ES2264766T3 - Dispositivo y procedimiento para la supervision de una instalacion tecnica que comprende varios sistemas, especialmente de una central electrica. - Google Patents

Abstract

Dispositivo (1) para la supervisión de una instalación técnica (2) que comprende varios sistemas, especialmente de una central eléctrica, con: ¿ al menos un módulo de análisis (13, 13a, 13b), que comprende un modelo dinámico (15) de al menos un sistema (3, 5, 7, 9, 11) de la instalación técnica (2)m en el que se pueden alimentar al módulo de análisis (13, 13a, 13b) datos de funcionamiento (17, 17a, 17b) o datos de funcionamiento y/o datos de la estructura (17, 17a, 17b, 19, 19a, 19b) de la instalación técnica (2) como datos de entrada, y ¿ al menos un algoritmo (21, 21a, 21b) basado en KI abarcado por el módulo de análisis (13, 13a, 13b), por medio del cual se puede mejorar el modelo dinámico (15) del sistema (3, 5, 7, 9, 11) durante el funcionamiento del sistema (3, 5, 7, 9, 11), en el que por medio del módulo de análisis (13, 13a, 13b) se pueden determinar datos de salida (23, 23a, 23b), que caracterizan el comportamiento de funcionamiento momentáneo y/o futuro del sistema (3, 5, 7, 8, 9,11), caracterizado porque el algoritmo basado en KI busca en los datos de funcionamiento (17, 17a, 17b) o en los datos de funcionamiento y/o datos de la estructura (17, 17a, 17b, 19, 19a, 19b) del sistema las dependencias entre los datos de funcionamiento (17, 17a, 17b) o los datos de funcionamiento y/o los datos de la estructura (17, 17a, 17b, 19, 19a, 19b) por medio de los métodos de la inteligencia artificial e integra las relaciones identificadas en este caso en el modelo dinámico (15) como nuevas relaciones y de esta manera las mejora.

Description

Dispositivo y procedimiento para la supervisión de una instalación técnica que comprende varios sistemas, especialmente de una central eléctrica.

La invención se refiere a un dispositivo así como a un procedimiento para la supervisión de una instalación técnica que comprende varios sistemas, especialmente de una central eléctrica.

Los dispositivos y procedimientos convencionales para la supervisión de una instalación que comprende varios sistemas, especialmente procedimientos de diagnosis y aparatos de diagnosis, se apoyan con frecuencia en la observación y/o medición de determinados parámetros de funcionamiento de la instalación técnica, aplicándose una medida de mantenimiento en el caso de que se exceda o no se alcance un valor teórico.

Naturalmente, en este caso la derivación de una medida de tratamiento necesaria durante la observación de parámetros medidos de forma aislada es inexacta y propensa a errores.

Por otra parte, si se utilizan una multitud de datos, que aparecen en la instalación técnica, especialmente valores de medición de los más diferentes puestos de medición y/o valores de medición históricos, memorizados correspondientes, para formar una imagen sobre el estado de funcionamiento momentáneo o previsible en el futuro, entonces esto no conduce de la misma manera a ninguna manifestación satisfactoria, puesto que la mayoría de las veces no se conocen las dependencias mutuas de estos datos que proceden, entre otras, de las más diferentes fuentes de datos y, por lo tanto, a partir de ello no es posible una evaluación exacta o incluso una previsión de la situación de funcionamiento.

Además, es previsible que no sean detectados todos los datos que ejercen una influencia sobre la situación de funcionamiento de la instalación, lo que complica adicionalmente el problema.

El documento US 6.353.815 B1 publica un procedimiento y un dispositivo para la supervisión de procesos. A través del desarrollo y aplicación de un llamado modelo SQNA (modelo calificado estadísticamente neuro-analítico). El modelo SQNA se desarrolla en dos etapas.

En la primera etapa, un modelo básico determinista ya existente/depositado del proceso a supervisar, que está depositado, por ejemplo, a través de fórmulas y que describe físicamente el proceso, es complementado con una red neuronal. En la segunda etapa, se adaptan los parámetros de la red neuronal. En este caso, se evalúa la adaptación prevista a través de procedimientos estocásticos y se modifican los parámetros de una manera correspondiente.

A través de las enseñanzas que se deducen a partir del documento US 6.353.815 B1, un modelo básico determinista ya existente solamente se puede modificar a través de una red neuronal y una evaluación estadística. No es posible generar un modelo dinámico sin un modelo básico determinista o modificar básicamente un modelo dinámico, por ejemplo de tal manera que todas las variables de entrada, previamente establecidas a través del modelo básico determinista, son consideradas como insignificantes o el modelo básico determinista es sustituido, por ejemplo, por una red neuronal, puesto que esto proporciona resultados más fiables que un modelo básico determinista con parámetros.

Por lo tanto, la invención tiene el cometido de indicar un dispositivo mejorado así como un procedimiento para la supervisión de una instalación que comprende varios sistemas, especialmente de una central eléctrica. En este caso, debe conseguirse especialmente una exactitud de previsión alta con respecto a un error que se está desarrollando en la instalación técnica.

También las llamadas "desviaciones lentas del proceso", que proceden de una situación de funcionamiento deseada y que preceden prácticamente siempre a la aparición de un error y/o de una interferencia del proceso, deben poder reconocerse con la mayor antelación posible.

Además, por medio de un dispositivo de acuerdo con la invención o bien de un procedimiento correspondiente debe poder determinarse con la mayor antelación posible el instante previsible de la aparición de un error en la instalación técnica, para que se puedan iniciar contra medidas, por ejemplo una medida de mantenimiento, antes de que se produzca un fallo de la instalación o de sus componentes.

Además, un dispositivo de acuerdo con la invención así como un procedimiento correspondiente deben reducir el gasto en aplicaciones de diagnosis habituales hasta ahora en la instalación y, además, permiten una optimización mejorada de los dispositivos de regulación empleados.

El cometido se soluciona de acuerdo con la invención con respecto al dispositivo por medio de un dispositivo para la supervisión de una instalación técnica que comprende varios sistemas, especialmente de una central eléctrica, de acuerdo con la reivindicación 1.

La invención parte en este caso de la consideración de que en los modelos convencionales, conocidos a partir del estado de la técnica, la exactitud alcanzable, es decir, el grado alcanzable de coincidencia de las variables determinadas de los modelos con las variables reales correspondientes es demasiado pequeña, para poder hacer afirmaciones seguras sobre el comportamiento futuro de la instalación. Para el momento actual, los modelos conocidos ofrecen la mayoría de las veces resultados útiles, es decir, que existe un alto grado de coincidencia con las variables reales correspondientes en el momento actual. No obstante, cuanto más alejado está el instante de interés del comportamiento de la instalación en el futuro, tanto mayor será la inseguridad de la previsión.

Otro punto de partida de la invención reside en el reconocimiento de que en muchos casos es imposible o solamente es posible con un gasto extremadamente alto, indicar un modelo de alguna manera exacto de la instalación técnica (por ejemplo debido a un comportamiento en gran medida no lineal de algunos sistemas de la instalación técnica).

En el dispositivo de acuerdo con la invención, se parte de un modelo dinámico de al menos un sistema de la instalación técnica, que se mejora durante el funcionamiento por medio de métodos de la inteligencia artificial. De esta manera, se mejora la capacidad del modelo de análisis para describir y diagnosticar el comportamiento de funcionamiento del sistema.

En este caso, no es absolutamente necesario comenzar con un modelo complejo, dinámico unitario del sistema. Por ejemplo, con frecuencia es suficiente un conjunto de unas cuantas ecuaciones y curvas características sencillas aisladas, que se pueden complementar a través de una red neuronal que está constituida con preferencia de forma sencilla, Lógica Fuzzy o un algoritmo genético. La colaboración entre estos "modelos parciales" para formar una descripción del sistema se mejora entonces durante el funcionamiento a través del algoritmo basado en KI, de manera que se produce una trenzado de cohesión de los elementos mencionados.

Un modelo, especialmente un modelo determinista, en el sentido clásico no es necesario. En su lugar, se establecen los parámetros del trenzado de cohesión mencionado (por ejemplo, una ecuación de Bernoulli de este trenzado, para aplicarlo sobre una circulación concreta presente) y el algoritmo basado en KI busca la coherencia en los datos de funcionamiento históricos o momentáneos y/o en los datos de la estructura del sistema y/o de la instalación técnica, por ejemplo las modificaciones de las variables, que se ajustan como consecuencia de la modificación de otras variables. Tales coherencias descubiertas nuevas son integradas entonces a través del algoritmo basado en KI en el modelo dinámico -especialmente como curva característica adicional y/o ecuación o como una adaptación de parámetros del modelo dinámico, por ejemplo de los factores de ponderación de la red de una red neuronal -y esto se mejora de esta manera-.

El concepto "sistema" debe abarcar, con relación a la invención, desde el campo de un componente sencillo -por ejemplo una tubería- hasta un sistema general altamente completo, que comprende una pluralidad de sistemas parciales -por ejemplo un juego de turbinas, una instalación de caldera, un bloque de central eléctrica o toda la central eléctrica-.

Por "datos de funcionamiento" se entienden especialmente todos los tipos de datos, que se producen durante el funcionamiento de la instalación técnica, como por ejemplo valores de medición de la temperatura, datos de medición de la presión, gráficos térmicos, datos de sensores, mensajes, alarmas, avisos, etc.

El "algoritmo basado en KI" comprende especialmente métodos de la inteligencia artificial, como redes neuronales, Lógica Fuzzy y algoritmos genéticos.

El "modelo dinámico" se puede describir de forma determinista y numérica o también por medio de métodos basados en KI. Además, puede comprender ecuaciones físicas y matemáticas. También están comprendidas combinaciones de los elementos mencionados, especialmente ecuaciones físicas y/o matemáticas, que están enlazadas a través de métodos basados en KI.

En una forma de realización preferida, la mejora del modelo dinámico comprende la identificación de aquellos datos de entrada que no son utilizados todavía con anterioridad por el modelo dinámico, y con la ayuda de estos datos de entrada se puede ampliar el modelo dinámico.

En este caso, el algoritmo basado en KI es utilizado durante la mejora del modelo dinámico para la identificación y establecimiento de relaciones no tenidas en cuenta todavía en el modelo dinámico.

De una manera preferida, el modelo dinámico comprende uno o varios elementos del grupo (curva característica, ecuación física, red neuronal, Lógica Fuzzy, algoritmo genético).

En particular, el modelo dinámico comprende al menos una red neuronal, que se puede entrenar con datos históricos de funcionamiento del sistema.

El modelado de componentes técnicos e instalaciones por medio de redes neuronales es un procedimiento conocido y probado. Una ventaja especial se puede ver en que no debe ser conocida una descripción analítica del componente a modelar. A través de la fase de entrenamiento (que comprende, por ejemplo, un algoritmo de re-propagación conocido) se configura la estructura previamente establecida, inicializada en primer lugar por medio de parámetros de partida ("factores de ponderación iniciales"), de la red neuronal con respecto a sus factores de ponderación, de manera que al término de la fase de entrenamiento se puede esperar una buena coincidencia con el componente real. De esta manera, se obtiene un modelo del componente, sin tener que llevar a cabo un análisis analítico exacto. En la fase de entrenamiento, la red neuronal aprende a reaccionar a determinados valores de entrada con determinados valores de salida; tales valores de entrada se designan con frecuencia junto con sus valores de salida correspondientes, como cantidad de entrenamiento. En el funcionamiento, la red neuronal interpola entonces valores de entrada que no están abarcados por la cantidad de entrenamiento, de manera que se calculan valores de salida también para tales valores de entrada.

Durante el funcionamiento de la instalación técnica se plantea con frecuencia el problema de que no se conocen o no se pueden detectar todos los datos de funcionamiento, que ejercer una influencia sobre el comportamiento del/los componente(s) o también de toda la instalación técnica.

El empleo de al menos un algoritmo basado en KI posibilita, además, incorporar también en los cálculos del estado del sistema de la instalación técnica por medio del modelo dinámico aquellos parámetros que no actúan directamente sobre este sistema de la instalación técnica, por ejemplo como señales de entrada y/o señales de salida o corrientes de medios. Por ejemplo, en el caso de una cadena de sistemas dispuesta en serie, puede estar prevista la modelación de un sistema que se encuentra en el centro de esta cadena, que recibe -además de las señales de entrada que repercuten directamente sobre este sistema- también señales de entrada del sistema precedente, que no son accesibles de acuerdo con la técnica de medición o de otra manera.

Los métodos de la inteligencia artificial (que pueden estar configurados, con relación a la evolución biológica, por ejemplo como algoritmos de búsqueda genéticos de acuerdo con una combinación adecuada de características) permiten en este caso también un cálculo del estado de un sistema de la instalación técnica, cuando los parámetros de entrada para la determinación del estado real son en gran medida desconocidos y solamente se pueden determinar con dificultad, por ejemplo -como se ha mencionado anteriormente- por medio de una medición costosa de los valores de partida del sistema precedente.

En este caso, se pueden emplear, por ejemplo, también métodos estadísticos con relación al algoritmo basado en KI, siendo determinados los valores de entrada y/o de salida más probables de un sistema, que no son accesibles de otro modo, en una situación de funcionamiento actual, donde el algoritmo basado en KI calcula estos valores de entrada y/o de salida necesarios por el modelo dinámico del sistema respectivo, por ejemplo a través de una estrategia de búsqueda de evolución.

De esta manera se puede esperar una buena coincidencia del modelo de al menos un sistema con el comportamiento real de este sistema, puesto que por medio de al menos un algoritmo basado en KI se incorporan en el modelado del sistema también aquellos datos de funcionamiento que en otro caso permanecerían fuera y conducirían a una inexactitud más o menos fuerte del modelo y, por lo tanto, especialmente de los pronósticos creados de esta manera.

De esta manera se pueden determinar al mismo tiempo especialmente también datos de entrada y/o datos de salida del sistema que no son accesibles -por ejemplo a través de la técnica de medición-. De este modo se eleva la exactitud del pronóstico.

Una forma de realización especialmente preferida de la invención comprende una pluralidad de módulos de análisis, que comprenden en cada caso un modelo dinámico de al menos un sistema de la instalación técnica. Además, en este caso, está previsto al menos otro algoritmo basado en KI, por medio del cual se pueden calcular correlaciones al menos entre los datos de entrada y/o los datos de salida de un primer módulo de análisis y los datos de entrada y/o de salida de un segundo módulo de análisis.

Esta forma de realización de la invención se refiere a la ampliación del dispositivo de acuerdo con la invención a la supervisión paralela de sistemas de colaboración, en los que la colaboración se determina en forma de una relación entre los datos de entrada y/o los datos de salida respectivos de los módulos de análisis por el otro algoritmo basado en KI y se establecen como otras relaciones (por ejemplo en forma de una ecuación, de una red neuronal o de una curva característica. De esta manera se obtiene un modelo dinámico exacto de los sistemas de colaboración, que comprende el modelo dinámico de los sistemas individuales así como las otras relaciones.

Así, por ejemplo, se puede describir el comportamiento de funcionamiento momentáneo y/o futuro tanto de los sistemas individuales como también el comportamiento de funcionamiento de la instalación que resulta a través de la colaboración de los sistemas.

En este caso, se pueden determinar de una manera ventajosa por medio de las correlaciones otros datos de salida, que caracterizan el comportamiento de funcionamiento momentáneo y/o futuro de la instalación técnica, donde estos otros datos de salida contienen informaciones que van más allá del sistema.

Las correlaciones entre los datos mencionados aluden a dependencias mutuas, con lo que los otros datos de salida obtenidos de esta manera se proyectan en su fuerza expresiva más allá de los límites de los sistemas individuales implicados y de esta manera describen el comportamiento de una unidad mayor de la instalación técnica, que comprende al menos dos sistemas.

De una manera preferida, los datos de funcionamiento y/o los datos de la estructura de la instalación técnica comprenden una o varias informaciones del grupo (datos de proceso, mensajes de funcionamiento, mensajes de alarma, mensajes de averías, notas de observación, comentarios, estructura de la instalación, jerarquía de los componentes de las instalaciones).

Los datos del proceso se pueden obtener en este caso en línea o fuera de línea a partir de un sistema de mando de la instalación técnica y/o a partir de un subsistema conectado con el mismo o también se pueden introducir manualmente.

Los mensajes de funcionamiento comprenden especialmente datos de sensores e informaciones derivadas de ellos sobre el estado de funcionamiento de la instalación técnica y sus sistemas.

Los datos de la estructura contienen especialmente informaciones sobre la estructura de la instalación técnica con respecto a los sistemas abarcados por la instalación técnica (componentes de las instalaciones, subsistemas, grupos de sistemas) así como su colaboración jerárquica y priorización.

Estos datos pueden comprender en este caso datos momentáneos y/o históricos, que están depositados, por ejemplo, en un archivo de corta duración o en un archivo de larga duración o en un sistema de ingeniería.

De una manera preferida, los datos de funcionamiento y/o los datos de la estructura son acondicionados por un sistema de control de procesos.

Para el manejo y observación de instalaciones técnicas más complejas se emplea la mayoría de las veces un sistema de control de procesos, en el que están presentes los datos mencionados o se obtienen durante el funcionamiento y son memorizados. En esta forma de realización, la preparación de los datos es, por lo tanto, especialmente poco costosa.

La invención conduce de nuevo a un procedimiento para la supervisión de una instalación técnica que comprende varios sistemas, especialmente de una central eléctrica, de acuerdo con la reivindicación 10.

Con preferencia, la mejora del modelo dinámico comprende la identificación de aquellos datos de entrada que no son utilizados todavía con anterioridad por el modelo dinámico, y con la ayuda de estos datos de entrada se puede ampliar el modelo dinámico.

En otra forma de realización, están previstos una pluralidad de modelos dinámicos, que describen en cada caso al menos un sistema de la instalación técnica, y al menos otro algoritmo basado en KI, por medio del cual se pueden calcular correlaciones al menos entre los datos de entrada y/o los datos de salida de un primer modelo dinámico y los datos de entrada y/o los datos de salida de un segundo modelo dinámico.

De una manera ventajosa, por medio de las correlaciones se pueden calcular otros datos de salida, que caracterizan el comportamiento de funcionamiento momentáneo y/o futuro de la instalación técnica, conteniendo estos otros datos de salida informaciones que se extienden más allá del sistema.

Las formas de realización llevadas a cabo con relación al dispositivo de acuerdo con la invención y a sus configuraciones ventajosas se pueden transferir al procedimiento de acuerdo con la invención y, por lo tanto, no se repiten aquí.

En resumen, se puede incorporar la invención en el siguiente entorno:

La inteligencia artificial para la diagnosis de sistemas de una instalación técnica, por ejemplo de una central eléctrica, se puede utilizar para pronosticar errores de una manera precoz, pudiendo utilizarse todos los datos que están disponibles en la instalación técnica.

Los puntos fuertes están en este caso, por ejemplo, en algoritmos genéticos y redes neuronales para la modelación y control de as tareas de supervisión, especialmente de las tareas de diagnosis.

Es especialmente interesante reducir claramente el gasto de las aplicaciones de diagnosis en la instalación técnica y, además, posibilitar una optimización mejorada de las regulaciones.

Se consigue una mejora cuando, por una parte, se reducen las propiedades de los agregados relevantes de sistemas de la instalación técnica, como por ejemplo potencia y consumo de energía, con respecto a las especificaciones legales y la escasez de recursos. Por otra parte, deben cumplirse los deseos de los clientes en lo que se refiere a la potencia mejorada y a las posibilidades de diagnosis.

En la diagnosis por medio de algoritmos genéticos/evolutivos se pueden integrar tanto los sistemas grandes como también los sistemas pequeños.

A través de la combinación de algoritmos genéticos (evolutivos) con redes de Kohon y/o redes neuronales de cualquier tipo se hacen posibles manifestaciones sobre el estado de al menos un sistema de la instalación técnica.

El empleo de algoritmos genéticos posibilita, además, también incorporar en la determinación del estado de un sistema de la instalación técnica aquellos parámetros que no actúan directamente sobre este componente de la instalación técnica, por ejemplo como señales de entrada y/o señales de salida o corrientes de medios.

Los métodos de los algoritmos genéticos (algoritmos de búsqueda) permiten, además, también un cálculo del estado de al menos un sistema o de toda la instalación técnica cuando los parámetros de entrada para la determinación del estado real no se conocen en gran medida y/o no se pueden determinar sólo con dificultades, por ejemplo por medio de una medición costosa.

El empleo de inteligencia artificial para la diagnosis posibilita, además, que en el caso de estados complejos de las instalaciones, se notifican las desviaciones de los estados reales calculados al operador de la instalación técnica. En este caso, se puede prescindir en primer lugar de una indicación de error concreta, por ejemplo sobre el lugar del error estrechamente delimitado, puesto que, por ejemplo, los fallos de los sensores son detectados y notificados la mayoría de las veces por un sistema de control presente.

En conexión con la invención, es importante más bien el reconocimiento de procesos que se desarrollan lentamente -que no provocan necesariamente un fallo inmediato de un componente de la instalación- como contaminación, caída de la potencia a través de desgaste, envejecimiento, etc., que no pueden ser percibidos correctamente o bien interpretados correctamente por el hombre a través del "efecto costumbre".

En muchos casos, tales modificaciones lentas conducen en algún momento al fallo de la instalación técnica. Pero con frecuencia no se reconocen las modificaciones, puesto que una instalación de regulación presente trata, por ejemplo, de contrarrestar esta modificación: por ejemplo, las contaminaciones en las palas de un ventilador son compensadas a través de un ajuste de las palas del ventilador. O la instalación de regulación compensa la pérdida de prestaciones de las bombas de aceite o de refrigeración a través de nuevas previsiones de valores teóricos; entonces se eleva la temperatura, por ejemplo, de un rodamiento sólo muy lentamente, puesto que la instalación de regulación, en el caso de un fallo inminente, puede retrasar con frecuencia el instante del fallo del sistema. Sin embargo, los sistemas regulados son solicitados cada vez con mayor intensidad y se incrementa el desgaste. El usuario de la instalación técnica no percibe nada de ello, puesto que precisamente debido a la instalación de regulación continúa funcionando la instalación técnica, aunque uno o varios sistemas de la instalación técnica se aproximen a su límite de desgaste.

Existe un riesgo de funcionamiento especialmente cuando un sistema de funcionamiento es accionado bajo solicitación elevada; una solicitación de este tipo puede estar ocasionada por una instalación de regulación mencionada anteriormente a través de una previsión del valor teórico. Por ejemplo, un circuito de refrigeración está diseñado para un funcionamiento duradero con 50% de potencia. Entonces un funcionamiento duradero con 70 - 80% de potencia puede conducir ya pronto a daños graves. Sin embargo, un fallo inminente de una bomba de regulación que tiene fugas no es percibido, puesto que la instalación de regulación eleva siempre adicionalmente el valor teórico (por ejemplo, la presión) para la bomba de refrigeración para el mantenimiento de la función del circuito de refrigeración, lo que acelera adicionalmente el fallo de la bomba. Solamente cuando se ha producido el fallo de la bomba, de observa el fallo de la bomba de refrigeración como causa del fallo del sistema de refrigeración. Aquí se pueden crear ayudas por medio de un dispositivo de acuerdo con la invención así como con un procedimiento.

Los algoritmos genéticos en combinación con las redes inteligentes con capacidad de aprendizaje permiten, además, el reconocimiento de modos de funcionamiento arriesgados de la instalación técnica, la sobrecarga o un régimen de trabajo falso de agregados y sistemas, etc. Esto es notificado de una manera ventajosa al operador/operario de la instalación técnica, especialmente en forma de un diagrama de funcionamiento (por ejemplo, de un campo característicos), a partir del cual se deducen tanto el funcionamiento momentáneo como también un funcionamiento propuesto mejorado.

La representación de desviaciones se puede llevar a cabo de una manera ventajosa por medio de campos característicos. Sobre la base de algoritmos genéticos es posible, además de la previsión de fallos, también una optimización del funcionamiento de la instalación técnica.

Además, por medio de algoritmos genéticos se pueden obtener informaciones para el personal de gestión de la instalación técnica, que posibilitan una manifestación sobre el estado general de la instalación y, dado el caso, sobre medidas de mantenimiento que son necesarias en un intervalo de tiempo.

De una manera ventajosa, el empleo de inteligencia artificial posibilita un cálculo en línea de estados del sistema, es decir, que el operador puede ser advertido de un "comportamiento erróneo" en su instalación y entonces está en condiciones de realizar cálculos de previsión, que le posibilitan un nuevo modo de observación.

Ejemplo

Un dispositivo de acuerdo con la invención, por ejemplo en forma de un sistema de diagnosis, notifica al operador "error en el molino de carbón XX zona de los cilindros de trituración"; a través de un contra control se constata que es necesaria una medida de mantenimiento del molino de carbón (por ejemplo, porque esto está prescrito por el fabricante en el manual de mantenimiento correspondiente).

A través del cálculo precoz se puede determinar entonces por medio del sistema de diagnosis según la invención, lo que sucede si el operador deja que su instalación técnica continúe funcionando a pesar de todo sin una medida de mantenimiento y entonces es previsible la entrada real de un fallo de funcionamiento del molino de carbón.

Con la combinación de algoritmos genéticos y redes neuronales así como, dado el caso, redes de Kohon se puede realizar una pluralidad de manifestaciones con respecto al estado actual y/o futuro de la instalación técnica, especialmente cuándo será necesaria una medida de mantenimiento.

A continuación se representan en detalle dos ejemplos de realización de la invención. En este caso:

Las figura 1 muestra una jerarquía del sistema, como existe habitualmente en las instalaciones técnicas.

La figura 2 muestra un dispositivo de acuerdo con la invención, y

La figura 3 muestra otra forma de realización de un dispositivo de acuerdo con la invención con dos módulos de análisis.

La figura 1 muestra a modo de ejemplo una estructura jerárquica del sistema de una instalación técni-
ca 2.

La instalación técnica 2 está configurada como una central eléctrica para la generación de energía eléctrica y comprende dos bloques de centrales eléctricas 3.

Cada bloque de central eléctrica 3 comprende en este caso dos turbinas 5, por ejemplo turbinas de gas. Estas turbinas 5 contienen de nuevo en cada caso un circuito de refrigeración 9.

Este circuito de refrigeración 9 comprende en este caso una paleta de turbina 11 de la turbina 5.

Cada uno de los elementos mencionados debe caer bajo el concepto de sistema en conexión con la invención. Un sistema puede comprender, por lo tanto, un componente sencillo aislado, como por ejemplo una pala de turbina, pero también puede comprender un sistema complejo, como el bloque de la central eléctrica 3 o también varios bloques de la central eléc-
trica 3.

La figura 2 muestra un dispositivo de acuerdo con la invención 1 con un módulo de análisis 13.

Al módulo de análisis 13 son alimentados en este caso datos de funcionamiento 17 y datos de la estructura 19 de la instalación técnica como datos de entrada.

En los datos de funcionamiento 17 se puede tratar, por ejemplo, de datos de medición en línea, que pueden ser detectados en la instalación técnica o en el sistema propiamente dicho por medio de sensores. Pero en este caso se puede tratar también de datos derivados a partir de estos datos de medición, que son generados, por ejemplo, en un sistema de ordenador. Además, los datos de funcionamiento 17 pueden comprender también datos de medición en línea, que están depositados, por ejemplo, en un archivo o se introducen manualmente.

Los datos de la estructura 19 describen la instalación técnica o el sistema propiamente dicho. Contienen especialmente informaciones sobre la interconexión de sistemas parciales, que están abarcados por el sistema y su disposición jerárquica.

Un modelo dinámico 15 está previsto para la modelación del comportamiento del sistema. Este modelo 15 puede comprender, por ejemplo, ecuaciones analíticas, pero también métodos de la inteligencia artificial, como por ejemplo redes neuronales, Lógica Fuzzy o algoritmos genéticos. Por lo demás, pueden estar presentes también especialmente curvas características sencillas para la descripción del comportamiento del sistema.

Un algoritmo 21 basado en KI está previsto para la mejora del modelo dinámico 15 durante el funcionamiento del sistema 15.

Este algoritmo 21 basado en KI puede estar configurado, por ejemplo, como algoritmo genético.

Un papel importante de este algoritmo 21 consiste en la realización de adaptaciones dinámicas en el modelo 15, para conseguir una mejora de este modelo 15, en el sentido de que se consigue un comportamiento mejorado del modelo, es decir, una coincidencia mejorada con el comportamiento del sistema real. Por ejemplo, para la evaluación de este hecho se puede utilizar un error de modelación, por ejemplo la diferencia entre el comportamiento temporal real del sistema y el comportamiento temporal modelado de este sistema. Por medio del algoritmo 21 basado en KI se puede llevar a cabo entonces una mejora del modelo 15. En este caso, el algoritmo 21 basado en KI se utiliza especialmente para identificar parámetros y datos no tenidos en cuenta todavía durante el modelado, que están comprendidos por los datos de funcionamiento 10 y/o por los datos de la estructura 19, pero que no han sido utilizados todavía para la modelación, y para establecer otras relaciones, por ejemplo ecuaciones o curvas características, que comprenden los parámetros y/o datos identificados y para añadirlos al modelo dinámico 15.

Un algoritmo 21 basado en KI configurado como algoritmo genético optimiza relaciones abarcadas por el modelo dinámico 15, como por ejemplo ecuaciones, curvas características o parámetros de la red de una red neuronal, combinando y re-combinando parámetros evolutivos y descubriendo en este caso especialmente nuevas relaciones, que no están comprendidas todavía por el modelo dinámico 15.

El modelado descrito y utilizado con relación a la invención y sus mejora por medio del algoritmo 21 basado en KI se extiende más allá de los métodos conocidos como, por ejemplo, Aprendizaje Supervisado y modelado clásico.

El modelo de análisis 13 genera como datos de salida 23 unas manifestaciones sobre el comportamiento de funcionamiento del sistema. En este caso, se puede tratar, por ejemplo, de un comportamiento de funcionamiento momentáneo o también futuro del sistema (creación de un pronóstico). Por ejemplo, se alimentan al módulo de análisis 13 datos de funcionamiento 17 y se supone que estos datos de funcionamiento son mantenidos durante un periodo de tiempo determinado en el futuro. Los datos de salida 23 permiten entonces una manifestación, por ejemplo, en el sentido de si y, dado el caso, cuándo es previsible una avería del funcionamiento del sistema. Esta manifestación es tanto más exacta cuando más exactamente el modelo 15 reproduzca el comportamiento real del sistema. En el dispositivo 1 de acuerdo con la invención se proporciona especialmente a través del algoritmo 21 basado en KI una exactitud alta del modelo 15, de manera que los pronósticos y diagnósticos calculados por el módulo de análisis 13 como datos de salida 23 son muy exactos.

Los datos de salida 23 comprenden especialmente mensajes cualificados con respecto al reconocimiento de errores (análisis de tendencias, desgaste y envejecimiento), rendimiento, calidad del proceso y comportamiento futuro esperado del sistema y de la instalación técnica.

Para generar mensajes de este tipo, el módulo de análisis 13 puede comprender un mecanismo de regulación, para transformar los datos de salida generados por el modelo 15 en los mensajes mencionados. El mecanismo de regulación puede comprender en este caso especialmente reglas para el pronóstico de un periodo de tiempo de observación de corta duración así como reglas para un periodo de tiempo de observación de larga duración.

Al mecanismo de regulación se pueden alimentar en este caso, además de los datos de salida del modelo 15, otras informaciones, por ejemplo mensajes y alarmas relacionadas con el sistema o la instalación técnica.

En la representación de la figura 3, un dispositivo 1 de acuerdo con la invención comprende dos módulos de análisis 13a y 13b.

Al módulo de análisis 13a se alimentan en este caso datos de funcionamiento 17a y datos de la estructura 19a de un sistema de refrigeración 29; el módulo de análisis 13b recibe como datos de entrada los datos de funcionamiento 17b y los datos de la estructura 19b de un generador 31.

Por lo demás, se alimentan a ambos módulos de análisis 13a, 13b datos del entorno 33 de la instalación técnica, por ejemplo la temperatura ambiente, la humedad del aire, la presión del aire, etc.

Cada módulo de análisis 13a, 13b calcula datos de salida 23a y 23b, respectivamente, que caracterizan el comportamiento de funcionamiento del sistema analizado 29 y 31, respectivamente.

Puesto que el sistema de refrigeración 29 y el generador 31 no son sistemas que deben considerarse de una manera aislada unos de otros desde el punto de vista de la técnica de procedimientos, hay que contar con que especialmente los datos de funcionamiento 17a variables del sistema de refrigeración 29 ejercen una influencia sobre el comportamiento del sistema del generador 31 y, por lo tanto, sobre los datos de salida 23b del módulo de análisis 13b. Lo mismo se aplica para los datos de funcionamiento variables 17b del generador 31, del que se puede esperar que se modifique el comportamiento de funcionamiento del sistema de refrigeración 29 y, por lo tanto, los datos de salida 23a de módulo de análisis 13a.

Para seguir la pista y cuantificar tales correlaciones está previsto, por lo demás, el otro algoritmo 25 basado en KI.

Este se puede configurar, por ejemplo, como otro algoritmo genético, que genera otros datos de salida 27, que comprenden informaciones que se extienden más allá del sistema, es decir, que van más allá de la caracterización del comportamiento de uno de los sistemas y contienen especialmente informaciones sobre la colaboración de los sistemas 29 y 31 y sus dependencias mutuas.

El otro algoritmo 25 basado en KI es en este caso, por lo tanto, competente para la identificación y establecimiento de relaciones de orden superior, que se extienden más allá del sistema. Estas relaciones pueden comprender, por ejemplo, ecuaciones, curvas características o redes neuronales, que se generan o son definidas con parámetros por el otro algoritmo 25 basado en KI.

La estrategia para la identificación y establecimiento de tales relaciones que se extienden más allá del sistema puede ser en este caso similar a la que se aplica en la identificación y establecimiento, mencionados con relación a la figura 2, de otras relaciones internas del sistema a través de los algoritmos 21a, 21b basados en KI.

Por medio de un dispositivo de acuerdo con la invención y de un procedimiento de acuerdo con la invención debe ser especialmente posible llevar a cabo sin medios de diagnosis costosos, a partir de los datos de funcionamiento y datos de la estructura presentes de un sistema, unas manifestaciones sobre el comportamiento del sistema especialmente sobre el comportamiento futuro.

A tal fin está previsto un modelo dinámico del sistema, que se adapta de forma automática, que se mejora por medio de un algoritmo basado en KI durante el funcionamiento.

El algoritmo 21 basado en KI se utiliza especialmente para buscar relaciones en los datos de funcionamiento y/o datos de la estructura la mayoría de las veces disponibles de todo modos de una instalación técnica, que son procesados, por ejemplo en un sistema de mando, y para integrar las relaciones identificadas en este caso en el modelo dinámico para mejorarlo paso a paso.

Por lo tanto, no es necesario que esté presente un modelo analítico del sistema o de la instalación técnica. En su lugar, a partir, por ejemplo, de una curva característica muy sencilla de un campo de curvas características y/o de ecuaciones sencillas se mejora el modelo paso a paso a través de un análisis de correlaciones de los datos de funcionamiento y de los datos de la estructura por medio del algoritmo basado en KI bajo el establecimiento de las correlaciones calculadas de esta manera, por ejemplo en forma de otras curvas características, ecuaciones, etc.

A diferencia de los dispositivos de supervisión y de diagnosis convencionales, el presente dispositivo se basa de una manera preferida en un método basado en datos, siendo seguidas las dependencias entre las partes de datos de funcionamiento presentes y/o entre las partes de datos de la estructura de una instalación técnica con métodos de la inteligencia artificial y siendo establecidas como relaciones cuantificadas, por ejemplo ecuaciones y/o curvas características, de manera que se obtiene un modelo dinámico exacto al menos de un sistema de la instalación técnica.

Claims (13)

1. Dispositivo (1) para la supervisión de una instalación técnica (2) que comprende varios sistemas, especialmente de una central eléctrica, con:

\bullet

al menos un módulo de análisis (13, 13a, 13b), que comprende un modelo dinámico (15) de al menos un sistema (3, 5, 7, 9, 11) de la instalación técnica (2)m en el que se pueden alimentar al módulo de análisis (13, 13a, 13b) datos de funcionamiento (17, 17a, 17b) o datos de funcionamiento y/o datos de la estructura (17, 17a, 17b, 19, 19a, 19b) de la instalación técnica (2) como datos de entrada, y

\bullet

al menos un algoritmo (21, 21a, 21b) basado en KI abarcado por el módulo de análisis (13, 13a, 13b), por medio del cual se puede mejorar el modelo dinámico (15) del sistema (3, 5, 7, 9, 11) durante el funcionamiento del sistema (3, 5, 7, 9, 11),

en el que por medio del módulo de análisis (13, 13a, 13b) se pueden determinar datos de salida (23, 23a, 23b), que caracterizan el comportamiento de funcionamiento momentáneo y/o futuro del sistema (3, 5, 7, 8, 9, 11),

caracterizado porque el algoritmo basado en KI busca en los datos de funcionamiento (17, 17a, 17b) o en los datos de funcionamiento y/o datos de la estructura (17, 17a, 17b, 19, 19a, 19b) del sistema las dependencias entre los datos de funcionamiento (17, 17a, 17b) o los datos de funcionamiento y/o los datos de la estructura (17, 17a, 17b, 19, 19a, 19b) por medio de los métodos de la inteligencia artificial e integra las relaciones identificadas en este caso en el modelo dinámico (15) como nuevas relaciones y de esta manera las mejora.

2. Dispositivo (1) de acuerdo con la reivindicación 1, caracterizado porque la mejora del modelo dinámico (15) comprende la identificación de aquellos datos de entrada que no están utilizados con anterioridad todavía por el modelo dinámico (15) y porque con la ayuda de estos datos de entrada se puede ampliar el modelo dinámico (15).

3. Dispositivo (1) de acuerdo con la reivindicación 1 ó 2, en el que el modelo dinámico (15) comprende uno o varios elementos del grupo (curva característica, ecuación física, red neuronal Lógica Fuzzy, algoritmo genético).

4. Dispositivo (1) de acuerdo con una de las reivindicaciones 1 a 3, en el que el modelo dinámico (15) comprende al menos una red neuronal, que se puede entrenar con datos históricos del funcionamiento del sistema (3, 5, 7, 9, 11).

5. Dispositivo (1) de acuerdo con una de las reivindicaciones 1 a 4, caracterizado porque están presentes una pluralidad de módulos de análisis (13, 13a, 13b), que comprenden en cada caso un modelo dinámico (15) de al menos un sistema (3, 5, 7, 9, 11) de la instalación técnica (2) y porque está previsto al menos otro algoritmo basado en KI (25), por medio del cual se pueden determinar las correlaciones al menos entre los datos de entrada y/o los datos de salida de un primer módulo de análisis y los datos de entrada y/o los datos de salida de un segundo módulo de análisis (13, 13a, 13b).

6. Dispositivo (1) de acuerdo con la reivindicación 5, caracterizado porque por medio de las correlaciones se pueden determinar otros datos de salida (27), que caracterizan el comportamiento de funcionamiento momentáneo y/o futuro de la instalación técnica (1), conteniendo estos otros datos de salida (27) informaciones que se extienden más allá del sistema.

7. Dispositivo (1) de acuerdo con una de las reivindicaciones 1 a 6, en el que los datos de funcionamiento (17, 17a, 17b) y/o los datos de la estructura (19, 19a, 19b) de la instalación técnica (2) comprenden una o varias informaciones del grupo (datos del proceso, mensajes de funcionamiento, mensajes de alarma, mensajes de averías, notas de observación, comentarios, estructura de la instalación técnica, jerarquía de los componentes de las instalaciones).

8. Dispositivo (1) de acuerdo con una de las reivindicaciones 1 a 7, en el que los datos de funcionamiento (17, 17a, 17b) y/o los datos de la estructura (19, 19a, 19b) de la instalación técnica comprende datos momentáneos y/o datos históricos de la instalación técnica (2).

9. Dispositivo (1) de acuerdo con una de las reivindicaciones 1 a 8, en el que los datos de funcionamiento (17, 17a, 17b) y/o los datos de la estructura (19, 19a, 19b) de la instalación técnica (2) están preparados por un sistema de control de procesos de la instalación técnica (2).

10. Procedimiento para la supervisión de una instalación técnica (2) que comprende varios sistemas, especialmente de una central eléctrica, con las siguientes etapas:

\bullet

se alimentan a un modelo dinámico de al menos un sistema (3, 5, 7, 9, 11) de la instalación técnica (2) los datos de funcionamiento (17, 17a, 17b) o los datos de funcionamiento y/o datos de la estructura (17, 17a, 17b, 19, 19a, 19b) de la instalación técnica (2) como datos de entrada,

\bullet

por medio de un algoritmo (21, 21a, 21b) basado en KI se mejora el modelo dinámico (15) del sistema (2, 5, 7, 9, 11) durante el funcionamiento del sistema (3, 5, 7, 9, 11), y

\bullet

por medio del modelo dinámico (15) se calculan datos de salida (27), que caracterizan el comportamiento de funcionamiento momentáneo y/o futuro del sistema (3, 5, 7, 9, 11), caracterizado porque en los datos de funcionamiento (17, 17a, 17b) o en los datos de funcionamiento y/o datos de la estructura (17, 17a, 17b, 19, 1911, 19b) del sistema (3, 5, 7, 9, 11) se buscan dependencias entre los datos de funcionamiento (17, 17a, 17b) o los datos de funcionamiento y/o datos de la estructura (17, 17a, 17b, 19, 19a, 19b) por medio de métodos de la inteligencia artificial y se integran las relaciones identificadas en este caso en el modelo dinámico como nuevas relaciones.

11. Procedimiento de acuerdo con la reivindicación 10, caracterizado porque la mejora del modelo dinámico (15) comprende la identificación de aquellos datos de entrada que no han sido utilizados todavía con anterioridad por el modelo dinámico (15), y porque con la ayuda de estos datos de entrada se puede ampliar el modelo dinámico (15).

12. Procedimiento de acuerdo con una de las reivindicaciones 10 u 11, caracterizado porque están previstos una pluralidad de modelos dinámicos (15), que describen en cada caso al menos un sistema (3, 5, 7, 9, 11) de la instalación técnica (2) y porque está previsto al menos otro algoritmo (21, 21a, 21b) basado en KI, por medio del cual se pueden calcular correlaciones entre los datos de entrada y/o los datos de salida de un primer modelo dinámico y los datos de entrada y/o los datos de salida de un segundo modelo dinámico (15).

13. Procedimiento de acuerdo con la reivindicación 12, caracterizado porque por medio de las correlaciones se pueden calcular otros datos de salida, que caracterizan el comportamiento de funcionamiento momentáneo y/o futuro de la instalación técnica (2), en el que estos otros datos de salida contienen informaciones que se extienden más allá del sistema.