JP2008241220A - ボイラの制御装置、及び制御方法 - Google Patents

Abstract

【課題】
複数あるバーナーから投入される微粉炭流量に偏差がある場合に、ボイラの排ガス中の一酸化炭素を低減すること。
【解決手段】
バーナーに供給する燃料の流量をバーナー毎に計測する計測器を有し、計測器で計測した計測値に基づいて、燃料流量の流量パターンを生成するパターン化手段と、パターン化手段で生成したパターン情報に基づいて、バーナー又は、エアポートに供給する空気流量を計算する操作信号生成手段を備えるボイラの制御装置。
【選択図】図１

Description

本発明は、ボイラの制御装置、及び制御方法に係る。

燃料に石炭を用いて発電する火力発電プラントにおいては、一酸化炭素（ＣＯ），窒素酸化物（ＮＯｘ）などの環境負荷物質の排出量低減が求められている。

このような背景から、ＣＯ、及びＮＯｘを低減するようなバーナー，エアポートの構造が提案されている。例えば、特開２００５−２７３９７３号公報には、低ＮＯｘ化を達成するバーナーの構造、特開２００６−１６２１８５号公報には、ＮＯｘとＣＯを同時に低減するエアポートの構造が記載されている。

特開２００５−２７３９７３号公報，特開２００６−１６２１８５号公報のいずれも技術も、石炭の燃焼方法として２段燃焼を採用している。この燃焼方法は、バーナーから供給する石炭を空気不足の状態で燃焼させた後、完全燃焼用の空気をエアポートから供給する方法である。

バーナー、及びエアポートから供給する空気流量を操作する制御技術として、特開平５−３３９０６号公報に記載されている方法がある。特開平５−３３９０６号公報には、ボイラ出口排ガス中の酸素（Ｏ₂ ）濃度の設定値と、計測したＯ₂ 濃度の値が一致するようにバーナー、及びエアポートから供給する空気流量を決定する方法が記載されている。また、この技術を用いることによって、ボイラ排ガス中の未燃分、及びＮＯｘの濃度が規制値を超えない範囲内において、運転費用を低減できることが記載されている。

特開２００５−２７３９７３号公報 特開２００６−１６２１８５号公報 特開平５−３３９０６号公報

一般に、ボイラにはバーナーが複数本配置されている。特開平５−３３９０６号公報には、バーナー部から投入する空気の総量を決定する技術が記載されている。しかし、複数本あるバーナーの空気流量を個別に設定することに関する記述はないため、各バーナーの空気流量は均一とするか、もしくは空気流量の総量を、各バーナーに予め定められた配分に分配することになる。

しかし、微粉炭流量の総量が一定の状態でも、各バーナーに供給される微粉炭流量はバーナー１本毎に均一とならず、時間とともに変動する場合がある。バーナーに供給される微粉炭流量に偏差が生じると、相対的に空気流量が多いバーナーと少ないバーナーが生じる。空気流量が少ないと、微粉炭を完全燃焼できず、これが原因で一酸化炭素が発生する可能性がある。

また、側壁部に配置されたバーナーの微粉炭流量が多くなる場合、あるいは中央部に配置されたバーナーの微粉炭流量が多くなる場合など、微粉炭流量の流量パターンは種々想定される。流量パターンが異なると、ボイラ出口での一酸化酸素濃度も異なる。

本発明の目的は、微粉炭流量の流量パターンを考慮してバーナーから投入する空気流量を決定することによって、一酸化炭素濃度を低減する制御装置を提供することにある。

上記目的を達成するため、ボイラの制御装置は以下の構成とする。燃料と空気をボイラ内に供給する複数本のバーナーと、該バーナーから供給された燃料と空気を燃焼させて生成する燃焼ガスの流れ方向下流側で、この燃焼ガスに空気を供給するエアポートと、前記バーナーとエアポートに供給する空気流量を調整する操作端を有するボイラの制御装置において、前記バーナーに供給する燃料の流量をバーナー毎に計測する計測器を有し、前記計測器で計測した計測値に基づいて、燃料流量の流量パターンを生成するパターン化手段と、前記パターン化手段で生成したパターン情報に基づいて、前記バーナー又は、前記エアポートに供給する空気流量を計算する操作信号生成手段を備える。

本発明によれば、複数あるバーナーから投入される微粉炭流量に偏差がある場合に、ボイラの排ガス中の一酸化炭素を効果的に低減するボイラの制御装置、及びボイラの制御方法が実現できる。

次に、本発明の実施例であるボイラの制御装置について、図面を参照して説明する。

図１は、ボイラの制御装置の実施例の系統構成を示すブロック図である。図１において、火力発電プラント１００は、制御装置２００によって制御される。

制御対象の火力発電プラント１００を制御する制御装置２００には、演算装置としてパターン化手段３００，数値解析実行手段４００，操作信号生成手段５００，学習手段６００，モデル７００，評価値計算手段８００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、パターンデータベース２２０，数値解析結果データベース２３０，操作信号データベース２４０，制御ロジックデータベース２５０，学習情報データベース２６０，プラント情報データベース２７０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、及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、火力発電プラント１００から計測信号１を制御装置２００に取り込み、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５００で生成させる操作信号１７は、操作信号データベース２４０に保存されると供に、外部出力インターフェイス２０２に伝送される。外部出力インターフェイス２０２を通過した操作信号１８は、火力発電プラント１００に伝送される。

数値解析実行手段４００では、火力発電プラント１００の設計情報が保存されているプラント情報データベースのプラント情報１９と、火力発電プラント１００を模擬する物理モデルを用いて、火力発電プラント１００を対象とした数値解析を実行する。火力発電プラント１００を構成するボイラ，バーナー，エアポートの構造、及びバーナー，エアポートに供給する燃料流量、空気流量を境界条件に設定した計算を実行することで、火力発電プラント１００の運転特性を予測する。例えば、数値解析実行手段４００は、ボイラの設計情報が保存されているプラント情報データベースのプラント情報１９と、前記ボイラを模擬する物理モデルを用いて、バーナーに供給する燃料流量又はエアポートに供給する空気流量等のボイラの運用条件と、ボイラの排出ガス中の一酸化炭素濃度，窒素酸化物濃度の少なくとも１つの関係を計算する。数値解析実行手段４００を実行することによって得られた数値解析情報６は、数値解析結果データベース２３０に保存される。

パターン化手段３００では、計測信号データベース２１０に保存されている計測信号データ４、及び数値解析結果データベース２３０に保存されている数値解析データ７を用いて、火力発電プラント１００を構成するバーナーに供給される燃料流量をパターン化する。尚、火力発電プラント１００の構成については、図２、及び図３を用いて後述する。パターン化手段３００で生成したパターン情報５は、パターンデータベース２２０に保存される。

学習手段６００では、モデル７００を対象に、火力発電プラント１００の操作方法を学習する。モデル７００は、火力発電プラント１００の制御特性を模擬する。すなわち、制御装置２００で生成した操作信号１８を火力発電プラント１００に与え、その制御結果である計測信号１を制御装置２００で受信するのと同様に、学習手段６００で生成したモデル入力９をモデル７００に与え、その制御結果であるモデル出力１０を学習手段６００が受信する。モデル７００は、数値解析結果データベース２３０に保存されている数値解析データ８、及び計測信号データベース２１０に保存されている計測信号データ４を用いて、モデル入力９に対応するモデル出力１０を計算する。モデル７００は、例えばニューラルネットワークなどの統計モデルを用いて構築する。モデル７００では、火力発電プラント運転前は、数値解析結果データベース２３０に保存されている数値解析データ８のみを用いてモデル出力１０を計算する。その後、計測信号４を併用して、モデル出力１０を計算する。これにより、数値解析実行手段４００を動作させる際に使用する物理モデルと、火力発電プラント１００の特性が異なる場合は、計測信号データ４を重視してモデル出力１０を計算することで、モデル７００の特性を火力発電プラント１００の特性に近づけることができる。

学習手段６００では、モデル７００で計算されるモデル出力１０が、所望の値となるようなモデル入力９の生成方法を学習する。学習手段６００でモデル入力９の生成方法を学習するための指標として、評価値計算手段８００で計算される評価値１１を用いることができる。評価値計算手段８００では、モデル出力１０が所望の状態であれば評価値１１の値を大きく、所望の状態から離れる程、評価値１１の値を小さくする。

学習手段６００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することによって、構築される。学習手段６００では、評価値計算手段８００で計算される評価値１１が最大となるような操作方法を学習する。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１３は、学習情報データベース２６０に保存されている。また、学習手段６００で学習した結果である学習情報１２は、学習情報データベース２６０に保存される。

操作信号生成手段５００では、計測信号データベース２１０に保存されている計測信号データ３，パターンデータベース２２０に保存されているパターンデータ１６，学習情報データベース２６０に保存されている学習情報データ１４、及び、制御ロジックデータベース２５０に保存されている制御ロジックデータ１５を必要に応じて取得し、これらの情報を用いて、火力発電プラント１００を制御する操作信号１７を生成する。

火力発電プラント１００の運転員は、キーボード９０１とマウス９０２で構成される外部入力装置９００を用いて保守ツール入力信号５１を生成し、この信号を保守ツール９１０に入力することによって、制御装置２００に配置されているデータベースの情報を、画像表示装置９５０に表示できる。

保守ツール９１０は、外部入力インターフェイス９２０，データ送受信部９３０、及び外部出力インターフェイス９４０で構成される。

外部入力装置９００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９２０を介して保守ツール９１０に取り込まれる。保守ツール９１０のデータ送受信部９３０では、保守ツール入力信号５２の情報に従って、制御装置２００に配置されているデータベースからデータベース情報５０を取得する。

データ送受信処理部９３０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９４０に送信する。保守ツール出力信号５４は、画像表示装置９５０に表示される。

尚、上記した実施例の制御装置２００では、計測信号データベース２１０，パターンデータベース２２０，数値解析結果データベース２３０，操作信号データベース２４０，制御ロジックデータベース２５０，学習情報データベース２６０，プラント情報データベース２７０，パターン化手段３００，数値解析実行手段４００，学習手段６００，モデル７００、及び評価値計算手段８００が制御装置２００の内部に配置されているが、これらの全て、あるいは一部を制御装置２００の外部に配置してもよい。

図２は、火力発電プラント１００の概略を示す図である。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、及び燃焼調整用の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。尚、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、エアーヒーター１０４を通過する。エアーヒーター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加熱され、高温高圧の蒸気となる。尚、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、タービンガバーナー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、及び濃度計測器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、及び圧力計測器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、及び圧力を計測する。

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で計測することができる。

尚、一般的には図２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、及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ーヒーター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にて合流し、バーナー１０２の上流側に設置されたミル１１０に導かれる。

エアーヒーター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加熱される。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、及びアフタエアは、ファン１２１から配管１４０に導かれ、エアーヒーター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３は、バーナーに供給される微粉炭と空気の経路を説明する図である。

図３（ａ）に示すように、ボイラ１０１には、バーナーがボイラ１０１の幅方向に複数本配置される。図３（ａ）では、バーナー１０２Ａ，１０２Ｂ，１０２Ｃ，１０２Ｄ，１０２Ｅの５本配置されている例を示しているが、この数は任意である。また、図３（ａ）では、ボイラの高さ方向に、バーナーを一段で配置しているが、複数段配置することもできる。

図３（ｂ）に示すように、各バーナーとミルは、配管１３４Ａ，１３４Ｂ，１３４Ｃ，１３４Ｄ，１３４Ｅで接続される。各配管には、それぞれ微粉炭流量計測器１５５Ａ，１５５Ｂ，１５５Ｃ，１５５Ｄ，１５５Ｅを配置する。これにより、バーナー１０２Ａ，１０２Ｂ，１０２Ｃ，１０２Ｄ，１０２Ｅに投入される微粉炭の流量を全て計測する。計測した信号は、計測信号１として制御装置２００に伝送される。尚、本実施例ではバーナー全てに微粉炭流量計測器を配置しているが、全てのバーナーに配置する必要は必ずしもない。また、数本のバーナーから供給される微粉炭流量を纏めて計測するように、微粉炭流量計測器を配置してもよい。

また、２次空気は、配管１４１を介して各バーナーに供給される。図３（ｂ）に示すように、配管１４１の内部に、エアダンパ１６０Ａ，１６０Ｂ，１６０Ｃ，１６０Ｄ，１６０Ｅが設けられている。各バーナーに供給する２次空気流量の流量は、エアダンパの開度を調整することで、制御できる。エアダンパ開度の指令信号は、制御装置２００から与えられる操作信号１８に含まれる。

制御装置２００は、各バーナーに供給される微粉炭流量の情報を用いて、各バーナーに供給する空気流量を決定する。

図４は、操作信号生成手段５００の系統構成を示すブロック図であり、操作信号１７のうち、各バーナーに供給する空気流量の指令信号（空気ダンパ開度の指令信号）を決定するブロック図である。

操作信号生成手段５００には、演算装置として基準信号生成手段５１０，相対値計算手段５２０，ゲイン設定手段５３０，上下限値設定手段５４０，乗算器５５０，切替器５６０，５６１，一定値生成器５７０，５７１、及び加算器５８０が設けられている。

基準信号生成手段５１０は、バーナー部から投入する総空気流量を計算し、これをプログラム制御によって各バーナーに配分する。基準信号生成手段５１０で基準信号５０１を計算する際、全てのバーナーから投入する空気量が均一となるように計算しても、予め定められたアルゴリズム（プログラム）に従って、各バーナーから投入する空気流量を計算してもよい。

相対値計算手段５２０では、計測器で計測した燃料流量に基づき、バーナー毎に燃料流量の平均値に対する燃料流量の相対値を計算する。例えば、計測信号データ３を用いて、各バーナーの微粉炭流量の相対値５０２を、（１）（２）式に従って計算する。ただし、１＜ｉ＜ｉ_max 、ｉ_max はバーナーの本数、ｒ_i はバーナーｉの微粉炭流量の相対値、ＣＦ_i はバーナーiから投入される微粉炭流量の計測値、及び、ＣＦ_average はバーナーから投入される微粉炭流量の平均値である。

尚、本実施例ではＣＦ_i をバーナーｉから投入される微粉炭流量の計測値としたが、計測値の移動平均計算、あるいはローパスフィルタなどを用いることで、計測信号に含まれているノイズを除去した信号をＣＦ_i とし、このＣＦ_i を用いて計算したｒ_i を相対値５０２とすることもできる。

乗算器５５０では、相対値５０２とゲイン５０９を用いて、（３）式に従って信号５０３を計算する。ただし、（３）式において、ｓ_i は信号５０３、Ｇはゲイン５０９である。

ゲイン５０９は、ゲイン設定手段５３０，一定値生成器５７０，切替器５６０を用いて計算される。

切替器５６０では、ゲイン設定手段５３０で計算されたゲイン候補５０７と、一定値生成器５７０で生成した一定値（α）５０８の２つの入力に対し、ゲイン候補５０７か一定値（α）５０８のいずれか１つの信号を、ゲイン５０９として出力する。尚、一定値生成器５７０で生成する一定値（α）５０８の値は、制御ロジックデータベース２５０を介して、火力発電プラント１００の運転員が、任意に設定できる。

ゲイン設定手段５３０では、計測信号データ３を用いて、ゲイン候補５０７を生成する。ゲイン設定手段５３０では、パターンデータベース２２０に保存されているパターンと、計測信号データ３の類似度を求め、類似度の高いパターンに対する空気流量調整ゲインの値を、学習情報データベース２６０から抽出し、ゲイン候補５０７とする。本実施例では（３）式のようにバーナー毎の相対値に乗じるゲインの値をＧと一定にしているが、ゲインの値をバーナー毎に変更することもできる。尚、パターンデータベース２２０に保存されるパターン，学習情報データベース２６０に保存される情報の詳細は、後述する。

上下限値設定手段５４０では、信号５０３を用いて、（４）式に従って補正信号候補５０４を計算する。ここで、ｔ_i は補正信号候補５０４、ｔ_max は補正信号候補５０４の上限値、及びｔ_min は補正信号候補５０４の下限値である。また、ｔ_max 、及びｔ_min は、火力発電プラント１００の運転員が、任意に設定できる。

切替器５６１では、上下限値設定手段５４０で計算された補正信号候補５０４と、一定
値生成器５７１で生成した一定値（０）５０５の２つの入力に対し、補正信号候補５０４
か一定値（０）５０８のいずれか１つの信号を、補正信号５０６として出力する。一定値
生成器５７１では、ゼロの値を生成する。

加算器５８０では、補正信号５０６と基準信号５０１を加算し、操作信号１７を計算する。切替器５６１を備えている効果により、基準信号５０１と操作信号１７を一致させることができる。

上述の様に、操作信号生成手段５００は、燃料流量のパターンデータ１６に基づいて空気流量調整ゲインＧを決定し、バーナーに供給する燃料流量をバーナー毎に計測した燃料流量に基づき、バーナー毎に燃料流量の平均値に対する燃料流量の相対値を計算し、空気流量調整ゲインＧと相対値に基づいて、バーナーに供給する空気流量Ｓｉを計算する。尚、相対値は相対量でもよいし、相対比率でも良い。

図５は、基準信号５０１，相対値５０２，信号５０３，操作信号１７の一実施例であり、操作信号１７の生成方法を説明する図である。尚、図中Ａ〜Ｅは、バーナーを識別するために設けた符号である。

図５（ａ）に示すように、基準信号生成手段５１０で生成される基準信号５０１は、全てのバーナー同じ値であり、仮にこれを操作信号１７と一致させれば全てのバーナーから供給される空気流量が同じ流量となる。図５（ｂ）に示すように、（１）（２）式を用いて計算される相対値５０２は、各バーナーで異なる。図５（ｂ）は、バーナーＡ，Ｅから供給される微粉炭流量が平均値よりも少なく、バーナーＢ，Ｃ，Ｄから供給される微粉炭流量が平均値よりも多いことを意味する。

図５（ｃ）は、相対値５０２にゲイン５０９を乗じて計算される信号５０３である。信号５０３の全ての値がｔ_min 以上ｔ_max 以下であり、さらに切替器５６１で、補正信号候補５０４を補正信号５０６とした場合、操作信号１７は、図５（ｄ）に示すように、図５（ａ）と図５（ｃ）の値を加算した値となる。

このように操作信号１７を生成することによって、微粉炭流量が多いバーナーには空気を多く供給し、微粉炭流量が少ないバーナーには空気を少なく供給する。尚、本実施例では、パターンに応じてバーナー部から投入する空気流量を調整する方法を記載しているが、パターンに応じてアフタエアポート部から投入する空気流量を調整することもできる。また、バーナー部，アフタエアポート部の両方の空気流量を調整することもできる。

以下では、図４におけるゲイン設定手段５３０で参照するパターンデータベース２２０，学習情報データベース２６０に保存するデータの生成方法、及び、ゲイン候補５０７の生成方法について説明する。

図６は、制御装置２００の動作フローチャート図である。図６に示すように、制御装置２００は、ステップ１０００，１０１０，１０２０，１０３０，１０４０，１０５０，１０６０，１０７０を組み合わせて実行する。以下では、それぞれのステップについて説明する。

まず、ステップ１０００では、数値解析手段４００を動作させ、火力発電プラント１００の数値解析を実施する。この結果得られる数値解析情報６が、数値解析結果データベース２３０に保存される。また、数値解析結果データベース２３０に保存される数値解析データ７が、パターン化手段３００に送られる。詳細は図７等で後述するが、数値解析データ７には、微粉炭流量の流量パターンに関する情報が含まれる。

ステップ１０１０では、学習手段６００，モデル７００，評価値計算手段８００を組み合わせて実行する学習を実施するかどうかについて判定する。学習を実施する場合は、ＹＥＳのルートに進み、実施しない場合はＮＯのルートに進む。

ステップ１０２０では、数値解析結果データベース２３０、及び計測信号データベース２１０に保存さているデータに基づいて、モデル７００を構築する。火力発電プラント１００を運転開始した直後は、計測信号データベース２１０には、データが蓄積されていない。この状況下では、数値解析結果データベース２３０に保存されている数値解析データ８を用いて、モデル７００を構築する。その後、計測データ１を取得し、計測信号データベース２１０にデータが蓄積された場合には、モデル７００と火力発電プラント１００の特性が一致するように、モデル７００を修正する。モデル７００を用いて、火力発電プラント１００から排出されるＣＯ，ＮＯｘ濃度などを予測する。

ステップ１０３０では、学習手段６００，モデル７００，評価値計算手段８００を組み合わせて、火力発電プラント１００の操作方法、すなわち、空気流量調整ゲインの設定方法を学習する。ステップ１０３０で得られた学習情報１２は、学習情報データベース２６０に保存される。

ステップ１０４０では、操作信号生成手段５００を動作させ、操作信号１７を生成し、操作信号を火力発電プラント１００に与える。

ステップ１０５０では、ステップ１０４０で生成した操作信号１７を火力発電プラント１００に与えた結果である計測信号１、及び計測信号２を取得し、計測信号を計測信号データベース２１０に保存する。

ステップ１０６０では、ステップ１０１０で生成した微粉炭流量の流量パターンに、新たなパターンを追加するかどうかを判定する。パターン追加を実施する場合は、ＹＥＳのルートに進み、実施しない場合はＮＯのルートに進む。

ステップ１０７０では、パターン化手段３００を実行し、パターンを追加する。

尚、ステップ１０１０，ステップ１０６０でＹＥＳ／ＮＯのどちらに進むかは、事前に火力発電プラント１００の運転員によって設定することができる。また、学習の性能，パターンの性能について評価し、この評価結果に基づいてＹＥＳ／ＮＯのどちらに進むかを決定することもできる。

以下、図７〜図１０を用いて、図６の要素毎に動作内容を説明する。

図７は、ステップ１０００の詳細を説明する図である。図７（ａ）に示すように、ステップ１０００は、ステップ１００１，１００２，１００３に細分化される。

ステップ１００１では、数値解析実行手段４００を実行するための解析条件を設定する。図７（ｂ）は、解析条件のフォーマットの一実施例である。図７（ｂ）に示すように、バーナーＡ〜Ｅから投入する微粉炭流量と、空気流量調整ゲインを設定する。バーナーＡ〜Ｅから投入する微粉炭流量の流量パターンは、プラント情報データベース２７０に保存されているプラント情報１９を用いて設定する。図７（ｂ）では、微粉炭流量がバーナーＡ〜Ｅに均等に入る場合（Ａ〜Ｅまで全て１６kg／ｓ）と、バーナーＡから投入される微粉炭流量が多く、バーナーＢ〜Ｅから投入される微粉炭流量が少ない場合を例に、記載している。

プラント情報１９には、ミルの１１０の特性を示す特性情報、ミルとバーナーを接続する配管の長さ、ミルとバーナーを接続する配管の曲がり数に関する情報が含まれる。これらの情報の少なくとも一つを用いることで、バーナーＡ〜Ｅとミルを接続する配管の圧損を計算できる。配管の長さが長く、曲がり数が多いと、圧損が大きくなり、バーナーに供給される微粉炭流量が少なくなる可能性がある。例えば、図３（ｂ）のようにミルとバーナーが接続されていることを想定する。図３（ｂ）に示すように、バーナーＡとミルを接続する配管の曲がり数はゼロであるのに対し、バーナーＢ〜Ｅとミルを接続する配管の曲がり数は２である。この場合、バーナーＢ〜Ｅとミルを接続する配管の方が、バーナーＡとミルを接続する配管よりも圧損が大きくなり、通過する微粉炭流量が少なくなる。

このように、プラントの設計情報を用いて、微粉炭流量の流量パターンを複数種類想定し、その流量パターンを解析の境界条件に設定する。

また、空気流量調整ゲインは、図４における乗算器５０のゲイン５０９と同一の意味の値である。図７（ｂ）では、空気流量調整ゲインを０.１〜２.０の範囲で０.１ 刻みに変更させ、解析条件を設定する。空気流量の境界条件は、微粉炭流量の相対値に空気流量調整ゲインを乗じることにより決定する。

ステップ１００２では、ステップ１００１で設定した解析条件に基づいて、数値解析実行手段４００を動作させる。ステップ１００３では、ステップ１００２を実施して得られた数値解析情報６を、数値解析結果データベース２３０に保存する。また、微粉炭流量の流量パターンは、パターン生成手段３００を介してパターンデータベース２２０に保存する。

図８は、モデル７００の構築方法と、学習手段６００の動作内容を説明する図である。図８を用いて、図６におけるステップ１０２０，１０３０の動作内容を説明する。

図８（ａ）は、モデル７００の構築方法を説明する図である。数値解析結果データベース２３０には、パターン毎に、空気流量調整ゲインを変化させた時のＣＯ濃度に関する数値解析結果が保存されている。モデル７００では、この数値解析結果をニューラルネットワーク，スプラインなどの手法を用いて補間することにより、図８（ａ）に示すようなモデルを構築する。このモデル７００を用いることで、空気流量調整ゲインの値に対するＣＯ濃度を推定できる。

尚、図８（ａ）では、空気流量調整ゲインとＣＯ濃度の関係を示しているが、空気流量調整ゲインとＮＯｘ濃度，Ｏ₂ 濃度，未燃分，水銀など、ボイラ特性に関わる項目を、モデル７００を用いて推定することもできる。

図８（ａ）に示すように、微粉炭流量の流量パターンによって、空気流量調整ゲイン変化に対するＣＯ濃度の変化傾向が異なる。図８（ａ）の例では、パターン１では空気流量調整ゲインが０.０〜２.０の範囲では、空気流量調整ゲインが大きいほどＣＯ濃度が低くなるのに対し、パターン２は空気流量調整ゲインが０.８ の場所でＣＯ濃度が最小となる。このように、空気流量調整ゲイン変化に対するＣＯ濃度の変化傾向が、微粉炭流量の流量パターンによって異なるので、ＣＯ濃度を最小とするには微粉炭流量の流量パターン毎に空気流量調整ゲインを設定する必要がある。

学習手段６００では、最適な空気流量調整ゲインの値を微粉炭流量の流量パターン毎に学習する。学習は、評価値計算手段８００で計算される評価値１１を指標に実施する。学習手段６００では、評価値１１が最大となる空気流量調整ゲインの設定方法を学習する。

図８（ｂ）は、評価値計算手段８００で、ＣＯ濃度が低い程評価値が高くなるように計算した場合の空気流量調整ゲインと評価値の関係を説明する図である。尚、評価値計算手段８００では、ＣＯ濃度だけでなく、ＮＯｘ濃度，Ｏ₂ 濃度，未燃分，水銀の値など、ボイラ特性に関わる値を基に、評価値を計算するようにしてもよい。

図８（ｂ）に示すように、評価値が最大となるのは、パターン１では空気流量調整ゲインが２.０の時、パターン２では０.８の時である。学習手段６００では、評価値１１が最大となるように学習するので、パターン１の時は空気流量調整ゲインを２.０ に設定し、パターン２の時は０.８に設定すればよいことを学習する。

図９は、学習情報データベース２６０、及びパターンデータベース２２０に保存されているデータの態様である。図９に示すように、パターンと空気流量調整ゲインを対応させたデータが保存されている。これは、図８（ｂ）で説明した方法で、各パターンに対する空気流量調整ゲインを決定した結果である。この値に従って、ゲイン設定手段５３０では、ゲイン候補５０７を計算する。ステップ１０４０では、操作信号生成手段５００で操作信号１７を生成し、この信号を火力発電プラント１００に与える。これにより、評価値計算手段８００で計算される評価値１１が最大となる操作信号を、火力発電プラント１００に与えることができる。ステップ１０５０では、火力発電プラント１００から計測信号１を取得する。

図１０は、ステップ１０６０の詳細を説明する図である。図１０に示すように、ステップ１０６０は、ステップ１０６１，１０６２，１０６３，１０６４に細分化される。

ステップ１０６１では、計測信号１から、各バーナーに供給される微粉炭流量の計測値情報を抽出し、新しい流量パターンを生成する。ステップ１０６２では、パターンデータベース２２０に保存されている既存のパターンと、ステップ１０６１で生成した新しい流量パターンの類似度を評価する。類似度は、例えば式（５）で求める。ここで、Ｉ_n はｎ番目の既存パターンと新パターンとの類似度、ｎ（１＜ｎ＜ｎ_max ）はパターンデータベース２２０に保存されているパターンの番号、ｎ_max はパターンデータベース２２０に保存されているパターンの総数、ＣＦ_niはパターンデータベース２２０に保存されているパターンにおいてバーナーｉから投入される微粉炭流量の値、ＣＦ_i はバーナーｉから投入される微粉炭流量の計測値である。

ステップ１０６３では、まず、ステップ１０６２で計算した類似度が最も大きいパターンについて、図８（ａ）のモデルで推定したＣＯ濃度値と実測のＣＯ濃度値の誤差を計算する。

ステップ１０６４では、ステップ１０６３で計算した誤差が閾値以下の場合、パターンを追加せず、ステップ１０１０へ進む。この場合、ステップ１０２０に進んだ際に、実測のＣＯ濃度値とモデル７００の特性が一致するように、図８（ａ）のＣＯ特性曲線を修正する。

誤差が閾値以上の場合は、ステップ１０７０に進み、ステップ１０６１で生成した新パターンをパターンデータベース２２０に保存する。その後、ステップ１０００にて、新パターンについて空気流量調整ゲインを変化させた条件で数値解析を実行する。

次に、図１０のフローチャートを用いてパターンを追加することの効果を説明する。

制御装置２００では、微粉炭流量の流量パターンを事前に想定し、その流量パターンについて数値解析を実行する。しかし、バーナーの本数が多く、また、微粉炭流量は連続値であるため、流量パターンは無数に存在する。そのため、全ての流量パターンについて数値解析を実行することは難しい。図７を説明する際に述べたように、プラント情報データベース２７０に保存されている情報を基に流量パターンを設定している。火力発電プラント１００の運転時には、このときに設定した流量パターンとは異なる、新しい流量パターンが生じる可能性がある。新しい流量パターンと既存の流量パターンを比較し、空気流量調整ゲインの変化に対するボイラ特性の変化が同じような場合には、既存の流量パターンの学習結果で新しい流量パターンに対応する。また、新しい流量パターンが既存の流量パターンと特性が異なる場合は、新しい流量パターンに対応した数値解析を実施することで、対応する。この結果、新しい流量パターンを経験すれば、その流量パターンに対する最適な空気流量調整ゲインを設定できる。この結果、火力発電プラント１００から排出されるＣＯを低減できる。

また、制御装置２００を用いることで、ボイラに投入する空気流量を最小化できる。この結果、ファン動力を最小化でき、ボイラで消費する電力を削減できる。また、ボイラのサイズを小さくすることもできる。

図１１は、計測値の時間変化を説明する図である。

微粉炭流量計測器で微粉炭流量を計測するのに計測遅れがある。また、図３に示すように、微粉炭は、微粉炭流量計測器が配置されている場所を通過した後、バーナーに供給され、火炉に導かれる。

計測遅れ時間と微粉炭が微粉炭流量計測器を通過してから火炉に投入されるまでの時間が一致する場合は、計測値と火炉に投入される微粉炭流量値が一致する。しかし、計測遅れ時間より、微粉炭が微粉炭流量計測器を通過してから火炉に投入されるまでの時間が短い場合、図１１（ａ）に示すように、火炉に投入される微粉炭流量よりも、計測値が微粉炭流量値よりも遅れる。逆に、計測遅れ時間より、微粉炭が微粉炭流量計測器を通過してから火炉に投入されるまでの時間が長い場合、図１１（ｂ）に示すように、火炉に投入される微粉炭流量よりも、微粉炭流量値が計測値よりも遅れる。

微粉炭流量計測器１５５とバーナー１０２を接続する配管の長さを微粉炭の流速で除することで、微粉炭が微粉炭流量計測器１５５を通過してから火炉に投入されるまでの時間を計算できる。また、微粉炭流量計測器１５５の計測遅れ時間は事前に把握できる。微粉炭流量計測器１５５とバーナー１０２を接続する配管の長さ，微粉炭の流速，計測遅れ時間の情報を用いることで、計測値と火炉に投入される微粉炭流量値を一致するように、計測値を補正できる。図４の操作信号生成手段５００には図示していないが、操作信号生成手段５００に、上述したように計測信号データ３を処理し、計測値と火炉に投入される微粉炭流量値を一致させる機能である計測値補正手段を持たせることもできる。

また、エアダンパを操作し、空気流量が所望の値と一致するまでには、時間遅れがある。微粉炭流量計測器とバーナーを接続する配管を長くすることで、この時間遅れに伴う制御性能の低下を抑制できる。火力発電プラント１００には、以上述べたことを考慮して微粉炭流量計測器１５５を配置するようにしてもよい。

図１１（ｃ）は、発電出力変化時の出力と微粉炭流量の経時変化である。図１１（ｃ）に示すように、出力変化時は、微粉炭流量の総量変化が大きい。このような場合、図１１（ａ）（ｂ）で述べたような計測値と火炉に投入される微粉炭流量値には、偏差が生じる可能性がある。この影響を補正するため、操作信号生成手段５００に、ミルに供給される微粉炭流量，動力に基づいて、微粉炭流量計測値を補正する機能を持たせることもできる。また、計測する燃料流量の値を補正するため、計測器とバーナーを接続する配管の長さ，微粉炭の流速，計測器の計測遅れ時間の少なくとも一つの情報を用いることができる。また、パターン化手段３００に、ミルに供給される微粉炭流量，動力の情報と、微粉炭流量測定値の関係を評価し、ミルに供給される微粉炭流量，動力の情報と、微粉炭流量の流量パターンの関係を生成する機能を持たせることもできる。

図１２，図１３は、画像表示装置９５０に表示される画面の実施例である。

図１２に示すように、制御装置２００を用いることにより、微粉炭流量計測器１５５Ａ，１５５Ｂ，１５５Ｃ，１５５Ｄ，１５５Ｅで計測した微粉炭流量と、操作信号生成手段５００で計算した空気流量の指令値を同一画面上に表示できる。これにより、火力発電プラント１００の運転状態を容易に把握できる。

尚、微粉炭流量や空気流量についてバーナー毎に表示することにより相対値を把握することもできる。

図１３は、パターン化手段３００を用いて生成されたパターンを図示した例である。

図１３に示すように、パターンの形状と特徴・特性を画面に表示できる。これにより、パターン化手段３００で生成されたパターンを容易に確認できる。

実施例であるボイラの制御装置の系統構成を示すブロック図である。 火力発電プラントの構成の説明図である。 バーナーに供給される微粉炭と空気の経路の説明図である。 操作信号生成手段の系統構成を示すブロック図である。 操作信号の生成方法の説明図である。 実施例におけるボイラの制御装置の動作フローチャート図である。 数値解析実行ステップの説明図である。 モデル構築，学習手段の動作の説明図である。 学習情報データベース、及びパターンデータベースに保存されるデータの説明図である。 パターン追加ステップの説明図である。 計測値の時間変化を説明する図である。 画像表示装置に表示される画面の実施例であり、バーナーに供給される微粉炭流量と空気流量を同一画面上に表示したものである。 画像表示装置に表示される画面の実施例であり、パターンの形状と特徴・特性を画面に表示したものである。

符号の説明

１００ 火力発電プラント
２００ 制御装置
２０１，９２０ 外部入力インターフェイス
２０２，９４０ 外部出力インターフェイス
２１０ 計測信号データベース
２２０ パターンデータベース
２３０ 数値解析結果データベース
２４０ 操作信号データベース
２５０ 制御ロジックデータベース
２６０ 学習情報データベース
２７０ プラント情報データベース
３００ パターン化手段
４００ 数値解析実行手段
５００ 操作信号生成手段
６００ 学習手段
７００ モデル
８００ 評価値計算手段
９００ 外部入力装置
９０１ キーボード
９０２ マウス
９１０ 保守ツール
９３０ データ送受信処理部
９５０ 画像表示装置

Claims (12)

1. 燃料と空気をボイラ内に供給する複数本のバーナーと、該バーナーに供給した燃料と空気を燃焼させて生成する燃焼ガスの流れ方向下流側で、この燃焼ガスに空気を供給するエアポートと、前記バーナーとエアポートに供給する空気流量を調整する操作端と、前記バーナーに供給する燃料の流量を計測する計測器を有するボイラの制御装置において、
   前記計測器で計測した計測値に基づいて、燃料流量の流量パターンを生成するパターン化手段と、
   前記パターン化手段で生成したパターン情報に基づいて、前記バーナー又は、前記エアポートに供給する空気流量を計算する操作信号生成手段
   を備えたことを特徴とするボイラの制御装置。
2. 請求項１に記載のボイラの制御装置において、
   前記操作信号生成手段は、
   前記パターン化手段で生成したパターン情報に基づいて空気流量調整ゲインを決定するゲイン設定手段と、
   前記計測器で計測した燃料流量に基づき、バーナー毎に燃料流量の平均値に対する燃料流量の相対値を計算する相対値計算手段とを有し、
   前記ゲイン設定手段で設定した空気流量調整ゲインと、前記相対値計算手段で計算した相対値に基づいて、前記バーナーに供給する空気流量を計算することを特徴とするボイラの制御装置。
3. 請求項２に記載したボイラの制御装置において、
   ボイラの設計情報が保存されているプラント情報データベースの情報と、前記ボイラを模擬する物理モデルを用いて、ボイラの運用条件と一酸化炭素濃度，窒素酸化物濃度の少なくとも１つの関係を計算する数値解析実行手段と、
   前記数値解析を実施した結果と、前記ボイラの計測値の少なくとも１つを用いて構築する前記ボイラのモデルと、
   前記モデルを対象に一酸化炭素濃度，窒素酸化物の少なくとも１つを低減する操作方法を学習する学習手段と、
   前記ゲイン設定手段では、前記学習手段で学習した結果に基づいて空気流量調整ゲインを決定することを
   特徴とするボイラの制御装置。
4. 請求項３に記載したボイラの制御装置において、
   前記数値解析実行手段では、前記数値解析結果データベース保存されている情報のうち、ミル特性，ミルとバーナーを接続する配管の長さ，ミルとバーナーを接続する配管の曲がり数の少なくとも１つの情報を用いて、微粉炭流量の流量パターンを生成し、生成した微粉炭流量の流量パターンを境界条件に設定して数値解析を実行すること
   を特徴とするボイラの制御装置。
5. 請求項１に記載したボイラの制御装置において、
   前記計測器とバーナーを接続する配管の長さ、微粉炭の流速、前記計測器の計測遅れ時間の少なくとも１つの情報を用いて、前記計測器で計測する燃料流量の値を補正する計測値補正手段を有すること
   を特徴とするボイラの制御装置。
6. 請求項２に記載したボイラの制御装置において、
   バーナー毎の燃料流量計測値と、操作信号生成手段で生成したバーナー毎の空気流量操作信号を、同一画面上に表示するか、もしくは前記パターン化手段で生成した微粉炭流量のパターンを画面に表示する画像表示装置を備えたこと
   を特徴とするボイラの制御装置。
7. 燃料と空気をボイラ内に供給する複数本のバーナーと、該バーナーに供給した燃料と空気を燃焼させて生成する燃焼ガスの流れ方向下流側で、この燃焼ガスに空気を供給するエアポートと、前記バーナーとエアポートに供給する空気流量を調整する操作端を有するボイラの制御方法において、
   前記バーナーに供給する燃料の流量をバーナー毎に計測した結果に基づいて燃料流量の流量パターンを生成し、
   生成したパターン情報に基づいて、前記バーナー又は、前記エアポートに供給する空気流量を計算し、
   前記空気流量に基づいて前記バーナー又は前記エアポートを制御することを特徴とするボイラの制御方法。
8. 請求項７に記載のボイラの制御方法において、
   前記バーナーに供給する空気流量を計算する場合に、
   生成した前記流量パターンに基づいて空気流量調整ゲインを決定し、
   前記バーナーに供給する燃料の流量をバーナー毎に計測した燃料流量に基づき、バーナー毎に燃料流量の平均値に対する燃料流量の相対値を計算し、
   前記空気流量調整ゲインと、前記相対値に基づいて、前記バーナーに供給する空気流量を計算することを特徴とするボイラの制御方法。
9. 請求項８に記載したボイラの制御方法において、
   ボイラの設計情報が保存されているプラント情報データベースの情報と、前記ボイラを模擬する物理モデルを用いて、ボイラの運用条件と一酸化炭素濃度，窒素酸化物濃度の少なくとも１つの関係を計算し、
   前記数値解析を実施した結果と、前記ボイラの計測値の少なくとも１つを用いて前記ボイラのモデルを構築し、
   前記モデルを対象に一酸化炭素濃度，窒素酸化物の少なくとも１つを低減する操作方法を学習し、
   前記学習手段で学習した結果に基づいて前記空気流量調整ゲインを決定することを特徴とするボイラの制御方法。
10. 請求項９に記載したボイラの制御方法において、
    前記バーナーに供給する空気流量を計算する場合に、前記数値解析結果データベース保存されている情報のうち、ミル特性，ミルとバーナーを接続する配管の長さ，ミルとバーナーを接続する配管の曲がり数の少なくとも１つの情報を用いて、微粉炭流量の流量パターンを生成し、生成した微粉炭流量の流量パターンを境界条件に設定して数値解析を実行することを特徴とするボイラの制御方法。
11. 請求項７に記載したボイラの制御方法において、
    前記計測器とバーナーを接続する配管の長さ，微粉炭の流速，前記計測器の計測遅れ時間の少なくとも１つの情報を用いて、前記計測器で計測する燃料流量の値を補正することを特徴とするボイラの制御方法。
12. 請求項８に記載したボイラの制御方法において、
    バーナー毎の燃料流量計測値と、操作信号生成手段で生成したバーナー毎の空気流量操作信号を、同一画面上に表示するか、もしくは前記パターン化手段で生成した微粉炭流量
    のパターンを画面に表示することを特徴とするボイラの制御方法。

Images