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

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 Download PDF

Info

Publication number
JP2017157112A
JP2017157112A JP2016041619A JP2016041619A JP2017157112A JP 2017157112 A JP2017157112 A JP 2017157112A JP 2016041619 A JP2016041619 A JP 2016041619A JP 2016041619 A JP2016041619 A JP 2016041619A JP 2017157112 A JP2017157112 A JP 2017157112A
Authority
JP
Japan
Prior art keywords
control parameter
automatic adjustment
plant
control
search range
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016041619A
Other languages
English (en)
Other versions
JP6650786B2 (ja
Inventor
勇也 徳田
Yuya Tokuda
勇也 徳田
孝朗 関合
Takao Sekiai
孝朗 関合
泰浩 吉田
Yasuhiro Yoshida
泰浩 吉田
吉田 卓弥
Takuya Yoshida
卓弥 吉田
和典 山中
Kazunori Yamanaka
和典 山中
典宏 弥永
Norihiro Yanaga
典宏 弥永
文之 鈴木
Fumiyuki Suzuki
文之 鈴木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Power Ltd
Original Assignee
Mitsubishi Hitachi Power Systems Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Hitachi Power Systems Ltd filed Critical Mitsubishi Hitachi Power Systems Ltd
Priority to JP2016041619A priority Critical patent/JP6650786B2/ja
Priority to US15/418,976 priority patent/US10732595B2/en
Priority to EP17154032.1A priority patent/EP3214509B1/en
Publication of JP2017157112A publication Critical patent/JP2017157112A/ja
Application granted granted Critical
Publication of JP6650786B2 publication Critical patent/JP6650786B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0426Programming the control sequence
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/23Pc programming
    • G05B2219/23005Expert design system, uses modeling, simulation, to control design process
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Feedback Control In General (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Control Of Turbines (AREA)
  • Selective Calling Equipment (AREA)

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。
Figure 2017157112
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。
Figure 2017157112
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。
Figure 2017157112
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。
Figure 2017157112
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。
Figure 2017157112
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。
JP2016041619A 2016-03-03 2016-03-03 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 Active JP6650786B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2016041619A JP6650786B2 (ja) 2016-03-03 2016-03-03 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
US15/418,976 US10732595B2 (en) 2016-03-03 2017-01-30 Control parameter automatic-adjustment apparatus, control parameter automatic-adjustment method, and control parameter automatic-adjustment apparatus network
EP17154032.1A EP3214509B1 (en) 2016-03-03 2017-01-31 Control parameter automatic-adjustment apparatus, control parameter automatic-adjustment method, and control parameter automatic-adjustment apparatus network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016041619A JP6650786B2 (ja) 2016-03-03 2016-03-03 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

Publications (2)

Publication Number Publication Date
JP2017157112A true JP2017157112A (ja) 2017-09-07
JP6650786B2 JP6650786B2 (ja) 2020-02-19

Family

ID=58454838

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016041619A Active JP6650786B2 (ja) 2016-03-03 2016-03-03 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

Country Status (3)

Country Link
US (1) US10732595B2 (ja)
EP (1) EP3214509B1 (ja)
JP (1) JP6650786B2 (ja)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019159876A (ja) * 2018-03-14 2019-09-19 株式会社日立製作所 将来状態推定装置および将来状態推定方法
JP2019178894A (ja) * 2018-03-30 2019-10-17 株式会社Nttドコモ 構造物特性評価システム
JP2019192160A (ja) * 2018-04-27 2019-10-31 日本電信電話株式会社 最適化装置、最適化方法、及びプログラム
JP2020133613A (ja) * 2019-02-18 2020-08-31 株式会社アース・テクノ・サポート バイナリー発電システム
JP2020144484A (ja) * 2019-03-04 2020-09-10 富士通株式会社 強化学習方法、強化学習プログラム、および強化学習システム
JP2021033767A (ja) * 2019-08-27 2021-03-01 富士通株式会社 強化学習方法、強化学習プログラム、および強化学習装置
KR20210071935A (ko) 2019-12-03 2021-06-16 주식회사 히타치하이테크 탐색 장치, 탐색 프로그램 및 플라스마 처리 장치
US11189470B2 (en) 2018-03-20 2021-11-30 Hitachi High-Tech Corporation Search device, search method and plasma processing apparatus
US11294339B2 (en) 2018-12-10 2022-04-05 Fuji Electric Co., Ltd. Control device, control method, and non-transitory recording medium
WO2022079761A1 (ja) * 2020-10-12 2022-04-21 三菱電機株式会社 パラメータ調整装置およびパラメータ調整方法
US11619915B2 (en) 2019-03-04 2023-04-04 Fujitsu Limited Reinforcement learning method and reinforcement learning system
US11657059B2 (en) 2018-03-14 2023-05-23 Hitachi High-Tech Corporation Search device, searching method, and plasma processing apparatus

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6519896B1 (ja) * 2018-03-15 2019-05-29 オムロン株式会社 学習装置、学習方法、及びそのプログラム
JP6536978B1 (ja) * 2018-03-15 2019-07-03 オムロン株式会社 学習装置、学習方法、及びそのプログラム
JP7090243B2 (ja) * 2018-05-08 2022-06-24 千代田化工建設株式会社 プラント運転条件設定支援システム、学習装置、及び運転条件設定支援装置
TWI695280B (zh) * 2018-10-08 2020-06-01 財團法人資訊工業策進會 為一生產線之一預設控制條件組決定一目標調整路徑之裝置及方法
US20200133211A1 (en) * 2018-10-26 2020-04-30 Samsung Electronics Co., Ltd. Electronic device and method for controlling electronic device thereof
JP7305950B2 (ja) * 2018-11-30 2023-07-11 ブラザー工業株式会社 更新方法、コンピュータプログラム、及び制御システム
DE102019130383A1 (de) * 2019-11-11 2021-05-12 Rational Aktiengesellschaft Verfahren zum Regeln eines Zubereitungsgerätes, Regeleinheit sowie Zubereitungsgerät
EP3835894A1 (en) * 2019-12-09 2021-06-16 Siemens Aktiengesellschaft Method and apparatus for configuring a machine controller
US11975725B2 (en) 2021-02-02 2024-05-07 Toyota Research Institute, Inc. Systems and methods for updating the parameters of a model predictive controller with learned external parameters generated using simulations and machine learning
US20220242401A1 (en) * 2021-02-02 2022-08-04 Toyota Research Institute, Inc. Systems and methods for updating the parameters of a model predictive controller with learned controls parameters generated using simulations and machine learning

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09152903A (ja) * 1995-12-01 1997-06-10 Hitachi Ltd プラント運転計画作成方法および装置
JP2005070940A (ja) * 2003-08-21 2005-03-17 Yamatake Corp Pidパラメータ調整装置
JP2009128972A (ja) * 2007-11-20 2009-06-11 Hitachi Ltd プラントの制御装置、及び火力発電プラントの制御装置
JP2009162231A (ja) * 2008-01-08 2009-07-23 General Electric Co <Ge> タービン構成要素のニューラルネットワークモデリングのための方法及びシステム
JP2010146068A (ja) * 2008-12-16 2010-07-01 Hitachi Ltd プラントの制御装置及び火力発電プラントの制御装置
JP2014174993A (ja) * 2013-03-07 2014-09-22 General Electric Co <Ge> 改善したプラント制御システムおよび方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070055392A1 (en) * 2005-09-06 2007-03-08 D Amato Fernando J Method and system for model predictive control of a power plant
JP2009030476A (ja) 2007-07-25 2009-02-12 Toshiba Corp 発電プラントの運転最適化方法および運転最適化システム
JP4995169B2 (ja) * 2008-09-29 2012-08-08 三菱重工業株式会社 ガスタービン制御方法及び装置
US10222769B2 (en) * 2012-10-12 2019-03-05 Emerson Process Management Power & Water Solutions, Inc. Method for determining and tuning process characteristic parameters using a simulation system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09152903A (ja) * 1995-12-01 1997-06-10 Hitachi Ltd プラント運転計画作成方法および装置
JP2005070940A (ja) * 2003-08-21 2005-03-17 Yamatake Corp Pidパラメータ調整装置
JP2009128972A (ja) * 2007-11-20 2009-06-11 Hitachi Ltd プラントの制御装置、及び火力発電プラントの制御装置
JP2009162231A (ja) * 2008-01-08 2009-07-23 General Electric Co <Ge> タービン構成要素のニューラルネットワークモデリングのための方法及びシステム
JP2010146068A (ja) * 2008-12-16 2010-07-01 Hitachi Ltd プラントの制御装置及び火力発電プラントの制御装置
JP2014174993A (ja) * 2013-03-07 2014-09-22 General Electric Co <Ge> 改善したプラント制御システムおよび方法

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11907235B2 (en) 2018-03-14 2024-02-20 Hitachi High-Tech Corporation Plasma processing apparatus including predictive control
WO2019176370A1 (ja) 2018-03-14 2019-09-19 株式会社日立製作所 将来状態推定装置および将来状態推定方法
US11573541B2 (en) 2018-03-14 2023-02-07 Hitachi, Ltd. Future state estimation device and future state estimation method
JP2019159876A (ja) * 2018-03-14 2019-09-19 株式会社日立製作所 将来状態推定装置および将来状態推定方法
JP7064356B2 (ja) 2018-03-14 2022-05-10 株式会社日立製作所 将来状態推定装置および将来状態推定方法
US11657059B2 (en) 2018-03-14 2023-05-23 Hitachi High-Tech Corporation Search device, searching method, and plasma processing apparatus
US11189470B2 (en) 2018-03-20 2021-11-30 Hitachi High-Tech Corporation Search device, search method and plasma processing apparatus
JP7054641B2 (ja) 2018-03-30 2022-04-14 株式会社Nttドコモ 構造物特性評価システム
JP2019178894A (ja) * 2018-03-30 2019-10-17 株式会社Nttドコモ 構造物特性評価システム
WO2019208639A1 (ja) * 2018-04-27 2019-10-31 日本電信電話株式会社 最適化装置、最適化方法、及びプログラム
JP2019192160A (ja) * 2018-04-27 2019-10-31 日本電信電話株式会社 最適化装置、最適化方法、及びプログラム
JP7059781B2 (ja) 2018-04-27 2022-04-26 日本電信電話株式会社 最適化装置、最適化方法、及びプログラム
US11294339B2 (en) 2018-12-10 2022-04-05 Fuji Electric Co., Ltd. Control device, control method, and non-transitory recording medium
JP2020133613A (ja) * 2019-02-18 2020-08-31 株式会社アース・テクノ・サポート バイナリー発電システム
JP7268276B2 (ja) 2019-02-18 2023-05-08 株式会社アース・テクノ・サポート バイナリー発電システム
JP7225923B2 (ja) 2019-03-04 2023-02-21 富士通株式会社 強化学習方法、強化学習プログラム、および強化学習システム
US11543789B2 (en) 2019-03-04 2023-01-03 Fujitsu Limited Reinforcement learning method, recording medium, and reinforcement learning system
US11619915B2 (en) 2019-03-04 2023-04-04 Fujitsu Limited Reinforcement learning method and reinforcement learning system
JP2020144484A (ja) * 2019-03-04 2020-09-10 富士通株式会社 強化学習方法、強化学習プログラム、および強化学習システム
JP7263980B2 (ja) 2019-08-27 2023-04-25 富士通株式会社 強化学習方法、強化学習プログラム、および強化学習装置
JP2021033767A (ja) * 2019-08-27 2021-03-01 富士通株式会社 強化学習方法、強化学習プログラム、および強化学習装置
KR20210071935A (ko) 2019-12-03 2021-06-16 주식회사 히타치하이테크 탐색 장치, 탐색 프로그램 및 플라스마 처리 장치
US11747774B2 (en) 2019-12-03 2023-09-05 Hitachi High-Tech Corporation Search device, search program, and plasma processing apparatus
JPWO2022079761A1 (ja) * 2020-10-12 2022-04-21
WO2022079761A1 (ja) * 2020-10-12 2022-04-21 三菱電機株式会社 パラメータ調整装置およびパラメータ調整方法
JP7305061B2 (ja) 2020-10-12 2023-07-07 三菱電機株式会社 パラメータ調整装置およびパラメータ調整方法

Also Published As

Publication number Publication date
EP3214509A2 (en) 2017-09-06
JP6650786B2 (ja) 2020-02-19
US20170255177A1 (en) 2017-09-07
EP3214509B1 (en) 2022-05-18
US10732595B2 (en) 2020-08-04
EP3214509A3 (en) 2017-09-20

Similar Documents

Publication Publication Date Title
JP6650786B2 (ja) 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
US11048239B2 (en) Control parameter optimizing system that optimizes values of control parameters of an existing power plant
JP4573783B2 (ja) プラントの制御装置と制御方法及び火力発電プラントとその制御方法
US10107205B2 (en) Computer-aided control and/or regulation of a technical system
JP2014181570A (ja) 蒸気タービン制御装置
JP7314323B2 (ja) コンバインド・サイクル・ガス・タービン運転の最適化のための方法及びシステム
KR20070061453A (ko) 모델의 커미티를 사용한 예측성 모델링 방법 및 시스템
US10378375B2 (en) Power generation planning support apparatus and power generation planning support method
EP2562611A2 (en) Process for adaptive modeling of performance degradation
US20230126831A1 (en) Control parameter optimization device, plant, and control parameter optimization method
JP6032847B2 (ja) 蒸気タービン起動制御システム
JP2007138856A (ja) 蒸気タービンプラントの起動スケジュール予測システムおよび予測方法、ならびに予測用プログラムおよび該プログラムを格納した記録媒体
JPH08339204A (ja) 火力発電プラント自律適応最適化制御システム
CN106446375A (zh) 一种基于数据驱动的单元机组锅炉汽轮机控制方法及装置
KR102291800B1 (ko) 보일러 연소 모델 도출 장치 및 방법
JP2011111959A (ja) 発電計画支援装置および方法
JP5378288B2 (ja) プラントの制御装置及び火力発電プラントの制御装置
JPH08128304A (ja) 火力発電プラント自律適応制御システム
JP3723931B2 (ja) プラントの起動予測制御装置
WO2021200194A1 (ja) 制御装置、制御入力決定方法、及び制御入力決定プログラム
JP2009146145A (ja) プラント最適運用システム、最適運転点計算方法及び最適運転点計算プログラム
JP2004116416A (ja) コンバインドサイクル発電プラントの運転方法
JP6703633B2 (ja) 制御パラメータ最適化システム及びそれを備えた運転制御最適化装置
CN116738661A (zh) 基于发电机组的数据处理方法、装置及系统

Legal Events

Date Code Title Description
A625 Written request for application examination (by other person)

Free format text: JAPANESE INTERMEDIATE CODE: A625

Effective date: 20181016

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190821

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190903

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191010

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20191224

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200121

R150 Certificate of patent or registration of utility model

Ref document number: 6650786

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350