JP5212890B2 - Plant operation support device - Google Patents

Plant operation support device Download PDF

Info

Publication number
JP5212890B2
JP5212890B2 JP2008008590A JP2008008590A JP5212890B2 JP 5212890 B2 JP5212890 B2 JP 5212890B2 JP 2008008590 A JP2008008590 A JP 2008008590A JP 2008008590 A JP2008008590 A JP 2008008590A JP 5212890 B2 JP5212890 B2 JP 5212890B2
Authority
JP
Japan
Prior art keywords
unit
model
parameter adjustment
tracking model
prediction
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.)
Active
Application number
JP2008008590A
Other languages
Japanese (ja)
Other versions
JP2009169771A (en
Inventor
恵美子 初谷
暁男 中林
恭二郎 河口
良輔 柏
元太朗 深野
建信 石
寧 尾上
実 仲矢
哲也 大谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Priority to JP2008008590A priority Critical patent/JP5212890B2/en
Publication of JP2009169771A publication Critical patent/JP2009169771A/en
Application granted granted Critical
Publication of JP5212890B2 publication Critical patent/JP5212890B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Feedback Control In General (AREA)

Description

本発明は、プラント運転支援装置に関し、詳しくは、予測精度の改善に関するものである。   The present invention relates to a plant operation support apparatus, and particularly relates to improvement of prediction accuracy.

本発明の出願人は、石油精製における化学プロセスや上下水道の水処理プロセスなどのプロセス制御動作が複雑なプラントの運転を支援するプラント運転支援装置として、実プラントの動作と並行してプロセスシミュレーションを行い、シミュレーション結果をもとに実プラントの動作を予測するプラント運転支援装置を出願している（特許文献１）。   The applicant of the present invention performs a process simulation in parallel with the operation of an actual plant as a plant operation support device that supports the operation of a plant having complicated process control operations such as a chemical process in oil refining and a water treatment process of water and sewerage. And has applied for a plant operation support apparatus that predicts the operation of the actual plant based on the simulation results (Patent Document 1).

特開２００５−３３２３６０号公報JP 2005-332360 A

図５はこのような従来のプラント運転支援装置の概念構成を示すブロック図である。図５において、オンラインシミュレータ１０は、実プラント２０からオンラインで実測データを収集してその内部モデルを更新することにより高精度のシミュレーション結果を得るものであり、トラッキングモデル部１１とパラメータ調整部１２とで構成されている。   FIG. 5 is a block diagram showing a conceptual configuration of such a conventional plant operation support apparatus. In FIG. 5, the online simulator 10 obtains highly accurate simulation results by collecting measured data online from the actual plant 20 and updating its internal model. The tracking model unit 11, parameter adjustment unit 12, It consists of

トラッキングモデル部１１は、実プラント２０からオンラインで実測データを収集し、これら実測データに基づきプラントの状態を追跡するためのトラッキングモデルを生成する。このトラッキングモデル部１１は、生成したトラッキングモデルを所定のタイミングまたは任意のタイミングでパラメータ調整部１２に渡す。   The tracking model unit 11 collects actual measurement data online from the actual plant 20 and generates a tracking model for tracking the state of the plant based on the actual measurement data. The tracking model unit 11 passes the generated tracking model to the parameter adjustment unit 12 at a predetermined timing or an arbitrary timing.

パラメータ調整部１２は、たとえばプラント全体のバランスを踏まえてパラメータ調整計算を行い、オンラインシミュレータ１０に反映させる。調整計算の基準としては、たとえば予め指定された計測点（複数指定可）の実測データとシミュレーションデータの重み付誤差二乗和を最小とするようなものが選択される。   The parameter adjustment unit 12 performs parameter adjustment calculation based on, for example, the balance of the entire plant and reflects the calculation in the online simulator 10. As a reference for the adjustment calculation, for example, the one that minimizes the weighted error sum of squares of the measurement data (simulation data that can be specified in advance) and the simulation data specified in advance is selected.

このようにオンラインでパラメータ調整計算を行うことにより、プラントの現在の状況を反映した精度の高いモデルが利用可能となり、解析モデルによる予測計算や最適化計算ができるようになった。   By performing parameter adjustment calculation online as described above, a highly accurate model reflecting the current situation of the plant can be used, and prediction calculation and optimization calculation based on an analysis model can be performed.

しかし、従来のパラメータ調整によって得られるパラメータは、ある瞬間において整合性を満たす最適パラメータである。この結果、調整対象となるパラメータの集合に動特性に影響し得るものが含まれている場合には、ある瞬間に対する適合処理を実行すると、その後の予測シミュレーションで動特性が正しく予測できなくなるという問題がある。   However, the parameters obtained by the conventional parameter adjustment are optimum parameters that satisfy the consistency at a certain moment. As a result, if the set of parameters to be adjusted includes those that can affect the dynamic characteristics, the dynamic characteristics cannot be predicted correctly in subsequent prediction simulations when a fitting process for a certain moment is executed. There is.

本発明は、このような課題を解決するものであり、その目的は、動特性に影響を及ぼすパラメータであっても、オンラインで調整できるプラント運転支援装置を実現することにある。   This invention solves such a subject, and the objective is to implement | achieve the plant operation assistance apparatus which can be adjusted online even if it is a parameter which affects dynamic characteristics.

このような課題を達成するために、本発明のうち請求項１記載の発明は、
オンラインシミュレータを用いたプラント運転支援装置において、
前記オンラインシミュレータには、トラッキングモデル部とパラメータ調整部と予測モデル部と予実データ記憶部が設けられて、前記予測モデル部には前記パラメータ調整部が接続されて、前記予実データ記憶部には前記トラッキングモデル部と前記予測モデル部と前記パラメータ調整部が接続され、
前記トラッキングモデル部は常に実プラントから実測データを受け取ってトラッキングモデルのオンライン更新を行い、
前記パラメータ調整部は前記トラッキングモデル部で生成されたトラッキングモデルを用いてオンラインでトラッキングモデルの一次パラメータ調整を行うとともにトラッキングモデルの一次調整モデルを生成し、
前記予測モデル部は前記パラメータ調整部で生成されたトラッキングモデルの一次調整モデルのパラメータを用いてＴｐ[sec]先までの予測シミュレーションを行って予測データを生成し、
前記予実データ記憶部は前記予測モデル部で生成された予測データを蓄積するとともに前記トラッキングモデル部を介して前記実プラントからの実測データも蓄積し、
さらに前記パラメータ調整部は前記予実データ記憶部に格納されている予実データに差がある場合には所定の評価基準を用いて予測データと実測データの差が最小になるようにトラッキングモデルの二次パラメータ調整を行い、
前記トラッキングモデル部はこの二次パラメータ調整出力に基づきトラッキングモデルを更新し、
前記更新されたトラッキングモデルに基づき所望の解析モデルを生成する解析部を設けたことを特徴とする。 In order to achieve such a problem, the invention according to claim 1 of the present invention is:
In a plant operation support device using an online simulator,
The online simulator includes a tracking model unit, a parameter adjustment unit, a prediction model unit, and a predictive data storage unit, the parameter adjustment unit is connected to the prediction model unit, and the predictive data storage unit includes the The tracking model unit, the prediction model unit, and the parameter adjustment unit are connected,
The tracking model unit always receives actual measurement data from the actual plant and performs online update of the tracking model ,
The parameter adjustment unit performs primary parameter adjustment of the tracking model online using the tracking model generated by the tracking model unit and generates a primary adjustment model of the tracking model ,
The prediction model unit generates prediction data by performing a prediction simulation up to Tp [sec] ahead using the parameters of the primary adjustment model of the tracking model generated by the parameter adjustment unit,
The pre-actual data storage unit accumulates the prediction data generated by the prediction model unit and also stores the actual measurement data from the real plant via the tracking model unit,
Further secondary of the parameter adjustment section the予実tracking model such that the difference between the predicted data and the measured data is minimized by using a predetermined evaluation criterion if there is a difference in予実data stored in the data storage unit Adjust the parameters ,
The tracking model unit updates the tracking model based on the secondary parameter adjustment output ,
An analysis unit for generating a desired analysis model based on the updated tracking model is provided .

本発明によれば、動特性に影響を及ぼすパラメータであってもオンラインで適切に調整でき、高精度の予測シミュレーションが実現できる。   According to the present invention, even a parameter that affects dynamic characteristics can be appropriately adjusted online, and a highly accurate prediction simulation can be realized.

以下、本発明について、図面を用いて詳細に説明する。図１は本発明の一実施例を示すブロック図であり、図５と共通する部分には同一の符号を付けている。   Hereinafter, the present invention will be described in detail with reference to the drawings. FIG. 1 is a block diagram showing an embodiment of the present invention, and the same reference numerals are given to portions common to FIG.

図１において、オンラインシミュレータ１０には、トラッキングモデル部１１の他、予測モデル部１３と予実データ記憶部１４が設けられている。予測モデル部１３にはトラッキングモデル部１１が接続されている。予実データ記憶部１４には、トラッキングモデル部１１と予測モデル部１３が接続されている。   In FIG. 1, the online simulator 10 includes a tracking model unit 11, a prediction model unit 13, and a predicted data storage unit 14. A tracking model unit 11 is connected to the prediction model unit 13. A tracking model unit 11 and a prediction model unit 13 are connected to the predicted data storage unit 14.

トラッキングモデル部１１は、実プラントの実測データに基づきオンラインでパラメータ調整を行いながらトラッキングモデルを生成する。予測モデル部１３は、トラッキングモデルに基づき予測データを生成する。予実データ記憶部１４は、生成された予測データと前記実測データを格納する。   The tracking model unit 11 generates a tracking model while performing online parameter adjustment based on actual plant measurement data. The prediction model unit 13 generates prediction data based on the tracking model. The preliminary actual data storage unit 14 stores the generated predicted data and the actual measurement data.

さらに、トラッキングモデル部１１は、予実データ記憶部１４に格納されている予測データと実測データの差が最小になるようにパラメータを調整するとともにトラッキングモデルを更新する。

Furthermore, the tracking model unit 11 adjusts the parameters and updates the tracking model so that the difference between the predicted data stored in the predicted actual data storage unit 14 and the measured data is minimized .

これにより、動特性に影響を及ぼすパラメータであってもオンラインで調整でき、高精度の予測シミュレーションが行える。   Thereby, even parameters that affect the dynamic characteristics can be adjusted online, and a highly accurate prediction simulation can be performed.

図２は本発明の他の実施例を示すブロック図であり、図５と共通する部分には同一の符号を付けている。   FIG. 2 is a block diagram showing another embodiment of the present invention, and the same reference numerals are given to portions common to FIG.

図２のオンラインシミュレータ１０には、トラッキングモデル部１１とパラメータ調整部１２の他、予測モデル部１３と予実データ記憶部１４が設けられている。予測モデル部１３にはパラメータ調整部１２が接続されている。予実データ記憶部１４には、トラッキングモデル部１１と予測モデル部１３とパラメータ調整部１２が接続されている。   In addition to the tracking model unit 11 and the parameter adjustment unit 12, the online simulator 10 of FIG. A parameter adjustment unit 12 is connected to the prediction model unit 13. A tracking model unit 11, a prediction model unit 13, and a parameter adjustment unit 12 are connected to the predicted actual data storage unit 14.

図２の構成におけるパラメータ調整は、二段階に亘って行われる。なお、パラメータ調整のタイミングは任意であるが、全体の処理は以下の流れに従うものとする。   The parameter adjustment in the configuration of FIG. 2 is performed in two stages. Note that the timing of parameter adjustment is arbitrary, but the overall processing follows the following flow.

＜１．一次パラメータ調整＞
トラッキングモデル部１１は、常時、実プラント２０から実測データを受け取って、オンライン更新を行う。パラメータ調整部１２は、このトラッキングモデル部１１で生成されたトラッキングモデルを用い、オンラインでパラメータ調整を行い、調整モデルを生成する。 <1. Primary parameter adjustment>
The tracking model unit 11 always receives actual measurement data from the actual plant 20 and performs online update. The parameter adjustment unit 12 performs parameter adjustment online using the tracking model generated by the tracking model unit 11 to generate an adjustment model.

まず、従来技術と同様に、予め選択された評価変数のシミュレーションデータと実測データの差が最小となるように、予め選択されたパラメータｐを変更する。このとき、評価基準としてたとえば以下のような重み付誤差二乗和Ｊｓを選択し、最小二乗法などで同定する。   First, as in the prior art, the parameter p selected in advance is changed so that the difference between the simulation data of the evaluation variable selected in advance and the measured data is minimized. At this time, for example, the following weighted error square sum Js is selected as an evaluation criterion, and identified by the least square method or the like.

Figure 0005212890
Figure 0005212890

図５に示した従来のトラッキング・シミュレータ技術においては、この時点でトラッキングモデル部１１のパラメータ更新を行ったが、本発明ではまだパラメータ更新は行わない。   In the conventional tracking simulator technique shown in FIG. 5, the parameters of the tracking model unit 11 are updated at this point, but the parameters are not yet updated in the present invention.

＜２．予測シミュレーション＞
予測モデル部１３は、パラメータ調整部１２で生成された一次調整モデルのパラメータを用いて、予測シミュレーションをＴｐ[sec]先まで行い、予測データを生成する。この結果は、予実データ記憶部１４に蓄積される。この予実データ記憶部１４には、同時に実プラント２０から実測データもトラッキングモデル部１１を経由して蓄積される。予実データ記憶部１４は、予測シミュレーションが終了して実測データがＴｐ[sec]分蓄積されるまでデータ収集を継続する。 <2. Prediction simulation>
The prediction model unit 13 performs prediction simulation up to Tp [sec] ahead using the parameters of the primary adjustment model generated by the parameter adjustment unit 12, and generates prediction data. This result is accumulated in the preliminary data storage unit 14. In the preliminary actual data storage unit 14, the actual measurement data from the actual plant 20 is simultaneously stored via the tracking model unit 11. The preliminary actual data storage unit 14 continues data collection until the actual simulation data is accumulated for Tp [sec] after the prediction simulation is completed.

＜３．二次パラメータ調整＞
この時点で、予実データ記憶部１４に格納されているパラメータ調整部１２における一次パラメータ調整によって得られたパラメータ値に基づいて予測モデル部１３で生成された予測結果と、その区間の実測データが利用可能になっている。ここで、予実データ記憶部１４に格納されている予実データに差がある場合には、動特性パラメータが不適切に設定されてしまったことが原因の一つと考えられる。そこで、パラメータ調整部１２は、たとえば以下に示すような評価基準を用い、改めてパラメータの調整（二次パラメータ調整）を行う。 <3. Secondary parameter adjustment>
At this time, the prediction result generated by the prediction model unit 13 based on the parameter value obtained by the primary parameter adjustment in the parameter adjustment unit 12 stored in the pre-actual data storage unit 14 and the actual measurement data of the section are used. It is possible. Here, when there is a difference in the pre-actual data stored in the pre-actual data storage unit 14, it is considered that one of the causes is that the dynamic characteristic parameter is set inappropriately. Therefore, the parameter adjustment unit 12 performs parameter adjustment (secondary parameter adjustment) again using, for example, an evaluation criterion as described below.

Figure 0005212890
Figure 0005212890

＜４．トラッキングモデルの更新＞
パラメータ調整部１２における二次パラメータ調整により、動特性を考慮したパラメータｐの調整が完了するので、これらのパラメータを用いてトラッキングモデル部１１で生成されるトラッキングモデルを更新する。この反映は、動特性への影響を考慮したものである。 <4. Tracking model update>
Since the adjustment of the parameter p considering the dynamic characteristics is completed by the secondary parameter adjustment in the parameter adjustment unit 12, the tracking model generated by the tracking model unit 11 is updated using these parameters. This reflection takes into account the influence on the dynamic characteristics.

図３は図２の動作説明図である。図３において、特性Ａは実プラント２０の実測データを示している。時刻ｔ１でパラメータ調整部１２が一次パラメータ調整モデルを生成することによって、特性Ｂに示すような予測結果が得られる。時間Ｔｐ経過後の時刻ｔ２でパラメータ調整部１２が二次パラメータ調整モデルを生成することにより、特性Ｃに示すような予測結果が得られる。ここで、特性Ｃに示す予測結果は、一次パラメータ調整モデルおよび時間Ｔｐにおける動特性を反映させたものであり、高精度の予測結果を得ることができる。   FIG. 3 is an operation explanatory diagram of FIG. In FIG. 3, characteristic A indicates actual measurement data of the actual plant 20. The parameter adjustment unit 12 generates a primary parameter adjustment model at time t1, so that a prediction result as shown in the characteristic B is obtained. When the parameter adjustment unit 12 generates the secondary parameter adjustment model at time t2 after the time Tp has elapsed, a prediction result as shown in the characteristic C is obtained. Here, the prediction result shown in the characteristic C reflects the primary parameter adjustment model and the dynamic characteristic at the time Tp, and a highly accurate prediction result can be obtained.

これにより、たとえば解析部３０を用いてプラントの予測シミュレーションを行うことにより、高精度の予測や解析が行える。   Thus, for example, by performing a plant prediction simulation using the analysis unit 30, highly accurate prediction and analysis can be performed.

なお、調整の手法や評価関数は、任意の手法や関数を用いることができる。   An arbitrary method or function can be used as the adjustment method or the evaluation function.

図４は図２におけるパラメータ調整部１２の具体的な構成例を示すブロック図であり、図２と共通する部分には同一の符号を付けている。   FIG. 4 is a block diagram showing a specific configuration example of the parameter adjustment unit 12 in FIG. 2, and the same reference numerals are given to portions common to FIG. 2.

図４において、パラメータ調整部１２は、一次パラメータ調整部１２１と二次パラメータ調整部１２２で構成されている。一次パラメータ調整部１２１には、トラッキングモデル部１１と予測モデル部１３が接続されている。二次パラメータ調整部１２２には、トラッキングモデル部１１と予実データ記憶部１４が接続されている。予実データ記憶部１４には、トラッキングモデル部１１と予測モデル部１３も接続されている。   In FIG. 4, the parameter adjustment unit 12 includes a primary parameter adjustment unit 121 and a secondary parameter adjustment unit 122. The tracking model unit 11 and the prediction model unit 13 are connected to the primary parameter adjustment unit 121. The tracking model unit 11 and the preliminary data storage unit 14 are connected to the secondary parameter adjustment unit 122. A tracking model unit 11 and a prediction model unit 13 are also connected to the predicted data storage unit 14.

図４の構成におけるパラメータ調整も、図２と同様に二段階に亘って行われる。パラメータ調整のタイミングは任意であり、全体の処理は図２と同様に以下の流れに従って実行される。   The parameter adjustment in the configuration of FIG. 4 is also performed in two stages as in FIG. The timing of parameter adjustment is arbitrary, and the entire process is executed according to the following flow as in FIG.

＜１．一次パラメータ調整＞
トラッキングモデル部１１は、常時、実プラント２０から実測データを受け取り、オンライン更新を行う。一次パラメータ調整部１２１は、このトラッキングモデル部１１で生成されたトラッキングモデルを用い、プラント全体のバランスを考慮したパラメータ調整を行う。 <1. Primary parameter adjustment>
The tracking model unit 11 always receives actual measurement data from the actual plant 20 and performs online update. The primary parameter adjustment unit 121 uses the tracking model generated by the tracking model unit 11 and performs parameter adjustment in consideration of the balance of the entire plant.

まず、図１と同様に、予め選択された評価変数のシミュレーション値と実測値の差が最小となるように、予め選択されたパラメータｐを変更する。このとき、評価基準としてたとえば重み付誤差二乗和Ｊｓを選択し、最小二乗法などで同定する。   First, as in FIG. 1, the parameter p selected in advance is changed so that the difference between the simulation value and the actual measurement value of the evaluation variable selected in advance is minimized. At this time, for example, a weighted error sum of squares Js is selected as an evaluation criterion and identified by the least square method or the like.

なお、図１と同様に、この時点ではトラッキングモデル部１１のパラメータ更新は行わない。   As in FIG. 1, the parameter update of the tracking model unit 11 is not performed at this time.

＜２．予測シミュレーション＞
予測モデル部１３は、一次パラメータ調整部１２１で生成された一次パラメータ調整モデルのパラメータを用いて、予測シミュレーションをＴｐ[sec]先まで行い、予測データを生成する。この結果は、予実データ記憶部１４に蓄積される。この予実データ記憶部１４には、同時に実プラント２０から実測データもトラッキングモデル部１１を経由して蓄積される。予実データ記憶部１４は、予測シミュレーションが終了して実測データがＴｐ[sec]分蓄積されるまでデータ収集を継続する。 <2. Prediction simulation>
The prediction model unit 13 performs prediction simulation up to Tp [sec] ahead using the parameters of the primary parameter adjustment model generated by the primary parameter adjustment unit 121, and generates prediction data. This result is accumulated in the preliminary data storage unit 14. In the preliminary actual data storage unit 14, the actual measurement data from the actual plant 20 is simultaneously stored via the tracking model unit 11. The preliminary actual data storage unit 14 continues data collection until the actual simulation data is accumulated for Tp [sec] after the prediction simulation is completed.

＜３．二次パラメータ調整＞
この時点で、予実データ記憶部１４に格納されている一次パラメータ調整部１２１の一次パラメータ調整によって得られたパラメータ値に基づいて予測モデル部１３で生成された予測結果と、その区間の実測データが利用可能になる。ここで、予実データ記憶部１４に格納されている予実データに差がある場合には、二次パラメータ調整部１２２は、図１と同様な評価基準を用い、改めてパラメータの調整（二次パラメータ調整）を行う。 <3. Secondary parameter adjustment>
At this time, the prediction result generated by the prediction model unit 13 based on the parameter value obtained by the primary parameter adjustment of the primary parameter adjustment unit 121 stored in the pre-actual data storage unit 14 and the measured data of the section are obtained. Become available. Here, when there is a difference in the actual data stored in the actual data storage unit 14, the secondary parameter adjusting unit 122 uses the same evaluation criteria as in FIG. )I do.

＜４．トラッキングモデルの更新＞
二次パラメータ調整部１２２における二次パラメータ調整により、動特性を考慮したパラメータｐの調整が完了するので、このパラメータを用いてトラッキングモデル部１１で生成されるトラッキングモデルを更新する。この反映は、動特性への影響を考慮したものとなる。 <4. Tracking model update>
Since the adjustment of the parameter p in consideration of the dynamic characteristics is completed by the secondary parameter adjustment in the secondary parameter adjustment unit 122, the tracking model generated by the tracking model unit 11 is updated using this parameter. This reflection takes into account the influence on the dynamic characteristics.

これにより、たとえば解析部３０を用いてプラントの予測シミュレーションを行うことにより、図２と同様に、高精度の予測や解析が行える。   Accordingly, for example, by performing a plant prediction simulation using the analysis unit 30, high-precision prediction and analysis can be performed as in FIG.

以上説明したように、本発明によれば、動特性に影響を与えるパラメータをオンラインで適切に調整することにより、高精度の予測シミュレーションが行えるプラント運転支援装置が実現できる。   As described above, according to the present invention, it is possible to realize a plant operation support apparatus that can perform a highly accurate prediction simulation by appropriately adjusting a parameter that affects dynamic characteristics online.

本発明の一実施例を示すブロック図である。It is a block diagram which shows one Example of this invention. 本発明の他の実施例を示すブロック図である。It is a block diagram which shows the other Example of this invention. 図１の動作説明図である。It is operation | movement explanatory drawing of FIG. 図２の具体例を示すブロック図である。It is a block diagram which shows the specific example of FIG. 従来のプラント運転支援装置の一例を示すブロック図である。It is a block diagram which shows an example of the conventional plant operation assistance apparatus.

符号の説明Explanation of symbols

１０ トラッキング・シミュレータ
１１ トラッキングモデル部
１２ パラメータ調整部
１２１ 一次パラメータ調整部
１２２ 二次パラメータ調整部
１３ 予測モデル部
１４ 予実データ記憶部
２０ 実プラント
３０ 解析部 DESCRIPTION OF SYMBOLS 10 Tracking simulator 11 Tracking model part 12 Parameter adjustment part 121 Primary parameter adjustment part 122 Secondary parameter adjustment part 13 Prediction model part 14 Predictive data storage part 20 Actual plant 30 Analysis part

Claims (1)

オンラインシミュレータを用いたプラント運転支援装置において、
前記オンラインシミュレータには、トラッキングモデル部とパラメータ調整部と予測モデル部と予実データ記憶部が設けられて、前記予測モデル部には前記パラメータ調整部が接続されて、前記予実データ記憶部には前記トラッキングモデル部と前記予測モデル部と前記パラメータ調整部が接続され、
前記トラッキングモデル部は常に実プラントから実測データを受け取ってトラッキングモデルのオンライン更新を行い、
前記パラメータ調整部は前記トラッキングモデル部で生成されたトラッキングモデルを用いてオンラインでトラッキングモデルの一次パラメータ調整を行うとともにトラッキングモデルの一次調整モデルを生成し、
前記予測モデル部は前記パラメータ調整部で生成されたトラッキングモデルの一次調整モデルのパラメータを用いてＴｐ[sec]先までの予測シミュレーションを行って予測データを生成し、
前記予実データ記憶部は前記予測モデル部で生成された予測データを蓄積するとともに前記トラッキングモデル部を介して前記実プラントからの実測データも蓄積し、
さらに前記パラメータ調整部は前記予実データ記憶部に格納されている予実データに差がある場合には所定の評価基準を用いて予測データと実測データの差が最小になるようにトラッキングモデルの二次パラメータ調整を行い、
前記トラッキングモデル部はこの二次パラメータ調整出力に基づきトラッキングモデルを更新し、
前記更新されたトラッキングモデルに基づき所望の解析モデルを生成する解析部を設けたことを特徴とするプラント運転支援装置。 In a plant operation support device using an online simulator,
The online simulator includes a tracking model unit, a parameter adjustment unit, a prediction model unit, and a predictive data storage unit, the parameter adjustment unit is connected to the prediction model unit, and the predictive data storage unit includes the The tracking model unit, the prediction model unit, and the parameter adjustment unit are connected,
The tracking model unit always receives actual measurement data from the actual plant and performs online update of the tracking model ,
The parameter adjustment unit performs primary parameter adjustment of the tracking model online using the tracking model generated by the tracking model unit and generates a primary adjustment model of the tracking model ,
The prediction model unit generates prediction data by performing a prediction simulation up to Tp [sec] ahead using the parameters of the primary adjustment model of the tracking model generated by the parameter adjustment unit,
The pre-actual data storage unit accumulates the prediction data generated by the prediction model unit and also stores the actual measurement data from the real plant via the tracking model unit,
Further secondary of the parameter adjustment section the予実tracking model such that the difference between the predicted data and the measured data is minimized by using a predetermined evaluation criterion if there is a difference in予実data stored in the data storage unit Adjust the parameters ,
The tracking model unit updates the tracking model based on the secondary parameter adjustment output ,
A plant operation support apparatus comprising an analysis unit that generates a desired analysis model based on the updated tracking model .
JP2008008590A 2008-01-18 2008-01-18 Plant operation support device Active JP5212890B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2008008590A JP5212890B2 (en) 2008-01-18 2008-01-18 Plant operation support device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008008590A JP5212890B2 (en) 2008-01-18 2008-01-18 Plant operation support device

Publications (2)

Publication Number Publication Date
JP2009169771A JP2009169771A (en) 2009-07-30
JP5212890B2 true JP5212890B2 (en) 2013-06-19

Family

ID=40970845

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008008590A Active JP5212890B2 (en) 2008-01-18 2008-01-18 Plant operation support device

Country Status (1)

Country Link
JP (1) JP5212890B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107870611A (en) * 2016-09-28 2018-04-03 横河电机株式会社 Workshop analogue means and workshop analogy method

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101030260B1 (en) * 2010-11-09 2011-04-25 (주)아이피엠 Operation tracking apparatus of industrial plant and readable recording media
JP6962042B2 (en) * 2017-07-18 2021-11-05 株式会社Ihi Simulation equipment and simulation method
CN111310526B (en) * 2018-12-12 2023-10-20 杭州海康威视数字技术股份有限公司 Parameter determination method and device for target tracking model and storage medium
KR102482651B1 (en) * 2019-10-14 2022-12-29 주식회사 케이티 Device, method and computer program for operating simulation based on digital twin service

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004234422A (en) * 2003-01-31 2004-08-19 Mitsubishi Electric Corp Rainwater inflow prediction device
JP4094648B2 (en) * 2006-10-30 2008-06-04 株式会社日立製作所 Tunnel ventilation control method and apparatus

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107870611A (en) * 2016-09-28 2018-04-03 横河电机株式会社 Workshop analogue means and workshop analogy method
EP3301522A1 (en) 2016-09-28 2018-04-04 Yokogawa Electric Corporation Plant simulation device and plant simulation method
US10429828B2 (en) 2016-09-28 2019-10-01 Yokogawa Electric Corporation Plant simulation device and plant simulation method with first parameter adjustable at start and second parameter adjustable during operation of the plant

Also Published As

Publication number Publication date
JP2009169771A (en) 2009-07-30

Similar Documents

Publication Publication Date Title
JP5212890B2 (en) Plant operation support device
JP5768834B2 (en) Plant model management apparatus and method
JP2019537132A (en) Training Action Choice Neural Network
CN108921359B (en) Distributed gas concentration prediction method and device
WO2016092872A1 (en) Control device, program therefor, and plant control method
EP3200038A1 (en) Model evaluation device, model evaluation method, and program recording medium
JP2009181392A (en) Model prediction control method and model prediction control device
RU2011146472A (en) DEVICE DEVICE AND METHOD FOR RESIDUE ANALYSIS FOR DETECTING SYSTEM ERRORS IN BEHAVIOR OF THE AIRCRAFT SYSTEM
Crochet Adaptive Kalman filtering of 2-metre temperature and 10-metre wind-speed forecasts in Iceland
JP2019021186A (en) Data processor, control system, data processing method, and program
JP2018528511A (en) Optimizing output efficiency in production systems
JP2009175917A (en) Controlled parameter adjustment method and controlled parameter adjustment program
JP2005163608A (en) Output estimation method in wind power generation
JP6946654B2 (en) Control device, control method, and control program
US11763243B2 (en) Plant operation support system and plant operation support method
JP2008234094A (en) Prediction model selection method, prediction method, parameter estimation device, and its program
JP4509947B2 (en) Weather prediction system and weather prediction method
JP4882544B2 (en) TRACKING PROCESSING DEVICE, ITS METHOD, AND PROGRAM
JP2010152767A (en) Prediction control method and prediction control system
JP5749041B2 (en) Active feedback control device and program
JP2009169772A (en) Plant operation support device
JP2003090888A (en) Weather predication system, weather prediction method and weather prediction program
US20230039523A1 (en) Model update device and method and process control system
US11367020B2 (en) Signal selection device, learning device, and signal selection method and program
JP2005078545A (en) Method and device for adjusting process model

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100924

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20111208

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120410

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120531

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120830

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20121026

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130204

R150 Certificate of patent or registration of utility model

Ref document number: 5212890

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130217

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160308

Year of fee payment: 3