JP2020113151A - 処理水質推定装置、処理水質推定方法及びプログラム - Google Patents

Abstract

【課題】与えられる状況に応じて複数の推定モデルを適切且つ自動で切り替えあるいは組み合わせて高い精度の推定結果を取得すること。【解決手段】制御対象プラントで処理が必要な水質の計測により得られる統計情報と、操作値情報とを入力情報として取得する入力情報取得部11と、取得した入力情報と、夫々異なるアルゴリズムの複数の推定モデルとを用いて処理水質の推定値を算出する推定演算部13と、推定演算部13が算出した複数の処理水質推定値を、複数の集約演算モデルの１つを用いて集約する集約演算部17と、入力情報取得部11で取得した入力情報に基づいて、集約演算部17が用いる集約演算モデルを指令する集約演算指令部14とを備える。【選択図】 図２

Description

本発明の実施形態は、処理水質推定装置、処理水質推定方法及びプログラムに関する。

水処理プラントにおいて、プラントを効率的、安定的に運用するために、操作値や管理値に基づく処理水質の時系列上の変化を推定したいという需要が存在する。処理水質を推定する具体的な技術として、物理・化学モデルに基づいて処理水質を予測する技術（特許文献１、特許文献２）や、機械学習による手法を用いて処理水質を予測する技術（特許文献３）などが提案されている。

特開２０１７−１４０５９５号公報 特開２０１７−１２１５９５号公報 特開２０１６−１９５９７４号公報

物理・化学モデルに基づいて処理水質等を推定する技術と、機械学習を用いて処理水質等を推定する技術は、プラントによっては機場特性の変動などによって予測精度が低下する場合や、学習時のデータ範囲を外れたデータが入力された際に予測精度が低下する場合など、与えられる状況に応じた得手不得手がある。そのため、水処理プラントの運営者は、複数の推定技術から１つを選択可能な環境で、状況に応じて適切なタイミングで推定技術を取捨選択して適用しなければならず、経験と習熟を要する煩雑な作業となっていた。

本実施形態は、前記のような実情に鑑みてなされたもので、その目的は、与えられる状況に応じて複数の推定モデルを適切且つ自動で切り替えあるいは組み合わせて、高い精度の推定結果を取得することが可能な処理水質推定装置、処理水質推定方法及びプログラムを提供することにある。

本実施形態に係る処理水質推定装置は、制御対象プラントで処理が必要な水質の計測により得られる統計情報と、操作値情報とを入力情報として取得する入力情報取得部と、前記入力情報取得部で取得した入力情報を格納する入力情報格納部と、それぞれ異なるアルゴリズムで入力情報を用いた処理水質の推定値を算出する複数の推定モデルを格納する推定モデル格納部と、前記入力情報格納部に格納される入力情報と、前記推定モデル格納部に格納される複数の推定モデルとを用いて処理水質の推定値を算出する推定演算部と、前記推定演算部で算出した処理水質推定値を格納する推定結果格納部と、複数の処理水質推定値を集約する集約演算モデルを複数格納する集約演算モデル格納部と、前記推定結果格納部に格納される複数の処理水質推定値を、前記集約演算モデル格納部に格納される集約演算モデルを用いて集約する集約演算部と、前記入力情報格納部に格納された入力情報に基づいて、前記集約演算部が用いる集約演算モデルを指令する集約演算指令部と、を備える。

第１の実施形態に係る制御対象プラント全体のシステム構成を示すブロック図。 第１の実施形態に係る処理水質推定装置の機能構成の具体例を示すブロック図。 第１の実施形態に係る処理水質推定装置を用いて操作値を決定する際の処理行程を示すフローチャート。 第１の実施形態に係る集約演算モデルを指令するための処理内容を示すフローチャート。 第２の実施形態に係る処理水質推定装置の機能構成の具体例を示すブロック図。 第２の実施形態に係る集約演算モデルを更新するための処理内容を示すフローチャート。 第３の実施形態に係る処理水質推定装置の機能構成の具体例を示すブロック図。 第３の実施形態に係る複数の推定演算の並列処理と集約演算の処理の内容を示すフローチャート。 第４の実施形態に係る処理水質推定装置の機能構成の具体例を示すブロック図。 第４の実施形態に係るグラフ表示画面を例示する図。 第４の実施形態に係るグラフ表示画面を例示する図。

以下、図面を参照して実施形態を説明する。
［第１の実施形態］
図１は、第１の実施形態に係る制御対象プラント１００全体のシステム構成を示すブロック図である。制御対象プラント１００は、処理水質推定装置１、監視制御システム３、１以上の計測装置４を備え、流入水６を上下水道プラント５内で処理して、処理水７として供給するシステムである。

上水道施設として適用する場合は、河川からの流入水６を配水場や需要家へ処理水７として供給する。下水道施設として適用する場合は、下水管網からの流入水６を河川に処理水７として供給する。

処理水質推定装置１は、監視制御システム３から送られてくる、上下水道プラント５での計測により得られる統計情報と、ユーザ２により入力される、操作項目と操作数値とで構成される操作値情報とに基づいて、処理後の各種物質濃度等の水質を示す推定結果情報を算出し、ユーザ２に提示する。

操作項目は、操作値のラベルであり、例えば「曝気風量」「返送率」「余剰汚泥引抜率」等が挙げられる。操作数値は、例えば、操作項目「曝気風量」に対する「４００［ｍ^３／ｈ］」のような数値である。

また、処理水質推定装置１が出力する具体的な推定結果情報としては、例えば「リン酸態リン濃度」「硝酸態窒素濃度」「アンモニア性態窒素濃度」等の情報が挙げられる。

監視制御システム３が水質推定装置１に送信する統計情報は、現在までの一定時間分の操作値指令と計測情報を含む。計測情報は、操作値指令（計測時に管理されていた操作値として「管理値」とも称する）と、計測装置４で計測した、例えば「リン酸態リン濃度」「硝酸態窒素濃度」「アンモニア性態窒素濃度」等の処理水質値とを含む。

ユーザ２は、処理水質の推定計算に必要となる操作値情報を処理水質推定装置１に入力し、入力した操作値情報に基づく推定結果情報を取得する。ユーザ２は、様々な操作値情報を入力して得られる推定結果情報に従って操作値を決定し、決定した結果を操作値指令として監視制御システム３に入力する。ユーザ２が操作値情報を処理水質推定装置１に入力し、処理水質推定装置１から推定結果情報を取得する行程は、ユーザ２が操作値を決定するまで繰り返し実行可能である。

監視制御システム３は、上下水道プラント５を監視して制御する機能を有し、ユーザ２からの操作値指令に応じてプラント５内の各部を制御するための制御情報を上下水道プラント５に送信する。また監視制御システム３は、計測装置４により計測された上下水道プラント５の計測情報を取得し、現在までの一定時間分の操作値指令と計測情報を統計情報として処理水質推定装置１に送信する。

計測装置４は、上下水道プラント５での処理水質値を計測し、計測時点の時刻と操作値指令（管理値）、計測した処理水質値を取り纏めて計測情報として監視制御システム３に出力する。

図２は、処理水質推定装置１の機能構成の具体例を示すブロック図である。処理水質推定装置１は、バスで接続されたＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、メモリ及び補助記憶装置などを備え、プログラムを実行する。処理水質推定装置１は、プログラムの実行によって、入力情報取得部１１、入力情報格納部１２、推定演算部１３、集約演算指令部１４、推定モデル格納部１５、推定結果格納部１６、集約演算部１７、及び集約演算モデル格納部１８を備える装置として機能する。

なお、処理水質推定装置１の各機能の全て、あるいは一部を、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等のハードウェアを用いて実現しても良い。

プログラムは、コンピュータが読み取り可能な記録媒体に記録されていても良い。コンピュータが読み取り可能な記録媒体とは、例えば光磁気ディスクやＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等の可搬媒体、コンピュータに内蔵あるいは外付けされるハードディスク装置等の記憶装置などである。さらにプログラムは、有線または無線の通信回線を介して受信した上で媒体に記憶しても良い。

入力情報格納部１２、推定モデル格納部１５、推定結果格納部１６、及び集約演算モデル格納部１８は、ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。

入力情報取得部１１は、通信インタフェースを含んで構成され、通信インタフェースを介して監視制御システム３と通信する。入力情報取得部１１は、監視制御システム３から得た統計情報と、ユーザ２によって入力された操作値情報とを入力情報として入力情報格納部１２に送信して格納させる。入力情報取得部１１が統計情報の取得を所定の周期タイミングで繰り返し実行することにより、取得した統計情報を入力情報の一部として入力情報格納部１２に蓄積する。

入力情報格納部１２は、入力情報取得部１１を介して取得した入力情報中の統計情報を時系列データとして格納する。入力情報格納部１２が格納する時系列の統計情報と操作値情報は、推定演算部１３、集約演算指令部１４及び集約演算部１７に読出される。

推定演算部１３は、入力情報格納部１２に格納された現在までの統計情報、推定モデル格納部１５に格納された複数の推定モデル、及びユーザ２によって入力された操作値に基づいて、例えば時間単位での将来の、例えば「リン酸態リン濃度」「硝酸態窒素濃度」「アンモニア性態窒素濃度」等の処理水質推定値を演算し、算出した処理水質推定値を推定結果格納部１６に送信して格納させる。

推定モデル格納部１５は、互いにアルゴリズムが異なる複数の推定モデルを格納する。推定モデル格納部１５に格納される複数の推定モデルはそれぞれ、１以上の統計情報を入力し、１以上の水質処理推定値を出力する。これら複数の推定モデルは、物理・化学モデルによる静的解析手法を用いたもの、機械学習を用いたものをそれぞれ複数格納するものとしても良く、有識者によるパラメータ調整に基づく手動生成手法や、学習データを用いた機械学習等による自動生成手法により事前に生成される。推定モデル格納部１５に格納される推定モデルは、対象の処理水質毎に異なる推定モデルを複数用意し、あるいは同一の処理水質を推定する推定モデルが複数あっても良い。

推定結果格納部１６は、推定演算部１３で得た複数の処理水質推定値を格納する。推定結果格納部１６が格納する複数の処理水質推定値は、集約演算部１７に読み出される。

集約演算部１７は、入力情報格納部１２が格納した統計情報が定常値からどの程度外れているかに対応し、推定結果格納部１６に格納された複数の処理水質推定値から、集約演算モデル格納部１８に格納された複数の集約演算モデルのうちの１つに基づいて、１つに集約した高精度な処理水質推定値を算出し、推定結果情報としてユーザ２に提示する。

集約演算モデル格納部１８は、複数の同一処理水質推定値を１つに集約するための集約演算モデルを複数格納する。集約演算モデル格納部１８に格納している複数の集約演算モデルはいずれも、１つ以上の同一処理水質推定値を入力し、１つの同一処理水質推定値を出力する。集約演算モデルは、複数の推定結果の中から中央値などの任意の１つを出力値として選択するような選択モデル、複数の推定結果を組み合わせて計算し、平均値などを出力する単純な関数モデル、事前学習データによる機械学習等を用いて複数の推定結果を複雑に組み合わせて１つの出力値を計算するブラックボックスモデルなどを含む。

集約演算指令部１４は、入力情報格納部１２から与えられる入力情報に含まれる操作値を参照して、集約演算モデル格納部１８に格納される複数の集約演算モデルの中から、集約演算に用いる集約演算モデルを自動且つ適切に選択し、選択した集約演算モデルに基づく演算を集約演算部１７で実行させる。

前記のような構成における本実施形態の動作について説明する。
図３は、同一条件下で複数の推定モデルから算出した高精度推定値に基づき、オペレータであるユーザ２が処理水質推定装置１を用いて操作値を決定する際の処理行程を示すフローチャートである。なお、本実施形態では、決定すべき操作値が複数ある場合を想定している。

その処理当初に、ユーザ２が評価対象とする処理水質と推定先時間とを入力して設定する（ステップＳ１０１）。
これを受けた入力情報取得部１１では、全推定モデルに必要な入力情報として、計測装置４での計測情報を含めて監視制御システム３で生成した統計情報を取得し、前記操作値情報と対応付けて入力情報格納部１２に格納する（ステップＳ１０２）。

推定演算部１３は、全推定モデルでの演算を実行するべく、まず１つの操作値により全処理水質が基準を満たすか否かを全推定モデルで演算して判断する（ステップＳ１０３）。

全処理水質が基準を満たさないと判断した場合（ステップＳ１０３のＮＯ）、次に推定演算部１３は、その時点で選択中の操作値を変更することにより全処理水質が基準を満たすようになるか否かを判断する（ステップＳ１０４）。

ここで選択中の操作値を変更することにより全処理水質が基準を満たすようになると判断した場合（ステップＳ１０４のＹＥＳ）、推定演算部１３は選択中の操作値を変更するようユーザ２に提示し、その変更操作を受け付けて設定した上で（ステップＳ１０５）、ステップＳ１０３に進んで確認のための判断処理を行なう。

またステップＳ１０４において、選択中の操作値を変更しても全処理水質が基準を満たすようにはならないと判断した場合（ステップＳ１０４のＮＯ）、推定演算部１３は選択する操作項目を変更するようユーザ２に提示し、その変更操作を受け付けて設定した上で（ステップＳ１０６）、ステップＳ１０３からの処理に戻る。

こうして選択操作値とその数値を適宜変更設定することで、全推定モデルで全処理水質が基準を満たすようになる各操作値を模索する。

ステップＳ１０３において、その時点で選択している推定モデルで全処理水質が基準を満たすと判断した時点で（ステップＳ１０３のＹＥＳ）、推定演算部１３は設定されている操作値を決定するものとし（ステップＳ１０７）、決定した操作値を推定結果格納部１６に格納させ（ステップＳ１０８）、以上で、主として推定演算部１３による図３の処理を終了する。

図４は、全推定モデルの推定結果が推定結果格納部１６に格納された状態で、集約演算指令部１４が集約演算部１７に対して集約演算モデルを指令する際の処理内容を示すフローチャートである。

図４に示す処理の例は、集約演算モデルが２つに限定されている場合を示す。実際にはそれに限らず、３つ以上のモデルについて切り替える場合でもよい。また判断基準として定常値以外を用いてもよい。

処理当初に集約演算指令部１４は、入力情報格納部１２から全入力情報を読み出して取得する（ステップＳ２０１）。集約演算指令部１４は、取得した全入力情報に含まれる操作値情報、統計情報の内容を参照して、それらの特性に応じた最適な集約演算モデルを選択する。

具体的には、全入力情報が、それぞれに予め設定されている定常値の範囲をいずれも外れていないかどうかを判断する（ステップＳ２０２）。

全入力情報がいずれも定常値の範囲内であると判断した場合（ステップＳ２０２のＹＥＳ）、物理・化学モデルを用いた静的解析の推定モデルでの推定結果と、機械学習の推定モデルでの推定結果が共に信頼度の高いものと考えられる。そのため、集約演算指令部１４は、物理・化学モデルを用いた静的解析の推定モデルでの推定結果と、機械学習の推論モデルでの推定結果の双方を用いる集約演算モデルを集約演算モデル格納部１８から選択するよう集約演算部１７に指令し、選択した集約演算モデルによる演算を実行させて（ステップＳ２０３）、図４の処理を終了する。

またステップＳ２０２において、全入力情報の内の少なくとも１つは定常値の範囲を外れていると判断した場合（ステップＳ２０２のＮＯ）、機械学習の推定モデルでの推定結果については、信頼度が低くなるものと考えられる。そのため、集約演算指令部１４は、機械学習の推定モデルでの推定結果を使用せず、物理・化学モデルを用いた静的解析の推定モデルでの推定結果のみを用いた集約演算モデルを集約演算モデル格納部１８から選択するよう集約演算部１７に指令し、選択した集約演算モデルによる演算を実行させて（ステップＳ２０４）、図４の処理を終了する。

なお、図４の説明では、集約演算指令部１４が、機械学習に基づく推定モデルでの推定結果を用いるかどうかを定常値の設定に基づいて明確に決定し、集約演算部１４で実行する集約演算モデルを指令するものとしたが、集約演算モデル内で、機械学習に基づく推定モデルでの推定結果を用いるかどうかを自動的に決定するよう内部処理するものとしても良い。

この場合、事前学習データによる機械学習等を用いて複数の推定結果を複雑に組み合わせて１つの出力値を計算する、ブラックボックスモデルである集約演算モデルを用いた、集約演算部１７での内部処理とすることで、集約演算指令部１４の構成を省略することができる。

そうした内部処理を行なう場合、定常値から外れているかという判断基準は、画一的あるいは段階的な閾値設定による非連続的なものではなく、外れる度合いに応じた自動調整による連続的な表現が可能となる。また、単純に定常値に基づく判定基準のみならず、例えば条件Ａと条件Ｂとが重なったときだけ非定常となる等、機場の特性に基づく複雑な条件も集約演算モデルに内包することが可能である。

集約演算部１７は、集約演算指令部１４に指令された集約演算モデル、あるいは内部処理により判断する機構を備える集約演算モデルを集約演算モデル格納部１８から読出して演算を実行することにより、集約した１つの高精度な処理水質推定値を算出し、推定結果情報としてユーザ２に提示する。

以上詳述した如く本実施形態によれば、入力情報のデータ特性に応じて集約演算モデルを自動、且つ適切に選択することができる。その結果、ユーザ２は手動で状況に応じた集約演算モデルを選択する等の必要なしに、高精度の推定結果情報を取得できる。

［第２の実施形態］
図５は、図２の機能構成に代えて、第２の実施形態における処理水質推定装置１の機能構成の具体例を示すブロック図である。なお、基本的な構成はほぼ同様であるものとして、同一部分には同一符号を付して、それらの説明を省略する。

本実施形態においては、処理水質推定装置１に集約演算モデル更新部２１を追加する構成となる。この集約演算モデル更新部２１は、入力情報格納部１２に格納される入力情報中の統計情報に含まれる現在の処理水質計測値と、推定結果格納部１６に格納される直近の過去の処理水質推定値とに基づき、集約演算モデル格納部１８に格納される集約演算モデルを必要に応じて更新させる。

次に本実施形態の動作について説明する。
図６は、集約演算モデル更新部２１による集約演算モデルを更新するための処理内容を示すフローチャートである。この処理は、統計情報の更新周期以上の一定周期、例えば２４時間毎に実行するものであり、その当初に推定結果格納部１６に格納される直近の過去、例えば２４時間分の処理水質推定値を取得する（ステップＳ３０１）。

次に集約演算モデル更新部２１は、入力情報格納部１２に格納される入力情報に含まれる２４時間前から現在までの処理水質計測値を取得する（ステップＳ３０２）。

集約演算モデル更新部２１は、これら取得した各情報により、２４時間前から現在までの処理水質計測値を基準として、同時系列について過去に計算された処理水質推定値がどの程度の誤差を有するかを算出する（ステップＳ３０３）。

集約演算モデル更新部２１は、算出した２４時間前から現在までの処理水質推定値の誤差が、予め設定されている誤差のしきい値を超えているか否かにより、集約演算モデルの更新処理を行なう必要性があるか否かを判断する（ステップＳ３０４）。

２４時間前から現在までの処理水質推定値の誤差が、予め設定されている誤差のしきい値を超えない範囲内にあると判断した場合（ステップＳ３０４のＮＯ）、集約演算モデル更新部２１では集約演算モデルの更新処理を行なう必要性がないものとして、以上で図６の処理を終了する。

一方で、２４時間前から現在までの処理水質計測値の誤差が、予め設定されているしきい値を超えていると判断した場合（ステップＳ３０４のＹＥＳ）、集約演算モデル更新部２１は現在の処理水質計測値に基づいて、集約演算モデル格納部１８に格納される集約演算モデルの更新処理を行なった上で（ステップＳ３０５）、図６の処理を終了する。

集約演算モデル格納部１８に格納される集約演算モデルの更新処理に関しては、誤差の大きさと方向性とに応じて、線形特性に重み付けを付与した更新を行なう手法や、機械学習を用いた手法等が考えられる。

以上に述べた如く本実施形態によれば、過去の各推定モデルによる推定結果と、それに対応する正解値となるべき、現在の処理水質の計測値とを比較することにより、現在までの一定時間分の入力情報の特性に対応する各推定モデルの信頼度を自動的に評価し、その評価結果に基づいて集約演算モデルを更新できる。その結果、集約演算モデルでの演算により求められる最終的な推定結果の精度をより高くできる(請求項３の効果)。

［第３の実施形態］
図７は、図２の機能構成に代えて、第３の実施形態における処理水質推定装置１の機能構成の具体例を示すブロック図である。なお、基本的な構成はほぼ同様であるものとして、同一部分には同一符号を付して、それらの説明を省略する。

本実施形態においては、シリアルに複数の推定モデルの演算を実行する推定演算部１３に代えて、パラレルに複数の推定モデルの演算を実行する推定演算部１３１，１３２，…を備える。また、これら推定演算部１３１，１３２，…で実行する推定モデルの割り付けと演算実行時の優先順位を設定するべく、推定演算指令部２２を備える。

推定演算部１３１，１３２，…は、ハードウェア上で並列配置された構成でも良いし、または同一ハードウェアで論理的に並列化されていても良い。さらに、これら複数の推定演算部１３１，１３２，…は、ハードウェア面あるいはソフトウェア面で異なる性能の計算機資源でも良く、再構成可能な計算機資源の場合に、推定演算指令部２２からの指令に応じて構成を変更しても良い。

推定演算指令部２２は、複数の推定演算部１３１，１３２，…に対して、順次並列に推定モデルを割り付けて演算を実行させることで、処理を高速化することが可能である。

さらに推定演算指令部２２が、集約演算モデル格納部１８に格納される、後行程の集約演算に用いる推定結果を参照することで、必要な推定演算のみを推定演算部１３１，１３２，…に割り付けて実施させ、最終的な推定結果情報を出力するまでの時間をより短縮させることも可能となる。

この場合、加えて推定演算指令部２２は、集約演算部１７で全推定演算が完了する前においても、未完了の推定結果については過去の推定結果等の暫定値を用いさせることで、暫定的な集約演算を実行させ、暫定的な集約演算結果を、早期段階で最終的な集約演算の結果に近付けることが可能となる。

次に本実施形態の動作について説明する。
本動作例では、単に複数の推定モデルのすべてを推定演算部１３１，１３２，…に順次割り付けて実施させるのではなく、重要度に応じた優先度を考慮して、必要な推定モデルでの演算に限定して実施する場合について説明する。

図８は、推定演算指令部２２による複数の推定演算の並列処理と集約演算の制御処理の内容を示すフローチャートである。暫定値には過去の推定結果を用いる。

推定モデル格納部１５に格納される推定モデルを用いて推定演算部１３１，１３２，…で演算を実行させるのに際し、推定演算指令部２２は集約演算モデル格納部１８に格納されている集約演算モデルを読み出し、後の行程の集約演算モデルの実行時に必要な推定結果を参照する（ステップＳ４０１）。

この参照結果に基づいて、推定演算指令部２２は推定演算部１３１，１３２，…により実行する推定モデルを必要なものに限定し、且つ、重要度に応じた優先度を設定して、それら限定した推定モデルを並列に実施するよう指令する（ステップＳ４０２）。

なお、ここでいう重要度とは、集約演算モデルにおける本推定結果の参照度合い、例えば線形和における重み付けなどや、計算負荷などにより設定される。

推定演算指令部２２からの指令を受けた推定演算部１３１，１３２，…は、それぞれ指定された推定モデルを用いて推定演算を実施し、推定結果を算出して、随時推定結果格納部１６に格納する。

その後、推定演算部１３１，１３２，…を監視する推定演算指令部２２は、指令した全ての推定モデルの演算の実行が終了したか否かを判断する（ステップＳ４０３）。

指令した全ての推定モデルの演算の実行が終了していないと判断した場合（ステップＳ４０３のＮＯ）、推定演算指令部２２は集約演算モデル格納部１８に格納される集約演算モデル中の入力に用いる入力情報に関して、まだ推定結果が算出されていない推定結果に関し、推定結果格納部１６に格納される過去の推定結果を読み出して置換させ（ステップＳ４０４）、集約演算モデルによる暫定的な集約演算を実行させる（ステップＳ４０５）。そして、その演算結果を随時、仮の推定結果情報として出力させた上で（ステップＳ４０６）、ステップＳ４０３からの処理に戻る。

こうして、指令した全ての推定モデルの演算の実行が終了するまでの間、ステップＳ４０３〜Ｓ４０６の処理を繰り返し実行し、暫定的な集約演算モデルでの推定結果を出力し続けるが、その過程で順次推定演算部１３１，１３２，…での推定モデルの演算が終了し、当該推定モデルでの現在の推定結果が推定結果格納部１６に格納される。

そのため、全ての推定モデルの演算の実行が完了する前に、暫定的な集約演算ではありながら、精度が順次高くなるような推定結果情報が出力されることとなる。

そして、ステップＳ４０３において、指令した全ての推定モデルの演算の実行が終了したと判断した時点で（ステップＳ４０３のＹＥＳ）、推定演算指令部２２はそれら推定結果を用いた最終的な集約演算モデルでの演算の実行を集約演算部１７に指令する（ステップＳ４０７）。

この指令に基づいて集約演算部１７が最終的な集約演算を実行し、算出された推定結果情報を出力することで（ステップＳ４０８）、以上で図８の処理を終了する。

以上に述べた如く本実施形態によれば、推定演算を並列して実行することにより、全推定モデルでの演算の実行を高速化することができる。

特に、推定モデルでの演算を複数の演算部に割り付けて実行させる際、必要と思われる推定モデルでの演算のみに限定し、重要度に応じた優先度を設定した上で演算を実施することで、演算に要する時間をさらに短縮できる。

加えて、並列した推定モデルでの演算を実行中、まだ算出されていない推定結果に対して、推定結果格納部１６から、暫定的に対応する過去の推定結果を集約演算部１７に読み出させて集約演算モデルの演算を実行させるものとしたので、暫定的な集約演算モデルでの演算により算出される推定結果を、より早い段階で最終的に得られる値に近付けることが可能となる。

［第４の実施形態］
図９は、図２、図５、図７の機能構成に代えて、第４の実施形態における処理水質推定装置１の機能構成の具体例を示すブロック図である。なお、基本的な構成はほぼ同様であるものとして、同一部分には同一符号を付して、それらの説明を省略する。

本実施形態においては、集約演算部１７の出力する推定結果情報を、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）表示部２３に与える。ＧＵＩ表示部２３は、集約演算部１７から与えられる推定結果情報に含まれる数値情報を、ディスプレイの画面上に展開したグラフ表示として、座標や色の濃淡を用いて視覚的に理解し易い形態で表現する。

図１０は、ユーザ２に提示されるＧＵＩ表示部２３でのグラフ表示画面の例を示す。画面の中央よりやや右側においては、ユーザ２が選択可能な項目として、操作指標の項目「曝気風量」「返送率」「余剰汚泥引抜率」と、管理指標の項目「ＭＬＳＳ（Ｍｉｘｅｄ Ｌｉｑｕｏｒ Ｓｕｓｐｅｎｄｅｄ Ｓｏｌｉｄｓ：活性汚泥浮遊物質）」「ＤＯ（Ｄｉｓｓｏｌｖｅｄ Ｏｘｙｇｅｎ：溶存酸素）」「ＳＲＴ（Ｓｌｕｄｇｅ Ｒｅｔｅｎｔｉｏｎ Ｔｉｍｅ：汚泥滞留時間）」とを列挙している。ここでは操作指標中の項目「曝気風量」を選択した状態として、他の項目と区別するように反転表示した例を示している。

これと対応するように、画面の中央を含む左側において、「ＰＯ４−Ｐ（リン酸態リン）」「ＮＨ４−Ｎ（硝酸態窒素）」「ＮＯ３−Ｎ（アンモニア性態窒素）」の各「曝気風量」に対応する推定グラフを表示している。

各グラフは、縦軸を操作値である曝気風量［ｍ^３／ｈ］、横軸を現在時刻を左端とした未来の時間軸として、色の濃淡で処理水質である「ＰＯ４−Ｐ」「ＮＨ４−Ｎ」「ＮＯ３−Ｎ」の各濃度の推定値を表示する３次元グラフとしている。各グラフ中、破線は現状の曝気風量３００［ｍ^３／ｈ］弱を示している。

各グラフは、下端側で示すように現在時刻「６：００」から最大２４時間後の明日の「６：００」までの推定結果を示している。例えば上段の「ＰＯ４−Ｐ」のグラフでは、曝気風量が４００［ｍ^３／ｈ］以上となる場合にＰＯ４−Ｐ濃度が上昇する一方で、曝気風量が２００［ｍ^３／ｈ］強以下となる場合にも１２時間後からＰＯ４−Ｐ濃度が上昇するような予測となっていることを視覚的に表現している。

また、このような３次元グラフに代えて、現状の操作値における推定結果を２次元グラフで表した表示にも容易に切替えられる。

図１１は、図１０で現状のグラフボタンＢＴ２が操作されている状態から、ボタンＢＴ１を操作した場合に切り替わる２次元グラフを例示する図である。縦軸を処理水質の濃度、横軸を時間軸として、現状または任意の操作値で処理水質がどのように変化するのかの推定結果を表示する。

同図では、１つのボタンＢＴ１の操作により、３つの処理水質「ＰＯ４−Ｐ」「ＮＨ４−Ｎ」「ＮＯ３−Ｎ」のグラフを連動して切り替えた場合を示しているが、各処理水質毎にボタンが用意されているように、グラフの内容を選択的に操作することも可能である。

以上に述べたように本実施形態によれば、操作値に対する複数の処理水質の推定結果を１画面内で比較して表示できるため、設定すべき操作値を視覚的に理解し易い形態で認識することができる。

以上、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１…処理水質推定装置、２…ユーザ、３…監視制御システム、４…計測装置、５…上下水道プラント、６…流入水、７…処理水、１１…入力情報取得部、１２…入力情報格納部、１３，１３１，１３２…推定演算部、１４…集約演算指令部、１５…推定モデル格納部、１６…推定結果格納部、１７…集約演算部、１８…集約演算モデル格納部、２１…集約演算モデル更新部、２２…推定演算指令部、２３…ＧＵＩ表示部、１００…制御対象プラント。

Claims (9)

1. 制御対象プラントで処理が必要な水質の計測により得られる統計情報と、操作値情報とを入力情報として取得する入力情報取得部と、
   前記入力情報取得部で取得した入力情報を格納する入力情報格納部と、
   それぞれ異なるアルゴリズムで入力情報を用いた処理水質の推定値を算出する複数の推定モデルを格納する推定モデル格納部と、
   前記入力情報格納部に格納される入力情報と、前記推定モデル格納部に格納される複数の推定モデルとを用いて処理水質の推定値を算出する推定演算部と、
   前記推定演算部で算出した処理水質推定値を格納する推定結果格納部と、
   複数の処理水質推定値を集約する集約演算モデルを複数格納する集約演算モデル格納部と、
   前記推定結果格納部に格納される複数の処理水質推定値を、前記集約演算モデル格納部に格納される集約演算モデルを用いて集約する集約演算部と、
   前記入力情報格納部に格納された入力情報に基づいて、前記集約演算部が用いる集約演算モデルを指令する集約演算指令部と、
   を備える処理水質推定装置。
2. 前記推定モデル格納部は、１つ以上の物理・化学モデルの静的解析に基づく推定モデルと、１つ以上の機械学習モデルのデータ解析に基づく推定モデルとを格納し、
   前記集約演算指令部は、前記入力情報格納部に格納された入力情報がそれぞれに事前に設定される定常値範囲を外れているか否かに基づいて、物理・化学モデルの静的解析に基づく推定モデルでの推定結果を用いる集約演算モデルと、機械学習モデルのデータ解析に基づく推定モデルでの推定結果を用いる集約演算モデルとを選択して指令する、
   請求項１記載の処理水質推定装置。
3. 前記入力情報格納部に格納される入力情報に含まれる統計情報中の現在の処理水質計測値と、前記推定結果格納部に格納される過去の処理水質推定値とに基づき、前記集約演算モデル格納部に格納される集約演算モデルを更新する集約演算モデル更新部をさらに備える、請求項１記載の処理水質推定装置。
4. 前記推定演算部は、複数で並列して推定モデルを用いた演算を実行し、
   前記複数の推定演算部それぞれに前記推定モデル格納部に格納される推定モデルを割り付けて演算を実行させる推定演算指令部をさらに備える、
   請求項１記載の処理水質推定装置。
5. 前記推定演算指令部は、前記集約演算モデル格納部に格納される集約演算モデルで使用される推定結果とその重要度に基づき、前記推定演算部に割り付ける推定モデルを限定し、重要度に応じた優先度を設定して、前記複数の推定演算部それぞれに推定モデルを割り付けて演算を実行させる、請求項４記載の処理水質推定装置。
6. 前記推定演算指令部は、前記推定演算部でまだ算出されていない推定結果に代えて、前記推定結果格納部から対応する過去の推定結果を前記集約演算部に読み出させ、集約演算モデルの演算を実行させる、請求項４または５記載の処理水質推定装置。
7. 前記集約演算部が集約した処理水質推定値を、操作値と予測時間の関係を示すグラフ化して表示するグラフ表示部をさらに備える、請求項１記載の処理水質推定装置。
8. 制御対象プラントで処理が必要な水質の計測により得られる統計情報と、操作値情報とを入力情報として取得する入力情報取得工程と、
   前記入力情報取得工程で取得した入力情報を格納する入力情報格納工程と、
   それぞれ異なるアルゴリズムで入力情報を用いた処理水質の推定値を算出する複数の推定モデルを格納する推定モデル格納工程と、
   前記入力情報格納工程で格納した入力情報と、前記推定モデル格納工程で格納した複数の推定モデルとを用いて処理水質の推定値を算出する推定演算工程と、
   前記推定演算工程で算出した処理水質推定値を格納する推定結果格納工程と、
   複数の処理水質推定値を集約する集約演算モデルを複数格納する集約演算モデル格納工程と、
   前記推定結果格納工程で格納した複数の処理水質推定値を、前記集約演算モデル格納工程で格納した集約演算モデルを用いて集約する集約演算工程と、
   前記入力情報格納工程で格納した入力情報に基づいて、前記集約演算工程で用いる集約演算モデルを指令する集約演算指令工程と、
   を有する処理水質推定方法。
9. コンピュータが実行するプログラムであって、前記コンピュータを、
   制御対象プラントで処理が必要な水質の計測により得られる統計情報と、操作値情報とを入力情報として取得する入力情報取得部と、
   前記入力情報取得部で取得した入力情報を格納する入力情報格納部と、
   それぞれ異なるアルゴリズムで入力情報を用いた処理水質の推定値を算出する複数の推定モデルを格納する推定モデル格納部と、
   前記入力情報格納部で格納した入力情報と、前記推定モデル格納部で格納した複数の推定モデルとを用いて処理水質の推定値を算出する推定演算部と、
   前記推定演算部で算出した処理水質推定値を格納する推定結果格納部と、
   複数の処理水質推定値を集約する集約演算モデルを複数格納する集約演算モデル格納部と、
   前記推定結果格納部で格納した複数の処理水質推定値を、前記集約演算モデル格納部で格納した集約演算モデルを用いて集約する集約演算部と、
   前記入力情報格納部で格納した入力情報に基づいて、前記集約演算部で用いる集約演算モデルを指令する集約演算指令部と、
   して機能させるプログラム。