JP2011059779A - プラント制御装置とプラント制御方法 - Google Patents

Abstract

【課題】 実績ある従来のモデル式を活かし、品質管理における信頼性を維持しながら、予測精度を向上させるプラント制御装置を提供する。
【解決手段】 入出力関係を汎化した所定のモデル式を用いて、複数の入力データから出力データＲを予測するモデル予測手段１０１と、モデル予測手段１０１からの出力データＲを近似データＲ´に補正するＧＭＤＨ補正手段１０２と、を備え、ＧＭＤＨ補正手段１０２は、入力データからＧＭＤＨ手法を用いて補正値を推定する構成としてある。
【選択図】 図２

Description

本発明は、入力変数を操作して出力変数を所定の値に維持するプラントの制御装置と制御方法に関し、特に、非線形特性を有する制御対象において、入力データから出力データを予測して、入力変数を操作するプラント制御装置とプラント制御方法に関する。

プラントでは、プラントに流入、流出するエネルギーや原料などの入力変数を制御して、圧力、温度、液レベル、流量、組成などの出力変数を所定の値に誘導し維持することによって、所望する量と質の製品を製造することが行われている。
例えば、ガソリンを製造するプラントにおいては、原油を蒸留した基材留分を脱硫、接触分解、接触改質等により精製するとともに、精製して得られた複数種類のガソリン基材を、所定の混合比率でブレンドして所望の性状を有する製品ガソリンを製造する。この場合は、製品ガソリンの有する性状が出力変数であり、所定の混合比率を入力変数として操作することで、製品ガソリンの品質を維持するようになっている。

出力変数となる性状にはオクタン価も含まれ、ガソリン基材をブレンドする製品ラインでは、各ガソリン基材のオクタン価と、それらの混合比率に基づいて製品ガソリンのオクタン価を予測し、この予測結果に応じて各基材の混合比率を調節することで、所望のオクタン価を有する製品ガソリンが製造されるようになっている。

製品ガソリンのオクタン価の予測は、経験則に基づいて構築されたモデル式によって行われる。
このモデル式には、ガソリン基材のオクタン価とその混合比率とを加重平均する加重平均モデルや、過去に蓄積した実測データに基づいて、各基材のおもみ係数を決定する線形回帰分析モデルを採用することができる。
ところが、製品ガソリンのオクタン価は、ブレンドする基材の種類、各基材のオクタン価、基材の混合比率によって複雑に変動し、加成性がなく、混合特性は非線形性を有していることが知られているため、上記のような線形性のモデル式では予測可能な入力変数の範囲が限定され、汎化精度の向上が要求されていた。
このようなオクタン価の非線形性に着目して、モデル式にニューラルネットワークを適用した発明が提案されている（例えば、特許文献１）。

特開平８−６６４６号公報

しかしながら、このような製品ガソリンの性状管理を含めた品質管理では、信頼性が重視され、長年の経験に基づいて成立しているため、新規な手法の導入に対しては製品保証の観点から保守的にならざるを得ない。そのため、信頼性を獲得し、実績ある従来のモデル式を活かしつつ、オクタン価の非線形性を補完する手法が望まれていた。

本発明は、上述したような問題を解決するために提案されたものであり、従来のモデル式で算出される出力データを、非線形近似能力に優れたＧＭＤＨ手法により算出される補正値で補正することで、従来のモデル式を尊重しつつ、制御対象の非線形特性を補完するプラント制御装置とプラント制御方法の提供を目的とする。

上記目的を達成するため、本発明のプラント制御装置は、入出力関係を汎化した所定のモデル式を用いて、複数の入力データから出力データを予測する予測手段と、前記予測手段からの前記出力データを補正する補正手段と、を備え、前記補正手段は、前記入力データからＧＭＤＨ手法を用いて補正値を推定する構成としてある。

また、本発明のプラント制御方法は、入出力関係を汎化した所定のモデル式を用いて、複数の入力データから出力データを予測する第一のステップと、前記予測手段からの前記出力データを補正する第二のステップと、を有し、第二のステップは、前記入力データからＧＭＤＨ手法を用いて補正値を推定するステップを含むプラント制御方法となっている。

本発明のプラント制御装置とプラント制御方法によれば、実績のある従来のモデル式を活かしつつ、制御対象の非線形特性を補完するので、品質管理における信頼性を維持しながら、予測精度を向上させることができる。

本発明の一実施形態に係る制御装置を備えるガソリン製造プラントの構成を示す概略図である。 本発明の一実施形態に係る制御装置のブロック図である。 本発明の一実施形態に係る予測手段を構成するモデル式を示す説明図である。 本発明の一実施形態に係るＧＭＤＨの構成を模式的に示す説明図である。 本発明の一実施形態に係るＧＭＤＨの部分多項式の構成を模式的に示す説明図である。

以下、本発明に係るプラント制御装置とプラント制御方法の好ましい実施形態について、図１〜５を参照して説明する。

本実施形態に係る制御装置１０を備えるガソリン製造プラント１は、性状の異なる複数のガソリン基材１〜ｍを混合してガソリンを製造するプラントとして構成されている。
具体的には、ガソリン製造プラント１は、図１に示すように、原油を蒸留して、基材留分を抽出するとともに、この基材留分を脱硫、接触分解、接触改質等により精製する工程を経て得られた各ガソリン基材１〜ｍを貯留するタンク２と、これらの基材１〜ｍを混合するブレンド装置７（インラインブレンダ）と、タンク２からブレンド装置７に基材１〜ｍを送出するポンプ４と、混合した製品ガソリンを貯留するタンク９と、を備えている。

また、タンク２とブレンド装置７間の各流路には、タンク２から流出する各基材１〜ｍの性状を測定する基材性状分析計３と、ブレンド装置７に流入する各基材１〜ｍの流量を測定する流量計５と、各基材１〜ｍの流路を開閉するコントロールバルブ６とが設けられ、ブレンド装置７とタンク９間の流路には、タンク９に流入する製品ガソリンの性状を測定する製品性状分析計８が設けられている。

制御装置１０は、コンピュータを備える情報処理装置であり、基材性状分析計３、ポンプ４、流量計５、コントロールバルブ６、製品性状分析計８などと接続され、基材性状分析計３、流量計５、製品性状分析計８から入力される基材性状、基材流量、製品性状に基づいて、設定した品質（目標製品性状）の製品ガソリンが得られるように、コントロールバルブ６の開度を制御して、各基材１〜ｍの混合比率を調整する、いわゆるＤＣＳ（Ｄｉｓｔｒｉｂｕｔｅｄ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ）として構成されている。

また、制御装置１０は、図２に示すように、製品ガソリンの性状を予測する複数の予測部１０ａ，１０ｂ・・・と、所定の制約条件に基づいて最適混合比率を探索してコントロールバルブ６を制御する最適化制御手段１０８と、を備えている。
予測部１０ａは、製品ガソリンのオクタン価、予測部１０ｂは、製品ガソリンの比重（ＤＥＮ）、図示しないその他の予測部では、例えば、リード蒸気圧（ＲＶＰ）等の製品ガソリンのその他の性状を予測するようになっている。
以下、本実施形態では、オクタン価を予測する予測部１０ａについて詳述する。
なお、オクタン価には、ＭＯＮ（モータ法オクタン価）やＲＯＮ（リサーチ法オクタン価）等の種々の基準があるが、ＲＯＮを採用することにする。

予測部１０ａは、演算手段１００と、モデル予測手段１０１と、ＧＭＤＨ補正手段１０２と、出力切替手段１０３と、位相調整手段１０４と、フィルター手段と、比較手段１０５，１０７と、を備えている。
演算手段１００は、流量計５から入力される各基材流量に基づいて各基材の混合比率を算出する。具体的には、演算手段１００は、各基材流量を合計し、この合計値に対する各基材流量の占める比率から各基材の混合比率を算出する。

モデル予測手段１０１は、本発明の予測手段の一例であり、演算手段１００で算出された各基材の混合比率を入力データとして、所定のモデル式を用いてブレンド装置７で混合された製品ガソリンのオクタン価を予測し、予測データを出力する。このオクタン価を予測するモデル式を図３に示す。

図３に示すように、モデル式は、各基材１〜ｍのＲＯＮと、各基材1〜ｍの混合比率Ｘが入力されることで、製品ガソリンのＲＯＮ_ｍｉｘ（予測オクタン価Ｒ）を出力する。
モデル式としては、同図に示すように、各基材のＲＯＮと混合比率Ｘとの加重平均により、製品ガソリンのオクタン価ＲＯＮ_ｍｉｘを算出する加重平均モデル１０１ａと、各基材のＲＯＮと混合比率Ｘとの関係を指数関数で表したインデックスモデル１０１ｂと、が設けられている。
これらのモデル式は、製品ガソリンのオクタン価を予測する近似式として従来から採用され、品質管理上の信頼を獲得している。

加重平均モデル１０１ａは、入力データと出力データとが比例関係を有している場合に適している。
一方、インデックスモデル１０１ｂは、入力データと出力データとが指数関数的な関係を有する場合に適している。このインデックスモデル１０１ｂにおける係数Ｋ_１〜Ｋ_３は、過去の実測データから線形回帰分析によって求めた基材毎の重み係数である。

予測対象となる製品ガソリンのオクタン価は、混合させる基材の種類、各基材のオクタン価、混合比率によって複雑に変動し、加成性がなく、混合特性は非線形性を有している。このような非線形特性を有するオクタン価を予測する場合において、加重平均モデル１０１ａは、入力データと出力データとが比例関係を有する一部の入出力範囲のみ適用可能であるものの、幅広い入出力範囲を汎化する近似式としてはあまり実用的ではない。
そこで、本実施形態では、インデックスモデル１０１ｂをモデル予測手段１０１として適用し、このインデックスモデル１０１ｂに、予め定められた各基材１〜ｍのＲＯＮと、流量計５で測定された流量から演算手段１００により求められる各基材1〜ｍの混合比率Ｘを入力して、製品ガソリンのＲＯＮ_ｍｉｘ（予測オクタン価Ｒ）を出力する。

ＧＭＤＨ補正手段１０２は、本発明の補正手段の一例であり、種子の品種改良を模した発見的モデリング手法で、入出力データの関係を予測するＧＭＤＨ（Ｇｒｏｕｐ Ｍｅｔｈｏｄ Ｄａｔａ Ｈａｎｄｌｉｎｇ）１０２ａを備えている。
ＧＭＤＨ１０２ａは、図４に示すように、Ｎ−Ａｄａｌｉｎｅ（以下、ＮＡＤ）と称される部分多項式を階層的に組合せ、非線形モデル式を構築するもので、複数の入力データのうちどの入力データが出力データに密接に関係するかを評価できない場合に適した予測モデルとして知られており、例えば、「日本ファジィ学会誌 vol.17,No2,pp.270-274(1995)」や、「システムと制御 vol.23,No12,pp.710-717(1979)」に詳しく解説されている。
本実施形態で採用するＧＭＤＨは、パーセプトロン型のＧＭＤＨであり、予め蓄積した実測データに基づいて構築されたものである。以下に、その構築手法について、簡単に説明する。

例えば、ｍ個の入力変数ｘ_１〜ｘ_ｍと、この入力変数に対する出力変数ｙと、からなるＮ組の実測データ（ｘ_１〜ｘ_ｍ，ｙ）×Ｎを、モデル構築用の実測データとして予め用意する。
そして、このＮ組の実測データを学習用データと評価用データとに分ける。
このときの分け方として、実測データを、データの並び順に学習用データと評価用データを交互に分けたり、乱数を用いて無作為に分けることもできる。

次に、学習用データを用いて、第一階層において、ｍ個の入力変数ｘ_１〜ｘ_ｍの中から２つの入力変数を無作為に取り出し、図５に示す構成からなる部分多項式ＮＡＤを生成する。
具体的には、次式（数式１）に示す部分多項式
ｚ_ｋ＝ｗ_０ｋｘ_ｐ＋ｗ_１ｋｘ_ｐ ^２＋ｗ_２ｋｘ_ｐｘ_ｑ＋ｗ_３ｋｘ_ｑ ^２＋ｗ_４ｋｘ_ｑ＋ｗ_５・・・（数式１）
を生成する。
ここで、ｚは中間変数、ｐ，ｑ＝１〜ｍ、ｗ_０〜ｗ_５は係数であり、ｚ_ｋは、ｋ番目の部分多項式の出力を示している。
数式１にｘ_ｐ，ｘ_ｑに対応する学習用データを代入して、そのとき出力される中間変数ｚ_ｋと出力変数ｙ（実測データ）との二乗誤差和が最小となるように、ｗ_０〜ｗ_５を回帰分析により決定する。そして、第一階層における全ての部分多項式ＮＡＤの係数ｗ_０〜ｗ_５を決定する。

次に、評価用データを用いて、生成した部分多項式ＮＡＤを評価する。
具体的には、生成した部分多項式ＮＡＤに評価用データを代入し、出力変数ｙ（実測データ）と中間変数ｚ_ｋとの二乗誤差和を算出するとともに、この値が小さい部分多項式ＮＡＤを残し、残りの部分多項式ＮＡＤを捨てる取捨選択を行う。
そして、残った部分多項式ＮＡＤの中間変数ｚ_ｋを次の第二層における入力変数とみなし、以後、部分多項式ＮＡＤの生成と評価・取捨を進めながら階層を積み上げ、出力変数ｙとある部分多項式ＮＡＤの中間変数ｚ_ｋとの二乗誤差和が前階層の二乗誤差和を上回ったときに進化の成長を止め、ＧＭＤＨの構築を終了する。

ＧＭＤＨ１０２ａは、このように階層的に積み上げられた部分多項式ＮＡＤの組合せで構成され、第一階層にある各部分多項式ＮＡＤに、未学習の入力データＸ_１〜Ｘ_ｍを入力するとともに、各部分多項式ＮＡＤから出力される中間データＺ_ｋを、さらに、上位層にある各部分多項式ＮＡＤに入力することを繰り返し、最高階層の部分多項式ＮＡＤから出力されるものが、未学習の入力データに対する出力データＹとなる。

本実施形態に係るＧＭＤＨ１０２ａは、以下のように構築する。
まず、オクタン価既知の基材１〜ｍを混合したＮ組（例えば、５００）の混合試料を作り、各混合試料における基材の混合比率ｘ_１〜ｘ_ｍと、この混合試料の実測オクタン価ｒとを予め求めておく。
そして、混合比率ｘ_１〜ｘ_ｍと、この混合比率ｘ_１〜ｘ_ｍをインデックスモデル１０１ｂに入力して得られる予測オクタン価Ｒに対する混合試料の実測オクタン価ｒが占める比率ｙ（＝ｒ／Ｒ）を、Ｎ組（例えば、５００）の実測データ（ｘ_１〜ｘ_ｍ，ｙ）×Ｎとし、この実測データに基づいてＧＭＤＨ１０２ａの構築を試みる。

具体的には、この実測データ（５００）を、学習用データ（３００）と評価用データ（２００）とに分け、上述の手法に基づいてＧＭＤＨを構築する。この際には、過学習とならないように、低階層域（例えば、３〜４階層）で構築する。
このようにして構築されたＧＭＤＨ１０２ａは、混合される基材同士の干渉により生じる混合特性の非線形性が加味されたものとなっている。
そして、このＧＭＤＨ１０２ａに、演算手段１００により算出される、流量計６で測定された流量に基づく各基材の混合比率Ｘ_１〜Ｘ_ｍ（未学習データ）を入力することで、インデックスモデル１０１ｂから出力される予測オクタン価Ｒを実測データに近似させるための補正値（比率Ｙ）が出力されることになる。

すなわち、ＧＭＤＨ補正手段１０２は、各基材の混合比率をインデックスモデル１０１ｂに入力して得られる予測オクタン価Ｒに、同じ各基材の混合比率をＧＭＤＨ１０２ａに入力して得られる補正値（比率Ｙ）を乗じることで、予測オクタン価Ｒを、近似オクタン価Ｒ´に補正するようになっている。
このようにして得られる近似オクタン価Ｒ´は、制御対象の非線形特性が加味されたものとなり、信頼性を獲得し、実績のある従来のモデル式による予測を尊重しつつ、制御対象の非線形特性を補完したものとなっている。
なお、補正値Ｙは、インデックスモデル１０１ｂから得られる予測オクタン価Ｒに対する実測オクタン価ｒが占める比率から求めたが、これらの差分から求めることもできる。この場合には、予測オクタン価Ｒに、補正値（差分Ｙ）を加算することで、近似オクタン価Ｒ´に補正することができる。

出力切替手段１０３は、選択手段の一例であり、出力する予測データを、インデックスモデル１０１ｂから出力される予測オクタン価Ｒか、ＧＭＤＨ補正手段１０２から出力される近似オクタン価Ｒ´かのいずれかを選択して出力する。
出力切替手段１０３は、例えば、基材性状分析計３及び流量計５から入力される各基材性状と各基材流量の入力データを監視し、この入力データが所定の数値範囲であれば、インデックスモデル１０１ｂから出力される予測オクタン価Ｒを選択し、これ以外のときは、ＧＭＤＨ補正手段１０２から出力される近似オクタン価Ｒ´を選択する。

このように出力切替手段１０３を設けることで、予測データを、制御対象の入出力特性に応じて、従来のモデル式からの出力データ、又はＧＭＤＨ１０２ａで補正した出力データのいずれかに選択することができる。
また、過去の実績を重視するのであれば、従来モデル式からの出力データを選択し、制御対象の非線形特性を重視するのであれば、従来モデル式を活かしつつ、ＧＭＤＨ１０２ａで補正した出力データを選択することもできるので、適用可能な制御対象の範囲を拡張することができる。

位相調整手段１０４と、フィルター手段１０６と、比較手段１０５，１０７は、出力切替手段１０３で選択した予測データの位相を、基材性状分析計８から入力される製品性状の位相に合わせて、予測データと製品性状との誤差を求めるとともに、予測データにその誤差を含めて最適化制御手段１０８に出力する。
基材性状分析計３と製品性状分析計８は、簡易な蒸留点分析計や、エンジンを用いたＲＯＮ分析計からなり、サンプリングから測定値の出力までに遅れ時間が存在し（例えば、１０分〜１５分）、その間に製品性状が変動してしまう。
そこで、予測データの位相を製品性状の位相に合わせ、比較手段１０５でその誤差を求めるとともに、フィルター手段１０６（確率近似フィルター）で、誤差のばたつきを抑え、さらに、比較手段１０７において、予測データに求めた誤差を含めて最適化制御手段１０８に出力する。
ここで出力されるテータは、予測データと測定値との誤差をバイアスとして加えたものであるため、予測データと測定値との位相差、製品性状分析計８による測定時間の遅れが解消され、制御性能を高めることができる。

最適化制御手段１０８は、各予測部１０ａ、１０ｂ・・・から出力された予測データと所定の制約条件に基づいて最適化計算を行い、制約条件に合致する混合比率を探索し、コントロールバルブ６の開度を制御する。
制約条件には、目標製品性状（オクタン価ＲＯＮ、比重ＤＥＮ、リード蒸気圧ＲＶＰ）のほか、製造コストも含まれる。最適化制御手段１０８では、目標製品性状を満足する混合比率を探索するとともに、制約条件下において、製品価格が最も安価となる混合比率を最適化計算により繰り返し探索する。

このように構成された本実施形態のガソリン製造プラント１は、以下に示す手順で製品ガソリンを製造する。
制御装置１０は、各ポンプ４を駆動させるとともに、目標製品性状となる開度に各コントロールバルブ６を開閉し、各タンク２からブレンド装置７に基材１〜ｍを供給する。ブレンド装置７で混合された基材１〜ｍは、製品ガソリンとしてタンク９に貯留される。
この際に、制御装置１０は、演算手段１００により流量計６から入力される各基材１〜ｍの流量に基づいて各基材１〜ｍの混合比率を算出し、この混合比率をモデル予測手段１０１とＧＭＤＨ補正手段１０２に入力する。

モデル予測手段１０１は、入力された混合比率と予め定められた基材オクタン価ＲＯＮとから予測オクタン価Ｒを出力する（第一ステップ）。
また、ＧＭＤＨ補正手段１０２は、この混合比率をＧＭＤＨ１０２ａに入力して補正値Ｙを算出し、予測オクタン価Ｒに補正値（比率Ｙ）を乗じた近似オクタン価Ｒ´を出力する（第二ステップ）。
出力切替手段１０３は、基材性状分析計３から入力される各基材性状や、流量計５から入力される各基材流量に応じて、予測オクタン価Ｒ又は近似オクタン価Ｒ´のいずれかを予測データとして選択する。
制御装置１０は、この選択した予測データと製品性状とを比較し、最も安価なコストで目標製品性状の製品ガソリンが得られるように、最適化計算を行い、各コントロールバルブ６の開度を調整する。

以上のように本実施形態に係るガソリン製造プラント１を制御する制御装置１０とその制御方法によれば、実績のある従来のモデル式を活かしつつ、制御対象の非線形特性を補完するので、品質管理における信頼性を維持しながら、予測精度を向上させることができる。

以上、本発明のプラント制御装置とプラント制御方法の好ましい実施形態について説明したが、本発明に係るプラント制御装置とプラント制御方法は上述した実施形態にのみ限定されるものではなく、本発明の範囲で種々の変更実施が可能であることはいうまでもない。

例えば、本実施形態では、混合ガソリンのオクタン価を予測したが、ポリマーの特性（メルトインデックス）、接触改質装置のＲＯＮ予測、接触改質装置のトータルアロマ、ＦＣＣ装置のガソリンＲＯＮ予測、灯油のフラッシュポイント、ナフサのＲＶＰ（リード蒸気圧）、脱硫装置の出口硫黄濃度予測などに広く適用できる。

本発明は、既存のモデル式に基づいて出力変数を予測し、入力変数を制御する制御対象に広く利用することができる。

１ ガソリン製造プラント
２ タンク（基材）
３ 基材性状分析計
４ ポンプ
５ 流量計
６ コントロールバルブ
７ ブレンド装置
８ 製品性状分析計
９ タンク（製品）
１０ 制御装置
１０ａ，１０ｂ 予測部
１００ 演算手段
１０１ モデル予測手段（予測手段）
１０１ａ 加重平均モデル
１０１ｂ インデックスモデル
１０２ ＧＭＤＨ補正手段（補正手段）
１０２ａ ＧＭＤＨ
１０３ 出力切替手段（選択手段）

Claims (5)

1. 入出力関係を汎化した所定のモデル式を用いて、複数の入力データから出力データを予測する予測手段と、
   前記予測手段からの前記出力データを補正する補正手段と、を備え、
   前記補正手段は、前記入力データからＧＭＤＨ手法を用いて補正値を推定することを特徴とするプラント制御装置。
2. 前記入力データは、オクタン価が異なる複数のガソリン基材の混合比率であり、前記出力データは、前記複数のガソリン基材を混合した混合ガソリンのオクタン価である請求項１記載のプラント制御装置。
3. 前記所定のモデル式を、指数モデル式とした請求項１又は２記載のプラント制御装置。
4. 前記出力データ、又は、前記補正手段で補正された前記出力データのいずれか選択して予測出力データとする選択手段を備えた請求項１〜３のいずれか一項に記載のプラント制御装置。
5. 入出力関係を汎化した所定のモデル式を用いて、複数の入力データから出力データを予測する第一のステップと、
   前記予測手段からの前記出力データを補正する第二のステップと、を有し、
   第二のステップは、前記入力データからＧＭＤＨ手法を用いて補正値を推定するステップを含むことを特徴とするプラント制御方法。

Images