JP2021085388A - エネルギ供給装置の制御システムおよび制御装置 - Google Patents

Abstract

【課題】多種燃料対応のエネルギ供給装置を自律的に制御することを課題とする。【解決手段】本発明は、エネルギ供給装置１０２への制御を実行するエネルギ供給装置の制御装置１０１おいて、センサ部１０３で検知された前記エネルギ供給装置１０２の動作状態の入力を受け付ける入力部１１１と、前記動作状態の変動状況が一定範囲内であるかを判定し、前記一定範囲内である場合に、前記エネルギ供給装置の制御に対する学習処理を実行し、前記学習処理に応じた制御信号を決定する制御部１１と、決定した前記制御信号を、前記エネルギ供給装置に対して出力する出力部１１２とを備えるエネルギ供給装置の制御装置１０１である。【選択図】図１

Description

本発明は、制御装置、制御方法、および制御プログラムに関する。その中でも特に、エンジンを含むエネルギ供給装置に対する制御技術に関する。

従来より、効率的にエンジン等の制御対象を制御するために、機械学習、ニューラルネットワークなどを用いた様々な技術がある。

また、ニューラルネットワークを用いて、エンジン回転数、吸入空気圧等のエンジン制御パラメータを算出し、エンジンを制御する技術がある。例えば、特許文献１に記載の技術がある。

エンジン制御のために状態量を検出する手段を備えて、実際の制御量に反映する技術として、ディーゼルエンジンの運転状態を検出し、燃料噴射量を算出し、噴射制御を行う技術がある。例えば、特許文献２に記載の技術がある。

特開２０１４−１２５９２３号公報 特開平０７−０１９１２７号公報

昨今、エネルギ資源およびエネルギ自体の効率的な利用、電源構成の多様化および分散化、災害対策などの観点から、地域ごとに賦存する燃料資源を有効に利用するため、地域の分散型エネルギシステムの普及促進が進められている。特に余剰農産物等によるバイオ燃料や、噴出ガス燃料など、地域特有の燃料事情にも対応するエネルギ供給装置が、地域エネルギ自立化手段として求められている。

こうした課題解決のため、多種燃料対応の高効率改質エンジン発電技術およびＡＩ制御技術が開発されている。前記技術を活用することで、発電用エンジンの燃料として、バイオ燃料(エタノール、メタンなど)や水素などを組み合わせた効率的な発電が可能となる。

しかし、制御対象であるエネルギ供給装置は、通常、同時同量の大原則に即して、需要量と供給量を合致するように、運転状態を変動し稼働している。このため、前記技術を適用するためにはシステム状態に配慮をしなければならない。すなわち、より効果的に前記技術を活用するためには、制御対象の稼働状態に応じて前記技術を活用する自律的な運転制御装置、制御方法及び制御プログラムが必要である。また、このような自律的な運転制御を行うために、適切な機械学習の運用も必要になる。

上記の課題を解決するために、本発明は、エネルギ供給装置の「動作状態」に応じて、制御のための機械学習における学習、探索を実行するものである。より具体的には、動作状態が、安定・定常状態である場合に学習、探索を実行する。また、本発明には、能動的に制御して、安定・定常運転を実行することも含まれる。なお、「動作状態」の好適な態様は、エネルギ供給装置で用いられる燃料の状態を用いることが挙げられる。また、「動作状態」の他の態様として、エネルギ供給装置の運転状態およびエネルギ供給装置が供給するエネルギの状態(出力)の少なくとも一方を用いてもよい。また、「動作状態」として、上述した態様の組み合わせを用いてもよい。さらに、安定・定常状態には、動作状態の変動状況が一定範囲内であることが好適である。

より詳細な本発明の一態様は、エネルギ供給装置への制御を実行するエネルギ供給装置の制御システムにおいて、センサで検知された前記エネルギ供給装置の燃料の状態の入力を受け付ける入力部と、前記燃料の状態の変動状況が一定範囲内であるかを含む所定条件を満たすかを判定し、前記所定条件を満たす場合に、前記エネルギ供給装置の制御に対する学習処理を実行し、前記学習処理に応じた制御信号を決定する制御部と、決定した前記制御信号を、前記エネルギ供給装置に対して出力する出力部とを備えるエネルギ供給装置の制御システムである。

また、本発明は、上記制御システムを構成する制御装置、制御方法および制御プログラムとしても把握される。

本発明によれば、エネルギ供給装置の制御をより適切に、自律的に行うことが可能になる。

本発明の一実施例におけるシステム全体の構成図 本発明の一実施例における要求状態判定処理部１１３における処理を示すフローチャート 本発明の一実施例における学習モデル選択の処理手順を示すフローチャート 本発明の一実施例における第１の制御モードの実行処理を示すフローチャート 本発明の一実施例で用いられるセンサデータ事例を示す図 本発明の一実施例における第２の制御モードの実行処理を示すフローチャート 本発明の一実施例における実行条件１及び実行条件２の判別処理を示すフローチャート 本発明の一実施例における２台のエネルギ供給装置を各制御モードでの実行事例を示す図 本発明の一実施例におけるシステム全体の別構成図 本発明の一実施例におけるシステム全体の別構成図

以下に添付図面を参照して、本発明の一実施例について説明する。本実施例では、制御装置の制御対象としてエンジンを例に挙げて説明しているが、モータやタービンをはじめとする様々な原動機やポンプ、あるいはそれらが組み込まれた車両や船舶、ロボットなどの移動体についても同様に適用することができる。以下、エンジンを含むエネルギ供給装置と、このエネルギ供給装置の動作状態を取得するためのセンサと、各センサから得られるデータ（以下、センサデータ）をもとにエネルギ供給装置に指令を与える制御装置からなる制御系を例に、その内容を説明する。ここで、動作状態には、運転状態とエネルギ供給装置に供給する燃料の状態に関するデータが含まれる。また、本例では、自律的に制御モードが切替わり熱効率の最適化及び定常・安定(以下、安定)稼働をするように制御する。

図１には全体構成を示す。エネルギ供給装置１０２は、原動機とこれが作用する対象からなる。ここでは原動機としてエンジンが用いられているものとし、エンジンは発電機と軸を介して接続し、発電機により外部に電気エネルギ（以下、電力）を供給し、またエンジンの排気熱を利用して外部に熱エネルギを供給する装置である。センサ部１０３は、エンジンを含むエネルギ供給装置１０２の運転状態および、エネルギ供給装置に供給する燃料の状態に関するデータを計測するためのセンサからなる。ここでは、一例として、回転角度信号、水素流量、電力、筒内圧を計測可能なセンサが備えられているものとする。また、制御装置１０１は、センサ部１０３とエネルギ供給装置１０２に接続されており、センサ部１０３からセンサデータが入力され、エネルギ供給装置１０２に指令値を出力できるものとする。

制御装置１０１は、複数の機能が備えられている。具体的には、制御装置１０１は、入力部１１１と、制御部１１と、出力部１１２と、通信処理部１２とを有している。

入力部１１１は、エネルギ供給装置１０２の運転状態とエネルギ供給装置１０２に供給する燃料の状態に関するデータを取得する。制御部１１は、運転状態と燃料の状態に関するデータを少なくとも含む情報に基づいてエネルギ供給装置１０２を制御する制御情報を決定する。出力部１１２は、制御部１１にて決定した制御情報をエネルギ供給装置に出力する。通信処理部１２は、制御装置１０１の外部ネットワーク１０４を介したエネルギ供給装置の稼働状態の指示を受け付けるために用いられる。

制御部１１は、要求状態判定処理部１１３と、制御量演算部１１５と、選択部１１６と、制御量探索部１１７と、学習部１１８とを有している。

要求状態判定処理部１１３は、入力部１１１で得られたセンサデータを基にエネルギ供給装置１０２が要求状態を満足しているか、または満足するための制御モードで稼働しているかなどを判定する。制御量演算部１１５は、センサデータを基にして学習モデルを通じて制御量を算出処理する。選択部１１６は、要求状態判定処理部１１３およびセンサデータ得られる情報に基づいて学習モデルを選択する。制御量探索部１１７は、規定した目的を満たす制御量を決定するためにエネルギ供給装置１０２の制御量を算出する。学習部１１８は、センサデータ及び制御量から学習モデルを作成する。

また、制御装置１０１の外部からエネルギ供給装置１０２の稼働状態の指令を受け付けるための通信インタフェース（以下、通信ＩＦ）１１９を有しており、通信処理部１２と内部バス等の内部通信線により電気的に接続されている。

通信処理部１２は、制御装置１０１の外部からエネルギ供給装置１０２の稼働状態の指令を受け付けるため外部インタフェース（以下、外部ＩＦ）１２１を有する。また、通信処理部１２は、稼働状態の指令に応じて信号の入出力を担う内部処理部１２２と、ディジタル信号などの入出力を行う信号入出力部１２３とを有している。

また、制御装置１０１は、探索用データベースと、学習用データベースと、学習モデルデータベースと、稼働ログデータベース、とを少なくとも保持可能な記憶領域を有している。探索用データベースは、制御量探索に用いる。学習用データベースは、センサデータ及び制御量に基づいて学習モデルを作成するために用いる。学習モデルデータベースは、学習後のモデルデータを保持する。稼働ログデータベースは、稼働ログデータを保持する。

さらに、制御装置１０１のハードウェアとしては、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の一般的なコンピュータにより構成される。つまり、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、メモリ、外部記憶装置、通信処理部１２、出力装置、入力装置、電源入力部等の各部を備えている。制御装置１０１を構成するこれらの各部は、内部バス等の内部通信線により電気的に接続されている。

ＣＰＵは、外部記憶装置に記憶されている各種プログラムを読み出してメモリにロード
して実行することにより、制御装置１０１の各種機能を実現する。メモリは、例えば、データの読書き可能なＲＡＭ（Random Access Memory）から構成され、ＣＰＵにより上
記各種プログラムがロードされる。外部記憶装置は、例えば、ＲＯＭ（Read Only Memory）等の記憶媒体、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の記憶装置から構成される。そして、外部記憶装置は、制御装置１０１の処理に必要な各種プログラムを記憶する。

なお、上記各種プログラムは、外部ＩＦ１２１を介してネットワークから外部記憶装置にダウンロードされ、メモリ上にロードされて、ＣＰＵにより実行されるようにしてもよい。また、ＣＤ(Compact Disk)やＤＶＤ(Digital Versatile Disk)等の可搬性を有するコンピュータで読み取り可能な記憶媒体を用いてもよい。つまり、これらに対して情報を読み書きする読書装置を介して、当該記憶媒体からメモリ上に直接ロードされＣＰＵにより実行されるようにしてもよい。

さらには、上記各種プログラムが、コンピュータにインストール可能な形式又は実行可
能な形式のファイルで上記記憶媒体に記録されて提供されてもよい。さらには、上記各種
プログラムが、通信ネットワークに接続されたコンピュータ上に格納され、ネットワーク
経由でダウンロードにより提供されてもよい。

また、ここでは、制御装置１０１の各部については、ソフトウェア(コンピュータプログラム)としての実装を想定しているが、それらのすべてまたは一部をハードウェアとして実装してもよい。例えば、入力部および出力部の機能をハードウェアＡに実装し、制御部１１の各部をハードウェアＢに実装し、通信処理部１２をハードウェアＣに実装してもよい。この場合、ハードウェアＡとハードウェアＢとハードウェアＣの各ハードウェアを通信線等により電気的に接続することで制御装置１０１の構成を満たすこともできる。また、制御部１１と通信処理部１２が同一のハードウェアで構成されている場合、通信処理部１２に機能が補える場合、通信ＩＦ１１９は端子等の信号の受信点とみなすこともできる。

また、センサ部１０３を除く各部については、制御装置１０１と通信可能な遠隔地に設けられていても良い。また、以上の各部をなすハードウェアやソフトウェアは、実施形態に応じて取捨選択しても良い。

センサデータの一例を、図５に示した。つまり、水素流量５０１といった燃料の状態、エネルギ供給装置１０２の稼働状態データである電力５０２、筒内圧５０３〜筒内圧５０５（筒内圧１〜Ｎ）といった、エンジンの燃焼の１サイクル分の燃焼圧力の時間変化に対応するデータである。加えて、図示していないが、エンジンの制御量である空気量、燃料量、点火時期や、回転角信号、カム信号、ラムダ信号等を稼働状態および燃料の状態として入手するものとする。

また、筒内圧を計測可能なセンサとしては、ここでは気筒内部の燃焼圧力を計測する燃焼圧力センサを想定するが、筒内圧と相関がある量を計測可能なセンサであれば他のセンサを代替してもよい。例えばエンジンに設置したひずみセンサを用いても良いし、筒内圧の変化が音や振動として計測可能ならマイクや振動センサを用いても良い。あるいは、燃焼熱の変化を計測可能ならば熱検知センサやカメラ等のセンサを用いても良い。または新規にセンサを付与せずとも、クランク軸の回転信号と相関があるならば、その信号をセンサデータとして用いることもできる。

入力部１１１では、センサ部１０３が取得したセンサデータをもとに、エネルギ供給装置１０２の稼働状態および燃料の状態に関するデータが得られているものとし、制御部１１にセンサデータを受け渡す処理を行う。例えば、入力部１１１は上記センサデータ自体をそのまま状態データとみなして以降の処理で用いてもよいし、連続データを適当な離散データに変換するなど、特定のルールに沿った処理を行っても良い。また、上記の状態データが取得できる場合には、信号の種別や形態は問わず、アナログ信号でも良いしディジタル信号でも良い。
出力部１１２では、制御部１１から出力される制御量をエネルギ供給装置１０２に指令値として出力する機能を備える。例えば、出力部１１２では、制御量として空気量、燃料量、点火時期に関する指令値をそのままのデータで受け渡しても良い。また、必要な補正を処理しても良く、エネルギ供給装置１０２の受信形態に応じてアナログ信号や通信信号などの最適な手法で信号を受け渡す機能を備える。

通信処理部１２内の外部ＩＦ１２１は、ゲートウェイやルータなど外部ネットワークを中継する機能を備えており、外部ネットワークから要求状態の指令信号を中継する機能を備える。

また、通信処理部１２内の内部処理部１２２は、外部ネットワーク１０４から通信処理部１２内にある信号入出力部１２３に対して信号出力または信号入力に関する指令が出された場合に、その実行処理を行う機能を備える。例えば外部ネットワーク１０４から、信号入出力部１２３に対して、ディジタル信号の出力指令が出された場合、外部ＩＦ１２１を介して、内部処理部１２２に指令が届き、内部処理部１２２が実行処理を行い、信号入出力部１２３からディジタル信号が出力される。

ここで、信号入出力部１２３は、内部処理部１２２から実行処理がある場合に、信号の入力または出力を行う機能を有しており、入出力信号の形態はアナログ信号でもディジタル信号も問わない。

なお、制御装置１０１は、複数のエネルギ供給装置１０２と接続し、それぞれのエネルギ供給装置１０２を制御することも可能である。この場合、制御装置１０１は、外部ネットワーク１０４を介して各エネルギ供給装置１０２と接続してもよい。

制御部１１の内部機能を記述するにあたり、以上に記載した制御系において、エンジンを制御するための第１の制御モードと、第２の制御モードの少なくとも２つの制御モードを想定する。

ここで第１の制御モードは、設定した探索目的を満たす制御量を決定するためにエネルギ供給装置１０２の制御量を可変する制御量探索部１１７が担う制御モードである。第１の制御モードにおいて、例えばエネルギ供給装置をエンジン発電機とし、エンジン発電機の発電効率を最大化することを探索目的と設定した場合を説明する。本モードでは、エンジン発電機の電力と、エンジンの制御量となる空気量、燃料量、点火時期などから発電効率を演算し、エンジン発電機の稼働状態は同一条件下において、発電効率が最大化となるよう制御量を可変とする。つまり、第１の制御モードでは、エンジン発電機の制御に関する学習（探索）を行いかつ発電機の制御を実行している。また、第１の制御モードは、学習処理を行うモードと表現することも可能である。このように、安定状態が継続する場合、つまり、動作状態が一定範囲内である場合に、第１の制御モードにおいて、学習モードを選択することも本実施例に含まれる。本内容は後述するが、このことで、動作状態に応じた学習処理を実現できる。

また第２の制御モードとは、エネルギ供給装置１０２を制御するモードである。処理ステップとしては、入力部１１１で得られたセンサデータを基に、要求状態判定処理部１１３によって選択される制御モードである。これは、需要に応じたオンデマンド制御とも表現可能である。この場合、まずセンサデータに含まれる情報から制御量を算出するための学習モデルを選択し、選択された学習モデルによって制御量を算出し、制御量出力部１１４に制御量を送信する制御ステップを有する。

第２の制御モードにおける、エネルギ供給装置をエンジン発電機とし、エンジン発電機の電力を制御する例を説明する。このモードは、図５に示されるセンサデータに含まれる稼働状態の水素流量５０１や、電力５０２のセンサ情報を踏まえて、選択部１１６にて学習モデルを選択する。そして、本モードは、選択された学習モデルにセンサデータを制御量演算部１１５に入力し、算出された制御量を、制御量出力部１１４を介して出力部１１２に送信することで、エンジン発電機を所望の電力にて制御するモードである。

なお、制御装置１０１が、複数のエネルギ供給装置１０２と接続する場合、その一部に対して能動的に、第１の制御モードとなるよう制御を実行してもよい。つまり、後述するような燃料の状態と所定の範囲になるような制御信号、制御量出力部１１４で出力してもよい。このことで、一部のエネルギ供給装置１０２についての学習処理を実行しつつ、他のエネルギ供給装置１０２は第２の制御モード、つまり、需要に応じたオンデマンド制御で運転が可能になる。このように、第２の制御モードでは、第１の制御モードとは異なる制御でエンジン発電機を制御することになる。

ここで、要求状態判定処理部１１３は、エネルギ供給装置１０２の稼働状態および、エネルギ供給装置１０２に供給される燃料の状態に関するセンサデータを受信した際に、処理が実行される。図２には要求状態判定処理部１１３の処理フローの一例を示し、以下説明する。

まず、要求状態判定処理部１１３は、入力部１１１を介してセンサデータを受信し、判定処理フローを開始する（ステップ２０１）。

要求状態判定処理部１１３は、制御対象であるエネルギ供給装置１０２が稼働しているかにより、実行モードを確認する（ステップ２０２）。要求状態判定処理部１１３は、エネルギ供給装置１０２が稼働している場合は、第２の制御モードで実行すると判断する。

次に、要求状態判定処理部１１３は、第１の制御モードの実行スケジュールの指定の有無を判定する（ステップ２０３）。これは、制御装置１０１が有するスケジュールデータを用いて判断する。

そして、要求状態判定処理部１１３は、実行スケジュールの指定が有る場合、スケジュールデータを用いて第１の制御モードの実行時間を特定する（ステップ２０４）。

要求状態判定処理部１１３は、実行時間であれば第１の制御モードに移行する（ステップ２０９）。一方、第１の制御モードの実行スケジュールが指定されていない場合や、まだ実行時間でない場合は、ステップ２０５にて、要求状態判定処理部１１３が外部通信の有無の判定が行われる。なお、第１の制御モードの実行スケジュールの指定方法は、外部ネットワークを介しても良いし、事前に登録しておいても良い。但し、第１の制御モードはエネルギ供給装置１０２の安定的な稼働状態が必要となるため、あらかじめエネルギ供給装置１０２の稼働スケジュールを定めておき、稼働状態が安定する時間帯に第１の制御モードの実行スケジュールを設定しておくと良い。

ステップ２０５において外部ネットワークを介した通信制御が行われている場合、ステップ２０７にて、要求状態判定処理部１１３が第１の制御モードの実行指示の有無を判別する。外部ネットワークを介して第１の制御モードの実行指示がある場合、第１の制御モードに移行する（ステップ２０９）。一方、要求状態判定処理部１１３は第１の制御モードの実行指示がない場合は、第２の制御モード実行のためステップ２１４の処理項目に進む。

ステップ２０５において、要求状態判定処理部１１３は外部ネットワークを介した通信制御が行われていない場合、後述する実行条件１を満たす運転条件かの判定処理を行う（ステップ２０６）。判定の結果、実行条件１を満足した場合、第１の制御モードに移行する（ステップ２０９）。一方、実行条件１を満足しない場合、要求状態判定処理部１１３はステップ２０８の処理項目に進む。

ステップ２０８にて、要求状態判定処理部１１３は後述する実行条件２を満たす運転条件化の判定処理を行う。判定の結果、実行条件２を満足した場合、第１の制御モードに移行する（ステップ２０９）。一方、実行条件１を満足しない場合、第２の制御モード実行のためにステップ２１４の処理項目に進む。

ここで、前述の実行条件１の一例としては、図７に示した実行条件１判定処理開始（ステップ７０１）から実行条件判定終了処理（ステップ７１３）にて定義することができる。図２のステップ２０６で実行条件１の判別処理に移行した際に、図７のステップ７０１が実行される。この場合、要求状態判定処理部１１３がまず燃料の状態の変動が所定の範囲内であるか否かを判別する（ステップ７０２）。そして、要求状態判定処理部１１３は、所定の範囲内である場合には経過時間が所定の時間以内であるか否かを判別する（ステップ７０３）。これらによって所定の時間に、要求状態判定処理部１１３は、所定の範囲内の変動で収まれば燃料の状態は安定していると判断することになる。ここで、燃料の状態とは、燃料の流量や、特に多種燃料を利用した場合は燃料の種類、混合割合、燃料成分の変動などを指す。つまり、これらの少なくとも１つを用いることが可能である。これら各種の情報を用いることで、エネルギ供給装置１０２の特定に応じたきめ細かな制御が可能になる。

なお、燃料として、エタノールやメタンなどのバイオ燃料を用いてもよい。さらに多種燃料は、複数の燃料であり、バイオ燃料と水素燃料などその組み合わせは問わない。

これらの燃料の状態が安定していると判断されれば、次に制御対象のエネルギ供給装置１０２の稼働状態の安定判別が行われる。ステップ７０４では、要求状態判定処理部１１３では、エネルギ供給装置１０２の稼働状態・出力（例えば電力）の変動の判別が行われ、その安定状態の経過時間が所定の時間か否かを判別する（ステップ７０５）。要求状態判定処理部１１３は、これらの各条件を満足した場合に、実行条件１が満足したと判断する。一方、要求状態判定処理部１１３は、いずれかが満足していなければ実行条件１は満足しないと判断し、実行条件判定処理を終了し（ステップ７１３）、図２のステップ２０８に移行する。

また前述の実行条件２の一例としては、図７に示した実行条件２判定処理開始（ステップ７０８）から実行条件判定終了処理（ステップ７１３）にて定義することができる。

図２のステップ２０８で実行条件２の判別処理に移行した際に、要求状態判定処理部１１３が図７のステップ７０８を実行する。要求状態判定処理部１１３は、まず選択可能な学習モデルの有無を判別する（ステップ７０９）。そして、要求状態判定処理部１１３は、選択可能な学習モデルが無い場合は、もっとも近いモデルで第２の制御モードが実行されている状態であり、この状態が所定の時間の経過判別（ステップ７１０）に移行する。ステップ７０１にて、要求状態判定処理部１１３は、所定の時間経過しているとみなされれば、実行条件２が満足すると判定する（ステップ７１１）。一方、いずれにも該当しない場合には、要求状態判定処理部１１３は、実行条件２を満足しないと判定する（ステップ７１２）。このため、実行条件判定処理は終了し、図２のステップ２１４に移行する。

なお、図２では、実行条件１および実行条件２の２つの条件を設定したが、条件数および条件内容はこの限りではなく、エネルギ供給装置１０２の稼働計画に応じて自由に設定ができる。また図７における実行条件においては、所定の第１の時間の間、エネルギ供給装置の燃料の状態の変動が所定の範囲内であることと、所定の第２の時間の間、エネルギ供給装置の電力変動が安定していること、を少なくとも含むが、他に諸条件を付与してもよい。また、所定の第１の時間と所定の第２の時間は、同じ時間でもよく、異なる時間でもよい。また、図７では直列に判別条件（ステップ７０２〜ステップ７０５、ステップ７０９〜ステップ７１０）を設定したが、制御対象の状態に応じて並列に設定しても良い。さらに、要求状態判定処理部１１３におけるステップ７０２〜７０５、７０９〜７１０は、それぞれ単独で判断してもよい。例えば、要求状態判定処理部１１３がステップ７０２にて、燃料の状態変動が所定範囲内と判定すると、ステップ７０６に移行してもよい。

以上のとおり、図７では、エネルギ供給装置１０２の動作状態として、燃料の状態と供給するエネルギの状態を用いている。このことで、エネルギ供給装置１０２の動作の実情に応じた制御を行うことが可能になる。さらに、動作状態の変動が、所定時間以上一定の範囲内かを判定することで、継続的に安定状態が継続しているかを判定でき、より正確な判定が可能になる。

図２におけるステップ２０９は、第１の制御モードに移行処理が行われる。具体的には後述する図４の第１の制御モードの実行処理フローチャート事例におけるステップ４０１を実行する。またさらに後述する図６の第２の制御モードの実行処理フローチャート事例におけるステップ６１０に処理終了判定を出力することで、第１の制御モードに移行する。その後、ステップ２１１では要求状態判定処理部１１３がステップ４１８の処理判定を行い、第１の制御モードの中断指令があるかを判定する（ステップ２１２）。この結果、要求状態判定処理部１１３は中断指令がない限り、第１の制御モードが継続する。ステップ２１１で終了判定後、ステップ２１３では、要求状態判定処理部１１３は要求状態判定処理の終了判定を行い、要求状態判定処理が継続である場合は、ステップ２０２に戻る。

一方、要求状態判定処理部１１３が行うステップ２１０は第２の制御モードに移行する処理であるが、エネルギ供給装置１０２の稼働状態に応じて処理が異なる。

ステップ２１４では、要求状態判定処理部１１３は、まず現状、第２の制御モードで稼働しているかを判定するため、ステップ６０１〜６１０の処理を行っているか否かを判別する。第２の制御モードが実行中の場合は、ステップ２０２に戻るが、第２の制御モードが実行していない場合は、第１の制御モードで稼働しているか否かを判定する（ステップ２１５）。第１の制御モードが実行中の場合は、要求状態判定処理部１１３は、ステップ４１６に対して中断指令を出力する（ステップ２１６）。一方、第１の制御モードも稼働していない場合は、要求状態判定処理部１１３は、第２の制御モード実行のため、ステップ６０１の実行処理（ステップ２１７）を行った後、ステップ２０２に移行する。

ステップ２１３で、要求状態判定処理部１１３は、要求状態判定処理が継続でない場合は、処理を終了する。（ステップ２１８）
以上の第1の制御モードへの移行は、所定の時間（第1の時間）以上の間に動作状態が一定範囲内である場合に、第１の制御モードを実行することと表現可能である。また、第２の制御モードへの移行は、エネルギ供給装置１０２の稼働状態(例えば、出力である電力)が所定の第２の時間以上の間に一定範囲内である場合に移行可能と表現できる。また、エネルギ供給装置１０２の稼働状態には、予め設定された目標出力（例えば、目標電力）やセンサデータとして検知された実際の出力のいずれでもよい。 図４には、第１の制御モードの実行処理フローチャート事例を示す。

まず、ステップ４０１にて第１の制御モードが開始されると、要求状態判定処理部１１３は、探索目的の読込処理を行う（ステップ４０２）。探索目的は予め設定しておくパラメータである。例えば、エネルギ供給装置１０２をエンジン発電機とした場合、エンジン発電機の発電効率の最大化、などが設定できるが、この限りではなく、センサデータとの整合がとれるならば二酸化炭素排出量の最小化や、燃料料金の最小化などを設定してもよい。

次に、要求状態判定処理部１１３は探索領域の更新有無を判定する（ステップ４０３）。例えば、探索が中断した場合、前回の探索領域がメモリ等の記憶領域に保持されている。このため、この有無を確認し、中断時の稼働状態および燃料の状態と、現在の稼働状態および燃料の状態を比較して同程度の場合に前回探索領域を用いる判定が下されるなど条件が設定できる。探索領域の更新が必要ない場合は、ステップ４０８に進む。

一方探索領域の更新が必要の場合、要求状態判定処理部１１３ハ、入力部１１１を介して現在の運転状態に関するセンサデータを取得する（ステップ４０４）。また、要求状態判定処理部１１３は、燃料の状態に関するセンサデータを取得する（ステップ４０５）。そして、要求状態判定処理部１１３はセンサデータに基づいて学習モデルを選択（ステップ４０６）、その後、学習モデルによる制御量の算出結果に基づいて、探索領域を設定する（ステップ４０７）。

探索領域は、例えば制御量の可変領域の設定と同義であり、例えば点火時期を可変する場合、現在の点火時期に対して±１degや、±２degを設定するものである。この後、ステップ４０８に進む。

ステップ４０８では、要求状態判定処理部１１３は、入力部１１１を介して、その時点の運転状態に関するセンサデータを取得する。その後、要求状態判定処理部１１３は、燃料の状態に関するセンサデータを取得する（ステップ４０９）。そして、要求状態判定処理部１１３はセンサデータに基づいて探索目的を達成して更新すべき学習モデルを選択し（ステップ４１０）、探索領域に基づいて制御量を可変しセンサデータを取得する（ステップ４１１）。

ステップ４１２では、要求状態判定処理部１１３が制御量可変により探索目的の達成可否を判定する。例えば、エンジン発電機の発電効率の最大化が探索目的である場合、設定した探索領域の中で発電効率が最大となる制御量を探索するため、探索目的が未達成である限りステップ４０３及びステップ４０８〜４１６を繰り返す。 なお、ステップ４１６は中断指令が届いた場合は、直ちにステップ４１７に移行する判定項目である。

ステップ４１２において探索目的が達成された場合、要求状態判定処理部１１３は、探索目的の達成した制御量において新たにモデル作成するためにセンサデータを収集し、学習データとする（ステップ４１３）。

その後、要求状態判定処理部１１３は、学習データに基づいて新たに学習モデルを作成し（ステップ４１４）、ステップ４１０で選択した学習モデルを更新する処理が行う（ステップ４１５）。このようにして学習モデルが更新され、適宜探索目的に応じて最新の学習モデルが得られる。

ステップ４１５処理後、制御量出力部１１４からの制御量を用いて、出力部１１２の指令値に従ってステップ４１７にて第２の制御モードが実行され、第１の制御モード実行処理を終える（ステップ４１８）。

ここで、学習モデルの作成（ステップ４１４）および学習モデル更新（ステップ４１５）について詳述するため、センサデータから、新規に学習モデルを作成する学習方法について記述する。学習モデル作成および学習モデル更新は学習部１１８が担い、学習部１１８には、回帰を行うためのニューラルネットワークが構成されているものとする。

ここで、ニューラルネットワークに対し、当該ニューラルネットワークのモデル（以下、学習モデル）を求める。ここでは、エネルギ供給装置１０２の稼働状態およびエネルギ供給装置１０２に供給される燃料の状態データであるセンサデータ、例えば図５に示される水素流量５０１、電力５０２、筒内圧５０３〜筒内圧５０５（筒内圧１〜Ｎ）を入力とする。そして、この入力によってニューラルネットワークより得られる出力値と、入力したセンサデータに対応する制御量（空気量、燃料量、点火時期）との差を用い、この差が小さくなるようにニューラルネットワークを更新する。いわゆる学習の処理を行い、制御量として、ここでは、空気量、燃料量、点火時期を算出する。なお、学習手法として、ここではＤＮＮの利用を想定しているが、同様の効果が得られるならば他の手法を用いてもよい。

図６は、第２の制御モードの制御モードの実行処理フローチャート事例を示す。まず、要求状態判定処理部１１３において、ステップ６０１にて第２の制御モードが実行されると、外部通信の有無を確認する（ステップ６０２）。要求状態判定処理部１１３では、外部通信がない場合はステップ６０５に移行するが、外部通信がある場合は要求電力の指定の有無を確認する（ステップ６０３）。ここでは要求電力を図示したが、実行モードが指定される場合もあってよい。ステップ６０３にて、要求状態判定処理部１１３は、特に指定がない場合はステップ６０５に移行するが、要求電力の指定がある場合、エネルギ供給装置１０２のセンサデータに含まれる電力５０２の電力値を要求電力に書き換える処理を行う（ステップ６０４）。この処理によって後述の学習モデル選択時に要求電力に見合うモデル選定が実現できる。

ステップ６０５では、要求状態判定処理部１１３から 選択部１１６に対してセンサデータを送信し、後述する学習モデル選択を実施する。選択部１１６は受信したセンサデータを基に学習モデルの情報を送信する（ステップ６０５）。その後、センサデータおよび選択された学習モデルを基に制御量演算部１１５において制御量が演算される（ステップ６０６）。

次に、制御量演算部１１５は要求電力の有無判定を処理する（ステップ６０７）。制御量演算部１１５は、要求電力がある場合には、演算された制御量のうち必要なデータ、例えば燃料量の熱量情報と、発電効率の情報から要求電力に見合う燃料量に補正する演算処理を、制御量出力部１１４にて実施し制御量を補正する（ステップ６０８）。一方、ステップ６０７にて要求電力がない場合は、制御量演算部１１５は演算された制御量を制御量出力部１１４に送信し、制御量出力部１１４から出力部１１２に制御量を出力する（ステップ６０９）。なお、制御量の補正は、制御信号を補正することで実行可能である。

ステップ６１０において、制御量演算部１１５は処理終了の判定が行い、終了の場合には、ステップ６１１にて第２の制御モード実行処理を終える。一方、ステップ６１０にて終了しない場合はステップ６０２に戻り、ステップ６０２〜６１０を繰り返すことで第２の制御モードを、実行を継続する。

ここで、ステップ６０５の学習モデル選択について詳述する。図３は、学習モデル選択の処理手順を示すフローチャートの事例を示したものである。図６のステップ６０５において選択モデル選択処理が実行されると、図３のステップ３０１の選択処理が実行される。
次に、ステップ３０２においては、選択部１１６が、センサデータに含まれる特徴量を抽出してその値が０か否かを判別する。例えば特徴量を水素流量５０１とする場合、選択部１１６は、センサデータから水素流量値を抽出し、水素流量が０である場合は、学習モデル０を選択する（ステップ３０３）処理を実行する。一方で、水素流量が０より大きい数値を示し、ステップ３０２が該当しない場合は、選択部１１６は、次に特徴量が事前に設定したしきい値１以下か否かを判別する処理を実行する（ステップ３０４）。例えば特徴量が水素流量５０１で、しきい値１が５０Ｌ／ｍｉｎと設定した場合、水素流量が２０Ｌ／ｍｉｎであればステップ３０５に移行するが、水素流量が６０Ｌ／ｍｉｎの場合はステップ３０７に移行する。

次に、ステップ３０５に移行した場合、選択部１１６は、特徴量をしきい値１で除算して、０。５未満か否かを判別する処理（ステップ３０５）が実行される。例えば、しきい値１が５０Ｌ／ｍｉｎで、水素流量が２０Ｌ／ｍｉｎである場合は、２０÷５０＝０。４となり、０。５より小さい数値となるため、ステップ３０３に移行し、学習モデル０を選択する。

以上のように特徴量と、事前に設定したしきい値に応じて学習モデルの選択判別処理が実行され最適な学習モデルを選択された後、選択部１１６はモデル選択処理を終了する（ステップ３１７）。ここで、ステップ３１３まで該当がない場合には、選択部１１６は、ステップ３１７処理実行後に、前述の実行条件１または実行条件２において最適な学習モデルが無いと判断する。そして、一定時間経過後にステップ２０９にて探索処理、学習処理が実行され、新たな学習モデルが作成される。

また、図３に示した実施例において特徴量およびしきい値は、水素流量を例に挙げたが、一つの種類には限らなくてもよい。エネルギ供給装置の安定稼働を担う学習モデルが選択できることが条件として、例えば、特徴量としては水素流量と電力の２種類を選択し、それぞれのしきい値を設定しても良い。また、図５のセンサデータには図示していないがエンジンの制御量である空気量、燃料量、点火時期や、回転角信号、カム信号、ラムダ信号等の稼働状態および燃料の状態として入手した信号を、特徴量として適用しても良い。

また、図３に示した実施例においては、学習モデルの選択を１つとするために、ステップ３０５、ステップ３０８、ステップ３１１、ステップ３１４等の判別項目を設定したが、この限りではない。ステップ３０２とステップ３０４の間に特徴量が存在する場合、学習モデル０と学習モデル１の２つのモデルを選択することもできる。この場合、例えばセンサデータを基にして、学習モデル０にて算出された制御量０と、同一のセンサデータを基にして学習モデル１にて算出された制御量１と、を用いて制御量を算出する手法も選択できる。

以上の実施例で、制御装置１０１の各部における一連の処理を含めて記述した。本手法で、エネルギ供給装置１０２の稼働状態及び供給される燃料の状態に応じて、多種燃料対応のエネルギ供給装置を自律的に制御する運転制御装置および制御方法を提供できる。但し、各処理のうち、その一部を制御対象などに応じて取捨選択を行っても良い。

また図８には、複数のエネルギ供給装置１０２を構成するエネルギ供給装置１０２−１と、エネルギ供給装置１０２−２の２台を各制御モードで制御した事例を示す。横軸は時間、縦軸は電力値であり、３０分おきに各エネルギ供給装置が出力した電力データを示している。これは、前述の複数のエネルギ供給装置１０２の能動的な制御の内容を示すものである。

０時から１０時の時間帯においては、エネルギ供給装置１０２−１と、エネルギ供給装置１０２−２と、共に第２の制御モードで制御しているため、それぞれ需要負荷に合わせて同時同量の発電によって電力変動がみられる。

１０時３０分には、エネルギ供給装置１０２−１が第１の制御モードに移行して探索および学習が開始した。これによりエネルギ供給装置１０２−１の電力は一定電力を出力することとなり、需要変動には対応ができないが、その分、エネルギ供給装置１０２−２が第２の制御モードにて変動電力の対応がされている。エネルギ供給装置１０２−１は、約１時間かけて第１の制御モードにて探索および学習モデルの更新が完了しており、その後、第２の制御モードに移行した。

次に図８における１２時には、エネルギ供給装置１０２−１の第１の制御モードの結果で得られた学習モデルを、エネルギ供給装置１０２−２の第２の制御モードで選択し制御を開始した。この際、エネルギ供給装置１０２−１の第１の制御モードで実行した電力値に合わせてエネルギ供給装置１０２−２の電力を一定制御する必要があり、これによってエネルギ供給装置１０２−２が第１の制御モードに移行する。このためエネルギ供給装置１０２−１が第２の制御モードで需要負荷変動に対応し、エネルギ供給装置１０２−２はエネルギ供給装置１０２−１で得られた学習モデルを基に探索および学習モデル更新を実行した。この結果、エネルギ供給装置１０２−２は、約３０分で探索、学習モデル更新を完了しており、その後、第２の制御モードに移行した。

１３時３０分には、エネルギ供給装置１０２−２が第１の制御モードに移行して探索および学習が開始した。これによりエネルギ供給装置１０２−２の電力は一定電力を出力することとなり、需要変動には対応ができないが、その分、エネルギ供給装置１０２−１が第２の制御モードにて変動電力の対応がされている。エネルギ供給装置１０２−２は、約１時間かけて第１の制御モードにて探索および学習モデルの更新が完了しており、その後、第２の制御モードに移行した。

次に、１５時３０分には、エネルギ供給装置１０２−２の第１の制御モードの結果で得られた学習モデルを、エネルギ供給装置１０２−１の第２の制御モードで選択し制御を開始した。この際、エネルギ供給装置１０２−２の第１の制御モードで実行した電力値に合わせてエネルギ供給装置１０２−１の電力を一定制御する必要があり、これによってエネルギ供給装置１０２−１が第１の制御モードに移行する。このためエネルギ供給装置１０２−２が第２の制御モードで需要負荷変動に対応し、エネルギ供給装置１０２−１はエネルギ供給装置１０２−１で得られた学習モデルを基に探索および学習モデル更新を実行した。この結果、エネルギ供給装置１０２−１は、約３０分で探索、学習モデル更新を完了しており、その後、第２の制御モードに移行した。

以上までの実施例によれば、少なくとも２台のエネルギ供給装置が稼働する場合、以下の制御が可能である。エネルギ供給装置１０２−１が第１の制御モードで制御する場合、残りのエネルギ供給装置１０２−２は第２の制御モードで制御することで需要負荷の変動に対応し電力需給調整が可能である。

また、少なくとも２台のエネルギ供給装置が稼働する場合において、エネルギ供給装置１０２−１が第１の制御モードを実行完了し作成した学習モデルは、エネルギ供給装置１０２−２にて第２の制御モードで利用することができる。

さらに、エネルギ供給装置１０２−２はエネルギ供給装置１０２−１で作成した学習モデルを基にして、エネルギ供給装置１０２−２は第１の制御モードで制御することができる。この際、エネルギ供給装置１０２−２の稼働条件が、エネルギ供給装置１０２−１が学習モデルを作成した稼働状態および燃料の状態と同様の条件の場合には、エネルギ供給装置１０２−２の第１の制御モードの実行時間が短縮される効果がある。ただし、稼働状態や燃料の状態、設定条件によっては、短縮時間の定量値は異なる。

また、エネルギ供給装置１０２−２の稼働条件が、エネルギ供給装置１０２−１が学習モデルを作成した稼働状態および燃料の状態と異なる稼働条件の場合には、以下の制御を行ってもよい。エネルギ供給装置１０２−１が作成した学習モデルをもとにした制御を抑止し、エネルギ供給装置１０２−２の学習モデルをもとに第１の制御モードに移行することもできる。このように、稼働状態および燃料の状態が同様（同一ないし同等）の条件の場合、第１の制御モードで作成した学習モデルを、第２の制御モードで利用する。また、条件が同様でない場合、学習モデルの利用を抑止する。また、このように学習モデルを利用するかの判断は、稼働状態および燃料の状態の少なくとも一方が同様の条件であるかで判断してもよい。

なお、複数のエネルギ供給装置１０２を制御する場合、第１の制御モードと第２の制御モードを以下のとおり行ってもよい。
（１）受動的な制御
複数のエネルギ供給装置１０２の一部が第1の制御モードへの移行条件を満たしている場合、他のエネルギ供給装置１０２を第２の制御モードに移行させる。
（２）能動的な制御
複数のエネルギ供給装置１０２の一部を、第1の制御モードへ移行させる。一部のエネルギ供給装置に対して、動作状態（燃料の状態、運転状態、出力）を一定はン位となるように、能動的に制御する。その上で、他のエネルギ供給装置１０２を第２の制御モードに移行させる。

以上の実施例では、少なくとも２台のエネルギ供給装置を例に挙げて記述したが、３台以上の複数台のエネルギ供給装置においても同様に制御方法を適用することができる。

また、図９には、システム全体の構成図（図１）の別構成を示す。図９において、電源回路１０６と、蓄電装置１０５を備え、電源回路１０６には、電力変換回路１６１と、切替装置１６２と、を少なくとも備える構成である。

ここで、蓄電装置１０５は、エネルギ供給装置の発電電力を蓄電するものである。蓄電装置１０５と制御装置１０１は電源回路１０６を介して電気的に接続され、制御装置１０１は必要に応じてエネルギ供給装置１０２または蓄電装置１０５の電力を供給されて稼働することができるようになっている。また図９では、制御装置１０１内部の制御部１１と通信処理部１２を、それぞれ電気的に電力変換回路１６１を介して蓄電装置１０５と接続することを想定している。すなわち、蓄電装置１０５は、制御部１１の電源入力部１２０と電力変換回路１６１と切替装置１６２を介して、通信処理部１２の電源入力部１２４は電力変換回路を介して、それぞれ電気的に接続し電力の給電を受ける構成とする。なお、蓄電装置１０５は電源回路１０６を介して系統連系し、電力授受を行う構成にしてもよい。

蓄電装置１０５の具体的な構成は特に制限されなお。例えば、鉛蓄電池、リチウムイオン蓄電池、ＮＡＳ電池、コンデンサ、電気二重層キャパシタ等の公知の任意の蓄電池（二次電池）や、レッドクスフロー蓄電池システムや、水素貯蔵システム等の充放電制御システム、などを用いることができる。また必要な際に、必要な電力が確保できるならば燃料電池や太陽電池および一次電池でもよい。ただし、二次電池としては、満充電状態から放電し、一定放電後に再度充電を実施する繰り返し用途専用に製造されるサイクル用蓄電池が望ましい。具体的には、例えばナトリウム硫黄電池、鉛蓄電、リチウムイオン蓄電池池等が挙げられ、中でも電気的性能に優れ、コンパクトで安価な鉛蓄電池が好ましい。なお、蓄電池は１個の蓄電池により構成されてもよく、２個以上の蓄電池を任意に接続して蓄電池群として構成してもよい。充放電制御システムはバッテリチャージャーなどの慣習的な充放電制御システムが適用でき、特に制限はない。

電力変換回路１６１は交流（Ａｌｔｅｒｎａｔｉｎｇ Ｃｕｒｒｅｎｔ、以下ＡＣ）の電力から直流（Ｄｉｒｅｃｔ Ｃｕｒｒｅｎｔ、以下ＤＣ）電力の変換、ＤＣ電力からＡＣ電力の変換、電圧値の変換、電流値の変換など電力変換機能を備える。また、交流とは三相交流、単相交流いずれも含み、三相交流と単相交流の相互変換の機能も備える。電力変換回路１６１は、公知のインバータやコンバータ等が主に該当するが、前記機能を備える構成であればこの限りではない。

切替装置１６２は、信号入出力部１２３の指令を受けて、制御部の給電を電気的に遮断、導通できる機能を有していればよく、部品材料、構成は特に限定されない。例えば機械的接点スイッチや、リレー、半導体スイッチ素子等を自由に選択できる。ただし、電気的な仕様は、設計段階で整合をとる必要があり、システム規模に応じて適合する切替手段を選択できる。

以上の構成において、外部ネットワーク１０４を介した起動指令が届くことによって、通信処理部１２内の内部処理部１２２は、外部ネットワーク１０４から通信処理部１２内にある信号入出力部１２３に対して、信号出力または信号入力に関する指令を出す。その後、信号入出力部１２３は切替装置１６２に対して導通信号を出し、この導通信号によって切替装置１６２が導通状態となり電源入力部１２０に給電が開始され、制御部１１が起動する。

ここで実施例として、図９において、エネルギ供給装置１０２が停止状態であり、起動指示を受けてエネルギ供給装置１０２を起動することを想定する。また、商用電力とは非接続でエネルギ供給装置１０２が独立状態で起動することを想定する。ここでは、実施例として、蓄電装置１０５は鉛蓄電池で電圧は直流１２Ｖ、電池容量３０Ａｈを選定した。蓄電装置１０５は、予めエネルギ供給装置１０２の発電電力により電力変換回路１６１のＡＣ／ＤＣ変換を介して満充電している。なお、蓄電装置１０５の充電率ＳｏＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）は、８０％とする。また制御装置１０１の待機電力は２０Ｗであり、このうち制御部１１は１９Ｗ、通信処理部は１Ｗである。

比較のため、切替装置１６２は常時通電状態であり、すなわち制御装置１０１の全てが蓄電装置１０５からの受電を受けて待機していることを想定する。エネルギ供給装置１０２は停止状態のため、蓄電装置１０５の給電先は制御部１１と通信処理部１２の両方であり、待機電力２０Ｗの電力を供給する必要がある。この場合、蓄電装置１０５は（１２Ｖ×３０Ａｈ×８０％）÷２０Ｗ＝１４。４ｈの給電が可能である。ただし、エネルギ供給装置１０２の停止時間は１４。４ｈ未満にしない限り、再起動ができないことを意味する。

一方、切替装置１６２を外部ネットワーク１０４による導通指令がない限り、遮断した構成を想定する。この場合、蓄電装置１０５の給電は、通信処理部１２に限定され、待機電力は１Ｗである。ただし、エネルギ供給装置１０２の起動時には制御部１１の電力２０Ｗが必要となるため、仮に２０Ｗｈの電力量を確保すると仮定しても、蓄電装置１０５は（１２Ｖ×３０Ａｈ×８０％―２０Ｗｈ）÷１Ｗ＝２６８ｈは給電が可能となる。すなわちエネルギ供給装置１０２は、約１１日間は停止しても再起動ができることを意味する。

以上の構成をとれば、蓄電装置１０５の消費電力を抑えることができ、エネルギ供給装置１０２の保守・メンテナンスまたは運転計画等による装置の停止時間の制約を低減できるメリットがある。また、以上の実施例では、商用電力を非接続ではあるが、系統連系により商用電力を使用できる状況下においても、エネルギ供給装置１０２の待機電力を低減することができ省エネルギのエネルギ供給装置および制御装置を提供できる。

また、本実施例の制御装置１０１は、物理的に分けることが可能である。基本的には、図１、９の入力部１１１、出力部１１２と、制御部１１と、通信処理部１２をそれぞれ個別尾筐体とすることになる。また、この変形例およびこれを用いたシステムの別例を、図１０に示す。図１では、制御装置１０１が、コントローラ（１）１０１１、コントローラ（２）１０１２および通信処理部１２に分けられている。コントローラ（１）１０１１が入力部１１１、出力部１１２を有する。また、これに九会和え、制御量演算処理部１１００を有する。制御量演算処理部１１００は、センサ部１０３、エネルギ供給装置１０２と、コントローラ（２）１０１２の橋渡し機能を有するものである。つまり、入力部１１１で受け付けたデータを、コントローラ（２）１０１２で演算できるように形式の変換等を行う。また、制御量演算処理部１１００は、逆にコントローラ（２）１０１２の演算結果を、制御信号に変換する。

また、本例では、電源回路１０６やそれに接続する蓄電装置１０５を有する。これは、コントローラ（１）１０１１、コントローラ（２）１０１２および通信処理部１２に対して動作のための電源を供給するもので、電源入力部や切替装置を設け、電源供給を制御可能である。

また、図１、９および１０のいずれの例においても、以下の構成が可能である。制御装置１０１やコントローラ（１）１０１１、コントローラ（２）１０１２、通信処理装置はエネルギ供給装置１０２に近傍ないし直接設置してもよいし外部ネットワーク１０４を介して遠隔地に設置してもよい。また、外部ネットワーク１０４を、複数のエネルギ供給装置１０２の運転状態を監視する監視装置と接続してもよい。この場合、監視装置から制御装置１０１やコントローラ（１）１０１１、コントローラ（２）１０１２への指示により、前述の能動的な制御を行ってもよい。なお、本実施例では、エネルギ供給装置１０２が複数ある場合に能動的な制御を行うことを説明した。但し、エネルギ供給装置１０２が単数である場合に、入力部１１１が受け付けるエネルギ発電機の出力（例えば電力）の監視を行い能動的な制御を実行してもよい。

１１…制御部、１２…通信処理部、１０１…制御装置、１０２…エネルギ供給装置、１０３…センサ部、１０４…外部ネットワーク、１１１…入力部、１１２…出力部、１１３…要求状態判定処理部、１１４…制御量出力部、１１５…制御量演算部、１１６…選択部、１１７…制御量探索部、１１８…学習部、１１９…通信ＩＦ、１２１…外部ＩＦ、１２２…内部処理部、１２３…信号入出力部

Claims (15)

1. エネルギ供給装置への制御を実行するエネルギ供給装置の制御システムにおいて、
   センサで検知された前記エネルギ供給装置の燃料の状態の入力を受け付ける入力部と、
   前記燃料の状態の変動状況が一定範囲内であるかを含む所定条件を満たすかを判定し、前記所定条件を満たす場合に、前記エネルギ供給装置の制御に対する学習処理を実行し、前記学習処理に応じた制御信号を決定する制御部と、
   決定した前記制御信号を、前記エネルギ供給装置に対して出力する出力部とを備えることを特徴とするエネルギ供給装置の制御システム。
2. 請求項１に記載のエネルギ供給装置の制御システムにおいて、
   前記制御部は、
   前記所定条件として、前記燃料の状態が一定範囲内であり、前記エネルギ供給装置の出力が一定範囲内であるかを判断し、
   前記所定条件を満たす場合に、前記エネルギ供給装置の制御に関する前記学習処理を行い、当該エネルギ供給装置の制御を実行する第1の制御モードに従って制御信号を決定し、
   前記所定条件を満たさない場合に、前記第1の制御モードとは異なる制御で、前記エネルギ供給装置の制御を実行する第２の制御モードに従って制御信号を決定することを特徴とするエネルギ供給装置の制御システム。
3. 請求項１または２のいずれかに記載のエネルギ供給装置の制御システムにおいて、
   前記入力部は、前記エネルギ供給装置の要求出力を受け付け、
   前記制御部は、前記要求出力に応じて、前記エネルギ供給装置の出力を変更させるよう前記制御信号を補正することを特徴とするエネルギ供給装置の制御システム。
4. 請求項２に記載の制御システムにおいて、
   前記制御部は、前記燃料の状態が所定の第１の時間以上の間に一定範囲内である場合に、前記学習処理を実行し、前記第1の制御モードに従って制御信号を決定し、前記エネルギ供給装置の目標出力が所定の第２の時間以上間に一定範囲内である場合に、前記第２の制御モードに従って制御信号を決定することを特徴とするエネルギ供給装置の制御システム。
5. 請求項４に記載のエネルギ供給装置の制御システムにおいて、
   当該制御システムは、複数のエネルギ供給装置の制御を行い、
   前記制御部は、前記複数のエネルギ供給装置の一部が前記所定条件を満たす場合、前記複数のエネルギ供給装置の他のエネルギ供給装置に対して、前記第２の制御モードに従った制御信号を決定することを特徴とするエネルギ供給装置の制御システム。
6. 請求項５に記載のエネルギ供給装置の制御システムにおいて、
   前記制御部は、前記複数のエネルギ供給装置の一部に対して、前記所定条件を満たすよう制御し、当該制御に応じて、前記他のエネルギ供給装置に対して、前記第２の制御モードに従った制御信号を決定することを特徴とするエネルギ供給装置の制御システム。
7. 請求項６に記載のエネルギ供給装置の制御システムにおいて、
   前記制御部は、前記前記第２の制御モードに従った制御信号を決定に、前記学習処理の結果を反映することを特徴とするエネルギ供給装置の制御システム。
8. 請求項７に記載のエネルギ供給装置の制御システムにおいて、
   前記制御部は、前記複数のエネルギ供給装置の一部と前記他のエネルギ供給装置における燃料の状態が同様である場合に前記学習処理の結果を反映することを特徴とするエネルギ供給装置の制御システム。
9. 請求項８に記載のエネルギ供給装置の制御システムにおいて、
   前記制御部は、前記複数のエネルギ供給装置の一部と前記他のエネルギ供給装置における燃料の状態が同様でない場合に前記学習処理の結果の反映を抑止することを特徴とするエネルギ供給装置の制御システム。
10. 請求項７に記載のエネルギ供給装置の制御システムにおいて、
    前記学習処理に応じて、前記燃料の状態および前記エネルギ供給装置の運転状態に応じた複数の学習モデルを記憶する記憶部と、
    前記複数のエネルギ供給装置の燃料の状態および運転状態に応じた学習モデルを選択する選択部をさらに有し、
    前記制御部は、選択された前記学習モデルに応じた制御信号を決定することを特徴とするエネルギ供給装置の制御システム。
11. 請求項１０に記載のエネルギ供給装置の制御システムにおいて、
    前記制御部は、前記第１の制御モードでの学習処理を、選択された前記学習モデルに反映し、前記学習処理が反映された前記学習モデルを用いて、前記第２の制御モードで前記制御信号を決定することを特徴とするエネルギ供給装置の制御システム。
12. エネルギ供給装置への制御を実行するためのエネルギ供給装置の制御装置において、
    センサにより検知された前記エネルギ供給装置の燃料の状態を受け付け、前記燃料の状態の変動状況が一定範囲内であるかを判定し、前記一定範囲内である場合に、前記エネルギ供給装置の制御に対する学習処理を実行する選択部と、
    前記学習処理に応じた制御信号を決定する制御信号演算部と、
    決定した前記制御信号を出力する制御信号出力部とを備えることを特徴とするエネルギ供給装置の制御装置。
13. 請求項１２に記載のエネルギ供給装置の制御装置において、
    前記選択部は、前記一定範囲内である場合に、さらに前記燃料の状態に応じて、前記学習処理に用いる学習モードを選択することを特徴とするエネルギ供給装置の制御装置。
14. 請求項１３に記載の制御装置において、
    前記選択部は、前記燃料の状態および前記エネルギ供給装置の出力がそれぞれ所定時間以上前記一定範囲内である場合に、前記学習処理を実行することを特徴とするエネルギ供給装置の制御装置。
15. 請求項１４に記載のエネルギ供給装置の制御装置において、
    前記制御信号出力部は、複数のエネルギ供給装置に対する制御信号を出力し、
    前記制御信号演算部は、前記複数のエネルギ供給装置の一部に対して、前記燃料の状態の変動状況が一定範囲内とする制御信号を演算し、
    前記選択部は、前記複数のエネルギ供給装置の一部に対する学習処理を実行することを特徴とするエネルギ供給装置の制御装置。

Images