[发明专利]诊断装置和诊断方法

说明书

本发明提供一种根据设备的运转数据诊断设备的异常的诊断装置，其设置有：聚类部，其判定是否能够将设备的运转数据分类为现存的集群，在判定为无法分类的情况下，向现存的集群追加将属性设为异常的集群；诊断部，其根据聚类部的处理结果，诊断设备的异常；集群属性设定部，其根据预定期间的设备的运转数据，设定现存的集群的属性。

技术领域

本发明涉及诊断装置和诊断方法，例如适合适用于使用设备的运转数据诊断设备的异常的诊断装置和诊断方法。

背景技术

近年来，伴随着ICT(Information and Communication Technology：信息和通信技术)、IoT(Internet of Thing：物联网)的技术革新，正在形成能够利用高速计算机、网络通信、大容量数据保存装置的环境。在许多产业领域中大量积累的数据的灵活利用受到关注，其中，例如在发电业务的领域中，由于管理发电厂的测量数据、检修/维护数据等在现场地点收集到的数据、企业的经营和资产信息的系统的整合，要求制定更高效的经营方针。

在发电业务的领域中，从对风力发电、太阳能发电等可再生能源的利用增加所伴随的发电量的变动使电力系统的稳定性降低的担心出发，作为后备电源的火力发电厂的重要性正在增加。因此，对火力发电厂，要求考虑到运转率、环境性能、效率等重要业绩评价指标(KPI：Key Performance Indicators)的运营。

为了改善火力发电厂的KPI，研究了许多检测诊断对象发生异常状态之前的异常征兆的装置及其方法。例如，公开了利用自适应谐振理论(ART：Adaptive ResonanceTheory)的诊断装置(参照专利文献1)。在此，ART是根据其类似度而将多维的时序数据分类为集群(cluster)的理论。

在专利文献1记载的技术中，首先使用ART将正常时的运转数据分类为多个集群(正常集群)。接着，将现在的运转数据输入到ART，分类为集群。在无法将运转数据分类为正常集群时，生成新的集群(新集群)。新集群的产生意味着诊断对象的状态变化为新的状态(新状态)。因此，在专利文献1记载的诊断装置中，根据新集群的产生来判断异常征兆的产生。另外，在专利文献1中，公开了使用集群编号和各集群的出现次数进行异常诊断、原因推定的技术。

另外，例如作为外部环境的状态变化大的情况下的诊断方法，公开了将在最近的预定期间取得的运转数据作为学习数据而构筑正常集群的技术(参照专利文献2)。另外，在专利文献2记载的诊断装置中，在从对象数据到正常集群的距离超出预定的值的情况下，检测到异常征兆的发生。

现有技术文献

专利文献

专利文献1：日本特开2010-237893号公报

专利文献2：日本特开2015-018389号公报

发明内容

发明要解决的课题

如果由于常年变化、定期检查等，电厂的特性变化，则正常、异常的数据趋势都变化，因此即使是属于过去正常学习了的集群的数据，现在也有可能为异常。在这样的情况下，在专利文献1记载的技术中，无法检测到异常的发生，产生漏报。另外，在专利文献2记载的技术中，存在以下的问题，即在每次诊断时，需要对学习数据进行处理而生成正常集群的劳力、时间。

本发明就是考虑到以上的点而提出的，提出在每次诊断时不处理学习数据并生成正常集群就能够抑制漏报的产生的诊断装置和诊断方法。

用于解决课题的手段