JP4857228B2 - プラント運用適正化装置 - Google Patents

Description

本発明はプラント運用適正化装置に関し、特に、プラントの状態変数の誤差を確率的に考慮しながらプラント運用時の最適解を算出する方法に適用して好適なものである。

従来、複数のプラントを組み合わせて運転時の最適解を探索する場合、例えば、エネルギー変換プラントにおいては、運転コストなどを評価関数（目的関数とも言う）として、エネルギー変換プラントの運転時の組み合わせを最適化手法を用いて評価することで、各エネルギー源に関わるプラントの内部機器の適正な運転台数や出力が決定されていた。
この最適化手法を適用するに当たっては、各プラントの運転状態（稼動または非稼動）および出力レベルが状態変数として定義されたモデルを構築し、モデル全体を状態空間として一旦定義し、その上で最適化する目的および制約条件に応じて状態変数や評価関数（コスト関数など）に操作変数を付加することで、数学的な状態空間を拡張あるいは縮小する方法がある。

これらのプラント内の装置モデルにおいて、特許文献１、２には、過去の運転状態をデータベースとして保存し、そこに保存されたプラントの稼動情報から稼動特性を解析し、その稼動特性をプラント内の装置モデルに設定する方法が開示されている。
また、プラントの最適運転状態の探索方法において、特許文献１、３には、プラント内の装置の過去の運転状態から入出力モデルを作成し、そのプラントの入力と出力とを状態変数として扱い、その入出力モデルを制約条件として関連付けた上で、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ：Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ）などの最適化手法を適用する方法が開示されている。
特開２００４−１７１５４８号公報 特開２００５−１５５９７３号公報 特開２００１−２４２９０５号公報

しかしながら、特許文献２、３に開示された方法では、各プラントの運転状態および出力レベルが状態変数として定義されたモデルに確率的な要素を含まないため、実際の運転時の各種要因のバラツキが反映された最適解を求めることができないという問題があった。
また、特許文献１に開示された方法では、最適化手法による状態変数の評価が、燃料価格などの予測値およびこれらの確率または確率分布を用いて作成されたシナリオに対して実行されるので、最適化手法にて求めた最適解が状態変数のばらつきによってどのように変化するかを評価することができず、状態変数のばらつきに対して安定な最適解を求めることができないという問題があった。
そこで、本発明の目的は、既存の最適化手法を適用しつつ、状態変数のばらつきに対して安定な最適解を求めることが可能なプラント運用適正化装置を提供することである。

上述した課題を解決するために、請求項１記載のプラント運用適正化装置によれば、互いに組み合わせて運転可能な複数のプラントを実用的な精度で個々にモデル化するプラントモデル化手段と、前記各プラントの操作量を状態変数として含み、前記プラントを運用する上での評価関数の最適解を探索する最適解探索手段と、前記最適解探索手段にて探索される探索点において、前記状態変数のバラツキを考慮した評価指数を作成する評価指数作成手段と、前記評価指数が加味された再評価関数に基づいて、前記最適解探索手段にて探索された最適解を選択する最適解再評価手段とを備え、前記再評価関数は、前記最適解の周辺において前記評価関数の値がより大きく変化する場合には、前記最適解の評価が下がるように設定されることを特徴とする。

また、請求項２記載のプラント運用適正化装置によれば、前記再評価関数は、前記評価指数に加え、前記状態変数と制約条件との距離を加味して設定されることを特徴とする。

以上説明したように、本発明によれば、状態変数のバラツキを考慮した評価指数が加味された再評価関数に基づいて、最適化手法にて求めた最適解を再評価することにより、その最適解が状態変数のばらつきによってどのように変化するかを評価することができ、既存の最適化手法を適用しつつ、状態変数のばらつきに対して安定な最適解を求めることが可能となることから、互いに組み合わせて運転可能な複数のプラントを効率的かつ安定的に運用することができる。

以下、本発明の実施形態に係るプラント運用適正化装置について図面を参照しながら説明する。
図１は、本発明の一実施形態に係るプラント運用適正化装置が適用されるプラント制御システムの概略構成を示すブロックである。
図１において、プラント制御システムには、エネルギー変換プラントなどのプラント１１、プラント１１への操作指令およびプラント１１の計測を行う計測制御システム１２、プラント１１の運用状態を適正化するプラント運用適正化装置１３が設けられ、計測制御システム１２とプラント運用適正化装置１３とはネットワーク１４を介して接続されている。

なお、ネットワーク１４としては、例えば、ＩＰ通信を行う公衆通信網を用いることができ、インターネットであってもよい。また、企業間の専用通信網であっても、公衆通信網であってもよい。
ここで、プラント１１は、互いに組み合わせて運転可能な複数のプラントを含むことができる。また、計測制御システム１２は、操作量Ｓを入力としてプラント１１に与えるとともに、制御量Ｐを出力としてプラント１１から取得することができる。

また、プラント運用適正化装置１３には、プラントモデル化手段１３ａ、最適解探索手段１３ｂ、評価指数作成手段１３ｃおよび最適解再評価手段１３ｄが設けられ、操作量Ｓおよび制御量Ｐの計画値Ｕをネットワーク１４を介して計測制御システム１２に与えるとともに、操作量Ｓおよび制御量Ｐの実測値Ｍをネットワーク１４を介して計測制御システム１２から取得することができる。

ここで、プラントモデル化手段１３ａは、プラント個々の運転時の組み合わせ、または運転状態に自由度を持つプラントの結合系に対して、個々のプラントを実用的な精度でモデル化することができる。最適解探索手段１３ｂは、各プラントの操作量を状態変数として含み、プラントを運用する上での評価関数の最適解を探索することができる。評価指数作成手段１３ｃは、最適解探索手段１３ｂにて探索される探索点において、プラント１１の状態変数のバラツキを考慮した評価指数を作成することができる。最適解再評価手段１３ｄは、評価指数作成手段１３ｃにて作成された評価指数が加味された再評価関数に基づいて、最適解探索手段１３ｂにて探索された最適解を選択することができる。ここで、最適解再評価手段１３ｄにて用いられる再評価関数は、最適解探索手段１３ｂにて探索された最適解の周辺において評価関数の値がより大きく変化する場合には、最適解の評価が下がるように設定することができる。また、最適解再評価手段１３ｄにて用いられる再評価関数は、評価指数作成手段１３ｃにて作成された評価指数に加え、プラント１１の状態変数と制約条件との距離を加味して設定することができる。

そして、プラント運用適正化装置１３は、操作量Ｓおよび制御量Ｐの計画値Ｕを計測制御システム１２に与えると、計測制御システム１２は、その計画値Ｕに基づいて操作量Ｓを決定し、プラント１１に与えることができる。そして、計測制御システム１２は、その操作量Ｓに対してプラント１１から出力された制御量Ｐを取得し、プラント１１の操作量Ｓおよび制御量Ｐの実測値Ｍをプラント運用適正化装置１３に送ることができる。

そして、プラント運用適正化装置１３は、プラント１１の操作量Ｓおよび制御量Ｐの実測値Ｍを計測制御システム１２から取得すると、ノイズやセンサー誤差などの最適運転指令に対するフィールド機器の制御性のバラツキとプラント１１のモデルの特性を解析することができる。
そして、最適解探索手段１３ｂは、プラントモデル化手段１３ａにてモデル化された各プラントの操作量Ｓを変数化し、その変数を元にプラント１１の運用状態を評価する評価関数を定め、プラントモデル化手段１３ａにて作成されたプラント１１のモデル上でその評価関数を最適化することにより、プラント１１を運用する上での評価関数の最適解を探索する。

そして、評価指数作成手段１３ｃは、最適運転指令に対するフィールド機器の制御性のバラツキとプラント１１のモデルの特性の解析結果に基づいて、最適解探索手段１３ｂにて探索される探索点において、プラント１１の状態変数のバラツキを考慮した評価指数を作成する。そして、最適解再評価手段１３ｄは、評価指数作成手段１３ｃにて作成された評価指数が加味された再評価関数に基づいて、最適解探索手段１３ｂにて探索された最適解の周辺の運用状態を再評価することにより、最適解探索手段１３ｂにて探索された最適解を選択する。

これにより、最適解再評価手段１３ｄは、状態変数のバラツキを考慮した評価指数が加味された再評価関数に基づいて、最適解探索手段１３ｂにて求めた最適解を再評価することができる。このため、最適解探索手段１３ｂにて求めた最適解が状態変数のばらつきによってどのように変化するかを評価することができ、既存の最適化手法を適用しつつ、状態変数のばらつきに対して安定な最適解を求めることが可能となることから、互いに組み合わせて運転可能な複数のプラントを効率的かつ安定的に運用することができる。

なお、プラントモデル化手段１３ａ、最適解探索手段１３ｂ、評価指数作成手段１３ｃおよび最適解再評価手段１３ｄは、これらの手段で行われる処理を遂行させる命令が記述されたプログラムをコンピュータに実行させることにより実現することができる。
そして、このプログラムをＣＤ−ＲＯＭなどの記憶媒体に記憶しておけば、プラント運用適正化装置１３のコンピュータ（計算機）に記憶媒体を装着し、そのプログラムをコンピュータにインストールすることにより、プラントモデル化手段１３ａ、最適解探索手段１３ｂ、評価指数作成手段１３ｃおよび最適解再評価手段１３ｄで行われる処理を実現することができる。

また、プラントモデル化手段１３ａ、最適解探索手段１３ｂ、評価指数作成手段１３ｃおよび最適解再評価手段１３ｄで行われる処理を遂行させる命令が記述されたプログラムをコンピュータに実行させる場合、スタンドアロン型コンピュータで実行させるようにしてもよく、ネットワークに接続された複数のコンピュータに分散処理させるようにしてもよい。

以下、図１のプラント運用適正化装置１３の動作について、数式を適宜用いながらより具体的に説明する。なお、以下の実施形態では、プラント１１としてエネルギー変換プラントを複数内包する系に対して、プラント１１を運用する上での評価関数の最適解を探索する方法を例にとる。
図２は、本発明の一実施形態に係るプラントの構成例を示すブロック図である。
図２において、プラント１１には、複数のプラントｊ、ｊ＋１、ｋ、ｌが設けられている。そして、プラントｊには、Ｘｊ（１、ｔ）、Ｘｊ（２、ｔ）、Ｘｊ（３、ｔ）が操作量Ｓとして与えられるとともに、Ｙｊ（１、ｔ）、Ｙｊ（２、ｔ）が制御量Ｐとして出力される。また、プラントｊ＋１には、Ｘｊ＋１（１、ｔ）、Ｘｊ＋１（２、ｔ）、Ｘｊ＋１（３、ｔ）が操作量Ｓとして与えられるとともに、Ｙｊ＋１（２、ｔ）、Ｙｊ＋１（３、ｔ）が制御量Ｐとして出力される。また、プラントｋには、Ｘｋ（２、ｔ）、Ｘｋ（３、ｔ）、Ｘｋ（４、ｔ）が操作量Ｓとして与えられるとともに、Ｙｋ（１、ｔ）、Ｙｋ（２、ｔ）が制御量Ｐとして出力される。また、プラントｌには、Ｘｌ（１、ｔ）、Ｘｌ（２、ｔ）、Ｘｌ（４、ｔ）が操作量Ｓとして与えられるとともに、Ｙｌ（２、ｔ）、Ｙｌ（３、ｔ）が制御量Ｐとして出力される。

そして、プラントｊ、ｊ＋１、ｋ、ｌそのものの状態をプラント１１の状態変数として定義することができる。具体的には、例えば、プラントｊへの入力はＸｊ（ｉ、ｔ）、その出力はＹｊ（ｋ、ｔ）というプロセスそのものの値とすることができる。ここで、ｉおよびｋはエネルギー種、ｔは時刻を表す。例えば、プラントｊが発電機であるものとすると、ｉはガスや重油などの燃料の種類、ｋは発電量や蒸気などのエネルギーの種類を表すことができる。
そして、過去のプラント１１のプロセスデータに対して、最小二乗法などの統計的手法を適用することにより、以下の（１）式に示すように、プラント１１の入力Ｘと出力Ｙとの関係式を導くことができる。
Ｙａ＝Ｆ（Ｘａ） ・・・（１）
ただし、Ｘａ、Ｙａは、プラント１１の入力Ｘと出力Ｙとをベクトル表現したものである。

一方、統計的手法によって得られた結果においては必ず誤差評価値を持つ。このため、その誤差評価値を用いることにより、以下の（２）式に示すように、変数αを定義することができる。
α＝β×ＳＱＲＴ（Ｒ＾２） ・・・（２）
ただし、βは正規化パラメータ、Ｒは標準偏差、ＳＱＲＴは平方根を求める関数、＾はべき乗を求める関数である。
そして、プラント１１のモデルが持つ誤差を正規分布と仮定し、以下の（３）式に示すように、変数αを用いることで、プラント１１の入力ＸのバラツキδＸを、正規分布を満足するように乱数を用いて発生させる。
Ｗ（δＸ）＝１／（α×ＳＱＲＴ（２π））×ｅ＾（−（Ｘ×α）＾２）／２）
・・・（３）
なお、プラント１１のモデルが持つ誤差の分布が判明している場合には、その平均値が０、分散が１００／αを満足する乱数として適用するようにしてもよい。

図３は、本発明の一実施形態に係るプラントの統計的モデルの一例を示す図である。
図３において、プラント１１のモデルには一定の誤差が含まれている。このため、プラント１１の運転時のモデル値と実績値の関係式から、プラント１１の入力を変化させるバラツキδＸを求めることができる。
また、プラント１１を運用する上での評価関数Ｊは、プラント１１の入力Ｘおよび出力Ｙを状態変数として、以下の（４）式に示すように設定することができる。
ＭＩＮ Ｊ＝ΣＨ（Ｘ、Ｙ） ・・・（４）
ただし、制約条件Ｓを以下の（５）式のように設定することができる。
Ｓ（Ｘ、Ｙ）＞０ ・・・（５）
そして、プラント１１の運用状態の最適化は、制約条件Ｓの元で評価関数Ｊを最小にする状態変数Ｘ、Ｙを求めることであると定義することができる。

そして、このような最適化問題に対しては、プラント１１の状態変数Ｘ、Ｙの制約のひとつである（１）式、各状態変数Ｘ、Ｙのそれぞれの範囲（上限および下限）および制約条件Ｓを満足させながら状態変数Ｘ、Ｙを変化させることにより、評価関数Ｊを最小にする状態変数Ｘ、Ｙを求めることで、プラント１１の運用状態を最適化することができる。
このような最適化手法としては、生物学特性を真似たジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法を用いることができる。
この最適化手法では、探索ルート上で現在選択されている状態空間での評価関数Ｊの値と、前回選択されていた状態空間での評価関数Ｊの値とを比較することで、探索点の優劣を判断し、優勢側近傍の探索数を増やしながら最適解を探索することで、速やかに最適解に辿りつくことができる。

図４は、本発明の一実施形態に係る状態空間における最適解の探索方法を概念的に示す図である。
図４において、制約条件Ｓを満足させながら状態変数Ｘ、Ｙを変化させることにより、状態空間での探索位置がＡ０→Ａ１→Ａ２→Ａ３と順次変化し、その時の評価関数Ｊを最小にする探索位置Ａ４を求めることにより、現在の制約条件Ｓによる運転可能範囲においてプラント１１の運用状態の最適解を求めることができる。
次に、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法にて求めた探索点に対して、（３）式を満足する状態変数ＸのバラツキδＸを乱数を用いて計算し、その状態変数ＸのバラツキδＸを考慮した評価関数ＪをＪ（ｓ）＋δＪ（ｓ）とすることができる。ただし、ｓは探索ステップである。

そして、最適解の探索過程において、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法を用いることで、次の探索点の評価関数Ｊを計算し、その探索点の状態変数ＸのバラツキδＸを考慮した評価関数Ｊ（ｓ＋１）＋δＪ（ｓ＋１）を計算して保存することができる。
このように、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法にて求めた探索点ごとに、その探索点の状態変数ＸのバラツキδＸを考慮した評価関数Ｊ（ｓ）＋δＪ（ｓ）を計算し、その時のδＸおよびδＪ（ｓ）を保存することができる。

そして、最適解の探索過程においての最終のステップ数をＮとし、その時に生き残っている探索点のそれぞれに対して、Ｎ回からＺ回分だけ遡ったｓ＝（Ｎ−Ｚ＋１）回〜Ｎ回までのδＪ（ｓ）の分散値ＪＪを算出することができる。ここで、遡る回数Ｚの目安は、δＸの分散が（２）式の１／αの数倍程度に収まる範囲である。
そして、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法による最適解が求まると、以下の（６）式に示すように、状態変数ＸのバラツキδＸによる最適解の安定性を評価する再評価関数ＪＦを定めることができる。
ＪＦ＝Ｊ＋ａ×ＪＪ＋ｂ×｜Ｓ（Ｘ（Ｎ）、Ｙ（Ｎ））｜ ・・・（６）
ただし、ａ、ｂは、ａ≧０、ｂ≦０を満たすパラメータである。

ここで、（６）式の右辺第２項は、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法にて求めた探索点の近傍のδＪ（ｓ）の分散値ＪＪであり、プラント１１の運用状態が近傍で大きく変化している最適解にペナルティを課すことを示している。また、（６）式の右辺第３項は、最終的な状態変数Ｘ（Ｎ）、Ｙ（Ｎ）と制約条件Ｓとの距離を示し、制約条件Ｓの境界に近いプラント１１の運用状態を回避させる方向に作用する指標である。

そして、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法による最適解の候補（生き残った探索点）を（６）式を用いて評価し、これらの最適解の候補の中から再評価関数ＪＦが最小となる解を選択することで、状態変数ＸのバラツキδＸに対して安定な最適解を求めることができる。
これにより、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの既存の解探索ロジックに大きな変更を施すことなく、モデル精度の不確定要素を演算項に取り入れて評価することができ、安定した運転を効率よく行うことが可能な最適解を出力することができる。この方法は、例えば、厳密には制御できない系や、最適化対象に対する入出力に誤差を含むプラントに対しても適用することができる。

図５は、本発明の一実施形態に係る状態空間における最適解の再評価方法を概念的に示す図である。
図５において、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法では、探索点Ａ５が最終的な最適解として出力される。そして、探索点Ａ５が最適解として求まると、この探索点Ａ５について状態変数ＸのバラツキδＸを考慮した探索点Ａ５´を求めることができる。そして、状態変数ＸのバラツキδＸを考慮することで、評価関数Ｊの値が探索点Ａ５から探索点Ａ５´に大きく変化する場合には、そのような探索点Ａ５の評価を下げることができる。

また、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの手法にて、探索点Ａ４が最適解の候補として求まると、この探索点Ａ４について状態変数ＸのバラツキδＸを考慮した探索点Ａ４´を求めることができる。そして、状態変数ＸのバラツキδＸを考慮することで、評価関数Ｊの値が探索点Ａ４から探索点Ａ４´に変化する割合が小さい場合には、そのような探索点Ａ４は状態変数Ｘのバラツキδに対して安定であるとみなし、このような最適解の候補の中から再評価関数ＪＦが最小となる解を最終的に選択することができる。

図６は、本発明の一実施形態に係るプラント運用適正化装置の動作を示すフローチャートである。
図６において、プラント１１の初期運転状態に該当する状態空間の点および複数の親粒子を配置する（ステップＳ１１）。そして、親粒子に対して子粒子を生成し、その位置から粒子を微小空間分だけ移動させ、制約条件の満足度と目的関数の評価を実施する（ステップＳ１２）。この際、プラント１１のモデルの不確定要素幅の位置を変更した時の目的関数の値を格納する。

次に、粒子群（親）間および子供間での報交換を行い、目的関数の前回値との変化が大きく、最適性の高い粒子の近傍に部分的に子探索粒子を集める（ステップＳ１３）。そして、ステップＳ１２、Ｓ１３の処理を収束するまで繰り返し（ステップＳ１４）、収束したならば、その時得られた最適解の候補について（６）式の新たな目的関数を計算し、最適解を選択することができる。

これにより、ジェネティックアルゴリズム（ＧＡ）やパーティクル・スォーム・オプティミゼイション（ＰＳＯ）などの既存の最適化手法において、各ステップにおけるロジックの改訂を行うことなく、変数としての演算項目を増加させることで、既存の最適化手法を継続させることができ、さらに既存の最適化手法による最終結果に対してのみ判断要素を付加することで、図６の処理に合わせて既存の最適化手法を改訂することができる。

本発明の一実施形態に係るプラント運用適正化装置が適用されるプラント制御システムの概略構成を示すブロックである。 本発明の一実施形態に係るプラントの構成例を示すブロック図である。 本発明の一実施形態に係るプラントの統計的モデルの一例を示す図である。 本発明の一実施形態に係る状態空間における最適解の探索方法を概念的に示す図である。 本発明の一実施形態に係る状態空間における最適解の再評価方法を概念的に示す図である。 本発明の一実施形態に係るプラント運用適正化装置の動作を示すフローチャートである。

符号の説明

１１ プラント
１２ 計測制御システム
１３ プラント運用適正化装置
１３ａ プラントモデル化手段
１３ｂ 最適解探索手段
１３ｃ 評価指数作成手段
１３ｄ 最適解再評価手段
１４ ネットワーク

Claims (2)

1. 互いに組み合わせて運転可能な複数のプラントを実用的な精度で個々にモデル化するプラントモデル化手段と、
   前記各プラントの操作量を状態変数として含み、前記プラントを運用する上での評価関数の最適解を探索する最適解探索手段と、
   前記最適解探索手段にて探索される探索点において、前記状態変数のバラツキを考慮した評価指数を作成する評価指数作成手段と、
   前記評価指数が加味された再評価関数に基づいて、前記最適解探索手段にて探索された最適解を選択する最適解再評価手段とを備え、
   前記再評価関数は、前記最適解の周辺において前記評価関数の値がより大きく変化する場合には、前記最適解の評価が下がるように設定されることを特徴とするプラント運用適正化装置。
2. 前記再評価関数は、前記評価指数に加え、前記状態変数と制約条件との距離を加味して設定されることを特徴とする請求項１記載のプラント運用適正化装置。

Images