JP2023183577A - 運転支援装置、運転支援方法及びプログラム - Google Patents
運転支援装置、運転支援方法及びプログラム Download PDFInfo
- Publication number
- JP2023183577A JP2023183577A JP2022097162A JP2022097162A JP2023183577A JP 2023183577 A JP2023183577 A JP 2023183577A JP 2022097162 A JP2022097162 A JP 2022097162A JP 2022097162 A JP2022097162 A JP 2022097162A JP 2023183577 A JP2023183577 A JP 2023183577A
- Authority
- JP
- Japan
- Prior art keywords
- value
- variable
- scenario
- target
- manipulated variable
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 36
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000002360 preparation method Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 29
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
Description
本実施形態に係る運転支援装置10のハードウェア構成例を図1に示す。図1に示すように、本実施形態に係る運転支援装置10は、入力装置101と、表示装置102と、外部I/F103と、通信I/F104と、RAM(Random Access Memory)105と、ROM(Read Only Memory)106と、補助記憶装置107と、プロセッサ108とを有する。これらの各ハードウェアは、それぞれがバス109を介して通信可能に接続される。
本実施形態に係る運転支援装置10の機能構成例を図2に示す。図2に示すように、本実施形態に係る運転支援装置10は、入力部201と、シミュレータ構築部202と、シナリオ作成部203と、最適化部204と、出力部205とを有する。これら各部は、例えば、運転支援装置10にインストールされた1以上のプログラムが、プロセッサ108等に実行させる処理により実現される。また、本実施形態に係る運転支援装置10は、記憶部206を有する。記憶部206は、例えば、補助記憶装置107等により実現される。ただし、記憶部206は、例えば、運転支援装置10と通信ネットワークを介して接続されるデータベースサーバ等の記憶装置により実現されてもよい。
以下、シナリオ作成フェーズで実行されるシナリオ作成処理について、図3を参照しながら説明する。なお、シナリオ作成処理は一般に対象のオフライン時に実行されるが、これに限られず、例えば、オフラインで一度実行した後、オンライン時にバックグラウンドで定期的に実行されてもよい。
以下、上記のステップS103の手順1における操作変数シナリオの作成方法について説明する。以下では、一例として、3つの作成方法について説明するが、これらに限られるものではなく、N個の操作変数実績値から同一又は類似の分布を持つS個の操作変数シナリオを作成できるものであれば任意の方法を用いることができる。
α〔%〕を予め決められた値とする。このとき、x(n)に対して±α〔%〕だけ加算したもの(つまり、x(n)+(x(n)×α)とx(n)-(x(n)×α))を計算する。そして、n=1,・・・,Nに対して、x(n)、x(n)+(x(n)×α)、x(n)-(x(n)×α))をそれぞれ操作変数シナリオとする。この作成方法では、例えば、図7に示すように、1つの操作変数実績値x(n)から2つの操作変数値が得られるため、S=N+2N=3Nとなる。これにより、N個の操作変数実績値x(n)の分布領域から乖離しない操作変数シナリオ(つまり、各操作変数が取り得る値や操作変数間で実行可能な組み合わせ等を考慮して、対象を実際に運転可能な操作変数値)を得ることができる。
操作変数実績値間の相関を考慮することが可能な多次元正規乱数を用いる。多次元正規乱数とは、多次元正規分布に従う乱数のことである。Σを操作変数実績値{x(n)|n=1,・・・,N}の分散共分散行列、μを操作変数実績値{x(n)|n=1,・・・,N}の平均ベクトル、Cを下三角行列、Rを標準正規乱数(標準正規分布に従う乱数)とする。このとき、以下により操作変数シナリオx(s)を生成する。
Σ=C・Cτ
ここで、τは行列の転置を表す。なお、Σ=C・CτとなるCは、Σは正定値である場合はコレスキー分解により求めることができる。
N個の操作変数実績値{x(n)|n=1,・・・,N}の分布に近い分布を持つデータを生成することが可能な生成モデルを用いる。すなわち、この生成モデルにより、任意のS個の操作変数シナリオx(s)(s=1,・・・,S)を生成する。このような生成モデルは、例えば、GAN(Generative Adversarial Network)等といった手法により構築することができる。これにより、上記の作成方法その2と同様に、N個の操作変数実績値x(n)の分布領域から乖離しない操作変数シナリオを得ることができる。
以下、運転支援フェーズで実行される最適操作量算出処理について、図9を参照しながら説明する。なお、最適操作量算出処理は、例えば、制御周期Δt毎に繰り返し実行される。以下では、現在時刻t=t0の環境変数値z(t0)が対象から取得され、記憶部206に記憶されているものとする。また、以下では、M個の運転シナリオ集合{{(x(s),zm,y(s))|s=1,・・・,Sm}|m=1,・・・,M}が記憶部206に記憶されているものとする。
以上のように、本実施形態に係る運転支援装置10は、対象の実際の運転データ(実績データ)に含まれる操作実績値を利用して、それらの操作実績値の分布に近い分布を持つ操作変数シナリオを作成することができる。このため、本実施形態に係る運転支援装置10を用いることで、操作変数シナリオの事前準備を必要とせずに運転シナリオを作成することが可能となり、またその運転シナリオにより対象の最適な運転を支援することが可能となる。したがって、例えば、各操作変数が取り得る値や操作変数間で実行可能な組み合わせ等といった対象で実現可能な操作変数の値に関する知識を必要とせずに、プラント等の対象のオペレータ等は、当該対象の最適な運転を実現することが可能となる。
101 入力装置
102 表示装置
103 外部I/F
103a 記録媒体
104 通信I/F
105 RAM
106 ROM
107 補助記憶装置
108 プロセッサ
109 バス
201 入力部
202 シミュレータ構築部
203 シナリオ作成部
204 最適化部
205 出力部
206 記憶部
Claims (7)
- 対象から収集した複数の実績データを用いて、前記対象の操作変数の値と前記対象の環境変数の値とを入力として前記対象の状態変数の値を予測するシミュレータを構築するように構成されているシミュレータ構築部と、
前記実績データに含まれる操作変数の値を用いて、前記対象で実現可能な操作変数の値を表す操作変数シナリオを作成するように構成されている第1のシナリオ作成部と、
前記シミュレータと、前記操作変数シナリオと、与えられた環境変数の所定値とを用いて、前記操作変数の値と前記環境変数の所定値とを前記シミュレータに入力したときの状態変数の値を表す状態変数シナリオを作成するように構成されている第2のシナリオ作成部と、
前記環境変数の所定値と前記状態変数の目標値とが与えられたときに、前記操作変数シナリオと前記状態変数シナリオとを用いて、前記対象の状態変数の値を前記目標値に近付けるための前記操作変数の最適値を算出するように構成されている最適化部と、
を有する運転支援装置。 - 前記最適化部は、
複数の前記状態変数シナリオのうち、前記目標値と最も近い前記状態変数シナリオを抽出し、抽出した前記状態変数シナリオに対応する前記操作変数シナリオが表す値を、前記操作変数の最適値として算出するように構成されている、請求項1に記載の運転支援装置。 - 前記第1のシナリオ作成部は、
予め決められた値α〔%〕を用いて、前記実績データに含まれる操作変数の値に対して、該操作変数の値×α〔%〕を加えた値と、前記操作変数の値×(-α)〔%〕を加えた値とのそれぞれを、前記操作変数シナリオとして作成するように構成されている、請求項1又は2に記載の運転支援装置。 - 前記第1のシナリオ作成部は、
複数の前記実績データにそれぞれ含まれる操作変数の値の分散共分散行列と平均ベクトルとを用いて、多次元正規分布に従う乱数を生成し、生成した前記乱数を前記操作変数シナリオとして作成するように構成されている、請求項1又は2に記載の運転支援装置。 - 前記第1のシナリオ作成部は、
複数の前記実績データにそれぞれ含まれる操作変数の値と同一又は類似する分布を持つデータを生成する生成モデルを構築し、構築した前記生成モデルにより生成したデータを前記操作変数シナリオとして作成するように構成されている、請求項1又は2に記載の運転支援装置。 - 対象から収集した複数の実績データを用いて、前記対象の操作変数の値と前記対象の環境変数の値とを入力として前記対象の状態変数の値を予測するシミュレータを構築するシミュレータ構築手順と、
前記実績データに含まれる操作変数の値を用いて、前記対象で実現可能な操作変数の値を表す操作変数シナリオを作成する第1のシナリオ作成手順と、
前記シミュレータと、前記操作変数シナリオと、与えられた環境変数の所定値とを用いて、前記操作変数の値と前記環境変数の所定値とを前記シミュレータに入力したときの状態変数の値を表す状態変数シナリオを作成する第2のシナリオ作成手順と、
前記環境変数の所定値と前記状態変数の目標値とが与えられたときに、前記操作変数シナリオと前記状態変数シナリオとを用いて、前記対象の状態変数の値を前記目標値に近付けるための前記操作変数の最適値を算出する最適化手順と、
をコンピュータが実行する運転支援方法。 - 対象から収集した複数の実績データを用いて、前記対象の操作変数の値と前記対象の環境変数の値とを入力として前記対象の状態変数の値を予測するシミュレータを構築するシミュレータ構築手順と、
前記実績データに含まれる操作変数の値を用いて、前記対象で実現可能な操作変数の値を表す操作変数シナリオを作成する第1のシナリオ作成手順と、
前記シミュレータと、前記操作変数シナリオと、与えられた環境変数の所定値とを用いて、前記操作変数の値と前記環境変数の所定値とを前記シミュレータに入力したときの状態変数の値を表す状態変数シナリオを作成する第2のシナリオ作成手順と、
前記環境変数の所定値と前記状態変数の目標値とが与えられたときに、前記操作変数シナリオと前記状態変数シナリオとを用いて、前記対象の状態変数の値を前記目標値に近付けるための前記操作変数の最適値を算出する最適化手順と、
をコンピュータに実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022097162A JP7207596B1 (ja) | 2022-06-16 | 2022-06-16 | 運転支援装置、運転支援方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022097162A JP7207596B1 (ja) | 2022-06-16 | 2022-06-16 | 運転支援装置、運転支援方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7207596B1 JP7207596B1 (ja) | 2023-01-18 |
JP2023183577A true JP2023183577A (ja) | 2023-12-28 |
Family
ID=84939262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022097162A Active JP7207596B1 (ja) | 2022-06-16 | 2022-06-16 | 運転支援装置、運転支援方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7207596B1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7371805B1 (ja) * | 2023-06-07 | 2023-10-31 | 富士電機株式会社 | 運転支援装置、運転支援方法及びプログラム |
JP7468766B1 (ja) | 2023-10-18 | 2024-04-16 | 富士電機株式会社 | 運転支援装置、運転支援方法及びプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06214611A (ja) * | 1993-01-19 | 1994-08-05 | Asahi Chem Ind Co Ltd | プロセス制御システムおよびその運転条件作成方法 |
JP2006015180A (ja) * | 2004-06-30 | 2006-01-19 | Hitachi Ltd | 水処理運転支援装置及び水処理運転支援ソフトウェア、水処理プラント |
US20180029620A1 (en) * | 2016-07-29 | 2018-02-01 | New York Air Brake, LLC | Automated system for determining optimal train driving system parameters |
-
2022
- 2022-06-16 JP JP2022097162A patent/JP7207596B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06214611A (ja) * | 1993-01-19 | 1994-08-05 | Asahi Chem Ind Co Ltd | プロセス制御システムおよびその運転条件作成方法 |
JP2006015180A (ja) * | 2004-06-30 | 2006-01-19 | Hitachi Ltd | 水処理運転支援装置及び水処理運転支援ソフトウェア、水処理プラント |
US20180029620A1 (en) * | 2016-07-29 | 2018-02-01 | New York Air Brake, LLC | Automated system for determining optimal train driving system parameters |
Also Published As
Publication number | Publication date |
---|---|
JP7207596B1 (ja) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chang et al. | Transparent digital twin for output control using belief rule base | |
Gokhale et al. | Physics informed neural networks for control oriented thermal modeling of buildings | |
JP7207596B1 (ja) | 運転支援装置、運転支援方法及びプログラム | |
Leiva‐Leon | Measuring Business Cycles Intra‐Synchronization in US: A Regime‐Switching Interdependence Framework | |
JP7119820B2 (ja) | 予測プログラム、予測方法および学習装置 | |
WO2021025075A1 (ja) | 訓練装置、推定装置、訓練方法、推定方法、プログラム及びコンピュータ読み取り可能な非一時的記憶媒体 | |
JP2023106037A (ja) | 運転支援装置、運転支援方法及びプログラム | |
JPWO2018088277A1 (ja) | 予測モデル生成システム、方法およびプログラム | |
JP7088427B1 (ja) | 運転支援装置、運転支援方法及びプログラム | |
JP2019148973A (ja) | プロジェクト評価装置、プロジェクト評価方法、及びプロジェクト評価プログラム | |
Zhuang et al. | Semi-supervised Variational Autoencoders for Regression: Application to Soft Sensors | |
JP7371805B1 (ja) | 運転支援装置、運転支援方法及びプログラム | |
WO2020003374A1 (ja) | 学習装置、情報処理システム、学習方法、および学習プログラム | |
Huang et al. | Basis selection in spectral learning of predictive state representations | |
Gampala et al. | Real-estate price prediction system using machine learning | |
JPWO2016203757A1 (ja) | 制御装置、それを使用する情報処理装置、制御方法、並びにコンピュータ・プログラム | |
Sirin et al. | Batch Mode TD ($\lambda $) for Controlling Partially Observable Gene Regulatory Networks | |
Wang et al. | Time dependent supervisory control update with FARM using rolling window | |
Shaik et al. | Integrating Random Forest and Support Vector Regression Models for Optimized Energy Consumption Evaluation in Cloud Computing Data Centers | |
Ninagawa | AI time series control system modelling | |
JP7327623B1 (ja) | 予測装置、予測方法及びプログラム | |
EP4296800A1 (en) | Estimation apparatus, estimation method, and estimation program | |
US11314212B2 (en) | HTM-based predictions for system behavior management | |
Omay et al. | A Unit Root Test with Markov Switching Deterministic Components: A Special Emphasis on Nonlinear Optimization Algorithms | |
JP7444186B2 (ja) | モデル検証装置、モデル検証方法、および、モデル検証プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220616 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220616 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221027 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7207596 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |