JP2011013954A

JP2011013954A - プラント最適運転計画装置

Info

Publication number: JP2011013954A
Application number: JP2009157806A
Authority: JP
Inventors: Mitsutaka Fukuzawa; 充孝福沢
Original assignee: Yokogawa Electric Corp
Current assignee: Yokogawa Electric Corp
Priority date: 2009-07-02
Filing date: 2009-07-02
Publication date: 2011-01-20

Abstract

【課題】長期間の需要負荷を推定する予測モデルを構築する機能を有し、より精度の高い次年度のエネルギーシミュレーションを行い、プラントの低コストおよび省エネルギーにも貢献するプラント最適運転計画装置を実現すること。
【解決手段】プラントモデルを用いてプラントの運転計画を立案するプラント最適運転計画装置において、前記プラントの状況をリアルタイムに取得する取得部と、前記プラントの稼働あるいは非稼動設定を入力するイベント入力部と、前記プラントの需要予測計算あるいは実績収集に必要な設定を行う需要予測定義部と、この需要予測定義部で自動的に予測した需要を実行する需要予測部と、前記取得部により取得された前記状況と前記需要予測定義部で定義された需要定義をプラントモデルに当てはめることにより、プラントの運転計画をリアルタイムに作成する需要予測部と、前記需要予測部により作成された運転計画を提示する計画提示部とを備えることを特徴とする。
【選択図】図１

Description

本発明は、プラント最適運転計画装置に関し、詳しくは、低コストおよび省エネルギーを目的とした最適運転計画の導出に関する。

第１種、第２種エネルギー管理工場などの大規模なエネルギープラントでは、省エネルギー法の改正により、エネルギー源単位の削減計画を立てることが毎年必要となる必須業務であり、エネルギーを効率的に使用することはもはや企業の使命といっても過言ではない。

本発明の出願人は、プラントモデルを用いてプラントの運転計画を立案する計画立案システムとして、特許文献１に記載されているように、プラントの状況をリアルタイムに取得する取得手段と、前記取得手段により取得された前記状況をプラントモデルに当てはめることにより、プラントの運転計画をリアルタイムに作成する計画作成手段と、前記計画作成手段により作成された運転計画を提示する計画提示手段とを備えたものを提案している。

この計画立案システムによれば、プラントの状況をリアルタイムに取得し、取得されたプラントの状況に基づいてプラントの運転計画をリアルタイムに作成するので、連続制御システムに対応した計画立案を実行できる。

図７は、特許文献１に記載されている従来のプラント最適運転計画装置の一例を示す機能的ブロック図である。プラントモデルを構築するモデル構築部１と、パラメータに関する各種定義を実行するパラメータ定義部２と、ネットワーク定義情報ファイル３を生成するネットワーク定義情報出力部４と、プラントモデルを読み込むとともに半固定パラメータ定義ファイル５を生成するモデル／パラメータ出力部６と、変動パラメータ定義ファイル７を生成する変動パラメータ定義部８と、出力情報定義ファイル９を生成する出力情報定義部１０と、最適運動計画を算出し算出結果を解情報ファイル１１に出力する最適運転計画導出部１２と、最適運転計画導出部１２における算出結果を表示する結果表示部１３と、運転評価を実行する運転評価部１４と、解情報ファイル１１から最適運転計画導出部１２における算出結果を出力する出力部１５と、プラント情報システム３１からプラントデータを取得するプラントデータ取得部１６と、ユーザの操作を受け付けるユーザインターフェイス１７を備えている。

プラントデータ測定部３２は、プラントを制御するプラント制御システムのデータ（タグデータ）を予め決められた収集周期で自動収集する。プラント情報システム３１は、プラントデータ測定部３２で収集されたデータを、分締め、時締め、月締め、年締めなどの締め処理を行い、数年間にわたりロギングする機能を有する。

これらの機能から生成した各種データを最適運転計画導出部１２に取り込んで所望の計画を得ている。一般的に最適運転計画を導出するためには、図７のような機能によりプラントの数学モデルを立て、何らかの最適化手法を用いてプラント設備の１日単位（１時間または３０分間隔で）の最適な運転パターンを導出する手法が用いられている。

特開２００７−１２２２３１号公報

ところで、日々の運転改善には１日単位の最適運転計画が適しているが、設備メンテナンスやエネルギー削減などの計画を検討するためには年度単位の検討が必要となる。

しかし、従来のプラント最適運転計画装置は、ほとんどが日々の設備の運転制御に基づいたものであり、メンテナンスなど各種のイベントを取り込んだ長期間に渡る最適な運転計画やそのエネルギー削減効果をシミュレーションできるものではなかったという問題がある。

また、従来から、過去の実績に基づいて最適運転計画を立案するソフトウエアが提案されているが、一定期間先の需要負荷推定計算に基づいて最適な設備運転計画を立案する機能は組み込まれていない。

さらに、次年度の計画は、本年度の需要負荷、あるいは次年度の生産計画などに基づいて決まることが多いが、天候にも大きく左右されるため過去の需要データが参考にならない場合が多いという問題もある。

本発明は、これらの問題点を解決するものであり、その目的は、長期間の需要負荷を推定するための予測モデルを構築する機能を有し、より精度の高い次年度のエネルギーシミュレーションが行えるようにするとともに、プラントの低コストおよび省エネルギーにも貢献するプラント最適運転計画装置を実現することにある。

このような課題を達成するために、本発明のうち請求項１記載の発明は、
プラントモデルを用いてプラントの運転計画を立案するプラント最適運転計画装置において、
前記プラントの状況をリアルタイムに取得する取得部と、
前記プラントの稼働あるいは非稼動設定を入力するイベント入力部と、
前記プラントの需要予測計算あるいは実績収集に必要な設定を行う需要予測定義部と、
この需要予測定義部で自動的に予測した需要を実行する需要予測部と、
前記取得部により取得された前記状況と前記需要予測定義部で定義された需要定義をプラントモデルに当てはめることにより、プラントの運転計画をリアルタイムに作成する需要予測部と、
前記需要予測部により作成された運転計画を提示する計画提示部と
を備えることを特徴とする。

請求項２は、請求項１記載のプラント最適運転計画装置において、
前記需要予測部は、過去の実績データおよび気象、あるいは曜日、イベントを考慮して、目標需要計画を計算することを特徴とする。

請求項３は、請求項１または２記載のプラント最適運転計画装置において、
前記需要予測部は、
目標需要とする季節、あるいは年間を含む長期間にわたる１日単位の最適運転を計算することを特徴とする。

このように構成することにより、季節別あるいは１年間にわたる長期間の将来需要予測に基づく最適運転の計算が可能になる。これにより、プラント設備の運転改善によるエネルギー削減効果をより長期間にわたってシミュレーションすることができるため、プラントの効率的なエネルギー削減、保守費用などに大いに貢献できるプラント最適運転計画装置を実現できる。

本発明に基づくプラント最適運転計画装置を機能的に示すブロック図である。図１のプラント最適運転計画装置の動作手順の一例を示すフローチャートである。ＰＬＳを用いた予測モデルの構築手順の一例を示すフローチャートである。パレット上の表示例を示す図である。設定パラメータシートの表示例を示す図である。実績と最適運転計画の差異を表現した運転評価画面の表示例を示す図である。従来のプラント最適運転計画装置の一例を示す機能的ブロック図である。

以下本発明を、図面を用いて詳細に説明する。図１は本発明に基づくプラント最適運転計画装置を機能的に示すブロック図であり、図７と共通する部分には同一の符号を付けている。

図１と図７の相違点は、図７の構成に、イベントファイル２２を生成するイベント入力部２３と、入力定義ファイル２４と需要定義情報ファイル２５を生成する需要予測定義部２６と、需要予測を自動的に実行する需要予測自動実行部２７と、需要予測自動実行部２７から自動的に需要予測データが出力される需要予測実行部２８とを付加している点にある。

図２は本発明のプラント最適運転計画装置の動作手順を示すフローチャートである。

図２の動作手順は、ユーザに対し、モデルプログラムの作成や最適運転計画立案などのためのツールを提供する。このツールは、プラントモデルおよび最適化のためのプログラムを構築するための一連の作業を汎用ソフトのインターフェイス上で行うことができる統合開発環境ツールとして機能する。また、本ツールには、プラントモデルの開発のみでなく、連続制御システムでの適用の際には必須となる入出力定義のエンジニアリングを簡便に行う仕組みが設けられている。

図２のステップＳ１では、需要予測定義を作成する。まず、需要予測定義部２６では、目標となる需要予測計算あるいは実績収集に必要な設定を行う。また、カレンダー機能を備えていて、以下の項目を設定する機能を有している。
（１）曜日設定
（２）季節設定
（３）予測項目
（４）予測期間
（５）予測計算／実績収集選択
（６）学習日数
（７）気象設定

（１）曜日設定機能は、ユーザに合わせて、平日、休日、休日前、休日後、特異日、非稼働日などの曜日特性を定義する。休日前は休日の前日を、休日後は休日の次の日を、特異日は通常と異なる運転を行う日をいう。

（２）季節設定機能は、各月の季節設定を定義し、春季、夏季、秋季、冬季のほかに中間季を設定する。たとえば、春季および秋季をまとめて中間季として設定できる。これらの設定は、ステップＳ５で行われる需要予測計算に用いる予測因子の学習データの選別に使用される。

（３）予測項目機能は、需要を予測する項目であり、たとえば電力、冷熱、蒸気などを定義する。

（４）予測期間機能は、予測を行う期間を決定し、日または月から選択する。日を選択する場合はカレンダー機能から対象日を選択し、月を選択する場合は計算を開始する月および対象期間を選択する。たとえば、計算を開始する月では年月を指定し、対象期間では１月から１２月の間で最大12ヶ月分を指定できるため、年間需要を求めることもできる。

（５）予測計算あるいは実績収集選択機能は、予測計算を行うか、過去の実績値で代用するかを選択する。すなわち、需要予測を計算から求めるのではなく、過去の実績値を用いることもできる。実績値を選択する場合は、プラント情報データベースに実績値が格納されている期間を指定する。予測計算を行うための需要予測エンジンは、アルゴリズム毎にカセット化ＤＬＬ（Dynamic Link Library）されており、複数の手法から選択できる。

（６）学習日数機能は、予測モデルを作成する場合の学習日数を指定する。予測計算に用いられるデータは、需要を予測したい日毎に、学習期間内の一番近い同じ曜日や同じ季節のデータから学習日数分を抽出したデータである。

（７）気象設定機能は、気象に関連した予測を行う。たとえば、１日分について１時間単位の予測を立てる場合、あるいはある一定期間の１日単位の予測を立てる場合においても、予測を立てる時の気象情報、たとえば、気温、湿度などが必要となる。

需要予測定義部２６では、予測したい日の気象情報の取得が難しいため、予測当日の気象を仮想的に定義できる。また、需要予測定義部２６は、過去データの中から「１日分の予測」は過去日、あるいは登録パターンから選択し、「一定期間の予測」は（４）の予測期間機能で指定された期間の前年同期のデータに修正を加える機能を有している。具体的には、１日の最低、あるいは最高気温や平均湿度にそれぞれ任意の値を付加でき、予測期間の仮想的な気象情報、たとえば最低あるいは最高気温や平均湿度を定義できる。これらの設定は、需要予測定義部２６から生成される需要定義情報ファイル２５に格納される。

次に、ステップＳ２では、入力タグ定義を作成する。需要予測定義部２６は、予測項目毎に以下を定義する。
（１）学習データタグ
（２）実績データタグ
（３）気象データタグ
（４）出力データタグ

（１）学習データタグは、需要予測計算に用いる予測因子名とこれに該当するプラント情報データベースに格納されている実績タグ名を定義する。

（２）実績データタグは、予測する需要タグ名を指定し、プラント情報データベースに格納されている実績需要タグ名を定義する。たとえば、予測値の代わりに実績値を用いる場合にも、予測項目で指定されているタグが使用される。

（３）気象データタグは、温度および湿度データの実績タグ名を定義する。また、気象予報値があれば、気象予報値を受信し格納しているタグ名を定義する。

（４）出力データタグは、計算された予測および計画値をプラント情報システム３1へ格納するためのタグ名を指定する。また、タグはステップＳ１の需要予測定義作成時の定義内容に従って決めておく必要がある。つまり、予測の長さに併せて取得するタグ情報を定義する。これらの情報は、入出力タグ情報ファイルに格納される。

そして、ステップＳ３では、実績値を収集する。需要予測実行、つまりユーザインタフェイス１７より需要予測計算実行の指示を行う。まず、プラントデータ取得部１６が、需要定義情報ファイル２５、入出力タグ情報ファイルを参照し、必要な期間のタグ情報をプラント情報システム３１から取得して需要予測実行部２８に出力する。需要予測実行部２８に必要な期間のタグ情報が入力されると、需要予測定義作成の定義に従って処理が分かれる。

ステップＳ４では、需要の予測計算実行をする場合はステップＳ５へ進み、需要の予測計算実行をしない場合はステップＳ１３へ進む。

ステップＳ５では、予測モデル作成を行う。ステップＳ１の需要予測定義作成の定義により未来の需要予測値を計算によって求める場合は、需要予測実行部２８で予測モデルが作成される。需要予測実行部２８では、ステップＳ１の需要予測定義作成の予測期間の定義によって予測モデルが異なる。予測期間が１日、つまり２４時間であれば時刻別予測モデル、月であれば日別予測モデル、１日の積算需要量を予測するモデルが構築される。

また、予測モデル作成のアルゴリズムは、ＰＣＲ（Principal Component Regression)、ＰＬＳ（Partial Least Squares）などの回帰アルゴリズムまたはニューラルネットワークなどでもよい。

ＰＣＲ（Principal Component Regression)とは主成分分析で得られた成分のスコアを説明変数として重回帰式を算出する方法であり、ＰＬＳ（Partial Least Squares）とは目的変数を説明変数の線形モデルで表現する方法であるが、説明変数を直接使うわけではなく、主成分分析により説明変数から特徴抽出を行った潜在変数を用いてモデル化を行う方法である。

図３は，ＰＬＳを用いた予測モデルの構築手順フローを示す図である。プラントデータ取得部１６により、収集された予測因子の学習データ（説明変数）および過去需要データ（目的変数）から、予測当日と同じ季節、あるいは同じ曜日に該当する正常データを抽出する。すなわち、過去の需要データは、時刻別モデルの場合は1時間の積算値であり、日別モデルの場合は1日の積算需要値である。同様にして、気象データは時刻別モデルの場合は1時間の瞬時値、日別モデルの場合は最高あるいは最低気温や平均湿度が用いられる。このように抽出された学習データセットをX、過去需要データセットをｙとする。

まず、ステップＳ１では、プラントデータ取得部１６により、収集された予測因子の学習データ（説明変数）および過去需要データ（目的変数）から、予測当日と同じ季節、あるいは同じ曜日に該当する正常データを抽出した学習データセットXおよび過去需要データセットｙのスケーリング（データ標準化）を行う。

ステップＳ２では、第１ＰＬＳ成分モデルをａ＝１とする。

ステップＳ３では、第１ＰＬＳ成分モデル（ａ＝１）を得るために重みベクトルｗ_ａを次式により求める。

次に、ステップＳ４では、潜在変数ｔを次式により求める。

続いて、ステップＳ５では、ローディングベクトルｐ_ａと係数ｑ_ａを次式により求める。

これにより、ステップＳ６では、ローディングベクトルｐ_ａと係数ｑ_ａについての第１ＰＬＳ回帰式計算を行う。

ステップＳ７では、第１ＰＬＳ成分モデル導出を行い、次式で表すことができる。

ステップＳ８では、ＰＬＳ成分の次成分計算を行うかどうかを判断し、次成分計算を行わない場合は終了し、次成分計算を行う場合はステップＳ９へ進む。

ステップＳ９では、ＰＬＳ成分の次成分、本実施例では第２ＰＬＳ成分の計算を行う場合、ａ＝ａ＋１として、ステップＳ３へ戻り、ステップＳ３〜ステップＳ８の処理を繰り返す。

成分数の決定には色々な方法があるが、寄与率が一定値以上（たとえば８０％以上）になった場合に終了するなどの方法が考えられる。

最終的にＰＬＳ回帰式からの推定値Ｙは、次式より得られる。

このようにして、得られる推定値は一定期間先の予測、つまり日別モデルであれば、精度はあまり高くないが想定される気候を反映した予測値を導出できる。

図２に戻り、ステップＳ６では、計画対象需要を確定する。実績値振り替え処理、または予測モデル作成の処理により、最適運転計画を立案する計画対象の需要が確定される。

ステップＳ７では、エネルギーフローを作成する。

新規オブジェクト登録の場合、モデル構築部１のインターフェイスを用いて、機器オブジェクトの特性モデルをモデル記述言語で記述し、オブジェクト毎にモデルフォルダに保存する。このファイルの集合体がモデルライブラリ１８である。このモデルライブラリ１８は、機能別、目的別などの種別で管理でき、必要に応じてモデル構築部１に呼び出して再利用できる。

また、新規の制約条件を追加する場合、モデル構築部１のインターフェイスを用いて、プラント固有の制約条件や複数オブジェクト間に跨る制約条件、たとえば、優先順位、増段、運転制約などを定められたフォーマットで関数化し、雛形ファイルに登録する。この集合体が制約条件ライブラリ１９である。この制約条件ライブラリ１９を利用するためのインターフェイスもモデル構築部１に設けられ、開発済みの制約条件はこのインターフェイス起動時に自動的に感知され、使用可能となる。このインターフェイスから所望の制約条件を呼び出して、何度でも再利用できる。

ここでは、モデル構築部１のためのインターフェイスとして、グラフィックスソフトウエア、たとえばMicrosoft-Visio（登録商標）を使用する。モデル構築部１は部品ステンシル、パレットおよびマクロプログラムを用いたインターフェイスを構成する。モデルライブラリ１８内のモデルは部品ステンシル上に表示され、活用される。この部品ステンシルには、
（１）機器オブジェクト（発電機、ボイラ、熱源機器など）
（２）コネクタオブジェクト（電気、蒸気、水など）
（３）ノードオブジェクト（コネクタの集積、分岐用）
（４）ソースオブジェクト（エネルギーの供給元）
（５）デマンドオブジェクト（エネルギー需要先）
（６）条件定義オブジェクト（制約条件の生成／登録／選択）
（７）パレット（ページ）間コネクタオブジェクト（複数ページ間の橋渡し機能）
などが用意されている。

図４はパレット上の表示例を示す図である。ユーザは部品ステンシルから望みのオブジェクト（機器オブジェクト４１、ノードオブジェクト４２、ソースオブジェクト４３）などを選択し、図４に示すように、パレット４４上に配置する。次にオブジェクト間の配管（配線）などをコネクタオブジェクト４５により結合させる。これを繰り返して、模擬的なプラント構成をパレット４４上に表現する。また、パレット４４（ページ）間コネクタにより、大規模プラントへの対応も可能となる。また、複数パレット４４を用いることで、温水、冷水などの配管ライン別の記述が可能となり、可読性の高いプロセス記述が可能となる。

制約条件ライブラリ１９を活用する場合は、条件定義オブジェクトをパレット４４上に配置し、適用するオブジェクト間を専用オブジェクト、たとえば条件コネクタなどで結線する。条件定義オブジェクトをダブルクリックすることにより起動される画面から、対象オブジェクトおよび制約条件を選択する。これにより、結線されたオブジェクト（たとえば図４では、機器オブジェクト４１とノードオブジェクト４２）間に制約条件を当てはめることが可能となる。また、パレット４４上の表示画面では、図示していないが、新規条件の登録を行うエディタ起動や画面再表示を行うボタンが用意されている。これらの機能を利用して、対象となるプラントのエネルギーフローを作成する。

図２に戻り、ステップＳ８では、設備パラメータを設定する。

図５は設定パラメータシートの表示例を示す図である。パラメータ定義部２のためのインターフェイスとして汎用表計算ソフトウエア、たとえばMicrosoft-Excel（登録商標）を使用する。パラメータ定義部２は、パラメータ入力シートとマクロプログラムを用いたインターフェイスを構成する。モデル構築部１において、機器、ソース、デマンドの各オブジェクトがユーザの指示によりパレット４４へ配置されたタイミングで、配置されたオブジェクトのパラメータ入力シートが自動的に作成される。すなわち、モデル構築部１から消去されたオブジェクトの入力シートは、自動的に削除される。また、図５では、モデル構築部１において、ユーザが機器としてガスエンジンコージェネ５１をパレット４４へ配置した場合の設定パラメータシートの表示例である。

また、オブジェクトのパラメータ入力シートには、各オブジェクトに必要となるパラメータ入力欄５２だけではなく、最適運転計画導出部１２から得られる出力結果を表示するための表示欄も設けられている。このパラメータ入力シートに必要なパラメータの値を入力することで、設備パラメータの定義を行う。

図２に戻り、ステップＳ９では、イベントカレンダーを設定する。イベント入力部２３から設備の稼働、あるいは非稼動設定を設定できる。計画の期間設定に対応して、
・時刻別設定シート（１日計画の場合）
・日別設定シート（月、年単位計画の場合）
が用意されており、ある設備を特定の時間帯に強制的に稼動または非稼動にする計画（１日計画）を立案したり、設備メンテナンスのために特定の期間、設備を非稼動にする計画（月、年単位計画）を立案したりする場合に有効である。

また、設定シートは、インターフェイスとして汎用表計算ソフトウエア、たとえばMicrosoft-Excel（登録商標）を使用する。時刻別設定シートは、各時刻、設備毎に稼動、あるいは非稼動が設定できる入力フォームを持ち、日別設定シートは日毎、設備毎に稼動、あるいは非稼動設定できるカレンダー機能を持っている。設定は、背景色に色を設定することで行う。たとえば稼動の場合は青色、非稼動の場合は赤色として設定できる。これらの情報は、イベントファイル２２にテキスト情報として格納される。

ステップＳ１０では、最適運転計画計算を実行する。ユーザインターフェイス１７から最適化実行を指示することにより、モデル構築部１とパラメータ定義部２のマクロプログラムを用いて、ネットワーク定義情報出力部４、モデル／パラメータ出力部６、変動パラメータ定義部８、出力情報定義部１０を実現し、それぞれの部からネットワーク定義情報ファイル３、半固定パラメータ定義ファイル５、変動パラメータ定義ファイル７、出力情報定義ファイル９およびこれらのファイルを読み込んで動作するモデルプログラムを生成する。この一連の処理はユーザがモデル構築部１あるいはパラメータ定義部２のメニューを操作することにより行われる。

各ファイルの内容を下記に示す。
（１）ネットワーク定義情報ファイル３（パレット４４上に記述された機器間の接続情報を記述したファイル）
（２）半固定パラメータ定義ファイル５（機器の特性値のほか、エネルギーデータ（単価、契約電力量）などの値が定義されている）
（３）変動パラメータ定義ファイル７（プラント情報システム３１のタグから情報を取得するパラメータ（以下、変動パラメータという）の変数名称とタグ名を紐付けしたファイル）
（４）出力情報定義ファイル９（出力結果をプラント情報システム３１のタグへ通知するためのワイヤリング情報ファイル）

プラントデータ取得部１６は、変動パラメータ定義部８によって生成された変動パラメータ定義ファイル７を取得する。さらに、取得した変動パラメータ定義ファイル７に基づいて、プロセス情報システム３１のデータベースから、必要となるタグデータを取得し、モデルプログラム内の変数名とのワイヤリングを規定する変動パラメータデータファイル２０を作成する。

変動パラメータデータファイル２０に格納される情報には、
（１）運転信号、故障信号などのデジタル値
（２）プラント状態量などのアナログ値
（３）需要予測値などのアナログ値（配列）
などがある。

また、モデル構築部１あるいはパラメータ定義部２からユーザ操作により、最適運転計画導出部１２を用いて、最適化計算を行う。上記ネットワーク定義情報ファイル３、半固定パラメータ定義ファイル５、変動パラメータ定義ファイル７、出力情報定義ファイル９についての定義ファイル一式を最適運転計画導出部１２に引き渡して最適解を得る。また、変動パラメータデータファイル２０を読み込み、プラント情報システム３１に格納された最新の情報をリアルタイムに取得し、リアルタイムに最適解を算出することもできる。最適解導出のアルゴリズムとして、整数計画法、逐次二次計画法、混合整数計画法など目的に応じたエンジンを用意することができる。この計算に用いられる最適化の目的として、
（１）運転コスト最小
（２）一次エネルギー消費量最小
（３）ＣＯ_２排出量最小
などがあり、ユーザが目的を上記（１）から（３）のどれか、あるいは組み合わせることにより決定する。すべての計算結果は、解情報ファイル１１として最適運転計画導出部１２より出力される。

出力部１５は、出力情報定義部９により出力される出力情報定義ファイル９および最適運転計画導出部１２より出力された解情報ファイル１１を読み込んで、プラント情報システム３１の所定の出力先へ出力結果を書き込む。これにより、プラント情報システム３１における最適化計算の結果が更新される。

また、出力部１５は、デバック用に整形した出力結果をデバックファイル２１に残す。

ステップＳ１１では、最適計画立案が成功しない場合はステップＳ７へ戻り、ステップＳ７〜ステップＳ１０の処理を繰り返す。最適計画立案が成功する場合はステップＳ１２へ進む。

ステップＳ１２では、計画を評価する。運転評価部１４は、プラント情報システム３１に書き込まれた予測結果、最適運転結果を各種の指標、たとえばエネルギー消費量、コスト、ＣＯ_２排出量、システム効率などから分析する。一方、実績評価はプラント情報データベースから必要な実績値を取り出して、実績値から同様の指標の評価値を計算する。

図６は実績と最適運転計画の差異を表現した運転評価画面の表示例図である。運転評価部１４と実績評価部での値を並べて比較し、その差分（最適運転との効果分）をユーザのインターフェイスで提供する。

たとえばモデル構築部１で機器として冷温水発生機Ｎｏ.１からＮｏ.３のオブジェクトを選択した場合、表示領域６１には、選択したそれぞれの冷温水発生機Ｎｏ.１からＮｏ.３について、最適運転計画に対する実測値が１日２４時間に分けて表示される。また、運転評価部１４において、プラント情報システム３１に書き込まれた予測結果、最適運転結果をエネルギーコスト、ＣＯ_２排出量、原油換算量のそれぞれの指標について分析した結果を棒グラフ６２で表示している。たとえば、計画を青色で表し、実測を緑色で色分けして表示してもよい。

図６では、運転評価したい日付は選択ボタン６３をクリックすると選択でき、表示ボタン６４をクリックすると条件設定したデータを表示できる。また、運転条件を変更したい場合は、運転条件変更ボタン６５をクリックし任意の条件を設置でき、再計算ボタン６６をクリックすると変更した運転条件で計算される。さらに、現在の計画と保存した計画とを比較したい場合、現在の計画と保存した計画とを比較ボタン６７をクリックして選択することで比較できる。

また、図６の画面左側には、運転計画ボタン６８、運転評価ボタン６９、カレンダー設定ボタン７０、閉じるボタン７１が設けられている。図示していないが、運転計画ボタン６８をクリックすると運転計画ができる画面が表示され、運転評価ボタン６９をクリックすると運転評価画面が表示され、カレンダー設定ボタン７０をクリックすると計画したい日付を設定できる画面が表示できる。さらに、閉じるボタン７１をクリックすると、図６の実績と最適運転計画の差異を表現した運転評価画面が閉じられる。

なお、実績と最適運転計画の差異を表現した運転評価画面表示は、Microsoft-Excel（登録商標）でも、ＷＥＢ画面で表示してもよい。

図２に戻り、ステップＳ１３では、実績値振り替え処理を行う。ステップＳ１の需要予測定義作成での定義により、需要予測値を計算によって推定するのではなく、需要予測値として実績値を用いる。つまり、過去の需要負荷を用いたシミュレーションを行う場合は実績値振り替え処理を行う。まず、プラントデータ取得部１６が入出力タグ情報ファイルを参照し、入出力タグ情報ファイルに基づいて収集した実績値を需要予測計算エンジンに引き渡して予測値と実績値が等しいとして、再度プラントデータ取得部１６によりプラント情報システム３１へ書き込む。そして、ステップＳ５へ進み、ステップＳ５〜ステップＳ１２の処理を行う。

以上説明したように、本発明によれば、従来の１時簡単位、1日分の最適運転計画だけでなく、季節別あるいは１年間にわたる長期間の最適運転の計算を予測に基づいて導出することが可能になる機能を付加することで、プラント設備の運転改善によるエネルギー削減効果をより長期間にわたってシミュレーションすることができるため、低コストおよび省エネルギーで運用できるプラント最適運転計画装置を実現できる。

２２イベントファイル
２３イベント入力部
２４入力定義ファイル
２５需要定義情報ファイル
２６需要予測定義部
２７需要予測自動実行部
２８需要予測実行部

Claims

プラントモデルを用いてプラントの運転計画を立案するプラント最適運転計画装置において、
前記プラントの状況をリアルタイムに取得する取得部と、
前記プラントの稼働あるいは非稼動設定を入力するイベント入力部と、
前記プラントの需要予測計算あるいは実績収集に必要な設定を行う需要予測定義部と、
この需要予測定義部で自動的に予測した需要を実行する需要予測部と、
前記取得部により取得された前記状況と前記需要予測定義部で定義された需要定義をプラントモデルに当てはめることにより、プラントの運転計画をリアルタイムに作成する需要予測部と、
前記需要予測部により作成された運転計画を提示する計画提示部と
を備えることを特徴とするプラント最適運転計画装置。
前記需要予測部は、
過去の実績データおよび気象、あるいは曜日、イベントを考慮して、目標需要計画を計算することを特徴とする請求項１記載のプラント最適運転計画装置。
前記需要予測部は、
目標需要とする季節、あるいは年間を含む長期間にわたる１日単位の最適運転を計算することを特徴とする請求項１または２記載のプラント最適運転計画装置。