JP2017157112A - 制御パラメータ自動調整装置、制御パラメータ自動調整方法、及び制御パラメータ自動調整装置ネットワーク - Google Patents

Abstract

【課題】プラント運用上の制約条件を満たしつつ、目的に応じて制御パラメータを自動的に最適化できると共に、制御パラメータの最適化に要する計算時間を短縮できる制御パラメータ自動調整装置を提供する。
【解決手段】プラント１００の制御装置２００が操作信号２３０を計算する際に用いる制御パラメータを調整する制御パラメータ自動調整装置４００において、前記プラントの動作を模擬するシミュレータ６００と、前記シミュレータを用いて最適な制御パラメータを探索する学習手段５００と、制御パラメータの変化量と前記プラントの状態変化量とを対応付けた知識情報を保存する知識データベース７００とを備え、前記学習手段は、前記知識データベースに保存されている知識情報に基づいて、制御パラメータの探索範囲を決定する探索範囲決定手段５５０を備える。
【選択図】 図１

Description

本発明は、プラント制御に関する。

プラントの制御装置は、プラントで計測した計測信号と制御パラメータとを用いて、プラントを操作するための操作信号を計算する。プラントを所望の特性となるように運転するには、操作信号を計算する際に用いる制御パラメータの設定値を適切に調整する必要がある。制御パラメータが多数存在する場合、所望の特性となる制御パラメータの設定値を手動で探索するのは困難である。そのため、プラントの制御装置には目的に応じて制御パラメータの設定値を自動に最適調整する技術が求められている。

特許文献１には、動特性シミュレータ用いて計算した結果をシミュレーションデータベースに保存し、保存したデータをニューラルネットワークで学習することで、目的に応じた最適解を探索する技術が公開されている。

非特許文献１には、発電プラントの一種であるコンバインドサイクル発電プラントの起動制御において、起動制御装置の制御パラメータの設定値を強化学習理論に基づいて最適調整する技術が公開されている。この技術ではまず、遺伝的アルゴリズムを用いて、起動制約条件を満たす制御パラメータの探索範囲を決定する。そして、決定した制御パラメータの探索範囲内で、適切な制御パラメータの設定値を強化学習を用いて探索している。

特開2009-030476号公報

神谷昭基：強化学習を用いた発電プラント起動スケジューリング,人工知能学会誌,Vol.12,No.6,P837-844(1997/11)

制御目的と制約条件に応じて制御パラメータの設定値を最適調整する技術として、特許文献１に記載のニューラルネットワークを用いた学習アルゴリズムや、非特許文献１に記載の遺伝的アルゴリズムと強化学習とを用いて学習アルゴリズムがある。これらの学習アルゴリズムでは、制御パラメータの最適値を計算する際に、制御対象のモデルを備えたシミュレータを用いて繰り返し計算を行う必要がある。

制御パラメータの最適化に要する計算時間は、制御パラメータの探索範囲に比例する。探索範囲は最適化対象とする制御パラメータの種類数や制御パラメータの設定値の分割数などに応じて指数的に増加するため、制御パラメータの種類数や各制御パラメータの設定値の分割数が多いほど計算時間が増加する。プラント運転の際には、限られた時間で制御パラメータの設定値を調整しなければならない場合もあるため、最適化計算時間が長い場合には、この計算時間を短縮する工夫が必要になる。

制御パラメータの最適化計算時間を短縮する方法として、探索範囲の削減がある。特許文献１では、制御パラメータの設定値の取り得る範囲の全体を探索範囲としており、探索範囲が広い場合に計算時間が長くなる。一方、非特許文献１では、遺伝的アルゴリズムによって起動制約条件を満たす制御パラメータの設定値をシミュレータを用いて探索することで、強化学習の探索範囲を削減している。しかし、シミュレータの計算負荷が大きい場合、探索範囲の削減に時間を要するため、最適化計算時間を短縮できない可能性がある。

本発明は、上記の課題に鑑みてなされたものであり、その目的は、プラント運用上の制約条件を満たしつつ、目的に応じて制御パラメータを自動的に最適化できると共に、制御パラメータの最適化に要する計算時間を短縮できる制御パラメータ自動調整装置又は制御パラメータ自動調整方法を提供することである。

上記課題を解決するために、本発明は、プラントの制御装置がプラントの操作信号を計算する際に用いる制御パラメータを調整する制御パラメータ自動調整装置において、前記プラントの動作を模擬するシミュレータと、前記シミュレータを用いて最適な制御パラメータを探索する学習手段と、制御パラメータの変化量と前記プラントの状態変化量とを対応付けた知識情報を保存する知識データベースとを備え、前記学習手段は、前記知識データベースに保存されている知識情報に基づいて、制御パラメータの探索範囲を決定する探索範囲決定手段を備えたものとする。

本発明によれば、プラント運用上の制約条件を満たしつつ、目的に応じて制御パラメータを自動的に最適化できると共に、制御パラメータの最適化に要する計算時間を短縮できる。

本発明の第１の実施例による制御パラメータ自動調整装置の構成を示すブロック図である。 本発明の第１の実施例による制御パラメータ自動調整装置の動作を示すフローチャートである。 図２に示す「制御パラメータの最適化」の詳細を示すフローチャートである。 図２に示す「探索範囲削減を伴う制御パラメータの最適化」の詳細を示すフローチャートである。 図４に示す「探索範囲決定手段による制御パラメータの探索範囲の削減」の詳細を示すフローチャートである。 本発明の第１の実施例による実機データベースに保存されているデータの態様を示す図である。 本発明の第１の実施例による制御パラメータ評価データベースに保存されているデータの態様を示す図である。 本発明の第１の実施例による知識データベースに保存されているデータの態様を示す図である。 本発明の第１の実施例による事前知識入力画面の一例を示す図である。 本発明の第１の実施例による事前知識入力画面のその他の例を示す図である。 本発明の第１の実施例による探索範囲削減画面のその他の例を示す図である。 本発明の第２の実施例によるプラントの構成を示すブロック図である。 本発明の第２の実施例による制御装置の構成を示すブロック図である。 本発明の第２の実施例による制御パラメータデータベースに保存されているデータの態様を示す図である。 本発明の第３の実施例による制御パラメータ自動調整装置ネットワークの構成を示すブロック図である。

以下、本発明による制御パラメータ自動調整装置の実施例として一般的なプラント、及び発電プラントの制御パラメータを最適化した場合について図面を参照して説明する。

図１は、本発明の第１の実施例による制御パラメータ自動調整装置の構成を示すブロック図である。図１において、制御パラメータ自動調整装置４００は、プラント１００を制御する制御装置２００が、プラント１００に送信する操作信号２３０を計算する際に用いる制御パラメータを調整する装置である。

制御装置２００は、演算装置としての実プラント制御ロジック２１０と、制御パラメータデータベース２２０とを備えている。なお、図中の「ＤＢ」はデータベースの略称である。

実プラント制御ロジック２１０は、プラント１００からの計測信号１１０と、制御パラメータデータベース２２０に保存されている実プラント制御ロジック用制御パラメータ２４０を取り込み、操作信号２３０を計算する。ここで、実プラント制御ロジック用制御パラメータ２４０とは、操作信号２３０を計算するのに用いるパラメータ（例えば、比例積分制御器のゲイン、関数の形状を決定するパラメータ等）の設定値である。

制御パラメータデータベース２２０に保存されている制御パラメータの設定値は、制御パラメータ自動調整装置４００から実プラント用制御パラメータ５６１を取り込むことで更新される。

制御パラメータ自動調整装置４００は、学習手段５００と、シミュレータ６００と、知識データベース７００と、実機データベース８００と、入力インタフェース４１０と、入力インタフェース４２０と、出力インタフェース４３０とを備えている。

制御パラメータ自動調整装置４００は、学習手段５００とシミュレータ６００とを用いて実プラント用制御パラメータ５６１を計算する。

学習手段５００は、シミュレータ６００に対して制御パラメータ５４１を送信する。シミュレータ６００は、制御パラメータ５４１を用いてプラント１００を運転した時の特性をシミュレーション解析し、解析結果としての模擬計測信号６４０を学習手段５００に対して送信する。学習手段５００は、シミュレータ６００から得た模擬計測信号６４０を用いて、プラント運転特性が所望の特性となるように制御パラメータの設定値を調整し、再度制御パラメータ５４１をシミュレータ６００に対して送信する。このように、制御パラメータ自動調整装置４００は、プラント運転のシミュレーション解析と制御パラメータの設定値の調整を繰り返すことにより、制御パラメータの最適値を探索することができる。

シミュレータ６００は、プラント１００を模擬するプラントモデル６２０と、実プラント制御ロジック２１０を模擬するプラント制御ロジック６１０とを備えている。プラント制御ロジック６１０は、学習手段５００で計算した制御パラメータ５４１を入力とし、模擬操作信号６３０をプラントモデル６２０に対して出力する。プラントモデル６２０は、模擬操作信号６３０を用いて模擬計測信号６４０を計算し、学習手段５００に対して出力する。このように、シミュレータ６００で制御パラメータ５４１を繰り返し試すことで、制御パラメータデータベース２２０に対して出力する実プラント用制御パラメータ５６１を最適化する。

最適化の方法としては、強化学習、遺伝的アルゴリズム、ニューラルネットワーク、ベイズ学習、線形計画法などを用いることが可能である。以下では、最適化方法として強化学習を用いた場合について述べる。

学習手段５００は、制御パラメータ評価手段５１０と、制御パラメータ評価データベース更新手段５２０と、制御パラメータ評価データベース５３０と、制御パラメータ決定手段５４０と、実プラント制御パラメータ計算手段５６０とを備えている。

制御パラメータ評価手段５１０は、シミュレータ６００のプラントモデル６２０から模擬計測信号６４０を入力として取得し、制御パラメータ評価データベース更新手段５２０に対して制御パラメータ評価値５１１を出力する。ここで、制御パラメータ評価値５１１とは、制御パラメータ５４１に対する評価値であり、制御パラメータによる目的の達成度合に応じて値が設定される。例えば、目的が運転制約条件の制限値以内でプラント運転することである場合、制限値以内となる制御パラメータの評価値を高く設定し、制限値を超える制御パラメータの評価値を低く設定する。

制御パラメータ評価データベース更新手段５２０は、制御パラメータ評価値５１１と制御パラメータ評価期待値５３１とを用いて、制御パラメータ評価期待更新値５２１を計算する。ここで、制御パラメータ評価期待値５３１とは、制御パラメータ５４１に対する制御パラメータ評価値５１１の期待値であり、制御パラメータ評価期待更新値５２１とは、制御パラメータ評価期待値５３１の更新値である。制御パラメータ評価期待更新値５２１は、制御パラメータ評価値５１１が制御パラメータ評価期待値５３１より値が大きい場合、制御パラメータ評価期待値５３１を上方修正した値となり、制御パラメータ評価値５１１が制御パラメータ評価期待値５３１より値が小さい場合、制御パラメータ評価期待値５３１を上方修正した値となる。

制御パラメータ評価データベース５３０は、制御パラメータ評価データベース更新手段５２０から制御パラメータ評価期待更新値５２１取り込み、保存する。制御パラメータ決定手段５４０は、制御パラメータ評価データベース５３０から制御パラメータ評価期待値５３１を入力として取得し、シミュレータ６００のプラント制御ロジック６１０に対して制御パラメータ５４１を出力する。制御パラメータ決定手段５４０で出力される制御パラメータ５４１は、探索範囲決定手段５５０によって設定された制御パラメータの探索範囲内で設定値が決定される。

探索範囲決定手段５５０は、知識情報７１０を用いて制御パラメータ５４１の選択可能な範囲を決定する。ここで、知識情報７１０とは、制御パラメータ５４１をシミュレータ６００に入力することで、シミュレータ６００から出力される模擬計測信号６４０の予測値である。探索範囲決定手段５５０は、知識情報７１０に基づいて、最適な制御パラメータである可能性がある制御パラメータは探索範囲に加え、最適な制御パラメータである可能性がない制御パラメータを探索範囲から除外する。これにより、制御パラメータの探索範囲が削減されるため、学習時間を短縮することができる。

実プラント制御パラメータ計算手段５６０は、制御パラメータ評価データベース５３０から最適制御パラメータ５３２を入力として取得し、出力インタフェース４３０を介して制御装置２００の制御パラメータデータベース２２０と運転操作室３００の画像表示装置３５０とに対して、実プラント用制御パラメータ５６１、プラントの初期状態に応じた制御パラメータの最適値のデータ、最適化にかかる予測計算時間、経過時間や試行回数に対しての制御パラメータ評価期待値５３１のデータ、経過時間や試行回数に対しての模擬計測信号６４０のデータ、制御パラメータの探索範囲とその増減、又は制御パラメータ自動調整装置４００にある各データベースに保存されている情報のいずれか１つ以上を出力する。ここで、最適制御パラメータ５３２とは、制御パラメータ評価の期待値が最大となる制御パラメータの設定値であり、実プラント用制御パラメータ５６１は、最適制御パラメータ５３２を制御パラメータデータベース２２０が保存できるデータ形式に変換したものである。

知識データベース７００は、制御パラメータ５４１と模擬計測信号６４０とを対応付けたものを知識情報として保存する。また、知識データベース７００は、入力インタフェース４２０を介して入力された知識情報３６０も保存する。

実機データベース８００は、入力インタフェース４１０を介して、プラントから計測信号１１０を取り込む。また、シミュレータ６００に対して運転データ８１０を出力し、プラントモデル６２０の精度を向上させる。

シミュレータ６００は、図示は省略するが、実機データベース８００から取得した運転データ８１０基づいて、プラントモデル６２０のモデル誤差が小さくなるようにプラントモデル６２０を調整する機能を有する。

知識データベース７００に保存される知識情報３６０は、運転操作室３００から出力される。運転操作室３００は、情報入出力計算装置３２０と、情報入力装置としてのキーボード３３０及びマウス３４０と、画像表示装置３５０とを備えている。情報入出力計算装置３２０は、運転員３１０によるキーボード３３０又はマウス３４０の操作に応じて、知識データベース７００に対して知識情報３６０を出力する。

なお、本実施例では、学習手段５００、シミュレータ６００、知識データベース７００、及び実機データベース８００が制御パラメータ自動調整装置４００に搭載されているが、これらの一部を制御パラメータ自動調整装置４００の外に配置して、データのみを送受信する構成としても良い。

図２は、制御パラメータ自動調整装置４００の動作を示すフローチャートである。図２に示すように、本フローチャートは、ステップＳ１〜Ｓ５により構成される。

まず、ステップＳ１では、プラントモデル６２０の精度修正を実施するか否かを判定する。計測信号１１０と模擬計測信号６４０の誤差が運転員３１０によって予め設定された所定の値を超える場合はＹＥＳと判定され、超えない場合はＮＯと判定される。ステップＳ１でＹＥＳと判定された場合はステップＳ２に進み、ＮＯと判定された場合はステップＳ３に進む。計測信号１１０と模擬計測信号６４０の誤差Eは、例えば以下の(1)式で計算する。

ここで、Cpは計測信号の一部であり、Csは模擬計測信号の一部である。ただし、計測信号１１０と模擬計測信号６４０の誤差の計算方法は上記の(1)式に限定されない。

ステップＳ２では、入力インタフェース４１０を介して、プラント１００から計測信号１１０を実機データベース８００取り込む。その後、実機データベース８００はシミュレータ６００に対して運転データ８１０を出力し、プラントモデル６２０を更新することで、プラントモデル６２０とプラント１００の特性を一致させる。

ステップＳ３では、探索範囲決定手段５５０を用いて、制御パラメータの探索範囲を削減する処理を実施するか否かを判定する。具体的には、例えば以下の(2)式で制御パラメータの最適化に要する計算時間を推定し、推定計算時間が運転員３１０によって予め設定された制限時間を超える場合はＹＥＳと判定し、超えない場合はＮＯと判定する。

ここで、Tfは制御パラメータの最適化に要する計算時間、αはゲインなどの定数、Vは探索範囲数、Tsはシミュレータ６００を起動して模擬計測信号６４０を出力するまでに要する１回の解析時間である。ステップＳ３でＹＥＳと判定された場合はステップＳ５に進み、ＮＯと判定された場合はステップＳ４に進む。また、探索範囲Vは、例えば以下の(3)式で計算する。

ここで、Sはプラントの運転状態数、Mは制御パラメータの種類数である。プラントの運転状態とは、制御パラメータ評価期待更新値５２１が増減する要因となるプラント運転開始前又はプラント運転中のプラント計測信号の特徴量である。ただし、制御パラメータの最適化に要する計算時間を推定する式と探索範囲を求める式は、上記の(2)式と(3)式に限定されない。

ステップＳ４では、制御パラメータ探索範囲を削減することなく、制御パラメータを最適化する。ステップＳ４の詳細は、図３を用いて後述する。

ステップＳ５では、制御パラメータの探索範囲を削減しつつ、制御パラメータを最適化する。制御パラメータの探索範囲を削減することで、制御パラメータの最適化に要する計算時間を短縮できる。ステップＳ５の詳細は、図４を用いて後述する。

図３は、ステップＳ４の詳細を示すフローチャートである。図３に示すように、ステップＳ４は、ステップＳ４１〜Ｓ４８により構成される。

まず、ステップＳ４１では、制御パラメータ決定手段５４０を動作させ、制御パラメータ評価データベース５３０の制御パラメータ評価期待値５３１を用いて、制御パラメータ５４１を決定する。強化学習では、制御パラメータ評価期待値５３１が高い制御パラメータの設定値の選ばれる確率を高くする。なお、制御パラメータ評価期待値５３１が低い制御パラメータの設定値が選ばれる可能性も残しておくことにより、試行錯誤的な探索を可能としている。また、ステップＳ４では、制御パラメータの探索範囲を削減しないため、探索範囲決定手段５５０は動作しない。

続くステップＳ４２〜Ｓ４４では、シミュレータ６００を動作させる。ステップＳ４２〜Ｓ４４の一連の処理は、１回の制御周期内で実行される。

ステップＳ４２では、プラント制御ロジック６１０を動作させ、制御パラメータ５４１を用いて、プラントモデル６２０を制御する模擬操作信号６３０を生成する。

ステップＳ４３では、プラントモデル６２０を動作させ、模擬操作信号６３０を用いてプラント運転を解析し、解析結果の模擬計測信号６４０を制御パラメータ評価手段５１０に対して出力する。

ステップＳ４４では、評価対象とするシミュレーションの終了判定を実施する。シミュレーションが終了している場合はＹＥＳと判定され、シミュレーションが終了していない場合はＮＯと判定される。ステップＳ４４でＹＥＳと判定された場合はステップＳ４５に進み、ＮＯと判定された場合はステップＳ４２に戻る。

ステップＳ４５では、制御パラメータ評価手段５１０を動作させ、模擬計測信号６４０を用いて、制御パラメータ評価値５１１を計算する。

ステップＳ４６では、制御パラメータ評価データベース更新手段５２０を動作させ、制御パラメータ評価値５１１と制御パラメータ評価期待値５３１を用いて、制御パラメータ評価期待更新値５２１を出力する。制御パラメータ評価期待更新値５２１は、制御パラメータ評価データベース５３０に保存する。

ステップＳ４７では、制御パラメータの最適化が完了したか否かを判定する。制御パラメータ評価データベース５３０に保存されるデータ値の変動が、予め決定された所定の値以内に収束した場合はＹＥＳと判定される。また、ステップＳ４７では、制御パラメータ評価データベース５３０に保存されるデータ値の変動の回数を記録し、その回数が予め決められた所定の値を超過した場合にもＹＥＳと判定される。一方、制御パラメータ評価データベース５３０に保存されるデータ値の変動が予め決められた所定の値以内に収束しておらず、かつ制御パラメータ評価データベース５３０に保存されるデータ値の変動の回数が予め決められた所定の値以内である場合はＮＯと判定される。ステップＳ４７でＹＥＳと判定された場合はステップＳ４８に進み、ＮＯと判定された場合はステップＳ４１に戻る。

ステップＳ４８では、実プラント制御パラメータ計算手段５６０を動作させ、制御パラメータ評価データベース５３０に保存されているデータの中で、制御パラメータ評価期待値の高い１つ以上の最適制御パラメータ５３２を取得し、実プラント用制御パラメータ５６１を制御パラメータデータベース２２０に対して出力する。

図４は、図２に示すステップＳ５の詳細を示すフローチャートである。図４に示すように、ステップＳ５は、ステップＳ５１〜Ｓ６０により構成される。図４に示すステップＳ５は図３に示すステップＳ４と比較して、ステップＳ５１とステップＳ５６が追加されている点で異なる。

まず、ステップＳ５１では、探索範囲決定手段５５０を動作させ、知識データベース７００から知識情報７１０を入力として取得し、制御パラメータの探索範囲を削減する。ステップＳ５１の詳細については図５を用いて後述する。

ステップＳ５２では、制御パラメータ決定手段５４０を動作させ、制御パラメータ評価データベース５３０の制御パラメータ評価期待値５３１を用いて、制御パラメータ５４１を決定する。

続くステップＳ５３〜Ｓ５５では、シミュレータ６００を動作させる。ステップＳ５３〜Ｓ５５の一連の処理は、１回の制御周期内で実行される。

ステップＳ５３では、プラント制御ロジック６１０を動作させ、制御パラメータ５４１を用いて、プラントモデル６２０を制御する模擬操作信号６３０を生成する。

ステップＳ５４では、プラントモデル６２０を動作させ、模擬操作信号６３０を用いてプラント運転を解析し、解析結果の模擬計測信号６４０を制御パラメータ評価手段５１０に対して出力する。

ステップＳ５５では、評価対象とするシミュレーションの終了判定を実施する。シミュレーションが終了している場合はＹＥＳと判定され、シミュレーションが終了していない場合はＮＯと判定される。ステップＳ５５でＹＥＳと判定された場合はステップＳ５６に進み、ＮＯと判定された場合はステップＳ５３に戻る。

ステップＳ５６では、制御パラメータ５４１と模擬計測信号６４０とを対応付けた知識情報を知識データベース７００に保存する。

ステップＳ５７では、制御パラメータ評価手段５１０を動作させ、模擬計測信号６４０を用いて、制御パラメータ評価値５１１を計算する。

ステップＳ５８では、制御パラメータ評価データベース更新手段５２０を動作させ、制御パラメータ評価値５１１と制御パラメータ評価期待値５３１を用いて、制御パラメータ評価期待更新値５２１を計算する。制御パラメータ評価期待更新値５２１は、制御パラメータ評価データベース５３０に保存する。

ステップＳ５９では、制御パラメータの最適化が完了したか否かを判定する。制御パラメータ評価データベース５３０に保存されるデータ値の変動が、予め決定された所定の値以内に収束した場合はＹＥＳと判定される。また、ステップＳ５９では、制御パラメータ評価データベース５３０に保存されるデータ値の変動の回数を記録し、その回数が予め決められた所定の値を超過した場合にもＹＥＳと判定される。一方、制御パラメータ評価データベース５３０に保存されるデータ値の変動が予め決められた所定の値以内に収束しておらず、かつ制御パラメータ評価データベース５３０に保存されるデータ値の変動の回数が予め決められた所定の値以内である場合はＮＯと判定される。ステップＳ５９でＹＥＳと判定された場合はステップＳ６０に進み、ＮＯと判定された場合はステップＳ５１に戻る。

ステップＳ６０では、実プラント制御パラメータ計算手段５６０を動作させ、制御パラメータ評価データベース５３０に保存されているデータの中で、制御パラメータ評価期待値の高い１つ以上の最適制御パラメータ５３２を取得し、実プラント用制御パラメータ５６１を制御パラメータデータベース２２０に対して出力する。

このように、ステップＳ５１とステップＳ５６が追加されたことで、ステップＳ３で制御パラメータの最適化に要する計算時間の推定値が運転員３１０によって予め設定された制限時間を超える場合には、制御パラメータの探索範囲が削減される。一般に制御パラメータの探索範囲が削減されると、制御パラメータの最適化に要する計算時間が短くなる効果が得られるため、制御パラメータの最適化を運転員３１０の所望する時間以内で完了させることができる。

図５は、図２に示すステップＳ５１の詳細を示すフローチャートである。図５に示すように、ステップＳ５は、ステップＳ５１１〜Ｓ５１８により構成される。

まず、ステップＳ５１１では、各制御パラメータの設定値を１つずつ選択する。この制御パラメータの設定値の組み合わせは、制御パラメータ決定手段５４０で決定される制御パラメータ５４１の候補の１つである。

ステップＳ５１２では、ステップＳ５１１で選択した制御パラメータの設定値の組み合わせと、知識データベース７００に保存されている各制御パラメータの設定値の組み合わせとの類似度Dを計算する。類似度Dは、ステップＳ５１１で選択した制御パラメータと知識データベース７００に保存されている各制御パラメータが類似しているほど高い値となり、例えば以下の(4)式で計算する。

ここで、Mは制御パラメータの種類数、hは知識データベース７００に保存されている制御パラメータの内何番目の制御パラメータであるかを示す値、Dhは知識データベース７００に保存されているh番目の制御パラメータとステップＳ５１１で選択した制御パラメータの類似度、iはM種類ある制御パラメータの内どの種類の制御パラメータであるかを示す値、PTiはステップＳ５１１で選択した制御パラメータの内のi種類目の制御パラメータの設定値、PKhiは知識データベース７００にh番目に保存されている制御パラメータの内のi種類目の制御パラメータの設定値である。

ステップＳ５１３では、知識データベース７００に保存されている制御パラメータの中で、予め決められた所定の値以上の類似度Dを持つ制御パラメータが１つ以上存在するか否かを判定する。所定の値以上の類似度Dを持つ制御パラメータが１つ以上存在する場合はＹＥＳと判定され、存在しない場合はＮＯと判定される。ステップＳ５１３でＹＥＳと判定された場合はステップＳ５１４に進み、ＮＯと判定された場合はステップＳ５１６に進む。このステップＳ５１３では、ステップＳ５１１で選択した制御パラメータを用いてシミュレータ６００を動作させた場合の模擬計測信号６４０が予測可能であるか否かを判定している。

ステップＳ５１４では、ステップＳ５１１で選択した制御パラメータを用いてシミュレータ６００を動作させた場合の模擬計測信号６４０を予測する。予測には、知識データベース７００に保存されている、所定の値以上の類似度Dを持つ制御パラメータの模擬計測信号を用いる。模擬計測信号６４０の予測値は、例えば以下の(5)式で計算する。

ここで、jは1つ以上ある模擬計測信号６４０の信号の種類のうち何番目の模擬計測信号６４０の信号であるかを示す値、Nは知識データベース７００に保存されている制御パラメータのうち予め決められた所定の値以上の類似度Dを持った制御パラメータの数、qは所定の値以上の類似度Dを持つ制御パラメータのうち何番目の制御パラメータであるかを示す値、Dqはq番目の制御パラメータとステップＳ５１１で選択した制御パラメータの類似度、Ojはj種類目の模擬計測信号６４０の予測値、O’jqは知識データベース７００にq番目に保存されている模擬計測信号６４０のうちj種類目の模擬計測信号６４０の過去データである。

ステップＳ５１５では、ステップＳ５１４で計算した模擬計測信号６４０の予測値が目的を満たしているか否かを判定する。模擬計測信号６４０の予測値が目的を満たしている場合はＹＥＳと判定され、目的を満たしていない場合はＮＯと判定される。例として、目的が運転制約条件の制限値以内でプラント運転することである場合、運転制約条件の制限値を満たすと予測された場合はＹＥＳと判定され、満たさないと予測された場合はＮＯと判定される。ステップＳ５１５でＹＥＳと判定された場合はステップＳ５１６へ進み、ＮＯと判定された場合はステップＳ５１７へ進む。

ステップＳ５１６では、ステップＳ５１１で選択した制御パラメータを制御パラメータの探索範囲に加える。ステップＳ５１７では、ステップＳ５１１で選択した制御パラメータを制御パラメータの探索範囲から除外する。

ステップＳ５１８では、選択可能な全ての制御パラメータがステップＳ５１１でそれぞれ一度以上選択されたか否かを判定する。全ての制御パラメータが一度以上選択された場合はＹＥＳと判定され、一度も選択されていない制御パラメータが１つでも残っていた場合はＮＯと判定される。ステップＳ５１８でＹＥＳと判定された場合はステップＳ５１を終了し、ＮＯと判定された場合はステップＳ５１１に戻る。

図６は、本発明の実機データベース８００に保存されているデータの態様を示す図である。図６に示すように、実機データベース８００には、プラント１００で計測した計測信号１１０（図中のデータ項目Ａ，Ｂ，Ｃ，Ｄ，…）の値（運転データ８１０）が、サンプリング周期（縦軸時刻）毎に保存される。

図７は、本発明の制御パラメータ評価データベース５３０に保存されているデータの態様を示す図である。図７に示すように、制御パラメータ評価データベース５３０には、プラントの運転状態（図中の状態Ａ，Ｂ，Ｃ…）に対しての各制御パラメータ（図中の制御パラメータ１〜Ｍ）の制御パラメータ評価期待更新値５２１が保存される。ここで、プラントの運転状態とは、制御パラメータ評価期待更新値５２１が増減する要因となるプラント運転開始前又はプラント運転中のプラント計測信号である。例として、プラント機器のメタル温度などが挙げられる。プラントの運転状態毎に制御パラメータ評価期待更新値５２１を分けることで、プラントの運転状態の変化による制御パラメータ評価期待更新値５２１の変化を防ぐ。本実施例では、制御パラメータを調整範囲で分割し、調整範囲ごとに制御パラメータ評価期待更新値５２１を定義しているが、制御パラメータの特徴点ごとに制御パラメータ評価期待更新値５２１を定義しても良い。本実施例での制御パラメータの設定値とは、制御パラメータがどの調整範囲であるかを示す値である。

図８は、本発明の知識データベース７００に保存されているデータの態様を示す図である。図８に示すように、知識データベース７００には、制御パラメータ（図中の制御パラメータ１〜Ｍ）の変化量と模擬計測信号６４０（図中の出力１〜Ｌ）の変化量（プラント１００の状態変化量）とを対応づけた知識情報が保存される。ここで、Ｌとは、模擬計測信号６４０の信号の種類数である。制御パラメータ名の右に記載されたカッコ内の記号の意味は、(4)式で説明した通りである。知識データベース７００に保存するデータの態様を上記のようにすることで、シミュレータ６００でシミュレーション解析せずに模擬計測信号６４０の予測が可能となり、シミュレータ６００の計算負荷が大きい場合でも、予測結果を用いて最適化計算時間の短縮が可能となる。

図９及び図１０は、運転員３１０が知識データベースにデータを入力する際に、画像表示装置３５０に表示する画面の例を示す図である。図９は、知識データベース７００にデータを直接入力する場合の例であり、図１０は、プルダウンを用いて知識データベース７００にデータを入力する場合の例である。図９又は図１０に示すように、知識情報入力画面９００は、知識データベース７００に保存されている知識情報を表示すると共に、運転員３１０による知識情報の追加、削除などの編集を可能とする。また、縦スクロールボックス９０１と横スクロールボックス９０２を用いることで、広範囲のデータをスクロールして表示することができる。図９に示す例では、制御パラメータ又は出力の欄に数値を入力するのに対し、図１０に示す例では、制御パラメータ又は模擬計測信号（図では出力１〜Ｌを記載）をプルダウン９０３で選択した後、数値を入力する。運転員３１０は、図９又は図１０に示す知識情報入力画面９００を介して、知識データベース７００に知識情報を容易に入力することができる。なお、知識データベース７００への知識情報の入力方法は、図９又は図１０に示す例に限定されない。

図１１は、探索範囲決定手段５５０によって削減された制御パラメータの探索範囲を確認する際に、画像表示装置３５０に表示する画面の例を示す図である。図１１に示すように、探索範囲削減画面９１０には、制御パラメータ評価データベース５３０のデータを表示される。制御パラメータ評価期待更新値５２１が表示されていない制御パラメータの調整範囲は、その状態において探索範囲から除外されていることを示している。探索範囲削減量表示画面９１１には、探索範囲決定手段５５０によって削減される前後の探索範囲数が表示される。なお、縦スクロールボックス９１２と横スクロールボックス９１３を用いることで、広範囲のデータをスクロールして表示することができる。運転員３１０は、図１１に示す探索範囲削減画面９１０を介して、制御パラメータの探索範囲を容易に確認することができる。

なお、画像表示装置３５０には、制御パラメータ自動調整装置４００で最適化した制御パラメータの設定値や、各データベースに保存されている情報を任意の形式で表示しても良い。例えば、(2)式で計算した最適化に要する時間を表示しても良い。また、(2)式を用いて、探索範囲数と最適化に要する時間との相関を求め、その結果をグラフで表示しても良い。

本発明の第２の実施例として、図１に示すプラント１００が一軸コンバインドサイクル発電プラントである場合を説明する。本実施例による制御パラメータ自動調整装置４００は、制御パラメータの最適化によって、一軸コンバインドサイクル発電プラントとしてのプラント１００を、運転制約条件を満たしつつ最短時間で起動させることを目的としている。本発明を一軸のコンバインドサイクル発電プラントなどの蒸気タービンを備えた火力発電プラントに適用することで、運転制約条件を満たしつつ起動初期のプラント機器メタル温度に応じてプラント起動時間を最短とするための、プラント制御装置の最適な制御パラメータを自動で探索できる。さらに一軸コンバインドサイクル発電プラントに関する知識を知識データベースに保存することで最適化計算時間を短縮できる。

図１２は、本実施例による一軸コンバインドサイクル発電プラントとしてのプラント１００の構成を示すブロック図である。図１２に示すように、プラント１００は、ガスタービン１０１と、蒸気タービン１０２と、排熱回収ボイラ１０３とを備えている。なお、図中の「Ｃ／Ｃ」はコンバインドサイクルの略称である。ガスタービン１０１では、燃料１０１ｅとして天然ガス、都市ガス、軽油などが用いられる。燃焼室１０１ｃに送られる燃料１０１ｅの流量は、燃料ガス調整弁１０１ｄで調整される。燃料ガス調整弁１０１ｄの開度は、制御装置２００からの操作信号２３０によって開度が制御される。空気圧縮器１０１ａは、圧縮空気１０１ｆを燃焼室に送る。その後、燃料１０１ｅと圧縮空気１０１ｆを燃焼室１０１ｃで燃焼し、高温ガス１０１ｇを得る。この高温ガス１０１ｇを用いて、ガスタービン１０１の空気圧縮器１０１ａとタービン１０１ｂを駆動する。排熱回収ボイラ１０３では、ガスタービン１０１からの排ガス１０１ｈを用いて給水を加熱し、主蒸気１０７ａと再熱蒸気１０８の二種類の蒸気を得る。主蒸気１０７ａは、蒸気タービン１０２の高圧タービン１０２ａに導かれ、高圧タービン１０２ａで仕事をした後の主蒸気１０７ｂは、排熱回収ボイラ１０３に導かれる。一方、再熱蒸気１０８は、蒸気タービン１０２の中低圧タービン１０２ｂに導かれる。これらの主蒸気１０７ａと再熱蒸気１０８で蒸気タービン１０２を駆動する。主蒸気加減弁１０４とバイパス加減弁１０５は、主蒸気１０７ａの流量を制御することにより、蒸気タービンの負荷を制御する。主蒸気加減弁１０４の開度は、制御装置２００からの操作信号２３０によって制御される。また、再熱蒸気加減弁１０６は、再熱蒸気１０８の流量を制御する。ガスタービン１０１の負荷を上昇するとガスタービン排ガス温度が上昇し、排熱回収ボイラ１０３で生成される蒸気の温度も上昇する。そのため、ガスタービン負荷の制御により、蒸気温度を調整することができる。また、主蒸気加減弁１０４の制御により、蒸気タービン１０２に流入する主蒸気１０７ａの流量を調整することができる。ガスタービン１０１の負荷や、蒸気タービン１０２の機器メタル温度などのプラント１００で計測される信号は全て、計測信号１１０として制御装置２００に送信される。

次に、プラント１００の起動パターンを説明する。プラント１００では、まずガスタービン１０１を起動する。これにより、ガスタービン１０１（空気圧縮器１０１ａ及びタービン１０１ｂ）と蒸気タービン１０２（高圧タービン１０２ａ、中低圧タービン１０２ｂ及び発電機１０２ｃ）とを連結している軸の回転数が上昇する。回転数上昇の過程で排熱回収ボイラ１０３の煙道に滞留するガスを排出して設備を暖機するため、一定時間にわたって回転数を規定値に保持し、その後再び回転数を上昇させて定格回転数とする。定格回転数に到達した後は、発電機１０２ｃを電力系統に接続して、電力を外部に供給する。ガスタービン１０１の起動に伴い排熱回収ボイラ１０３には高温の排ガス１０１ｈが供給され、蒸気が発生する。この蒸気の温度が上昇し、規定温度に達した後、蒸気タービン１０２に供給する。蒸気タービン１０２の通気後は、ガスタービン１０１の負荷の上昇と保持を繰り返して、定格出力に到達する。

上記の起動過程において注意すべき事項は、蒸気タービン１０２のロータに発生する熱応力と、蒸気タービン１０２のロータとタービン翼を納めているケーシング部の熱伸び差とを制限値以内で運用することである。熱応力は、蒸気タービン１０２のロータ部の表面と内部との温度差によって発生する。蒸気タービン１０２の通気時に高温の蒸気が蒸気タービン１０２に流入すると、蒸気タービン１０２のロータ部の表面が加熱されて温度が上昇する。一方、内部の温度は遅れて上昇するため、表面と内部には温度差が生じ、熱応力が発生する。熱応力による低サイクル疲労が蓄積されて材料の限界値を超えた場合に、ロータに割れが生じる。蓄積される低サイクル疲労はピーク熱応力の履歴に従うため、ピーク熱応力が計画時に設定した制限値以下となるようプラントを起動する必要がある。

一方、熱伸び差は蒸気タービン１０２のロータとケーシング部の構造と熱容量の違いによって発生する。高温の蒸気が蒸気タービン１０２に流入すると、ロータとケーシング部の加熱により、熱膨張により特にタービン軸方向に伸びる。蒸気タービン１０２のロータとケーシングは構造と熱容量が異なり、蒸気タービン１０２のロータの伸びとケーシングの伸びに差が生じる。そのため、急激な蒸気の流入はケーシングとロータでの熱伸び差を助長し、ケーシングがロータに接触する現象を引き起す。ケーシングとロータの接触を回避するために、ケーシングとロータの間には間隙が設けられているが、この間隙が小さいほど蒸気タービン１０２の発電効率が上昇するため、吸収できる熱伸び差の距離と発電効率はトレードオフの関係にある。そのため、所望の効率が得られるように間隙を設計し、プラント起動時の熱伸び差をケーシングとロータの間隙以下とする必要がある。

上記の熱応力と熱伸び差に加えて、軸振動などのプラントの起動制約条件も考慮する必要がある。本発明の適用によってこれら起動制約条件を満たしつつプラント起動時間を最短とする制御パラメータの探索を可能とする。なお、本発明では起動制約条件を熱応力、熱伸び差とした場合について述べるが、起動制約条件は任意に設定できる。

本実施例による制御装置２００について、図１３を用いて説明する。制御装置２００は、プラント１００の計測信号１１０を用いて、プラント１００（図１２に示す主蒸気加減弁１０４及び燃料ガス調整弁１０１ｄ）に出力する操作信号２３０を計算する。制御装置２００の実プラント制御ロジック２１０は、熱応力／熱伸び予測計算手段２１１と、ＧＴ負荷変化率決定手段２１３と、ＣＶ開度決定手段２１５と、操作信号決定手段２１７とを備えている。ここで、「ＧＴ」はガスタービンの略称であり、「ＣＶ」は主蒸気加減弁（Ｃｏｎｔｒｏｌ Ｖａｌｖｅ）の略称である。

熱応力／熱伸び予測計算手段２１１は、プラント１００の計測信号１１０を入力として取得し、熱応力制限値と将来の熱応力の予測値の差と、熱伸び制限値と将来の熱伸びの予測値の差を、プラントモデル６２０を用いて計算する。熱応力と熱伸びの予測計算結果としての熱応力／熱伸び余裕２１２は、熱応力／熱伸び予測計算手段２１１の出力として、ＧＴ負荷変化率決定手段２１３とＣＶ開度決定手段２１５に送られる。

ＧＴ負荷変化率決定手段２１３は、熱応力／熱伸び余裕２１２と、制御パラメータデータベース２２０の実プラント制御ロジック用制御パラメータ２４０とを入力として取得し、ガスタービン１０１の負荷変化率指令値２１４を計算し、操作信号決定手段２１７に対して送信する。

ＣＶ開度決定手段２１５は、熱応力／熱伸び余裕２１２と、制御パラメータデータベース２２０の実プラント制御ロジック用制御パラメータ２４０とを入力として取得し、主蒸気加減弁１０４の開度指令値２１６を送信する。

操作信号決定手段２１７は、ガスタービン１０１の負荷変化率指令値２１４と、主蒸気加減弁１０４の開度指令値２１６とを取得し、操作信号２３０を計算する。

図１４は、本実施例による制御パラメータデータベース２２０に保存されているデータの態様を示す図である。図１４に示すように、制御パラメータデータベース２２０には、ＧＴ負荷変化率操作幅決定関数２２１とＣＶ開度変化率操作幅決定関数２２２とが保存されている。ＧＴ負荷変化率操作幅決定関数２２１の関数形状は、熱応力余裕２２３（図中のＸ座標）に対するガスタービン１０１の負荷変化率操作幅２２４（図中のＹ座標）によって定義される。ＧＴ負荷変化率操作幅グラフ２２５は、ＧＴ負荷変化率操作幅決定関数２２１の関数形状を表わすグラフである。ＣＶ開度変化率操作幅決定関数２２２の関数形状は、熱応力余裕２２７（図中のＸ座標）に対する開度指令値２１６の開度変化率操作幅２２８（図中のＹ座標）によって定義される。ＣＶ開度変化率操作幅グラフ２２６は、ＣＶ開度変化率操作幅決定関数２２２の関数形状を表わすグラフである。なお、本実施例では、制御パラメータ自動調整装置４００で調整する制御パラメータとして関数のＸ，Ｙ座標を選定したが、本発明における制御パラメータはこれらに限定されず、関数形状を定義できる任意のパラメータ（例えば、関数の傾き及び切片等）を制御パラメータとして選定できる。

制御パラメータ自動調整装置４００は、制御パラメータデータベース２２０に保存されているＧＴ負荷変化率操作幅決定関数２２１及びＣＶ開度変化率操作幅決定関数２２２のそれぞれの制御パラメータ（本実施例では、関数のＸ，Ｙ座標）を調整することで最適な関数形状を決定する。ＧＴ負荷変化率操作幅決定関数２２１とＣＶ開度変化率操作幅決定関数２２２の関数形状を最適化することによって、プラント１００の起動制約条件を満たしつつ、プラント１００の起動時間を最短とすることができる。なお、本実施例では、ＧＴ負荷変化率操作幅決定関数２２１及びＣＶ開度変化率操作幅決定関数２２２のそれぞれの関数形状を最適化対象としているが、本発明における最適化対象はこれらに限定されない。

次に、本実施例による制御パラメータ自動調整装置４００の制御パラメータ評価手段５１０について、図１を用いて説明する。制御パラメータ評価手段５１０は、シミュレータ６００のプラントモデル６２０から、プラント１００の起動時間、蒸気タービン１０２のロータの表面又は内部の熱応力、蒸気タービン１０２のケーシング又はロータの熱伸び、又は蒸気タービン１０２のロータの振動量のいずれか１つ以上を含むものを模擬計測信号６４０として取得し、制御パラメータ評価データベース更新手段５２０に対して制御パラメータ評価値５１１を出力する。制御パラメータ評価手段５１０は、模擬計測信号６４０のプラント起動時間が短いほど制御パラメータ評価値５１１を高くし、蒸気タービン１０２のロータの表面又は内部の熱応力などのプラントの起動制約条件が制限値を超過していた場合に制御パラメータ評価値５１１を低くする。制御パラメータ評価値５１１を上記のように設定することで、プラントの起動制約条件を満たしつつ、プラント起動時間を短縮する制御パラメータの評価が高くなる。

本実施例による実機データベース８００に保存されているデータの態様を、図６を用いて説明する。図６に示すように、実機データベース８００には、プラント１００で計測した計測信号１１０（図中のデータ項目Ａ，Ｂ，Ｃ，Ｄ，…）の値（運転データ８１０）が、サンプリング周期（縦軸時刻）毎に保存される。ここで、計測信号１１０は、主蒸気１０７ａの温度、主蒸気１０７ａの圧力、主蒸気１０７ａの流量、再熱蒸気１０８の温度、再熱蒸気１０８の圧力、再熱蒸気１０８の流量、ガスタービン１０１の排ガス１０１ｈの温度又は流量、蒸気タービン１０２のロータの表面温度又は内部温度、蒸気タービン１０２のロータの表面又は内部の熱応力、蒸気タービン１０２のロータの表面又は内部の熱応力、蒸気タービン１０２のケーシング又はロータの熱伸びのいずれか１つ以上を含むものである。

本実施例による制御パラメータ評価データベース５３０に保存されているデータの態様を、図７を用いて説明する。図７に示すプラントの運転状態（図中の状態Ａ，Ｂ，Ｃ，…）は、制限値に対する蒸気タービン１０２のロータの熱応力の余裕、蒸気タービン１０２のロータの熱応力が制限値を超過した時刻、ガスタービン１０１や蒸気タービン１０２の機器のメタル温度、プラント１００の起動時間のうちいずれか１つ以上を組み合わせたものである。制御パラメータは、制御パラメータデータベース２２０に保存されるデータの関数形状、又はその調整量である。

本実施例による知識データベース７００に保存されているデータの態様を、図８を用いて説明する。図８に示す制御パラメータ１〜Ｍは、制御パラメータデータベース２２０に保存されている関数の関数形状又はその調整量であり、出力は主蒸気１０７ａの温度、主蒸気１０７ａの圧力、主蒸気１０７ａの流量、再熱蒸気１０８の温度、再熱蒸気１０８の圧力、再熱蒸気１０８の流量、ガスタービン１０１の排ガス１０１ｈの温度又は流量、蒸気タービン１０２のロータの表面温度又は内部温度、蒸気タービン１０２のロータの表面又は内部の熱応力、蒸気タービン１０２のロータの表面又は内部の熱応力、蒸気タービン１０２のケーシング又はロータの熱伸びのいずれか１つ以上を含むものである。上記のような情報を知識データベース７００に保存することで、シミュレーション解析を実施する前に出力を予測することができ、その予測結果を用いて探索範囲を削減することができる。これにより、シミュレータ６００の計算負荷が大きい場合でも、探索範囲の削減によって制御パラメータの最適化計算時間を短縮することができる。

本実施例による制御パラメータ自動調整装置４００によれば、制御装置２００の制御パラメータを最適化することで、一軸コンバインドサイクル発電プラントとしてのプラント１００の起動時間を短縮できる。また、一軸コンバインドサイクル発電プラントとしてのプラント１００の起動運転開始前に制御パラメータを最適化することで、プラント機器の任意の初期状態に対してプラント起動時間を最短とする制御パラメータを探索することができる。

図１５は、本発明の第３の実施例による制御パラメータ自動調整装置ネットワークを示すブロック図である。図１５に示すように、制御パラメータ自動調整装置ネットワーク１０００は、知識データベース管理センタ１００１と、複数のサイト１００２ａ，１００２ｂ，１００２ｃ…と、これら複数のサイト１００２ａ，１００２ｂ，１００２ｃ…及び知識データベース管理センタ１００１を相互に接続する通信網１００３とを備えている。

知識データベース管理センタ１００１は、複数の共用知識データベース７００ａ，７００ｂ，７００ｃ…を保管している。各共用知識データベース７００ａ，７００ｂ，７００ｃ…は、それぞれ構成の異なるプラント１００の知識情報７１０を保存しており、図１５に示す例では、共用知識データベース７００ａが１軸コンバインドサイクル発電プラントの知識情報７１０を保存し、共用知識データベース７００ｂが多軸コンバインドサイクル発電プラントの知識情報７１０を保存し、共用知識データベース７００ｃが石炭ボイラ発電プラントの知識情報７１０を保存している。

サイト１００２ａには、複数のプラント１００ａ１，１００ａ２，１００ａ３…と、これら複数のプラントをそれぞれ制御する複数の制御装置２００ａ１，２００ａ２，２００ａ３…と、これら複数の制御装置の制御パラメータをそれぞれ調整する複数の制御パラメータ自動調整装置４００ａ１，４００ａ２，４００ａ３…とが配置されている。

サイト１００２ｂには、複数のプラント（図示せず）と、これら複数のプラントをそれぞれ制御する複数の制御装置（図示せず）と、これら複数の制御装置の制御パラメータをそれぞれ調整する複数の制御パラメータ自動調整装置４００ｂ１，４００ｂ２，４００ｂ３…とが配置されている。

サイト１００２ｃには、複数のプラント（図示せず）と、これら複数のプラントをそれぞれ制御する複数の制御装置（図示せず）と、これら複数の制御装置の制御パラメータをそれぞれ調整する複数の制御パラメータ自動調整装置４００ｃ１，４００ｃ２，４００ｃ３…とが配置されている。

各サイトに配置された制御パラメータ自動調整装置は、通信網１００３を介して、知識データベース管理センタ１００１に配置されている複数の共用知識データベース７００ａ，７００ｂ，７００ｃ…のうち、制御対象のプラントと同一又は類似する構成を有するプラントの知識情報が保存されている共用知識データベースにアクセスすることができる。例えば、サイト１００２ａに配置された制御パラメータ自動調整装置４００ａ１は、制御対象のプラント１００ａ１が１軸コンバインドサイクル発電プラントであるため、１軸コンバインドサイクル発電プラントの知識情報が保存されている共用知識データベース７００ａにアクセスすることができる。すなわち、制御パラメータ自動調整装置４００ａ１は、１軸コンバインドサイクル発電プラントとしてのプラント１００ａ１の運用を通じて獲得した知識情報を共用知識データベース７００ａにアップロードし、あるいは共用知識データベース７００ａに保存されている知識情報を自身の知識データベースにダウンロードすることができる。

本実施例による制御パラメータ自動調整装置ネットワーク１０００よれば、各制御パラメータ自動制御装置４００ａ１，４００ａ２，４００ａ３…の知識データベース（図示せず）に保存されている知識情報が不十分な場合でも、通信網１００３を介して、知識データベース管理センタ１００１に保管されている複数の共用知識データベース７００ａ，７００ｂ，７００ｃ…のいずれかから、制御対象のプラント１００ａ１，１００ａ２…と同一又は類似の構成を有する他のプラントの知識情報をダウンロードすることで、制御パラメータの最適化に要する計算時間を短縮することができる。また、実際の運転データをサイト間でやりとりすることなく、知識情報のみを各サイトで共有することにより、情報セキュリティーも確保できる。

１００，１００ａ１，１００ａ２，１００ａ３…プラント、１０１…ガスタービン、１０２…蒸気タービン、１０３…排熱回収ボイラ、１０１ａ…空気圧縮器、１０１ｂ…タービン、１０２ａ…高圧タービン、１０２ｂ…中低圧タービン、１０２ｃ…発電機、１０１ｃ…燃焼室、１０１ｄ…燃料ガス調整弁、１０６…再熱蒸気加減弁、１０４…主蒸気加減弁、１０５…バイパス加減弁、１０１ｅ…燃料、１０１ｆ…圧縮空気、１０１ｇ…高温ガス、１０１ｈ…排ガス、１０７ａ，１０７ｂ…主蒸気、１０８…再熱蒸気、１１０…計測信号、２００，２００ａ１，２００ａ２，２００ａ３…制御装置、２１０…実プラント制御ロジック、２１１…熱応力／熱伸び予測計算手段、２１２…熱応力／熱伸び余裕、２１３…ＧＴ負荷変化率決定手段、２１４…負荷変化率指令値、２１５…ＣＶ開度決定手段、２１６…開度指令値、２１７…操作信号決定手段、２２０…制御パラメータデータベース、２２１…ＧＴ負荷変化率操作幅決定関数、２２２…ＣＶ開度変化率操作幅決定関数、２２３…熱応力余裕、２２４…負荷変化率操作幅、２２５…ＧＴ負荷変化率操作幅グラフ、２２６…ＣＶ開度変化率操作幅グラフ、２２７…熱応力余裕、２２８…開度変化率操作幅、２３０…操作信号、２４０…実プラント制御ロジック用制御パラメータ、３００…運転操作室、３１０…運転員、３２０…情報入出力計算装置、３３０…キーボード、３４０…マウス、３５０…画像表示装置、３６０…知識情報、４００，４００ａ１，４００ａ２，４００ａ３，４００ｂ１，４００ｂ２，４００ｂ３，４００ｃ１，４００ｃ２，４００ｃ３…制御パラメータ自動調整装置、４１０…入力インタフェース、４２０…入力インタフェース、４３０…出力インタフェース、５００…学習手段、５１０…制御パラメータ評価手段、５１１…制御パラメータ評価値、５２０…制御パラメータ評価データベース更新手段、５２１…制御パラメータ評価期待更新値、５３０…制御パラメータ評価データベース、５３１…制御パラメータ評価期待値、５３２…最適制御パラメータ、５４０…制御パラメータ決定手段、５４１…制御パラメータ、５５０…探索範囲決定手段、５６０…実プラント制御パラメータ計算手段、５６１…実プラント用制御パラメータ、６００…シミュレータ、６１０…プラント制御ロジック、６２０…プラントモデル、６３０…模擬操作信号、６４０…模擬計測信号、７００…知識データベース、７００ａ，７００ｂ，７００ｃ…共用知識データベース、７１０…知識情報、８００…実機データベース、８１０…運転データ、９００…知識情報入力画面、９０１…縦スクロールボックス、９０２…横スクロールボックス、９０３…プルダウン、９１０…探索範囲削減画面、９１１…探索範囲削減量表示画面、９１２…縦スクロールボックス、９１３…横スクロールボックス、１０００…制御パラメータ自動調整装置ネットワーク、１００１…知識データベース管理センタ、１００２ａ，１００２ｂ，１００２ｃ…サイト、１００３…通信網。

Claims (15)

1. プラントの制御装置が操作信号を計算する際に用いる制御パラメータを調整する制御パラメータ自動調整装置において、
   前記プラントの動作を模擬するシミュレータと、
   前記シミュレータを用いて最適な制御パラメータを探索する学習手段と、
   制御パラメータの変化量とプラントの状態変化量とを対応付けた知識情報を保存する知識データベースとを備え、
   前記学習手段は、前記知識データベースに保存されている知識情報に基づいて、制御パラメータの探索範囲を決定する探索範囲決定手段を備えたことを特徴とした制御パラメータ自動調整装置。
2. 請求項１に記載の制御パラメータ自動調整装置において、
   前記学習手段は、制約条件の下で目的の達成度合に応じて制御パラメータの評価値を設定する制御パラメータ評価手段と、評価値が最大となる制御パラメータを探索する制御パラメータ決定手段とを更に備えたことを特徴とする制御パラメータ自動調整装置。
3. 請求項１に記載の制御パラメータ自動調整装置において、
   前記探索範囲決定手段は、制御パラメータの最適化に要する計算時間を推定値を計算する機能と、制御パラメータの最適化に要する計算時間の推定値が予め設定された制限時間を超える場合に、知識データベースに保存されている知識情報と制御パラメータに対する前記シミュレータの模擬計測信号の予測値とに基づいて制御パラメータの探索範囲を削減する機能とを備えたことを特徴とする制御パラメータ自動調整装置。
4. 請求項１に記載の制御パラメータ自動調整装置において、
   前記探索範囲決定手段は、前記知識データベースに保存されている制御パラメータとの類似度が所定の値以上である制御パラメータに対し、前記シミュレータを用いて模擬計測信号を予測し、予測値が所定の目的を満たしていない場合に当該制御パラメータを探索範囲から除外し、予測値が前記所定の目的を満たしている場合に該制御パラメータを探索範囲に加えることを特徴とする制御パラメータ自動調整装置。
5. 請求項１に記載の制御パラメータ自動調整装置において、
   最適化された制御パラメータの設定値、制御パラメータの最適化に要する計算時間の推定値、前記知識データベースに保存されている知識情報、前記知識データベースに知識情報を入力する画面、前記探索範囲決定手段によって削減された探索範囲、制御パラメータの最適化に要する時間、又は探索範囲数と最適化に要する時間との相関のいずれか１つ以上を表示するように構成された画像表示装置を更に備えたことを特徴とする制御パラメータ自動調整装置。
6. 請求項１に記載の制御パラメータ自動調整装置において、
   前記プラントが蒸気タービンを備えた火力発電プラントであることを特徴とした制御パラメータ自動調整装置。
7. 請求項６に記載の制御パラメータ自動調整装置において、
   前記学習手段は、起動制約条件の下でプラント起動時間が短いほど制御パラメータの評価値を高くする制御パラメータ評価手段と、評価値が最大となる制御パラメータを探索する制御パラメータ決定手段とを更に備えたことを特徴とする制御パラメータ自動調整装置。
8. 請求項６に記載の制御パラメータ自動調整装置において、
   前記探索範囲決定手段は、知識データベースに保存されている知識情報と制御パラメータに対する前記シミュレータの模擬計測信号の予測値とに基づいて制御パラメータの探索範囲を決定する機能と、制御パラメータの最適化に要する計算時間を推定する機能とを有し、制御パラメータの最適化に要する計算時間の推定値が予め設定された制限時間を超える場合に制御パラメータの探索範囲を削減することを特徴とする制御パラメータ自動調整装置。
9. 請求項６に記載の制御パラメータ自動調整装置において、
   前記知識データベースは、前記プラントの状態変化量として、主蒸気の温度、主蒸気の圧力、主蒸気の流量、再熱蒸気の温度、再熱蒸気の圧力、再熱蒸気の流量、ガスタービン排ガスの温度又は流量、前記蒸気タービンのロータの表面温度又は内部温度、前記蒸気タービンのロータの表面又は内部の熱応力、前記蒸気タービンのケーシング又はロータの熱伸びのいずれか１つ以上を保存することを特徴とする制御パラメータ自動調整装置。
10. 請求項６に記載の制御パラメータ自動調整装置において、
    制御パラメータ評価手段は、前記シミュレータを用いて計算した、前記プラントの起動時間、前記蒸気タービンのロータの表面又は内部の熱応力、前記蒸気タービンのケーシング又はロータの熱伸び、又は蒸気タービン１０２のロータの振動量のいずれか１つ以上に基づいて制御パラメータを評価することを特徴とする制御パラメータ自動調整装置。
11. 請求項１に記載の制御パラメータ自動調整装置が１つ以上配置された１つ以上のサイトと、
    請求項１に記載の制御パラメータ自動調整装置が備えている知識データベースと同等の構成を有する共用知識データベースを１つ以上保管している知識データベース管理センタと、
    前記サイトと前記知識データベース管理センタとを相互に接続する通信網とを備えたことを特徴とする制御パラメータ自動調整装置ネットワーク。
12. 請求項１１に記載の制御パラメータ自動調整装置ネットワークにおいて、
    前記知識データベース管理センタは、前記サイトで運用されているプラントの構成ごとに前記共用知識データベースを保管していることを特徴とする制御パラメータ自動調整装置ネットワーク。
13. プラントの制御装置がプラントの操作信号を計算する際に用いる制御パラメータを調整する制御パラメータ自動調整方法において、
    シミュレータを用いて最適な制御パラメータを探索する学習ステップを備え、
    前記学習ステップは、制御パラメータの変化量と前記プラントの状態変化量とを対応付けた知識情報に基づいて、制御パラメータの探索範囲を決定する探索範囲決定ステップを備えたことを特徴とする制御パラメータ自動調整方法。
14. 請求項１３に記載の制御パラメータ自動調整方法において、
    前記学習ステップは、制約条件の下で目的の達成度合に応じて制御パラメータの評価値を設定する制御パラメータ評価ステップと、評価値が最大となる制御パラメータを探索する制御パラメータ決定ステップとを更に備えたことを特徴とする制御パラメータ自動調整方法。
15. 請求項１３に記載の制御パラメータ自動調整方法において、
    前記探索範囲決定ステップは、制御パラメータの最適化に要する計算時間を推定するステップと、制御パラメータの最適化に要する計算時間の推定値が予め設定された制限時間を超える場合に、知識データベースに保存されている知識情報と制御パラメータに対する前記シミュレータの模擬計測信号の予測値とに基づいて、制御パラメータの探索範囲を削減するステップとを備えたことを特徴とする制御パラメータ自動調整方法。

Images