JP4940167B2

JP4940167B2 - ボイラの制御装置及びボイラの制御方法

Info

Publication number: JP4940167B2
Application number: JP2008042802A
Authority: JP
Inventors: 昭彦山田; 孝朗関合; 徹江口; 雅之深井; 悟清水
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2008-02-25
Filing date: 2008-02-25
Publication date: 2012-05-30
Anticipated expiration: 2028-02-25
Also published as: JP2009198137A

Description

本発明は、ボイラを制御するボイラの制御装置及びボイラの制御方法に係わり、特にボイラの燃焼を制御するボイラの制御装置及びボイラの制御方法に関する。

ボイラは高さが数十メートルにも及ぶ大きな構造物であり、ボイラの内部で起きている現象を把握することは困難である。また、ボイラは燃料の燃焼反応、燃焼ガス中成分の反応、ガス及び水・蒸気の流動、伝熱現象と多用な現象の複合現象であり、燃料の燃焼によって燃焼ガス中に窒素酸化物（ＮＯｘ）などの有害物質が発生することを抑制するためにハード面、制御面で様々な技術が開発されてきた。

例えば特開２００７−１０７８４９号公報には、ボイラに燃焼炉内の燃焼ガスに含まれるＮＯｘ濃度及び一酸化炭素（ＣＯ）濃度を測定する濃度測定手段が設置されており、この濃度測定手段で測定した前記ＮＯｘ濃度及びＣＯ濃度の測定値をフィードバックして燃焼炉に設けたアフタエアの旋回流空気ノズル及び縮流空気ノズルからそれぞれ供給する空気供給量を調整する制御手段を設けることによって、燃焼ガス中のＮＯｘとＣＯとの濃度がバランスよく低減できる技術が開示されている。

また、制御技術の面ではＰＩＤ制御を基本とする制御ロジックが主流であるが、ボイラの現象は上述したように複雑であるため、技術文献の強化学習（ＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇ）、三上貞芳・皆川雅章共訳、森北出版株式会社（２０００年１２月２０日出版）に記載されているような学習制御技術をボイラの制御装置に適用することが望ましい。

特開２００７−１０７８４９号公報強化学習（ＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇ）、三上貞芳・皆川雅章共訳、森北出版株式会社（２０００年１２月２０日出版）

上記した特開２００７−１０７８４９号公報に記載の技術では、ＮＯｘ濃度の測定値を指標としてアフタエアに設置した空気ノズルから供給する空気流量を決定するが、ボイラで発生するＮＯｘ濃度はスートブロワの作動によって不連続に変化する。

スートブロワとは、ボイラ内の壁面または伝熱管などの伝熱面が灰や煤が付着して汚れて伝熱性能が低下することを抑制するために、空気または蒸気を前記壁面または伝熱管などの伝熱面噴射して伝熱面に付着した灰や煤を洗浄・除去する装置である。

このスートブロワによって灰や煤を前記伝熱面から除去するとボイラの伝熱性能が回復するため、燃焼ガスからの熱吸収量が増加する。そのため、燃焼ガスのガス温度が低下して高温条件で発生するＮＯｘ（サーマルＮＯｘ）の生成量が減少し、ＮＯｘ濃度が低下する。

またスートブロワが作動後は、ボイラの壁面または伝熱管などの伝熱面に徐々に灰が堆積していくため、徐々に伝熱性能が低下して熱吸収量が減少する。これによって燃焼ガスのガス温度が上昇していき、サーマルＮＯｘの生成量が増加して燃焼ガス中のＮＯｘ濃度が徐々に増加する。

すなわち、ボイラの燃料流量、空気流量などの条件が同じであっても、スートブロワの動作状況によってボイラで発生する燃焼ガス中のＮＯｘ濃度に変化が生じるのである。

従って、濃度測定手段で検出したＮＯｘ濃度の測定値を空気供給量を調整する制御手段にそのままフィードバックしてアフタエアに設置した空気ノズルから供給する空気供給量を調整した場合には、スートブロワの作動が外乱になってアフタエアから供給すべき前記空気供給量などの操作量を正しく設定できない可能性がある。

また、ボイラで発生したＮＯｘ濃度を抑制するような操作を学習制御を用いて実現しようとする場合でも、上述したようにスートブロワの作動状況によって同じ運転操作条件でも発生するＮＯｘ濃度が変化するために、ＮＯｘ濃度を抑制する正しい操作が学習できない可能性がある。

本発明の目的は、スートブロワの作動がボイラの制御系に外乱となる状況を回避してボイラに供給すべき空気供給量の操作量を正しく設定してボイラで発生するＮＯｘ濃度を所望の値に低減可能にしたボイラの制御装置及びボイラの制御方法を提供することにある。

本発明のボイラの制御装置は、ボイラの内壁面または伝熱管に付着する付着物を除去するスートブロワを備えたボイラの運転を制御するボイラの制御装置において、前記ボイラの制御装置は、前記スートブロワが作動時から経過した時間であるスートブロワ経過時間と、ボイラで発生する燃焼ガス中の窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係に基づいて、前記スートブロワ経過時間を入力してＮＯｘ濃度の測定値を補正した補正ＮＯｘ濃度を演算して出力するＮＯｘ濃度補正手段と、前記ＮＯｘ濃度補正手段から出力された前記補正ＮＯｘ濃度を用いてボイラに設置したバーナまたはエアポートから供給する空気流量に対応する操作指令値を演算してボイラの操作機器に出力する操作指令決定手段を備えていることを特徴とする。

また本発明のボイラの制御装置は、ボイラの内壁面または伝熱管に付着する付着物を除去するスートブロワを備えたボイラの運転制御装置において、前記ボイラの制御装置は、前記スートブロワが作動時から経過した時間であるスートブロワ経過時間と、ボイラで発生する燃焼ガス中の窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係に基づいて、前記スートブロワ経過時間を入力してＮＯｘ濃度測定値を補正した補正ＮＯｘ濃度を演算して出力するＮＯｘ濃度補正手段と、前記ＮＯｘ濃度補正手段から出力された前記補正ＮＯｘ濃度とボイラに設置したバーナまたはエアポートから供給する空気流量または該空気流量に対する操作指令値との関係に基づいて前記空気流量または前記操作指令値を入力として前記補正ＮＯｘ濃度推定値を演算して出力するモデル化手段と、前記モデル化手段に前記空気流量または前記操作指令値を入力してモデル化手段から出力される前記補正ＮＯｘ濃度推定値を読み込んで前記補正ＮＯｘ濃度推定値が所定の条件になる前記空気流量または前記操作指令値を学習し、この学習結果に基づいて前記空気流量または前記操作指令値を演算して出力する学習手段と、前記学習手段から出力される前記空気流量または前記操作指令値の演算結果を入力として前記バーナまたはエアポートに供給する空気流量に対応する操作指令値を演算してボイラの操作機器に出力する操作指令決定手段を備えていることを特徴とする。

本発明のボイラの制御方法は、ボイラの内壁面または伝熱管に付着する付着物を除去するスートブロワを備えたボイラの運転を制御するボイラの制御方法において、ボイラの制御装置に備えられたＮＯｘ濃度補正手段によって、前記スートブロワが作動時から経過した時間であるスートブロワ経過時間とボイラで発生する燃焼ガス中の窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係に基づいて、前記スートブロワ経過時間を入力してＮＯｘ濃度の測定値を補正した補正ＮＯｘ濃度を出力しており、ボイラの制御装置に備えられた操作指令決定手段によって、前記ＮＯｘ濃度補正手段から出力された前記補正ＮＯｘ濃度を用いてボイラに設置したバーナまたはエアポートの空気流量に対応する操作指令値を演算していることを特徴とする。

また本発明のボイラの制御方法は、ボイラの内壁面または伝熱管に付着する付着物を除去するスートブロワを備えたボイラの運転制御方法において、ボイラの制御装置に備えられたＮＯｘ濃度補正手段によって前記スートブロワが作動時から経過した時間であるスートブロワ経過時間とボイラで発生する燃焼ガス中の窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係に基づいて、前記スートブロワ経過時間を入力してＮＯｘ濃度測定値を補正した補正ＮＯｘ濃度を出力しており、ボイラの制御装置に備えられたモデル化手段によって前記ＮＯｘ濃度補正手段から出力された前記補正ＮＯｘ濃度とボイラに設置したバーナまたはエアポートの少なくとも一方の空気流量または該空気流量に対する操作指令値との関係に基づいて前記空気流量または前記操作指令値を入力として前記補正ＮＯｘ濃度推定値を出力しており、ボイラの制御装置に備えられた学習手段によって前記モデル化手段に前記空気流量または前記操作指令値を入力してモデル化手段から出力される前記補正ＮＯｘ濃度推定値を読込み、前記補正ＮＯｘ濃度推定値が所定の条件になる前記空気流量または前記操作指令値を学習し、この学習結果に基づいて前記空気流量または前記操作指令値を演算しており、ボイラの制御装置に備えられた操作指令決定手段によって前記学習手段が出力する前記空気流量または前記操作指令値の演算結果を入力として前記バーナまたはエアポートの空気流量に対応する操作指令値を演算していることを特徴とする。

本発明によればスートブロワの作動がボイラの制御系に外乱となる状況を回避してボイラに供給すべき空気供給量の操作量を正しく設定してボイラで発生するＮＯｘ濃度を所望の値に低減可能にしたボイラの制御装置及びボイラの制御方法が実現できる。

本発明のボイラの制御装置及びボイラの制御方法の実施例について図面を用いて以下に説明する。

本発明の一実施例であるボイラの制御装置及びボイラの制御方法について、図１を参照しながら説明する。

図１に示された本発明の一実施例であるボイラの制御装置は、制御対象プラントのボイラ１００の制御を行なう制御装置２００として、制御対象プラントのボイラ１００から運転状態量であるプロセス値の計測情報２０５を受け取り、この計測情報２０５を使用して制御装置２００内に設置された各演算手段によって予めプログラムされた演算を行ってボイラ１００に対する操作指令信号（制御信号）２８５を演算して送信し、前記ボイラ１００を制御するように構成されている。

この制御装置２００には、制御対象プラントのボイラ１００との間で計測情報２０５と操作指令信号２８５との授受を行なう入出力インターフェース２２０が設置されている。

また、入出力手段２２１が設置されており、この入出力手段２２１に備えた入力手段２２２から運転員が入出力インターフェース２２０を介して設定値や運転モード、手動運転の際の操作指令等の入力データ２２５を入力し、この入出力インターフェース２２０を介して入出力手段２２１に備えた表示画面２２３に画面表示用のデータ２２４を出力して前記表示画面２２３に表示できるように構成されている。

前記制御装置２００には、演算手段として基本操作指令値２３５を演算して運転実績データベース２４０及び操作指令決定手段２８０に出力する基本操作指令演算手段２３０と、基本操作指令演算手段２３０から出力された基本操作指令値２３５を読込み、基本操作指令値２３５またはこれに補正を加えた操作指令値２８５を出力する操作指令決定手段２８０と、ボイラ１００の構造をモデル化した数値解析モデルであって、ボイラの燃焼反応、ガス流動、伝熱のプロセスを差分法、有限体積法、有限要素法等の数値解析手法を用いて計算する数値解析演算手段４００を備えている。

また、この制御装置２００には、ボイラ１００で発生するＮＯｘ濃度およびＣＯ濃度を低減するため、ボイラ１００のバーナ１０２から投入する空気量と、アフタエアポート１０３から投入する空気量を調整する機能が備えられている。

前記制御装置２００には、演算手段として更に、運転実績データベース２４０から出力されたボイラ１００の運転データ２４５に基づいてボイラ１００から排出される排ガスのＮＯｘ濃度補正値２５５を出力するＮＯｘ濃度補正手段２５０と、操作パラメータとＮＯｘ濃度との関係をモデル化してＮＯｘ濃度の推定値２７５を出力するモデル化手段２７０と、モデル化手段２７０が出力するＮＯｘ濃度の推定値２７５が設定条件を満足する操作パラメータ値２９５を学習して操作指令決定手段２８０に該操作パラメータ値２９５を出力する学習手段２９０を備えている。

また前記制御装置２００には、データベースとして、ボイラ１００の運転状態の計測情報であるプロセス計測値２０５と運転員の入力信号、上位制御システムからの指令信号等から成る運転データ２０６を蓄積・格納している運転実績データベース２４０と、数値解析演算手段４００で計算した数値解析結果４０１を蓄積・格納する解析結果データベース４０２を備えている。

そして制御対象のプラントであるボイラ１００は、前記制御装置２００の入出力インターフェース２２０から受け取った操作指令信号２８５に従って、ボイラ１００の運転を操作する、例えばバルブの開度やダンパ開度といったアクチュエータを動作させてボイラ１００の運転状態をコントロールする。

また、制御装置２００は別設されている中央給電指令所５０から受信する負荷指令信号５１に基づいてボイラ１００の発電出力を制御するように構成されている。

本実施例は火力発電プラントに設置されたボイラ１００の燃焼制御に適用した例であり、本実施例では特に、ボイラ１００から排出される排ガス中のＮＯｘ濃度及び又はＣＯ濃度を低下させる制御機能に適用した具体例を中心に説明する。

図２には図１に示した本発明の一実施例であるボイラの制御装置の制御対象となる石炭焚きボイラを備えた火力発電プラントの概略構成を示す。

まず、図２を用いてボイラ１００を備えた火力発電プラント発電の仕組みについて説明する。

図２において、燃料となる石炭はミル１１０にて粉砕して微粉炭として石炭搬送用の１次空気、及び燃焼調整用の２次空気と共にボイラ１００に設置したバーナ１０２を通じてボイラ１００に投入し、ボイラ１００の火炉内部で燃料の石炭を燃焼する。

燃料の石炭と１次空気は配管１３４から、２次空気は配管１４１からバーナ１０２に導かれる。

また、２段燃焼用のアフタエアを、ボイラ１００に設置したアフタエアポート１０３を通じてボイラ１００に投入する。このアフタエアは、配管１４２からアフタエアポート１０３に導かれる。

燃料の石炭をボイラ１００の火炉の内部で燃焼させて発生した高温の燃焼ガスは、ボイラ１００の火炉を矢印で示した経路に沿って下流側に流れ、ボイラ１００に配置された熱交換器１０６を通過して熱交換した後、燃焼排ガスとなってボイラ１００から排出されてボイラ１００の外部に設置されたエアーヒーター１０４に流下する。

エアーヒーター１０４を通過した燃焼排ガスはその後、図示していない排ガス処理装置で燃焼排ガスに含まれている有害物質を除去した後に、煙突をから大気に放出される。

ボイラ１００を循環する給水は、タービン１０８に設置された図示していない復水器から給水ポンプ１０５を介してボイラ１００に導かれ、ボイラ１００の火炉に設置した熱交換器１０６においてボイラ１００の火炉の内部を流下する燃焼ガスによって加熱されて高温高圧の蒸気となる。

尚、本実施例では熱交換器１０６の数を１個として図示しているが、熱交換器を複数個配置してもよい。

熱交換器１０６で発生した高温高圧の蒸気は、タービンガバナ弁１０７を介して蒸気タービン１０８に導かれ、蒸気の持つエネルギーによって蒸気タービン１０８を駆動し、この蒸気タービン１０８に連結した発電機１０９を回転させて発電する。

次に、ボイラ１００の火炉に設置されたバーナ１０２からボイラ１００の火炉内に投入される１次空気及び２次空気、ボイラ１００の火炉に設置されたアフタエアポート１０３からボイラ１００の火炉内に投入されるアフタエアの経路について説明する。

１次空気は、ファン１２０から配管１３０に導かれ、途中でエアーヒーター１０４の内部を通過する配管１３２とエアーヒーター１０４をバイパスする配管１３１とに分岐し、これらの配管１３２及び配管１３１を流下した１次空気は再び配管１３３にて合流してミル１１０に導かれる。

エアーヒーター１０４を通過する空気は、ボイラ１００の火炉から排出される燃焼排ガスにより加熱される。

この１次空気を用いてミル１１０で生成される石炭（微粉炭）を配管１３３を通じてバーナ１０２に搬送する。

２次空気及びアフタエアは、ファン１２１から配管１４０に導かれ、エアーヒーター１０４の内部を通過する配管１４０を流下して加熱された後に、配管１４０の下流側で２次空気用の配管１４１と、アフタエア用の配管１４２とに分岐して、それぞれボイラ１００の火炉に設置されたバーナ１０２とアフタエアポート１０３に導かれるように構成されている。

本実施例であるボイラ１００の制御装置２００は、ボイラの排ガス中のＮＯｘ濃度およびＣＯ濃度を低減するため、バーナ１０２からボイラ１００に投入する空気量と、アフタエアポート１０３からボイラ１００に投入する空気量を調整する機能を持っている。

火力発電プラントには、該火力発電プラントの運転状態を検出する様々な計測器が配置されており、これらの計測器から取得されたプラントの計測信号は、プロセス計測値２０５として制御装置２００に送信される。

火力発電プラントの運転状態を検出する様々な計測器として、例えば図２には発電出力計測器１５３、及びＮＯｘ濃度及び／又はＣＯ濃度を計測する濃度計測器１５４がそれぞれ図示されている。

前記熱交換器１０６で発生した蒸気で駆動される蒸気タービン１０８によって回転する発電機１０９によって発電された電力量は発電出力計測器１５３で計測する。

また、ボイラ１００を流下する燃焼ガスに含まれている成分（ＣＯ、ＮＯｘなど）の濃度に関する情報は、ボイラ１００の下流側であるボイラ出口の流路に設けたＮＯｘ濃度及び／又はＣＯ濃度を計測する濃度計測器１５４で計測される。

尚、一般的には図２に図示した以外にも多数の計測器が火力発電プラントに配置されているが、ここでは図示を省略する。

図２に示すように、エアーヒーター１０４の内部に配設された配管１４０の下流側で分岐した２次空気用の配管１４１及びアフタエア用の配管１４２、エアーヒーター１０４の内部に配設された配管１３２、及びエアーヒーター１０４をバイパスした配管１３１には図示していない空気ダンパがそれぞれ配置されており、これらの空気ダンパを操作することによって配管１３１、１３２、１４１、１４２内で空気が通過する面積を変更し、これらの配管１３１、１３２、１４１、１４２を通過する空気流量を個別に調整する。

そして火力発電プラントのボイラ１００を制御する制御装置２００から出力される操作指令信号２８５を用いて、ミル１１０や前記空気ダンパなどの機器を操作してボイラ１００の運転を制御するように構成されている。

前記ボイラ１００の火炉には、ボイラ内壁及び伝熱管に付着した灰や煤による汚れを除去して伝熱性能を維持する目的でスートブロワ１１１が複数箇所に設置されている。このスートブロワ１１１はノズルから高圧の空気または蒸気を噴射してボイラ内壁や伝熱管の伝熱面に付着した灰や煤などを洗浄するものである。

前記制御装置２００に設置した基本操作指令演算手段２３０は、ＰＩＤ（比例・積分・微分）制御器を基本構成要素として構成されており、中央給電指令所５０から受信する負荷指令信号５１に基づいて、ボイラ１００の運転状態を計測したプロセス計測値２０５、入出力手段２２１から入力する運転員の入力信号、上位制御システムからの指令信号等からなる運転データ２０６を入力としてボイラ１００に設置されているバルブ、ダンパ、モータ等の各種動作機器に対する基本操作指令値２３５を演算して出力するものである。

次に、前記制御装置２００に設置した操作指令決定手段２８０について説明する。

操作指令決定手段２８０は、基本操作指令演算手段２３０から出力される基本操作指令値２３５、または学習手段２９０から出力される操作パラメータ値２９５のうちのどちらか一方を選択し、この選択したものを操作指令値２８５として出力するものである。

次に前記制御装置２００に設置した操作指令決定手段２８０を構成する選択回路を示す制御ブロック図について図４を用いて説明する。

図４に示した制御ブロック図の操作指令決定手段２８０では、該操作指令決定手段２８０に設けられた減算器２８１によって基本操作指令値２３５と学習手段２９０による強化学習結果である操作パラメータ値２９５との偏差信号２８７を計算し、この偏差信号２８７を該操作指令決定手段２８０に設けられた加算器２８４によって基本操作指令値２３５に加算して強化学習操作指令値２８８を作成する。

もし、入力データの異常または演算回路の異常により学習手段２９０の出力値である操作パラメータ値２９５の値が異常になった場合には、偏差信号２８７に該操作指令決定手段２８０に設けられた乗算器２８３で乗じる係数をゼロにすることで強化学習操作指令値２８８は基本操作指令値２３５と等しくなるため、誤って異常信号を出力する危険性が低減される。

操作パラメータ値２９５の値が異常か否かは、学習手段２９０への入力データ及び出力データの上下限値チェック及び変化率の上下限チェックで判定する。この入力データ又は出力データが一つでも予め設定した前記上下限値を逸脱する場合は、該操作指令決定手段２８０に設けられた切替器２８２の出力信号を０とすることで異常の可能性がある操作パラメータ値２９５の出力を防止する。切替器２８２は、それ以外の場合は出力信号を１としている。

そして該操作指令決定手段２８０に設けられた別の切替器２８６では、入力する強化学習操作指令値２８８と基本操作指令値２３５のうち、何れか一方を選択して操作指令値２８５として出力する。

また、操作パラメータ値２９５が異常の場合には、強化学習操作指令値２８８は別の切替器２８６に入力する選択候補から外される。そこで、この操作パラメータ値２９５が異常時の場合には、基本操作指令値２３５として今回値と前回値のどちらか一方の基本操作指令値２３５が出力されるように構成されているので、運転の安全性が確保される。

また、前述したように操作パラメータ値２９５の値が異常時には切替器２８２の出力信号を０としているので、万が一、別の切替器２８６で強化学習操作指令値２８８が選択されたとしてもこの別の切替器２８６からは基本操作指令値２３５が操作指令値２８５として出力されるので異常信号を出力することは無く、二重に安全性が確保されている。

次に前記制御装置２００に設置した学習手段２９０について説明する。

図１の制御装置２００に示したように、学習手段２９０は運転実績データベース２４０に蓄積されたボイラ１００の運転データ２４５、数値解析演算手段４００で計算した数値解析結果４０１を用いて強化学習理論によりプラントの運転状態に対応した適切な操作方法を学習する機能を有している。

強化学習理論の詳細な説明は、例えば前述の非特許文献１である“強化学習（ＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇ）、三上貞芳・皆川雅章共訳、森北出版株式会社、２０００年１２月２０日出版”に述べられているので、ここでは強化学習の概念のみを説明する。

図３に強化学習理論による制御の概念図を示す。図３において、制御装置６１０は制御対象６００に対して操作指令６３０を出力する。制御対象６００は制御指令６３０に従って動作するが、この時、制御指令６３０による動作により制御対象６００の状態が変化する。

そして制御装置６１０は、変化した制御対象６００の状態が制御装置６１０にとって望ましいか、または、望ましくないか、また、それらがどの程度かを示す量である報酬６２０を制御対象６００から受け取る。

実際には制御対象６００から受け取る情報は制御対象６００の状態量であって、それに基づいて制御装置６１０が報酬６２０を計算するのが一般的である。一般に、望ましい状態に近づくほど報酬が大きくなり、望ましくない状態になるほど報酬が小さくなるように設定される。

制御装置６１０は試行錯誤的に操作を実施して、報酬６２０が最大になる（すなわち、できるだけ望ましい状態に近づく）ような操作方法を学習することにより、制御対象６００の状態に応じて適切な制御ロジックが構築されるのである。

ニューラルネットワークに代表される教師付学習理論は、予め成功事例を教師データとして提供する必要があり、新規プラントで運転データがない場合や、現象が複雑で予め成功事例を準備できない場合には不向きである。

これに対して強化学習理論は教師なし学習に分類され、自らが試行錯誤的に望ましい操作を生成する能力を持っている点で、制御対象の特性が必ずしも明確でない場合に対しても適用可能な利点を持っている。

しかしながら、プラントの運転データのみで学習するためには、学習に必要な運転データが十分蓄積されるまで待つ必要があるため、効果を発揮するまでに長時間を要する場合がある。

また、試行錯誤的に学習するため、学習過程では運転上望ましくない状態になる可能性もあり、場合によっては安全面で支障をきたす恐れもある。

そこで、本実施例のボイラの制御装置では、学習を２段階で実施している。まず、第一段階の学習としては、実際の制御対象ではなく制御対象を模擬するモデルを対象に学習する。

この第一段階の学習ではモデルを対象に学習するので、試行錯誤の過程で実際には不適切な運転操作や、安全上好ましくない運転操作があっても良く、結果的にそれらの操作をしないように学習することができる。

しかしながら、モデルは実際のプラントと全く同じ挙動をすることはなく、モデルには誤差がつきものである。そこで、第二段階の学習として、実機プラントの運転データを用いてモデルの誤差を修正しながら、修正したモデルで学習し直すことで制御性能を高めている。この第二段階の学習を再学習または追加学習と呼ぶ。

本実施例の制御装置２００に設置した数値解析演算手段４００は、ボイラ１００の構造をモデル化した数値解析モデルであり、ボイラ１００の燃焼反応、ガス流動、伝熱のプロセスを差分法、有限体積法、有限要素法等の数値解析手法を用いて計算するものである。

数値解析演算手段４００としては数値解析の解析精度が高い方が望ましいが、本実施例では解析手法に特徴があるのでは無く、解析手法を限定するものではないため数値解析方法に関する説明は省略するが、計算対象であるボイラの形状を計算格子（メッシュ）に分割し、格子内の物理量の収支を計算するようにしている。

数値解析演算手段４００による数値解析によってボイラ１００のガス温度、ガス成分の濃度、ガス流速と流れの方向等が計算結果として出力され、数値解析データベース４０２に蓄積される。

前記数値解析演算手段４００による数値解析により、ボイラ１００の様々な操作条件における現象を計算し、ボイラ１００のＮＯｘ濃度の計測位置におけるＮＯｘ濃度を計算する。

また、前記数値解析演算手段４００は必ずしも制御装置２００の内部に設置する必要はなく、制御装置２００とは異なる別の計算機として設置しても良い。

また、数値解析データベース４０２も同様に必ずしも制御装置２００の内部に設置する必要はなく、制御装置２００と別設して数値解析データベース４０２に格納されているデータをモデル化手段２７０及び学習手段２９０に出力できるように制御装置２００との間で通信できる通信機能があれば良い。

前記数値解析演算手段４００によって計算された数値解析結果４０１は数値解析データベース４０２に蓄積される。モデル化手段２７０はこの数値解析データベース４０２に蓄積された数値解析結果４０１の中から必要な数値解析結果４０１のデータを読込む。

そしてモデル化手段２７０は、ボイラ１００のＮＯｘ濃度の計測値を教師信号、その時の操作量を入力信号として、入力層、中間層、出力層からなるニューラルネットワークで、誤差逆伝播法（バックプロパゲーション法）を用いて入出力関係を学習する。

ニューラルネットワークの構成及び学習方法は一般的な方法であり、また、これらの方法が他の方法であっても良く、本実施例ではニューラルネットワークの構成や学習方法には依存しないので、ここでは詳細な説明を省略する。

前記学習手段２９０では、前述したように第一段階の学習として、このニューラルネットワークで学習した数値解析に基づくプラント特性を相手に、ＮＯｘ濃度を抑制する操作方法を学習する。

操作量に相当する操作信号２９３はボイラ１００に設置したバーナ１０２及びアフタエアポート１０３の各位置毎の空気流量、バーナ毎の燃料流量である。

本実施例ではボイラ１００の燃料流量、空気流量と、ボイラ１００から排出される燃焼排ガス中のＮＯｘ濃度の関係をモデル化しているが、本実施例は入力項目及び出力項目をこれだけに限定するものではい。また、モデル化方法もニューラルネットワークに限定するものではなく、回帰モデル等の他の統計モデルを用いても良い。

前記学習手段２９０ではモデル化手段２７０で作成したモデルに対して、ボイラ１００に設置したバーナ１０２及びアフタエアポート１０３の各位置毎の空気流量、バーナ１０２毎の燃料流量からなる操作信号２９３をモデル化手段２７０の入力データとして出力する。

このデータ２９３はボイラ１００の操作条件に対応しており、それぞれ上下限値、変化幅（刻み幅）、一回の操作で取り得る最大変化幅が設定してある。データ２９３の各量は取り得る値の範囲内でランダムに各数値が決定される。

モデル化手段２７０では作成済みのニューラルネットワークモデルに学習手段２９０からデータ２９３を入力し、この学習手段２９０に対する出力データとなるＮＯｘ濃度の推定値２７５を計算して出力する。

学習手段２９０はモデル化手段２７０の出力データであるＮＯｘ濃度の推定値２７５を受信し、報酬値を計算する。

前記学習手段２９０で計算される報酬は式（１）で定義する。ここで、Ｒは報酬値、Ｏ_ＮＯｘはＮＯｘ値、Ｓ_ＮＯｘはＮＯｘ及の目標設定値、κ₁、κ₂、κ₃、κ₄、は正の定数である。

前記学習手段２９０で計算される報酬は式（１）で定義する。ここで、Ｒは報酬値、Ｏ_ＮＯｘはＮＯｘ値、Ｓ_ＮＯｘはＮＯｘの目標設定値、κ₁、κ₂、κ₃、κ₄、は正の定数である。

式（１）に示すように、前記学習手段２９０ではＮＯｘの目標設定値よりもＮＯｘ濃度が低下した場合は報酬Ｒ₁を与え、さらに、ＮＯｘの目標設定値よりもＮＯｘ濃度が大幅に低下した場合はその偏差に比例して報酬Ｒ₂を与えるようになっている。

なお、報酬の定義方法は他にも多様な方法が考えられ、式（１）の方法に限定されるものではない。

学習手段２９０は式（１）で計算される報酬Ｒが最大になるように操作量の組合せである操作信号２９３を学習するため、現状態に対応してＮＯｘ濃度を低減する操作量の組合せの操作信号２９３を学習することができる。

学習手段２９０は学習が終了した状態で、現在時刻のボイラ１００の運転データ２０６を読込み、前記学習結果に基づいて式（１）で計算される報酬Ｒが最大となる操作パラメータ値２９５を演算して操作指令決定手段２８０に出力する。

以上により、制御対象プラントであるボイラ１００の稼動前、すなわち運転実績データが無い状態でも強化学習によってＣＯ、ＮＯｘを抑制する運転操作方法が得られるので、ボイラ１００の試運転時から本制御技術が適用でき、効果を発揮することができる。

また、運転実績データベース２４０の運転実績データのみで学習する場合、運転実績データベース２４０に蓄積させる制御対象プラントのボイラ１００のデータの蓄積に数週間〜数ヶ月を必要とするため、その間十分な制御性能が得られない可能性がある。そのため、ＮＯｘ濃度が高くなり環境性が悪化したり、脱硝装置で用いる還元剤（アンモニア）の消費量が増加する可能性がある。

また、試行錯誤運転のため、安全運転の面からも好ましくない状態になる危険性もあるが、本実施例のボイラの制御装置によればこれらのリスクを抑制・回避できる点で有効である。

しかしながら、数値解析結果の誤差（実機プラント計測値との偏差）をゼロにすることは困難であるため、ボイラ１００が稼動した後は、運転実績データベース２４０に蓄積されたボイラ１００の運転実績データを用いてモデル化手段２７０に構成されたニューラルネットワークモデルの特性を補正する。これが、第二段階の学習である。

そのために、モデル化手段２７０では運転実績データベース２４０に蓄積された運転データ２４５から上記操作信号２９３（バーナ及びアフタエアポートの各位置毎の空気流量、バーナ毎の燃料流量）とＮＯｘ濃度との関係データを数値解析データに加えて追加学習する機能を有している。

このモデル化手段２７０による追加学習により、実機ボイラの運転データ２４５の特性がニューラルネットワークの特性モデルに反映され、モデルの精度が向上する。

また、この運転データ２４５で補正したモデルを相手に学習手段２９０が再度学習し直す機能もあり、これにより、より実機ボイラの特性に即した制御が可能となり、ＮＯｘ濃度の低減効果が大きい操作方法を学習できる。

しかしながら、ＮＯｘ濃度は、火力発電プラントの発電機出力、ボイラ１００のバーナ１０２及びアフタエアポート１０３の各位置毎の空気流量、バーナ１０２毎の燃料流量が同じであっても、変化する場合がある。特に、スートブロワ１１１の動作によってＮＯｘ濃度は変化する。

次にボイラ１００の火炉に設置されて、ノズルから高圧の空気または蒸気を噴射してボイラ内壁及び伝熱管に付着した灰や煤による汚れを除去するスートブロワ１１１の動作とボイラ１００の燃焼ガス中のＮＯｘ濃度との関係について説明する。

ＮＯｘは主に次の２種類に大別できる。一つは燃料中の窒素が酸化するもので、フューエルＮＯｘと呼ばれている。もう一つは、燃焼空気中に含まれる窒素が酸化されるもので、サーマルＮＯｘと呼ばれる。このうち、後者は燃焼ガス温度が高い方がＮＯｘの発生量が多いことが知られている。

ボイラ１００の火炉に設置されるスートブロワ１１１はボイラ１００内の冷却壁面や伝熱管に付着する灰や煤などの伝熱阻害物質を洗浄して、伝熱性能を回復させる目的がある。スートブロワ１１１によって洗浄した直後は、伝熱量が増加して燃焼ガス温度が低下するため、サーマルＮＯｘの発生量も低下する。

スートブロワ１１１で洗浄した後は時間の経過と共に灰や煤が付着または堆積するため、ボイラの燃焼ガスから冷却壁面または伝熱管への伝熱量が低下する。そのため、燃焼ガス温度が上昇し、サーマルＮＯｘの発生量が増加する。

スートブロワ１１１を作動させるタイミングの決め方にもいろいろな方法がある。例えば、予め設定した時間間隔で作動するものや、ボイラ１００に配置された熱交換器１０６を流れる蒸気の温度、圧力、流量から計算した伝熱量が設定した値を下回った場合に作動するものなどがある。何れの方法でも、スートブロワ１１１の作動によって、サーマルＮＯｘ濃度が変化することは同じである。

本実施例の制御装置２００に設けられたモデル化手段２７０は、操作量（バーナ１０２及びアフタエアポート１０３の各位置毎の空気流量、バーナ１０２毎の燃料流量）とＮＯｘ濃度との関係を学習するが、同じ操作量の条件であっても、ＮＯｘ濃度が変化するため、操作量とＮＯｘ濃度との関係を正しく模擬できなくなる。すなわち、スートブロワ１１１が作動することが、外乱となってしまうのである。

この場合、例えば、操作方法は適切でなかったが、スートブロワ１１１の作動によりＮＯｘ濃度が下がった場合、この関係をモデル化したモデル化手段２７０を相手に操作方法を学習する学習手段２９０は、これをＮＯｘ濃度を下げる操作だと学習する。実際にはスートブロワ１１１の影響でＮＯｘが下がったのであるから、この学習結果で制御した場合、この操作ではＮＯｘ濃度が低減できない。

そこで、本発明の実施例においては、制御装置２００にＮＯｘ濃度補正手段２５０を備えることで、この課題を解決する。

次にこのＮＯｘ濃度補正手段２５０の構成について図６を用いて説明する。

図６は本実施例の制御装置２００に備えられたＮＯｘ濃度補正手段２５０を構成する制御ブロックを示すものであり、ＮＯｘ濃度補正手段２５０はＮＯｘ補正モデル２５１と燃料種別データ記憶手段２５２とを備えて構成されている。

燃料種別データ記憶手段２５２は燃料である石炭の銘柄毎に、ＮＯｘ補正モデル２５１で使用するモデルパラメータを記憶している。

ＮＯｘ補正モデル２５１では使用する燃料種類すなわち石炭種類に応じて、燃料種別データ記憶手段２５２に記憶してある対応するモデルパラメータを選択して使用する。これは石炭の種類によって、灰の性状や付着する性質が異なり、ＮＯｘ濃度に及ぼす影響が異なるためである。

ＮＯｘ濃度補正手段２５０に備えられたＮＯｘ補正モデル２５１には、図７に示すようにニューラルネットワークを構成しているＮＯｘ基準値演算部４１１と、同じくニューラルネットワークを構成しているＮＯｘ補正値演算部４０３とを備えて制御ブロックが構成されている。

図７において、ＮＯｘ基準値演算部４１１は灰付着とスートブロワ１１１の噴射によるＮＯｘ濃度の変化を補正するためのＮＯｘ濃度基準値４１２を演算するものであり、このＮＯｘ基準値演算部４１１で演算したＮＯｘ濃度基準値４１２をＮＯｘ補正値演算部４１３に出力する。

ＮＯｘ基準値演算部４１１ではスートブロワ１１１の噴射から所定時間経過後のＮＯｘ濃度を基準値とする。ここでスートブロワ１１１の噴射から所定時間経過後のＮＯｘ濃度を用いるのは、ＮＯｘ濃度には反応時間と燃焼部からＮＯｘ計測位置までの燃焼ガスの流動遅れがあるからである。

またＮＯｘ濃度の基準値はＮＯｘ濃度及び／又はＣＯ濃度を計測する濃度計測器１５４によって検出された数分間のＮＯｘ濃度計測値の平均値としても良い。

スートブロワ１１１の噴射後に基準値となるＮＯｘ濃度を計算し、その時の操作量とＮＯｘ濃度基準値との関係を図８に示すニューラルネットワークを構成するＮＯｘ濃度補正手段２５０で学習する。

図８は制御装置２００のＮＯｘ濃度補正手段２５０を構成するニューラルネットワークを示すもので、このニューラルネットワークの入力データは操作量であるバーナ１０２及びアフタエアポート１０３の各位置毎の空気流量や、バーナ１０２毎の燃料流量であり、このニューラルネットワークの出力データはＮＯｘ濃度基準値である。

また、このニューラルネットワークの教師データは前述したスートブロワ１１１の噴射から所定時間経過後のＮＯｘ濃度である。

そこで図７のＮＯｘ濃度補正手段２５０に設けられたＮＯｘ補正モデル２５１に設置したＮＯｘ基準値演算部４１１を構成するニューラルネットワークに、現在時刻における操作量の前記データを入力すると、ＮＯｘ基準値演算部４１１でスートブロワ１１１の作動状況によらず、操作量の条件に対応したＮＯｘ濃度基準値４１２を演算して出力する。

次に図７のＮＯｘ補正モデル２５１に設置したＮＯｘ補正値演算部４１３を構成するニューラルネットワークに、ＮＯｘ基準値演算部４１１から出力されたＮＯｘ濃度基準値４１２を読込んで、現在時刻におけるＮＯｘ濃度計測値とＮＯｘ濃度基準値４１２との差を計算して出力する。

この差が現在時刻におけるＮＯｘ濃度補正値２５５であり、スートブロワ１１１の噴射後の経過時間とＮＯｘ濃度補正値２５５との関係をこのＮＯｘ補正値演算部４１３を構成する図９に示すニューラルネットワークで学習する。

図９に示したＮＯｘ補正値演算部４１３を構成するニューラルネットワークの入力データは、操作量であるバーナ１０２及びアフタエアポート１０３の各位置毎の空気流量、バーナ１０２毎の燃料流量と、ＮＯｘ濃度計測値及びスートブロワ１１１の噴射後の経過時間である。

そしてＮＯｘ補正値演算部４１３を構成するニューラルネットワークの出力データはＮＯｘ濃度補正値２５５であり、操作量の条件に対応してスートブロワ１１１の噴射後の経過時間に応じたＮＯｘ濃度補正値２５５を出力する。

また、このＮＯｘ補正値演算部４１３を構成するニューラルネットワークの入力データは、少なくともスートブロワ１１１の噴射後の経過時間が必要であるが、他の入力項目は本例に限定されるものではない。

また、ＮＯｘ補正値演算部４１３を構成するニューラルネットワークは入出力データ間の関係を記述する手段であって、回帰式などの他の方法でも良い。

先に述べたように、制御装置２００のモデル化手段２７０は数値解析結果に基づいて学習する機能と、数値解析結果に実機ボイラ１００の運転データ２４５を加えて追加学習する機能を有している。

この時、運転データ２４５に含まれるＮＯｘ濃度計測値が灰付着とスートブロワ１１１の動作によって変動するため、学習の外乱になる恐れがあった。

そこで前述したように本実施例のボイラ制御装置では、運転データ２４５中のＮＯｘ濃度計測値からＮＯｘ濃度補正値２５５を差し引くことにより、数値解析と同じ条件におけるＮＯｘ濃度計測値を補正することを可能としている。

これにより本実施例のモデル化手段２７０では、スートブロワ１１１によるＮＯｘ濃度変化の影響を排除して、操作量とＮＯｘ濃度との関係を学習することができるようになる。

従って、本実施例のボイラ制御装置では、学習手段２９０でスートブロワ１１１の動作による影響によって適切な操作を学習できなくなる恐れが回避されることから、ＮＯｘ濃度を低減する操作方法が学習可能となり、よって効果的にＮＯｘ濃度の排出量を抑制することができる。

数値解析では灰付着の時間的変化や、それに伴う熱吸収量の変化、ＮＯｘ濃度の変化を計算する方法も考えられるが、灰付着の現象は非常に複雑であり、その解析精度と計算時間の増加を考えると現実的ではない。

そこで、本実施例のボイラ制御装置では、灰付着状態の基準状態を設定して数値解析し、実機ボイラの運転データからＮＯｘ濃度への影響を補正するようにしている。

本実施例の数値解析においては、灰付着状態は伝熱面の熱伝達率及び放射率についてスートブロワ１１１の噴射後の状態を想定して設定する。

ＮＯｘ濃度補正手段２５０はＮＯｘ濃度補正値２５５をＮＯｘ濃度計測値から差し引いて、補正後のＮＯｘ濃度を計算する機能を有している他、ＮＯｘ濃度計測値の移動平均値を計算する機能もあり、それらの２つの値２５６を入出力手段２２１に設置した表示画面２２３に出力して表示する。

図５に本実施例のボイラ制御装置２００に設置した入出力手段２２１の表示画面２２３に表示する表示画面例を示す。

図５に示された表示画面２２３の画面は、使用炭種選択欄４２０、補正モデル炭種選択欄４２１、補正値描画ボタン４２２、グラフ表示欄４２３、時刻スクロールバー４２４、炭種設定ボタン４２５から構成される。

使用炭種選択欄４２０は現在使用中の石炭種類を選択するもので、プルダウンメニュー形式で予め登録されている石炭種類が表示され、その中から選ぶようになっている。石炭種類が新規の種類である場合は、入出力手段２２１の入力手段２２２のキーボードから使用炭種選択欄４２０に種類名を入力することで新たに登録される。

また、使用石炭種類が運転中に変更になった場合は、使用炭種を選択後に炭種設定ボタン４２５をマウス操作でクリックすることで、入出力手段２２１から制御装置２００のＮＯｘ濃度補正手段２５０に石炭種情報が送信される。

そしてＮＯｘ濃度補正手段２５０に備えられたＮＯｘ補正モデル２５１では、この石炭種情報に対応するモデルパラメータを燃料種別データ記憶手段２５２から読込んでＮＯｘ濃度の補正値を計算する。モデルパラメータとはニューラルネットワークの各ノード間の結合重み係数である。

図５に示した補正モデル炭種選択欄４２１はＮＯｘ濃度補正手段２５０に設置されたＮＯｘ補正モデル２５１で計算するモデルパラメータの石炭種類を指定することができる。

使用炭種選択欄４２０で選択した石炭種類に自動的に設定されるようになっているが、モデル炭種選択欄４２１で意図的に他の石炭種類のモデルパラメータを使うように設定することができる。この機能により、石炭種類によるＮＯｘ変化傾向の相違がわかりやすくなる。

図５に示したグラフ表示欄４２３には上段にスートブロワ１１１の噴射後の経過時間が、下段にはＮＯｘ濃度の計測値が横軸時刻に対して表示される。時刻スクロールバー４２４をマウス操作により左右に移動させることにより、過去のデータも表示させることができるように構成されている。

ＮＯｘ計測値はグラフ表示欄４２３のグラフ上に実線で、移動平均値は点線で示されている。また、補正値描画ボタン４２２をマウス操作でクリックすると制御装置２００の学習手段２７０で計算した補正後のＮＯｘ濃度が前記グラフ表示欄４２３のグラフ上に一点鎖線で表示され、灰付着及びスートブロワ１１１の影響を除いたＮＯｘ濃度の変化傾向を確認することができるように構成されている。

本実施例のボイラ制御装置では図５に示したグラフ表示欄４２３にグラフ表示するＮＯｘ濃度は計測値の値を実線で、移動平均値を点線で、補正後のＮＯｘ値を一点鎖線でそれぞれ表示しているが、グラフ表示するＮＯｘ濃度は予め定めた基準値からの偏差量でもよく、基準値として前記ＮＯｘ濃度基準値４１２を用いても良い。

以上の説明から明らかなように、本発明の実施例によればスートブロワの作動がボイラの制御系に外乱となる状況を回避してボイラに供給すべき空気供給量の操作量を正しく設定してボイラで発生するＮＯｘ濃度を所望の値に低減可能にしたボイラの制御装置及びボイラの制御方法が実現できる。

本発明は、ボイラの燃焼を制御するボイラの制御装置及びボイラの制御方法に適用可能である。

本発明の一実施例であるボイラの制御装置を示す概略構成図。図１に示した実施例であるボイラの制御装置が備えられた火力発電プラントを示す概略構成図。強化学習理論による制御の概念を説明する図。図１に示した実施例のボイラの制御装置に備えられた操作指令決定手段を構成する選択回路を示す制御ブロック図。本発明の実施例であるボイラの制御装置に設置された表示画面に表示した表示例。図１に示した実施例のボイラの制御装置に備えられたＮＯｘ濃度補正手段の構成を説明する図である。図１に示した実施例のボイラの制御装置に備えられたＮＯｘ補正モデルの構成を示す制御ブロック図。図１に示した実施例のボイラの制御装置に備えられたモデル化手段２７０でＮＯｘ基準値を演算するニューラルネットワークの入出力データを示す説明図。図１に示した実施例のボイラの制御装置に備えられたモデル化手段２７０でＮＯｘ補正値を演算するニューラルネットワークの入出力データを示す説明図。

符号の説明

１００：ボイラ、２００：制御装置、２２０：入出力インターフェース、２２１：入出力手段、２３０：基本制御指令演算手段、２４０：運転実績データベース、２５０：ＮＯｘ濃度補正手段、２５１：ＮＯｘ補正モデル、２７０：モデル化手段、２８０：操作指令決定手段、２９０：学習手段、４００：数値解析演算手段、４０２：数値解析結果データベース、４１１：ＮＯｘ基準値演算部、４１３：ＮＯｘ補正値演算部。

Claims

ボイラの内壁面または伝熱管に付着する付着物を除去するスートブロワを備えたボイラの運転を制御するボイラの制御装置において、
前記ボイラの制御装置は、前記スートブロワが作動時から経過した時間であるスートブロワ経過時間と、ボイラで発生する燃焼ガス中の窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係に基づいて、前記スートブロワ経過時間を入力してＮＯｘ濃度の測定値を補正した補正ＮＯｘ濃度を演算して出力するＮＯｘ濃度補正手段と、
前記ＮＯｘ濃度補正手段から出力された前記補正ＮＯｘ濃度を用いてボイラに設置したバーナまたはエアポートから供給する空気流量に対応する操作指令値を演算してボイラの操作機器に出力する操作指令決定手段を備えていることを特徴とするボイラの制御装置。
ボイラの内壁面または伝熱管に付着する付着物を除去するスートブロワを備えたボイラの運転制御装置において、
前記ボイラの制御装置は、前記スートブロワが作動時から経過した時間であるスートブロワ経過時間と、ボイラで発生する燃焼ガス中の窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係に基づいて、前記スートブロワ経過時間を入力してＮＯｘ濃度測定値を補正した補正ＮＯｘ濃度を演算して出力するＮＯｘ濃度補正手段と、
前記ＮＯｘ濃度補正手段から出力された前記補正ＮＯｘ濃度とボイラに設置したバーナまたはエアポートから供給する空気流量または該空気流量に対する操作指令値との関係に基づいて前記空気流量または前記操作指令値を入力として補正ＮＯｘ濃度推定値を演算して出力するモデル化手段と、
前記モデル化手段に前記空気流量または前記操作指令値を入力してモデル化手段から出力される前記補正ＮＯｘ濃度推定値を読み込んで前記補正ＮＯｘ濃度推定値が所定の条件になる前記空気流量または前記操作指令値を学習し、この学習結果に基づいて前記空気流量または前記操作指令値を演算して出力する学習手段と、
前記学習手段から出力される前記空気流量または前記操作指令値の演算結果を入力として前記バーナまたはエアポートに供給する空気流量に対応する操作指令値を演算してボイラの操作機器に出力する操作指令決定手段を備えていることを特徴とするボイラの制御装置。
請求項２に記載のボイラの制御装置において、
前記モデル化手段は、前記ボイラで生じる燃焼現象を物理的または化学的に記述したモデル式に基づいて計算した数値解析結果のうち、バーナまたはエアポートの空気流量の解析データと、計算した窒素酸化物（ＮＯｘ）の解析データとを、前記空気流量または前記操作指令値及び前記補正ＮＯｘ濃度の代りに読み込んで、前記バーナまたはエアポートに供給する空気流量を入力して前記ＮＯｘ濃度の推定値を演算して出力することを特徴とするボイラの制御装置。
請求項１乃至請求項３のいずれか１項に記載のボイラの制御装置において、
前記ＮＯｘ濃度補正手段は、前記スートブロワ経過時間と、前記窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係を燃料種類毎に複数構築し、これら複数構築した前記関係のデータを記憶する燃料種別データ記憶手段を備えたことを特徴とするボイラの制御装置。
請求項１乃至請求項４のいずれか１項に記載のボイラの制御装置において、
前記ボイラの制御装置は前記スートブロワ経過時間と、窒素酸化物（ＮＯｘ）濃度の測定値、または該ＮＯｘ濃度測定値の基準値からの偏差をそれぞれ表示する表示画面を有する入出力手段を備えていることを特徴とするボイラの制御装置。
請求項４に記載のボイラの制御装置において、
前記ボイラの制御装置は、この制御装置に備えられたＮＯｘ濃度補正手段に入力データを入力する入力手段を備えており、前記ＮＯｘ濃度補正手段は前記入力手段から入力された燃料種類のデータに基づいて該燃料種類のデータに相当する燃料種類の関係データを前記燃料種別データ記憶手段から読み込んでＮＯｘ濃度の補正値を演算して出力するＮＯｘ濃度補正モデルを備えていることを特徴とするボイラプラントの制御装置。
ボイラの内壁面または伝熱管に付着する付着物を除去するスートブロワを備えたボイラの運転を制御するボイラの制御方法において、
ボイラの制御装置に備えられたＮＯｘ濃度補正手段によって、前記スートブロワが作動時から経過した時間であるスートブロワ経過時間とボイラで発生する燃焼ガス中の窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係に基づいて、前記スートブロワ経過時間を入力してＮＯｘ濃度の測定値を補正した補正ＮＯｘ濃度を出力しており、
ボイラの制御装置に備えられた操作指令決定手段によって、前記ＮＯｘ濃度補正手段から出力された前記補正ＮＯｘ濃度を用いてボイラに設置したバーナまたはエアポートの空気流量に対応する操作指令値を演算していることを特徴とするボイラの制御方法。
ボイラの内壁面または伝熱管に付着する付着物を除去するスートブロワを備えたボイラの運転制御方法において、
ボイラの制御装置に備えられたＮＯｘ濃度補正手段によって前記スートブロワが作動時から経過した時間であるスートブロワ経過時間とボイラで発生する燃焼ガス中の窒素酸化物（ＮＯｘ）濃度の測定値または該ＮＯｘ濃度測定値の基準値からの偏差との関係に基づいて、前記スートブロワ経過時間を入力してＮＯｘ濃度測定値を補正した補正ＮＯｘ濃度を出力しており、
ボイラの制御装置に備えられたモデル化手段によって前記ＮＯｘ濃度補正手段から出力された前記補正ＮＯｘ濃度とボイラに設置したバーナまたはエアポートの少なくとも一方の空気流量または該空気流量に対する操作指令値との関係に基づいて前記空気流量または前記操作指令値を入力として補正ＮＯｘ濃度推定値を出力しており、
ボイラの制御装置に備えられた学習手段によって前記モデル化手段に前記空気流量または前記操作指令値を入力してモデル化手段から出力される前記補正ＮＯｘ濃度推定値を読込み、前記補正ＮＯｘ濃度推定値が所定の条件になる前記空気流量または前記操作指令値を学習し、この学習結果に基づいて前記空気流量または前記操作指令値を演算しており、
ボイラの制御装置に備えられた操作指令決定手段によって前記学習手段が出力する前記空気流量または前記操作指令値の演算結果を入力として前記バーナまたはエアポートの空気流量に対応する操作指令値を演算していることを特徴とするボイラの制御方法。