JP2005078477A - 運転操作検索方法及び運転操作検索装置 - Google Patents
運転操作検索方法及び運転操作検索装置 Download PDFInfo
- Publication number
- JP2005078477A JP2005078477A JP2003309743A JP2003309743A JP2005078477A JP 2005078477 A JP2005078477 A JP 2005078477A JP 2003309743 A JP2003309743 A JP 2003309743A JP 2003309743 A JP2003309743 A JP 2003309743A JP 2005078477 A JP2005078477 A JP 2005078477A
- Authority
- JP
- Japan
- Prior art keywords
- operation amount
- amount
- simulation
- control
- optimum
- 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 152
- 238000004088 simulation Methods 0.000 claims description 36
- 238000004886 process control Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 230000002040 relaxant effect Effects 0.000 claims description 3
- 238000012369 In process control Methods 0.000 abstract 1
- 238000010965 in-process control Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 230000000704 physical effect Effects 0.000 description 3
- 238000011112 process operation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- -1 petrochemical Substances 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】 実プロセスの特性にかかわらず効率的に最適操作量を検索できる運転操作検索方法及び運転操作検索装置を実現する。
【解決手段】 プロセス制御に用いる最適な操作量を検索する運転操作検索方法及び運転操作検索装置に関するものである。
第1段階では簡易プロセスモデルを用いて最適な操作量の初期解を検索し、または運転操作データを用いて初期解を求める。第2段階では、初期解をベースに精密プロセスモデルを用いて最適な操作量を検索する。
【選択図】 図1
【解決手段】 プロセス制御に用いる最適な操作量を検索する運転操作検索方法及び運転操作検索装置に関するものである。
第1段階では簡易プロセスモデルを用いて最適な操作量の初期解を検索し、または運転操作データを用いて初期解を求める。第2段階では、初期解をベースに精密プロセスモデルを用いて最適な操作量を検索する。
【選択図】 図1
Description
本発明は、化学、石油化学、石油、電力、ガス、鉄鋼、薬品、食品、ごみ焼却、リサイクル、上下水道、マイクロプロセス等の製造プロセスを対象とし、プロセス制御に用いる最適な操作量を検索する運転操作検索方法及び運転操作検索装置に関するものである。更に詳しくは、非線形性が強くかつ大規模なプロセスの状態変更を最適に制御するための操作量を検索する運転操作検索方法及び運転操作検索装置に関するものである。
(従来例1)
図6は従来における運転操作検索装置が適用された制御システムの構成例を示した図である。この制御システムではモデル予測制御を行う。
図6で、モデル作成手段1は、実プロセス2からプロセスインターフェース3を介してプロセス情報(操作量u、制御量y)を取り込み、線形モデル4を作成する。この線形モデル4をデータベース5に蓄積する。実プロセスを運転する際には、プロセス状態をもとに最適操作調整手段6で線形モデルを選択し、選択した線形モデルでシミュレーションを実行する。シミュレーションの結果は与えられた目的関数で評価する。目的関数を小さくする操作量を逐次二次計画法等を利用して求める。このようにして最適な操作量を検索する。
図6は従来における運転操作検索装置が適用された制御システムの構成例を示した図である。この制御システムではモデル予測制御を行う。
図6で、モデル作成手段1は、実プロセス2からプロセスインターフェース3を介してプロセス情報(操作量u、制御量y)を取り込み、線形モデル4を作成する。この線形モデル4をデータベース5に蓄積する。実プロセスを運転する際には、プロセス状態をもとに最適操作調整手段6で線形モデルを選択し、選択した線形モデルでシミュレーションを実行する。シミュレーションの結果は与えられた目的関数で評価する。目的関数を小さくする操作量を逐次二次計画法等を利用して求める。このようにして最適な操作量を検索する。
(従来例2)
他の運転操作検索装置では、モデルの非線形性に基づいて非線形簡易モデルを表現し、プロセスの状態に応じて推定されたモデルに基づいて線形制御やファジー等の非線形制御により操作量を決定していた。非線形簡易モデルは、経験的非線形モデル、ニューラルネットワークやファジー等でモデルを構築するものも含む。
他の運転操作検索装置では、モデルの非線形性に基づいて非線形簡易モデルを表現し、プロセスの状態に応じて推定されたモデルに基づいて線形制御やファジー等の非線形制御により操作量を決定していた。非線形簡易モデルは、経験的非線形モデル、ニューラルネットワークやファジー等でモデルを構築するものも含む。
(従来例3)
他の運転操作検索装置では、実プロセスの物質収支、熱収支に基づくモデルを構築し、与えられた目的関数を小さくする操作量を逐次二次計画法等を利用して求めていた。
他の運転操作検索装置では、実プロセスの物質収支、熱収支に基づくモデルを構築し、与えられた目的関数を小さくする操作量を逐次二次計画法等を利用して求めていた。
従来例1では、非線形性プロセスで運転を行うと、実プロセスとプロセスモデルの間のずれにより、最適な操作量を見つけられない。限られた対象プロセスや想定できる状態近傍で目標追従や安定化に対しては利用できるが、本質的な最適運転を達成することはできない。
従来例2では、小規模で精度よいモデルが構築されていれば、限られた状態近傍で目標追従や安定化には利用できるが、モデルの構造や推定結果に含まれる誤差により、最適運転には利用できない。
従来例3では、物性計算法等が組み込まれていれば、精度の高いモデル表現が可能で、想定した評価を小さくする最適な操作量を求めることができる。しかし、問題が解けるようにするために組み込める物性計算法が限定されていたり、プロセスの主要機器表現は簡単化されていたり、アクチュエータ、センサモデルを厳密に組み込んでいなかったりするものがほとんどである。さらに、モデルの方程式を時間に関して連立して解く必要があり、中規模以上のプロセスで現実的に利用可能な操作量を求める仕組みは存在しない。
本発明は上述した問題点を解決するためになされたものであり、第1段階では簡易プロセスモデルを用いて最適な操作量の初期解を検索し、または運転操作データを用いて初期解を求め、この初期解をベースに第2段階で精密プロセスモデルを用いて最適な操作量を検索することによって、実プロセスの特性にかかわらず効率的に最適操作量を検索できる運転操作検索方法及び運転操作検索装置を実現することを目的とする。
このような課題を達成するために、本発明は次のとおりの構成になっている。
(1)プロセスモデルでシミュレーションを行い、プロセス制御に用いる最適な操作量を検索する運転操作検索方法において、
第1段階の操作量調整では簡易プロセスモデルを用いて最適な操作量を検索し、第1段階の操作量調整で最適な操作量が見つからなかったときは、第2段階の操作量調整で精密プロセスモデルを用いて最適な操作量を検索することを特徴とする運転操作検索方法。
(1)プロセスモデルでシミュレーションを行い、プロセス制御に用いる最適な操作量を検索する運転操作検索方法において、
第1段階の操作量調整では簡易プロセスモデルを用いて最適な操作量を検索し、第1段階の操作量調整で最適な操作量が見つからなかったときは、第2段階の操作量調整で精密プロセスモデルを用いて最適な操作量を検索することを特徴とする運転操作検索方法。
(2)操作量を入力すると制御量を出力するプロセスモデルでシミュレーションを行い、プロセス制御に用いる最適な操作量を検索する運転操作検索方法において、
制御量の目標軌道から、簡易プロセスモデル及びシミュレーションの実行結果を評価する目的関数を用いて操作量を求め、求めた操作量を前記プロセスモデルに入力してシミュレーションを実行し、シミュレーション結果が制約条件を満たさないときは制約条件を緩和してシミュレーションを繰り返し、最適な操作量を検索する第1の操作量調整工程と、
該第1の操作量調整工程で所定の基準を満足する操作量が得られないときは、操作量の制約条件を解除し、精密プロセスモデルを用いてシミュレーションを実行し、操作量を検索していく第2の操作量調整工程と、
を有することを特徴とする運転操作検索方法。
制御量の目標軌道から、簡易プロセスモデル及びシミュレーションの実行結果を評価する目的関数を用いて操作量を求め、求めた操作量を前記プロセスモデルに入力してシミュレーションを実行し、シミュレーション結果が制約条件を満たさないときは制約条件を緩和してシミュレーションを繰り返し、最適な操作量を検索する第1の操作量調整工程と、
該第1の操作量調整工程で所定の基準を満足する操作量が得られないときは、操作量の制約条件を解除し、精密プロセスモデルを用いてシミュレーションを実行し、操作量を検索していく第2の操作量調整工程と、
を有することを特徴とする運転操作検索方法。
(3)前記制約条件は、プロセスにおける操作量、制御量、状態量の少なくともいずれかに関する制約であることを特徴とする(2)記載の運転操作検索方法。
(4)プロセスの運転をフェーズに分割し、各フェーズについて前記第1の操作量調整工程と第2の操作量調整工程の処理を実行することを特徴とする(2)または(3)記載の運転操作検索方法。
(5)前記目的関数は、前記プロセスモデルにおける操作量、制御量、状態量の少なくともいずれかを変数とすることを特徴とする(2)乃至(4)のいずれかに記載の運転操作検索方法。
(6)実プロセスの制御と前記プロセスモデルによるシミュレーションの実行を並行して行い、シミュレーションの実行で得られた操作量を実プロセスの制御に反映することを特徴とする(2)乃至(5)のいずれかに記載の運転操作検索方法。
(7)プロセス制御に用いる最適な操作量を検索する運転操作検索方法において、
第1段階の操作量調整では過去の運転操作データと式の少なくとも一方を用いて最適な操作量を検索し、第1段階の操作量調整で最適な操作量が見つからなかったときは、第2段階の操作量調整で精密プロセスモデルを用いて最適な操作量を検索することを特徴とする運転操作検索方法。
第1段階の操作量調整では過去の運転操作データと式の少なくとも一方を用いて最適な操作量を検索し、第1段階の操作量調整で最適な操作量が見つからなかったときは、第2段階の操作量調整で精密プロセスモデルを用いて最適な操作量を検索することを特徴とする運転操作検索方法。
(8)前記第1の操作量調整工程では、手動操作で設定した操作量も加えて最適な操作量を検索することを特徴とする(7)記載の運転操作検索方法。
(9)操作量を入力すると制御量を出力するプロセスモデルでシミュレーションを行い、プロセス制御に用いる最適な操作量を検索する運転操作検索装置において、
制御量の目標軌道を生成し、この目標軌道から線形モデルを用いて操作量を求める操作量調整手段と、
求めた操作量を前記プロセスモデルに入力してシミュレーションを実行する実行手段と、
シミュレーションの実行結果が制約条件を満すかどうかを判断する判断手段と、
を有し、シミュレーション結果が前記制約条件を満たさないときは、前記操作量調整手段は制約条件を緩和して新たな操作量を求め、前記実行手段は新たな操作量を用いてシミュレーションを繰り返し、最適な操作量を検索し、
所定の基準を満足する操作量が得られないときは、前記操作量調整手段は操作量の制約条件を解除してシミュレーションを実行し、操作量を検索することを特徴とする運転操作検索装置。
制御量の目標軌道を生成し、この目標軌道から線形モデルを用いて操作量を求める操作量調整手段と、
求めた操作量を前記プロセスモデルに入力してシミュレーションを実行する実行手段と、
シミュレーションの実行結果が制約条件を満すかどうかを判断する判断手段と、
を有し、シミュレーション結果が前記制約条件を満たさないときは、前記操作量調整手段は制約条件を緩和して新たな操作量を求め、前記実行手段は新たな操作量を用いてシミュレーションを繰り返し、最適な操作量を検索し、
所定の基準を満足する操作量が得られないときは、前記操作量調整手段は操作量の制約条件を解除してシミュレーションを実行し、操作量を検索することを特徴とする運転操作検索装置。
以上説明したことから明らかなように、本発明によれば次のような効果がある。
操作量の調整を第1段階と第2段階に分け、第1段階では簡易プロセスモデルを用いて操作量を検索し、第2段階で精密プロセスモデルを用いて操作量を検索する。制約条件を満たす操作量が見つからないときは、制約条件を緩和して操作量を検索する。このような手順を踏んで検索することにより次の効果が得られる。
(a)上位の運転計画に基づく実運転の効率的な実現や運転の検証が可能となる。
(b)機器の異常等により必要となる通常予期されていない緊急の回避運転方法を実プロセスの特性にかかわらず、効率的に検索することができる。
(c)自動的に最適運転を解析または実行する機能により、プロセスで必要とされている運転コストを削減できる。
操作量の調整を第1段階と第2段階に分け、第1段階では簡易プロセスモデルを用いて操作量を検索し、第2段階で精密プロセスモデルを用いて操作量を検索する。制約条件を満たす操作量が見つからないときは、制約条件を緩和して操作量を検索する。このような手順を踏んで検索することにより次の効果が得られる。
(a)上位の運転計画に基づく実運転の効率的な実現や運転の検証が可能となる。
(b)機器の異常等により必要となる通常予期されていない緊急の回避運転方法を実プロセスの特性にかかわらず、効率的に検索することができる。
(c)自動的に最適運転を解析または実行する機能により、プロセスで必要とされている運転コストを削減できる。
実プロセスの制御と前記プロセスモデルによるシミュレーションの実行を並行して行い、シミュレーションの実行で得られた操作量を実プロセスの制御に反映する。このため、実プロセスの制御を効率的に実行できる。
以下、図面を用いて本発明を詳細に説明する。
図1は本発明の一実施例を示す構成図である。
図1で、精密モデルを利用したプロセスモデル10は、機器ごとの物理モデルや熱量モデルを持つものを対象にしている。取り扱う物質の物性情報や計算方法等を選択できるモデルがある。プロセスモデル10はシミュレータをもとに実対象に合わせて作りこんだモデルであり、プラントの挙動に対しては精度高く表現できるもので実現されている。
図1は本発明の一実施例を示す構成図である。
図1で、精密モデルを利用したプロセスモデル10は、機器ごとの物理モデルや熱量モデルを持つものを対象にしている。取り扱う物質の物性情報や計算方法等を選択できるモデルがある。プロセスモデル10はシミュレータをもとに実対象に合わせて作りこんだモデルであり、プラントの挙動に対しては精度高く表現できるもので実現されている。
解析手段11は、プロセスモデル10のモデル構造や動特性を解析する。解析手段11は、プロセスモデル10の構成情報をもとに、どの操作量がどの状態量に影響し、どの状態量がどの制御量に影響するかと、その影響度を変数の物理的な意味を含めて解析する。物理的な意味とは、例えば制御量であれば流量・圧力・温度・組成・レベル(液位)等の区別、操作量であれば主要フィード量操作、減圧操作、レベル調整操作、冷媒供給量操作、過熱量操作等の区別である。また、解析手段11は、主な操作可能変数とその変数を更新した場合の状態量と制御量に対する応答を操作量の大きさごとにシミュレーションして取得する。主な操作可能変数は、その変数の物理的な意味とその時のプロセス状態で操作する変数かどうかから判断する。
操作量調整手段12は、最適操作検索および最適操作運転において主要な働きをする。操作量調整手段12は、必要に応じて解析手段11、実行手段13から運転データや設定の取得、設定、シミュレーション実行、評価情報の確認、運転結果の保存、ロバストフィルタの計算や設定を行う。このような動作は後述するロバストフィルタと連携して行う。
実行手段13は、プロセスモデル10を実時間または、加速状態等で運転をする運転指令機能を持つ。プロセスモデル10が運転指令に対して運転を実行する。
データ収集手段14は、実プロセス運転データ(操作量、状態量、制御量)やシミュレータ運転データを即時または未来に再利用できる装置である。データ収集手段14は、通常はデータベースで実現する。
データ収集手段14は、実プロセス運転データ(操作量、状態量、制御量)やシミュレータ運転データを即時または未来に再利用できる装置である。データ収集手段14は、通常はデータベースで実現する。
判断手段15は、最適操作量の検索時には、目的関数値の計算、各種制約条件の計算、目標状態への到達判断等を行う。最適操作量による運転時(最適操作運転時)には、これに加えプロセスモデル10の計算結果と実プロセスの制御量に指定の上限以上の誤差があるかどうかや実プロセスが不安定な状態になっていないかを判断する機能を持つ。
データベース16は、最適運転時の開始状態と終了状態、その間の最適運転操作量、動特性、各種入出力変数とその制約等を運転失敗のデータも含めて保持できる機能とその参照をする仕組みを持つ。データベース16は、構造を規定したデータベースで実現する。
データベース16は、最適運転時の開始状態と終了状態、その間の最適運転操作量、動特性、各種入出力変数とその制約等を運転失敗のデータも含めて保持できる機能とその参照をする仕組みを持つ。データベース16は、構造を規定したデータベースで実現する。
図2は図1の運転操作検索装置を用いて操作運転をする制御システムの構成図である。図2で前出のものと同一のものは同一符号を付ける。
図2で、運転操作装置30の中に図1の運転操作検索装置が用いられている。
ロバストフィルタ17は、最適操作運転時に実プロセス40に含まれる外乱やプロセスモデル10のモデル化誤差により出力結果が目標と異なってくる状態でも目標状態へオフセットなくかつ安定に補償する。ロバストフィルタ17は、フェーズごとにプロセスが持つ動特性を線形近似して、そこから派生した誤差の構造と上限に着目し、無駄時間に対しての対応と外乱抑制をするような補償器として動作する。また、通常のPI制御器に低次元化して実装してもよい。
図2で、運転操作装置30の中に図1の運転操作検索装置が用いられている。
ロバストフィルタ17は、最適操作運転時に実プロセス40に含まれる外乱やプロセスモデル10のモデル化誤差により出力結果が目標と異なってくる状態でも目標状態へオフセットなくかつ安定に補償する。ロバストフィルタ17は、フェーズごとにプロセスが持つ動特性を線形近似して、そこから派生した誤差の構造と上限に着目し、無駄時間に対しての対応と外乱抑制をするような補償器として動作する。また、通常のPI制御器に低次元化して実装してもよい。
実プロセス40は、プロセスモデル10と同範囲を対象に考える。操作量、制御量、ソフトセンサやオブザーバ等の計算量もデータとして利用できる。最適操作運転時には、対象とする操作量に関して通常のPID制御器のマニュアル操作量を直接設定したり、PID制御器を動作させない状態で直接マニピュレータの操作量を設定したりする構成にする。何れの構成でも、最適運転の停止と通常制御の開始を可能にしておく。
プロセスデータインターフェース17は、分散型制御装置のデータをオンラインで逐次参照したり、設定したりする機能を持つ。プロセスモデル10の運転時に必要なデータを参照可能とする機能があればOPCデータサーバ機能とそのクライアント等で構成してもよい。
最適操作量を検索するアルゴリズムの前提は次のとおりである。
最適操作量の検索開始時におけるプロセスシミュレータの運転状態を通常は定常であるとするが、非定常もあわせて実プロセスの状態を表現している状態であってもよい。また、プロセスモデルは最適操作運転を前提に正しく設定されているか、プロセスモデルの推定装置等で精度よく推定されているとする。
最適操作量の検索開始時におけるプロセスシミュレータの運転状態を通常は定常であるとするが、非定常もあわせて実プロセスの状態を表現している状態であってもよい。また、プロセスモデルは最適操作運転を前提に正しく設定されているか、プロセスモデルの推定装置等で精度よく推定されているとする。
図3は最適操作量を検索する手順を示したフローチャートである。フローチャートの処理手順に従って動作を説明する。
(A1)プロセスモデル10に対してプロセスの操作量、制御量、状態量にどの変数を選択したかを、操作量調整手段12で決定する。操作量調整手段12は解析手段11に対し、モデル構造の解析を指令する。解析手段11は、プロセスモデル10の構成情報をもとにどの操作量がどの状態量に影響し、どの状態量がどの制御量に影響するかとその影響度を変数の物理的な意味を含めて解析する。物理的な意味は、例えば制御量であれば流量・圧力・温度・組成・レベル等の区別、操作量であれば主要フィード量操作、減圧操作、レベル調整操作、冷媒供給量操作、加熱量操作等の区別である。また、運転の評価を決める目的関数を設定する。目的関数はプロセスモデルにおける操作量、制御量、状態量等を変数とする。
(A1)プロセスモデル10に対してプロセスの操作量、制御量、状態量にどの変数を選択したかを、操作量調整手段12で決定する。操作量調整手段12は解析手段11に対し、モデル構造の解析を指令する。解析手段11は、プロセスモデル10の構成情報をもとにどの操作量がどの状態量に影響し、どの状態量がどの制御量に影響するかとその影響度を変数の物理的な意味を含めて解析する。物理的な意味は、例えば制御量であれば流量・圧力・温度・組成・レベル等の区別、操作量であれば主要フィード量操作、減圧操作、レベル調整操作、冷媒供給量操作、加熱量操作等の区別である。また、運転の評価を決める目的関数を設定する。目的関数はプロセスモデルにおける操作量、制御量、状態量等を変数とする。
(A2)プロセスに存在する機器の状態により同じ操作量がどの状態量、制御量にどのように影響するかは全く異なる。そのため、運転をフェーズ分けし、その際の判断状態量と運転の安全性や効率等を加味した操作量、制御量、状態量に関する制約を操作量調整手段12に設定する。操作量調整手段12は判断手段15の状態判断機能にその判別を自動化させる。フェーズ分けは、例えば、蒸留塔のスタートアップでは、液張り・炊き上げ・還流・製品留出・運転量最大化・脱圧等で分ける。
(A3)運転するフェーズに対し、主な操作可能変数とその変数を更新した場合の状態量と制御量に対する応答を操作量の大きさごとに実行手段13を利用してシミュレーションして解析する。主な操作可能変数は、その変数の物理的な意味とその時のプロセス状態で操作する変数かどうかから判断する。もし、同一フェーズにおいて特性が大きく変化する状態がある場合にはその際に別の動特性を解析する。
(A4)操作量調整の工程は2段階存在する。第1段階では、操作量毎の動特性やデータベース16による過去の運転結果をもとに、パラメータ表現した制御量の目標軌道を作成する。目標軌道は実測した応答波形から作成する。例えば、プロセスモデルのステップ応答波形から作成する。簡易モデル例えば線形モデルを用いて目標軌道に追従するような操作量を操作量制約内で計算する。求めた操作量を用いてシミュレーションを実行する。初めての実行では、きつめなパラメータを設定して目標を設定する。
第2段階では、現在最良とされている操作量をその操作量制約に近くなるように変更し、シミュレーションを実行する。その際には、最小変更可能時間幅と最大変更幅を制約内で新たな制約のパラメータとして利用する。第1段階での操作量変更を含むことができる広さに設定してから始める。
(A5)シミュレーションで各種制約を満たしているかを判断するために、データ収集手段14でデータ収集し、判断手段15で確認する。もし、制約を満たしていない場合には、第1段階では、その制約となった量が関係する目標軌道をパラメータ変更により緩和して処理A4を繰り返す。第2段階でこれまで制約をみたす操作が見つかっていない場合には、最初の操作量を設定する際の制約をなくして処理A4を繰り返す。パラメータを変更しても制約を満足する結果が得られない場合(解なし)には、次に進む。
(A6)第1段階の場合には、その際の目的関数の計算値(判断手段15が計算している)に注意しながら、第2段階に移る。第2段階では、指定時間内で目的関数を小さくする結果が求められることを条件に制約のパラメータを広げて処理A4を繰り返す。時間内に求められない場合には、次に進む。また、制約のパラメータ検索が終わった場合、次に進む。目的関数の値が小さくなるほど評価が良くなる。
(A7)第2段階で制約を満たす操作が求まっている場合、全てのフェーズでの検索が終わっているなら、次に進む。まだ、終わっていないときは、次のフェーズに移り、処理A3から繰り返す。もし、制約を満たす操作が求まらない場合、それが第1フェーズの場合には、最適操作が見つからないとして検索を終了する。第1フェーズでない場合には、そのフェーズの条件を満たす操作を見つけることができるように、その前のフェーズの制約を大きくするようにして、その前のフェーズから再検索する。
(A8)運転開始状態と目的関数、各種制約条件、求められた最適操作量をデータベース16に保存する。必要であれば、求められなかった場合もその条件を保存する。
ここで示したアルゴリズムだけでなく、線形モデルを利用して大まかな操作量を求めた後に、制約を満たす最適操作量を検索する手法であることを特徴としている。
図4は図3の処理A4の具体的処理手順の一例を示したフローチャートである。
図4で、第1段階の操作量調整では処理B2〜B5を実行する。第2段階の操作量調整では処理C1〜C10を実行する。
第2段階の操作量調整では、制御量の制約内で時系列の主要操作量ui2、ui3...を設定すると同時に、この主要操作量による予測状態から複数の準主要操作量uj2、uj3...、uk2、uk3...を制約範囲内で小さくするように時間軸にそれぞれl個の要素を設定する。
図4で、第1段階の操作量調整では処理B2〜B5を実行する。第2段階の操作量調整では処理C1〜C10を実行する。
第2段階の操作量調整では、制御量の制約内で時系列の主要操作量ui2、ui3...を設定すると同時に、この主要操作量による予測状態から複数の準主要操作量uj2、uj3...、uk2、uk3...を制約範囲内で小さくするように時間軸にそれぞれl個の要素を設定する。
図5は図2のシステムにおける最適操作運転時の処理手順を示したフローチャートである。フローチャートの処理手順に従って動作を説明する。
(D1)プロセスモデル10および実プロセス40に対してプロセスの操作量、制御量をどの変数として選択したかを操作量調整手段12で決定する。プロセスモデル10に対しては、状態量も取得できる。現在の状態、目標状態、選択変数をもとに、データベース7から検索済みの最適運転操作量を取り出す。
(D1)プロセスモデル10および実プロセス40に対してプロセスの操作量、制御量をどの変数として選択したかを操作量調整手段12で決定する。プロセスモデル10に対しては、状態量も取得できる。現在の状態、目標状態、選択変数をもとに、データベース7から検索済みの最適運転操作量を取り出す。
(D2)次に操作量調整手段12が最初のフェーズに対する実プロセス制御用のロバストフィルタ17を設定し、同フェーズ用の操作量、制御量の制約、フェーズの終了状態判断と目的関数の評価を判断手段15に設定する。
(D3)プロセスインターフェース10を利用して、必要な操作量を最適操作量とロバストフィルタ17による修正項を含めて実プロセス40に設定する。同時に必要なプロセス制御量をデータ収集手段14に取り込む。
(D4)実プロセス40の実行と同時にプロセスモデル10によるシミュレーションを実行する。継続して、必要なプロセス制御量をデータ収集手段14に取り込む。
(D5)シミュレーションからの制御量や実プロセスからの制御量をもとに時間遅れを除いて規定の最大誤差以上のずれが発生した場合に、通常制御に切り替えて、その際の運転情報をデータとしてデータベース16に保存しておく。
(D6)上記の誤差が規定内である場合、継続的にそのフェーズの終了条件をチェックし、未了の場合には、実行を継続する。
(D7)フェーズの実行終了条件が成立した場合には、全フェーズの実行が終了した場合に入出力運転データを保存後終了し、それ以外は次のフェーズについての処理D3を実行する。
処理D6で次のフェーズ実行の場合には、操作量調整手段12が次のフェーズに対する実プロセス制御用のロバストフィルタ17を設定し、同フェーズ用の操作量、制御量の制約、フェーズの終了状態判断と目的関数の評価を判断手段15に設定する。処理D4に戻って実行を継続する。
なお、実施例の構成に限らず複数の構成要素の機能を1つの構成要素にまとめてもよい。例えば、プロセスモデル10と解析手段11、操作量調整手段12と実行手段13と判断手段15、データ収集手段14とデータベース16をそれぞれ1つの構成要素にしてもよい。
また、直接バルブ等の操作変数を変更したくない場合には、PID制御器の目標値を設定するように構成することもできる。
最適運転検索等を通じて得られる動特性解析結果をモデル予測制御に利用することで、実際のプロセスを利用したデータ収集等のモデル構築に掛ける膨大なコストを削減でき、モデル予測制御系設計支援システムとして利用できる。
プロセスの特性が解析的に解けるような対象と規模である場合には、最適操作検索を大幅に軽減することが可能で、同時にロバストフィルタの設計も解析的に行うことができる。
各種制約や制御結果の表示や設定をトレンド状に画面表示して確認したり、変更させたりする機能を追加してもよい。
なお、第1段階の操作量調整では過去の運転操作データ、式等を用いて最適な操作量を検索してもよい。
また、第1段階の操作量調整において、手動操作で設定した操作量も加えて最適な操作量を検索してもよい。
また、第1段階の操作量調整において、手動操作で設定した操作量も加えて最適な操作量を検索してもよい。
10 プロセスモデル
11 解析手段
12 操作量調整手段
13 実行手段
14 データ収集手段
15 判断手段
11 解析手段
12 操作量調整手段
13 実行手段
14 データ収集手段
15 判断手段
Claims (9)
- プロセスモデルでシミュレーションを行い、プロセス制御に用いる最適な操作量を検索する運転操作検索方法において、
第1段階の操作量調整では簡易プロセスモデルを用いて最適な操作量を検索し、第1段階の操作量調整で最適な操作量が見つからなかったときは、第2段階の操作量調整で精密プロセスモデルを用いて最適な操作量を検索することを特徴とする運転操作検索方法。 - 操作量を入力すると制御量を出力するプロセスモデルでシミュレーションを行い、プロセス制御に用いる最適な操作量を検索する運転操作検索方法において、
制御量の目標軌道から、簡易プロセスモデル及びシミュレーションの実行結果を評価する目的関数を用いて操作量を求め、求めた操作量を前記プロセスモデルに入力してシミュレーションを実行し、シミュレーション結果が制約条件を満たさないときは制約条件を緩和してシミュレーションを繰り返し、最適な操作量を検索する第1の操作量調整工程と、
該第1の操作量調整工程で所定の基準を満足する操作量が得られないときは、操作量の制約条件を解除し、精密プロセスモデルを用いてシミュレーションを実行し、操作量を検索していく第2の操作量調整工程と、
を有することを特徴とする運転操作検索方法。 - 前記制約条件は、プロセスにおける操作量、制御量、状態量の少なくともいずれかに関する制約であることを特徴とする請求項2記載の運転操作検索方法。
- プロセスの運転をフェーズに分割し、各フェーズについて前記第1の操作量調整工程と第2の操作量調整工程の処理を実行することを特徴とする請求項2または3記載の運転操作検索方法。
- 前記目的関数は、前記プロセスモデルにおける操作量、制御量、状態量の少なくともいずれかを変数とすることを特徴とする請求項2乃至4のいずれかに記載の運転操作検索方法。
- 実プロセスの制御と前記プロセスモデルによるシミュレーションの実行を並行して行い、シミュレーションの実行で得られた操作量を実プロセスの制御に反映することを特徴とする請求項2乃至5のいずれかに記載の運転操作検索方法。
- プロセス制御に用いる最適な操作量を検索する運転操作検索方法において、
第1段階の操作量調整では過去の運転操作データと式の少なくとも一方を用いて最適な操作量を検索し、第1段階の操作量調整で最適な操作量が見つからなかったときは、第2段階の操作量調整で精密プロセスモデルを用いて最適な操作量を検索することを特徴とする運転操作検索方法。 - 前記第1の操作量調整工程では、手動操作で設定した操作量も加えて最適な操作量を検索することを特徴とする請求項7記載の運転操作検索方法。
- 操作量を入力すると制御量を出力するプロセスモデルでシミュレーションを行い、プロセス制御に用いる最適な操作量を検索する運転操作検索装置において、
制御量の目標軌道を生成し、この目標軌道から線形モデルを用いて操作量を求める操作量調整手段と、
求めた操作量を前記プロセスモデルに入力してシミュレーションを実行する実行手段と、
シミュレーションの実行結果が制約条件を満すかどうかを判断する判断手段と、
を有し、シミュレーション結果が前記制約条件を満たさないときは、前記操作量調整手段は制約条件を緩和して新たな操作量を求め、前記実行手段は新たな操作量を用いてシミュレーションを繰り返し、最適な操作量を検索し、
所定の基準を満足する操作量が得られないときは、前記操作量調整手段は操作量の制約条件を解除してシミュレーションを実行し、操作量を検索することを特徴とする運転操作検索装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003309743A JP2005078477A (ja) | 2003-09-02 | 2003-09-02 | 運転操作検索方法及び運転操作検索装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003309743A JP2005078477A (ja) | 2003-09-02 | 2003-09-02 | 運転操作検索方法及び運転操作検索装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005078477A true JP2005078477A (ja) | 2005-03-24 |
Family
ID=34411808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003309743A Pending JP2005078477A (ja) | 2003-09-02 | 2003-09-02 | 運転操作検索方法及び運転操作検索装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005078477A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009122779A (ja) * | 2007-11-12 | 2009-06-04 | Mitsubishi Electric Corp | 制御システムおよび制御支援装置 |
JP2013206363A (ja) * | 2012-03-29 | 2013-10-07 | Hitachi Ltd | プラントの制御装置及び火力発電プラントの制御装置 |
KR20150133843A (ko) * | 2013-03-26 | 2015-11-30 | 지멘스 악티엔게젤샤프트 | 기술 시스템의 컴퓨터화된 제어 및/또는 조절을 위한 방법 |
US10840840B2 (en) | 2018-06-14 | 2020-11-17 | Mitsubishi Electric Corporation | Machine learning correction parameter adjustment apparatus and method for use with a motor drive control system |
-
2003
- 2003-09-02 JP JP2003309743A patent/JP2005078477A/ja active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009122779A (ja) * | 2007-11-12 | 2009-06-04 | Mitsubishi Electric Corp | 制御システムおよび制御支援装置 |
JP4698656B2 (ja) * | 2007-11-12 | 2011-06-08 | 三菱電機株式会社 | 制御システムおよび制御支援装置 |
JP2013206363A (ja) * | 2012-03-29 | 2013-10-07 | Hitachi Ltd | プラントの制御装置及び火力発電プラントの制御装置 |
KR20150133843A (ko) * | 2013-03-26 | 2015-11-30 | 지멘스 악티엔게젤샤프트 | 기술 시스템의 컴퓨터화된 제어 및/또는 조절을 위한 방법 |
JP2016517104A (ja) * | 2013-03-26 | 2016-06-09 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | 技術システムを計算機支援によって開ループ制御および/または閉ループ制御するための方法 |
US10036328B2 (en) | 2013-03-26 | 2018-07-31 | Siemens Aktiengesellschaft | Method for the computerized control and/or regulation of a technical system |
KR102092060B1 (ko) * | 2013-03-26 | 2020-03-23 | 지멘스 악티엔게젤샤프트 | 기술 시스템의 컴퓨터화된 제어 및/또는 조절을 위한 방법 |
US10840840B2 (en) | 2018-06-14 | 2020-11-17 | Mitsubishi Electric Corporation | Machine learning correction parameter adjustment apparatus and method for use with a motor drive control system |
US11562048B2 (en) | 2018-06-14 | 2023-01-24 | Mitsubishi Electric Corporation | Machine learning correction parameter adjustment apparatus and method for use with a motor drive control system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10990067B2 (en) | Computer system and method for the dynamic construction and online deployment of an operation-centric first-principles process model for predictive analytics | |
JP4223894B2 (ja) | Pidパラメータ調整装置 | |
CN106990759B (zh) | 用于使用云计算技术来布置工业工厂仿真器的方法和装置 | |
JP5005695B2 (ja) | 適応多変数mpcコントローラ | |
Bahri et al. | Effect of disturbances in optimizing control: steady‐state open‐loop backoff problem | |
JP5830251B2 (ja) | プロセスモデルの高速同定および生成 | |
Cortinovis et al. | Experimental evaluation of MPC-based anti-surge and process control for electric driven centrifugal gas compressors | |
EP2064600A2 (en) | Model predictive controller solution analysis process | |
JP2013109711A (ja) | プラントモデル生成装置およびプラント運転支援システム | |
CN106537267B (zh) | 用于化学处理工业和其它工业的鲁棒控制设计方案 | |
JP2008544374A (ja) | Mpcモデルによるオンライン・ダイナミックアドバイザ | |
MXPA02012834A (es) | Control del proceso de matriz multi-variable. | |
JP2017016353A (ja) | 制御パラメータ最適化システム及びそれを備えた運転制御最適化装置 | |
JP4908433B2 (ja) | 制御パラメータ調整方法および制御パラメータ調整プログラム | |
WO2011158339A1 (ja) | 装置パラメータ設定支援システム | |
JP2005031920A (ja) | プロセス制御装置の調整方法及びその調整ツール | |
CN113568379A (zh) | 控制辅助装置、控制辅助方法、计算机可读介质及控制系统 | |
JP2023106037A (ja) | 運転支援装置、運転支援方法及びプログラム | |
US20200201285A1 (en) | Engineering support system and engineering support method | |
JP2005078477A (ja) | 運転操作検索方法及び運転操作検索装置 | |
JP5125754B2 (ja) | Pidコントローラのチューニング装置、pidコントローラのチューニング用プログラムおよびpidコントローラのチューニング方法 | |
JP2000056805A (ja) | 予測制御装置 | |
JP2011123187A (ja) | 運転模擬装置 | |
JP2010146137A (ja) | パラメータ調整支援装置 | |
WO2022232782A1 (en) | Apparatus and methods to build a reliable deep learning controller by imposing model constraints |