JP6474564B2 - Equipment degradation state judgment system and equipment degradation state judgment method - Google Patents
Equipment degradation state judgment system and equipment degradation state judgment method Download PDFInfo
- Publication number
- JP6474564B2 JP6474564B2 JP2014170741A JP2014170741A JP6474564B2 JP 6474564 B2 JP6474564 B2 JP 6474564B2 JP 2014170741 A JP2014170741 A JP 2014170741A JP 2014170741 A JP2014170741 A JP 2014170741A JP 6474564 B2 JP6474564 B2 JP 6474564B2
- Authority
- JP
- Japan
- Prior art keywords
- equipment
- analysis
- residual
- multiple regression
- principal component
- 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
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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、変電所等の設備の劣化状態ひいてはメンテナンス時期を決定するのに利用して好適な技術に関するものである。 The present invention relates to a technique suitable for use in determining the deterioration state of equipment such as a substation and the maintenance time.
従来、変電所の設備機器のメンテナンスは、変圧器や整流器等の機器種別ごとに定めた一律周期による保全（ＴＢＭ：時間基準保全）、具体的には所定時間の稼働や所定期間の経過（例えば１年毎）で行なうのが一般的であった。
しかし、実際には使用環境や機器の個体差などにより劣化状態は機器ごとに異なる。そのため、劣化の有無に拘わらず検査・取替を行う上記一律周期の保全方式にあっては、無駄な検査が行われることでメンテナンスコストの増大を招く課題がある。従って、設備毎に機器個々の状態を把握しそれに基づいた検査・取替を行う保全（ＣＢＭ：状態基準保全）が望ましい。
Conventionally, maintenance of substation equipment is maintained by a uniform period (TBM: time-based maintenance) determined for each type of equipment such as a transformer or a rectifier, specifically, operation for a predetermined time or passage of a predetermined period (for example, It was common to do this every year.
However, in actuality, the deterioration state varies from device to device depending on the use environment, individual differences among devices, and the like. For this reason, in the above-described maintenance method with a uniform period in which inspection and replacement are performed regardless of the presence or absence of deterioration, there is a problem in that maintenance costs increase due to unnecessary inspection. Therefore, maintenance (CBM: state-based maintenance) that grasps the state of each device for each facility and performs inspection / replacement based thereon is desirable.
従来、変電所の機器の状態を監視する技術としては例えば特許文献１に記載されているものが、また、発電所の機器の状態を監視する技術として例えば特許文献２に記載されているものがある。さらに、本発明に関連する分析技術としては例えば特許文献３に記載されているものがある。
このうち、特許文献１の機器状態監視技術は、機器動作時間ファイル、動作回数ファイル及び保守情報ファイルを備え、遮断器又は断路器の制御情報を変電所の配電盤に出力した出力時刻と、制御により配電盤からの遮断器又は断路器の動作終了情報を受信した受信時刻を受信して機器動作時間ファイル及び動作回数ファイルに機器動作時間及び動作回数のデータを蓄積して予防保全管理を行うというものである。
Conventionally, as a technique for monitoring the state of the substation equipment, for example, the technique described in Patent Document 1 is used, and as the technique for monitoring the state of the power station equipment, for example, a technique described in Patent Document 2 is available. is there. Further, as an analysis technique related to the present invention, there is one described in Patent Document 3, for example.
Among these, the device state monitoring technology of Patent Document 1 includes a device operation time file, an operation frequency file, and a maintenance information file, and outputs the control information of the circuit breaker or disconnector to the switchboard of the substation and the control. Receives the reception time when the circuit breaker or disconnector operation end information from the switchboard is received, stores the device operation time and operation frequency data in the device operation time file and operation frequency file, and performs preventive maintenance management is there.
一方、特許文献２の発電所に関する機器状態監視技術は、振動測定データ記憶手段に記憶された実機の転がり軸受の経過時間と振動測定データとの関係に基づいて、転がり軸受の振動の上昇傾向と転がり軸受の状態がメンテナンスを要するまでの期間を予測して、転がり軸受の状態がメンテナンスを要する時期までの保全計画を作成するというものである。
また、特許文献３には、多様な評価システムに利用可能な重回帰式の抽出方法に関する発明が開示されている。
On the other hand, the equipment state monitoring technology relating to the power plant of Patent Document 2 is based on the relationship between the elapsed time of the actual rolling bearing stored in the vibration measurement data storage means and the vibration measurement data. A period until the rolling bearing state requires maintenance is predicted, and a maintenance plan is created until the rolling bearing state requires maintenance.
Patent Document 3 discloses an invention relating to a method of extracting multiple regression equations that can be used in various evaluation systems.
上記特許文献１に開示されている変電所の機器状態を監視する技術は、遠隔地で遮断器または断路器の動作回数および動作時間のデータを蓄積し、実際に故障が発生したときの動作回数および動作時間を機器の使用限界点として決定するというものであり、比較的軽微な故障や故障の予兆となる設備状態の変化を検出してメンテナンス時期を決定することは困難であるという課題がある。 The technology for monitoring the equipment state of a substation disclosed in Patent Document 1 stores data on the number of operations and operation time of a circuit breaker or disconnector at a remote location, and the number of operations when a failure actually occurs. In addition, the operation time is determined as the use limit point of the equipment, and it is difficult to determine the maintenance time by detecting a relatively minor failure or a change in the equipment state that is a sign of the failure. .
特許文献２に開示されている機器状態を監視する技術は、発電所に設けられているタービンやポンプ、モータ等の振動を伴う回転機器の動作状態を監視し保全することに向けられたもので、振動を伴わない機器の動作状態の監視、保全には適用が難しいという課題がある。また、特許文献３に開示されている発明は、少ない労力で精度の高い重回帰式を抽出する方法に関するもので、重回帰式を利用した具体的な設備における機器の劣化状態を判定する技術を開示するものではない。 The technology for monitoring the device state disclosed in Patent Document 2 is directed to monitoring and maintaining the operation state of rotating devices with vibrations such as turbines, pumps, and motors provided in power plants. There is a problem that it is difficult to apply to monitoring and maintenance of the operating state of equipment without vibration. The invention disclosed in Patent Document 3 relates to a method for extracting a highly accurate multiple regression equation with a small amount of labor, and a technique for determining a deterioration state of equipment in a specific facility using the multiple regression equation. It is not disclosed.
本発明は、上記課題を解決するためになされたもので、変電所等の設備の劣化状態や異常の予兆をとらえてメンテナンス時期を決定することができ、それによってメンテナンスに要するコストを低減することができる変電所等の設備の劣化状態判定システムおよび劣化状態判定方法を提供することにある。 The present invention has been made to solve the above-mentioned problems, and can determine the maintenance timing by grasping the deterioration state of the equipment such as a substation and a sign of abnormality, thereby reducing the cost required for the maintenance. An object is to provide a deterioration state determination system and a deterioration state determination method for facilities such as substations.
上記課題を解決するために、本発明は、
複数種類の機器を備えた設備に設けられ異なる物理量を検出可能な複数種類の検出手段と、前記複数の検出手段からの信号を収集するデータ収集手段と、前記データ収集手段によって収集された計測値に統計処理を施して得られた残差を指標として設備の劣化状態を判定する分析装置と、を備えた設備の劣化状態判定システムにおいて、
前記分析装置は、
前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、
前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果および前記主成分分析の結果に基づいて設備の劣化状態を判定して判定結果を表示装置に表示可能に構成したものである。
In order to solve the above problems, the present invention provides:
A plurality of types of detection means provided in a facility having a plurality of types of equipment and capable of detecting different physical quantities, a data collection means for collecting signals from the plurality of detection means, and a measurement value collected by the data collection means In the equipment deterioration state determination system, comprising an analyzer that determines the deterioration state of the equipment using the residual obtained by performing statistical processing as an index,
The analyzer is
While performing multiple regression analysis on the measurement values obtained for each device constituting the equipment,
Performs principal component analysis on a plurality of types of measurement values obtained regardless of the equipment constituting the facility, and determines the deterioration state of the facility based on the result of the multiple regression analysis and the result of the principal component analysis. Thus, the determination result can be displayed on the display device.
上記した構成によれば、重回帰分析と主成分分析のそれぞれの長所を生かすことで、設備の劣化、異常の予兆を検出することができ、メンテナンス時期を決定することができる。その結果、メンテナンスに要するコストを低減することができる。 According to the configuration described above, by utilizing the advantages of both the multiple regression analysis and the principal component analysis, it is possible to detect a sign of equipment deterioration and abnormality, and to determine the maintenance time. As a result, the cost required for maintenance can be reduced.
また、望ましくは、前記計測値には、各機器の温度、圧力および電流と設備周辺の気温とが含まれ、
前記分析装置は、前記温度および圧力を目的変数とし、前記電流および気温を説明変数として、前記設備を構成する機器ごとに重回帰分析を実行するように構成する。
これにより、設備の劣化、異常の予兆が発生している機器を特定することが可能となり、効率的な修理、点検が可能となる。
Preferably, the measured value includes the temperature, pressure and current of each device and the temperature around the equipment,
The analyzer is configured to perform a multiple regression analysis for each device constituting the facility, using the temperature and pressure as objective variables and the current and temperature as explanatory variables.
As a result, it is possible to identify equipment in which deterioration of equipment or a sign of abnormality has occurred, and efficient repair and inspection are possible.
さらに、望ましくは、前記分析装置は、取得された計測値を、前記設備を構成する同一種類の機器に関する計測値をまとめたグループと、前記設備を構成する機器を問わず同一種類の計測値をまとめたグループとに分類し、
前記分類されたそれぞれグループの計測値に対して主成分分析を実行して設備の劣化状態を判定するように構成する。
これにより、重回帰分析では把握することができないような軽微な状態変化が生じた場合でも、主成分分析により複数の因子の網羅的な関係の変化を見つけることで上記のような状態変化を把握することが可能となる。
Further, preferably, the analysis device collects the acquired measurement values for a group of measurement values related to the same type of equipment constituting the equipment, and the same type of measurement values regardless of the equipment constituting the equipment. Group it into a group
A principal component analysis is performed on the measured values of the classified groups to determine the deterioration state of the equipment.
As a result, even if minor state changes that cannot be grasped by multiple regression analysis occur, the above-mentioned state changes can be grasped by finding comprehensive changes in multiple factors by principal component analysis. It becomes possible to do.
また、望ましくは、前記重回帰分析における前記残差は単純残差であり、前記主成分分析における前記残差は単純残差の二乗和であるようにする。
これによって、より的確に状態変化を把握することが可能となる。
Desirably, the residual in the multiple regression analysis is a simple residual, and the residual in the principal component analysis is a square sum of simple residuals.
This makes it possible to grasp the state change more accurately.
さらに、望ましくは、前記分析装置は、前記重回帰分析における前記単純残差の移動平均が増加傾向にあるか否かの判定と、前記主成分分析における前記単純残差の移動平均の二乗和が増加傾向にあるか否かの判定と、を実行可能であるように構成する。
これにより、収集したデータに含まれるノイズ（周期成分）を除去することができるため、より高い精度で、設備の劣化、異常の予兆を検出することができる。
Further, preferably, the analyzer, the whether or not the determination whether the moving average of the simple residual in the multiple regression analysis is increasing, the square sum of the moving average of the simple residual in the principal component analysis It is configured to be able to execute the determination of whether or not there is an increasing tendency .
Thereby, since noise (periodic component) contained in the collected data can be removed, it is possible to detect a sign of equipment deterioration and abnormality with higher accuracy.
また、本出願の他の発明は、
複数種類の機器を備えた設備に設けられ異なる物理量を検出可能な複数種類の検出手段によって検出された計測値に統計処理を施して得られた残差を指標として設備の劣化状態を判定する設備の劣化状態判定方法において、
コンピュータによって、
前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、
前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果が状態変化なしであっても、前記主成分分析の結果が状態変化ありの場合には、判定値の絶対値を小さくして再度前記重回帰分析を実行して設備の劣化状態を判定するようにしたものである。
In addition, other inventions of the present application are:
Equipment that determines the deterioration state of equipment using as an index the residual obtained by performing statistical processing on the measured values detected by multiple types of detection means that are provided in equipment equipped with multiple types of equipment and can detect different physical quantities In the degradation state judgment method of
By computer
While performing multiple regression analysis on the measurement values obtained for each device constituting the equipment,
The principal component analysis is performed on a plurality of types of measurement values acquired regardless of the equipment constituting the facility, and the result of the principal component analysis is in a state even if the result of the multiple regression analysis is unchanged. When there is a change, the absolute value of the determination value is reduced and the multiple regression analysis is performed again to determine the deterioration state of the equipment.
上記した手段によれば、重回帰分析と主成分分析のそれぞれの長所を生かすことで、設備の劣化、異常の予兆を検出することができ、メンテナンス時期を決定することができるとともに、劣化や異常が発生している機器を特定し易くすることが可能となる。 According to the above-mentioned means, by utilizing the advantages of both the multiple regression analysis and the principal component analysis, it is possible to detect signs of equipment deterioration and abnormality, determine the maintenance time, It becomes possible to make it easy to identify the device in which the occurrence occurs.
本発明によれば、変電所等の設備の劣化状態や異常の予兆をとらえてメンテナンス時期を決定することができ、それによってメンテナンスに要するコストを低減することができるという効果を有する。 ADVANTAGE OF THE INVENTION According to this invention, it has the effect that the maintenance time can be determined by catching the deterioration state of equipment, such as a substation, and the precursor of abnormality, and, thereby, the cost required for maintenance can be reduced.
以下、本発明に係る変電所の設備状態判定システムおよび判定方法の実施形態について、図面を参照して説明する。
図１は、本実施形態における変電所の設備状態判定を行うシステムの構成を示した図である。
図１に示すように、本実施形態のシステムは、変電所１０に設けられている各種機器の状態を検出する各種計測器と、計測器により検出された計測値を送信する送信器（子局）２１と、複数の変電所の送信器から送信されてくるデータを受信する親局２２と、親局２２によって収集されたデータに統計処理を施して設備の状態を分析するコンピュータからなる分析装置３０などから構成される。
DESCRIPTION OF EMBODIMENTS Hereinafter, embodiments of a substation equipment state determination system and a determination method according to the present invention will be described with reference to the drawings.
FIG. 1 is a diagram illustrating a configuration of a system that performs equipment state determination of a substation in the present embodiment.
As shown in FIG. 1, the system according to the present embodiment includes various measuring devices that detect states of various devices provided in a substation 10 and a transmitter (slave station) that transmits measurement values detected by the measuring devices. ) 21, a master station 22 that receives data transmitted from transmitters of a plurality of substations, and an analyzer that analyzes the state of the equipment by performing statistical processing on the data collected by the master station 22 30 or the like.
変電所１０に設けられている監視対象の機器としては、落雷や短絡などの事故発生時に回路を切り離して安全を保つために電流を遮断する遮断器１１や、電力会社から供給される６６００Ｖの交流電圧を鉄道車両の動力源に適した１５００Ｖのような直流電圧に変換する変圧器１２、交流を直流に変換する整流器１３、直流変流器などにより検出された電流値に基づいて遮断器１１を制御する制御機１４などがある。一般に、１つの変電所には、遮断器１１や変圧器１２、整流器１３などからなるチャンネル（ユニット）が複数設けられている。
変圧器などの変電所設備機器の状態を検出する計測器としては、電流値を測定する電流計４１の他、温度センサ４２や圧力センサ４３などがある。図１では、１つの変圧器に設けられている電流計４１、温度センサ４２および圧力センサ４３のみが図示されているが、他の変圧器１２や遮断器１１、整流器１３にも、同様に電流計、温度センサ、圧力センサが設けられている。
The equipment to be monitored provided in the substation 10 includes a circuit breaker 11 that cuts off the current in order to maintain safety by disconnecting the circuit when an accident such as a lightning strike or a short circuit occurs, or a 6600V AC supplied from an electric power company. Based on the current value detected by a transformer 12 for converting the voltage into a DC voltage such as 1500 V suitable for a power source of a railway vehicle, a rectifier 13 for converting AC to DC, a DC current transformer, etc. There is a controller 14 to be controlled. In general, a single substation is provided with a plurality of channels (units) including a circuit breaker 11, a transformer 12, a rectifier 13, and the like.
As a measuring instrument for detecting the state of substation equipment such as a transformer, there are a temperature sensor 42 and a pressure sensor 43 in addition to an ammeter 41 for measuring a current value. In FIG. 1, only the ammeter 41, the temperature sensor 42, and the pressure sensor 43 provided in one transformer are illustrated, but the other transformer 12, the circuit breaker 11, and the rectifier 13 are similarly configured with current. A meter, a temperature sensor, and a pressure sensor are provided.
送信器（子局）２１と親局２２との間のデータ通信は、ケーブルを使用した有線方式でも良いし無線方式の通信でも良い。親局２２と分析装置３０との間のデータ通信も同様であり、ＬＡＮ（ローカルエリアネットワーク）を介して接続しても良い。
従来より、変電所システムには、ＴＢＭ保全（時間基準保全）のための計測器と、計測値を送信する送信器（子局）やデータを受信する親局が設けられているので、従来のシステムによって収集されたデータを利用して変電所設備の劣化状態や異常の予兆を判定する分析を行うようにしても良い。
本実施形態では、送信器（子局）２１と親局２２とによってデータ（計測値）を収集するデータ収集手段が構成される。送信器（子局）２１による計測値の取得および親局２２へのデータの送信は、特に限定されるものではないが、例えば１時間に１回などとすることが考えられる。
Data communication between the transmitter (slave station) 21 and the master station 22 may be a wired system using a cable or a wireless system. Data communication between the master station 22 and the analysis device 30 is the same, and may be connected via a LAN (local area network).
Conventionally, a substation system is provided with a measuring instrument for TBM maintenance (time-based maintenance), a transmitter (slave station) for transmitting measurement values, and a master station for receiving data. You may make it perform the analysis which determines the deterioration state of a substation equipment, or the precursor of abnormality using the data collected by the system.
In the present embodiment, the transmitter (slave station) 21 and the master station 22 constitute data collection means for collecting data (measurement values). The acquisition of the measurement value by the transmitter (slave station) 21 and the transmission of data to the master station 22 are not particularly limited, but may be, for example, once per hour.
分析装置３０は、収集したデータや分析用のソフトウェア（分析ツール）等を記憶する半導体メモリあるいは磁気ディスク装置などからなるデータ記憶装置３１、データを分析するための演算等を行なう演算制御装置３２、キーボードやマウスなどの入力装置３３、液晶モニタのような表示装置３４などを備えて構成されている。なお、演算制御装置３２は、マイクロコンピュータのようなデータ処理装置によって構成することができる。後に説明する重回帰分析や主成分分析に使用する分析ツールについては、従来より種々のものが提供されており、それらを利用することができる。
本実施形態の分析装置３０においては、予め変電所から収集された正常時のデータに基づいて、後述の統計的解析手法により統計モデルを構築しておいて、リアルタイムで収集されたデータを統計処理して得られた値（残差）を指標として設備の状態変化を抽出して、設備（機器）の劣化や異常の予兆を判別できるように構成されている。
The analysis device 30 includes a data storage device 31 including a semiconductor memory or a magnetic disk device that stores collected data, analysis software (analysis tool), and the like, an arithmetic control device 32 that performs operations for analyzing data, and the like. An input device 33 such as a keyboard and a mouse, a display device 34 such as a liquid crystal monitor, and the like are provided. The arithmetic and control unit 32 can be configured by a data processing device such as a microcomputer. Various analysis tools used for multiple regression analysis and principal component analysis, which will be described later, have been provided and can be used.
In the analysis device 30 of the present embodiment, a statistical model is constructed by a statistical analysis method described later based on normal data collected in advance from a substation, and statistical processing is performed on the data collected in real time. Thus, a change in the state of the facility is extracted using the value (residual) obtained in this way as an index, so that a sign of deterioration or abnormality of the facility (equipment) can be determined.
次に、分析装置３０におけるモデルの構築の仕方およびデータ分析処理の内容について説明する。
本発明者ら、変電所の設備機器の計測値を分析して設備（機器）の劣化や異常の予兆を判別するのに好適な分析手法について検討を行なった。その結果、以下に説明する理由から、ＫＰＩ型重回帰分析法と主成分分析法の組み合わせが望ましいとの結論に達した。
ここでは、先ず、重回帰分析について説明する。
Next, how to build a model in the analysis device 30 and the contents of the data analysis process will be described.
The inventors of the present invention have studied an analysis method suitable for analyzing a measurement value of equipment in a substation and determining a sign of deterioration or abnormality of equipment (equipment). As a result, it was concluded that a combination of the KPI multiple regression analysis method and the principal component analysis method is desirable for the reasons described below.
Here, first, multiple regression analysis will be described.
ＫＰＩ型重回帰分析では、取得したデータが例えば図２（Ａ）に示すように分布しているとき、ＫＰＩ（Key Performance Indicator）と入力因子の関係を、例えばｙ＝ａ+ｂｘのような一次式で近似（モデリング）する。そして、図２（Ｂ）に示すように、正常状態の範囲から外れているデータの正常状態からの距離（回帰式から予測される値と実際の計測値との差）を残差と定義して、この残差を指標として相関の崩れすなわち機器の劣化の程度を判断することができる。
なお、重回帰分析は、目的変数と説明変数の関係を簡素な線形式で表すため、変電所の設備に適用する場合、設備（機器）単体における電流，圧力，温度等の物理因子の基本的な関係を記述できるので、この関係の変化を伴う機器の状態変化（例：ガス漏れ，異常発熱）を把握するのに適していると考えた。
In the KPI multiple regression analysis, when the acquired data is distributed as shown in FIG. 2A, for example, the relationship between the KPI (Key Performance Indicator) and the input factor is expressed as a linear expression such as y = a + bx. Approximate (model) with an expression. Then, as shown in FIG. 2B, the distance from the normal state of the data that is out of the normal state range (the difference between the value predicted from the regression equation and the actual measured value) is defined as the residual. By using this residual as an index, it is possible to determine the degree of correlation collapse, that is, the deterioration of the device.
Since multiple regression analysis expresses the relationship between objective variables and explanatory variables in a simple line format, when applied to substation equipment, the basic physical factors such as current, pressure, and temperature in the equipment (equipment) alone I thought that it was suitable for grasping the state change of the equipment (eg, gas leakage, abnormal heat generation) accompanied by the change of this relationship.
ただし、重回帰分析は変数が多くなると多重共線性等の問題が生じてモデルの再現性が低下するおそれがあること、現状の変電所システムで取得している電流，圧力及び温度の計測値について、因子間の相関係数を算出して行なった検討の結果から、これらの間に相関関係が存在することが明らかになったこと等の理由から、モデル構築に使用する目的変数及び説明変数は、設備機器単体ごとに、次の表１に示すような因子を使用することとした。「気温」は設備周辺の気温である。
次に、主成分分析について説明する。
一般に、観測しているシステムから得られるデータの種類が複数あり、データが高次元になるときには、データを可視化することが難しい。一方でこのようなデータは、データ間に相関関係が存在することがある。したがって、このようなデータをまとめることによって、データの次元を減らすことが可能になる。
例えば図３（Ａ）に示すような２次元のデータは、ｘ1軸成分とｘ2軸成分の間の相関が強く、１つの直線上に並んでいるように見える。このような場合、２次元のデータも１次元のデータとして扱うことができる。
Next, principal component analysis will be described.
In general, there are a plurality of types of data obtained from the system being observed, and when the data is high-dimensional, it is difficult to visualize the data. On the other hand, such data may have a correlation between the data. Therefore, it is possible to reduce the dimension of data by collecting such data.
For example, two-dimensional data as shown in FIG. 3A has a strong correlation between the x 1 -axis component and the x 2 -axis component, and appears to be aligned on one straight line. In such a case, two-dimensional data can be handled as one-dimensional data.
２次元のデータを１次元のデータとして扱うということは、２次元のデータを、ある直線の上に射影（投影）することと等価である。図３（Ａ）では、データを直交軸ｘ1，ｘ2に射影した様子を示している。
一方、２次元の平面上に１次元の直線を引く方法は無数に存在する。仮に図３（Ｂ）に示すｕ2の方向の直線上にデータを射影してみると、データが固まって分布してしまい、データが本来持つ情報量が失われてしまうので、このような射影は意味がない。最もよい射影の仕方は、データを射影した時にそのデータの散らばり（分散）が最も大きい時であり、図３（Ｂ）のｕ1軸のように２つの軸方向を適当に合成した方向に射影するのがよいということが分かる。
Treating two-dimensional data as one-dimensional data is equivalent to projecting (projecting) two-dimensional data onto a certain straight line. FIG. 3A shows a state in which data is projected onto the orthogonal axes x 1 and x 2 .
On the other hand, there are numerous methods for drawing a one-dimensional straight line on a two-dimensional plane. If the data is projected onto the straight line in the direction u 2 shown in FIG. 3B, the data is hardened and distributed, and the amount of information inherent in the data is lost. Is meaningless. The best way to project is when the data has the largest dispersion (dispersion) when it is projected, and the projection is performed in a direction that appropriately combines the two axis directions, such as the u 1 axis in FIG. It turns out that it is good to do.
主成分分析は、多変量のデータの中から互いに相関のある因子を潜在因子として抽出する手法であり、データの分布のうち、分散が最大になるような軸を取り出し、データ分布をその軸上の分布に射影することで、データの次元を落とすことから定式化される。そして、この性質を利用することで、関係性の崩れを容易に抽出することができる。
具体的には、図４に示すように、主成分軸ｕ1から貢献度１％以下の軸が正常時にはほぼ０となる成分であると考え、これを残差成分軸ｕ2とする。そして、この軸ｕ2へ投影した値の二乗和を残差とし、この残差を指標として相関の崩れすなわち設備の劣化の程度を判断することとした。因みに、正常時には上記の残差がほぼ０であるため、残差に何らかの傾向が生じた場合（≒０でなくなった場合）には変電所の設備状態に変化が生じていると判断することができる。なお、二乗和をとった値である残差と、二乗和をとる前の残差とを区別する場合、本明細書では後者を単純残差と称する。
Principal component analysis is a technique that extracts factors that are correlated with each other from multivariate data as latent factors. From the data distribution, the axis that maximizes the variance is extracted, and the data distribution is on that axis. It is formulated by dropping the dimension of the data by projecting to the distribution of. Then, by utilizing this property, it is possible to easily extract the collapse of the relationship.
Specifically, as shown in FIG. 4, it is considered that the axis having a contribution of 1% or less from the principal component axis u 1 is a component that is substantially zero when normal, and this is defined as a residual component axis u 2 . Then, the sum of squares of the values projected onto the axis u 2 is used as a residual, and the degree of the collapse of the correlation, that is, the deterioration of the equipment is determined using this residual as an index. By the way, since the above residual is almost 0 when normal, it is possible to judge that the equipment state of the substation has changed when some tendency occurs in the residual (when it is not ≈0). it can. Note that, in the present specification, the latter is referred to as a simple residual when a residual that is a sum of squares is distinguished from a residual before the sum of squares is taken.
上述したように、主成分分析によれば、データ全体の特徴を現す指標（主成分と残差）を抽出できるため、正常時に類似した挙動を示す同一種類の設備機器間における関係の変化を伴う設備状態変化（例：同一種類の設備機器の中で、ある設備機器だけが他と違う挙動を示す場合）の把握に適していると考えられる。
本発明者らは、上記表１に示す因子間の相関係数を網羅的に調べて相関について分析をした。その結果、比較的相関の高い、遮断器，変圧器等の同一種類の設備機器に関する因子をまとめたグループ（以下、設備グループと称する）と、温度，圧力等の同一種類のデータ（物理量）に関する因子をまとめたグループ（以下、データ種グループと称する）の２つの因子グループ毎にモデルを作成することで望ましい分析結果が得られることを見出した。各グループの詳細を次の表２に示す。なお、表２において、「ＧＩＳ」は遮断器や断路器を内蔵したガス絶縁開閉装置である。
As described above, the principal component analysis can extract an index (principal component and residual) that represents the characteristics of the entire data, which is accompanied by a change in the relationship between equipment of the same type that exhibits similar behavior during normal operation. It is considered to be suitable for grasping equipment state changes (for example, in the case where only one equipment device exhibits a different behavior from the other equipment of the same type).
The present inventors comprehensively investigated the correlation coefficients between the factors shown in Table 1 above, and analyzed the correlation. As a result, a group (hereinafter referred to as an equipment group) that summarizes factors related to equipment of the same type such as circuit breakers and transformers that are relatively highly correlated, and data of the same type (physical quantities) such as temperature and pressure. It has been found that a desired analysis result can be obtained by creating a model for each of two factor groups of a group of factors (hereinafter referred to as a data type group). Details of each group are shown in Table 2 below. In Table 2, “GIS” is a gas insulated switchgear having a built-in circuit breaker and disconnector.
ところで、前述したように、重回帰分析の特徴から、機器単体における基本的な物理的関係の変化については重回帰分析で充分に網羅することができる。つまり、重回帰分析によれば、劣化が起きている機器を特定し易いという利点がある。しかし、重回帰分析で把握できないような軽微な状態変化が生じた場合でも、主成分分析により複数の因子の網羅的な関係の変化を見つけることで上記のような状態変化を把握できる可能性がある。
逆に、主成分分析では、因子間の関係性が保たれたまま全設備機器が一律に劣化していく状態変化を把握できないおそれがある。そこで、本実施形態では、重回帰分析と主成分分析のそれぞれの短所を補い、長所を生かすために、両方式を併用して設備の劣化、異常の予兆を判定することとした。
By the way, as described above, due to the characteristics of the multiple regression analysis, changes in basic physical relationships in a single device can be sufficiently covered by the multiple regression analysis. That is, according to the multiple regression analysis, there is an advantage that it is easy to identify a device in which deterioration has occurred. However, even if a minor state change that cannot be grasped by multiple regression analysis occurs, it is possible that the above-mentioned state change can be grasped by finding a comprehensive change of multiple factors by principal component analysis. is there.
On the contrary, in the principal component analysis, there is a possibility that it is impossible to grasp the state change in which all the equipments are uniformly deteriorated while the relationship between factors is maintained. Therefore, in the present embodiment, in order to make up for the disadvantages of the multiple regression analysis and the principal component analysis, and to make use of the advantages, both methods are used in combination to determine signs of equipment deterioration and abnormality.
さらに、本発明者らは、既存の変電所のデータ収集システムで収集した次の表３に示すデータに対して、上述した手法によりモデルを構築したところ、正常時の残差が完全に０付近に分布せず周期性のある成分が残ることを見い出した。そして、これは、既存のシステムで取得できるデータの種類（電流，温度，圧力）では完全に説明しきれない変動をモデル化できなかったためであると考えた。
そこで、長期的な残差の傾向を確実に把握するために、公知の移動平均の手法を取り入れて、上記残差の単純移動平均をとることにより周期成分の除去を行なった。そして、移動平均幅（平均をとる期間）は、複数の値で試行した結果、今回のシステムでは８週間を選定することで概ね周期成分を除去できることが分かった。なお、移動平均をとる前のデータを分析すれば、突発的な異常（故障）を見つけることができる。
Furthermore, the present inventors constructed a model by the above-described method for the data shown in the following Table 3 collected by an existing substation data collection system. It was found that the components with periodicity remained without being distributed. This was thought to be because fluctuations that could not be completely explained by the types of data (current, temperature, pressure) that could be obtained with existing systems could not be modeled.
Therefore, in order to surely grasp the long-term residual tendency, a known moving average technique is adopted, and the periodic component is removed by taking the simple moving average of the residual. As a result of trials using a plurality of values for the moving average width (period for taking an average), it was found that the periodic component can be substantially removed by selecting 8 weeks in this system. If data before taking the moving average is analyzed, a sudden abnormality (failure) can be found.
次に、上記試行結果から導かれた重回帰分析と主成分分析を用いた本実施形態の変電所の設備状態判定システムにおけるデータ分析、状態判定処理の手順について、図５のフローチャートを使用して説明する。
図５に示すように、このデータ分析処理においては、先ず、重回帰分析と主成分分析を用いて正常時に取得したデータから正常な変電所の設備状態を表すモデルを構築する（ステップＳ１）。次に、リアルタイムで収取したデータを上記ステップＳ１で構築したモデルに当てはめて残差を算出する（ステップＳ２）。そして、「０」から大きく外れている残差があるか否か判定し（ステップＳ３）、「０」から大きく外れている残差があれば突発的な異常発生と判定し、例えば表示装置の画面上に異常が発生した設備（変電所、機器）を特定する情報やメンテナンスの必要性を知らせる表示を行なう（ステップＳ４）。
Next, the procedure of data analysis and state determination processing in the equipment state determination system of the substation of the present embodiment using the multiple regression analysis and the principal component analysis derived from the trial results will be described with reference to the flowchart of FIG. explain.
As shown in FIG. 5, in this data analysis process, first, a model representing a normal substation equipment state is constructed from data acquired at normal time using multiple regression analysis and principal component analysis (step S1). Next, the residual is calculated by applying the data collected in real time to the model constructed in step S1 (step S2). Then, it is determined whether or not there is a residual greatly deviating from “0” (step S3). If there is a residual greatly deviating from “0”, it is determined that there is a sudden abnormality, for example, the display device On the screen, information for identifying the facility (substation, equipment) in which an abnormality has occurred and a display notifying the necessity of maintenance are displayed (step S4).
一方、ステップＳ３で、「０」から大きく外れている残差がないと判定すると、ステップＳ５へ移行して、残差に残る周期性分を除去するため移動平均を算出する。続いて、ステップＳ５で算出した移動平均とステップＳ２で算出した残差とを比較して残差が増加傾向にあるか否か判定し（ステップＳ６）、残差が増加傾向にあると分かった場合には変電所設備状態に変化が生じたと判定し、表示装置の画面上に状態変化が生じた設備（変電所、機器）や詳細検査の必要性を知らせる表示を行なう（ステップＳ７）。
なお、ステップＳ６での判断では、重回帰分析と主成分分析のいずれか一方の分析結果から異常または状態変化が発生した可能性があると判定した場合に、その旨を表示装置３４の表示画面に表示する。
On the other hand, if it is determined in step S3 that there is no residual greatly deviating from “0”, the process proceeds to step S5, and a moving average is calculated in order to remove the periodicity remaining in the residual. Subsequently, the moving average calculated in step S5 and the residual calculated in step S2 are compared to determine whether the residual tends to increase (step S6), and it is found that the residual tends to increase. In this case, it is determined that a change has occurred in the state of the substation equipment, and a display notifying the equipment (substation, equipment) in which the state change has occurred and the necessity of detailed inspection is displayed on the screen of the display device (step S7).
In the determination in step S6, when it is determined from the analysis result of either one of the multiple regression analysis and the principal component analysis that there is a possibility that an abnormality or a state change has occurred, the fact is displayed on the display screen of the display device 34. To display.
次に、本発明者らが行なった上記データ分析方法の有効性の評価について説明する。
本発明者らは、本発明の有効性を確認するために、前術のような手法で構築したモデルが、設備状態の変化を検出できるか否かの評価を行なった。
変電所設備は一般に１０年以上の長い年月をかけて劣化していくため、現状のデータ収集システムにおいて収集できるデータだけで設備状態の変化を把握できるか否かを検証することは困難である。そこで、表４に示すように、正常時のデータから機器の劣化傾向を模擬した疑似異常データを作成して評価に使用した。
ここで、評価に使用した疑似異常データを作成するに当っての基本的な考え方は、
（１）変電所に設けられている電流や電圧の急激な変化から電気回路を保護するための保護リレー等の警報が動作しない緩やかな変化であること
（２）実設備における特性を考慮した異常を模擬できること
である。考え方の詳細は表４に示す。上記（１），（２）を考慮して、正常データの期間内（４〜１２か月分）で正常値に対して、徐々に表４の変化を加えた。
Next, the effectiveness evaluation of the data analysis method performed by the present inventors will be described.
In order to confirm the effectiveness of the present invention, the present inventors evaluated whether or not a model constructed by a technique such as the previous operation can detect a change in equipment state.
Substation equipment generally deteriorates over a long period of more than 10 years, so it is difficult to verify whether changes in equipment status can be grasped only by data that can be collected in the current data collection system. . Therefore, as shown in Table 4, pseudo-abnormal data simulating the deterioration tendency of the equipment was created from the normal data and used for evaluation.
Here, the basic idea for creating the pseudo-anomaly data used for the evaluation is:
(1) A gradual change that does not activate alarms such as protection relays to protect electrical circuits from sudden changes in current and voltage at substations (2) Abnormalities that take into account the characteristics of actual equipment Can be simulated. Details of the concept are shown in Table 4. Considering the above (1) and (2), the change in Table 4 was gradually added to the normal value within the period of normal data (4 to 12 months).
評価方法は、前述したように、残差の移動平均を行うことにより長期的な劣化傾向をより確実に把握できるようになることから、評価の指標には残差の移動平均を用いた。異常データは時間経過とともに設備状態が悪化していく状態を模擬しているため、残差の分布が時間経過とともに０付近から離れていく傾向が表れれば設備状態の変化をとらえたと考えることができる。
そこで、評価基準を下記（１），（２）とし、これらを全て満たす場合に判定を「良」、そうでない場合を「不良」とした。
（１） 異常データの残差が増加傾向にあること。具体的には、
・Ｘａ(月)が２ヶ月連続で減少していない
・Ｘａ(最初の月) ＜ Ｘａ(最後の月)
（２） 各月でＸａ ＞ Ｘｎ が満たされること。
なお、上記条件式中の記号σ、Ｘｎ、Ｘａの意味は以下の通りである。
・σ：学習データ（正常データ）における残差の標準偏差
・Ｘｎ(月)：その月の学習データ（正常データ）の残差のｋσ
・Ｘａ(月)：その月の異常データの残差のｋσ超過率（%）
As described above, the evaluation method uses the moving average of the residuals as an evaluation index because the long-term deterioration tendency can be more reliably grasped by performing the moving average of the residuals as described above. Abnormal data simulates the situation where the equipment state deteriorates over time, so if the distribution of residuals tends to move away from near zero over time, it can be considered that the change in the equipment state was captured. it can.
Therefore, the evaluation criteria are (1) and (2) below, and when all of these are satisfied, the determination is “good”, and when it is not, “bad” is determined.
(1) Residuals of abnormal data tend to increase. In particular,
・ Xa (month) has not decreased for 2 consecutive months ・ Xa (first month) <Xa (last month)
(2) Xa> Xn must be satisfied in each month.
The meanings of symbols σ, Xn, and Xa in the above conditional expressions are as follows.
・ Σ: standard deviation of residual in learning data (normal data) ・ Xn (month): kσ of residual in learning data (normal data) of the month
・ Xa (month): Kσ excess rate of residual of abnormal data for the month (%)
係数ｋの値については、ｋを小さくとればＸａが大きくなり検知率が高くなるが誤検知率も高くなる。ｋを大きくとればＸａが小さくなり誤検知率が低下するが検知率も低下する。ｋの最適値の設定は監視対象のシステムに応じて適宜決定すればよく、本実施形態では、誤検知率が十分低くなるよう正規分布における信頼区間９９．７％に相当する±３σに対応させて、「ｋ＝３」とした。
また、参考として、既存の変電所Ａ〜Ｈから得られた実計測データに対して、上記定量評価結果と目視による判定結果との比較を行なった。後者は、人の目による判定であるため若干のあいまいさは含まれるが、以下の基準（ａ），（ｂ）に合致するものを「良」、そうでないものを「不良」とした。
（ａ） 異常データにおける残差が上昇（圧力は下降）傾向にある
（ｂ） 正常データよりも異常データが顕著に±ｋσを越える
Regarding the value of the coefficient k, if k is decreased, Xa increases and the detection rate increases, but the false detection rate also increases. If k is increased, Xa decreases and the false detection rate decreases, but the detection rate also decreases. The optimal value of k may be determined as appropriate according to the system to be monitored. In this embodiment, the optimum value of k is made to correspond to ± 3σ corresponding to a confidence interval of 99.7% in the normal distribution so that the false detection rate is sufficiently low. Thus, “k = 3”.
Further, as a reference, the above-described quantitative evaluation results and visual determination results were compared with actual measurement data obtained from the existing substations A to H. The latter is determined by the human eye and thus includes a little ambiguity, but “good” is determined to meet the following criteria (a) and (b), and “bad” is determined otherwise.
(A) Residuals in abnormal data tend to increase (pressure decreases) (b) Abnormal data significantly exceeds ± kσ than normal data
上記基準により行なった各異常データに対する評価結果を表５に示す。
また、ある変電所の配電用変圧器の温度の分析結果を図７に示す。図７において、（Ａ）は収集した生のデータを、時間軸を横軸にとってプロットしたもの、（Ｂ）は重回帰分析の残差（単純残差）の移動平均を示したもの、（Ｃ）は主成分分析の単純残差の移動平均を二乗和したものを示したものである。図７（Ａ），（Ｂ）の縦軸は温度、図７（Ｃ）の縦軸は情報の大きさを表す。
なお、図７（Ａ）の生データを表すオリジナルのグラフでは、正常データをドットで示し異常データを×印で示している。また、図７（Ａ）のグラフの下部には、正常データと異常データの差分が示されており、この差分データを見ると、僅かずつではあるが差分が増加しているのが見て取れる。
Moreover, the analysis result of the temperature of the distribution transformer of a certain substation is shown in FIG. In FIG. 7, (A) is a plot of the collected raw data with the time axis as the horizontal axis, (B) is a moving average of residuals (simple residuals) of multiple regression analysis, (C ) Shows the sum of squares of the moving average of simple residuals of principal component analysis. 7A and 7B, the vertical axis represents temperature, and the vertical axis in FIG. 7C represents the size of information.
In the original graph representing the raw data in FIG. 7A, normal data is indicated by dots and abnormal data is indicated by crosses. In addition, the difference between normal data and abnormal data is shown at the bottom of the graph in FIG. 7A, and it can be seen that the difference increases little by little.
図７を参照すると、使用した疑似異常データ（表４）における変化が非常に小さいため、図７（Ａ）の生データでは異常データが正常データに埋もれてしまって判別できないが、図７（Ｂ），（Ｃ）より、異常データにおける残差の移動平均は０から徐々にではあるが明らかに増加する傾向を有しているので、適切に判定値を設定すれば設備機器の劣化を判定できる可能性があることが分かる。
ところで、残差に基づく状態変化が設備の異常に相当する大きさになったか否かを監視する最適な判定値（判定のためのしきい値）は、変電所や設備機器毎に異なる。最初は暫定的に上記のように設定した設定値（±３σ）で監視を行なって残差の移動平均に変化が生じた時点で検査を行ない、検査結果に応じて判定値を見直すことで判定精度を向上させることができる。
Referring to FIG. 7, since the change in the pseudo-abnormal data used (Table 4) is very small, the raw data in FIG. 7A cannot be determined because the abnormal data is buried in the normal data. ), (C), the moving average of residuals in abnormal data has a tendency to increase gradually from 0, but it is possible to determine the deterioration of equipment by appropriately setting a determination value. It turns out that there is a possibility.
By the way, the optimum judgment value (threshold value for judgment) for monitoring whether or not the state change based on the residual has become a magnitude corresponding to the abnormality of the equipment is different for each substation and equipment. Initially, monitoring is performed with the set value (± 3σ) tentatively set as described above, inspection is performed when a change occurs in the moving average of the residual, and determination is made by reviewing the determination value according to the inspection result Accuracy can be improved.
（変形例）
次に、上述した変電所の設備状態判定システムにおけるデータ分析方法の変形例を説明する。
前述したように、重回帰分析は状態変化が生じた機器を特定するのに有効であり、主成分分析は重回帰分析で見つけるのが困難な複数の因子の網羅的な関係の変化を見つけるのに有効である。そこで、本変形例は、重回帰分析で異常なしと判定された場合でも、主成分分析で異常ありと判定された場合には、重回帰分析の結果を判定するための判定値を下げて再度判定を行うようにしたものである。
(Modification)
Next, a modified example of the data analysis method in the above-described substation equipment state determination system will be described.
As mentioned earlier, multiple regression analysis is effective in identifying the device where the state change occurred, and principal component analysis finds changes in the comprehensive relationship of multiple factors that are difficult to find in multiple regression analysis. It is effective for. Therefore, in this modified example, even if it is determined that there is no abnormality in the multiple regression analysis, if it is determined that there is an abnormality in the principal component analysis, the determination value for determining the result of the multiple regression analysis is lowered again. The determination is made.
具体的には、図６に示すように、ステップＳ６ａで、重回帰分析で残差に増加傾向があるか否か判定し、残差（移動平均）に増加傾向があると判定した場合は、ステップＳ７へ移行して異常発生の表示を行う。また、ステップＳ６ａで、重回帰分析で残差に増加傾向がないと判定すると、ステップＳ６ｂへ進み、主成分分析で残差に増加傾向があるか否か判定し、残差に増加傾向があると判定した時は、ステップＳ８へ移行して判定値を１段下げて、再度重回帰分析で残差に増加傾向があるか否か判定し(ステップＳ９)、残差に増加傾向があると判定した時は、ステップＳ７へ移行して異常発生の表示を行う。
これにより、重回帰分析で異常があると判定されれば、異常の発生した機器を特定できる可能性が高くなる。
Specifically, as shown in FIG. 6, in step S6a, it is determined whether there is an increasing tendency in the residual by multiple regression analysis, and when it is determined that the residual (moving average) has an increasing tendency, The process proceeds to step S7 to display an abnormality occurrence. If it is determined in step S6a that the residual does not have an increasing tendency in the multiple regression analysis, the process proceeds to step S6b to determine whether the residual has an increasing tendency in the principal component analysis, and the residual has an increasing tendency. If it is determined, the process proceeds to step S8, the determination value is lowered by one step, and it is determined again by the multiple regression analysis whether the residual has an increasing tendency (step S9). When the determination is made, the process proceeds to step S7 to display the occurrence of abnormality.
Thereby, if it is determined by the multiple regression analysis that there is an abnormality, there is a high possibility that the apparatus in which the abnormality has occurred can be identified.
以上、本発明を実施例に基づいて説明したが、本発明は上記実施例に限定されるものではない。例えば上記実施例では、重回帰分析と主成分分析を併用して変電所の設備状態を判定するようにしたものについて説明したが、少なくともいずれか一方の分析手法を使用して判定するようにしても良い。また、監視対象の変電所の設備機器として遮断器，変圧器，整流器を選択したが、制御機についても電流や温度等を測定するようにしても良い。さらに、測定項目に関しても、電流、温度、圧力の他、電圧や振動、遮断器の開閉時間、湿度等を含ませるようにしても良い。 As mentioned above, although this invention was demonstrated based on the Example, this invention is not limited to the said Example. For example, in the above embodiment, the multiple regression analysis and the principal component analysis are used in combination to determine the substation equipment state. However, the determination is made using at least one of the analysis methods. Also good. Moreover, although the circuit breaker, the transformer, and the rectifier were selected as the equipment of the monitoring target substation, the current, temperature, etc. may be measured for the controller. Further, regarding measurement items, in addition to current, temperature, and pressure, voltage, vibration, circuit breaker switching time, humidity, and the like may be included.
また、上記実施例では、一例として変電所の設備状態判定を例にとって説明したが、本発明は変電所の設備状態判定に限定されず、発電所やプラントなど変電所と類似した機器を備える他の設備にも適用することができる。
さらに、上記実施例では、残差に対する移動平均として単純移動平均をとったものに対して増加傾向の判定処理を行うと説明したが、移動平均は単純移動平均に限定されず、適用するシステムに応じて加重移動平均や指数移動平均など他の種類の移動平均や、無限インパルス応答フィルタの一種であるカルマンフィルタによるフィルタリング処理等を施したものに重回帰分析や主成分分析などにおける残差の増加傾向の判定処理を行うようにしても良い。
また、移動平均をとる期間に関しても、監視するシステムに応じて期間を変えられるように構成すると良い。
Moreover, in the said Example, although demonstrated taking the example of the equipment state determination of a substation as an example, this invention is not limited to the equipment state determination of a substation, Others provided with apparatus similar to a substation, such as a power station and a plant. It can also be applied to other facilities.
Furthermore, in the above-described embodiment, it has been described that the determination process of the increasing tendency is performed on the moving average with respect to the residual, but the moving average is not limited to the simple moving average. Depending on other types of moving averages such as weighted moving average and exponential moving average, and those subjected to filtering processing by Kalman filter which is a kind of infinite impulse response filter, residual trend in multiple regression analysis and principal component analysis etc. This determination process may be performed.
Further, the period for taking the moving average may be configured so that the period can be changed according to the system to be monitored.
１０ 変電所
１１ 遮断器
１２ 変圧器
１３ 整流器
１４ 制御機
２１ 送信器（子局）
２２ 受信器（親局）
３０ 分析装置
３１ データ記憶装置
３２ 演算制御装置（データ分析部）
３３ 入力装置
３４ 表示装置
４１ 電流計
４２ 温度センサ
４３ 圧力センサ
DESCRIPTION OF SYMBOLS 10 Substation 11 Circuit breaker 12 Transformer 13 Rectifier 14 Controller 21 Transmitter (slave station)
22 Receiver (master station)
30 Analysis Device 31 Data Storage Device 32 Arithmetic Control Device (Data Analysis Unit)
33 Input device 34 Display device 41 Ammeter 42 Temperature sensor 43 Pressure sensor
Claims (6)
前記分析装置は、
前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、
前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果および前記主成分分析の結果に基づいて設備の劣化状態を判定して判定結果を表示装置に表示可能に構成されていることを特徴とする設備の劣化状態判定システム。 A plurality of types of detection means provided in a facility having a plurality of types of equipment and capable of detecting different physical quantities, a data collection means for collecting signals from the plurality of detection means, and a measurement value collected by the data collection means An analysis device for determining a deterioration state of equipment using a residual obtained by performing statistical processing as an index, and a deterioration state determination system for equipment,
The analyzer is
While performing multiple regression analysis on the measurement values obtained for each device constituting the equipment,
Performs principal component analysis on a plurality of types of measurement values obtained regardless of the equipment constituting the facility, and determines the deterioration state of the facility based on the result of the multiple regression analysis and the result of the principal component analysis. An equipment deterioration state determination system characterized in that the determination result can be displayed on a display device.
前記分析装置は、前記温度および圧力を目的変数とし、前記電流および気温を説明変数として、前記設備を構成する機器ごとに重回帰分析を実行することを特徴とする請求項１に記載の設備の劣化状態判定システム。 The measured values include the temperature, pressure and current of each device and the temperature around the equipment,
2. The facility according to claim 1, wherein the analyzer performs a multiple regression analysis for each device constituting the facility using the temperature and pressure as objective variables and the current and temperature as explanatory variables. Degradation state judgment system.
取得された計測値を、前記設備を構成する同一種類の機器に関する計測値をまとめたグループと、前記設備を構成する機器を問わず同一種類の計測値をまとめたグループとに分類し、
前記分類されたそれぞれグループの計測値に対して主成分分析を実行して設備の劣化状態を判定することを特徴とする請求項１または２に記載の設備の劣化状態判定システム。 The analyzer is
The acquired measurement values are classified into a group that summarizes measurement values related to the same type of equipment that constitutes the equipment, and a group that summarizes the same type of measurement values regardless of the equipment that constitutes the equipment,
3. The equipment deterioration state determination system according to claim 1 or 2, wherein the deterioration state of the equipment is determined by performing a principal component analysis on the measured values of the classified groups.
コンピュータによって、
前記設備を構成する機器ごとに取得された計測値に対して重回帰分析を実行するとともに、
前記設備を構成する機器を問わず取得された複数種類の計測値に対して主成分分析を実行し、前記重回帰分析の結果が状態変化なしであっても、前記主成分分析の結果が状態変化ありの場合には、判定値の絶対値を小さくして再度前記重回帰分析を実行して設備の劣化状態を判定することを特徴とする設備の劣化状態判定方法。 Equipment that determines the deterioration state of equipment using as an index the residual obtained by performing statistical processing on the measured values detected by multiple types of detection means that are provided in equipment equipped with multiple types of equipment and can detect different physical quantities A method for determining the deterioration state of
By computer
While performing multiple regression analysis on the measurement values obtained for each device constituting the equipment,
The principal component analysis is performed on a plurality of types of measurement values acquired regardless of the equipment constituting the facility, and the result of the principal component analysis is in a state even if the result of the multiple regression analysis is unchanged. When there is a change, the equipment deterioration state determination method characterized by reducing the absolute value of the determination value and executing the multiple regression analysis again to determine the equipment deterioration state.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014170741A JP6474564B2 (en) | 2014-08-25 | 2014-08-25 | Equipment degradation state judgment system and equipment degradation state judgment method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014170741A JP6474564B2 (en) | 2014-08-25 | 2014-08-25 | Equipment degradation state judgment system and equipment degradation state judgment method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016045793A JP2016045793A (en) | 2016-04-04 |
| JP6474564B2 true JP6474564B2 (en) | 2019-02-27 |
Family
ID=55636278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014170741A Active JP6474564B2 (en) | 2014-08-25 | 2014-08-25 | Equipment degradation state judgment system and equipment degradation state judgment method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6474564B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022025149A1 (en) * | 2020-07-31 | 2022-02-03 | 三菱重工業株式会社 | Monitoring device, monitoring method, and program |
| US11650577B2 (en) | 2020-03-25 | 2023-05-16 | Mitsubishi Heavy Industries, Ltd. | Plant operation data monitoring device and method |
| US11972642B2 (en) | 2020-03-25 | 2024-04-30 | Mitsubishi Heavy Industries, Ltd. | Rotating machinery diagnosis and monitoring device and method |
| DE112021006642B4 (en) | 2021-02-26 | 2024-12-24 | Mitsubishi Electric Corporation | CONDITION MONITORING DEVICE, WIRELESS GROUND DEVICE, INTEGRATED WIRELESS DEVICE, FAILURE RISK DETERMINATION METHOD, CONTROL CIRCUIT AND STORAGE MEDIUM |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101858121B1 (en) | 2016-06-13 | 2018-05-15 | 두산중공업 주식회사 | Apparatus and method for determining state of power plant |
| US10643167B2 (en) * | 2016-07-28 | 2020-05-05 | Honeywell International Inc. | MPC with unconstrained dependent variables for KPI performance analysis |
| WO2018101363A1 (en) * | 2016-11-30 | 2018-06-07 | 日本電気株式会社 | State estimation device, method and program |
| JP6916632B2 (en) * | 2017-02-24 | 2021-08-11 | 東日本旅客鉄道株式会社 | Anomaly detection method for railway vehicle compressors |
| JP6976080B2 (en) * | 2017-05-22 | 2021-12-01 | 三菱パワー株式会社 | State analyzer, state analysis method, and program |
| CN107908175B (en) * | 2017-11-08 | 2020-06-23 | 国网电力科学研究院武汉南瑞有限责任公司 | On-site intelligent operation and maintenance system for power system |
| DE102018112003A1 (en) * | 2018-05-18 | 2019-11-21 | Maschinenfabrik Reinhausen Gmbh | STATUS ANALYSIS OF AN INDUCTIVE EQUIPMENT |
| JP7232017B2 (en) * | 2018-11-19 | 2023-03-02 | 株式会社東芝 | Train information processing device and train information processing method |
| JP2021060633A (en) * | 2019-10-02 | 2021-04-15 | ファナック株式会社 | Diagnostic device |
| JP7344081B2 (en) * | 2019-10-18 | 2023-09-13 | 株式会社日立製作所 | Performance deterioration diagnosis system |
| US11860617B2 (en) * | 2019-11-26 | 2024-01-02 | Technische Universitaet Berlin | Forecasting industrial aging processes with machine learning methods |
| JP7419955B2 (en) * | 2020-04-27 | 2024-01-23 | 横河電機株式会社 | Data analysis system, data analysis method, and program |
| JP7391765B2 (en) * | 2020-05-29 | 2023-12-05 | 株式会社東芝 | Plant monitoring support equipment, methods and programs |
| JP7538750B2 (en) * | 2021-03-10 | 2024-08-22 | 日立Ｇｅニュークリア・エナジー株式会社 | Maintenance support system, maintenance support method, and program |
| JP7094431B1 (en) | 2021-10-29 | 2022-07-01 | 西日本技術開発株式会社 | Plant performance management method, plant performance management equipment, and plant performance management program |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000305606A (en) * | 1999-04-26 | 2000-11-02 | Toyo Electric Mfg Co Ltd | Distribution demand forecast method |
| WO2004019396A1 (en) * | 2002-08-13 | 2004-03-04 | Tokyo Electron Limited | Plasma processing method and plasma processing device |
| US7729789B2 (en) * | 2004-05-04 | 2010-06-01 | Fisher-Rosemount Systems, Inc. | Process plant monitoring based on multivariate statistical analysis and on-line process simulation |
| JP2007026134A (en) * | 2005-07-19 | 2007-02-01 | Matsushita Electric Works Ltd | Abnormality decision device |
| JP5011830B2 (en) * | 2006-06-09 | 2012-08-29 | 富士通セミコンダクター株式会社 | DATA PROCESSING METHOD, DATA PROCESSING PROGRAM, RECORDING MEDIUM CONTAINING THE PROGRAM, AND DATA PROCESSING DEVICE |
| JP2011145846A (en) * | 2010-01-14 | 2011-07-28 | Hitachi Ltd | Anomaly detection method, anomaly detection system and anomaly detection program |
| CN102759906B (en) * | 2011-04-26 | 2018-05-22 | 费希尔控制国际公司 | For characterizing the method and apparatus of process control facility gate oxide integrity |
| JP5284433B2 (en) * | 2011-09-14 | 2013-09-11 | 株式会社東芝 | Process monitoring / diagnosis / support equipment |
-
2014
- 2014-08-25 JP JP2014170741A patent/JP6474564B2/en active Active
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11650577B2 (en) | 2020-03-25 | 2023-05-16 | Mitsubishi Heavy Industries, Ltd. | Plant operation data monitoring device and method |
| US11972642B2 (en) | 2020-03-25 | 2024-04-30 | Mitsubishi Heavy Industries, Ltd. | Rotating machinery diagnosis and monitoring device and method |
| WO2022025149A1 (en) * | 2020-07-31 | 2022-02-03 | 三菱重工業株式会社 | Monitoring device, monitoring method, and program |
| JP2022027031A (en) * | 2020-07-31 | 2022-02-10 | 三菱重工業株式会社 | Monitoring device, monitoring method and program |
| JP7403408B2 (en) | 2020-07-31 | 2023-12-22 | 三菱重工業株式会社 | Monitoring equipment, monitoring methods and programs |
| US12510886B2 (en) | 2020-07-31 | 2025-12-30 | Mitsubishi Heavy Industries Thermal Systems, Ltd. | Monitoring device and monitoring method |
| DE112021006642B4 (en) | 2021-02-26 | 2024-12-24 | Mitsubishi Electric Corporation | CONDITION MONITORING DEVICE, WIRELESS GROUND DEVICE, INTEGRATED WIRELESS DEVICE, FAILURE RISK DETERMINATION METHOD, CONTROL CIRCUIT AND STORAGE MEDIUM |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016045793A (en) | 2016-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6474564B2 (en) | Equipment degradation state judgment system and equipment degradation state judgment method | |
| KR101574615B1 (en) | A partial discharge monitoring and diagnosis system for power devices by using signal detection based on statistical phase-angle patterns | |
| KR101574613B1 (en) | A detection and diagnosis system with remote configuration function for partial discharge by detecting UHF electrical signal | |
| EP2518521B1 (en) | System and device for detecting defects in underground cables | |
| EP2457304B1 (en) | Protective relay monitoring system and method of comparing behavior patterns | |
| EP2082246B1 (en) | Cable fault detection | |
| US8898525B2 (en) | Method and system for use in condition monitoring | |
| CN103178615A (en) | Method and system for monitoring power equipment failures | |
| CN102498629B (en) | Monitoring of an electrical energy supply network | |
| US20120077527A1 (en) | Network event identification and method of operation | |
| Sakthimohan et al. | Optimized Transmission Line Flaw Disclosure and Inkling System Based on IOT | |
| Silmon et al. | Improving railway switch system reliability with innovative condition monitoring algorithms | |
| CN105004489A (en) | Preventive diagnosis system for gas insulated switchgear and gas pressure monitoring method thereof | |
| CN106575116B (en) | Method, apparatus and computer program product for condition-based calculation of maintenance periods for technical equipment | |
| Elphick et al. | Characteristics of power quality disturbances in Australia: voltage dips at low‐voltage sites | |
| JP2018119871A (en) | Accident prediction device, control method for the same, and program | |
| CN106484983A (en) | A kind of appraisal procedure of power system relay protection device running status and device | |
| CN105260814A (en) | Power transmission and transformation equipment evaluation model and processing method based on big data | |
| Cheetham et al. | Density monitoring of high-voltage SF 6 circuit breakers | |
| Tippannavar et al. | Smart transformer-An analysis of recent technologies for monitoring transformer | |
| US11315083B2 (en) | Asset management method for substation | |
| CN104600839B (en) | Risk based grid safe stable control system key communication link identification method | |
| Gheitasi | Motors fault recognition using distributed current signature analysis | |
| Fazekas et al. | Application of Life Data Analysis in the aging power system | |
| Azmi et al. | Implementation of advanced real-time simulation platform for testing and validation of pmu-based applications in large-scale power system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170613 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180709 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180717 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180907 |
|
| 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: 20190108 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190130 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6474564 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |