초회(初回)는 신품 상태에 있어서의 운전 상태)를 기준으로 하여, 가스 터빈(T)의 이상의 검지를 행할 수 있다. 신품 상태, 곧 무열화(無劣化)의 가스 터빈(T)의 운전 상태를 단위 공간으로 하는 경우, 정기 점검 후의 가스 터빈(T)의 운전 상태는 정상 상태라도, 마하라노비스 거리가 상대적으로 커진다. 이는, 가스 터빈(T)의 사용에 의한 열화를 정기 점검에 의해 완전히 수복하는 것이 곤란하기 때문이다. 따라서 가스 터빈(T)의 정기 점검 후가 정상적인 운전 상태를 기준으로 하여, 가스 터빈(T)의 이상의 검지를 행함으로써, 정밀도 좋게 운전 상태를 판정할 수 있다.
또한, 제1 실시형태에 의하면, 감시 장치(100)는, 가스 터빈(T)에 발생시킬 수 있는 복수의 사상 각각의 발생 가능성을 산출하고, 사상과 이상의 발생 요인과의 관계를 나타내는 테이블과 당해 가능성에 기초하여, 이상의 발생 요인을 추정한다. 이에 의해, 감시 장치(100)는, 관측된 사상에 기초하여 용이하게 이상의 발생 요인을 출력할 수 있다. 한편, 다른 실시형태의 구성은 이에 한정되지 않는다. 다른 실시형태에 관한 감시 장치(100)는, 이상의 발생 요인을 추정하지 않고, 이상이 발생한 것만을 출력하는 것이어도 좋다. 또한, 다른 실시형태에 관한 감시 장치(100)는, 사상의 이상의 발생 요인을 출력하지 않고, 상태량의 SN비 또는 생긴 가능성이 높은 사상을 이용자에게 통지하는 것이어도 좋다.
또한, 제1 실시형태에 의하면, 감시 장치(100)는 계측값, 보정 계측값 및 지령값을 제원으로 하여 마하라노비스 거리를 산출한다. 이에 의해, 가스 터빈(T)의 열화 등에 의해 입열량과 출열량의 평형이 무너지는 경우에도, 적절하게 가스 터빈(T)의 상태를 평가할 수 있다. 또한, 다른 실시형태의 구성은 이에 한정되지 않는다. 예를 들어, 다른 실시형태에 관한 감시 장치(100)는 계측값을 제원에 포함시키지 않고, 보정 계측값을 제원으로 하여 마하라노비스 거리를 산출해도 좋다. 또한, 다른 실시형태에 관한 감시 장치(100)는 지령값을 제원에 포함시키지 않고 마하라노비스 거리를 산출해도 좋다.
<제2 실시형태>
이하, 도면을 참조하면서 제2 실시형태에 대해 상세히 설명한다.
제2 실시형태에 관한 감시 장치(100)는 정기 점검 후의 가스 터빈(T)의 열화의 상태를 감시한다.
《구성》
제2 실시형태에 관한 감시 장치(100)의 구성에 대해 설명한다. 도 4는 제2 실시형태에 관한 감시 장치의 구성을 나타내는 개략 블록도이다.
제2 실시형태에 관한 감시 장치(100)는 제1 실시형태에 관한 이상 판정부(106), SN비 산출부(107), 가능성 산출부(108), 테이블 기억부(109), 및 추정부(110)를 대신하여 열화 추정부(112)를 구비한다.
열화 추정부(112)는, 거리 산출부(105)가 산출한 마하라노비스 거리에 기초하여, 열화의 정도를 추정한다. 구체적으로는, 열화 추정부(112)는, 마하라노비스 거리가 클수록 열화가 진행되고 있다고 추정한다. 예를 들어, 열화 추정부(112)는, 마하라노비스 거리가 「1.5」 미만인 경우에 열화 「무(無)」라고 추정하고, 마하라노비스 거리가 「1.5」 이상 「2.5」 미만인 경우에 열화 「소(小)」라고 추정하고, 마하라노비스 거리가 「2.5」 이상 「3.5」 미만인 경우에 열화 「중(中)」이라고 추정하고, 마하라노비스 거리가 「3.5」 이상인 경우에 열화 「대(大)」라고 추정한다.
제2 실시형태에 관한 단위 공간 기억부(104)는 신품 상태의 가스 터빈(T)의 시동 기간(예를 들어, 신품 상태의 가스 터빈(T)의 운전 개시 시점으로부터 2주일의 기간)의 동안에 취득된, 가스 터빈(T)의 보정 계측값 및 지령값의 조합을 마하라노비스 거리의 단위 공간으로서 기억한다.
《가스 터빈의 감시 방법》
감시 장치(100)에 의한 가스 터빈의 감시 방법에 대해 설명한다. 도 5는 제2 실시형태에 관한 감시 장치의 동작을 나타내는 플로 차트이다.
감시 장치(100)는 신품 상태의 가스 터빈(T)의 시동 기간 중, 가스 터빈(T)의 상태량을 수집하여 단위 공간 기억부(104)에 상태량의 조합을 축적한다. 즉, 감시 장치(100)는, 취득부(101)가 취득한 가스 터빈의 지령값 및 보정부(103)가 생성한 보정 계측값을 관련지어 단위 공간 기억부(104)에 기록한다. 감시 장치(100)는 가스 터빈(T)의 정기 점검 완료 후의 운전 개시 시점을 시작점으로 하는 소정 기간(예를 들어, 2주일) 중의 타이밍으로 이하에 나타내는 감시 동작을 실행한다.
감시 장치(100)가 감시를 개시하면, 취득부(101)는 가스 터빈(T)에 설치된 센서가 취득한 센서값 및 가스 터빈(T)의 지령값을 취득한다(단계 S101). 다음에, 특성치 산출부(102)는, 취득부(101)가 취득한 센서값에 기초하여, 가스 터빈(T)의 특성을 나타내는 특성치를 산출한다(단계 S102). 다음에, 보정부(103)는 센서값 및 특성치를 가스 터빈(T)의 열평형 계산에 기초하여 보정함으로써, 보정 계측값을 얻는다(단계 S103).
다음에, 거리 산출부(105)는, 단계(S101)에서 취득한 지령값, 및 단계(S103)에서 얻어진 보정 계측값을 제원으로 하고, 단위 공간 기억부(104)가 기억하는 단위 공간에 기초하여, 마하라노비스 거리를 산출한다(단계 S104). 다음에, 열화 추정부(112)는 산출된 마하라노비스 거리에 기초하여 열화의 정도를 추정한다(단계 S105). 그리고 출력부(111)는 열화 추정부(112)가 추정한 열화의 정도를 출력한다(단계 S106).
《작용·효과》
이와 같이, 제2 실시형태에 의하면, 감시 장치(100)는, 신품 상태의 가스 터빈(T)의 운전 개시 시점을 시작점으로 하는 시동 기간의 상태량을 단위 공간으로 하고, 정기 점검 후의 가스 터빈(T)의 운전 개시후의 시점에 있어서의 상태량을 제원으로 하여, 마하라노비스 거리를 산출한다. 이에 의해, 감시 장치(100)는 정기 점검에 의해 회복한 가스 터빈(T)이 신품 상태와 비교하여 어느 정도 열화했는지를 추정할 수 있다.
또한, 제2 실시형태에 관한 단위 공간 기억부(104)는 신품 상태의 가스 터빈(T)의 시동 기간 중에 취득된 상태량을 마하라노비스 거리의 단위 공간으로서 기억하지만, 이에 한정되지 않는다. 예를 들어, 다른 실시형태에 관한 단위 공간 기억부(104)는 가스 터빈(T)의 물리 모델을 이용한 시뮬레이션에 의해 얻어진 성능 예측값을 마하라노비스 거리의 단위 공간으로서 기억해도 좋다.
《제3 실시형태》
이하, 도면을 참조하면서 제3 실시형태에 대해 상세히 설명한다.
제3 실시형태에 관한 감시 장치(100)는 보정부(103)가 생성한 보정 계측값을 대기 조건에 기초하여 표준화하여 마하라노비스 거리를 산출한다.
제3 실시형태에 관한 감시 장치(100)의 구성에 대해 설명한다. 도 6은 제3 실시형태에 관한 감시 장치의 구성을 나타내는 개략 블록도이다.
제3 실시형태에 관한 감시 장치(100)는 제1 실시형태 구성에 더하여 추가로 표준화부(113)를 구비한다.
표준화부(113)는, 취득부(101)가 취득한 센서값 중, 대기 조건(대기압, 대기 온도, 대기 습도 등)을 이용하여, 보정부(103)가 생성한 보정 계측값을 표준 대기 조건하에 관한 값으로 표준화한다. 즉, 취득부(101)는 대기 조건을 취득하는 대기 조건 취득부의 일례이다. 표준화의 대상이 되는 보정 계측값의 예로서는 출력 전력, 열소비율, 배기 유량, 흡기 유량, 배기 에너지, 및 배기 온도를 들 수 있다.
구체적으로는, 표준화부(113)는 대기 조건과 보정 계측값의 표준화를 위한 계수(표준화 계수)와의 관계를 나타내는 함수를 미리 기억해 두고, 대기 조건을 당해 함수에 대입함으로써, 표준 대기 조건에 관한 표준화 계수를 특정한다. 다음에, 표준화부(113)는 보정 계측값에 표준화 계수를 곱함으로써, 표준화된 보정 계측값을 특정한다.
여기서, 대기 조건과 표준화 계수와의 관계를 나타내는 함수를 구하는 방법의 예에 대해 설명한다. 먼저, 가스 터빈(T)의 물리 모델을 이용하여, 소정의 정의 영역에 있어서, 대기 조건에 관한 변수를 바꾸어서 계측값을 계산함으로써, 당해 변수와 표준화 계수와의 관계를 나타내는 곡선을 얻을 수 있다. 또한, 대기 조건에 관한 복수의 변수에 의존하는 표준화 계수에 대해서는, 변수 함수식을 생성한다. 이 경우, 대기 조건에 관한 변수를 하나씩 변화시켜서 변수마다, 변수와 표준화 계수와의 관계를 나타내는 식을 구한다. 제3 실시형태에 관한 대기 조건과 표준화 계수와의 관계를 나타내는 함수의 정의 영역은 가스 터빈(T)의 표준 상태 또는 지정 기준 조건으로부터 상정되는 범위이다. 도 7은 대기 조건과 표준화 계수와의 관계를 나타내는 함수의 일례를 나타내는 그래프이다. 상기 순서에 의해, 도7에 나타내는 바와 같은 대기 조건과 표준화 계수와의 관계를 나타내는 함수를 얻을 수 있다.
제3 실시형태에 관한 거리 산출부(105)는, 취득부(101)가 취득한 지령값 및 표준화부(113)가 표준화한 보정 계측값을 제원으로 하여, 마하라노비스 거리를 산출한다. 이와 같이, 제3 실시형태에 의하면, 보정 계측값을 대기 조건에서 표준화함으로써, 마하라노비스 거리의 단위 공간을 단순화할 수 있고, 이상 판정부(106)에 의한 이상 판정의 정밀도를 향상시킬 수 있다. 예를 들어, 대기압과 유량 사이에는 비선형인 관계가 있기 때문에, 표준화부(113)가 유량을 표준 대기압의 조건에 표준화함으로써 마하라노비스 거리의 선형성(linearity)을 향상시킬 수 있다.
또한, 제3 실시형태에 관한 표준화부(113)는, 보정부(103)가 보정한 보정 계측값을 표준화하지만, 이에 한정되지 않는다. 예를 들어, 다른 실시형태에 관한 표준화부(113)는, 취득부(101)가 취득한 센서값을 대기 조건에 관한 값으로 표준화해도 좋다. 이 경우, 특성치 산출부(102)는 표준화된 센서값을 이용하여 특성치를 산출하고, 보정부(103)는 표준화된 센서값 및 특성치를 이용하여 보정 계측값을 산출한다.
또한, 다른 실시형태에 관한 표준화부(113)는 대기압, 대기 온도, 대기 습도의 어느 하나 또는 둘을 이용하여 보정 계측값 또는 계측값을 표준화해도 좋다.
또한, 다른 실시형태에서는, 제2 실시형태와 마찬가지로, 이상 판정부(106), SN비 산출부(107), 가능성 산출부(108), 테이블 기억부(109), 및 추정부(110)를 대신하여 열화 추정부(112)를 구비하는 감시 장치(100)가 표준화부(113)를 추가로 구비하는 것이라도 좋다.
《제4 실시형태》
이하, 도면을 참조하면서 제4 실시형태에 대해 상세히 설명한다.
제4 실시형태에 관한 감시 장치(100)는 계측값에 기초하여 마하라노비스 거리를 산출하는지 아닌지를 결정한다.
제4 실시형태에 관한 감시 장치(100)의 구성에 대해 설명한다. 도 8은 제4 실시형태에 관한 감시 장치의 구성을 나타내는 개략 블록도이다.
제4 실시형태에 관한 감시 장치(100)는 제1 실시형태 구성에 더하여 추가로 선형성 판정부(114)를 구비한다.
선형성 판정부(114)는, 취득부(101)가 취득한 센서값 중, 온도에 관한 센서값(T)에 대해, 당해 센서값(T)이 단위 공간 기억부(104)가 기억하는 센서값(T)의 최소치 이상이자 센서값(T)의 최대치 이하인지 아닌지를 판정한다. 이에 의해, 선형성 판정부(114)는 취득한 센서값에 기초하여 마하라노비스 거리를 산출한 경우에, 당해 마하라노비스 거리가 단위 공간에 있어서 온도와 출력의 관계 선형성이 유지되는지 아닌지를 판정한다.
선형성 판정부(114)에 의해, 센서값이 단위 공간 기억부(104)가 기억하는 센서값의 범위 내에 있다고 판정된 경우, 거리 산출부(105)는 당해 센서값에 기초하여 마하라노비스 거리의 산출을 행한다. 한편, 선형성 판정부(114)에 의해, 센서값이 단위 공간 기억부(104)가 기억하는 센서값의 범위 내에 없다고 판정된 경우, 거리 산출부(105)는 마하라노비스 거리의 산출을 행하지 않고, 시기를 바꾸어서(예를 들어, 소정 시간 후에) 다시 마하라노비스 거리의 산출을 행한다.
이에 의해, 제4 실시형태에 관한 감시 장치(100)는, 온도와 출력의 관계의 선형성이 유지될 수 없을 가능성이 있는 경우에 마하라노비스 거리의 산출을 행하지 않음으로써, 이상 판정부(106)에 의한 오판정(誤判定)을 막을 수 있다.
또한, 다른 실시형태에서는, 제2 실시형태와 마찬가지로, 이상 판정부(106), SN비 산출부(107), 가능성 산출부(108), 테이블 기억부(109), 및 추정부(110)를 대신하여 열화 추정부(112)를 구비하는 감시 장치(100)가 선형성 판정부(114)를 추가로 구비하는 것이어도 좋다.
이상, 도면을 참조하여 제1 실시형태에 대해 상세히 설명했지만, 구체적인 구성은 상술한 바에 한정되는 것은 아니며, 여러 가지 설계 변경 등을 하는 것이 가능하다.
예를 들어, 상술한 실시형태에 관한 대상 장치는 가스 터빈(T)이지만, 다른 실시형태에서는 이에 한정되지 않는다. 예를 들어, 다른 실시형태에 관한 대상 장치는 증기 터빈, 엔진, 또는 열적인 수지(收支)가 있는 다른 장치라도 좋다.
도 9는 적어도 하나의 실시형태에 관한 컴퓨터의 구성을 나타내는 개략 블록도이다.
컴퓨터(900)는, CPU(901), 주 기억 장치(902), 보조 기억 장치(903), 인터페이스(904)를 구비한다.
상술의 감시 장치(100)는 컴퓨터(900)를 구비한다. 그리고 상술한 각 처리부의 동작은 프로그램의 형식으로 보조 기억 장치(903)에 기억되어 있다. CPU(901)는 프로그램을 보조 기억 장치(903)로부터 읽어내어 주 기억 장치(902)에 전개하고, 당해 프로그램에 따라 상기 처리를 실행한다. 또한, CPU(901)는 프로그램에 따라 상술한 각 기억부에 대응하는 기억 영역을 주 기억 장치(902)에 확보한다.
또한, 적어도 하나의 실시형태에 있어서, 보조 기억 장치(903)는 일시적이지 않은 유형의 매체의 일례이다. 일시적이지 않은 유형의 매체의 다른 예로서는 인터페이스(904)를 통해 접속되는 자기 디스크, 광자기 디스크, 광디스크, 반도체 메모리 등을 들 수 있다. 또한, 이 프로그램이 통신 회선에 의해 컴퓨터(900)에 전송되는 경우, 전송을 받은 컴퓨터(900)가 당해 프로그램을 주 기억 장치(902)에 전개하여 상기 처리를 실행해도 좋다.
또한, 당해 프로그램은 전술한 기능의 일부를 실현하기 위한 것이어도 좋다. 또한, 당해 프로그램은 전술한 기능을 보조 기억 장치(903)에 이미 기억되어 있는 다른 프로그램과의 조합으로 실현하는 것, 소위 차분 파일(차분 프로그램)이어도 좋다.
(산업상 이용가능성)
상기 양태 중 적어도 하나의 양태에 의하면, 감시 장치는 열평형 계산을 행하여 계측값을 보정함으로써, 계측값에 포함되는 오차를 저감할 수 있다. 이에 의해, 감시 장치는 계측값에 포함되는 오차의 영향을 저감하여 마하라노비스 거리를 산출할 수 있다.
100: 감시 장치
101: 취득부
102: 특성치 산출부
103: 보정부
104: 단위 공간 기억부
105: 거리 산출부
106: 이상 판정부
107: SN비 산출부
108: 가능성 산출부
109: 테이블 기억부
110: 추정부
111: 출력부
112: 열화 추정부
T: 가스 터빈

Claims (14)

  1. 대상 장치의 계측값으로서, 적어도 상기 대상 장치에 입력되는 입력 유체의 온도 및 유량, 및 상기 대상 장치로부터 출력되는 출력 유체의 온도 및 유량을 포함하는 계측값을 취득하는 취득부와,
    상기 계측값을 열평형의 식에 대입하고, 상기 열평형의 식이 성립하도록 상기 계측값의 오차의 조합을 산출하고, 상기 조합마다 상기 오차의 총합 또는 자승의 총합을 구하고, 상기 어느 하나의 총합이 최소가 되는 상기 조합을 선택함으로써 보정 계측값을 얻는 보정부와,
    상기 보정 계측값을 제원으로 하여 마하라노비스 거리를 산출하는 거리 산출부
    를 구비하는 감시 장치.
  2. 삭제
  3. 제1항에 있어서,
    대기압, 대기 온도 및 대기 습도의 적어도 하나를 포함하는 대기 조건을 취득하는 대기 조건 취득부와,
    취득한 상기 대기 조건을 이용하여, 상기 보정 계측값을 표준 대기 조건하에서의 값으로 표준화하는 표준화부
    를 더 구비하고,
    상기 거리 산출부가, 표준화된 상기 보정 계측값에 기초하여 상기 마하라노비스 거리를 산출하는
    감시 장치.
  4. 제1항 또는 제3항에 있어서,
    상기 마하라노비스 거리가 소정값 이상인 경우에, 상기 보정 계측값에 기초하여 상기 대상 장치에 발생시킬 수 있는 복수의 사상 각각의 발생 가능성을 산출하는 가능성 산출부와,
    상기 복수의 사상과 상기 대상 장치의 이상의 발생 요인을 관련지은 테이블을 기억하는 테이블 기억부와,
    상기 가능성과 상기 테이블에 기초하여 상기 발생 요인을 추정하는 추정부
    를 구비하는 감시 장치.
  5. 제1항에 있어서,
    상기 취득부가 취득한 온도에 관한 상기 계측값에 대해, 당해 계측값이 상기 마하라노비스 거리의 단위 공간을 구성하는 온도에 관한 계측값의 최소치 이상이자 최대치 이하인지 아닌지를 판정하는 선형성 판정부를 더 구비하고,
    상기 거리 산출부는, 상기 선형성 판정부에 의해, 상기 단위 공간에서의 온도에 관한 계측값의 최소치 이상이자 최대치 이하가 아니라고 판정된 경우에, 상기 보정 계측값에 기초하는 마하라노비스 거리의 산출을 행하지 않는
    감시 장치.
  6. 제1항에 있어서,
    상기 취득부는 상기 대상 장치의 운전 개시 시점을 시작점으로 하는 소정의 시동 기간의 경과 후의 시점인 시동 후 시점에서의 상기 계측값을 취득하고,
    상기 거리 산출부는, 상기 시동 기간 중의 시점에서의 계측값을 이용하여 생성된 단위 공간에 기초하여, 상기 보정부가 취득한 상기 보정 계측값에 기초하여 상기 마하라노비스 거리를 산출하는
    감시 장치.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 감시 장치가, 대상 장치의 계측값으로서, 적어도 상기 대상 장치에 입력되는 입력 유체의 온도 및 유량, 및 상기 대상 장치로부터 출력되는 출력 유체의 온도 및 유량을 포함하는 계측값을 취득하는 것과,
    상기 감시 장치가, 상기 계측값을 열평형의 식에 대입하고, 상기 열평형의 식이 성립하도록 상기 계측값의 오차의 조합을 산출하고, 상기 조합마다 상기 오차의 총합 또는 자승의 총합을 구하고, 상기 어느 하나의 총합이 최소가 되는 상기 조합을 선택함으로써 보정 계측값을 얻는 것과,
    상기 감시 장치가, 상기 보정 계측값을 제원으로 하여 마하라노비스 거리를 산출하는 것
    을 포함하는 대상 장치의 감시 방법.
  11. 삭제
  12. 제10항에 있어서,
    상기 감시 장치가, 대기압 및 대기 습도의 적어도 한쪽을 포함하는 대기 조건을 취득하는 것과,
    상기 감시 장치가, 취득한 상기 대기 조건을 이용하여, 상기 보정 계측값을 표준 대기 조건하에서의 값으로 표준화하는 것
    을 더 포함하며,
    상기 감시 장치가, 표준화된 상기 보정 계측값에 기초하여 상기 마하라노비스 거리를 산출하는
    대상 장치의 감시 방법.
  13. 삭제
  14. 컴퓨터에,
    대상 장치의 계측값으로서, 적어도 상기 대상 장치에 입력되는 입력 유체의 온도 및 유량, 및 상기 대상 장치로부터 출력되는 출력 유체의 온도 및 유량을 포함하는 계측값을 취득하는 것과,
    상기 계측값을 열평형의 식에 대입하고, 상기 열평형의 식이 성립하도록 상기 계측값의 오차의 조합을 산출하고, 상기 조합마다 상기 오차의 총합 또는 자승의 총합을 구하고, 상기 어느 하나의 총합이 최소가 되는 상기 조합을 선택함으로써 보정 계측값을 얻는 것과,
    상기 보정 계측값을 제원으로 하여 마하라노비스 거리를 산출하는 것
    을 실행시키기 위한 프로그램을 저장하는 컴퓨터 판독 가능한 기록 매체.
KR1020187033389A 2016-06-01 2017-05-31 감시 장치, 대상 장치의 감시 방법 및 프로그램 Active KR102202161B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016110337A JP6511702B2 (ja) 2016-06-01 2016-06-01 監視装置、対象装置の監視方法、およびプログラム
JPJP-P-2016-110337 2016-06-01
PCT/JP2017/020252 WO2017209179A1 (ja) 2016-06-01 2017-05-31 監視装置、対象装置の監視方法、およびプログラム

Publications (2)

Publication Number Publication Date
KR20190003580A KR20190003580A (ko) 2019-01-09
KR102202161B1 true KR102202161B1 (ko) 2021-01-12

Family

ID=60477566

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187033389A Active KR102202161B1 (ko) 2016-06-01 2017-05-31 감시 장치, 대상 장치의 감시 방법 및 프로그램

Country Status (8)

Country Link
US (1) US11591925B2 (ko)
JP (1) JP6511702B2 (ko)
KR (1) KR102202161B1 (ko)
CN (1) CN109154812B (ko)
DE (1) DE112017002798B4 (ko)
MX (1) MX2018014046A (ko)
PH (1) PH12018502393A1 (ko)
WO (1) WO2017209179A1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5973096B1 (ja) * 2016-01-14 2016-08-23 三菱日立パワーシステムズ株式会社 プラント分析装置、プラント分析方法、およびプログラム
KR101965937B1 (ko) * 2016-11-17 2019-08-13 두산중공업 주식회사 이상 신호 복원 장치 및 방법
JP7179663B2 (ja) * 2019-03-28 2022-11-29 三菱重工業株式会社 プラント監視装置、プラント監視方法、及びプログラム
JP7387325B2 (ja) * 2019-08-01 2023-11-28 三菱重工業株式会社 プラント監視装置、プラント監視方法、及びプログラム
KR102224983B1 (ko) * 2019-10-17 2021-03-08 한국서부발전 주식회사 가스터빈 연소기의 점검 진단 장치
JP7437163B2 (ja) * 2020-01-06 2024-02-22 三菱重工業株式会社 診断装置、診断方法およびプログラム
JP7401874B2 (ja) * 2020-03-31 2023-12-20 横河電機株式会社 推定システム、推定装置及び推定方法
JP7461798B2 (ja) 2020-05-29 2024-04-04 日鉄テックスエンジ株式会社 設備監視支援装置、方法及びプログラム
DE112021003238T5 (de) * 2020-06-12 2023-04-20 Mitsubishi Heavy Industries, Ltd. Anlagenüberwachungsvorrichtung, anlagenüberwachungsverfahren und programm
CN114165338B (zh) * 2020-09-11 2023-06-23 中国航发商用航空发动机有限责任公司 发动机冷却气流温度预测方法和装置、控制方法和设备
CN112101458B (zh) * 2020-09-16 2024-04-19 河海大学常州校区 一种基于田口函数-信噪比的特性度量方法和装置
JP7548670B2 (ja) * 2021-01-19 2024-09-10 東京エレクトロン株式会社 検査装置、制御方法及び制御プログラム
JP7642483B2 (ja) * 2021-08-10 2025-03-10 東芝エネルギーシステムズ株式会社 ブレード損傷評価装置、方法及びプログラム
CN117993667B (zh) * 2024-02-07 2024-07-12 中国电力工程顾问集团有限公司 基于多元信息融合的发电机组燃烧优化系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005293169A (ja) * 2004-03-31 2005-10-20 Toshiba Corp プラント運転状態計算装置、プラントシミュレーション計算装置、プラント運用最適化システムと方法、プログラム
JP2011090382A (ja) * 2009-10-20 2011-05-06 Mitsubishi Heavy Ind Ltd 監視システム
JP2011106467A (ja) * 2011-02-28 2011-06-02 Hitachi Ltd ガスタービンの性能診断システムにおける表示画面の表示方法
JP2016006594A (ja) * 2014-06-20 2016-01-14 三菱日立パワーシステムズ株式会社 プラント監視装置、プラント監視プログラム及びプラント監視方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS511396B1 (ko) 1970-09-07 1976-01-16
JPS5031088B2 (ko) 1971-12-27 1975-10-07
JP2000259222A (ja) * 1999-03-04 2000-09-22 Hitachi Ltd 機器監視・予防保全システム
JP3614751B2 (ja) 2000-03-21 2005-01-26 東京電力株式会社 コンバインド発電プラントの熱効率診断方法および装置
JP4044837B2 (ja) * 2002-12-19 2008-02-06 東急車輛製造株式会社 移動体の異常検出システム、及び移動体の異常検出方法
US10648888B2 (en) 2008-02-27 2020-05-12 Mitsubishi Hitachi Power Systems, Ltd. Plant state monitoring method, plant state monitoring computer program, and plant state monitoring apparatus
JP5101396B2 (ja) * 2008-05-29 2012-12-19 三菱重工業株式会社 健全性診断方法及びプログラム並びに風車の健全性診断装置
FR2939170B1 (fr) * 2008-11-28 2010-12-31 Snecma Detection d'anomalie dans un moteur d'aeronef.
JP5260343B2 (ja) 2009-02-03 2013-08-14 三菱重工業株式会社 プラント運転状態監視方法
US20150293531A1 (en) * 2012-10-25 2015-10-15 Mitsubishi Hitachi Power Systems, Ltd. Plant monitoring device, plant monitoring program, and plant monitoring method
JP6455764B2 (ja) * 2014-05-30 2019-01-23 パナソニックＩｐマネジメント株式会社 色補正パラメータ算出方法、色補正パラメータ算出装置および画像出力システム
JP6362992B2 (ja) * 2014-10-20 2018-07-25 三菱日立パワーシステムズ株式会社 熱交換器の監視装置及び熱交換器の監視方法
JP6350251B2 (ja) 2014-12-04 2018-07-04 富士通株式会社 経路情報処理装置、方法、及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005293169A (ja) * 2004-03-31 2005-10-20 Toshiba Corp プラント運転状態計算装置、プラントシミュレーション計算装置、プラント運用最適化システムと方法、プログラム
JP2011090382A (ja) * 2009-10-20 2011-05-06 Mitsubishi Heavy Ind Ltd 監視システム
JP2011106467A (ja) * 2011-02-28 2011-06-02 Hitachi Ltd ガスタービンの性能診断システムにおける表示画面の表示方法
JP2016006594A (ja) * 2014-06-20 2016-01-14 三菱日立パワーシステムズ株式会社 プラント監視装置、プラント監視プログラム及びプラント監視方法

Also Published As

Publication number Publication date
DE112017002798B4 (de) 2022-12-22
MX2018014046A (es) 2019-04-01
US11591925B2 (en) 2023-02-28
JP2017215864A (ja) 2017-12-07
KR20190003580A (ko) 2019-01-09
PH12018502393A1 (en) 2019-07-15
WO2017209179A1 (ja) 2017-12-07
JP6511702B2 (ja) 2019-05-15
CN109154812B (zh) 2021-11-26
CN109154812A (zh) 2019-01-04
US20190264573A1 (en) 2019-08-29
DE112017002798T5 (de) 2019-04-04

Similar Documents

Publication Publication Date Title
KR102202161B1 (ko) 감시 장치, 대상 장치의 감시 방법 및 프로그램
KR102202159B1 (ko) 감시 장치, 대상 장치의 감시 방법 및 프로그램
JP4513771B2 (ja) 一軸型コンバインドサイクルプラントの性能監視方法及びシステム
US8751423B2 (en) Turbine performance diagnostic system and methods
US10990070B2 (en) Plant analyzer, plant analysis method, and program thereof
JP2011090382A (ja) 監視システム
JP6143667B2 (ja) 予測システム、監視システム、運転支援システム、ガスタービン設備及び予測方法
US20160365735A1 (en) Systems and Methods for Power Plant Data Reconciliation
JP7450238B2 (ja) エンジンの異常診断方法、エンジンの異常診断プログラム、及びエンジンの異常診断システム
CN110462538B (zh) 信息处理装置、信息处理方法以及存储介质
JP6554162B2 (ja) 発電プラント性能評価方法及び発電プラント性能評価プログラム
JP7487412B2 (ja) プラント監視方法、プラント監視装置及びプラント監視プログラム
US12174623B2 (en) Plant monitoring device, method and program using a corrected Mahalanobis distance to determine plant abnormality
US11378943B2 (en) Information processing device, information processing method, and program

Legal Events

Date Code Title Description
A201 Request for examination
PA0105 International application

Patent event date: 20181119

Patent event code: PA01051R01D

Comment text: International Patent Application

PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20181119

Comment text: Request for Examination of Application

PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20200408

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20201013

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20210107

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20210107

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20231221

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20241218

Start annual number: 5

End annual number: 5