JP5649596B2 - プロセスデータ推定方法 - Google Patents

Description

本発明は、工場内の用役設備や熱エネルギーネットワークでのエネルギーセンタ内の用役設備などの未計測エネルギーデータを推定する方法に関する。

本技術分野の背景技術として、特開２００２−５４８１１号公報（特許文献１）がある。この公報には、「センサ出力とダイオキシン発生濃度の相関関係からダイオキシン類の発生予測モデルを作成しダイオキシン類の発生を推定」する「ダイオキシン類発生濃度推定システム」について記載されている（要約参照）。

また、特開２００５−７８５４５号公報（特許文献２）がある。この公報には、「実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整方法において、実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整」を「行う」と記載されている（要約参照）。

実プロセスで測定されたデータに基づいてプロセスモデルを構築し、プロセスモデルのパラメータも決定される。また、プロセスモデルにより予測される値についても、実プロセスで測定されたデータが存在する。これは、一般にソフトセンサーと呼ばれている技術である。

特開２００２−５４８１１号公報 特開２００５−７８５４５号公報

しかしながら、上記方法では、プロセスモデルの構築およびプロセスモデルにより予測される値について、対応する実プロセスデータが存在することが前提となっており、実プロセスデータが測定されていない場合には、モデル構築および予測値算出ができない。

これに対して、必要なプロセスデータを得るためには、各種センサを設置する必要があり、高コストになる。

本発明の課題は、全体のエネルギーしか測定できない状況で、この全体のエネルギーの測定値と各設備の設備モデルと各設備の運転制御情報に基づいて、設備毎のエネルギー推定値と各設備の設備モデルパラメータを求めることができるプロセスデータ推定方法を提供する。

上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。
本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、複数の設備を有するプラントの解析対象範囲を決定する工程と、プラントの入出力エネルギーに基づいて複数の設備の各設備モデル式をそれぞれ作成する工程と、複数の設備の各入出力データについて計測又は未計測を定義する工程と、各設備モデル式のモデルパラメータ及び未計測の入出力データを未知数とした最適化問題として解析する工程と、を含むことを特徴としている。

本発明のプロセスデータ推定方法によれば、全体のエネルギーしか測定できない状況で、この全体のエネルギーの測定値と各設備の設備モデルと各設備の運転制御情報に基づいて、設備毎のエネルギー推定値と各設備の設備モデルパラメータを求めることができる。

したがって、個々の設備全てに各種センサを設置する必要がなく、高コストになることなく、個々の設備についてエネルギーを知ることができる。このように、必要となるデータが求まることで、プロセス解析や診断を行うことが可能となり、不具合箇所を抽出して対応することにより省エネルギーを実現できる。

プロセスデータ推定システムを含む構成図の例。 プロセスデータ推定システムの処理フローの例。 実施例１に関わるユーティリティープラントの解析体系の例。 実施例２に関わるユーティリティープラントの構成の例。 実施例２に関わるユーティリティープラントの解析体系の例。 実施例３に関わる推定データの表示方法の例。

以下、本発明の実施例について図面を用いて説明する。

［実施例１］
図１は、本実施例のプロセスデータ推定システムを含む構成図の例である。
制御システム２は、例えばＤＣＳ（分散制御システム）と呼ばれているものである。制御システム２では、制御部２１からユーティリティープラント（設備）に対して制御信号（目標値）２３を与え、ユーティリティープラント（設備）から実績データ２４を収集し、プロセスデータＤＢ（データベース）２２に格納する。

実績データ２４とは、用役設備（１）〜（３）の運転に伴って変化する入力エネルギー３１の使用量や出力エネルギー３６の生産量である。例えば、ボイラであれば、消費される燃料の流量、生産される蒸気の流量、温度、圧力などである。また、ターボ冷凍機であれば、消費される電力量、生産される冷水の流量、温度などである。これらの実績データ２４は、必ずしも個々の設備から全てのデータが収集されているわけではない。収集されるデータは、設備の重要度、設置する計測器のコストなどが考慮された上で、決定される。

ユーティリティープラント３は、用役設備群（１）〜（３）を表す。用役設備とは、蒸気や温冷水、電気などのエネルギーを生産する設備のことであり、原材料をもとに製品を生産するプロセスプラント（エネルギー消費プラント）へ必要なエネルギーを供給する。図１のユーティリティープラント３では、３台の用役設備（１）〜（３）が並列に接続され、入力エネルギー３１を消費して生産された出力エネルギー３６がヘッダ３５を経由して供給されることを示している。

プロセスデータ推定システム１は、モデル作成部１２、解析部１３、表示部１４、解析データＤＢ１１を有する。プロセスデータ推定システム１は、例えば、パソコンやサーバー装置などで実現できる。つまり、パソコンは、キーボードやディスプレイなどの入出力装置、メモリやハードディスクなどの記憶装置、ＣＰＵなどの演算装置を備えており、記憶装置に記憶されているプログラムやデータを演算装置が呼び出して実行することで、後述するプロセスデータ推定システムの処理機能が実現される。

解析データＤＢ１１は、用役設備（１）〜（３）への制御信号２３や用役設備（１）〜（３）からの実績データ２４、作成した設備モデルデータ、解析結果としてのモデルパラメータや未計測データの推定値などの、推定システムでの処理に必要な各種データを格納し、蓄積する。

制御信号２３や実績データ２４は、制御システム２のプロセスデータＤＢ２２から収集した時系列のデータである。

設備モデルとは、各設備での入力エネルギー（ｘ）と出力エネルギー（ｙ）との関係を記述したものであり、一般に次式（１）のような形で表される。

関数ｆ（ｘ）の一例として、一次関数の場合には、次式（２）のような形で表される。

ここで、定数ａ、ｂがモデルパラメータと呼ばれ、未知数となる。プロセスデータ推定システム１では、このモデルパラメータａ、ｂを決定する。モデルパラメータは、機器毎に、また同じ機器であっても過去の運転履歴などの違いによって個体毎に、異なる。

未計測データの推定値とは、上述の設備モデルを定義してモデルパラメータを決定する解析をする際に、実績データとして収集されていないが計測データに相当するデータを推定した結果である。

モデル作成部１２は、ユーザーに上述の設備モデルとモデルパラメータを設備毎に作成させるものであり、例えば、ディスプレイなどの表示部１４にモデル設定画面を表示して画面上でユーザーにモデルを入力させる。同時に、入出力エネルギー（ｘ、ｙ）に対応する実績データが存在する場合には、ユーザーに画面上で対応関係を定義させる。実績データが存在しない場合には、未知数として取り扱い、プロセスデータ推定システム１によって値を決定する。

作成した設備モデルは、入出力エネルギーの関係式、モデルパラメータ、入出力エネルギーと実績データの対応を、解析データＤＢ１１に格納する。

解析部１３は、上述のモデルパラメータと入出力エネルギーのうち、未知数となっている値の推定処理を行う、プロセスデータ推定システム１の中核部となる。解析部１３は、解析データＤＢ１１に格納された入出力エネルギーの関係式、モデルパラメータ、入出力エネルギーと実績データの対応を用いて、未知数となるモデルパラメータと未計測のデータを推定して出力する。

以下、主にプロセスデータ推定システム１の処理機能について説明する。
図２は、プロセスデータ推定システム１の処理フローを示す図である。
モデル作成部１２において、解析対象とするユーティリティープラント３の範囲を決定する（Ｓ２００）。ここでは、図３に示すように３台のコンプレッサ（１）〜（３）と、各コンプレッサ（１）〜（３）への電力供給部３１０、コンプレッサ出口でのヘッダ３２０を含む。

モデル作成部１２において、解析対象範囲の設備について、設備モデルを作成する（Ｓ２１０）。ここでは、図３に示す３台のコンプレッサ（１）〜（３）について、出力エネルギーｙ_ｉであるエアー３３０が入力エネルギーｘ_ｉである電力３１０の一次関数で与えられると仮定する。すなわち、設備モデルが次式（３）で表される。

ここで、ａ_ｉ、ｂ_ｉがモデルパラメータであり、添え字ｉ（ｉ＝１〜３）は、コンプレッサ（ｉ）を示す。ａ_ｉ、ｂ_ｉは、いずれも未知数であり、プロセスデータ推定システム１により、推定値を求める。

モデル作成部１２において、解析対象範囲の設備の入出力データについて計測／未計測を定義する（Ｓ２２０）。ここでは、図３に示す、●（黒丸）と○（白丸）について、●（黒丸）が実際の計測データが得られている場所、○（白丸）が未計測の場所であることを示している。すなわち、各コンプレッサ（１）〜（３）で使用される電力（ｘ_１〜ｘ_３）と３台のコンプレッサ（１）〜（３）が生産するエアーの合計（ｙ_０）については計測データが得られているが、各コンプレッサ（１）〜（３）が生産するエアー（ｙ_１〜ｙ_３）は未計測となっている。未計測であるｙ_１〜ｙ_３を未知数と定義し、プロセスデータ推定システム１により、推定値を求める。

解析部１３では、モデルパラメータや未計測データを未知数として、最適化問題として解く。まず、目的関数を定義する（Ｓ２３０）。

目的関数ｆは、ある場所でのエネルギーバランスに着目して、計測値と推定値の差分と定義する。すなわち、図３に示す体系では、エアーの合流部に着目し、目的関数ｆを次式（４）で表す。

ここで、添え字ｅｓｔは推定値を表す。

また、最適化問題としては、目的関数ｆを最小化するモデルパラメータや未計測データを求めるものと考え、目的関数ｆの目標最小値εを設定する。

解析部１３では、制約条件を定義する（Ｓ２４０）。モデルパラメータや未計測データに対して、値の範囲を定義する。

ここで、添え字ｍｉｎは最小値を、ｍａｘは最大値を表す。また、図３に示す条件では、エアーのマスバランスを考慮すると次式（８）が制約条件の一つとなる。

目的関数ｆを最小化するように決定すべき未知数は、次の９つである。
ａｉ、ｂｉ、ｙｉ （ｉ＝１〜３）

未知数９つに対して、式の数が、式（３）および式（８）の４つしか存在しないため、未知数が一意に決定されない。そこで、未知数と式の数が一致するまで、時間断面方向に式の数を増やしていく。

ここで、添え字ｔ１〜ｔ６は、それぞれ異なる時間を表す。６つの時間断面を考慮すると、未知数と式の数が一致して、未知数が一意に決定できる。

最適化により、モデルパラメータや未計測データを算出し（Ｓ２５０）、目的関数の値が目標最小値以下となって計算終了条件を満たした場合は（Ｓ２６０）、計算を終了する。

計算終了条件を満たさない場合は、目的関数や制約条件などの計算終了条件を修正して（Ｓ２８０）、再計算を行う。または、解析対象のユーティリティープラントの範囲を修正して（Ｓ２９０）、再計算を行う。

本実施例では、上述のようにして未知数を決定することができる。ユーザーが設定したモデルや求められたモデルパラメータと未計測データの推定値などは、適宜、解析データＤＢに保存する。

本実施例では、３台のコンプレッサ（１）〜（３）を対象としたが、台数（３台）や設備（コンプレッサ）は、これ以外であってもよい。

上記したプロセスデータ推定方法は、未知のモデルパラメータと未計測の入出力データを求め、プロセス解析や診断を行うことで省エネルギーにつなげていくものである。上記したプロセスデータ推定方法は、目的関数を定義する工程と目的関数を最適化する工程を含んでおり、未知のモデルパラメータと未計測の入出力データを、最適化手法によって同時に求めている。

上記したプロセスデータ推定方法によれば、全体のエネルギーしか測定できない状況で、全体のエネルギーの測定値と各設備の設備モデルと各設備の運転制御情報に基づいて、設備毎のエネルギー推定値と各設備の設備モデルパラメータを求めることができる。

したがって、個々の設備全てに各種センサを設置する必要がなく、高コストになることなく、個々の設備についてエネルギーを知ることができる。このように、必要となるデータが求まることで、プロセス解析や診断を行うことが可能となり、不具合箇所を抽出して対応することにより省エネルギーを実現できる。

［実施例２］
実施例１では、３台のコンプレッサが常時運転されている場合を前提とした解析方法を述べた。

実際に使用するエアー量に対して、コンプレッサからの供給可能エアー量が大きい場合、３台のコンプレッサの運転方法として、図４に示すように、１台が通常運転、１台が待機運転、１台が運転停止となる状態を、日々ローテーションすることで運転時間を平均化する運転方法がとられることがある。

この場合、運転されているコンプレッサは通常運転と待機運転の２台となる。運転されている２台のコンプレッサを特定して、その２台のコンプレッサを対象とした最適化問題とすることができれば、未知数を減らすことができて、問題の解法時間の短縮ができる。

複数のコンプレッサの運転には、エアーのヘッダ圧力を一定にするように、各コンプレッサに対して、ロード／アンロード、起動／停止、を指示する台数制御方法がある。運転されている２台のコンプレッサを特定するために、制御システムから出力される台数制御の信号を利用する。

本実施例では、コンプレッサ（１）、（２）の２台が運転されている場合について、プロセスデータ推定システム１の処理機能について説明する。

プロセスデータ推定システム１の処理フローは、実施例１と同じく図２で示す。
モデル作成部１２において、解析対象とするユーティリティープラント３の範囲を決定する（Ｓ２００）。ここでは、図５に示すように、制御信号の情報から停止されているコンプレッサ（３）を除いた、２台のコンプレッサ（１）、（２）と、コンプレッサへの電力供給部３１０、コンプレッサ出口でのヘッダ３２０を含む。

モデル作成部１２において、解析対象範囲の設備について、設備モデルを作成する（Ｓ２１０）。ここでは、図５に示す２台のコンプレッサ（１）、（２）について、出力エネルギーｙ_ｉであるエアー３３０が入力エネルギーｘ_ｉである電力３１０の一次関数で与えられると仮定する。すなわち、設備モデルが次式（９）で表される。

ここで、ａ_ｉ、ｂ_ｉがモデルパラメータであり、添え字ｉ（ｉ＝１、２）は、コンプレッサｉを示す。ａ_ｉ、ｂ_ｉは、いずれも未知数であり、プロセスデータ推定システム１により、推定値を求める。

モデル作成部１２において、解析対象範囲の設備の入出力データについて計測／未計測を定義する（Ｓ２２０）。ここでは、図５に示す、各コンプレッサで使用される電力（ｘ_１、ｘ_２）とコンプレッサが生産するエアーの合計（ｙ_０）については計測データが得られているが、各コンプレッサが生産するエアー（ｙ_１、ｙ_２）は未計測となっている。未計測であるｙ₁、ｙ_２を未知数と定義し、プロセスデータ推定システム１により、推定値を求める。

解析部１３では、モデルパラメータや未計測データを未知数として、最適化問題として解く。まず、目的関数を定義する（Ｓ２３０）。

目的関数ｆは、ある場所でのエネルギーバランスに着目して、計測値と推定値の差分と定義する。すなわち、図５に示す体系では、エアーの合流部に着目し、目的関数ｆを次式で表す。

ここで、添え字ｅｓｔは推定値を表す。
また、最適化問題としては、目的関数ｆを最小化するモデルパラメータや未計測データを求めるものと考え、目的関数ｆの目標最小値εを設定する。

解析部１３では、制約条件を定義する（Ｓ２４０）。モデルパラメータや未計測データに対して、値の範囲を定義する。

ここで、添え字ｍｉｎは最小値を、ｍａｘは最大値を表す。また、図５に示す条件では、エアーのマスバランスを考慮すると次式が制約条件の一つとなる。

目的関数ｆを最小化するように決定すべき未知数は、次の６つである。
ａｉ、ｂｉ、ｙｉ （ｉ＝１、２）

未知数６つに対して、式の数が、式（９）および式（１４）の３つしか存在しないため、未知数が一意に決定されない。そこで、未知数と式の数が一致するまで、時間断面方向に式の数を増やしていく。

ここで、添え字ｔ１〜ｔ４は、それぞれ異なる時間を表す。４つの時間断面を考慮すると、未知数と式の数が一致して、未知数が一意に決定できる。

最適化により、モデルパラメータや未計測データを算出し（Ｓ２５０）、目的関数の値が目標最小値以下となって計算終了条件を満たした場合は（Ｓ２６０）、計算を終了する。

計算終了条件を満たさない場合は、目的関数や制約条件などの計算終了条件を修正して（Ｓ２８０）、再計算を行う。または、解析対象のユーティリティープラントの範囲を修正して（Ｓ２９０）、再計算を行う。

本実施例では、上述のようにして未知数を決定することができる。ユーザーが設定したモデルや求められたモデルパラメータと未計測データの推定値などは、適宜、解析データＤＢに保存する。

本実施例では、実施例１と比較して、未知数の数が２４から１２へと半減したことにより、計算に要する時間が短くなる。

本実施例では、コンプレッサ（１）、（２）が運転状態にある場合を示したが、２台の組み合わせは、これ以外であってもよい。また、本実施例では、３台のコンプレッサを対象としたが、台数（３台）や設備（コンプレッサ）は、これ以外であってもよい。

［実施例３］
本実施例では、実施例１および２において推定した設備モデルパラメータを利用した、設備診断方法について述べる。

設備モデルパラメータの推定を、ある時間間隔をおいて実施する。時間間隔としては、１週間、１ヶ月、１年間などのように定期的なものや、設備の点検・修理の前後などのような不定期なものがある。

実施例１および２で述べたように、設備モデルパラメータの推定値は、解析データＤＢに保存されているので、図６に示すような表示が可能となる。図６では、コンプレッサ（１）について、ある年の１月から３月までの１ヶ月毎に推定した設備モデルパラメータを基に、式（２）で表される設備モデルを表示したものである。

図６では、時間がたつに従って設備モデル式の傾きが小さくなってきている。つまり、同じ電力使用量に対してエアー流量が小さくなっており、コンプレッサの性能が低下していることを表す。

そこで、図６中の破線で示すように点検レベルを設定しておき、コンプレッサ性能が点検レベルを下回った時に点検・整備を行うようにする。

本実施例では、上述のように設備モデルパラメータの推定結果を利用して、設備診断を行うことができる。したがって設備の性能低下を防ぎ、省エネを実現することが可能となる。

以上、本発明の実施形態について詳述したが、本発明は、前記の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の精神を逸脱しない範囲で、種々の設計変更を行うことができるものである。例えば、前記した実施の形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。さらに、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

１ プロセスデータ推定システム
２ 制御システム
３ ユーティリティープラント
１１ 解析データＤＢ（データベース）
１２ モデル作成部
１３ 解析部
１４ 表示部
２１ 制御部
２２ プロセスデータＤＢ（データベース）
２３ 制御信号
２４ 実績データ
３１ 入力エネルギー
３２〜３４ 用役設備
３５ ヘッダ
３６ 出力エネルギー
４０ 圧力計

Claims (6)

1. 複数の設備を有するプラントの解析対象範囲を決定する工程と、
   該プラントの入出力エネルギーに基づいて前記複数の設備の各設備モデル式をそれぞれ作成する工程と、
   前記複数の設備の各入出力データについて計測又は未計測を定義する工程と、
   前記各設備モデル式のモデルパラメータ及び前記未計測の入出力データを未知数とした最適化問題として解析する工程と、
   を含み、
   該解析する工程は、
   前記各設備モデル式及び前記複数の設備の各入出力エネルギー関係式を定義する工程と、
   前記各設備モデル式及び前記各入出力エネルギー関係式から目的関数を定義する工程と、
   前記目的関数を最小化する、前記各設備モデル式及び前記各入出力エネルギー関係式に含まれる、未知のモデルパラメータ及び未計測の設備の入出力データを求める工程と、
   を含むことを特徴とする記載のプロセスデータ推定方法。
2. 前記目的関数を最小化する未知のモデルパラメータ及び未計測の設備の入出力データは、
   前記未知のモデルパラメータ及び未計測の設備の入出力データの数と前記各設備モデル式及び前記各入出力エネルギー関係式の数とが一致するまで、時間断面方向に前記各設備モデル式の数を増やすことによって求められることを特徴とする請求項１に記載のプロセスデータ推定方法。
3. 前記設備モデル式には、前記複数の設備を制御する手段を有する制御システムから前記設備への制御信号の情報が含まれることを特徴とする請求項１又は２に記載のプロセスデータ推定方法。
4. 前記制御信号の情報には、前記複数の設備の運転、停止、運転中の負荷率の情報が含まれることを特徴とする請求項３に記載のプロセスデータ推定方法。
5. 前記解析する工程により求めた前記モデルパラメータの推定結果を基にした前記設備モデル式を時系列で重ね合わせて表示する表示工程を含むことを特徴とする請求項１から請求項４のいずれか一項に記載のプロセスデータ推定方法。
6. 前記複数の設備は、エネルギーを消費するエネルギー消費プラントの設備に対してエネルギーを供給するユーティリティープラントの設備であることを特徴とする請求項１から請求項５のいずれか一項に記載のプロセスデータ推定方法。

Images