JP2020134040A - 除煤装置の運転支援システム及び運転支援方法並びにプラント - Google Patents

Abstract

【課題】除煤装置の運転効率を向上可能な除煤装置の運転支援システム及び運転支援方法並びにプラントを提供する。【解決手段】除煤装置の運転支援システムは、炉で生成したガスが流れるガス通路に配置される熱交換器を除煤するための除煤装置の運転支援システムであって、入口温度予測モデルを用いて、少なくとも前記炉の計画運転条件から前記ガス通路の予測入口温度を取得するように構成された入口温度予測部と、運転パターン選定モデルを用いて、少なくとも前記除煤装置の過去の運転データから、前記除煤装置の運転パターン候補を選定するように構成された運転パターン選定部と、出口温度予測モデルを用いて、前記予測入口温度及び前記運転パターン候補から、前記ガス通路の予測出口温度を取得するように構成された出口温度予測部と、前記予測出口温度に基づいて、前記運転パターン候補の合否を判定するように構成された判定部と、を備える。【選択図】 図３

Description

本開示は、除煤装置の運転支援システム及び運転支援方法並びにプラントに関する。

固体燃料ガス化炉等の炉で生成された生成ガスが流れる通路には、熱回収等のために熱交換器が配置されることがある。上述の通路を流れるガスには煤等が含まれるため、通路内に配置される熱交換器の伝熱面には煤等が付着することがあり、このような付着物を伝熱面から除去するために除煤装置が用いられている。除煤装置は、熱交換器の伝熱性能の低下を防ぐため、通常、所定期間毎に運転される。

特許文献１には、ボイラ伝熱面の付着物を除去するためのスートブロワ（除煤装置）の運転制御において、ボイラの現在の運転条件等に基づいて、スートブロワを作動させるタイミングや、複数のスートブロワのうち何れを稼働させるかを決定することが開示されている。また、特定のスートブロワを稼働させたときのボイラの運転コストを予測モデルを用いて試算した結果に基づき、稼働させるスートブロワを決定することが開示されている。

米国特許出願公開第２０１３／００１８８３１号明細書

ところで、例えば特許文献１に記載されるように、炉（ボイラ等）の現在の運転状況に基づき除煤装置の運転パターン（例えば、複数のスートブロワの各々の稼働タイミング等）を決定する場合、既定の運転計画条件（例えば燃料流量等）に基づいて炉を運転している最中に随時除煤装置の運転パターンを決定することになる。このため、除煤装置の構成部品の摩耗状態や、メンテナンスが必要となる時期等を、上述の運転計画条件に基づく炉の運転開始前に予測することは難しい。このような予測が可能となれば、メンテナンス計画を立てやすくなる等、除煤装置の運転効率の向上が期待できる。

上述の事情に鑑みて、本発明の少なくとも一実施形態は、除煤装置の運転効率を向上可能な除煤装置の運転支援システム及び運転支援方法並びにプラントを提供することを目的とする。

（１）本発明の少なくとも一実施形態に係る除煤装置の運転支援システムは、
炉で生成した生成ガスが流れるガス通路に配置される熱交換器を除煤するための除煤装置の運転支援システムであって、
入口温度予測モデルを用いて、少なくとも前記炉の計画運転条件から前記ガス通路の予測入口温度を取得するように構成された入口温度予測部と、
運転パターン選定モデルを用いて、少なくとも前記除煤装置の過去の運転データから、前記除煤装置の運転パターン候補を選定するように構成された運転パターン選定部と、
出口温度予測モデルを用いて、前記予測入口温度及び前記運転パターン候補から、前記ガス通路の予測出口温度を取得するように構成された出口温度予測部と、
前記予測出口温度に基づいて、前記運転パターン候補の合否を判定するように構成された判定部と、
を備える。

上記（１）の構成によれば、入口温度予測モデル、運転パターン選定モデル及び、出口温度予測モデルを用いて、炉の計画運転条件から、ガス通路の入口温度を予測し、除煤装置の運転パターン候補を選定するとともに、予測入口温度及び運転パターン候補から取得される予測出口温度に基づいて該運転パターン候補の合否判定をするようにしたので、上述の運転計画条件の下で炉を運転したときに既定の出口温度条件を達成可能な除煤装置の運転パターン候補（合格と判定された運転パターン候補）を、運転計画条件に基づいて提案することができる。
よって、例えば、上述の運転計画条件下で炉を運転する前に、採用する除煤装置の運転パターンに基づいて除煤装置を構成する部品の摩耗状態やメンテンナスが必要となる時期等を予測することができ、除煤装置の運転効率を向上することができる。

（２）幾つかの実施形態では、上記（１）の構成において、
前記除煤装置は、前記ガス通路内における前記生成ガスの流れ方向に沿って配列された複数の前記熱交換器に対応して設けられる複数の除煤部を含み、
前記運転パターン選定部は、前記複数の除煤部の各々の稼働タイミングを示す前記除煤装置全体としての前記運転パターン候補を選定するように構成される。

上記（２）の構成によれば、運転パターン選定部は、複数の除煤部の各々の稼働タイミングを示す除煤装置全体としての運転パターン候補を選定するようにしたので、複数の除煤部の各々について、適切なタイミングでの運転が可能となる。

（３）幾つかの実施形態では、上記（１）又は（２）の構成において、
前記入口温度予測部は、前記炉の前記計画運転条件、および、使用予定の燃料の成分から前記予測入口温度を取得するように構成される。

熱交換器の伝熱面への付着物の付着しやすさは、炉での反応（燃焼等）に関与する燃料の成分によって変化し得る。この点、上記（３）の構成によれば、炉の計画運転条件、および、使用予定の燃料の成分からガス通路の入口温度を予測するようにしたので、該入口温度の予測精度が良好となる。よって、除煤装置の運転パターン候補をより的確に提案することができる。

（４）幾つかの実施形態では、上記（１）乃至（３）の何れかの構成において、
前記運転パターン選定部は、使用予定の燃料の成分、および、前記除煤装置の過去の運転データから、前記除煤装置の運転パターン候補を選定するように構成される。

上記（４）の構成によれば、除煤装置の運転パターン候補の選定にあたり、使用予定の燃料の成分を考慮するようにしたので、燃料成分に応じたより適切な運転パターン候補を提案することができる。

（５）幾つかの実施形態では、上記（１）乃至（４）の何れかの構成において、
前記運転パターン選定部は、
前記運転パターン選定モデルを用いて、前記除煤装置の前記過去の運転データを単位期間毎に分割して得られる分割運転データをクラスタリングして、前記単位期間における代表的な運転パターンを示す複数の運転パターンクラスタを取得し、
前記炉の運転計画期間のうちの前記単位期間ごとに選択された前記運転パターンクラスタの組み合わせから、前記運転計画期間の全体に亘る前記運転パターン候補を作成する
ように構成される。

上記（５）の構成によれば、除煤装置の過去の運転データを単位期間毎に分割して得られる分割運転データを複数の運転パターンクラスタに分類し、該運転パターンクラスタを組み合わせることによって運転計画期間の全体にわたる運転パターン候補を作成するようにしたので、比較的少ない種類の運転パターンクラスタを用いて多様な運転パターン（候補）を表現することができる。よって、除煤装置の運転パターン候補を効率的に提案することができる。

（６）幾つかの実施形態では、上記（５）の構成において、
前記単位期間は、１２時間以上１６８時間以下である。

除煤装置あるいは除煤装置を構成する除煤部の運転間隔は、１２時間以下であることが多い。この点、上記（６）の構成によれば、単位期間を１２時間以上１６８時間以下としたので、単位期間中に、少なくとも１回は除煤装置又は除煤部が稼働することが期待でき、運転パターンクラスタを適切に生成することができる。

（７）幾つかの実施形態では、上記（５）又は（６）の構成において、
前記運転パターン選定部は、使用予定の燃料を成分に応じてクラスタリングして燃料クラスタを取得するように構成された燃料クラスタリング部を含み、
前記運転パターン選定部は、
前記燃料クラスタ毎に前記複数の運転パターンクラスタを取得し、
使用予定の燃料が属する前記燃料クラスタに対応する前記複数の運転パターンクラスタから前記単位期間ごとに選択された前記運転パターンクラスタの組み合わせから、前記運転計画期間の全体に亘る前記運転パターン候補を作成する
ように構成される。

上記（７）の構成によれば、燃料を成分（例えば含有成分の比率）に応じて有限個の燃料クラスタに分類し、該燃料クラスタ毎に分割運転データを複数の運転パターンクラスタに分類するようにしたので、燃料クラスタ毎に、十分な数の分割運転データを用いて運転パターンをクラスタリングすることができる。また、各燃料クラスタに応じた運転パターン候補を作成するようにしたので、使用予定に燃料の成分に応じたより適切な運転パターン候補を提案することができる。

（８）幾つかの実施形態では、上記（５）乃至（７）の何れかの構成において、
前記運転パターン選定部は、前記複数の運転パターンクラスタのうち、前記除煤装置の運転頻度のより小さい運転パターンクラスタを優先的に用いて組み合わせることで、前記運転パターン候補を取得するように構成される。

上記（８）の構成によれば、運転パターンクラスタを組み合わせて運転パターン候補を作成する際に、複数の運転パターンクラスタのうち、除煤装置の運転頻度のより小さい運転パターンクラスタを優先的に用いるようにしたので、除煤装置の運転頻度の小さい運転パターン候補を優先的に作成することができる。よって、炉の運転時に、除煤装置の運転頻度を低減させることができ、除煤装置の運転によるプラントの性能低下を抑制することができ、あるいは、プラントのメンテナンスコストを抑制することができる。

（９）幾つかの実施形態では、上記（１）乃至（８）の何れかの構成において、
前記判定部によって合格と判断された前記運転パターン候補が複数ある場合、複数の前記運転パターン候補から最終候補を選択する選択部をさらに備え、
前記選択部は、前記予測出口温度に関する上限閾値をＴＵｔｈ、下限閾値をＴＬｔｈとし、前記出口温度予測部によって取得された前記予測出口温度の最大値をＴＵ、最小値をＴＬとしたとき、複数の前記運転パターン候補のうち、前記上限閾値と前記最大値との差ΔＵ＝ＴＵｔｈ−ＴＵ、及び、前記最小値と前記下限閾値との差ΔＬ＝ＴＬ−ＴＬｔｈの両方が、前記上限閾値と前記下限閾値の平均Ｔａｖｅ＝（ＴＵｔｈ−ＴＬｔｈ）／２に最も近いものを、最終候補として選択するように構成される。

上記（９）の構成によれば、合格判定された複数の運転パターン候補のうち、上述のΔＵ及びΔＬの両方が上限閾値と下限閾値の平均Ｔａｖｅ＝（ＴＵｔｈ−ＴＬｔｈ）／２に最も近いものを最終候補として選択するようにしたので、選択された運転パターンでの炉の運転時に、熱交換器での熱交換効率の低下や、熱交換器よりも後流側の設備（例えばガス精製設備）での効率低下等を抑制することができる。よって、炉及び除煤装置を含むプラントの効率低下を抑制することができる。

（１０）幾つかの実施形態では、上記（１）乃至（９）の何れかの構成において、
前記判定部により合格と判定された運転パターン候補に基づいて前記除煤装置を運転したときの前記ガス通路の実際の出口温度と、前記運転パターン候補に対応する前記予測出口温度との差が閾値ΔＴｏｕｔ＿ｔｈよりも大きいとき、前記出口温度予測モデルを修正するように構成された第１モデル修正部をさらに備える。

上記（１０）の構成によれば、合格判定された運転パターン候補に対応するガス通路の実際の出口温度と予測出口温度との差が閾値よりも大きいときに出口温度予測モデルを修正するようにしたので、出口温度予測モデルの修正後におけるガス通路の出口温度の予測精度を高めることができる。よって、除煤装置の運転回数の増加に伴い、運転パターン候補の提案の確度を向上させることができる。

（１１）幾つかの実施形態では、上記（１）乃至（１０）の何れかの構成において、
前記判定部により合格と判定された運転パターン候補に基づいて前記除煤装置を運転したときの前記ガス通路の実際の入口温度と、前記運転パターン候補に対応する前記予測入口温度との差が閾値ΔＴｉｎ＿ｔｈよりも大きいとき、前記入口温度予測モデルを修正するように構成された第２モデル修正部をさらに備える。

上記（１１）の構成によれば、合格判定された運転パターン候補に対応するガス通路の実際の入口温度と予測入口温度との差が閾値よりも大きいときに入口温度予測モデルを修正するようにしたので、入口温度予測モデルの修正後におけるガス通路の入口温度の予測精度を高めることができる。よって、除煤装置の運転回数の増加に伴い、運転パターン候補の提案の確度を向上させることができる。

（１２）本発明の少なくとも一実施形態に係る除煤装置の運転支援方法は、
炉で生成した生成ガスが流れるガス通路に配置される熱交換器を除煤するための除煤装置の運転支援方法であって、
入口温度予測モデルを用いて、少なくとも前記炉の計画運転条件から前記ガス通路の予測入口温度を取得する入口温度予測ステップと、
運転パターン選定モデルを用いて、少なくとも前記除煤装置の過去の運転データから、前記除煤装置の運転パターン候補を選定する運転パターン選定ステップと、
出口温度予測モデルを用いて、前記予測入口温度及び前記運転パターン候補から、前記ガス通路の予測出口温度を取得する出口温度予測ステップと、
前記予測出口温度に基づいて、前記運転パターン候補の合否を判定する判定ステップと、
を備える。

上記（１２）の方法によれば、入口温度予測モデル、運転パターン選定モデル及び、出口温度予測モデルを用いて、炉の計画運転条件から、ガス通路の入口温度を予測し、除煤装置の運転パターン候補を選定するとともに、予測入口温度及び運転パターン候補から取得される予測出口温度に基づいて該運転パターン候補の合否判定をするようにしたので、上述の運転計画条件の下で炉を運転したときに既定の出口温度条件を達成可能な除煤装置の運転パターン候補（合格と判定された運転パターン候補）を、運転計画条件に基づいて提案することができる。
よって、例えば、上述の運転計画条件下で炉を運転する前に、採用する除煤装置の運転パターンに基づいて除煤装置を構成する部品の摩耗状態やメンテンナスが必要となる時期等を予測することができ、除煤装置の運転効率を向上することができる。

（１３）本発明の少なくとも一実施形態に係るプラントは、
前記炉としての石炭ガス化炉と、
前記石炭ガス化炉で生成した生成ガスを冷却するための冷却装置と、
上記（１）乃至（１１）の何れかの除煤装置の運転支援システムと、
を備え、
前記ガス通路は、前記冷却装置内に形成される。

上記（１３）の構成によれば、入口温度予測モデル、運転パターン選定モデル及び、出口温度予測モデルを用いて、炉の計画運転条件から、ガス通路の入口温度を予測し、除煤装置の運転パターン候補を選定するとともに、予測入口温度及び運転パターン候補から取得される予測出口温度に基づいて該運転パターン候補の合否判定をするようにしたので、上述の運転計画条件の下で炉を運転したときに既定の出口温度条件を達成可能な除煤装置の運転パターン候補（合格と判定された運転パターン候補）を、運転計画条件に基づいて提案することができる。
よって、例えば、上述の運転計画条件下で炉を運転する前に、採用する除煤装置の運転パターンに基づいて除煤装置を構成する部品の摩耗状態やメンテンナスが必要となる時期等を予測することができ、除煤装置の運転効率を向上することができる。

本発明の少なくとも一実施形態によれば、除煤装置の運転効率を向上可能な除煤装置の運転支援システム及び運転支援方法並びにプラントが提供される。

一実施形態に係るプラントである石炭ガス化複合発電プラントの部分的な概略構成図である。 一実施形態に係る除煤装置の運転支援システムの概略構成図である。 一実施形態に係る除煤システムの運転支援方法の概略的なフローチャートである。 一実施形態に係る除煤装置の運転パターン候補を選定するステップのフローチャートである。 燃料クラスタのマップの一例及び燃料のクラスタリングについて説明するための図である。 除煤装置の過去における運転データの一例を示す図である。 分割運転データについて説明するための図である。 一実施形態に係る運転パターン候補の選定について説明するための図である。 冷却装置のガス通路における予測出口温度のトレンドのグラフの一例である。 一実施形態に係るモデル修正部による予測モデル修正のフローチャートである。

以下、添付図面を参照して本発明の幾つかの実施形態について説明する。ただし、実施形態として記載されている又は図面に示されている構成部品の寸法、材質、形状、その相対的配置等は、本発明の範囲をこれに限定する趣旨ではなく、単なる説明例にすぎない。

まず、幾つかの実施形態に係る運転支援システムの適用対象となる除煤装置を備えたプラントの全体構成について説明する。
図１は、一実施形態に係るプラントである石炭ガス化複合発電プラントの部分的な概略構成図である。図１に示す石炭ガス化複合発電プラント１は、微粉炭（燃料）をガス化するための石炭ガス化炉２（炉）と、石炭ガス化炉２で生成した生成ガスを冷却するための冷却装置４と、を備えている。

石炭ガス化炉２は、火炉５２と、火炉５２に微粉炭及び酸化剤（例えば空気）を供給する供給ポート５０と、供給ポート５０から供給される微粉炭を加熱するためのバーナ（不図示）と、を含む。

火炉５２の上方において、石炭ガス化炉２と冷却装置４との間には連絡管５４が設けられており、該連絡管５４を介して、石炭ガス化炉２の内部空間と冷却装置４の内部に形成されたガス通路５６とが互いに連通している。

冷却装置４の内部には、石炭ガス化炉２からの生成ガスが流れるガス通路５６が形成されている。ガス通路５６には、石炭ガス化炉２からの生成ガスを冷却するための熱交換器６０Ａ〜６０Ｄ（以下、「熱交換器６０」と総称することがある。）が配置されている。熱交換器６０Ａ〜６０Ｄは、水又は蒸気との熱交換により上述の生成ガスを冷却して、該生成ガスの熱を回収するように構成されていてもよい。

図示する実施形態では、ガス通路５６の内部において、複数の熱交換器６０Ａ〜６０Ｄが設けられている。これらの熱交換器６０Ａ〜６０Ｄは、ガス通路５６における生成ガスの流れ方向に沿って配列されているとともに、該流れ方向において上流側から下流側に向かってこの順に配列されている。

また、冷却装置４には、熱交換器６０Ａ〜６０Ｄの伝熱面に付着した煤等の付着物を除去するための（即ち、熱交換器６０Ａ〜６０Ｄを除煤するための）除煤装置６１が設けられている。

図示する実施形態において、除煤装置６１は、複数の熱交換器６０Ａ〜６０Ｄの各々に対応して設けられた複数のスートブロワ（除煤部）６２Ａ〜６２Ｄ（以下、「スートブロワ６２」と総称することがある。）を含む。すなわち、スートブロワ６２Ａ〜６２Ｄは、ガス通路５６における生成ガスの流れ方向において上流側から下流側に向かってこの順に配列されている。スートブロワ６２Ａ〜６２Ｄは、熱交換器６０Ａ〜６０Ｄの伝熱面に向けて流体を吹き付けて、熱交換器６０Ａ〜６０Ｄに付着した付着物を吹き飛ばすことによって除去するように構成されている。

図１に示すように、スートブロワ６２は、ガス通路５６の壁面を貫通するとともに、油圧アクチュエータ等によって該スートブロワ６２の延在方向に沿って進退するように移動可能に設けられていてもよい。これにより、スートブロワ６２を移動させることで、熱交換器６０における流体噴射位置を調節することができる。この場合、スートブロワ６２とガス通路５６の壁面構成部材との摺動部に、ガス通路５６からのガス漏れを抑制するためのシール部材（不図示）が設けられていてもよい。

上述のように構成された石炭ガス化複合発電プラント１では、石炭ガス化炉２において、微粉炭が酸化剤とともに加熱されることによりガス化されて石炭ガス（生成ガス）が生成する。この生成ガスは、微粉炭のガス化の際に生成される煤やチャーを伴い、火炉５２を上昇して、連絡管５４を経て冷却装置４のガス通路５６に流入する。また、微粉炭のガス化の際に生成するスラグは石炭ガス化炉２の底部から排出される。

冷却装置４のガス通路５６に流入した生成ガスは、熱交換器６０を通過する際に、例えば水又は蒸気との熱交換により冷却され、これらの熱交換器６０を通過した後、冷却装置４の出口５８から排出される。

なお、石炭ガス化複合発電プラント１は、ガスタービン（不図示）及び／又は蒸気タービン（不図示）を含んでいてもよい。そして、冷却装置４の出口５８から排出された生成ガスは、精製設備で精製された後、上述のガスタービンに燃料として供給されるようになっていてもよい。また、熱交換器６０で生成ガスから熱回収した後の蒸気が、上述の蒸気タービンを駆動するようになっていてもよい。

上述の冷却装置４のガス通路５６に流入する石炭ガス化炉２からの生成ガスは、上述したように、煤やチャーを含んでいるため、ガス通路５６に配置された熱交換器６０の伝熱面に煤やチャーを含む付着物が付着することがある。この場合、熱交換器６０の伝熱面にスートブロワ６２によって流体を吹き付けることにより、伝熱面から付着物を除去することができる。

なお、上述の実施形態では、除煤装置６１としてスートブロワ６２が採用されているが、本発明における除煤装置はこれに限定されない。例えば、幾つかの実施形態では、除煤装置６１は、音波装置又はウォーターランス等であってもよい。また、スートブロワ６２等の除煤装置６１は、例えば、蒸気、水又は空気等の流体を用いて、熱交換器６０の伝熱面の付着物を除去するように構成されていてもよい。

なお、上述の実施形態では、一実施形態に係るプラントとして石炭ガス化炉２及び冷却装置４を含む石炭ガス化複合発電プラント１について説明したが、本発明に係るプラントはこれに限定されない。例えば、一実施形態に係るプラントは、燃料を燃焼させるための火炉（炉）と、該火炉で生成した燃焼ガス（生成ガス）との熱交換により蒸気を生成するボイラと、を備えた火力発電プラントであってもよい。

本発明の実施形態に係るプラントは、除煤装置６１の運転を支援する運転支援システムをさらに備えている。以下、幾つかの実施形態に係る運転支援システムについて、上述した石炭ガス化炉２及び冷却装置４を含む石炭ガス化複合発電プラント１に適用される場合について説明する。

図２は、一実施形態に係る除煤装置の運転支援システムの概略構成図である。
図２に示すように、運転支援システム１０は、入口温度予測部１２と、運転パターン選定部１４と、出口温度予測部１６と、判定部１８と、選択部１９と、モデル修正部２０と、を備えている。また、運転パターン選定部１４は、燃料クラスタリング部２２を含む。

運転支援システム１０の各部の具体的な機能については後述するが、運転支援システム１０は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、及び、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）を含むコンピュータ、及び、コンピュータが読み取り可能な記憶媒体等から構成されている。そして、以下に説明する各種機能を実現するための一連の処理は、一例として、プログラムの形式で記録媒体等に記憶されており、このプログラムをＣＰＵがＲＡＭ等に読み出して、情報の加工や演算処理を実行することにより、各種機能が実現されるようになっている。

図３は、一実施形態に係る除煤システムの運転支援方法の概略的なフローチャートである。運転支援システム１０は、上述した各部によって、図３のフローチャートに示す方法を実行する。以下、図３に沿って、運転支援システム１０の動作について説明する。

まず、入口温度予測部１２は、入口温度予測モデル２６（図２参照）を用いて、少なくとも石炭ガス化炉２の計画運転条件２８（図２参照）から冷却装置４のガス通路５６の予測入口温度を取得する（図３のステップＳ１０）。
ここで、ガス通路５６の入口温度とは、冷却装置４のガス通路５６のうち、最上流側に位置する熱交換器６０よりも上流側の温度である。

計画運転条件２８は、事前に計画されている石炭ガス化炉２の運転条件であり、例えば、火炉５２への燃料供給量、火炉５２への空気又は酸素の供給量、燃料、空気又は酸素を供給する供給ポート５０に関する情報等のうち１つ以上であってもよい。あるいは、石炭ガス化炉２を含む石炭ガス化複合発電プラント１にガスタービン又は蒸気タービンが含まれる場合、上述の計画運転条件２８は、該ガスタービン又は蒸気タービンに接続された発電機による発電量を含んでいてもよい。

入口温度予測部１２は、入口温度予測モデル２６を用いて、上述の計画運転条件２８、及び、使用予定の燃料の成分から、上述の予測入口温度を取得するようにしてもよい。
上述の燃料の成分とは、該燃料に含まれる特定成分の濃度であってもよい。

入口温度予測モデル２６は、既知の機械学習手法を用いて構築してもよい。入口温度予測モデル２６の構築に利用可能な機械学習手法として、例えば、Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、決定木、重回帰、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ等が挙げられる。

入口温度予測部１２によって得られるガス通路５６の予測入口温度とは、例えば、運転計画期間の長さ分の予測入口温度のトレンド（運転開始からの経過時間と、予測入口温度との相関関係を示すプロット）である。

次に、運転パターン選定部１４は、運転パターン選定モデル３２（図２参照）を用いて、少なくとも複数のスートブロワ６２を含む除煤装置６１の過去の運転データ４０（図６Ａ参照）から、除煤装置６１の運転パターン候補を選定する（図３のステップＳ２０）。
ここで、上述のステップＳ２０では、運転パターン選定部１４は、除煤装置６１を構成する複数のスートブロワ（除煤部）６２の各々の稼働タイミングを示す除煤装置６１全体としての運転パターン候補を選定するようにしてもよい。
また、運転パターン選定部１４は、使用予定の燃料の成分（例えば、該燃料に含まれる特定成分の濃度）、および、石炭ガス化炉２の過去の運転データから、除煤装置６１の運転パターン候補を選定するようにしてもよい。

上述のステップＳ２０は、より詳細には図４に示すステップＳ２０２〜Ｓ２１２を含む。なお図４は、一実施形態に係る除煤装置６１の運転パターン候補を選定するステップＳ２０のフローチャートである。

図４に示すように、まず、燃料クラスタリング部２２により、燃料を成分に応じてクラスタリングして燃料クラスタを取得する（ステップＳ２０２）。この際、既知の機械学習手法を用いて構築した燃料クラスタリングモデル３４（図２参照）を用いてクラスタリングを行ってもよい。燃料クラスタリングモデル３４の構築に利用可能な機械学習手法として、例えば、Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、ｋ−ｍｅａｎｓ法、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ等が挙げられる。

ここで、図５は、燃料クラスタのマップの一例及び燃料のクラスタリングについて説明するための図である。図５に示すマップ３８は、機械学習手法を用いて燃料含有成分濃度に応じてクラスタリングを行った結果得られる燃料クラスタマップの一例である。図５に示すマップ３８は、燃料クラスタＩから燃料クラスタＸまでの１０個の燃料クラスタを含む。なお、クラスタリングの結果得られる燃料クラスタの個数は１０個とは限らず、クラスタリングのやり方等に応じて適切に決定される。

全ての燃料は、燃料含有成分濃度の組み合わせに応じて、上述の１０個の燃料クラスタの何れか１つに属することになる。
例えば、図５に示すように、ある燃料３６において、成分Ａ濃度がａｗｔ％、成分Ｂ濃度がｂｗｔ％であるときには、その燃料３６は、特定の燃料クラスタ（図５では燃料クラスタＶＩＩ）に属することが決定される。

燃料における成分濃度の組み合わせは、無限種類考えられるが、上述のように燃料のクラスタリングを行うことで、様々な燃料を、燃料成分に応じて有限個数の燃料クラスタに分類することができる。

次に、除煤装置６１の過去の膨大な運転データ（例えば過去１０００日分の運転データ）から、ステップＳ２０２で得られた１０個の燃料クラスタ（燃料クラスタＩ〜Ｘ）のうち、使用予定の燃料の燃料クラスタ（ここでは、一例として、燃料クラスタＶＩＩとする）に対応する運転データを抽出する（ステップＳ２０４）。
除煤装置６１の過去の運転データは、例えば、除煤装置６１を構成する複数のスートブロワ（除煤部）６２の各々の稼働タイミングを示す運転データである。

ここで、図６Ａは、除煤装置６１の過去における運転データ４０を示す図であり、特定の燃料クラスタ（ここでは燃料クラスタＶＩＩとする）に対応する運転データを抽出したものの一部である。

図６Ａに示す運転データ４０では、除煤装置６１を構成する合計８台のスートブロワ６２（ＳＢ＃１〜＃８）の各々について、時間軸（横軸）方向に配列されたプロットにより、当該スートブロワ６２の稼働タイミングが示されている。
図６Ａの過去の運転データ４０に示されるように、スートブロワ６２の稼働頻度は、複数のスートブロワ６２のそれぞれで異なっていることがある。また、ある１つのスートブロワ６２に着目しても、期間によって（即ち、横軸の位置によって）稼働頻度が異なっていることがある。

上述したステップＳ２０４により、使用予定の燃料が属する燃料クラスタ（ここでは燃料クラスタＶＩＩ）に対応する除煤装置６１の過去の運転データ４０が得られる。

次に、ステップＳ２０４で得られた除煤装置６１の過去の運転データ４０（図６Ａ参照）を、単位期間毎に分割して、複数の分割運転データ４２（図６Ｂ参照）を取得する（ステップＳ２０６）。ここで、図６Ｂは、分割運転データについて説明するための図であり、図６Ａに示す運転データ４０を単位期間毎に分割したものである（すなわち、燃料クラスタＶＩＩに対応する分割運転データ４２を示すものである）。
このステップＳ２０６により、使用予定の燃料が属する燃料クラスタ（ここでは燃料クラスタＶＩＩ）に対応する分割運転データ４２が得られる。

なお、上述の単位期間は、１２時間以上１６８時間以下であってもよい。
あるいは、上述の単位期間は、除煤装置６１を構成するスートブロワ６２（除煤部）の最大運転間隔以上であってもよい。

次に、運転パターン選定モデル３２（図２参照）を用いて、ステップＳ２０６で得られた分割運転データ４２をクラスタリングして、上述の単位期間における代表的な運転パターンを示す複数の運転パターンクラスタ（ここでは、一例として３つの運転パターンクラスタＡ〜Ｃ）を取得する（ステップＳ２０８）。

運転パターン選定モデル３２は、既知の機械学習手法を用いて構築してもよい。運転パターン選定モデル３２の構築に利用可能な機械学習手法として、例えば、Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、ｋ−ｍｅａｎｓ法、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ等が挙げられる。
なお、クラスタリングの結果得られる運転パターンクラスタの個数は３個とは限らず、クラスタリングのやり方等に応じて適切に決定される。

次に、ステップＳ２０８で取得した各運転パターンクラスタＡ〜Ｃに対し、運転頻度を示すスコアを付与する（ステップＳ２１０）。
例えば、図６Ｂに示す例では、運転パターンクラスタＡ，Ｂ，Ｃは、この順に、単位期間中における除煤装置６１の稼働回数（複数のスートブロワ６２の合計稼働回数）が少ない。そこで、複数の運転ターンクラスタのうち、除煤装置６１の稼働回数が少ない順に、１，２，３，…のスコアを付与する。すなわち、除煤装置６１の稼働回数が最も少ない運転パターンクラスタＡにスコア１を付与し、除煤装置６１の稼働回数が次に少ない運転パターンクラスタＢにスコア２を付与し、除煤装置６１の稼働回数が最も多い運転パターンクラスタＣにスコア３を付与する。

次に、石炭ガス化炉２の運転計画期間のうちの単位期間ごとに選択された運転パターンクラスタの組み合わせから、上述の運転計画期間の全体に亘る運転パターン候補を作成する（ステップＳ２１２）。

図７は、一実施形態に係る運転パターン候補の選定について説明するための図である。
例えば、上述の単位期間を２４時間（＝１日）とし、石炭ガス化炉２の運転計画期間（計画された運転期間）を４日としたとき、１日毎（単位期間毎）に、合計４日分、運転パターンクラスタＡ〜Ｃの何れかを選択する。そして、これら４日分の運転パターンクラスタを組み合わせることで、４日間（運転期間の全体）に亘る運転パターン候補を作成する。
このようにして、図７の表の「運転パターン候補」の列に示すように、運転パターンクラスタの組み合わせ｛Ａ，Ａ，Ａ，Ａ｝、｛Ｂ，Ａ，Ａ，Ａ｝、｛Ａ，Ｂ，Ａ，Ａ｝等が作成される。

ここで、ステップＳ２１２では、複数の運転パターンクラスタＡ〜Ｃのうち、除煤装置６１の運転頻度のより小さい運転パターンクラスタＡを優先的に用いて組み合わせることで、運転パターン候補を取得するようにしてもよい。
すなわち、運転パターン候補に用いる運転パターンクラスタＡ〜Ｃのスコア（上述のステップＳ２１０で付与したスコア）の合計値が小さくなるように、運転パターンクラスタＡ〜Ｃを組み合わせてもよい。ここでは、運転パターンクラスタＡ〜Ｃのうち、スコアが最も低い運転パターンクラスタＡをなるべく用いて、運転パターン候補を作成するようにしてもよい。

以上に説明したように、ステップＳ２０では、運転パターン選定モデル３２（図２参照）を用いて、１以上の除煤装置６１の運転パターン候補を選定する。

次に、出口温度予測部１６は、出口温度予測モデル３０（図２参照）を用いて、ステップＳ１０で取得した予測入口温度、及び、ステップＳ２０で取得した運転パターン候補から、冷却装置４のガス通路５６の予測出口温度を取得する（図３のステップＳ３０）。
ここで、ガス通路５６の出口温度とは、冷却装置４のガス通路５６のうち、最下流側に位置する熱交換器６０よりも下流側の温度である。

出口温度予測モデル３０は、既知の機械学習手法を用いて構築してもよい。出口温度予測モデル３０の構築に利用可能な機械学習手法として、例えば、Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、決定木、重回帰、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ等が挙げられる。

出口温度予測部１６によって得られるガス通路５６の予測入出口温度とは、例えば、運転計画期間の長さ分の予測出口温度のトレンド（運転開始からの経過時間と、予測出口温度との相関関係を示すプロット）である。
なお、図８のグラフは、運転計画期間の長さ分の予測出口温度のトレンド（運転開始からの経過時間と、予測出口温度との相関関係を示すプロット）の一例である。

次に、判定部１８は、ステップＳ２０で取得した運転パターン候補について、該運転パターン候補を用いて取得された予測出口温度（ステップＳ３０で取得したもの）に基づいて、該運転パターン候補の合否を判定する（ステップＳ４０）。

一実施形態では、ステップＳ４０では、上述の予測出口温度と、閾値との比較に基づいて、運転パターン候補の合否を判定するようにしてもよい。
例えば、上述の予測出口温度に関する上限閾値をＴＵｔｈ、下限閾値をＴＬｔｈとしたとき（図８参照）、ステップＳ３０にて出口温度予測部１６によって取得された予測出口温度が、上述の下限閾値ＴＬｔｈ以上かつ上限閾値ＴＵｔｈ以下の範囲内にあるときに、その運転パターン候補を合格と判定するようにしてもよい。

なお、図７の表において、「閾値内？」の列における「Ｙｅｓ」は、ステップＳ４０において上述の予測出口温度が、下限閾値以上且つ上限閾値以下の範囲内であり、合格と判定されたことを意味する。また、「Ｎｏ」は、ステップＳ４０において上述の予測出口温度が、下限閾値未満又は上限閾値超である期間が存在するため、不合格と判定されたことを意味する。

次に、選択部１９は、ステップＳ２０において合格と判断された運転パターン候補が複数ある場合、複数の前記運転パターン候補から最終候補を選択する（ステップＳ５０）。

一実施形態では、ステップＳ５０では、以下のようにして最終候補を選択してもよい。
すなわち、上述の予測出口温度に関する上限閾値をＴＵｔｈ、下限閾値をＴＬｔｈとし、ステップＳ３０にて出口温度予測部１６によって取得された予測出口温度の最大値をＴＵ、最小値をＴＬとする（図８参照）。このとき、複数の前記運転パターン候補のうち、前記上限閾値と前記最大値との差ΔＵ＝ＴＵｔｈ−ＴＵ、及び、前記最小値と前記下限閾値との差ΔＬ＝ＴＬ−ＴＬｔｈの両方が、前記上限閾値と前記下限閾値の平均Ｔａｖｅ＝（ＴＵｔｈ−ＴＬｔｈ）／２に最も近いものを、最終候補として選択する。

例えば、図７に示す表に示された４つの運転パターン候補のうち、ステップＳ４０で合格と判定されたのは、予測出口温度が閾値内であるＮｏ．３及びＮｏ．４の運転パターン候補である。よって、Ｎｏ．３及びＮｏ．４の運転パターン候補のそれぞれについて、上述のΔＵ，ΔＬを計算し、これらの両法が上述の平均Ｔａｖｅに近い一方を、最終候補として選択される。

なお、運転支援システム１０は、上述の判定部１８による判定結果や、選択部１９により選択された最終候補を表示するための表示部（ディスプレイ）を備えていてもよい。
また、運転支援システム１０の判定部１８による判定結果や、選択部１９による選択結果に基づいて、制御装置等によって、除煤装置６１の自動運転がされるようになっていてもよいし、あるいは、上述の表示部における表示内容等に基づいて、オペレータが除煤装置６１を手動で運転するようにしてもよい。

以上に説明した実施形態によれば、入口温度予測モデル２６、運転パターン選定モデル３２及び、出口温度予測モデル３０を用いて、石炭ガス化炉２の計画運転条件から、ガス通路５６の入口温度を予測し、除煤装置６１の運転パターン候補を選定するとともに、予測入口温度及び運転パターン候補から取得される予測出口温度に基づいて該運転パターン候補の合否判定をするようにしたので、上述の運転計画条件の下で石炭ガス化炉２を運転したときに既定の出口温度条件を達成可能な除煤装置の運転パターン候補（合格と判定された運転パターン候補）を、運転計画条件に基づいて提案することができる。
よって、例えば、上述の運転計画条件下で石炭ガス化炉２を運転する前に、採用する除煤装置の運転パターンに基づいて除煤装置６１を構成する部品の摩耗状態やメンテンナスが必要となる時期等を予測することができ、除煤装置の運転効率を向上することができる。

幾つかの実施形態では、モデル修正部２０（第１モデル修正部及び第２モデル修正部）によって、上述のステップＳ１０，Ｓ３０で得られる出口温度や入口温度の予測値及び実測値に基づいて、入口温度予測モデル２６や出口温度予測モデル３０が修正されるようになっていてもよい。

ここで、図９は、一実施形態に係るモデル修正部２０による予測モデル修正のフローチャートである。

図９に示す実施形態では、まず、上述のステップＳ４０で合格と判定された、又は、ステップＳ５０で選択された運転パターン候補に基づいて、石炭ガス化炉２及び除煤装置６１を運転する（ステップＳ６０２）。

次に、ステップＳ６０２の手順に従って石炭ガス化炉２及び除煤装置６１を運転しているときに、冷却装置４のガス通路５６の実際の入口温度及び出口温度を計測する（ステップＳ６０４）。
ガス通路５６の入口温度は、例えば、ガス通路５６に設けられた複数の熱交換器６０のうち最上流側に位置する熱交換器６０（図１では熱交換器６０Ａ）よりも上流側に位置する温度センサ６４（図１参照）を用いて計測してもよい。
ガス通路５６の出口温度は、例えば、ガス通路５６に設けられた複数の熱交換器６０のうち最下流側に位置する熱交換器６０（図１では熱交換器６０Ｄ）よりも下流側に位置する温度センサ６６（図１参照）を用いて計測してもよい。

次に、採用中の運転パターン候補について、ステップＳ３０で取得された予測出口温度と、上述のステップＳ６０４で計測された実際の出口温度との差を算出し、該差と、閾値ΔＴｏｕｔ＿ｔｈとを比較する（ステップＳ６０６）。
また、採用中の運転パターン候補について、ステップＳ１０で取得された予測入口温度と、上述のステップＳ６０４で計測された実際の入口温度との差を算出し、該差と、閾値ΔＴｉｎ＿ｔｈとを比較する（ステップＳ６０８）。

上述のステップＳ６０６で、上述の差が閾値ΔＴｏｕｔ＿ｔｈよりも大きい場合（ステップＳ６０６のＹｅｓ）、ガス通路５６の出口温度の予測値と実際値との乖離が大きいことから、出口温度予測モデル３０又は入口温度予測モデル２６の少なくとも一方を修正する必要がある。

次に、ステップＳ６０８で、上述の差が閾値ΔＴｉｎ＿ｔｈよりも大きい場合（ステップＳ６０８のＹｅｓ）、ガス通路５６の入口温度の予測値と実際値との乖離が大きいことから、入口温度予測モデル２６を修正する（ステップＳ６１０）。
一方、ステップＳ６０８で、上述の差が閾値ΔＴｉｎ＿ｔｈ以下である場合（ステップＳ６０８のＮｏ）、ガス通路５６の入口温度の予測値と実際値との乖離は小さいため、入口温度予測モデル２６を修正する必要はない。一方、上述のステップＳ６０６で検討したように、出口温度予測モデル３０を修正する必要があると考えられるので、ここで、出口温度予測モデル３０を修正する（ステップＳ６１０）。

このように、合格判定された運転パターン候補に対応するガス通路の実際の出口温度又は入口温度と、予測出口温度又は予測入口温度との差が閾値よりも大きいときに出口温度予測モデル３０又は入口温度予測モデル２６を修正するようにしたので、これらの予測モデルの修正後におけるガス通路５６の出口温度又は入口温度の予測精度を高めることができる。よって、除煤装置６１の運転回数の増加に伴い、運転パターン候補の提案の確度を向上させることができる。

上述した入口温度／出口温度予測モデルの修正方法は、一例に過ぎない。
例えば、他の一実施形態に係るモデル修正部２０は、過去に経験したことのない計画運転条件、燃料性状、又は除煤装置の運転パターンを用いて石炭ガス化炉２及び除煤装置６１を運転した場合、これらの情報を、入口温度予測モデル２６、出口温度予測モデル３０、運転パターン選定モデル３２、又は、燃料クラスタリングモデル３４に反映させる修正をするようになっていてもよい。

以上、本発明の実施形態について説明したが、本発明は上述した実施形態に限定されることはなく、上述した実施形態に変形を加えた形態や、これらの形態を適宜組み合わせた形態も含む。

本明細書において、「ある方向に」、「ある方向に沿って」、「平行」、「直交」、「中心」、「同心」或いは「同軸」等の相対的或いは絶対的な配置を表す表現は、厳密にそのような配置を表すのみならず、公差、若しくは、同じ機能が得られる程度の角度や距離をもって相対的に変位している状態も表すものとする。
例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。
また、本明細書において、四角形状や円筒形状等の形状を表す表現は、幾何学的に厳密な意味での四角形状や円筒形状等の形状を表すのみならず、同じ効果が得られる範囲で、凹凸部や面取り部等を含む形状も表すものとする。
また、本明細書において、一の構成要素を「備える」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。

１ 石炭ガス化複合発電プラント
２ 石炭ガス化炉
４ 冷却装置
１０ 運転支援システム
１２ 入口温度予測部
１４ 運転パターン選定部
１６ 出口温度予測部
１８ 判定部
１９ 選択部
２０ モデル修正部
２２ 燃料クラスタリング部
２６ 入口温度予測モデル
２８ 計画運転条件
３０ 出口温度予測モデル
３２ 運転パターン選定モデル
３４ 燃料クラスタリングモデル
３６ 燃料
３８ 燃料クラスタマップ
４０ 運転データ
４２ 分割運転データ
５０ 供給ポート
５２ 火炉
５４ 連絡管
５６ ガス通路
５８ 出口
６０，６０Ａ〜６０Ｄ 熱交換器
６２，６２Ａ〜６２Ｄ スートブロワ
６４ 温度センサ
６６ 温度センサ

Claims (13)

1. 炉で生成したガスが流れるガス通路に配置される熱交換器を除煤するための除煤装置の運転支援システムであって、
   入口温度予測モデルを用いて、少なくとも前記炉の計画運転条件から前記ガス通路の予測入口温度を取得するように構成された入口温度予測部と、
   運転パターン選定モデルを用いて、少なくとも前記除煤装置の過去の運転データから、前記除煤装置の運転パターン候補を選定するように構成された運転パターン選定部と、
   出口温度予測モデルを用いて、前記予測入口温度及び前記運転パターン候補から、前記ガス通路の予測出口温度を取得するように構成された出口温度予測部と、
   前記予測出口温度に基づいて、前記運転パターン候補の合否を判定するように構成された判定部と、
   を備えることを特徴とする除煤装置の運転支援システム。
2. 前記除煤装置は、前記ガス通路内における前記ガスの流れ方向に沿って配列された複数の前記熱交換器に対応して設けられる複数の除煤部を含み、
   前記運転パターン選定部は、前記複数の除煤部の各々の稼働タイミングを示す前記除煤装置全体としての前記運転パターン候補を選定するように構成された
   ことを特徴とする請求項１に記載の除煤装置の運転支援システム。
3. 前記入口温度予測部は、前記炉の前記計画運転条件、および、使用予定の燃料の成分から前記予測入口温度を取得するように構成された
   ことを特徴とする請求項１又は２に記載の除煤装置の運転支援システム。
4. 前記運転パターン選定部は、使用予定の燃料の成分、および、前記除煤装置の過去の運転データから、前記除煤装置の運転パターン候補を選定するように構成された
   ことを特徴とする請求項１乃至３の何れか一項に記載の除煤装置の運転支援システム。
5. 前記運転パターン選定部は、
   前記運転パターン選定モデルを用いて、前記除煤装置の前記過去の運転データを単位期間毎に分割して得られる分割運転データをクラスタリングして、前記単位期間における代表的な運転パターンを示す複数の運転パターンクラスタを取得し、
   前記炉の運転計画期間のうちの前記単位期間ごとに選択された前記運転パターンクラスタの組み合わせから、前記運転計画期間の全体に亘る前記運転パターン候補を作成する
   ように構成された
   ことを特徴とする請求項１乃至４の何れか一項に記載の除煤装置の運転支援システム。
6. 前記単位期間は、１２時間以上１６８時間以下である
   ことを特徴とする請求項５に記載の除煤装置の運転支援システム。
7. 前記運転パターン選定部は、使用予定の燃料を成分に応じてクラスタリングして燃料クラスタを取得するように構成された燃料クラスタリング部を含み、
   前記運転パターン選定部は、
   前記燃料クラスタ毎に前記複数の運転パターンクラスタを取得し、
   使用予定の燃料が属する前記燃料クラスタに対応する前記複数の運転パターンクラスタから前記単位期間ごとに選択された前記運転パターンクラスタの組み合わせから、前記運転計画期間の全体に亘る前記運転パターン候補を作成する
   ように構成された
   ことを特徴とする請求項５又は６に記載の除煤装置の運転支援システム。
8. 前記運転パターン選定部は、前記複数の運転パターンクラスタのうち、前記除煤装置の運転頻度のより小さい運転パターンクラスタを優先的に用いて組み合わせることで、前記運転パターン候補を取得するように構成された
   ことを特徴とする請求項５乃至７の何れか一項に記載の除煤装置の運転支援システム。
9. 前記判定部によって合格と判断された前記運転パターン候補が複数ある場合、複数の前記運転パターン候補から最終候補を選択する選択部をさらに備え、
   前記選択部は、前記予測出口温度に関する上限閾値をＴＵｔｈ、下限閾値をＴＬｔｈとし、前記出口温度予測部によって取得された前記予測出口温度の最大値をＴＵ、最小値をＴＬとしたとき、複数の前記運転パターン候補のうち、前記上限閾値と前記最大値との差ΔＵ＝ＴＵｔｈ−ＴＵ、及び、前記最小値と前記下限閾値との差ΔＬ＝ＴＬ−ＴＬｔｈの両方が、前記上限閾値と前記下限閾値の平均Ｔａｖｅ＝（ＴＵｔｈ−ＴＬｔｈ）／２に最も近いものを、最終候補として選択するように構成された
   ことを特徴とする請求項１乃至８の何れか一項に記載の除煤装置の運転支援システム。
10. 前記判定部により合格と判定された運転パターン候補に基づいて前記除煤装置を運転したときの前記ガス通路の実際の出口温度と、前記運転パターン候補に対応する前記予測出口温度との差が閾値ΔＴｏｕｔ＿ｔｈよりも大きいとき、前記出口温度予測モデルを修正するように構成された第１モデル修正部をさらに備える
    ことを特徴とする請求項１乃至９の何れか一項に記載の除煤装置の運転支援システム。
11. 前記判定部により合格と判定された運転パターン候補に基づいて前記除煤装置を運転したときの前記ガス通路の実際の入口温度と、前記運転パターン候補に対応する前記予測入口温度との差が閾値ΔＴｉｎ＿ｔｈよりも大きいとき、前記入口温度予測モデルを修正するように構成された第２モデル修正部をさらに備える
    ことを特徴とする請求項１乃至１０の何れか一項に記載の除煤装置の運転支援システム。
12. 炉で生成したガスが流れるガス通路に配置される熱交換器を除煤するための除煤装置の運転支援方法であって、
    入口温度予測モデルを用いて、少なくとも前記炉の計画運転条件から前記ガス通路の予測入口温度を取得する入口温度予測ステップと、
    運転パターン選定モデルを用いて、少なくとも前記除煤装置の過去の運転データから、前記除煤装置の運転パターン候補を選定する運転パターン選定ステップと、
    出口温度予測モデルを用いて、前記予測入口温度及び前記運転パターン候補から、前記ガス通路の予測出口温度を取得する出口温度予測ステップと、
    前記予測出口温度に基づいて、前記運転パターン候補の合否を判定する判定ステップと、
    を備えることを特徴とする除煤装置の運転支援方法。
13. 前記炉としての石炭ガス化炉と、
    前記石炭ガス化炉で生成したガスを冷却するための冷却装置と、
    請求項１乃至１１の何れか一項に記載の除煤装置の運転支援システムと、
    を備え、
    前記ガス通路は、前記冷却装置内に形成された
    ことを特徴とするプラント。

Images