JP5804918B2 - Simulation system, simulation execution method and program - Google Patents

Simulation system, simulation execution method and program Download PDF

Info

Publication number
JP5804918B2
JP5804918B2 JP2011263590A JP2011263590A JP5804918B2 JP 5804918 B2 JP5804918 B2 JP 5804918B2 JP 2011263590 A JP2011263590 A JP 2011263590A JP 2011263590 A JP2011263590 A JP 2011263590A JP 5804918 B2 JP5804918 B2 JP 5804918B2
Authority
JP
Japan
Prior art keywords
simulation
characteristic information
control law
unit
model
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.)
Expired - Fee Related
Application number
JP2011263590A
Other languages
Japanese (ja)
Other versions
JP2013117752A (en
Inventor
泰郎 藤島
泰郎 藤島
園田　隆
隆 園田
昭彦 齋藤
昭彦 齋藤
中村　愼祐
愼祐 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Heavy Industries Ltd
Original Assignee
Mitsubishi Heavy Industries Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Heavy Industries Ltd filed Critical Mitsubishi Heavy Industries Ltd
Priority to JP2011263590A priority Critical patent/JP5804918B2/en
Publication of JP2013117752A publication Critical patent/JP2013117752A/en
Application granted granted Critical
Publication of JP5804918B2 publication Critical patent/JP5804918B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E20/00—Combustion technologies with mitigation potential
    • Y02E20/16—Combined cycle power plant [CCPP], or combined cycle gas turbine [CCGT]

Landscapes

  • Engine Equipment That Uses Special Cycles (AREA)
  • Feedback Control In General (AREA)

Description

本発明は、シミュレーションシステム、シミュレーション実行方法およびプログラムに関する。   The present invention relates to a simulation system, a simulation execution method, and a program.

ガスタービンコンバインドサイクル（Gas Turbine Combine Cycle；ＧＴＣＣ）発電プラントの運転など、制御対象機器の制御において、制御技術の進歩などにより制御則を既に搭載されているものから変更したい場合がある。この際、みだりに制御則を変更して制御を行うと、意図しない動作や制御対象機器の故障などのトラブルが生じるおそれがある。
このため、制御則を変更する前に、変更後の制御則を用いて制御対象機器を不具合無く制御できるか否かを評価する必要がある。また、変更後の制御則が変更前（現在使用中）の制御則に対して優位でなければ制御則を変更する意味がないことから、変更後の制御則の優位性を定量的に評価する必要もある。 In the control of control target equipment such as operation of a gas turbine combined cycle (GTCC) power plant, there is a case where it is desired to change the control law from what is already installed due to advancement of control technology. At this time, if control is performed by changing the control law unnecessarily, troubles such as unintended operation and failure of the control target device may occur.
For this reason, before changing a control law, it is necessary to evaluate whether a control object apparatus can be controlled without a defect using the changed control law. In addition, if the control law after the change is not superior to the control law before the change (currently in use), there is no point in changing the control law, so the superiority of the control law after the change is quantitatively evaluated. There is also a need.

これらの評価を行う方法として、制御対象機器の動作を模擬するモデルを用いて、変更後の制御則を用いた場合のシミュレーションを行い、シミュレーション結果に基づいて評価を行うことが考えられる。その際、ガスタービンモデルなど経年によって特性が変化するモデルに対して、カルマンフィルタを用いてモデル調整を行うことで、シミュレーション精度を高めることが考えられる（特許文献１参照）。   As a method for performing these evaluations, it is conceivable to perform a simulation using the control law after the change using a model that simulates the operation of the control target device, and perform the evaluation based on the simulation result. At that time, it is conceivable to increase the simulation accuracy by performing model adjustment using a Kalman filter on a model whose characteristics change over time, such as a gas turbine model (see Patent Document 1).

図７は、ガスタービンに適用する新しい制御則を評価するためのシミュレーションシステムの概略構成例を示す説明図である。
同図に示すシミュレーションシステム１００１は、ガスタービン実機１９０１を模擬する同一のタービンモデル１１１１および１１１２を具備する。そして、タービンモデル１１１１には新しい制御則１１０１に基づく制御入力を与えてシミュレーションを行い、タービンモデル１１１２には実機に適用中の制御則１１０２に基づく制御入力を与えてシミュレーションを行う。新しい制御則の評価者は、タービンモデル１１１１の出力データ（シミュレーション結果）と、タービンモデル１１１２の出力データとを比較することで、新しい制御則を評価することができる。 FIG. 7 is an explanatory diagram showing a schematic configuration example of a simulation system for evaluating a new control law applied to a gas turbine.
The simulation system 1001 shown in the figure includes the same turbine models 1111 and 1112 that simulate the actual gas turbine 1901. The turbine model 1111 is supplied with a control input based on a new control law 1101 and a simulation is performed. The turbine model 1112 is supplied with a control input based on a control law 1102 being applied to an actual machine and simulation is performed. The evaluator of the new control law can evaluate the new control law by comparing the output data (simulation result) of the turbine model 1111 and the output data of the turbine model 1112.

ここで、タービンモデル１１１１および１１１２は、適応的なモデル（すなわち、モデル特性を調整して用いるモデル）であり、ガスタービン実機１９０１に設置されたセンサ等から得られる実機データの測定値と、タービンモデル１１１２が行うシミュレーションで得られる実機データの推定値とに基づいて、モデルパラメータを調整することで、経年によるタービン特性の変化をモデルに反映している。
このモデルパラメータは、ガスタービン実機１９０１の特性を示す特性値のベクトルであり、タービンの効率など直接測定できない値が含まれている。このように直接測定できない値を推定する方法として、カルマンフィルタを用いる方法が知られており、シミュレーションシステム１００１は、カルマンフィルタ１１３１を用いてモデルパラメータの値を求めている。 Here, the turbine models 1111 and 1112 are adaptive models (that is, models that are used by adjusting model characteristics), measured values of actual machine data obtained from sensors installed in the gas turbine actual machine 1901, turbines, and the like. Changes in turbine characteristics over time are reflected in the model by adjusting model parameters based on estimated values of actual machine data obtained by simulation performed by the model 1112.
This model parameter is a vector of characteristic values indicating the characteristics of the actual gas turbine 1901, and includes values that cannot be directly measured, such as turbine efficiency. As a method for estimating a value that cannot be directly measured in this way, a method using a Kalman filter is known, and the simulation system 1001 uses the Kalman filter 1131 to obtain the value of a model parameter.

特開２００９−１６２２３０号公報JP 2009-162230 A

しかしながら、カルマンフィルタを用いてタービンの効率などモデルパラメータの値を算出することにより、当該モデルパラメータの状態遷移モデルが線形である（すなわち、制御対象実機の特性変化が線形である）と仮定することになる。具体的には、まず、モデルパラメータの状態方程式について、式（１）のように線形性を仮定することになる。   However, by calculating the value of a model parameter such as turbine efficiency using a Kalman filter, it is assumed that the state transition model of the model parameter is linear (that is, the characteristic change of the real machine to be controlled is linear). Become. Specifically, first, linearity is assumed for the state equation of the model parameter as shown in Equation (1).

Figure 0005804918
Figure 0005804918

また、モデルパラメータの値と実機データの値との関係を示す出力方程式についても、式（２）のように線形性を仮定することになる。   Also, the linearity of the output equation indicating the relationship between the model parameter value and the actual machine data value is assumed as in Expression (2).

Figure 0005804918
Figure 0005804918

ここで、変数ｔは現在の時刻（モデル調整用データの値が既知の時刻）を示す。
そして、ベクトルｘｔとベクトルｘｔ＋１とは、それぞれ、現在の時刻におけるモデル調整用データと、その次の時刻（モデル調整用データの値を求めたい時刻ｔ＋１）におけるモデル調整用データとを示す。また、ベクトルｙｔは、時刻ｔにおける実機データ（センサを用いて測定されるデータ）を示す。
また、ベクトルｗｔとｖｔとは、それぞれ、時刻ｔにおけるシステム雑音と観測雑音とを示す。また、行列ＦｔとＧｔとＨｔとは、それぞれシステムの特性を表すパラメータからなる行列である。特に、正方行列Ｆｔは、状態遷移行列と呼ばれている。
なお、式中において、ベクトルおよび行列を太字で表記している。一方、明細書の文中では、太字表記を省略している。 Here, the variable t indicates the current time (time when the value of the data for model adjustment is known).
The vector x t and the vector x t + 1 indicate the model adjustment data at the current time and the model adjustment data at the next time (time t + 1 at which the value of the model adjustment data is to be obtained), respectively. Furthermore, the vector y t denotes the actual data at time t (data measured using the sensor).
Vectors w t and v t indicate system noise and observation noise at time t, respectively. Further, the matrices F t , G t, and H t are matrices made up of parameters representing the characteristics of the system, respectively. In particular, the square matrix F t is called a state transition matrix.
In the equations, vectors and matrices are shown in bold. On the other hand, bold notation is omitted in the text of the specification.

加えて、カルマンフィルタを用いてタービンの効率などモデルパラメータの値を算出することにより、システム雑音ｗｔがガウス分布に従うことも仮定することになる。 In addition, by calculating model parameter values such as turbine efficiency using a Kalman filter, it is also assumed that the system noise w t follows a Gaussian distribution.

これに対して、モデルパラメータの状態遷移モデルは、一般には線形とは限らない。すなわち、まず、モデルパラメータの状態方程式は、式（３）のように表され、式（１）のような線形のものに限らない。   On the other hand, the model parameter state transition model is not always linear. That is, first, the state equation of the model parameter is expressed as in Expression (3) and is not limited to a linear one as in Expression (1).

Figure 0005804918
Figure 0005804918

また、出力方程式についても、式（４）のように表され、式（２）のような線形のものに限らない。   Also, the output equation is expressed as shown in Equation (4) and is not limited to a linear one as shown in Equation (2).

Figure 0005804918
Figure 0005804918

さらに、システム雑音ｗｔについても、一般にはガウス分布に従うとは限らず、様々な分布となり得る。 Further, the system noise w t generally does not always follow a Gaussian distribution but can have various distributions.

このような、仮定と実際との相違により、シミュレーションを適切に行えなくなってしまうおそれがある。すなわち、モデルパラメータの状態方程式または出力方程式が非線形の場合や、システム雑音ｗｔがガウス分布以外の分布に従う場合、カルマンフィルタ１１３１の生成するモデルパラメータが、ガスタービン実機１９０１の特性を正しく反映していないものとなるおそれがある。そのために、タービンモデル１１１１および１１１２のモデル特性を適切に調整できなくなると、これらタービンモデル１１１１および１１１２の出力する実機データの推定値（シミュレーション結果）の精度も低下してしまう。 Due to the difference between the assumption and the actual situation, the simulation may not be performed properly. That is, when the state equation or output equation of the model parameter is nonlinear or when the system noise w t follows a distribution other than the Gaussian distribution, the model parameter generated by the Kalman filter 1131 does not correctly reflect the characteristics of the actual gas turbine 1901. There is a risk of becoming something. Therefore, if the model characteristics of the turbine models 1111 and 1112 cannot be adjusted appropriately, the accuracy of the estimated values (simulation results) of the actual machine data output from the turbine models 1111 and 1112 also decreases.

このように、制御対象機器のシミュレーションを適切に行えないと、変更後の制御則の評価を適切に行うことができず、ひいては、制御則を変更した際のトラブルを防止できないおそれがある。   As described above, if the simulation of the control target device cannot be performed properly, it is not possible to appropriately evaluate the control law after the change, and as a result, it may not be possible to prevent trouble when the control law is changed.

本発明は、このような事情を考慮してなされたものであり、その目的は、評価対象の制御則（新しい制御則）を、より適切に評価することのできるシミュレーションシステム、シミュレーション実行方法およびプログラムを提供することにある。   The present invention has been made in view of such circumstances, and the object thereof is a simulation system, a simulation execution method, and a program capable of more appropriately evaluating a control law (new control law) to be evaluated. Is to provide.

この発明は上述した課題を解決するためになされたもので、本発明の一態様によるシミュレーションシステムは、制御対象実機を模擬するモデルに対して第１制御則を適用してシミュレーションを行う第１シミュレーション部、及び、前記制御対象実機に適用されている制御則である第２制御則を前記モデルに対して適用してシミュレーションを行う第２シミュレーション部を具備するシミュレーション部と、前記制御対象実機での測定値を粒子フィルタに入力して前記制御対象実機の特性情報を求める特性情報取得部と、前記特性情報に基づいて前記モデルを調整するモデル調整部と、前記第１シミュレーション部のシミュレーション結果と、前記第２シミュレーション部のシミュレーション結果とに基づいて、前記第１制御則の評価用データを生成する評価用データ生成部と、を具備することを特徴とする。 The present invention has been made to solve the above-described problems, and a simulation system according to an aspect of the present invention applies a first control law to a model simulating a real machine to be controlled to perform a first simulation. And a simulation unit including a second simulation unit that performs simulation by applying a second control law, which is a control law applied to the control target real machine, to the model, and the control target real machine A characteristic information acquisition unit that inputs measurement values into a particle filter to obtain characteristic information of the real machine to be controlled, a model adjustment unit that adjusts the model based on the characteristic information, a simulation result of the first simulation unit, Based on the simulation result of the second simulation unit, an evaluation data for the first control law is obtained. Characterized by comprising the evaluation data generation unit for generating data, a.

また、本発明の一態様によるシミュレーションシステムは、上述のシミュレーションシステムであって、前記特性情報取得部は、前記制御対象実機から得られたデータに基づいて構築された前記粒子フィルタを用いて前記制御対象実機の特性情報を求めることを特徴とする。   The simulation system according to an aspect of the present invention is the above-described simulation system, wherein the characteristic information acquisition unit uses the particle filter constructed based on data obtained from the control target real machine. It is characterized by obtaining characteristic information of the target actual machine.

また、本発明の一態様によるシミュレーションシステムは、上述のシミュレーションシステムであって、前記シミュレーション部のシミュレーション結果に基づいて、前記制御対象実機のメンテナンス推奨時期を決定するメンテナンス推奨時期決定部を具備することを特徴とする。   A simulation system according to an aspect of the present invention is the above-described simulation system, and includes a recommended maintenance time determination unit that determines a recommended maintenance time for the real machine to be controlled based on a simulation result of the simulation unit. It is characterized by.

また、本発明の一態様によるシミュレーションシステムは、上述のシミュレーションシステムであって、前記第１シミュレーション部のシミュレーション結果に基づいて、前記第１制御則を変更する制御則変更部を具備することを特徴とする。   A simulation system according to an aspect of the present invention is the above-described simulation system, including a control law changing unit that changes the first control law based on a simulation result of the first simulation unit. And

また、本発明の一態様によるシミュレーションシステムは、上述のシミュレーションシステムであって、前記シミュレーションシステムは、前記制御対象実機を制御する制御装置とは別に設けられた計算機を用いて実現されることを特徴とする。   A simulation system according to an aspect of the present invention is the above-described simulation system, wherein the simulation system is realized using a computer provided separately from a control device that controls the real machine to be controlled. And

また、本発明の一態様によるシミュレーション実行方法は、制御対象実機を模擬するシミュレーション実行方法であって、前記制御対象実機を模擬するモデルに対して第１制御則を適用してシミュレーションを行う第１シミュレーションステップ、及び、前記制御対象実機に適用されている制御則である第２制御則を前記モデルに対して適用してシミュレーションを行う第２シミュレーションステップを含むシミュレーションステップと、前記制御対象実機での測定値を粒子フィルタに入力して前記制御対象実機の特性情報を求める特性情報取得ステップと、前記特性情報に基づいて前記モデルを調整するモデル調整ステップと、前記第１シミュレーションステップでのシミュレーション結果と、前記第２シミュレーションステップでのシミュレーション結果とに基づいて、前記第１制御則の評価用データを生成する評価用データ生成ステップと、を具備することを特徴とする。 A simulation execution method according to an aspect of the present invention is a simulation execution method for simulating a real machine to be controlled. The simulation is performed by applying a first control law to a model simulating the real machine to be controlled. A simulation step, and a simulation step including a second simulation step for performing simulation by applying a second control law, which is a control law applied to the control target real machine, to the model ; and A characteristic information obtaining step for obtaining characteristic information of the actual machine to be controlled by inputting a measurement value to a particle filter, a model adjusting step for adjusting the model based on the characteristic information, and a simulation result in the first simulation step, , Spots in the second simulation step Based on the configuration result, characterized by comprising an evaluation data generation step of generating evaluation data of the first control law.

また、本発明の一態様によるプログラムは、コンピュータに、制御対象実機を模擬するモデルに対して第１制御則を適用してシミュレーションを行う第１シミュレーションステップ、及び、前記制御対象実機に適用されている制御則である第２制御則を前記モデルに対して適用してシミュレーションを行う第２シミュレーションステップを含むシミュレーションステップと、前記制御対象実機での測定値を粒子フィルタに入力して前記制御対象実機の特性情報を求める特性情報取得ステップと、前記特性情報に基づいて前記モデルを調整するモデル調整ステップと、前記第１シミュレーションステップでのシミュレーション結果と、前記第２シミュレーションステップでのシミュレーション結果とに基づいて、前記第１制御則の評価用データを生成する評価用データ生成ステップと、を実行させるためのプログラムである。 In addition, a program according to an aspect of the present invention is applied to a computer, a first simulation step in which a simulation is performed by applying a first control law to a model that simulates a real machine to be controlled, and the real machine to be controlled. A simulation step including a second simulation step for performing simulation by applying a second control law, which is a control law, to the model, and a measured value of the control target real machine is input to a particle filter to input the control target real machine A characteristic information acquisition step for obtaining the characteristic information, a model adjustment step for adjusting the model based on the characteristic information , a simulation result in the first simulation step, and a simulation result in the second simulation step. The data for evaluating the first control law And evaluation data generation step of generating to a program for execution.

本発明によれば、評価対象の制御則を、より適切に評価することができる。   According to the present invention, the control law to be evaluated can be more appropriately evaluated.

本発明の一実施形態におけるＧＴＣＣ発電システムの機器構成を示す概略構成図である。It is a schematic block diagram which shows the apparatus structure of the GTCC power generation system in one Embodiment of this invention. 同実施形態におけるＧＴＣＣ設備の機器構成を示す概略構成図である。It is a schematic block diagram which shows the apparatus structure of the GTCC facility in the same embodiment. 同実施形態においてシミュレーションシステム用計算機が実現するシミュレーションシステムの機能構成を示す概略ブロック図である。It is a schematic block diagram which shows the function structure of the simulation system which the computer for simulation systems implement | achieves in the embodiment. 同実施形態において、シミュレーションシステムが、実機データの測定値に基づいてＧＴＣＣ設備のモデルを調整する処理手順の例を示すフローチャートである。In the same embodiment, it is a flowchart which shows the example of the process sequence which a simulation system adjusts the model of GTCC equipment based on the measured value of real machine data. 同実施形態において、特性情報取得部が、特性情報の予測値サンプルの値に基づいて重みの値を求める処理手順を示すフローチャートである。In the embodiment, the characteristic information acquisition unit is a flowchart illustrating a processing procedure for obtaining a weight value based on a predicted value sample value of characteristic information. 同実施形態おけるシミュレーションシステムの各部のうち、本発明の最小構成を示す概略ブロック図である。It is a schematic block diagram which shows the minimum structure of this invention among each part of the simulation system in the embodiment. ガスタービンに適用する新しい制御則を評価するためのシミュレーションシステムの概略構成例を示す説明図である。It is explanatory drawing which shows the example of schematic structure of the simulation system for evaluating the new control law applied to a gas turbine.

以下、図面を参照して、本発明の実施の形態について説明する。以下では、本発明に係るシミュレーションシステムを用いてＧＴＣＣ（Gas Turbine Combined Cycle1、ガスタービンコンバインドサイクル）設備の制御則を評価する場合について説明する。但し、本発明に係るシミュレーションシステムの適用対象は、ＧＴＣＣ設備およびその制御則に限らない。本発明は、制御則を変更可能な様々な制御対象機器について、当該制御対象機器に適用する制御則の評価に用いることができる。   Embodiments of the present invention will be described below with reference to the drawings. Below, the case where the control law of GTCC (Gas Turbine Combined Cycle1, gas turbine combined cycle) equipment is evaluated using the simulation system concerning the present invention is explained. However, the application target of the simulation system according to the present invention is not limited to the GTCC facility and its control law. The present invention can be used for evaluation of a control law applied to a control target device for various control target devices whose control law can be changed.

図１は、本発明の一実施形態におけるＧＴＣＣ発電システムの機器構成を示す概略構成図である。同図において、ＧＴＣＣ発電システム９００は、ＧＴＣＣ設備９０１と、制御装置９０２と、シミュレーションシステム用計算機９０３と、端末装置９０４とを具備する。
ＧＴＣＣ発電システム９００は、例えば天然ガスなどの燃料を燃焼させて発電を行う。
ＧＴＣＣ設備９０１は、本発明における制御対象実機の一例であり、制御装置９０２の制御に従って発電を行う。ここでいう制御対象実機は、制御対象機器の実機である。シミュレーションにおける制御対象機器と区別するために、制御対象実機と表記している。 FIG. 1 is a schematic configuration diagram showing a device configuration of a GTCC power generation system according to an embodiment of the present invention. In the figure, a GTCC power generation system 900 includes a GTCC facility 901, a control device 902, a simulation system computer 903, and a terminal device 904.
The GTCC power generation system 900 generates power by burning a fuel such as natural gas.
The GTCC facility 901 is an example of a real machine to be controlled in the present invention, and generates power according to the control of the control device 902. The actual control target machine here is an actual control target apparatus. In order to distinguish from the control target device in the simulation, it is described as a control target real machine.

図２は、ＧＴＣＣ設備９０１の機器構成を示す概略構成図である。同図に示すＧＴＣＣ設備９０１において、燃料ガスヒータ（Fuel Gas Heater；ＦＧＨ）入口７０１から入力された燃料ガス（例えば天然ガス）は、燃料ガスヒータ入口バイパス弁７０２や、燃料ガスヒータ７０３や、遮断弁７０４等を経由した後、メイン燃料系統と、パイロット燃料系統と、トップハット燃料系統とに分岐される。   FIG. 2 is a schematic configuration diagram showing a device configuration of the GTCC facility 901. In the GTCC facility 901 shown in the figure, fuel gas (for example, natural gas) input from a fuel gas heater (FGH) inlet 701 is a fuel gas heater inlet bypass valve 702, a fuel gas heater 703, a shutoff valve 704, and the like. After passing through, the main fuel system, the pilot fuel system, and the top hat fuel system are branched.

ここで、メイン燃料は、燃焼ガスを生成するために燃焼器７４４に供給される燃料であり、パイロット燃料やトップハット燃料と区別してメイン燃料と称される。パイロット燃料は、ガスタービン７４０の起動時に、メイン燃料に先立って燃焼器７４４に供給される燃料である。トップハット燃料は、燃料混合気における燃料濃度の均一化を図るために燃焼器７４４に供給される燃料である。   Here, the main fuel is fuel that is supplied to the combustor 744 to generate combustion gas, and is referred to as main fuel to distinguish it from pilot fuel and top hat fuel. The pilot fuel is fuel that is supplied to the combustor 744 prior to the main fuel when the gas turbine 740 is started. The top hat fuel is a fuel supplied to the combustor 744 in order to make the fuel concentration in the fuel mixture uniform.

パイロット燃料系統では、パイロット圧力調節弁７１１が圧力を調整した混合燃料ガスが、パイロット弁間配管７１２を経由してパイロット流量調節弁７１３に入力される。パイロット流量調節弁７１３は、入力される混合燃料ガスの流量を調節して出力する。パイロット流量調節弁７１３が出力した混合燃料ガスは、パイロットマニホールド７１４で分岐されて、パイロットノズル７１５の有する複数のノズルから、燃焼器７４４の燃焼室内に供給される。   In the pilot fuel system, the mixed fuel gas whose pressure is adjusted by the pilot pressure adjusting valve 711 is input to the pilot flow rate adjusting valve 713 via the pilot valve piping 712. The pilot flow rate adjustment valve 713 adjusts and outputs the flow rate of the input mixed fuel gas. The mixed fuel gas output from the pilot flow control valve 713 is branched by the pilot manifold 714 and supplied into the combustion chamber of the combustor 744 from a plurality of nozzles of the pilot nozzle 715.

また、メイン燃料系統では、メイン圧力調節弁主弁７２１ａおよびメイン圧力調節弁補助弁７２１ｂが圧力を調整した混合燃料ガスが、メイン弁間配管７２２を経由してメイン流量調節弁７２３に入力される。メイン流量調節弁７２３は、入力される混合燃料ガスの流量を調節して出力する。メイン流量調節弁７２３が出力した混合燃料ガスは、メインマニホールド７２４で分岐されて、メインノズル７２５の有する複数のノズルから、燃焼器７４４の燃焼室内に供給される。   In the main fuel system, the mixed fuel gas whose pressure is adjusted by the main pressure adjustment valve main valve 721a and the main pressure adjustment valve auxiliary valve 721b is input to the main flow rate adjustment valve 723 via the inter-main valve pipe 722. . The main flow rate adjustment valve 723 adjusts and outputs the flow rate of the input mixed fuel gas. The mixed fuel gas output from the main flow rate adjusting valve 723 is branched by the main manifold 724 and supplied from the plurality of nozzles of the main nozzle 725 into the combustion chamber of the combustor 744.

また、トップハット燃料系統では、トップハット圧力調節弁７３１が圧力を調整した混合燃料ガスがトップハット弁間配管７３２を経由してトップハット流量調節弁７３３に入力される。トップハット流量調節弁７３３は、入力される混合燃料ガスの流量を調節して出力する。トップハット流量調節弁７３３が出力した混合燃料ガスは、トップハットマニホールド７３４で分岐されて、トップハットノズル７３５の有する複数のノズルから、燃焼器７４４の燃焼室内に供給される。   In the top hat fuel system, the mixed fuel gas whose pressure is adjusted by the top hat pressure adjusting valve 731 is input to the top hat flow rate adjusting valve 733 via the top hat inter-valve pipe 732. The top hat flow rate adjusting valve 733 adjusts and outputs the flow rate of the input mixed fuel gas. The mixed fuel gas output from the top hat flow control valve 733 is branched by the top hat manifold 734 and supplied into the combustion chamber of the combustor 744 from a plurality of nozzles of the top hat nozzle 735.

一方、ガスタービン７４０は、発電機７６０と回転軸７７０にて結合されている。そして、ガスタービン７４０は、燃料（燃料ガス）の供給を受けて燃焼させて燃焼ガスを生成し、燃焼ガスを作動ガスとして回転駆動する。
圧縮機７４２は、外気を圧縮して圧縮空気を燃焼器７４４に供給する。入口案内翼（Inlet Guide Vane；ＩＧＶ）７４１は、自らの角度を変えることにより、圧縮機７４２が吸入する外気量を調整する。
バイパス弁７４３は、その開度に応じて圧縮機７４２からの圧縮空気の一部をバイパスすることにより、燃焼器７４４に供給される圧縮空気量を調整する。 On the other hand, the gas turbine 740 is coupled to a generator 760 with a rotating shaft 770. The gas turbine 740 receives the supply of fuel (fuel gas) and burns it to generate combustion gas, and rotationally drives the combustion gas as working gas.
The compressor 742 compresses the outside air and supplies the compressed air to the combustor 744. An inlet guide vane (IGV) 741 adjusts the amount of outside air taken in by the compressor 742 by changing its own angle.
The bypass valve 743 adjusts the amount of compressed air supplied to the combustor 744 by bypassing a part of the compressed air from the compressor 742 according to the opening degree.

燃焼器７４４は、圧縮機７４２から供給される圧縮空気と燃料とを混合させて燃焼させることで燃焼ガスを生成し、生成した燃焼ガスをタービン７４５に供給する。
タービン７４５は、燃焼器７４４から供給される燃焼ガスを作動ガスとして回転駆動する。 The combustor 744 generates combustion gas by mixing and burning the compressed air supplied from the compressor 742 and fuel, and supplies the generated combustion gas to the turbine 745.
The turbine 745 is rotationally driven using the combustion gas supplied from the combustor 744 as a working gas.

蒸気タービン７５０の高圧タービン７５１には、ガスタービン７４０の排ガスを用いて生成された蒸気（高圧蒸気）が、高圧蒸気加減弁（High Pressure Steam Control Valve；ＨＰＣＶ）７５３を通して供給される。また、低圧タービン７５２には、高圧タービン７５１から出力されて再加熱された蒸気（低圧蒸気）が、インターセプト弁（Intercept Valve；ＩＣＶ）や低圧蒸気加減弁（Low Pressure Steam Control Valve；ＬＰＣＶ）を通して供給される。蒸気タービン７５０は、これらの蒸気によって回転駆動する。   Steam (high pressure steam) generated using the exhaust gas of the gas turbine 740 is supplied to the high pressure turbine 751 of the steam turbine 750 through a high pressure steam control valve (HPV) 753. Further, steam (low pressure steam) output from the high pressure turbine 751 and reheated is supplied to the low pressure turbine 751 through an intercept valve (ICV) or a low pressure steam control valve (LPCV). Is done. The steam turbine 750 is rotationally driven by these steams.

回転軸７７０は、ガスタービン７４０（圧縮機７４２およびタービン７４５）と蒸気タービン７５０（高圧タービン７５１および低圧タービン７５２）と発電機７６０とを結合し、ガスタービン７４０や蒸気タービン７５０が回転駆動して生成する回転力を、圧縮機７４２と発電機７６０とに伝達する。
発電機７６０は、タービン７４５の生成する回転力によって回転し発電する。
ＧＴＣＣ設備９０１では、経年変化等により、例えば圧縮機７４２の翼に汚れが付着して吸気量が低下し燃焼効率が低下するなど、各種効率をはじめとする特性が変化する。 The rotating shaft 770 couples the gas turbine 740 (the compressor 742 and the turbine 745), the steam turbine 750 (the high-pressure turbine 751 and the low-pressure turbine 752), and the generator 760, and the gas turbine 740 and the steam turbine 750 are driven to rotate. The generated rotational force is transmitted to the compressor 742 and the generator 760.
The generator 760 rotates and generates power by the rotational force generated by the turbine 745.
In the GTCC facility 901, characteristics such as various efficiencies are changed due to secular change or the like, for example, dirt is attached to the blades of the compressor 742, the intake amount is reduced, and the combustion efficiency is lowered.

制御装置９０２は、ＧＴＣＣ設備９０１の各部を制御する。
例えば、制御装置９０２は、メイン圧力調節弁主弁７２１ａやメイン圧力調節弁補助弁７２２ｂなど、燃料系統の各部を制御して燃焼器７４４への燃料供給を制御する。また、制御装置９０２は、入口案内翼７４１の角度やバイパス弁７４３の開度など空気系統の各部を制御して、燃焼器７４４への空気流入を制御する。このように制御装置９０２は、燃焼器７４４への燃料および空気を制御することにより、ガスタービン７４０の駆動力を制御し、また、燃焼器７４４において不完全燃焼や失火が発生しないよう制御する。また、制御装置９０２は、高圧蒸気加減弁７５３や低圧蒸気加減弁７５５の開度を制御するなど、蒸気系統の各部を制御して蒸気タービン７５０の駆動力を制御する。そして、制御装置９０２は、ガスタービン７４０および蒸気タービン７５０の駆動力を制御することにより、発電機７６０の発電量を制御する。 The control device 902 controls each part of the GTCC facility 901.
For example, the control device 902 controls each part of the fuel system such as the main pressure control valve main valve 721 a and the main pressure control valve auxiliary valve 722 b to control the fuel supply to the combustor 744. Further, the control device 902 controls each part of the air system such as the angle of the inlet guide vane 741 and the opening degree of the bypass valve 743 to control the inflow of air into the combustor 744. As described above, the control device 902 controls the driving force of the gas turbine 740 by controlling the fuel and air to the combustor 744, and controls the combustor 744 so that incomplete combustion and misfire do not occur. In addition, the control device 902 controls the driving force of the steam turbine 750 by controlling each part of the steam system, such as controlling the opening degree of the high pressure steam control valve 753 and the low pressure steam control valve 755. And the control apparatus 902 controls the electric power generation amount of the generator 760 by controlling the driving force of the gas turbine 740 and the steam turbine 750. FIG.

シミュレーションシステム用計算機９０３は、シミュレーションシステム用計算機９０３自らの具備する中央処理装置（Central Processing Unit；ＣＰＵ）が、シミュレーションシステム用計算機９０３自らの具備する記憶装置からプログラムを読み出して実行することにより、シミュレーションシステムを実現する。   The simulation system computer 903 performs a simulation by a central processing unit (CPU) included in the simulation system computer 903 itself reading out and executing a program from a storage device included in the simulation system computer 903 itself. Realize the system.

図３は、シミュレーションシステム用計算機９０３が実現するシミュレーションシステムの機能構成を示す概略ブロック図である。同図において、シミュレーションシステム１は、測定値取得部１０１と、制御装置通信部１０２と、端末通信部１０３と、特性情報取得部１１１と、モデル調整部１１２と、モデル記憶部１１３と、制御則記憶部１２１および１２２と、シミュレーション部（第１シミュレーション部）１３１と、シミュレーション部（第２シミュレーション部）１３２と、評価用データ生成部１４１と、制御則書換部１５１と、制御則出力部１６１とを具備する。   FIG. 3 is a schematic block diagram showing a functional configuration of the simulation system realized by the simulation system computer 903. In the figure, a simulation system 1 includes a measured value acquisition unit 101, a control device communication unit 102, a terminal communication unit 103, a characteristic information acquisition unit 111, a model adjustment unit 112, a model storage unit 113, a control law. Storage units 121 and 122, a simulation unit (first simulation unit) 131, a simulation unit (second simulation unit) 132, an evaluation data generation unit 141, a control law rewriting unit 151, a control law output unit 161, It comprises.

シミュレーションシステム１は、ＧＴＣＣ設備９０１のモデルに制御則を適用し、制御指令に基づくＧＴＣＣ設備９０１の動作を模擬して、当該制御則を評価するためのデータを生成する。また、シミュレーションシステム１は、ＧＴＣＣ設備９０１に設置されたセンサが測定する測定値（以下、「実機データの測定値」と称する）に基づいてモデルの調整（更新）を行う。
測定値取得部１０１は、ＧＴＣＣ設備９０１に設置されたセンサ等と通信を行って、当該センサ等から実機データの測定値を取得し、得られた実機データの測定値を特性情報取得部１１１に出力する。 The simulation system 1 applies a control law to the model of the GTCC facility 901, simulates the operation of the GTCC facility 901 based on the control command, and generates data for evaluating the control law. In addition, the simulation system 1 adjusts (updates) the model based on a measurement value (hereinafter referred to as “measurement value of actual machine data”) measured by a sensor installed in the GTCC facility 901.
The measurement value acquisition unit 101 communicates with a sensor or the like installed in the GTCC facility 901 to acquire a measurement value of actual machine data from the sensor or the like, and the measurement value of the obtained actual machine data is transmitted to the characteristic information acquisition unit 111. Output.

制御装置通信部１０２は、ＧＴＣＣ設備９０１を制御する制御装置と通信を行って、各種データを送受信する。特に、制御装置通信部１０２は、制御装置がＧＴＣＣ設備９０１に対して出力した制御指令を取得（受信）し、得られた制御指令をシミュレーション部１３１に出力する。
端末通信部１０３は、端末装置９０４と通信を行って、各種データを送受信する。特に、端末通信部１０３は、評価用データ生成部１４１から出力される評価用データを端末通信部１０３に送信する。 The control device communication unit 102 communicates with a control device that controls the GTCC facility 901 to transmit and receive various data. In particular, the control device communication unit 102 acquires (receives) a control command output from the control device to the GTCC facility 901, and outputs the obtained control command to the simulation unit 131.
The terminal communication unit 103 communicates with the terminal device 904 to transmit / receive various data. In particular, the terminal communication unit 103 transmits the evaluation data output from the evaluation data generation unit 141 to the terminal communication unit 103.

モデル記憶部１１３は、ＧＴＣＣ設備９０１のモデル（数式モデル）を記憶する。
制御則記憶部１２１は、評価対象となる制御則（第１制御則）を記憶する。
シミュレーション部１３１は、ＧＴＣＣ設備９０１を模擬するモデルに対して、評価対象となる制御則を適用してシミュレーションを行う。すなわち、シミュレーション部１３１は、モデル記憶部１１３からＧＴＣＣ設備９０１のモデルを読み出し、例えば一定時間毎にモデルの状態（具体的にはモデルが有する変数の値）を変化させる。また、シミュレーション部１３１は、制御装置通信部１０２から出力される制御指令に従って制御則記憶部１２１から制御則を読み出し、モデルに適用してモデルの状態を変化させる。そして、シミュレーション部１３１は、例えば一定時間毎にモデルの状態を示すデータ（例えば、ＧＴＣＣ設備９０１に設置されたセンサの測定値を模擬した推定値や、燃焼効率やタービン効率などＧＴＣＣ設備９０１における各種効率を示すデータなど）を出力する。 The model storage unit 113 stores a model (formula model) of the GTCC facility 901.
The control law storage unit 121 stores a control law (first control law) to be evaluated.
The simulation unit 131 performs simulation by applying a control law to be evaluated to a model that simulates the GTCC facility 901. That is, the simulation unit 131 reads the model of the GTCC facility 901 from the model storage unit 113 and changes the state of the model (specifically, the value of a variable included in the model), for example, at regular intervals. In addition, the simulation unit 131 reads the control law from the control law storage unit 121 according to the control command output from the control device communication unit 102, and applies the model to the model to change the model state. The simulation unit 131, for example, shows data indicating the state of the model at regular time intervals (for example, estimated values simulating measured values of sensors installed in the GTCC facility 901, various values in the GTCC facility 901 such as combustion efficiency and turbine efficiency). Output data showing efficiency).

制御則記憶部１２２は、ＧＴＣＣ設備９０１実機に適用されている制御則（すなわち、制御装置９０２が用いている制御則、第２制御則）を記憶する。
シミュレーション部１３２は、ＧＴＣＣ設備９０１を模擬するモデルに対して、ＧＴＣＣ設備９０１実機に適用されている制御則を適用してシミュレーションを行う。すなわち、シミュレーション部１３２は、モデル記憶部１１３からＧＴＣＣ設備９０１のモデルを読み出し、例えば一定時間毎にモデルの状態を変化させる。また、シミュレーション部１３２は、制御装置通信部１０２から出力される制御指令に従って制御則記憶部１２２から制御則を読み出し、モデルに適用してモデルの状態を変化させる。そして、シミュレーション部１３２は、例えば一定時間毎にモデルの状態を示すデータを出力する。 The control law storage unit 122 stores the control law applied to the actual GTCC equipment 901 (that is, the control law used by the control device 902, the second control law).
The simulation unit 132 performs simulation by applying a control law applied to the actual GTCC facility 901 to a model that simulates the GTCC facility 901. That is, the simulation unit 132 reads the model of the GTCC facility 901 from the model storage unit 113 and changes the state of the model at regular time intervals, for example. Further, the simulation unit 132 reads the control law from the control law storage unit 122 in accordance with the control command output from the control device communication unit 102, and applies the model to the model to change the model state. And the simulation part 132 outputs the data which show the state of a model for every fixed time, for example.

特性情報取得部１１１は、ＧＴＣＣ設備９０１での測定値を粒子フィルタに入力してＧＴＣＣ設備９０１の特性情報の値を推定する。
ここでいう特性情報は、機器の特性を示す情報である。本実施形態では、特性情報取得部１１１は、燃焼効率やタービン効率や圧縮機効率などＧＴＣＣ設備９０１における各種効率を特性情報として推定する。 The characteristic information acquisition unit 111 inputs the measurement value of the GTCC facility 901 to the particle filter and estimates the value of the characteristic information of the GTCC facility 901.
The characteristic information here is information indicating the characteristic of the device. In the present embodiment, the characteristic information acquisition unit 111 estimates various efficiencies in the GTCC facility 901 such as combustion efficiency, turbine efficiency, and compressor efficiency as characteristic information.

また、ここでいう粒子フィルタ（Particle Filter）は、測定値に基づいて他の値（測定値から誤差を除去した値や、直接測定できない（概念的な）データの値など）を推定するためのアルゴリズムである。粒子フィルタは、特に画像処理や無線通信の分野で盛んに研究されており、例えば、画像中における対象追跡や、受信データからの雑音除去などに用いられている。粒子フィルタでは、推定対象である状態ベクトル（本実施形態では特性情報）の状態遷移モデルとして、線形なものに限らず様々な状態遷移モデルを用いることができる。また、状態遷移を行う際に用いられるシステム雑音の分布についても、粒子フィルタではガウス分布に限らず様々な分布とすることができる。   The particle filter here is used to estimate other values (such as values obtained by removing errors from measured values or values of (conceptual) data that cannot be measured directly) based on measured values. Algorithm. The particle filter is actively researched especially in the fields of image processing and wireless communication, and is used, for example, for tracking an object in an image and removing noise from received data. In the particle filter, a state transition model of a state vector (characteristic information in the present embodiment) that is an estimation target is not limited to a linear one, and various state transition models can be used. In addition, the distribution of system noise used when performing state transition is not limited to the Gaussian distribution but can be various distributions in the particle filter.

モデル調整部１１２は、特性情報取得部１１１から出力される特性情報（推定値）に基づいてモデルを調整する。より具体的には、モデル記憶部１１３は、特性情報取得部１１１が特性情報として値を推定するデータ（燃焼効率やタービン効率や圧縮機効率などの各種効率）をモデルパラメータとするモデルを記憶している。そして、モデル調整部１１２は、モデルパラメータの値を、特性情報取得部１１１から出力される特性情報の値に書き換えることで、ＧＴＣＣ設備９０１における特性変化をモデルに反映させる。   The model adjustment unit 112 adjusts the model based on the characteristic information (estimated value) output from the characteristic information acquisition unit 111. More specifically, the model storage unit 113 stores a model in which data (various efficiencies such as combustion efficiency, turbine efficiency, and compressor efficiency) estimated by the characteristic information acquisition unit 111 as characteristic information are model parameters. ing. Then, the model adjustment unit 112 rewrites the value of the model parameter to the value of the characteristic information output from the characteristic information acquisition unit 111, thereby reflecting the characteristic change in the GTCC facility 901 in the model.

評価用データ生成部１４１は、シミュレーション部１３１が出力するデータと、シミュレーション部１３２が出力するデータとに基づいて、制御則記憶部１２１の記憶する評価対象の制御則の評価用データを生成し、端末通信部１０３を介して端末装置９０４に送信する。例えば、評価用データ生成部１４１は、ＧＴＣＣ設備９０１における効率を示すデータの各々について、シミュレーション部１３１の出力するデータ値からシミュレーション部１３２の出力するデータ値を減算した差を出力する。これにより、評価対象の制御則の評価者（以下、単に「評価者」と称する）は、端末装置９０４にて評価用データを参照して、当該評価用データの正負や値の大きさから、評価対象の制御則と実機に適用されている制御則とのいずれがどの程度優れているかを定量的に把握することができる。   The evaluation data generation unit 141 generates evaluation data for the evaluation target control law stored in the control law storage unit 121 based on the data output from the simulation unit 131 and the data output from the simulation unit 132. The data is transmitted to the terminal device 904 via the terminal communication unit 103. For example, the evaluation data generation unit 141 outputs a difference obtained by subtracting the data value output from the simulation unit 132 from the data value output from the simulation unit 131 for each piece of data indicating efficiency in the GTCC facility 901. Thereby, the evaluator of the control law to be evaluated (hereinafter simply referred to as “evaluator”) refers to the evaluation data in the terminal device 904, and from the sign of the evaluation data or the magnitude of the value, It is possible to quantitatively grasp how superior the control law to be evaluated and the control law applied to the actual machine.

制御則書換部１５１は、シミュレーション部１３１のシミュレーション結果に基づいて、制御則記憶部１２１が記憶する制御則を変更する。例えば、制御則書換部１５１は、シミュレーション部１３１の出力する燃焼効率の値が所定の閾値以下になると、予め記憶する書換規則に従って、制御則記憶部１２１が記憶する制御則に含まれるＰＩＤ制御の比例ゲインを書き換える。このように、制御則書換部１５１は、シミュレーション部１３１のシミュレーション結果に基づいて、制御則記憶部１２１が記憶する制御則をオンラインで調整する。   The control law rewriting unit 151 changes the control law stored in the control law storage unit 121 based on the simulation result of the simulation unit 131. For example, when the combustion efficiency value output from the simulation unit 131 falls below a predetermined threshold, the control law rewriting unit 151 performs PID control included in the control law stored in the control law storage unit 121 according to the rewriting rule stored in advance. Rewrite the proportional gain. As described above, the control law rewriting unit 151 adjusts the control law stored in the control law storage unit 121 online based on the simulation result of the simulation unit 131.

制御則出力部１６１は、ＧＴＣＣ設備９０１に適用される制御則（すなわち、制御装置９０２の記憶する制御則）の更新の際に、制御則記憶部１２１から制御則を読み出し、制御装置通信部１０２を介して制御装置９０２に送信することにより、制御装置９０２の記憶する制御則を更新する。例えば、ＧＴＣＣ設備９０１が運転を停止している点検時に、シミュレーションシステム用計算機９０３の具備する入力装置（例えばキーボードやマウス等）または端末装置９０４の具備する入力装置が、ＧＴＣＣ発電システム９００の管理者（例えば、制御則の評価者）による実機制御則更新指示操作を受け付けると、制御則出力部１６１は、当該実機制御則更新指示に従って制御則記憶部１２１から制御則を読み出し、制御装置通信部１０２を介して制御装置９０２に送信する。そして、制御装置９０２は、実機制御則更新指示に従って、制御装置９０２自らの記憶する制御則を、シミュレーションシステム用計算機９０３（シミュレーションシステム１の制御装置通信部１０２）からの制御則に更新（上書き）する。
このように、制御則出力部１６１が、制御則記憶部１２１の記憶する制御則を制御装置９０２に記憶させることにより、シミュレーションシステム１において評価の完了した制御則を、バージョン誤り等を防止してより確実に制御装置９０２に記憶させることができる。 The control law output unit 161 reads the control law from the control law storage unit 121 when the control law applied to the GTCC equipment 901 (that is, the control law stored in the control device 902) is updated, and the control device communication unit 102 The control law stored in the control device 902 is updated by transmitting to the control device 902 via. For example, at the time of inspection when the GTCC facility 901 is stopped, an input device (for example, a keyboard or a mouse) included in the simulation system computer 903 or an input device included in the terminal device 904 is an administrator of the GTCC power generation system 900. When an actual machine control law update instruction operation (for example, a control law evaluator) is accepted, the control law output unit 161 reads the control law from the control law storage unit 121 according to the actual machine control law update instruction, and the control device communication unit 102 To the control device 902. The control device 902 updates (overwrites) the control law stored in the control device 902 itself to the control law from the simulation system computer 903 (the control device communication unit 102 of the simulation system 1) in accordance with the actual machine control law update instruction. To do.
In this way, the control law output unit 161 stores the control law stored in the control law storage unit 121 in the control device 902, thereby preventing the version error of the control law that has been evaluated in the simulation system 1. It can be more reliably stored in the control device 902.

端末装置９０４は、シミュレーションシステム用計算機９０３の端末装置である。端末装置９０４は、評価者の操作を受け付けて、受け付けた操作に応じた指示をシミュレーションシステム用計算機９０３に送信し、また、シミュレーションシステム用計算機９０３からの信号に応じて各種表示を行う。特に、端末装置９０４は、評価用データ生成部１４１の生成した評価用データがシミュレーションシステム用計算機９０３（シミュレーションシステム１の制御装置通信部１０２）から送信されると、当該評価用データを表示する。   The terminal device 904 is a terminal device of the simulation system computer 903. The terminal device 904 receives an evaluator's operation, transmits an instruction corresponding to the received operation to the simulation system computer 903, and performs various displays according to a signal from the simulation system computer 903. In particular, when the evaluation data generated by the evaluation data generation unit 141 is transmitted from the simulation system computer 903 (the control device communication unit 102 of the simulation system 1), the terminal device 904 displays the evaluation data.

次に、図４および図５を参照してシミュレーションシステム１の動作について説明する。
図４は、シミュレーションシステム１が、実機データの測定値に基づいてＧＴＣＣ設備９０１のモデルを調整する処理手順の例を示すフローチャートである。シミュレーションシステム１は、例えば、ＧＴＣＣ設備９０１が動作している状態において、端末通信部１０３が、シミュレーション実行を指示するユーザ操作を受け付けると同図の処理を開始する。 Next, the operation of the simulation system 1 will be described with reference to FIGS. 4 and 5.
FIG. 4 is a flowchart illustrating an example of a processing procedure in which the simulation system 1 adjusts the model of the GTCC facility 901 based on the measurement value of actual machine data. For example, when the GTCC facility 901 is operating, the simulation system 1 starts the process illustrated in FIG. 5 when the terminal communication unit 103 receives a user operation that instructs execution of simulation.

図４の処理において、まず、特性情報取得部１１１は、粒子フィルタにおける粒子数を取得する（ステップＳ１０１）。例えば、評価者が、粒子数を予め（シミュレーション開始前に）決定して特性情報取得部１１１に記憶させておく。そして、特性情報取得部１１１は、当該粒子数を読み出すことで、粒子数を取得する。以下では、特性情報取得部１１１が取得した粒子数をＮ（Ｎは、Ｎ＞１の自然数）にて表記する。   In the process of FIG. 4, first, the characteristic information acquisition unit 111 acquires the number of particles in the particle filter (step S101). For example, the evaluator determines the number of particles in advance (before starting the simulation) and stores it in the characteristic information acquisition unit 111. And the characteristic information acquisition part 111 acquires the number of particles by reading the said number of particles. Hereinafter, the number of particles acquired by the characteristic information acquisition unit 111 is expressed as N (N is a natural number where N> 1).

なお、粒子数を多くすると、シミュレーションの精度向上が期待されるが、演算量が増大する。そこで、例えば、評価者は、シミュレーション精度と演算量との兼ね合いに基づいて、粒子数を１００〜１０００程度のいずれかの値に決定し、特性情報取得部１１１は、当該粒子数を取得する。   Increasing the number of particles is expected to improve the accuracy of the simulation, but the amount of calculation increases. Therefore, for example, the evaluator determines the number of particles to any one of about 100 to 1000 based on the balance between the simulation accuracy and the calculation amount, and the characteristic information acquisition unit 111 acquires the number of particles.

次に、特性情報取得部１１１は、特性情報（本実施形態では、ＧＴＣＣ設備９０１における各種効率を示すデータ）の推定値サンプルの初期値（ベクトルｘ(i) 0|0で示される）を、ｉ＝１，２，…，Ｎの各々について設定する（ステップＳ１０２）。例えば、評価者が、特性情報の推定値サンプルの初期値を予め決定して特性情報取得部１１１に記憶させておく。そして、特性情報取得部１１１は、当該初期値を読み出すことで、特性情報の推定値サンプルの初期値を取得する。 Next, the characteristic information acquisition unit 111 calculates initial values (indicated by a vector x (i) 0 | 0 ) of estimated value samples of characteristic information (in this embodiment, data indicating various efficiencies in the GTCC facility 901). Each of i = 1, 2,..., N is set (step S102). For example, the evaluator predetermines an initial value of the estimated value sample of the characteristic information and stores it in the characteristic information acquisition unit 111. And the characteristic information acquisition part 111 acquires the initial value of the estimated value sample of characteristic information by reading the said initial value.

ここでいう特性情報の推定値サンプルは、所定の時刻における特性情報の推定値の元となる値である。特性情報の値を正確に求めることは困難であるため、以下に説明するように、特性情報取得部１１１は、まず、サンプリングタイミング毎に、特性情報の予測値サンプルをＮ個求めておく。次に、特性情報取得部１１１は、得られた特性情報の予測値サンプルの各々を、実記データの測定値を用いて評価する。そして、特性情報取得部１１１は、評価の高い特性情報の予測値サンプルを、特性情報の推定値サンプルとして採用し、採用した特性情報の推定値サンプルに基づいて、特性情報の推定値を生成する。   The estimated value sample of characteristic information here is a value that is the basis of the estimated value of characteristic information at a predetermined time. Since it is difficult to accurately determine the value of the characteristic information, the characteristic information acquisition unit 111 first calculates N predicted value samples of the characteristic information for each sampling timing as described below. Next, the characteristic information acquisition unit 111 evaluates each predicted value sample of the obtained characteristic information using the measured value of the real data. Then, the characteristic information acquisition unit 111 adopts the estimated value sample of the highly evaluated characteristic information as the estimated value sample of the characteristic information, and generates the estimated value of the characteristic information based on the adopted estimated value sample of the characteristic information. .

次に、特性情報取得部１１１は、変数ｔの値を「１」に設定する（ステップＳ１０３）。この変数ｔは、シミュレーションにおける時刻（サンプリングタイミング）を示す変数である。   Next, the characteristic information acquisition unit 111 sets the value of the variable t to “1” (step S103). This variable t is a variable indicating the time (sampling timing) in the simulation.

次に、特性情報取得部１１１は、システム雑音のサンプル値（ベクトルｗ(i) ｔで示される）を、ｉ＝１，２，…，Ｎの各々について求める（ステップＳ１０４）。例えば、評価者が、システム雑音の従うべき分布を予め決定し、決定した分布でシステム雑音を生成する式、または、決定した分布に従うＮ個の値を、特性情報取得部１１１に記憶させておく。そして、特性情報取得部１１１は、当該生成式ないしＮ個の値を読み出すことで、システム雑音のサンプル値を取得する。
ここで、粒子フィルタにおいては、システム雑音が従うべき分布はガウス分布である必要はない。そこで、評価者は、システム雑音の従うべき分布として、ＧＴＣＣ設備９０１実機の特性に近い分布を用いることができ、これにより、特性情報取得部１１１は、より高い精度で特性情報の値を推定することができる。 Next, the characteristic information acquisition unit 111 obtains a system noise sample value (indicated by a vector w (i) t ) for each of i = 1, 2,..., N (step S104). For example, the evaluator predetermines the distribution to be followed by the system noise, and causes the characteristic information acquisition unit 111 to store an expression for generating system noise with the determined distribution or N values according to the determined distribution. . And the characteristic information acquisition part 111 acquires the sample value of a system noise by reading the said production | generation formula thru | or N value.
Here, in the particle filter, the distribution that the system noise should follow is not necessarily a Gaussian distribution. Therefore, the evaluator can use a distribution close to the characteristics of the actual GTCC equipment 901 as the distribution that the system noise should follow, whereby the characteristic information acquisition unit 111 estimates the value of the characteristic information with higher accuracy. be able to.

次に、特性情報取得部１１１は、ステップＳ１０４で取得したシステム雑音のサンプル値毎に処理を行うループＬ１１を開始する（ステップＳ１１１）。
そして、特性情報取得部１１１は、特性情報の推定値サンプル（ベクトルｘ(i) t-1|t-1で示される）と、ステップＳ１０４で生成したシステム雑音のサンプル値ｗ(i) ｔとを、式（５）で示される状態方程式に代入して、特性情報の予測値サンプルｘ(i) t|t-1を、ｉ＝１，２，…，Ｎの各々について生成する（ステップＳ１１２）。 Next, the characteristic information acquisition unit 111 starts a loop L11 that performs processing for each system noise sample value acquired in step S104 (step S111).
Then, the characteristic information acquisition unit 111 calculates the characteristic value estimated value sample (indicated by a vector x (i) t-1 | t-1 ), the system noise sample value w (i) t generated in step S104, and Is substituted into the state equation represented by equation (5), and a predicted value sample x (i) t | t−1 of characteristic information is generated for each of i = 1, 2,..., N (step S112). ).

Figure 0005804918
Figure 0005804918

ここで、特性情報の予測値サンプルを示すベクトルの表記「ｘ(i) t|t-1」において、「｜」の左に示される「ｔ」は、特性情報の予測値サンプルが示す特性のタイミングを示す。すなわち、特性情報の予測値サンプルｘ(i) t|t-1は、時刻ｔにおける特性情報の値（本実施形態では、ＧＴＣＣ設備９０１における各種効率の、時刻ｔにおける値）の予測値サンプル（Ｎ個の予測値のうちの１つ）を示す。
また、変数名「ｘ(i) t|t-1」において、「｜」の右に示される「ｔ−１」は、特性情報を予測するために用いられたデータのタイミングを示す。すなわち、特性情報の予測値サンプルｘ(i) t|t-1は、時刻ｔ−１における特性情報の推定値サンプルｘ(i) t-1|t-1に基づいて生成されている。 Here, in the vector notation “x (i) t | t−1 ” indicating the predicted value sample of the characteristic information, “t” shown to the left of “|” is the characteristic indicated by the predicted value sample of the characteristic information. Indicates timing. That is, the predicted value sample x (i) t | t−1 of the characteristic information is a predicted value sample (value at the time t of various efficiencies in the GTCC facility 901 in the present embodiment) at the time t. 1 of N predicted values).
In the variable name “x (i) t | t−1 ”, “t−1” shown to the right of “|” indicates the timing of data used for predicting the characteristic information. That is, the characteristic information predicted value sample x (i) t | t−1 is generated based on the characteristic information estimated value sample x (i) t−1 | t−1 at time t−1 .

また、特性情報取得部１１１は、システム雑音のサンプル値ｗ(i) ｔの各々について、特性情報の推定値サンプルｘ(i) t-1|t-1に基づく特性情報の予測値サンプルｘ(i) t|t-1の値を求める。すなわち、システム雑音のサンプル値ｗ(i) ｔは、特性情報取得部１１１が、特性情報の予測値サンプルをＮ個求めるためのゆらぎとして用いられている。 Furthermore, characteristic information obtaining unit 111, for each sample value w (i) t of system noise, the estimated value sample x (i) t-1 of the characteristic information | predicted value of the characteristic information based on the t-1 samples x ( i) Find the value of t | t-1 . That is, the system noise sample value w (i) t is used as a fluctuation for the characteristic information acquisition unit 111 to obtain N prediction value samples of the characteristic information.

次に、特性情報取得部１１１は、ステップＳ１１２で生成した特性情報の予測値サンプルｘ(i) t|t-1の各々に対する重みπ(i) ｔ’の値を求める（ステップＳ１１３）。
この重みπ(i) ｔ’の値は、特性情報の予測値サンプルｘ(i) t|t-1の精度（特性情報の実際の値（真値）に対する近似の度合い）を示す指標値である。
ここで、仮に、特性情報取得部１１１が式（６）に示される重みπ(i) ｔを求めることができれば、この重みπ(i) ｔを用いてステップＳ１１４以下の処理を行うことができる。 Next, the characteristic information acquisition unit 111 calculates the value of the weight π (i) t ′ for each of the predicted value samples x (i) t | t−1 of the characteristic information generated in step S112 (step S113).
The value of the weight π (i) t ′ is an index value indicating the accuracy (degree of approximation to the actual value (true value) of the characteristic information ) of the predicted value sample x (i) t | t−1 of the characteristic information. is there.
Here, if the characteristic information acquisition unit 111 can obtain the weight π (i) t shown in the equation (6), the process from step S114 onward can be performed using the weight π (i) t. .

Figure 0005804918
Figure 0005804918

ここで、変数ｙｔは、時刻ｔにおける実機データの測定値を示す。また、式（６）の右辺の分子は、時刻ｔにおける特性情報の値が、特性情報の予測値サンプルｘ(i) t|t-1に等しいという条件の下で、実機データの測定値ｙｔを得られる条件付確率を示す。
ＧＴＣＣ設備９０１実機において、時刻ｔにおける当該実機の状態の下で実機データの測定値ｙｔが得られていることから、この特性情報の予測値サンプルｘ(i) t|t-1が特性情報の真値に近いほど、式（６）の右辺の分子に示される条件付確率の値が大きくなると期待される。逆に、この条件付確率の値が小さい場合は、特性情報の予測値サンプルｘ(i) t|t-1が、特性情報の真値とかけ離れている可能性が高いと考えられる。従って、重みπ(i) ｔは、特性情報の予測値サンプルｘ(i) t|t-1が特性情報の真値に近いほど（すなわち、特性情報の予測値サンプルｘ(i) t|t-1の精度が高いほど）大きな値を取る指標となる。 Here, the variable y t denotes the measured value of the actual data at time t. Further, the numerator on the right side of the equation (6) indicates the measured value y of the actual machine data under the condition that the value of the characteristic information at the time t is equal to the predicted value sample x (i) t | t−1 of the characteristic information. Show the conditional probability of obtaining t .
In GTCC equipment 901 actual, since the measured value y t of the actual data under the actual machine state is obtained at time t, the predicted value sample x (i) t in the property information | t-1 is characteristic information It is expected that the value of the conditional probability shown in the numerator on the right side of the equation (6) becomes larger as the value is closer to the true value of. On the contrary, when the conditional probability value is small, it is considered that there is a high possibility that the predicted value sample x (i) t | t−1 of the characteristic information is far from the true value of the characteristic information. Therefore, the weight π (i) t is larger as the predicted value sample x (i) t | t−1 of the characteristic information is closer to the true value of the characteristic information (that is, the predicted value sample x (i) t | t of the characteristic information ). The higher the accuracy of -1, the higher the index.

但し、式（６）の右辺の分子に示される条件付確率を算出することは、実際には困難である。そこで、特性情報取得部１１１は、重みπ(i) ｔに代えて重みπ(i) ｔ’の値を求める。この重みπ(i) ｔ’の値を求める処理手順について、図５を参照して説明する。 However, it is actually difficult to calculate the conditional probability shown in the numerator on the right side of Equation (6). Therefore, characteristic information obtaining unit 111 obtains the value of the weight π (i) t 'in place of the weight π (i) t. A processing procedure for obtaining the value of the weight π (i) t ′ will be described with reference to FIG.

図５は、特性情報取得部１１１が、特性情報の予測値サンプルｘ(i) t|t-1に基づいて、重みπ(i) ｔ’の値を求める処理手順を示すフローチャートである。特性情報取得部１１１は、図４のステップＳ１１３において、図５の処理を実行する。
ステップＳ２０１において、特性情報取得部１１１は、式（７）に基づいて、特性情報の予測値サンプルｘ(i) t|t-1の各々について、当該特性情報に示される状態において得られる実機データの測定値の推定値サンプルｙ(i) tを求める。 FIG. 5 is a flowchart illustrating a processing procedure in which the characteristic information acquisition unit 111 obtains the value of the weight π (i) t ′ based on the predicted value sample x (i) t | t−1 of the characteristic information. The characteristic information acquisition unit 111 executes the process of FIG. 5 in step S113 of FIG.
In step S201, the characteristic information acquisition unit 111 obtains actual machine data obtained in the state indicated by the characteristic information for each of the predicted value samples x (i) t | t−1 of the characteristic information based on Expression (7). An estimated value sample y (i) t of the measured value is obtained.

Figure 0005804918
Figure 0005804918

ここで、変数ｖ(i) tは、観測雑音（実機データの測定値と真値との誤差）のサンプルを示す。
次に、特性情報取得部１１１は、式（８）に基づいて、実機データの測定値ｙｔと、ステップS２０１で得られた推定値サンプルｙ(i) tとの最小自乗誤差の逆数を求める（ステップＳ２０２）。 Here, the variable v (i) t indicates a sample of observation noise (an error between a measured value of actual machine data and a true value).
Next, characteristic information obtaining unit 111, based on the equation (8), obtains a measurement value y t of the actual data, the minimum reciprocal of the square error between the estimated value sample y (i) t obtained in step S201 (Step S202).

Figure 0005804918
Figure 0005804918

そして、特性情報取得部１１１は、式（９）に基づいて、重みπ(i) ｔ’の値を求める。 And the characteristic information acquisition part 111 calculates | requires the value of weight ( pi ) (i) t 'based on Formula (9).

Figure 0005804918
Figure 0005804918

ここで、式（８）に示される最小自乗誤差の逆数は、推定値サンプルｙ(i) tと実際の測定値ｙｔとの差が小さいほど小さい値を示し、特性情報取得部１１１は、この最小自乗誤差の逆数を、式（６）における確率ｐの項に代えて、この最小自乗誤差の逆数を用いて、重みπ(i) ｔ’の値を求めている。
その後、特性情報取得部１１１は、図５の処理を終了し、引き続き図４のステップＳ１１４以下の処理を行う。 Here, the reciprocal of the minimum square error represented by formula (8), the difference between the actual measurement value y t and the estimated value sample y (i) t represents the smaller value the smaller, characteristic information obtaining unit 111, The value of the weight π (i) t ′ is obtained using the reciprocal of the least square error instead of the reciprocal of the least square error in place of the term of the probability p in Equation (6).
After that, the characteristic information acquisition unit 111 ends the process of FIG. 5 and continues the process after step S114 of FIG.

そして、特性情報取得部１１１は、ステップＳ１０４で取得したシステム雑音のサンプルの全てについてループＬ１１の処理を実行したかを判定する。処理未実行のシステム雑音のサンプルがあると判定した場合は、ステップＳ１１１に戻り、処理未実行のシステム雑音のサンプルに対して引き続きループＬ１１の処理を行う。一方、全てのシステム雑音のサンプルに対して処理を完了したと判定した場合、ループＬ１１を終了する（ステップＳ１１４）。   Then, the characteristic information acquisition unit 111 determines whether the processing of the loop L11 has been executed for all the system noise samples acquired in step S104. If it is determined that there is an unprocessed system noise sample, the process returns to step S111, and the process of loop L11 is continuously performed on the unprocessed system noise sample. On the other hand, if it is determined that the processing has been completed for all system noise samples, the loop L11 is terminated (step S114).

ループＬ１１を終了した特性情報取得部１１１は、ステップＳ１１３で生成した重みπ(i) ｔ’の値に基づいて、特性情報の予測値サンプルｘ(i) t|t-1のリサンプリングを行う（ステップＳ１２１）。具体的には、特性情報取得部１１１は、重みπ(i) ｔ’の値が大きい順に、その重みに対応する特性情報の予測値サンプルｘ(i) t|t-1をπ(i) ｔ’×Ｎ個用意（コピー）する。特性情報取得部１１１は、この処理を、Ｎ個のサンプルを得られるまで繰り返し、得られたＮ個のサンプルを特性情報の推定値サンプルｘ(i) t|tとする。 The characteristic information acquisition unit 111 that has finished the loop L11 performs resampling of the predicted value sample x (i) t | t−1 of the characteristic information based on the value of the weight π (i) t ′ generated in step S113. (Step S121). Specifically, characteristic information obtaining unit 111, the order value is greater weights π (i) t ', the prediction value sample x (i) t of characteristic information corresponding to the weight | a t-1 π (i) Prepare (copy) t ′ × N pieces. The characteristic information acquisition unit 111 repeats this process until N samples are obtained, and the obtained N samples are used as estimated value samples x (i) t | t of characteristic information.

例えば、粒子数Ｎ＝１００、重みの大きい順にπ(5) ｔ’＝０．８，π(14) ｔ’＝０．８，・・・の場合、特性情報取得部１１１は、特性情報の予測値サンプルｘ(5) t|t-1を８０個用意し、特性情報の予測値サンプルｘ(14) t|t-1を２０個用意し、用意した１００個の予測値サンプルを特性情報の推定値サンプルｘ(i) t|tとする。一方、特性情報取得部１１１は、残りの９８個の予測値サンプルｘ(1) t|t-1，ｘ(2) t|t-1，…，ｘ(4) t|t-1，ｘ(6) t|t-1，…，ｘ(13) t|t-1，ｘ(15) t|t-1，…，ｘ(100) t|t-1を棄却する（何も処理を行わずにこれらのデータを消去する）。
このリサンプリングにより、特性情報の推定値サンプルｘ(i) t|tには、特性情報の真値に近いと期待されるサンプルほど同じもの（当該サンプル）が多数含まれることになる。 For example, when the number of particles N = 100 and π (5) t ′ = 0.8, π (14) t ′ = 0.8,... In descending order of weight, the characteristic information acquisition unit 111 stores the characteristic information. 80 prediction value samples x (5) t | t-1 are prepared, 20 prediction value samples x (14) t | t-1 of characteristic information are prepared, and 100 prepared prediction value samples are characteristic information. Assume that the estimated value sample x (i) t | t . On the other hand, the characteristic information acquisition unit 111 includes the remaining 98 predicted value samples x (1) t | t−1 , x (2) t | t−1 ,..., X (4) t | t−1 , x (6) t | t-1 , ..., x (13) t | t-1 , x (15) t | t-1 , ..., x (100) t | t-1 is rejected (no processing Erase these data without doing it).
As a result of this resampling, the estimated value sample x (i) t | t of the characteristic information includes a larger number of the same samples (the samples) that are expected to be closer to the true value of the characteristic information.

次に、特性情報取得部１１１は、式（１０）に基づいて、ステップＳ１１５で得られたＮ個の特性情報の推定値サンプルｘ(i) t|tの平均を算出し、特性情報の推定値（最終的な値）としてモデル調整部１１２に出力する（ステップＳ１２２）。 Next, the characteristic information acquisition unit 111 calculates an average of the estimated value samples x (i) t | t of the N pieces of characteristic information obtained in step S115 based on Expression (10), and estimates characteristic information. A value (final value) is output to the model adjustment unit 112 (step S122).

Figure 0005804918
Figure 0005804918

そして、モデル調整部１１２は、特性情報取得部１１１から出力された特性情報の推定値に基づいて、モデル記憶部１１３の記憶するモデルを調整する（ステップＳ１２３）。より具体的には、上述したように、特性情報取得部１１１が特性情報として値を取得するデータをモデルパラメータとするモデルを、モデル記憶部１１３が記憶しておく。そして、モデル調整部１１２は、モデルパラメータの値を、特性情報取得部１１１から出力される特性情報の値に書き換えることで、ＧＴＣＣ設備９０１における特性変化をモデルに反映させる。   Then, the model adjustment unit 112 adjusts the model stored in the model storage unit 113 based on the estimated value of the characteristic information output from the characteristic information acquisition unit 111 (step S123). More specifically, as described above, the model storage unit 113 stores a model in which data whose value is acquired as the characteristic information by the characteristic information acquisition unit 111 is a model parameter. Then, the model adjustment unit 112 rewrites the value of the model parameter to the value of the characteristic information output from the characteristic information acquisition unit 111, thereby reflecting the characteristic change in the GTCC facility 901 in the model.

次に、特性情報取得部１１１は、変数ｔの値に１を加算し（ステップＳ１２４）、その後、ステップＳ１０４に戻る。
なお、本発明は、粒子フィルタの実装方法に依存しない。すなわち、特性情報取得部１１１が粒子フィルタを用いて特性情報を求める処理手順として、図４に示した手順以外にも様々な手順（粒子フィルタの実装方法）を用いることができる。 Next, the characteristic information acquisition unit 111 adds 1 to the value of the variable t (step S124), and then returns to step S104.
The present invention does not depend on the particle filter mounting method. That is, various procedures (particle filter mounting methods) other than the procedure shown in FIG. 4 can be used as a processing procedure in which the property information acquisition unit 111 obtains property information using a particle filter.

以上のように、特性情報取得部１１１は、制御対象実機での測定値（実機データの測定値）を粒子フィルタに入力して、ＧＴＣＣ設備９０１の特性情報を求める（推定する）。そして、モデル調整部１１２は、特性情報取得部１１１が求めた特性情報に基づいて、モデル記憶部１１３の記憶するモデルを調整する。
これにより、シミュレーション部１３１およびシミュレーション部１３２は、実機の特性変化を反映したより正確なモデルを用いて、より精度の高いシミュレーションを行うことができる。従って、評価者は、シミュレーション部１３１およびシミュレーション部１３２のシミュレーション結果に基づいて、評価対象の制御則を、より適切に評価することができる。 As described above, the characteristic information acquisition unit 111 inputs the measurement value (measurement value of actual machine data) of the actual machine to be controlled to the particle filter, and obtains (estimates) the characteristic information of the GTCC facility 901. Then, the model adjustment unit 112 adjusts the model stored in the model storage unit 113 based on the characteristic information obtained by the characteristic information acquisition unit 111.
Thereby, the simulation part 131 and the simulation part 132 can perform a more accurate simulation using the more accurate model which reflected the characteristic change of the real machine. Therefore, the evaluator can more appropriately evaluate the control law to be evaluated based on the simulation results of the simulation unit 131 and the simulation unit 132.

また、評価用データ生成部１４１は、シミュレーション部１３１およびシミュレーション部１３２のシミュレーション結果に基づいて評価用データを生成する。これにより、評価者は、評価対象の制御則が現在の制御則に対して優位か否かを比較的容易に把握し、実機に適用する制御則を変更するか否かを決定することができる。   Further, the evaluation data generation unit 141 generates evaluation data based on the simulation results of the simulation unit 131 and the simulation unit 132. Thereby, the evaluator can relatively easily grasp whether or not the control law to be evaluated is superior to the current control law, and can decide whether or not to change the control law to be applied to the actual machine. .

また、制御則書換部１５１は、シミュレーション部１３１のシミュレーション結果に基づいて、制御則記憶部１２１が記憶する制御則をオンラインで変更する。
これにより、制御則書換部１５１は、時間の経過と共に変化するＧＴＣＣ設備９０１の特性（例えば効率）を、制御則記憶部１２１が記憶する制御則に対してオンラインで（迅速に）反映させることができる。すなわち、制御則記憶部１２１の記憶する制御則は、ＧＴＣＣ設備９０１の特性変化を反映して調整済みであり、改めて調整を行う時間や作業負荷を削減し得る。従って、制御則記憶部１２１の記憶する評価対象の制御則をＧＴＣＣ設備９０１実機に適用して試運転を行う際に要する時間や作業負荷を削減し得る。
また、制御則書換部１５１の行う制御則の書換は、ＧＴＣＣ設備９０１実機に適用されている制御則（すなわち、制御装置９０２の記憶する制御則）には影響しないので、ＧＴＣＣ設備９０１実機の運転に支障をきたすことはない。 Further, the control law rewriting unit 151 changes the control law stored in the control law storage unit 121 online based on the simulation result of the simulation unit 131.
As a result, the control law rewriting unit 151 can reflect the characteristics (for example, efficiency) of the GTCC facility 901 that change over time to the control law stored in the control law storage unit 121 online (rapidly). it can. That is, the control law stored in the control law storage unit 121 has been adjusted to reflect the characteristic change of the GTCC equipment 901, and the time and work load for performing the adjustment again can be reduced. Therefore, it is possible to reduce the time and workload required for performing a trial run by applying the control law to be evaluated stored in the control law storage unit 121 to the actual GTCC equipment 901.
Further, the rewriting of the control law performed by the control law rewriting unit 151 does not affect the control law applied to the GTCC equipment 901 actual machine (that is, the control law stored in the control device 902). Will not be disturbed.

また、シミュレーションシステム１は、制御装置９０２とは別に設けられたシミュレーションシステム用計算機９０３を用いて実現されている。
ここで、ＧＴＣＣ発電システムで用いられる制御装置は、一般には簡単な演算のみを行い得るものである。これに対して、粒子フィルタでは、粒子数（サンプル数）に応じて多大な計算を行う必要がある。このため、制御装置９０２を用いてシミュレーションシステム用計算機９０３を実現すると、粒子フィルタの演算に時間がかかってしまい、適切なタイミングでモデルを更新できなくなるおそれがある。さらには、制御装置９０２の負荷が増大し、ＧＴＣＣ設備９０１実機の制御に支障をきたすおそれがある。
これに対して、制御装置９０２とは別にシミュレーションシステム用計算機９０３を設けてシミュレーションシステム１を実現し、シミュレーションシステム１を用いて検証された制御則を制御装置９０２に反映させることで、制御装置９０２の負荷の増大を回避し、かつ、制御則の評価を適切に行って制御装置９０２の制御則を適切に変更し得る。 The simulation system 1 is realized by using a simulation system computer 903 provided separately from the control device 902.
Here, the control device used in the GTCC power generation system can generally perform only simple calculations. On the other hand, in the particle filter, it is necessary to perform a large calculation according to the number of particles (number of samples). For this reason, if the computer 903 for simulation systems is implement | achieved using the control apparatus 902, calculation of a particle filter will take time, and there exists a possibility that a model cannot be updated at an appropriate timing. Furthermore, the load on the control device 902 increases, which may hinder the control of the actual GTCC equipment 901.
On the other hand, the simulation system computer 903 is provided separately from the control device 902 to realize the simulation system 1, and the control law verified using the simulation system 1 is reflected in the control device 902. The control law of the control device 902 can be appropriately changed by appropriately evaluating the control law.

なお、特性情報取得部１１１が、制御対象実機から得られたデータ（実記データの測定値）に基づいて構築された粒子フィルタを用いて制御対象実機の特性情報を求めるようにしてもよい。
例えば、式（５）に示される状態方程式の関数ｆｔを、ＧＴＣＣ設備９０１実機または同型の実機における運転実績から求め、特性情報取得部１１１が、当該関数ｆｔを用いるようにしてもよい。
運転実績から関数ｆｔを求める方法としては、例えば、ＧＴＣＣ設備９０１実機または同型の実機に設置されたセンサの測定値を入力とし、関数ｆｔの設定パラメータを出力とするニューラルネットワークを用いて、当該ニューラルネットワークに、ＧＴＣＣ設備９０１実機または同型の実機に設置されたセンサの測定値（例えば、ＧＴＣＣ設備９０１に供給した燃料の量、発電機７６０の出力、…）を与え、出力された値を関数ｆｔの設定パラメータに設定することで、関数ｆｔを求める方法を用いることができる。 Note that the characteristic information acquisition unit 111 may obtain characteristic information of the control target real machine using a particle filter constructed based on data obtained from the control target real machine (measurement value of actual data).
For example, the function f t of a state equation shown in equation (5), determined from the operation records in the real machine GTCC equipment 901 actual machine or isomorphic, characteristic information obtaining unit 111, may be used the function f t.
As a method for determining the function f t from operation records, for example, as input measurements of the sensors installed in the real machine GTCC equipment 901 actual machine or isomorphic, using a neural network to output the configuration parameters of the function f t, The measured value of the sensor installed in the actual GTCC equipment 901 or the same type of actual equipment (for example, the amount of fuel supplied to the GTCC equipment 901, the output of the generator 760,...) Is given to the neural network, and the output value is given. by setting the configuration parameters of the function f t, it is possible to use a method of determining the function f t.

あるいは、式（３）に示されるシステム雑音ｗｔの統計的性質（どのような分布に従うか、また、その分布のパラメータ）を、ＧＴＣＣ設備９０１実機または同型の実機における運転実績から求め、特性情報取得部１１１が、当該統計的性質を有するシステム雑音ｗｔを用いるようにしてもよい。
運転実績から分布の種類を求める方法としては、例えば、ＧＴＣＣ設備９０１実機または同型の実機に設置されたセンサの測定値を入力とし、分布の種類（例えば、一様分布、ガウス分布、・・・）毎に、当該分布の適合度を出力とするニューラルネットワークを用いて、当該ニューラルネットワークに、ＧＴＣＣ設備９０１実機または同型の実機に設置されたセンサの測定値を与え、出力された適合度の最も高い分布を採用する方法を用いることができる。
また、運転実績から分布のパラメータを求める方法としては、例えば、ＧＴＣＣ設備９０１実機または同型の実機に設置されたセンサの測定値を入力とし、分布のパラメータ（例えば、平均や分散など）の値を出力とするニューラルネットワークを用いて、当該ニューラルネットワークに、ＧＴＣＣ設備９０１実機または同型の実機に設置されたセンサの測定値を与え、出力された値をパラメータとする方法を用いることができる。この方法で得られるパラメータを、システム雑音ｗｔを求める関数のパラメータに設定することで、実機の特性に近い式を得ることができる。 Alternatively, the statistical properties of the system noise w t shown in Equation (3) (what distribution is to be obeyed and parameters of the distribution) are obtained from the operation results of the actual GTCC equipment 901 or the same type of actual machine, and the characteristic information The acquisition unit 111 may use the system noise w t having the statistical property.
As a method for obtaining the type of distribution from the operation results, for example, the measured value of the sensor installed in the actual machine of the GTCC equipment 901 or the same type is input, and the type of distribution (for example, uniform distribution, Gaussian distribution,... ) Using a neural network that outputs the degree of fitness of the distribution every time, the measured value of the sensor installed in the GTCC equipment 901 actual machine or the actual machine of the same type is given to the neural network, A method employing a high distribution can be used.
In addition, as a method for obtaining the distribution parameter from the operation results, for example, the measured value of the sensor installed in the actual machine of the GTCC equipment 901 or the same type is input, and the value of the distribution parameter (for example, average or variance) is used. Using a neural network as an output, it is possible to use a method in which a measured value of a sensor installed in an actual GTCC equipment 901 or the same type of actual machine is given to the neural network and the output value is used as a parameter. By setting the parameter obtained by this method as a parameter of a function for obtaining the system noise w t , an expression close to the characteristics of the actual machine can be obtained.

このように、特性情報取得部１１１が、制御対象実機から得られたデータ（実記データの測定値）に基づいて構築された粒子フィルタを用いて制御対象実機の特性情報を求めることにより、特性情報取得部１１１は、制御対象実機の現在の特性をより正確に反映した特性情報を求めることができる。そして、モデル調整部１１２は、特性情報取得部１１１が求めた特性情報に基づいて、モデル記憶部１１３の記憶するモデルを、制御対象実機の現在の特性に合わせて、より正確に調整することができる。これにより、シミュレーション部１３１およびシミュレーション部１３２は、実機の特性変化を反映したより正確なモデルを用いて、より精度の高いシミュレーションを行うことができる。従って、評価者は、シミュレーション部１３１およびシミュレーション部１３２のシミュレーション結果に基づいて、評価対象の制御則を、より適切に評価することができる。   Thus, the characteristic information acquisition unit 111 obtains the characteristic information of the control target real machine using the particle filter constructed based on the data obtained from the control target real machine (measured value of actual data), thereby obtaining the characteristic information. The acquisition unit 111 can obtain characteristic information that more accurately reflects the current characteristic of the actual control target machine. Then, the model adjustment unit 112 can more accurately adjust the model stored in the model storage unit 113 based on the characteristic information obtained by the characteristic information acquisition unit 111 according to the current characteristic of the actual control target machine. it can. Thereby, the simulation part 131 and the simulation part 132 can perform a more accurate simulation using the more accurate model which reflected the characteristic change of the real machine. Therefore, the evaluator can more appropriately evaluate the control law to be evaluated based on the simulation results of the simulation unit 131 and the simulation unit 132.

なお、シミュレーションシステム１が、制御対象機器のシミュレーション結果に基づいて、制御対象実機のメンテナンス推奨時期（例えば、部品の交換タイミングや、制御則の調整タイミングなど）を決定するようにしてもよい。
例えば、シミュレーションシステム１が、メンテナンス推奨時期決定部を具備し、シミュレーション部１３２は、シミュレーション結果として得られる効率（推定値）のいずれか１つ以上をメンテナンス推奨時期決定部に出力する。そして、メンテナンス推奨時期決定部は、シミュレーション部１３２から出力される効率の値と、予め記憶している閾値とを比較する。効率が閾値以下となると、メンテナンス推奨時期決定部は、メンテナンス推奨時期が到来したと判定して、メンテナンスを推奨するメッセージを、端末通信部１０３を介して端末装置９０４に送信し、端末装置９０４が当該メッセージを表示する。
このように、メンテナンス推奨時期決定部は、シミュレーション部１３２のシミュレーション結果に基づいてメンテナンス推奨時期を決定することで、より正確な効率推定値に基づいて、より適切なメンテナンス推奨時期を決定することができる。 Note that the simulation system 1 may determine a recommended maintenance timing (for example, a component replacement timing, a control law adjustment timing, etc.) of the actual controlled device based on the simulation result of the controlled device.
For example, the simulation system 1 includes a recommended maintenance time determination unit, and the simulation unit 132 outputs one or more of the efficiencies (estimated values) obtained as simulation results to the recommended maintenance time determination unit. Then, the recommended maintenance timing determination unit compares the efficiency value output from the simulation unit 132 with a threshold value stored in advance. When the efficiency falls below the threshold, the recommended maintenance time determination unit determines that the recommended maintenance time has arrived, and transmits a message recommending maintenance to the terminal device 904 via the terminal communication unit 103, and the terminal device 904 Display the message.
As described above, the recommended maintenance time determination unit can determine the recommended maintenance time based on the simulation result of the simulation unit 132, thereby determining a more appropriate recommended maintenance time based on the more accurate estimated efficiency value. it can.

次に、図６を参照して本発明の最小構成について説明する。
図６は、シミュレーションシステム１における各部のうち、本発明の最小構成を示す概略ブロック図である。同図において、シミュレーションシステム１は、測定値取得部１０１と、制御装置通信部１０２と、特性情報取得部１１１と、モデル調整部１１２と、モデル記憶部１１３と、制御則記憶部１２１と、シミュレーション部１３１とを具備する。 Next, the minimum configuration of the present invention will be described with reference to FIG.
FIG. 6 is a schematic block diagram showing the minimum configuration of the present invention among the respective units in the simulation system 1. In the figure, a simulation system 1 includes a measured value acquisition unit 101, a control device communication unit 102, a characteristic information acquisition unit 111, a model adjustment unit 112, a model storage unit 113, a control law storage unit 121, a simulation Part 131.

この構成において、シミュレーション部１３１が、モデル記憶部１１３の記憶する制御対象実機のモデルに対して制御則記憶部１２１の記憶する制御則を適用してシミュレーションを行う。従って、制御則の評価者は、評価対象となる制御則を制御則記憶部１２１に記憶させておき、シミュレーション結果に基づいて当該制御則を評価することができる。
その際、特性情報取得部１１１は、粒子フィルタを用いて制御対象実機の特性情報を取得し、モデル調整部１１２が、当該特性情報に基づいてモデル記憶部１１３の記憶するモデルを調整する。特性情報取得部１１１が粒子フィルタを用いて特性情報を取得することにより、モデルパラメータの状態遷移モデル（すなわち、特性情報の状態遷移モデル）が線形であるとの制約や、システム雑音がガウス分布に従うとの制約を受けない。従って、特性情報取得部１１１は、制御対象実機の特性に応じた適切な状態遷移モデルを用いて、また、制御対象実機の特性に応じた適切な分布のシステム雑音を用いて、より正確に特性情報の値を求めることができる。
従って、シミュレーションシステム１は、より適切に（精度よく）シミュレーションを行うことができ、制御則の評価者は、当該シミュレーション結果に基づいて制御対象機器に適用する制御則をより適切に評価し得る。 In this configuration, the simulation unit 131 performs a simulation by applying the control law stored in the control law storage unit 121 to the model of the control target real machine stored in the model storage unit 113. Therefore, the evaluator of the control law can store the control law to be evaluated in the control law storage unit 121 and can evaluate the control law based on the simulation result.
In that case, the characteristic information acquisition part 111 acquires the characteristic information of a control object real machine using a particle filter, and the model adjustment part 112 adjusts the model which the model memory | storage part 113 memorize | stores based on the said characteristic information. When the characteristic information acquisition unit 111 acquires characteristic information using a particle filter, the model parameter state transition model (that is, the characteristic information state transition model) is restricted to be linear, and the system noise follows a Gaussian distribution. Not subject to restrictions. Therefore, the characteristic information acquisition unit 111 uses the appropriate state transition model according to the characteristics of the controlled real machine, and more accurately uses the system noise with an appropriate distribution according to the characteristics of the controlled real machine. Information values can be obtained.
Therefore, the simulation system 1 can perform simulation more appropriately (accurately), and the evaluator of the control law can more appropriately evaluate the control law applied to the control target device based on the simulation result.

なお、上述したように、シミュレーションシステム１は、コンピュータを用いて実現し得る。従って、シミュレーションシステム１の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。 As described above, the simulation system 1 can be realized using a computer. Accordingly, a program for realizing all or a part of the functions of the simulation system 1 is recorded on a computer-readable recording medium, and the program recorded on the recording medium is read into the computer system and executed. You may perform the process of. Here, the “computer system” includes an OS and hardware such as peripheral devices.
Further, the “computer system” includes a homepage providing environment (or display environment) if a WWW system is used.
The “computer-readable recording medium” refers to a storage device such as a flexible medium, a magneto-optical disk, a portable medium such as a ROM and a CD-ROM, and a hard disk incorporated in a computer system. Furthermore, the “computer-readable recording medium” dynamically holds a program for a short time like a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line. In this case, a volatile memory in a computer system serving as a server or a client in that case, and a program that holds a program for a certain period of time are also included. The program may be a program for realizing a part of the functions described above, and may be a program capable of realizing the functions described above in combination with a program already recorded in a computer system.

以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。   The embodiment of the present invention has been described in detail with reference to the drawings. However, the specific configuration is not limited to this embodiment, and includes design changes and the like without departing from the gist of the present invention.

１…シミュレーションシステム
１０１…測定値取得部
１０２…制御装置通信部
１０３…端末通信部
１１１…特性情報取得部
１１２…モデル調整部
１１３…モデル記憶部
１２１…制御則記憶部
１２２…制御則記憶部
１３１…シミュレーション部
１３２…シミュレーション部
１４１…評価用データ生成部
１５１…制御則書換部
１６１…制御則出力部
９００…ＧＴＣＣ発電システム
９０１…ＧＴＣＣ設備
９０２…制御装置
９０３…シミュレーションシステム用計算機
９０４…端末装置 DESCRIPTION OF SYMBOLS 1 ... Simulation system 101 ... Measurement value acquisition part 102 ... Control apparatus communication part 103 ... Terminal communication part 111 ... Characteristic information acquisition part 112 ... Model adjustment part 113 ... Model memory | storage part 121 ... Control law memory | storage part 122 ... Control law memory | storage part 131 ... Simulation unit 132 ... Simulation unit 141 ... Evaluation data generation unit 151 ... Control law rewriting unit 161 ... Control law output unit 900 ... GTCC power generation system 901 ... GTCC equipment 902 ... Control device 903 ... Simulation system computer 904 ... Terminal device

Claims (7)

制御対象実機を模擬するモデルに対して第１制御則を適用してシミュレーションを行う第１シミュレーション部、及び、前記制御対象実機に適用されている制御則である第２制御則を前記モデルに対して適用してシミュレーションを行う第２シミュレーション部を具備するシミュレーション部と、
前記制御対象実機での測定値を粒子フィルタに入力して前記制御対象実機の特性情報を求める特性情報取得部と、
前記特性情報に基づいて前記モデルを調整するモデル調整部と、
前記第１シミュレーション部のシミュレーション結果と、前記第２シミュレーション部のシミュレーション結果とに基づいて、前記第１制御則の評価用データを生成する評価用データ生成部と、
を具備することを特徴とするシミュレーションシステム。 A first simulation unit that performs simulation by applying a first control law to a model that simulates a real machine to be controlled, and a second control law that is a control law applied to the real machine to be controlled is applied to the model. A simulation unit comprising a second simulation unit for applying and performing simulation ;
A characteristic information acquisition unit that obtains characteristic information of the control target real machine by inputting a measured value of the control target real machine into a particle filter;
A model adjustment unit for adjusting the model based on the characteristic information;
An evaluation data generation unit that generates evaluation data of the first control law based on a simulation result of the first simulation unit and a simulation result of the second simulation unit;
A simulation system comprising: 前記特性情報取得部は、前記制御対象実機から得られたデータに基づいて構築された前記粒子フィルタを用いて前記制御対象実機の特性情報を求めることを特徴とする請求項１に記載のシミュレーションシステム。 The simulation system according to claim 1, wherein the characteristic information acquisition unit obtains characteristic information of the control target real machine using the particle filter constructed based on data obtained from the control target real machine. . 前記シミュレーション部のシミュレーション結果に基づいて、前記制御対象実機のメンテナンス推奨時期を決定するメンテナンス推奨時期決定部を具備することを特徴とする請求項１または請求項２に記載のシミュレーションシステム。 Simulation system according to claim 1 or claim 2 wherein based on a simulation result of the simulation unit, characterized by comprising a maintenance recommendation timing determining unit for determining a maintenance recommendation timing of the control target real machine. 前記第１シミュレーション部のシミュレーション結果に基づいて、前記第１制御則を変更する制御則変更部を具備することを特徴とする請求項１から３のいずれか一項に記載のシミュレーションシステム。 The simulation system according to any one of claims 1 to 3, further comprising a control law changing unit that changes the first control law based on a simulation result of the first simulation unit. 前記シミュレーションシステムは、前記制御対象実機を制御する制御装置とは別に設けられた計算機を用いて実現されることを特徴とする請求項１から４のいずれか一項に記載のシミュレーションシステム。 The simulation system according to any one of claims 1 to 4 , wherein the simulation system is realized by using a computer provided separately from a control device that controls the real machine to be controlled. 制御対象実機を模擬するシミュレーション実行方法であって、
前記制御対象実機を模擬するモデルに対して第１制御則を適用してシミュレーションを行う第１シミュレーションステップ、及び、前記制御対象実機に適用されている制御則である第２制御則を前記モデルに対して適用してシミュレーションを行う第２シミュレーションステップを含むシミュレーションステップと、
前記制御対象実機での測定値を粒子フィルタに入力して前記制御対象実機の特性情報を求める特性情報取得ステップと、
前記特性情報に基づいて前記モデルを調整するモデル調整ステップと、
前記第１シミュレーションステップでのシミュレーション結果と、前記第２シミュレーションステップでのシミュレーション結果とに基づいて、前記第１制御則の評価用データを生成する評価用データ生成ステップと、
を具備することを特徴とするシミュレーション実行方法。 A simulation execution method for simulating a real machine to be controlled,
A first simulation step of performing simulation by applying a first control law to a model simulating the real machine to be controlled, and a second control law that is a control law applied to the real machine to be controlled as the model A simulation step including a second simulation step of applying to the simulation and
A characteristic information obtaining step for obtaining characteristic information of the control target real machine by inputting a measured value of the control target real machine into a particle filter;
A model adjustment step of adjusting the model based on the characteristic information;
An evaluation data generation step for generating evaluation data for the first control law based on a simulation result in the first simulation step and a simulation result in the second simulation step;
A simulation execution method comprising: コンピュータに、
制御対象実機を模擬するモデルに対して第１制御則を適用してシミュレーションを行う第１シミュレーションステップ、及び、前記制御対象実機に適用されている制御則である第２制御則を前記モデルに対して適用してシミュレーションを行う第２シミュレーションステップを含むシミュレーションステップと、
前記制御対象実機での測定値を粒子フィルタに入力して前記制御対象実機の特性情報を求める特性情報取得ステップと、
前記特性情報に基づいて前記モデルを調整するモデル調整ステップと、
前記第１シミュレーションステップでのシミュレーション結果と、前記第２シミュレーションステップでのシミュレーション結果とに基づいて、前記第１制御則の評価用データを生成する評価用データ生成ステップと、
を実行させるためのプログラム。 On the computer,
A first simulation step for performing simulation by applying a first control law to a model simulating a real machine to be controlled, and a second control law, which is a control law applied to the real machine to be controlled, to the model A simulation step including a second simulation step of applying and performing simulation;
A characteristic information obtaining step for obtaining characteristic information of the control target real machine by inputting a measured value of the control target real machine into a particle filter;
A model adjustment step of adjusting the model based on the characteristic information;
An evaluation data generation step for generating evaluation data for the first control law based on a simulation result in the first simulation step and a simulation result in the second simulation step;
A program for running
JP2011263590A 2011-12-01 2011-12-01 Simulation system, simulation execution method and program Expired - Fee Related JP5804918B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2011263590A JP5804918B2 (en) 2011-12-01 2011-12-01 Simulation system, simulation execution method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2011263590A JP5804918B2 (en) 2011-12-01 2011-12-01 Simulation system, simulation execution method and program

Publications (2)

Publication Number Publication Date
JP2013117752A JP2013117752A (en) 2013-06-13
JP5804918B2 true JP5804918B2 (en) 2015-11-04

Family

ID=48712307

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011263590A Expired - Fee Related JP5804918B2 (en) 2011-12-01 2011-12-01 Simulation system, simulation execution method and program

Country Status (1)

Country Link
JP (1) JP5804918B2 (en)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6446160B2 (en) * 2016-08-01 2018-12-26 株式会社エコ・サポート Evaluation test apparatus and evaluation test system
KR101933784B1 (en) 2017-03-17 2018-12-28 두산중공업 주식회사 Real time gas turbine simulation system, and execution method thereof
US10822255B2 (en) 2017-07-14 2020-11-03 Doosan Heavy Industries & Construction Co., Ld Water treatment apparatus using underwater plasma discharge and water treatment system including same
JP6963512B2 (en) * 2018-01-12 2021-11-10 三菱パワー株式会社 Fuel supply systems, gas turbines, power plants, control methods and programs
CN113701868B (en) * 2021-08-25 2023-09-19 三一汽车制造有限公司 Semi-physical simulation platform and method of weighing system and stirring station
CN113820953B (en) * 2021-09-26 2024-04-02 北京航空航天大学 Modeling method and device of guide vane servo system and electronic equipment

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3295786B2 (en) * 1993-07-10 2002-06-24 マツダ株式会社 Equipment control device
JP3799217B2 (en) * 2000-06-22 2006-07-19 株式会社日立製作所 Power generation facility operation management system and maintenance management service method
US7822512B2 (en) * 2008-01-08 2010-10-26 General Electric Company Methods and systems for providing real-time comparison with an alternate control strategy for a turbine
US7861578B2 (en) * 2008-07-29 2011-01-04 General Electric Company Methods and systems for estimating operating parameters of an engine

Also Published As

Publication number Publication date
JP2013117752A (en) 2013-06-13

Similar Documents

Publication Publication Date Title
JP5804918B2 (en) Simulation system, simulation execution method and program
Tsoutsanis et al. A component map tuning method for performance prediction and diagnostics of gas turbine compressors
JP5715377B2 (en) Turbine operation deterioration judgment system and method
CN104727949B (en) For controlling the device and non-transitory computer-readable storage media of machine operation
JP2016515670A (en) Engine output control based on small air heat model
JP2009162230A (en) Method and system for materializing real-time comparison with using alternative control system on turbine
JP2009062983A (en) Method and system for predicting gas turbine emission quantity utilizing meteorological data
CN107076032B (en) Overall flame temperature regulator for dry low emissions engine
JP6875146B2 (en) Gas turbine controller, gas turbine plant and gas turbine control method
US10706189B2 (en) Systems and method for dynamic combustion tests
JP2012053505A (en) Plant control system and thermal power plant control system
JP2016530585A (en) How to calculate the output model of a technical system
JP2012067741A (en) Combustion reference temperature estimation
WO2007116592A1 (en) Plant control device
JP2012141862A (en) Control device for plant and control device for fire power generation plant
US9423781B2 (en) Model based control with engine perturbation feedback
JP2010242758A (en) Method and system for actively tuning valve
EP3577322A1 (en) Generating steam turbine performance maps
CN104272200A (en) Fossil-fuel power generating equipment, renewable energy power generating plant, and control method for same
JP2017125495A (en) Machine-specific probabilistic control in gas turbine tuning for power output-emissions parameters, related control systems, computer program products and methods
US9149776B2 (en) Systems and methods for liquid fuel modeling
JP2009110256A (en) Plant control device, and plant control device for thermal power plant
JP7130389B2 (en) Power generation system control by adaptive learning
JP5523950B2 (en) Fuel calorie calculation device and fuel calorie calculation method
Dong et al. Analysis and design of an adaptive turbulence-based controller for wind turbines

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140715

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20150427

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150507

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150706

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20150707

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: 20150804

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150901

R151 Written notification of patent or utility model registration

Ref document number: 5804918

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

LAPS Cancellation because of no payment of annual fees