CN113570180A - 成套设备控制辅助装置、程序以及成套设备控制辅助方法 - Google Patents
成套设备控制辅助装置、程序以及成套设备控制辅助方法 Download PDFInfo
- Publication number
- CN113570180A CN113570180A CN202110263773.9A CN202110263773A CN113570180A CN 113570180 A CN113570180 A CN 113570180A CN 202110263773 A CN202110263773 A CN 202110263773A CN 113570180 A CN113570180 A CN 113570180A
- Authority
- CN
- China
- Prior art keywords
- plant control
- plant
- variable
- data
- manipulated variable
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006872 improvement Effects 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims description 84
- 238000004458 analytical method Methods 0.000 claims description 70
- 238000013179 statistical model Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims 2
- 238000000605 extraction Methods 0.000 description 40
- 238000012545 processing Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 13
- 238000012423 maintenance Methods 0.000 description 11
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 9
- 239000000284 extract Substances 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- ODUCDPQEXGNKDN-UHFFFAOYSA-N Nitrogen oxide(NO) Natural products O=N ODUCDPQEXGNKDN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明的成套设备控制辅助装置、程序以及成套设备控制辅助方法能够高精度地选定有助于运用性能提高的操作变量。对有助于成套设备的运用性能指标的提高的操作变量进行选定的成套设备控制辅助装置(100)具备操作变量决定部(160)，该操作变量决定部(160)基于与运用性能指标的相关度和操作频率来选定操作变量。
Description
技术领域
本发明涉及能够为了提高发电站或垃圾焚烧炉、工厂设备等包含成套设备的控制对象的运用性而进行设定/调整的操作变量的选定的成套设备控制辅助装置、程序以及成套设备控制辅助方法。
背景技术
伴随ICT(Information and Communication Technology：信息和通信技术)、IoT(Internet of The Network：物联网)的技术创新，大数据的灵活利用备受关注。针对包括成套设备的控制对象，以控制对象的性能或品质、生产率等的提高为目的，收集并分析大量的数据(传感器数据、测量数据)的技术受到关注。另一方面，在发电事业领域中，对于可再生能源或全球气候变暖对策等环境问题的应对越来越关心。为了提高发电事业的社会价值、环境价值、经济价值，要求在火力发电站(火力发电成套设备)考虑运转率、环境性能等运用性能来进行操作。
作为改善火力发电成套设备的运用性能的对策，在专利文献1中公开了使作为环境性能的指标的排气中包含的氮氧化物、一氧化碳浓度等的浓度最小化的控制装置。
为了提高成套设备的运用性能，需要根据应用的成套设备的构造、运用状况来适当地决定操作变量(操作参数)。在专利文献2中公开了一种提取有助于提高成套设备的运用性能的操作参数的运转辅助装置。
现有技术文献
专利文献
专利文献1：日本特开2012-141862号公报
专利文献2：日本特开2018-081350号公报
发明内容
发明要解决的课题
专利文献2所记载的运转辅助装置基于从控制对象收集到的运转数据和控制对象的设计信息，提取有助于提高控制对象的运用性能的操作参数(操作变量)。但是，在该提取方法中，存在参照本来不应该参照的运转数据来提取操作变量的可能性或者在通常运转中提取未作为操作对象的操作变量的可能性，留有改善的余地。
本发明是鉴于这样的背景而完成的，其课题在于提供一种能够高精度地选定有助于运用性能提高的操作变量的成套设备控制辅助装置、程序以及成套设备控制辅助方法。
用于解决课题的手段
为了解决上述的课题，本发明的成套设备控制辅助装置是对有助于成套设备的运用性能指标的提高的操作变量进行选定的成套设备控制辅助装置，具备：操作变量决定部，其基于与所述运用性能指标的相关度和操作频率来选定所述操作变量。
发明效果
根据本发明，能够提供一种能够高精度地选定有助于运用性能提高的操作变量的成套设备控制辅助装置、程序以及成套设备控制辅助方法。上述以外的课题、结构及效果通过以下的实施方式的说明而加以明确。
附图说明
图1是本实施方式的成套设备控制辅助装置的整体结构图。
图2是本实施方式的运用数据DB中存储的测试/维护/停止信息DB的数据结构图。
图3是本实施方式的运用数据DB中存储的故障发生信息DB的数据结构图。
图4是本实施方式的运用数据DB中存储的运转数据项目DB的数据结构图。
图5是本实施方式的运用数据DB中存储的操作变量关键字DB的数据结构图。
图6是本实施方式的运用数据DB中存储的故障传感器DB的数据结构图。
图7是本实施方式的处理结果DB中存储的评价分数DB的数据结构图。
图8是本实施方式的成套设备控制辅助处理的流程图。
图9是本实施方式的有效分析期间/有效数据项目的提取处理的流程图。
图10是本实施方式的数据项目的评价分数计算处理的流程图。
图11是本实施方式的操作变量的选定处理的流程图。
图12是表示本实施方式的控制逻辑电路图的例子的图。
具体实施方式
接着，对用于实施本发明的方式(实施方式)中的成套设备控制辅助装置进行说明。成套设备控制辅助装置通过以下的步骤选定有助于运用性能提高的操作变量，并计算出操作量(操作变量的值)。①从成套设备的控制装置获取运转数据。在运转数据中，例如包括挡板开度等操作变量的设定值(指定值、操作量)和表示成套设备的运转状况的状态量。②从运转数据中除去在成套设备的停止期间/测试期间/故障期间等中获取的无效数据。③在运转数据中，将氮氧化物量等与运用性能指标的相关度和操作量的变动量大的操作变量选定为有助于运用性能提高的操作变量。④将操作量作为输入，将成套设备的运用性能指标作为输出，构建模拟成套设备的特性的统计模型。⑤使用机器学习技术从统计模型导出运用性能指标最佳的操作量。
成套设备控制辅助装置在除去了无效数据之后，选定与运用性能指标的相关关系高的操作变量，并高精度地选定有助于运用性能提高的操作变量。另外，成套设备控制辅助装置选定操作量的变动量大的操作变量，除去在通常运转中不作为操作对象(变动量小)的操作变量，选定有助于运用性能提高的操作变量。并且，成套设备控制辅助装置使用对模拟成套设备的特性的统计模型进行控制的操作学习模型，导出最佳的操作量。成套设备的操作员能够基于成套设备控制辅助装置所输出的操作变量和操作量来制定成套设备的运用计划，能够提高计划制定的效率和运用性能。
《成套设备控制辅助装置的结构》
图1是本实施方式的成套设备控制辅助装置100的整体结构图。成套设备控制辅助装置100与外部装置210以及成套设备220连接。外部装置210具备显示器、键盘、鼠标等，是成套设备控制辅助装置100的利用者所使用的成套设备控制辅助装置100的用户接口装置。
成套设备220构成为包括构成成套设备的设备222和控制成套设备220的运转的控制装置221。控制装置221接收表示从设备222输出的成套设备的状态量的测量信号，并作为状态量输出至成套设备控制辅助装置100。另外，控制装置221从成套设备控制辅助装置100接收操作变量的操作量，并作为操作信号(控制信号)输出至设备222，控制成套设备220的运转。此外，控制装置221也可以接收来自与成套设备控制辅助装置100不同的装置的操作变量的操作量，并将操作信号输出至设备222。
成套设备控制辅助装置100是具备包含CPU(Central Processing Unit：中央处理单元)而构成的控制部、由ROM(Read Only Memory：只读存储器)或RAM(Random AccessMemory：随机存取存储器)、SSD(Solid State Drive：固态驱动器)构成的存储部、由通信卡等构成的输入输出部(参照后述的图1的输入输出接口120)等的计算机。输入输出部与外部装置210和成套设备220收发通信数据。
输入输出接口120由控制部以及输入输出部构成，将从外部装置210和成套设备220接收到的数据保存在运用数据DB130和运转数据DB140中。另外，输入输出接口120将后述的操作量决定部170所输出的操作量发送至成套设备220。外部装置210能够经由输入输出接口120访问后述的运用数据DB130、运转数据DB140以及处理结果DB150中存储的信息。
《成套设备控制辅助装置：存储部的结构》
存储部具备运用数据DB130(运用数据数据库)、运转数据DB140以及处理结果DB150。另外，在存储部中存储表示成套设备控制辅助处理(参照后述的图8)的步骤并用于使计算机作为成套设备控制辅助装置100发挥功能的程序。在运用数据DB130中存储与成套设备220的构造相关的设计等的设计信息和业务数据。作为业务数据，例如有测试期间、发生了故障的传感器、运转参数(操作变量)、分析对象期间、评价项目的评价点、成套设备控制辅助处理中参照的参数等。
图2是本实施方式的运用数据DB130中存储的测试/维护/停止信息DB310的数据结构图。在测试/维护/停止信息DB310中存储成套设备220的测试期间、维护期间以及停止期间。
图3是本实施方式的运用数据DB130中存储的故障发生信息DB320的数据结构图。在故障发生信息DB320中存储在成套设备220中发生了故障的发生时期和程度(故障分类)。
图4是本实施方式的运用数据DB130中存储的运转数据项目DB330的数据结构图。在运转数据项目DB330中存储有存储在运转数据DB140中的运转数据项目和该标签(在图4中记载为“标签号”)。运转数据项目包含作为操作变量的运转数据项目以及作为状态量的运转数据项目。此外，以下也将运转数据项目简称为数据项目。
图5是本实施方式的运用数据DB130中存储的操作变量关键字DB340的数据结构图。在操作变量关键字DB340中存储有数据项目(参照图4)中成为操作变量的数据项目的关键字(运转数据项目栏中包含的关键字)。
此外，在数据项目中，不仅有操作变量，还有作为成套设备220的设备222的观测值(设备的状态量)的数据项目。在状态量中，也有与操作变量对应的观测值。详细而言，在状态量中，存在用传感器对指定操作变量的值(操作量、设定值、指定值)并操作设备222(参照图1)而得的结果进行了测量的状态量。作为这样的状态量的一个例子，有在指定挡板开度这一操作变量而操作了挡板之后由传感器测量出的挡板开度。在以下的说明中，在存在与操作变量对应的观测值(状态量)的情况下，将观测值视为操作变量的值。这是因为，认为观测值比操作变量的值更准确地表示操作后的值(例如挡板的开度)。
图6是本实施方式的运用数据DB130中存储的故障传感器DB350的数据结构图。在故障传感器DB350中存储有发生了故障的传感器(器件)和故障期间。
返回图1，在运转数据DB140中存储有作为与成套设备的运转状况相关的信息的运转数据。在运转数据中，作为运转实绩数据，例如包含设置于设备222的传感器所获取的数据(成套设备的状态量)和操作量(操作变量的设定值、指定值)。运转数据是成为运转数据项目的值的时间序列数据。
在处理结果DB150中存储有后述的操作变量决定部160以及操作量决定部170的处理结果。在处理结果DB150中，例如存储有针对数据项目的评价分数。
图7是本实施方式的处理结果DB150中存储的评价分数DB360的数据结构图。在评价分数DB360中存储成为操作变量的数据项目362的识别编号361、与运用性能指标的相关度363(相关系数的绝对值)、变动系数364(操作变量的值的变动度)以及评价分数365。
《成套设备控制辅助装置：控制部的结构：操作变量决定部》
返回图1，控制部具备操作变量决定部160以及操作量决定部170。操作变量决定部160选定与运用性能指标的相关度(相关系数的绝对值)和变动量大的操作变量。操作变量决定部160具备有效分析期间/有效数据项目提取部161、评价项目生成部162、评价点获取部163、权重决定部164、数据项目评价部165以及操作变量选定部166。
有效分析期间/有效数据项目提取部161在存储于运转数据DB140的运转数据中，提取成为用于决定操作变量的分析对象的数据项目(有效数据项目)和期间(有效分析期间)。详细而言，有效分析期间/有效数据项目提取部161从存储于运用数据DB130的分析对象期间中除去成套设备220的测试期间、维护期间以及停止期间(参照图2)。这是因为，在测试期间、维护期间以及停止期间，传感器所获取的数据不是成为分析对象的成套设备220的运转时的数据，而是无效的数据(干扰)。
另外，有效分析期间/有效数据项目提取部161提取作为操作变量的数据项目。详细而言，有效分析期间/有效数据项目提取部161在包含于运转数据项目DB330(参照图4)的数据项目中，提取包含在操作变量关键字DB340(参照图5)中存储的关键字的数据项目。
并且，有效分析期间/有效数据项目提取部161根据条件从分析对象期间除去在故障传感器DB350(参照图6)中包含的故障期间。这是因为，在故障期间，传感器获取的数据不是成为分析对象的成套设备220的正确的数据，而是不正常(不正确)的数据(干扰)。此外，将从运转数据的分析对象期间除去了成套设备220的测试期间、维护期间、停止期间、以及传感器的故障期间而得的期间也记作有效分析期间。
另外，有效分析期间/有效数据项目提取部161根据条件，排除数据项目中的、基于操作变量的值(操作量、针对成套设备220的设定值/指定值)进行操作后无法获取由传感器测量出的状态量的数据项目。例如，在测量挡板开度的传感器发生了故障的情况下，将以挡板开度作为操作变量的数据项目作为无效数据项目进行排除。
评价项目生成部162计算出有效分析期间中的操作变量的值与运用性能指标的相关度(因果关系、相关系数的绝对值)以及变动系数。所谓运用性能指标，是表示氮氧化物(NOx)或一氧化碳的浓度/排出量等环境性能和成套设备的运转率等的指标。此外，氮氧化物或一氧化碳的量越少则运用性能越高。评价项目生成部162针对作为操作变量的每个数据项目计算出与运用性能指标的相关系数的绝对值，并存储在评价分数DB360(参照图7)的相关度363一栏中。
另外，评价项目生成部162针对作为操作变量的每个数据项目，计算出变动系数并存储在评价分数DB360的变动系数364一栏中。详细而言，评价项目生成部162利用例如z-score normalization(z-score标准化)、min-max normalization(min-max标准化)的方法对作为时间序列数据的操作变量的值进行标准化，使用以下的数式(1)来计算变动系数。
变动系数＝标准偏差/平均值(1)
并且，评价项目生成部162生成有效分析期间中的操作变量的值和运用性能指标的特性曲线。接下来，评价项目生成部162例如利用线性函数或泊松分布函数等特性曲线对特性曲线进行近似，并显示在外部装置210的显示器上。
评价点获取部163从运用数据DB130获取作为评价项目的相关度和变动系数的评价点。评价点例如是5～1的点数，是成为评价相关度和变动系数时的权重的基础的点数。
权重决定部164根据评价项目(相关度和变动系数)的评价点来决定权重。例如，将相关度的评价点设为3，将变动系数的评价点设为4。于是，相关度的权重是3/(3+4)＝0.42857，变动系数的权重被计算为4/(3+4)＝0.57143。
数据项目评价部165基于评价项目生成部162计算出的相关度和变动系数以及权重决定部164计算出的权重，使用以下的数式(2)来计算评价分数，并存储在评价分数DB360(参照图7)的评价分数365一栏中。
评价分数＝相关度×相关度的权重+变动系数×变动系数的权重(2)
操作变量选定部166将评价分数为预定的阈值以上且评价分数上位的预定数量的数据项目选定为有助于运用性能提高的操作变量。
参照后述的图9～图11对上述的操作变量决定部160的处理的详细内容进行说明。接着，对操作量决定部170进行说明。
《成套设备控制辅助装置：控制部的结构：操作量决定部》
操作量决定部170导出向成套设备200输出的操作变量的操作量(指定值、设定值)。成套设备220的运用者也可以将操作量决定部170导出了的操作量直接作为用于控制装置221中的设备222的控制的设定值。另外，运用者也可以参考成套设备控制辅助装置100导出了的操作变量和操作量来制定成套设备的运用计划，决定控制装置221的设定值。操作量决定部170具备统计模型171、操作学习模型172、模型构建部173、操作量学习部174以及操作量计算部175。统计模型171和操作学习模型172存储在存储部中。
统计模型171是将操作变量的操作量作为输入，将运用性能指标作为输出的统计模型。例如，统计模型171也可以是将操作变量的操作量作为输入，将运用性能指标作为输出的神经网络。详细而言，也可以是使用根据运转数据将操作量作为输入，将运用性能指标作为输出(正确数据)的学习数据进行训练而得的神经网络。另外，也可以是专利文献1中记载的基于Radial Basis Function Network(径向基函数网络)的统计模型。此外，例如也可以构建火力发电成套设备的锅炉模型，使用运转数据来调整模型的参数，并作为统计模型171。
操作学习模型172是导出运用性能指标成为最佳的操作变量的操作量的模型，例如是将统计模型171设为控制对象(环境)的强化学习的模型。除此之外，操作学习模型172也可以是遗传算法、非线性规划法等最优化算法的计算模型。
模型构建部173构建统计模型171。例如，如果统计模型171是神经网络，则模型构建部173准备根据运转数据将操作量作为输入，将运用性能指标作为输出(正确数据)的学习数据，使用该学习数据训练统计模型171。
操作量学习部174将统计模型171作为控制对象，训练操作学习模型172。例如，在操作学习模型172是强化学习的模型的情况下，操作量学习部174也可以使用作为Actor-Critic(参与者-评价者)学习法的一个方法的归一化高斯函数网络来训练操作学习模型172。
操作量计算部175使用操作学习模型172，计算运用性能指标成为最佳的操作量，并存储到处理结果DB150中。操作量计算部175也可以经由输入输出接口120向成套设备220输出操作量。
《成套设备控制辅助处理》
图8是本实施方式的成套设备控制辅助处理的流程图。一边参照图8，一边对成套设备控制辅助装置100选定有助于运用性能提高的操作变量的处理以及导出操作变量的最佳操作量的处理进行说明。此外，成套设备控制辅助处理既可以反复执行，也可以在初次启动成套设备控制辅助装置100时或从上次的处理经过了预定的期间时等预定的定时执行，也可以根据利用者的指示来执行。
在步骤S11中，操作变量决定部160判定是否决定操作变量，在决定的情况下(步骤S11→是)，进入步骤S12，在不决定的情况下(步骤S11→否)，进入步骤S16。操作变量决定部160可以经由外部装置210向利用者询问决定的恰当与否来进行判断，也可以获取处于运用数据DB130中的恰当与否的参数来进行判断，也可以在从上次的操作变量决定经过了预定时间的情况下判断为决定。
在步骤S12中，操作变量决定部160执行有效分析期间/有效数据项目的提取处理。关于有效分析期间/有效数据项目的提取处理的详细内容，参照后述的图9进行说明。
在步骤S13中，操作变量决定部160的评价项目生成部162计算出数据项目的评价项目。详细而言，评价项目生成部162计算出有效分析期间中的操作变量的值与运用性能指标的相关度以及操作变量的变动系数。评价项目生成部162将计算出的相关度及变动系数分别存储在评价分数DB360(参照图7)的相关度363及变动系数364的栏中。另外，评价项目生成部162生成用线性函数或泊松分布函数等进行近似而得的操作变量的值和运用性能指标的特性曲线，并显示在外部装置210的显示器上。
在步骤S14中，操作变量决定部160执行数据项目的评价分数计算处理。数据项目的评价分数计算处理的详细内容参照后述的图10进行说明。
在步骤S15中，操作变量决定部160执行操作变量的选定处理。操作变量的选定处理的详细内容参照后述的图11进行说明。
在步骤S16中，操作量决定部170判定学习操作方法的恰当与否，在学习的情况下(步骤S16→是)，进入步骤S17，在不学习的情况下(步骤S16→否)，进入步骤S19。操作量决定部170可以经由外部装置210向利用者询问学习的恰当与否来进行判断，也可以获取处于运用数据DB130中的恰当与否的参数来进行判断，也可以在从上次的操作方法学习经过了预定时间的情况下判断为学习。
在步骤S17中，模型构建部173构建统计模型171。
在步骤S18中，操作量学习部174训练操作方法。详细而言，操作量学习部174将统计模型171作为控制对象，训练操作学习模型172。
在步骤S19中，操作量计算部175使用操作学习模型172，计算出运用性能指标成为最佳的操作量，并存储到处理结果DB150中。
在步骤S20中，操作量决定部170判定结束成套设备控制辅助处理的恰当与否，在结束的情况下(步骤S20→是)，结束成套设备控制辅助处理，在不结束的情况下(步骤S20→否)，返回步骤S11。操作量决定部170可以经由外部装置210向利用者询问结束的恰当与否来进行判断，也可以获取处于运用数据DB130中的恰当与否的参数来进行判断。
《有效分析期间/有效数据项目的提取处理》
图9是本实施方式的有效分析期间/有效数据项目的提取处理的流程图。一边参照图9，一边对有效分析期间/有效数据项目提取部161执行的有效分析期间/有效数据项目的提取处理(参照图8的步骤S12)进行说明。此外，处理开始时的有效分析期间可以是由利用者设定并存储于运用数据DB130中的分析对象期间，也可以是存储于运用数据DB130的运转数据的期间。
在步骤S31中，有效分析期间/有效数据项目提取部161决定是否需要判断有效分析期间，如果需要判断(步骤S31→是)，则进入步骤S32，如果不需要判断(步骤S31→否)，则进入步骤S34。有效分析期间/有效数据项目提取部161可以获取由利用者设定并存储在运用数据DB130中的有效分析期间判断的要否标志来决定是否需要判断有效分析期间，也可以经由外部装置210向利用者询问来决定。
在步骤S32中，有效分析期间/有效数据项目提取部161从有效分析期间排除成套设备220的测试期间、维护期间以及停止期间，并重新设为有效分析期间。有效分析期间/有效数据项目提取部161从测试/维护/停止信息DB310(参照图2)获取测试期间、维护期间以及停止期间。
在步骤S33中，有效分析期间/有效数据项目提取部161从有效分析期间进一步排除成套设备220的故障期间，并重新设为有效分析期间。有效分析期间/有效数据项目提取部161从故障发生信息DB320(参照图3)获取故障期间。
在步骤S34中，有效分析期间/有效数据项目提取部161决定数据项目的指定的恰当与否，如果指定(步骤S34→是)，则进入步骤S35，如果不指定(步骤S34→否)，则进入步骤S36。有效分析期间/有效数据项目提取部161可以获取由利用者设定并存储在运用数据DB130中的数据项目指定的恰当与否标志来决定数据项目的指定的恰当与否，也可以经由外部装置210向利用者询问来决定。
在步骤S35中，有效分析期间/有效数据项目提取部161提取包含关键字的数据项目。详细而言，有效分析期间/有效数据项目提取部161在存储于运转数据项目DB330(参照图4)的数据项目中，提取包含存储于操作变量关键字DB340(参照图5)的关键字的数据项目。通过该处理，有效分析期间/有效数据项目提取部161提取作为操作变量的数据项目。
在步骤S36中，有效分析期间/有效数据项目提取部161按照在步骤S35中提取出的作为操作变量的数据项目(步骤S34→是的情况)、或者与全部的操作变量对应的数据项目(步骤S34→否的情况)，开始反复进行步骤S37～S40的处理。以下，将成为反复处理的对象的数据项目记为处理对象数据项目。
在步骤S37中，有效分析期间/有效数据项目提取部161判定有无故障传感器信息。详细而言，如果与处理对象数据项目对应的传感器信息的故障信息在故障传感器DB350(参照图6)中(步骤S37→是)，则有效分析期间/有效数据项目提取部161进入步骤S38，如果不在(步骤S37→否)，则有效分析期间/有效数据项目提取部161进入步骤S41。
在步骤S38中，有效分析期间/有效数据项目提取部161判定故障期间是否在分析期间的预定比率以内。详细而言，如果与处理对象数据项目相关联的传感器的故障期间和有效分析期间重叠的期间在有效分析期间的预定比率以内(步骤S38→是)，则有效分析期间/有效数据项目提取部161进入步骤S40，如果超过预定比率(步骤S38→否)，则有效分析期间/有效数据项目提取部161进入步骤S39。
在步骤S39中，有效分析期间/有效数据项目提取部161将故障传感器的数据项目判定为无效并排除。详细而言，有效分析期间/有效数据项目提取部161将处理对象数据项目判定为无效的数据项目，并从成为分析对象的有效数据项目中排除。
在步骤S40中，有效分析期间/有效数据项目提取部161从有效分析期间排除传感器的故障期间，并重新作为有效分析期间。
在步骤S41中，如果存在未处理的处理对象数据项目，则有效分析期间/有效数据项目提取部161返回步骤S37，如果不存在，则结束有效分析期间/有效数据项目的提取处理。
《数据项目的评价分数计算处理》
图10是本实施方式的数据项目的评价分数计算处理的流程图。一边参照图10，一边对操作变量决定部160执行的数据项目的评价分数计算处理(参照图8的步骤S14)进行说明。
在步骤S51中，数据项目评价部165决定是否需要评价项目(相关度和变动系数)的评价点设定，如果需要设定(步骤S51→是)，则进入步骤S52，如果不需要设定(步骤S51→否)，则进入步骤S53。数据项目评价部165可以获取由利用者设定并存储在运用数据DB130中的评价项目的评价点设定的要否标志来决定是否需要评价项目的评价点设定，也可以经由外部装置210向利用者询问来决定。
在步骤S52中，评价点获取部163决定评价项目的评价点。详细而言，评价点获取部163可以获取由利用者设定并存储在运用数据DB130中的评价项目的评价点来决定评价项目的评价点，也可以经由外部装置210向利用者询问来决定。
在步骤S53中，权重决定部164根据评价点来决定评价项目的权重。
在步骤S54中，数据项目评价部165基于在步骤S13(参照图8)中计算出的相关度和变动系数以及在步骤S53中计算出的权重，计算出评价分数，并存储在评价分数DB360(参照图7)的评价分数365一栏中。
《操作变量的选定处理》
图11是本实施方式的操作变量的选定处理的流程图。一边参照图11，一边对操作变量决定部160的操作变量选定部166执行的操作变量的选定处理(参照图8的步骤S15)进行说明。此外，将与图7记载的评价分数DB360中包含的操作变量对应的数据项目记为选定候补数据项目。此外，在图11中，将选定候补数据项目简称为数据项目。
在步骤S61中，如果存在评价分数(参照图7中记载的评价分数DB360的评价分数栏)为预定的阈值以下的选定候补数据项目(步骤S61→是)，则操作变量选定部166进入步骤S62，如果没有(步骤S61→否)，则操作变量选定部166进入步骤S63。
在步骤S62中，操作变量选定部166将评价分数为预定的阈值以下的数据项目从选定候补数据项目中排除，并重新作为选定候补数据项目。
在步骤S63中，操作变量选定部166将选定候补数据项目中评价分数为上位的预定数的数据项目重新提取为选定候补数据项目。
在步骤S64中，操作变量选定部166决定是否需要选定候补数据项目的附图确认，如果需要确认(步骤S64→是)，则进入步骤S65，如果不需要确认(步骤S64→否)，则结束操作变量的选定处理。操作变量选定部166可以获取由利用者设定并存储在运用数据DB130中的选定候补数据项目的附图确认的要否标志来决定是否需要选定候补数据项目的附图确认，也可以经由外部装置210向利用者询问来决定。
在步骤S65中，操作变量选定部166使用附图来显示操作变量。详细而言，操作变量选定部166在外部装置210的显示器上显示控制逻辑电路图(参照后述的图12)，在图上高亮显示与选定候补数据项目对应的操作变量，促使利用者确认。
图12是表示本实施方式的控制逻辑电路410的例子的图。控制逻辑电路图410中的“空气流量设定值”这一操作变量411被高亮显示。通过参照控制逻辑电路图410，利用者能够针对成为选定候补的操作变量来掌握其他的操作变量和测量值、与电路的关联进行确认。
《成套设备控制辅助装置的特征》
成套设备控制辅助装置100选定与运用性能指标的相关度以及变动系数大的操作变量(数据项目)。在计算相关度和变动系数时，成套设备控制辅助装置100不参照存储于运转数据DB140中的全部运转数据进行计算，而是通过除去成套设备220的停止期间和维护期间、传感器的故障期间等，限定于成套设备正常运转的期间且数据有效的期间进行计算。
成套设备控制辅助装置100通过选定与运用性能指标的相关度大的操作变量，能够通过设定少量的操作变量来提高成套设备220的运用性能。另外，成套设备控制辅助装置100通过选定变动系数大的操作变量，能够避开平时不操作的不需要的操作变量来选定操作变量。
利用者通过设定评价点，能够设定选定操作变量时的相关度和操作变量的权重。另外，利用者通过指定关键字，能够设定选定的操作变量的候补。显示操作变量的值和运用性能指标的特性曲线，利用者能够确认操作变量与运用性能指标的关系。
不选定评价分数比预定值低的操作变量，不选定与运用性能指标的相关度和操作频率低的操作变量。另外，根据数据有效的期间的运转数据计算出相关度和变动系数，由此能够进行有助于运用性能指标的提高的操作变量的高精度的选定。
另外，成套设备控制辅助装置100使用对表示操作变量与运用性能指标的关系的统计模型171进行控制的操作学习模型172，计算出运用性能指标成为最佳的操作量。基于计算出的操作量控制成套设备220，由此，利用者能够提高运用性能指标。
《变形例：离群值》
在上述的实施方式中的步骤S13(参照图8)中，评价项目生成部162根据除去了包含无效数据的测试期间等而得的有效分析期间的运转数据，计算相关度和变动系数。评价项目生成部162还可以在运转数据中排除离群值来计算相关度和变动系数。评价项目生成部162例如也可以利用斯米尔诺夫-格拉布斯(Smirnov-Grubbs)、四分位数范围来除去离群值。
《变形例：无效数据》
在上述的实施方式中的有效分析期间/有效数据项目的提取处理(参照图9)的步骤S37～S40中，有效分析期间/有效数据项目提取部161根据在有效分析期间中传感器故障期间所占的比例，从有效分析期间排除传感器故障期间，或者排除数据项目本身。与此相对，有效分析期间/有效数据项目提取部161也可以不考虑比例，而从有效分析期间排除传感器故障期间，或者排除数据项目本身。
《变形例：变动系数》
在上述的实施方式中，表示操作变量的操作频率的变动系数使用数式(1)来计算。作为操作变量的操作频率，也可以是在每个预定长度的期间内变更了操作变量(设定值)的次数。
另外，如果在每个预定长度的期间内变更了操作变量的次数为预定值以下时，则有效分析期间/有效数据项目提取部161也可以将该操作变量作为无效数据项目从有效数据项目中除去。
《其他变形例》
此外，本发明并不限定于上述的实施方式，能够在不脱离其主旨的范围内进行变更。例如，虽然运用数据DB130和运转数据DB140存储于成套设备控制辅助装置100中，但也可以存储于与成套设备控制辅助装置100不同的装置中。
以上，对本发明的几个实施方式进行了说明，但这些实施方式只不过是例示，并不限定本发明的技术范围。本发明能够采取其他各种实施方式，进而，在不脱离本发明的主旨的范围内，能够进行省略或置换等各种变更。这些实施方式及其变形包含在本说明书等所记载的发明的范围或主旨内，并且包含在技术方案所记载的发明及其等同的范围内。
附图标记说明
100 成套设备控制辅助装置；
130 运用数据DB；
140 运转数据DB(运转数据)；
160 操作变量决定部；
170 操作量决定部；
171 统计模型；
172 操作学习模型(机器学习模型)；
210 外部装置；
220 成套设备；
360 评价分数DB；
361 标识编号；
362 数据项目(操作变量)；
363 相关度(与运用性能指标的相关系数的绝对值)；
364 变动系数(操作频率)；
365 评价分数。
Claims (14)
1.一种成套设备控制辅助装置，其选定有助于成套设备的运用性能指标的提高的操作变量，
其特征在于，
所述成套设备控制辅助装置具备操作变量决定部，该操作变量决定部基于操作频率和与所述运用性能指标的相关度来选定所述操作变量。
2.根据权利要求1所述的成套设备控制辅助装置，其特征在于，
所述操作变量决定部基于在所述成套设备的运转数据中所述成套设备正常运转的期间即有效分析期间的运转数据，计算出所述相关度和所述操作频率。
3.根据权利要求1所述的成套设备控制辅助装置，其特征在于，
所述操作频率是所述操作变量的变动系数。
4.根据权利要求1所述的成套设备控制辅助装置，其特征在于，
所述操作频率是预定长度的期间中的所述操作变量的变更次数。
5.根据权利要求1所述的成套设备控制辅助装置，其特征在于，
所述相关度是所述操作变量与所述运用性能指标的相关系数的绝对值。
6.根据权利要求1所述的成套设备控制辅助装置，其特征在于，
所述操作变量决定部基于对所述相关度和所述操作频率赋予预定的权重而计算出的评价分数来选定所述操作变量。
7.根据权利要求6所述的成套设备控制辅助装置，其特征在于，
所述操作变量决定部排除所述评价分数比预定值低的操作变量。
8.根据权利要求2所述的成套设备控制辅助装置，其特征在于，
所述操作变量决定部基于从所述运转数据中排除了由发生了故障的器件获取的运转数据而得的运转数据，计算出所述相关度和所述操作频率。
9.根据权利要求1所述的成套设备控制辅助装置，其特征在于，
所述操作变量决定部用包含线性函数和泊松分布函数的预定的特性曲线中的1个，对所述操作变量的值与所述运用性能指标的特性曲线进行近似，并显示于外部装置。
10.根据权利要求1所述的成套设备控制辅助装置，其特征在于，
所述操作变量决定部在所述操作变量中，从名称内包含预定的关键字的操作变量中，选定有助于所述运用性能指标的提高的操作变量。
11.根据权利要求1所述的成套设备控制辅助装置，其特征在于，
所述成套设备控制辅助装置还具备操作量决定部，该操作量决定部训练机器学习模型，使用已训练的所述机器学习模型来决定所述运用性能指标成为最佳的操作变量的设定值，其中，所述机器学习模型对模拟由所述操作变量决定部选定出的操作变量和所述运用性能指标的关系的统计模型进行控制。
12.根据权利要求11所述的成套设备控制辅助装置，其特征在于，
所述机器学习模型是强化学习模型。
13.一种程序，其特征在于，
用于使计算机作为权利要求1至12中任一项所述的成套设备控制辅助装置发挥功能。
14.一种成套设备控制辅助方法，其用于选定有助于成套设备的运用性能指标的提高的操作变量的成套设备控制辅助装置，
其特征在于，
所述成套设备控制辅助方法执行基于操作频率和与所述运用性能指标的相关度来选定所述操作变量的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020079087A JP2021174352A (ja) | 2020-04-28 | 2020-04-28 | 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 |
| JP2020-079087 | 2020-04-28 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113570180A true CN113570180A (zh) | 2021-10-29 |
Family
ID=78161286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110263773.9A Pending CN113570180A (zh) | 2020-04-28 | 2021-03-11 | 成套设备控制辅助装置、程序以及成套设备控制辅助方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP2021174352A (zh) |
| CN (1) | CN113570180A (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7081728B1 (ja) | 2022-01-20 | 2022-06-07 | 富士電機株式会社 | 運転支援装置、運転支援方法及びプログラム |
| JP7088427B1 (ja) | 2022-01-20 | 2022-06-21 | 富士電機株式会社 | 運転支援装置、運転支援方法及びプログラム |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000116196A (ja) * | 1993-07-23 | 2000-04-21 | Hitachi Ltd | ガスタ―ビン発電装置とその運転方法 |
| JP2012243244A (ja) * | 2011-05-24 | 2012-12-10 | Yokogawa Electric Corp | プラント情報提供システム |
| JP2016012157A (ja) * | 2014-06-27 | 2016-01-21 | 株式会社日立製作所 | 故障予兆検出システム |
| JP2017167663A (ja) * | 2016-03-14 | 2017-09-21 | 株式会社東芝 | プロセス診断装置、プロセス診断方法及びコンピュータプログラム |
| JP2018018233A (ja) * | 2016-07-27 | 2018-02-01 | 三菱日立パワーシステムズ株式会社 | 運転情報分析装置 |
| JP2018081350A (ja) * | 2016-11-14 | 2018-05-24 | 株式会社日立製作所 | 運転支援装置及びプログラム |
| JP2019028834A (ja) * | 2017-08-01 | 2019-02-21 | 株式会社東芝 | 異常値診断装置、異常値診断方法、およびプログラム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4436922B2 (ja) * | 2007-03-29 | 2010-03-24 | 株式会社日立製作所 | 最適画面呼び出し機能つきプラント監視表示装置 |
| JP5953779B2 (ja) * | 2012-02-01 | 2016-07-20 | 富士ゼロックス株式会社 | 障害予測システム、障害予測装置及びプログラム |
| JP6882914B2 (ja) * | 2017-03-15 | 2021-06-02 | 株式会社オカムラ | 管理システム、管理方法及びプログラム |
-
2020
- 2020-04-28 JP JP2020079087A patent/JP2021174352A/ja active Pending
-
2021
- 2021-03-11 CN CN202110263773.9A patent/CN113570180A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000116196A (ja) * | 1993-07-23 | 2000-04-21 | Hitachi Ltd | ガスタ―ビン発電装置とその運転方法 |
| JP2012243244A (ja) * | 2011-05-24 | 2012-12-10 | Yokogawa Electric Corp | プラント情報提供システム |
| JP2016012157A (ja) * | 2014-06-27 | 2016-01-21 | 株式会社日立製作所 | 故障予兆検出システム |
| JP2017167663A (ja) * | 2016-03-14 | 2017-09-21 | 株式会社東芝 | プロセス診断装置、プロセス診断方法及びコンピュータプログラム |
| JP2018018233A (ja) * | 2016-07-27 | 2018-02-01 | 三菱日立パワーシステムズ株式会社 | 運転情報分析装置 |
| JP2018081350A (ja) * | 2016-11-14 | 2018-05-24 | 株式会社日立製作所 | 運転支援装置及びプログラム |
| JP2019028834A (ja) * | 2017-08-01 | 2019-02-21 | 株式会社東芝 | 異常値診断装置、異常値診断方法、およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021174352A (ja) | 2021-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6129028B2 (ja) | 建物動力設備のエネルギー消費量予測方法 | |
| US20190228360A1 (en) | Production schedule creating apparatus, production schedule creating method, and production schedule creating program | |
| US8515569B2 (en) | Work support system, work support method, and storage medium | |
| CN113570180A (zh) | 成套设备控制辅助装置、程序以及成套设备控制辅助方法 | |
| JP7081728B1 (ja) | 運転支援装置、運転支援方法及びプログラム | |
| JP2018128854A (ja) | イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム及び記録媒体 | |
| JP2019003389A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
| US20090259331A1 (en) | Automated system for checking proposed human adjustments to operational or planning parameters at a plant | |
| JP4488964B2 (ja) | プロセスの操業状態の制御方法及びコンピュータプログラム | |
| JP2019028834A (ja) | 異常値診断装置、異常値診断方法、およびプログラム | |
| CN111178537A (zh) | 一种特征提取模型训练方法及设备 | |
| CN117541021A (zh) | 一种流水线任务管理系统 | |
| CN114120470A (zh) | 监视装置、监视方法、以及记录了监视程序的计算机可读介质 | |
| CN115422263B (zh) | 一种电力现场多功能通用型故障分析方法及系统 | |
| JPH06332506A (ja) | 非線形制御装置 | |
| JP2017117034A (ja) | 診断装置及び診断方法 | |
| JP4308113B2 (ja) | データ分析装置及びその方法、プログラム | |
| JPH0954615A (ja) | プラント異常箇所検出装置 | |
| JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
| JP2011138374A (ja) | 診断装置および診断方法 | |
| CN116724276B (zh) | 可由计算机系统进行读取的存储介质、运转改善辅助装置及运转改善辅助方法 | |
| CN117669860A (zh) | 电气设备能效评估方法、装置、设备及介质 | |
| CN114355047B (zh) | 一种棒位探测器线圈测试方法、装置及电子设备 | |
| CN117444985B (zh) | 一种机械臂小车控制方法及系统 | |
| WO2024070170A1 (ja) | 試作条件提案システム、試作条件提案方法 |
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 |