JP2019184079A - ガス化溶融炉プラントの排ガス制御装置、排ガス制御方法、及びプログラム - Google Patents

Abstract

【課題】ＣＯ濃度の上昇を抑制することが可能なガス化溶融炉プラントの排ガス制御装置を提供する。【解決手段】ガス化溶融炉プラントの排ガス制御装置は、ガス化炉及び溶融炉を備えるガス化溶融炉プラントの排ガス制御装置であって、前記溶融炉から流出するガスのＯ２濃度の時系列データを取得する取得手段と、前記Ｏ２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を前記Ｏ２濃度に乗じた第１合成変数の時系列データを生成する生成手段と、前記第１合成変数の時系列データを含む入力データが、予め用意された予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測する予測手段と、前記ＣＯ濃度の上昇が予測された場合に、前記ＣＯ濃度の上昇を抑制するように前記溶融炉に供給する空気量を設定する設定手段と、を備える。【選択図】図３

Description

本発明は、ガス化溶融炉プラントの排ガス制御装置、排ガス制御方法、及びプログラムに関する。

特許文献１には、ガス化炉の出口における未燃焼ガス中のＣＯ濃度を排ガス分析計で分析し、分析結果に基づいて溶融炉での分解ガスの燃焼に必要な燃焼空気量を算出し、燃焼空気調節弁を調整して溶融炉に供給する燃焼空気量を制御することが記載されている。

特開２００４−１３２６４８号公報

しかしながら、ガス化溶融炉プラントでは燃焼状態が急激に変動するため、上記従来技術のようなフィードバック制御では、燃焼状態の急激な変動に対応しきれず、ＣＯ濃度の上昇を抑制できないおそれがある。

本発明は、上記課題に鑑みてなされたものであり、その主な目的は、ＣＯ濃度の上昇を抑制することが可能なガス化溶融炉プラントの排ガス制御装置、排ガス制御方法、及びプログラムを提供することにある。

上記課題を解決するため、本発明の一の態様のガス化溶融炉プラントの排ガス制御装置は、ガス化炉及び溶融炉を備えるガス化溶融炉プラントの排ガス制御装置であって、前記溶融炉から流出するガスのＯ_２濃度の時系列データを取得する取得手段と、前記Ｏ_２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を前記Ｏ_２濃度に乗じた第１合成変数の時系列データを生成する生成手段と、前記第１合成変数の時系列データを含む入力データが、予め用意された予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測する予測手段と、前記ＣＯ濃度の上昇が予測された場合に、前記ＣＯ濃度の上昇を抑制するように前記溶融炉に供給する空気量を設定する設定手段と、を備える。

また、本発明の他の態様のガス化溶融炉プラントの排ガス制御方法は、ガス化炉及び溶融炉を備えるガス化溶融炉プラントの排ガス制御方法であって、前記溶融炉から流出するガスのＯ_２濃度の時系列データを取得し、前記Ｏ_２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を前記Ｏ_２濃度に乗じた第１合成変数の時系列データを生成し、前記第１合成変数の時系列データを含む入力データが、予め用意された予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測し、前記ＣＯ濃度の上昇が予測された場合に、前記ＣＯ濃度の上昇を抑制するように前記溶融炉に供給する空気量を設定する。

また、本発明の他の態様のプログラムは、ガス化炉及び溶融炉を備えるガス化溶融炉プラントの排ガス制御装置のコンピュータを、前記溶融炉から流出するガスのＯ_２濃度の時系列データを取得する取得手段、前記Ｏ_２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を前記Ｏ_２濃度に乗じた第１合成変数の時系列データを生成する生成手段、前記第１合成変数の時系列データを含む入力データが、予め用意された予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測する予測手段、及び、前記ＣＯ濃度の上昇が予測された場合に、前記ＣＯ濃度の上昇を抑制するように前記溶融炉に供給する空気量を設定する設定手段、として機能させる。

本発明によれば、ＣＯ濃度の上昇を抑制することが可能となる。

ガス化溶融炉プラントの概略構成例を示す模式図である。 実施形態に係る排ガス制御装置の構成例を示すブロック図である。 上記排ガス制御装置の機能構成例を示す機能ブロック図である。 実施形態に係る排ガス制御装置の動作例を示すフローチャートである。 ＣＯ発生判定モデル学習機能部の具体構成例を示すブロック図である。 ＣＯ発生判定モデル学習処理の手順例を示すフローチャートである。 モデル構築用データ作成処理の手順例を示すフローチャートである。 ある期間における燃焼室出口Ｏ_２濃度、Ｏ_２濃度時間変化率、ガス化炉内圧、ＣＯ濃度、第１合成変数、及び第２合成変数の例を示すグラフである。 第２合成変数に含まれる閾値関数の例を示すグラフである。 入出力変数データ作成処理の手順例を示すフローチャートである。 モデル学習処理の手順例を示すフローチャート（前半）である。 モデル学習処理の手順例を示すフローチャート（後半）である。 ＣＯ発生予測処理の手順例を示すフローチャートである。 制御操作決定処理の手順例を示すフローチャートである。 空気量決定関数ｆ（ｘ）の例を示すグラフである。 モデル入力変数探索処理の手順例を示すフローチャート（前半）である。 モデル入力変数探索処理の手順例を示すフローチャート（後半）である。 モデル構築用データのデータセットの例を示す図である。 変数候補ベクトル及び選択変数ベクトルの例を示す図である。

以下、本発明の好ましい実施の形態を、図面を参照しながら説明する。なお、以下に示す各実施の形態は、本発明の技術的思想を具体化するための方法及び装置を例示するものであって、本発明の技術的思想は下記のものに限定されるわけではない。本発明の技術的思想は、特許請求の範囲に記載された技術的範囲内において種々の変更を加えることができる。

［ガス化溶融炉プラントの構成］
図１は、ガス化溶融炉プラント１０の概略構成例を示す模式図である。ガス化溶融炉プラント１０は、ガス化炉２０及び溶融炉３０を含むガス化溶融炉１５を備えている。ガス化溶融炉プラント１０は、廃棄物を貯留するごみピット４０を備えており、ごみ収集車４１から排出された廃棄物がごみピット４０に収容される。ごみピット４０にはごみクレーン４２が設けられている。ごみクレーン４２は、ごみピット４０に貯留された廃棄物を把持して上昇することにより、ごみピット４０から定量ずつ廃棄物を取り出す。

ごみピット４０の隣には、給じんホッパ５０が設けられている。ごみクレーン４２は、ごみピット４０から引き上げた廃棄物を給じんホッパ５０に投入する。給じんホッパ５０は、図示しない破砕機を備えており、投入された廃棄物を破砕する。給じんホッパ５０の下方には、ベルトコンベアである給じんコンベア５１が設けられており、破砕された廃棄物が定量ずつ給じんコンベア５１に供給される。給じんコンベア５１が廃棄物を搬送し、ガス化炉２０に投入する。

ガス化炉２０には、底部に流動粒子（例えば、砂）からなる流動床２１が設けられている。流動床２１の下部には風箱２２が設けられており、風箱２２内に図示されない送風機により押込空気を導入すると、上向きに流動化空気が噴射され、流動床２１の流動粒子及び給じんコンベア５１により供給された廃棄物が流動撹拌される。このガス化炉２０は、鉄及びアルミニウムなどの金属を未酸化状態で回収するため、流動床２１の流動粒子の流動層温度（砂層温度）が、アルミニウムの融点（６００℃）以下である約５００〜６００℃となるように運転される。廃棄物は、流動床２１内で空気比０．２〜０．３程度の還元雰囲気の中で熱分解され、熱分解ガス（可燃性ガス）及び未燃固形分（チャー、灰分など）となる。ガス化炉２０の炉頂部分には溶融炉３０に連通する流路２３が設けられており、熱分解ガス及び未燃固形分が当該流路を通って溶融炉３０に供給される。

溶融炉３０は、ガス化炉２０で生成された熱分解ガス及び未燃固形分を約１３００〜１４００℃の高温で燃焼させる。流路２３には燃焼用空気を供給するための一次空気供給口２４が設けられており、また酸素富化装置２５が接続されている。一次空気供給口２４には一次空気供給装置２６が設けられ、一次空気供給装置２６から供給された燃焼用空気と酸素富化装置２５から供給された酸素とが混合され、流路２３を通じて溶融炉３０に供給される。溶融炉３０は、流路２３に連通する部分が旋回流溶融炉３１になっており、供給された燃焼用空気が図の矢印に示すように強旋回される。また、溶融炉３０の下部には、燃焼用空気を供給するための二次空気供給口３２が設けられている。二次空気供給口３２には二次空気供給装置３３が設けられ、二次空気供給装置３３から燃焼用空気が溶融炉３０に供給される。未燃の熱分解ガスは、燃焼用空気によって高温燃焼する。灰分は溶融し、スラグが生成されるとともに、ダイオキシン類を分解する。溶融スラグは、溶融炉３０の下部に設けられたスラグ下流口３４より炉外へと回収されることにより有用な資源として利用される。

ボイラ６０は、溶融炉３０に付属して設置されており、ガス化溶融のプロセスで発生した熱を回収する。ボイラ６０は、ガス化溶融のプロセスで発生した熱を利用して水を蒸発させ、図示されない蒸気タービン及び発電機を駆動して電力を生成する。また、溶融炉３０には排気用の煙突７０が接続されている。溶融炉３０と煙突７０の間には、図示されないガス冷却装置、排ガス処理装置（バグフィルタ等）、誘引送風機が設置されており、溶融炉３０によって生じた排ガスを冷却、除塵して煙突７０へと送出する。なお、ここではボイラが設けられたガス化溶融炉プラントについて説明しているが、ボイラが設けられていないガス化溶融炉プラントであってもよい。

上記のようなガス化溶融炉プラント１０には、各種のセンサが設けられている。給じんコンベア５１には、この給じんコンベア５１の搬送速度（以下、「給じん速度」という）を計測するための給じん速度計７１が設けられている。風箱２２には、風箱２２内の圧力（以下、「風箱圧力」という）を計測するための風箱圧力計７２と、風箱２２に導入される押込空気の流量（以下、「押込空気流量」という）を計測するための押込空気流量計７３と、砂層温度を計測するための砂層温度計７４とが設けられている。また、ガス化炉２０の炉頂部分には、当該炉頂部分の圧力（以下、「ガス化炉内圧」という）を計測するためのガス化炉内圧力計７５が設けられており、溶融炉３０とボイラ６０との接続部分には、当該部分の酸素濃度（以下、「燃焼室出口Ｏ_２濃度」という）を計測するためのＯ_２濃度計７６が設けられている。さらに、一次空気供給口２４には一次空気流量計７７が設けられ、二次空気供給口３２には二次空気流量計７８が設けられている。煙突７０には、排ガス中のＣＯ濃度を計測するためのＣＯ濃度計７９が設けられている。なお、ガス化炉内圧は、ガス化炉２０の炉頂部分の圧力に限られず、炉頂部以外のガス化炉内の圧力であってもよい。また、上記のようにボイラ６０がない設備においては、溶融炉３０の出口にＯ_２濃度計を設け、このＯ_２濃度計によって計測されたＯ_２濃度を、燃焼室出口Ｏ_２濃度として使用できる。

かかるガス化溶融炉プラント１０は、排ガス制御装置１００に接続されている（図２参照）。排ガス制御装置１００は、上記の給じん速度計７１、風箱圧力計７２、押込空気流量計７３、砂層温度計７４、ガス化炉内圧力計７５、Ｏ_２濃度計７６、一次空気流量計７７、二次空気流量計７８、及びＣＯ濃度計７９に接続されており、これらの出力変数（以下、「運転データ」という）を受信するようになっている。運転データは、計測値の時系列データである。また、排ガス制御装置１００は、一次空気供給装置２６及び二次空気供給装置３３に接続されている。かかる排ガス制御装置１００は、運転データに基づいて一次空気供給装置２６及び二次空気供給装置３３を駆動し、ガス化溶融炉プラント１０の排ガスの状態（燃焼状態）をフィードバック制御する。

［排ガス制御装置の構成］
図２は、実施形態に係る排ガス制御装置１００の構成例を示すブロック図である。排ガス制御装置１００は、例えばサーバコンピュータ等のコンピュータ２００によって実現される。図２に示すように、コンピュータ２００は、本体３００と、入力部４００と、表示部５００とを備えている。本体３００は、ＣＰＵ３０１、ＲＯＭ３０２、ＲＡＭ３０３、読出装置３０４、ハードディスク３０５、入出力インタフェース３０６、及び画像出力インタフェース３０７を備えており、ＣＰＵ３０１、ＲＯＭ３０２、ＲＡＭ３０３、読出装置３０４、ハードディスク３０５、入出力インタフェース３０６、及び画像出力インタフェース３０７は、バスによって接続されている。

ＣＰＵ３０１は、ＲＡＭ３０３にロードされたコンピュータプログラムを実行する。そして、排ガス制御用のコンピュータプログラムである排ガス制御プログラム３１０を当該ＣＰＵ３０１が実行することにより、コンピュータ２００が排ガス制御装置１００として機能する。

ＲＯＭ３０２は、マスクＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、又はＥＥＰＲＯＭ等によって構成されており、ＣＰＵ３０１に実行されるコンピュータプログラム及びこれに用いるデータ等が記録されている。

ＲＡＭ３０３は、ＳＲＡＭ又はＤＲＡＭ等によって構成されている。ＲＡＭ３０３は、ハードディスク３０５に記録されている排ガス制御プログラム３１０の読み出しに用いられる。また、ＲＡＭ３０３は、ＣＰＵ３０１がコンピュータプログラムを実行するときに、ＣＰＵ３０１の作業領域として利用される。

ハードディスク３０５は、オペレーティングシステム及びアプリケーションプログラム等、ＣＰＵ３０１に実行させるための種々のコンピュータプログラム及び当該コンピュータプログラムの実行に用いられるデータがインストールされている。排ガス制御プログラム３１０も、このハードディスク３０５にインストールされている。

また、ハードディスク３０５には、上記の各センサから出力された運転データを格納する運転データベース（運転ＤＢ）３２０と、判定モデルの構築に使用する学習データを格納するモデル構築用データベース（モデル構築用ＤＢ）３３０と、機械学習により生成された判定モデルを格納する判定モデルデータベース（判定モデルＤＢ）３４０と、ガス化溶融炉プラント１０の動作条件を格納する動作条件データベース（動作条件ＤＢ）３５０と、出力ログを格納する出力ログデータベース（出力ログＤＢ）３６０とが設けられている。これらのデータベースは、排ガス制御装置１００とは別の装置に設けられてもよい。

入出力インタフェース３０６は、例えばUSB，IEEE1394，又はRS-232C等のシリアルインタフェース、SCSI，IDE，又は IEEE1284等のパラレルインタフェース、及びＤ／Ａ変換器、Ａ／Ｄ変換器等からなるアナログインタフェース等から構成されている。入出力インタフェース３０６には、キーボード及びマウスからなる入力部４００が接続されており、ユーザが当該入力部４００を使用することにより、コンピュータ２００にデータを入力することが可能である。また、入出力インタフェース３０６には、上述した給じん速度計７１、風箱圧力計７２、押込空気流量計７３、砂層温度計７４、ガス化炉内圧力計７５、Ｏ_２濃度計７６、一次空気流量計７７、二次空気流量計７８、及びＣＯ濃度計７９が接続されており、これらの運転データを受信するように構成されている。さらに、入出力インタフェース３０６には、一次空気供給装置２６及び二次空気供給装置３３が接続されており、これらに制御信号を送信できるようになっている。

画像出力インタフェース３０７は、ＬＣＤまたはＣＲＴ等で構成された表示部５００に接続されており、ＣＰＵ３０１から与えられた画像データに応じた映像信号を表示部５００に出力するようになっている。表示部５００は、入力された映像信号にしたがって、画像（画面）を表示する。

［排ガス制御装置の機能構成］
次に、排ガス制御装置１００の動作について説明する。図３は、排ガス制御装置１０の機能構成例を示す機能ブロック図である。排ガス制御装置１０は、データ前処理機能部１１０、ＣＯ発生判定モデル部１２０、操作量決定機能部１３０、及びＣＯ発生判定モデル学習機能部１４０を備えている。これらの機能部は、ＣＰＵ３０１が排ガス制御プログラム３１０に従って情報処理を実行することにより実現される。

データ前処理機能部１１０は、データ入力Ｉ／Ｆ３０６ａが取得した運転データにノイズ除去、スムージングなどの前処理を施し、前処理が施された運転データをＣＯ発生判定モデル部１２０及び運転ＤＢ３２０に出力する。なお、データ入力Ｉ／Ｆ３０６ａ及びデータ出力Ｉ／Ｆ３０６ｂは、上述の入出力インタフェース３０６（図２参照）の一部に相当する。

ＣＯ発生判定モデル部１２０は、データ前処理機能部１１０からの運転データと、判定モデルＤＢ３４０に格納されたＣＯ発生判定モデル（予測条件の例）と、動作条件ＤＢ３５０に格納された動作条件とに基づいて、溶融炉３０から流出する排ガスのＣＯ濃度が上昇するか否かを予測し、予測結果を操作量決定機能部１３０に出力する。ＣＯ発生判定モデル部１２０は、予測手段の一例である。

操作量決定機能部１３０は、ＣＯ発生判定モデル部１２０からの予測結果と、動作条件ＤＢ３５０に格納された動作条件とに基づいて、一次空気供給装置２６及び二次空気供給装置３３の操作量を決定し、決定された操作量を実現するための制御信号をデータ出力Ｉ／Ｆ３０６ｂから一次空気供給装置２６及び二次空気供給装置３３に送信する。操作量決定機能部１３０は、設定手段の一例である。

ＣＯ発生判定モデル学習機能部１４０は、運転ＤＢ３２０に格納された運転データと、動作条件ＤＢ３５０に格納された動作条件とに基づいて、溶融炉３０から流出する排ガスのＣＯ濃度が上昇するか否かを予測するためのＣＯ発生判定モデルを機械学習によって作成し、判定モデルＤＢ３４０に格納する。

［排ガス制御装置のメイン動作］
図４は、排ガス制御装置１００の動作例を示すフローチャートである。ＣＰＵ３０１は排ガス制御プログラム３１０に従って図４に示す情報処理を実行する。

排ガス制御装置１００は、ガス化溶融炉プラント１０の通常の制御モード（以下、「通常制御モード」という）での制御処理を行う。かかる通常制御モードの制御処理は各種センサから出力された運転データに基づくＰＩＤ制御であり、これにより排ガスの状態、つまり燃焼状態が一定に保たれる。

上記の通常制御を実行している間、排ガス制御装置１００は、上記の各センサから出力された運転データを受信する（ステップＳ１０１）。ＣＰＵ３０１は、この運転データに対してノイズ除去、スムージングなどの前処理を実行し（ステップＳ１０２：データ前処理機能部１１０としての処理）、前処理後の運転データを運転ＤＢ３２０に保存する（ステップＳ１０３）。

次にＣＰＵ３０１は、ＣＯ発生判定モデルを作成するか否かを判定する（ステップＳ１０４）。ＣＯ発生判定モデルを作成する場合（ステップＳ１０４においてＹＥＳ）、ＣＰＵ３０１は、ＣＯ発生判定モデル学習処理を実行する（ステップＳ１０５：ＣＯ発生判定モデル学習機能部１４０としての処理）。

［ＣＯ発生判定モデル学習機能部の構成］
図５は、ＣＯ発生判定モデル学習機能部１４０の具体構成例を示すブロック図である。ＣＯ発生判定モデル学習機能部１４０は、モデル構築用データ作成機能部１４１、入力変数探索機能部１４３、及びモデル学習機能部１４５を備えている。

モデル構築用データ作成機能部１４１は、運転ＤＢ３２０に格納された運転データと、動作条件ＤＢ３５０に格納された動作条件とに基づいて、ＣＯ発生判定モデルの構築に使用するためのモデル構築用データ（すなわち学習データ）を作成し、モデル構築用ＤＢ３３０に格納する。

入力変数探索機能部１４３は、モデル構築用ＤＢ３３０に格納されたモデル構築用データと、動作条件ＤＢ３５０に格納された動作条件とに基づいて、ＣＯ発生判定モデルに適した入力変数をステップワイズな変数探索法によって探索する。

モデル学習機能部１４５は、モデル構築用ＤＢ３３０に格納されたモデル構築用データと、入力変数探索機能部１４３において探索された入力変数と、動作条件ＤＢ３５０に格納された動作条件とに基づく機械学習によってＣＯ発生判定モデルを作成し、判定モデルＤＢ３４０に格納する。

［ＣＯ発生判定モデル学習処理］
図６は、ＣＯ発生判定モデル学習処理（ステップＳ１０５）の手順を示すフローチャートである。ＣＰＵ３０１は、同図に示すＣＯ発生判定モデル学習処理を実行することによりＣＯ発生判定モデル学習機能部１４０（図５参照）として機能する。まず、ＣＰＵ３０１は、運転ＤＢ３２０から運転データを読み出す（ステップＳ２０１）。次に、ＣＰＵ３０１は、取得された運転データを用いてモデル構築用データ作成処理を実行する（ステップＳ２０２：モデル構築用データ作成機能部１４１としての処理）。

図７は、モデル構築用データ作成処理（ステップＳ２０２）の手順を示すフローチャートである。ＣＰＵ３０１は、同図に示すモデル構築用データ作成処理を実行することによってモデル構築用データ作成機能部１４１（図５参照）として機能する。このモデル構築用データ作成処理では、ＣＯ濃度の上昇を予測するためのＣＯ発生判定モデルを機械学習するためのモデル構築用データが作成される。モデル構築用データには、入力変数データと出力変数データとが含まれる。

モデル構築用データの作成について詳しく説明する。図８は、ある期間における燃焼室出口Ｏ_２濃度、ガス化炉内圧及びＣＯ濃度などを示すグラフである。図８において、横軸は時間を表し、縦軸は燃焼室出口Ｏ_２濃度、ガス化炉内圧及びＣＯ濃度などのレベルを表す。このグラフでは、ＣＯ濃度が初期には低いが、中期に急激に上昇し、暫く高レベルを維持した後、下降している。また、ＣＯ濃度の急激な上昇の前には、燃焼室出口Ｏ_２濃度が急激に下降するとともに、ガス化炉内圧が上昇している。

このような現象は次のように説明できる。図１に示すようにガス化炉２０には給じんコンベア５１から廃棄物が連続して投入されるが、この投入量は時間当たり一定となるように平準化されている。しかし、大きな塊のごみが給じんホッパ５０から給じんコンベア５１に投下され、ガス化炉２０に投入される廃棄物の量が突発的に増大することがある。ガス化炉２０の内部は通常負圧とされているが、一定容積のガス化炉２０に大きな廃棄物の塊が投入されると一時的にガス化炉２０の内部圧力が上昇する。また、このような廃棄物の塊が投入されることでガス化炉２０内の廃棄物の量が増大すると、その燃焼のため炉内のＯ_２濃度が低下する。

かかる知見に基づき、排ガス制御装置１００は、運転データに含まれる燃焼室出口Ｏ_２濃度及びガス化炉内圧などの計測値、並びにこれらの計測値から算出される値などを、ＣＯ濃度の上昇を予測するための入力変数とする。

図７の説明に戻る。まず、ＣＰＵ３０１は、運転データに含まれる燃焼室出口Ｏ_２濃度及びガス化炉内圧などの計測値の時系列データに対して平滑化処理を実行する（ステップＳ３０１）。平滑化処理は、例えば下記数式１に基づいて行われる。ここで、ｔは時間を表し、ａはｔ−１における値とｔにおける値との合成割合を表す。

次に、ＣＰＵ３０１は、平滑化が施された燃焼室出口Ｏ_２濃度及びガス化炉内圧などの計測値の時系列データに対して一次変換処理を実行する（ステップＳ３０２）。

一次変換処理では、例えば燃焼室出口Ｏ_２濃度の時系列データからＯ_２濃度時間変化率が算出される。Ｏ_２濃度時間変化率の算出は、例えば下記数式２に基づいて行われる。ここで、ｔは時間を表し、ｏｘは燃焼室出口Ｏ_２濃度を表し、ｏｘｒはＯ_２濃度時間変化率を表す。

また、一次変換処理では、例えばＯ_２濃度時間変化率の標準偏差も算出される。標準偏差の算出は、例えば下記数式３に基づいて行われる。ここで、ｏｘｒはＯ_２濃度時間変化率を表し、ＡＶＥは平均値を表し、Ｋはデータの数を表す。

その他、一次変換処理では、例えば、燃焼室出口Ｏ_２濃度の最小値・最大値、燃焼室出口Ｏ_２濃度の時間変化率の最小値、閾値未満の燃焼室出口Ｏ_２濃度の時間積分値、閾値以上の燃焼室出口Ｏ_２濃度の時間積分値、ガス化炉内圧の最大値、ガス化炉内圧の時間変化率の最大値、閾値以上のガス化炉内圧の時間積分値、押込空気流量の時間変化率の最小値、砂層温度、砂層温度の時間上昇量、砂層温度の時間変化量の時間積分値、風箱圧力、風箱圧力の時間変化率の最大値、風箱圧力の平均値、給じん速度の時間変化率の平均値などを算出してもよい。

次に、ＣＰＵ３０１は、二次変換処理を実行する（ステップＳ３０３）。二次変換処理では、以下に説明する第１合成変数と第２合成変数とが算出される。

第１合成変数は、燃焼室出口Ｏ_２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を、燃焼室出口Ｏ_２濃度に乗じた変数である。第１補正係数は、時間減少率が大きくなるほど０に近づく。Ｏ_２濃度時間減少率が大きくなるとは、Ｏ_２濃度時間変化率が負の側に大きくなること、すなわち、Ｏ_２濃度時間変化率が負であって且つその絶対値が大きくなることをいう。

第１合成変数は、例えば下記数式４で表される。ここで、ｃｂｖ_１は第１合成変数を表し、ｏｘは燃焼室出口Ｏ_２濃度を表し、ｏｘｒはＯ_２濃度時間変化率を表し、σ_ｏｘｒはＯ_２濃度時間変化率の標準偏差を表し、βは第１調整変数を表し、（ｏｘｒ×β／σ_ｏｘｒ＋１）は第１補正係数を表す。

上記数式４に示すように、第１補正係数は、Ｏ_２濃度時間変化率を含む項に正のオフセット値を加えた数である。具体的には、第１補正係数は、Ｏ_２濃度時間変化率に第１調整変数を乗じ、標準偏差で割った項に１を加えた数である。これにより、第１補正係数は、燃焼室出口Ｏ_２濃度が減少するときに０より大きく１より小さい値になると共に、Ｏ_２濃度時間変化率が負の側に大きくなるほど０に近づく。

このようにして得られる第１合成変数は、図８に示すように燃焼室出口Ｏ_２濃度の下降よりも急峻に下降する。言い換えると、第１合成変数の変化の位相は、燃焼室出口Ｏ_２濃度の変化よりも進んだものとなる。このため、第１合成変数は、ＣＯ濃度上昇を早期に予測するための有益な入力変数となる。

第２合成変数は、ガス化炉内圧が閾値を超えた場合に０より大きく１より小さい値になる第２補正係数を、第１合成変数に乗じた変数である。第２合成変数は、例えば下記数式５で表される。ここで、ｃｂｖ_２は第２合成変数を表し、ｐ＾（※ｐにサーカムフレックス）は閾値関数を表し、γは第２調整変数を表し、１／（ｐ＾×γ＋１）は第２補正係数を表す。

閾値関数は、例えば下記数式６及び図９で表される。ここで、ｐはガス化炉内圧を表す。閾値関数は、ガス化炉内圧が閾値未満で０、閾値以上で正の値になる関数である。本例では、閾値関数は、ガス化炉内圧が正の閾値を超えるとガス化炉内圧そのものとなるが、これに限らず、固定値となってもよい。

上記数式５及び数式６に示すように、第２補正係数は、ガス化炉内圧が閾値未満で０、閾値以上で正の値になる閾値関数に第２調整変数を乗じた項に１を加えた数の逆数である。これにより、第２補正係数は、ガス化炉内圧が閾値を超えた場合に０より大きく１より小さい値になる。

第２合成変数は、ガス化炉内圧が閾値未満で０、閾値以上で正の値になる閾値関数に第２調整変数を乗じた項に１を加えた数で、第１合成変数を割った変数とも言える。

このようにして得られる第２合成変数は、図８に示すように、燃焼室出口Ｏ_２濃度の下降よりも、更には第１合成変数の下降よりも急峻に下降する。言い換えると、第２合成変数の変化の位相は、燃焼室出口Ｏ_２濃度の変化よりも、更には第１合成変数よりも進んだものとなる。このため、第２合成変数は、ＣＯ濃度上昇を早期に予測するための有益な入力変数となる。

次に、ＣＰＵ３０１は、入出力変数データ作成処理を実行する（ステップＳ３０４）。図１０は、入出力変数データ作成処理の手順例を示すフローチャートである。

まず、ＣＰＵ３０１は、モデル構築用データのインデックスｎを初期化し（ステップＳ４０１）、時刻インデックスｔを初期化する（ステップＳ４０２）。次に、ＣＰＵ３０１は、時刻ｔ−Ｔ１（但し、Ｔ１＞０）から時刻ｔまでの入力期間（図８参照）の運転データに基づいて、時刻ｔの入力変数データを作成する（ステップＳ４０３）。入力変数データは、例えば、燃焼室出口Ｏ_２濃度及びガス化炉内圧などの計測値に加えて、上記Ｓ３０２の一次変換処理で生成された燃焼室出口Ｏ_２濃度の時間変化率、時間積分値及び標準偏差など、上記Ｓ３０３の二次変換処理で生成された第１合成変数及び第２合成変数などから生成される。

次に、ＣＰＵ３０１は、出力変数データを作成する。図８に示すように、ＣＯの上昇は、入力期間よりも後の時刻ｔ＋Ｔ２から時刻ｔ＋Ｔ３（但し、Ｔ３＞Ｔ２＞０）までの出力期間に現れる。よって、この出力期間のＣＯ濃度に基づいて出力変数データは作成される。具体的には、ＣＰＵ３０１は、出力期間の運転データから、ＣＯ濃度の最大値を取得し（ステップＳ４０４）、取得されたＣＯ濃度の最大値が閾値Ｃ１以上であるか否かを判別する（ステップＳ４０５）。

ＣＯ濃度の最大値が閾値Ｃ１以上である場合には（ステップＳ４０５においてＹＥＳ）、ＣＰＵ３０１は、時刻ｔの出力変数データをＣＯ濃度が上昇したことを表す値「１」に決定する（ステップＳ４０６）。一方、ＣＯ濃度の最大値が閾値Ｃ１未満である場合には（ステップＳ４０５においてＮＯ）、ＣＰＵ３０１は、時刻ｔの出力変数データをＣＯ濃度が上昇していないことを表す値「０」に決定する（ステップＳ４０７）。

次に、ＣＰＵ３０１は、得られた入力変数データと出力変数データとを結合してモデル構築用データｎを作成する（ステップＳ４０８）。

さらに、ＣＰＵ３０１は、時刻ｔが所定の最大値Ｔに達したか否かを判定し（ステップＳ４０９）、時刻ｔが最大値Ｔ未満であれば（ステップＳ４０９においてＮＯ）、時刻ｔをインクリメントし（ステップＳ４１０）、ステップＳ４０３へ処理を戻す。他方、時刻ｔが最大値Ｔに達している場合は（ステップＳ４０９においてＹＥＳ）、ＣＰＵ３０１は、インデックスｎが所定の最大値Ｎに達したか否かを判定し（ステップＳ４１１）、ｎが最大値Ｎ未満であれば（ステップＳ４１１においてＮＯ）、ｎをインクリメントして（ステップＳ４１２）、ステップＳ４０２に処理を戻す。ｎが最大値Ｎに到達している場合は（ステップＳ４１１においてＹＥＳ）、ＣＰＵ３０１は、データセット作成処理を終了する。

なお、ＣＯ発生判定モデルを評価するためのテストデータも、モデル構築用データと同様に作成される。

再び図７を参照する。入出力変数データ作成処理（ステップＳ３０４）を終了すると、ＣＰＵ３０１は、モデル構築用データ作成処理を終了する。

再び図６を参照する。モデル構築用データ作成処理（ステップＳ２０２）を終了すると、ＣＰＵ３０１は、作成したモデル構築用データをモデル構築用ＤＢ３３０に格納する（ステップＳ２０３）。

次に、ＣＰＵ３０１は、モデル入力変数探索処理を実行する（Ｓ２０４：入力変数探索機能部１４３（図５参照）としての処理）。本実施形態のモデル入力変数探索処理では、上記第１合成変数に含まれる第１調整変数（上記数式４におけるβ）と、上記第２合成変数に含まれる第２調整変数（上記数式５におけるγ）とが探索の対象とを、複数条件に振って作成した変数候補の中から、対象データに最も適合する変数の組合せを選択する。これに限らず、他の入力変数が探索の対象となってもよい。モデル入力変数探索処理の詳細は後述する。

次に、ＣＰＵ３０１は、モデル学習処理を実行する（Ｓ２０５：モデル学習機能部１４５（図５参照）としての処理）。

図１１及び図１２は、モデル学習処理の手順を示すフローチャートである。ＣＰＵ３０１は、同図に示すモデル学習処理を実行することによって上記モデル学習機能部１４５として機能する。図１１に示すステップＳ５０１〜Ｓ５０９によりＣＯ発生判定モデルが作成され、図１２に示すステップＳ５１１〜Ｓ５２１によりＣＯ発生判定モデルが評価される。

まず、ＣＰＵ３０１は、モデル構築用データセットのインデックスｍを初期化する（ステップＳ５０１）。ここで、モデル構築用データセットとは、出力変数データがＣＯガスの発生があることを示す、つまり「１」であるモデル構築用データと、出力変数データがＣＯガスの発生がないことを示す、つまり「０」であるモデル構築用データとを所定の比率（以下、「データ比率」という）で含むデータセットのことである。ここでは、データ比率がそれぞれ異なる複数のモデル構築用データセットが定義される。例えば、あるモデル構築用データセットにおけるデータ比率は「１」（つまり、出力変数データが「１」の学習データと「０」の学習データとの比率が１：１）であり、他の１つのモデル構築用データセットにおけるデータ比率は「２」（つまり、出力変数データが「１」の学習データと「０」の学習データとの比率が１：２）である。

次に、ＣＰＵ３０１は、データ比率のインデックスｌを初期化する（ステップＳ５０２）。データ比率Ｒ（ｌ）は、パラメータセットとして定義され、例えば、Ｒ（１）＝１，Ｒ（２）＝２，Ｒ（３）＝５，Ｒ（４）＝１０の４つの値が予め設定されている。

次に、ＣＰＵ３０１は、出力変数が「１」のモデル構築用データを学習ＤＢ３３０から所定数取得する（ステップＳ５０３）。また、ＣＰＵ３０１は、出力変数が「０」のモデル構築用データを、データ比率Ｒ（ｌ）に従った数だけ学習ＤＢ３３０から取得する（ステップＳ５０４）。例えば、ｌ＝１のときは、出力変数が「１」のモデル構築用データと同数だけ、出力変数が「０」のモデル構築用データが取得され、ｌ＝３のときは、出力変数が「１」のモデル構築用データの３倍の数だけ、出力変数が「０」のモデル構築用データが取得される。

次に、ＣＰＵ３０１は、取得されたモデル構築用データセットｍを用いて、決定木学習によりＣＯ発生判定モデルを生成する（ステップＳ５０５）。この決定木による学習には、ＩＤ３、Ｃ４．５、ＣＡＲＴ等の公知の学習アルゴリズムを採用できる。生成されたＣＯ発生判定モデルは、運転データに関する条件と、ＣＯ濃度の上昇の有無を示す結果とを有するＩＦ−ＴＨＥＮルールである。例えば、条件が「燃焼室出口Ｏ_２濃度が閾値Ｄ１以下であり、且つ、ガス化炉内圧が閾値Ｐ１以上」であり、結果が「１（ＣＯ濃度の上昇有り）」のようなルールとなる。なお、結果が「０（ＣＯ濃度の上昇無し）」のＣＯ発生判定モデルは破棄され、結果が「１」のＣＯ発生判定モデルのみが採用される。

ＣＰＵ３０１は、インデックスｌが所定の最大値Ｌに達したか否かを判定し（ステップＳ５０６）、ｌが最大値Ｌ未満であれば（ステップＳ５０６においてＮＯ）、ｌをインクリメントし（ステップＳ５０７）、ステップＳ５０３へ処理を戻す。他方、ｌが最大値Ｌに達している場合は（ステップＳ５０６においてＹＥＳ）、ＣＰＵ３０１は、インデックスｍが所定の最大値Ｍに達したか否かを判定し（ステップＳ５０８）、ｍが最大値Ｍ未満であれば（ステップＳ５０８においてＮＯ）、ｍをインクリメントして（ステップＳ５０９）、ステップＳ５０２に処理を戻す。ｍが最大値Ｍに到達している場合は（ステップＳ５０８においてＹＥＳ）、ＣＰＵ３０１は、図１２に示すステップＳ５１１〜Ｓ５２１に移る。

次に、ＣＰＵ３０１は、ＣＯ発生判定モデルのインデックスｉ及びカウンタｃ（ｉ）を初期化し（ステップＳ５１１）、テストデータのインデックスｊを初期化する（ステップＳ５１２）。

次に、ＣＰＵ３０１は、テストデータｊに対してＣＯ発生判定モデルｉを適用し、ＣＯ発生判定モデルｉの評価を行う（ステップＳ５１３）。ＣＰＵ３０１は、評価結果が「適合」の場合、つまりテストデータｊにＣＯ発生判定モデルｉが合致した場合（ステップＳ５１４においてＹＥＳ）、カウンタｃ（ｉ）をインクリメントし（ステップＳ５１５）、ステップＳ５１６へと処理を移す。一方、評価結果が「不適合」の場合、つまりテストデータｊにＣＯ発生判定モデルｉが合致しない場合（ステップＳ５１４においてＮＯ）、ＣＰＵ３０１は、そのまま処理をステップＳ５１６へ移す。

ＣＰＵ３０１は、インデックスｊが所定の最大値Ｊに達したか否かを判定し（ステップＳ５１６）、ｊが最大値Ｊ未満であれば（ステップＳ５１６においてＮＯ）、ｊをインクリメントし（ステップＳ５１７）、ステップＳ５１３へ処理を戻す。他方、ｊが最大値Ｊに達している場合は（ステップＳ５１６においてＹＥＳ）、ＣＰＵ３０１は、適合率（Precision）及び再現率（Recall）を計算し、Ｆ値（F-measure）を計算する（ステップＳ５１８）。ここで、支持度は式（１）により与えられ、信頼度は式（２）により与えられ、Ｆ値は式（３）により与えられる。
適合率（Precision）＝（ａ）ＣＯ判定モデルによる判定結果が「ピークあり（１）」かつ、データのラベルも「１」のデータ数÷（ｂ）ＣＯ判定モデルによる判定結果が「ピークあり（１）」となったデータ数 …（１）
再現率（Recall）＝（ａ）CO判定モデルによる判定結果が「ピークあり（１）」かつ、データのラベルも「１」のデータ数÷（ｃ）テストデータのラベルが「ピークあり（１）」となるデータ数 …（２）
Ｆ値（F-measure）＝２×適合率×再現率／（適合率＋再現率） …（３）
なお、適合率（Precision）、再現率（Recall）及びＦ値（F-measure）については、後述する数式７〜９においても説明する。

ＣＰＵ３０１は、インデックスｉが所定の最大値Ｉに達したか否かを判定し（ステップＳ５１９）、ｉが最大値Ｉ未満であれば（ステップＳ５１９においてＮＯ）、ｉをインクリメントし（ステップＳ５２０）、ステップＳ５１２へ処理を戻す。他方、ｉが最大値Ｉに達している場合は（ステップＳ５１９においてＹＥＳ）、ＣＰＵ３０１は、Ｆ値（F-measure）が所定の閾値以上であるＣＯ発生判定モデルを、ＣＯ発生の予測に使用するＣＯ発生判定モデルとして選別し（ステップＳ５２１）、モデル学習処理を終了する。

再び図６を参照する。モデル学習処理（ステップＳ２０５）を終了すると、ＣＰＵ３０１は、学習結果（すなわち、選別されたＣＯ発生判定モデル）を判定モデルＤＢ３４０に保存し（ステップＳ２０６）、ＣＯ発生判定モデル学習処理を終了する。

［排ガス制御装置のメイン動作の続き］
再び図４を参照する。ＣＯ発生判定モデル学習処理を終了後、ＣＰＵ３０１は、ステップＳ１０１に処理を戻す。ステップＳ１０４においてＣＯ発生判定モデルを作成しない場合（ステップＳ１０４においてＮＯ）、ＣＰＵ３０１は、前回の制御処理（つまり、制御信号の送信）を実行した後、所定の制御周期が経過したか否かを判定する（ステップＳ１０６）。制御周期が経過していない場合（ステップＳ１０６においてＮＯ）、ＣＰＵ３０１は、ステップＳ１０１に処理を戻す。

他方、制御周期が経過している場合（ステップＳ１０６においてＹＥＳ）、ＣＰＵ３０１は、ＣＯ発生予測処理を実行する（ステップＳ１０７：ＣＯ発生判定モデル部１２０（図２参照）としての処理）。

図１３は、ＣＯ発生予測処理の手順例を示すフローチャートである。まず、ＣＰＵ３０１は、現在時刻ｔ’からＴ１遡った範囲の入力期間（つまり、時刻ｔ’−Ｔ１から時刻ｔ’までの期間）における運転データから入力変数データを作成する（ステップＳ６０１）。入力変数データは、例えば、燃焼室出口Ｏ_２濃度及びガス化炉内圧などの計測値に加え、燃焼室出口Ｏ_２濃度の時間変化率、時間積分値、第１合成変数及び第２合成変数などから生成される。

次に、ＣＰＵ３０１は、作成された入力変数データに対してＣＯ発生判定モデルを評価する（ステップＳ６０２）。この処理では、入力変数データが、ＣＯ発生判定モデルの条件に適合するか否かが判定される。次に、ＣＰＵ３０１は、入力期間において燃焼室出口Ｏ_２濃度が極小値を取ったか否か（つまり、燃焼室出口Ｏ_２濃度の時間変化のグラフが谷状に変化したか否か）を評価する（ステップＳ６０３）。この評価には、燃焼室出口Ｏ_２濃度の最小値、時間変化率及び時間積分値などが利用される。この評価処理の後、ＣＰＵ３０１はＣＯ発生予測処理を終了する。

再び図４を参照する。ＣＰＵ３０１は、ＣＯ発生予測処理の結果に基づいて、制御操作決定処理を実行する（ステップＳ１０８：操作量決定機能部１３０（図２参照）としての処理）。

図１４は、制御操作決定処理の手順例を示すフローチャートである。まず、ＣＰＵ３０１は、ＣＯ発生予測処理において、入力変数データがＣＯ発生判定モデルの条件に適合すると評価されたか否かを判定する（ステップＳ７０１）。入力変数データがＣＯ発生判定モデルの条件に適合すると評価された場合（ステップＳ７０１においてＹＥＳ）、ＣＯ濃度の上昇が予測される。そこで、ＣＰＵ３０１は、ＣＯ濃度の上昇を抑制するための操作（以下、「ＣＯ発生抑制操作」という）を実行するか否かを示す操作実行判定フラグを「１」にセットする（ステップＳ７０２）。ここで、操作実行判定フラグが「１」にセットされているとき、ＣＯ濃度の上昇を抑制するためのモード（以下、「ＣＯ発生抑制モード」という）が設定され、ＣＯ発生抑制操作が実行される。他方、操作実行判定フラグが「０」にセットされているとき、ＣＯ発生抑制操作は実行されない。入力変数データがＣＯ発生判定モデルの条件に適合しない場合（ステップＳ７０１においてＮＯ）、ＣＯ濃度の上昇が予測されないため、ＣＰＵ３０１は、操作実行判定フラグを「０」にセットする（ステップＳ７０３）。

後述するように、ＣＯ発生抑制モードでは、高濃度のＮＯｘが発生しない程度に一次及び二次空気の供給量設定値が通常制御モードのときよりも大きくされる。ところで、排ガス制御装置１００では、制御モードの切り替えがバンプレスに行われる。つまり、制御モードが切り替えられる際、操作量がそのまま引き継がれる。しかし、ＣＯ発生抑制モードから通常制御モードにバンプレスに切り替えられると、一次及び二次空気の操作量が高値のまま引き継がれるため、一次及び二次空気が過剰に供給されてＮＯｘの排出量が増大するおそれがある。そこで、ＣＯ発生抑制モードから通常制御モードへ移行する際に切替待機期間を設け、この切替待機期間中に操作量を通常制御モードの平均的な値にすることで、通常制御モードへ円滑に切り替えるようにする。切替待機期間は、ガス化溶融炉プラント１０の制御系の時定数に応じて定められる。

ＣＯ発生判定モデルによってＣＯ濃度の上昇が予測される期間においては、燃焼室出口Ｏ_２濃度が極小値を取るという特徴がある。そこで、この燃焼室出口Ｏ_２濃度の特徴を捉えることで、ＣＯ濃度の上昇が予測されなくなった直後を特定し、切替待機期間を設定する。具体的には、ＣＰＵ３０１は、ＣＯ発生予測処理において、燃焼室出口Ｏ_２濃度が極小値を取ったと評価されたか否かを判定する（ステップＳ７０４）。燃焼室出口Ｏ_２濃度が極小値を取ったと評価された場合（ステップＳ７０４においてＹＥＳ）、ＣＰＵ３０１は、切替待機フラグを「１」にセットする（ステップＳ７０５）。切替待機フラグは、「１」で切替待機期間であることを示し、「０」で切替待機期間外であることを示す。また、燃焼室出口Ｏ_２濃度が極小値を取ったと評価されていない場合（ステップＳ７０４においてＮＯ）、ＣＯ発生抑制モードが終了してからある程度長い時間が経過していると考えられる。この場合、ＣＰＵ３０１は、切替待機フラグを「０」にセットする（ステップＳ７０６）。

切替待機フラグが「０」又は「１」にセットされると、ＣＰＵ３０１は、操作実行判定フラグが「１」にセットされているか否かを判定する（ステップＳ７０７）。操作実行判定フラグが「１」にセットされている場合（ステップＳ７０７においてＹＥＳ）、ＣＰＵ３０１は、ＣＯ濃度の上昇を抑制するための一次及び二次空気の操作量を決定する（ステップＳ７０８）。

ここで、操作量の決定について説明する。操作量は、空気量決定関数ｆ（ｘ）を用いて決定される。空気量決定関数ｆ（ｘ）は、第１基準値未満の燃焼室出口Ｏ_２濃度の時間積分値を引数ｘとし、一次及び二次空気の供給量設定値を出力とする関数であり、運転員の経験等に基づいて作成され、予めハードディスク３０５に記憶されている。図１５は、空気量決定関数ｆ（ｘ）の一例を示すグラフである。図１５において、縦軸は一次及び二次空気の供給量設定値を表し、横軸は引数ｘを表す。図１５に示すように、空気量決定関数ｆ（ｘ）は、ｘがある値以下の範囲においてｘに対して概ね直線的に増加し、ｘがある値より大きい範囲において一定の値をとる関数である。ＣＯ濃度の上昇を抑制するためには、予測されるＣＯ濃度のピークの大きさに対して適切な量の空気を溶融炉３０に供給することが重要である。供給する空気が不足すればＣＯ濃度抑制効果が低くなり、供給する空気が過剰であればＮＯｘの発生量が増加してしまう。ＣＯ濃度のピークの大きさは、ピークが発生する直前における燃焼室出口Ｏ_２濃度の不足具合と強い正の相関を示すことが知られている。このため、燃焼室出口Ｏ_２濃度の不足量を第１基準値未満のＯ_２ガスの濃度の時間積分値として取得し、これに基づいて一次及び二次空気の供給量設定値を決定する。

空気量決定関数ｆ（ｘ）として、上記のグラフにおける複数の節点の座標値（ｘ１，ｙ１）、（ｘ２，ｙ２）、（ｘ３，ｙ３）、（ｘ４，ｙ４）、（ｘ５，ｙ５）がハードディスク３０５に記憶されている。一次及び二次空気の供給量設定値を決定する場合、ＣＰＵ３０１は、これらの節点間を線形補完し、引数ｘに対応する一次及び二次空気の供給量設定値を導出する。一次及び二次空気の供給量設定値が決定されると、ＣＰＵ３０１は、制御操作決定処理を終了する。

他方、操作実行判定フラグが「０」にセットされている場合（ステップＳ７０７においてＮＯ）、ＣＰＵ３０１は、切替待機フラグが「１」にセットされているか否かを判定する（ステップＳ７０９）。切替待機フラグが「１」にセットされていれば（ステップＳ７０９においてＹＥＳ）、切替待機期間中であり、切替待機フラグが「０」にセットされていれば（ステップＳ７０９においてＮＯ）、切替待機期間中ではない。よって、ＣＰＵ３０１は、切替待機フラグが「０」にセットされている場合（ステップＳ７０９においてＮＯ）、そのまま制御操作決定処理を終了し、切替待機フラグが「１」にセットされている場合（ステップＳ７０９においてＮＯ）、切替待機期間が経過したか否かを判定する（ステップＳ７１０）。具体的には、ＣＰＵ３０１は、切替待機期間の開始時点（つまり、切替待機期間が「１」の状態であり、且つ、操作実行判定フラグが「１」から「０」に切り替わった時点）から予め設定された切替待機期間を経過したか否かを判定する。切替待機期間が経過していない場合（ステップＳ７１０においてＮＯ）、ＣＰＵ３０１は、通常制御モードにおける一次及び二次空気供給量の平均値を、供給量設定値として決定する（ステップＳ７１１）。この供給量設定値が、切替待機期間における操作量となる。その後、ＣＰＵ３０１は、制御操作決定処理を終了する。切替待機期間が経過した場合（ステップＳ７１０においてＹＥＳ）、ＣＰＵ３０１は、操作量を決定することなく制御操作決定処理を終了する。これにより、通常制御モードへバンプレスに切り替わる。最後に決定された操作量は一次及び二次空気供給量の平均値であり、これが通常制御モードに引き継がれるため、通常制御モードにおいて適切な量の一次及び二次空気が供給され、ＮＯｘの発生が防止される。

再び図４を参照する。次にＣＰＵ３０１は、ＣＯ発生抑制操作を実行するか否かを判定する（ステップＳ１０９）。この処理では、制御操作決定処理において操作量が決定された場合には、その操作量によってＣＯ発生抑制操作を実行すると判定され、操作量が決定されていない場合には、ＣＯ発生抑制操作を実行しないと判定される。ＣＯ発生抑制操作を実行すると判定された場合（ステップＳ１０９においてＹＥＳ）、ＣＰＵ３０１は、制御操作決定処理において決定された操作量によって、一次空気供給装置２６及び二次空気供給装置３３を操作するよう制御信号を送信し（ステップＳ１１０）、ハードディスク３０５に処理結果を保存する（ステップＳ１１１）。

処理結果を保存した場合、又は、ＣＯ発生抑制操作を実行しないと判定された場合には（ステップＳ１０９においてＮＯ）、ＣＰＵ３０１は、排ガス制御を終了するか否かを判定する（ステップＳ１１２）。排ガス制御を終了しない場合には（ステップＳ１１２においてＮＯ）、ＣＰＵ３０１は、ステップＳ１０１へ処理を戻す。例えば運転員から終了指示が与えられ、排ガス制御を終了する場合には（ステップＳ１１２においてＹＥＳ）、ＣＰＵ３０１は排ガス制御の動作を終了する。

以上のようなＣＯ発生抑制モードでの制御動作により、ＣＯ濃度上昇が事前に予測され、ＣＯ濃度上昇を抑制するように一次及び二次空気が溶融炉３０に供給される。よって運転員の技量に頼ることなく、自動的にプラント単体でのＣＯガスの排出量を抑制できる。

［モデル入力変数探索処理］
以下、上記図６のモデル入力変数探索処理（ステップＳ２０４）について説明する。図１６及び図１７は、モデル入力変数探索処理の手順例を示すフローチャートである。ＣＰＵ３０１は、同図に示すモデル入力変数探索処理を実行することによって上記入力変数探索機能部１４３（図５参照）として機能する。

本実施形態のモデル入力変数探索処理では、モデル構築用データに含まれる入力変数のうち、第１合成変数に含まれる第１調整変数β（上記数式４を参照）と、第２合成変数に含まれる第２調整変数γ（上記数式５を参照）とについて、ＣＯ濃度上昇の予測精度が高くなる変数組み合わせをステップワイズ変数選択法により選択する。

まず、ＣＰＵ３０１は、モデル構築用データをＮ分割し（ステップＳ８０１）、Ｎ種類のデータセットを作成する（ステップＳ８０２）。図１８に示すように、それぞれのデータセットでは、Ｎ分割したデータのうち、１つが第１テストデータ、もう１つが第２テストデータ、残りが学習データがとされる。

次に、ＣＰＵ３０１は、変数インデックスｉ、選択変数ベクトルｖ_ｉ、変数候補ベクトルｗ_ｉ、暫定最良適合度ｆ１’、暫定選択変数ｖ’を初期化する（ステップＳ８０３）。ここで、変数インデックスｉは０で初期化される。暫定最良適合度ｆ１’は、例えば予測結果の評価尺度を表すＦ値であり、０で初期化される。

図１９に示すように、変数候補ベクトルｗ_ｉは変数候補を保持するベクトルであり、選択変数ベクトルｖ_ｉは、変数候補ベクトルｗから選択された変数を保持するベクトルである。変数候補ベクトルｗ_ｉは、全ての変数候補を代入する形で初期化され、選択変数ベクトルｖ_ｉは、空集合で初期化される。

次に、ＣＰＵ３０１は、変数インデックスｊ、暫定最良適合度ｆ２’を初期化する（ステップＳ８０４）。ここで、変数インデックスｊは０で初期化される。暫定最良適合度ｆ２’は、例えば予測結果の評価尺度を表すＦ値であり、０で初期化される。

次に、ＣＰＵ３０１は、選択変数ベクトルｖ_ｉのｉ番目に、変数候補ベクトルｗ_ｉのｊ番目の変数候補を追加したものを、ｖ_ｉ’とする（ステップＳ８０５）。次に、ＣＰＵ３０１は、データセットインデックスｎを初期化する（ステップＳ８０６）。

次に、ＣＰＵ３０１は、ｎ番目のデータセットの学習データ及び第１テストデータからｖ_ｉ’の部分を抽出し（ステップＳ８０７）、抽出した学習データを使用してＣＯ発生判定モデルを学習し（ステップＳ８０８）、抽出した第１テストデータを使用して学習結果の評価指標ｆ_２，ｎを計算する（ステップＳ８０９）。ＣＯ発生判定モデルの学習は、上記モデル学習処理（図１１及び図１２参照）と同様の手順で行われる。

学習結果の評価指標ｆ_２，ｎは、適合率（precision）及び再現率（recall）に基づいて計算される。適合率（precision）は下記数式７で表され、再現率（recall）は下記数式８で表され、評価指標ｆ_２，ｎは下記数式９で表される。ｍは、１又は２の値をとる適合度ＩＤであり、本ステップではｍ＝２である。

ここで、ｄ_１１は、テストデータにおいてＣＯ発生判定モデルの「ＣＯ発生」予測結果と運転での「ＣＯ発生」観測結果とが一致した数である。ｄ_１０は、テストデータにおいてＣＯ発生判定モデルの「ＣＯ発生」予測結果に対して運転では「ＣＯ非発生」観測結果が得られた数である。ｄ_０１は、テストデータにおいてＣＯ発生判定モデルの「ＣＯ非発生」予測結果に対して運転では「ＣＯ発生」観測結果が得られた数である。運転での観測結果は、出力変数データの値に対応する。

次に、ＣＰＵ３０１は、データセットインデックスｎが所定の最大値Ｎに達したか否かを判定し（ステップＳ８１０）、ｎが最大値Ｎ未満であれば（ステップＳ８１０においてＹＥＳ）、ｎをインクリメントし（ステップＳ８１１）、ステップＳ８０７に戻す。

他方、ｎが最大値に達した場合は（ステップＳ８１０においてＮＯ）、ＣＰＵ３０１は、各データセットにおける評価指標の平均ｆ２を計算する（ステップＳ８１２）。評価指標の平均ｆ２は、下記数式１０で表される。ここで、ｍは、１又は２の値をとる適合度ＩＤであり、本ステップではｍ＝２である。

次に、ＣＰＵ３０１は、算出した評価指標の平均ｆ２が暫定最良適合度ｆ２’を超えているか否かを判定する（ステップＳ８１３）。評価指標の平均ｆ２が暫定最良適合度ｆ２’を超えている場合（ステップＳ８１３においてＹＥＳ）、ＣＰＵ３０１は、暫定最良適合度ｆ２’及び暫定選択変数ｖ’を更新する（ステップＳ８１４）。具体的には、評価指標の平均ｆ２を新たな暫定最良適合度ｆ２’とし、変数候補ベクトルｗ_ｉのｊ番目の変数候補を新たな暫定選択変数ｖ’とする。

他方、評価指標の平均ｆ２が暫定最良適合度ｆ２’を超えていない場合（ステップＳ８１３においてＮＯ）、又は、暫定最良適合度ｆ２’及び暫定選択変数ｖ’の更新（ステップＳ８１４）が完了した後、ＣＰＵ３０１は、変数インデックスｊが所定の最大値Ｉから変数インデックスｉを引いた差分Ｉ−ｉに達したか否かを判定する（ステップＳ８１５）。ｊが差分Ｉ−ｉ未満であれば（ステップＳ８１５においてＹＥＳ）、ＣＰＵ３０１は、ｊをインクリメントし（ステップＳ８１６）、ステップＳ８０５に戻す。

他方、ｊが差分Ｉ−ｉに達した場合は（ステップＳ８１５においてＮＯ）、ＣＰＵ３０１は、選択変数ベクトルｖ_ｉ及び変数候補ベクトルｗ_ｊを更新する（ステップＳ８１７）。具体的には、選択変数ベクトルｖ_ｉのｉ番目に暫定選択変数ｖ’を追加するとともに、変数候補ベクトルｗ_ｊから暫定選択変数ｖ’の要素を削除する。次に、ＣＰＵ３０１は、データセットインデックスｎを初期化する（ステップＳ８１８）。

次に、ＣＰＵ３０１は、ｎ番目のデータセットの学習データ及び第２テストデータからｖ_ｉの部分を抽出し（ステップＳ８１９）、抽出した学習データを使用してＣＯ発生判定モデルを学習し（ステップＳ８２０）、抽出した第２テストデータを使用して学習結果の評価指標ｆ_１，ｎを計算する（ステップＳ８２１）。評価指標ｆ_１，ｎは、上記数式７〜数式９で表される（本ステップではｍ＝１である）。

次に、ＣＰＵ３０１は、データセットインデックスｎが所定の最大値Ｎに達したか否かを判定し（ステップＳ８２２）、ｎが最大値Ｎ未満であれば（ステップＳ８２２においてＹＥＳ）、ｎをインクリメントし（ステップＳ８２３）、ステップＳ８１９に戻す。他方、ｎが最大値に達した場合は（ステップＳ８２２においてＮＯ）、ＣＰＵ３０１は、各データセットにおける評価指標の平均ｆ１を計算する（ステップＳ８２４）。平均ｆ１は、上記数式１０で表される（本ステップではｍ＝１である）。

これらのステップＳ８１８〜Ｓ８２４は、上記ステップＳ８０６〜Ｓ８１２と同様である。ステップＳ８０６〜Ｓ８１２では第１テストデータを用いるのに対して、ステップＳ８１８〜Ｓ８２４では第２テストデータを用いる点が異なる。２種類のテストデータで評価する理由は、評価の公平性を担保するためである。１種類のテストデータのみであると、暫定選択変数ｖ’の選択がそのテストデータにフィッティングされてしまうおそれがあるため、２種類のテストデータで評価している。

次に、ＣＰＵ３０１は、算出した評価指標の平均ｆ１が暫定最良適合度ｆ１’を超えているか否かを判定する（ステップＳ８２５）。

評価指標の平均ｆ１が暫定最良適合度ｆ１’を超えている場合（ステップＳ８２５においてＹＥＳ）、ＣＰＵ３０１は、評価指標の平均ｆ１を新たな暫定最良適合度ｆ１’として更新し（ステップＳ８２７）、続いて、変数インデックスｉが所定の最大値Ｉに達したか否かを判定する（ステップＳ８２８）。ｉが最大値Ｉ未満であれば（ステップＳ８２８においてＹＥＳ）、ＣＰＵ３０１は、ｉをインクリメントし（ステップＳ８２９）、ステップＳ８０４に戻す。

評価指標の平均ｆ１が暫定最良適合度ｆ１’を超えていない場合（ステップＳ８２５においてＮＯ）、又は、変数インデックスｉが最大値Ｉに到達した場合（ステップＳ８２８においてＮＯ）、ＣＰＵ３０１は、選択変数ベクトルｖ_ｉを最終的な選択変数に決定し（Ｓ８２６）、モデル入力変数探索処理を終了する。以上のようにして、ＣＯ濃度上昇の予測精度が高い変数組み合わせが得られる。

［その他］
上記実施形態では、入力変数として、燃焼室出口Ｏ_２濃度及びガス化炉内圧などの計測値に加え、燃焼室出口Ｏ_２濃度の時間変化率、時間積分値、第１合成変数及び第２合成変数などを用いる態様について説明したが、これに限定されるものではない。例えば、これらの入力変数から一部（例えば、第１合成変数又は第２合成変数）が省略されてもよいし、これらの入力変数に他の入力変数が付加されてもよい。また、例えば、第１合成変数及び第２合成変数の一方又は両方のみが入力変数とされてもよい。

また、上記実施形態では、ＣＯ発生判定モデルを機械学習によって生成する構成について述べたが、これに限定されるものではない。運転員等が経験に基づいてＣＯ発生判定モデルを作成してもよい。また、上記実施形態では、決定木学習によってＣＯ発生判定モデルを生成する構成としたが、決定木以外の機械学習、例えばサポートベクターマシーン（ＳＶＭ）等によってＣＯ発生判定モデルを生成することもできる。

また、上記実施形態では、単一のコンピュータ２００によって排ガス制御プログラム３１０の全ての処理が実行される構成について述べたが、これに限定されるものではなく、排ガス制御プログラム３１０と同様の処理を、複数のコンピュータに分散して実行する分散システムとすることも可能である。

１０ ガス化溶融炉プラント
１５ ガス化溶融炉
２０ ガス化炉
２６ 一次空気供給装置
３０ 溶融炉
３１ 旋回流溶融炉
３３ 二次空気供給装置
７１ 給じん速度計
７２ 風箱圧力計
７３ 押込空気流量計
７４ 砂層温度計
７５ ガス化炉内圧力計
７６ Ｏ_２濃度計
７７ 一次空気流量計
７８ 二次空気流量計
７９ ＣＯ濃度計
１００ 排ガス制御装置
２００ コンピュータ
３０１ ＣＰＵ
３０５ ハードディスク
３１０ 排ガス制御プログラム
３２０ 運転データベース
３３０ モデル構築用データベース
３４０ 判定モデルデータベース
１１０ データ前処理機能部
１２０ ＣＯ発生判定モデル部
１３０ 操作量決定機能部
１４０ ＣＯ発生判定モデル学習機能部
１４１ モデル構築用データ作成機能部
１４３ 入力変数探索機能部
１４５ モデル学習機能部

Claims (14)

1. ガス化炉及び溶融炉を備えるガス化溶融炉プラントの排ガス制御装置であって、
   前記溶融炉から流出するガスのＯ_２濃度の時系列データを取得する取得手段と、
   前記Ｏ_２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を前記Ｏ_２濃度に乗じた第１合成変数の時系列データを生成する生成手段と、
   前記第１合成変数の時系列データを含む入力データが、予め用意された予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測する予測手段と、
   前記ＣＯ濃度の上昇が予測された場合に、前記ＣＯ濃度の上昇を抑制するように前記溶融炉に供給する空気量を設定する設定手段と、
   を備える、
   ガス化溶融炉プラントの排ガス制御装置。
2. 前記第１補正係数は、前記Ｏ_２濃度の時間減少率が大きくなるほど０に近づく、
   請求項１に記載のガス化溶融炉プラントの排ガス制御装置。
3. 前記第１補正係数は、減少時に負となる前記Ｏ_２濃度の時間変化率を含む項に正のオフセット値を加えた数である、
   請求項１又は２に記載のガス化溶融炉プラントの排ガス制御装置。
4. 前記第１補正係数は、前記Ｏ_２濃度の時間変化率に第１調整変数を乗じ、前記Ｏ_２濃度の時間変化率の標準偏差で割った項に１を加えた数である、
   請求項３に記載のガス化溶融炉プラントの排ガス制御装置。
5. 前記予測条件は、過去における前記第１合成変数の時系列データを含む入力データと前記ＣＯ濃度の上昇の有無を表す出力データとの関係を学習することにより用意される、
   請求項１乃至４の何れかに記載のガス化溶融炉プラントの排ガス制御装置。
6. 前記生成手段は、前記ガス化炉の内圧が閾値を超えた場合に０より大きく１より小さい値になる第２補正係数を前記第１合成変数に乗じた第２合成変数の時系列データを生成し、
   前記予測手段は、前記第１合成変数及び前記第２合成変数の時系列データを含む入力データが、前記予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測する、
   請求項１乃至５の何れかに記載のガス化溶融炉プラントの排ガス制御装置。
7. 前記第２補正係数は、前記ガス化炉の内圧が閾値を超える前に０、超えた後に正の値になる関数を含む項に１を加えた数の逆数である、
   請求項６に記載のガス化溶融炉プラントの排ガス制御装置。
8. 前記第２補正係数は、前記ガス化炉の内圧が閾値を超える前に０、超えた後に正の値になる関数に第２調整変数を乗じた項に１を加えた数の逆数である、
   請求項６又は７に記載のガス化溶融炉プラントの排ガス制御装置。
9. 前記予測条件は、過去における前記第１合成変数及び前記第２合成変数の時系列データを含む入力データと前記ＣＯ濃度の上昇の有無を表す出力データとの関係を学習することにより用意される、
   請求項６乃至８の何れかに記載のガス化溶融炉プラントの排ガス制御装置。
10. 前記第１補正係数は第１調整変数を含み、前記第２補正係数は第２調整変数を含み、
    前記第１調整変数及び前記第２調整変数は、過去における前記第１合成変数及び前記第２合成変数の時系列データを含む入力データと前記ＣＯ濃度の上昇の有無を表す出力データとの関係を学習することにより、複数の候補の中から選択される、
    請求項６乃至９の何れかに記載のガス化溶融炉プラントの排ガス制御装置。
11. 前記第１調整変数及び前記第２調整変数は、過去における前記第１合成変数及び前記第２合成変数の時系列データを含む入力データと前記ＣＯ濃度の上昇の有無を表す出力データとの関係を学習し、互いに異なる複数のテストデータで評価することにより、複数の候補の中から選択される、
    請求項１０に記載のガス化溶融炉プラントの排ガス制御装置。
12. ガス化炉及び溶融炉を備えるガス化溶融炉プラントの排ガス制御装置であって、
    前記溶融炉から流出するガスのＯ_２濃度の時系列データを取得する取得手段と、
    前記Ｏ_２濃度に、前記Ｏ_２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を乗じ、さらに前記ガス化炉の内圧が閾値を超えた場合に０より大きく１より小さい値になる第２補正係数を乗じた合成変数の時系列データを生成する生成手段と、
    前記合成変数の時系列データを含む入力データが、予め用意された予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測する予測手段と、
    前記ＣＯ濃度の上昇が予測された場合に、前記ＣＯ濃度の上昇を抑制するように前記溶融炉に供給する空気量を設定する設定手段と、
    を備える、
    ガス化溶融炉プラントの排ガス制御装置。
13. ガス化炉及び溶融炉を備えるガス化溶融炉プラントの排ガス制御方法であって、
    前記溶融炉から流出するガスのＯ_２濃度の時系列データを取得し、
    前記Ｏ_２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を前記Ｏ_２濃度に乗じた第１合成変数の時系列データを生成し、
    前記第１合成変数の時系列データを含む入力データが、予め用意された予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測し、
    前記ＣＯ濃度の上昇が予測された場合に、前記ＣＯ濃度の上昇を抑制するように前記溶融炉に供給する空気量を設定する、
    ガス化溶融炉プラントの排ガス制御方法。
14. ガス化炉及び溶融炉を備えるガス化溶融炉プラントの排ガス制御装置のコンピュータを、
    前記溶融炉から流出するガスのＯ_２濃度の時系列データを取得する取得手段、
    前記Ｏ_２濃度が減少するときに０より大きく１より小さい値になる第１補正係数を前記Ｏ_２濃度に乗じた第１合成変数の時系列データを生成する生成手段、
    前記第１合成変数の時系列データを含む入力データが、予め用意された予測条件を満たす場合に、前記溶融炉から流出するガスのＣＯ濃度の上昇を予測する予測手段、及び、
    前記ＣＯ濃度の上昇が予測された場合に、前記ＣＯ濃度の上昇を抑制するように前記溶融炉に供給する空気量を設定する設定手段、
    として機能させるプログラム。
    
    

Images