JP2019191687A - プラントの制御装置、プラント、プラントの制御方法及びプラントの制御プログラム - Google Patents
プラントの制御装置、プラント、プラントの制御方法及びプラントの制御プログラム Download PDFInfo
- Publication number
- JP2019191687A JP2019191687A JP2018080583A JP2018080583A JP2019191687A JP 2019191687 A JP2019191687 A JP 2019191687A JP 2018080583 A JP2018080583 A JP 2018080583A JP 2018080583 A JP2018080583 A JP 2018080583A JP 2019191687 A JP2019191687 A JP 2019191687A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- value
- operation amount
- prediction model
- amount
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000012360 testing method Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 23
- 238000009795 derivation Methods 0.000 claims description 10
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000002485 combustion reaction Methods 0.000 description 39
- 239000003245 coal Substances 0.000 description 29
- 238000002347 injection Methods 0.000 description 11
- 239000007924 injection Substances 0.000 description 11
- 230000008859 change Effects 0.000 description 7
- 230000001105 regulatory effect Effects 0.000 description 6
- 239000000446 fuel Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010298 pulverizing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 239000002802 bituminous coal Substances 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004449 solid propellant Substances 0.000 description 1
- 239000003476 subbituminous coal Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive 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
- G05B13/048—Adaptive 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 using a predictor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Feedback Control In General (AREA)
Abstract
Description
本開示の幾つかの実施形態における一態様に係るプラントの制御装置は、プラントを構成する複数の機器の操作量の制御を行うプラントの制御装置であって、前記プラントにおいて計測された計測値を入力とし、監視の対象となる値である監視対象値を出力とする予測モデルを導出する予測モデル導出部と、出力される前記監視対象値が所望の値となる場合の複数の前記機器の前記操作量を算出し、既存制御の前記操作量と算出された前記操作量との差を、第1の調整量として算出する調整量算出部と、前記計測値及び前記計測値が計測されたときの前記プラントの運転条件に基づき、複数の前記機器の前記操作量の拘束条件を設定する拘束条件設定部と、設定された前記拘束条件を適用して前記第1の調整量を修正した第2の調整量を複数の前記機器毎に算出し、算出された前記第2の調整量を既存制御の前記操作量にそれぞれ加算または減算を行い調整後の複数の前記操作量を算出する操作量算出部と、を備える。
また、計測値に基づく拘束条件及び計測値が計測されたときのプラントの運転条件に基づく拘束条件を適用するため、既存の制御と矛盾しない制御を行うことができる。また様々な条件を適用可能であり、プラントの運転状態に即した拘束条件とすることができる。
よって、本態様によれば、拘束条件を適用することで既存の制御の範囲内において予測モデルに基づく適切な操作量の調整量を調整することができる。
そこで本態様では、相関の高い説明変数の一方を削除して予測モデルを導出するものとする。これにより、多重共線性を解消して予測モデルを構築することができる。
よって本態様では、信用区間の幅が閾値以下の予測モデルのみを用いるため、信頼度の高い予測モデルを用いることができる。また予測モデルの特性が変化する場合であっても、信用区間の幅が所定の閾値を上回ることで予測値の変化したことを把握できるため、予測モデルを更新して制御を行うことができる。
また、本開示によれば、プラントの運転状態に即した拘束条件が設定されるので、既存の制御の範囲内において操作量の調整制御を行うことができる。
図1に示されるプラント1のボイラ10は、石炭(瀝青炭、亜瀝青炭など)を粉砕した微粉炭を微粉燃料(固体燃料)として用い、この微粉炭を燃焼バーナにより燃焼させ、この燃焼により発生した熱を回収することが可能な微粉炭焚きボイラであるとする。
制御装置70は、プラント1において計測された計測値(例えば圧力、温度等)、計測値が計測されたときのプラント1の運転条件などに基づき、操作量の制御を行う。操作量が微粉炭量である場合は、これに応じて調整弁81、82、83、84、85の開度の制御を行う。また操作量が空気量(燃焼用空気量)である場合は、調整弁86、87の開度の制御を行う。
また制御装置70は、予測モデル導出部71、調整量算出部72、拘束条件設定部73、操作量算出部74を備える。
本開示のプラント1の制御装置70は、プラント1から排出されるNOx(監視対象値)の排出量を低減するように、プラント1における計測値に基づくNOxの予測モデルと、計測値(運転実測値、実測値)、及び計測値が計測されたときのプラント1の運転条件に基づく拘束条件とを用いて、操作量である各燃焼バーナ21、22、23、24、25に供給される各微粉炭量の調整量を算出するものとする。
ここで、計測値(運転実測値)は、予測モデルの説明変数となるプロセス値全般である。つまり、運転実測値は、プラント1において計測された計測値であって、予測モデルの入力となる値である。運転実測値は、時系列に沿ってデータベースに記憶される。運転実測値は、計測されたときの拘束条件と対応付けられて記憶されてもよい。
制御装置70の予測モデル導出部71は、プラント1において計測された計測値(例えばボイラ10の圧力、温度等)を入力値として、監視対象値であるNOxを出力とするNOxの予測モデルを導出する。
制御装置70の調整量算出部72は、予測モデル導出部71が導出したNOxの予測モデルによって出力されるNOxの値が所望の値、すなわちNOxの排出量を低減させるような微粉炭量の第1の調整量Δxを算出する。具体的には、予測モデルから出力されるNOxの値が最も減少する場合の複数の機器の操作量を算出し、既存制御を行った場合の操作量との差を、第1の調整量Δxとする。
制御装置70の拘束条件設定部73は、計測値(運転実測値)のデータベース及び計測値が計測されたときのプラント1の運転条件に基づき、拘束条件を算出する。
計測値(運転実測値)のデータベースから得られる拘束条件の例としては、「操作量Cの上限値はαである。」、「所定の運転点では、操作量Dと操作量Eとの間には相関があるため、操作量Dと操作量Eとの比が一定となるように制御する。」等が挙げられる。
またプラント1の運転条件から得られる拘束条件の例としては、「発電出力を一定に保つために微粉炭量の合計量を一定に保つ。」、「燃焼の安定のため燃焼用空気量の合計は一定範囲の保つ」等が挙げられる。
さらに操作量算出部74は、既存制御の操作量xに対し、算出した各微粉炭量の第2の調整量Δx’を加算または減算し、調整後の各操作量x±Δx’を算出する。
本実施形態によれば、監視対象値NOxの予測モデルに基づき複数の機器の操作量の調整量を算出することにより、監視対象値NOxを所望の値とするような適切な操作量の調整量を算出することができる。
また、計測値に基づく拘束条件及び計測値が計測されたときのプラント1の運転条件に基づく拘束条件を適用するため、既存の制御と矛盾しない制御を行うことができる。また様々な条件を適用可能であり、プラント1の運転状態に即した拘束条件とすることができる。
よって、本実施形態によれば、拘束条件を適用することで既存の制御の範囲内において予測モデルに基づく適切な操作量の調整量を調整することができる。
制御装置70の予測モデル導出部71は、重回帰分析により、偏回帰係数および説明変数を含む線形予測式である以下の予測式を用いてNOxの予測モデルを導出する。
そこで、本開示では、他の説明変数と比較して相関の高い説明変数が含まれる場合は、一方の説明変数を選択して残し、他方の説明変数を削除して予測モデルを導出するとしてもよい。また、相関の高い説明変数が3以上存在する場合は、一つの説明変数を選択して残し、それ以外の説明変数を削除してもよい。
説明変数を削除する方法としては、LASSO(Least Absolute Shrinkage and Selection Operator)を用いる方法、運転データを分析し相関係数が一定値以上(例えば相関係数が0.6以上)のものを削除する方法、等が挙げられるが、偏回帰係数の値を安定して求められる方法であればいずれの方法を用いるとしてもよい。
そこで本実施形態では、相関の高い説明変数の一方を削除して予測モデルを導出するものとする。
よって本実施形態によれば、多重共線性を解消して予測モデルを構築することができる。
図3には、幾つかの実施形態に係るプラントの制御装置の処理の一態様がフローチャートに示されている。本フローチャートを用いて、監視対象値であるNOxの値を最小化する制御について検討する。
図4には、プラントのNOxの実測データの推移例を示すタイムチャートがグラフに示されている。図4において、縦軸はNOxの実測データの値、横軸は時間である。
図4に示されるようにプラント1のNOxの実測データが推移する場合に、制御装置70は、前のデータセットを用いて構築した予測モデルに基づき、現在からa時間後までのa時間の区間におけるNOxの予測値を算出する。
図5には、説明変数の推移例を示すタイムチャートがグラフに示されている。図5において、各縦軸は各説明変数の値、各横軸は時間である。
図5に示されるように、ステップS301において切り出されたモデリング用データのa時間の区間におけるNOxの予測値に対応する各説明変数が制御装置70によって取り出される。
図6には、偏回帰係数の分布がグラフに示されている。図6において、各縦軸は偏回帰係数の度数、各横軸は各偏回帰係数の値である。
図6に示されるように、各偏回帰係数の分布は正規分布または正規分布に近い形となっている。偏回帰係数の分布の算出方法としては、様々な手法があるが、例えばブートストラップ法、MCMC(Markov Chain Monte Carlo methods;マルコフ連鎖モンテカルロ法)などが挙げられる。本開示では、GLM(Generalized Linear Model;一般化線形モデル)及びn回のブートストラップ法により、偏回帰係数の分布を算出する。
図7には、NOxの予測値の分布がグラフに示されている。図7において、縦軸はNOxの予測値、横軸は時間、また一点鎖線61がNOxの予測値、実線62は各時刻における予測値の分布、点線は実線62の予測値の分布が算出された時刻である。
図7に示されるように、予測モデルに対して、各時刻における各説明変数x1、・・・xnを入力値として、各時刻における予測値の分布が算出される。予測値の分布は、偏回帰係数の分布に基づくものである。各時刻における予測値の分布の最頻値をプロットしたものが一点鎖線61であり、すなわちNOxの予測値である。
図8には、NOxの予測値の分布に対する信用区間がグラフに示されている。図8において、縦軸はNOxの値、横軸は時間、また実線63はNOxの実測値、一点鎖線61はNOxの予測値、網掛け部分AはNOxの予測値の90%信用区間である。
ステップS304にて算出された予測値の分布が信用区間として図8の網掛け部分Aにて示されている。ここで本開示の信用区間は、90%信用区間としている。90%信用区間とは、値の分布の範囲において、上5%、下5%を除いた範囲を示す。よって信用区間の幅は、予測値のばらつきの範囲を示す値であるといえる。
信用区間の幅が閾値以下であるとは、予測値のばらつきが所定の範囲内であることを示す。この時、予測モデルは信頼度が高く、適切な予測モデルであることから、この予測モデルを用いて操作量の調整量を算出するものとする。
一方、信用区間の幅が閾値を上回るとは、予測値のばらつきが大きいことを示す。この時、予測モデルは適切なモデルであるとはいえないため、この予測モデルを破棄し、ステップS301へ戻り次の区間のデータセットを用いて新たな予測モデルを構築するものとする。
図9に示されるように、時間0から時間tmの間は、予測値の信用区間の幅は両向き矢印が示す閾値vを超えておらず、予測モデルの信頼度が高いことから、この予測モデルを用いて操作量の調整量が算出される。
一方、片向き矢印で示す時間tm以降は、予測値の信用区間の幅は閾値vを上回っている。時間tm以降では、時間0から時間tmの間に用いていた予測モデルを使用して操作量の調整量を算出したとしても、NOxの量を減少することができない可能性がある。そこで、時間tm以降では、時間0から時間tmの間に用いていた予測モデルを破棄し、時間0から時間tmの間に用いていた予測モデルの次の区間のデータセットで予測モデルを新たに構築する。
信用区間の幅が大きく切り替わった時間tmでは、例えばプラント1の制御が切り替わるなど、プラント1の特性が変化した場合等が考えられる。
各操作量の調整量の算出方法としては、例えば図2に示される制御装置70による算出方法、(1)式乃至(6)式を用いた算出方法など様々な方法が挙げられるが、いずれの方法を用いるとしてもよい。
図10には、操作量の調整量にて制御を行った場合のNOxの予測値の分布がグラフに示されている。図10において、縦軸はNOxの値、横軸は時間、また実線63はNOxの実測値、一点鎖線61はNOxの調整前の予測値、二点鎖線64はNOxの調整後の予測値、網掛け部分AはNOxの調整前の予測値の90%信用区間、格子状の網掛け部分BはNOxの調整後の予測値の90%信用区間である。
図10に示されるNOxの調整後の予測値は、(1)式乃至(6)式を用いた算出方法で算出された各操作量の調整量による制御が行われた予測値であるとする。図10に示されるように、NOxの実測値(実線63)に対し、NOxの調整前の予測値(一点鎖線61)が部分的に上回る場合があったのに対し、NOxの調整後の予測値(二点鎖線64)は90%信用区間(格子状の網掛け部分B)を含め、全ての時間において実測値を下回っている。ステップS307の制御を行うことにより、NOxの値は減少していることがわかる。
よって本実施形態では、信用区間の幅が閾値以下の予測モデルのみを用いるため、信用区間の幅に対し所定の閾値を用いて判定を行うことから、信頼度の高い予測モデルを用いることができる。また予測モデルの特性が変化する場合であっても、信用区間の幅が所定の閾値を上回ることで予測値の変化したことを把握できるため、予測モデルを更新して制御を行うことができる。
本開示のプラント1の予測モデルの導出は、定常運転時の運転中に導出するとしている。そのため、定常運転における実測値、すなわち比較的変動の少ない値が用いられており、導出される予測モデルにおける偏回帰係数が正しく算出できない場合がある。
そこで、テスト信号として、定常運転時における運転操作量よりも変動の大きな値を入力するものとする。
プラント1の制御装置70は、例えばプラント1の計測値を計測すると、プラント1の設定値(目標値)から計測値を減算し、これを既存制御により制御して操作量xを算出し、この操作量xをプラント1に入力して再度計測値を計測するPI制御を行っている。この一連の制御において、上記に開示した制御装置70は、既存制御により算出された操作量xに対し、予測モデル導出部71により導出された予測モデルを用いて算出された第1の調整量Δxに拘束条件を用いて算出された第2の調整量Δx’を加算または減算した、調整後の操作量x±Δx’をプラント1に入力するとした(図11の破線部)。
本実施形態では、上記制御に対し、テスト信号を入力するものとする。図11に示されるように、テスト信号は既存制御の設定値(目標値)を変更するように、例えば空気量の目標値を変更するように入力してもよい。また、既存制御により算出された操作量に対しテスト信号を印加、例えばダンパ開度を変動させてもよい。
このように予測モデルの偏回帰係数の導出において、テスト信号を入力し、それに対するプラント1の応答データを取得することで、定常運転時よりも変動の大きな運転操作量を入力して偏回帰係数をより正確に求めることができる。
このように、テスト信号を所定の範囲の値に限定することで、プラント1の運転中にテスト信号がプラント1に対する無用な外乱となることを回避することができる。
よって本実施形態によれば、プラント1の運転中にテスト信号が無用な外乱となることを回避させ、プラント1の運転を行いながら予測モデルの更新を行うことができる。
例えば上述した各実施形態においては監視対象値(NOx等の環境規制される物質)を最小化するように予測モデルを構築し操作量を制御するとしたが、監視対象値を最大化するように予測モデルを構築し操作量を制御するとしてもよい。例えば、発電効率の予測モデルを構築し、発電効率を最大化するように操作量の調整量を算出してもよい。このように、本開示によれば、監視対象値を最小化または最大化するように各操作量の調整量を算出し、制御することができる。
10 ボイラ
11 火炉
12 燃焼装置
21、22、23、24、25 燃焼バーナ
36 風箱
41 空気噴射装置
70 制御装置
71 予測モデル導出部
72 調整量算出部
73 拘束条件設定部
74 操作量算出部
81、82、83、84、85、86、87 調整弁
Claims (9)
- プラントを構成する複数の機器の操作量の制御を行うプラントの制御装置であって、
前記プラントにおいて計測された計測値を入力とし、監視の対象となる値である監視対象値を出力とする予測モデルを導出する予測モデル導出部と、
出力される前記監視対象値が所望の値となる場合の複数の前記機器の前記操作量を算出し、既存制御の前記操作量と算出された前記操作量との差を、第1の調整量として算出する調整量算出部と、
前記計測値及び前記計測値が計測されたときの前記プラントの運転条件に基づき、複数の前記機器の前記操作量の拘束条件を設定する拘束条件設定部と、
設定された前記拘束条件を適用して前記第1の調整量を修正した第2の調整量を複数の前記機器毎に算出し、算出された前記第2の調整量を既存制御の前記操作量にそれぞれ加算または減算を行い調整後の複数の前記操作量を算出する操作量算出部と、
を備えるプラントの制御装置。 - 前記予測モデル導出部は、偏回帰係数および説明変数を含む線形予測式を用いた重回帰分析により前記予測モデルを導出し、
前記調整量算出部は、前記予測モデルの前記線形予測式の前記偏回帰係数に基づき複数の前記操作量の前記第1の調整量を算出し、
前記拘束条件設定部は、前記操作量の前記第1の調整量の和が一定であるとする前記拘束条件を設定する請求項1に記載のプラントの制御装置。 - 前記予測モデル導出部は、他の前記説明変数と比べて相関の高い前記説明変数のうち、一の前記説明変数を選択し他の前記説明変数を削除して前記予測モデルを導出する請求項2に記載のプラントの制御装置。
- 前記予測モデル導出部は、所定区間の前記偏回帰係数の分布を算出し、前記偏回帰係数の分布に基づく前記予測モデルの分布から前記予測モデルの信用区間を算出し、
前記信用区間の幅が所定の閾値以下の場合は、前記調整量算出部は、前記予測モデルを用いて前記第1の調整量を算出し、
前記信用区間の幅が所定の閾値を上回る場合は、前記予測モデル導出部は、次の所定区間において新たな前記予測モデルを導出する請求項2に記載のプラントの制御装置。 - 前記操作量算出部は、前記既存制御の前記操作量に対し、テスト信号を入力する請求項1または請求項2に記載のプラントの制御装置。
- 前記操作量算出部は、前記テスト信号が前記既存制御の外乱とならない所定の範囲の値であるとする請求項5に記載のプラントの制御装置。
- 請求項1から請求項6のいずれかに記載の制御装置を備えたプラント。
- プラントを構成する複数の機器の操作量の制御を行うプラントの制御方法であって、
前記プラントにおいて計測された計測値を入力とし、監視の対象となる値である監視対象値を出力とする予測モデルを導出する工程と、
出力される前記監視対象値が所望の値となる場合の複数の前記機器の前記操作量を算出し、既存制御の前記操作量と算出された前記操作量との差を、第1の調整量として算出する工程と、
前記計測値及び前記計測値が計測されたときの前記プラントの運転条件に基づき、複数の前記機器の前記操作量の拘束条件を設定する工程と、
設定された前記拘束条件を適用して前記第1の調整量を修正した第2の調整量を複数の前記機器毎に算出し、算出された前記第2の調整量を既存制御の前記操作量にそれぞれ加算または減算を行い調整後の複数の前記操作量を算出する工程と、
を備えるプラントの制御方法。 - プラントを構成する複数の機器の操作量の制御を行うプラントの制御プログラムであって、
前記プラントにおいて計測された計測値を入力とし、監視の対象となる値である監視対象値を出力とする予測モデルを導出するステップと、
出力される前記監視対象値が所望の値となる場合の複数の前記機器の前記操作量を算出し、既存制御の前記操作量と算出された前記操作量との差を、第1の調整量として算出するステップと、
前記計測値及び前記計測値が計測されたときの前記プラントの運転条件に基づき、複数の前記機器の前記操作量の拘束条件を設定するステップと、
設定された前記拘束条件を適用して前記第1の調整量を修正した第2の調整量を複数の前記機器毎に算出し、算出された前記第2の調整量を既存制御の前記操作量にそれぞれ加算または減算を行い調整後の複数の前記操作量を算出するステップと、
を備えるプラントの制御プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018080583A JP7086692B2 (ja) | 2018-04-19 | 2018-04-19 | プラントの制御装置、プラント、プラントの制御方法及びプラントの制御プログラム |
DE102019002848.1A DE102019002848A1 (de) | 2018-04-19 | 2019-04-17 | Steuerungsvorrichtung einer anlage, anlage, steuerungsverfahren einer anlage und steuerungsprogramm einer anlage |
US16/387,120 US11112760B2 (en) | 2018-04-19 | 2019-04-17 | Control device, control method and computer readable medium for controlling plant based on prediction model and constraint condition |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018080583A JP7086692B2 (ja) | 2018-04-19 | 2018-04-19 | プラントの制御装置、プラント、プラントの制御方法及びプラントの制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019191687A true JP2019191687A (ja) | 2019-10-31 |
JP7086692B2 JP7086692B2 (ja) | 2022-06-20 |
Family
ID=68105264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018080583A Active JP7086692B2 (ja) | 2018-04-19 | 2018-04-19 | プラントの制御装置、プラント、プラントの制御方法及びプラントの制御プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11112760B2 (ja) |
JP (1) | JP7086692B2 (ja) |
DE (1) | DE102019002848A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021095822A1 (ja) * | 2019-11-12 | 2021-05-20 | 株式会社Ihi | プラント運転予測装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002373002A (ja) * | 2001-06-14 | 2002-12-26 | Toshiba Corp | プロセスシミュレータ応用制御装置及び方法 |
JP2007265212A (ja) * | 2006-03-29 | 2007-10-11 | Hitachi Ltd | プラントの制御装置及びプラントの制御方法 |
JP2010204784A (ja) * | 2009-03-02 | 2010-09-16 | Fuji Electric Systems Co Ltd | 外乱制御装置、外乱制御方法、外乱制御プログラムおよび記録媒体 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS4627509Y1 (ja) | 1968-08-07 | 1971-09-22 | ||
US3613508A (en) | 1970-07-27 | 1971-10-19 | Cessna Aircraft Co | Hydraulic valve |
WO1992014197A1 (en) * | 1991-02-08 | 1992-08-20 | Kabushiki Kaisha Toshiba | Model forecasting controller |
JPH06301406A (ja) * | 1993-04-14 | 1994-10-28 | Toshiba Corp | 階層型モデル予測制御システム |
US7219040B2 (en) * | 2002-11-05 | 2007-05-15 | General Electric Company | Method and system for model based control of heavy duty gas turbine |
US7599750B2 (en) * | 2005-12-21 | 2009-10-06 | Pegasus Technologies, Inc. | Model based sequential optimization of a single or multiple power generating units |
JP2007257376A (ja) | 2006-03-23 | 2007-10-04 | Mitsubishi Heavy Ind Ltd | プラント用運転管理支援システム |
JP4665815B2 (ja) | 2006-03-31 | 2011-04-06 | 株式会社日立製作所 | プラントの制御装置 |
US7756591B2 (en) * | 2006-04-25 | 2010-07-13 | Pegasus Technologies, Inc. | System for optimizing oxygen in a boiler |
EP2369433A1 (en) * | 2010-03-24 | 2011-09-28 | ABB Research Ltd. | Computer-based method and device for automatically providing control parameters for a plurality of coal mills supplying coal powder to a plant |
JP5503563B2 (ja) | 2011-01-05 | 2014-05-28 | 株式会社日立製作所 | プラントの制御装置及び火力発電プラントの制御装置 |
US8538561B2 (en) * | 2011-03-22 | 2013-09-17 | General Electric Company | Method and system to estimate variables in an integrated gasification combined cycle (IGCC) plant |
US10338543B2 (en) * | 2014-04-04 | 2019-07-02 | Schneider Electric Software, Llc | Integrated model predictive control and advanced process control |
-
2018
- 2018-04-19 JP JP2018080583A patent/JP7086692B2/ja active Active
-
2019
- 2019-04-17 DE DE102019002848.1A patent/DE102019002848A1/de active Pending
- 2019-04-17 US US16/387,120 patent/US11112760B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002373002A (ja) * | 2001-06-14 | 2002-12-26 | Toshiba Corp | プロセスシミュレータ応用制御装置及び方法 |
JP2007265212A (ja) * | 2006-03-29 | 2007-10-11 | Hitachi Ltd | プラントの制御装置及びプラントの制御方法 |
JP4627509B2 (ja) * | 2006-03-29 | 2011-02-09 | 株式会社日立製作所 | プラントの制御装置及びプラントの制御方法 |
JP2010204784A (ja) * | 2009-03-02 | 2010-09-16 | Fuji Electric Systems Co Ltd | 外乱制御装置、外乱制御方法、外乱制御プログラムおよび記録媒体 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021095822A1 (ja) * | 2019-11-12 | 2021-05-20 | 株式会社Ihi | プラント運転予測装置 |
Also Published As
Publication number | Publication date |
---|---|
US11112760B2 (en) | 2021-09-07 |
DE102019002848A1 (de) | 2019-10-24 |
US20190324414A1 (en) | 2019-10-24 |
JP7086692B2 (ja) | 2022-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4876057B2 (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 | |
US8554706B2 (en) | Power plant control device which uses a model, a learning signal, a correction signal, and a manipulation signal | |
US8185216B2 (en) | Plant controlling device and method, thermal power plant, and its control method | |
US7315846B2 (en) | Method and apparatus for optimizing a system model with gain constraints using a non-linear programming optimizer | |
US8095479B2 (en) | Plant control apparatus and method having functions of determining appropriate learning constraint conditions | |
JP4974330B2 (ja) | 制御装置 | |
US20120036852A1 (en) | Dynamic tuning of dynamic matrix control of steam temperature | |
JP6135831B2 (ja) | 燃焼制御装置、燃焼制御方法および燃焼制御プログラム | |
JP5503563B2 (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 | |
CN110618706A (zh) | 一种基于数据驱动的多级智能脱硝在线优化控制系统 | |
JP4627509B2 (ja) | プラントの制御装置及びプラントの制御方法 | |
JP7086692B2 (ja) | プラントの制御装置、プラント、プラントの制御方法及びプラントの制御プログラム | |
JP5452906B2 (ja) | 燃焼炉の燃焼制御システムおよびその燃焼制御方法 | |
JP2000222005A (ja) | プロセスの制御装置 | |
JP2009222332A (ja) | ボイラを備えたプラントの制御装置、及びボイラを備えたプラントの制御方法 | |
JP5521918B2 (ja) | 焼却炉の運転制御方法 | |
WO2019107511A1 (ja) | 運転条件評価装置、運転条件評価方法、及び発電プラントの制御システム | |
JP5849612B2 (ja) | 熱風炉の燃焼制御方法および燃焼制御装置 | |
JP2010146068A (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 | |
JP2006344004A (ja) | 運転支援装置および運転支援方法 | |
JP2008241220A (ja) | ボイラの制御装置、及び制御方法 | |
JP2006202226A (ja) | プラント運転支援方法、プラント運転支援装置及びプラント運転支援システム | |
TW202032302A (zh) | 廠房的運轉支援裝置 | |
JP2020190364A (ja) | 燃焼制御方法、ごみ焼却炉発電設備 | |
JPH07332602A (ja) | 蒸気温度予測制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201222 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210922 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211220 |
|
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: 20220510 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220608 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7086692 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |