JP5597447B2 - プラント状態量の予測方法およびこれを用いたプラント動特性シミュレータ、プラント状態監視装置ならびにプラント予測制御装置 - Google Patents
プラント状態量の予測方法およびこれを用いたプラント動特性シミュレータ、プラント状態監視装置ならびにプラント予測制御装置 Download PDFInfo
- Publication number
- JP5597447B2 JP5597447B2 JP2010124214A JP2010124214A JP5597447B2 JP 5597447 B2 JP5597447 B2 JP 5597447B2 JP 2010124214 A JP2010124214 A JP 2010124214A JP 2010124214 A JP2010124214 A JP 2010124214A JP 5597447 B2 JP5597447 B2 JP 5597447B2
- Authority
- JP
- Japan
- Prior art keywords
- state quantity
- plant
- predicted
- prediction
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims description 26
- 238000012806 monitoring device Methods 0.000 title description 8
- 238000004364 calculation method Methods 0.000 claims description 56
- 230000003068 static effect Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000005070 sampling Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 51
- 239000013598 vector Substances 0.000 description 47
- 238000013528 artificial neural network Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
以下、実施例1について、図1及び図2を参照して説明する。図1は本実施例によるプラント状態量の予測装置の全体構成を示す機能ブロック図、図2は本実施例における予測演算部の構成を示す機能ブロック図である。
前記のような構成を有する本実施例の作用は、次の通りである。
予測演算部1の入力信号ベクトル3は、現時刻サンプルをkとすると、対象プラント2から入力されるi個の現時刻サンプルkにおける入力状態量と、この入力状態量のNサンプル前までの過去時刻サンプルにおける入力状態量と、Nサンプル前までの過去時刻サンプルにおける出力状態量である。この入力信号ベクトル3は、(i×(N+1)+j×N)個のベクトル信号となる。これらの信号ベクトルは、前記現在時刻サンプル取得部10K、過去時刻サンプル取得部10N及び演算後出力状態量の入力部12により、予測演算部1の放射基底関数ネットワーク13に入力される。
(1) 被予測状態量の動特性に影響を及ぼす状態量または操作量の現時刻より所定のサンプル前までの過去時刻サンプル値、
(2) 現時刻サンプル値、
(3) 被予測状態量の静特性に影響を及ぼす状態量または操作量の現時刻サンプル値、
(4) 被予測状態量の現時刻より所定のサンプル前までの過去時刻サンプル値とする。
(5) 被予測状態量の現時刻サンプル値、
とする。そして、放射基底関数ネットワーク13においては、前記入力値及び出力値に基づいて、逐次的にサンプル周期を進めて次のサンプル時刻の被予測状態量の動特性を予測計算する。
(1) 被予測状態量の動特性に影響を及ぼす状態量または操作量の現時刻より所定のサンプル前までの過去時刻サンプル値、
(2) 被予測状態量の動特性に影響を及ぼす状態量または操作量の現時刻サンプル値、
(3) 被予測状態量の現時刻より所定のサンプル前までの過去時刻サンプル値とする。
また、前記予測演算部の出力値を、
(4) 被予測状態量の現時刻サンプル値とする。
(1) プラント動特性シミュレータにおいて、プラント状態量を予測する動特性モデルの一部あるいは全部に前記実施例1〜4のいずれかのプラント状態量の予測方法を用いる。
2…対象プラント
3…入力信号ベクトル
4…出力信号ベクトル
5…フィードバック信号
6…線形モデル
7…放射基底関数ネットワーク
8…加算器
10…入力状態量の入力部
10K…現在時刻サンプル取得部
10N…過去時刻サンプル取得部
11…予測した出力状態量の出力部
12…演算後出力状態量の入力部
Claims (6)
- 動特性を有するプラント状態量に基づいて被予測状態量の動特性を予測計算する予測演算部を用いたプラント状態量の予測方法において、
前記予測演算部として放射基底関数ネットワークを備え、この放射基底関数ネットワークの入力値は、
(1) 被予測状態量の動特性に影響を及ぼす状態量または操作量の現時刻より所定のサンプル前までの過去時刻サンプル値、
(2) 被予測状態量の動特性に影響を及ぼす状態量または操作量の現時刻サンプル値、
(3) 被予測状態量の現時刻より所定のサンプル前までの過去時刻サンプル値とし、
前記予測演算部の出力値は、
(4) 被予測状態量の現時刻サンプル値とし、
前記放射基底関数ネットワークにおいては、前記入力値及び出力値に基づいて、逐次的にサンプル周期を進めて次のサンプル時刻の被予測状態量の動特性を予測計算することを特徴とするプラント状態量の予測方法。
- 前記予測演算部の入力値として、被予測状態量の静特性に影響を及ぼす状態量または操作量の現時刻サンプル値を付加することを特徴とする請求項1に記載のプラント状態量の予測方法。
- 前記予測演算部は、プラント状態量の線形成分を予測する線形モデルと、プラント状態量の非線形成分に対する補正量を予測する放射基底関数ネットワークとを有することを特徴とする請求項1または請求項2に記載のプラント状態量の予測方法。
- プラント動特性シミュレータにおいて、プラント状態量を予測する動特性モデルの一部あるいは全部に請求項1ないし請求項3のいずれか一項に記載のプラント状態量の予測方法を用いることを特徴とするプラント動特性シミュレータ。
- プラント状態監視装置において、監視するプラント状態量の予測値を請求項1ないし請求項3のいずれか一項に記載のプラント状態量の予測方法を用いて求めることを特徴とするプラント状態監視装置。
- プラント予測制御装置において、被制御量の予測値を請求項1ないし請求項3のいずれか一項に記載のプラント状態量の予測方法を用いて求めることを特徴とするプラント予測制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010124214A JP5597447B2 (ja) | 2010-05-31 | 2010-05-31 | プラント状態量の予測方法およびこれを用いたプラント動特性シミュレータ、プラント状態監視装置ならびにプラント予測制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010124214A JP5597447B2 (ja) | 2010-05-31 | 2010-05-31 | プラント状態量の予測方法およびこれを用いたプラント動特性シミュレータ、プラント状態監視装置ならびにプラント予測制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011248835A JP2011248835A (ja) | 2011-12-08 |
JP5597447B2 true JP5597447B2 (ja) | 2014-10-01 |
Family
ID=45413971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010124214A Active JP5597447B2 (ja) | 2010-05-31 | 2010-05-31 | プラント状態量の予測方法およびこれを用いたプラント動特性シミュレータ、プラント状態監視装置ならびにプラント予測制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5597447B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7060130B1 (ja) * | 2021-04-14 | 2022-04-26 | 富士電機株式会社 | 運用支援装置、運用支援方法及びプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10283335A (ja) * | 1997-04-10 | 1998-10-23 | Fuji Electric Co Ltd | リカレントネットワークによる予測方法 |
JP4399122B2 (ja) * | 2001-03-27 | 2010-01-13 | メタウォーター株式会社 | 雨水流入予測装置 |
-
2010
- 2010-05-31 JP JP2010124214A patent/JP5597447B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2011248835A (ja) | 2011-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Witczak et al. | A GMDH neural network-based approach to robust fault diagnosis: Application to the DAMADICS benchmark problem | |
Ding et al. | Parameter estimation for pseudo‐linear systems using the auxiliary model and the decomposition technique | |
Han et al. | Prediction of chaotic time series based on the recurrent predictor neural network | |
Tan et al. | Neural-network-based d-step-ahead predictors for nonlinear systems with time delay | |
Zhang et al. | Observer-based integrated robust fault estimation and accommodation design for discrete-time systems | |
Lazar et al. | A neural predictive controller for non-linear systems | |
Aslam | L 2–L∞ control for delayed singular markov switch system with nonlinear actuator faults | |
Hwang et al. | Artificial intelligent analyzer for mechanical properties of rolled steel bar by using neural networks | |
Zio et al. | Failure and reliability predictions by infinite impulse response locally recurrent neural networks | |
CN111433689B (zh) | 用于目标系统的控制系统的生成 | |
Chatterjee et al. | Software fault prediction using Nonlinear Autoregressive with eXogenous Inputs (NARX) network | |
JP4908433B2 (ja) | 制御パラメータ調整方法および制御パラメータ調整プログラム | |
Ghaemi et al. | Direct adaptive general type‐2 fuzzy control for a class of uncertain non‐linear systems | |
JP2019144779A (ja) | 因果推定装置、因果推定方法、及びプログラム | |
KR20190078850A (ko) | 동적 전이 앙상블 모형을 통한 실시간 다변량 시계열 예측방법 및 그 시스템 | |
Boateng et al. | Predicting the level of safety performance using an artificial neural network | |
Sun et al. | Neural adaptive fault-tolerant finite-time control for nonstrict feedback systems: An event-triggered mechanism | |
Lai et al. | Adaptive inverse compensation for actuator backlash with piecewise time-varying parameters | |
Zhou et al. | Fault detection of a sandwich system with dead-zone based on robust observer | |
Ławryńczuk | Input convex neural networks in nonlinear predictive control: A multi-model approach | |
Sheydaeian Arani et al. | Fault estimation based on ensemble unscented Kalman filter for a class of nonlinear systems with multiplicative fault | |
Ding et al. | Parameter identification of multi-input, single-output systems based on FIR models and least squares principle | |
Luan et al. | H∞ filtering for nonlinear systems via neural networks | |
Li et al. | Nonlinear model identification from multiple data sets using an orthogonal forward search algorithm | |
Yang et al. | A neural network learning algorithm of chemical process modeling based on the extended Kalman filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130402 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140228 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140424 |
|
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: 20140715 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140811 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5597447 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |