JP6742222B2 - 運転支援装置及びプログラム - Google Patents

Description

本発明は、運転支援装置及びプログラムに関し、詳しくはプラント等の制御対象の運用性を向上させるために調整する操作パラメータを決定する技術に関する。

近年、ICT (Information and Communication Technology )、IoT(Internet of Thing)の技術革新に伴い、高速な計算機やネットワーク通信、大容量なデータ保存装置を利用できる環境が整いつつある。多くの産業分野で大量に蓄積したデータの利活用に注目が集まる中、発電事業の分野でも、発電プラントの計測データや点検・保全データなどの現地サイトで収集したデータと、企業の経営及び資産情報を管理するシステムとの統合により、より効率的な経営方針の策定が求められている。

発電事業の分野では、風力発電や太陽光発電などの再生可能エネルギーの利用増加に伴う発電量の変動が電力系統の安定性を低下させるという懸念から、バックアップ電源としての火力発電プラントの重要性が増している。また、火力発電プラントは負荷調整としての役割だけでなく、ベースロード電源としての役割も担っている。そのため火力発電プラントには稼働率、環境性能、効率などの運用性能を考慮した運用が求められている。

例えば、火力発電プラントの運用性能を改善するため、特許文献１には環境性能の指標として、排ガスに含まれる窒素酸化物や一酸化炭素濃度等の濃度を最小化する制御装置が開示されている。

特開２０１２−１４１８６２号公報

プラントの運用性能を向上させるには、適用対象プラントの構造・運用状況に応じて操作パラメータを適切に設定する必要がある。例えば、火力発電プラントではカロライナ型、タワー型など複数種類のボイラ構造が知られており、構造が異なると操作できるパラメータも異なる。また、燃料として使用する石炭の種類、発電出力などの運用状況がプラント毎に異なる。運用性能を向上させるための操作パラメータは、ボイラの構造、プラントの運用状況など、案件毎に適切に設定する必要があり、設計に工数を要していた。

本発明は上記の状況を考慮してなされたものであり、本発明の目的はプラント等の制御対象の運用性能向上に寄与する操作パラメータを自動的に抽出することにある。

本発明の一態様の運転支援装置は、制御対象から収集された運転データに基づいて運用性向上に寄与する第１の操作パラメータの候補を抽出する運転データ処理部と、制御対象の設計データに基づいて運用性向上に寄与する第２の操作パラメータの候補を抽出する設計データ処理部と、第１の操作パラメータの候補と第２の操作パラメータの候補のうち、運転データ処理部と設計データ処理部の両方で抽出された操作パラメータの候補を、操作すべき操作パラメータに決定する操作パラメータ選定部と、を備える。

本発明の少なくとも一態様によれば、制御対象の運用性向上に寄与する操作パラメータを自動的に抽出することができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明の一実施形態に係る運転支援装置の構成例を示すブロック図である。 本発明の一実施形態に係る運転支援装置の動作を示すフローチャートである。 本発明の一実施形態に係る運転支援装置の支援対象であるプラントの一例を示す説明図である。 本発明の一実施形態に係る統計モデルの構成の一例を示す説明図である。 本発明の一実施形態に係るプラントの運用性を評価する指標と操作量との関係の一例を示すグラフである。 本発明の一実施形態に係る操作量変化幅と操作量との関係を学習した結果の一例を示すグラフである。 本発明の一実施形態に係る設計データデータベースに設計データとして保存された、運転データデータベース内の運転データのデータ項目についてのタグリストの説明図である。 本発明の一実施形態に係る設計データデータベースに設計データとして保存された、操作パラメータであることを示すキーワードリストの一例を示すグラフである。 本発明の一実施形態に係る設計データデータベースに保存された制御ロジック回路図の一例を示す説明図である。 本発明の一実施形態に係る運転データ処理部の一例を示すブロック図である。 本発明の一実施形態に係るプラントの運用性能に関する指標と各運転データのデータ項目との関係の一例を示すグラフである。 プラントの運用性能と操作パラメータ数との関係を示すグラフである。 計算時間と操作パラメータ数との関係を示すグラフである。 本発明の一実施形態に係る運転データの一例を示す説明図である。 本発明の一実施形態に係る処理結果データの一例を示す説明図である。 本発明の一実施形態に係る運転支援装置をプラントに適用したときの導入効果を試算した結果を示す説明図である。 本発明の一実施形態に係るプラントの運用性を評価する指標と時間との関係の一例を示すグラフである。 本発明の一実施形態に係る操作パラメータの操作量と時間との関係の一例を示すグラフである。 本発明の一実施形態に係る運転支援装置が備えるコンピューターのハードウェア構成を示すブロック図である。

以下、本発明を実施するための形態の例について、添付図面を参照しながら説明する。各図において実質的に同一の機能又は構成を有する構成要素については、同一の符号を付して重複する説明を省略する。

［運転支援装置の全体構成］
図１は、本発明の一実施形態に係る運転支援装置の構成例を示すブロック図である。本実施形態に係る運転支援装置２００は、プラント１００及び外部装置９００と接続している。

運転支援装置２００は、演算装置として操作量決定部３００と操作パラメータ決定部４００を備える。また運転支援装置２００は、データベースとして設計データデータベース２３０、運転データデータベース２４０、及び処理結果データベース２５０を備える。なお、図１ではデータベースを「ＤＢ」と略記している。データベースには、電子化された情報が保存されており、通常電子ファイル（電子データ）と呼ばれる形態で情報が保存される。また運転支援装置２００は、外部とデータの送受信を行うインターフェイスとして、外部入力インターフェイス２１０及び外部出力インターフェイス２２０を備えている。

操作量決定部３００には、統計モデル３１０、学習アルゴリズム３２０、及び操作量算出部３３０が備えられている。また操作パラメータ決定部４００には、運転データ処理部５００、設計データ処理部６００、及び操作パラメータ選定部７００が備えられている。操作量決定部３００及び操作パラメータ決定部４００の動作については、図２以降で説明する。

外部装置９００は、外部入力装置９１０と画像表示装置９４０を備える。外部入力装置９１０は、例えばキーボード９２０及びマウス９３０を備える。そして、オペレーターが外部入力装置９１０を操作することにより作成される外部入力信号１と、外部入力インターフェイス２１０を介してプラント１００にて収集している運転データ２が、運転支援装置２００に取り込まれる。

プラント１００は、プラント１００の運転を制御する制御装置１８０と、機器１９０とで構成される。機器１９０から制御装置１８０に計測信号７０が送信され、制御装置１８０から機器１９０には操作信号８０が送信される。制御装置１８０は、制御対象であるプラント１００（機器１９０）から得られるプラントの状態量示す計測信号７０を処理し、制御対象に与える操作信号８０（制御信号）を算出して制御対象の運転を制御する。先に述べた運転データ２は、計測信号７０及び操作信号８０を含むデータである。

運転支援装置２００に取り込まれた外部入力信号１は、外部入力インターフェイス２１０を介して、外部入力信号３として設計データデータベース２３０に保存される。また運転支援装置２００に取り込まれた運転データ２は、外部入力インターフェイス２１０を介して、運転データ４として運転データデータベース２４０に保存される。

操作量決定部３００の処理結果である操作量決定部処理結果情報１０は、外部出力インターフェイス２２０を介して、操作量決定部処理結果情報１１として制御装置１８０と画像表示装置９４０に出力される。

操作パラメータ決定部４００では、設計データデータベース２３０に保存されている設計データ５と、運転データデータベース２４０に保存されている運転データ６を処理して操作パラメータを決定し、操作パラメータ７を操作量決定部３００に送信する。設計データは、プラント１００の構造に関する情報や機器１９０の仕様、設定値等といった設計情報である。また運転データは、プラント１００の運用状況に関する情報である。なお、操作パラメータ決定部４００は、不図示のネットワーク上のサーバー等からプラント１００の設計データ及び運転データを受信し、操作パラメータを決定するようにしてもよい。

操作量決定部３００では、運転データデータベース２４０に保存されている運転データ６と操作パラメータ７を取得して操作パラメータ７の操作量を決定し、操作量決定部処理結果情報１０として外部出力インターフェイス２２０に送信する。

操作パラメータ決定部４００及び操作量決定部３００の処理で作成した情報は、それぞれ処理結果情報８，９として処理結果データベース２５０に保存される。また、操作パラメータ決定部４００、及び操作量決定部３００は、処理結果データベース２５０に保存されている処理結果情報８，９を取得することもできる。

なお、本実施形態の運転支援装置２００においては、演算装置及びデータベースが運転支援装置２００の内部に備えられているが、これらの一部の装置を運転支援装置２００の外部に配置し、各装置間でデータのみを通信するようにしてもよい。

また、各データベースに保存されているデータであるデータベース情報５０は、その全ての情報を外部出力インターフェイス２２０を介して画像表示装置９４０に表示でき、これらの情報は外部入力装置９１０を操作して生成する外部入力信号１により修正できる。

本実施形態では、外部入力装置９１０をキーボード９２０とマウス９３０で構成しているが、音声入力のためのマイク、タッチパネルなど、データを入力するための装置であればよい。

また、上述した実施形態は本発明を運転支援装置２００に適用した例であるが、本発明は運転支援方法としても実施可能であることは言うまでもない。また、本実施形態では運転支援装置２００の運転支援の適用対象をプラントとしているが、適用対象をプラント以外の設備（プロセスデータを収集する設備（例えば工場等））としても実施可能であることは言うまでもない。

［運転支援装置の動作の概要］
図２は、運転支援装置２００の動作を示すフローチャートである。
ステップＳ１において、操作パラメータ決定部４００は、操作パラメータ決定の要否を決定する。操作パラメータ決定の要否を決定するタイミングは、運転支援装置２００を初めて動作させる時、操作パラメータを決定してから所定の時間が経過した時、外部入力装置９１０から操作パラメータを決定する指令が入力された時などである。運転支援装置２００は、このような予め定められたタイミングの条件を満足したときに操作パラメータ決定の要否を判定し、操作パラメータ決定が‘要’（Ｓ１の要）のときはステップＳ２に進み、それ以外の‘否’（Ｓ１の否）のときはステップＳ５に進む。

ステップＳ２からステップＳ４の処理は、操作パラメータ決定部４００により行われる。ステップＳ２では、運転データ処理部５００を動作させる。運転データ処理部５００では、運転データデータベース２４０に保存されている運転データ６のデータ項目から、プラント１００の運用性の改善に寄与する操作パラメータ（第１の操作パラメータ）の候補を抽出する。運転データ処理部５００の処理結果である操作パラメータの候補は、運転データ処理結果２１として設計データ処理部６００に送信され、さらに運転データ処理結果２２として操作パラメータ選定部７００に送信される。運転データ処理部５００の処理内容の詳細は、図１０及び図１１を用いて後述する。

次に、ステップＳ３において、設計データ処理部６００を動作させる。設計データ処理部６００では、設計データデータベース２３０に保存されている設計データ５を用いて、プラント１００の運用性改善に寄与する操作パラメータ（第２の操作パラメータ）の候補を抽出する。なお、以降に説明する例では、設計データ処理部６００は、設計データ５と運転データ処理結果２１を用いて、プラント１００の運用性改善に寄与する操作パラメータの候補を抽出する構成となっている。設計データ処理部６００の処理結果である操作パラメータの候補は、設計データ処理結果２３として運転データ処理部５００に送信され、さらに設計データ処理結果２４として操作パラメータ選定部７００に送信される。設計データ処理部６００の処理内容の詳細は、図７〜図９を用いて後述する。

次に、ステップＳ４において、操作パラメータ選定部７００を動作させる。操作パラメータ選定部７００では、運転データ処理結果２２と設計データ処理結果２４を用いて、操作すべき操作パラメータを選定する。操作パラメータ選定部７００による操作パラメータの選定結果は、操作パラメータ７として操作量決定部３００に送信される。操作パラメータ選定部７００の処理内容の詳細は、図１２及び図１３を用いて後述する。

本実施形態では、ステップＳ３において、設計データ処理部６００は、全ての操作パラメータの候補から操作パラメータを抽出するのではなく、運転データ処理部５００で抽出した操作パラメータ（第１の操作パラメータ）の候補から、操作パラメータ（第２の操作パラメータ）の候補を抽出する。ここで抽出された操作パラメータ（第２の操作パラメータ）の候補は、即ち操作すべき操作パラメータとなる。これにより、設計データ処理部６００が処理する操作パラメータの候補数を、大幅に削減することができる。

なお、本実施形態ではステップＳ２，Ｓ３，Ｓ４の順番に処理を実施したが、ステップＳ２とステップＳ３を並列処理するようにしてもよい。また、ステップＳ３，Ｓ２の順番に処理を実施するようにしてもよい。この場合も、運転データ処理部５００は、全ての操作パラメータから操作パラメータの候補を抽出するのではなく、設計データ処理部６００で抽出した操作パラメータ（第２の操作パラメータ）の候補から、操作パラメータ（第１の操作パラメータ）の候補を抽出する。このような構成にすることで、運転データ処理部５００が処理する操作パラメータの候補数を削減することができる。

次に、ステップＳ５において、操作量決定部３００は、操作方法学習の要否を判定する。操作方法学習の要否を判定するタイミングは、運転支援装置２００を初めて動作させる時、前回操作方法を学習してから所定の時間が経過した時、外部入力装置９１０から操作方法の学習を指示する指令が入力された時などである。運転支援装置２００は、このような予め定められたタイミングの条件を満足したときに操作方法学習の要否を判定し、操作方法学習が‘要’（Ｓ５の要）のときはステップＳ６に進み、操作方法学習が‘否’（Ｓ５の否）のときはステップＳ８に進む。

ステップＳ６〜Ｓ８の処理は、操作量決定部３００により行われる。ステップＳ６では、統計モデル３１０を動作させる。統計モデル３１０は、プラント１００の機器１９０の特性を模擬するモデルであり、運転データデータベース２４０に保存されている運転データ６を用いて構築される。統計モデル３１０では、操作パラメータ７の各項目の値である操作量とプラント１００の運用性を評価する指標（効率、環境性能、製品収率、燃料費などの運用コストなど）との関係を評価する。統計モデル３１０は、ニューラルネットワークなどの手法を用いて実装できるが、本実施形態では、統計モデル３１０の実装方法に制約はない。

次に、ステップＳ７において、学習アルゴリズム３２０を動作させる。学習アルゴリズム３２０では、統計モデル３１０を用いて、プラント１００の運用性が所望の特性となるような操作量の算出方法を学習する。本実施形態の学習アルゴリズム３２０は、強化学習、遺伝的アルゴリズム、非線形計画法などの最適化アルゴリズム等を用いて実装することができ、学習アルゴリズム３２０の実装方法に制約はない。

次に、ステップＳ８において、操作量算出部３３０を動作させる。操作量算出部３３０では、ステップ７における学習アルゴリズム３２０の学習結果に従って、選定された操作パラメータの操作量を算出する。操作量決定部３００の実施形態として、例えば特許文献１や特開２００９−２４４９３３号公報に記載されている方法が挙げられる。

そして、ステップＳ９において、操作量決定部３００は、終了判定を実施する。外部装置９００から運転支援装置２００の動作を終了する指令が入力された時など、予め定められた条件を満足して運転支援装置２００の動作を終了させるときは（Ｓ９のＹＥＳ）、終了に進み、それ以外のときは（Ｓ９のＮＯ）、ステップＳ１に進む。

図２のフローチャートでは、操作パラメータ決定部４００と操作量決定部３００の両方を動作させた場合について記載したが、これに限定されない。例えば、操作パラメータ決定部４００のみを動作させてステップＳ１〜Ｓ４の処理が完了したら本フローチャートの処理を完了させ、選定した操作パラメータを画像表示装置９４０に表示させる構成としてもよい。

［プラントの説明］
図３は、運転支援装置２００の支援対象であるプラント１００の一例を示す説明図である。図３は、プラント１００の一例として石炭火力プラントの構成を示す概略図である。まず、石炭火力プラントによる発電の仕組みについて簡単に説明する。

図３に示すように、石炭火力プラントを構成するボイラ１０１には、ミル１３４で石炭を細かく粉砕した燃料である微粉炭と、微粉炭搬送用の１次空気及び燃焼調整用の２次空気とを供給する複数のバーナ１０２が設けられている。そして、このバーナ１０２を通じてボイラ１０１に供給した微粉炭を、ボイラ１０１の内部で燃焼させる。バーナ１０２は、図示しているようにボイラ１０１の前面（以降「缶前」とも表記）及び背面（以降「缶後」とも表記）、かつ垂直方向に複数段配置され、各段では複数のバーナ１０２が１列に配置される。図３に示されたバーナ構造、配置により、ボイラ１０１の内部ではボイラ１０１の缶前と缶後から微粉炭を燃焼させる。缶前及び缶後のバーナ燃焼バランスを改善することにより、ボイラの熱回収効果が向上し、プラントの熱効率も改善する。

なお、微粉炭と１次空気は配管１３９から、２次空気は配管１４１から夫々バーナ１０２に導かれる。１次空気は、ファン１２０から配管１３０に導かれ、途中でボイラ１０１の下流側に設置されたエアーヒーター１０４を通過する配管１３２と、エアーヒーター１０４を通過せずにバイパスする配管１３１とに分岐する。分岐した１次空気は、エアーヒーター１０４の下流側に配設した配管１３３で本流と再び合流し、バーナ１０２の上流側に設置された微粉炭を製造するミル１３４に導かれる。エアーヒーター１０４を通過する１次空気は、ボイラ１０１を流下する燃焼ガスと熱交換することによって加熱される。この加熱された１次空気と共に、エアーヒーター１０４をバイパスした１次空気は、ミル１３４において粉砕した微分炭をバーナ１０２に搬送する。

ミル１３４は、各バーナ段に対応するように配置され（図３では４台）、各段を構成するバーナに対し、微粉炭と１次空気を供給する。すなわち、発電出力低下時など石炭供給量を低下させる場合には、ミル１３４を停止してバーナ段毎にバーナを休止させることができる。ミル１３４では、ボイラ１０１の燃焼性を考慮し、使用する石炭の性質に応じて望ましい粒度の微粉炭が得られるよう、ミルの回転数を調整する。また、石炭バンカ１３６（図３では「バンカ」と表記）に貯蔵された石炭は、石炭コンベア１３７を経由して給炭機１３５へ導かれる。ミル１３４への石炭の供給量は、給炭機１３５によって調整される。その後、石炭は石炭コンベア１３８を介してミル１３４に供給される。

また、ボイラ１０１には、２段燃焼用の空気をボイラ１０１に投入するアフターエアポート１０３が設けられている。２段燃焼用の空気は、配管１４２からアフターエアポート１０３に導かれる。図３に示したボイラ１０１において、ファン１２１を用いて配管１４０から投入された空気は、エアーヒーター１０４で同様にして加熱された後に、２次空気用の配管１４１とアフターエアポート用の配管１４２とに分岐して、夫々、ボイラ１０１のバーナ１０２とアフターエアポート１０３とに導かれる。このバーナ１０２及びアフターエアポート１０３へ供給される空気流量は、夫々の配管１４１及び１４２に設置された空気ダンパ（図示せず）の操作によって調整可能である。

ボイラ１０１の内部で微粉炭を燃焼することによって発生した高温の燃焼ガスは、ボイラ１０１の内部の経路に沿って下流側に流下して、ボイラ１０１の内部に配置された熱交換器１０６で給水と熱交換され、それにより蒸気が発生する。そして、蒸気が発生した後に、燃焼ガスは排ガスとなってボイラ１０１の下流側に設置されたエアーヒーター１０４に流入する。そして、この排ガスとなった燃焼ガスは、エアーヒーター１０４において熱交換によりボイラ１０１に供給する空気を昇温する。

そして、このエアーヒーター１０４を通過した排ガスは、図示していない排ガス処理が施された後に、煙突から大気に放出される。

ボイラ１０１の熱交換器１０６を循環する給水は、給水ポンプ１０５を介して熱交換器１０６に供給される。そして、その給水は、熱交換器１０６においてボイラ１０１を流下する燃焼ガスによって過熱され、高温高圧の蒸気となる。なお、本実施形態では熱交換器の数を１つとしているが、熱交換器を複数配置するようにしてもよい。

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１０７を介して蒸気タービン１０８に導かれる。そして、蒸気の持つエネルギーによって蒸気タービン１０８が駆動し、蒸気タービン１０８の回転軸と直結された発電機１０９が発電する。

上記の第１実施形態のプラント１００には、石炭火力プラントの運転状態を示す状態量を検出する様々な計測器が配置されている。プラント１００に配置された計測器から取得された石炭火力プラントの計測信号は、図１に示すよう制御装置１８０から運転データデータベース２４０へ運転データ２として送信され、運転データデータベース２４０に保存される。

計測器としては、例えば図３に示すように、熱交換器１０６から蒸気タービン１０８に供給される高温高圧の蒸気の温度を計測する温度計測器１５１、蒸気の圧力を計測する圧力計測器１５２、及び発電機１０９で発電される電力量を計測する発電出力計測器１５３がある。蒸気タービン１０８の復水器（図示せず）によって蒸気を冷却して生じた給水は、給水ポンプ１０５によってボイラ１０１の熱交換器１０６に供給されるが、この給水の流量は流量計測器１５０によって計測されている。

ボイラ１０１から排出する燃焼ガスである排ガス中に含まれている成分（窒素酸化物（ＮＯｘ）、一酸化炭素（ＣＯ）、及び硫化水素（Ｈ_２Ｓ）など）の濃度に関する状態量の計測信号は、ボイラ１０１の下流側に設けた濃度計測器１５４によって計測される。

また、給炭系統に関する計測器としては、ミル１３４へ供給される１次空気の流量を計測する１次空気流量計１５５、石炭コンベア１３８により給炭機１３５からミル１３４へ供給される石炭の給炭量を計測する給炭量計１５６、及びミル１３４の回転数を計測する回転数計１５７がある。プラント１００は、夫々のミル１３４及び給炭機１３５について上記情報を計測できる構成となっている。

即ち、本実施形態に係る運転データデータベース２４０には、上記各計測器によって計測した石炭火力プラントの状態量であるボイラ１０１に供給される石炭流量、ミル１３４の回転数、ボイラ１０１に供給される１次空気及び２次空気の流量の情報が保存される。また、運転データデータベース２４０には、ボイラ１０１の熱交換器１０６に供給される給水の流量、ボイラ１０１の熱交換器１０６で発生して蒸気タービン１０８に供給される蒸気の温度や圧力、ボイラ１０１の熱交換器１０６に供給される給水の圧力（不図示の圧力計測器）の情報が保存される。さらに、運転データデータベース２４０には、ボイラ１０１から排出される排ガスのガス温度（不図示の温度計測器）、その排ガスのガス濃度、及びボイラ１０１から排出される排ガスの一部をボイラ１０１に再循環させる排ガス再循環流量（不図示の流量計測器）等の情報が保存される。

なお、一般的には図３に図示した以外にも多数の計測器が石炭火力プラントに配置されるが、ここでは図示を省略する。

［操作量決定部の動作］
次に、運転支援装置２００に設けた操作量決定部３００の動作について図４〜図６を参照して説明する。

操作量決定部３００は、学習アルゴリズム３２０を用いてプラント１００の制御装置１８０に供給する処理結果情報（操作パラメータの操作量）を導出する。その方法は、プラント１００の計測データや数値解析を基に構築したデータを用いて、それらを統計的に処理してプラント１００の特性を模擬・推定する統計モデル３１０を構築し、この統計モデル３１０に対して最適な制御ロジックを自律学習させるものである。なお、この方法については本発明の本質的な部分ではないため、以下に簡単に説明する。

図４は、統計モデル３１０の構成の一例を示す説明図である。統計モデル３１０は、一例として図４に示すように、入力層、中間層及び出力層で構成されるニューラルネットワークモデルにより構築することができる。一般的に中間層は複数の層からなる。統計モデル３１０は、空気流量設定値などの操作量の入力に対して、プラント１００の効率、プラント１００から排出される環境負荷物質などの運用性を評価する指標を出力する。即ち、統計モデル３１０は、操作信号８０をプラント１００に与え、その制御結果に対する計測信号７０を得るのと同等の機能を模擬演算する。

図５は、プラント１００の運用性を評価する指標と操作量との関係の一例を示すグラフである。図５の縦軸は運用性を評価する指標であり、横軸は操作量である。図５に示すように、運転データを補間して特性曲線を描くことにより、任意の操作量に対する運用性を評価する指標の値を求めることができる。図５の例では、操作量Ｃのとき運用性を評価する指標が極小値となっているが、運用性を評価する指標の値が小さい程、運用性能が高いと仮定している。

学習アルゴリズム３２０は、統計モデル３１０に対して最大の制御効果が得られる制御ロジックを学習する。

図６は、学習アルゴリズム３２０を動作させた結果として、操作量変化幅と操作量との関係を学習した結果の一例を示すグラフである。図６の縦軸は操作量変化幅、横軸は操作量である。例えば操作量変化幅が正側（０より大きい）のとき操作量が大きくなり、負側（０より小さい）のとき操作量が小さくなる。

操作量算出部３３０は、図６に示すような学習アルゴリズム３２０の学習結果に基づいて、計測信号７０が望ましい値となるように、選定された操作パラメータの操作量を算出する。すなわち、図６の例では、操作量Ｃを境に、現在の操作量が領域Ａにあるときは操作量を増加させ、領域Ｂにあるときは操作量を減少させる。このように操作量を変化させることで、図５に示す運用性を評価する指標が極小値となり、運用性能を向上できる。

［設計データ処理部の動作］
次に、運転支援装置２００に設けた設計データ処理部６００の動作について図７〜図９を参照して説明する。図７〜図９は、設計データデータベース２３０に保存されている設計データの一例であり、設計データ処理部６００で処理されるデータである。

図７は、設計データデータベース２３０に設計データとして保存された、運転データデータベース２４０内の運転データ６のデータ項目についてのタグリストの説明図である。
図８は、設計データデータベースに設計データとして保存された、操作パラメータであることを示すキーワードリストの一例を示すグラフである。
図９は、設計データデータベースに保存された制御ロジック回路図の一例を示す説明図である。

図７に示すように、設計データデータベース２３０には、プラント１００の操作信号や計測信号など、運転データデータベース２４０に保存されるデータ項目のタグリスト２３１が保存されている。図示したタグリスト２３１は、「識別番号」と「操作パラメータ」の項目を有する。例えば、タグリスト２３１の一番上の識別番号‘Ａ００１’の操作パラメータは、‘大気温度’である。

設計データ処理部６００は、タグリスト２３１から、「設定値」、「バイアス指令値」など、操作パラメータであることを示す単語を含むタグを抽出する。操作パラメータであることを示す単語は、外部装置９００を介して入力され、図８に示すようなキーワードリスト２３２として設計データデータベース２３０に保存されている。設計データ処理部６００は、タグリスト２３１とキーワードリスト２３２を参照して、操作パラメータの候補を抽出する。

上述のように、設計データ処理部６００は、運転データの項目（タグ）の名称に、操作パラメータであることを示すキーワードが含まれている項目を、操作パラメータの候補として抽出する機能を有している。

また、設計データ処理部６００では、設計データデータベース２３０に保存されている制御ロジック回路図から、操作パラメータの候補を抽出する機能も有している。図９の画面６１０に示すような、入出力関係を記述した制御ロジック回路図から安全性を考慮したデータ項目を抽出する。本実施形態において安全性を考慮したデータ項目とは、変化率制限や上下限値設定などに基づいて保護対象を監視する保護回路の上流側に位置するデータ項目である。

図９の制御ロジック回路は、空気流量計測値６１１ａと空気流量設定値６１１ｂが加算器６１２を介してＰＩ制御部６１３に入力され、ＰＩ制御部６１３が処理結果を保護回路６１４に出力する。ＰＩ制御部６１３は、プラント１００の状態量の計測信号とその目標値との偏差に比例ゲインを乗じた値に、偏差を時間積分した値を加算して、制御対象に与える操作信号を導出する。

切替器６１６には、保護回路６１４による保護対象の監視結果とダンパ開度設定値６１５とが入力される。切替器６１６は、保護回路６１４の監視結果とダンパ開度設定値６１５の切り替えを行う。そして、切替器６１６は、保護回路６１４の監視結果又はダンパ開度設定値６１５のいずれかの情報に基づいて、指令値を出力する。図９の例では、切替器６１６が保護回路６１４の監視結果を選択しているとともに、ダンパ開度指令値６１７を出力している。

ところで、図９の制御ロジック回路図には、「設定値」のキーワードが含まれる操作パラメータとして、空気流量設定値６１１ｂ及びダンパ開度設定値６１５がある。プラント１００では、ダンパ開度設定値６１５を操作することができるが、保護回路６１４の下流側にある操作パラメータを直接操作すると、保護回路６１４の対象から外れるためにプラント１００の安全運転に問題が発生する可能性がある。

そこで、設計データ処理部６００は、図９に示したダンパ開度設定値６１５は操作パラメータの候補から除外し、空気流量設定値６１１ｂを操作パラメータの候補として抽出する。抽出した操作パラメータの候補は、制御ロジック回路図上でハイライト表示させて画像表示装置９４０に表示させることもできる。

また、設計データ処理部６００では、制御ロジック回路図の処理で得られた知見を、操作パラメータ決定時のルールとして蓄積することもできる。例えば、前述の処理から「空気流量設定値が存在するときには、関連するダンパ開度設定値は操作パラメータの候補から除外する」というルールが得られる。蓄積したルールを用いて操作パラメータの候補を決定することで、制御ロジック回路図を処理して操作パラメータの候補を決定する方法よりも、処理時間を短縮することができる。

［運転データ処理部の動作］
次に、運転支援装置２００に設けた運転データ処理部５００の動作について図１０及び図１１を参照して説明する。

図１０は、運転データ処理部５００の一例を示すブロック図である。運転データ処理部５００は、入力された運転データを運転パターン毎に分割するデータ分割部５１０を備える。

データ分割部５１０は、プラント１００の運転パターンが複数ある場合には、図１０に示すように運転データデータベース２４０から入力された運転データ６を運転パターン毎（運転パターン１，２，…Ｎ）に分割する処理を行う。ここで、運転パターンとは、プラント１００の運転条件と運転環境を考慮して決定される。即ち、負荷や炭種、バーナパターンなどの運転条件、大気温度や季節などの運転環境、又はそれらの組み合わせに基づいて決定される。

運転データ処理部５００は、運転パターンに応じて分割された運転データ毎に運用性向上に寄与する操作パラメータを抽出する。この処理により、運転パターンに応じて、運用性向上に寄与する操作パラメータが異なる可能性があることを考慮して、操作パラメータを抽出することができる。

図１１は、プラントの運用性能に関する指標（即ち運用性を評価する指標）と各運転データのデータ項目との関係の一例を示すグラフである。

運転データ処理部５００は、図１１に示すように、プラント１００の運用性能に関する指標（環境負荷物質など）と各運転データのデータ項目（操作）との関係を評価し、プラント１００の運用性能に関する指標と因果関係があるデータ項目を抽出する。運転データ処理部５００は、線形関数（直線）、ポアソン分布関数などの関数（いずれも特性関数の一例）を用いて因果関係を評価する。運転データ処理部５００は、関数との２乗誤差が低い場合や、相関係数の高い場合に因果関係が強いと判断し、因果関係の強い順に予め定められた数の操作パラメータの候補を抽出する。例えば運転データ処理部５００は、関数との２乗誤差が最小であるものを、もっとも因果関係が強いと判断する。

図１１の例では、空気流量設定値（１）と環境負荷物質には因果関係がない。空気流量設定値（２）は線形関数Ｃ２、空気流量設定値（３）と空気流量設定値（４）はポアソン分布関数Ｃ３，Ｃ４で近似できるので、各データ項目は環境負荷物質との因果関係が強いと判定される。運転データ処理部５００では、図１１の結果から、操作パラメータの候補として、空気流量設定値（２），（３），（４）を抽出する。

なお、図１０及び図１１において、データ分割部５１０が運転データ６を運転パターン毎に分割し、分割した運転データ（運転パターン）毎に運用性向上に寄与する操作パラメータを抽出したが、この例に限定されない。運転データ処理部５００は、データ分割部５１０による運転データの分割を行うことなく、すべての運転データのデータ項目について図１１のように運用性能に関する指標との関係を示す関数を求め、因果関係を評価してもよい。

［操作パラメータ選定部の動作］
次に、運転支援装置２００に設けた操作パラメータ選定部７００の動作について図１２及び図１３を参照して説明する。操作パラメータ選定部７００は、運転データ処理部５００と設計データ処理部６００の両方で抽出されたデータ項目を、操作パラメータとして選定する。

上述した設計データ処理部６００は、操作することは可能であるが、運用性を評価する指標に影響を与えないパラメータを抽出する可能性がある。例えば設計データ処理部６００は、図１１のように環境負荷物質との相関がない空気流量設定値（１）を操作パラメータの候補として抽出することがある。

一方で、運転データ処理部５００は、運用性を評価する指標に影響を与えるが、操作できないパラメータを抽出する可能性がある。例えば運転データ処理部５００は、大気温度などの外的要因を操作パラメータの候補として抽出することがある。

そこで、操作パラメータ選定部７００は、運転データ処理部５００と設計データ処理部６００の両方で抽出されたデータ項目を、操作すべき操作パラメータとして選定することにより、運用性を評価する指標に影響を与え、かつ操作可能なパラメータを抽出する。

ここで、操作パラメータの数と運用性能又は計算時間との関係について説明する。
図１２は、プラント１００の運用性能と操作パラメータ数との関係を示すグラフである。
図１３は、統計モデル３１０又は学習アルゴリズム３２０の計算時間と操作パラメータ数との関係を示すグラフである。

操作パラメータの数が増加すると、よりきめ細かな制御が可能となるため、図１２の画面７１０に示すようにプラント１００の運用性能は向上する。しかし、操作パラメータの数が増加するに従って、入力次数が多くなるため統計モデル３１０を動作させる時間が長くなる。また、操作パラメータの数が増加するに従って、最適解を探索する空間（操作パラメータの全ての組み合わせの数）が広くなるため、学習アルゴリズム３２０を動作させる時間が長くなる。従って、図１３の画面７２０に示すように、操作パラメータ数が増加するに従って、各部の計算時間が指数関数的に増加する。このように、操作パラメータの数は、プラントの運用性能と計算時間のトレードオフの関係を考慮して決定する必要がある。

そのため操作パラメータ選定部７００では、運転データ処理部５００と設計データ処理部６００の両者で抽出されたデータ項目について、特性カーブの類似性と操作次数（操作パラメータの数）の目標値を考慮してデータ項目をグループ化する。一例として操作次数は、統計モデル３１０及び／又は学習アルゴリズム３２０の計算時間が、運転データに対するサンプリング周期内で終了するように決定する。

例えば、図１２に示した空気流量設定値（３），（４）に関する特性カーブの形状は類似しているため、空気流量設定値（３），（４）を同じグループに分類し、一つの操作パラメータで空気流量設定値（３），（４）を操作する。即ち、空気流量設定値（３），（４）に共通の設定値（操作量）を適用し、同じグループに分類されたデータ項目に対応する操作パラメータの操作量を共通とする。この操作パラメータのグループ化により、操作パラメータの数が削減され、統計モデル３１０及び学習アルゴリズム３２０の計算時間を短縮することができる。例えば異なる段に配置されたバーナ１０２のように、異なる操作パラメータに共通の設定値を用いても、運用性能に支障なく制御対象を良好に運転できるときは、操作パラメータをグループ化することが望ましい。

［データベースに保存されるデータの例］
次に、運転支援装置２００に備えられている各データベースに保存されるデータの態様の例を説明する。

図１４は、運転データデータベース２４０に保存される運転データの一例を示す。図１４に示す運転データ２４１では、例えばセンサで計測したデータ項目Ａ〜Ｃを含む運転データのレコードが、サンプリング周期毎（例えば１分毎）に保存される。運転データ２４１の各データ項目のトレンドグラフ（後述する図１８）は、画像表示装置９４０に表示可能である。

図１５は、処理結果データベース２５０に保存される処理結果の一例を示す。図１５の処理結果２５１は、運転データ処理部５００が運転データを処理して生成する特性カーブに関するデータの態様である。図１５に示すように、例えば「操作パラメータ」、「運用性能に関する指標」、「特性カーブの関数の形」、「関数の係数」、「運転データと特性カーブの誤差」等に関する情報が保存される。

処理結果データベース２５０には、図１５に示した処理結果２５１に限らず、運転データ処理部５００、設計データ処理部６００の処理結果が保存されている。

［運転支援装置の導入効果の試算例］
図１６は、運転支援装置２００をプラント１００に適用したときの導入効果を試算した結果を示す説明図である。

図１６に示すように、運転支援装置２００を導入した場合の効果を示す画面７５０には、一例としてデータ分割部５１０で分割した運転パターン（図１０）毎に、年間運転時間（ｈｒ）、効果（￥／ｈｒ）、及び合計（Ｍ￥）が表示される。年間運転時間は、プラント１００の年間の運転時間である。また効果は、運転支援装置２００を導入した場合に運用性を評価する指標を改善する効果である。また合計は、年間の導入効果の合計である。例えば図１６では、運転パターン１の年間運転時間が１,０００（ｈｒ）、効果が１０,０００（￥／ｈｒ）、合計が１０（Ｍ￥）である。

年間の導入効果の合計は、操作パラメータ選定部７００により試算する。運転パターン毎に、年間運転時間（ｈｒ）、効果（￥／ｈｒ）を求め、年間運転時間と効果を乗じることで合計（￥）を計算する。そして、運転パターン毎の合計を加算することにより、制御対象の年間当りの導入効果を試算できる。

図１７は、プラント１００の運用性を評価する指標と時間との関係の一例を示すグラフである。
図１８は、操作パラメータの操作量と時間との関係の一例を示すグラフである。

図１８に示すように、時間ｔ１における操作量をＣとする。そして、図１７に示すように、操作量Ｃとしたことにより運用性を評価する指標が極小値となるとき、「時間ｔ０における運用性を評価する指標の極大値」と、「時間ｔ１における運用性を評価する指標の極小値」との差分が、効果として得られる。図１７及び図１８のグラフを、図１６の導入効果の画面７５０とともに画像表示装置９４０に表示するようにしてもよい。

このように、運転支援装置２００は、オンラインでのプラント１００の制御だけではなく、運転データデータベース２４０に蓄積されている運転データを用いて、運転支援装置２００をプラント１００に適用した場合の導入効果を試算することができる。即ち、運転支援装置２００の利用方法として、導入効果を試算する用途が挙げられる。操作パラメータを適切に自動的に選定することで、運転支援装置２００の導入効果を早期に試算することができる。

以上述べたように、本発明の一実施形態に係る運転支援装置２００は、プラント１００の運転データと設計データを用いることにより、プラント１００の運用性向上に寄与する操作パラメータを自動的に抽出することができる。また本実施形態では、運転データ処理部５００と設計データ処理部６００の両方で抽出されたデータ項目を、操作すべき操作パラメータとして選定することにより、運用性を評価する指標に影響を与え、かつ操作可能なパラメータを抽出することができる。

また、本実施形態では、特性カーブの類似性（図１１）と操作次数の目標値を考慮してデータ項目をグループ化することにより、操作パラメータを設計するための工数を削減することができる。

なお、上述した実施形態では、運転支援装置２００を適用するプラントの例として石炭火力プラントを挙げたが、本発明を、石油化学プラント、水処理プラント、医薬製造プラントなど、各種プラントに適用することも可能である。即ち、本発明は、各種プラントの運転支援装置として幅広く活用可能である。

上述した一実施形態にかかる運転支援装置２００の動作は、ハードウェアによって行われてもよく、ソフトウェアによって行われてもよい。ソフトウェアによって行われる場合には、例えば運転支援装置２００に設けられるＣＰＵその他の制御装置が、運転支援装置２００の内部に設けられたＲＯＭ等の記録媒体に保存されたコンピュータープログラムを読み出して順次実行することによって行われるようにしてもよい。

［運転支援装置のハードウェア構成］
図１９は、運転支援装置２００が備えるコンピューターのハードウェア構成を示すブロック図である。なお、運転支援装置２００の機能、使用目的に合わせてコンピューター８００の各部を取捨選択することが可能である。例えば、図１に示すプラント制御システムは、外部入力装置９１０(キーボード９２０及びマウス９３０)及び画像表示装置９４０を備えているため、表示部８０５及び操作部８０６を削除してもよい。

コンピューター８００は、バス８０４にそれぞれ接続されたＣＰＵ（Central Processing Unit）８０１、ＲＯＭ（Read Only Memory）８０２、ＲＡＭ（Random Access Memory）８０３を備える。さらに、コンピューター８００は、表示部８０５、操作部８０６、不揮発性ストレージ８０７、ネットワークインターフェース８０８を備える。

ＣＰＵ８０１は、本実施形態に係る各機能を実現するソフトウェアのプログラムコードをＲＯＭ８０２から読み出して実行する。なお、コンピューター８００は、ＣＰＵ８０１の代わりに、ＭＰＵ（Micro-Processing Unit）等の処理装置を備えるようにしてもよい。ＲＡＭ８０３には、演算処理の途中に発生した変数やパラメータ等が一時的に書き込まれる。

表示部８０５は、例えば、液晶ディスプレイモニタであり、コンピューター８００で行われる処理の結果等を表示する。操作部８０６には、例えば、キーボード、マウス又はタッチパネル等が用いられ、監視員が所定の操作入力、指示を行うことが可能である。また操作部８０６は、操作キーやボタンスイッチなどの操作子でもよい。表示部８０５は、画像表示装置９４０に相当し、操作部８０６は、外部入力装置９１０に相当する。

不揮発性ストレージ８０７としては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード等が用いられる。この不揮発性ストレージ８０７には、ＯＳ（Operating System）、各種のパラメータやデータの他に、コンピューター８００を機能させるためのプログラムが記録されていてもよい。例えば不揮発性ストレージ８０７には、設計データデータベース２３０、運転データデータベース２４０及び処理結果データベース２５０等が格納されている。

ネットワークインターフェース８０８には、例えば、ＮＩＣ（Network Interface Card）等が用いられ、ＬＡＮ等のネットワークＮを介して各装置間で各種のデータを送受信することが可能である。各装置間が専用の伝送線で接続されていてもよい。

さらに、本発明は上述した各実施形態例に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、その他種々の応用例、変形例を取り得ることは勿論である。

例えば、上述した実施形態例は本発明を分かりやすく説明するために装置及びシステムの構成を詳細且つ具体的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、ある実施形態例の構成の一部を他の実施形態例の構成に置き換えることは可能である。また、ある実施形態例の構成に他の実施形態例の構成を加えることも可能である。また、各実施形態例の構成の一部について、他の構成の追加、削除、置換をすることも可能である。

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

また、本明細書において、時系列的な処理を記述する処理ステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理（例えば、並列処理あるいはオブジェクトによる処理）をも含むものである。

１…外部入力情報、 ２，４，６…運転データ、 ３，５…設計データ、 ７…操作パラメータ、 ８，９…処理結果情報、 １０，１１…操作量決定部処理結果情報、 ２１，２２…運転データ処理結果、 ２３，２４…設計データ処理結果、 ５０…データベース情報、 ７０…計測信号、 ８０…操作信号、 １００…プラント、 ２００…運転支援装置、 ２１０…外部入力インターフェイス、 ２２０…外部出力インターフェイス、 ２３０…設計データデータベース、 ２４０…運転データデータベース、 ２５０…処理結果ＤＢ、 ３００…操作量決定手段、 ３１０…統計モデル、 ３２０…学習アルゴリズム、 ３３０…操作量算出部、 ４００…操作パラメータ決定部、 ５００…運転データ処理部、 ６００…設計データ処理部、 ７００…操作パラメータ選定部

Claims (8)

1. 制御対象から収集された運転データに基づいて運用性向上に寄与する第１の操作パラメータの候補を抽出する運転データ処理部と、
   前記制御対象の設計データに基づいて運用性向上に寄与する第２の操作パラメータの候補を抽出する設計データ処理部と、
   前記第１の操作パラメータの候補と前記第２の操作パラメータの候補のうち、前記運転データ処理部と前記設計データ処理部の両方で抽出された操作パラメータの候補を、操作すべき操作パラメータに選定する操作パラメータ選定部と、
   を備える運転支援装置。
2. 前記運転データ処理部は、前記運転データに基づいて当該運転データのデータ項目と運用性を評価する指標との関係を表す特性関数を作成し、当該特性関数に基づいて前記第１の操作パラメータの候補を抽出する
   請求項１に記載の運転支援装置。
3. 前記設計データ処理部は、前記運転データのデータ項目から予め定められたキーワードと一致するデータ項目を前記第２の操作パラメータの候補として抽出し、さらに抽出した前記第２の操作パラメータの候補の中から前記設計データとしての制御ロジック回路図から保護回路の上流側に位置する前記第２の操作パラメータの候補を抽出する
   請求項１に記載の運転支援装置。
4. 前記運転データ処理部は、前記特性関数が類似する前記データ項目を同じグループに分類し、該当データ項目に対応する前記第１の操作パラメータの操作量を共通とする
   請求項２に記載の運転支援装置。
5. 前記運転データ処理部は、前記特性関数の類似性と前記操作パラメータの数である操作次数の目標値とを考慮して、前記第１の操作パラメータの候補をグループに分類する
   請求項４に記載の運転支援装置。
6. 前記運転データ処理部は、前記制御対象の運転条件と運転環境を考慮した運転パターン毎に前記運転データを分割し、前記運転パターン毎に前記第１の操作パラメータの候補を抽出する
   請求項２に記載の運転支援装置。
7. 前記操作パラメータ選定部で選定された前記操作パラメータと、前記運用性を評価する指標との関係を模擬する統計モデルと、前記統計モデルを用いて運用性を向上させるための操作方法を学習する学習アルゴリズムと、前記学習アルゴリズムにおける学習結果に従って制御対象の操作量を決定する操作量算出部と、を備えた操作量決定部を、更に備え、
   前記操作パラメータ選定部は、当該運転支援装置を前記制御対象に導入したときの導入効果を試算する
   請求項１乃至６のいずれか一項に記載の運転支援装置。
8. 制御対象から収集された運転データに基づいて運用性向上に寄与する第１の操作パラメータの候補を抽出する手順と、
   前記制御対象の設計データに基づいて運用性向上に寄与する第２の操作パラメータの候補を抽出する手順と、
   前記第１の操作パラメータの候補と前記第２の操作パラメータの候補の両方に含まれる操作パラメータの候補を、操作すべき操作パラメータとして選定する手順を、
   コンピューターに実行させるためのプログラム。