JP4316435B2

JP4316435B2 - プラント運用最適化装置

Info

Publication number: JP4316435B2
Application number: JP2004192716A
Authority: JP
Inventors: 本義行坂; 崎謙一山; 淳八重樫
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2004-06-30
Filing date: 2004-06-30
Publication date: 2009-08-19
Anticipated expiration: 2024-06-30
Also published as: JP2006018363A

Description

本発明は、例えば上水道プラントなどの各種プラントにおいて用いられるプラント運用最適化装置に関するものである。

上水道プラント等のプラントにおいては、一般に制御対象となるプラント機器の数が多く、また、種々の制御条件を考慮しなければならないために制御パラメータ数が非常に多くなる。したがって、プラントの配水等の運用計画を理論的、数学的手法に基づき立案するのは困難である。
さらに、このようなプラントにおいては、天候や季節等によっても少なからず配水量需要が左右されることがあり、理論的、数学的手法に基づく立案は一層困難なものとなっている。
そのため、従来より、熟練したオペレータの経験に基づいてプラントの運用が行われてきた。

一方、プラント内のプラント機器に対して予め設定してある運用計画に基づいて制御を行うプラント運用制御装置が知られている（例えば、特許文献１参照）。このようなプラント運用制御装置には、遺伝的アルゴリズムを用いて最適な運用計画についての演算を行う運用計画演算手段が設けられている。

また、特許文献２には、複数のプラント施設から複数のプラント施設への水運用を最適化する広域プラントの最適運用制御装置について記載されている。この最適運用制御装置も、プラント運用の最適化に遺伝的アルゴリズムが適用されており、制約条件の扱いを工夫することにより遺伝的アルゴリズムの演算時間の短縮を図っている。
特開２００３−２１６２０５号公報特願２００３−０４１４２３号

しかしながら、特許文献１に記載のプラント運用制御装置は、単一のプラント施設から単一のプラント施設への水運用計画を最適化するものである。このため、このプラント運用制御装置を複数のプラント施設から複数のプラント施設への水運用計画に適用する場合には、扱うプラント施設数が増大することによりその運用方法も複雑となるため、運用計画を最適化する演算時間が膨大なものとなり実用的ではないという問題がある。

また、特許文献２に記載の広域プラントの最適運用制御装置は、複数のプラント施設から複数のプラント施設への水運用を最適化するものである。しかしながら、例えば１つのポンプで２箇所以上のプラント施設へ配水を行う場合に、遺伝的アルゴリズムにおいては、プロセス条件を鑑みて各プラント施設への配水量に係わる水の収支計算を適切に行う定式化は実行されない。このため、運用計画を最適化する演算時間を大幅に短縮することができない。

さらに、特許文献１および２に記載の水運用計画の最適化においては、いずれもプラント運用の実績データを初期値とすることによって効率的に性能の良い解を得ようとしている。
この場合、プラント運用の実績データがない場合には、オペレータが経験に基づいて人為的に良さそうな解を初期値として与える必要があるが、プラント施設数が多くなると、対象プロセスが複雑化し、人為的に良好な解を与えることはきわめて困難となる。

本発明は、このような点を考慮してなされたものであり、上流側から下流側に向かって接続された複数のプラント施設を有し、少なくとも一対のプラント施設は並列に配置されたプラントに対する制御に関して、遺伝的アルゴリズムを迅速に行うことにより短時間で運用計画を作成することができるプラント運用最適化装置を提供することを目的とする。

本発明は、上流側から下流側に向かって接続された複数のプラント施設を有し少なくとも一対のプラント施設は並列に配置されたプラントに対して、予め作成してある運用計画に基づいて制御を行うプラント運用最適化装置において、各プラント施設の運用上の制約条件や運用決定に必要となる諸設定値を入力するデータ入力手段と、各プラント施設からプロセスコントローラ手段を介して送られるプロセスデータを記憶するデータ記憶手段と、所定の情報やデータ記憶手段に記憶された過去の各プラント施設における配水量データに基づいて、将来の配水量需要を予測する需要予測手段と、データ入力手段に入力されたデータおよび需要予測手段により予測された配水量需要に基づいて、定式化機能を含む遺伝的アルゴリズムを用いて各プラント施設に関する最適な運用計画を作成する運用計画手段とを備え、運用計画手段は、一のプラント施設から下流側に並列に配置された一対のプラント施設へ配水が行われる際に、遺伝的アルゴリズムの定式化機能を、多分配プロセス定式化手段から送られる一のプラント施設から下流側の一対のプラント施設への配水量比率に関する情報に基づいて実行することを特徴とするプラント運用最適化装置である。
このようなプラント運用最適化装置によれば、遺伝的アルゴリズムを迅速に行うことにより短時間で運用計画を作成することができる。

本発明のプラント運用最適化装置においては、運用計画手段の遺伝的アルゴリズムは、運用計画を表す変数の集まりである初期個体を一定数生成する初期個体生成機能と、データ入力手段に入力されたデータと、需要予測手段により予測された配水量需要とに基づいて、初期個体生成機能により生成された初期個体の適応度を計算する適応度計算機能と、適応度計算機能により適応度が計算されたすべての個体を、適応度の高い順にソートする個体ソート機能と、個体ソート機能によりソートされた個体のうち一定数の個体を適応度の低い順に削除する淘汰機能と、淘汰機能により個体の数が設定数より少なくなった場合に、一定数となるまで所定の個体の複写を行う増殖機能と、増殖機能から送られた個体の中から一定数の個体を選択し、各個体における変数を交換する交叉機能と、交叉機能から送られた個体の中から一定数の個体を選択し、各個体における変数を変更する突然変異機能と、所定の設定条件に沿って遺伝的アルゴリズムを終了させるか否かを判定し、終了させないと判定された場合には適応度計算機能に戻って前記の一連の機能の実行を繰り返す終了判定機能と、終了判定機能により一連の機能処理が終了した個体の更なる修正を行う最適解生成ヒューリスティクスとを有し、遺伝的アルゴリズムの定式化機能は、適応度計算機能において個体の適応度を計算する際に用いられることが好ましい。
このようなプラント運用最適化装置によれば、従来の遺伝的アルゴリズムに比べて遺伝的アルゴリズムを行う時間をさらに短縮することができ、より短時間で運用計画を作成することができる。

本発明のプラント運用最適化装置においては、データ入力手段により入力された回数分、あるいは各プラント施設から送られるプロセスデータがデータ入力手段により入力された条件に達するまで、運用計画手段を繰り返して実行し、運用計画手段が終了するたびに、そのときの最適解をつぎの運用計画手段における初期個体として入力する初期個体学習手段を更に備えたことが好ましい。
このようなプラント運用最適化装置によれば、プラント運用の実績データがない場合であっても、良好な初期値を自動的に算出することができ、より効率の良いプラント運用を行うことができる。

本発明のプラント運用最適化装置においては、初期個体学習手段を用いて運用計画手段を繰り返して実行することにより得られる個体の最適解をプロセスコントローラ手段に出力するか、もしくは初期個体学習手段を用いることなく運用計画手段を１回だけ実行することにより得られる個体の最適解をプロセスコントローラ手段に出力するかを切り替えることができる初期個体学習切替手段を更に備えたことが好ましい。
このようなプラント運用最適化装置によれば、上述の初期個体学習手段を用いるか否かを選択することができ、実際の運転によるプラント運用のデータが得られるようになったときに、より実際のプラント運用に即した運用計画手段の遺伝的アルゴリズムを実行することができる。

本発明のプラント運用最適化装置においては、運用計画が適用されるプラント施設を選択するプラント施設選択手段を更に備えたことが好ましい。
このようなプラント運用最適化装置によれば、一部のプラント施設をプラント運用最適化装置による最適化の対象から外し、他のプラント施設について通常通りプラント運用最適化装置による最適化を行うことができる。このため、上水道プラント全体をより適切に運用可能なものとすることができる。

本発明のプラント運用最適化装置においては、運用計画手段により各プラント施設に関する最適な運用計画を作成する際に、運用計画手段の遺伝的アルゴリズムに用いられる定式化機能のモードを複数のものから選択することができるモード選択手段を更に備えたことが好ましい。
このようなプラント運用最適化装置によれば、運用計画手段によって作成される運用計画について、種々のモードのうちどのモードに主眼を置いて作成するかをオペレータが自由に選択することができる。

本発明のプラント運用最適化装置によれば、運用計画手段は、一のプラント施設から下流側に並列に配置された一対のプラント施設へ配水が行われる際に、遺伝的アルゴリズムの定式化機能を、多分配プロセス定式化手段から送られる一のプラント施設から下流側の一対のプラント施設への配水量比率に関する情報に基づいて実行するので、遺伝的アルゴリズムを迅速に行うことにより短時間で運用計画を作成することができる。

以下、図面を参照して本発明の実施の形態について説明する。

図１乃至図３は、本発明によるプラント運用最適化装置の実施の形態を示す図である。
このうち、図１は、本発明の実施の形態に係わるプラント運用最適化装置および対象上水道プラントの構成を示すブロック図であり、図２は、本発明の実施の形態における整数値遺伝子列の例を示す図表であり、図３は、一の送水ポンプから一対の配水池への配水を示す説明図である。

この実施の形態によるプラント運用最適化装置は、上流側から下流側に向かって接続された複数の上水道プラント施設を有し、少なくとも一対の上水道プラント施設は並列に配置された上水道プラントを対象とし、この上水道プラントに対して予め作成してある運用計画に基づいて制御を行うものである。

まず、本実施の形態に係わる上水道プラントの各プラント施設の概要について説明する。
図１に示すように、複数台の取水ポンプ５１は河川等から原水を取水し、これを着水井５２に送り出す。着水井５２に貯留された原水は、混和池５３に流入し、この流入した原水は、薬品の注入とともに攪拌機による撹拌が行われた後、フロック形成池５４に流入する。
そして、フロック形成池５４で徐々に沈澱するフロックが形成された後、沈澱池５５において汚物が沈澱し、上澄み水がろ過池５６に送られる。ろ過池５６では、このろ過水がろ過された後、塩素の注入により殺菌処理が施され、浄水池５７に流入する。

浄水池５７に貯留された処理水は、複数台の送水ポンプ５８により並列に配置された少なくとも一対の配水池５９に送水される。更に、各配水池５９に貯留された処理水は、複数台の配水ポンプ６０により配水区６１に配水される。
ここで、一対の配水池５９を設けた例を示したが、配水池５９は一対である必要はなく、３つ以上の複数の配水池５９を並列に設けてもよい。

ここで、上水道プラントにおいては、浄水池５７から直接配水区６１に浄水が配水されることもあり、また、浄水池５７から配水池５９への送水は送水ポンプ５８を用いる代わりに自然流下により行われることもある。

次に、このような上水道プラントに対する制御を、予め作成してある運用計画に基づいて行うプラント運用最適化装置１０について以下に詳述する。
図１に示すように、プラント運用最適化装置１０は、プロセスコントローラ手段１５を介して対象プラントとの間でデータの授受を行うようになっている。
このプラント運用最適化装置１０は、図１に示すように、各プラント施設の運用上の制約条件や運用決定に必要となる諸設定値を入力するデータ入力手段１１と、各プラント施設からプロセスコントローラ手段１５を介して送られるプロセスデータを記憶するデータ記憶手段１２と、将来の配水量需要を予測する需要予測手段１３と、各プラント施設に関する最適な運用計画を作成する運用計画手段１４とを備えている。

このうちデータ記憶手段１２は、プロセスコントローラ手段１５を介して得られるプロセスデータの計測値や例えばデータ入力手段１１により入力された種々のパラメータ設定値等のデータを保存するものである。

また、需要予測手段１３は、気象情報等の所定の情報やデータ記憶手段１２に記憶された過去の各プラント施設における配水量データに基づいて、将来の配水量需要を例えば１日分予測するものである。
この需要予測手段１３が行う需要予測の方法としては、例えば、統計的な手法や最小自乗法、ＧＭＤＨ（ＧｒｏｕｐｉｎｇＭｅｔｈｏｄｏｆＤａｔａＨａｎｄｌｉｎｇ）などの各種同定手法、ニューラルネットワークを用いた手法などが挙げられるが、特に手法が限定されるわけではなく、いずれの手法を用いてもよい。

さらにまた、運用計画手段１４は、データ入力手段１１に入力された上記のデータおよび需要予測手段１３により予測された配水量需要に基づいて、整数値遺伝子でコード化した遺伝的アルゴリズムを用いて各プラント施設に関する最適な運用計画を作成するものである。この遺伝的アルゴリズムについては後に詳述する。

また、プラント運用最適化装置１０のデータ入力手段１１、需要予測手段１３および運用計画手段１４には、データ入力手段１１に入力されたデータ、需要予測手段１３により予測された配水量需要あるいは運用計画手段１４により作成された運用計画をディスプレイ（図示せず）に表示する表示手段１６が接続されている。
この表示手段１６は、これらの情報をディスプレイに表示する代わりに、プリンタにより当該情報を印刷するものであってもよい。
この場合、プラント運用最適化装置１０の運用計画手段１４は、運用計画出力手段１７を介して表示手段１６に接続され、また、この運用計画出力手段１７は、運用計画手段１４により作成した上水道プラントの運用計画を、表示手段１６に出力するのみならず、プロセス制御のためのプロセスコントローラ手段１５やデータ記憶手段１２にも出力するようになっている。

また、プラント運用最適化装置１０の運用計画手段１４に多分配プロセス定式化手段１８が設けられている。運用計画手段１４は、一の送水ポンプ５８から下流側に並列に配置された複数の配水池５９へ配水が行われる際に、後に詳述する遺伝的アルゴリズムの定式化ステップ２４を、この多分配プロセス定式化手段１８から送られる一の送水ポンプ５８から複数の配水池５９への配水量比率に関する情報に基づいて実行するようになっている。

次に、本実施の形態のプラント運用最適化装置１０の作用について説明する。

まず、定刻前までに、需要予測に必要なデータが手動または自動で予め需要予測手段１３に入力される。このデータとしては、例えば需要予測を行う日の天気予報や最高または最低気温の予報といった天候情報、あるいは、データ記憶手段１２に記憶された過去の天候情報の実績値や各プラント施設における配水量データなどが考えられる。

次に、需要予測手段１３による配水量需要の予測が１日１回以上実行される。この需要予測手段１３による配水量需要の予測は、必要に応じてデータ入力手段１１から起動信号を入力することにより適宜実行することもできる。
そして、需要予測手段１３は、定刻時までに、ある単位時間ごとの少なくとも１日の区切りの時刻分までの配水量需要の予測結果を運搬計画手段１４に出力する。必要に応じて、２日分以上にわたる需要予測を行ってもよい。

次に、オペレータによりデータ入力手段１１に入力されたデータおよび需要予測手段１３により予測された配水量需要に基づいて、運用計画手段１４が各プラント施設に関する最適な運用計画を作成する。
運用計画手段１４における最適な運用計画の作成には、上水道プラントの現在の計測値も参照される。この上水道プラントの現在の計測値としては、具体的には、上水の配水計画であれば、配水池５９の水位や送水ポンプ５８の流量、起動台数および配水量などが挙げられる。また、上水道プラント内での総ろ過流量の計画であれば、浄水池５７の水位、各ろ過池５６の洗浄タイミング、ろ過池５６の洗浄水量、配水池５９の水位などが挙げられる。
また、この最適な運用計画の作成には、送水ポンプ５８の流量特性、ろ過池５６や浄水池５７、配水池５９の容量（運用水位上下限値）などのパラメータも参照される。

運用計画手段１４における最適な運用計画の作成にあたっては、浄水池５７や配水池５９の運用可能な水位幅（上下限水位）の逸脱や配水量予測値に不足なく、かつ急激な総ろ過量や配水量の変化がない運用計画が作成される。
この際、プラントの運用コストをできるだけ低減化するように考慮する。この場合には、必要であれば、電力消費のピーク時間帯に送水ポンプ５８等のポンプの起動可能な台数を制限することも考えられる。

この運用計画手段１４は、該当日の単位時間あたりの配水量を遺伝子として、各プラント施設における配水量計画を、計画すべき時間数分だけ遺伝的アルゴリズムによって決定する。
単位時間あたりの配水量を遺伝子として表現する方法としては、配水量を直接遺伝子とせず、予め設定した配水量に対する整数の離散的ステップ数を用いる。
遺伝的アルゴリズムを用いて運用計画を作成する運用計画手段１４は、ポンプやバルブといったプラント施設の構成機器の制御目標値として、最適な運用計画を単位時間ごとに少なくとも１日の区切りの時刻分までを出力する。運用計画手段１４は、必要に応じて、２日分以上にわたる運用計画の作成を行ってもよい。

次に、遺伝的アルゴリズムを用いて運用計画を作成する上記の運用計画手段１４の作用を詳述する。
いま、図１に示した上水道プラントにおいて、浄水池５７から送水ポンプ５８によって、配水池５９を経由して配水区６１へ配水を行うプロセスを想定して説明する。
もちろん、前述のように、自然流下で浄水池５７から配水池５９へ送水したり、配水池５９から配水区６１へ配水したりすることもあるが、ここでは自然流下ではなく、送水ポンプ５８で送水し、配水ポンプ６０で配水することとしても一般性は失われない。

一方、このような配水プロセスに対する考え方は、浄水場から各配水池５９への配水量を配水量需要に見立てるとともに、ろ過池５６の洗浄水や場内で使用するその他の水量も配水量需要に含め、図１における浄水池５７を配水池５９に、ろ過池５６を送水ポンプ５８に見立て、かつ洗浄タイミングにおけるろ過池５６の休止を送水ポンプ５８の制約条件とみなすことにより、総ろ過流量計画にもほぼそのまま適用することができる。
上記のようにして、運用計画手段１４による上水の配水計画に関する最適な運用計画の作成を、上水道プラント内での総ろ過流量計画の最適化にも適用することができる。また、配水計画および総ろ過流量計画を一括して最適化することもできる。

以下に、運用計画手段１４における遺伝的アルゴリズムについてさらに詳しく説明する。
一の浄水池５７から並列に設けられた複数の配水池５９へのある時刻ｋにおける配水量Ｑｐ（ｋ）は、起動する送水ポンプ５８や配管に取り付けられたバルブの開度によって調整される。ここで、その目標となる配水量を離散的に何段階かに予め決めることとする。これを流量ステップとよぶ。
例えば、配水量の物理的最大値が１２０〔ｍ^３／ｈ〕であるとするならば、これを仮に７段階に分けるとすると、流量ステップは、０、２０、４０、６０、８０、１００、１２０〔ｍ^３／ｈ〕となり、これが配水計画として取り得る配水量となる。
送水ポンプ５８がｎ台設置され、各送水ポンプ５８が回転数固定の固定速ポンプからなる場合、この固定速ポンプの運転台数と配水計画として取り得る配水量の離散値は１対１に対応する。説明を簡単にするために以後この場合を想定する。

本実施の形態では、該当日の単位時間あたりの運用水量を図２に示すような遺伝子列として表現する。図２は、図１に示した配水池５９への各時刻における配水量を示している。
いま、計画すべき運用水量がＮ個あるものとするとき、各運用水量に１からＮまで順に番号を付ける。１つの配水池５９においては、その入口側における配水系統（例えば送水ポンプ５８）が複数設置されている場合があるので、配水量が２つ以上あってもよく、この配水量が前記の計画すべき運用水量となる。

運用計画を作成する際の対象時間は、計画開始時刻０から終了時刻Ｔまでの間の整数値となる。具体的には、開始時刻０：００から１：００までを時刻０とし、１：００から２：００までを時刻１とし、同様にして時刻Ｔまで各時刻を順次定める。
また、流量ステップは予め定めた流量の離散的な目標値からなる整数値をとる。例えば、図２において、計画すべき運用水量２の時刻３では流量ステップは２となっており、この流量ステップに対応する流量である２０ｍ^３／ｈが計画された運用水量となる。

いま、各配水池５９への配水計画の総和が浄水場からの配水計画となるので、配水計画の最適化問題を次のように定式化することができる。
遺伝的アルゴリズムにおける適応度計算において、後述する池水位計算２２や制約条件チェック２３を行う際に、この定式化に基づいて計算を行う。
定式化方法は、どのような配水計画をどのような視点で最適化したいかというモードによって異なるので一意ではないが、以下に示すような組み合わせ最適化問題とよばれる定式化であれば、遺伝的アルゴリズムによって、最適、もしくは近似的に最適化することができる。

以下に示す最適化問題は、目的関数ｆを最小化し得るｘ、ｙを求めようとするものである。目的関数ｆは（１）式により表すことができ、（１）式におけるｆ_１は（２）式で表され、また、（１）式におけるｆ_２は（３）式または（４）式で表され、（１）式におけるｆ_３は（５）式で表される。また、このときの制約条件は（６）（７）式により表される。

上記に示した組み合わせ最適化問題を列挙法の一種である分岐限定法（ＢＢＭ：ＢｒａｎｃｈａｎｄＢｏｕｎｄｅｄＭｅｔｈｏｄ）などの手法で解く場合、最大で全組み合わせ通りの検索を行うこととなり、演算時間に制限がなく、かつ可解である場合には必ず最適解が得られる。
しかしながら、最適配水計画問題のような組み合わせ問題は所謂ＮＰ−困難な問題の１つとして知られており、変数の数に対して演算回数は指数関数的に増大する。
このため、送水ポンプ５８を多数含むような大規模プラントを対象とする場合、オンライン制御に有効な時間内に最適解が得られない場合がある。

そこで、本実施の形態における図１で示すような遺伝的アルゴリズムによる高速解法が有効である。すなわち、図２で示したように、整数値遺伝子でコード化を行い、図１の運用計画手段１４のフローチャートに示すような遺伝的アルゴリズムを適用することによって、最適または近似的に最適な運用計画を迅速に得ることができる。
以下に、このような遺伝的アルゴリズムについて詳述する。

＜ステップ１＞初期個体生成２０
初期個体生成２０により、運用計画を表す変数の集まりである初期個体を、乱数によって一定数生成し、またはデータ記憶手段１２に記憶されている過去のプラント運用実績から、データ入力手段１１から入力された個体数だけ生成する。あるいは、プラント運用に適した初期個体をデータ入力手段１１から入力し、初期個体生成ヒューリスティクス２０ａにより修正して初期個体の生成を行う。

＜ステップ２＞適応度計算２１
適応度計算２１により、初期個体生成２０によって生成した初期個体や後述する遺伝的アルゴリズムの操作によって生成した個体の適応度ｆ´を計算する。
適応度の計算を行う際に、図１に示す池水位計算２２により、上水道プラント運用における制約条件である池水位を計算する。あるいは、制約条件チェック２３により、運用可能なポンプ台数や池水位幅、送水可能な流量および需要予測手段１３により予測された配水量需要における需要供給の収支をチェックする。
制約条件を満たさない場合には、適応度に、より大きなペナルティとしての重みをかける。
また、個体評価ヒューリスティクス２５により、計算した各個体の適応度を悪化させず、かつ、制約条件を満たす範囲内で、個体を上水道プラントの運用に望ましい計画となるよう人為的に修正する。
なお、一般的には遺伝的アルゴリズムは最大化問題に適用されるものであるが、本実施の形態では最小の目的関数ｆを求めることとなる。したがって、本実施の形態における適応度ｆ´は、（１）式における目的関数ｆの逆数に相当するものとなる。

＜ステップ３＞個体ソート２６
個体ソート２６により、適応度が計算されたすべての個体について適応度の高い順に並び替え（ソート）を行う。

＜ステップ４＞淘汰２８
淘汰２８により、適応度順にソートされた個体のうち一定数の個体を適応度の低い順に予め設定された個数だけ削除する。

＜ステップ５＞増殖２９
淘汰２８により個体の数が予め設定された個数より少なくなった場合に、増殖２９により、個体が一定数となるまで適応度が最も高い個体などの個体の複写を行う。

＜ステップ６＞交叉３０
増殖２９が行われた後のすべての個体の中から、乱数もしくは予め決められた方法によって例えば４つの個体を選択し、互いに２つずつの組とし、それぞれの組で適応度の高い個体同士について、乱数によって選択された遺伝子の位置に関して、互いの遺伝子列を交換する操作を所定の回数だけ繰り返す。

＜ステップ７＞突然変異３１
交叉３０が行われた後のすべての個体の中から、乱数もしくは予め決められた方法によって任意の個体を選択し、乱数によって決められた位置の遺伝子（変数値）を乱数もしくは予め決められた値に変更する。

＜ステップ８＞終了判定２７
突然変異３１が行われた後の個体について、所定の設定条件に沿って遺伝的アルゴリズムを終了させるか否かを判定し、終了させないと判定された場合には前記のステップ２の適応度計算２１に戻って一連のステップの実行を繰り返す。
終了判定２７における所定の設定条件としては、予め設定された繰り返し回数に到達したか否か、あるいは繰り返しによる最良の個体の適応度が設定期間変化しないか否か等が挙げられる。

＜ステップ９＞最適解生成ヒューリスティクス３２
終了判定２７により遺伝的アルゴリズムを終了させると判定された場合において、生成した個体が上水道プラントの運用上、どのように修正されるべきか分かっている場合には、最適解生成ヒューリスティクス３２により、計算された各個体の適応度を悪化させず、かつ、制約条件を満たす範囲において、人為的に個体に対する修正を行う。

以上のように、運用計画手段１４は、終了判定２７のステップにおいて遺伝的アルゴリズムを終了させると判定されるまで、上記のステップ２〜ステップ８を繰り返す。また、ステップ１〜ステップ８が予め定義された時間内に終了しなければ、遺伝的アルゴリズムは強制的に終了する。

ここで、本実施の形態においては、適応度計算２１において個体の適応度を計算する際に定式化ステップ２４が用いられる。
すなわち、適応度計算２１においては、前述のように、上水道プラント運用における制約条件である池水位を計算する池水位計算２２や、運用可能なポンプ台数や池水位幅、送水可能な流量および需要予測手段１３により予測された配水量需要における需要供給の収支をチェックする制約条件チェック２３が実行されるが、定式化ステップ２４によってこの池水位計算２２や制約条件チェック２３を行うための式が定義される。

ここで、運用計画手段１４は、上述の遺伝的アルゴリズムの定式化ステップ２４を、多分配プロセス定式化手段１８から送られる一の送水ポンプ５８から複数の配水池５９への配水量比率に関する情報に基づいて実行する。
この多分配プロセス定式化手段１８について図３を用いて以下に説明する。

図３に示すように、１台の送水ポンプ５８により第１の配水池５９ａおよび第２の配水池５９ｂへ送水するプロセスについて考える。
このとき、時刻ｋでの計画すべき運用水量は、ポンプによる送水量Ｑ_ｐ（ｋ）および各配水池５９ａ、５９ｂへの配水量Ｑ_ｐ１（ｋ）、Ｑ_ｐ２（ｋ）である。
これらの水量には、
Ｑ_ｐ（ｋ）＝Ｑ_ｐ１（ｋ）＋Ｑ_ｐ２（ｋ）・・・（８）
の関係がある。

ここで、ポンプによる送水量Ｑ_ｐ（ｋ）に対する第１の配水池５９ａへの配水量Ｑ_ｐ１（ｋ）の割合を分配率αで表す。すなわち、
Ｑ_ｐ１（ｋ）＝α×Ｑ_ｐ（ｋ）・・・（９）
とすると、第２の配水池Ｑ_ｐ２（ｋ）は、
Ｑ_ｐ２（ｋ）＝（１−α）×Ｑ_ｐ（ｋ）・・・（１０）
となる。

そして、この分配率αを離散的に定義するものとし、例えばα＝｛０、０．２、０．４、０．６、０．８、１．０｝のように０．２間隔として定義する。
これを運用水量ステップと同様に、分配率αの離散的ステップを定義すると、
ステップ０＝分配率０
ステップ１＝分配率０．２
ステップ２＝分配率０．４
ステップ３＝分配率０．６
ステップ４＝分配率０．８
ステップ５＝分配率１．０
となる。

運用計画手段１４により、運用水量であるポンプ送水量Ｑ_ｐ（ｋ）および各配水池５９ａ、５９ｂへの配水量Ｑ_ｐ１（ｋ）、Ｑ_ｐ２（ｋ）が算出されると、各配水池５９ａ、５９ｂの水位を上記式（７）によって配水量Ｑ_ｐ１（ｋ）、Ｑ_ｐ２（ｋ）を用いて算出することができるので、プロセス挙動に矛盾なく最適解により運用水量を決めることができる。

以下に、本実施の形態のプラント運用最適化装置１０の変形例について説明する。

プラント運用最適化装置１０には、さらに、図１に示すように、運用計画手段１４を繰り返し実行し、この運用計画手段１４が終了するたびに、そのときの最適解をつぎの運用計画手段１４における初期個体として入力する初期個体学習手段４１が設けられている。
また、この初期個体学習手段４１を用いて運用計画手段１４を繰り返し実行することにより得られる個体の最適解をプロセスコントローラ手段１５に出力するか、もしくは初期個体学習手段４１を用いることなく運用計画手段１４を１回だけ実行することにより得られる個体の最適解をプロセスコントローラ手段１５に出力するかを切り替えることができる初期個体学習切替手段４２が設けられている。
以下に、上述の初期個体学習手段４１および初期個体学習切替手段４２の作用について説明する。

初期個体学習手段４１は、データ入力手段１１により入力された回数分、あるいは各プラント施設から送られるプロセスデータがデータ入力手段１１に入力された条件に達するまで、運用計画手段１４の遺伝的アルゴリズムにより運用計画の最適化計算（前記のステップ１〜ステップ９）を繰り返し実行する。
ここで、初期個体学習手段４１により、１回あたりの計算で得られる最適解を次の最適化計算における初期個体として入力する。

このことにより、１回あたりの最適化計算でステップ２〜ステップ８を繰り返し演算して、各繰り返し時における最良個体の適応度を改善していく過程で、初期値となる初期個体のより望ましい適応度から最適解の探索が始められるので、個体の改善効率が向上する。

例えば、１回目の遺伝的アルゴリズムの実行により、適応度が３０となる個体が最適解として出力されたときは、２回目の実行時において１回目の実行により得られた適応度が３０となる個体を初期個体の一つとして加える。
次に、２回目の遺伝的アルゴリズムの実行により、適応度が２８となる個体が最適解として出力されたときは、３回目の実行時において１回目および２回目の実行により得られた適応度が３０および２８となる個体をそれぞれ初期個体の一つとして加える。
以下、このような手順を定められた回数だけ繰り返す。

ただし、初期個体数ｎを仮に５０とした場合に、遺伝的アルゴリズムを１００回繰り返すよう初期個体学習手段４１が繰り返し計算されるとき、例えば、９０回目の繰り返しではすでに８９個の個体を初期個体として加えることが可能である。しかし、初期個体数ｎを５０個としているので、遺伝的アルゴリズムを繰り返して実行することにより得られた全ての最適解の個体を初期個体として加えることができず、初期個体として加えられる最適解の個体の個数を予めパラメータとして設定しておく必要がある。
例えば、このパラメータを１０個と設定しておけば、残りの４０個は乱数や初期個体生成ヒューリスティクス２０ａに与えられる初期個体とすることができるので、より多様性に富んだ個体群を生成することができる。

そして、図１に示すように、初期個体学習切替手段４２により、初期個体学習手段４１を用いて運用計画手段１４を繰り返し実行することにより得られる個体の最適解をプロセスコントローラ手段１５に出力する（図１の４２ａ）か、もしくは初期個体学習手段４１を用いることなく運用計画手段１４を１回だけ実行することにより得られる個体の最適解をプロセスコントローラ手段１５に出力する（図１の４２ｂ）かが切り替えられる。
このことにより、初期個体学習手段４１を用いるか否かを選択することができ、実際の運転でプラント運用データが得られるようになったときに、より実際のプラント運用に即した運用計画手段１４の遺伝的アルゴリズムを実行することができる。

他の変形例としては、プラント運用最適化装置１０の運用計画手段１４には、さらに、運用計画が適用されるプラント施設を選択するプラント施設選択手段４３と、運用計画手段１４により各プラント施設に関する最適な運用計画を作成するに際し、運用計画手段１４の遺伝的アルゴリズムに用いられる定式化ステップ２４のモードを複数のものから選択することができるモード選択手段４４とが接続されている。

以下に、上述のプラント施設選択手段４３およびモード選択手段４４の作用について説明する。

プラント施設選択手段４３により、どのプラント施設に関する運用をプラント運用最適化装置１０により実行するかが選択され、このことにより、上水道プラント全体を適切に運用可能なものとすることができる。

例えば、複数ある配水池５９のうちの１箇所について、保守点検等の理由によりオペレータが直接監視して運用する必要が生じた場合に、上述のプラント施設選択手段４３を用いることにより、この配水池５９のみをプラント運用最適化装置１０による最適化の対象から外し、他のプラント施設について通常通りプラント運用最適化装置１０による最適化を行うことができる。

このような場合には、運用計画手段１４の遺伝的アルゴリズムにおいて、最適化の対象から外される配水池５９に係わる上記式（１）〜（１０）を行わずに、最適化の対象として残される配水池５９に係わる式（１）〜（１０）のみを実行する。このときに、運用計画手段１４の遺伝的アルゴリズムにおいて式（１）および式（２）〜（５）で定義した目的関数における各重みＷのバランスが崩れるので、この運用計画手段１４に対する調整が必要となる。
ここで、最適化の対象から一部のプラント施設を外した場合に対応する重みＷのセットを、プラント施設選択手段４３に予め用意しておき、この重みＷのセットがプラント施設選択手段４３から運用計画手段１４に送られることにより、運用計画手段１４は、最適化の対象から一部のプラント施設が外された場合に、プラント施設選択手段４３から送られた前述の重みＷのセットの情報に基づいて遺伝的アルゴリズムの最適化計算を行うことができ、上水道プラント全体を適切に運用可能なものとすることができる。

また、モード選択手段４４により、プラント運用最適化における最適性についてのモードの選択を行うことができる。
例えば、ポンプが設けられている上水道プラントにおいて、運用水量の変動を極力抑制したい場合と、夜間電力をできるだけ活用して電力コストを低減したい場合とがあるように、プラント運用の主眼、目的等のモードを切り替えたい場合がある。このような場合に、プラント運用最適化によって計算される運用計画について、モード選択手段４４により、上記の２つのモードのうちどちらに主眼を置いて作成するかをオペレータが自由に選択する。
このために、上記の遺伝的アルゴリズムの式（１）および式（２）〜（５）で定義した目的関数における各重みＷのセットをそれぞれのモードに適するよう予め調整しておき、モード選択手段４４によるモード選択に応じて最適化重みを切り替えるようにしておく。

なお、モード選択手段４４により選択できるモードの種類としては、例えば、上述の運用水量の変動を極力抑制したい場合および夜間電力をできるだけ活用して電力コストを低減したい場合の他に、渇水時において複数の水源を有する場合に取水源の適切な選択や取水量に対する制限を考慮した取水制限モード、あるいは配水池５９や浄水池５７などの池水位計画を明確に与え、これを維持するように運営させる池水位優先モードなどが挙げられる。
また、モード選択手段４４は、設定したモードに応じた種々の最適化重みを予め調整して用意しておくことにより、ここで挙げたモード例に限定されることはなく、様々なモードに対して対応可能となる。

本発明の実施の形態に係わるプラント運用最適化装置および対象上水道プラントの構成を示すブロック図。本発明の実施の形態における整数値遺伝子列の例を示す図表。一の送水ポンプから一対の配水池への配水を示す説明図。

符号の説明

１０プラント運用最適化装置
１１データ入力手段
１２データ記憶手段
１３需要予測手段
１４運用計画手段
１５プロセスコントローラ手段
１６表示手段
１７運用計画出力手段
１８多分配プロセス定式化手段
２０初期個体生成
２０ａ初期個体生成ヒューリスティクス
２１適応度計算
２２池水位計算
２３制約条件チェック
２４定式化ステップ
２５個体評価ヒューリスティクス
２６個体ソート
２７終了判定
２８淘汰
２９増殖
３０交叉
３１突然変異
３２最適解生成ヒューリスティクス
４１初期個体学習手段
４２初期個体学習切換手段
４３プラント施設選択手段
４４モード選択手段
５１取水ポンプ
５２着水井
５３混和池
５４フロック形成池
５５沈澱池
５６ろ過池
５７浄水池
５８送水ポンプ
５９配水池
５９ａ第１の配水池
５９ｂ第２の配水池
６０配水ポンプ
６１配水区

Claims

上流側から下流側に向かって接続された複数のプラント施設を有し少なくとも一対のプラント施設は並列に配置されたプラントに対して、予め作成してある運用計画に基づいて制御を行うプラント運用最適化装置において、
各プラント施設の運用上の制約条件や運用決定に必要となる諸設定値を入力するデータ入力手段と、
各プラント施設からプロセスコントローラ手段を介して送られるプロセスデータを記憶するデータ記憶手段と、
所定の情報やデータ記憶手段に記憶された過去の各プラント施設における配水量データに基づいて、将来の配水量需要を予測する需要予測手段と、
データ入力手段に入力されたデータおよび需要予測手段により予測された配水量需要に基づいて、定式化機能を含む遺伝的アルゴリズムを用いて各プラント施設に関する最適な運用計画を作成する運用計画手段とを備え、
運用計画手段は、一のプラント施設から下流側に並列に配置された少なくとも一対のプラント施設へ配水が行われる際に、遺伝的アルゴリズムの定式化機能を、多分配プロセス定式化手段から送られる一のプラント施設から下流側の少なくとも一対のプラント施設への離散化された配水量比率に関する情報に基づいて実行することを特徴とするプラント運用最適化装置。
運用計画手段の遺伝的アルゴリズムは、
運用計画を表す変数の集まりである初期個体を一定数生成する初期個体生成機能と、
データ入力手段に入力されたデータと、需要予測手段により予測された配水量需要とに基づいて、初期個体生成機能により生成された初期個体の適応度を計算する適応度計算機能と、
適応度計算機能により適応度が計算されたすべての個体を、適応度の高い順にソートする個体ソート機能と、
個体ソート機能によりソートされた個体のうち一定数の個体を適応度の低い順に削除する淘汰機能と、
淘汰機能により個体の数が設定数より少なくなった場合に、一定数となるまで所定の個体の複写を行う増殖機能と、
増殖機能から送られた個体の中から一定数の個体を選択し、各個体における変数を交換する交叉機能と、
交叉機能から送られた個体の中から一定数の個体を選択し、各個体における変数を変更する突然変異機能と、
所定の設定条件に沿って遺伝的アルゴリズムを終了させるか否かを判定し、終了させないと判定された場合には適応度計算機能に戻って前記の一連の機能の実行を繰り返す終了判定機能と、
終了判定機能により一連の機能処理が終了した個体の更なる修正を行う最適解生成ヒューリスティクスとを有し、
遺伝的アルゴリズムの定式化機能は、適応度計算機能において個体の適応度を計算する際に用いられることを特徴とする請求項１記載のプラント運用最適化装置。
データ入力手段により入力された回数分、あるいは各プラント施設から送られるプロセスデータがデータ入力手段により入力された条件に達するまで、運用計画手段を繰り返して実行し、運用計画手段が終了するたびに、そのときの最適解をつぎの運用計画手段における初期個体として入力する初期個体学習手段を更に備えたことを特徴とする請求項２記載のプラント運用最適化装置。
初期個体学習手段を用いて運用計画手段を繰り返して実行することにより得られる個体の最適解をプロセスコントローラ手段に出力するか、もしくは初期個体学習手段を用いることなく運用計画手段を１回だけ実行することにより得られる個体の最適解をプロセスコントローラ手段に出力するかを切り替えることができる初期個体学習切替手段を更に備えたことを特徴とする請求項３記載のプラント運用最適化装置。
運用計画が適用されるプラント施設を選択するプラント施設選択手段を更に備えたことを特徴とする請求項１乃至４のいずれかに記載のプラント運用最適化装置。
運用計画手段により各プラント施設に関する最適な運用計画を作成する際に、運用計画手段の遺伝的アルゴリズムに用いられる定式化機能のモードを複数のものから選択することができるモード選択手段を更に備えたことを特徴とする請求項１乃至５のいずれかに記載のプラント運用最適化装置。