CN101221415B - 火力设备控制装置 - Google Patents

Abstract

本发明提供一种设备控制装置，其在短时间内分析变更操作信号的效果及得到该效果的物理原由，并可画面显示这些分析结果。该设备控制装置具备：测量信号DB(210)；操作信号DB(250)；数值解析执行机构DB(220)；数值解析结果DB(240)；推定对于操作信号的测量信号的值的模型(230)；使用模型(230)的学习机构(260)；学习信息DB(270)；在操作信号生成机构(280)中使用的信息的控制逻辑DB(290)；设备的运转特性的知识DB(400)；分析机构(300)，其利用知识DB(400)、学习信息DB(270)、操作信号DB(250)和测量信号DB(210)的信息处理数值解析结果DB(240)的信息，分析机构(300)包括操作方法的妥当性的学习依据分析机构(310)；评价有无与操作信号给予设备的效果异常的测量信号的信号分析机构(320)；修正知识DB(400)的信息的知识DB更新机构(330)的至少一种。

Description

火力设备控制装置

技术领域

本发明涉及火力发电设备等的设备控制装置。 

背景技术

在设备控制装置中，处理来自作为控制对象的设备的测量信号，并计算出给予控制对象的操作信号。在控制装置中安装计算操作信号的算法，以使设备的测量信号满足其目标值。 

作为用于设备的控制的算法有PI(比例·积分)控制算法。PI控制是将设备的测量信号与其目标值的偏差乘以比例增益后的值，再与对偏差进行时间积分后的值进行加运算，从而导出给予控制对象的操作信号。使用PI控制的控制算法能够以框图可视化，并明确可知其工作原理或工作原因。通常，此种框图由控制逻辑设计者制成，不会执行设计者不想要的工作。PI控制为稳定且安全的控制算法，也有很多实际成绩。 

但是，在设备运转方式的变更或环境的变化等无法事先预期的条件下，运转设备的情况下，需要变更控制逻辑等操作。 

另一方面，为适应设备的运转方式或环境的变化，自动地修正变更控制算法，也能够使用适应控制或学习算法控制设备。作为使用学习算法对设备进行控制的方法的一例，提出了涉及使用强化学习法的控制装置的技术的方案(例如，参照专利文献1)。该控制装置具备预测控制对象的特性的模型，和学习模型的输入的生成方法，以使模型的输出达到其目标值的学习机构。 

锅炉是高度达到数十米的大的构造物，难以把握内部产生的现象。此外锅炉内，燃料的燃烧反应、燃烧气体中的成分的反应、气体及水·蒸汽的流动、传热现象等多种现象复合地产生。从而，为抑制派出气体中的有害物质的产生，在硬件方面、控制方面开发了各种技术。 

以往，在锅炉设备控制的领域中，主流是以PID(比例·积分·微分)控制为基本的控制逻辑。在该情况下，作为控制的指标的蒸汽温度、蒸汽压力、气体中成分的浓度等测量场所与锅炉的大小相比很少，难以把握锅炉内的分布。 

增多测量场所在制造成本的方面难以实现，假设即使增加测量场所，也难以从测量信息中了解上述的复合现象。 

此外，也提出了通过以神经元网络为代表的带有教师的学习功能或，由非专利文献1中所述的强化学习法形成的带有教师的学习功能，能够灵活地对应设备的特性的技术的方案，但无论在哪种情况下，难以确认作为学习结果的操作与现象的因果关系，所以存在对于新的操作的可靠性差的问题。 

此外，在操作员教育的方面，能够用模拟训练用模拟装置学习锅炉对于操作的响应。作为本技术有专利文献2。专利文献2开发出：保管有由计算机图形学制成的各种燃烧炉燃烧图案的火焰模型，并通过在产生周期性的图像时，从数据的中途进行重复，由此表示燃烧炉燃烧火焰的样子，以加深训练者的现象理解。 

专利文献1：日本专利特开2000-35956号公报(第3～4页，图3) 

专利文献2：日本专利特许3764585号公报(权利要求1) 

非专利文献：强化学习(Reinforcement Learning)，三上贞芳·皆川雅章共译，森北出版株式会社，2000年12月20日出版 

如果使用专利文献1中记载的技术，则能够适应设备的运转方式或环境的变化，自动地修正/变更控制算法。 

但是，为评价学习结果的妥当性，需要人详细地分析学习结果。此外，为安全地运转设备，需要确认修正/变更后的算法正常工作。 

即，在设备控制中利用能够适应设备的运转方式或环境的变化的学习算法，为安全地运转设备必须提高学习算法的可靠性。 

此外，如上述的现有技术所述，操作者难以了解锅炉内的复杂的举动、复合现象。因此，根据情况有可能实施不合适的控制操作，不仅安全上不优选，因为控制性能没有充分地发挥，所以也有可能增加有害物质的排出量。 

此外，特别在具有学习功能的控制方法中，通常学习结果多为黑箱，因此存在学习结果的可靠性欠缺的问题。 

此外，在专利文献2记载的技术中，能够易于把握燃烧炉火焰的状态，但对于氮氧化物(NOx)、一氧化碳(CO)等的有害成分的产生并未直接揭示因果关系。 

发明内容

本发明的目的在于提供一种具备为提高学习算法的可靠性，设备的操作员能够容易地确认学习结果的机构的设备控制装置。 

本发明的另一目的在于，解决以上的问题，并提供一种通过显示以易于理解控制操作与锅炉内的现象之间的关系，从而提高控制操作可靠性的锅炉设备的控制装置或与锅炉设备的控制相关的操作员训练用装置。 

本发明为解决上述问题，提出一种设备控制装置的方案，其具有使用设备的运转状态量的测量信号，从而计算出给予设备的操作信号的操作信号生成机构，其中，所述设备控制装置具备：测量信号数据库，其保存以往的测量信号；操作信号数据库，其保存以往的操作信号；数值解析执行机构，其解析设备的运转特性；数值解析结果数据库，其保存使所述数值解析执行机构动作而得的数值解析结果；模型，其使用所述数值解析结果数据库的信息，推定将操作信号给予设备后时的测量信号的值；学习机构，其使用所述模型学习设备的操作方法；学习信息数据库，其保存在所述学习机构中得到的学习信息；控制逻辑数据库，其保存在所述操作信号生成机构中操作信号的导出使用的信息；知识数据库，其保存关于设备的运转特性的知识；分析机构，其使用所述知识数据库、所述学习信息数据库、所述操作信号数据库、和所述测量信号数据库的信息，处理所述数值解析结果数据库的信息；分析结果数据库，其保存由所述分析机构分析后的结果，并且所述分析机构包括学习依据分析机构、信号分析机构、和知识数据库更新机构的至少一个，所述学习依据分析机构评价在所述学习机构中学习的操作方法的妥当性，所述信号分析机构评价将操作信号给予设备后的情况下的效果和有无异常的测量信号，所述知识数据库更新机构追加或修正所述知识数据库的信息。 

此外，本发明在具有锅炉的设备的控制装置中，具备：现象可视化机构，其将所述锅炉的内部的现象可视化，并能够显示控制操作与锅炉内产生的现象的关系；图像显示机构，其将被所述现象可视化机构图像化的所述关系显示在画面上。 

发明效果 

根据本发明，能够自动地分析学习结果，并进而在画面上显示学习结果的分析结果。由此，设备的操作员能够确认学习结果的分析结果。此外，设备的操作员能够判断是否将利用学习算法导出的操作信号输入设备，所以安装了学习算法的控制装置的可靠性提高。 

此外，来自设备的测量信号为异常值的情况下，能够推定其要因。为回避异常状态，在需要改造或修补设备主体的情况下，也可将改造或修补的内容和改造或修补的效果显示在画面上。 

此外，也能够将本发明的控制装置灵活应用于设备操作员的教育用模拟机，从而能够有利于操作员技能提高。 

根据本发明，以容易理解控制操作与锅炉内的气体的流动的轨迹等现象之间的关系地显示，所以控制装置的可靠性提高。 

此外，在学习型控制装置中，易于把握作为学习结果的控制操作与现象之间的关系，能够防止不适当的操作，从而运转的稳定性和安全性提高。此外，操作员的理解加深，有利于运转技能的提高。 

附图说明

图1是表示根据本发明的设备控制装置的实施例1的系统结构的框图。 

图2是表示根据本发明的设备控制装置中的分析机构的结构的一例的框图。 

图3是表示根据本发明的设备控制装置中的学习依据分析机构的动作的流程图。 

图4是表示根据本发明的设备控制装置中的信号分析机构的动作的流程图。 

图5是表示根据本发明的设备控制装置中的知识数据库更新机构的动  作的流程图。 

图6是显示于与根据本发明的设备控制装置连接的图像显示装置上的初始画面。 

图7是在根据本发明的设备控制装置中，在执行数值解析时，显示于图像显示装置的画面。 

图8是在根据本发明的设备控制装置中，在参照数据库时，显示于图像显示装置的画面。 

图9是在根据本发明的设备控制装置中，在执行学习时，显示于图像显示装置的画面。 

图10是在根据本发明的设备控制装置中，在选择有无显示操作效果时，显示于图像显示装置的画面。 

图11是表示根据本发明的设备控制装置的动作的流程图。 

图12是在根据本发明的设备控制装置中，在确定可否执行操作时，显示于图像显示装置的画面。 

图13是表示将本发明应用于火力发电设备的系统结构的一例的图。 

图14是表示火力发电设备中的空气加热器及配管的结构的图。 

图15是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在测量信号及操作信号数据库中保存的信息的形态的图。 

图16是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在输入解析条件时，显示于图像显示装置的画面。 

图17是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在数值解析结果数据库中保存的信息的形态的图。 

图18是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在数值解析结果数据库中保存的信息的形态的图。 

图19是将根据本发明的设备控制装置适用于火力发电设备的情况下，说明模型的构筑方法的图。 

图20是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在学习信息数据库中保存的信息的形态的图。 

图21是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在知识数据库中保存的信息的形态的图。 

图22是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在分析结果数据库中保存的信息的形态的图。 

图23是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，学习依据分析机构的一个机构的动作的流程图。 

图24是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，构成信号分析机构的测量信号评价功能的一个机构的动作的流程图。 

图25是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，构成信号分析机构的测量信号评价功能的一个机构的动作的流程图。 

图26是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，构成知识数据库更新机构的知识修正功能的一个机构的动作的流程图。 

图27是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，构成知识数据库更新机构的知识追加功能的一个机构的动作的流程图。 

图28是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在确定可否执行操作时，显示于图像显示装置的画面。 

图29是表示将根据本发明的设备控制装置适用于火力发电设备的情况下，在评价设备改造的效果时，显示于图像显示装置的画面。 

图30是构成火力发电设备的锅炉的数值解析结果中的锅炉出口CO浓度的分布图。 

图31是将根据本发明的设备控制装置适用于火力发电设备的情况下，说明比较操作前和操作后的数值解析结果的状况的图。 

图32是说明本发明的实施方式的控制装置的结构的图。 

图33是说明火力发电设备的结构的图。 

图34是说明强化学习概念的图。 

图35是说明强化学习机构的结构的图。 

图36是说明燃烧器、空气端口及气体浓度测量位置的图。 

图37是说明流线数据运算机构的第一结构例的图。 

图38是说明流线数据运算机构的第二结构例的图。 

图39是说明气体流路剖面上的分布信息学习·预想机构的结构例的图。 

图40是说明气体流路剖面的设定位置及各剖面中的浓度分布的表示例的图。 

图41是说明流线数据和气体性状分布数据的显示画面及他们的显示条件设定画面的例子的图。 

图42是说明气体浓度实绩数据的趋势显示及时刻设定的画面例的图。 

图43是说明多种流线数据的显示画面例的图。 

图44是说明燃烧器、空气端口的燃料及空气量的设定和与其对应的气体流线预想画面例的图。 

图中，100-设备；200-控制装置；201-外部输入界面；202-外部输出界面；210-测量信号数据库；220-数值解析执行机构；230-模型；240-数值解析结果数据库；250-操作信号数据库；260-学习机构；270-学习信息数据库；280-操作信号生成机构；290-控制逻辑数据库；300-分析机构；400-知识数据库；500-分析结果数据库；600-外部输入装置；601-键盘；602-鼠标；610-维护工具；620-外部输入界面；630-数据发送接收处理机构；640-外部输出界面；650-图像显示装置；1100-控制对象设备；1200-控制装置；1220-输入输出界面；1221-输入输出机构；1223-显示画面；1230-基本操作指令运算机构；1240-运转实绩数据库；1250-修正机构；1255-现象可视化机构；1260-流线数据运算机构；1261-流线数据差补机构；1262-条件适合数据提取机构；1265-流线描绘机构；1280-操作指令确定机构；1290-强化学习机构；1400-数值解析运算机构。 

具体实施方式

接下来，参照图1～图31，说明根据本发明的设备控制装置的实施例。 

(实施例1) 

图1是表示根据本发明的设备控制装置的实施例1的系统结构的框图。图1中，设备100由控制装置200控制。 

在对作为控制对象的设备进行控制的控制装置200中，作为运算装置，设置有数值解析执行机构220、模型230、学习机构260、操作信号生成机构280、及分析机构300。 

此外，在控制装置200中，作为数据库设置有测量信号数据库210、数值解析结果数据库240、操作信号数据库250、学习信息数据库270、控制逻辑数据库290、知识数据库400及分析结果数据库500。 

此外，控制装置200中作为与外部的界面设有外部输入界面201及外部输出界面202。 

在控制装置200中，经由外部输入界面201，从设备100将测量信号1取入控制装置200。此外，经由外部输出界面，向设备100送出操作信号15。 

在控制装置200中，经由外部输入界面201，取入设备100的测量信号1，取入的测量信号2保存在测量信号数据库210中。此外，在操作信号生成机构280中生成的操作信号13向外部输出界面202传送，并且保存在操作信号数据库250中。 

在操作信号生成机构280中，使用控制逻辑数据库290的控制逻辑数据12及学习信息数据库270的学习信息11，生成操作信号13，以使测量信号1达到运转目标值。在该控制逻辑数据库290中，为输出控制逻辑数据，保存计算出控制逻辑数据的12的控制回路及控制参数。 

保存在学习信息数据库270中的学习数据在学习机构260中生成。学习机构260与模型230连接。 

模型230带有模拟设备100的控制特性的功能。即，模拟运算与将作为控制指令的操作信号15给予设备100，并得到其控制结果的测量信号1相同的过程。为进行该模拟运算，从学习机构260接受使模型230工作的模型输入7，并在模型230中，模拟运算设备100的控制动作，并得到其模拟运算结果的模型输出8。此处，模型输出8形成设备100的测量信号1的预测值。 

该模型230基于数值解析结果数据库240的数值解析结果构筑。此外，保存于数值解析结果数据库240的数值解析结果由数值解析执行机构220生成。 

在数值解析执行机构220中，使用对设备100进行模拟的物理模型，从而预测设备100的特性。在数值解析执行机构220中，执行例如使用三维解析工具的计算，并对设备100的特性进行三维预测。在数值解析执行机构220中执行而得到的计算结果保存于数值解析结果数据库240。 

模型230中，使用数值解析结果数据库240及测量信号数据库210的信息，使用神经元网络等的统计性方法，计算与模型输入7对应的模型输出8。模型230从数值解析结果数据库240中抽出用于计算与模型输入7对应的模型输出8所需要数值解析结果，并对该结果进行插补。此外，存在数值解析执行机构220的模型特性与装置100的特性不同的情况，使用测量信号210的测量信号数据3，能够修正模型230，从而使模型230与装置100的特性一致。 

在学习机构260中，学习模型输入7的生成方法，以使由模型230模拟运算的模型输出8达到由操作员预先设定的模型输出目标值。学习机构260适用强化学习、进化性计算方法等的各种最优化方法来构筑。 

用于学习的约束条件、模型输出目标值等学习信息数据9保存在学习信息数据库270中。此外，作为在学习机构260中学习的结果的学习信息数据10保存于学习信息数据库270。学习信息数据10中包含有与模型输入变更前的状态和该状态时的模型输入的变更方法相关的信息。 

分析机构300与测量信号数据库210、操作信号数据库250、数值解析结果数据库240、学习信息数据库270、知识数据库400及分析结果数据库500连接，并且具有提取这些数据库中的信息，使用提取的信息执行各种分析，并将分析结果发送到数据库的功能。知识数据库400保存与设备100相关的知识。例如保存设备100的测量值在某个值以上的情况下发生的现象，或关于设备100的性能与测量值的因果关系的知识。另外，对于分析机构300的详细的功能后面叙述。 

设备100的操作员通过使用包括键盘601和鼠标602的外部输入装置600，具备能够与控制装置200发送接收数据的数据发送接收机构630的维护工具610及图像显示装置650，能够访问控制装置200中具备的各种数据库。 

维护工具610包括外部输入界面620、数据发送接收机构630及外部 输出界面640。 

在外部输入装置600中生成的维护工具输入信号51经由外部输入界面620取入维护工具610中。在维护工具610的数据发送接收机构630中，根据维护工具输入信号52的信息，取得控制装置200具备的数据库信息50。 

在数据发送接收处理机构630中，将处理数据库信息50后得到的结果作为维护工具输出信号53发送到外部输出界面640。维护工具输出信号34在图像显示装置650上显示。 

而且，在上述实施例的控制装置200中，测量信号数据库210数值解析结果数据库240、操作信号数据库250、学习信息数据库270、控制逻辑数据库290、知识数据库400及分析结果数据库500配置在控制装置200的内部，但也能够将他们全部或一个机构配置在控制装置200的外部。 

此外，模型230、学习机构260及分析机构300配置在控制装置200的内部，但也能够将他们全部或一个机构配置在控制装置200的外部。 

例如，也可将学习机构260、模型230、数值解析执行机构220、数值解析结果数据库240及学习信息数据库270配置在控制装置200的外部，并将数值解析结果16、学习信息数据11及学习信息数据17经由互联网发送给控制装置200。 

图2是表示分析机构300的系统图。分析机构300包括学习依据分析机构310、信号分析机构320、及知识数据库更新机构330。 

在学习依据分析机构310中，参照数值解析结果数据库240及知识数据库400的信息，对得到学习信息数据库270的学习结果的原因进行分析，并将其分析结果发送给分析结果数据库500。 

在信号分析机构320中，参照数值解析结果数据库240及知识数据库400的信息，对处理操作信号数据库250及测量信号数据库210的信息，并更新操作信号的效果及异常的测量信号的有无进行分析，并将其分析结果发送到分析结果数据库500。 

此外，在知识数据库更新机构330中，参照数值解析结果数据库240、测量信号数据库210、分析结果数据库500的信息，评价知识数据库400的知识。此外，具备根据需要修正知识数据库400的知识的功能，或追加  新的知识的功能。 

图3是表示学习依据分析机构310的动作的流程图。学习依据分析机构310的动作组合步骤2000、2010、2020、2030、2040、2050、2060及2070来执行。 

在步骤2000中，将表示步骤2010～2060的重复次数的值即I初始化(I＝1)。接下来，在步骤2010中，设定运用条件的初始值。在步骤2020中，从学习信息数据库270中取得在步骤2010中设定的运用条件下的模型输入变更幅度。 

在步骤2030中，从数值解析结果数据库240中提取与在步骤2010中设定的运用条件，和在该运用条件的模型输入上加上在步骤2020中导出的模型输入变更幅度后的运用条件相对应的两种数值解析结果。 

接下来，在步骤2040中，评价能否用知识数据库400的知识说明在步骤2030中提取的两种数值解析结果的差异。步骤2050为分路，判断能够在步骤2040中说明的情况下，前进到步骤2060，判断不能说明的情况下，前进到步骤2070。 

在步骤2060中，将两种运用条件、数值解析结果及在步骤2040中使用的知识发送到分析结果数据库500，并将这些信息保存于分析结果数据库。 

在步骤2070中，将表示步骤2010～2060的重复次数的值即I与预先设定的阈值比较，在I小于阈值的情况下，I加上1后返回到步骤2010，相反，在大于阈值的情况下，前进到使学习依据分析机构310的动作完成的步骤。 

通过以上的动作，在分析结果数据库500中保存模型输入更新前与更新后的数值解析结果，和可说明两个数值解析结果的不同的知识。设备100的操作员可使用维护工具610，将这些信息显示在图像显示装置650上。由此，能够容易地识别通过学习机构260学习的操作方法是否妥当。此外，也能够知道模型输入变更的效果。 

图4是表示信号分析机构320的动作的流程图。信号分析机构320带有操作信号评价功能模块和测量信号评价功能模块两个功能模块。在步骤2100中，选择使用两个功能模块中的哪个功能模块。 

操作信号评价功能模块组合执行步骤2100、2110、2120、2130、及2140，测量信号评价功能模块组合执行步骤2210、2220、2230、2240、2250及2260。 

在操作信号评价功能模块中，通过导出与变更操作信号前后对应的模型输入，并分析与该两个模型输入对应的数值解析结果，并参照知识数据库400的知识，能够伴随操作信号变更，考察控制特性变化的理由。 

在步骤2110中，从操作信号数据库250提取操作信号变更前与操作信号变更后的操作信号，并导出两个模型输入。在步骤2120中，从数值解析结果数据库240提取与两个模型输入对应的数值解析结果。在步骤2130中，从知识数据库400提取对在步骤2120中提取的两个数值解析结果的差异进行说明的知识。最后，将在步骤2110中导出的模型输入、在步骤2120中提取的数值解析结果及在步骤2130中提取的知识发送给分析结果数据库500，并将这些信息保存在分析结果数据库500中。 

在测量信号评价功能模块中，比较测量信号与数值解析结果，在其差大的情况下，判断为设备100的测量信号为异常值，并能够使用知识数据库400的知识，推定形成异常值的原因。 

在步骤2210中，从操作信号数据库250提取现在的操作条件，并导出与此相对应的模型输入。在步骤2220中，提取与在步骤2210中导出的模型输入相对应的数值解析结果。在步骤2230中，计算数值解析结果与测量信号的偏差。在步骤2240中，由步骤2230计算的偏差大于预先设定的阈值的情况下，前进到步骤2250，在小于的情况下，结束。在步骤2250中，利用知识数据库400的知识，分析偏差大于阈值的理由。在步骤2260中，将在步骤2250中的分析结果发送·保存于分析结果数据库500。 

图5表示知识数据库更新机构330的动作的流程图。知识数据库更新机构330具有知识评价功能模块、知识修正功能模块及至知识追加功能模块三个功能模块。步骤2300中，在三个功能模块中选择使用哪个功能模块。 

知识评价功能模块组合执行步骤2310、2320及2330，知识修正功能模块组合执行步骤2410、2420及2430，知识追加功能模块组合执行步骤2510、2520、2530、2540及2550。 

在知识评价功能模块中，对知识数据库400的知识的有效性进行评价。 

在步骤2310中，从分析结果数据库500提取在学习依据分析机构310及信号分析机构320中利用知识，并导出知识数据库400的各知识的利用次数。在步骤2320中，基于在步骤2310中导出的利用次数，对每个知识计算评价值。例如，利用次数多的知识的评价值设为大的值，利用次数小的知识的评价值设为小的值。在步骤2330中，将在步骤2320中计算的评价值发送·保存在知识数据库400中。 

在执行学习依据分析机构310及信号分析机构320时，在步骤2040、步骤2130及步骤2250中，参照知识数据库400的知识。也能够参照知识数据库400的所有的知识，但如果知识的数量多，则存在计算处理时间变长的可能性。为避免此情况，在参照知识数据库400的知识时，从评价值大的知识中选择几个知识，并仅参照该知识，则能够在有限的时间内有效地参照知识。 

在知识修正功能模块中，比较测量信号数据库210、操作信号数据库250、及数值解析结果数据库240的信息与知识数据库400的知识，并在测量信号数据库210、操作信号数据库250及数值解析结果数据库240的信息存在矛盾的情况下，判断存在知识中存在错误，从而修正知识数据库400的知识。 

在步骤2410中，基于上述的判断，选定修正的知识。在步骤2420中，修正知识以去除矛盾点。在步骤2430中，将在步骤2420中修正的新的知识发送·保存于知识数据库400。 

此外，在知识修正功能模块中，也能够以修正评价值低的知识的方式进行动作。 

最后，对知识追加功能模块进行说明。在知识追加功能模块中，生成能够说明数值解析结果数据库240的一个数值解析结果的假设。在该假设能够充分说明其他的数值解析结果的情况下，该假设作为知识登录到知识数据库400。 

在步骤2510中，提取数值解析结果数据库240的数值解析结果。在步骤2520中，生成能够说明在步骤2510中提取的数值解析结果的假设。在步骤2530中，评价能否以在步骤2520中生成的假设说明数值解析结果  数据库240的其他的数值解析结果。在步骤2540中，基于步骤2530的评价结果，确定是否将假设追加到知识数据库400。在追加的情况下，前进到步骤2550，在不追加的情况下，完成知识追加功能模块。在步骤2550中，将在步骤2530中生成的假设发送·保存于知识数据库400。 

以上完成了对构成分析机构300的学习依据分析机构310、信号分析机构320及知识数据库330的说明。 

图6～图10为在图像显示装置650中显示的画面的一实施例。 

图6是初始画面。在图像显示装置650中显示图6的状态下，操作鼠标602，使光标与按钮重合，并点击鼠标602，则能够选择按钮。当选择按钮701、702、703、704时，图7、图8、图9、图10显示于图像显示装置650。 

图7中，当选择按钮711时，则能够输入/设定用于在数值解析执行机构220中执行计算所需的各种解析条件。当选择按钮712时，能够在数值解析执行机构220中开始计算。此外，当选择按钮713时，返回图6。 

图8中，能够选择在图像显示装置650中显示哪个数据库的信息。当选择721、722、723、724、725、726、727时，分别能够访问测量信号数据库210、操作信号数据库250、数值解析结果数据库240、学习信息数据库270、控制逻辑数据库290、知识数据库400、分析结果数据库500。能够将各数据库的信息显示于图像显示装置650，并且能够追加/修改/删除数据库的信息。 

图9中，当选择按钮731时，能够使学习机构260及模型230动作，学习操作方法。当选择按钮732时，能够使学习依据分析机构310动作。 

图10中，每当变更操作设备的操作信号时，使信号分析机构320动作，并选择是否将变更操作信号的效果显示在图像显示装置650上。图10中，对于选择按钮741的情况和选择按钮742的情况的不同，利用图11进行说明。 

图11是表示控制装置200的动作的流程图。控制装置200的控制动作组合执行步骤1010、1020、1030、1040、1050及1060。 

步骤1010中，使操作信号生成机构280动作，从而生成下次的操作信号的候补。步骤1020为显示判定，在图10中选择按钮741的情况下，  前进到步骤1040，在选择按钮742的情况下，前进到步骤1030。 

在步骤1040中，使信号分析机构320的操作信号评价功能模块动作，并推定变更操作信号的效果。在步骤1050中，将操作效果显示在图像显示装置650上。 

图12为由步骤1050显示在图像显示装置650上的画面的一实施例。与操作前和操作后对应的两种数值解析结果分别显示于751、752。此外，说明两种数值解析结果的差异的知识显示于栏753。设备的操作员观察这些信息的同时，能够选择是否执行操作。在允许操作的情况下，选择按钮754，在不允许的情况下，选择按钮755。 

图11中的步骤1060为操作执行判定，在图12中选择按钮754的情况下前进到步骤1030，在选择按钮755的情况下，返回到步骤1010。 

在步骤1030中，将在步骤1010中生成的操作信号给予设备100。 

(实施例2) 

接下来，对将根据本发明的设备控制装置适用于火力发电设备的实施例2进行说明。 

而且，当然在对火力发电设备以外的设备进行控制时，也能够使用本发明的设备控制装置。 

图13是表示火力发电设备100的系统构成的图。 

在构成火力发电设备的锅炉101中，设有供给以磨机110将煤微细粉碎后的燃料的微粉煤、微粉煤输送用的一次空气及燃烧调整用的二次空气的燃烧器102，并使经由该燃烧器102供给的微粉煤在锅炉101的内部燃烧。而且，微粉煤与一次空气由配管142，二次空气从配管141导入燃烧器102。 

此外，在锅炉101中设有将两级燃用的后气(after air)投入锅炉101的后气端口(after air port)103，后气从配管142被导入后气端口103。 

由于微粉煤的燃烧产生的高温的燃烧气体沿锅炉101的内部的路径流到下游侧后，通过配置于锅炉101的热交换器106进行热交换后，通过空气加热器104。通过空气加热器104后的气体在实施废气处理后，从烟囱排出到大气中。 

在锅炉101的热交换器106中循环的给水通过经由供水泵105向热交  换器106供给给水，在热交换器106中利用从锅炉101流下的燃烧气体被过度加热，从而变为高温高压的蒸汽。而且，在本实施例中，配置一个热交换器，也可配置多个热交换器。 

通过热交换器106后的高温高压的蒸汽经由涡轮调节器107导入蒸汽涡轮108，并利用蒸汽具有的能量来驱动蒸汽涡轮108，从而由发电机109进行发电。 

在火力发电设备中配置各种检测火力发电设备的运转状态的测量器，从这些测量器取得的设备的测量信号作为测量信号1，发送给控制装置200。例如，图2中，图示有流量测量器150、温度测量器151、压力测量器152、发电输出测量器153、及浓度测量器154。 

在流量测量器150中，测量从供水泵105向锅炉101供给的给水的流量。此外，温度测量器151及压力测量器152测量从热交换器106向蒸汽涡轮108供给的蒸汽的温度及压力。 

利用发电机109发电的电量由发电输出测量器153测量。关于包含在通过锅炉101的燃烧气体中的成分(CO、NOx等)的浓度的信息可由设置于锅炉101的下游侧的浓度测量器154测量。 

而且，通常在图13图示以外，在火力发电设备上配置多个测量器，但此处省略图示。 

接下来，对从燃烧器102向锅炉101的内部投入的一次空气和二次空气的路径，及从后气端口103投入的后气的路径进行说明。 

一次空气由风扇120导入配管130，在中途分路为通过设置于锅炉的下游侧的空气加热器104的配管132和不通过地旁路的配管131，并再次在配管133合流，导入设置于燃烧器102的上游侧的磨机110。 

通过空气加热器104的空气利用从锅炉101流下的燃烧气体加热。使用该一次空气，将在磨机110中粉碎的微粉煤与一次空气共同输送至燃烧器102。 

二次空气及后气由风扇导入配管140，在由空气加热器104同样地加热后，分路为二次空气用的配管141和后气用的配管142，分别导入燃烧器102和后气端口103。 

图14是表示图13所示的火力发电设备中的空气加热器及配管的结构  的图。配管131、132、141、142中分别配置空气阻尼器160、161、162、163。通过操作这些空气阻尼器，能够变更配管131、132、141、142中空气通过的面积，所以能够单独地调整通过配管131、132、141、142的空气流量。 

使用由控制装置200生成的操作信号，操作给水泵105、磨机110、空气阻尼器160、161、162、163等设备。而且，本实施例中，将给水泵105、磨机110、空气阻尼器160、161、162、163等设备称为操作端，将操作他们所需要的指令信号称为操作信号。 

此外，在将燃烧用等的空气或微粉煤等燃料投入锅炉101时，将能够使其喷出角度上下左右运动的功能添加到燃烧器102及后气端口103，也能够使他们的角度包含在操作信号15中。 

图15是表示保存在测量信号数据库210及操作信号数据库250中的数据的形态的图。在测量信号数据库210及操作信号数据库250中，按时间序列，各信号的值与其单位一同被保存。这些信息通过选择图8的按钮721及722，能够显示在图像显示装置650上。 

图16是数值解析执行机构220中的数值解析条件的设定画面，是通过在图7中选择按钮711，显示于图像显示装置650的画面。使用图16输入设备100的操作条件。而且，图16中，R_0001是指用于区别解析条件而分配的序号。图16中，图示了与R_0001～R_0005五种解析条件的输入机构相对的输入机构部分。图16中，能够输入的解析条件数为5，但也能增加其数目。 

此外，使用图16输入解析条件后，当在图7中选择按钮712时，在数值解析执行机构220中执行与图16的操作条件对应的数值解析。 

图17表示保存于数值解析结果数据库240的数据的形态的图。在数值解析结果数据库240中，图16中输入的解析条件与数值解析执行机构220中执行的数值解析结果被对应并保存。数值解析结果能够显示操作员设定的项目。此外，当参照记载于数据文件名的栏中的数据时，也能够了解三次元的数值解析结果。而且，图17中，显示CO浓度和NOx浓度，但除此以外例如也能够显示蒸汽温度和气体温度。 

图18是保存于数值解析结果数据库240的三次元的数值解析结果。  图18是沿锅炉101的横向以五列配置的燃烧器及后气端口中，在通过第三列的燃烧器和后气端口的剖面处切断时的气体速度矢量、温度、CO浓度及NOx浓度。 

此外，能够将在任意的剖断面中的数值解析结果显示于图像显示装置650。 

图19是表示基于数值解析结果数据库240的数值解析结果而构成的模型230的特性的图。模型230对数值解析结果数据库240的数值解析结果进行差补。差补能够使用神经元网络等各种方法。 

在欲将控制装置200适用于火力发电设备，并减少CO的情况下，模型230具有作为差补CO的数值解析结果的模型的功能。为实施在数值解析执行机构220中以三次元模型为对象的计算，计算时间需要变长。为在短时间内使学习进行，需要在短时间内取得与模型输入7对应的数值解析结果。 

因此，在本实施例中，通过预先将多个解析条件的数值解析结果保存于数值解析结果数据库240，并差补该数值解析结果，构成了在短时间内计算CO浓度的模型。 

图20是表示保存于学习信息数据库270中的信息的形态的图。在学习信息数据库中，运转状态与该运转状态下的操作量变化幅度的值对应地保存。而且，图20中，S_0001是为区别运转状态而分配的序号。 

图21是表示保存在知识数据库400中的信息的形态的图。知识数据库400以A类型、B类型、及C类型三种类型的格式保存信息。 

类型A中保存与通过锅炉内的气体的位置及该位置处的气体温度、气体流速、气体组成由氮氧化物、一氧化碳、二氧化碳、硫氧化物、汞、氟、煤尘、雾构成的微粒子类，或挥发性有机化合物的至少一种的量或浓度，或者锅炉运转效率等对设备性能因子带来影响相关的知识。 

类型B中保存与通过变更操作信号得到的效果相关的知识。 

类型C中保存测量信号与数值解析结果的误差变大的推定要因和用于确认其的解析条件。在误差变大的情况下，设备存在在异常状态下运转的可能性。也保存为从该异常状态进行恢复而实施的对策和用于实施想定实施该对策后的数值解析的解析条件。 

图22是表示保存于分析结果数据库500中的信息的形态的图。分析结果数据库500保存操作内容、效果预测、改善概率、推定要因、参考图、以往的实绩。 

图23是详细地表示在示意学习依据分析机构310的动作的图3中，将本发明的控制装置用于火力发电设备的情况下的步骤2040的流程图。本动作组合执行步骤1110、1120、及1130。 

在步骤1110中，由在步骤2030中提取的两种数值解析结果，比较锅炉出口剖面处的CO、NOx等气体浓度分布，并提取该浓度的偏差在某个阈值以上的区域。在步骤1120中，在与气体的流动相反的方向上追迹到达在步骤1110中提取的区域的气体路径，并提取与该气体路径处的气体温度和气体流速有关的信息。在步骤1130中，比较知识数据库400的类型A的知识与提取的气体浓度/气体温度/气体流速，并评价知识数据库400的知识的内容与数值解析结果是否一致。 

图24是详细地表示在示意信号分析机构320的动作的图4中，将本发明的控制装置用于火力发电设备的情况下的步骤2130的流程图。本动作组合执行步骤1210及1220。 

在步骤1210中提取在步骤2110及2120中提取的两种模型输入和与该模型输入对应的两个模型输出的差异。接下来，在步骤1220中，从知识数据库400的类型B的知识中提取能够说明步骤1210中提出的差异的知识。 

图25是详细地表示在示意信号分析机构320的动作的图4中，将本发明的控制装置用于火力发电设备的情况下的步骤2250的流程图。本动作组合执行步骤1310、1320及1330。 

在步骤1310中，使用知识数据库400的类型C的知识，从步骤2240中在阈值以上的项目中提取偏差变大的原因。在步骤1320中，执行用于确认的模拟。在步骤1330中，比较步骤1320执行的结果得到的数值解析结果与测量信号，并提取其偏差在阈值以下的模拟条件及与此对应要因。 

图26是详细地表示在示意知识数据库更新机构330的动作的图5中，将本发明的控制装置用于火力发电设备的情况下的步骤2410及2420的流程图。本动作组合执行步骤1400、1410、1420、1430及1440。 

本实施例中，在步骤2410中选定作为修正的对象的知识的方法有两种，在步骤1400中选定使用哪种。有在步骤1410及步骤1420中选定作为修正对象的知识的情况和在步骤1430中选定作为修正的对象的知识的情况。 

在步骤1410中，比较测量信号数据库210、操作信号数据库250、及数值解析结果数据库240的信息与知识数据库400的类型A的知识。在步骤1420中，步骤1410比较的结果具有矛盾点的情况下，前进到步骤1440，在没有矛盾点的情况下，判断不需要修正知识，完成本动作。在步骤1430中，从知识数据库400的知识中提取评价值低的知识，并将其选定为进行修正的对象的知识。在步骤1440中，修正知识以使测量信号数据库210、操作信号数据库250、及数值解析结果数据库240与知识数据库400的类型A的知识没有矛盾。具体地，将知识数据库240的信息的定量的值修正为能够说明测量信号数据库210、操作信号数据库250及数值解析结果数据库240的所有的值的值。 

图27是详细地表示在示意知识数据库更新机构330的动作的图5中，将本发明的控制装置用于火力发电设备的情况下的步骤2520及2530的流程图。步骤2520组合执行步骤1500、1510、1520、1530及1540，步骤2530组合执行步骤1550、1560、1570、1580及1590。 

步骤2520的步骤1500中，在按照步骤2510中提取的数值解析结果的数分路，且提取的数值解析结果的数为一个的情况下，前进到步骤1510，除此以外的情况，前进到步骤1520。在步骤1510中，提取锅炉出口的气体组成浓度变为最大的区域，在步骤1520中，比较两个数值解析结果的锅炉出口气体组成浓度，并提取浓度差在阈值以上的区域。在步骤1530中，提取到达在步骤1510或步骤1520中提取的区域的气体的路径。在步骤1540中，生成将在步骤1530中提取的气体路径中的气体温度、气体流速的最大值与浓度建立关联的假设。即，以图21中的类型A及类型B的格式生成假设。 

步骤2530的步骤1550中，将I初始化(I＝1)。在步骤1560中，比较第I个数值解析结果与在步骤1540中生成的假设。在步骤1570中，在步骤1560中假设与第I个数值解析结果没有矛盾的情况下，前进到步骤  1580，在存在矛盾的情况下，前进到步骤1590。在步骤1580中增加假设的评价值。在步骤1590中，在未参照数值解析结果数据库240的所有数值解析结果的情况下，将I加上1，并返回到步骤1560，在参照了所有数值解析结果的情况下，完成本动作。然后，在步骤2540中，如果假设的评价值在阈值以上，则前进到2550。 

图28是将本发明的控制装置用在火力发电设备中的情况下，显示在图像显示装置650中的画面的一实施例，为与图12对应的画面。如此，能够在一个画面上显示操作前与操作后的模拟结果，并明确操作的效果。设备的操作员观察本画面的同时，判断可否实施本操作。 

图29将本发明的控制装置用在火力发电设备中的情况下，显示于图像显示装置650的画面的一实施例，为设备改造实施前与实施后模拟结果。如此，通过使用本发明的控制装置，能够将由设备改造产生的效果显示在一个画面上，所以设备的操作员能够快速地下定决心。 

接下来，使用图30及图31说明将本发明的控制装置适用于火力发电设备，并以学习机构260学习用于一氧化碳(CO)浓度的操作方法时的分析机构300的动作例。 

图30对于构成火力发电设备的锅炉，为以数值解析执行机构220实施了数值解析后的结果，并说明锅炉出口浓度的分布的图。实施数值解析后的结果保存于数值解析结果数据库240。 

能够从数值解析结果数据库240的信息中提取锅炉出口的剖面处的CO浓度分布。在图23的步骤1110、图27的步骤1510及1520等中，如图30所示的方式，自动地提取锅炉出口的气体组成浓度。而且，将锅炉101上沿横向配置为五列的后气端口103设为后气端口103A、103B、103C、103D、103E，从最左边配置的后气端口依次定义A、B、C、D、E。 

图31是将根据本发明的设备控制装置适用于火力发电设备的情况下，说明对操作前与操作后的数值解析结果进行比较的状况的图，且特别为详细地说明图23的动作的图。 

图31(a)为与变更操作信号前和变更后对应的运用条件(操作指令值)，和与该运用条件对应的数值解析结果。 

在学习机构260中，以图19所示的方式的模型学习操作方法。图19  中，操作条件为一个，但此处为将操作条件数设定为五个的模型。其结果如图31(a)所示，学习了增加从后气端口103B投入的空气流量，减少从后气端口103D及103E投入的空气流量的操作方法。其结果，锅炉出口的CO浓度从150ppm变为100ppm。 

但是，在以往的控制装置中，也能够学习从后气端口投入的空气流量的变更方法，但当如此地变更时，无法了解为什么CO浓度降低的物理性原因。 

在本发明的控制装置中，能够以分析机构300分析CO浓度降低的理由。此处，沿图23的流程图，说明其动作。 

在步骤1110中，如图31(a)所示，由操作前与操作后的锅炉出口CO浓度的数值解析结果提取浓度的变化大的区域800。 

接下来，在步骤1120中，如图31(b)所示，从在步骤1110中提取的区域800中相反地追踪气体速度矢量，并提取到达区域800的气体的路径810。其结果，如图31(b)所示可知，以后气端口103B为起点的气体到达区域800。此外，如图31(c)所示，自动地提取气体的路径810中的O₂浓度。 

燃烧煤时，在O₂浓度低的区域，发生不完全燃烧，所以产生CO。如图31(c)所示，操作前，锅炉出口处的O₂浓度低，以此原因，如图31(a)所示，产生CO。因此，通过增加从后气端口103B投入的空气的量，避免在锅炉出口O₂浓度变低的现象，其结果，降低了CO浓度。 

在知识数据库400中，保存图21所示的格式的信息，并保存如果O₂ 浓度低，则易产生CO的知识。图23的步骤1130中，如果比较·对照知识数据库400的上述的知识与图31(c)的数值解析结果，则自动可知，当增加后气端口103B的空气流量时，能够避免O₂浓度变低，其结果，CO浓度能够降低。 

该分析结果以图28所示的形式显示于图像显示装置650。设备的操作员在确认这些数值解析结果和分析结果后，能够判断可否执行操作。如果在判断数值解析结果及分析结果不可靠的情况下，能够防止将此种操作输入赋予设备。即，不仅控制装置200的学习，如果导入设备操作员确认的步骤，则能够更安全地运转设备100。 

此外，对于分析机构300的分析结果，即使由人分析数值解析结果或学习结果，也能够得到同样的结果。 

但是，在设备运转中，需要瞬时地判断是否变更操作信号，没有人进行分析的空余。从而，本发明的控制装置200中具备的分析机构300对于安全地运转设备是必须的功能。 

在对火力发电设备进行分析时，知识数据库400不仅保存关于上述的CO的知识，还保存关于由氮氧化物(NOx)、二氧化碳、硫氧化物、汞、氟、煤尘、雾构成的微粒子类，或者挥发性有机物的至少一种的量或浓度，甚至设备运转效率的知识。 

NOx具有包含在煤中的氮成分发应生成的燃料NOx和包含在空气中的氮成分反应生成的热(thermal)NOx，特别地，热NOx在高温区域产生。在变更操作信号，从而锅炉出口的NOx减少的情况下，以与使用图23及图31说明的情况相同的方法，可分析能够降低NOx的理由。即意味着，如图31(c)图示到达在锅炉出口处NOx浓度的变化大的区域的气体路径中气体温度，并且比较操作前后的气体温度的最高温度，则操作后的最高温度变低。该现象通过操作执行抑制气体温度的上升，并抑制热NOx的产生，从而能够降低锅炉出口的NOx。 

如果使用本发明的设备控制装置，则能够自动地执行此种分析。 

(实施例2) 

本发明在具有锅炉的设备的控制装置中，具备将锅炉内部的现象可视化，从而能够显示控制操作与锅炉内产生的现象之间的关系的现象可视化机构，和将在所述现象可视化机构中被图像化的所述关系显示在画面上的图像显示机构。 

所述现象可视化机构中具备，流线数据运算机构，其以使用至少包括锅炉内产生的气体流动现象的数值解析结果，至少将供给燃烧器的燃料流量及空气流量，和供给燃烧器以外的空气供给端口的空气流量作为输入数据，将从所述燃烧器及所述空气供给端口供给的气体的流动的轨迹即流线的位置数据作为输出数据的方式，学习输入数据与输出数据之间的关系； 

在所述图像显示机构中，将被所述流线描绘机构图像化的从所述燃烧器及所述空气供给端口供给的气体的流线在画面上显示。 

在所述现象可视化机构中，除流线数据运算机构和流线描绘机构以外，能够具备如下一种或两种机构，即：进一步对在流线数据运算机构中输出的流线位置的离散数据间进行差补的流线数据差补机构；从以流线数据机构输出的流线位置数据中，提取适合指定的条件的流线位置数据的条件适合数据提取机构。 

作为现象可视化机构，在具备流线数据运算机构和流线数据差补机构及流线描绘机构的情况下，期望以流线数据差补机构对由流线数据运算机构输出的流线位置的离散数据间进行差补，并由流线描绘机构进行用于将由流线数据运算机构输出的流线位置数据和由流线数据差补机构差补后的流线位置数据输出到显示画面上的运算处理。 

此外，作为现象可视化机构具有流线数据运算机构和条件适合数据提取机构及流线描绘机构的情况下，期望以条件适合数据提取机构从流线数据运算机构输出的流线位置数据中提取适合指定的条件的流线位置数据，并以流线描绘机构进行用于将选择后的流线位置数据输出到显示画面上的运算处理。 

此外，作为现象可视化机构具有流线数据运算机构、条件适合数据提取机构和流线数据差补机构及流线描绘机构的情况下，期望以条件适合数据提取机构从流线数据运算机构输出的流线位置数据中提取适合指定的条件的流线位置数据，并依靠流线数据差补机构对选择的流线位置的离散数据间进行差补，并以流线描绘机构进行用于将由流线数据差补机构计算的差补数据加到由条件适合数据提取机构选择的数据后的数据作为图像描绘于显示画面的运算处理。 

在本发明的锅炉设备控制装置中，至少也可具备学习机构，其学习向燃烧器供给的燃料流量和空气流量、向燃烧器以外的空气供给端口供给的空气流量的一部分或全部的信息，与从锅炉内气体流路的规定位置处的一氧化碳浓度、氧浓度、氮氧化物浓度、硫氧化物浓度、汞浓度、挥发性有机物浓度、未燃燃料浓度中选择的至少一个值的关系。 

在具备所述学习机构的情况下，期望将基于学习结果确定的、向燃烧器供给的燃料流量和空气流量、向燃烧器以外的空气供给端口供给的空气流量的一部分或全部的控制指令值输入到完成学习的所述流线数据运算  机构，并输入锅炉内部的气体流动的预想值。 

关于本发明的锅炉设备控制装置的结构能够原样地适用于与锅炉设备的控制相关的操作员训练用装置。 

以下，参照附图对最佳实施方式进行说明。图32表示本发明的实施方式。本实施例的控制装置1200从控制对象设备1100接受过程值的测量信息1205，使用其进行在控制装置1200内预先编程的运算，并向控制对象设备1100发送作为控制指令值的操作指令信号(以下均称为控制信号)1285。根据发送的操作指令信号1285，进行控制对象设备中的阀的开度或阻尼器的开度等制动器的动作，从而控制设备的状态。 

此外，控制装置1200基于从中央供电指令所1050接收的负载指令信号1051，对控制对象设备1100的发电输出进行控制。 

本实施例为适用于火力发电设备的燃烧控制的例子。在本例中，适用于以降低废气中的NOx及CO浓度为目的的控制功能的例子为中心进行说明。 

图33表示作为控制对象的火力发电设备的结构。作为燃料的煤和煤输送用的一次空气及燃烧调整用的二次空气经由燃烧器1102投入锅炉1101，并在锅炉1101中燃烧煤。煤和一次空气从配管1134引导，二次空气从配管1141引导。此外，将二级燃烧用的后气，经由后气端口1103投入锅炉1101。该后气从配管1142引导。 

利用煤燃烧产生的高温气体沿锅炉1101内以箭头表示的路径流动后，通过空气加热器1104。然后，在废气处理装置中去除有害物质后，从烟囱排到大气中。 

在锅炉101中循环的给水经由给水泵1105导入锅炉1101，在热交换器1106中被气体加热，变为高温高压的蒸汽。而且，在本实施方式中，将热交换器的数量设为1，但也可配置多个热交换器。 

通过热交换器1106后的高温高压的蒸汽经由涡轮调节器1107，导入蒸汽涡轮1108。利用蒸汽带有的能量驱动蒸汽涡轮1108，由发电机1109进行发电。 

接下来，对从燃烧器1102投入的一次空气及二次空气，从后气端口1103投入的后气的路径进行说明。 

一次空气由风扇1120导入配管1130，在中途分路为通过空气加热器1104的配管1132和不通过的配管1131，并再次在配管1133合流，导入磨机110。通过空气加热器104的空气被气体加热。使用该一次空气，将在磨机1110中生成的煤，实际上为微粉煤输送至燃烧器1102。 

二次空气及后气由风扇1121导入配管1140，在由空气加热器1104加热后，分路为二次空气用的配管1141和后气用的配管1142，分别导入燃烧器1102和后气端口1103。 

控制装置1200具有为降低NOx及CO浓度而对从燃烧器投入的空气量和从后气端口投入的空气量进行调整的功能。 

控制装置200构成为，包括：基本操作指令运算机构1230；变更或修正从基本操作指令运算机构1230输出的基本操作指令值1235的修正机构1250；积累·存储由作为测量信息1205的过程测量值、操作员的输入信号、来自上位控制系统的指令信号等构成的运转实绩数据的运转实绩数据库1240；用于与控制对象设备1100或操作员等收受数据的输入输出界面1220；操作员用于观察各种数据、输入设定值或运转模式、手动运转时的操作指令等的输入输出机构1221；数值解析运算机构1400；积累·存储由数值解析运算机构1400计算的解析结果的解析结果数据库1402；将锅炉内部现象可视化的现象可视化机构1255。 

从输入输出机构1221输入的输入数据1225经由输入输出界面1220传递给控制装置内的各运算机构。 

基本操作指令运算机构1230以PID(比例·积分·微分)控制器为基本构成要素，基于从中央供电指令所1050接受的负载指令信号1051，将作为测量信号1205的过程测量值、操作员的输入信号、来自上位控制系统的指令信号等作为输入，对于设置在控制对象设备1100的阀、阻尼器、电动机等各种动作设备运算基本操作指令值1235，并输出。 

接下来，对变更或修正基本操作指令值1235的修正机构1250进行说明。 

修正机构1250由强化学习机构1290和操作指令确定机构1280构成。 

强化学习机构1290具有使用积累于运转实绩数据库1240中的运转数据1245、作为测量信息1205的测量数据、在数值解析运算机构1400中计  算的数值解析结果1401，利用强化学习理论学习与设备状态对应的适宜的操作方法。 

强化学习理论的例如详细记载于非专利文献。此处，仅说明强化学习的概念。 

图34表示根据强化学习理论的控制的概念。控制装置1610对控制对象1600输出控制指令1630。控制对象1600根据控制指令1630动作。此时，由于根据控制指令1630的动作，控制对象1600的状态发生变化。变化后的状态对于控制装置1610是期望的，还是不期望的，另外，从控制对象1600接受作为他们表示多大程度的量的报酬1620。 

实际上从控制对象接受的信息为控制对象的状态量，通常控制装置1610基于此计算报酬。通常设定为越接近期望的状态，报酬越大，越接近不期望的状态，报酬越小。 

控制装置1610通过试行错误地实施操作，从而学习以使报酬变为最大即尽可能接近期望的状态的操作方法，由此按照控制对象1600的状态自动地构筑合适的控制操作逻辑。 

以神经元网络为代表的带有教师的学习理论需要将预先成功的事例作为教师数据提供，不适合在新建设备没有运转数据的情况，或现象复杂无法准备成功事例的情况。 

与此相反，强化学习理论被分类为没有教师的学习，从自身带有试行错误地生成期望的操作这点上，具有对于控制对象的特性不一定明确的情况也可适用的优点。 

但是，为使仅以设备的运转数据进行学习，需要等待到对于学习积累足够必要的运转数据为止。所以到发挥效果需要长时间。此外，因为试行错误地学习，所以运转上有可能变为不期望的状态，根据情况在安全方面存在带来故障之虞。 

因此，在本实施例中，预先学习以模拟控制对象的模型为对象生成哪种控制操作信号为好。 

数值解析运算机构1400模拟控制对象设备1100的锅炉构造，使用差分法、有限体积法、有限元法等数值解析方法计算包括其燃烧的化学反应、气体流动、传热的过程。 

期望数值解析的解析精度高，但本发明的特征不在于解析方法，并不限定解析方法，所以省略关于数值解析方法的说明，但通常将作为计算对象的锅炉的形状分割为计算网格(mesh)，计算网格内的物理量。 

利用数值解析，气体温度、气体成分的浓度、气体的流速和流动的方向等作为计算结果输出，并积累在解析结果数据库1402中。 

利用数值解析，计算各种操作条件下的现象，并计算控制对象设备1100的CO、NOx浓度在测量位置处两者的浓度。测量位置的计算结果按其剖面的计算网格(mesh)来计算。 

图35表示强化学习机构1290的结构。在数值解析运算机构1400中计算后的数值解析结果1401积累于解析结果数据库1402。模型化机构1291从解析结果数据库1402读入必要的数据1297，并计算CO、NOx浓度的平均值。 

模型化机构1291将计算的平均浓度作为教师信号，将此时的操作条件作为输入信号，以由输入层、中间层、输出层构成的神经网络，使用误差逆传播法(back propagation)学习输入输出关系。神经元网络的结构及学习方法为通常的方法，此外，这些学习方法也可为其他的方法，本发明并不依赖于神经元网络的结构或学习方法，所以此处省略详细的说明。 

学习机构1292在设备工作前(试运转前)，以基于由该神经元网络学习的数值解析的设备特性为对象，学习抑制CO、NOx的发生量的操作方法。 

与操作量相当的操作信号1293为每个燃烧器及后气端口的各位置的空气流量、各燃烧器的燃料流量。 

在本例中，将燃料流量、空气流量和NOx及CO浓度的关系模型化，但本发明并不将输入项目及输出项目限定于此。此外，模型化方法也不限定于神经元网络，也可使用回归模型等其他的统计模型。 

学习机构1292对于在模型化机构1291中生成的模型输出由各燃烧器及后气端口的各位置的空气流量、各燃烧器的燃料流量构成的输入数据(操作信号1293)。该输入数据与设备的操作条件对应，并分别设定上下限值、变化幅度(刻纹幅度)、由一次操作取得最大变化幅度。输入数据(操作信号1293)的各量在取得的值的范围内随机地确定各数值。 

模型化机构1291将输入数据(操作信号1293)输入完成生成的模型，并计算作为输出数据1294的NOx及CO浓度。 

学习机构1292接收输出数据1294，并计算报酬值。报酬以式(1)定义，此处，R为报酬值，O_NOx为NOx值，O_CO为CO值，S_NOx为NOx的目标设定值，S_CO为CO的目标设定值，k1、k2、k3、k4为正的常数。 

[数1] 

R＝R₁+R₂+R₃+R₄    …式(1) 

$R_1=\left\{\begin{array}{cc}{k}_1& (O_{\mathrm{NOx}}\≤S_{\mathrm{NOx}})\\ 0& (O_{\mathrm{NOx}}>S_{\mathrm{NOx}})\end{array}\right.$

$R_2=\left\{\begin{array}{cc}{k}_2& (O_{\mathrm{CO}}\≤S_{\mathrm{CO}})\\ 0& (O_{\mathrm{CO}}>S_{\mathrm{CO}})\end{array}\right.$

$R_3=\left\{\begin{array}{cc}{k}_3(S_{\mathrm{NOx}}-O_{\mathrm{NOx}})& (O_{\mathrm{NOx}}\≤S_{\mathrm{NOx}})\\ 0& (O_{\mathrm{NOx}}>S_{\mathrm{NOx}})\end{array}\right.$

$R_4=\left\{\begin{array}{cc}{k}_4(S_{\mathrm{CO}}-O_{\mathrm{CO}})& (O_{\mathrm{CO}}\≤S_{\mathrm{CO}})\\ 0& (O_{\mathrm{CO}}>S_{\mathrm{CO}})\end{array}\right.$

如式(1)所示，在NOx、CO值低于目标设定值的情况下，给予报酬R₁及R₂，进一步低于目标设定值的情况下，与其偏差成比例地给予报酬。 

而且，报酬的定义方法可以考虑其他多种方法，并不限定于式(1)的方法。 

学习机构1292使由式(1)计算的报酬最大地学习输入数据(操作信号1293)的组合，即操作量，所以结果是能够与现状态对应地学习降低NOx、CO的操作量的组合。 

学习机构1292在学习完成的状态下，读入现在时刻的运转数据(测量信息1205)，并基于学习结果，输出式(1)的报酬构成最大的操作量1295。 

由以上可知，即使在设备工作前，即没有运转实绩数据的状态下，通过强化学习得到抑制CO、NOx的运转操作方法，所以从试运转时，本控制装置能够适用，并能够发挥效果。 

在仅以运转实绩数据学习的情况下，数据的积累需要数周～数月，所以其间有可能不能得到足够的控制性能。因此，CO、NOx浓度变高，环保性恶化，或存在脱硝装置中使用的药品例如铵的消耗量增加之虞。 

此外，因为试行错误运转，所以从安全运转的方面有变为并不优选的状态的危险性，所以本实施方式的方法在抑制·回避这些危险方面是有效的。 

但是，难以将数值解析结果的误差，例如与实际设备测量值的偏差形成为0，所以在设备启动后，使用设备的运转实绩数据修正神经元网络模型的特性。 

为此，模型化机构129具有将运转数据1245中上述的操作量与CO、NOx浓度的关系数据加到数值解析数据上，从而追加学习的功能。通过追加学习，运转数据1245的特性反映在神经元网络的特性模型中。此外，也具有以该运转数据1245修正后模型为对象，学习机构1292再次重新学习的功能，由此，能够学习精度更高，控制性能良好的操作方法。 

但是，作为学习结果而构筑的操作(控制)方法难以如PID控制的逻辑图，逻辑上把握因果关系。 

因此，在实际使用学习型的控制装置时，难以预先确认学习结果的妥当性，所以在以稳定且安全的运转为必须条件的设备控制中存在可靠性的观点的问题。 

在本发明中特征点在于，具备用于将锅炉内部的现象可视化，并显示操作(控制)与锅炉内产生的现象的关系的现象可视化机构1255。 

在本实施例中，以抑制在锅炉中产生的CO、NOx为目的。这些为伴随燃烧的反应，所以与氧(空气)的接触，或反应场的温度等造成影响。特别地，CO是对于燃料量氧不足而形成极大影响，所以通过将从燃烧器供给的包含燃料的气体流动与从空气端口供给的空气之间的接触、混合状态，控制操作与锅炉内部的现象的关系及与CO等抑制效果的关系客观上变得易于理解。通过可视化，能够容易地理解控制操作与锅炉内的现象对有害成分产生所给予的影响。 

由此，作为学习结果的控制操作的妥当性能够确认，控制装置的可靠性提高。 

以下，对现象可视化机构1255进行说明。 

现象可视化机构1255具有流线数据运算机构1260、流线数据差补机构1261、条件适合数据提取机构1262、流线描绘机构1265。流线数据差补机构1261和条件适合数据提取机构1262可以两者都无，也可没有任意一个。 

流线数据运算机构1260是具有图37所示的输出项目的神经元网络。图中的编号A1、A2等是表示燃烧器及空气端口的位置的编号，其对应关系表示在图36中。 

神经元网络按每一个燃烧器及每一个空气端口分割，计算从各自的燃烧器或空气端口供给的气体的流动的轨迹。神经元网络利用误差逆传播法(反向传播(backprogation))修正网络间的加权系数，使赋予输入数据时输出的输出数据和预先准备的教师数据之间的误差变小，由此能够学习输入数据和输出数据的关系。 

输入数据都相同，输出数据是以燃烧器或空气端口为起点的流线的三维坐标数据。 

首先，对输入数据进行说明。输入数据是向各燃烧器供给的燃料流量及空气流量、向各空气端口供给的空气流量、和时间的数据。在此，燃料流量及空气流量可以是测量值，也可以是控制指令值。另外，在按每一个燃烧器段(例如，A1～A6燃烧器)等量分配流量的情况下，也可以不按每一条输入，而按每一层的总流量或每一层的一条所对应的流量输入。 

时间的输入数据是以规定的时间间隔输入向燃烧器或空气端口供给的气体从喷嘴出口到达锅炉为止的经过时间的数据。 

由此，能够与随着时间的经过，出自喷嘴的气体到达的位置(坐标)建立关系。 

输出数据是以各燃烧器及空气端口为起点的流线的坐标数据、其坐标位置上的流速、气体温度、氧浓度、一氧化碳浓度、氮氧化物浓度。 

在神经元网络的学习时，使用各燃烧器及空气端口的燃料及空气流量的条件不同的数值解析结果。输入数据是各燃烧器及空气端口的燃料及空气流量的计算条件(边界条件)数据，教师数据是与上述输出数据项目有关的数值解析结果。 

在控制运行时，向已学习的神经元网络输入各燃烧器及空气端口的燃料及空气流量的运行数据，由此，将锅炉内部的气体流动作为预想值1263输出。 

另外，作为神经元网络的结构，例如，如图38所示，也可以将输出项目分割为多个而构成。通过分隔输出项目，能够期待学习精度的提高。另外，在计算机具有多个CPU的情况下，进行并行化计算，由此，具有能够缩短学习时间的可能性。 

还有，教师数据是以规定的时间间隔求出气体从喷嘴出口流到锅炉为止时的移动位置(坐标)的数据。若减小该时间间隔，则学习的流线和数值解析结果的误差变小，但时间间隔越小，数据组数越多，因此，增大学习时间，从计算机的运算速度等观点来说，在实用上可能成为问题。 

因此，设想不得不增大某种程度的时间间隔的情况，在本实施例中，具备流线数据插补机构1261。学习的流线数据是空间上离散的数据。若减小时间间隔，则在画面显示学习结果时，通过点的集合成为连续的流动，，但在时间间隔大的情况下，数据的点间的距离变大，因此，难以确认流动的连续性。 

流线数据插补机构1261中，接受流线数据运算机构1260输出的预想值1263，对预想值1263的各数据点插补所述时间步骤的坐标点和下一个时间步骤的坐标点，由此能够容易地识别数据点间的连接关系。插补的方法在两点间的直线插补中也可以为基于使用了多个点的高次式的近似化，增加坐标数据，以在神经元网络输出的数据点间插补。另外，同样，对坐标数据以外的输出项目，也制作插补数据。 

将有关这样制作的锅炉内部的气体流动·性质的数据显示在显示画面223，但如果同时显示所有以燃烧器及空气端口为起点的流线，则流线在三维上重叠，难以分辨。 

因此，本发明中，使用条件适合数据抽样机构1262，选择显示的数据。 

在本例中，在图36所示的锅炉出口中的气体浓度测量位置，只对到达CO浓度或NOx浓度为设定值以上、或氧浓度为设定值以上的区域的流线取样。 

首先，从作为流线数据运算机构1260的输出的预想值1263的气体浓  度测量位置上的所有数据，只检索适合上述指定的条件的数据点，由该点跟踪时间经过的步骤的前面，由此能够对到达那里的流线数据抽样。 

由此，视觉上能够识别在CO浓度或NOx浓度高的区域、或氧浓度低的区域来自哪一个的燃烧器的燃料气体大量流过，到达那里的空气的流动是否少，因此，变得容易理解现象。 

除此之外，为了调查来自特定的燃烧器或空气端口的供给气体跟踪哪一个路径到达锅炉出口的哪一个区域，能够指定欲观察流线的燃烧器或空气端口。 

选择适合这些条件的数据，将其作为选择数据1264向流线数据插补机构1261输出。 

实际的锅炉内的气体流动可考虑为由于各燃烧器或空气端口的流量差的影响而不是单纯的层流，因此，难以用直觉预想锅炉内部的气体的流动。 

根据本发明，变得容易理解基于什么样的现象学习了控制操作，因此，不需要黑盒化的情况下能够评价学习结果的妥当性。 

在流线描绘机构1265中，接受在用条件适合数据抽样机构262选择的数据中添加用流线数据插补机构1261计算的插补数据的数据组1210，进行用于在显示画面1223上以三维图像描绘的运算处理。 

制作了运算处理的结果的三维图像数据1256输出到显示画面1223。三维图像数据1256经由输出接口1220作为画面显示信息数据1224传输到显示画面1223。 

显示画面例显示在图41中。在窗1266中三维显示显示锅炉的外形、燃烧器及空气端口的位置。若用作为输入输出机构1221的输入设备的带有键盘的鼠标1222的鼠标按压各窗右下的旋转按钮，则能够通过鼠标操作使三维立体图像自由旋转，从而能够从不同的方向观察。另外，若按压重置按钮，则返回初期(默认设定)的显示状态。 

窗1268显示锅炉流路内的指定的剖面中的气体浓度分布。通过彩色区分或浓淡显示上段为基于数值解析结果的预想值，且下段为对其对应的测量值的气体浓度的大小。 

剖面位置预先设定多个位置，以能够从它们中选择。图40表示剖面  位置的设定例。剖面A是燃烧器部上部位置，剖面B是燃烧器和空气端口的中间位置，剖面C是空气端口的上部位置，剖面D是火炉出口位置，剖面E是锅炉出口位置(气体浓度测量位置)。 

如图40所示，通过将各剖面位置上的气体浓度的预想值和测量值在相同的画面上显示，能够判断从气体的上游侧开始气体浓度在燃烧器部、空气端口部如何变化，或与测量值相比，预想值是否妥当。 

还有，气体流路的指定剖面中的气体浓度的预想方法与流线数据运算机构1260相同地，使用神经元网络进行计算。图39中显示神经网路的结构例。输入数据与流线数据运算机构1260相同。神经网路按图40所示的各剖面位置构成。输出数据是剖面位置的温度、CO浓度、NOx浓度、氧浓度，将剖面中的各计算网格的值作为教师数据学习。 

在计算网格数目多，学习时间变得过大的情况下，使剖面中的网格长度增大地再构成，作为再构成的网格内含有的多个网格的平均值。 

窗1267是设定在窗1266及1268显示的条件的画面例。窗1267的上部用于窗1266的设定，下部用于窗1268的设定。 

在窗1267的上部左侧1500有燃烧器及空气端口的配置图，能够选择描绘流线的空气端口或燃烧器。在图40中选择有空气端口1和燃烧器A1。在上部右侧，有对最上层501选择指定剖面位置上的气体浓度满足规定的条件的流线的三个按钮、“CO大”、“NOx大”、“O₂低”。若选择它们中的任一个按钮，则能够仅显示与预想设定的各成分浓度的基准值相比满足条件的流线数据。它们的处理用条件适合数据抽样机构1262执行。 

在右侧中段1502有根据CO浓度、NOx浓度、O₂(氧)浓度、气体温度、流速选择将显示窗1266的流线数据用彩色区分或浓淡显示的指标的按钮，并显示选择显示的数据。在图40中，选择流速。另外，若按压“描绘/清除”按钮，则向在窗1266中显示的图像上追加新指定的数据而显示。若再次按压“描绘/清除”按钮，则仅清除最后追加的数据。 

若按压位于右侧下段左1503的“全部(ALL)”，则显示所有的以所有的燃烧器及空气端口为起点的流线。若按压“清除”按钮，则显示的流线全都被消除。 

若按压右侧下段右1504的“描绘(新建)”按钮，则重新显示新的窗  作为窗1266。其结果，如图43所示，能够同时显示流速、温度、CO浓度等不同的数据。另外，若按压“联动”按钮，则用图43所示的任一个窗进行旋转操作的情况下，其他的窗的图像也联动而旋转显示，从而，能够以不同的多个指标确认锅炉内的状态。 

窗1267下部的种类选择按钮1505可以以CO浓度、NOx浓度、O2(氧)浓度选择在窗1268中显示的数据的种类。位置选择按钮1506用于从图40所示的A～E为止的所有剖面位置选择显示的剖面位置。 

若按压右侧上段“描绘/清除”按钮1507，则在窗1268中显示的数据被消除。若再次按压“描绘/清除”按钮，则描绘所选择的数据。另外，若按压“描绘/(追加)”按钮1508，则窗1268作为其他的窗以多个窗显示。 

若按压右侧下段“全部(ALL)”按钮1509，则如图40所示，显示所有的设定剖面位置的数据。 

利用如上所述的本发明的功能，也可以分析过去的数据。42中显示了CO浓度、NOx浓度的运行实绩数据的趋势显示画面例。在画面上段显示CO浓度的趋势坐标图330，在下段显示NOx浓度的趋势坐标图1331。显示的数据存储在运行实绩数据库1240中。能够用鼠标左右移动时刻指定线1332，指定选择的时刻。选择的日期和时刻显示在区域1310中。 

另外，画面的下部显示指定的时刻的CO、NOx的浓度分布(测量值)。若按压画面右下按钮1510的“解析结果显示”，则能够在显示图41显示的画面中显示选择时刻的流线预想数据及指定剖面中的气体浓度分布等。 

使用该功能，分析过去的运行实绩，能够掌握操作的妥当性的确认、预想值和测量值的趋势的差别等。另外，还可以应用于运行员的教育。成套设备或控制装置的故障等故障时，有时用手动操作运行，此时运行员的判断至关重要。因此，希望理解、学习运行操作和现象的关系。 

图44所示的画面是运行训练或手动运行时的支援功能。在画面的左右用柱状图和数字数值显示火炉的前后的燃烧器及空气端口的燃料流量、空气流量。操作中，可以参考这个，设定用于探索的操作量的变更值。 

操作量的变更中，可以是通过鼠标操作使右侧的柱状图上下移动，也可以将数字数值由键盘输入。柱状图和显示的数字数值相互具有关系。 

设定操作量变更值后，按压“操作量变更设定”按钮1333，输入的数  值变为控制指令值。此外，如果按压“解析预想”按钮1334，则在画面下部比较地显示现状与操作量变更时的流线预想图。此外，也可显示在图40及图41所示的气体浓度分布的预想值。操作员能够观察该结果适当地判断确定操作量。 

Claims (10)

1.一种火力设备控制装置，其具有使用设备的运转状态量的测量信号来计算给予设备的操作信号的操作信号生成机构，

所述设备控制装置的特征在于，具备：

测量信号数据库，其保存以往的测量信号；

操作信号数据库，其保存以往的操作信号；

数值解析执行机构，其使用模拟设备的物理模型来解析设备的运转特性；

数值解析结果数据库，其保存使所述数值解析执行机构动作而得的数值解析结果；

模型，其使用统计性方法，该统计性方法使用所述数值解析结果数据库的信息，推定将操作信号给予设备后时的测量信号的值；

学习机构，其使用所述模型学习设备的操作方法；

学习信息数据库，其保存在所述学习机构中得到的学习信息；

控制逻辑数据库，其保存在所述操作信号生成机构中操作信号的导出使用的信息；

知识数据库，其保存关于设备的运转特性的知识；

分析机构，其使用所述知识数据库、所述学习信息数据库、所述操作信号数据库、和所述测量信号数据库的信息，处理所述数值解析结果数据库的信息；

分析结果数据库，其保存由所述分析机构分析后的结果，并且

所述分析机构包括学习依据分析机构、信号分析机构、和知识数据库更新机构的至少一个，所述学习依据分析机构评价在所述学习机构中学习的操作方法的妥当性，所述信号分析机构评价将操作信号给予设备后的情况下的效果和有无异常的测量信号，所述知识数据库更新机构追加或修正所述知识数据库的信息。

2.根据权利要求1所述的火力设备控制装置，其特征在于，

所述学习依据分析机构包括：

设定运用条件的初始值的机构；

从所述学习信息数据库提取所述运用条件下的操作信号变更幅度的机构；

从所述数值解析结果数据库提取与所述运用条件及操作信号变更后的运用条件对应的两种数值解析结果的机构；

比较所述两种数值解析结果，并判断其差异能否以所述知识数据库的知识说明的判断机构；

在所述判断机构中，在能够以所述知识数据库的知识说明两种数值解析结果的差异的情况下，将所述两种数值解析结果和所述知识数据库的知识保存于所述分析结果数据库的机构。

3.根据权利要求1所述的火力设备控制装置，其特征在于，

所述信号分析机构具有操作信号评价功能模块及测量信号评价功能模块的至少一个功能模块，

所述操作信号评价功能模块包括：从所述操作信号数据库提取变更操作信号前后的操作信号，并导出两种模型输入的机构；从所述数值解析结果数据库提取与两种操作输入对应的两种数值解析结果的机构；从所述知识数据库提取可说明所述两种数值解析结果的不同的知识的机构；将提取的知识及所述两种数值解析结果保存于所述分析结果数据库的机构，

所述测量信号评价功能模块包括：从所述操作信号数据库提取现在的操作信号的机构；从所述数值解析结果数据库提取与现在的操作信号对应的数值解析结果的机构；比较现在的测量信号的值与数值解析结果的机构；从所述知识数据库提取在现在的测量信号的值与数值解析结果的偏差大于阈值的情况下，表示偏差变大的理由的另一知识的机构；将提取的所述另一知识保存于所述分析结果数据库的机构。

4.根据权利要求1所述的火力设备控制装置，其特征在于，

知识数据库更新机构具有知识评价功能模块、知识修正功能模块、及知识追加功能模块的至少一个功能模块，

所述知识评价功能模块包括：从分析结果数据库提取知识数据库的知识的利用次数的机构；知识的利用次数越多，越增大计算知识的评价值的机构；将知识的评价值保存于知识数据库的机构，

所述知识修正功能模块包括：从知识数据库选择作为修正的对象的知识的机构；对知识进行修正，以使与数值解析结果数据库、测量信号数据库、及操作信号数据库的信息没有矛盾的机构；将修正后的知识保存于知识数据库的机构，

所述知识追加功能模块包括：生成知识的假设的机构；使用数值解析结果数据库、测量信号数据库、及操作信号数据库的信息来评价所述假设的确定性的机构；在所述评价结果良好的情况下，将所述假设保存于知识数据库的机构。

5.根据权利要求1所述的火力设备控制装置，其特征在于，

所述知识数据库保存：关于设备的运转状态及所述运转状态对设备的运转性能给予的影响知识；关于变更操作信号而得的效果的事前知识；测量信号变为异常的值的主要原因；关于回避该主要原因的方法的知识。

6.根据权利要求1所述的火力设备控制装置，其特征在于，

将知识的评价值保存于所述知识数据库的情况下，在所述学习依据分析机构或所述信号分析机构中参照所述知识数据库的知识时，从评价值高的知识依次参照。

7.根据权利要求1所述的火力设备控制装置，其特征在于，

具有将所述测量信号数据库、所述操作信号数据库、所述控制逻辑数据库、所述学习信息数据库、所述数值解析结果数据库、所述知识数据库、和所述分析结果数据库的信息显示于画面的功能模块。

8.根据权利要求7所述的火力设备控制装置，其特征在于，

具有将由接下来的操作输入的操作信号和对将所述操作信号输入设备的妥当性进行分析后的结果显示于画面，并由操作员选择是否将所述操作信号输入设备的菜单。

9.根据权利要求1所述的火力设备控制装置，其特征在于，

所述知识数据库保存关于通过锅炉内的气体的位置及该位置处气体温度、气体流速、气体组成由氮氧化物、一氧化碳、二氧化碳、硫氧化物、汞、氟、煤尘、雾构成的微粒子类，或挥发性有机化合物的至少一种的数量或浓度，对锅炉运转效率设备性能因子带来的影响的知识。

10.一种火力设备控制装置，其具有使用设备的运转状态量的测量信号来计算给予设备的操作信号的操作信号生成机构，

所述设备控制装置的特征在于，具备：

数值解析执行机构，其使用模拟设备的物理模型来数值计算设备的特性；

学习机构，其以基于所述数值解析执行机构的数值解析结果而构筑的模型为对象，学习用于使设备达到期望的运转状态的操作信号的生成方法；

分析机构，其基于相对于变更操作信号前后的两种运用条件的所述数值解析结果和物理性知识，分析按照学习结果变更操作信号的效果。

Images