JP2020192501A - 脱硝制御装置及び脱硝制御方法 - Google Patents

Abstract

【課題】諸条件が変化する毎にＮＯｘ予測量の設定を行う必要がなく、常により最適な制御を行うこと。【解決手段】ＮＯｘを含むガスに対してアンモニアを注入し、ガス中のＮＯｘ含有量を減少させる脱硝触媒３へのアンモニアの注入量を制御するＮＯｘ制御部９と、脱硝触媒３を通過する前のガス中のＮＯｘ含有量を計測するＧＴ出口ＮＯｘセンサ６と、ガス中のＮＯｘ含有量の予測値(Ｆ(ｘ))を、計測したＮＯｘ含有量に基づいて補正し、補正後の予測値をＮＯｘ制御部９に与えてアンモニアの注入量を制御させるＮＯｘ排出量データ蓄積部１１及びＮＯｘ排出量解析部１２とを備える。【選択図】図１

Description

本発明の実施形態は、脱硝制御装置及び脱硝制御方法に関する。

一般に排気ガスに含まれる窒素酸化物（ＮＯｘ）は、酸性雨や光化学スモッグなどを引き起こす大気汚染原因物質と称され、その排出規制が設けられている。当然、ガスタービンや石炭ボイラといった火力発電プラントにおいても、燃料の燃焼に伴いＮＯｘが発生する。そこで一般的な火力発電所では、ＮＯｘの排出量を規制値内に抑えるために、排気ガス中にアンモニアガス（ＮＨ_３）を注入し、触媒上にてＮＯｘとＮＨ_３を反応させ、窒素（Ｎ_２）と水（Ｈ_２Ｏ）とに分解させることで、煙突から排出されるＮＯｘを低減させる。このように、発生したＮＯｘ量に対して、煙突から排出されるＮＯｘの量を設定値に保つよう、注入するＮＨ_３の量を適切に調整する技術が脱硝制御である。

発生するＮＯｘ量と煙突から排出されるＮＯｘの量は両方とも計測されるが、計測やその脱硝プロセスにはむだ時間と時間遅れが存在するため、通常のＰＩＤ制御のみで良好な制御を行うことは難しい。そこで一般的には、煙突から排出されるＮＯｘの量を目標値に制御するフィードバック制御に、発生するＮＯｘの量の予測値に基づいたフィードフォワード制御を組合せて制御している。特に、発生するＮＯｘの変化量が大きい、プラントの起動と停止を切替える期間や、負荷を変化させる期間などといった過渡過程での制御では、フィードフォワード要素が重要なファクターとなる。

特許第３５４８６５９号公報

ＮＯｘの予測量は、例えばガスタービンであれば、回転数や燃焼指令値といった指標に対してガスタービンが排出したＮＯｘの量を、あらかじめ試運転期間等で計測した上で設定している。そのため、シーズニングなどによってガスタービンの燃焼調整が行われ、燃焼指令と排出するＮＯｘの量の関係性が異なるものとなった場合には、ＮＯｘの予測量を再度設定しなおす必要がある。

さらに、ガスタービンが排出するＮＯｘの量は、上記の指標だけに限らず、大気の湿度や温度、燃料組成比や燃焼器の経年変化等、さまざまな要素によって変化する。これらの要素と排出するＮＯｘの量の関係は非常に複雑であり、一意に決まるものではない。そのため、季節などの諸条件によっては、フィードフォワード制御に用いるＮＯｘの予測量と実際の排出するＮＯｘの量との間で大きな差異が生じ、制御不調となる可能性がある。

本発明は前述の課題を解決するためになされたものであり、諸条件が変化する毎にＮＯｘの予測量の設定を行う必要がなく、常により最適な制御を行うことが可能な脱硝制御装置及び脱硝制御方法を提供することを目的とする。

実施形態の脱硝制御装置は、窒素酸化物を含むガスに対してアンモニアを注入し、前記ガス中の窒素酸化物含有量を減少させる脱硝触媒への前記アンモニアの注入量を制御する窒素酸化物制御部と、前記脱硝触媒を通過する前の前記ガス中の窒素酸化物含有量を計測する計測部と、前記ガス中の窒素酸化物含有量の予測値を、前記計測部で計測した窒素酸化物含有量に基づいて補正し、補正後の予測値を前記窒素酸化物制御部に与えて前記注入量を制御させるフィードフォワード補正部と、を備える。

本発明の各実施形態によれば、諸条件が変化する毎にＮＯｘの予測量の設定を行う必要がなく、常により最適な制御を行うことが可能となる。

図１は、各実施形態に共通する、脱硝制御装置全体の構成を示すブロック図である。 図２は、第１の実施形態に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。 図３は、第２の実施形態に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。 図４は、第３の実施形態に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。 図５は、第４の実施形態に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。 図６は、第５の実施形態に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。 図７は、第５の実施形態に係る図６の最適予測値学習部を教師付きニューラルネットワークモデルで構成した場合の層構成を例示する図である。 図８は、第６の実施形態に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。 図９は、第７の実施形態に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。 図１０は、第６及び第７の実施形態の変形例１に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。 図１１は、第６及び第７の実施形態の変形例２に係るＮＯｘ排出量データ蓄積部とＮＯｘ排出量解析部の機能構成を詳細に示すブロック図である。

以下、ガスタービン発電プラントで発生する排気ガス中の窒素酸化物を除去するための脱硝制御装置に適用した場合の実施形態について、図面を参照して詳細に説明する。
［第１の実施形態］
図１及び図２を用いて第１の実施形態に係る脱硝制御装置について説明する。

図１は、第１の実施形態を含めて、以下の各実施形態に共通する、脱硝制御装置全体の構成を示すブロック図である。ガスタービン１から排出された排気ガスが煙道２を通過する過程で、煙道２中の脱硝触媒３において、ガス中に含有されているＮＯｘがアンモニア（ＮＨ_３）と反応することで分解されて十分に低減された上で、処理後のガスが煙突４より外気に放出される。

脱硝触媒３には、流量調整弁５を介して流量が調整されたアンモニア（ＮＨ_３）が供給される。脱硝触媒３の通過ガス上流側にＧＴ（ガスタービン）ＧＴ出口ＮＯｘセンサ６が、同下流側に煙突入口ＮＯｘセンサ７がそれぞれ配置される。

ガスタービン１での各運転状況が関数発生器（Ｆｘ）８に入力される。関数発生器８は、ガスタービン１の各運転状況を基に、予め設定された関数によりガスタービン１出口部での排気ガス中のＮＯｘ含有量の予測量初期値を算出し、算出した予測量初期値をＮＯｘ排出量解析部１２へ出力する。

一方で、ガスタービン１の軌道時及び停止時を含めた負荷変動時に、ＧＴ出口ＮＯｘセンサ６で計測された計測値がＮＯｘ排出量データ蓄積部１１に蓄積して保存される。ＮＯｘ排出量解析部１２は、関数発生器８から与えられるＮＯｘ含有量の予測量初期値を基に、ＮＯｘ排出量データ蓄積部１１に蓄積した過去データにより補正処理を実行し、補正後のＮＯｘ予測値をフィードフォワード要素としてＮＯｘ制御部９に与える。

ＮＯｘ制御部９は、煙突入口ＮＯｘセンサ７での計測値をフィードバック制御のＰＶ値とし、フィードフォワード要素としてのＮＯｘ予測値と合わせて、目標として設定されている設定（ＳＶ）値１０となるようにＭＶ値を算出し、算出したＭＶ値を流量調整弁５に開度指令値として出力する。

ＧＴ出口ＮＯｘセンサ６と、ＮＯｘ排出量データ蓄積部１１及びＮＯｘ排出量解析部１２が、関数発生器８の出力する予測値に対するフィードフォワード制御の補正部として機能して、解析のための演算により算出された補正後のＮＯｘ含有量の予測値がＮＯｘ制御部９に与えられる。

図２は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。これらの構成は、専用のハードウェア回路により構成することが可能である一方で、少なくとも一部をコンピュータプログラムによるソフトウェア処理により実現するものとしても良い。

関数発生器８から与えられるＮＯｘ予測量初期値データ１０４は、ＮＯｘ予測量初期値（Ｆ）が格納された行列データであり、ＮＯｘ排出量解析部１２において乗算器１０５で予め設定された補正係数α（０≦α≦１）による乗算が実行された上で、その積となる行列データが加算器１０８に与えられる。

一方、ＧＴ出口ＮＯｘセンサ６から出力されるＧＴ出口ＮＯｘデータ１０１が、時間軸に沿ったＮＯｘ量の変化のデータとしてＮＯｘ排出量データ蓄積部１１のデータ処理部１０２で取得される。このデータ１０１は、ガスタービン１の起動時や停止時、負荷変動時のように、発生するＮＯｘの変動量が大きい過渡過程時毎に、ＮＯｘ排出量データ蓄積部１１で取得され、記録される。

データ処理部１０２は、取得したＧＴ出口ＮＯｘデータ１０１に対し、ＮＯｘ予測量初期値データ１０４と同数の要素を持つ行列データに換算してデータ蓄積部１０３に順次格納させる。

この際、ＧＴ出口ＮＯｘセンサ６が計測するＮＯｘの量は、ガスタービン１の燃焼によってＮＯｘが発生したタイミングから、実際に計測されるまでの時間分の遅延を生じている。そのためにデータ処理部１０２は、ＧＴ出口ＮＯｘデータ１０１が予め設定したむだ時間を計測の応答性を示す時間として考慮した上で、データの換算を行う。

データ蓄積部１０３に格納、蓄積された複数のＮＯｘ排出量データが、ＮＯｘ排出量解析部１２の平均化処理項１１０によって平均処理され、ＮＯｘ予測量解析値データ１０６として乗算器１０７に与えられる。乗算器１０７は、乗算器１０５の補正係数αに対応した「１−α」を乗数として乗算を実行し、その積を加算器１０８へ与える。

加算器１０８では、乗算器１０５の出力する積であるデータと乗算器１０７の積であるデータとを加算し、その和となるデータを、補正後のＮＯｘ予測値となるフィードフォワード出力値（ＦＦ）１０９として、ここでは図示しないＮＯｘ制御部９に与える。

次に、前述したＮＯｘ排出量データ蓄積部１１、ＮＯｘ排出量解析部１２の構成における動作について説明する。
ＮＯｘ排出量データ蓄積部１１のデータ処理部１０２は、ＧＴ出口ＮＯｘデータ１０１をＮＯｘ予測量初期値データ１０４のと同数の要素を持つ行列データに換算する。例えば、ＮＯｘ予測量初期値データ１０４が、ガスタービン１の燃焼指令値に対して設定されており、その燃焼指令値がｍ個である時、ＮＯｘ予測量初期値データ１０４が次式

のように、ＮＯｘ予測量初期値（Ｆ）が格納された行列データとなる。

ＧＴ出口ＮＯｘデータ１０１は、時間軸に沿ったデータであるので、燃焼指令値の時間軸に対するプロットから、ＮＯｘ−燃焼指令値の関係性を導き、そこから関数Ｆと同様の行列データに換算する。

この時、ＧＴ出口ＮＯｘセンサ６によって計測されているＮＯｘの量は、ガスタービン１での燃焼によってＮＯｘが発生してから、実際に計測されるまでの時間が経過したデータであるので、予め設定されたむだ時間（λ）を計測の応答性を示す時間として考慮した上で、データの換算を行う。

このようにして処理された経時上のＮＯｘ排出量のデータ（Ｇ_１，Ｇ_２，…，Ｇｎ）をデータ蓄積部１０３により順次格納して蓄積する。このデータ蓄積部１０３に蓄積したデータ郡を平均化処理項１１０によって平均処理化することで、ＮＯｘ予測量解析値データ（Ｇ）１０６を算出する。この平均処理を行う対象の過去データは、最新のものからの時間幅や回数を決めて移動平均するように処理を行うのが良い。

ＮＯｘ予測量初期値データ（Ｆ）１０４及びＮＯｘ予測量解析値データ（Ｇ）１０６を、それぞれ乗算器１０５，１０７によって補正係数α，「１−α」を乗数として乗算処理した後、加算器１０８において加算することで、補正後のフィードフォワード出力値１０９を得てＮＯｘ制御部９へ与える。

補正係数α（０≦α≦１）は、ガスタービン１の特に負荷変動時の運転状況と、ＮＯｘ排出量解析部１２におけるＮＯｘ予測量初期値データ１０４とＮＯｘ予測量解析値データ１０６の各信頼度のバランスとに応じて予め設定しておく。

ＮＯｘ制御部９に与えられるフィードフォワード出力値１０９は、ＮＯｘ排出量データ蓄積部１１に蓄積されているガスタービン１の過去の応答特性のデータ群を考慮した補正が施されたものであるため、ＮＯｘ制御部９ではガスタービン１での運転状況と負荷変動時の過渡特性に応じた、より適切なアンモニア注入量を算出して、ＮＯｘを効率的に削減させることができる。

以上に述べた如く第１の実施形態によれば、過去のデータによってＮＯｘ予測量の初期値を補正することで、諸条件が変化する毎にＮＯｘの予測量の設定を行う必要がなく、常により最適な制御を行うことが可能となる。

［第２の実施形態］
第２の実施形態に係る脱硝制御装置について説明する。
なお、脱硝制御装置全体の構成に関しては、基本的にほぼ図１の記載に準じるものとして、同一部分には同一符号を用いて、その図示と説明とを省略する。

図３は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。これらの構成は、専用のハードウェア回路により構成することが可能である一方で、少なくとも一部をコンピュータプログラムによるソフトウェア処理により実現するものとしても良い。

図３の説明においても、第１の実施形態の図２の記載に準じる部分に関しては、同一部分には同一符号を用いて、その説明を省略する。

データ蓄積部１０３に格納、蓄積された複数のＮＯｘ排出量データを、ガスタービン１の起動／停止等の負荷変動のタイミングを基準として、データの新しいものから順にＧ_１(ｔ_１時間前)，Ｇ_２(ｔ_２時間前)，…，Ｇｎ(ｔｎ時間前)（ｔ_１＜ｔ_２＜…＜ｔｎ）とする。

データ蓄積部１０３からデータを読み出すＮＯｘ排出量解析部１２では、図２の平均化処理項１１０のように全データを一律に扱って平均化処理を行なうのではなく、減衰関数に基づいた重み付け処理を施す補正項１１５により、ＮＯｘ予測量解析値データ１０６を算出して乗算器１０７へ出力する。

次に、前述したＮＯｘ排出量データ蓄積部１１、ＮＯｘ排出量解析部１２の構成における動作について説明する。

ＮＯｘ排出量データ蓄積部１１のデータ蓄積部１０３に蓄積されるＮＯｘ排出量データＧ_１，Ｇ_２，…，Ｇｎが、直近のガスタービン１の起動や停止等の負荷変動のタイミングを基準としてそれぞれｘｎ＝ｔ_１，ｔ_２，…，ｔｎ（ｔ_１＜ｔ_２＜…＜ｔｎ）前に取得されたものであるとする。

ガスタービン１の経年変化による各ＮＯｘ排出量データは、減衰関数を用いる補正項１１５により、新しいデータほど重要度が高くなるように重み付け処理を施すことで、過去のデータ毎に補正の重みを変化させた上で合算される。

例えば、各データの補正係数をｈ_ｉとすると、ＮＯｘ予測量解析値データ１０６は次式で表すことができる。

補正に用いる関数をｆ(ｘ)とすると、補正係数ｈ_ｉは、その総和が１となるように、以下の式で表すことができる。

補正項１１５において、各データの補正に用いる関数を以下の減衰関数で表す。

この減衰関数は、変数ｘが大きく（＝データがより古く）なるにつれて減少率も大きくなり、ある点を過ぎるとその減少率が再び小さくなる、例えば２次関数式を用いたものである。すなわち、この減衰関数を用いて補正係数を定めると、任意の時点より過去のデータほど補正における重み付けによる重要度を小さく設定することができる。

なお、式中の係数ａとｂは、減衰関数の変曲点（１／ｂ×log(１／ａ)）や、変曲点での接線の傾きの大きさ
（ｆ′(ｘ)＝−ａｂ×exp(ｂｘ)／(１＋ａ×exp(ｂｘ))^２）
から鑑みて、最適なものを設定する。

以上に述べた如く第２の実施形態によれば、補正項１１５で用いる減衰関数の係数を調整することにより、ガスタービン１を含む各種燃焼器の経年変化によるＮＯｘ排出量の変化や、燃焼調整に伴うＮＯｘ排出特性の変化に対応して、最適なＮＯｘの予測量を設定することができる。

［第３の実施形態］
第３の実施形態に係る脱硝制御装置について説明する。
なお、脱硝制御装置全体の構成に関しては、基本的にほぼ図１の記載に準じるものとして、同一部分には同一符号を用いて、その図示と説明とを省略する。

図４は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。これらの構成は、専用のハードウェア回路により構成することが可能である一方で、少なくとも一部をコンピュータプログラムによるソフトウェア処理により実現するものとしても良い。

図４の説明においても、第１の実施形態の図２の記載に準じる部分に関しては、同一部分には同一符号を用いて、その説明を省略する。

データ蓄積部１０３に格納、蓄積された複数のＮＯｘ排出量データを、ガスタービン１の起動／停止等の負荷変動のタイミングを基準として、データの新しいものから順にＧ_１(湿度ＲＨ_１)，Ｇ_２(湿度ＲＨ_２)，…，Ｇｎ(湿度ＲＨｎ)とする。

データ蓄積部１０３からデータを読み出すＮＯｘ排出量解析部１２では、与えられる過渡過程時パラメータ１２１に基づいたつりがね型関数による重み付け処理を施す補正項１２０により、ＮＯｘ予測量解析値データ１０６を算出して乗算器１０７へ出力する。

次に、前述したＮＯｘ排出量データ蓄積部１１、ＮＯｘ排出量解析部１２の構成における動作について説明する。

ＮＯｘ排出量データ蓄積部１１のデータ蓄積部１０３に蓄積されるＮＯｘ排出量データＧ_１，Ｇ_２，…，Ｇｎが、直近のガスタービン１の起動や停止等の負荷変動のタイミングを基準としてそれぞれ湿度ＲＨ_１，ＲＨ_２，…，ＲＨｎの大気湿度環境下で取得されたものであるとする。

各ＮＯｘ排出量データは、つりがね型関数を用いる補正項１２０により、湿度が所定の値に近いほど重要度が高くなるように重み付け処理を施すことで、過去のデータ毎に補正の重みを変化させた上で合算される。

ここで、ガスタービン１で生成するＮＯｘ量は、大気湿度による影響を大きく受けるために、起動／停止等の負荷変動時の大気湿度条件に近い時のＮＯｘ排出データの方が、より予測値としてより正確であると考えられる。このようなパラメータを扱う場合、補正関数ｆ(ｘ)としてつりがね型の関数を使用する。例えば、ｆ(ｘ)をガウス関数とすると、以下のように表すことができる。

この関数は、変数ｘ＝ａである時に最大値となるつりがね型の関数であり、式中のｂが大きくなるほど、すそが広がったなだらかなグラフとなる。ここで、過渡過程とは、発生するＮＯｘの変化量が大きい時であり、ガスタービン１の起動／停止時や負荷変動時が含まれる。この時の任意に設定されるパラメータが、過渡過程時パラメータ１２１によって補正項１２０に入力される。

例えば、起動/停止時の大気湿度がＲＨｘだった時、過補正関数ｆ(ｘ)中のａ＝ＲＨｘとすることで、ガスタービン１の起動／停止時等の負荷変動時の大気湿度に近いデータほど、補正の重みを大きく設定することができる。

排出されるガス中のＮＯｘに影響を与えるパラメータとしては、前述した大気湿度以外にも、例えばガスタービン１では大気温度、燃料組成比等が考えられる。

以上に述べた如く第３の実施形態によれば、過渡過程時パラメータ１２１を適切に設定することにより、特定のパラメータに近い過去データの傾向をより反映したＮＯｘ予測量解析値データ１０６を算出することができる。

［第４の実施形態］
第４の実施形態に係る脱硝制御装置について説明する。
なお、脱硝制御装置全体の構成に関しては、基本的にほぼ図１の記載に準じるものとして、同一部分には同一符号を用いて、その図示と説明とを省略する。

図５は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。これらの構成は、専用のハードウェア回路により構成することが可能である一方で、少なくとも一部をコンピュータプログラムによるソフトウェア処理により実現するものとしても良い。

図５の説明においても、図２乃至図４の記載に準じる部分に関しては、同一部分には同一符号を用いて、その説明を省略する。

データ蓄積部１０３に格納、蓄積された複数のＮＯｘ排出量データを、ガスタービン１の起動／停止等の負荷変動のタイミングを基準として、データの新しいものから順にＧ_１(ｔ_１時間前／湿度ＲＨ_１)，Ｇ_２(ｔ_２時間前／湿度ＲＨ_２)，…，Ｇｎ(ｔｎ時間前／湿度ＲＨｎ)（ｔ_１＜ｔ_２＜…＜ｔｎ）とする。

データ蓄積部１０３からデータを読み出すＮＯｘ排出量解析部１２では、複数関数に基づいた補正項１２５により、補正項１１５で減衰関数を用いた重み付け処理を施す一方、並行して、与えられる過渡過程時パラメータ１２１に基づいて補正項１２０によりつりがね型関数を用いた重み付け処理を施す。

補正項１２０で補正したＮＯｘ予測量解析値データは、乗算器１２６で乗数β（０≦β≦１）を用いて乗算され、その積が加算器１２８に与えられる。

一方の補正項１１５で補正したＮＯｘ予測量解析値データは、乗算器１２７で乗数β′（β＋β′＝１）を用いて乗算され、その積が加算器１２８に与えられる。

加算器１２８での加算により得られる和が、補正項１２５の出力であるＮＯｘ予測量解析値データ１０６として、乗算器１０７へ出力される。

次に、前述したＮＯｘ排出量データ蓄積部１１、ＮＯｘ排出量解析部１２の構成における動作について説明する。
データ蓄積部１０３に蓄積されたＮＯｘ排出量データをＮＯｘ排出量解析部１２の補正項１２５において、減衰関数を用いる補正項１１５とつりがね型関数を用いる補正項１２０とにより独立した重み付け処理を施した後、乗算器１２７，１２６で乗数β′，β（β＋β′＝１）を乗算した各積を得て、それらを加算器１２８で加算することにより、ＮＯｘ予測量解析値データ１０６を得る。

ここでは補正項１１５と補正項１２０で２つの関数を用いた場合を例示しているが、３つ以上の関数を用いて独立して補正し、その結果を乗数β，β′，β″，…により乗算した後に加算するものとしても良い。その場合、乗数の総和（β＋β′＋β″＋…）は１となる。

加算器１２８での和として得られるＮＯｘ予測量解析値データ１０６は、次式で表すことができる。

以上に述べた如く第４の実施形態によれば、ＮＯｘの排出量に影響を与えると考えられる複数のパラメータについて、過去のデータの傾向を反映したＮＯｘ予測量解析値データ１０６を算出することができ、ＮＯｘ予測量初期値データ１０４に対するより適切な補正を施すことが可能となる。

［第５の実施形態］
第５の実施形態に係る脱硝制御装置について説明する。
なお、脱硝制御装置全体の構成に関しては、基本的にほぼ図１の記載に準じるものとして、同一部分には同一符号を用いて、その図示と説明とを省略する。

図６は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。これらの構成は、専用のハードウェア回路により構成することが可能である一方で、少なくとも一部をコンピュータプログラムによるソフトウェア処理により実現するものとしても良い。

図６の説明においても、図２乃至図４の記載に準じる部分に関しては、同一部分には同一符号を用いて、その説明を省略する。

データ蓄積部１０３からデータを読み出すＮＯｘ排出量解析部１２では、過渡過程時パラメータ１２１に基づいて最適予測値学習部１３０がＮＯｘ予測量解析値データ１０６を算出し、算出したＮＯｘ予測量解析値データ１０６を乗算器１０７へ出力する。

図７は、最適予測値学習部１３０の層構成を例示する図である。ここで最適予測値学習部１３０は、例えば教師付きニューラルネットワークモデルにより、入力層１３２、中間層１３３、及び出力層１３４の３層で構成した場合を例示している。過渡過程時パラメータ１２１として入力層１３２に与えられる入力１３１は、例えば時間ｔ、湿度ＲＨ、温度Ｔ、ガスタービン１の燃料組成非ｘ、…、入力ｎが挙げられる。出力層１３４からは、出力１３５として、第１の出力ｙ_１、第２の出力ｙ_２、…、第ｍの出力ｙ_ｍが得られるものとする。

次に、前述したＮＯｘ排出量データ蓄積部１１、ＮＯｘ排出量解析部１２の構成における動作について説明する。

最適予測値学習部１３０には、過渡過程時パラメータ１２１と、ＮＯｘ排出量データ蓄積部１１のデータ蓄積部１０３からのＮＯｘ排出量データが入力され、そこから最適なＮＯｘ予測量を学習して、ＮＯｘ予測量解析値データ１０６を算出する。

過渡過程時パラメータ１２１として与えられる入力１３１の具体的な要素は前述した通りである。最終的な出力１３５（ｙ_１，ｙ_２，…，ｙ_ｍ）は、ＮＯｘ予測量解析値データ１０６の成分ｇ_１，ｇ_２，…，ｇ_ｍに合致する。

各層での計算をパーセプトロン単位で考え、ｌ（エル）層目の活性化関数をｆ^ｌ、その中でもｊ番目のパーセプトロンからの出力をｚ^ｌ _ｊ、そのパーセプトロンに入力されるi番目からの重みをｗ^ｌ _ｊ，ｉ、バイアスをｂ^ｌ _ｊ，ｉとすると、パーセプトロンからの出力は以下の数理モデル

で表される。なお、出力層の活性化関数は恒等関数を採用し、中間層ではＲｅＬＵ関数やシグモイド関数などの適切な関数を選択する。

本モデルは教師ありニューラルネットワークモデルであり、出力とデータ蓄積部１０３から入力されたＮＯｘ排出量の実測値（Ｇ^ｒｅａｌ；各成分はｇ_ｍ ^ｒｅａｌ）との差が最も小さくなるように、ニューラルネットワーク中の重み（ｗ）とバイアス（ｂ）を誤差逆伝播法により最適化するようなアルゴリズムで構築される。本モデルは回帰問題であるため、誤差関数（Ｅ）には二乗誤差を採用するものとする。

以上に述べた如く第５の実施形態によれば、ＮＯｘ排出量データが蓄積される毎に最適なモデルに更新される学習アルゴリズムによって、条件に応じた最適なＮＯｘ予測量解析値データ１０６を算出でき、ＮＯｘ予測量初期値データ１０４に対するより適切な補正を施すことが可能となる。

［第６の実施形態］
第６の実施形態に係る脱硝制御装置について説明する。
なお、脱硝制御装置全体の構成に関しては、基本的にほぼ図１の記載に準じるものとして、同一部分には同一符号を用いて、その図示と説明とを省略する。

図８は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。これらの構成は、専用のハードウェア回路により構成することが可能である一方で、少なくとも一部をコンピュータプログラムによるソフトウェア処理により実現するものとしても良い。

図８の説明においても、図２の記載に準じる部分に関しては、同一部分には同一符号を用いて、その説明を省略する。

ＧＴ出口ＮＯｘデータ１０１が、データ処理部１０２及びむだ時間（λ）算出部１４０に入力される。むだ時間算出部１４０は、ガスタービン１の運転状況により負荷変動を生じた場合など、排気ガス中のＮＯｘ排出量が急激に変化した場合に、負荷変動の直後から実際にＮＯｘが変化するまでの無駄時間λを算出し、データ処理部１０２に与える。

データ処理部１０２では、むだ時間算出部１４０から与えられるむだ時間λを用いて、ＧＴ出口ＮＯｘデータ１０１をＮＯｘ予測量初期値データ１０４と同数の要素を持つ行列データに換算してデータ蓄積部１０３に順次格納させる。

次に、前述したＮＯｘ排出量データ蓄積部１１、ＮＯｘ排出量解析部１２の構成における動作について説明する。

データ処理部１０２は、第１の実施形態においては、予め設定した計測むだ時間（λ）を計測の応答性を示す時間として考慮した上で、データの換算を行うものとした。

しかしながら、この計測むだ時間（λ）は、センサ６，７の経年劣化や計測配管のつまり等によって変化する。そこで本実施形態では、むだ時間算出部１４０によってＮＯｘ排出量が急激に変化した時のデータを用いて計測むだ時間の補正を行うものとする。

例えばガスタービン１では、燃料弁開度が大きく変化したタイミングで、排出されるガス中のＮＯｘ排出量も大きく変化する。すなわち、燃料弁開度指令値が大きく変化してから、実際にＧＴ出口ＮＯｘセンサ６においてＮＯｘの排出量の変化が計測されるまでの時間を計測むだ時間（λ）として算出し、算出した計測むだ時間（λ）データ処理部１０２に出力するようにして、データ処理部１０２における計測むだ時間（λ）を常時更新し続けるものである。

以上に述べた如く第６の実施形態によれば、計測の応答性に係る計測むだ時間（λ）の変化に的確に追従して、データ蓄積部１０３に蓄積するＮＯｘ排出データの精度を高めることができる。

［第７実施形態］
第７の実施形態に係る脱硝制御装置について説明する。
なお、脱硝制御装置全体の構成に関しては、基本的にほぼ図１の記載に準じるものとして、同一部分には同一符号を用いて、その図示と説明とを省略する。

図９は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。これらの構成は、専用のハードウェア回路により構成することが可能である一方で、少なくとも一部をコンピュータプログラムによるソフトウェア処理により実現するものとしても良い。

図９の説明においても、図２の記載に準じる部分に関しては、同一部分には同一符号を用いて、その説明を省略する。

データ処理部１０２は、データ蓄積部１０３に前回のＮＯｘ排出量データ（Ｇｌ；各成分はｇ_ｌｍ）を格納して蓄積させる毎に、同内容をＮＯｘ排出量解析部１２の再現度演算部１４５に出力する。

また、平均化処理項１１０が乗算器１０７へ出力するＮＯｘ予測量解析値データ（Ｇ；各成分はｇ_ｍ）１０６が、再現度演算部１４５へも出力される。

再現度演算部１４５は、これら２入力の誤差を算出し、算出結果を乗算器１０５に与える。乗算器１０５では、再現度演算部１４５からの誤差に基づいて乗数である補正係数αを加減調整する。この補正係数αの調整は、一方の乗算器１０７での乗数である「１−α」にも反映される。

次に、前述したＮＯｘ排出量データ蓄積部１１、ＮＯｘ排出量解析部１２の構成における動作について説明する。

再現度演算部１４５は、前回のＮＯｘ排出量データ（Ｇｌ；各成分はｇ_ｌｍ）とＮＯｘ予測量解析値データ１０６（Ｇ；各成分はｇ_ｍ）による誤差を算出し、その算出結果によって、ＮＯｘ予測量初期値データ１０４の初期値に対する乗算器１０５での乗数α、すなわち重みの割合を変化させる。再現度演算部１４５が、例えば二乗和（Ｘ）を採用し、ガウス関数によって補正係数αを決定するとき、補正係数αは次式で表すことができる。

以上に述べた如く第７の実施形態によれば、前回のＮＯｘ排出量データとＮＯｘ予測量解析値データ１０６から算出した再現度を反映した、より精緻なＮＯｘ排出量解析部１２での制御が実現できる。

［第６及び第７の実施形態の変形例１］
第６及び第７の実施形態に係る脱硝制御装置の変形例１について説明する。
なお、脱硝制御装置全体の構成に関しては、基本的にほぼ図１の記載に準じるものとして、同一部分には同一符号を用いて、その図示と説明とを省略する。

図１０は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。図１０の説明においても、図２、図５、図８及び図９の記載に準じる部分に関しては、同一部分には同一符号を用いて、その説明を省略する。

データ蓄積部１０３に格納、蓄積された複数のＮＯｘ排出量データを、ガスタービン１の起動／停止等の負荷変動のタイミングを基準として、データの新しいものから順にＧ_１(ｔ_１時間前／湿度ＲＨ_１)，Ｇ_２(ｔ_２時間前／湿度ＲＨ_２)，…，Ｇｎ(ｔｎ時間前／湿度ＲＨｎ)（ｔ_１＜ｔ_２＜…＜ｔｎ）とする。

データ蓄積部１０３からデータを読み出すＮＯｘ排出量解析部１２では、複数関数に基づいた補正項１２５により、減衰関数を用いた重み付け処理と、つりがね型関数を用いた重み付け処理を施し、乗数β，β′に基づいて乗算した結果を加算してＮＯｘ予測量解析値データ１０６を得て、乗算器１０７及び再現度演算部１４５へ出力する。

図１０に示した第６及び第７の実施形態に係る脱硝制御装置の変形例１においては、データ処理部１０２が計測の応答性に係る計測むだ時間（λ）の変化に的確に追従して、データ蓄積部１０３に蓄積するＮＯｘ排出データの精度を高める一方で、再現度演算部１４５で前回のＮＯｘ排出量データとＮＯｘ予測量解析値データ１０６から算出した再現度を反映した、より精緻なＮＯｘの排出量解析が実現できる。

加えて、複数関数を用いる補正項１２５部により、ＮＯｘの排出量に影響を与えると考えられる複数のパラメータについて、過去のデータの傾向を反映したＮＯｘ予測量解析値データ１０６を算出することができ、ＮＯｘ予測量初期値データ１０４に対するより適切な補正を施すことが可能となる。

［第６及び第７の実施形態の変形例２］
第６及び第７の実施形態に係る脱硝制御装置の変形例２について説明する。
なお、脱硝制御装置全体の構成に関しては、基本的にほぼ図１の記載に準じるものとして、同一部分には同一符号を用いて、その図示と説明とを省略する。

図１１は、ＮＯｘ排出量データ蓄積部１１とＮＯｘ排出量解析部１２の機能構成を詳細に示すブロック図である。図１１の説明においても、図２、図６、図８及び図９の記載に準じる部分に関しては、同一部分には同一符号を用いて、その説明を省略する。

データ蓄積部１０３からデータを読み出すＮＯｘ排出量解析部１２では、最適予測値学習部１３０が、過渡過程時パラメータ１２１と、ＮＯｘ排出量データ蓄積部１１のデータ蓄積部１０３からのＮＯｘ排出量データから、最適なＮＯｘ予測量を学習して、ＮＯｘ予測量解析値データ１０６を算出する。

図１１に示した第６及び第７の実施形態に係る脱硝制御装置の変形例２においては、データ処理部１０２が計測の応答性に係る計測むだ時間（λ）の変化に的確に追従して、データ蓄積部１０３に蓄積するＮＯｘ排出データの精度を高める一方で、再現度演算部１４５で前回のＮＯｘ排出量データとＮＯｘ予測量解析値データ１０６から算出した再現度を反映した、より精緻なＮＯｘの排出量解析が実現できる。

加えて、最適予測値学習部１３０においてＮＯｘ排出量データが蓄積される毎に最適なモデルに更新される学習アルゴリズムによって、条件に応じた最適なＮＯｘ予測量解析値データ１０６を算出でき、ＮＯｘ予測量初期値データ１０４に対するより適切な補正を施すことが可能となる。

なお、前述した各実施形態は、排気ガスの排出元がガスタービン１である場合について説明したが、本実施形態はＮＯｘが含有される排気ガスの付帯設備全般について適用可能であることは勿論である。

その他、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…ガスタービン、２…煙道、３…脱硝触媒、４…煙突、５…流量調整弁、６…ＧＴ出口ＮＯｘセンサ（ＡＸ）、７…煙突入口ＮＯｘセンサ（ＡＸ）、８…関数発生器（Ｆ（ｘ）、９…ＮＯｘ制御部、１０…設定（ＳＶ）値、１１…ＮＯｘ排出量データ蓄積部、１２…ＮＯｘ排出量解析部、１０１…ＧＴ出口ＮＯｘデータ、１０２…データ処理部、１０３…データ蓄積部、１０４…ＮＯｘ予測量初期値データ、１０５…乗算器（×α）、１０６…ＮＯｘ予測量解析値データ、１０７…乗算器（×(１−α)）、１０８…加算器（＋）、１０９…フィードフォワード出力値（ＦＦ）、１１０…平均化処理項（ａｖｅ）、１１５…（減衰関数）補正項、１２０…（つりがね型関数）補正項、１２５…（複数関数）補正項、１２６…乗算器（×β）、１２７…乗算器（×β′）、１２８…加算器、１３０…最適予測値学習部、１３１…入力、１３２…入力層、１３３…中間層、１３４…出力層、１３５…出力、１４０…むだ時間算出部、１４５…再現度演算部

Claims (11)

1. 窒素酸化物を含むガスに対してアンモニアを注入し、前記ガス中の窒素酸化物含有量を減少させる脱硝触媒への前記アンモニアの注入量を制御する窒素酸化物制御部と、
   前記脱硝触媒を通過する前の前記ガス中の窒素酸化物含有量を計測する計測部と、
   前記ガス中の窒素酸化物含有量の予測値を、前記計測部で計測した窒素酸化物含有量に基づいて補正し、補正後の予測値を前記窒素酸化物制御部に与えて前記注入量を制御させるフィードフォワード補正部と、
   を備える脱硝制御装置。
2. 前記フィードフォワード補正部は、
   時間軸に沿って前記計測部で計測した窒素酸化物含有量を、前記計測部での計測内容に応じて設定された計測応答時間を用いて、前記窒素酸化物含有量の予測値と同じ要素で関数データ化して蓄積する蓄積部と、
   前記蓄積部に蓄積したデータを用いて前記窒素酸化物含有量の予測値を補正する解析部と、
   を備える、請求項１記載の脱硝制御装置。
3. 前記解析部は、前記蓄積部に蓄積したデータをその経過時間に応じた重み付けに用いて、前記窒素酸化物含有量の予測値を補正する、請求項２記載の脱硝制御装置。
4. 前記解析部は、前記蓄積部に蓄積したデータをその経過時間に応じて任意に設定したパラメータによる重み付けに用いて、前記窒素酸化物含有量の予測値を補正する、請求項２記載の脱硝制御装置。
5. 前記解析部は、前記蓄積部に蓄積したデータを、その経過時間に応じた重み付けと、その経過時間に応じて任意に設定したパラメータによる重み付けの双方に用いて、前記窒素酸化物含有量の予測値を補正する、請求項２記載の脱硝制御装置。
6. 前記解析部は、
   前記蓄積部に蓄積したデータから前記窒素酸化物含有量の予測値を学習する学習部をさらに備え、
   前記学習部で学習した予測値に基づいて前記窒素酸化物含有量の予測値を補正する、
   請求項２記載の脱硝制御装置。
7. 前記蓄積部は、前記脱硝触媒を通過する前の前記ガス中の窒素酸化物含有量が変動する期間に、時間軸に沿って前記計測部で計測した窒素酸化物含有量を、前記計測部での計測内容に応じて設定された計測応答時間を用いて、前記窒素酸化物含有量の予測値と同じ要素で関数データ化して蓄積する、請求項２記載の脱硝制御装置。
8. 前記解析部は、前記蓄積部に蓄積したデータから解析して得られる前記窒素酸化物含有量の予測値と、前記計測部で計測した前記窒素酸化物含有量とにより算出する再現度に応じて、前記窒素酸化物含有量の予測値を補正する、請求項２記載の脱硝制御装置。
9. 前記解析部は、前記蓄積部に蓄積したデータを、その経過時間に応じた重み付けと、その経過時間に応じて任意に設定したパラメータによる重み付けの双方で用いて、前記窒素酸化物含有量の予測値を補正する、請求項７または８記載の脱硝制御装置。
10. 前記解析部は、
    前記蓄積部に蓄積したデータから前記窒素酸化物含有量の予測値を学習する学習部をさらに備え、
    前記学習部で学習した予測値に基づいて前記窒素酸化物含有量の予測値を補正する、
    請求項７または８記載の脱硝制御装置。
11. 窒素酸化物を含むガスに対してアンモニアを注入し、前記ガス中の窒素酸化物含有量を減少させる脱硝触媒への前記アンモニアの注入量を制御する窒素酸化物制御部と、前記脱硝触媒を通過する前の前記ガス中の窒素酸化物含有量を計測する計測部とを備える装置での脱硝制御方法であって、
    前記ガス中の窒素酸化物含有量の予測値を、前記計測部で計測した窒素酸化物含有量に基づいて補正し、補正後の予測値を前記窒素酸化物制御部に与えて前記注入量を制御させるフィードフォワード補正工程を有する脱硝制御方法。