JP2022157305A - 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム - Google Patents

湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム Download PDF

Info

Publication number
JP2022157305A
JP2022157305A JP2021061440A JP2021061440A JP2022157305A JP 2022157305 A JP2022157305 A JP 2022157305A JP 2021061440 A JP2021061440 A JP 2021061440A JP 2021061440 A JP2021061440 A JP 2021061440A JP 2022157305 A JP2022157305 A JP 2022157305A
Authority
JP
Japan
Prior art keywords
absorbent
flue gas
learning model
absorption tower
concentration
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.)
Pending
Application number
JP2021061440A
Other languages
English (en)
Inventor
駿 郡司
Shun Gunji
仁 須藤
Hitoshi Sudo
信弥 金森
Shinya Kanamori
一貴 吉田
Kazutaka Yoshida
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Heavy Industries Ltd
Original Assignee
Mitsubishi Heavy Industries Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Heavy Industries Ltd filed Critical Mitsubishi Heavy Industries Ltd
Priority to JP2021061440A priority Critical patent/JP2022157305A/ja
Priority to TW111112084A priority patent/TW202306634A/zh
Priority to PCT/JP2022/015797 priority patent/WO2022210827A1/ja
Publication of JP2022157305A publication Critical patent/JP2022157305A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/46—Removing components of defined structure
    • B01D53/48—Sulfur compounds
    • B01D53/50—Sulfur oxides
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/77—Liquid phase processes
    • B01D53/78—Liquid phase processes with gas-liquid contact
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23J—REMOVAL OR TREATMENT OF COMBUSTION PRODUCTS OR COMBUSTION RESIDUES; FLUES 
    • F23J15/00—Arrangements of devices for treating smoke or fumes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Abstract

【課題】湿式排煙脱硫装置の吸収塔において吸収液を循環させるための制御を簡易的に実施する。【解決手段】湿式排煙脱硫装置は、吸収塔と、循環ポンプと、吸収剤スラリー供給部とを備える。本装置の制御方法では、吸収液の吸収剤濃度、吸収液の循環流量、及び、発電機出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築する。そして発電機出力ごとに、学習モデルによる二酸化硫黄濃度の予測値を算出し、予測値が基準値以下になるための吸収剤の投入量及び吸収液の循環流量を示すテーブルを作成する。そして当該テーブルに基づいて、発電機の状態に対応する吸収剤の投入量及び吸収液の循環流量の制御目標値を決定する。【選択図】図１

Description

本開示は、湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システムに関する。
湿式排煙脱硫装置では、ボイラ等の燃焼装置で発生した排ガスを脱硫装置の吸収塔内に導入し、吸収塔を循環する吸収液と気液接触させる。気液接触の過程で、吸収液中の吸収剤（例えば、炭酸カルシウム）と排ガス中の二酸化硫黄（ＳＯ２）とが反応することにより、排ガス中のＳＯ２は吸収液に吸収され、排ガスからＳＯ２が除去（排ガスが脱硫）される。一方、ＳＯ２を吸収した吸収液は落下して、吸収塔下方の貯留タンク内に溜められる。貯留タンクには吸収剤が供給され、供給された吸収剤で吸収性能を回復した吸収液は循環ポンプによって吸収塔の上方に供給され、排ガスとの気液接触（ＳＯ２の吸収）に供せられる。吸収液を循環させる循環ポンプは消費電力が大きいため、従来は、消費電力の抑制を目的として、吸収塔に流入する排ガスの流量と排ガス中のＳＯ２濃度等に基づいて必要となる吸収液の循環流量を計算し、循環ポンプの運転台数の制御が行われている。
特許文献１では、このような湿式排煙脱硫装置の吸収塔において吸収液を循環させるための循環ポンプの運転条件を適切に調節するための技術が開示されている。この文献では、ボイラ等の燃焼装置及び湿式排煙脱硫装置から得られた運転データを用いて、運転データと吸収塔出口におけるＳＯ２濃度との相関関係、及び、運転データと吸収液に含まれる吸収剤濃度との相関関係を、それぞれ機械学習によってモデル化し、これら２つの学習モデルによって求められるテーブルに基づいて、吸収液の循環流量や吸収剤濃度を最適化するように制御している。
特開２０２０－１１１６３号公報
しかしながら上記特許文献１では、学習モデルを構築する際に、吸収塔出口におけるＳＯ２濃度や吸収剤濃度と相関性の高いパラメータが特定されていない。そのため、予測外乱が発生するおそれがあり、また運転データの学習範囲が広くなることで、演算負担が大きくなるおそれがある。また運転データと吸収塔出口におけるＳＯ２濃度との相関関係、及び、運転データと吸収液に含まれる吸収剤濃度との相関関係を、それぞれ機械学習することによって、２つの学習モデルを構築する必要があることからも演算が複雑となる傾向がある。
本開示の少なくとも一実施形態は上述の事情に鑑みなされたものであり、湿式排煙脱硫装置の吸収塔において吸収液を循環させるための制御を簡易的に実施可能な湿式排煙脱硫装置の制御方法、制御装置、遠隔監視システム、情報処理装置、及び、情報処理システムを提供することを目的とする。
本開示の少なくとも一実施形態に係る湿式排煙脱硫装置の制御方法は、上記課題を解決するために、
吸収塔内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置の制御方法であって、
前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築する工程と、
前記パラメータと前記出力との関係を規定する基準テーブルに基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブルを作成する工程と、
前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定する工程と
を備える。
本開示の少なくとも一実施形態に係る湿式排煙脱硫装置の制御装置は、上記課題を解決するために、
吸収塔内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置の制御装置であって、
前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部と、
前記パラメータと前記出力との関係を規定する基準テーブルに基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブルを作成するためのテーブル作成部と、
前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部と
を備える。
本開示の少なくとも一実施形態に係る遠隔監視システムは、上記課題を解決するために、
本開示の少なくとも一実施形態に係る湿式排煙脱硫装置の制御装置と、
前記湿式排煙脱硫装置の制御装置電気的に接続された遠隔監視装置と
を備える。
本開示の少なくとも一実施形態に係る情報処理装置は、上記課題を解決するために、
吸収塔内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置の制御に係る処理を実行する情報処理装置であって、
前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部と、
前記パラメータと前記出力との関係を規定する基準テーブルに基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブルを作成するためのテーブル作成部と、
前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部と
を備える。
本開示の少なくとも一実施形態に係る情報処理システムは、上記課題を解決するために、
吸収塔内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置の制御に係る処理を実行する情報処理装置と通信可能な端末とからなる情報処理システムであって、
前記情報処理装置は、
前記端末からの要求により、前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部と、
前記パラメータと前記出力との関係を規定する基準テーブルに基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブルを作成するためのテーブル作成部と、
前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部と
を備える。
本開示の少なくとも一実施形態によれば、湿式排煙脱硫装置の吸収塔において吸収液を循環させるための制御を簡易的に実施可能な湿式排煙脱硫装置の制御方法、制御装置、遠隔監視システム、情報処理装置、及び、情報処理システムを提供することを目的とする。
一実施形態に係る湿式排煙脱硫装置の構成図である。 一実施形態に係る遠隔監視システムの構成図である。 一実施形態に係る湿式排煙脱硫装置の制御方法を示すフローチャートである。 図３のステップＳ３における学習モデルの目的変数に関する補正演算を示すフロー図である。 図３のステップＳ３における学習モデルの説明変数に関する補正演算を示すフロー図である。 図５で算出された補正値を用いた学習モデルの説明変数の補正演算を示すフロー図である。 図６で補正演算が実施されるための最適化条件の判定フローを示す図である。 発電機出力ごとに、ＣａＣＯ３濃度と固定容量式の循環ポンプの運転台数を変化させた場合の学習モデルによって算出されたＳＯ２濃度の予測値を示す演算例である。 図８の演算結果に基づいて作成されたテーブルの例である。 発電機出力ごとに、ＣａＣＯ３濃度と可変容量式の循環ポンプの容量を変化させた場合の学習モデルによって算出されたＳＯ２濃度の予測値を示す演算例である。 図１０の演算結果に基づいて作成されたテーブルの例である。 一実施形態に係る情報処理システムの構成図である。 図１２の情報処理装置の内部構成を制御装置とともに示す図である。
以下、図面を参照して本発明のいくつかの実施形態について説明する。ただし、本発明の範囲は以下の実施形態に限定されるものではない。以下の実施形態に記載されている構成部品の寸法、材質、形状、その相対配置などは、本発明の範囲をそれにのみ限定する趣旨ではなく、単なる説明例に過ぎない。
図１は一実施形態に係る湿式排煙脱硫装置１０の構成図である。
湿式排煙脱硫装置１０は、燃焼装置１で発生した排ガスを脱硫するための装置である。燃焼装置１は例えば蒸気を生成するためのボイラであり、燃焼装置１で生成された蒸気は発電機５に供給されることにより発電可能な発電プラントの一部として構成されている。湿式排煙脱硫装置１０は、燃焼装置１と配管２を介して連通する吸収塔１１と、吸収塔１１内を循環する吸収液の循環用配管３に設けられた複数の循環ポンプ１２ａ，１２ｂ，１２ｃ，・・・（図１では、３台の循環ポンプが代表的に例示されており、台数は限定されない。また、これらを総称する場合には適宜「循環ポンプ１２」と称する）と、吸収液に含まれる吸収剤である炭酸カルシウム（ＣａＣＯ３）のスラリー（吸収剤スラリー）を吸収塔１１内に供給するための吸収剤スラリー供給部１３と、吸収液中の石膏を回収するための石膏回収部１４とを備えている。吸収塔１１には、後述する動作で脱硫された排ガスが吸収塔１１から流出ガスとして流出するための流出配管１６が設けられ、流出配管１６には、流出ガス中のＳＯ２濃度を測定するためのガス分析計１７が設けられている。
吸収剤スラリー供給部１３は、吸収剤スラリーを製造するための吸収剤スラリー製造設備２１と、吸収剤スラリー製造設備２１と吸収塔１１とを連通する吸収剤スラリー供給用配管２２と、吸収剤スラリー供給用配管２２を流通する吸収剤スラリーの流量を制御するための吸収剤スラリー供給量制御弁２３とを備えている。石膏回収部１４は、石膏分離器２５と、石膏分離器２５と吸収塔１１とを連通する石膏スラリー抜き出し用配管２６と、石膏スラリー抜き出し用配管２６に設けられた石膏スラリー抜き出し用ポンプ２７とを備えている。
湿式排煙脱硫装置１０には、湿式排煙脱硫装置１０の制御装置１５が設けられている。制御装置１５は、燃焼装置１及び湿式排煙脱硫装置１０の各種運転データ（例えば、様々な部位における温度や圧力、各種流体の流量等）を取得するための種々の検出器を含む運転データ取得部２０と電気的に接続された運転データ受信部３０を備えている。運転データ取得部２０には、ガス分析計１７が含まれている。
制御装置１５は、運転データ受信部３０に電気的に接続された学習モデル構築部３８と、学習モデル構築部３８に電気的に接続されたテーブル作成部３１と、テーブル作成部３１に電気的に接続された制御目標値決定部３２と、制御目標値決定部３２に電気的に接続された循環ポンプ調節部３３と、制御目標値決定部３２に電気的に接続された吸収剤スラリー供給制御部３４と、学習モデル構築部３８に電気的に接続された学習モデル補正部３５とを備えている。循環ポンプ調節部３３は、各循環ポンプ１２のそれぞれに電気的に接続されている。吸収剤スラリー供給制御部３４は、吸収剤スラリー供給量制御弁２３に電気的に接続されている。
図２には、湿式排煙脱硫装置１０（図１参照）の制御状態を遠隔監視するための遠隔監視システム４０の構成が示されている。遠隔監視システム４０は、燃焼装置１（図１参照）及び湿式排煙脱硫装置１０（図１参照）を構成する各機器の分散制御システム（ＤＣＳ）４１と、ＤＣＳ４１に電気的に接続されるとともに制御装置１５を搭載したエッジサーバー４２と、クラウド又はバーチャルプライベートネットワーク（ＶＰＮ）を介してエッジサーバー４２に電気的に通信可能なように接続されたデスクトップパソコンやタブレット型コンピュータ等のような遠隔監視装置４３とを備えている。通常はエッジサーバー４２から離れた場所に存在する遠隔監視装置４３によって、湿式排煙脱硫装置１０の制御状態を遠隔監視することができる。
次に、燃焼装置１で発生した排ガスを湿式排煙脱硫装置１０が脱硫する動作について説明する。
図１に示されるように、燃焼装置１で発生した排ガスは、配管２を流通して吸収塔１１に流入し、吸収塔１１内を上昇する。循環ポンプ１２の少なくとも１台が稼働することによって吸収液が循環用配管３を流通して吸収塔１１に流入し、吸収塔１１内において吸収液が流下する。吸収塔１１内で流下した吸収液は、吸収塔１１内に溜まり、循環ポンプ１２によって吸収塔１１から流出し、循環用配管３を流通する。このようにして、吸収液は吸収塔１１内を循環する。
吸収塔１１内では、上昇する排ガスと流下する吸収液とが気液接触する。排ガスに含まれるＳＯ２は、以下の反応式
ＳＯ２＋ＣａＣＯ３＋２Ｈ２Ｏ＋１／２Ｏ２→ＣａＳＯ４・２Ｈ２Ｏ＋ＣＯ２
のように、吸収液中のＣａＣＯ３と反応して、石膏（ＣａＳＯ４・２Ｈ２Ｏ）が吸収液中に析出する。
このようにして、排ガス中のＳＯ２の一部が吸収液中に石膏として除去されるので、すなわち排ガスが脱硫されるので、流出配管１６を介して吸収塔１１から流出する流出ガス中のＳＯ２濃度は、配管２を介して吸収塔１１に流入する排ガス中のＳＯ２濃度よりも低くなっている。吸収塔１１から流出した流出ガスは、流出配管１６を流通して大気中に放出されるが、その途中でガス分析計１７によってＳＯ２濃度が測定され、その測定結果が制御装置１５の運転データ受信部３０に伝送される。
流出ガス中のＳＯ２濃度は、吸収液中のＣａＣＯ３濃度に大きな変動がなければ、吸収塔１１内を循環する吸収液の循環流量が増加するほど低下する傾向がある。後述する制御方法によって制御装置１５が循環ポンプ１２の稼働台数を制御することで循環流量を制御することにより、流出ガス中のＳＯ２濃度を制御すること、例えば予め設定された設定値以下となるように流出ガス中のＳＯ２濃度を制御することができる。
吸収塔１１内で吸収液中に析出した石膏は、石膏スラリーとして石膏スラリー抜き出し用ポンプ２７によって吸収塔１１から抜き出され、石膏スラリーは、石膏スラリー抜き出し用配管２６を流通して石膏分離器２５に流入する。石膏分離器２５において石膏と水とが分離されて、石膏は回収され、水は、図示しない排水設備に送られる。
吸収液中のＣａＣＯ３は、ＳＯ２と反応して石膏となるので、排ガスの脱硫が行われるに従い、吸収液中のＣａＣＯ３濃度は低下する。後述する制御方法によって制御装置１５は吸収剤スラリー供給量制御弁２３の開度を制御し、吸収剤スラリー製造設備２１で製造された吸収剤スラリーを、吸収剤スラリー供給用配管２２を介して吸収塔１１内に供給する。これにより、吸収液中のＣａＣＯ３濃度が予め設定された設定範囲内となり、排ガスの脱硫中におけるＣａＣＯ３濃度の大きな変動が抑制される。
次に、制御装置１５による湿式排煙脱硫装置１０の制御方法について説明する。図３は一実施形態に係る湿式排煙脱硫装置１０の制御方法を示すフローチャートである。
まず、ステップＳ１において燃焼装置１及び湿式排煙脱硫装置１０の各種運転データを収集した後、ステップＳ２において、各種運転データと、吸収塔１１から流出する流出ガス中の将来のＳＯ２濃度との関係について機械学習により学習モデルを構築する。次に、ステップＳ３において、ステップＳ２で構築された学習モデルを補正する。そしてステップＳ４において、ステップＳ３で得られた補正後の学習モデルを用いてテーブルを作成する。続くステップＳ５において、ステップＳ４で作成されたテーブルに基づいて、流出ガス中のＳＯ２濃度が予め設定された設定値以下となる吸収液の循環流量、ＣａＣＯ３の吸収剤スラリーの供給量について制御目標値を決定し、ステップＳ６において、ステップＳ５で決定された循環流量の制御目標値に基づいて循環ポンプ１２の運転条件を調節し、ステップＳ７において、ステップＳ５で決定されたＣａＣＯ３の吸収剤スラリーの供給量の制御目標値に基づいて吸収剤スラリー供給量制御弁２３を制御する。これにより、予め設定された設定値以下となるように流出ガス中のＳＯ２濃度が制御される。
尚、ステップＳ３における学習モデルの補正は、補正前の学習モデルの精度が十分である場合には省略してもよい。また図３では、ステップＳ６の後にステップＳ７を実施する場合を例示しているが、ステップＳ６の前にステップＳ７を実施してもよいし、ステップＳ６及びＳ７を同時に実施してもよい。
次に、制御装置１５による湿式排煙脱硫装置１０の制御方法の各ステップについて詳細に説明する。
ステップＳ１では、図１に示されるように、燃焼装置１及び湿式排煙脱硫装置１０の各種運転データを運転データ取得部２０が取得した後、取得された各種運転データが制御装置１５に伝送されて運転データ受信部３０が受信することで、制御装置１５が各種運転データを収集する。前述したように、運転データ取得部２０はガス分析計１７を含んでいるので、各種運転データは流出ガス中のＳＯ２濃度を含んでいる。
ステップＳ２では、学習モデル構築部３８は、運転データ取得部２０によって収集された各種運転データと、流出ガス中の将来のＳＯ２濃度との関係について機械学習により学習モデルを構築する。学習モデルは、例えば、重回帰、リッジ回帰、ラッソ回帰或いはＥｌａｓｔｉｃ Ｎｅｔ等の回帰手法を用いた回帰モデルとして構築される。本実施形態では、学習モデルの一例として、次式のように線形多項式で表される回帰モデルが構築される。
吸収塔出口におけるＳＯ２濃度＝ｋ１×説明変数１＋ｋ２×説明変数２＋・・・＋ｋｎ×説明変数ｎ＋ｂ （１）
このように学習モデルとして線形多項式を用いることで、複雑なシミュレーションモデルに比べて説明可能性（解釈性）が高く、演算負荷も効果的に軽減できる。尚、ｎは任意の自然数であり、ｋ１～ｋｎは係数であり、ｂは任意の切片である。
機械学習によって得られる学習モデルは、運転データ取得部２０によって取得された運転データに含まれる複数のパラメータからなる説明変数と、流出ガス中の将来のＳＯ２濃度を目的変数として、両者の相関を示すモデルとして構築される。ここで学習モデルの説明変数に含まれる複数のパラメータの組み合わせは、以下の候補から任意に選択することができる。
ｉ）発電機出力指令値（発電機５に対する外部からの出力指令値）
ｉｉ）発電機出力（発電機５の出力）
ｉｉｉ）ボイラ空気流量又はボイラ排ガス流量（燃焼装置１に対する供給空気流量又は燃焼装置１からの排ガス流量）
ｉｖ）脱硫入口ＳＯ２濃度又はボイラ出口ＳＯ２濃度（吸収塔１１入口におけるＳＯ２濃度又は燃焼装置１出口におけるＳＯ２濃度）
ｖ）脱硫出口ＳＯ２濃度又は煙突入口ＳＯ２（吸収塔１１出口におけるＳＯ２濃度）
ｖｉ）吸収液のＣａＣＯ３濃度又はｐＨ
ｖｉｉ）吸収液循環流量（循環ポンプ１２の稼働台数又は吐出流量の制御値）
これらの候補は、通常多くの湿式排煙脱硫装置１０で従来から計測可能なパラメータである。
本実施形態では学習モデルの説明変数は、上記候補のうち、ｉ）発電機出力指令値（発電機５に対する外部からの出力指令値）、ｉｉｉ）ボイラ空気流量又はボイラ排ガス流量（燃焼装置１に対する供給空気流量又は燃焼装置１からの排ガス流量）、又は、ｉｖ）脱硫入口ＳＯ２濃度又はボイラ出口ＳＯ２濃度（吸収塔１１入口におけるＳＯ２濃度又は燃焼装置１出口におけるＳＯ２濃度）のうち少なくとも１つが含まれるように選択される。より好ましくは、学習モデルの説明変数は、上記候補のうち、ｉｉｉ）ボイラ空気流量又はボイラ排ガス流量（燃焼装置１に対する供給空気流量又は燃焼装置１からの排ガス流量）、及び、ｉｖ）脱硫入口ＳＯ２濃度又はボイラ出口ＳＯ２濃度（吸収塔１１入口におけるＳＯ２濃度又は燃焼装置１出口におけるＳＯ２濃度）を含むように選択される。これにより、目的関数である流出ガス中の将来のＳＯ２濃度を、良好な精度で予測可能な学習モデルを構築できる。また運転データ取得部２０で取得される運転データから、このように一部のパラメータを説明変数として選定することで、学習対象データを効率的に絞り込み、機械学習の演算負担を軽減することができる。
ステップＳ３では、学習モデル補正部３５によって、ステップＳ２で構築された学習モデルの補正が行われる。学習モデルの補正は、学習モデルによって算出されるＳＯ２濃度の予測値と実測値との誤差に基づいて行われ、学習モデルの説明変数及び目的関数についてそれぞれ行われる。
ここで図４は図３のステップＳ３における学習モデルの目的変数に関する補正演算を示すフロー図である。
目的変数に関する補正演算では、まず、補正対象となる学習モデルを用いて算出された予測値Ｖｐに対して、計測遅れ分に相当する補正時間ΔＶｐが遅れて出力される。学習モデルを用いて算出される予測値Ｖｐには、ガス分析計１７で実測値Ｖｍを計測するために必要な時間が含まれていない。補正時間ΔＶｐは、ガス分析計１７で実測値Ｖｍを計測するために必要な時間に対応しており、予測値Ｖｐに対して遅れて出力されることで、ガス分析計１７で計測された実測値Ｖｍと比較可能にすることができる。予測値Ｖｐに対して補正時間ΔＶｐが遅れて出力されることにより、補正後の予測値Ｖｐ´が求められる。そして補正後の予測値Ｖｐ´と、ガス分析計１７の実測値Ｖｍとの比（Ｖｍ／Ｖｐ´）を算出し、その移動平均を算出することで、目的関数に関する補正値Ａが求められる。
このように算出された補正値Ａは、学習モデルに適用される。例えば上記（１）式で表される学習モデルの場合、補正後の学習モデルは次式となる。
吸収塔出口におけるＳＯ２濃度＝（ｋ１×説明変数１＋ｋ２×説明変数２＋・・・＋ｋｎ×説明変数ｎ＋ｂ）×Ａ （２）
続いて図５は図３のステップＳ３における学習モデルの説明変数に関する補正演算を示すフロー図である。ここでは、補正演算の一例として、発電機５の出力（発電機出力Ｙ）と相関を有するパラメータである説明変数ＳＧを補正する場合について説明する。
発電機出力Ｙと説明変数ＳＧの値Ｘ１～Ｘ４との相関を規定する基準テーブルＴｒが予め用意される。基準テーブルＴｒは、図５に示すように、発電機出力Ｙの値ごとに説明変数ＳＧの値Ｘ１～Ｘ４を規定する。本実施形態では、発電機出力Ｙが２５％ＭＷである負荷点、５０％ＭＷである負荷点、７５％ＭＷである負荷点、１００％ＭＷである負荷点についてそれぞれ説明変数ＳＧの値Ｘ１～Ｘ４を規定する特性関数を含む基準テーブルＴｒが示されている。
学習モデル補正部３５は、このような基準テーブルＴｒに対して、外部から取得した発電機出力Ｙを入力することにより、対応する説明変数ＳＧを出力する。一方、学習モデル補正部３５は、運転データ受信部３０で取得した結果に基づいて説明変数の実測値ＳＧｍを求め、基準テーブルＴｒから出力された説明変数の値ＳＧとの比（ＳＧｍ／ＳＧ）を求める。そして当該比の移動平均を算出することで、説明関数に関する補正値Ｂが求められる。
このように算出された説明変数ＳＧに関する補正値Ｂは、学習モデルに適用される。図６は図５で算出された補正値Ｂを用いた学習モデルの説明変数ＳＧの補正演算を示すフロー図である。
図６に示すように、最適化条件Ｃが成立した場合に、補正値Ｂによって基準テーブルＴｒに規定される特性関数が補正される。最適化条件Ｃは、補正値Ｂによる基準テーブルＴｒを補正するための環境が整っているか否かを判定するための少なくとも１つ（例えば全て）の条件を含み、例えば、湿式排煙脱硫装置１０や制御装置１５において動作状態が安定しており、且つ、異常などが発生していないことを多角的な観点から判定することができる。
図７は図６で補正演算が実施されるための最適化条件Ｃの判定フローを示す図である。図７では、最適化条件Ｃの一例として、次の５つの条件に基づく判定がなされる。
（条件１）説明変数に異常が監視されていないこと。
（条件２）説明変数の実測値ＳＧｍを取得するための計器が調整中でないこと。
（条件３）発電機出力（又はボイラ負荷）が所定値（例えば０％～５０％）以上であること。
（条件４）プラントが通煙状態であること。
（条件５）演算ソフトウェアの初期化が完了されていること。
このような最適化条件Ｃが成立した場合、学習モデル補正部３５は、基準テーブルＴｒに規定される特性関数について、発電機出力に対応する説明変数ＳＧの値に対して、補正値Ｂを乗算することにより、説明変数の補正を行う。このような補正の結果、図６に示すように、基準テーブルＴｒに規定される特性関数が更新される（一点鎖線は補正前の特性関数を示しており、実線は補正後の特性関数を示している）。
ステップＳ４では、ステップＳ３で補正された学習モデルに基づいてテーブルＴの作成が行われる。テーブルＴの作成は、発電機出力ごとに、学習モデルによって算出されるＳＯ２濃度の予測値が、予め設定された基準値を満たす（例えば、基準値以下になる）ための吸収剤の投入量及び吸収液の循環流量を算出することにより行われる。
ここで図３のステップＳ４におけるテーブルＴの作成方法について具体的に説明する。まず循環ポンプ１２が固定容量式であることで、吸収液の循環流量が循環ポンプ１２の台数制御によって行われる場合について図８及び図９を参照して説明する。図８は、発電機出力ごとに、ＣａＣＯ３濃度と固定容量式の循環ポンプ１２の運転台数を変化させた場合の学習モデルによって算出されたＳＯ２濃度の予測値を示す演算例であり、図９は図８の演算結果に基づいて作成されたテーブルＴの例である。
尚、ＣａＣＯ３濃度は吸収剤の投入量に対応するパラメータであり、許容範囲として「２～５」の値を取ることができる。また循環ポンプ１２の運転台数は、吸収液の循環量に対応するパラメータであり、許容範囲として「８～１０」の値を取ることができる。これらの許容範囲は、例えばプラント設計上の値から事前設定されてもよい。
図８において、まず発電機出力が「５０％」である場合に着目すると、ＣａＣＯ３濃度が「３」、循環ポンプ運転台数が「８」である場合、学習モデルによるＳＯ２濃度の予想値は１０５ｐｐｍであり、基準値（１００ｐｐｍ）を超過している。この場合、テーブル作成部３１は、循環ポンプ運転台数より運用コストに影響が低いＣａＣＯ３濃度を１段階増加させることで「４」に変更する。すると、学習モデルによるＳＯ２濃度の予想値は１００ｐｐｍとなり、基準値（１００ｐｐｍ）以下となる。従って、テーブル作成部３１は、発電機出力が「５０％」における最適なＣａＣＯ３濃度は「４」であり、循環ポンプ運転台数は「８」であると特定する。
続いて発電機出力が「６０％」である場合に着目すると、ＣａＣＯ３濃度が「４」、循環ポンプ運転台数が「８」である場合、学習モデルによるＳＯ２濃度の予想値は１２０ｐｐｍであり、基準値（１００ｐｐｍ）を超過している。この場合、テーブル作成部３１は、循環ポンプ運転台数より運用コストに影響が低いＣａＣＯ３濃度を１段階増加させることで「５」に変更する。しかしながら学習モデルによるＳＯ２濃度の予想値は１１０ｐｐｍであり、依然として基準値（１００ｐｐｍ）を超過している。この場合、ＣａＣＯ３濃度が許容範囲の上限値「５」に達しても基準値を満足することができないため、循環ポンプ運転台数を「９」に増加させるとともに、ＣａＣＯ３濃度を「３」に減少させる。その結果、学習モデルによるＳＯ２濃度の予想値は１００ｐｐｍとなり、基準値（１００ｐｐｍ）以下となる。従って、テーブル作成部３１は、発電機出力が「６０％」における最適なＣａＣＯ３濃度は「３」であり、ポンプ運転台数は「９」であると特定する。
テーブル作成部３１は、このように発電機出力ごとに、最適なＣａＣＯ３濃度と循環ポンプ運転台数を特定することで図９に示すテーブルＴを作成する。図９では、発電機出力が増加するに従って、循環ポンプ１２の運転台数がステップ的に増加するタイミングでＣａＣＯ３濃度が減少しながら増加するようにテーブルＴが作成される。
次に循環ポンプ１２が可変容量式であることで、吸収液の循環流量が循環ポンプ１２の容量制御によって行われる場合について図１０及び図１１を参照して説明する。図１０は、発電機出力ごとに、ＣａＣＯ３濃度と可変容量式の循環ポンプ１２の容量を変化させた場合の学習モデルによって算出されたＳＯ２濃度の予測値を示す演算例であり、図１１は図１０の演算結果に基づいて作成されたテーブルＴの例である。
尚、ＣａＣＯ３濃度は吸収剤の投入量に対応するパラメータであり、許容範囲として「２～５」の値を取ることができる。また循環ポンプ容量は、吸収液の循環量に対応するパラメータであり、許容範囲として「１０～１００」の値を取ることができる。これらの許容範囲は、例えばプラント設計上の値から事前設定されてもよい。
図１０において、まず発電機出力が「５０％」である場合に着目すると、ＣａＣＯ３濃度が「３」、循環ポンプ容量が「１０」である場合、学習モデルによるＳＯ２濃度の予想値は１０５ｐｐｍであり、基準値（１００ｐｐｍ）を超過している。この場合、テーブル作成部３１は、循環ポンプ容量より運用コストに影響が低いＣａＣＯ３濃度を１段階増加させることで「４」に変更する。すると、学習モデルによるＳＯ２濃度の予想値は１００ｐｐｍとなり、基準値（１００ｐｐｍ）以下となる。従って、テーブル作成部３１は、発電機出力が「５０％」における最適なＣａＣＯ３濃度は「４」であり、循環ポンプ容量は「１０」であると特定する。
続いて発電機出力が「６０％」である場合に着目すると、ＣａＣＯ３濃度が「５」、循環ポンプ容量が「１０」である場合、学習モデルによるＳＯ２濃度の予想値は１２０ｐｐｍであり、基準値（１００ｐｐｍ）を超過している。この場合、テーブル作成部３１は、ＣａＣＯ３濃度が許容範囲の上限値である「５」に達しているため、ポンプ容量を「１５」に増加するように変更する。しかしながら学習モデルによるＳＯ２濃度の予想値は１１０ｐｐｍであり、依然として基準値（１００ｐｐｍ）を超過している。この場合、テーブル作成部３１は、循環ポンプ容量を「１８」に更に増加するように変更する。その結果、学習モデルによるＳＯ２濃度の予想値は１００ｐｐｍとなり、基準値（１００ｐｐｍ）以下となる。従って、テーブル作成部３１は、発電機出力が「６０％」における最適なＣａＣＯ３濃度は「５」であり、循環ポンプ容量は「１８」であると特定する。
テーブル作成部３１は、このように発電機出力ごとに、最適なＣａＣＯ３濃度と循環ポンプ容量を特定することで図１１に示すテーブルを作成する。図１１では、発電機出力が増加するに従って、ＣａＣＯ３濃度の増加では対応しきれなくなったタイミングで、ポンプ容量が増加するようにテーブルＴが作成される。
尚、図８～図１１では、テーブルを作成するための最適なＣａＣＯ３濃度と循環ポンプ運転台数（又は循環ポンプ容量）の探索を、運用コストを最小化するために循環ポンプ運転台数（又は循環ポンプ容量）を極力小さく抑えながら基準値を満たすＳＯ２濃度の予測値が得られるように行った場合を示しているが、他の観点から探索を行ってもよい。
また本実施形態では図９及び図１１のようなグラフ形式のテーブルＴを例示したが、テーブルＴは必ずしもこのような形態である必要はなく、マトリックスや数式等の形態であってもよい。
ステップＳ５では、制御目標値決定部３２は、発電機出力の指令値を取得し、ステップＳ４で作成したテーブルＴに基づいて、当該発電機出力に対応する制御目標値（吸収剤の投入量及び吸収液の循環流量のそれぞれの制御目標値）を決定する。そしてステップＳ６及びＳ７は、ステップＳ５で決定された制御目標値に基づいて、循環ポンプ調節部３３によって循環ポンプ１２ａ～１２ｃを制御するとともに、吸収剤スラリー供給制御部３４によって吸収剤の供給量を制御する。
尚、ステップＳ５において、循環流量の調節は、循環ポンプ１２が固定容量式である場合には図９に示すテーブルに基づいて循環ポンプ台数を制御することによって行われ、循環ポンプ１２が可変容量式である場合には図１１に示すテーブルＴに基づいてポンプ容量を制御することによって行われる。
このように上記実施形態によれば、将来における流出ガス中のＳＯ２濃度が予め設定された基準値以下となる範囲で、吸収塔１１への吸収剤の投入量、及び、吸収塔１１内を循環する吸収液の循環流量を適切に調節できる。このような制御演算は、単一の学習モデルに基づいて吸収塔１１への吸収剤の投入量、及び、吸収塔１１内を循環する吸収液の循環流量についてそれぞれ制御目標値を求めることができるため、演算負担が少ない。
尚、上記実施形態における制御装置１５で実行する各処理をクラウド環境上あるいはＶＰＮを介してエッジサーバー４２に電気的に通信可能なように接続された情報処理装置４４（図１２参照）で実行する構成をとることが可能である。この場合、情報処理装置４４は、運転データ受信部３０、学習モデル構築部３８、学習モデル補正部３５、テーブル作成部３１、及び制御目標値決定部３２を備え、当該制御目標値決定部３２で決定した制御目標値を制御装置１５における循環ポンプ調節部３３及び吸収剤スラリー供給制御部３４に対して通信することで、循環ポンプや吸収剤の供給量を制御してもよい。
また、運転データ受信部３０は、制御装置１５の運転データ中継部３９（図１３）を介して、各種運転データを受信してもよいし、前述したように運転データ取得部２０から各種運転データを受信してもよい。とりわけ、クラウド環境上で演算する場合、セキュリティの観点から、循環ポンプや吸収剤の制御目標値を直接制御せず、表示のみとする場合がある。例えば、クラウド環境上で生成した運転指標図を、お客様所有のデバイス（端末４５）に専用アプリを通して送信・図示し、現地の運転指標図の更新はお客様の手によって行われる場合がある。一方、情報処理装置４４は、循環ポンプ調節部３３及び吸収剤スラリー供給制御部３４をも備え、遠隔で循環ポンプや吸収剤の供給量を制御してもよい。更に、情報処理装置４４は、端末４５からの要求により、情報処理装置４４において各処理を実行する構成を備えてもよい。
その他、本開示の趣旨を逸脱しない範囲で、上記した実施形態における構成要素を周知の構成要素に置き換えることは適宜可能であり、また、上記した実施形態を適宜組み合わせてもよい。
上記各実施形態に記載の内容は、例えば以下のように把握される。
（１）一実施形態に係る湿式排煙脱硫装置の制御方法は、
吸収塔（例えば上記実施形態の吸収塔１１）内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置（例えば上記実施形態の湿式排煙脱硫装置１０）の制御方法であって、
前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築する工程と、
前記パラメータと前記出力との関係を規定する基準テーブル（例えば上記実施形態の基準テーブルＴｒ）に基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブル（例えば上記実施形態のテーブルＴ）を作成する工程と、
前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定する工程と
を備える。
上記（１）の態様によれば、将来における流出ガス中のＳＯ２濃度が予め設定された基準値以下となる範囲で、吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量を適切に調節できる。このような制御演算は、単一の学習モデルに基づいて吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量についてそれぞれ制御目標値を求めることができるため、演算負担が少ない。
（２）他の態様では、上記（１）の態様において、
前記テーブルを作成する工程では、予め設定された前記吸収剤の投入量及び前記吸収液の許容範囲内において、前記吸収塔内に吸収液を循環させるための少なくとも１つの循環ポンプ（例えば上記実施形態の循環ポンプ１２）の運用コストが少なくなるように、前記予測値が前記基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を探索する。
上記（２）の態様によれば、吸収塔から排出される二酸化硫黄の予測値が基準値以下になる範囲において、運用コストが少なくなるように、吸収剤の投入量及び吸収液の循環流量の制御目標値が探索される。このように探索された制御目標値に基づいて制御を実施することで、吸収塔から排出される二酸化硫黄を必要な範囲で抑制しながら、プラントの運用コストを効果的に低減できる。
（３）他の態様では、上記（１）の態様において、
前記学習モデルによる前記吸収塔出口における前記排ガスの前記二酸化硫黄濃度の予測値と実測値との誤差に基づいて、前記学習モデルを補正する工程を更に備える。
上記（３）の態様によれば、学習モデルによって得られる予測値と実測値との誤差に基づいて学習モデルの補正を行うことで、制御精度を向上できる。
（４）他の態様では、上記（１）から（３）のいずれか一態様において、
前記少なくとも１つのパラメータは、前記出力の外部指令値、前記出力、前記燃焼装置の空気流量、吸収塔入口の二酸化硫黄濃度のうち少なくとも１つを含む。
上記（４）の態様によれば、これらのパラメータのいずれか一つを学習モデルの説明変数に含めることで、学習対象データを効率的に絞り込むことで機械学習の演算負担を軽減しつつ、良好な精度で予測可能な学習モデルを構築できる。
（５）他の態様では、上記（４）の態様において、
前記少なくとも１つのパラメータは、前記燃焼装置の空気流量、及び、前記吸収塔入口の二酸化硫黄濃度を含む。
上記（５）の態様によれば、これらのパラメータを学習モデルの説明変数に含めることで、学習対象データを効率的に絞り込むことで機械学習の演算負担をより軽減しつつ、より良好な精度で予測可能な学習モデルを構築できる。
（６）他の態様では、上記（１）から（５）のいずれか一態様において、
前記学習モデルは線形多項式で表される。
上記（６）の態様によれば、学習モデルとして線形多項式を用いることで、複雑なシミュレーションモデルに比べて説明可能性（解釈性）が高く、演算負荷も効果的に軽減できる。
（７）他の態様では、上記（１）から（６）のいずれか一態様において、
前記基準テーブルは、予め特定された前記パラメータと前記出力との関係を示す関数として規定される。
上記（７）の態様によれば、発電機出力と相関を有するパラメータは、その相関を示す基準テーブルとして規定される。
（８）他の態様では、上記（１）から（７）のいずれか一態様において、
前記少なくとも１つの循環ポンプは固定容量式である。
上記（８）の態様によれば、固定容量式の循環ポンプを有するプラントにおいて、将来における流出ガス中の二酸化硫黄濃度が予め設定された基準値以下となる範囲で、吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量を適切に調節できる。
（９）他の態様では、上記（１）から（７）のいずれか一態様において、
前記少なくとも１つの循環ポンプは可変容量式である。
上記（９）の態様によれば、可変容量式の循環ポンプを有するプラントにおいて、将来における流出ガス中の二酸化硫黄濃度が予め設定された基準値以下となる範囲で、吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量を適切に調節できる。
（１０）一態様に係る湿式排煙脱硫装置の制御装置は、
吸収塔（例えば上記実施形態の吸収塔１１）内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置（例えば上記実施形態の湿式排煙脱硫装置１０）の制御装置（例えば上記実施形態の制御装置１５）であって、
前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部（例えば上記実施形態の学習モデル構築部３８）と、
前記パラメータと前記出力との関係を規定する基準テーブル（例えば上記実施形態の基準テーブルＴｒ）に基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブル（例えば上記実施形態のテーブルＴ）を作成するためのテーブル作成部（例えば上記実施形態のテーブル作成部３１）と、
前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部（例えば上記実施形態の制御目標値決定部３２）と
を備える。
上記（１０）の態様によれば、将来における流出ガス中のＳＯ２濃度が予め設定された基準値以下となる範囲で、吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量を適切に調節できる。このような制御演算は、単一の学習モデルに基づいて吸収塔１１への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量についてそれぞれ制御目標値を求めることができるため、演算負担が少ない。
（１１）一態様に係る遠隔監視システムは、
上記（１０）の態様の湿式排煙脱硫装置の制御装置と、
前記湿式排煙脱硫装置の制御装置電気的に接続された遠隔監視装置と
を備える。
上記（１１）の態様によれば、湿式排煙脱硫装置の制御状態を遠隔監視することができる。
（１２）一態様に係る情報処理装置は、
吸収塔（例えば上記実施形態の吸収塔１１）内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置（例えば上記実施形態の湿式排煙脱硫装置１０）の制御に係る処理を実行する情報処理装置（例えば上記実施形態の情報処理装置４４）であって、
前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部（例えば上記実施形態の学習モデル構築部３８）と、
前記パラメータと前記出力との関係を規定する基準テーブル（例えば上記実施形態の基準テーブルＴｒ）に基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブル（例えば上記実施形態のテーブルＴ）を作成するためのテーブル作成部（例えば上記実施形態のテーブル作成部３１）と、
前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部（例えば上記実施形態の制御目標値決定部３２）と
を備える。
上記（１２）の態様によれば、将来における流出ガス中のＳＯ２濃度が予め設定された基準値以下となる範囲で、吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量を適切に調節できる。このような制御演算は、単一の学習モデルに基づいて吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量についてそれぞれ制御目標値を求めることができるため、演算負担が少ない。
（１３）一態様に係る情報処理システムは、
吸収塔（例えば上記実施形態の吸収塔１１）内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置（例えば上記実施形態の湿式排煙脱硫装置１０）の制御に係る処理を実行する情報処理装置（例えば上記実施形態の情報処理装置４４）と通信可能な端末（例えば上記実施形態の端末４５）とからなる情報処理システム（例えば上記実施形態の情報処理システム４６）であって、
前記情報処理装置は、
前記端末からの要求により、前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部（例えば上記実施形態の学習モデル構築部３８）と、
前記パラメータと前記出力との関係を規定する基準テーブル（例えば上記実施形態の基準テーブルＴｒ）に基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブル（例えば上記実施形態のテーブルＴ）を作成するためのテーブル作成部（例えば上記実施形態のテーブル作成部３１）と、
前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部（例えば上記実施形態の制御目標値決定部３２）と
を備える。
上記（１３）の態様によれば、将来における流出ガス中のＳＯ２濃度が予め設定された基準値以下となる範囲で、吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量を適切に調節できる。このような制御演算は、単一の学習モデルに基づいて吸収塔への吸収剤の投入量、及び、吸収塔内を循環する吸収液の循環流量についてそれぞれ制御目標値を求めることができるため、演算負担が少ない。
１ 燃焼装置
２ 配管
３ 循環用配管
５ 発電機
１０ 湿式排煙脱硫装置
１１ 吸収塔
１２ 循環ポンプ
１３ 吸収剤スラリー供給部
１４ 石膏回収部
１５ 制御装置
１６ 流出配管
１７ ガス分析計
２０ 運転データ取得部
２１ 吸収剤スラリー製造設備
２２ 吸収剤スラリー供給用配管
２３ 吸収剤スラリー供給量制御弁
２５ 石膏分離器
２６ 石膏スラリー抜き出し用配管
２７ 石膏スラリー抜き出し用ポンプ
３０ 運転データ受信部
３１ テーブル作成部
３２ 制御目標値決定部
３３ 循環ポンプ調節部
３４ 吸収剤スラリー供給制御部
３５ 学習モデル補正部
３８ 学習モデル構築部
３９ 運転データ中継部
４０ 遠隔監視システム
４２ エッジサーバー
４３ 遠隔監視装置
４４ 情報処理装置
４５ 端末
４６ 情報処理システム

Claims (13)

  1. 吸収塔内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置の制御方法であって、
    前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築する工程と、
    前記パラメータと前記出力との関係を規定する基準テーブルに基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブルを作成する工程と、
    前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定する工程と
    を備える、湿式排煙脱硫装置の制御方法。
  2. 前記テーブルを作成する工程では、予め設定された前記吸収剤の投入量及び前記吸収液の許容範囲内において、前記吸収塔内に吸収液を循環させるための少なくとも１つの循環ポンプの運用コストが少なくなるように、前記予測値が前記基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を探索する、請求項１に記載の湿式排煙脱硫装置の制御方法。
  3. 前記学習モデルによる前記吸収塔出口における前記排ガスの前記二酸化硫黄濃度の予測値と実測値との誤差に基づいて、前記学習モデルを補正する工程を更に備える、請求項１又は２に記載の湿式排煙脱硫装置の制御方法。
  4. 前記少なくとも１つのパラメータは、前記出力の外部指令値、前記出力、前記燃焼装置の空気流量、吸収塔入口の二酸化硫黄濃度のうち少なくとも１つを含む、請求項１から３のいずれか一項に記載の湿式排煙脱硫装置の制御方法。
  5. 前記少なくとも１つのパラメータは、前記燃焼装置の空気流量、及び、前記吸収塔入口の二酸化硫黄濃度を含む、請求項４に記載の湿式排煙脱硫装置の制御方法。
  6. 前記学習モデルは線形多項式で表される、請求項１から５のいずれか一項に記載の湿式排煙脱硫装置の制御方法。
  7. 前記基準テーブルは、予め特定された前記パラメータと前記出力との関係を示す関数として規定される、請求項１から６のいずれか一項に記載の湿式排煙脱硫装置の制御方法。
  8. 前記少なくとも１つの循環ポンプは固定容量式である、請求項１から７のいずれか一項に記載の湿式排煙脱硫装置の制御方法。
  9. 前記少なくとも１つの循環ポンプは可変容量式である、請求項１から７のいずれか一項に記載の湿式排煙脱硫装置の制御方法。
  10. 吸収塔内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置の制御装置であって、
    前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部と、
    前記パラメータと前記出力との関係を規定する基準テーブルに基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブルを作成するためのテーブル作成部と、
    前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部と
    を備える、湿式排煙脱硫装置の制御装置。
  11. 請求項１０に記載の湿式排煙脱硫装置の制御装置と、
    前記湿式排煙脱硫装置の制御装置電気的に接続された遠隔監視装置と
    を備える、遠隔監視システム。
  12. 吸収塔内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置の制御に係る処理を実行する情報処理装置であって、
    前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部と、
    前記パラメータと前記出力との関係を規定する基準テーブルに基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブルを作成するためのテーブル作成部と、
    前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部と
    を備える、情報処理装置。
  13. 吸収塔内において、燃焼装置で発生した排ガスと吸収液とを気液接触させて脱硫を行う湿式排煙脱硫装置の制御に係る処理を実行する情報処理装置と通信可能な端末とからなる情報処理システムであって、
    前記情報処理装置は、
    前記端末からの要求により、前記吸収塔内における、前記吸収液の吸収剤濃度及び循環流量、並びに、前記燃焼装置で生成されたガスで駆動される発電機の出力と相関を有する少なくとも１つのパラメータを含む説明変数と、将来の吸収塔出口における二酸化硫黄濃度である目的変数との関係について機械学習により学習モデルを構築するための学習モデル構築部と、
    前記パラメータと前記出力との関係を規定する基準テーブルに基づいて、前記出力ごとに、前記学習モデルによる前記二酸化硫黄濃度の予測値を算出し、前記予測値が基準値を満たすための前記吸収剤の投入量及び前記吸収液の循環流量を示すテーブルを作成するためのテーブル作成部と、
    前記テーブルに基づいて、前記発電機の状態に対応する前記吸収剤の投入量及び前記吸収液の循環流量の制御目標値を決定するための制御目標値決定部と
    を備える、情報処理システム。
JP2021061440A 2021-03-31 2021-03-31 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム Pending JP2022157305A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021061440A JP2022157305A (ja) 2021-03-31 2021-03-31 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム
TW111112084A TW202306634A (zh) 2021-03-31 2022-03-30 濕式排煙脫硫裝置的控制方法，濕式排煙脫硫裝置的控制裝置，具備此濕式排煙脫硫裝置的控制裝置的遠程監視系統，資訊處理裝置及資訊處理系統
PCT/JP2022/015797 WO2022210827A1 (ja) 2021-03-31 2022-03-30 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021061440A JP2022157305A (ja) 2021-03-31 2021-03-31 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム

Publications (1)

Publication Number Publication Date
JP2022157305A true JP2022157305A (ja) 2022-10-14

Family

ID=83456528

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021061440A Pending JP2022157305A (ja) 2021-03-31 2021-03-31 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム

Country Status (3)

Country Link
JP (1) JP2022157305A (ja)
TW (1) TW202306634A (ja)
WO (1) WO2022210827A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023175210A (ja) * 2022-05-30 2023-12-12 三菱重工業株式会社 湿式排煙脱硫装置の制御装置、遠隔監視システム、及び、制御方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3091247B2 (ja) * 1991-03-19 2000-09-25 バブコック日立株式会社 湿式排ガス脱硫装置の吸収塔への吸収液循環流量制御方法および制御装置
JPH05317643A (ja) * 1992-05-20 1993-12-03 Babcock Hitachi Kk 湿式排ガス脱硫装置の吸収液循環流量制御方法および装置
JPH06319941A (ja) * 1993-05-13 1994-11-22 Hitachi Ltd 湿式排煙脱硫制御装置及び方法
JP7193261B2 (ja) * 2018-07-13 2022-12-20 三菱重工業株式会社 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、及びこの湿式排煙脱硫装置の制御装置を備えた遠隔監視システム
CN110263988B (zh) * 2019-06-06 2023-06-30 东南大学 一种基于电厂脱硫系统的数据运行优化方法

Also Published As

Publication number Publication date
TW202306634A (zh) 2023-02-16
WO2022210827A1 (ja) 2022-10-06

Similar Documents

Publication Publication Date Title
RU2759855C1 (ru) Способ управления устройством мокрой десульфуризации дымовых газов, устройство для управления устройством мокрой десульфуризации дымовых газов и система дистационного мониторинга, содержащая устройство для управления устройством мокрой десульфуризации дымовых газов
Zhang et al. Development of model and model-predictive control of an MEA-based postcombustion CO2 capture process
Sahraei et al. Controllability and optimal scheduling of a CO2 capture plant using model predictive control
Salvinder et al. An overview on control strategies for CO2 capture using absorption/stripping system
Luu et al. Dynamic modelling and control strategies for flexible operation of amine-based post-combustion CO2 capture systems
WO2022210866A1 (ja) 装置、遠隔監視システム、装置の制御方法、及び、遠隔監視システムの制御方法
KR101484496B1 (ko) 산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어
JP4573783B2 (ja) プラントの制御装置と制御方法及び火力発電プラントとその制御方法
WO2022210827A1 (ja) 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム
He et al. Dynamic modeling and advanced control of post-combustion CO2 capture plants
Zhang et al. Nonlinear model predictive control and H∞ robust control for a post-combustion CO2 capture process
Walters et al. Two-stage flash for CO2 regeneration: Dynamic modeling and pilot plant validation
Dabadghao et al. Multiscale modeling and nonlinear model predictive control for flue gas desulfurization
Yang et al. Dynamic optimization oriented modeling and nonlinear model predictive control of the wet limestone FGD system
JP7273202B2 (ja) 排煙脱硫（ｆｇｄ）ユニットの性能最適化のための方法およびシステム
US20230166211A1 (en) State quantity prediction device and state quantity prediction method
Taqvi et al. Investigation of control performance on an absorption/stripping system to remove CO2 achieving clean energy systems
Li et al. Absorption mechanism-based approach for synthesis of refinery desulfurization solvent network
WO2023234103A1 (ja) 湿式排煙脱硫装置の制御装置、遠隔監視システム、遠隔監視システムの制御方法、及び、湿式排煙脱硫装置の制御方法
Ahmad Dynamic Scheduling and Control of MEA Absorption Processes for CO2 Capture Using gProms
WO2023228901A1 (ja) 状態量予測装置、状態量予測方法、状態量予測システム、及び状態量予測システムの制御方法
JP2010079386A (ja) 温度制御方法、温度制御装置および温度制御用プログラム
JPH1066825A (ja) 脱硫制御装置
Decardi-Nelson et al. A Comparison of Economic and Tracking Model Predictive Control in a Post Combustion CO 2 Capture Process
Durand et al. Enhancing practical tractability of Lyapunov-based economic model predictive control

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20220124

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240215