JP5203763B2

JP5203763B2 - 石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法

Info

Publication number: JP5203763B2
Application number: JP2008075695A
Authority: JP
Inventors: 尚弘楠見; 昭彦山田; 喜治林; 孝朗関合; 徹江口; 雅之深井; 悟清水
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2008-03-24
Filing date: 2008-03-24
Publication date: 2013-06-05
Anticipated expiration: 2028-03-24
Also published as: JP2009228995A

Description

本発明は、石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法に関する。

火力発電用プラントに用いられる石炭焚きボイラは、燃料の安定供給の観点から世界各地より輸入した石炭を燃料として多用するのが一般的である。石炭の輸入先の産地によって気候や土質などが異なるために石炭化の過程にも違いが生じ、結果として石炭性状にも幅ができる。

石炭性状が異なると石炭の燃焼特性も変化することから、石炭焚きボイラのボイラ効率にも大きく影響する。従って、石炭の炭種の種別を把握し、炭種に対応させて石炭焚きボイラを運転することが必要である。

従来は、運転員の経験的知識に従って炭種の種別を判断し、石炭焚きボイラの運転制御装置に装備されている運転制御用パラメータの計算プログラムに該当炭種を設定して石炭焚きボイラの運転を行ない、必要に応じて運転制御用パラメータを運転員が手動によって調整していたが、炭種の判別が正確に出来ないという問題があった。

そこで、石炭焚きボイラを含めたプラントの種々の状態量から炭種を識別する技術や、石炭燃焼後の石炭灰を分析して石炭灰中の未燃分などを計測することで炭種を判別する技術が提供されている。

前者としては、例えば特許第３７４６５２８号公報に、石炭焚きボイラの火炉及び再熱器の温度、圧力、流量等の流量計測データから火炉及び再熱器の吸収熱量をそれぞれ推定し、予め計算しておいた基準炭ベースの吸収熱量との相対的な差を基に燃料比に対応する信号を算出することで、炭種を識別する技術が開示されている。

また特開平３−１９１２０５号公報に、石炭焚きボイラの種々の状態量の検出値をもとに、各状態量の相関を多変量解析法の内の確率的距離の概念を用いて炭種と混炭率を判別する技術が開示されている。

後者としては、例えば特開２００３−７４８３３号公報に、石炭焚きボイラから排出される石炭燃焼で発生した石炭灰をレーザ誘起ブレークダウン方法を用いて、その組成成分であるＳｉ、Ａｌ、Ｆｅ、Ｃａ、Ｃの信号強度を検出して石炭灰中の未燃分を算出し、この未燃分に基づき石炭を微細化するミルの運転制御を行なうことで、石炭灰中の未燃分を減少させて石炭焚きボイラの燃焼効率を向上させる技術が開示されている。

特許第３７４６５２８号公報特開平３−１９１２０５号公報特開２００３−７４８３３号公報

ところで、炭種に応じて石炭焚きボイラを運転制御をする場合、炭種等を判別する際に石炭焚きボイラのプラント特有のゆらぎ変動を考慮して検出した石炭焚きボイラの状態量を処理する必要がある。

特許第３７４６５２８号公報に記載された技術では、石炭焚きボイラの状態量の計測信号をもとに計算した吸収熱量と基準炭ベースの吸収熱量との相対的な差を算出しているが、石炭焚きボイラの状態値を検出した計測信号を伝送する際に何らかの原因でこの計測信号に付加されるノイズ成分や、圧力、流量等の計測対象で生じる突発的な計測信号の変動といったプラント特有のゆらぎや変動が生じると、これらの算出値も変動するために炭種の正確な判別が困難となる。

また特開２００３−７４８３３号公報に記載された技術では、石炭焚きボイラで燃焼後の石炭灰を分析してその組成成分から未燃分を算出しているため、この分析結果をボイラの運転制御に反映するまでに時間を要する。そしてこの分析結果が出るまでの間は石炭焚きボイラの運転には炭種の影響が反映されないので炭種を迅速に判別することができない。

また特開平３−１９１２０５号公報に記載された技術では、石炭焚きボイラのプラントの状態量の平均と分散・共分散行列をもとに相関関係を炭種ごとの確率的距離で表し、その距離に応じて炭種の種別と混炭率を決定しているが、前記平均と分散・共分散行列の演算に時間が掛かり炭種を迅速に判別することができないという問題がある。

更に、上記技術では各状態量が石炭焚きボイラのプラント特有のゆらぎ変動を受けた場合は考慮されていないので、プラント特有のゆらぎ変動が生じると前記の算出値が変動して炭種の正確な判別が困難となる。

本発明の目的は、計測した石炭焚きボイラの状態量に生じる石炭焚きボイラのプラント特有のゆらぎ変動を考慮して炭種の判別を正確且つ迅速に行ない、炭種に対応した石炭焚きボイラの運転を可能にした石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法を提供することにある。

本発明の石炭焚きボイラの炭種判別装置は、制御対象の石炭焚きボイラから得られる状態量の計測信号の値をもとに石炭焚きボイラに使用する炭種又は混炭率を算出する石炭焚きボイラの炭種判別装置において、前記炭種判別装置は、前記制御対象から前記計測信号を取り込む外部入力インターフェイスと、前記制御対象から取り込んだ前記計測信号を保存する計測信号データベースと、制御対象の石炭焚きボイラに操作信号を与えた時に得られる炭種の計測信号の値を炭種ごとに推定するモデルと、前記モデルによって推定したモデルの出力がノイズを取り除いた計測信号に近づくように前記モデルに与えるモデル入力の生成方法を学習する学習部と、前記計測信号データベースに保存された計測信号と前記学習の結果を反映した前記モデルによって推定した計測信号との差を推定信号として算出する推定部と、前記推定部で算出した前記推定信号とその対数尤度比に基づいて炭種又は混炭率を決定する判定部を備えていることを特徴とする。

本発明による石炭焚きボイラの炭種判別方法は、制御対象から得られる計測信号の値をもとに石炭焚きボイラに使用する炭種又は混炭率を算出する石炭焚きボイラの炭種判別方法において、前記制御対象から取り込んだ前記計測信号を計測信号データベースに保存し、前記制御対象に操作信号を与えた時に得られる炭種の計測信号の値をモデルを用いて炭種ごとに推定し、前記モデルによって推定したモデル出力がノイズを取り除いた計測信号に近づくように前記モデルに与えるモデル入力の生成方法を学習させ、前記計測信号データベースに保存された計測信号と前記学習の結果を反映した前記モデルによって推定した計測信号との差を算出して推定信号として推定し、前記推定した前記推定信号とその対数尤度比に基づいて炭種又は混炭率を判定することを特徴とする。

本発明によれば、計測した石炭焚きボイラの状態量に生じる石炭焚きボイラのプラント特有のゆらぎ変動を考慮して炭種の判別を正確且つ迅速に行ない、炭種に対応した石炭焚きボイラの運転を可能にした石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法が実現できる。

以下、本発明の実施例である石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法について図面を参照しながら以下に説明する。

図１は、本発明の実施例である石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法を示すものである。

図１において、本実施例の石炭焚きボイラの炭種判別装置は、後述する石炭焚きボイラが制御対象１００となっており、この制御対象１００を制御するボイラ制御装置１０００は、石炭焚きボイラで燃料として供給される石炭の炭種を判別する炭種判別装置２００と、この炭種判別装置２００を保守する保守ツール９１０と、制御対象１００の運転員が前記保守ツール９１０に入力するための入力装置９００と、各種データを表示する画像表示装置９５０を備えている。

下記する各種計測器で計測される石炭焚きボイラである制御対象１００の各種状態量の情報は、計測情報１として炭種判別装置２００に伝送される。

そして図２に示すように、前記炭種判別装置２００の演算によって判別された後述する炭種、または混炭率をボイラ制御装置１０００に入力させ、このボイラ制御装置１０００で演算処理して石炭焚きボイラである制御対象１００に対する指令信号として石炭焚きボイラの操作端となる後述する空気ダンパ１６０、１６１、１６２、１６３に出力してそれぞれ操作し、炭種、または混炭率に応じて石炭焚きボイラを効率良く運転する。

図１に示したように、前記炭種判別装置２００には制御対象１００からプラントの状態量を測定した計測信号１を炭種判別装置２００に取り込む外部入力インターフェイス２１０が設置されており。この外部入力インターフェイス２１０を介して制御対象１００からの計測信号１を取り込む。

また、炭種判別装置２００には、外部出力インターフェイス２７０が設置されており、前記炭種判別装置２００の判断部７００で判断した炭種のデータを外部出力インターフェイス２７０を介して保守ツール９１０に設置したデータ送受信処理部９３０に対して出力信号５１として送信する。

制御対象１００から外部入力インターフェイス２１０を介して取り込んだ計測信号２は、前記炭種判別装置２００に設置された計測信号データベース２２０に伝送されて保存されると共に、該炭種判別装置２００に設置された切替部２３０に伝送される。

切替部２３０では該切替部２３０から出力する切替信号２０に応じて、計測信号２を前記炭種判別装置２００に設置されたモデル作成部３００、あるいは推定部６００にそれぞれ伝送する。

切替部２３０から出力する切替信号２０が「モデル作成」であれば、切替部２３０からモデル作成部３００に計測信号４を伝送する。

また、切替部２３０から出力する切替信号２０が「推定」であれば、切替部２３０から推定部６００に計測信号８を伝送する。

前記炭種判別装置２００に設置された学習部５００は、該炭種判別装置２００に設置されたモデル４００と接続されている。

前記モデル４００は、制御対象の石炭焚きボイラ１００を特性炭種ごとに模擬する機能を持つ。すなわち、前記炭種判別装置２００から出力信号５１を制御対象の石炭焚きボイラ１００に与えた結果として、制御対象の石炭焚きボイラ１００から状態量の計測信号１を得るのと同じように、モデル入力１２をモデル４００に入力して該モデル４００で石炭焚きボイラ１００の運転の模擬を行ない、その模擬結果としてモデル出力１３を出力する。

このモデル４００から出力するモデル出力１３は、計測信号１の予測値である。

前記モデル４００は、制御対象の石炭焚きボイラ１００の特性を模擬するものであり、物理法則に基づくモデル式、あるいは統計的手法を用いてモデル入力１２に対するモデル出力１３を模擬して計算する機能を持つ。

モデル４００に必要なモデルパラメータ７は、前記炭種判別装置２００に設置されたモデル作成部３００からこのモデル４００に入力される。

前記モデル作成部３００は、前記炭種判別装置２００に設置されたモデルパラメータデータベース２４０に保存されている前回モデルパラメータ５と、前記切替部２３０から伝送される計測信号４とを用いて前記モデル４００を生成する機能を持つ。

また前記モデル作成部３００は、モデルパラメータデータベース２４０に前回モデルパラメータ５が無い場合には、乱数等によって新たに生成したモデルパラメータと切替部２３０から伝送される計測信号４とを用いて、モデル４００を生成する機能を持っている。

また、前記モデル作成部３００では、この新たに作成したモデルパラメータを現モデルパラメータ６としてモデルパラメータデータベース２４０に保存するようにしている。

前記モデル作成部３００は学習部５００と接続しており、学習に必要なモデルパラメータ７をモデルパラメータデータベース２４０から抽出して前記学習部５００に伝送する。

学習部５００では、モデルパラメータデータベース２４０に保存されているモデルパラメータ７をモデル作成部３００を介して得ることになる。

前記学習部５００では、モデルパラメータ７と、更にモデル出力１３を用いてモデル４００に入力させるモデル入力１２を学習して生成する。

この学習部５００では、モデル入力１２とモデル出力１３を介してモデル４００内のモデルパラメータ７を更新し、その更新した学習情報を、更新モデルパラメータ１０としてモデルパラメータデータベース２４０に送信する。

前記炭種判別装置２００に設置された推定部６００は、切替信号２０にて切替部２３０に「推定」が入力された際に前記切替部２３０から伝送される計測信号８と、切替信号２０を同様に受けたモデル作成部３００から推定用のモデルパラメータ７が伝送されたモデル４００で模擬されて得られるモデル出力１４とを得て、推定信号９を生成する。

前記推定部６００で生成した推定信号９は、前記炭種判別装置２００に設置された判別部７００および外部出力インターフェイス２７０に伝送される。

前記判別部７００では、推定部６００から得た推定信号９に基づいて炭種判別と混炭率を演算し、演算の結果得られた炭種及び混炭率の判別信号１５を外部出力インターフェイス２７０に伝送する。

石炭焚きボイラである制御対象１００の運転員は、キーボード９０１とマウス９０２で構成される入力装置９００、及び画像表示装置９５０に接続されている保守ツール９１０を用いることにより、炭種判別装置２００に備えられた種々のデータベースに保存されている情報にアクセスすることができる。

保守ツール９１０は、外部入力インターフェイス９２０と、データ送受信処理部９３０と、外部出力インターフェイス９４０を備えて構成されている。

入力装置９００で生成した入力信号３１は、外部入力インターフェイス９２０を介して保守ツール９１０に取り込まれる。データ送受信処理部９３０では外部入力インターフェイス９２０を介して入力する入力信号３２の情報に従って、炭種判別装置２００に備えられているデータベース情報３０を取得する。

データ送受信処理部９３０では、炭種判別装置２００のデータベース情報３０を処理した結果得られる出力信号３３を外部出力インターフェイス９４０に送信し、この外部出力インターフェイス９４０から出力信号３４として画像表示装置９５０に出力して表示する。

尚、本実施例の石炭焚きボイラの炭種判別装置では、データベースが全て炭種判別装置２００の内部に配置されているが、これらを炭種判別装置２００の外部に配置することもできる。また、本実施例では出力信号５１を生成するための信号処理機能が全て炭種判別装置２００の内部に配置されているが、これらを炭種判別装置２００の外部に配置してもよい。

次に本発明を石炭焚きボイラを備えた火力発電プラントに適用した実施例である石炭焚きボイラの炭種判別装置について、本実施例の炭種判別装置に設置したデータベースに保存されている情報、及び信号処理機能について説明する。

まず、図２を用いて制御対象１００の石炭焚きボイラ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、燃料の石炭は、石炭を貯蔵しているコールバンカー１１１から給炭器１１２を介してミル１１０に供給される。ミル１１０では内部のローラにより石炭を細かく砕いて微粉炭にして石炭搬送用の１次空気、及び燃焼調整用の２次空気と共に石炭焚きボイラを構成する火炉１０１に設置したバーナ１０２を通じて火炉１０１に投入し、火炉１０１内部で燃料の微粉炭を燃焼させる。

燃料の微粉炭と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、２段燃焼用のアフタエアを、火炉１０１に設置したアフタエアポート１０３を通じて火炉１０１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。

燃料の石炭を火炉１０１の内部で燃焼させて発生した高温の燃焼ガスは、火炉１０１を矢印で示した経路に沿って下流側に流れ、火炉１０１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火炉１０１から排出されて火炉１０１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。

火炉１０１を循環する給水は、タービン１０８を経た蒸気を復水に凝縮する復水器１１３から給水ポンプ１０５を介して火炉１０１に導かれ、火炉１０１に設置した熱交換器１０６において火炉１０１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。

火力発電プラントの運転状態である状態量を検出する様々な計測器として、例えば図２には、火炉１０１に配設した熱交換器１０６で発生した蒸気を蒸気タービン１０８に供給する経路には温度計測器１５１と圧力計測器１５２とを設置して、前記蒸気の温度Ｔと圧力Ｐをそれぞれ測定している。

また、蒸気タービン１０８を流下した蒸気を冷却して復水に凝縮する復水器１１３からこの復水を前記熱交換器１０６に供給する経路には流量計測器１５０を設置して供給される復水の流量を測定し、また発電機１０９には発電出力計測器１５３を設置して前記発電機１０９で発電した電力量を測定している。

また、火炉１０１には、燃料の微粉炭を火炉１０１の内部で燃焼させて生じた燃焼ガス中のＮＯｘ濃度及び／又はＣＯ濃度を計測する濃度計測器１５４が設置されている。

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。

そして、前述したこれらの各種計測器で計測された石炭焚きボイラである制御対象１００の各種状態量の情報は、計測情報１として炭種判別装置２００に伝送される。

そして前記炭種判別装置２００の演算によって決定された炭種、または混炭率はボイラ制御装置１０００に入力し、このボイラ制御装置１０００で演算処理されて石炭焚きボイラである制御対象１００に対する指令信号に基づいて石炭焚きボイラの操作端となる下記する空気ダンパ１６０、１６１、１６２、１６３をそれぞれ操作して、炭種、または混炭率に応じて石炭焚きボイラを効率良く運転することが出来る。

次に、制御対象１００である石炭焚きボイラの火炉１０１に設置されたバーナ１０２から火炉１０１内に投入される１次空気及び２次空気、火炉１０１に設置されたアフタエアポート１０３から火炉１０１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で合流してミル１１０に導かれる。

エアーヒーター１０４を通過する空気は、火炉１０１から排出される燃焼排ガスにより加熱されるが、この１次空気を用いてミル１１０で生成される微粉炭を配管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、それぞれ火炉１０１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。

図２に示した制御対象１００である石炭焚きボイラを備えた火力発電プラントには、火力発電プラントの運転状態を検出する前記した各種の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制御対象１００の火力発電プラントの状態量を示す計測信号１は、炭種判別装置２００に設置された外部入力インターフェイス２１０に入力するように構成されている。

また、図３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には空気ダンパ１６２及び空気ダンパ１６３が配置されおり、同様にエアーヒーター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には空気ダンパ１６１及び空気ダンパ１６０がそれぞれ配置されている。

これらの空気ダンパ１６０、１６１、１６２、１６３をそれぞれ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が変更され、これらの配管１３１、１３２、１４１、１４２を通過して火炉１０１に供給される空気流量が個別に調整される。

そして、制御対象１００から入力した石炭焚きボイラを備えた火力発電プラントの状態量を示す計測信号１に基づいて炭種判別装置２００において判断した炭種の出力信号５１を出力し、この出力信号５１に基づいて前記給水ポンプ１０５、ミル１１０、並びに空気ダンパ１６０、１６１、１６２、１６３などの操作機器を操作して石炭焚きボイラ１００の運転を制御するように構成している。

次に、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００に設置した計測信号データベース２２０、及び推定信号データベース２３０に保存する情報について説明する。

図４は本実施例である石炭焚きボイラの炭種判別装置２００に設置した計測信号データベース２２０に保存されている情報の態様を説明する図であり、図５は本実施例である石炭焚きボイラの炭種判別装置２００に設置したモデル４００のモデル構造の概略を説明する図である。

図４に示したように、前記炭種判別装置２００の計測信号データベース２２０には、制御対象の石炭焚きボイラ１００で計測された状態量を示す計測信号１である計測信号データの情報が、設置された計測器毎に外部入力インターフェイス２１０を介して入力し、各計測時刻と共に保存される。

例えば、図２に示した火力発電プラントに設置された流量計測器１５０、温度計測器１５１、圧力計測器１５２、発電出力計測器１５３、濃度計測器１５４によってそれぞれ計測した流量値Ｆ、温度値Ｔ、圧力値Ｐ、発電出力値Ｅ、及び燃焼ガスに含まれるＮＯｘ濃度Ｄが、時間の情報と共に炭種判別装置２００の計測信号データベース２２０に保存される。

尚、図４に示した計測信号データでは１秒周期でデータを保存しているが、データ収集のサンプリング周期は任意に設定することが可能である。

計測信号データベース２２０に格納されている計測信号データを容易に活用できるようにするために、各計測信号データにはＰＩＤ番号という固有の番号が割り当てられている。

また、前記推定信号データベース２５０に保存される情報も同様に、図５のモデル４００のモデル構造に示すように、ノイズ成分を取り除くように推定した信号や、推定部６００で処理した際に算出される各種信号が、時間の情報と共に前記推定信号データベース２５０に保存される。

前記炭種判別装置２００に設置したモデル作成部３００は、切替信号２０に応じてモデル４００にモデルパラメータを設定する。切替信号２０が「モデル作成」であれば、モデルを新たに構築する場合に必要なモデルパラメータ７をモデル作成部３００からモデル４００に出力して新たなモデルを設定する。

過去のモデルパラメータを活用する場合には、モデルパラメータデータベース２４０に保存されている過去のモデルパラメータをロードする。切替信号２０が「推定」であれば、推定に用いるモデル４００のモデルパラメータ７をモデルパラメータデータベース２４０からモデル作成部３００を経由してモデル４００にロードする。

次に、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００に設置したモデル４００と学習部５００の動作について説明する。

図５は、モデル４００のモデル構造を説明した図である。このモデル構造としては、入力層、マッピング層、ボトルネック層、デマッピング層、出力層からなり、各層のノードが相互的に結合した構造となっている。

ノード部は線形あるいは非線形関数を用いるが、シグモイド関数を用いるのが一般的である。各ノードの結合には重み係数があり、各ノードの相互関係の強さを表している。通常、モデルパラメータとは、この重み係数を指す。

モデル４００に対する入力信号には、石炭焚きボイラである制御対象１００から取り込まれた関連する計測信号を入力する。炭種に関する場合は熱吸収量に関連する計測信号を選択すればよい。例えば、火炉１０１内にある熱交換器１０６付近の温度や圧力などである。

また、天候により貯炭地に含まれる水分量が異なる。水分量が異なると同じ炭種でも燃焼のしかたが異なるため、モデル４００に対する重要な入力信号の候補となる。ただし、これに限定することではない。

学習部５００で、このモデル４００に対するモデルパラメータを決定する。手法としては、モデルの出力信号に教師信号を与え、その差の絶対値あるいは二乗誤差が小さくなるようにパラメータを修正する。一般に、このようなパラメータ修正法を学習と呼んでいる。

モデル４００では、図５にこのモデル４００を構成するモデル構造を示したように５層でボトルネック層を中心に対称的なノード数となる自己連想型ニューラルネットワークを用いている。なお、自己連想型ニューラルネットワークの構造やその学習方法については、周知の技術であるため、次の“Ｍ．Ａ．Ｋｒａｍｅｒ：ＮｏｎｌｉｎｅａｒＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓＵｓｉｎｇＡｕｔｏａｓｓｏｃｉａｔｉｖｅＮｅｕｒａｌＮｅｔｗｏｒｋｓ，ＡｌＣｈＥＪｏｕｒｎａｌ、Ｖｏｌ．３７、Ｎｏ．２、１９９１”を参考文献として示しておく。

自己連想型ニューラルネットワークの特徴は、入力信号と同じ信号を教師信号として与えることにある。このモデル４００に入力信号を与えると学習により、入力信号と同じ信号が出力信号として得られるようになる。

これにより、入力信号間にある非線形の関係をモデル４００内に構築することが可能である。また、ボトルネック層の個数は、基本的に入力信号の個数よりも少なくすることが一般的であり、これによって、入力信号の主成分のみを抽出する機能も合わせ持つ。よってこのモデル４００を炭種ごとに用意しておけば、炭種ごとの推定モデルを構築することができる。

モデル４００のノードには、一般的な関数であるシグモイド関数を用いてもよいが、プラントの計測信号は多くのゆらぎ要素があり、また、データ数にも散らばりがあるため、分布で表現する方が適切である場合が多い。そこで、各ノードには、ガウス関数を用いるモデル４００を適用する。この場合、各ノードの平均および分散がパラメータとして加わる。学習方法としては、ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎネットワークとして、先ほど述べた参考文献にも記載されている。

図６は、炭種とノードの出力値である計測信号Ａとの関係をプロットしたものである。プラントの状況により、グラフにプロットできる点数は異なる。例えば、新設プラントでは、設計値情報などから求めることになるが、少ないデータ数となる。一方、運転年数の多いプラントでは、データ数が多くなる。

このようにプラント状況によりデータ数に差異が生じるため、各データに分布を仮定し、データ数の差異を分布の形状で表現することにする。データ数が少ない場合には、分散が大きいのでひろがった分布となる。データ数が多い場合には、分散が小さくなるので尖った分布となる。

データに対する事前情報がある場合には、分布形状を仮定することができるが、新規データなどの場合には、事前情報が無く得られたデータをもとに分布を推定する必要がある。データのみから分布を推定する手法は多数知られているが、母集団分布が何であってもデータ数の増加によりその分布は正規分布に近づくという中心極限定理から正規分布を仮定すればよい。

分布が仮定できれば平均と分散より形状を決定することができる。なお、中心極限定理による正規分布の仮定については、例えば、“統計学入門、東京大学教養学部統計学教室編、東京大学出版会、１９９１年７月１０日出版”に詳しく述べられている。

以上の観点から、各ノード関数にガウス関数を用いる方がより適切である。また、自己連想型ニューラルネットの基底関数にガウス関数を適用した事例はなく、この組み合わせにより、データ数を反映しプラントの変動にもロバストな推定モデルが構築可能となる。

図７は、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００に設置したモデル４００を作成するための学習部５００における演算処理のフローチャートを説明する図である。尚、本フローチャート実行に必要なパラメータについては、モデルパラメータデータベース２４０に保存されている。このモデルパラメータデータベース２４０に保存されている情報の形態については後述する。

図７に示すように、ステップ４０１では過去に設定したモデルパラメータを用いるのか、あるいは新規にモデルパラメータを作成するのかを選択する。

新規にモデルパラメータを作成する場合には、ステップ４０２でモデルパラメータの初期値を乱数を用いて設定する。

次に、ステップ４０３では計測信号データベース２２０からモデル４００の入力信号および教師信号となる計測信号４を抽出する。

ステップ４０４では、学習部５００において学習回数や学習係数、ノード数など学習に必要なパラメータを設定する。新規にモデルパラメータを作成する場合には、モデルパラメータデータベース２４０に保存されているデフォルト値を用いる。

ステップ４０５では、学習部５００においてモデルパラメータを学習により初期値から逐次更新する。学習によるモデルパラメータの更新方法は、ＢａｃｋＰｒｏｐａｇａｔｉｏｎ法などを用いる。この学習方法については、“ニューラルネットと計測制御、西川・北村編著、朝倉書店、１９９５年１月２５日出版”に詳しく述べられている。

基本的には、モデル４００に入力信号を与えたときの出力信号と教師信号の差が無くなるように、学習部５００においてモデルパラメータを更新する。モデル４００からの出力信号と教師信号の差は、一般的には二乗誤差で表現され、評価関数と呼ばれる。各モデルパラメータを変動させた場合の評価関数の変動分を偏微分計算し、得られた値に学習係数を掛けたものをモデルパラメータの更新分とする。

これを学習部５００において繰り返していくと、モデル４００の出力信号と教師信号の差が無くなり、評価関数がゼロに近づく。評価関数がゼロに近づくと、偏微分の値もゼロに近くなり、モデルパラメータの更新量がセロに近づく。

数値計算では、完全にゼロになることは無いので、ステップ４０６にて、評価関数が設定された値以下になると学習部５００における学習が終了したとみなし、モデル作成を終了する。学習の終了条件に満たない場合には学習の繰り返し回数が設定された回数に達した時点で、繰り返し計算をストップし、ステップ４０４に戻って、再度、学習用パラメータを設定する。

ステップ４０１にて、過去のモデルパラメータの使用を選択した場合、ステップ４０７で過去のモデルパラメータを初期値とし学習によって修正するかどうか選択する。修正する場合には、ステップ４０３に進む。修正しない場合には、過去のモデルパラメータをそのまま使用するため、モデル４００を再構築する必要がなく、モデル作成は終了となる。

尚、本実施形態では、ノードにガウシアン関数を用いたＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎネットワークを用いているが、制御対象であるプラントの状況や計測信号の特徴などから他の基底関数を用いたネットワークモデルを用いてもよい。

図８は、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００に設置したモデルパラメータデータベース２４０に保存されている情報の形態を説明する図である。

図８には、モデルパラメータデータベース２４０には、複数の炭種と、これらの炭種に対応したＩＤ、作成日時、学習係数、学習回数、終了条件、ノード数（入力／出力層、マッピング／デマッピング層、ボトルネック層）、パラメータ値の具体例が示されている。

ここで、パラメータ値とは、重み係数と基底関数を決めるためのパラメータのことである。重み係数はノードの相互結合分あり、それぞれＷ_１１、Ｗ_１２、・・・として保存されている。基底関数を決めるパラメータは、例えば、シグモイド関数の場合は傾きと入力側の平行移動量を、ガウス関数の場合は中心値、分散値、入力信号の平行移動量である。尚、ＩＤの値が０００のものは、該当炭種のモデルパラメータを新規に作成する場合の学習パラメータのデフォルト値を示している。新規作成用のため、ノード数およびパラメータ値の箇所は通常、ブランクとなっている。

次に、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００に設置したモデル４００と推定部６００の動作について図１を用いて説明する。推定部６００は制御対象１００から得られた計測信号２をもとに各炭種の推定度合を算出する。

図１において、はじめに、切替信号２０が「推定」となった場合、モデル作成部３００から各炭種の推定に用いるモデルパラメータ７がモデル４００に設定される。

また、切替部２３０より計測信号データベース２２０に保存した計測信号８がモデル４００と推定部６００にそれぞれ入力される。

モデル４００では、モデル作成部３００で設定されたモデルパラメータ７によって構築された各炭種のモデルに計測信号８を入力信号として入力する。その結果、モデル４００の演算によって得られた出力信号をモデル出力１４として推定部６００に伝送する。

推定部６００では、モデル出力１４と計測信号８の差を時間ごとに計算し、モデル出力１４とともに推定信号９として判断部７００に出力する。そして判断部７００では下記する演算によって判断した炭種を決定して外部出力インターフェイス２７０、及び推定信号データベース２５０に出力する。

次に判断部７００の動作について詳細に説明すると、判断部７００では、推定部６００から入力する推定信号９をもとに、炭種と混炭率を決定する。推定信号９には、炭種ごとのモデル４００に計測信号８を入力した際のモデル出力１４と計測信号８との差が含まれている。

モデル４００は炭種ごとに用意されており、そのときの関係がモデル化されているため、計測信号８の炭種と同じモデル４００の出力信号と計測信号８との差はほとんど無い。つまり、判断部７００では、この推定信号９の大きさをもとにどの炭種かを判断すればよいことになる。ただし、この判断を単に、しきい値を設定することで炭種を判定すると、石炭焚きボイラの状態値を検出した計測信号を伝送する際に何らかの原因でこの計測信号に付加されるノイズ成分や、圧力、流量等の計測対象で生じる突発的な計測信号の変動といったプラント特有のゆらぎや変動に影響を受けてしまうことになる。そこで、判断部７００においては炭種と混炭率の判定に、（１）式に示す対数尤度比を用いる。

（１）式において、Ｘｎは推定信号９の時刻ｎの値である。Ｈ０は例えば炭種Ａで成立する仮説を、Ｈ１は炭種Ａではない仮説を表している。つまり、Ｐ（Ｘｎ｜Ｈ_０）はＸｎが炭種Ａである確率を、Ｐ（Ｘｎ｜Ｈ_１）は炭種Ａでない確率を表している。Ｈ_０とＨ_１の確率分布は例えば正規分布で表されることが一般的であり、その中心値と分散は炭種の持っている特性をもとに設定する。

例えば、図６に示した各炭種とノード出力値との関係を示した分布図をもとに設定するのが適切である。（１）式は、推定信号９が大きくなる、つまり炭種Ａでない分布に近づくと式の値はプラスになる。逆に推定信号９が小さくなると、（１）式の値はマイナスになる。従って、炭種Ａではない状態が継続すると、（１）式の値が大きくなる。この値が大きくなると下記の（２）式で定めた値よりも大きくなると炭種Ａではないと判断する。

（２）式において、αは誤検知の確率、βは検出もれの確率である。一般的には、両方とも０．００１に設定される。また、下記の（３）式で決定した値よりも小さくなると炭種Ａと判断する。

この手法では、同じ状態が継続されると（１）式の値が変化するため、石炭焚きボイラの状態値を検出した計測信号を伝送する際に何らかの原因でこの計測信号に付加されるノイズ成分や、圧力、流量等の計測対象で生じる突発的な計測信号の変動といった石炭焚きボイラのプラント特有のゆらぎや変動では、（１）式の値の変化は小さく、その影響を受けにくい。

この判断部７００における炭種の判定では、入力される信号ごとに計算されるため、炭種ごとのモデル４００について、入力信号ごとの上述の判定で該当する入力信号が一番多いモデル４００を選択し、そのモデル４００が模擬している炭種を、現在の炭種と判別する。

また、推定信号９を合計した値、あるいは、平均した値を改めてＸｎとして上述の方法にて炭種を判断することも可能である。

次に、燃料の石炭が２つ以上の炭種が混合している場合について、判断部７００における炭種の判定と混炭率の決定方法について述べる。

石炭として２つ以上の炭種が混炭している場合には、２つ以上の炭種が該当すると前述した手法で判定される。

例えば、混合している炭種に炭種Ａと炭種Ｂが該当すると仮定すると、判断部７００にて炭種Ａの入力信号ごとの推定信号９の差を合計し、炭種Ｂの入力信号ごとの推定信号９の差を合計する。その二つの値を合計したものを分母とし、それぞれの値を分子とすることで相対比が求まるため、これを混炭率とする。

また、合計値の代わりに平均値あるいはメディアン値を用いて計算することも可能である。メディアン値を用いるとプラント特有の突発的な変動が発生しても、影響が少ないため、対象プラントの特性に応じて、合計値、平均値、メディアン値を用いる手法を適用する。

次に、図９に示したように、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００に設置した推定信号データベース２５０には、例えば、複数の炭種と、炭種毎のＰＩＤ、入力信号、モデル出力１４、推定信号９が時刻ごとに格納される。

外部出力インターフェイス２７０は、判断部７００で判別した炭種と、算出した混炭率を出力信号５１として保守ツール９１０に伝送する。

次に、本実施例の石炭焚きボイラの炭種判別装置において、制御対象１００である石炭焚きボイラを備えた火力発電プラントの運転員が、保守ツール９１０を用いて画像表示装置９５０に判断した炭種、混炭率、及び各データベースの情報を表示させる方法について説明する。

図１０〜図１４は、本実施例の石炭焚きボイラの炭種判別装置に設置した画像表示装置９５０に表示される画面の実施例である。運転員は、入力装置９００のキーボード９０１や、マウス９０２を用いてこれら画面の空欄となっている箇所にパラメータ値を入力するなどの操作を実行する。

図１０は、画像表示装置９５０に表示される初期画面である。運転員は、図１０に示した学習条件設定ボタン９５１、推定条件設定ボタン９５２、情報表示ボタン９５３の中から必要なボタンを選択し、マウス９０２を用いてカーソル９５４を移動させ、マウス９０２をクリックすることによりこれらの中から必要なボタンを選択して押す。

図１１は、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００において学習条件設定画面を説明する図である。図１０において運転員がマウスで学習条件設定ボタン９５１をクリックすることにより、図１１の画面が表示される。

運転員は、炭種ごとにモデル４００に必要な設定を入力する。図１１の画面の右上に表示された炭種切替メニュー９６３にて炭種を選択する。図１１の画面のモデル生成欄９６１には、図７に示した学習部５００における学習処理のフローチャートを実行するために必要な、学習係数、学習回数及び終了条件を、モデル固有のＩＤをもとに入力あるいは既に入力されている値を修正することができる。

また、この機能を用いて、ＩＤが０００であるデフォルト値を運転員が変更することができる。図１１の画面のモデル構造欄９６２には、モデル４００の構造、及びノードに設定する基底関数の種類とそのパラメータを設定するのに必要な値を入力する。

図１１の下部に表示された保存ボタン９６４をクリックすることにより、モデル生成欄９６１、及びモデル構造欄９６２に入力された情報は、図２の炭種判別装置２００におけるモデルパラメータデータベース２４０に炭種切替メニュー９６３に入力された炭種ごとに保存される。

また、上記モデル生成欄９６１、及びモデル構造欄９６２に入力された情報は、図２の炭種判別装置２００において、切替信号２０に「モデル学習」を設定するとともに、モデル作成部３００に転送される。

また図１１の下部に表示されたキャンセルボタン９６５をクリックすると、モデル作成欄９６１、モデル構造欄９６２、炭種切替メニュー９６３に入力された情報がキャンセルされる。また、戻るボタン９６６をクリックすることにより、図１０の画面に戻る。

図１２は、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００において推定条件設定画面を説明する図である。図１０において運転員がマウスで推定条件設定ボタン９５２をクリックすることにより、図１２の画面が表示される。

運転員は、炭種ごとに推定に用いるモデル４００を図１２の画面の右上に表示された推定用炭種切替メニュー９７３にて炭種を選択する。図１２の画面のモデル生成情報欄９７１には、選択した炭種のモデル固有のＩＤ、学習に用いた学習係数、学習が終了した際の学習回数と学習誤差を表示する。ＩＤが０００であるモデル４００は表示されない。

図１１の画面のモデル構造情報欄９７２には、選択したモデル４００の構造、基底関数、及び基底関数に設定したパラメータの情報が表示される。また、判別設定値欄９７７では、誤検知の確率、及び検出もれの確率を入力する。

図１２の下部に表示された転送ボタン９７４をクリックすることにより、モデル生成情報欄９７１、モデル構造情報欄９７２、及び判別設定欄９７７に入力された情報は、図２の炭種判別装置２００における切替信号２０に「推定」を設定するとともに、モデル作成部３００に転送される。モデル作成部３００は、転送された情報をもとに、推定部６００にモデルパラメータ７を設定する。

また、図１２の下部に表示されたキャンセルボタン９７５をクリックすると、モデル作成情報欄９７１、モデル構造情報欄９７２、推定炭種切替メニュー９７３に入力された情報がキャンセルされる。また、戻るボタン９７６をクリックすることにより、図１０の画面に戻る。

図１３は、本実施例の石炭焚きボイラの炭種判別装置を構成する炭種判別装置２００において、計測信号データベース２２０、及び推定信号データベース２５０に保存されている情報を画像表示装置９５０に表示させるため、その条件を設定する画面である。

図１０において運転員がマウスで情報表示ボタン９５３をクリックすることにより、図１３が表示される。

運転員は、画像表示装置９５０に表示させたい計測信号、あるいは操作信号を図１３の入力欄９８１に、そのレンジ（上限／下限）と共に入力する。また、表示させたい時間を時刻入力欄９８２に入力する。

図１３の下部に表示された表示ボタン９８３をクリックすることにより、図１４に示したようなトレンドグラフが画像表示装置９５０に表示される。また図１４の下部に表示された、戻るボタン９９１をクリックすることにより、図１３の画面に戻る。

また、図１３の下部に表示された、戻るボタン９８４をクリックすることにより、図１０の画面に戻ることができる。

尚、以上で述べた画像以外にも、炭種判別装置２００内のデータベースに保存されている任意の情報を、任意の態様で画像表示装置９５０に表示することもできる。

上記した本実施例によれば、計測した石炭焚きボイラの状態量に生じる石炭焚きボイラのプラント特有のゆらぎ変動を考慮して炭種の判別を正確且つ迅速に行ない、炭種に対応した石炭焚きボイラの運転を可能にした石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法が実現できる。

本発明は、石炭焚きボイラの炭種判別装置及び石炭焚きボイラの炭種判別方法に適用可能である。

本発明の一実施例である石炭焚きボイラの炭種判別装置の概略構成を示す制御ブロック図。図１に示した本発明の実施例の炭種判別装置が適用され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図。図２に示した石炭焚きボイラを備えた火力発電プラントのエアーヒーターを示す部分図。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置した計測信号データベースに記憶されたデータの態様を示す説明図。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置したモデルの構造を示す説明図。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置したモデル化対象となる炭種とノード出力との関係を示す説明図。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置したモデル作成部における動作を示すフローチャート。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置したモデルパラメータデータベースに記憶されたデータの態様を示す説明図。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置した推定信号データベースに記憶されたデータの態様を示す説明図。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置した画像表示装置に表示される初期画面。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置した画像表示装置に表示される学習条件設定画面の前半画面。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置した画像表示装置に表示される推定条件設定画面の前半画面。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置した画像表示装置に表示される表示情報設定画面。図１に示した本発明の実施例である石炭焚きボイラの炭種判別装置に設置した画像表示装置に表示される計測値のトレンドグラフ。

符号の説明

１００：制御対象、２００：炭種判別装置、２１０：外部入力インターフェイス、２２０：計測信号データベース、２３０：切替部、２４０：モデルパラメータデータベース、２５０：推定信号データベース、２６０：学習パラメータデータベース、３００：モデル作成部、４００：モデル、５００：学習部、６００：推定部、７００：判断部、９００：入力装置、９０１：キーボード、９０２：マウス、９１０：保守ツール、９２０：外部入力インターフェイス、９３０：データ送受信処理部、９４０：外部出力インターフェイス、９５０：画像表示装置。

Claims

制御対象の石炭焚きボイラから得られる状態量の計測信号の値をもとに石炭焚きボイラに使用する炭種又は混炭率を算出する石炭焚きボイラの炭種判別装置において、
前記炭種判別装置は、前記制御対象から前記計測信号を取り込む外部入力インターフェイスと、前記制御対象から取り込んだ前記計測信号を保存する計測信号データベースと、制御対象の石炭焚きボイラに操作信号を与えた時に得られる炭種の計測信号の値を炭種ごとに推定するモデルと、前記モデルによって推定したモデルの出力がノイズを取り除いた計測信号に近づくように前記モデルに与えるモデル入力の生成方法を学習する学習部と、
前記計測信号データベースに保存された計測信号と前記学習の結果を反映した前記モデルによって推定した計測信号との差を推定信号として算出する推定部と、前記推定部で算出した前記推定信号とその対数尤度比に基づいて炭種又は混炭率を決定する判定部を備えていることを特徴とする石炭焚きボイラの炭種判別装置。
請求項１に記載された石炭焚きボイラの炭種判別装置において、
前記炭種判別装置に設置された前記判定部は、前記推定部で算出した前記推定信号とその対数尤度比とに基づいて炭種又は混炭率を決定するように構成されていることを特徴とする石炭焚きボイラの炭種判別装置。
請求項１に記載された石炭焚きボイラの炭種判別装置において、
前記炭種判別装置は、外部入力機能として炭種判別装置にモデルの構造、基底関数の種類、及び基底関数の形状をそれぞれ決定するパラメータのうち少なくとも一つを入力するユーザーインターフェイスを備えていることを特徴とする石炭焚きボイラの炭種判別装置。
請求項１に記載された石炭焚きボイラの炭種判別装置において、
前記炭種判別装置は、外部入力インターフェイスから取り込んだ制御対象の石炭焚きボイラから得られる状態量の計測信号である火炉の熱吸収量に関係する計測信号、及び石炭の水分に関係する計測信号の少なくとも１つを用いて前記モデルを作成するモデル作成部を備えていることを特徴とする石炭焚きボイラの炭種判別装置。
請求項１に記載された石炭焚きボイラの炭種判別装置において、
前記炭種判別装置に備えられた前記モデルは、前記計測信号データベースに保存された計測信号をもとに、炭種の計測信号の値を炭種ごとに推定するモデルとして自己連想型ニューラルネットワークを用いて炭種ごとに前記計測信号の推定値を算出するように構成されており、前記推定部は、計測信号と前記モデルから得られる計測信号の推定値との差を算出するように構成していることを特徴とする石炭焚きボイラの炭種判別装置。
請求項４又は請求項５に記載された石炭焚きボイラの炭種判別装置において、
前記炭種判別装置は、計測信号、炭種ごとの推定値、計測信号と推定値の差、炭種、及び混炭率のうちの少なくとも１つを時間の経過とともに表示する表示装置を備えていることを特徴とする石炭焚きボイラの炭種判別装置。
制御対象から得られる計測信号の値をもとに石炭焚きボイラに使用する炭種又は混炭率を算出する石炭焚きボイラの炭種判別方法において、
前記制御対象から取り込んだ前記計測信号を計測信号データベースに保存し、前記制御対象に操作信号を与えた時に得られる炭種の計測信号の値をモデルを用いて炭種ごとに推定し、前記モデルによって推定したモデル出力がノイズを取り除いた計測信号に近づくように前記モデルに与えるモデル入力の生成方法を学習させ、前記計測信号データベースに保存された計測信号と前記学習の結果を反映した前記モデルによって推定した計測信号との差を算出して推定信号として推定し、前記推定した前記推定信号とその対数尤度比に基づいて炭種又は混炭率を判定することを特徴とする石炭焚きボイラの炭種判別方法。
請求項７に記載された石炭焚きボイラの炭種判別方法において、
石炭焚きボイラから得られる計測信号のうち火炉の熱吸収量に関係する計測信号、及び石炭の水分に関係する計測信号のうち少なくとも１つを取り込み、火炉の熱吸収量に関係する計測信号、及び石炭の水分に関係する計測信号の少なくとも１つを用いて前記モデルを作成することを特徴とする石炭焚きボイラの炭種判別方法。
請求項７に記載された石炭焚きボイラの炭種判別方法において、
前記モデルでは、前記計測信号データベースに保存された計測信号をもとに、炭種の計測信号の値を炭種ごとに推定するモデルとして自己連想型ニューラルネットワークを用いて炭種ごとに前記計測信号の推定値を算出することを特徴とする石炭焚きボイラの炭種判別方法。
請求項７に記載された石炭焚きボイラの炭種判別方法において、
計測信号、炭種ごとの推定値、計測信号と推定値の差、炭種、及び混炭率の少なくとも１つを時間の経過と共に表示装置に表示することを特徴とする石炭焚きボイラの炭種判別方法。