JP2006072796A - コジェネレーションシステムの最適化方法および設備提案システム - Google Patents
コジェネレーションシステムの最適化方法および設備提案システム Download PDFInfo
- Publication number
- JP2006072796A JP2006072796A JP2004256760A JP2004256760A JP2006072796A JP 2006072796 A JP2006072796 A JP 2006072796A JP 2004256760 A JP2004256760 A JP 2004256760A JP 2004256760 A JP2004256760 A JP 2004256760A JP 2006072796 A JP2006072796 A JP 2006072796A
- Authority
- JP
- Japan
- Prior art keywords
- operation pattern
- cogeneration system
- configuration
- gene
- demand
- 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.)
- Withdrawn
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/14—Combined heat and power generation [CHP]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/12—Improving ICE efficiencies
Abstract
【課題】システムを構成する機器およびその機器の運転パターンを容易に選択することができ,設備変更に対しても容易に対応することができるコジェネレーションシステムの最適化方法および設備提案システムを提供すること。
【解決手段】まず,運転パターンをパターンaに固定し,機器構成のみについて遺伝的アルゴリズムを適用して最適化する。その後,機器構成を最適化された構成Aに固定し,その機器構成での運転パターンについて遺伝的アルゴリズムを適用して最適化する。そして,最適化された構成Aおよびパターンbでの評価値を判定する。判定条件を満たしていない場合には,運転パターンをパターンbに固定し,機器構成のみについて遺伝的アルゴリズムを適用して最適化する。以後,判定条件を満たすまで繰り返す。
【選択図】 図6
【解決手段】まず,運転パターンをパターンaに固定し,機器構成のみについて遺伝的アルゴリズムを適用して最適化する。その後,機器構成を最適化された構成Aに固定し,その機器構成での運転パターンについて遺伝的アルゴリズムを適用して最適化する。そして,最適化された構成Aおよびパターンbでの評価値を判定する。判定条件を満たしていない場合には,運転パターンをパターンbに固定し,機器構成のみについて遺伝的アルゴリズムを適用して最適化する。以後,判定条件を満たすまで繰り返す。
【選択図】 図6
Description
本発明は,発電による電力とその排熱と利用するコジェネレーションシステムの最適化方法および設備提案システムに関する。さらに詳細には,コジェネレーションシステムの最適な機器構成と,その機器の最適な運転パターンを容易に選択することが可能なコジェネレーションシステムの最適化方法および設備提案システムに関するものである。
近年,コジェネレーションシステムは,病院やホテル等の大規模施設のみならず,一般的な家庭にも普及が図られている。このコジェネレーションシステムの設計は,主として,機器の構成に関する設計と,その機器の運転パターンに関する設計とに大別される。「運転パターン」とは,対象とする機器の出力値やその出力値を定格出力値で割った負荷率を時間帯ごとに定めたものである。この運転パターンの良否によって,エネルギーの利用効率や運用コスト等が大きく異なる。すなわち,コジェネレーションシステムを導入する際には,機器構成とともに運転パターンを考慮した設計を行う必要がある。
しかしながら,機器構成と運転パターンとの組み合わせは,システムが複雑になればなるほど膨大なものとなる。そのため,試行錯誤による検討では適正な組み合わせを早期に抽出することができない。そこで,例えば特許文献1に,コジェネレーションシステムの最適化アルゴリズムが提案されている。この最適化アルゴリズムでは,遺伝的アルゴリズムを利用して機器構成を選択し,選択された機器構成における各機器の運転パターンをさらに別のアルゴリズム(線形計画法等)で求めている。そして,選択された機器構成ごとにトータルコスト(機器コスト+運用コスト)を算出し,コストが最も低い機器構成および運転パターンを選択している。
具体的に,発電機(電力源),ボイラ(温熱源),および吸収冷凍機(冷熱源)を備えたコジェネレーションシステムでは,機器構成および運転パターンが次のように選択される。まず,発電機,ボイラおよび吸収冷凍機の各機器構成がランダムに選択された遺伝子が作成される。すなわち,遺伝子には,図16に示すように各機器の情報がそれぞれ格納される。次に,その機器構成での最適な運転パターンが,予め設定されたルールに従って選択される。例えば,「発電機は電力需要と等しくなるように発電を行う。その際の排熱をボイラで優先的に使用し,使い切れない熱を吸収冷凍機で使う。」といったルールに従う。これにより,選択された機器構成での運転パターンが求められる。そして,運転パターンが求められることで,イニシャルコストに加えてランニングコストが求められる。すなわち,トータルコストが求められる。そして,このトータルコストを最小化するように遺伝子を更新する。これにより,トータルコストが最も低い機器構成が選択されるのである。
特開平11−39004号公報
しかしながら,前記した従来の技術には以下のような問題があった。すなわち,特許文献1に記載されたコジェネレーションシステムの最適化アルゴリズムでは,運転パターンを決めるルールをあらかじめ設定しておく必要がある。しかし,このようなルールは各機器の機種によって最適なルールが異なる。また,機器の組み合わせによっても異なることがある。そのため,想定しているコジェネレーションシステムが複雑になればなるほど,そのルールも複雑になってしまう。従って,必ずしも最適な運転パターンに適用するルールが設定されるとは限らない。また,新たな機種が市場に登場した場合に,これまでのルールを再検討する必要がある。その際,ルールの再検討には多大な時間を要する。さらには,コジェネレーションシステムが複雑になればなるほどその検討に多くの時間を費やしてしまう。
また,近年のコジェネレーションシステムの設計においては,低コスト化,省エネルギー化の他,環境負荷の低減の観点からNOX ,SOX 等の環境負荷物質の排出量を適正にしなければならない。そのため,すべての要求を満たすためにはより複雑なルールが必要となる。しかしながら,すべてのルールをあらかじめ設定しておくことは極めて困難である。
また,コジェネレーションシステムの設計において,機器構成だけではなく,運転パターンも含めて遺伝的アルゴリズムで最適化することも考えられる。しかしながら,遺伝的アルゴリズムだけで機器構成と運転パターンとを同時に最適化することは困難であった。すなわち,運転パターンは機器構成によってその内容が大きく異なるデータである。例えば,最大出力が50kWのガスエンジンAの最適な運転パターンと,最大出力が100kWのガスエンジンBの最適な運転パターンとは全く異なっている。つまり,単純に優良な遺伝子(個体)同士を交叉させたとしても,殆どの場合に解が改悪されてしまう。従って,図17に示すような単純なエネルギー需要データを入力したとしても,いつまでたっても解が得られず,図18に示すように「コジェネレーションシステム無し」(図18中の“Without CGS”)が出力されてしまう。この「コジェネレーションシステム無し」とは,すなわち負荷率が常に0となる,あるいはシステムを構成する機器が無しとなる解のことである。しかしながら,実際はコジェネレーションシステムを導入する方がエネルギー消費量は低く抑えられる。そのため,コジェネレーションシステムを適用する解が得られるアルゴリズムが必要となる。
本発明は,前記した従来の技術が有する問題点を解決するためになされたものである。すなわちその課題とするところは,システムを構成する機器およびその機器の運転パターンを容易に選択することができ,設備変更に対しても容易に対応することができるコジェネレーションシステムの最適化方法および設備提案システムを提供することにある。
この課題の解決を目的としてなされたコジェネレーションシステムの最適化方法は,遺伝的アルゴリズムを適用してコジェネレーションシステムの最適なシステム構成を選択するコジェネレーションシステムの最適化方法であって,コンピュータが,電力および熱の時間帯ごとの需要量を取得する需要量取得ステップと,コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,時間帯ごとの機器の運転パターン情報を含む遺伝子とをコンピュータが生成する遺伝子生成ステップと,コンピュータが,運転パターンデータを固定して遺伝子操作を繰り返し,需要量取得ステップにて取得したエネルギー需要量に適合するとともに,所定の条件を満たす機器構成を選択する機器構成選択ステップと,コンピュータが,機器構成データを固定して遺伝子操作を繰り返し,需要量取得ステップにて取得したエネルギー需要量に適合するとともに,所定の条件を満たす運転パターンを選択する運転パターン選択ステップとを含み,機器構成選択パターンと運転パターン選択ステップとを交互に繰り返し,所定の条件を満たすシステム構成を選択することを特徴としている。
本発明では,需要量取得ステップとして,コンピュータ等の情報処理手段(需要量取得手段)によって,コジェネレーションシステムが設置される施設における電力および熱のそれぞれのエネルギー需要量が取得される。そして,遺伝子生成ステップとして,同じくコンピュータ等の情報処理手段(遺伝子生成手段)によって,コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,その機器の運転パターンを含む遺伝子とが生成される。ここでいう「機器情報」とは,各機器の機種や仕様等のことである。また,「運転パターン」とは,その機器の時間帯ごとの負荷情報の集まりであり,例えばその機器の出力値やその出力値を定格出力値で割った負荷率が該当する。なお,遺伝子生成ステップにて生成される遺伝子は,機器情報を含む遺伝子と運転パターン情報を含む遺伝子とが別体であるものの他,両情報を含む1つの遺伝子として生成されるものも含む。
なお,需要量取得ステップおよび遺伝子作成ステップは,同一の情報処理手段で行ってもよいし,別々の情報処理手段にて行ってもよい。この他のステップについても同様である。
次に,機器構成選択ステップとして,運転パターン情報を固定し,その運転パターンを基に遺伝的アルゴリズムを適用して遺伝子操作を繰り返し,その運転パターンおよび取得されたエネルギー需要量に最適な機器構成を選択する。具体的には,まず,生成した遺伝子のうち,取得した需要量に適した遺伝子のみを抽出する。そして,遺伝子に格納された情報を基に,遺伝子ごとに所定のパラメータに対応する評価値を算出する。例えば,パラメータの内容がエネルギー需要量であれば,遺伝子ごとにエネルギーの消費量を算出する。すなわち,その運転パターン(固定)に従って選択された機器を稼動させたときのコジェネレーションシステム全体のエネルギー消費量を算出する。そして,機器構成について遺伝子操作を繰り返し,所定の条件を満たしているか否かを判断する。例えば,評価値が収束しているか否かを判断する。また,遺伝子操作を所定回数繰り返したか否かを判断条件としてもよい。そして,所定の条件を満たしている場合には,その世代の遺伝子を最適解とする。つまり,コンピュータ等の情報処理手段(機器構成選択手段)によって,機器構成の組合せを無作為に変化させ,良好な機器構成の組合せを抽出する。
また,運転パターン選択ステップとして,機器情報を固定し,その機器構成を基に遺伝子操作を繰り返し,その運転機器および取得されたエネルギー需要量に最適な機器構成を選択する。つまり,コンピュータ等の情報処理手段(運転パターン選択手段)によって,運転パターン構成の組合せを無作為に変化させ,良好な運転パターンを抽出する。最適解を求めるアルゴリズムは,機器構成選択ステップと同様である。
そして,この機器構成選択ステップと運転パターン選択ステップとを所定の条件を満たすまで交互に繰り返す。すなわち,コンピュータ等の情報処理手段(システム構成選択手段)によって,運転パターン選択ステップでは,機器構成を機器構成選択ステップにて選択された機器構成に固定して運転パターンを選択する。一方,機器構成選択ステップでは,運転パターンを運転パターン選択ステップにて選択された運転パターンに固定して機器構成を選択する。これを交互に繰り返すことにより,解をより最適なシステム構成に近づけていくのである。
すなわち本発明では,機器構成の最適化と運転パターンの最適化とを別々のステップで行う。そして,一方の最適化を行う際には,他方の情報を固定する。すなわち,機器構成の最適化と運転パターンの最適化とを併せて行うのではなく,最適化を機器構成と運転パターンとのいずれか一方に集中させ,これを交互に繰り返す。これにより,改悪となる遺伝子操作を極力回避し,より良い個体が生成される確率を高めることができる。よって,良好な個体を早期に抽出することができるようになる。従って,遺伝的アルゴリズムのみによって,機器構成と運転パターンとをともに最適化することが可能となる。
また,本発明では,機器情報の他,運転パターンの遺伝子も生成している。そのため,機器情報とともに運転パターンも求められる。従って,従来の技術(特許文献1)で必要とされたルールを設定する必要はない。そのため,ルールに関する問題は発生しない。また,ルールによって選択される運転パターンよりも複雑な運転パターンを選択することができる。そのため,従来の技術と比較して,より最適な運転パターンを選択できる。さらに,新たな機種が市場に登場した場合であっても,ルールの再検討等の作業は発生しない。従って,設備変更に対しても容易に対応することができる。なお,実際に最適な運転パターンとなるルールをあらかじめ設定しておくことはほとんど不可能であるため,本発明を利用することによる効果は大きい。
また,本発明のコジェネレーションシステムの最適化方法の,機器構成選択ステップでの遺伝子操作では,機器に対応するコードごとに交叉あるいは突然変異を発生させることとするとよりよい。
すなわち,設置可能な機器の情報は,通常,4ないし8ビットの機器コードに対応させて管理されている。この機器コードは,すべての番号について意味のあるデータに対応しているわけではなく,空き番号,すなわち設計値として意味をなさない番号も存在する。そのため,機器コード内で交叉や突然変異が生じると,良好な個体が意味をなさない個体に改悪されてしまうおそれがある。そこで,遺伝子中の機器コードが格納されている領域については,機器コード単位で遺伝子操作を行う。具体的には,機器コードごとに交叉あるは突然変異を発生させる。これにより,設計値として意味をなさない機器コードの生成を抑制し,親となる個体の性質を子となる個体に確実に引き継ぐことが可能になる。そのため,良好な個体を早期に抽出することができるようになる。
また,本発明のコジェネレーションシステムの最適化方法の機器構成選択ステップと運転パターン選択ステップとの少なくとも一方では,コジェネレーションシステムを構成する機器が無しとなる遺伝子を得た場合には,その遺伝子の評価値に所定のペナルティ値を付加することとするとよりよい。
すなわち,「コジェネレーションシステム無し」となる遺伝子を得た場合には,その遺伝子の評価値に対して所定のペナルティ値を付加することによってその遺伝子の適合度を低下させる。これにより,最適解として「コジェネレーションシステム無し」が選択されることを回避する。そして,「コジェネレーションシステム無し」が選択されやすい起伏が大きいエネルギー需要に対しても,コジェネレーションシステムを選択することが可能となる。なお,評価値はユーザが重視するパラメータによって異なり,そのパラメータによってペナルティ値も異なる。
また,本発明のコジェネレーションシステムの最適化方法では,パラメータとしてエネルギーの消費量,運用コスト,特定の物質の排出量のうち少なくとも1つを取得するパラメータ取得ステップと,パラメータ取得ステップにて取得されたパラメータに対応する評価値を算出する評価値算出ステップとを含むこととするとよりよい。これにより,パラメータの内容ごとに最適解を求めることができる。また,パラメータとして複数の項目を指定してもよい。例えば,「窒素酸化物の排出量が所定値以下で,かつ運用コストが最小」といったパラメータを指定してもよい。よって,より多くのパターンを提案することができ,ユーザの要求に柔軟に対応することができる。
また,本発明のコジェネレーションシステムの設備提案システムは,遺伝的アルゴリズムを適用してコジェネレーションシステムの最適なシステム構成を選択することが可能なコジェネレーションシステムの設備提案システムであって,電力および熱の時間帯ごとの需要量を取得する需要量取得手段と,コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,時間帯ごとの機器の運転パターン情報を含む遺伝子とを無作為に生成する遺伝子生成手段と,運転パターンデータを固定して遺伝子操作を繰り返し,需要量取得手段にて取得されたエネルギー需要量に適合するとともに,所定の条件を満たす機器構成を選択する機器構成選択手段と,機器構成データを固定して遺伝子操作を繰り返し,需要量取得手段にて取得されたエネルギー需要量に適合するとともに,所定の条件を満たす運転パターンを選択する運転パターン選択手段と,機器構成選択手段による機器構成の選択と,運転パターン選択手段による運転パターンの選択とを交互に繰り返し,所定の条件を満たすシステム構成を選択するシステム構成選択手段と,システム構成選択手段にて選択されたシステム構成の,機器情報およびその機器の運転パターンを出力する最適結果出力手段とを備えるものである。
また,本発明の設備提案システムの,機器構成選択手段での遺伝子操作では,機器に対応するコードごとに交叉あるいは突然変異を発生させることとするとよりよい。
また,本発明の設備提案システムの機器構成選択手段と運転パターン選択手段との少なくとも一方では,コジェネレーションシステムを構成する機器が無しとなる遺伝子が生成された場合には,その遺伝子の評価値に所定のペナルティ値を付加することとするとよりよい。
本発明によれば,機器構成および運転パターンをともに遺伝的アルゴリズムによって最適化することができる。そのため,別のアルゴリズムを別途適用する必要ななく,遺伝的アルゴリズムのみによって最適なシステムの選択を図ることができる。よって,システムを構成する機器およびその機器の運転パターンを容易に選択することができ,設備変更に対しても容易に対応することができるコジェネレーションシステムの最適化方法および設備提案システムが提供されている。
以下,本発明に係るコジェネレーションシステムの最適化方法を具体化した実施の形態について図面を基に説明する。本実施の形態は,設備設計支援システムに本発明のコジェネレーションシステムの最適化方法を適用したものである。
本形態の設備設計支援システムは,コジェネレーションシステムが導入される設備のエネルギー需要データ(入力データ)を基に,そのエネルギー需要量に最適な機器構成および運転パターン(出力データ)を抽出するものである。
始めに,本形態の設備設計システムのシステム構成について説明する。設備設計支援システムには,図1に示すようにネットワーク1に接続可能な端末計算機2と,ネットワーク1に接続されるサーバ計算機3とが備えられている。ネットワーク1には,LAN,WANあるいはインターネット等が該当する。各端末計算機2には,パソコン,PDA等が該当する。また,各端末計算機2では,コジェネレーションシステムの設置が検討されている施設のエネルギー需要データ(電力,温熱,冷熱等)を入力することができる。さらに,選択された機器構成および運転パターンを画面に出力することができる。一方,サーバ計算機3には,ワークステーション,パソコン等が該当する。サーバ計算機3では,コジェネレーションシステムの最適な機器構成および運転パターンを選択する。
具体的に,端末計算機2には,例えば図2に示すようなエネルギー需要データが入力される。すなわち,電力,温熱,冷熱の時間帯ごとの予測需要量が入力される。なお,入力される需要データは1時間ごとの需要量に限るものではない。例えば,1分ごとであっても2時間ごとであってもよい。また,エネルギー需要量は,季節によって異なることが予想される。そのため,例えば1ヶ月分の需要量や1年分の需要量を入力してもよい。
また,必要に応じて,ユーザが重要視するパラメータが入力される。入力されるパラメータとしては,例えば,エネルギーの消費効率,コスト,環境がある。コストが選択された場合には,イニシャルコスト,ランニングコストおよびトータルコストのいずれか1つを選択することができるようにしてもよい。また,環境が選択された場合には,二酸化炭素,窒素酸化物,硫黄酸化物のいずれか1つを選択することができるようにしてもよい。
次に,サーバ計算機3について,図3の概略構成図を基に詳説する。サーバ計算機3は,遺伝子生成部31と,エネルギー使用量算出部32と,効率算出部33と,データベース34と,収束判定部35とを有している。データベース34には,コジェネレーションシステムの構成要素となる機器の情報,電気やガスの料金テーブル,燃料ごとの二酸化炭素の排出量等が記録されている。
遺伝子生成部31は,遺伝子を作成する機能を備えている。遺伝子生成部31にて作成された遺伝子には,コジェネレーションシステムを構成する機器の機器情報と,その機器の時間帯ごとの出力値が格納される。すなわち,遺伝子には,コジェネレーションシステムの機器構成と各機器の運転パターンとが格納される。なお,最初の世代の遺伝子は,無作為に作成される。そして,次世代の遺伝子は,前世代の遺伝子を基に,交叉や突然変異等の遺伝子操作によって作成される。
具体的に,遺伝子生成部31にて作成される遺伝子の構成を説明する。遺伝子には,電力源に関する情報と熱源に関する情報とが格納される。例えば,図4に示すように発電機(電力源)101と,ボイラ(温熱源)102と,吸収冷凍機(冷熱源)103とによって構成されるコジェネレーションシステムを対象とする。この場合,図5に示すように遺伝子Aには発電機101のデータと,ボイラ102のデータと,吸収冷凍機103のデータとが格納される。なお,各機器は必ずしも1台ずつとは限らない。例えば,発電機101が2台,ボイラ102が3台,吸収冷凍機104が4台といったようにエネルギー需要に応じて複数台の機器にて構成されることもある。そのため,遺伝子Aは,発電機,ボイラ,吸収冷凍機のそれぞれに複数台分のデータを格納することが可能になっている。各機器の最大設置台数Nはコジェネレーションシステムが導入される施設の規模等によって異なる。
さらに詳細には,例えば発電機のデータとして,その発電機の機器情報およびその発電機の運転パターンが格納される。また,ヘッダ部にはその発電機の有効/無効を判断するためのフラグが格納される。すなわち,フラグが有効となっている発電機が設置され,有効となっているフラグ数が発電機の設置台数となる。また,その発電機の運転パターンの情報として,1時間ごとの出力値が格納される。そして,0時台から23時台までの負荷率の組み合わせが運転パターンとなる。なお,ボイラおよび吸収冷凍機のデータについても同様の構成となっている。
サーバ計算機3(図3参照)の説明に戻り,エネルギー使用量算出部32は,遺伝子に格納される情報(機器情報および運転パターン)を基に,燃料の使用量を算出する機能を備えている。燃料の使用量は,燃料の種類(ガス,電気等)ごとに算出される。効率算出部33は,遺伝子に格納される情報と燃料の使用量とを基に,エネルギーの利用効率を算出する機能を備えている。また,遺伝子に格納される情報と燃料の使用量とを基に,運用コストを算出する機能をも備えている。また,遺伝子に格納される情報と燃料の使用量とを基に,特定の物質(二酸化炭素,窒素酸化物等)の排出量を算出する機能をも備えている。
収束判定部35は,所定のパラメータ(エネルギー消費効率,トータルコスト等)に対応する評価値ついて,その値が収束しているか否かを判定する機能を備えている。また,作成された遺伝子のうち,入力されたエネルギー需要量に適さない遺伝子を除去する機能も備えている。
データベース34には,主として機器情報,運用コスト情報,燃料情報が記録されている。機器情報としては,構成機器のタイプ,機種等が記録される。構成機器は,「原動機」,「補助熱源機」等に分類される。そして,例えば機器のタイプが「原動機」であれば,エンジン,タービン,燃料電池,風力発電機,ソーラー発電機等に細分類される。また,機器のタイプが「補助熱源機」であれば,ボイラ,ヒートポンプ,吸収式冷温水器,ソーラー温水器等に細分類される。さらに,各機器のパラメータとして,定格出力,機器効率,寸法,二酸化炭素排出量等が記録されている。また,運用コスト情報には,燃料ごとに少なくとも2種類以上の料金テーブルが記録されている。また,燃料情報には,コジェネレーションシステムに適用可能なエネルギーが記憶されている。例えば,都市ガス,電気,重油,灯油,メタノール,ガソリン等が記憶される。なお,新たな機種等が市場に登場した場合には,データベース34にその情報を追加することで対応することが可能である。
次に,サーバ計算機3における最適なシステムの選択処理について説明する。具体的に本形態では,コジェネレーションシステムの最適設計に有効なコーディング手法として,3パターンの最適化コーディング手法(2段階最適化法,整数値コーディング法,ペナルティ法)を提案する。以下,それぞれのコーディング手法について詳説する。
[2段階最適化法]
2段階最適化法は,機器構成の最適化と運転パターンの最適化とを2段階に分けて別々に行う手法である。例えば図6に示すように,まず,運転パターンをパターンzに固定し,機器構成のみについて遺伝的アルゴリズムを適用して最適化する。その後,機器構成を最適化された構成Aに固定し,その機器構成での運転パターンについて遺伝的アルゴリズムを適用して最適化する。そして,最適化された構成Aおよびパターンaでの評価値を判定する。判定条件を満たしていない場合には,運転パターンをパターンaに固定し,機器構成のみについて遺伝的アルゴリズムを適用して最適化する。以後,判定条件を満たすまで繰り返す。すなわち,機器構成の最適化と運転パターンの最適化とを別々に行うことにより,交叉や突然変異による解の改悪を防ぐのである。
2段階最適化法は,機器構成の最適化と運転パターンの最適化とを2段階に分けて別々に行う手法である。例えば図6に示すように,まず,運転パターンをパターンzに固定し,機器構成のみについて遺伝的アルゴリズムを適用して最適化する。その後,機器構成を最適化された構成Aに固定し,その機器構成での運転パターンについて遺伝的アルゴリズムを適用して最適化する。そして,最適化された構成Aおよびパターンaでの評価値を判定する。判定条件を満たしていない場合には,運転パターンをパターンaに固定し,機器構成のみについて遺伝的アルゴリズムを適用して最適化する。以後,判定条件を満たすまで繰り返す。すなわち,機器構成の最適化と運転パターンの最適化とを別々に行うことにより,交叉や突然変異による解の改悪を防ぐのである。
以下,図7のフローチャートを基に2段階最適化法による最適化手順を詳説する。まず,最初の世代(第1世代)の遺伝子の集団を作成する(S1)。各遺伝子(個体)には,コジェネレーションシステムを構成する機器情報およびその機器の運転パターンが格納される(図5参照)。その際,機器構成は,遺伝子ごとに無作為に選択される。一方,運転パターンは,すべての遺伝子にて負荷率がすべて100%のパターンが選択される。
次に,運転パターンを固定し,その運転パターンでの最適な機器構成について遺伝的アルゴリズムを適用して抽出する(S2)。具体的に,最適な機器構成の抽出は,図8に示すフローチャートの手順による。
まず,遺伝子ごとに定格出力や機器効率等の機器情報をデータベース34から取得する(S21)。次に,その機器情報を基に燃料の使用量を算出する(S22)。次に,燃料コスト,機器コスト等のコスト情報をデータベース34から取得する(S23)。次に,機器構成および運転パターンに関するデータ,燃料の使用量および燃料コストから,コジェネレーションシステム100全体でのランニングコストを算出する。さらに,このランニングコストに機器コスト(イニシャルコスト)を加えることによりトータルコストを算出する(S24)。
なお,ユーザが重視するパラメータとして「環境」が選択されている際には,燃料ごとの二酸化炭素排出量等の環境情報をデータベース34から取得する。そして,燃料の使用量および燃料ごとの二酸化炭素排出量から,コジェネレーションシステム100全体での二酸化炭素排出量を算出する。また,同様にその他の物質(窒素酸化物等)の排出量を算出してもよい。
次に,遺伝子ごとに,選択されたパラメータに対応する評価値を算出する(S25)。具体的には,ユーザが重視するパラメータとして「コスト」が選択されている際には,遺伝子ごとにトータルコストを算出する。次に,高コストの遺伝子やエネルギー消費量が大きい個体(遺伝子)を,不良な個体として除去する(S26)。すなわち,良好な個体のみが選択され,不良な個体は淘汰される。
次に,抽出された個体の評価値の代表値(平均値,中央値,最大値等)を取得し,その代表値が所定の条件を満たしているか否かを判断する(S27)。具体的には,その代表値が前世代の代表値と比較して収束しているか否かを判断する。なお,代表値は,ユーザが入力したパラメータ(エネルギーの消費効率,コスト,環境等)により異なる。また,良好な個体の抽出は評価値の判断処理の前であればよく,例えば遺伝子の作成直後であってもよい。
評価値の条件を満たしていない場合(S27:NO)には,次世代の遺伝子を作成する(S28)。このとき,運転パターンが固定された状態のままで,機器構成のみを変化させる。すなわち,遺伝子操作によって機器構成のみを無作為に変化させる。そして,S22からS27までの処理を,評価値が条件を満たす(S27:YES)まで繰り返す。一方,条件を満たしている場合(S27:YES)には,その世代の遺伝子を最適な遺伝子として選択し,機器構成を決定する。
図7のフローチャートの説明に戻り,機器構成をS2の処理で最適化された機器構成に固定して,最適な運転パターンについて遺伝的アルゴリズムを適用して抽出する(S3)。最適な運転パターンの抽出は,図8に示したフローチャートの手順と同様である。なお,運転パターンの最適化(S3)よりも後に機器構成の最適化(S2)を行ってもよい。
次に,S2の処理で最適化された機器構成,およびS3の処理で最適化された運転パターンによる評価値を取得し,その評価値が前回の評価値と比較して収束しているか否かを判断する(S4)。収束していない場合(S4:NO)には,運転パターンをS3の処理で最適化された運転パターンに固定してS2以降の処理を繰り返す。収束している場合(S4:YES)には,抽出した機器構成および運転パターンを最適なシステム構成と判断し,本処理を終了する。これにより,最適な機器構成および最適な運転パターンが抽出される。
なお,最適解の判定は,評価値が収束しているか否かを判定条件としているが,これに限るものではない。例えば,計算回数が所定の回数(例えば,1.0×105 回)となっているか否かを判定条件とし,その設定回数だけ計算した後の評価値を最適解としてもよい。また,評価値が所定の範囲内であるか否かを判定条件としてもよい。
次に,その遺伝子に含まれる情報やこれまで算出された評価値等を端末計算機2に出力する(S5)。これにより,コジェネレーションシステムが導入される施設の規模およびエネルギー需要量に最適な機器構成および運転パターンが出力される。S5の処理後,サーバ計算機3の最適システムの選択処理を終了する。
続いて,2段階最適化法にて最適なシステム構成(機器構成および運転パターン)を求めた試験結果について説明する。本試験では,図2に示した比較的単純なエネルギー需要量データを入力し,その結果として得られたシステム構成におけるエネルギー消費量を算出した。そして,同じ入力データによる試験を50回行った。
図10に,本形態の設備設計支援システム(2段階最適化法のみ)によって得られたシステム構成におけるエネルギー消費量の出力結果を示す。図10中,“Without CGS”は,「コジェネレーションシステム無し」を意味している。すなわち,コジェネレーションシステムを導入しない場合のエネルギー消費量を示している。また,“Expert”は,熟練の技術者がコジェネレーションシステムを設計した場合の仮想エネルギー消費量を示している。また,図10では,出力結果をエネルギー消費量が小さかったものから順に並べている。
通常の遺伝的アルゴリズムを利用した場合,すなわち遺伝的アルゴリズムのみを利用した場合,図18に示したように「コジェネレーションシステム無し」が必ず選択されてしまう。一方,通常の遺伝的アルゴリズムに加えて,コーディング手段として2段階最適化法を適用した場合,図10に示すようにコージェネレーションシステムを導入し,「コジェネレーションシステム無し」よりもエネルギー消費量が小さいシステム構成が得られることが確認された。
なお,本試験では,「熟練の技術者」が設計したシステム構成よりも優れたシステム構成が選択されていないが,本形態の設備設計支援システムが熟練の技術者が選択したシステム構成を超えるパターンを選択できないことを意味するものではない。すなわち,「熟練の技術者」が設計したシステム構成よりも優れたシステム構成が選択されることもある。
[整数値コーディング法]
整数値コーディング法は,機器コードを1つのまとまったデータとして扱う手法である。例えば,表1に示す9つの機器を組み合わせることによりコジェネレーションシステムを構成するとする。この場合,機器コードは4ビットのビットデータとして表すことが可能であり,機器を意味するデータとして遺伝子に格納されている。例えば,コード番号1の機器とコード番号13の機器とが抽出されていると,“00011101”というビットデータが遺伝子内に格納される。
整数値コーディング法は,機器コードを1つのまとまったデータとして扱う手法である。例えば,表1に示す9つの機器を組み合わせることによりコジェネレーションシステムを構成するとする。この場合,機器コードは4ビットのビットデータとして表すことが可能であり,機器を意味するデータとして遺伝子に格納されている。例えば,コード番号1の機器とコード番号13の機器とが抽出されていると,“00011101”というビットデータが遺伝子内に格納される。
ここで,良好な個体として「コード番号1(0001)の機器とコード番号13(1101)の機器とを組み合わせたシステム」と,「コード番号3(0011)の機器とコード番号11(1011)の機器とを組み合わせたシステム」との2つが抽出されているとする。
この2つの個体から次世代の個体を作成する場合,通常の遺伝的アルゴリズムを適用すると,次のような問題が生じる。例えば,図9に示すように点線Xの位置で交叉が生じると,次世代の個体として,「コード番号1(0001)の機器とコード番号15(1111)の機器とを組み合わせたシステム」と,「コード番号3(0011)の機器とコード番号9(1001)の機器とを組み合わせたシステム」とに変化する。しかしながら,表1に示したようにコード番号9という機器は存在していない。従って,無効な機器コードを含んだ個体が生じることになる。このような個体が生じることは,最適解の抽出の遅延を招く。
一方,整数値コーディング法を適用すると,機器のコードごとにまとまったデータとして取り扱われるため,不適切な位置での交叉や突然変異は生じない。例えば,図11に示すように機器コード間での交叉しか生じないため,無効な機器コードを含んだ個体は生じない。すなわち,次世代の個体(子孫)は,前世代の個体(親)のコード番号を必ず引き継ぐことになる。
続いて,整数値コーディング法にて最適なシステム構成(機器構成+運転パターン)を求めた試験結果について説明する。本試験では,2段階最適化法で行った試験と同様に,図2に示した比較的単純なエネルギー需要量データを入力し,その結果として得られたシステム構成におけるエネルギー消費量を算出した。そして,同じ入力データによる試験を50回行った。
図12に,本形態の設備設計支援システム(2段階最適化法+整数値コーディング法)によって得られたシステム構成におけるエネルギー消費量の出力結果を示す。図12では,出力結果をエネルギー消費量が小さかったものから順に並べている。
2段階最適化法のみを利用した場合,図10に示したようにコージェネレーションシステムは選択されるが,そのエネルギー消費量は「コージェネレーションシステム無し」と比較して大差がない結果が多い。すなわち,良好なシステム構成が選択される確率が低い(図10の結果から,50回の試行のうち少なくとも40回はエネルギー消費量が700kW以上となるシステム構成が選択されている)。一方,2段階最適化法に加えて,整数値コーディング法を適用した場合,図12に示すように良好なシステム構成が選択される確率が高い(図12の結果から,50回の試行のうち少なくとも20回はエネルギー消費量が700kW以下となるシステム構成が選択されている)ことが確認された。
[ペナルティ法]
ペナルティ法は,「コジェネレーションシステム無し」となった場合,次の式(1)のようなペナルティ値を与える。
(新たな評価値)=(「コジェネレーションシステム無し」となったときの評価値)+(ペナルティ値) (1)
すなわち,入力されるエネルギー需要量が複雑であるほど計算回数が多くなり,評価値の収束が困難となる。また,エネルギー需要量の起伏が大きいほど,「コジェネレーションシステム無し」が探索され易い。これは,エネルギー需要量がほぼ一定なら,最適化前の常に一定負荷率の運転パターンにおいても,機器構成を最適化するだけで「コジェネレーションシステム無し」よりエネルギー消費量が小さいシステムが得られるのに対し,エネルギー需要量の起伏が大きいと,運転パターンが最適化されない限り,どのような機器を選んでも「コジェネレーションシステム無し」よりエネルギー消費量が大きくなる可能性が高いためと考えられる。
ペナルティ法は,「コジェネレーションシステム無し」となった場合,次の式(1)のようなペナルティ値を与える。
(新たな評価値)=(「コジェネレーションシステム無し」となったときの評価値)+(ペナルティ値) (1)
すなわち,入力されるエネルギー需要量が複雑であるほど計算回数が多くなり,評価値の収束が困難となる。また,エネルギー需要量の起伏が大きいほど,「コジェネレーションシステム無し」が探索され易い。これは,エネルギー需要量がほぼ一定なら,最適化前の常に一定負荷率の運転パターンにおいても,機器構成を最適化するだけで「コジェネレーションシステム無し」よりエネルギー消費量が小さいシステムが得られるのに対し,エネルギー需要量の起伏が大きいと,運転パターンが最適化されない限り,どのような機器を選んでも「コジェネレーションシステム無し」よりエネルギー消費量が大きくなる可能性が高いためと考えられる。
しかしながら,実際はコジェネレーションシステムを導入する方がエネルギー消費量は低く抑えられる。そこで,「コジェネレーションシステム無し」となった組合せにペナルティ値として一定の値を加算する。これにより,「コジェネレーションシステム無し」が最適解となることを抑制する。
例えば,図13に示すように,「第1発電機が無し,第2発電機が無し,第3発電機がGE1」という個体と,「第1発電機がGE1,第2発電機がGE2,第3発電機が無し」という個体との2つの個体が抽出されているとする。この2つの個体からは,次世代の個体として発電機が全く無いシステムが発生する可能性がある。このように発電機が全く無い個体に対し,これまで通りの方法で計算した評価値にペナルティ値を加え,その評価を低くする。なお,ペナルティ値としては,評価値が高いほど評価が低くなる場合(例えば,エネルギー消費量の評価)には,正の値を加算する。一方,評価値が低いほど評価が低くなる場合(例えば,コストの評価)には,負の値を加算する。
続いて,ペナルティ法にて最適なシステム構成(機器構成+運転パターン)を求めた試験結果について説明する。本試験では,図14に示す比較的複雑なエネルギー需要量データを入力し,その結果として得られたシステム構成におけるエネルギー消費量を算出した。そして,同じ入力データによる試験を50回行った。
図15に,本形態の設備設計支援システム(2段階最適化法+整数値コーディング法+ペナルティ法)によって得られたシステム構成におけるエネルギー消費量の出力結果を示す。図15中,“No penalty”は,コーディング手段として,2段階最適化法および整数値コーディング法を適用していることを意味している。すなわち,ペナルティ法を適用していないことを意味している。一方,“penalty”は,2段階最適化法,整数値コーディング法に加え,ペナルティ法を適用していることを意味している。また,図15では,出力結果をエネルギー消費量が小さかったものから順に並べている。
ペナルティ法を適用しない場合,図15に示したように複雑なエネルギー需要(図14)が入力されると「コジェネレーションシステム無し」が選択されてしまう。一方,ペナルティ法を適用した場合,必ずコージェネレーションシステムが選択される。そのため,良好なシステム構成が選択される確率が高い(図15の結果から,50回の試行のうち少なくとも40回はエネルギー消費量が「コジェネレーションシステム無し」よりも小さいシステム構成が選択されている)ことが確認された。
以上詳細に説明したように2段階最適化法によれば,機器構成の最適化と運転パターンの最適化とを別々に行うこととしている。具体的には,一方の最適化を行う際には,他方の値を固定することとし,機器構成の最適化と運転パターンの最適化とを交互に繰り返すこととしている。これにより,機器構成と運転パターンの相関関係の問題が解決され,優良解同士を交叉させた際に,より良い個体が生成される確率が高くなる。そのため,良好な個体を早期に抽出することができるようになる。従って,遺伝的アルゴリズムのみによって,機器構成と運転パターンとをともに最適化することが可能となった。
また,整数値コーディング法によれば,遺伝子中の機器を意味するデータが格納されている領域については,機器コード単位で遺伝子操作を行うこととしている。具体的には,機器コードごとに交叉あるは突然変異を発生させることとしている。これにより,設計値として意味をなさない機器コードの生成を抑制し,親となる個体の性質が子となる個体に確実に引き継がれることになる。そのため,良好な個体を早期に抽出することができるようになる。従って,遺伝的アルゴリズムのみによって,機器構成と運転パターンとをともに最適化することが可能となった。また,2段階最適化法とともに適用することで,良好なシステム構成が選択される確率が2段階最適化法のみの方法と比較して高くなった。
また,ペナルティ法によれば,「コジェネレーションシステム無し」の個体の評価値に対して所定のペナルティ値を付加することとしている。これにより,最適解として「コジェネレーションシステム無し」が選択されることがなくなり,起伏が大きいエネルギー需要に対しても確実にコジェネレーションシステムを選択することが可能となる。そして,2段階最適化法や整数値コーディング法と組み合わせることにより,遺伝的アルゴリズムのみによって,複雑なエネルギー需要であっても,機器構成と運転パターンとをともに最適化することが可能となった。
なお,本実施の形態は単なる例示にすぎず,本発明を何ら限定するものではない。したがって本発明は当然に,その要旨を逸脱しない範囲内で種々の改良,変形が可能である。例えば,本実施の形態では端末計算機2を介して時間帯別のエネルギー需要量を入力しているが,サーバ計算機3に直接入力してもよい。そして,結果をサーバ計算機3に直接出力してもよい。すなわち,サーバ計算機3のみに本発明を適用してもよい。
また,本形態の2段階最適化法では,機器構成と運転パターンとを含む遺伝子を作成し,いずれか一方を固定するとしているが,これに限るものではない。例えば,機器構成と運転パターンとを別々の遺伝子とし,固定された機器構成による最適な運転パターン,あるいは固定された運転パターンによる最適な機器構成が別々の遺伝子によって抽出されるとしてもよい。
また,実施の形態の遺伝子Aには,補助ボイラやEHPのデータは格納されていないが,これらのデータを格納してもよい。これらのデータを含むことでより適正なコジェネレーションシステムの提案,設計,および運用を図ることができる。
2 端末計算機
3 サーバ計算機
31 遺伝子生成部
32 エネルギー使用量算出部
33 効率算出部
34 データベース
35 収束判定部
3 サーバ計算機
31 遺伝子生成部
32 エネルギー使用量算出部
33 効率算出部
34 データベース
35 収束判定部
Claims (12)
- 遺伝的アルゴリズムを適用してコジェネレーションシステムの最適なシステム構成を選択するコジェネレーションシステムの最適化方法において,
電力および熱の時間帯ごとの需要量を取得する需要量取得ステップと,
コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,時間帯ごとの機器の運転パターン情報を含む遺伝子とを生成する遺伝子生成ステップと,
運転パターンデータを固定して遺伝子操作を繰り返し,前記需要量取得ステップにて取得したエネルギー需要量に適合するとともに,所定の条件を満たす機器構成を選択する機器構成選択ステップと,
機器構成データを固定して遺伝子操作を繰り返し,前記需要量取得ステップにて取得したエネルギー需要量に適合するとともに,所定の条件を満たす運転パターンを選択する運転パターン選択ステップとを含み,
前記機器構成選択パターンと前記運転パターン選択ステップとを交互に繰り返し,所定の条件を満たすシステム構成を選択することを特徴とするコジェネレーションシステムの最適化方法。 - 請求項1に記載するコジェネレーションシステムの最適化方法において,
前記機器構成選択ステップでの遺伝子操作では,機器に対応するコードごとに交叉あるいは突然変異を発生させることを特徴とするコジェネレーションシステムの最適化方法。 - 請求項1または請求項2に記載するコジェネレーションシステムの最適化方法において,
前記機器構成選択ステップと前記運転パターン選択ステップとの少なくとも一方では,コジェネレーションシステムを構成する機器が無しとなる遺伝子を得た場合には,その遺伝子の評価値に所定のペナルティ値を付加することを特徴とするコジェネレーションシステムの最適化方法。 - 遺伝的アルゴリズムを適用してコジェネレーションシステムの最適なシステム構成を選択するコジェネレーションシステムの最適化方法において,
電力および熱の時間帯ごとの需要量を取得する需要量取得ステップと,
コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,時間帯ごとの機器の運転パターン情報を含む遺伝子とを生成する遺伝子生成ステップと,
遺伝子操作を繰り返し,前記需要量取得ステップにて取得したエネルギー需要量に適合するとともに,所定の条件を満たすシステム構成を選択するシステム構成選択ステップとを含み,
前記システム構成選択ステップでの遺伝子操作では,機器に対応するコードごとに交叉あるいは突然変異を発生させることを特徴とするコジェネレーションシステムの最適化方法。 - 遺伝的アルゴリズムを適用してコジェネレーションシステムの最適なシステム構成を選択するコジェネレーションシステムの最適化方法において,
電力および熱の時間帯ごとの需要量を取得する需要量取得ステップと,
コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,時間帯ごとの機器の運転パターン情報を含む遺伝子とを生成する遺伝子生成ステップと,
遺伝子操作を繰り返し,前記需要量取得ステップにて取得したエネルギー需要量に適合するとともに,所定の条件を満たすシステム構成を選択するシステム構成選択ステップとを含み,
前記システム構成選択ステップでは,コジェネレーションシステムを構成する機器が無しとなる遺伝子を得た場合には,その遺伝子の評価値に所定のペナルティ値を付加することを特徴とするコジェネレーションシステムの最適化方法。 - 請求項1から請求項5のいずれか1つに記載するコジェネレーションシステムの最適化方法において,
パラメータとしてエネルギーの消費量,運用コスト,特定の物質の排出量のうち少なくとも1つを取得するパラメータ取得ステップと,
前記パラメータ取得ステップにて取得されたパラメータに対応する評価値を算出する評価値算出ステップとを含むことを特徴とするコジェネレーションシステムの最適化方法。 - 遺伝的アルゴリズムを適用してコジェネレーションシステムの最適なシステム構成を選択することが可能なコジェネレーションシステムの設備提案システムにおいて,
電力および熱の時間帯ごとの需要量を取得する需要量取得手段と,
コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,時間帯ごとの機器の運転パターン情報を含む遺伝子とを生成する遺伝子生成手段と,
運転パターンデータを固定して遺伝子操作を繰り返し,前記需要量取得手段にて取得されたエネルギー需要量に適合するとともに,所定の条件を満たす機器構成を選択する機器構成選択手段と,
機器構成データを固定して遺伝子操作を繰り返し,前記需要量取得手段にて取得されたエネルギー需要量に適合するとともに,所定の条件を満たす運転パターンを選択する運転パターン選択手段と,
前記機器構成選択手段による機器構成の選択と,前記運転パターン選択手段による運転パターンの選択とを交互に繰り返し,所定の条件を満たすシステム構成を選択するシステム構成選択手段と,
前記システム構成選択手段にて選択されたシステム構成の,機器情報およびその機器の運転パターンを出力する最適結果出力手段とを備えることを特徴とするコジェネレーションシステムの設備提案システム。 - 請求項7に記載するコジェネレーションシステムの設備提案システムにおいて,
前記機器構成選択手段での遺伝子操作は,機器に対応するコードごとに交叉あるいは突然変異を発生させることを特徴とするコジェネレーションシステムの設備提案システム。 - 請求項7または請求項8に記載するコジェネレーションシステムの設備提案システムにおいて,
前記機器構成選択手段と前記運転パターン選択手段との少なくとも一方では,コジェネレーションシステムを構成する機器が無しとなる遺伝子が生成された場合には,その遺伝子の評価値に所定のペナルティ値を付加することを特徴とするコジェネレーションシステムの設備提案システム。 - 遺伝的アルゴリズムを適用してコジェネレーションシステムの最適なシステム構成を選択することが可能なコジェネレーションシステムの設備提案システムにおいて,
電力および熱の時間帯ごとの需要量を取得する需要量取得手段と,
コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,時間帯ごとの機器の運転パターン情報を含む遺伝子とを生成する遺伝子生成手段と,
遺伝子操作を繰り返し,前記需要量取得手段にて取得されたエネルギー需要量に適合するとともに,所定の条件を満たすシステム構成を選択するシステム構成選択手段と,
前記システム構成選択手段にて選択されたシステム構成の,機器情報およびその機器の運転パターンを出力する最適結果出力手段とを備え,
前記システム構成選択手段の遺伝子操作では,機器に対応するコードごとに交叉あるいは突然変異を発生させることを特徴とするコジェネレーションシステムの設備提案システム。 - 遺伝的アルゴリズムを適用してコジェネレーションシステムの最適なシステム構成を選択することが可能なコジェネレーションシステムの設備提案システムにおいて,
電力および熱の時間帯ごとの需要量を取得する需要量取得手段と,
コジェネレーションシステムを構成する機器の機器情報を含む遺伝子と,時間帯ごとの機器の運転パターン情報を含む遺伝子とを生成する遺伝子生成手段と,
遺伝子操作を繰り返し,前記需要量取得手段にて取得されたエネルギー需要量に適合するとともに,所定の条件を満たすシステム構成を選択するシステム構成選択手段と,
前記システム構成選択手段にて選択されたシステム構成の,機器情報およびその機器の運転パターンを出力する最適結果出力手段とを備え,
前記システム構成選択手段では,コジェネレーションシステムを構成する機器が無しとなる遺伝子が生成された場合には,その遺伝子の評価値に所定のペナルティ値を付加することを特徴とするコジェネレーションシステムの設備提案システム。 - 請求項7から請求項11のいずれか1つに記載するコジェネレーションシステムの設備提案システムにおいて,
パラメータとしてエネルギーの消費量,運用コスト,特定の物質の排出量のうち少なくとも1つを取得するパラメータ取得手段と,
前記パラメータ取得手段にて取得されたパラメータに対応する評価値を算出する評価値算出手段を有することを特徴とするコジェネレーションシステムの設備提案システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004256760A JP2006072796A (ja) | 2004-09-03 | 2004-09-03 | コジェネレーションシステムの最適化方法および設備提案システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004256760A JP2006072796A (ja) | 2004-09-03 | 2004-09-03 | コジェネレーションシステムの最適化方法および設備提案システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006072796A true JP2006072796A (ja) | 2006-03-16 |
Family
ID=36153341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004256760A Withdrawn JP2006072796A (ja) | 2004-09-03 | 2004-09-03 | コジェネレーションシステムの最適化方法および設備提案システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006072796A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015072695A (ja) * | 2014-11-13 | 2015-04-16 | 株式会社三和技術総合研究所 | エネルギー変換機器の管理提案システム及び管理提案方法 |
JP2016162362A (ja) * | 2015-03-04 | 2016-09-05 | 株式会社東芝 | 制御装置、制御方法及びコンピュータプログラム |
JP2018036027A (ja) * | 2016-09-02 | 2018-03-08 | 東京瓦斯株式会社 | 冷温水供給システム |
CN110097235A (zh) * | 2019-05-14 | 2019-08-06 | 广东电网有限责任公司 | 一种联合发电的调度优化方法、装置和介质 |
CN115200169A (zh) * | 2022-09-19 | 2022-10-18 | 国网浙江省电力有限公司象山县供电公司 | 一种智能热电联产能源节能控制方法 |
-
2004
- 2004-09-03 JP JP2004256760A patent/JP2006072796A/ja not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015072695A (ja) * | 2014-11-13 | 2015-04-16 | 株式会社三和技術総合研究所 | エネルギー変換機器の管理提案システム及び管理提案方法 |
JP2016162362A (ja) * | 2015-03-04 | 2016-09-05 | 株式会社東芝 | 制御装置、制御方法及びコンピュータプログラム |
JP2018036027A (ja) * | 2016-09-02 | 2018-03-08 | 東京瓦斯株式会社 | 冷温水供給システム |
CN110097235A (zh) * | 2019-05-14 | 2019-08-06 | 广东电网有限责任公司 | 一种联合发电的调度优化方法、装置和介质 |
CN110097235B (zh) * | 2019-05-14 | 2023-05-26 | 广东电网有限责任公司 | 一种联合发电的调度优化方法、装置和介质 |
CN115200169A (zh) * | 2022-09-19 | 2022-10-18 | 国网浙江省电力有限公司象山县供电公司 | 一种智能热电联产能源节能控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Afgan et al. | Multi-criteria evaluation of natural gas resources | |
Weber et al. | Power plant investments under fuel and carbon price uncertainty | |
Takase et al. | The Japanese energy sector: Current situation, and future paths | |
Laha et al. | Low carbon electricity system for India in 2030 based on multi-objective multi-criteria assessment | |
CN108539793B (zh) | 一种海岛微电网综合优化配置方法及装置 | |
Barteczko-Hibbert et al. | A multi-period mixed-integer linear optimisation of future electricity supply considering life cycle costs and environmental impacts | |
Orfanos et al. | Life-cycle environmental performance assessment of electricity generation and transmission systems in Greece | |
CN109784554B (zh) | 一种基于主从博弈的电力系统最优调度方法 | |
Reza et al. | Energy storage integration towards achieving grid decarbonization: A bibliometric analysis and future directions | |
Wang et al. | Coordinated planning of transmission expansion and coal‐fired power plants flexibility retrofits to accommodate the high penetration of wind power | |
Yong et al. | Economic dispatch of power system incorporating wind power plant | |
Padhi et al. | Solving dynamic economic emission dispatch problem with uncertainty of wind and load using whale optimization algorithm | |
Ghosh | Status of thermal power generation in India—Perspectives on capacity, generation and carbon dioxide emissions | |
BENOÎT et al. | An approach for the time-dependent thermoeconomic modeling and optimization of energy system synthesis, design and operation Part I: Methodology and results | |
Bertini et al. | Soft computing based optimization of combined cycled power plant start-up operation with fitness approximation methods | |
Islam et al. | The Renewable Energy and Sustainable Development: A Case Study of Bangladesh | |
Guminski et al. | System effects of high demand‐side electrification rates: A scenario analysis for Germany in 2030 | |
JP2015125643A (ja) | 分散型エネルギーシステムの設備計画方法、プログラムおよび装置 | |
Chen et al. | Scenario analysis of the new energy policy for Taiwan's electricity sector until 2025 | |
Jabari et al. | Optimization of a tidal‐battery‐diesel driven energy‐efficient standalone microgrid considering the load‐curve flattening program | |
Bohra et al. | Multi-criteria planning of microgrids for rural electrification | |
Wu et al. | Multi-objective optimal scheduling of offshore micro integrated energy system considering natural gas emission | |
Abdalla et al. | Generation expansion planning considering unit commitment constraints and data‐driven robust optimization under uncertainties | |
De Clercq et al. | Optimal sizing of an industrial microgrid considering socio‐organisational aspects | |
JP2006072796A (ja) | コジェネレーションシステムの最適化方法および設備提案システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20071106 |