JPH1077948A - 水車発電機監視装置 - Google Patents

Abstract

(57)【要約】 【課題】 水車発電機の正常／異常の状態の判定が精度
よくできないという課題があった。 【解決手段】 水車発電機監視装置１０１は、水車発電
機で計測された入力データ１０２と出力データ１０３の
関係を記述するモデルを学習する学習手段８０と、その
モデルにより、計測されるデータから水車発電機の出力
データを演算するモデル出力演算手段１３１と、モデル
出力演算手段１３１で演算される出力データと水車発電
機で計測される出力データの残差を演算する残差演算手
段１３２と、残差演算手段１３２で演算された残差系列
から水車発電機の状態を示す指標を演算する指標演算手
段１３３と、その指標から水車発電機の正常／異常の状
態を判定する異常判定手段１３４を備えたものである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、正常稼働中の水
車発電機から計測されるデータを用いて正常状態のモデ
ルを学習し、そのモデルの出力データと水車発電機から
計測される出力データにより水車発電機の正常／異常の
状態の正確な判定ができる機能を持った水車発電機監視
装置に関するものである。

【０００２】

【従来の技術】図６は、例えば「電気共同研究」、第４
６巻第４号（１９９０年（社）、電気共同研究会発行、
ｐ９２〜ｐ１０９）に示された従来の水車発電機監視装
置から抜粋した、この発明に関係した部分を示す構成図
であり、図において、６０２は振動データ、揺らぎデー
タ等の水車発電機の運転状態で計測される計測データ、
６０１は計測されたデータから水車発電機の異常状態を
判定する判定手段である。図７は水車発電機で計測され
た温度データの時間変化と警報レベルを示すグラフ図で
あり、図において、７０１は計測された温度データ、７
０２は経験により決められた警報レベルである。

【０００３】次に動作について説明する。ここで、この
図６に示した水車発電機監視装置は、水車発電機の稼働
状態において自動的にリアルタイムで計測した振動デー
タ、温度データ等の各計測データ６０２が、各計測デー
タ６０２毎に設定された警報レベルを超えると異常であ
ると判定手段６０１が判断し、警報を発するものであ
る。計測データ６０２が温度の場合の動作を説明する。
判定手段６０１には図７に示すようにあらかじめ経験に
より決められた警報レベル７０２が設定されており、計
測された温度データ７０１がこれを越えると判定手段６
０１は異常状態と判定する。他の計測データに対しても
計測データ毎に経験的に警報レベルが設定されており、
この警報レベルを計測データが越えると判定手段６０１
は異常状態と判定する。これにより、人手をかけずに異
常状態の早期発見をすることができる。

【０００４】なお、これらの警報レベルをより精度よく
決定するためには実際の異常状態を模擬する必要がある
が、実際の水車発電機ではそのような状態を模擬するこ
とはできず、過去の異常状態の経験から判断して主観的
に警報レベルが決定されている。そのため警報が出すぎ
るのを避けるため、警報レベルは通常高めに設定されて
おり、異常の初期状態での兆候を発見するのは困難であ
る。

【０００５】

【発明が解決しようとする課題】従来の水車発電機監視
装置は以上のように構成されているので、水車発電機の
正常／異常の状態を客観的に示す指標が得られなかっ
た。そのため、判定手段は過去の異常状態のデータから
判断して主観的に設定された警報レベルにより水車発電
機の正常／異常の状態を判定しなければならず、水車発
電機の正確な状態判定を行えないという課題があった。

【０００６】また、異常状態のデータの蓄積を待って警
報レベルを設定しなければいけないため、蓄積データが
ない場合、正常状態が変化した場合など相当期間を要し
てデータの蓄積を行わなければならず、速やかに監視装
置を導入できないという課題があった。

【０００７】さらに、各計測データの要素毎に警報レベ
ルを設定しなければならず、複数種類のデータから総合
的に正常／異常の状態を判定することができないなどの
課題があった。

【０００８】この発明は上記のような課題を解決するた
めになされたもので、水車発電機の正常／異常の状態を
正確に判定する水車発電機監視装置を得ることを目的と
する。

【０００９】

【課題を解決するための手段】請求項１記載の発明に係
る水車発電機監視装置は、水車発電機で計測された入力
データと出力データの関係を記述するモデルにより、計
測されるデータから水車発電機の出力データを演算する
モデル出力演算手段と、モデル出力演算手段で演算され
る出力データと水車発電機で計測される出力データの残
差を計算する残差演算手段と、残差演算手段で演算され
た残差系列から水車発電機の正常／異常の状態を示す指
標を演算する指標演算手段と、残差演算手段で演算され
た指標から水車発電機の正常／異常の状態を判定する異
常判定手段を備えたものである。

【００１０】請求項２記載の発明に係る水車発電機監視
装置は、水車発電機で計測された入力データと出力デー
タの関係を記述するモデルを学習する学習手段を備えた
ものである。

【００１１】請求項３記載の発明に係る水車発電機監視
装置は、水車発電機で計測される入力データと出力デー
タを受けて水車発電機の監視に有効なデータの選択を行
う入出力データ選択手段を備えたものである。

【００１２】請求項４記載の発明に係る水車発電機監視
装置は、計測データとして複数の水車発電機軸受温度揺
らぎデータを用いるものである。

【００１３】請求項５記載の発明に係る水車発電機監視
装置は、計測データとして複数の水車発電機軸振動デー
タを用いるものである。

【００１４】請求項６記載の発明に係る水車発電機監視
装置は、計測データとして複数の水車発電機軸振動デー
タと複数の水車発電機軸受温度揺らぎデータを用いるも
のである。

【００１５】

【発明の実施の形態】以下、この発明の実施の一形態を
説明する。 実施の形態１．図１は、この発明の実施の形態１による
水車発電機監視装置の構成を示すブロック図であり、図
において、８０は学習手段、１０１は水車発電機監視装
置、１０２は水車発電機への入力データ、１０３は水車
発電機からの出力データである。１１１は入出力データ
切替手段であり、１１２、１１３は第１の切替位置、１
１４、１１５は第２の切替位置を示す。１２１は入出力
データ切替手段１１１が第１の切替位置のときに水車発
電機からの入力データ１０２と出力データ１０３の関係
を表わすモデルを学習するモデル構築手段、１２２はモ
デル構築手段１２１が学習したモデルを記憶しておくモ
デル記憶手段である。１３１は入出力データ切替手段１
１１が第２の切替位置のときに、水車発電機からの入力
データ１０２、出力データ１０３から、モデル記憶手段
１２２で記憶されたモデルを用いて水車発電機の出力デ
ータを演算するモデル出力演算手段、１４０はモデル出
力演算手段１３１でモデルを用いて水車発電機の出力デ
ータとして演算されたモデル出力データ、１３２は出力
データ１０３とモデル出力データ１４０との残差を演算
する残差演算手段である。１３３は残差演算手段１３２
で演算された残差の時系列値から水車発電機の正常／異
常の状態を示す指標を演算する指標演算手段である。１
３４は指標演算手段１３３で演算された指標により、水
車発電機の正常／異常の状態を判定する異常判定手段で
ある。

【００１６】次に動作について説明する。水車発電機へ
の入力データ１０２と水車発電機からの出力データ１０
３は入出力データ切替手段１１１の第１の切替位置１１
２、１１３により、モデル構築手段１２１へと送出され
る。出力データ１０３は（１）式で表される自己回帰モ
デルで表現できる。

【００１７】

【数１】

【００１８】ここでｔは時間、ｕ（ｔ）は時間ｔにおけ
る入力データ１０２、ｙ（ｔ）は時間ｔにおける出力デ
ータ１０３、ｅ（ｔ）は白色雑音であり、ｎａ、ｎｂは
出力データｙ（ｔ）を表現するモデルの次数である。こ
こでｕ（ｔ），ｙ（ｔ）はそれぞれ時間パラメータｔを
もつ弱定常過程の確率変数の族｛ｕ（ｔ），−∞＜ｔ＜
∞｝、｛ｙ（ｔ），−∞＜ｔ＜∞｝と考えることができ
る。モデル構築手段１２１では与えられた入力データ１
０２、出力データ１０３ができるだけ（１）式を満たす
ように係数ａ’_i 、ｂ’_j を決定する。これをモデル構
築手段１２１でのモデルの学習と呼び、入力データ１０
２、出力データ１０３の時系列値からｙ’（ｔ）（モデ
ル出力データ１４０）を算出する（２）式をモデルと呼
ぶ。ここで“’”を学習された係数あるいは演算された
モデル出力データに付している。また、この係数ａ’
_i 、ｂ’_j を決定する学習方法には例えば最小二乗法を
用いることができる。モデル記憶手段１２２ではモデル
構築手段１２１で学習されたモデルを記憶しておく。水
車発電機の正常状態が、例えば設定状態の変更等により
変化したとき、モデル構築手段１２１ではそのつど新た
に正常状態のモデルを学習することが可能である。その
ため、つねに水車発電機の状態にあったモデルを本装置
に用いることが可能である。

【００１９】モデルが記憶されると入力データ１０２、
出力データ１０３はデータ切替手段１１１の第２の切替
位置１１４、１１５よりモデル出力演算手段１３１に送
出される。モデル出力演算手段１３１ではモデル記憶手
段１２２に記憶された（２）式で表わされるモデルによ
り、入力データ１０２、出力データ１０３の時系列値か
らｙ’（ｔ）（モデル出力データ１４０）を算出する。

【００２０】

【数２】

【００２１】一方、出力データ１０３はデータ切替手段
１１１の第２の切替位置１１５より残差演算手段１３２
に送出され、同時にモデル出力演算手段１３１で演算さ
れたｙ’（ｔ）（モデル出力データ１４０）も残差演算
手段１３２に送出される。残差演算手段１３２では
（３）式にしたがい残差ｒ（ｔ）を演算する。

【００２２】 ｒ（ｔ）＝ｙ（ｔ）−ｙ’（ｔ） ・・・・・（３）

【００２３】残差演算手段１３２により演算された残差
ｒ（ｔ）は指標演算手段１３３へ入力され、残差ｒ
（ｔ）の時系列値から水車発電機の状態を判定する指標
が演算される。水車発電機の状態を判定する指標として
例えば（４）式で与えられる残差ｒ（ｔ）の時系列値の
自己相関関数Ｒ（ｓ）の値がある。

【００２４】 Ｒ（ｓ）＝｜Ｅ［ｒ（ｔ）ｒ（ｔ＋ｓ）］｜ ・・・・・（４）

【００２５】ここでＥは数学的期待値（集合平均）で本
実施の形態では一定の時間間隔で平均しており、ｓはラ
グと呼ばれる。（１）式、（２）式より、水車発電機か
らの入出力データの関係が正常状態の場合、すなわち水
車発電機の入出力データの関係が（２）式で表わされる
モデルで表現される場合、残差ｒ（ｔ）の時系列値は白
色雑音ｅ（ｔ）の時系列値に近づき、このときの残差ｒ
（ｔ）の時系列値の自己相関関数Ｒ（ｓ）の値はラグｓ
が０以外ではほぼ０に等しくなるという性質を持つ。

【００２６】自己相関関数Ｒ（ｓ）は０から１の間に正
規化された確率変数であり、水車発電機が正常状態であ
ったとしても自己相関関数Ｒ（ｓ）の値は、時間経過と
ともに、確率分布に従い変動する。本実施の形態におい
ては、水車発電機の正常の状態の時間経過とともに計算
される自己相関関数Ｒ（ｓ）の値は、０を示す確率が最
も高く、１に近づく程確率が下がる。従って、異常状態
を正常状態の分布からはずれた状態と定義するならば、
自己相関関数Ｒ（ｓ）の値が１に近づく程、異常状態で
ある確率が高いといえ、自己相関関数Ｒ（ｓ）の値から
客観的に水車発電機の状態を把握できる。本実施の形態
では自己相関関数Ｒ（ｓ）を水車発電機の状態を判定す
る指標として用い、その値から水車発電機の正常／異常
の状態を判定する。

【００２７】上述したように自己相関関数Ｒ（ｓ）の値
から、水車発電機の状態を客観的に判定することが可能
である。そのため、異常判定手段１３４では、自己相関
関数Ｒ（ｓ）の値から水車発電機の状態を判定すればよ
い。例えば自己相関関数Ｒ（ｓ）の値がＡ値以上なら
ば、水車発電機は異常状態と判定する。本実施の形態で
は１指標しか計算していないが、複数の指標が演算され
た場合は、いずれか１指標の値がＡ値以上ならば、水車
発電機は異常状態と判定する。すなわち、Ａ値は０＜Ａ
＜１なる関係があればよい。異常判定手段１３４で異常
状態と判定されたならば、例えばブザー等を鳴らして警
報を発するものである。なお、実施の形態１では単入力
単出力系について説明を行ったが、多入力単出力系、単
入力多出力系、多入力多出力系へ拡張することは容易で
ある。

【００２８】以上のように、この実施の形態１によれ
ば、モデル構築手段で学習したモデルのモデル出力デー
タと実際に計測された水車発電機の出力データの残差を
演算する残差演算手段と残差演算手段で演算された残差
から水車発電機の状態を示す数的指標を計算する指標演
算手段を備えているので、指標演算手段で演算された数
的指標の変化を観察することで、水車発電機の状態の変
化を客観的に判定することができ、精度よく水車発電機
の正常／異常の状態を判定できるなどの効果が得られ
る。

【００２９】また、数的指標の値を用いて正常状態の分
布のずれから水車発電機の状態を定義しているので、計
測されるデータの種類、数、あるいは水車発電機によら
ず、統一的に状態を判定できる。従って、従来のように
各データの種類毎、水車発電機毎に警報レベルを変える
必要がなく、監視装置自体の監視、取り扱いが簡単にで
きるという効果が得られる。

【００３０】また、従来の警報装置は異常状態のデータ
の蓄積を待って警報レベルを設定していたるため、水車
発電機の正常状態が変化した場合、改めて異常状態のデ
ータの蓄積が必要であるが、本装置ではモデル構築手段
を備えているので、正常状態のモデルを学習しなおすだ
けで、速やかに警報装置を稼働することができる。従っ
て、従来のように異常状態のデータの蓄積を待って警報
レベルを決める必要がないため、既設、新設を問わず、
速やかに本装置を導入できるなどの効果が得られる。

【００３１】実施の形態２．図２は、この発明の実施の
形態２による水車発電機監視装置を示すブロック図であ
る。図において、１０１は水車発電機監視装置、２０
１、２０２、２０３は水車発電機の入出力データ、２１
１は入出力データ選択手段、２１２は入出力データ選択
手段２１１で選択された入力データ、２１３は入出力デ
ータ選択手段２１１で選択された出力データである。

【００３２】次に動作について説明する。入出力データ
選択手段２１１では、全ての入出力データ間に対し、デ
ータ間の周波数軸での相関が強いほど１に近づくコヒー
レンシーの値を（５）式にもとづき計算し、コヒーレン
シーの値があるしきい値を越えている組み合わせを選択
する。ここで、（５）式で用いられているＳｕｙ
（ω）、Ｓｕｕ（ω）、Ｓｙｙ（ω）はそれぞれ、ｕ
（ｔ）ｙ（ｔ＋τ）、ｕ（ｔ）ｕ（ｔ＋τ）、ｙ（ｔ）
ｙ（ｔ＋τ）の数学的期待値のフーリエ変換である。例
えば、ｕ（ｔ）ｙ（ｔ＋τ）の数学的期待値Ｓｕｙ
（τ）は（６）式で表わされ、数学的期待値Ｓｕｙ
（τ）のフーリエ変換Ｓｕｙ（ω）は（７）式で表わさ
れる。ｔ，τは時間、ｕ（ｔ）、ｙ（ｔ）はそれぞれ入
力データと出力データ、Ｅは数学的期待値（集合平均）
を示す。

【００３３】

【数３】

【００３４】 Ｓｕｙ（τ）＝Ｅ［ｕ（ｔ）ｙ（ｔ＋τ）］ ・・・・・（６）

【００３５】

【数４】

【００３６】例えば入力データと出力データがｎ，ｍ個
ずつある場合、表１のように全ての入出力データの組み
合わせに対しコヒーレンシーを計算する。ここではｍ個
の出力データとｎ個の入力データの全組み合わせ（ｍ×
ｎ通り）について計算する。次に各出力データ毎に、あ
る値以上のコヒーレンシーの値を示す入力データを選択
する。コヒーレンシーの高い値を示すデータを選択する
ことで、より精度のよいモデルが学習できる。次に、実
施の形態１と同様の手順で、個々の出力データ毎に選択
された入力データを用いてモデル構築手段１２１で正常
状態のモデルを学習し、残差演算手段１３２でそれぞれ
の残差を演算し、指標演算手段１３３でそれぞれの指標
を演算する。例えば出力データがｍ個あり、それぞれ１
個以上の入力データが選択されていたならばｍ個の指標
が計算されることになる。

【００３７】

【表１】

【００３８】異常判定手段１３４では、演算された複数
の指標の値のうちのいずれか１指標の値が設定された値
を越えると異常状態と判定する。異常判定手段１３４で
異常状態と判定されるとブザー等を鳴らして警報を発す
る。ある１指標が設定された値を越えている場合、その
指標を計算するために用いた入力データと出力データの
間に異常が発生したことがわかる。また、１指標だけを
用いる場合よりも、複数指標を用いることで広範囲の入
出力データ間での異常状態を発見できるので、さらに精
度よく正常／異常の状態を判定できる。

【００３９】以上のように、この実施の形態２によれ
ば、コヒーレンシーの値の高い入出力データの組み合わ
せを選択することにより、モデル構築に有効なデータを
複数データの中から選択できる。そのため、単一デー
タ、あるいは選択していない複数データを用いてモデル
を学習した場合よりも、より精度のよいモデル出力デー
タを算出するモデルを学習できる。また、複数の指標を
用いることで、単一指標を用いるより広範囲の異常を発
見できる。従って、複数種類のデータから総合的に正常
／異常の状態を判定することができ、さらに精度よく水
力発電所の正常／異常の状態を判定できるなどの効果が
得られる。

【００４０】また、異常状態を示す指標の入出力データ
間に異常部位が限定されるなどの効果が得られる。

【００４１】実施の形態３．図３は、この発明の実施の
形態３による水車発電機監視装置を示すブロック図であ
る。図において、３０１、３０２、３０３は水車発電機
で計測される軸受温度揺らぎデータ（水車発電機軸受温
度揺らぎデータ）、３１２は入出力データ選択手段２１
１で選択された入力データ、３１３は入出力データ選択
手段２１１で選択された出力データである。なお、図
１、図２に示した部分と同一または相当部分については
同一符号を付して重複説明を省略する。

【００４２】次に動作について説明する。この実施の形
態３では複数の軸受温度揺らぎデータが観測されたと
き、入出力データ選択手段２１１はコヒーレンシーの値
があるしきい値を越えている入出力データの組み合わせ
を選択する。ここで、温度揺らぎデータとは温度データ
のＤＣ成分を取り除いた微小変動成分である。入出力デ
ータ選択手段２１１で選択されたデータから、実施の形
態１と同様の手順でモデルを学習し、モデル出力演算、
残差演算、指標演算を行って水車発電機軸振動の正常／
異常の状態の判定を行う。

【００４３】以上のように、この実施の形態３によれ
ば、コヒーレンシーの値の高い軸受温度揺らぎデータの
入出力データの組を選択して入出力モデルを決定できる
ため、より信頼性の高い軸受温度異常検知システムを構
築することができるなどの効果が得られる。

【００４４】実施の形態４．図４は、この発明の実施の
形態４による水車発電機監視装置を示すブロック図であ
る。図において、４０１、４０２、４０３は水車発電機
で計測される軸振動データ（水車発電機軸振動デー
タ）、４１２は入出力データ選択手段２１１で選択され
た入力データ、４１３は入出力データ選択手段２１１で
選択された出力データである。なお、図１、図２に示し
た部分と同一または相当部分については同一符号を付し
て重複説明を省略する。

【００４５】次に動作について説明する。この実施の形
態４では複数の軸振動データが観測されたとき、入出力
データ選択手段２１１はコヒーレンシーの値があるしき
い値を越えている入出力データの組み合わせを選択す
る。入出力データ選択手段２１１で選択されたデータか
ら、実施の形態１と同様の手順でモデルを学習し、モデ
ル出力演算、残差演算、指標演算を行って水車発電機軸
振動の正常／異常の状態の判定を行う。

【００４６】以上のように、この実施の形態４によれ
ば、コヒーレンシーの値の高い軸振動データの入出力デ
ータの組を選択して入出力モデルを決定できるため、よ
り信頼性の高い軸振動異常検知システムを構築すること
ができるなどの効果が得られる。

【００４７】実施の形態５．図５は、この発明の実施の
形態５による水車発電機監視装置を示すブロック図であ
る。図において、５０１、５０２は水車発電機で計測さ
れる軸振動データ（水車発電機軸振動データ）、５０
３、５０４は水車発電機で計測される軸受温度揺らぎデ
ータ（水車発電機軸受温度揺らぎデータ）、５１２は入
出力データ選択手段２１１で選択された入力データ、５
１３は入出力データ選択手段２１１で選択された出力デ
ータである。なお、図１、図２に示した部分と同一また
は相当部分については同一符号を付して重複説明を省略
する。

【００４８】次に動作について説明する。この実施の形
態５では複数の軸振動データ及び軸受温度揺らぎデータ
が観測されたとき、入出力データ選択手段２１１はコヒ
ーレンシーの値があるしきい値を越えている入出力デー
タの組み合わせを選択する。入出力データ選択手段２１
１で選択されたデータから、水車発電機監視装置は実施
の形態１と同様の手順でモデル学習し、モデル出力演
算、残差演算、指標演算を行って水車発電機軸振動の正
常／異常の状態の判定を行う。

【００４９】以上のように、この実施の形態５によれ
ば、軸振動データまたは軸受温度揺らぎデータのどちら
か一方のみならず、両データからコヒーレンシーの値の
高い入出力データの組を選択して入出力モデルを決定で
きるため、軸振動データまたは軸受温度揺らぎデータの
どちらか一方のみを用いた場合より、さらに信頼性の高
い水車発電機監視装置を構築することができるなどの効
果が得られる。

【００５０】

【発明の効果】請求項１記載の発明によれば、水車発電
機監視装置を計測された入力データと出力データの関係
を記述するモデルにより、計測されるデータから水車発
電機の出力データを演算するモデル出力演算手段と、モ
デル出力演算手段で演算される出力データと水車発電機
で計測される出力データの残差を計算する残差演算手段
と、残差演算手段で演算された残差系列から水車発電機
の正常／異常の状態を示す指標を演算する指標演算手段
と、残差演算手段で演算された指標から水車発電機の正
常／異常の状態を判定する異常判定手段を備えるように
構成したので、０に近づく程、正常状態である確率が高
く、１に近づく程、異常状態である確率が高いことを示
す数的指標を指標演算手段で演算することができ、その
数的指標から水車発電機の状態を客観的に判定すること
で、精度よく水車発電機の正常／異常の状態を判定でき
る効果がある。

【００５１】請求項２記載の発明によれば、水車発電機
監視装置を水車発電機で計測された入力データと出力デ
ータの関係を記述するモデルを学習する学習手段を備え
るように構成したので、水車発電機を新設したとき、あ
るいは水車発電機の正常状態が変化したとき、速やかに
正常状態のモデルを学習することが可能なので、つねに
水車発電機の状態にあったモデルを学習して利用するこ
とができ、水車発電機を新設した場合、水車発電機の正
常状態が変化した場合などでも速やかに水車発電機監視
装置を稼働することができる効果がある。

【００５２】請求項３記載の発明によれば、水車発電機
監視装置を水車発電機で計測される入力データと出力デ
ータを受けて水車発電機の監視に有効なデータの選択を
行う入出力データ選択手段を備えるように構成したの
で、コヒーレンシーの値の高い入出力データの組み合わ
せを選択することが可能であり、モデル構築に有効なデ
ータを複数データの中から選択できるので、より精度の
よいモデル出力データを算出するモデルを学習できる効
果がある。

【００５３】請求項４記載の発明によれば、計測データ
として複数の水車発電機軸受温度揺らぎデータを用いる
ように構成したので、モデル構築に有効なデータを複数
の水車発電機軸受温度揺らぎデータの中から選択でき、
より精度のよいモデル出力データを算出するモデルを学
習できるので、信頼性の高い軸受温度異常検知システム
を得ることができる効果がある。

【００５４】請求項５記載の発明によれば、計測データ
として複数の水車発電機軸振動データを用いるように構
成したので、モデル構築に有効なデータを複数の水車発
電機軸振動データの中から選択でき、より精度のよいモ
デル出力データを算出するモデルを学習できるので、信
頼性の高い軸振動異常検知システムを得ることができる
効果がある。

【００５５】請求項６記載の発明によれば、計測データ
として複数の水車発電機軸振動データと複数の水車発電
機軸受温度揺らぎデータを用いるように構成したので、
モデル構築に有効なデータを複数の水車発電機軸振動デ
ータと複数の水車発電機軸受温度揺らぎデータの中から
選択でき、水車発電機軸振動データまたは水車発電機軸
受温度揺らぎデータのどちらか一方のデータを用いるよ
り、より精度のよいモデル出力データを算出するモデル
を学習できるので、水車発電機の正常／異常の状態をさ
らに精度よく判定できる効果がある。

【図面の簡単な説明】

【図１】 この発明の実施の形態１による水車発電機監
視装置のブロック図である。

【図２】 この発明の実施の形態２による水車発電機監
視装置のブロック図である。

【図３】 この発明の実施の形態３による水車発電機監
視装置のブロック図である。

【図４】 この発明の実施の形態４による水車発電機監
視装置のブロック図である。

【図５】 この発明の実施の形態５による水車発電機監
視装置のブロック図である。

【図６】 従来の水車発電機監視装置のブロック図であ
る。

【図７】 従来の水車発電機監視装置の判定手段内の警
報レベルと温度データの関係を示す図である。

【符号の説明】

８０ 学習手段、１０１ 水車発電機監視装置、１３１
モデル出力演算手段、１３２ 残差演算手段、１３３
指標演算手段、１３４ 異常判定手段、２１１ 入出
力データ選択手段、３０１，３０２，３０３，５０３，
５０４ 軸受温度揺らぎデータ（水車発電機軸受温度揺
らぎデータ）、４０１，４０２，４０３，５０１，５０
２ 軸振動データ（水車発電機軸振動データ）。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 矢倉 武宜 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 (72)発明者 内 正行 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 (72)発明者 佐野 賢三 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 (72)発明者 小門 俊次 大阪府大阪市北区中之島３丁目３番22号 関西電力株式会社内 (72)発明者 本田 誠司 大阪府大阪市北区中之島３丁目３番22号 関西電力株式会社内

Claims (6)

【特許請求の範囲】
1. 【請求項１】 水車発電機で計測された入力データと出
   力データの関係を記述するモデルにより、前記水車発電
   機で計測されるデータから前記水車発電機の出力データ
   を演算するモデル出力演算手段と、前記モデル出力演算
   手段で演算される出力データと前記水車発電機で計測さ
   れる出力データの残差を演算する残差演算手段と、前記
   残差演算手段から演算された残差系列から水車発電機の
   正常／異常の状態を示す指標を演算する指標演算手段
   と、前記指標から水車発電機の正常／異常の状態を判定
   する異常判定手段を備えたことを特徴とする水車発電機
   監視装置。
2. 【請求項２】 水車発電機で計測された入力データと出
   力データの関係を記述するモデルを学習する学習手段を
   備えたことを特徴とする請求項１記載の水車発電機監視
   装置。
3. 【請求項３】 水車発電機で計測された入力データと出
   力データを受けて前記水車発電機の監視に有効なデータ
   の選択を行う入出力データ選択手段を備えたことを特徴
   とする請求項１または請求項２記載の水車発電機監視装
   置。
4. 【請求項４】 計測データとして複数の水車発電機軸受
   温度揺らぎデータを用いることを特徴とする請求項３記
   載の水車発電機監視装置。
5. 【請求項５】 計測データとして複数の水車発電機軸振
   動データを用いることを特徴とする請求項３記載の水車
   発電機監視装置。
6. 【請求項６】 計測データとして複数の水車発電機軸振
   動データと複数の水車発電機軸受温度揺らぎデータを用
   いることを特徴とする請求項３記載の水車発電機監視装
   置。