JP2507892B2 - プラント制御装置 - Google Patents
プラント制御装置Info
- Publication number
- JP2507892B2 JP2507892B2 JP1078138A JP7813889A JP2507892B2 JP 2507892 B2 JP2507892 B2 JP 2507892B2 JP 1078138 A JP1078138 A JP 1078138A JP 7813889 A JP7813889 A JP 7813889A JP 2507892 B2 JP2507892 B2 JP 2507892B2
- Authority
- JP
- Japan
- Prior art keywords
- plant
- control
- knowledge
- function
- state
- 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.)
- Expired - Lifetime
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Description
【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明はプラントの自動運転装置に関し、得に制御エ
キスパートシステムに関する。
キスパートシステムに関する。
（従来の技術） 近年、計算機技術の発展に伴ない火力発電プラントの
自動運転に知識工学が導入され、火力発電プラントの制
御エキスパートシステムも提案され（特公昭56−3561号
公報）、既に実用化されている。（東芝レヴュー,Vol.2
9,No.10,P.845〜850,1974） 火力発電プラント（以下単にプラントと略記する）
は、ボイラ，タービン，発電機，変圧器，しゃ断器等の
主要機器の外に多数の補機から構成されている。したが
って、これらプラントの運転状態を最適に保つために
は、夫々のプラント構成機器を、その特性，運転操作基
準などをもとにして、時々刻々に変換するプラントの運
転状態に対応させるようにしなければならない。このこ
とから、予めプラント構成機器の特性，運転操作基準な
どをもとに、その時、その時のプラントの状態とタイミ
ングにより最適の操作を決めておく。この操作の決定法
は、プラントの構造や機器の特性、更には、永年蓄積さ
れた経験的知識及び関連法規等の知識に基づき、仕様決
定，設計されている。以下、第３図を引用して従来技術
を説明する。火力力発電プラント制御装置は、状態監視
機能３と制御アクション機能４より構成され、火力発電
プラント１からプラントデータを受けとり、そのプラン
トデータに応じて制御指令を発し、プラント１を最適な
状態に制御する。
自動運転に知識工学が導入され、火力発電プラントの制
御エキスパートシステムも提案され（特公昭56−3561号
公報）、既に実用化されている。（東芝レヴュー,Vol.2
9,No.10,P.845〜850,1974） 火力発電プラント（以下単にプラントと略記する）
は、ボイラ，タービン，発電機，変圧器，しゃ断器等の
主要機器の外に多数の補機から構成されている。したが
って、これらプラントの運転状態を最適に保つために
は、夫々のプラント構成機器を、その特性，運転操作基
準などをもとにして、時々刻々に変換するプラントの運
転状態に対応させるようにしなければならない。このこ
とから、予めプラント構成機器の特性，運転操作基準な
どをもとに、その時、その時のプラントの状態とタイミ
ングにより最適の操作を決めておく。この操作の決定法
は、プラントの構造や機器の特性、更には、永年蓄積さ
れた経験的知識及び関連法規等の知識に基づき、仕様決
定，設計されている。以下、第３図を引用して従来技術
を説明する。火力力発電プラント制御装置は、状態監視
機能３と制御アクション機能４より構成され、火力発電
プラント１からプラントデータを受けとり、そのプラン
トデータに応じて制御指令を発し、プラント１を最適な
状態に制御する。
状態監視機能３は、プラント１からのプラントデータ
を取り込み、プラントの状態を監視し変化データを検知
して、制御アクション機能４に引き渡す。制御アクショ
ン機能４は、推論部５と制御知識ベース６より構成され
る。制御知識ベース６は、前記したプラントの構造，機
器の特性、経験的知識，関連法規等の知識に基づいて仕
様決定し、設計された制御知識が記憶されている。推論
部５は状態監視機能３からの変化データを取り込んでプ
ラント１の状態を認識し、制御知識ベース６に予め格納
されている制御知識に基づき、知識指令を決定してプラ
ント１に出力し、必要な機器の操作を行なう。機器の操
作あるいは入力指令等の外部要因の変化に伴ない、プラ
ントの状態はまた変化していくが、上記したように状態
監視機能３でプラントの状態を監視して変化データを検
知、制御アクション機能４で予め制御知識ベース６に格
納されている制御知識に基づき制御指令を決定し、出力
のサイクルを繰り返す。従って、このような発電プラン
ト制御エキスパートシステムは、時々刻々変化するプラ
ントの状態に応じて、最適の操作が可能となる。又、異
常事態に立ち至った場合でも、その時のプラント状態に
応じた操作さえ決定しておけば、復旧或いは停止等の最
適な操作もできる。又、異常事態時に操作が予め決定さ
れてない場合は、制御を中断（ロック）して、運転員の
判断に委ねるようにしてある。
を取り込み、プラントの状態を監視し変化データを検知
して、制御アクション機能４に引き渡す。制御アクショ
ン機能４は、推論部５と制御知識ベース６より構成され
る。制御知識ベース６は、前記したプラントの構造，機
器の特性、経験的知識，関連法規等の知識に基づいて仕
様決定し、設計された制御知識が記憶されている。推論
部５は状態監視機能３からの変化データを取り込んでプ
ラント１の状態を認識し、制御知識ベース６に予め格納
されている制御知識に基づき、知識指令を決定してプラ
ント１に出力し、必要な機器の操作を行なう。機器の操
作あるいは入力指令等の外部要因の変化に伴ない、プラ
ントの状態はまた変化していくが、上記したように状態
監視機能３でプラントの状態を監視して変化データを検
知、制御アクション機能４で予め制御知識ベース６に格
納されている制御知識に基づき制御指令を決定し、出力
のサイクルを繰り返す。従って、このような発電プラン
ト制御エキスパートシステムは、時々刻々変化するプラ
ントの状態に応じて、最適の操作が可能となる。又、異
常事態に立ち至った場合でも、その時のプラント状態に
応じた操作さえ決定しておけば、復旧或いは停止等の最
適な操作もできる。又、異常事態時に操作が予め決定さ
れてない場合は、制御を中断（ロック）して、運転員の
判断に委ねるようにしてある。
（発明が解決しようとする課題） 上記従来の発電プラント制御エキスパートシステムで
は、操作はプラントの構造，機器の特性，経験的知識，
関連法規等の知識に基づいて、予め決定されたものに限
られる。従って、不測の事態に立ち至った場合は、停止
或いは中断（ロック）といった安全サイドの制御方策が
採用とれ、必ずしも最適な制御操作とは限らない。
は、操作はプラントの構造，機器の特性，経験的知識，
関連法規等の知識に基づいて、予め決定されたものに限
られる。従って、不測の事態に立ち至った場合は、停止
或いは中断（ロック）といった安全サイドの制御方策が
採用とれ、必ずしも最適な制御操作とは限らない。
本発明は、上記事情に鑑みてなされたものであり、プ
ラントの構造，機器の特性，経験的知識，関連法規等の
操作を決定する基となっている深い知識を利用すること
により、不測の事態に立ち至った場合にも、最適な制御
操作を可能とするプラント制御装置を提供することを目
的としている。
ラントの構造，機器の特性，経験的知識，関連法規等の
操作を決定する基となっている深い知識を利用すること
により、不測の事態に立ち至った場合にも、最適な制御
操作を可能とするプラント制御装置を提供することを目
的としている。
［発明の構成］ （課題を解決するための手段） 上記目的を達成するため、本発明ではプラントの状態
を監視し異常発生に対して最適な制御操作を行なうプラ
ント制御装置において、プラントの異常が検出された場
合に、その対策が予め決定されているような単純異常
か、緊急停止又は中断に移行するような不測異常かを区
別する状態監視機能と、単純異常であるとき状態監視機
能からの変化データを入力し、予め決定されている制御
知識ベース内の知識を用いて制御出力を導出する制御ア
クション機能と、不測異常であるとき状態監視機能から
の変化データを入力し、将来のプラント状態を予測する
予測シミュレーション機能と、前記変化データと予測シ
ミュレーション機能からの入力に対して、プラントの構
造モデル，機器の動特性モデル，経験的知識及び関連法
規を含み、制御操作を決定する基となる制御知識の格納
されている深い制御知識ベースを用いて、制御出力を導
出する対策立案機能とを備えた。
を監視し異常発生に対して最適な制御操作を行なうプラ
ント制御装置において、プラントの異常が検出された場
合に、その対策が予め決定されているような単純異常
か、緊急停止又は中断に移行するような不測異常かを区
別する状態監視機能と、単純異常であるとき状態監視機
能からの変化データを入力し、予め決定されている制御
知識ベース内の知識を用いて制御出力を導出する制御ア
クション機能と、不測異常であるとき状態監視機能から
の変化データを入力し、将来のプラント状態を予測する
予測シミュレーション機能と、前記変化データと予測シ
ミュレーション機能からの入力に対して、プラントの構
造モデル，機器の動特性モデル，経験的知識及び関連法
規を含み、制御操作を決定する基となる制御知識の格納
されている深い制御知識ベースを用いて、制御出力を導
出する対策立案機能とを備えた。
（作用） 不測異常状態が発生した場合は対策立案機能に変化デ
ータを送り込む。ここではプラントの構造モデル，機器
の動特性モデル，経験的知識，関連法規等の制御操作を
決定する基となった深い知識の格納された深い制御知識
ベースがある。よって対策立案機能にてプラントの状態
を認識し予測シミュレーション機能を起動して将来のプ
ラント状態を予測し、復旧に必要な制御目標，制御操作
を深い知識を利用して生成する。
ータを送り込む。ここではプラントの構造モデル，機器
の動特性モデル，経験的知識，関連法規等の制御操作を
決定する基となった深い知識の格納された深い制御知識
ベースがある。よって対策立案機能にてプラントの状態
を認識し予測シミュレーション機能を起動して将来のプ
ラント状態を予測し、復旧に必要な制御目標，制御操作
を深い知識を利用して生成する。
（実施例） 以下図面を参照して実施例を説明する。
第１図は本発明によるプラント制御装置の一実施例の
構成図である。第１図において、第３図と同一部分につ
いては、同一符号を付して説明を省略する。
構成図である。第１図において、第３図と同一部分につ
いては、同一符号を付して説明を省略する。
７は対策立案機能であって推論部９と深い制御知識ベ
ース10とからなり、ここで深い制御知識ベース10はプラ
ントの構造モデル，機器の動特性モデル，経験的知識及
び関連法規等の制御操作を決定する基となる深い制御知
識を格納する。８は予測シミュレーション機能であり、
ここではプラントの将来の状態を予測する。その他の構
成は第３図と同様である。
ース10とからなり、ここで深い制御知識ベース10はプラ
ントの構造モデル，機器の動特性モデル，経験的知識及
び関連法規等の制御操作を決定する基となる深い制御知
識を格納する。８は予測シミュレーション機能であり、
ここではプラントの将来の状態を予測する。その他の構
成は第３図と同様である。
第１図において、状態監視機能３はプラントの状態を
認識し、プラント状態の異常が検出されたかどうかを判
断し、異常が検出された場合、それが緊急停止又は中断
に移行するような不測状態であるのか、又はその対策が
予め決定されているような単純異常状態であるのかを区
別する。その結果プラントが正常又は単純異常状態の場
合は、変化データを制御アクション機能４に送り込む。
一方、不測異常状態の場合は、対策立案機能７に変化デ
ータを送り込む。対策立案機能７は、プラントの構造モ
デル，機器の動特性モデル，経験的知識，関連法規等の
正常時の制御操作を決定する基となった深い知識を格納
した深い制御知識ベース10と推論部９より構成される。
認識し、プラント状態の異常が検出されたかどうかを判
断し、異常が検出された場合、それが緊急停止又は中断
に移行するような不測状態であるのか、又はその対策が
予め決定されているような単純異常状態であるのかを区
別する。その結果プラントが正常又は単純異常状態の場
合は、変化データを制御アクション機能４に送り込む。
一方、不測異常状態の場合は、対策立案機能７に変化デ
ータを送り込む。対策立案機能７は、プラントの構造モ
デル，機器の動特性モデル，経験的知識，関連法規等の
正常時の制御操作を決定する基となった深い知識を格納
した深い制御知識ベース10と推論部９より構成される。
第２図は推論過程を示すフローチャートであり、これ
によって推論部９の処理を説明する。推論部９はS21に
おいて状態監視機能３からの変化データに基づきプラン
ト１の故障個所を同定する。S22ではプラントの運転原
則（プラントの「運転スケジュールを達成する」あるい
は「現状保持」等のプラントの運転状態についての優先
度を決めた原則）に基づいて、プラント１に対して「ど
ういう状態にしたいか」という要求生成を行なう。S23
では生成された要求を満たすべく、機器の結合関係や機
器の特性等の深い知識から操作を同定する。即ち、深い
知識には機器の結合関係操作と状態との関係等が記述さ
れているため、S22で求めたあプラントの状態をゴール
にして、ある機器がある状態になるためには、結合関係
にある機器がどのような状態になっていなければならな
いか（サブゴール）を生成し、その影響わ関連ある機操
作を同定する。S23においては機器の静的な関係から、
ある要求を満足する操作が同定できた。しかし実際にそ
のままアクションするには動的な機器に伝播しながら試
行錯誤に行なって各機器の状態での検証が必要になる。
S24では、一連の操作を行なった場合、状態がどのよう
に遷移し、最終的にゴールの状態になるかをチェックす
るため、予測シミュレーション機能８に操作パラメータ
を入力することにより、その状態遷移をシミュレーシト
する。S25では動的なシミュレーション結果と要求状態
をチェックする。ここで満足すると制御アクション機能
４に対して同定した操作シーケンスを渡すことにより、
不測事態への対応を行なう。又、満足せずに矛盾が出た
場合にはS22の処理に戻り、再度、別の操作同定をす
る。
によって推論部９の処理を説明する。推論部９はS21に
おいて状態監視機能３からの変化データに基づきプラン
ト１の故障個所を同定する。S22ではプラントの運転原
則（プラントの「運転スケジュールを達成する」あるい
は「現状保持」等のプラントの運転状態についての優先
度を決めた原則）に基づいて、プラント１に対して「ど
ういう状態にしたいか」という要求生成を行なう。S23
では生成された要求を満たすべく、機器の結合関係や機
器の特性等の深い知識から操作を同定する。即ち、深い
知識には機器の結合関係操作と状態との関係等が記述さ
れているため、S22で求めたあプラントの状態をゴール
にして、ある機器がある状態になるためには、結合関係
にある機器がどのような状態になっていなければならな
いか（サブゴール）を生成し、その影響わ関連ある機操
作を同定する。S23においては機器の静的な関係から、
ある要求を満足する操作が同定できた。しかし実際にそ
のままアクションするには動的な機器に伝播しながら試
行錯誤に行なって各機器の状態での検証が必要になる。
S24では、一連の操作を行なった場合、状態がどのよう
に遷移し、最終的にゴールの状態になるかをチェックす
るため、予測シミュレーション機能８に操作パラメータ
を入力することにより、その状態遷移をシミュレーシト
する。S25では動的なシミュレーション結果と要求状態
をチェックする。ここで満足すると制御アクション機能
４に対して同定した操作シーケンスを渡すことにより、
不測事態への対応を行なう。又、満足せずに矛盾が出た
場合にはS22の処理に戻り、再度、別の操作同定をす
る。
推論部５は制御知識ベース６に新たに格納された制御
知識に基づき、不測の事態にも柔軟に対応した最適な制
御指令をプラントに発する。
知識に基づき、不測の事態にも柔軟に対応した最適な制
御指令をプラントに発する。
上記実施例では火力発電プラントについて説明した
が、これに限定されるものではなく、一般のプラント制
御にも適用できることは明らかである。又、予測シミュ
レーション機能で利用されるシミュテータは、その適用
分野により数値シミュレーション，定性シミュレーショ
ン（定性推論）等が適用できる。更に操作同定（S23）
において、そのシーケンスが重要な適用分野において
は、その機能にシーケンス生成（操作タイミング生成）
を具備する機能も考えられる。
が、これに限定されるものではなく、一般のプラント制
御にも適用できることは明らかである。又、予測シミュ
レーション機能で利用されるシミュテータは、その適用
分野により数値シミュレーション，定性シミュレーショ
ン（定性推論）等が適用できる。更に操作同定（S23）
において、そのシーケンスが重要な適用分野において
は、その機能にシーケンス生成（操作タイミング生成）
を具備する機能も考えられる。
［発明の効果］ 以上説明したように、本発明によればプラント状態を
入力して制御アクションを決定する単純な制御装置に対
して、制御知識生成の基となった深い知識を格納した知
識ベースを備え、不測の事態に立ち至った場合に、この
深い知識に基づき新たな制御知識を生成して対応するよ
うに構成したので、プラントの状態に柔軟に対応でき、
最適な制御操作を安全かつ安定に行なうことの可能なプ
ラント制御装置を提供できる。
入力して制御アクションを決定する単純な制御装置に対
して、制御知識生成の基となった深い知識を格納した知
識ベースを備え、不測の事態に立ち至った場合に、この
深い知識に基づき新たな制御知識を生成して対応するよ
うに構成したので、プラントの状態に柔軟に対応でき、
最適な制御操作を安全かつ安定に行なうことの可能なプ
ラント制御装置を提供できる。
第１図は本発明によるプラント制御装置の一実施例の構
成図、第２図は推論部９の処理内容を示すフローチャー
ト、第３図は従来技術を説明する図である。 １…火力発電プラント ２…発電プラント制御装置 ３…状態監視機能 ４…制御アクション機能 5,9…推論部、６…制御知識ベース ７…対策立案機能 ８…予測シミュレーション機能 10…深い制御知識ベース
成図、第２図は推論部９の処理内容を示すフローチャー
ト、第３図は従来技術を説明する図である。 １…火力発電プラント ２…発電プラント制御装置 ３…状態監視機能 ４…制御アクション機能 5,9…推論部、６…制御知識ベース ７…対策立案機能 ８…予測シミュレーション機能 10…深い制御知識ベース
フロントページの続き (72)発明者 河野 毅 神奈川県川崎市幸区柳町70番地 株式会 社東芝柳町工場内 (56)参考文献 特開 昭61−228501（ＪＰ，Ａ) 特開 昭63−273901（ＪＰ，Ａ) 特開 昭63−225852（ＪＰ，Ａ) 特開 昭62−20004（ＪＰ，Ａ)
Claims (1)
- 【請求項１】プラントの状態を監視し異常発生に対して
最適な制御操作を行なうプラント制御装置において、プ
ラントの異常が検出された場合に、その対策が予め決定
されているような単純異常か、緊急停止又は中断に移行
するような不測異常かを区別する状態監視機能と、単純
異常であるとき状態監視機能からの変化データを入力
し、予め決定されている制御知識ベース内の知識を用い
て制御出力を導出する制御アクション機能と、不測異常
であるとき状態監視機能からの変化データを入力し、将
来のプラント状態を予測する予測シミュレーション機能
と、前記変化データと予測シミュレーション機能からの
入力に対して、プラントの構造モデル，機器の動特性モ
デル，経験的知識及び関連法規を含み、制御操作を決定
する基となる制御知識の格納されている深い制御知識ベ
ースを用いて、制御出力を導出する対策立案機能とを備
えたことを特徴とするプラント制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1078138A JP2507892B2 (ja) | 1989-03-31 | 1989-03-31 | プラント制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1078138A JP2507892B2 (ja) | 1989-03-31 | 1989-03-31 | プラント制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02259803A JPH02259803A (ja) | 1990-10-22 |
| JP2507892B2 true JP2507892B2 (ja) | 1996-06-19 |
Family
ID=13653520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1078138A Expired - Lifetime JP2507892B2 (ja) | 1989-03-31 | 1989-03-31 | プラント制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2507892B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020054164A1 (ja) * | 2018-09-12 | 2020-03-19 | 日本電気株式会社 | 運転支援システム及び方法、自動プランナ、並びにコンピュータ可読媒体 |
| JP7392566B2 (ja) * | 2020-04-28 | 2023-12-06 | 横河電機株式会社 | 制御支援装置、制御支援方法、制御支援プログラム、および制御システム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59186002A (ja) * | 1983-04-08 | 1984-10-22 | Hitachi Ltd | プラント制御装置 |
| JPH06100921B2 (ja) * | 1985-04-01 | 1994-12-12 | 株式会社東芝 | プラントの異常時処置決定方法 |
-
1989
- 1989-03-31 JP JP1078138A patent/JP2507892B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH02259803A (ja) | 1990-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ji et al. | Prognostics enabled resilient control for model-based building automation systems | |
| Demetriou et al. | Incipient fault diagnosis of dynamical systems using online approximators | |
| Vemuri et al. | Neural network based fault detection in robotic manipulators | |
| US7818276B2 (en) | Intelligent monitoring system and method for building predictive models and detecting anomalies | |
| Sobajic et al. | An artificial intelligence system for power system contingency screening | |
| Maier | FMEA and FTA to support safe design of embedded software in safety-critical systems | |
| Iung et al. | Proactive maintenance strategy for harbour crane operation improvement | |
| JP2507892B2 (ja) | プラント制御装置 | |
| JPH0877211A (ja) | プラントの保全支援装置 | |
| Lopez-Mellado et al. | A failure recovery scheme for assembly workcells | |
| WO2020146486A1 (en) | Predictive maintenance tool based on digital model | |
| CN109784612A (zh) | 基于地配一体化的地区电网在线智能分析决策方法 | |
| Yang et al. | Automatic safety analysis of computer-controlled plants | |
| Vanderhaegen | The benefit-cost-deficit (BCD) model for human error analysis and control | |
| Henningsen et al. | Intelligent alarm handling in cement plants | |
| Viktorova et al. | Reliability models and analysis of systems with protection | |
| KR101347748B1 (ko) | 씨피에스에서의 자율 컴퓨팅 방법 및 장치 | |
| Lee et al. | Intelligent distributed simulation and control of power plants | |
| Montmain et al. | Causal modeling for supervision | |
| KR102594239B1 (ko) | 공통 원인 오류를 판단하는 방법 및 장치 | |
| Bjäreland et al. | Execution monitoring of Industrial Process Controllers: An Application of Ontological Control | |
| Riascos et al. | Supervisor system for detection and treatment of failures in balanced automation systems using Petri nets | |
| Forouzanfar et al. | Integrated Model-Based Control Allocation Strategies Oriented to Predictive Maintenance of Saturated Actuators | |
| JP2720422B2 (ja) | 推論装置 | |
| Henningsen et al. | Intelligent alarm handling in cement plants-lessons learned from the nuclear industry |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |