CN108073145B - 运转支援装置以及记录介质 - Google Patents
运转支援装置以及记录介质 Download PDFInfo
- Publication number
- CN108073145B CN108073145B CN201711087967.8A CN201711087967A CN108073145B CN 108073145 B CN108073145 B CN 108073145B CN 201711087967 A CN201711087967 A CN 201711087967A CN 108073145 B CN108073145 B CN 108073145B
- Authority
- CN
- China
- Prior art keywords
- data
- operation parameter
- data processing
- candidate
- parameter
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明涉及运转支援装置以及程序。自动地提取有助于控制对象的运用性能提高的操作参数。具备:运转数据处理部,根据从控制对象收集到的运转数据,提取有助于提高运用性的第一操作参数的候补;设计数据处理部,根据控制对象的设计信息,提取有助于提高运用性的第二操作参数的候补;以及操作参数选定部,将第一操作参数的候补和第二操作参数的候补中的、由运转数据处理部和设计数据处理部这两方提取出的操作参数的候补选定为应操作的操作参数。
Description
技术领域
本发明涉及运转支援装置以及程序,详细而言涉及决定为了提高工厂等控制对象的运用性而调整的操作参数的技术。
背景技术
近年来,伴随ICT(Information and Communication Technology,信息与通信技术)、IoT(Internet of Thing,物联网)的技术革新,能够利用高速的计算机、网络通信、大容量的数据保存装置的环境正在协调发展。在许多的工业领域中大量地积蓄的数据的有效活用得到关注的过程中,即使在发电事业的领域中,也通过发电厂的测量数据、检查/保全数据等在实地站点中收集到的数据、和管理企业的经营以及资产信息的系统的综合,要求更高效地制定经营方针。
在发电事业的领域中,由于与风力发电、太阳能发电等可再生能源的利用增加相伴的发电量的变动使电力体系的稳定性降低这样的担忧,作为备用电源的火力发电厂的重要性增加。另外,火力发电厂不仅承担作为负荷调整的作用,而且还承担作为基本负载电源的作用。因此,在火力发电厂中,要求考虑了工作率、环境性能、效率等运用性能的运用。
例如,为了改善火力发电厂的运用性能,在专利文献1中,公开了使作为环境性能的指标的在排出气体中包含的氮氧化物、一氧化碳浓度等浓度最小化的控制装置。
现有技术文献
专利文献1:日本特开2012-141862号公报
发明内容
为了提高工厂(plant)的运用性能,需要根据应用对象工厂的构造/运用状况适当地设定操作参数。例如,在火力发电厂中,已知卡罗莱纳型、塔型等多个种类的锅炉构造,当构造不同时,可操作的参数也不同。另外,用作燃料的煤炭的种类、发电输出等运用状况针对每个工厂不同。用于提高运用性能的操作参数需要根据锅炉的构造、工厂的运用状况等,针对每个案件适当地设定,在设计中需要花费工作量。
本发明是考虑上述状况而完成的,本发明的目的在于自动地提取有助于工厂等控制对象的运用性能提高的操作参数。
本发明的一个方案的运转支援装置具备:运转数据处理部,根据从控制对象收集到的运转数据,提取有助于提高运用性的第一操作参数的候补;设计数据处理部,根据控制对象的设计信息,提取有助于提高运用性的第二操作参数的候补;以及操作参数选定部,将第一操作参数的候补和第二操作参数的候补中的、由运转数据处理部和设计数据处理部这两方提取出的操作参数的候补决定为应操作的操作参数。
根据本发明的至少一个方案,能够自动地提取有助于控制对象的运用性提高的操作参数。
上述以外的课题、结构以及效果通过以下的实施方式的说明将变得明确。
附图说明
图1是示出本发明的一个实施方式所涉及的运转支援装置的结构例的框图。
图2是示出本发明的一个实施方式所涉及的运转支援装置的动作的流程图。
图3是示出本发明的一个实施方式所涉及的作为运转支援装置的支援对象的工厂的一个例子的说明图。
图4是示出本发明的一个实施方式所涉及的统计模型的结构的一个例子的说明图。
图5是示出本发明的一个实施方式所涉及的评价工厂的运用性的指标和操作量的关系的一个例子的图形。
图6是示出本发明的一个实施方式所涉及的学习操作量变化幅度和操作量的关系而得到的结果的一个例子的图形。
图7是本发明的一个实施方式所涉及的在设计数据数据库中保存为设计数据的、关于运转数据数据库内的运转数据的数据项目的标签列表的说明图。
图8是示出本发明的一个实施方式所涉及的在设计数据数据库中保存为设计数据的、表示是操作参数的关键词列表的一个例子的图形。
图9是示出本发明的一个实施方式所涉及的在设计数据数据库中保存的控制逻辑电路图的一个例子的说明图。
图10是示出本发明的一个实施方式所涉及的运转数据处理部的一个例子的框图。
图11是示出本发明的一个实施方式所涉及的与工厂的运用性能有关的指标和各运转数据的数据项目的关系的一个例子的图形。
图12是示出工厂的运用性能和操作参数数量的关系的图形。
图13是示出计算时间和操作参数数量的关系的图形。
图14是示出本发明的一个实施方式所涉及的运转数据的一个例子的说明图。
图15是示出本发明的一个实施方式所涉及的处理结果数据的一个例子的说明图。
图16是示出本发明的一个实施方式所涉及的估算将运转支援装置应用于工厂时的导入效果而得到的结果的说明图。
图17是示出本发明的一个实施方式所涉及的评价工厂的运用性的指标和时间的关系的一个例子的图形。
图18是示出本发明的一个实施方式所涉及的操作参数的操作量和时间的关系的一个例子的图形。
图19是示出本发明的一个实施方式所涉及的运转支援装置具备的计算机的硬件结构的框图。
(符号说明)
1:外部输入信息;2、4、6:运转数据;3、5:设计数据;7:操作参数;8、9:处理结果信息;10、11:操作量决定部处理结果信息;21、22:运转数据处理结果;23、24:设计数据处理结果;50:数据库信息;70:测量信号;80:操作信号;100:工厂;200:运转支援装置;210:外部输入接口;220:外部输出接口;230:设计数据数据库;240:运转数据数据库;250:处理结果DB;300:操作量决定单元;310:统计模型;320:学习算法;330:操作量计算部;400:操作参数决定部;500:运转数据处理部;600:设计数据处理部;700:操作参数选定部。
具体实施方式
以下,参照附图,说明具体实施方式的例子。在各图中,对具有实质上相同的功能或者结构的构成要素,附加同一符号而省略重复的说明。
[运转支援装置的整体结构]
图1是示出本发明的一个实施方式所涉及的运转支援装置的结构例的框图。本实施方式所涉及的运转支援装置200与工厂100以及外部装置900连接。
运转支援装置200具备操作量决定部300和操作参数决定部400作为运算装置。另外,运转支援装置200具备设计数据数据库230、运转数据数据库240、以及处理结果数据库250作为数据库。此外,在图1中,将数据库简称为“DB”。在数据库中,保存有电子化的信息,以通常被称为电子文件(电子数据)的方式保存信息。另外,运转支援装置200具备外部输入接口210以及外部输出接口220作为与外部进行数据的发送接收的接口。
在操作量决定部300中具备统计模型310、学习算法320以及操作量计算部330。另外,在操作参数决定部400中具备运转数据处理部500、设计数据处理部600以及操作参数选定部700。在图2以后说明操作量决定部300以及操作参数决定部400的动作。
外部装置900具备外部输入装置910和图像显示装置940。外部输入装置910具备例如键盘920以及鼠标930。另外,通过操作人员操作外部输入装置910而制作的外部输入信号1、和经由外部输入接口210在工厂100中收集的运转数据2被取入到运转支援装置200。
工厂100由控制工厂100的运转的控制装置180、和机器190构成。从机器190向控制装置180发送测量信号70,从控制装置180向机器190发送操作信号80。控制装置180处理从作为控制对象的工厂100(机器190)得到的表示工厂的状态量的测量信号70,计算提供给控制对象的操作信号80(控制信号)来对控制对象的运转进行控制。前面叙述的运转数据2是包括测量信号70以及操作信号80的数据。
取入到运转支援装置200的外部输入信号1经由外部输入接口210,作为外部输入信号3被保存到设计数据数据库230。另外,取入到运转支援装置200的运转数据2经由外部输入接口210,作为运转数据4被保存到运转数据数据库240。
将作为操作量决定部300的处理结果的操作量决定部处理结果信息10经由外部输出接口220,作为操作量决定部处理结果信息11输出到控制装置180和图像显示装置940。
在操作参数决定部400中,处理在设计数据数据库230中保存的设计数据5、和在运转数据数据库240中保存的运转数据6来决定操作参数,将操作参数7发送到操作量决定部300。设计数据是与工厂100的构造有关的信息、机器190的规格、设定值等这样的设计信息。另外,运转数据是与工厂100的运用状况有关的信息。此外,操作参数决定部400也可以从未图示的网络上的服务器等接收工厂100的设计数据以及运转数据,决定操作参数。
在操作量决定部300中,取得在运转数据数据库240中保存的运转数据6和操作参数7来决定操作参数7的操作量,作为操作量决定部处理结果信息10发送到外部输出接口220。
在操作参数决定部400以及操作量决定部300的处理中制作出的信息分别作为处理结果信息8、9被保存到处理结果数据库250。另外,操作参数决定部400以及操作量决定部300还能够取得在处理结果数据库250中保存的处理结果信息8、9。
此外,在本实施方式的运转支援装置200中,运算装置以及数据库设置于运转支援装置200的内部,但也可以将它们中的一部分的装置配置于运转支援装置200的外部,在各装置之间仅对数据进行通信。
另外,关于作为在各数据库中保存的数据的数据库信息50,能够将该所有信息经由外部输出接口220显示于图像显示装置940,这些信息能够通过操作外部输入装置910而生成的外部输入信号1来修正。
在本实施方式中,由键盘920和鼠标930构成外部输入装置910,但只要是用于输入声音的麦克风、触摸面板等用于输入数据的装置即可。
另外,上述实施方式是将本发明应用于运转支援装置200的例子,但本发明当然还能够作为运转支援方法实施。另外,在本实施方式中,将运转支援装置200的运转支援的应用对象设为工厂,但当然还能够将应用对象设为工厂以外的设备(收集工艺数据(processdata)的设备(例如工场等))来实施。
[运转支援装置的动作的概要]
图2是示出运转支援装置200的动作的流程图。
在步骤S1中,操作参数决定部400决定是否需要决定操作参数。决定是否需要决定操作参数的定时是使运转支援装置200最初动作时、从决定操作参数起经过预定的时间时、从外部输入装置910被输入决定操作参数的指令时等。运转支援装置200在满足这样的预先决定的定时的条件时,判定是否需要决定操作参数,在‘需要’决定操作参数(S1的需要)时,进入到步骤S2,在其以外的‘不需要’(S1的不需要)时,进入到步骤S5。
通过操作参数决定部400进行步骤S2至步骤S4的处理。在步骤S2中,使运转数据处理部500动作。在运转数据处理部500中,从在运转数据数据库240中保存的运转数据6的数据项目提取有助于工厂100的运用性的改善的操作参数(第一操作参数)的候补。将作为运转数据处理部500的处理结果的操作参数的候补作为运转数据处理结果21发送到设计数据处理部600,进而作为运转数据处理结果22发送到操作参数选定部700。将使用图10以及图11后述运转数据处理部500的处理内容的详情。
接下来,在步骤S3中,使设计数据处理部600动作。在设计数据处理部600中,使用在设计数据数据库230中保存的设计数据5,提取有助于工厂100的运用性改善的操作参数(第二操作参数)的候补。此外,在以后说明的例子中,设计数据处理部600成为使用设计数据5和运转数据处理结果21来提取有助于工厂100的运用性改善的操作参数的候补的结构。将作为设计数据处理部600的处理结果的操作参数的候补作为设计数据处理结果23发送到运转数据处理部500,进而作为设计数据处理结果24发送到操作参数选定部700。将使用图7~图9后述设计数据处理部600的处理内容的详情。
接下来,在步骤S4中,使操作参数选定部700动作。在操作参数选定部700中,使用运转数据处理结果22和设计数据处理结果24来选定应操作的操作参数。将通过操作参数选定部700选定的操作参数的选定结果作为操作参数7发送到操作量决定部300。将使用图12以及图13后述操作参数选定部700的处理内容的详情。
在本实施方式中,在步骤S3中,设计数据处理部600并非从所有操作参数的候补提取操作参数,而是从由运转数据处理部500提取出的操作参数(第一操作参数)的候补提取操作参数(第二操作参数)的候补。在此提取出的操作参数(第二操作参数)的候补即为应操作的操作参数。由此,能够大幅削减设计数据处理部600处理的操作参数的候补数。
此外,在本实施方式中,按照步骤S2、S3、S4的顺序实施处理,但也可以并行处理步骤S2和步骤S3。另外,也可以按照步骤S3、S2的顺序实施处理。在该情况下,运转数据处理部500也并非从所有操作参数提取操作参数的候补,而是从由设计数据处理部600提取出的操作参数(第二操作参数)的候补提取操作参数(第一操作参数)的候补。通过成为这样的结构,能够削减运转数据处理部500处理的操作参数的候补数。
接下来,在步骤S5中,操作量决定部300判定是否需要学习操作方法。判定是否需要学习操作方法的定时是使运转支援装置200最初动作时、从上次学习操作方法起经过预定的时间时、从外部输入装置910被输入指示操作方法的学习的指令时等。运转支援装置200在满足这样的预先决定的定时的条件时,判定是否需要学习操作方法,在‘需要’学习操作方法(S5的需要)时,进入到步骤S6,在‘不需要’学习操作方法(S5的不需要)时,进入到步骤S8。
通过操作量决定部300进行步骤S6~S8的处理。在步骤S6中,使统计模型310动作。统计模型310是模拟工厂100的机器190的特性的模型,是使用在运转数据数据库240中保存的运转数据6而构筑的。在统计模型310中,评价作为操作参数7的各项目的值的操作量和评价工厂100的运用性的指标(效率、环境性能、产品产量、燃料费等运用成本等)的关系。统计模型310能够使用神经网络等方法来实现,但在本实施方式中,对于统计模型310的实现方法没有限制。
接下来,在步骤S7中,使学习算法320动作。在学习算法320中,使用统计模型310来学习如工厂100的运用性成为期望的特性那样的操作量的计算方法。本实施方式的学习算法320能够使用强化学习、遗传算法、非线性规划法等最优化算法等来实现,对于学习算法320的实现方法没有限制。
接下来,在步骤S8中,使操作量计算部330动作。在操作量计算部330中,依照步骤S7中的学习算法320的学习结果,计算选定的操作参数的操作量。作为操作量决定部300的实施方式,可以举出例如专利文献1、日本特开2009-244933号公报记载的方法。
然后,在步骤S9中,操作量决定部300实施结束判定。在从外部装置900被输入结束运转支援装置200的动作的指令时等满足预先决定的条件而使运转支援装置200的动作结束时(S9的“是”),进入到结束,否则(S9的“否”),进入到步骤S1。
在图2的流程图中,记载了使操作参数决定部400和操作量决定部300这两方动作的情况,但不限定于此。例如,也可以构成为如果仅使操作参数决定部400动作而步骤S1~S4的处理完成,则使本流程图的处理完成,使选定的操作参数显示于图像显示装置940。
[工厂的说明]
图3是示出作为运转支援装置200的支援对象的工厂100的一个例子的说明图。图3是作为工厂100的一个例子示出煤炭火力工厂的结构的概略图。首先,简单地说明由煤炭火力工厂实施的发电的构造。
如图3所示,在构成煤炭火力工厂的锅炉101中,设置有供给作为用碾磨机134将煤炭细细地粉碎而得到的燃料的煤粉、和煤粉搬送用的一次空气以及燃烧调整用的二次空气的多个燃烧器102。然后,使经由该燃烧器102供给到锅炉101的煤粉在锅炉101的内部燃烧。如图所示,在锅炉101的正面(以后还记载为“锅炉前”)以及背面(以后还记载为“锅炉后”)、并且在垂直方向上配置有多级燃烧器102,在各级中多个燃烧器102配置为一列。通过图3所示的燃烧器构造、配置,在锅炉101的内部,从锅炉101的锅炉前和锅炉后使煤粉燃烧。通过改善锅炉前以及锅炉后的燃烧器燃烧平衡,锅炉的热回收效果提高,工厂的热效率也改善。
此外,将煤粉和一次空气从配管139导入到燃烧器102,将二次空气从配管141导入到燃烧器102。一次空气从风扇120导入到配管130,在中途分支到通过配置于锅炉101的下游侧的空气加热器104的配管132、和不通过空气加热器104而旁通的配管131。分支后的一次空气在配设于空气加热器104的下游侧的配管133中与主流再次合流,导入到设置于燃烧器102的上游侧的制造煤粉的碾磨机134。通过空气加热器104的一次空气通过与从锅炉101流下的燃烧气体进行热交换而被加热。与该加热后的一次空气一起,对空气加热器104旁通的一次空气将在碾磨机134中粉碎的煤粉搬送到燃烧器102。
碾磨机134以与各燃烧器级对应的方式配置(在图3中为四台),对构成各级的燃烧器供给煤粉和一次空气。即,在发电输出降低时等使煤炭供给量降低的情况下,能够停止碾磨机134而针对每个燃烧器级使燃烧器停止。在碾磨机134中,考虑锅炉101的燃烧性,以根据使用的煤炭的性质得到期望的粒度的煤粉的方式调整碾磨机的转速。另外,在煤炭料斗136(在图3中记载为“料斗”)中储藏的煤炭经由煤炭输送机137被导入到供煤机135。通过供煤机135调整向碾磨机134供给的煤炭的供给量。之后,将煤炭经由煤炭输送机138供给到碾磨机134。
另外,在锅炉101中设置有将两级燃烧用的空气投入到锅炉101的后空气端口(after air port)103。两级燃烧用的空气从配管142被导入到后空气端口103。在图3所示的锅炉101中,使用风扇121从配管140投入的空气在空气加热器104中同样地被加热之后,分支到二次空气用的配管141和后空气端口用的配管142,分别被导入到锅炉101的燃烧器102和后空气端口103。向该燃烧器102以及后空气端口103供给的空气流量能够通过在各自的配管141以及142中设置的空气阻尼器(未图示)的操作来调整。
通过在锅炉101的内部使煤粉燃烧而发生的高温的燃烧气体沿着锅炉101的内部的路径向下游侧流下,在锅炉101的内部配置的热交换器106中与给水进行热交换,由此产生蒸汽。然后,在产生蒸汽之后,燃烧气体成为排出气体而流入到设置于锅炉101的下游侧的空气加热器104。然后,该成为排出气体的燃烧气体在空气加热器104中通过热交换使供给到锅炉101的空气升温。
然后,通过该空气加热器104的排出气体在被实施未图示的排出气体处理之后,从烟囱向大气放出。
在锅炉101的热交换器106中循环的给水经由给水泵105供给到热交换器106。然后,该给水在热交换器106中通过从锅炉101流下的燃烧气体而加热,成为高温高压的蒸汽。此外,在本实施方式中,将热交换器的数量设为一个,但也可以配置多个热交换器。
在热交换器106中产生的高温高压的蒸汽经由涡轮调速器107导入到蒸汽涡轮108。然后,通过蒸汽具有的能量驱动蒸汽涡轮108,与蒸汽涡轮108的旋转轴直接连结的发电机109发电。
在上述第一实施方式的工厂100中,配置有检测表示煤炭火力工厂的运转状态的状态量的各种测量器。将从在工厂100中配置的测量器取得的煤炭火力工厂的测量信号作为运转数据2,如图1所示从控制装置180发送到运转数据数据库240,保存到运转数据数据库240。
作为测量器,例如如图3所示,有测量从热交换器106供给到蒸汽涡轮108的高温高压的蒸汽的温度的温度测量器151、测量蒸汽的压力的压力测量器152、以及测量由发电机109发电的电力量的发电输出测量器153。由蒸汽涡轮108的复水器(未图示)使蒸汽冷却而产生的给水通过给水泵105被供给到锅炉101的热交换器106,利用流量测量器150测量该给水的流量。
通过在锅炉101的下游侧设置的浓度测量器154测量与在从锅炉101排出的燃烧气体即排出气体中包含的成分(氮氧化物(NOx)、一氧化碳(CO)以及硫化氢(H2S)等)的浓度有关的状态量的测量信号。
另外,作为与供煤系统有关的测量器,有测量供给到碾磨机134的一次空气的流量的一次空气流量计155、测量通过煤炭输送机138从供煤机135供给到碾磨机134的煤炭的供煤量的供煤量计156、以及测量碾磨机134的转速的转速计157。工厂100构成为能够针对各个碾磨机134以及供煤机135测量上述信息。
即,在本实施方式所涉及的运转数据数据库240中,保存由上述各测量器测量出的作为煤炭火力工厂的状态量的供给到锅炉101的煤炭流量、碾磨机134的转速、供给到锅炉101的一次空气以及二次空气的流量的信息。另外,在运转数据数据库240中,保存供给到锅炉101的热交换器106的给水的流量、由锅炉101的热交换器106产生并供给到蒸汽涡轮108的蒸汽的温度、压力、供给到锅炉101的热交换器106的给水的压力(未图示的压力测量器)的信息。进而,在运转数据数据库240中,保存从锅炉101排出的排出气体的气体温度(未图示的温度测量器)、该排出气体的气体浓度、以及使从锅炉101排出的排出气体的一部分在锅炉101中再循环的排出气体再循环流量(未图示的流量测量器)等信息。
此外,一般而言,除了图3图示以外,在煤炭火力工厂中还配置很多测量器,但在此省略图示。
[操作量决定部的动作]
接下来,参照图4~图6,说明在运转支援装置200中设置的操作量决定部300的动作。
操作量决定部300使用学习算法320来导出供给到工厂100的控制装置180的处理结果信息(操作参数的操作量)。该方法是如下方法:使用以工厂100的测量数据、数值解析为基础构筑的数据,将它们统计性地处理来构筑模拟/推测工厂100的特性的统计模型310,针对该统计模型310自主学习最佳的控制逻辑。此外,该方法并非本发明的本质的部分,所以以下简单地说明。
图4是示出统计模型310的结构的一个例子的说明图。作为一个例子,如图4所示,统计模型310能够通过由输入层、中间层以及输出层构成的神经网络模型构筑。一般地,中间层包括多个层。统计模型310针对空气流量设定值等操作量的输入,输出工厂100的效率、从工厂100排出的环境负荷物质等评价运用性的指标。即,统计模型310对与将操作信号80提供给工厂100,得到针对其控制结果的测量信号70等同的功能进行模拟运算。
图5是示出评价工厂100的运用性的指标和操作量的关系的一个例子的图形。图5的纵轴是评价运用性的指标,横轴是操作量。如图5所示,通过对运转数据进行插值来描绘特性曲线,能够求出针对任意的操作量的评价运用性的指标的值。在图5的例子中,假设为在操作量为C时评价运用性的指标为极小值,评价运用性的指标的值越小则运用性能越高。
学习算法320学习针对统计模型310得到最大的控制效果的控制逻辑。
图6是示出作为使学习算法320动作的结果,学习操作量变化幅度和操作量的关系而得到的结果的一个例子的图形。图6的纵轴是操作量变化幅度,横轴是操作量。例如,在操作量变化幅度在正侧(大于0)时操作量变大,在负侧(小于0)时操作量变小。
操作量计算部330根据如图6所示的学习算法320的学习结果,计算选定的操作参数的操作量,以使测量信号70成为期望的值。即,在图6的例子中,以操作量C为界,在当前的操作量处于区域A时使操作量增加,在处于区域B时使操作量减少。通过这样使操作量变化,图5所示的评价运用性的指标成为极小值,能够提高运用性能。
[设计数据处理部的动作]
接下来,参照图7~图9,说明在运转支援装置200中设置的设计数据处理部600的动作。图7~图9是在设计数据数据库230中保存的设计数据的一个例子,是在设计数据处理部600中处理的数据。
图7是在设计数据数据库230中保存为设计数据的、关于运转数据数据库240内的运转数据6的数据项目的标签列表的说明图。
图8是示出在设计数据数据库中保存为设计数据的、表示是操作参数的关键词列表的一个例子的图形。
图9是示出在设计数据数据库中保存的控制逻辑电路图的一个例子的说明图。
如图7所示,在设计数据数据库230中保存有工厂100的操作信号、测量信号等保存于运转数据数据库240的数据项目的标签列表231。图示的标签列表231具有“识别编号”和“操作参数”的项目。例如,标签列表231的最上边的识别编号‘A001’的操作参数是‘大气温度’。
设计数据处理部600从标签列表231提取包括“设定值”、“偏置(bias)指令值”等表示是操作参数的单词的标签。表示是操作参数的单词经由外部装置900被输入,作为如图8所示的关键词列表232保存到设计数据数据库230。设计数据处理部600参照标签列表231和关键词列表232,提取操作参数的候补。
如上所述,设计数据处理部600具有提取在运转数据的项目(标签)的名称中包括表示是操作参数的关键词的项目作为操作参数的候补的功能。
另外,在设计数据处理部600中还具有从在设计数据数据库230中保存的控制逻辑电路图提取操作参数的候补的功能。从如图9的画面610所示的记述有输入输出关系的控制逻辑电路图,提取考虑了安全性的数据项目。在本实施方式中,考虑了安全性的数据项目是指,位于根据变化率限制、上下限值设定等来监视保护对象的保护电路的上游侧的数据项目。
在图9的控制逻辑电路中,空气流量测量值611a和空气流量设定值611b经由加法器612输入到PI控制部613,PI控制部613将处理结果输出到保护电路614。PI控制部613将对工厂100的状态量的测量信号和其目标值的偏差乘以比例增益而得到的值与对偏差进行时间积分而得到的值相加,导出提供给控制对象的操作信号。
对切换器616输入利用保护电路614的保护对象的监视结果和阻尼器开度设定值615。切换器616进行保护电路614的监视结果和阻尼器开度设定值615的切换。然后,切换器616根据保护电路614的监视结果或者阻尼器开度设定值615的任意一个的信息,输出指令值。在图9的例子中,切换器616选择保护电路614的监视结果,并且输出阻尼器开度指令值617。
另外,在图9的控制逻辑电路图中,作为包括“设定值”的关键词的操作参数,有空气流量设定值611b以及阻尼器开度设定值615。在工厂100中,能够操作阻尼器开度设定值615,但在直接操作处于保护电路614的下游侧的操作参数时,由于在保护电路614的对象以外,可能在工厂100的安全运转中发生问题。
因此,设计数据处理部600将图9所示的阻尼器开度设定值615从操作参数的候补去掉,将空气流量设定值611b作为操作参数的候补提取。还能够使提取出的操作参数的候补在控制逻辑电路图上突出显示地显示于图像显示装置940。
另外,在设计数据处理部600中,还能够将在控制逻辑电路图的处理中得到的知识作为决定操作参数时的规则来积蓄。例如,从上述处理得到“在存在空气流量设定值时,从操作参数的候补去掉关联的阻尼器开度设定值”这样的规则。通过使用积蓄的规则来决定操作参数的候补,相比于处理控制逻辑电路图来决定操作参数的候补的方法,能够缩短处理时间。
[运转数据处理部的动作]
接下来,参照图10以及图11,说明在运转支援装置200中设置的运转数据处理部500的动作。
图10是示出运转数据处理部500的一个例子的框图。运转数据处理部500具备针对每个运转模式对输入的运转数据进行分割的数据分割部510。
数据分割部510在工厂100的运转模式有多个的情况下,进行如图10所示针对每个运转模式(运转模式1、2、...N)对从运转数据数据库240输入的运转数据进行分割6的处理。在此,运转模式是考虑工厂100的运转条件和运转环境来决定的。即,根据负荷、煤炭种类、燃烧器样式等运转条件、大气温度、季节等运转环境、或者它们的组合决定。
运转数据处理部500针对根据运转模式分割的每个运转数据,提取有助于提高运用性的操作参数。通过该处理,能够考虑根据运转模式而存在有助于提高运用性的操作参数不同的可能性,从而提取操作参数。
图11是示出与工厂的运用性能有关的指标(即评价运用性的指标)和各运转数据的数据项目的关系的一个例子的图形。
运转数据处理部500如图11所示,评价与工厂100的运用性能有关的指标(环境负荷物质等)和各运转数据的数据项目(操作)的关系,提取和与工厂100的运用性能有关的指标有因果关系的数据项目。运转数据处理部500使用线性函数(直线)、泊松分布函数等函数(都是特性函数的一个例子)来评价因果关系。运转数据处理部500在与函数的平方误差低的情况下、相关系数高的情况下判断为因果关系强,按照因果关系从强到弱的顺序提取预先决定的数量的操作参数的候补。例如,运转数据处理部500将与函数的平方误差最小的情况判断为因果关系最强。
在图11的例子中,在空气流量设定值(1)和环境负荷物质中无因果关系。空气流量设定值(2)可用线性函数C2近似,空气流量设定值(3)和空气流量设定值(4)可用泊松分布函数C3、C4近似,所以各数据项目被判定为与环境负荷物质的因果关系强。在运转数据处理部500中,根据图11的结果,作为操作参数的候补提取空气流量设定值(2)、(3)、(4)。
此外,在图10以及图11中,数据分割部510针对每个运转模式分割运转数据6,针对分割的每个运转数据(运转模式),提取有助于提高运用性的操作参数,但不限定于该例子。在运转数据处理部500中,也可以不进行数据分割部510的运转数据的分割,而针对所有运转数据的数据项目如图11所示求出表示与关于运用性能的指标的关系的函数,评价因果关系。
[操作参数选定部的动作]
接下来,参照图12以及图13,说明在运转支援装置200中设置的操作参数选定部700的动作。操作参数选定部700将由运转数据处理部500和设计数据处理部600这两方提取的数据项目选定为操作参数。
上述设计数据处理部600可能提取虽然可操作但不对评价运用性的指标造成影响的参数。例如,设计数据处理部600有时提取如图11所示与环境负荷物质不相关的空气流量设定值(1)作为操作参数的候补。
另一方面,运转数据处理部500可能提取虽然对评价运用性的指标造成影响但无法操作的参数。例如,运转数据处理部500有时提取大气温度等外部的主要原因作为操作参数的候补。
因此,操作参数选定部700将由运转数据处理部500和设计数据处理部600这两方提取的数据项目选定为应操作的操作参数,从而提取对评价运用性的指标造成影响并且可操作的参数。
在此,说明操作参数的数量和运用性能或者计算时间的关系。
图12是示出工厂100的运用性能和操作参数数量的关系的图形。
图13是示出统计模型310或者学习算法320的计算时间和操作参数数量的关系的图形。
如果操作参数的数量增加,则能够进行更细致的控制,所以如图12的画面710所示,工厂100的运用性能提高。但是,随着操作参数的数量增加,输入次数变多,所以使统计模型310动作的时间变长。另外,随着操作参数的数量增加,搜索最优解的空间(操作参数的所有组合的数量)变广,所以使学习算法320动作的时间变长。因此,如图13的画面720所示,随着操作参数数量增加,各部的计算时间按照指数函数增加。这样,需要考虑工厂的运用性能和计算时间的折中的关系来决定操作参数的数量。
因此,在操作参数选定部700中,关于由运转数据处理部500和设计数据处理部600这两者提取的数据项目,考虑特性曲线的类似性和操作次数(操作参数的数量)的目标值而对数据项目进行分组。作为一个例子,以使统计模型310和/或学习算法320的计算时间在针对运转数据的采样周期内结束的方式,决定操作次数。
例如,图12所示的与空气流量设定值(3)、(4)有关的特性曲线的形状类似,所以将空气流量设定值(3)、(4)分类到相同的组,用一个操作参数来操作空气流量设定值(3)、(4)。即,在空气流量设定值(3)、(4)中应用共同的设定值(操作量),将被分类到相同的组的数据项目所对应的操作参数的操作量设为共同。通过该操作参数的分组,操作参数的数量被削减,能够缩短统计模型310以及学习算法320的计算时间。例如配置于不同的级的燃烧器102那样,即使在不同的操作参数中使用共同的设定值也能够不妨碍运用性能而使控制对象良好地运转时,最好对操作参数进行分组。
[在数据库中保存的数据的例子]
接下来,说明在运转支援装置200中具备的各数据库中保存的数据的样式的例子。
图14示出在运转数据数据库240中保存的运转数据的一个例子。在图14所示的运转数据241中,针对每个采样周期(例如针对每1分)保存包括例如由传感器测量出的数据项目A~C的运转数据的记录。运转数据241的各数据项目的趋势图(后述图18)可显示于图像显示装置940。
图15示出在处理结果数据库250中保存的处理结果的一个例子。图15的处理结果251是与运转数据处理部500处理运转数据而生成的特性曲线有关的数据的样式。如图15所示,保存例如与“操作参数”、“与运用性能有关的指标”、“特性曲线的函数的形式”、“函数的系数”、“运转数据和特性曲线的误差”等有关的信息。
在处理结果数据库250中,不限于图15所示的处理结果251,而保存有运转数据处理部500、设计数据处理部600的处理结果。
[运转支援装置的导入效果的估算例]
图16是示出估算将运转支援装置200应用于工厂100时的导入效果而得到的结果的说明图。
如图16所示,在表示导入运转支援装置200的情况的效果的画面750中,作为一个例子,针对由数据分割部510分割的每个运转模式(图10)显示年度运转时间(hr)、效果(¥/hr)以及合计(M¥)。年度运转时间是工厂100的年度的运转时间。另外,效果是在导入运转支援装置200的情况下改善评价运用性的指标的效果。另外,合计是年度的导入效果的合计。例如,在图16中,运转模式1的年度运转时间是1000(hr),效果是10000(¥/hr),合计是10(M¥)。
通过操作参数选定部700估算年度的导入效果的合计。针对每个运转模式求出年度运转时间(hr)、效果(¥/hr),并将年度运转时间和效果相乘,从而计算合计(¥)。然后,通过将每个运转模式的合计相加,能够估算控制对象的每年度的导入效果。
图17是示出评价工厂100的运用性的指标和时间的关系的一个例子的图形。
图18是示出操作参数的操作量和时间的关系的一个例子的图形。
如图18所示,将时间t1下的操作量设为C。然后,如图17所示,在通过设为操作量C而评价运用性的指标为极小值时,得到“时间t0下的评价运用性的指标的极大值”、和“时间t1下的评价运用性的指标的极小值”的差作为效果。也可以将图17以及图18的图形与图16的导入效果的画面750一起显示于图像显示装置940。
这样,运转支援装置200不仅在线控制工厂100,而且还能够使用在运转数据数据库240中积蓄的运转数据来估算将运转支援装置200应用于工厂100的情况下的导入效果。即,作为运转支援装置200的利用方法,可以举出估算导入效果的用途。通过适当地自动选定操作参数,能够提前估算运转支援装置200的导入效果。
如以上所述,本发明的一个实施方式所涉及的运转支援装置200通过使用工厂100的运转数据和设计数据,能够自动地提取有助于工厂100的运用性提高的操作参数。另外,在本实施方式中,通过将由运转数据处理部500和设计数据处理部600这两方提取的数据项目选定为应操作的操作参数,能够提取对评价运用性的指标造成影响并且可操作的参数。
另外,在本实施方式中,通过考虑特性曲线的类似性(图11)和操作次数的目标值来对数据项目进行分组,能够削减用于设计操作参数的工作量。
此外,在上述实施方式中,作为应用运转支援装置200的工厂的例子,举出煤炭火力工厂,但还能够将本发明应用于石化工厂、水处理工厂、医药制造工厂等各种工厂。即,本发明能够广泛活用作各种工厂的运转支援装置。
上述一个实施方式所涉及的运转支援装置200的动作既可以通过硬件进行,也可以通过软件进行。在通过软件进行的情况下,也可以通过例如在运转支援装置200中设置的CPU以外的控制装置读出并依次执行在运转支援装置200的内部设置的ROM等记录介质中保存的计算机程序来进行。
[运转支援装置的硬件结构]
图19是示出运转支援装置200具备的计算机的硬件结构的框图。此外,能够与运转支援装置200的功能、使用目的相符合地取舍选择计算机800的各部。例如,图1所示的工厂控制系统具备外部输入装置910(键盘920以及鼠标930)以及图像显示装置940,所以也可以删除显示部805以及操作部806。
计算机800具备与总线804分别连接的CPU(Central Processing Unit,中央处理单元)801、ROM(Read Only Memory,只读存储器)802、RAM(Random Access Memory,随机存取存储器)803。进而,计算机800具备显示部805、操作部806、非易失性存储设备807、网络接口808。
CPU801从ROM802读出并执行实现本实施方式所涉及的各功能的软件的程序代码。此外,计算机800也可以代替CPU801而具备MPU(Micro-Processing Unit,微处理单元)等处理装置。在RAM803中临时地写入在运算处理的中途产生的变量、参数等。
显示部805例如是液晶显示屏,显示在计算机800中进行的处理的结果等。在操作部806中,例如使用键盘、鼠标或者触摸面板等,监视员能够进行预定的操作输入、指示。另外,操作部806也可以是操作键、按钮开关等操作设备。显示部805与图像显示装置940相当,操作部806与外部输入装置910相当。
作为非易失性存储设备807,例如使用HDD(Hard Disk Drive,硬盘驱动器)、SSD(Solid State Drive,固态驱动器)、软盘、光盘、光磁盘、CD-ROM、CD-R、磁带、非易失性的存储卡等。在该非易失性存储设备807中,除了记录OS(Operating System,操作系统)、各种参数、数据以外,还可以记录用于使计算机800发挥功能的程序。例如,在非易失性存储设备807中储存有设计数据数据库230、运转数据数据库240以及处理结果数据库250等。
在网络接口808中,例如使用NIC(Network Interface Card,网络接口卡)等,能够经由LAN等网络N在各装置之间发送接收各种数据。各装置之间也可以用专用的传送线连接。
进而,本发明不限于上述各实施方式例子,只要不脱离权利要求书记载的本发明的要旨,当然能够获得其它各种应用例、变形例。
例如,上述实施方式例子是为了易于理解地说明本发明而详细且具体地说明装置以及系统的结构的例子,并不一定限定于具备说明的所有结构的例子。另外,能够将某个实施方式例子的结构的一部分置换到其它实施方式例子的结构。另外,还能够对某个实施方式例子的结构附加其它实施方式例子的结构。另外,还能够对各实施方式例子的结构的一部分进行其它结构的追加、删除、置换。
另外,控制线、信息线表示在说明上认为必要的控制线、信息线,在产品上未必表示所有控制线、信息线。也可以认为实际上几乎所有结构相互连接。
另外,在本说明书中,记述时间序列的处理的处理步骤当然包括沿着记载的顺序按照时间序列进行的处理,但还包括不一定按照时间序列进行处理而并行或者个别地执行的处理(例如并行处理或者基于对象的处理)。
Claims (7)
1.一种运转支援装置,具备:
运转数据处理部,根据从控制对象收集到的运转数据,提取有助于提高运用性的第一操作参数的候补;
设计数据处理部,根据所述控制对象的设计数据,提取有助于提高运用性的第二操作参数的候补;以及
操作参数选定部,将所述第一操作参数的候补和所述第二操作参数的候补中的、由所述运转数据处理部和所述设计数据处理部这两方提取出的操作参数的候补选定为应操作的操作参数,
所述运转数据处理部根据所述运转数据来制作表示该运转数据的数据项目和评价运用性的指标的关系的特性函数,根据该特性函数提取所述第一操作参数的候补,
所述设计数据处理部从所述运转数据的数据项目提取与预先决定的关键词一致的数据项目作为所述第二操作参数的候补。
2.根据权利要求1所述的运转支援装置,其中,
所述设计数据处理部进而从提取出的所述第二操作参数的候补中,从作为所述设计数据的控制逻辑电路图提取位于保护电路的上游侧的所述第二操作参数的候补。
3.根据权利要求1所述的运转支援装置,其中,
所述运转数据处理部将所述特性函数类似的所述数据项目分类到相同的组,将与该数据项目对应的所述第一操作参数的操作量设为共同。
4.根据权利要求3所述的运转支援装置,其中,
所述运转数据处理部考虑所述特性函数的类似性和作为所述操作参数的数量的操作次数的目标值,将所述第一操作参数的候补分类到组。
5.根据权利要求1所述的运转支援装置,其中,
所述运转数据处理部针对考虑了所述控制对象的运转条件和运转环境的每个运转模式,对所述运转数据进行分割,针对每个所述运转模式提取所述第一操作参数的候补。
6.根据权利要求1至5中的任意一项所述的运转支援装置,其中,
所述运转支援装置还具备操作量决定部,该操作量决定部具备:统计模型,该统计模型模拟由所述操作参数选定部选定的所述操作参数和评价运用性的指标的关系;学习算法,该学习算法使用所述统计模型来学习用于使运用性提高的操作方法;以及操作量计算部,该操作量计算部依照所述学习算法中的学习结果决定控制对象的操作量,
所述操作参数选定部估算将该运转支援装置导入到所述控制对象时的导入效果。
7.一种记录介质,是保存有程序的计算机可读取的记录介质,其中,
所述程序使计算机执行:
运转数据处理步骤,根据从控制对象收集到的运转数据,提取有助于提高运用性的第一操作参数的候补;
设计数据处理步骤,根据所述控制对象的设计数据,提取有助于提高运用性的第二操作参数的候补;以及
操作参数选定步骤,将在所述第一操作参数的候补和所述第二操作参数的候补这两方中包含的操作参数的候补选定为应操作的操作参数,
在所述运转数据处理步骤中,根据所述运转数据来制作表示该运转数据的数据项目和评价运用性的指标的关系的特性函数,根据该特性函数提取所述第一操作参数的候补,
在所述设计数据处理步骤中,从所述运转数据的数据项目提取与预先决定的关键词一致的数据项目作为所述第二操作参数的候补。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016221339A JP6742222B2 (ja) | 2016-11-14 | 2016-11-14 | 運転支援装置及びプログラム |
JP2016-221339 | 2016-11-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108073145A CN108073145A (zh) | 2018-05-25 |
CN108073145B true CN108073145B (zh) | 2020-09-29 |
Family
ID=62159686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711087967.8A Active CN108073145B (zh) | 2016-11-14 | 2017-11-08 | 运转支援装置以及记录介质 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6742222B2 (zh) |
CN (1) | CN108073145B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7366033B2 (ja) * | 2018-09-06 | 2023-10-20 | 住友重機械工業株式会社 | 支援装置、支援方法、支援プログラム、及び、ボイラシステム |
JP7220047B2 (ja) * | 2018-10-25 | 2023-02-09 | 三菱重工業株式会社 | プラントの運転支援装置 |
JP2020095572A (ja) * | 2018-12-14 | 2020-06-18 | 日鉄エンジニアリング株式会社 | プラント操業支援システム及びプラント操業支援方法 |
JP7374590B2 (ja) * | 2019-02-12 | 2023-11-07 | 株式会社日立製作所 | Kpi改善支援システム及びkpi改善支援方法 |
JP2021174352A (ja) * | 2020-04-28 | 2021-11-01 | 株式会社日立製作所 | プラント制御支援装置、プログラムおよびプラント制御支援方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1673910A (zh) * | 2004-03-26 | 2005-09-28 | 株式会社东芝 | 成套设备的运转计划最优化方法及最优化系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774361A (en) * | 1995-07-14 | 1998-06-30 | Hunter Engineering Company | Context sensitive vehicle alignment and inspection system |
US7069104B2 (en) * | 2002-04-30 | 2006-06-27 | Canon Kabushiki Kaisha | Management system, management apparatus, management method, and device manufacturing method |
JP4952025B2 (ja) * | 2006-03-31 | 2012-06-13 | 株式会社日立製作所 | 運転制御方法,運転制御装置及び運転制御システム |
JP5244662B2 (ja) * | 2009-03-18 | 2013-07-24 | 株式会社日立システムズ | 生産管理システムと代替bom構成展開方法およびプログラム |
JP5264796B2 (ja) * | 2010-02-01 | 2013-08-14 | 三菱電機株式会社 | プラント運転支援装置 |
AU2011228527B2 (en) * | 2010-03-18 | 2014-09-04 | Kabushiki Kaisha Toshiba | Plant operation supporting system, plant operation supporting program, and plant operation supporting method |
JP5734254B2 (ja) * | 2012-10-04 | 2015-06-17 | 三菱電機株式会社 | 運転支援システム及びプログラム |
-
2016
- 2016-11-14 JP JP2016221339A patent/JP6742222B2/ja active Active
-
2017
- 2017-11-08 CN CN201711087967.8A patent/CN108073145B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1673910A (zh) * | 2004-03-26 | 2005-09-28 | 株式会社东芝 | 成套设备的运转计划最优化方法及最优化系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6742222B2 (ja) | 2020-08-19 |
CN108073145A (zh) | 2018-05-25 |
JP2018081350A (ja) | 2018-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108073145B (zh) | 运转支援装置以及记录介质 | |
Tsoutsanis et al. | A component map tuning method for performance prediction and diagnostics of gas turbine compressors | |
CN101517506B (zh) | 计算和预测发电机组的性能 | |
CN103635910B (zh) | 用于发电厂的操作参数的自动识别 | |
Gu et al. | Online adaptive least squares support vector machine and its application in utility boiler combustion optimization systems | |
JP5251938B2 (ja) | プラントの制御装置及び火力発電プラントの制御装置 | |
JP5663510B2 (ja) | 石炭火力プラントの制御装置及び、石炭火力プラント | |
US20070168174A1 (en) | Energy system modeling apparatus and methods | |
Zhang et al. | Performance assessment for the water level control system in steam generator of the nuclear power plant | |
CN108241360B (zh) | 在线监视装置以及在线监视方法 | |
Teichgraeber et al. | Optimal design and operations of a flexible oxyfuel natural gas plant | |
US20160365735A1 (en) | Systems and Methods for Power Plant Data Reconciliation | |
JP2014052929A (ja) | 火力プラントの制御装置及び制御方法 | |
Blanco et al. | New investigation on diagnosing steam production systems from multivariate time series applied to thermal power plants | |
CN103282840A (zh) | 大型设备的控制装置及火力发电大型设备的控制装置 | |
Musa et al. | Development of big data lean optimisation using different control mode for Gas Turbine engine health monitoring | |
US11475186B2 (en) | Apparatus and method for deriving boiler combustion model | |
Thota et al. | Analysis of feature selection techniques for prediction of boiler efficiency in case of coal based power plant using real time data | |
Kim et al. | Nonlinear multiobjective and dynamic real‐time predictive optimization for optimal operation of baseload power plants under variable renewable energy | |
JP6554162B2 (ja) | 発電プラント性能評価方法及び発電プラント性能評価プログラム | |
RU2299995C2 (ru) | Способ проведения анализа эффективности и затрат для энергоблока, система для его осуществления (варианты) и считываемая компьютером среда записи с записанной программой | |
JP2013114687A (ja) | 発電所の運転を管理するための方法及び装置 | |
JP6862104B2 (ja) | 原料選定支援装置、及び原料選定支援方法 | |
Szega et al. | Improving the accuracy of electricity and heat production forecasting in a supervision computer system of a selected gas-fired CHP plant operation | |
Gooty et al. | Incorporation of market signals for the optimal design of post combustion carbon capture systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |