JP2008171152A - プラント制御装置 - Google Patents

Abstract

【課題】 操作信号を変更する効果およびこの効果が得られる物理的理由を短時間で分析し、これらの分析結果を画面表示可能なプラント制御装置を提供する。
【解決手段】 計測信号ＤＢ210と、操作信号ＤＢ250と、数値解析実行手段220と、数値解析結果ＤＢ240と、操作信号に対する計測信号の値を推定するモデル230と、モデル230を用いる学習手段260と、学習情報ＤＢ270と、操作信号生成手段280で用いる情報の制御ロジックＤＢ290と、プラント運転特性の知識ＤＢ400と、知識ＤＢ400と学習情報ＤＢ270と操作信号ＤＢ250と計測信号ＤＢ210の情報により数値解析結果ＤＢ240の情報を処理する分析手段300とを備え、分析手段300は、操作方法の妥当性の学習根拠分析手段310と、操作信号がプラントに与える効果と異常な計測信号の有無を評価する信号分析手段320と、知識ＤＢ400の情報を修正する知識ＤＢ更新手段330との少なくとも１つを含む。
【選択図】 図１

Description

本発明は、火力発電プラント等のプラント制御装置に関する。

プラント制御装置では、制御対象であるプラントから得られる計測信号を処理し、制御対象に与える操作信号を算出する。制御装置には、プラントの計測信号がその目標値を満足するように、操作信号を計算するアルゴリズムが実装されている。

プラントの制御に用いられている制御アルゴリズムとして、ＰＩ(比例・積分)制御アルゴリズムがある。ＰＩ制御では、プラントの計測信号とその目標値との偏差に比例ゲインを乗じた値に、偏差を時間積分した値を加算して、制御対象に与える操作信号を導出する。ＰＩ制御を用いた制御アルゴリズムは、ブロック図などで可視化でき、その動作原理や動作理由が明確に分かる。一般に、このようなブロック図は、制御ロジック設計者によって作成され、設計者が意図しない動作をすることはない。ＰＩ制御は、安定かつ安全な制御アルゴリズムであり、また実績も多数ある。

しかし、プラント運転形態の変更や環境の変化など、事前に予期していない条件でプラントを運転する場合には、制御ロジックを変更するなどの作業が必要である。

一方、プラントの運転形態や環境の変化に適応して、制御アルゴリズムを自動的に修正し変更するため、適応制御や学習アルゴリズムを用いてプラントを制御することもできる。学習アルゴリズムを用いてプラントを制御する方法の一例として、強化学習法を用いた制御装置に関する技術が提案されている(例えば、特許文献１参照)。この制御装置は、制御対象の特性を予測するモデルと、モデル出力がその目標値を達成するようなモデル入力の生成方法を学習する学習手段とを備えている。

特開２０００−３５９５６号公報(第３〜４頁 図３)

特許文献１に記載された技術を用いると、プラントの運転形態や環境の変化に適応して、制御アルゴリズムを自動的に修正／変更できる。

しかし、学習結果の妥当性を評価するには、学習結果を人間が詳細に分析する必要がある。また、プラントを安全に運転するには、修正／変更されたアルゴリズムが正常に動作することを確認する必要がある。

すなわち、プラントの運転形態や環境の変化に適応できる学習アルゴリズムをプラント制御に利用し、安全にプラントを安全に運転するには、学習アルゴリズムの信頼性を高めることが必須である。

本発明の課題は、学習アルゴリズムの信頼性を高めるために、プラントの運転員が学習結果を容易に確認できる手段を備えたプラント制御装置を提供することである。

本発明は、上記課題を解決するために、プラントの運転状態量の計測信号を用いてプラントに与える操作信号を算出する操作信号生成手段を有するプラント制御装置において、前記プラント制御装置が、過去の計測信号を保存する計測信号データベースと、過去の操作信号を保存する操作信号データベースと、プラントの運転特性を解析する数値解析実行手段と、前記数値解析実行手段を動作させて得られる数値解析結果を保存する数値解析結果データベースと、前記数値解析結果データベースの情報を用いてプラントに操作信号を与えた時の計測信号の値を推定するモデルと、前記モデルを用いてプラントの操作方法を学習する学習手段と、前記学習手段で得られた学習情報を保存する学習情報データベースと、前記操作信号生成手段で操作信号の導出に使用する情報を保存する制御ロジックデータベースと、プラントの運転特性に関する知識を保存する知識データベースと、前記知識データベースと前記学習情報データベースと前記操作信号データベース分析手段と前記計測信号データベースの情報を用いて前記数値解析結果データベースの情報を処理する分析手段と、前記分析手段で分析した結果を保存する分析結果データベースとを備え、前記分析手段が、前記学習手段で学習した操作方法の妥当性を評価する学習根拠分析手段と、操作信号をプラントに与えた場合の効果と異常な計測信号の有無とを評価する信号分析手段と、前記知識データベースの情報を追加または修正する知識データベース更新手段の少なくとも１つを含むプラント制御装置を提案する。

本発明によれば、学習結果を自動的に分析でき、さらに学習結果の分析結果を画面に表示できる。これにより、学習結果の分析結果をプラントの運転員が確認できる。さらに、学習アルゴリズムによって導出された操作信号をプラントに入力するか否かをプラントの運転員が判断できるので、学習アルゴリズムを実装した制御装置の信頼性が高まる。

また、プラントからの計測信号が異常な値となった場合、その要因を推定することもできる。異常状態を回避するためにプラント本体を改造しまたは補修する必要がある場合、改造または補修の内容と改造または補修の効果とを画面に表示することも可能となる。

さらに、本発明の制御装置を、プラント運転員の教育用シミュレータとして活用することもでき、操作員のスキル向上にも役立てることができる。

次に、図１〜図３１を参照して、本発明によるプラント制御装置の実施例を説明する。

図１は、本発明によるプラント制御装置の実施例１の系統構成を示すブロック図である。図１において、プラント１００は、制御装置２００によって制御される。

制御対象のプラント１００を制御する制御装置２００には、演算装置として、数値解析実行手段２２０、モデル２３０、学習手段２６０、操作信号生成手段２８０、および分析手段３００が設けられている。

また、制御装置２００には、データベースとして計測信号データベース２１０、数値解析結果データベース２４０、操作信号データベース２５０、学習情報データベース２７０、制御ロジックデータベース２９０、知識データベース４００、および分析結果データベース５００が設けられている。

また、制御装置２００には、外部とのインターフェイスとして、外部入力インターフェイス２０１および外部出力インターフェイス２０２が設けられている。

制御装置２００では、外部入力インターフェイス２０１を介して、プラント１００から計測信号１を制御装置２００に取り込む。また、外部出力インターフェイスを介して、プラント１００に操作信号１５を送る。

制御装置２００では、外部入力インターフェイス２０１を介してプラント１００の計測信号１を取り込み、取り込んだ計測信号２は、計測信号データベース２１０に保存される。また、操作信号生成手段２８０で生成させる操作信号１３は、外部出力インターフェイス２０２に伝送されると共に、操作信号データベース２５０に保存される。

操作信号生成手段２８０では、制御ロジックデータベース２９０の制御ロジックデータ１２および学習情報データベース２７０の学習情報データ１１を用いて、計測信号１が運転目標値を達成するように、操作信号１３を生成する。この制御ロジックデータベース２９０には、制御ロジックデータ１２を出力するため、制御ロジックデータ１２を算出する制御回路および制御パラメータを保存する。

学習情報データベース２７０に保存される学習データは、学習手段２６０で生成される。学習手段２６０は、モデル２３０と接続されている。

モデル２３０は、プラント１００の制御特性を模擬する機能を持つものである。すなわち、制御指令となる操作信号１５をプラント１００に与え、その制御結果の計測信号１を得るのと同じことを模擬演算するものである。この模擬演算のために、モデル２３０を動作させるモデル入力７を学習手段２６０から受け、モデル２３０でプラント１００の制御動作を模擬演算して、その模擬演算結果のモデル出力８を得る。ここで、モデル出力８は、プラント１００の計測信号１の予測値となる。

このモデル２３０は、数値解析結果データベース２４０の数値解析結果に基づいて構築される。また、数値解析結果データベース２４０に保存される数値解析結果は、数値解析実行手段２２０によって生成される。

数値解析実行手段２２０では、プラント１００を模擬する物理モデルを用いて、プラント１００の特性を予測する。数値解析実行手段２２０では、例えば３次元解析ツールなどを用いた計算を実行し、プラント１００の特性について３次元で予測する。数値解析実行手段２２０で実行して得られた計算結果は、数値解析結果データベース２４０に保存される。

モデル２３０では、数値解析結果データベース２４０および計測信号データベース２１０の情報を用いて、ニューラルネットワークなどの統計的手法を用いて、モデル入力７に対応するモデル出力８を計算する。モデル２３０は、モデル入力７に対応するモデル出力８を計算するのに必要な数値解析結果を数値解析結果データベース２４０から抽出し、この結果を補間する。また、数値解析実行手段２２０のモデル特性と、プラント１００の特性が異なることに備えて、計測信号２１０の計測信号データ３を用いて、モデル２３０とプラント１００の特性が一致するように、モデル２３０を修正できる。

学習手段２６０では、モデル２３０で模擬演算されるモデル出力８が予め運転員によって設定されたモデル出力目標値を達成するように、モデル入力７の生成方法を学習する。学習手段２６０は、強化学習、進化的計算手法などの、種々の最適化手法を適用して、構築できる。

学習に用いる拘束条件、モデル出力目標値などの学習情報データ９は、学習情報データベース２７０に保存されている。また、学習手段２６０で学習した結果である学習情報データ１０は、学習情報データベース２７０に保存される。学習情報データ１０には、モデル入力変更前の状態と、この状態の時におけるモデル入力の変更方法に関する情報が含まれている。

分析手段３００は、計測信号データベース２１０、操作信号データベース２５０、数値解析結果データベース２４０、学習情報データベース２７０、知識データベース４００、および分析結果データベース５００と接続しており、これらのデータベースの情報を抽出し、抽出した情報を用いて各種分析を実行し、分析結果をデータベースに送信する機能を持つ。知識データベース４００は、プラント１００に関する知識を保存する。例えば、プラント１００の計測値がある値以上である場合に発生する現象や、プラント１００の性能と計測値の因果関係に関する知識などを保存する。なお、分析手段３００の詳細な機能については、後述する。

プラント１００の運転員は、キーボード６０１とマウス６０２とを含む外部入力装置６００、制御装置２００とデータを送受信できるデータ送受信手段６３０を備えた保守ツール６１０、および画像表示装置６５０を用いることにより、制御装置２００に備えられている種々のデータベースの情報にアクセスできる。

保守ツール６１０は、外部入力インターフェイス６２０、データ送受信手段６３０、および外部出力インターフェイス６４０からなる。

外部入力装置６００で生成した保守ツール入力信号５１は、外部入力インターフェイス６２０を介して保守ツール６１０に取り込まれる。保守ツール６１０のデータ送受信手段６３０では、保守ツール入力信号５２の情報に従って、制御装置２００に備えられているデータベース情報５０を取得する。

データ送受信処理手段６３０では、データベース情報５０を処理した結果得られる保守ツール出力信号５３を、外部出力インターフェイス６４０に送信する。保守ツール出力信号３４は、画像表示装置６５０に表示される。

なお、上記実施例の制御装置２００では、計測信号データベース２１０、数値解析結果データベース２４０、操作信号データベース２５０、学習情報データベース２７０、制御ロジックデータベース２９０、知識データベース４００、および分析結果データベース５００が制御装置２００の内部に配置されているが、これらの全て、または一手段を制御装置２００の外部に配置することもできる。

また、モデル２３０、学習手段２６０、および分析手段３００が制御装置２００の内部に配置されているが、これらの全て、または一手段を制御装置２００の外部に配置することもできる。

例えば、学習手段２６０、モデル２３０、数値解析実行手段２２０、数値解析結果データベース２４０、および学習情報データベース２７０を制御装置２００の外部に配置し、数値解析結果１６、学習情報データ１１、および学習情報データ１７をインターネット経由で制御装置２００に送信するようにしてもよい。

図２は、分析手段３００を示すシステム図である。分析手段３００は、学習根拠分析手段３１０、信号分析手段３２０、および知識データベース更新手段３３０からなる。

学習根拠分析手段３１０では、数値解析結果データベース２４０および知識データベース４００の情報を参照しながら、学習情報データベース２７０の学習結果が得られた理由を分析し、その分析結果を分析結果データベース５００に送信する。

信号分析手段３２０では、数値解析結果データベース２４０および知識データベース４００の情報を参照しながら、操作信号データベース２５０および計測信号データベース２１０の情報を処理し、操作信号を更新することの効果および異常な計測信号の有無について分析し、その分析結果を分析結果データベース５００に送信する。

また、知識データベース更新手段３３０では、数値解析結果データベース２４０、計測信号データベース２１０、分析結果データベース５００の情報を参照し、知識データベース４００の知識を評価する。また、必要に応じて知識データベース４００の知識を修正する機能、または新しい知識を追加する機能を持つ。

図３は、学習根拠分析手段３１０の動作を示すフローチャートである。学習根拠分析手段３１０の動作は、ステップ２０００、２０１０、２０２０、２０３０、２０４０、２０５０、２０６０、および２０７０を組み合わせて実行する。

ステップ２０００では、ステップ２０１０〜２０６０の繰り返し回数を示す値であるＩを初期化(Ｉ＝１に設定)する。次に、ステップ２０１０では、運用条件の初期値を設定する。ステップ２０２０では、ステップ２０１０で設定された運用条件におけるモデル入力変更幅を、学習情報データベース２７０から取得する。

ステップ２０３０では、ステップ２０１０で設定された運用条件と、この運用条件のモデル入力にステップ２０２０で導出したモデル入力変更幅を加えた後の運用条件に対応する２通りの数値解析結果を、数値解析結果データベース２４０から抽出する。

次に、ステップ２０４０では、知識データベース４００の知識で、ステップ２０３０で抽出した２通りの数値解析結果の差異を説明できるか否かを評価する。ステップ２０５０は、分岐であり、ステップ２０４０で説明できると判断された場合は、ステップ２０６０に進み、説明できないと判断された場合は、ステップ２０７０に進む。

ステップ２０６０では、２通りの運用条件、数値解析結果、およびステップ２０４０で使用した知識を分析結果データベース５００に送信し、これらの情報を分析結果データベースに保存する。

ステップ２０７０では、ステップ２０１０〜２０６０の繰り返し回数を示す値であるＩと予め定められている閾値とを比較し、Ｉが閾値よりも小さい場合には、Ｉに１を加算した後ステップ２０１０に戻り、逆に閾値よりも大きい場合は、学習根拠分析手段３１０の動作を終了させるステップに進む。

以上の動作により、分析結果データベース５００には、モデル入力更新前と更新後の数値解析結果と、２つの数値解析結果の違いを説明可能な知識とが保存される。プラント１００の運転員は、保守ツール６１０を用いて、これらの情報を画像表示装置６５０に表示することがでる。これにより、学習手段２６０で学習された操作方法が妥当であるかについて容易に認識できる。また、モデル入力変更の効果も知ることができる。

図４は、信号分析手段３２０の動作を示すフローチャートである。信号分析手段３２０は、操作信号評価機能ブロックと計測信号評価機能ブロックの２つの機能ブロックを持つ。ステップ２１００では、２つの機能ブロックのうち、どちらの機能ブロックを使用するかを選択する。

操作信号評価機能ブロックは、ステップ２１００、２１１０、２１２０、２１３０、および２１４０を組み合わせて実行し、計測信号評価機能ブロックは、ステップ２２１０、２２２０、２２３０、２２４０、２２５０、および２２６０を組み合わせて実行する。

操作信号評価機能ブロックでは、操作信号を変更する前後に対応するモデル入力を導出し、この２つのモデル入力に対応する数値解析結果を分析し、知識データベース４００の知識を参照することにより、操作信号変更に伴って、制御特性が変化する理由を考察できる。

ステップ２１１０では、操作信号データベース２５０から、操作信号変更前と操作信号変更後の操作信号を抽出し、２つのモデル入力を導出する。ステップ２１２０では、数値解析結果データベース２４０から、２つのモデル入力に対応する数値解析結果を抽出する。ステップ２１３０では、ステップ２１２０で抽出した２つの数値解析結果の差異を説明する知識を、知識データベース４００から抽出する。最後に、ステップ２１１０で導出したモデル入力、ステップ２１２０で抽出した数値解析結果、およびステップ２１３０で抽出した知識を分析結果データベース５００に送信し、分析結果データベース５００にこれらの情報を保存する。

計測信号評価機能ブロックでは、計測信号と数値解析結果を比較し、この差が大きい場合には、プラント１００の計測信号が異常値となっていると判断し、知識データベース４００の知識を用いて異常値となっている要因を推定できる。

ステップ２２１０では、操作信号データベース２５０から現在の操作条件を抽出し、これに対応するモデル入力を導出する。ステップ２２２０では、ステップ２２１０で導出したモデル入力に対応する数値解析結果を抽出する。ステップ２２３０では、数値解析結果と計測信号の偏差を計算する。ステップ２２４０では、ステップ２２３０で計算した偏差が、予め定められた閾値より大きい場合は、ステップ２２５０に進み、小さい場合は、終了となる。ステップ２２５０では、知識データベース４００の知識を活用し、偏差が閾値より大きくなった理由を分析する。ステップ２２６０では、ステップ２２５０での分析結果を分析結果データベース５００に送信・保存する。

図５は、知識データベース更新手段３３０の動作を示すフローチャートである。知識データベース更新手段３３０は、知識評価機能ブロック、知識修正機能ブロック、および知識追加機能ブロックの３つの機能ブロックを持つ。ステップ２３００では、３つの機能ブロックのうち、どの機能ブロックを使用するかを選択する。

知識評価機能ブロックは、ステップ２３１０、２３２０、および２３３０を組み合わせて実行し、知識修正機能ブロックは、ステップ２４１０、２４２０、および２４３０を組み合わせて実行し、知識追加機能ブロックは、ステップ２５１０、２５２０、２５３０、２５４０、および２５５０を組み合わせて実行する。

知識評価機能ブロックでは、知識データベース４００の知識の有効性について評価する。

ステップ２３１０では、分析結果データベース５００から、学習根拠分析手段３１０、および信号分析手段３２０で利用された知識を抽出し、知識データベース４００の各知識の利用回数を導出する。ステップ２３２０では、ステップ２３１０で導出した利用回数に基づいて、知識毎に評価値を計算する。例えば、利用回数が多い知識の評価値は、大きな値とし、利用回数が少ない知識の法価値は、小さな値にする。ステップ２３３０では、ステップ２３２０で計算した評価値を知識データベース４００に送信・保存する。

学習根拠分析手段３１０および信号分析手段３２０を実行する際に、ステップ２０４０、ステップ２１３０、およびステップ２２５０において、知識データベース４００の知識を参照する。知識データベース４００の全ての知識を参照することもできるが、知識の数が多いと、計算処理時間が長くなる可能性がある。これを避けるため、知識データベース４００の知識を参照する際に、評価値の大きい知識からいくつか知識を選択し、この知識のみを参照すると、限られた時間内で効率的に知識を参照できる。

知識修正機能ブロックでは、計測信号データベース２１０、操作信号データベース２５０、および数値解析結果データベース２４０の情報と、知識データベース４００の知識を比較し、知識データベース４００の知識と、計測信号データベース２１０、操作信号データベース２５０、および数値解析結果データベース２４０の情報とが矛盾する場合に、知識に誤りがあると判断し、知識データベース４００の知識を修正する。

ステップ２４１０では、前述の判断に基づいて、修正する知識を選定する。ステップ２４２０では、矛盾点が解消されるように、知識を修正する。ステップ２４３０では、ステップ２４２０で修正した新しい知識を知識データベース４００に送信・保存する。

また、知識修正機能ブロックでは、評価値の低い知識を修正するように動作させることもできる。

最後に、知識追加機能ブロックについて説明する。知識追加機能ブロックでは、数値解析結果データベース２４０の１つの数値解析結果を説明できる仮説を生成する。この仮説が、他の数値解析結果を十分に説明できる場合には、この仮説は、知識として知識データベース４００に登録する。

ステップ２５１０では、数値解析結果データベース２４０の数値解析結果を抽出する。ステップ２５２０では、ステップ２５１０で抽出した数値解析結果を説明できる仮説を生成する。ステップ２５３０では、ステップ２５２０で生成した仮説で、数値解析結果データベース２４０の他の数値解析結果を説明できるか否かを評価する。ステップ２５４０では、ステップ２５３０の評価結果に基づいて、仮説を知識データベース４００に追加するか否かを決定する。追加する場合には、ステップ２５５０に進み、追加しない場合は、知識追加機能ブロックを終了させる。ステップ２５５０では、ステップ２５３０で生成した仮説を、知識データベース４００に送信・保存する。

以上で、分析手段３００を構成する学習根拠分析手段３１０、信号分析手段３２０、および知識データベース３３０の説明を終了する。

図６〜図１０は、画像表示装置６５０に表示される画面の一実施例である。

図６は、初期画面である。図６が画像表示装置６５０に表示されている状態で、マウス６０２を操作してカーソルをボタンに重ね、マウス６０２をクリックすると、ボタンを選択できる。ボタン７０１、７０２、７０３、７０４を選択すると、図７、図８、図９、図１０が画像表示装置６５０に表示される。

図７では、ボタン７１１を選択すると、数値解析実行手段２２０で計算を実行するために必要な各種解析条件を入力／設定できる。ボタン７１２を選択すると、数値解析実行手段２２０で計算を開始できる。また、ボタン７１３を選択すると、図６に戻る。

図８では、画像表示装置６５０に、どのデータベースの情報を表示するかを選択できる。ボタン７２１、７２２、７２３、７２４、７２５、７２６、７２７を選択すると、それぞれ計測信号データベース２１０、操作信号データベース２５０、数値解析結果データベース２４０、学習情報データベース２７０、制御ロジックデータベース２９０、知識データベース４００、分析結果データベース５００にアクセスできる。各データベースの情報を画像表示装置６５０に表示できると共に、データベースの情報を追加／変更／消去することもできる。

図９では、ボタン７３１を選択すると、学習手段２６０およびモデル２３０を動作させ、操作方法を学習させることができる。ボタン７３２を選択すると、学習根拠分析手段３１０を動作させることができる。

図１０では、プラント１００を操作する操作信号を変更する度に、信号分析手段３２０を動作させ、操作信号を変更することの効果を画像表示装置６５０に表示するかを選択できる。図１０において、ボタン７４１を選択した場合とボタン７４２を選択した場合の違いについて、図１１を用いて説明する。

図１１は、制御装置２００の動作を示すフローチャートである。制御装置２００の制御動作は、ステップ１０１０、１０２０、１０３０、１０４０、１０５０、および１０６０を組み合わせて実行する。

ステップ１０１０では、操作信号生成手段２８０を動作させて、次の操作信号の候補を生成する。ステップ１０２０は、表示判定であり、図１０においてボタン７４１が選択されている場合は、ステップ１０４０に進み、ボタン７４２が選択されている場合は、ステップ１０３０に進む。

ステップ１０４０では、信号分析手段３２０の操作信号評価機能ブロックを動作させ、操作信号を変更することの効果を推定する。ステップ１０５０では、操作効果を画像表示装置６５０に表示する。

図１２は、ステップ１０５０で画像表示装置６５０に表示される画面の一実施例である。操作前と操作後に対応する２通りの数値解析結果が、それぞれ７５１、７５２に表示される。また、２通りの数値解析結果の差異を説明する知識が、欄７５３に表示される。プラントの運転員は、これらの情報を見ながら、操作を実行するか否かを選択できる。操作を許可する場合には、ボタン７５４を選択し、許可しない場合は、ボタン７５５を選択する。

図１１におけるステップ１０６０は、操作実行判定であり、図１２においてボタン７５４が選択された場合には、ステップ１０３０に進み、ボタン７５５が選択された場合には、ステップ１０１０に戻る。

ステップ１０３０では、ステップ１０１０で生成された操作信号をプラント１００に与える。

次に、本発明によるプラント制御装置を火力発電プラントに適用した実施例２について説明する。

なお、火力発電プラント以外のプラントを制御する際にも、本発明のプラント制御装置を使用できることは、いうまでもない。

図１３は、火力発電プラント１００の構系統成を示す図である。

火力発電プラントを構成するボイラ１０１には、ミル１１０で石炭を細かく粉砕した燃料となる微粉炭と、微粉炭搬送用の１次空気、および燃焼調整用の２次空気を供給するバーナー１０２が設けられており、このバーナー１０２を介して供給した微粉炭をボイラ１０１の内部で燃焼させる。なお、微粉炭と１次空気は、配管１３４から、２次空気は、配管１４１からバーナー１０２に導かれる。

また、ボイラ１０１には、２段燃焼用のアフタエアをボイラ１０１に投入するアフタエアポート１０３が設けられており、アフタエアは、配管１４２からアフタエアポート１０３に導かれる。

微粉炭の燃焼により発生した高温の燃焼ガスは、ボイラ１０１の内部の経路に沿って下流側に流れた後、ボイラ１０１に配置された熱交換器１０６を通過して熱交換した後、エアヒーター１０４を通過する。エアヒーター１０４を通過したガスは、排ガス処理を施した後、煙突から大気に放出される。

ボイラ１０１の熱交換器１０６を循環する給水は、給水ポンプ１０５を介して熱交換器１０６に給水を供給し、熱交換器１０６においてボイラ１０１を流下する燃焼ガスによって過熱され、高温高圧の蒸気となる。なお、本実施例では、熱交換器の数を１つとしているが、熱交換器を複数配置するようにしてもよい。

熱交換器１０６を通過した高温高圧の蒸気は、タービンガバナ１０７を介して蒸気タービン１０８に導かれ、蒸気の持つエネルギーによって蒸気タービン１０８を駆動して発電機１０９で発電する。

火力発電プラントには、火力発電プラントの運転状態を検出する様々な計測器が配置されており、これらの計測器から取得されたプラントの計測信号は、計測信号１として制御装置２００に送信される。例えば、図２には、流量計測器１５０、温度計測器１５１、圧力計測器１５２、発電出力計測器１５３、および濃度計測器１５４が図示されている。

流量計測器１５０では、給水ポンプ１０５からボイラ１０１に供給される給水の流量を計測する。また、温度計測器１５１、および圧力計測器１５２は、熱交換器１０６から蒸気タービン１０８に供給される蒸気の温度および圧力を計測する。

発電機１０９で発電された電力量は、発電出力計測器１５３で計測する。ボイラ１０１を通過する燃焼ガスに含まれている成分(ＣＯ、ＮＯｘなど)の濃度に関する情報は、ボイラ１０１の下流側に設けた濃度計測器１５４で計測できる。

なお、一般的には、図１３に図示した以外にも多数の計測器が火力発電プラントに配置されているが、ここでは、図示を省略する。

次に、ボイラ１０１の内部にバーナー１０２から投入される１次空気と２次空気の経路およびアフタエアポート１０３から投入されるアフタエアの経路について説明する。

１次空気は、ファン１２０から配管１３０に導かれ、途中でボイラ１０１の下流側に設置されたエアヒーター１０４を通過する配管１３２と通過せずにバイパスする配管１３１とに分岐して、再び配管１３３で合流し、バーナー１０２の上流側に設置されたミル１１０に導かれる。

エアヒーター１０４を通過する空気は、ボイラ１０１を流下する燃焼ガスにより過熱される。この１次空気を用いて、ミル１１０において粉砕した微分炭を１次空気と共にバーナー１０２に搬送する。

２次空気およびアフタエアは、ファン１２１から配管１４０に導かれ、エアヒーター１０４で同様にして加熱された後に、２次空気用の配管１４１とアフタエア用の配管１４２とに分岐して、それぞれバーナー１０２とアフタエアポート１０３に導かれる。

図１４は、図１３に示した火力発電プラントにおけるエアヒーターおよび配管の構成を示す図である。配管１３１、１３２、１４１、１４２には、エアダンパ１６０、１６１、１６２、１６３が夫夫配置されている。これらのエアダンパを操作することにより、配管１３１、１３２、１４１、１４２における空気が通過する面積を変更できるので、配管１３１、１３２、１４１、１４２を通過する空気流量を個別に調整できる。

制御装置２００によって生成された操作信号１５を用いて、給水ポンプ１０５、ミル１１０、エアダンパ１６０、１６１、１６２、１６３などの機器を操作する。なお、本実施例では、給水ポンプ１０５、ミル１１０、エアダンパ１６０、１６１、１６２、１６３などの機器のことを操作端と呼び、これを操作するのに必要な指令信号を操作信号と呼ぶ。

また、燃焼用等の空気、または微粉炭等の燃料をボイラ１０１に投入する際に、その吐出角度を上下左右に動かすことのできる機能をバーナー１０２およびアフタエアポート１０３に付加して、これらの角度を操作信号１５に含めることもできる。

図１５は、計測信号データベース２１０および操作信号データベース２５０に保存されているデータの態様を示す図である。計測信号データベース２１０および操作信号データベース２５０には、時系列に各信号の値が、その単位と共に保存されている。これらの情報は、図８のボタン７２１および７２２を選択することで、画像表示装置６５０に表示できる。

図１６は、数値解析実行手段２２０における数値解析条件の設定画面であり、図７でボタン７１１を選択することで、画像表示装置６５０に表示される画面である。図１６を用いて、プラント１００の操作条件を入力する。なお、図１６において、R_0001とは、解析条件を区別するために割り振られた番号であり、図１６では、R_0001〜R_0005の５種類の解析条件に対する入力手段分を図示している。図１６では、入力できる解析条件数は５であるが、この数を増やすこともできる。

また、図１６を用いて解析条件を入力した後、図７でボタン７１２を選択すると、数値解析実行手段２２０で図１６の操作条件に対応した数値解析が実行される。

図１７は、数値解析結果データベース２４０に保存されているデータの態様を示す図である。数値解析結果データベース２４０には、図１６で入力した解析条件と、数値解析実行手段２２０で実行された数値解析結果が対応づけられて保存されている。数値解析結果は、運転員が設定した項目を表示できる。また、データファイル名の欄に記載されているデータを参照すると、３次元の数値解析結果を知ることもできる。なお、図１７では、ＣＯ濃度とＮＯｘ濃度が表示されているが、これ以外にも、例えば蒸気温度やガス温度などを表示することもできる。

図１８は、数値解析結果データベース２４０に保存されている３次元の数値解析結果である。図１８は、ボイラ１０１の横方向に５列で配置されたバーナーおよびアフタエアポートのうち、３列目のバーナーとアフタエアポートを通過する断面で切断した時における、ガスの速度ベクトル、温度、ＣＯ濃度、およびＮＯｘ濃度である。

また、任意の切断面における数値解析結果を画像表示装置６５０に表示できる。

図１９は、数値解析結果データベース２４０の数値解析結果に基づいて構成されるモデル２３０の特性を示す図である。モデル２３０は、数値解析結果データベース２４０の数値解析結果を補間する。補間には、ニューラルネットワークなど、種々の手法を使用できる。

制御装置２００を火力発電プラントに適用し、ＣＯを低減しようとする場合、モデル２３０は、ＣＯの数値解析結果を補間するモデルとして機能する。数値解析実行手段２２０での計算は、３次元モデルを対象に実施されるため、計算時間が長く必要である。学習を短時間で進めるためには、モデル入力７に対応した数値解析結果を短時間で取得する必要がある。

そこで、本実施例では、複数の解析条件の数値解析結果を数値解析結果データベース２４０に保存しておき、この数値解析結果を補間することによって、短時間でＣＯ濃度を計算するモデルを構成している。

図２０は、学習情報データベース２７０に保存されている情報の態様を示す図である。学習情報データベースには、運転状態とその運転状態における操作量変化幅の値が対応して保存されている。なお、図２０において、S_0001は、運転状態を区別するために割り振られた番号である。

図２１は、知識データベース４００に保存されている情報の態様を示す図である。知識データベース４００は、Ａタイプ、Ｂタイプ、およびＣタイプの３種類のフォーマットで情報を保存する。

タイプＡには、ボイラ内を通過するガスの位置、およびその位置におけるガス温度、ガス流速、ガス組成が、ボイラ出口における窒素酸化物、一酸化炭素、二酸化炭素、硫化酸化物、水銀、フッ素、煤塵、ミストからなる微粒子類、または揮発性有機化合物の少なくとも１つの量、または濃度、または、ボイラ運転効率などの、プラント性能因子に与える影響に関する知識を保存する。

タイプＢには、操作信号を変更することによって得られる効果に関する知識を保存する。

タイプＣには、計測信号と数値解析結果の誤差が大きくなる推定要因を、これを確認するための解析条件を保存する。誤差が大きくなっている場合、プラントが異常な状態で運転されている可能性がある。この異常な状態から復旧するために実施する対策、その対策を実施したことを想定した数値解析を実施するための解析条件も保存されている。

図２２は、分析結果データベース５００に保存されている情報の態様を示す図である。分析結果データベース５００は、操作内容、効果予測、改善確率、推定要因、参考図、過去の実績を保存する。

図２３は、学習根拠分析手段３１０の動作を示す図３において、本発明の制御装置を火力発電プラントに用いた場合のステップ２０４０の詳細を示すフローチャートである。本動作は、ステップ１１１０、１１２０、および１１３０を組み合わせて実行される。

ステップ１１１０では、ステップ２０３０で抽出した２通りの数値解析結果から、ボイラ出口断面におけるＣＯ、ＮＯｘなどのガス濃度分布を比較し、この濃度の偏差がある閾値以上である領域を抽出する。ステップ１１２０では、ステップ１１１０で抽出した領域に到達するガス経路をガスの流れとは反対方向にトレースし、このガス経路におけるガス温度とガス流速に関する情報を抽出する。ステップ１１３０では、知識データベース４００のタイプＡの知識と、抽出したガス濃度／ガス温度／ガス流速を比較し、知識データベース４００の知識の内容と数値解析結果が一致しているか否かを評価する。

図２４は、信号分析手段３２０の動作を示す図４において、本発明の制御装置を火力発電プラントに用いた場合のステップ２１３０の詳細を示すフローチャートである。本動作は、ステップ１２１０および１２２０を組み合わせて実行される。

ステップ１２１０では、ステップ２１１０および２１２０で抽出した２通りのモデル入力と、そのモデル入力に対応する２つのモデル出力の差異を抽出する。次に、ステップ１２２０では、ステップ１２１０で抽出した差異を説明できる知識を、知識データベース４００のタイプＢの知識から抽出する。

図２５は、信号分析手段３２０の動作を示す図４において、本発明の制御装置を火力発電プラントに用いた場合のステップ２２５０の詳細を示すフローチャートである。本動作は、ステップ１３１０、１３２０、および１３３０を組み合わせて実行される。

ステップ１３１０では、ステップ２２４０において閾値以上であった項目から、知識データベース４００のタイプＣの知識を用いて偏差が大きくなっている理由を抽出する。ステップ１３２０では、確認のためのシミュレーションを実行する。ステップ１３３０では、ステップ１３２０で実行した結果得られる数値解析結果と、計測信号を比較し、その偏差が閾値以下となるシミュレーション条件およびそれに対応する要因を抽出する。

図２６は、知識データベース更新手段３３０の動作を示す図５において、本発明の制御装置を火力発電プラントに用いた場合のステップ２４１０および２４２０の詳細を示すフローチャートである。本動作は、ステップ１４００、１４１０、１４２０、１４３０、および１４４０を組み合わせて実行される。

本実施例では、ステップ２４１０で修正の対象とする知識を選定する方法は、２種類あり、ステップ１４００でどちらを使用するか選定する。ステップ１４１０およびステップ１４２０で修正の対象とする知識を選定する場合と、ステップ１４３０で修正の対象とする知識を選定する場合がある。

ステップ１４１０では、計測信号データベース２１０、操作信号データベース２５０、および数値解析結果データベース２４０の情報と、知識データベース４００のタイプＡの知識を比較する。ステップ１４２０では、ステップ１４１０で比較した結果、矛盾点がある場合は、ステップ１４４０に進み、矛盾点がない場合は、知識を修正する必要はないと判断して、本動作を終了する。ステップ１４３０では、知識データベース４００の知識の中で、評価値の低い知識を抽出し、これを修正する対象の知識に選定する。ステップ１４４０では、計測信号データベース２１０、操作信号データベース２５０、および数値解析結果データベース２４０の情報と、知識データベース４００のタイプＡの知識が矛盾しないように、知識を修正する。具体的には、知識データベース２４０の情報の定量的な値を、計測信号データベース２１０、操作信号データベース２５０、および数値解析結果データベース２４０の値を全て説明できるような値に修正する。

図２７は、知識データベース更新手段３３０の動作を示す図５において、本発明の制御装置を火力発電プラントに用いた場合のステップ２５２０および２５３０の詳細を示すフローチャートである。ステップ２５２０は、ステップ１５００、１５１０、１５２０、１５３０、および１５４０を組み合わせて実行され、ステップ２５３０は、ステップ１５５０、１５６０、１５７０、１５８０、および１５９０を組み合わせて実行される。

ステップ２５２０のステップ１５００では、ステップ２５１０で抽出した数値解析結果の数に応じた分岐であり、抽出した数値解析結果の数が１つの場合は、ステップ１５１０に進み、それ以外の場合は、ステップ１５２０に進む。ステップ１５１０では、ボイラ出口のガス組成濃度が最大となっている領域を抽出し、ステップ１５２０では、２つの数値解析結果のボイラ出口ガス組成濃度を比較し、濃度差が閾値以上となっている領域を抽出する。ステップ１５３０では、ステップ１５１０、またはステップ１５２０で抽出された領域に到達するガスの経路を抽出する。ステップ１５４０では、ステップ１５３０で抽出したガス経路におけるガス温度、ガス流速の最大値と、濃度を関連付けした仮説を生成する。すなわち、図２１におけるタイプＡおよびタイプＢのフォーマットで仮説を生成する。

ステップ２５３０のステップ１５５０では、Ｉを初期化(Ｉ＝１)する。ステップ１５６０では、Ｉ番目の数値解析結果と、ステップ１５４０で生成した仮説を比較する。ステップ１５７０では、ステップ１５６０において、仮説とＩ番目の数値解析結果が矛盾しない場合には、ステップ１５８０に進み、矛盾する場合には、ステップ１５９０に進む。ステップ１５８０では、仮説の評価値を増加する。ステップ１５９０では、数値解析結果データベース２４０の全数値解析結果を参照していない場合は、Ｉに１を加えてステップ１５６０に戻り、全数値解析結果を参照した場合は、本動作を終了させる。その後、ステップ２５４０において、仮説の評価値が閾値以上であれば、ステップ２５５０に進む。

図２８は、本発明の制御装置を火力発電プラントに用いた場合に、画像表示装置６５０に表示される画面の一実施例であり、図１２に対応する画面である。このように、１つの画面上に操作前と操作後のシミュレーション結果を表示し、操作の効果を明らかにできる。プラントの操作員は、本画面を見ながら、本操作の実施可否を判断できる。

図２９は、本発明の制御装置を火力発電プラントに用いた場合に、画像表示装置６５０に表示される画面の一実施例であり、プラント改造実施前と実施後シミュレーション結果である。このように、本発明の制御装置を用いることにより、プラント改造による効果を１つの画面に表示できるので、プラントの運転員は、迅速に意思決定できる。

次に、本発明の制御装置を火力発電プラントに適用し、学習手段２６０で一酸化炭素(ＣＯ)濃度をための操作方法を学習させた時における、分析手段３００の動作例を図３０および図３１を用いて説明する。

図３０は、火力発電プラントを構成するボイラについて、数値解析実行手段２２０で数値解析を実施した結果であり、ボイラ出口ＣＯ濃度の分布を説明する図である。数値解析を実施した結果は、数値解析結果データベース２４０に保存される。

数値解析結果データベース２４０の情報から、ボイラ出口の断面におけるＣＯ濃度分布を抽出できる。図２３のステップ１１１０、図２７のステップ１５１０および１５２０等では、図３０に示すような形態で、ボイラ出口のガス組成濃度を自動的に抽出する。なお、ボイラ１０１に横方向に５列に配置されたアフタエアポート１０３を、アフタエアポート１０３Ａ、１０３Ｂ、１０３Ｃ、１０３D、１０３Eとし、一番左に配置されたアフタエアポートから順番にＡ、Ｂ、Ｃ、D、Eと定義する。

図３１は、本発明によるプラント制御装置を火力発電プラントに適用した場合において、操作前と操作後の数値解析結果を比較する様子を説明する図であり、特に図２３の詳細動作を説明する図である。

図３１(ａ)は、操作信号を変更する前と変更した後に対応する運用条件(操作指令値)と、その運用条件に対応する数値解析結果である。

学習手段２６０では、図１９に示した形態のモデルで操作方法を学習する。図１９では、操作条件が１つであるが、ここでは、操作条件数を５つとしたモデルである。その結果、図３１(ａ)に示すように、アフタエアポート１０３Ｂから投入する空気流量を増加し、アフタエアポート１０３Dおよび１０３Eから投入する空気流量を減少する操作方法を学習した。その結果、ボイラ出口のＣＯ濃度が１５０ｐｐｍから１００ｐｐｍとなった。

しかし、従来の制御装置では、アフタエアポートから投入する空気流量の変更方法を学習することはできても、このように変更すると、なぜＣＯ濃度が低減できるのか、という物理的理由を知ることはできない。

本発明の制御装置では、分析手段３００で、ＣＯ濃度が低減された理由を分析できる。ここでは、図２３のフローチャートに沿って、その動作を説明する。

ステップ１１１０では、図３１(ａ)に示すように、操作前と操作後のボイラ出口ＣＯ濃度の数値解析結果から、濃度の変化が大きい領域８００を抽出する。

次に、ステップ１１２０では、図３１(ｂ)に示すように、ステップ１１１０で抽出した領域８００から、ガス速度ベクトルを逆に辿り、領域８００に到達するガスの経路８１０を抽出する。その結果、図３１(ｂ)に示すように、アフタエアポート１０３Ｂを起点としたガスが、領域８００に到達していることが分かる。また、図３１(ｃ)に示すように、ガスの経路８１０におけるO２濃度を自動的に抽出する。

石炭を燃焼する際、O２濃度が低い領域では、不完全燃焼となるので、ＣＯが発生する。図３１(ｃ)に示すように、操作前は、ボイラ出口におけるO２濃度が低くなっており、これが原因で図３１(ａ)に示すようにＣＯが発生している。そこで、アフタエアポート１０３Ｂから投入する空気の量を増やすことによって、ボイラ出口でO２濃度が低くなる現象を回避し、その結果としてＣＯ濃度を低減した。

知識データベース４００には、図２１に示したフォーマットの情報が保存されており、O２濃度が低いとＣＯが発生し易いといった知識を保存する。図２３のステップ１１３０では、知識データベース４００の前述の知識と、図３１(ｃ)の数値解析結果を比較・照合すると、アフタエアポート１０３Ｂの空気流量を増加すると、O２濃度が低くなることが回避でき、その結果ＣＯ濃度が低減できるということが自動的に分かる。

この分析結果は、画像表示装置６５０に図２８に示した形式で表示される。プラントの操作員は、これらの数値解析結果と分析結果を確認した上で、操作実行の可否を判断できる。もし、数値解析結果および分析結果が信用できないと判断した場合には、このような操作入力をプラントに与えることを防止できる。すなわち、制御装置２００での学習だけでなく、プラント操作員が確認するというステップを導入すると、プラント１００をより安全に運転できる。

また、分析手段３００での分析結果については、人間が数値解析結果や学習結果を分析しても、同様の結果を得ることができる。

しかし、プラント運転中は、操作信号を変更するか否かを瞬時に判断する必要があり、人間が分析している余裕はない。したがって、本発明の制御装置２００に備えられている分析手段３００は、プラントを安全に運転するには、必須の機能である。

火力発電プラントについて分析する際、知識データベース４００は、前述のＣＯに関する知識だけでなく、窒素酸化物(ＮＯｘ)、二酸化炭素、硫化酸化物、水銀、フッ素、煤塵、ミストからなる微粒子類、または揮発性有機化合物の少なくとも１つの量または濃度、さらに、プラント運転効率に関する知識を保存する。

ＮＯｘは、石炭中に含まれる窒素分が反応して生成されるフューエルＮＯｘと、空気中に含まれる窒素分が反応して生成されるサーマルＮＯｘがあり、特にサーマルＮＯｘは、高温領域において発生する。操作信号を変更して、ボイラ出口のＮＯｘが減少した場合、図２３および図３１を用いて説明した場合と同様の方法で、ＮＯｘを低減できた理由を分析できる。すなわち、ボイラ出口におけるＮＯｘ濃度の変化が大きい領域に到達するガス経路におけるガス温度を図３１(ｃ)のように図示し、操作前後のガス温度の最高温度を比較すると、操作後の方が低くなっていたとする。この現象は、操作実行により、ガス温度の上昇を抑制し、サーマルＮＯｘの発生を抑制し、ボイラ出口のＮＯｘを低減できたことを意味する。

本発明のプラント制御装置を用いると、このような分析を自動的に実行できる。

本発明によるプラント制御装置の実施例１の系統構成を示すブロック図である。 本発明によるプラント制御装置における分析手段の構成の一例を示すブロック図である。 本発明によるプラント制御装置における学習根拠分析手段の動作を示すフローチャートである。 本発明によるプラント制御装置における信号分析手段の動作を示すフローチャートである。 本発明によるプラント制御装置における知識データベース更新手段の動作を示すフローチャートである 本発明によるプラント制御装置と接続された画像表示装置に表示される初期画面である。 本発明によるプラント制御装置において、数値解析を実行する際に、画像表示装置に表示される画面である。 本発明によるプラント制御装置において、データベースを参照する際に、画像表示装置に画面である。 本発明によるプラント制御装置において、学習を実行する際に画像表示装置に表示される画面である。 本発明によるプラント制御装置において、操作効果を表示することの有無を選択する際に、画像表示装置に表示される画面である。 本発明によるプラント制御装置の動作を示すフローチャートである。 本発明によるプラント制御装置において、操作実行の可否を決定する際に、画像表示装置に表示される画面である。 本発明を適用すべき火力発電プラントの系統構成の一例を示す図である。 火力発電プラントにおけるエアヒーターおよび配管の構成を示す図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、計測信号および操作信号データベースに保存されている情報の態様を示す図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、解析条件を入力する際に、画像表示装置に表示される画面である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、数値解析結果データベースに保存されている情報の態様を示す図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、数値解析結果データベースに保存されている情報の態様を示す図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、モデルの構築方法を説明する図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、学習情報データベースに保存されている情報の態様を示す図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、知識データベースに保存されている情報の態様を示す図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、分析結果データベースに保存されている情報の態様を示す図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、学習根拠分析手段の一手段の動作を示すフローチャートである。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、信号分析手段を構成する操作信号評価機能の一手段の動作を示すフローチャートである。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、信号分析手段を構成する計測信号評価機能の一手段の動作を示すフローチャートである。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、知識データベース更新手段を構成する知識修正機能の一手段の動作を示すフローチャートである。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、知識データベース更新手段を構成する知識追加機能の一手段の動作を示すフローチャートである。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、操作実行の可否を決定する際に、画像表示装置に表示される画面である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、プラント改造の効果を評価する際に、画像表示装置に表示される画面である。 火力発電プラントを構成するボイラの数値解析結果におけるボイラ出口ＣＯ濃度の分布図である。 本発明によるプラント制御装置を火力発電プラントに適用した場合において、操作前と操作後の数値解析結果を比較する様子を説明する図である。

符号の説明

１００ プラント
２００ 制御装置
２０１ 外部入力インターフェイス
２０２ 外部出力インターフェイス
２１０ 計測信号データベース
２２０ 数値解析実行手段
２３０ モデル
２４０ 数値解析結果データベース
２５０ 操作信号データベース
２６０ 学習手段
２７０ 学習情報データベース
２８０ 操作信号生成手段
２９０ 制御ロジックデータベース
３００ 分析手段
４００ 知識データベース
５００ 分析結果データベース
６００ 外部入力装置
６０１ キーボード
６０２ マウス
６１０ 保守ツール
６２０ 外部入力インターフェイス
６３０ データ送受信処理手段
６４０ 外部出力インターフェイス
６５０ 画像表示装置

Claims (11)

1. プラントの運転状態量の計測信号を用いてプラントに与える操作信号を算出する操作信号生成手段を有するプラント制御装置において、
   前記プラント制御装置が、過去の計測信号を保存する計測信号データベースと、過去の操作信号を保存する操作信号データベースと、プラントの運転特性を解析する数値解析実行手段と、前記数値解析実行手段を動作させて得られる数値解析結果を保存する数値解析結果データベースと、前記数値解析結果データベースの情報を用いてプラントに操作信号を与えた時の計測信号の値を推定するモデルと、前記モデルを用いてプラントの操作方法を学習する学習手段と、前記学習手段で得られた学習情報を保存する学習情報データベースと、前記操作信号生成手段で操作信号の導出に使用する情報を保存する制御ロジックデータベースと、プラントの運転特性に関する知識を保存する知識データベースと、前記知識データベースと前記学習情報データベースと前記操作信号データベース分析手段と前記計測信号データベースの情報を用いて前記数値解析結果データベースの情報を処理する分析手段と、前記分析手段で分析した結果を保存する分析結果データベースとを備え、
   前記分析手段が、前記学習手段で学習した操作方法の妥当性を評価する学習根拠分析手段と、操作信号をプラントに与えた場合の効果と異常な計測信号の有無とを評価する信号分析手段と、前記知識データベースの情報を追加または修正する知識データベース更新手段の少なくとも１つを含む
   ことを特徴とするプラント制御装置。
2. 請求項１に記載のプラント制御装置において、
   前記学習根拠分析手段が、運用条件の初期値を設定する手段と、前記運用条件における操作信号変更幅を前記学習情報データベースから抽出する手段と、前記運用条件および操作信号変更後の運用条件に対応する２通りの数値解析結果を前記数値解析結果データベースから抽出する手段と、前記２通りの数値解析結果を比較しその差異が前記知識データベースの知識で説明できるか否かを判断する判断手段と、前記判断手段において前記知識データベースの知識で２通りの数値解析結果の差異を説明できる場合には該当する数値解析結果と知識を前記分析結果データベースに保存する手段とからなることを特徴とするプラント制御装置。
3. 請求項１に記載のプラント制御装置において、
   前記信号分析手段が、操作信号評価機能ブロックおよび計測信号評価機能ブロックの少なくとも１つの機能ブロックを有し、
   前記操作信号評価機能ブロックは、操作信号を変更する前後の操作信号を前記操作信号データベースから抽出する手段と、２通りの操作入力に対応する２通りの数値解析結果を前記数値解析結果データベースから抽出する手段と、前記２通りの数値解析結果の違いを説明可能な知識を前記知識データベースから抽出する手段と、抽出した知識および数値解析結果を前記分析結果データベースに保存する手段とからなり、
   前記計測信号評価機能ブロックは、現在の操作信号を前記操作信号データベースから抽出する手段と、操作信号に対応する数値解析結果を前記数値解析結果データベースから抽出する手段と、現在の計測信号の値と数値解析結果を比較する手段と、現在の計測信号の値と数値解析結果との偏差が閾値より大きい場合に偏差が大きくなっている理由を示す知識を前記知識データベースから抽出する手段と、抽出した知識を前記分析結果データベースに保存する手段とからなる
   ことを特徴とするプラント制御装置。
4. 請求項１に記載のプラント制御装置において、
   知識データベース更新手段は、知識評価機能ブロック、知識修正機能ブロック、および知識追加機能ブロックの少なくとも１つの機能ブロックを有し、
   前記知識評価機能ブロックは、知識データベースの知識の利用回数を分析結果データベースから抽出する手段と、知識の利用回数が多くなるほど知識の評価値を大きく計算する手段と、知識の評価値を知識データベースに保存する手段とからなり、
   前記知識修正機能ブロックは、修正の対象とする知識を知識データベースから選択する手段と、数値解析結果データベース、計測信号データベース、および操作信号データベースの情報と矛盾がないように知識を修正する手段と、修正後の知識を知識データベースに保存する手段とからなり、
   前記知識追加機能ブロックは、知識の仮説を生成する手段と、数値解析結果データベース、計測信号データベース、および操作信号データベースの情報を用いて前記仮説の確からしさを評価する手段と、前記評価結果が良好な場合には、前記仮説を知識データベースに保存する手段とからなる
   ことを特徴とするプラント制御装置。
5. 請求項１に記載のプラント制御装置において、
   前記知識データベースは、プラントの運転状態および前記運転状態がプラントの運転性能に与える影響に関する知識と、操作信号を変更して得られる効果に関する事前知識と、計測信号が異常な値となる要因と、この要因を回避する方法に関する知識とを保存する
   ことを特徴とするプラント制御装置。
6. 請求項１ないし５のいずれか一項に記載のプラント制御装置において、
   前記知識データベースに知識の評価値を保存する場合、前記学習根拠分析手段または前記操作根拠分析手段で前記知識データベースの知識を参照する際に、評価値の高い知識から順番に参照する
   ことを特徴とするプラント制御装置。
7. 請求項１ないし５のいずれか一項に記載のプラント制御装置において、
   前記計測信号データベースと前記操作信号データベースと前記制御ロジックデータベースと前記学習情報データベースと前記数値解析結果データベースと前記知識データベースと前記分析結果データベースとの情報を画面に表示する機能ブロックを備えた
   ことを特徴とするプラント制御装置。
8. 請求項７に記載のプラント制御装置において、
   次の操作で入力する操作信号と、前記操作信号をプラントに入力する妥当性について分析した結果とを画面に表示し、前記操作信号をプラントに入力するか否かをプラントの運転員に選択させるメニューを備えた
   ことを特徴とするプラント制御装置。
9. 請求項１に記載のプラント制御装置において、
   前記プラント制御装置を火力プラントに適用し、
   前記知識データベースが、ボイラ内を通過するガスの位置およびその位置におけるガス温度、ガス流速、ガス組成が、窒素酸化物、一酸化炭素、二酸化炭素、硫化酸化物、水銀、フッ素、煤塵、ミストからなる微粒子類、または揮発性有機化合物の少なくとも１つの量、濃度、プラント運転効率などのプラント性能因子に与える影響に関する知識を保存する
   ことを特徴とするプラント制御装置。
10. プラントの運転状態量の計測信号を用いてプラントに与える操作信号を算出する操作信号生成手段を有するプラント制御装置において、
    プラントの特性を数値計算する数値解析実行手段と、
    前記数値解析実行手段の数値解析結果に基づいて構築されるモデルを対象にプラントが所望の運転状態になるための操作信号の生成方法を学習する学習手段と、
    前記数値解析結果と物理的知識とに基づいて、学習結果に従って操作信号を変更する効果を分析する分析手段とを備えた
    ことを特徴とするプラント制御装置。
11. 請求項１０に記載のプラント制御装置において、
    前記プラントが、火力発電プラントであり、
    前記所望の運転状態が、少なくとも火力発電プラントから排出される一酸化炭素または窒素酸化物の濃度が低い状態であり、
    前記物理的知識が、酸素濃度が低い領域における一酸化炭素の発生、または高温雰囲気における窒素酸化物の発生であり、
    前記分析手段が、操作信号が変更される前と後との数値解析結果において、ボイラ出口の一酸化炭素または窒素酸化物の濃度分布の変化が大きい領域に到達するガス経路における数値解析結果と、前記物理的知識とを比較する
    ことを特徴とするプラント制御装置。

Images