JP6400511B2 - プラント制御用のデータ処理装置およびプラント - Google Patents

Description

本発明は、プラント制御用のデータ処理装置、プラント制御用のデータ処理装置を備えるプラント、およびプラントの制御パラメータの自動調整方法に関する。

例えば、火力発電所や製鉄所などのプラントでは、制御装置が、プラントからの計測信号と制御パラメータとを用いて、プラントを操作するための操作信号を計算する。プラントを所望の特性となるように運転するには、操作信号を計算する際に用いる制御パラメータを適切に調整する必要がある。

一般に、プラント出力にはばらつきがあり、同じ操作を実施してもプロセスの状態は変動する。従って、平均的には状態が改善する操作信号をプラントに与えた場合でも、プロセス状態の変動の影響により、一時的に制約条件を逸脱する可能性がある。プラント出力のばらつきの程度を推定しつつ、プロセス状態の変動に対してロバストな制御パラメータを探索するには大量のデータを処理する必要があり、手動で探索するのは困難である。そのため、プラント出力のばらつきを考慮しつつ、目的に応じて制御パラメータを自動的に最適調整する技術が求められている。

特許文献１は、火力発電プラントの運転制御において、外乱やノイズに対してロバストな制御指令値を探索する技術を開示する。特許文献１では、実機運転データと強化学習理論とを用いることで、プラント出力が所望の性能を満たすように、ロバストな制御指令値を探索する。

非特許文献１は、発電プラントの一種であるコンバインドサイクル発電プラントの起動制御において、制御装置の制御パラメータを最適調整する技術を開示する。非特許文献１では、強化学習理論と遺伝的アルゴリズムに基づいて、プラントシミュレータを対象に制御パラメータを最適調整する。

非特許文献２には、教科学習理論が開示されている。強化学習理論は、制御対象プラント（または制御対象モデル）に対して信号を送受信することで、最適な制御パラメータを探索するアルゴリズムである。

非特許文献３には、ベイズ推定法が開示されている。

特開２００７−２７２６４６号公報

神谷昭基，"強化学習を用いた発電プラント起動スケジューリング"，人工知能学会誌，Ｖｏｌ．１２，Ｎｏ．６，ｐ８３７-８４４（１９９７／１１） 三上貞芳・皆川雅章共訳，"強化学習（Reinforcement Learning）"，森北出版株式会社，２０００年１２月２０日 渡部洋，"ベイズ統計学入門"，福村出版社，１９９９年９月

特許文献１では、出力のばらつきを考慮しつつ、制御目的と制約条件に応じて制御パラメータを最適調整する。特許文献１では、制御パラメータを最適化するために制御パラメータの評価に用いる出力は、短いサンプリング周期で計測できることを前提とする。特許文献１では、短いサンプリング周期でプラント出力を計測できることを前提としており、この前提に基づいて、計測データからばらつき（分散）を求める。そして、特許文献１では、ばらつきを考慮した上で、最適な操作条件を探索する。しかし、例えば、プラント起動運転中の総燃料消費量など、短いサンプリング周期では計測することができず、１回分のデータを取得するのに時間がかかるデータもある。しかし、特許文献１では、ばらつきを推定するためのデータ量が不足する場合を考慮しておらず、その対応方法を開示していない。

一方、非特許文献１では、プラントシミュレータを対象にして、制御パラメータを最適調整する。従って、非特許文献１では、特徴量を取得するサンプル周期やサンプルデータの量に関係なく、制御パラメータを最適調整することができる。しかし、非特許文献１では、制御パラメータの最適化に際して、プラント出力のばらつきを考慮する方法を考慮しておらず、示唆もない。

本発明は、上記の課題に着目してなされたもので、所定の制御パラメータを制御対象モデルへ入力した場合における制御対象モデルからの所定の出力のばらつきを演算することで、所定の出力の安定化に寄与できるプラント制御用のデータ処理装置、プラント制御用のデータ処理装置を備えるプラント、およびプラントの制御パラメータの自動調整方法を提供することにある。本発明の他の目的は、所定の制御パラメータの最適化に使用する所定の出力のばらつきを推定するために必要なデータを十分得ることができない場合でも、所定の出力を安定化できるようにしたプラント制御用のデータ処理装置、プラント制御用のデータ処理装置を備えるプラント、およびプラントの制御パラメータの自動調整方法を提供することにある。

上記課題を解決すべく、本発明に従うプラント制御用のデータ処理装置は、プラントの制御に使用するデータ処理装置であって、プラントの運転データに基づいて、プラントの制御対象モデルの物理モデルパラメータと当該物理モデルパラメータのばらつきとを推定する物理モデルパラメータ推定部と、選択された所定の制御パラメータを制御対象モデルへ入力した場合における制御対象モデルからの所定の出力のばらつきを、物理モデルパラメータのばらつきに基づいて演算し、その演算結果を出力する出力ばらつき演算部と、を備える。

本発明によれば、プラントの運転データに基づいてプラントの制御対象モデルの物理モデルパラメータと当該物理モデルパラメータのばらつきとを推定でき、所定の制御パラメータを制御対象モデルへ入力した場合における制御対象モデルからの所定の出力のばらつきを、物理モデルパラメータのばらつきに基づいて演算して出力できる。所定の出力のばらつきを求めることができるため、所定の出力のばらつきが小さくなるように制御パラメータを最適化することもできる。

第１実施例によるプラントの制御システムを説明するブロック図である。 制御システムの動作を説明するフローチャートである。 図２中の一部の処理の詳細な動作を説明するフローチャートである。 操作信号と計測信号を対応付ける運転データとしての信号データを記憶するデータベースの構成例を示す。 物理モデルパラメータデータベースの構成例を示す。 制御パラメータデータベースの構成例を示す。 運転員が、制御パラメータの最適化の際に、評価対象となる出力および制約条件を制御システムへ入力するための表示画面例である。 運転員が、最適化対象の制御パラメータおよび推定対象のモデルパラメータを制御システムへ入力するための表示画面例である。 制御パラメータの最適化結果を確認するための表示画面例である。 図９中のグラフを拡大して示す図である。 モデルパラメータを確認するための表示画面例である。 本発明の制御システムを火力発電プラントに適用した場合の、火力発電プラントの構成例を示す。

以下、図面に基づいて、本発明の実施の形態を説明する。プラント制御用のデータ処理装置は、例えば、火力発電プラント、製鉄プラント、水処理プラント、石油化学プラント、植物工場プラントなどの各種プラントに適用することができる。本実施形態では、発電プラントに適用する場合を例に挙げて説明する。

本実施形態で述べるプラント制御用の制御システムＭ３は、物理モデルパラメータ推定部Ｍ４１と、物理モデルパラメータデータベースＭ４２と、制御パラメータ最適化部Ｍ４４と、出力ばらつき再現部Ｍ４５とを備えることができる。なお、図中および以下の説明では、「物理モデルパラメータ」を「モデルパラメータ」と略記する場合がある。

モデルパラメータ推定部Ｍ４１は、計測信号などを記憶する信号データベースＭ３３から、制御対象プラントＭ１のモデルのモデルパラメータおよび当該モデルパラメータのばらつきを推定する。モデルパラメータデータベースＭ４２は、モデルパラメータ推定部Ｍ４１による推定結果を記憶する。出力ばらつき再現部Ｍ４５は、モデルパラメータデータベースＭ４２から制御対象プラントＭ１の所定の出力のばらつきを再現する。本実施形態では、所定の出力のばらつきを推定することを、「所定の出力のばらつきを再現する」と表現する場合がある。

本実施形態の制御システムを用いることで、プラント出力のばらつきを考慮しつつ、目的や制約条件に応じて制御パラメータを自動的に最適化できる。本実施形態の制御システムでは、ばらつきを推定できるだけの十分なサンプルデータを持つ他のプラント出力データから、制御対象モデルのモデルパラメータのばらつきを推定し、その推定結果を用いて所定の出力のばらつきをプラントモデルで再現することができる。従って、本実施形態の制御システムでは、１回のデータの取得に時間がかかるプラント出力や、データ量がばらつきを推定できる理論的サンプル数に満たないプラント出力であっても、そのばらつきを推定して、目的や制約条件に応じて制御パラメータを最適化することができる。

図１〜図１２を用いて第１実施例を説明する。図１は、第１実施例による制御システムＭ３を説明するブロック図である。例えば発電プラントなどの制御対象プラントＭ１は、制御システムＭ３によって制御される。制御システムＭ３は、制御対象プラントＭ１および制御室Ｍ２内の管理用コンピュータＭ２４と双方向通信可能に接続されている。通信インターフェースの種類は問わない。

制御システムＭ３は、例えば、マイクロプロセッサ、主記憶装置、補助記憶装置、入出力インターフェース部Ｍ３４などを備えるコンピュータシステムとして構成される。制御システムＭ３が持つ各種機能は、例えば、マイクロプロセッサが所定のコンピュータプログラムを実行することによって、あるいは、専用のハードウェア回路を動作させることによって、あるいは、ソフトウェアとハードウェアとが協調することによって、実現することができる。

制御システムＭ３は、例えば、操作信号演算部Ｍ３１、制御パラメータデータベースＭ３２、信号データベースＭ３３、入出力インターフェース部Ｍ３４、および制御パラメータ自動調整装置Ｍ４を含む。操作信号演算部Ｍ３１および制御パラメータ自動調整装置Ｍ４は、コンピュータ資源の一つである演算装置を用いて実現される。制御パラメータデータベースＭ３２と信号データベースＭ３３とは、コンピュータ資源の他の一つであるデータベースを用いて実現される。図中では、データベースを「ＤＢ」と略記する。

制御パラメータ自動調整装置Ｍ４は、それ自体が独立した装置または機能として構成することができる。制御パラメータ自動調整装置Ｍ４は、制御システムＭ３内に最初から組み込むこともできるし、制御システムＭ３へ後から追加することもできる。制御パラメータ自動調整装置Ｍ４を実現するためのコンピュータプログラムは、記憶媒体または通信媒体を介して、流通させることができる。

操作信号演算部Ｍ３１は、制御対象プラントＭ１から入出力インターフェース部Ｍ３４を介して計測信号Ｄ１１を取り込むと共に、制御パラメータデータベースＭ３２に保存された実機向け制御パラメータ信号Ｄ３２も取り込む。操作信号演算部Ｍ３１は、制御パラメータ信号Ｄ３２および計測信号Ｄ１１に基づいて、操作信号Ｄ１２を計算する。

ここで、制御パラメータとは、操作信号Ｄ１２の計算に用いるパラメータであり、例えば、比例積分制御器のゲイン、関数の形状を決定するパラメータ等である。制御システムＭ３は、操作信号演算部Ｍ３１で算出した操作信号Ｄ１２を、入出力インターフェース部Ｍ３４を通して制御対象プラントＭ１へ送信する。

制御対象プラントＭ１内の制御対象装置（不図示）は、制御システムＭ３からの操作信号に応じて動作する。制御対象装置としては、例えば、バルブ、ヒータ、シリンダ、モータ、ファン、ポンプなどがある。

制御対象プラントＭ１には、そのプラント状態（プラント出力）を計測する各種センサ（不図示）が設けられている。センサとしては、例えば、温度センサ、圧力センサ、流量センサ、流速センサ、物体検知センサ、液面計、ガス濃度センサなどがある。制御対象装置が動作することでプラント状態は変化し、その変化は一つまたは複数のセンサにより検出されて、プラント出力として制御システムＭ３へ送信される。

制御システムＭ３は、操作信号演算部Ｍ３１から制御対象プラントＭ１へ送った操作信号Ｄ１２と、制御対象プラントＭ１から取得した計測信号Ｄ１１と、データ受信時刻とを、「プラントの運転データ」の一例として、操作・計測信号データベースＭ３３へ記憶して管理する。図中では、操作信号と計測信号を含む運転データを格納する操作・信号データベースＭ３３を、信号データベースＭ３３と表記する。

制御パラメータデータベースＭ３２は、上述のように、実機向け制御パラメータ信号Ｄ３２を記憶して管理する。実機向け制御パラメータ信号Ｄ３２は、制御パラメータ自動調整装置Ｍ４から最適制御パラメータ信号Ｄ４５を取り込むことで更新される。

「プラント制御用のデータ処理装置」の一つの例である制御パラメータ自動調整装置Ｍ４の構成を説明する。制御パラメータ自動調整装置Ｍ４は、例えば、モデルパラメータ推定部Ｍ４１と、モデルパラメータデータベースＭ４２と、制御対象モデルＭ４３と、制御パラメータ最適化部Ｍ４４を持つ。制御対象モデルＭ４３内には出力ばらつき再現部Ｍ４５を設けることができる。

制御対象モデルＭ４３は、制御対象プラントＭ１内の一部を取り出してモデル化したものである。図中では一つの制御対象モデルＭ４３を示すが、複数の制御対象モデルＭ４３を同時に生成し、各制御対象モデルＭ４３で使用する制御パラメータ（「所定の制御パラメータ」）を並列処理で最適化することもできる。

制御パラメータ自動調整装置Ｍ４は、制御パラメータ最適化部Ｍ４４と制御対象モデルＭ４３を用いて、最適制御パラメータ信号Ｄ４５を計算する。制御パラメータ自動調整部Ｍ４の詳細な動作については、図３を用いて後述する。

制御パラメータ最適化部Ｍ４４は、制御対象モデルＭ４３に対して制御パラメータ信号Ｄ４４を送信する。制御対象モデルＭ４３は、制御パラメータ信号Ｄ４４とモデルパラメータデータベースＭ４２に保存されるモデルパラメータ信号Ｄ４２を用いて、制御対象プラントＭ１を操作した時の特性をシミュレーション解析する。

モデルパラメータとは、模擬計測信号Ｄ４３の計算に用いるパラメータである。例えば制御対象プラントＭ１が火力発電プラントである場合、操作条件に対する火炉収熱量の特性関数の形状を決定するパラメータや、負荷に対する蒸気温度を決定するパラメータなどが、モデルパラメータである。

モデルパラメータ信号Ｄ４２は、モデルパラメータの確率分布の形式を持つ。制御対象モデルＭ４３において模擬計測信号Ｄ４３の計算に用いるモデルパラメータの値は、出力ばらつき再現部Ｍ４５が確率分布に従って確率的に選択する。

本実施例では、出力ばらつき再現部Ｍ４５により、シミュレーション解析に用いるモデルパラメータを確率分布に従ってばらつかせるため、制御対象モデルＭ４３の出力のばらつきを再現することができる。シミュレーション解析の解析結果である模擬計測信号Ｄ４３は、制御対象モデルＭ４３から制御パラメータ最適化部Ｍ４４へ送信される。

制御パラメータ最適化部Ｍ４４は、制御対象モデルＭ４３から得た模擬計測信号Ｄ４３を用いて、プラント運転特性が所望の性能となるように制御パラメータを調整する。制御パラメータ最適化部Ｍ４４は、調整した制御パラメータを示す制御パラメータ信号Ｄ４４を制御対象モデルＭ４３へ送信する。

本実施例の制御パラメータ自動調整装置Ｍ４は、制御対象モデルＭ４３のシミュレーション解析と制御パラメータの調整とを繰り返すことで、制御対象モデルＭ４３からの出力のばらつきを考慮した、最適な制御パラメータの値を探索する。

制御パラメータ最適化部Ｍ４４で実行可能なパラメータ最適化方法としては、例えば、強化学習理論、遺伝的アルゴリズム、ニューラルネットワーク、勾配法、ミニマックス法などがある。これらの各種最適化方法の中から任意の方法を選択して、制御パラメータ最適化部Ｍ４４に設けることができる。本実施例では、最適化方法として強化学習理論を用いた場合について述べる。強化学習理論の詳細は、非特許文献２に記載されている。

制御パラメータ最適化部Ｍ４４から制御対象モデルＭ４３に対して送信する信号は、最適化対象の制御パラメータを示す信号Ｄ４４である。模擬計測信号Ｄ４３は、制御パラメータを最適化するための評価値の計算に用いる。制御パラメータ最適化部Ｍ４４は、最適化対象の制御パラメータの値を、制御対象モデルＭ４３から受信した模擬計測信号Ｄ４３に基づいて試行錯誤して決定する。

評価値とは、制御パラメータ信号Ｄ４４に対する評価値であり、その値は制御パラメータによる目的の達成度合に応じる。例えば、目的が、燃料消費量を最小とするようにプラント運転することである場合、燃料消費量が少ないときほど評価値を高く、反対に燃料消費量が多いときほど評価値を低くする。目的が、プロセス状態の変動による燃料消費量のばらつきがあっても燃料消費量の制限値以内に留めることである場合、ばらつきを含めた燃料消費量が制限値を満たす場合に評価値を高く、ばらつきを含めた燃料消費量が制限値を超過するほど評価値を低くする。強化学習理論は、評価値が最大となる制御パラメータを探索する。

モデルパラメータデータベースＭ４２に保存されるモデルパラメータ信号Ｄ４２は、モデルパラメータ推定部Ｍ４１から受信するモデルパラメータ推定分布信号Ｄ４１により更新される。

モデルパラメータ推定部Ｍ４１は、操作・計測信号データベースＭ３３に保存されている操作・計測信号Ｄ３１を用いて、制御対象モデルＭ４３に用いるモデルパラメータ信号Ｄ４２の確率分布を計算する。モデルパラメータ推定部Ｍ４１は、確率分布の計算結果であるモデルパラメータ推定分布信号Ｄ４１を、モデルパラメータデータベースＭ４２へ送信する。

モデルパラメータ推定部Ｍ４１で実行可能なモデルパラメータの推定方法としては、例えば、ベイズ推定法、最尤推定法などがある。モデルパラメータを推定する方法としては、前述した方法のうち任意の方法を採用することができる。本実施例では、ベイズ推定法を用いた場合を説明する。ベイズ推定の詳細は、非特許文献３に記載されている。

ベイズ推定法は、ベイズ確率の考え方に基づいて、モデルパラメータを推定する方法である。ベイズ推定法は、制御対象モデルから受信した計測データを用いて、モデルパラメータを確率分布で推定する。ベイズ推定法での計算結果は確率分布であり、点推定する最尤推定などの手法とは異なる。本実施例では、操作・計測信号データベースＭ３３に保存されている操作・計測信号Ｄ３１を、ベイズ推定法へ入力する計測データとすることで、モデルパラメータ推定分布信号Ｄ４１を推定する。

制御室Ｍ２は、制御対象プラントＭ１を監視するための部屋であり、例えば、運転員Ｍ２１、キーボードＭ２２、マウスＭ２３、管理用コンピュータＭ２４、ディスプレイＭ２５を持つ。図１では図示を省略しているが、制御システムＭ３への入力信号Ｄ２１と制御システムＭ３からの出力信号Ｄ２２とは、入出力インターフェース部Ｍ３４を介して、各データベースＭ３３，Ｍ３２，Ｍ４２と、操作信号演算部Ｍ３１と、制御パラメータ自動調整装置Ｍ４とに繋がっている。

運転員Ｍ２１は、例えばキーボードＭ２２やマウスＭ２３などの情報入力装置を用いて、管理用コンピュータＭ２４へ設定値などの情報を入力する。管理用コンピュータＭ２４は、入力された情報を入出力インターフェース部Ｍ３４を介して、制御パラメータ自動調整装置Ｍ４や操作信号演算部Ｍ３１などへ送る。これにより、運転員Ｍ２１は、制御室Ｍ２から、制御パラメータ自動調整装置Ｍ４や操作信号演算部Ｍ３１の設定を編集することができる。

運転員Ｍ２１は、情報出力装置の例としてのディスプレイＭ２５に、制御システムＭ３内の情報を表示させることができる。ディスプレイＭ２５には、例えば、各データベースＭ３２，Ｍ３３，Ｍ４２に保存されたデータと、制御パラメータ自動調整装置Ｍ４や操作信号演算部Ｍ３１の入出力データとを表示させることができる。

情報入力装置としては、キーボードＭ２２やマウスＭ２３に限らず、例えば、音声認識装置、タッチパネルなどを用いることもできる。情報出力装置としては、ディスプレイＭ２５に限らず、例えば、プリンタ、音声合成装置などを用いることもできる。

なお、本実施例では、制御システムＭ３内に、制御パラメータデータベースＭ３２、操作・計測信号データベースＭ３３、制御パラメータ自動調整装置Ｍ４を搭載する場合を示すが、これらデータベースＭ３２，Ｍ３３や演算部Ｍ４の全部または一部を制御システムＭ３の外部に設けてもよい。制御システムＭ３は、外部に設けられたデータベースＭ３２，Ｍ３３や演算部Ｍ４などと通信してデータを送受信することで、制御システムＭ３としての機能を実現することができる。

上記と同様に、本実施例の制御パラメータ自動調整装置Ｍ４は、モデルパラメータ推定部Ｍ４１、モデルパラメータデータベースＭ４２、制御対象モデルＭ４３を搭載しているが、これらの一部を制御パラメータ自動調整装置Ｍ４の外に配置して、データのみを送受信する構成としても良い。

図２は、制御システムＭ３の動作を示すフローチャートである。図２に示すように、本フローチャートは、後述するステップＳ１０、Ｓ１１、Ｓ１２、Ｓ１３、Ｓ１４、Ｓ１５、Ｓ１６、Ｓ１７を組み合わせて実行する。

制御システムＭ３は、最初に、制御対象プラントＭ１に対して操作信号Ｄ１２を送信する必要があるか否かを判定する（Ｓ１０）。制御対象プラントＭ１への操作信号Ｄ１２の送信を要求する送信要求が存在する場合、操作信号Ｄ１２を送信すると判定する（Ｓ１０：ＹＥＳ）。ステップＳ１０の判定は、制御室Ｍ２の運転員Ｍ２１による設定内容によって、結果が変化する。

例えば、制御対象プラントＭ１が発電プラントである場合、発電プラントを運転計画に沿って制御している期間は、操作信号Ｄ１２の送信要求があると判定される。発電プラントが停止している期間では、操作信号Ｄ１２の送信要求は無いと判定される。制御システムＭ３は、操作信号Ｄ１２の送信要求があると判定した場合（Ｓ１０：ＹＥＳ）はステップＳ１１へ進み、無しと判定した場合（Ｓ１０：ＮＯ）はステップＳ１４へ進む。

ステップＳ１１において、制御システムＭ３は、操作信号演算部Ｍ３１を動作させ、計測信号Ｄ１１と実機向け制御パラメータ信号Ｄ３２とを用いて、操作信号Ｄ１２を計算し、その操作信号Ｄ１２を制御対象プラントＭ１へ送信する。

ステップＳ１２では、制御システムＭ３は、操作信号Ｄ１２に基づいて制御した制御対象プラントＭ１の状態変化を計測し、その計測結果である計測信号Ｄ１１を操作信号演算部Ｍ３１へ送信する。

ステップＳ１３において、制御システムＭ３は、ステップＳ１１で制御対象プラントＭ１へ送信した操作信号Ｄ１２と、ステップＳ１２で操作信号演算部Ｍ３１へ送信した計測信号Ｄ１１とを、操作・計測信号データベースＭ３３に送信して保存する。

制御システムＭ３は、制御パラメータを最適化するか否かを判定する（Ｓ１４）。制御システムＭ３は、操作・計測信号データベースＭ３３に保存されたデータ数が、運転員Ｍ２１によって予め設定された基準データ数よりも多い場合に、制御パラメータを最適化すると判定する（Ｓ１４：ＹＥＳ）。

基準データ数は、制御パラメータの最適化処理を開始するか否かを判定するための閾値であり、運転員Ｍ２１が設定する。運転員Ｍ２１の手動設定に代えて、何らかの指標に基づいて基準データ数を自動的に決定してもよい。

制御システムＭ３は、操作・計測信号データベースＭ３３に保存されたデータ数が、基準データ数以下の場合に、制御パラメータの最適化を行わないと判定する（Ｓ１４：ＮＯ）、本処理を終了する。

制御システムＭ３は、制御パラメータを最適化すると判定すると（Ｓ１４：ＹＥＳ）、最適化処理に用いるプラント出力のデータ数が、操作・計測信号データベースＭ３３に十分な数だけ保存されているかを判定する（Ｓ１５）。

最適化処理に用いるプラント出力のデータとは、最適化対象の制御パラメータに対応するプラント出力のデータである。プラント出力のデータ数が十分保存されているとは、最適化対象の制御パラメータに対応するプラント出力のデータ数が、十分存在していることを意味する。

制御パラメータの最適化のためのデータ数が十分ある場合（Ｓ１５：ＹＥＳ）はステップＳ１６へ移動し、無い場合（Ｓ１５：ＮＯ）はステップＳ１７へ移る。データ数が十分存在するかを判定するために数１を用いることができる。

数１において、Ｎは必要データ数、ｋは正規分布の棄却限界値、ＣＩは信頼値上限−信頼値下限、ｓ２は母集団の推定値、である。必要データ数Ｎは、「理論的サンプル数」の一例である。

評価計算対象の出力のばらつき又は分散の推定に用いることのできるデータ数をｎとしたとき、制御システムＭ３は、Ｎ≦ｎの場合にステップＳ１５でＹＥＳと判定し、Ｎ＞ｎの場合にステップＳ１５でＮＯと判定する。Ｎ≦ｎの場合であっても、１回のサンプル取得に１分間以上必要とする場合、制御システムＭ３は、ステップＳ１５でＮＯと判定する。ここでの１分間は、「所定のサンプル数」の一例である。

ステップＳ１６では、制御システムＭ３は、特許文献１に開示されたと同様の方法に従って、制御パラメータデータベースＭ３２を更新する。図２では、従来方法による制御パラメータの最適化を第１手法による最適化と呼び、本発明に特有な制御パラメータの最適化を第２手法による最適化と呼ぶ。

ステップＳ１７では、制御システムＭ３は、制御パラメータ自動調整装置Ｍ４を動作させ、制御パラメータ最適化部Ｍ４４から制御パラメータデータベースＭ３２へ最適制御パラメータ信号Ｄ４５を送信することにより、制御パラメータを更新する。ステップＳ１７の詳細については、図３を用いて後述する。

図３は、図２中のステップＳ１７の詳細を示すフローチャートである。図３に示すように、本フローチャートは、ステップＳ１０１、ステップＳ１０２、ステップＳ１０３、ステップＳ１０４、ステップＳ１０５、ステップＳ１０６、ステップＳ１０７、ステップＳ１０８、ステップＳ１０９、ステップＳ１１０を組み合わせて実行する。

制御システムＭ３は、ステップＳ１０１において、モデルパラメータ推定部Ｍ４１を動作させる。モデルパラメータ推定部Ｍ４１は、操作・計測信号データベースＭ３３から操作・計測信号Ｄ３１を取り込んで、モデルパラメータ推定分布信号Ｄ４１を計算する（Ｓ１０１）。

ステップＳ１０２では、制御システムＭ３は、ステップＳ１０１で計算したモデルパラメータ推定分布信号Ｄ４１をモデルパラメータデータベースＭ４２に保存する。

ステップＳ１０３では、制御システムＭ３は、制御パラメータ最適化部Ｍ４４で制御パラメータ信号Ｄ４４を計算し、制御対象モデルＭ４３に対して送信する。

ステップＳ１０４において、制御システムＭ３は、制御対象モデルＭ４３の出力ばらつき再現部Ｍ４５を動作させる。出力ばらつき再現部Ｍ４５は、モデルパラメータデータベースＭ４２から取り込んだモデルパラメータ信号Ｄ４２を用いることで、制御対象モデルＭ４３において模擬計測信号Ｄ４３の計算に用いるモデルパラメータの値を決定する（Ｓ１０４）。

ここで、ステップＳ１０３で制御パラメータ最適化部Ｍ４４から新しい制御パラメータ信号Ｄ４４を受信した後における、最初のステップＳ１０４である場合、ステップＳ１０４で選択するモデルパラメータの値を、モデルパラメータ信号Ｄ４２の確率分布の期待値とする。モデルパラメータの最初の値をそのモデルパラメータの確率分布の期待値にすることと、後述するステップＳ１０６とが結合することにより、最適化処理に要する時間を短縮することができる。

ステップＳ１０５では、制御システムＭ３は、ステップＳ１０３で決定した制御パラメータ信号Ｄ４４とステップＳ１０４で決定したモデルパラメータの値とを用いて、制御対象モデルＭ４３での模擬計測信号Ｄ４３を計算する。

ステップＳ１０６では、制御システムＭ３は、ステップＳ１０５で計算した模擬計測信号Ｄ４３のデータ数が、模擬計測信号Ｄ４３のばらつき又は分散を推定するのに十分な数だけあるか否かを、数１を用いて判定する。

ここで、模擬計測信号Ｄ４３のデータ数をｉとしたとき、Ｎ≦ｉの場合、ステップＳ１０６ではＹＥＳと判定し、Ｎ＞ｉの場合はＮＯと判定する。ステップＳ１０６でＹＥＳと判定された場合はステップＳ１０７へ進み、ステップＳ１０６でＮＯと判定された場合はステップＳ１０４へ戻る。

ここで、ステップＳ１０４ではモデルパラメータの最初の選択値をモデルパラメータ信号Ｄ４２の確率分布の期待値としているため、Ｎ＞ｉの場合であっても、模擬計測信号Ｄ４３が所望の特性を満たしていない場合は、ステップＳ１０６でＹＥＳと判定して、計算時間を短縮する。

モデルパラメータの値が期待値でありながら、模擬計測信号Ｄ４３が所望の特性を満たしていない場合、ステップＳ１０３で計算した制御パラメータ信号Ｄ４４の評価値が最大とならないことは明白である。従って、ステップＳ１０６でＹＥＳと判定することで、ばらつきの計算処理を省くことができ、計算時間を短縮できる。

制御システムＭ３は、ステップＳ１０５で計算した１つ以上の模擬計測信号Ｄ４３のサンプルデータから、プラント出力である模擬計測信号Ｄ４３の期待値とばらつき又は分散とを計算し、その計算結果を模擬計測信号Ｄ４３と一緒に制御パラメータ最適化部Ｍ４４へ送信する（Ｓ１０７）。ここで、上述の通り、ステップＳ１０６で最適化に要する計算時間を短縮した場合は、模擬計測信号Ｄ４３の値のみを制御パラメータ最適化部Ｍ４４へ送信する。模擬計測信号のばらつきは計算していないためである。

ステップＳ１０８では、制御システムＭ３は、制御パラメータ最適化部Ｍ４４を動作させ、ステップＳ１０７で計算したプラント出力（模擬計測信号Ｄ４３）の期待値とばらつきとを用いて、評価値を計算する。

ここで、ステップＳ１０６で最適化に要する計算時間を短縮している場合、模擬計測信号Ｄ４３のばらつきは計算していないため、運転員Ｍ２１が予め設定した仮の値を模擬計測信号Ｄ４３の値であると仮定して、評価値を計算する（Ｓ１０８）。

ばらつきの仮の値は、目標値が設定されている場合は必ずその目標値を逸脱する値として設定される。目標値が設定されていない場合、ばらつきの仮の値は、ステップＳ１０４〜Ｓ１０６で計算されるばらつきの値よりも必ず大きくなるように設定される。つまり、最適化に要する計算時間を短縮していない場合よりも、大きい値になるように、ばらつきの仮の値を設定する。

ステップＳ１０９では、制御システムＭ３は、制御パラメータの最適化が完了したか判定する。制御システムＭ３は、制御パラメータ最適化部Ｍ４４から制御パラメータ信号Ｄ４４が送信された回数ＣＬを記録している。

その回数ＣＬが予め決められた所定の値ＴｈＣＬを超過した場合（ＣＬ＞ＴｈＣＬ）、制御システムＭ３は、制御パラメータの最適化が完了したと判定し（Ｓ１０９：ＹＥＳ）、ステップＳ１１０へ移る。これに対し、回数ＣＬが所定値ＴｈＣＬを超えていない場合（ＣＬ≦ＴｈＣＬ）、制御システムＭ３は、制御パラメータの最適化が終了していないと判定し（Ｓ１０９：ＮＯ）、ステップＳ１０３へ戻る。制御パラメータ最適化部Ｍ４４が制御パラメータ信号Ｄ４４を送信する回数ＣＬを学習回数と呼び、所定値ＴｈＣＬを学習完了を判定するための閾値と呼ぶこともできる。制御パラメータの最適化が完了したかを判定する方法は、上述の例に限定されない。制御パラメータ信号Ｄ４４の送信回数ＣＬ以外の値を用いて判定する方法でもよい。

ステップＳ１１０において、制御システムＭ３は、制御パラメータ最適化部Ｍ４４を動作させ、目的に対して最適と判断された最適制御パラメータ信号Ｄ４５を制御パラメータデータベースＭ３２へ送信する。これにより、制御パラメータデータベースＭ３２の値が更新される。

図４は、操作・計測信号データベースＭ３３に保存されているデータの態様を説明する図である。図４に示すように、操作・計測信号データベースＭ３３には、計測信号Ｄ１１と操作信号Ｄ１２（図では、データ項目Ａ、Ｂ、Ｃを記載）の値が、サンプリング周期毎に保存される。

図５は、モデルパラメータデータベースＭ４２に保存されているデータの状態を説明する図である。図５に示すように、モデルパラメータデータベースＭ４２には、各モデルパラメータの確率分布が保存されている。確率分布を保存する形式は任意である。例えば、「パラメータ１」は、分布の種類とその分布の形状とが一意に定まるように、その平均値や分散等の特徴量を指定する形式で確率分布を保存している。「パラメータ２」は、確率分布のサンプルデータの形式で確率分布を保存している。

図６は、制御パラメータデータベースＭ３２に保存されているデータの状態を説明する図である。図６に示すように、制御パラメータデータベースＭ３２には、各制御パラメータの最適値がそれぞれ保存されている。制御パラメータの保存形式は特に問わない。図６では、最適値の保存形式の例として、一つの制御パラメータ毎に値を一つ保存しているが、これに限らず、関数などの形式で最適値を保存してもよい。

図７は、運転員Ｍ２１が、評価値計算の対象とするプラント出力と制約条件を、制御パラメータ自動調整装置Ｍ４に対して設定する場合に使用する画面Ｇ２１の例である。この画面Ｇ２１は、運転員Ｍ２１の求めに応じてディスプレイＭ２５に表示される。

画面Ｇ２１の上部では、評価値計算の対象とする出力（プラント出力）に関する情報を設定する。評価対象とする出力を設定する際は、評価対象の変数名、目的、目標値、重みなどの情報を入力する。評価対象の「出力の変数名」には、制御対象モデルＭ４３で用いられる変数名など、評価値計算の対象とする出力が一意に特定可能な情報を使用する。「目的」と「目標値」は、制御パラメータ最適化部Ｍ４４で制御パラメータＤ４４の評価値を計算するために必要な情報である。

例として、ある発電プラントの燃料消費量を５万トン以下としたい場合、出力変数名は「燃料消費量」、目的は「目標値以下」、目標値は「５万トン」と設定する。重みは、最適化の優先順位を決めるための情報である。重みの高い出力が重みの低い出力とトレードオフ関係にある場合、重みの高い出力の方が優先される。

画面Ｇ２１の下部では、制約条件に関する情報を設定する。制約条件の設定に際しては、制約条件となる変数名、目的、制限値などの情報を入力する。「制限値」は、「目的」や「目標値」と同様に、制御パラメータ最適化部Ｍ４４で制御パラメータＤ４４を評価するための情報である。ある発電プラントの制約条件が、「運転中の熱応力を４００Ｍｐａ以内とすること」である場合を例に挙げて説明する。この場合、制約条件となる変数名は「熱応力」、目的は「制限値以内とすること」、制限値は「４００」となる。画面Ｇ２１の上部に示すように、評価値計算の対象とする「出力」の下には、出力を追加するためのボタンが配置される。同様に、画面Ｇ２１の下部において、「制約条件」の下には、制約条件を追加するためのボタンが配置される。

これらの追加ボタンは、評価値計算の対象とする出力の項目と制約条件の項目とが足りない場合に、必要な項目を増やすために用いられる。運転員Ｍ２１は、画面Ｇ２１を用いることで、制御パラメータの最適化処理における評価対象となる、出力（プラント出力）および制約条件を簡単に設定することができる。なお、他の画面例でも同様であるが、図７の画面Ｇ２１の構成は一例であり、図７に示す画面構造に限定されない。

図８は、運転員Ｍ２１が、制御パラメータと、モデルパラメータデータベースＭ４２に保存するモデルパラメータとを制御システムＭ３へ設定する場合に使用する画面Ｇ２２の例を示す。この画面Ｇ２２も、運転員Ｍ２１の求めに応じて、ディスプレイＭ２５に表示される。

画面Ｇ２２の上部では、最適化対象の制御パラメータに関する情報を入力する。入力する情報には、例えば、最適化対象である制御パラメータの変数名、最小値、最大値、初期値、パラメータの種類などがある。最適化対象である「制御パラメータの変数名」には、操作信号演算装置Ｍ３１や制御対象モデルＭ４３で用いられる変数名などのように、制御パラメータを一意に特定可能な情報を用いる。

「最小値」と「最大値」とは、最適化対象である制御パラメータの調整可能範囲を規定する情報である。「初期値」は、最適化処理の開始時における制御パラメータの初期値である。「パラメータの種類」は、制御パラメータが離散値であるか、それとも連続値であるかを指定する項目である。

画面Ｇ２２の下部では、モデルパラメータデータベースＭ４２に保存するモデルパラメータに関する情報を入力する。入力する情報としては、例えば、モデルパラメータの推定に用いる、データおよび計算式がある。計算式は、推定対象のモデルパラメータとモデルパラメータの推定に用いるデータとの関係性を示す式である。例えば、推定対象のモデルパラメータが燃料消費量である場合、モデルパラメータの推定に用いるデータは一定時間あたりの燃料流量と時間である。この場合の計算式は、下記数２である。

数２において、Ｆは燃料消費量、Ｖは１分間あたりの燃料流量、Ｔは時間である。図８に示す入力方法および入力項目は例示に過ぎない。他の入力方法および入力項目を採用してもよい。画面Ｇ２２を用いることで、運転員Ｍ２１は、モデルパラメータと最適化対象の制御パラメータとを簡単に制御システムＭ３へ設定することができる。

図９は、運転員Ｍ２１が、制御パラメータ自動調整装置Ｍ４の出力結果である最適制御パラメータ信号Ｄ４５を確認するための画面Ｇ２３の例である。画面２３は、運転員Ｍ２１の求めに応じて、ディスプレイＭ２５に表示される。

画面Ｇ２３には、例えば、最適化対象である制御パラメータの変数名、制御パラメータの最適値、制御パラメータに対する評価対象の出力のグラフなどを表示できる。

最適化対象である「制御パラメータの変数名」は、図８の画面Ｇ２２で運転員Ｍ２１が入力したものと同じである。制御パラメータの「最適値」は、制御パラメータデータベースＭ３２に保存される値である。

制御パラメータに対する評価対象の出力のグラフは、制御パラメータの値によって、評価対象の出力の平均値とばらつきとがどのように変化するかを示す。図１０は、図９中のグラフを拡大して示す。図１０（ａ）は、図９における「制御パラメータ１」の最適値を示すグラフである。図１０（ｂ）は、図９における「制御パラメータ２」の最適値を示すグラフである。

図１０に示すように、縦軸はプラント出力、横軸は制御パラメータである。図１０には、プラント出力のばらつき具合と、プラント出力の目標値および期待値と、制御パラメータを最適化した結果とが示される。

図９に示す制御パラメータ自動調整装置Ｍ４の出力結果の画面Ｇ２３の構成は一例であり、他の構成を採用してもよい。本画面Ｇ２３を用いることで、運転員Ｍ２１は簡単に制御パラメータの最適値と、その値が最適値であると判定された理由とを確認できる。

図１１は、運転員Ｍ２１が、モデルパラメータデータベースＭ４２に保存されるモデルパラメータ推定分布信号Ｄ４１を確認するための画面Ｇ２４の例である。画面Ｇ２４も、運転員Ｍ２１の求めに応じて、ディスプレイＭ２５に表示される。

画面Ｇ２４には、例えば、モデルパラメータの変数名、平均値、分散値、モデルパラメータの確率分布のグラフなどを表示させることができる。

「モデルパラメータの変数名」は、図８の画面Ｇ２２で運転員Ｍ２１が入力したものと同じである。「平均値」、「分散値」、および「モデルパラメータの確率分布のグラフ」は、モデルパラメータデータベースＭ４２に保存される値、または保存されている情報から算出した値である。画面Ｇ２４も図１１に示す構成に限られず、他の構成を採用することもできる。運転員Ｍ２１は、画面Ｇ２４を用いることで、モデルパラメータデータベースＭ４２に保存されるモデルパラメータ推定分布信号Ｄ４１を簡単に確認できる。

このように構成される本実施例によれば、プラント出力のばらつきを考慮しつつ、目的や制約に応じて制御パラメータを自動的に最適化できる。

本実施例によれば、プラント出力に関する１回のサンプルデータの取得に時間がかかる場合や、ばらつきを推定できる理論的サンプル数よりも少ないデータ量（プラント出力のデータ量）しか取得できない場合であっても、制御パラメータを最適化できる。この場合、本実施例では、理論的サンプル数を満たす他のデータ（運転実績を示す運転データＤ３１）から、制御対象モデルＭ４３のモデルパラメータのばらつきを推定し、その推定結果を用いてプラント出力のばらつきを制御対象モデルＭ４３で再現する。これにより、本実施例では、プラント出力のばらつきを考慮しつつ、目的や制約に応じて制御パラメータを最適化できる。

すなわち本実施例によれば、サンプルデータの不十分な所定のプラント出力（サンプルデータ数が理論値以下またはサンプル周期が所定周期以上のプラント出力）であっても、サンプルデータが十分にある他のプラント出力から得られる情報に基づいて、所定のプラント出力の制御に関する制御パラメータを最適化することができる。

図１２を用いて第２実施例を説明する。第２実施例は、第１実施例の変形例であるため、第１実施例との相違を中心に説明する。第２実施例は、第１実施例で述べた制御対象プラントＭ１が火力発電プラントＭ５である場合を示す。

本実施例の制御システムＭ３は、制御パラメータの最適化によって、火力発電プラントＭ５の起動から停止までの運転で使用した総燃料消費量を安定化しつつ、最小化する事を目的とする。制御システムＭ３の構成は第１実施例と同一であるため、図１２では省略している。

制御システムＭ３を用いて火力発電プラントＭ５を制御することで、一定期間中の総燃料消費量を安定化しつつ最小化するための、制御システムＭ３の最適な制御パラメータを自動的に探索することができる。

特にベース電源用の火力発電プラントＭ５は、多くても年に１、２回程度しか起動停止することはないため、プラント出力のばらつきを算出するのに十分なサンプル数を得るには、とても長い時間（例えば十年以上の時間）が必要となる。

したがって、従来技術の手法では制御パラメータを最適化するのは難しいが、第１実施例で述べた第２手法によれば、プラント出力のサンプルデータを制御対象モデルＭ４３から得ることができる。このため、本実施例によれば、従来技術の手法を用いる場合よりも短時間で、ばらつきを考慮しつつ、制御パラメータを最適化することができる。

図１２は、火力発電プラントＭ５の構造例を示すブロック図である。図１２に示すように、火力発電プラントＭ５は、ボイラＭ５１と、バーナＭ５２と、ファンＭ５３と、ミルＭ５４と、給水ポンプＭ６１と、熱交換器Ｍ６２と、タービンガバナＭ６３と、蒸気タービンＭ６４と、発電器Ｍ６５とを含む。

燃料となる石炭と石炭運搬用の１次空気と燃焼調整用の２次空気とは、バーナＭ５２を介してボイラＭ５１へ投入され、ボイラＭ５１内で燃焼する。石炭と石炭運搬用の１次空気とは経路Ｍ５５を介して、燃焼調整用の２次空気は経路Ｍ５６を介して、バーナＭ５２へそれぞれ送られる。石炭と空気の燃焼によって発生した高温のガスは、熱交換器Ｍ６２を通り、図示せぬ排ガス処理をされた後に大気に放出される。熱交換器Ｍ６２は、給水ポンプＭ６１からの給水を高温のガスによって加熱することで、蒸気を生成する。

熱交換器Ｍ６２で発生した蒸気は、タービンガバナＭ６３を介して蒸気タービンＭ６４に送られる。蒸気によって蒸気タービンＭ６４を回転させることによって、蒸気タービンＭ６４に繋がった発電器Ｍ６５が動作し、発電する。

操作信号演算部Ｍ３１が出力する操作信号Ｄ１２は、経路Ｍ５５を通る空気と経路Ｍ５６を通る石炭との量（混合比）を制御する。操作・計測信号データベースＭ３３に保存される項目としては、例えば、蒸気温度、蒸気流量、蒸気圧力、排ガス温度、排ガス熱量、火炉収熱量、石炭に含まれる水分量、スートブローの有無、発電量、燃料流量などを挙げることができる。

次に、制御対象プラントＭ１が火力発電プラントＭ５である場合の、制御パラメータ自動調整装置Ｍ４の動作を説明する。まず、モデルパラメータ推定部Ｍ４１は、操作・計測信号データベースＭ３３に保存されているデータを取り入れて、制御パラメータの最適化に使用する一つ以上のモデルパラメータを推定し、推定結果をモデルパラメータ推定分布信号Ｄ４１としてモデルパラメータデータベースＭ４２へ記憶させる。

例えば、本実施例の場合、モデルパラメータ推定部Ｍ４１は、操作信号Ｄ１２に対する火炉収熱量特性と、操作信号Ｄ１２に対する蒸気温度特性と、操作信号Ｄ１２に対する蒸気流量特性と、操作信号Ｄ１２に対する蒸気圧力特性と、操作信号Ｄ１２に対する排ガス温度特性と、操作信号Ｄ１２に対する排ガス熱量特性と、石炭に含まれる水分量に対する火炉収熱量特性と、石炭に含まれる水分量に対する蒸気温度特性と、石炭に含まれる水分量に対する蒸気流量特性と、石炭に含まれる水分量に対する蒸気圧力特性と、スートブローに対する発電出力の変動量特性などの、各モデルパラメータをそれぞれ推定し、それら推定結果をモデルパラメータ推定分布信号Ｄ４１として、モデルパラメータデータベースＭ４２に送信して保存する。

その後、制御パラメータ最適化部Ｍ４４は、操作信号演算部Ｍ３１で操作信号Ｄ１２を計算する際に用いる制御ゲインを決定し、決定した制御ゲインを制御パラメータ信号Ｄ４４として、制御対象モデルＭ４３へ送信する。ここでは、制御ゲインが最適化対象の「所定の制御パラメータ」に該当する。

制御対象モデルＭ４３は、制御パラメータ最適化部Ｍ４４から入力された制御パラメータ信号Ｄ４４を用いて、プラント起動から停止までの運転中の、総燃料消費量とそのばらつきとを計算する。

総燃料消費量およびそのばらつきを計算する際に制御対象モデルＭ４３で用いるモデルパラメータの値は、出力ばらつき部Ｍ４５により決定される。そして、総燃料消費量とそのばらつきの計算結果は、制御対象モデルＭ４３から制御パラメータ最適化部Ｍ４４へ送信される。

制御パラメータ最適化部Ｍ４４は、制御対象モデルＭ４３から受信した計算結果と後述する数３および数４とを用いて、制御パラメータ信号Ｄ４４の評価値を計算する。制御パラメータ最適化部Ｍ４４は、計算した評価値に基づいて、再び制御ゲインを決定し、その制御ゲインを示す制御パラメータ信号Ｄ４４を制御対象モデルＭ４３へ送信する。

ここで、制御ゲインの評価値は下記数３で計算する。

数３において、Ｒは評価値、Ｒａｖｇは総燃料消費量の平均値に基づく評価値、Ｒｖは総燃料消費量のばらつきに基づく評価値、である。評価値Ｒａｖｇは数４で、評価値Ｒｖは数５で、計算する。

ここで、Ｃは運転員Ｍ２１によって予め設定される定数、Ｆａｌｌは総燃料消費量の平均値、Ｆａｉｍは総燃料消費量の目標値、Ｆｖは総燃料消費量の分散値である。

総燃料消費量の平均値に基づく評価値Ｒａｖｇは、総燃料消費量の平均値Ｆａｌｌが小さくなるほど高くなり、反対に平均値Ｆａｌｌが大きくなるほど低くなる。

総燃料消費量のばらつきに基づく評価値Ｒｖは、９９．７３％信頼区間が総燃料消費量の目標値Ｆａｉｍ以下の場合に１となり、目標値Ｆａｉｍを超えた場合に０となる。９９．７３％信頼区間は、分散Ｆｖを３倍した値に平均値Ｆａｌｌを加えた値である。

評価値Ｒは、制御ゲインが所定値の場合に、最大値となる。制御ゲインの所定値とは、総燃料消費量の９９．７３%信頼区間が目標値Ｆａｉｍ以下であり、かつ、総燃料消費量の平均値Ｆａｌｌが最小値となる、制御ゲインの値である。

このように構成される本実施例によれば、最大の評価値を得る制御ゲインを探索することができ、この制御ゲインを用いることで、火力発電プラントＭ５を起動してから停止するまでの運転期間中における総燃料消費量を安定化しつつ、総燃料消費量の値を最小化することができる。

なお、本発明は、上述した実施形態に限定されない。当業者であれば、本発明の範囲内で、種々の追加や変更等を行うことができる。本発明は、火力発電プラント以外の種々のプラントにも適用することができる。

Ｍ１：制御対象プラント、Ｍ２：制御室、Ｍ３：制御システム、Ｍ４：制御パラメータ自動調整装置、Ｍ３１：操作信号演算部、Ｍ３２：制御パラメータデータベース、Ｍ３３：操作・計測信号データベース、Ｍ４１：物理モデルパラメータ推定部、Ｍ４２：物理モデルパラメータデータベース、Ｍ４３：制御対象モデル、Ｍ４４：制御パラメータ最適化部、Ｍ４５：出力ばらつき再現部

Claims (7)

1. プラントの制御に使用するデータ処理装置であって、
   前記プラントの運転データに基づいて、前記プラントの制御対象モデルにおけるシミュレーション解析に使用される物理モデルパラメータと当該物理モデルパラメータのばらつきとを推定する物理モデルパラメータ推定部と、
   選択された所定の制御パラメータと前記物理モデルパラメータとを用いて前記制御対象モデルで行われる前記シミュレーション解析により得られる前記制御対象モデルからの所定の出力のばらつきを、前記物理モデルパラメータのばらつきに基づいて演算し、その演算結果を出力する出力ばらつき演算部と、
   前記出力ばらつき演算部の演算結果に基づいて、前記所定の出力のばらつきが小さくなるように、前記所定の制御パラメータを最適化する制御パラメータ最適化部と、
   前記物理モデルパラメータ推定部が推定した前記物理モデルパラメータおよび当該物理モデルパラメータのばらつきを記憶する物理モデルパラメータデータベースとを備え、
   前記運転データは、前記プラントへ入力する操作信号と前記プラントの状態を検出する計測信号とを対応付けて構成されており、
   前記出力ばらつき演算部は、前記制御対象モデルからの前記所定の出力のばらつきを、前記物理モデルパラメータデータベースに保存されている物理モデルパラメータおよび当該物理モデルパラメータのばらつきに基づいて演算し、その演算結果を出力する、
   プラント制御用のデータ処理装置。
2. 前記出力ばらつき演算部は、前記物理モデルパラメータのばらつきに従って、前記物理モデルパラメータの値をばらつかせながら、前記制御対象モデルからの前記所定の出力をサンプリングしてサンプリングデータを取得し、そのサンプリングデータに基づいて、前記制御対象モデルからの前記所定の出力のばらつきを計算する、
   請求項１に記載のプラント制御用のデータ処理装置。
3. 前記物理モデルパラメータ推定部は、前記制御対象モデルの物理モデルパラメータ及び当該物理モデルパラメータのばらつきを確率分布で推定する、
   請求項１に記載のプラント制御用のデータ処理装置。
4. 前記物理モデルパラメータデータベースには、前記制御対象モデルの物理モデルパラメータおよび当該物理モデルパラメータのばらつきを確率分布の形式で保存する、
   請求項３に記載のプラント制御用のデータ処理装置。
5. 前記出力ばらつき演算部は、前記物理モデルパラメータデータベースに記憶された前記制御対象モデルの物理モデルパラメータおよび当該物理モデルパラメータのばらつきの確率分布に基づいて、確率的に物理モデルパラメータの値を決定することで、前記制御対象モデルからの所定の出力のばらつきを演算する、
   請求項４に記載のプラント制御用のデータ処理装置。
6. 前記制御パラメータ最適化部は、前記出力ばらつき演算部の演算結果が予め設定される目標値を満たさない場合、前記出力ばらつき演算部による演算を停止させる、
   請求項１に記載のプラント制御用のデータ処理装置。
7. 請求項１に記載の前記プラント制御用のデータ処理装置を備えるプラント。