JP6799708B2 - モデル作成方法、プラントの運転支援方法並びにモデル作成装置 - Google Patents

Description

本発明は、先行プラントの実績を活用して対象プラントの運転シミュレーションのモデルを作成するとともに、モデルを利用することに係り、モデル作成方法、プラントの運転支援方法、並びにモデル作成装置を構成することに関する。

従来から各種のプラントにおいては、プラントを模擬する運転シミュレータを構成して運転制御に活用し、あるいは運転員の教育が行われている。

例えばプラントの運転制御にシミュレーション技術を取り入れたものとして特許文献１が知られている。特許文献１では、プラントの制御装置において、プラントに制御信号を与えた時に取得する計測信号の値を推定する統計モデルを用いており、統計モデルの構築に用いるデータが修正された場合、修正されたデータを用いてモデルを更新している。

特許第５３７８２８８号

モデルを作成・更新する場合に、使用するデータは多い方が対象プラントの特性を高精度に模擬することができる。このため、対象プラントのデータが不足する場合は、先行プラントのデータやモデル作成履歴（以下単に実績と呼ぶ）を参照し、データ数を増やすことが有効である。

先行プラントの実績を活用する場合、現行プラントとは仕様が変化することが想定される。しかしこの点に関して、特許文献１は同一プラント内でデータが修正された点のみ記載され、プラント仕様や燃料が変化した場合の対応は記載されていない。

そこで本発明においては、先行プラントとプラント仕様が異なる場合であっても、先行プラントの実績を有効活用して効率的かつ精度よく対象プラントの運転シミュレーションのモデルを作成し、あるいはこれを利用するモデル作成方法、プラントの運転支援方法、並びにモデル作成装置を提供することを目的とする。

以上のことから本発明においては、「先行プラントの実績を活用して、対象プラントの入力パラメータとプロセス値との関係を示すモデルを作成するモデル作成方法であって、先行プラントでの既存モデルを読み込む読込ステップと、前記先行プラントでの既存モデルの入力パラメータに前記対象プラントのプラント仕様に関係する物理パラメータを追加して、新規モデルを作成するモデル作成ステップを有することを特徴とするモデル作成方法」としたものである。

また本発明においては、「モデル作成方法により生成された新規モデルを用いるプラントの運転支援方法であって、対象プラントの新規運転データと新規モデルを用いてプロセス値を算出するシミュレーションステップと、所定条件を満たすプロセス値に基づき対象プラントの運転指示値を算出する運転指示ステップをさらに備えることを特徴とするプラントの運転支援方法」としたものである。

また本発明においては、「先行プラントの実績を活用して、対象プラントの入力パラメータとプロセス値との関係を示すモデルを作成するモデル作成装置であって、先行プラントでの既存モデルを読み込むデータ読込部と、前記先行プラントでの既存モデルの入力パラメータに前記対象プラントのプラント仕様に関係する物理パラメータを追加して、新規モデルを作成することを特徴とするモデル作成装置」としたものである。

また本発明においては、「先行プラントの実績を活用して作成された、対象プラントの入力パラメータとプロセス値との関係を示すモデルであって、前記先行プラントでの既存モデルの入力パラメータに、前記対象プラントのプラント仕様に関係する物理パラメータを識別可能に追加して作成されたモデル。」としたものである。

また本発明においては、「先行プラントの入力パラメータとプロセス値との関係を示す既存モデルを取得し、既存モデルの入力パラメータに、対象プラントのプラント仕様に関係する物理パラメータを追加して、新規モデルを作成する処理をコンピュータに実行させるプログラム。」としたものである。

また本発明においては、「プログラムを記録した記録媒体。」としたものである。

対象プラントのプラント仕様が先行プラントと異なる場合であっても、先行プラントの実績を有効活用して効率的かつ精度よく対象プラントの運転シミュレーションのモデルを作成できる。

モデル化の対象となる典型的なボイラプラントの概略構成図。 モデル作成手法についての処理流れを示すフローチャート。 モデルを用いたシミュレーションの結果を、運転制御装置に対する運転指示として与える運転指示流れを示したフローチャート。 モデルを組み込んだボイラプラントの運転制御装置の全体構成例を示す図。 モデル作成装置の詳細構成例を示す図。 モデル作成用の全運転データの一例を示す図。 モデルのインプットとアウトプットの関係を表す模式図。 過去運転データベースにおけるデータフォーマット例を示す図。 既存モデルデータベースにおけるデータフォーマット例を示す図。 プラント仕様データベースにおけるデータフォーマット例を示す図。 燃料性状データベースにおけるデータフォーマット例を示す図。 追加パラメータ候補データベースにおけるデータフォーマット例を示す図。 センシティビティデータベースにおけるデータフォーマット例を示す図。 センシティビティの確認画面の表示例を示す図。 モデル作成を支援する運転支援システムの全体構成例を示す図。 モデル作成を支援する運転支援システムの詳細構成例を示す図。 運転制御装置のハードウェア構成を示す図。 運転支援装置のハードウェア構成を示す図。

以下本発明の実施例について、図面を参照して詳細に説明する。

本発明の実施例では、プラントがボイラプラントである場合に、その動作を模擬するモデルを構成する事例について説明する。まず実施例１では、典型的なボイラプラントの構成例と、モデルの作成手法について説明する。また作成したモデルを適用した運転支援装置さらには運転制御装置を構成することについて説明する。実施例２では複数の運転支援装置により運転支援システムを構成することについて説明する。

まず、ボイラプラントの構成例と、その動作を模擬するモデルの構成手法について説明する。

図１は、モデル化の対象となる典型的なボイラプラントの概略構成例図である。

図１に示すボイラプラント１００は、発電や熱供給に用いられる設備であり、固体燃料を燃焼させるものとして、石炭を粉砕した微粉炭を微粉燃料（固体燃料）として用い、この微粉炭を火炉１１のバーナにより燃焼させ、この燃焼により発生した熱を給水や蒸気と熱交換して蒸気を生成することが可能な石炭焚きボイラである。なお、燃料は石炭に限られず、バイオマス等、ボイラで燃焼可能な他の個体燃料であってもよい。さらに多種の個体燃料を混合して使用してもよい。

ボイラプラント１００は、火炉１１と燃焼装置１２と煙道１３を有している。

このうち火炉１１は、例えば四角筒の中空形状をなして鉛直方向に沿って設置されている。火炉１１は、壁面が、蒸発管（伝熱管）と蒸発管を接続するフィンとで構成され、給水や蒸気と熱交換することにより火炉壁の温度上昇を抑制している。具体的には、火炉１１の側壁面には、複数の蒸発管が例えば鉛直方向に沿って配置され、水平方向に並んで配置されている。フィンは、蒸発管と蒸発管との間を閉塞している。火炉１１は、炉底に傾斜面６２が設けられており、傾斜面６２に炉底蒸発管７０が設けられて底面となる。

燃焼装置１２は、この火炉１１を構成する火炉壁の鉛直下部側に設けられている。図１の実施形態では、この燃焼装置１２は、火炉壁に装着された複数のバーナ（例えば２１、２２、２３、２４、２５）を有している。例えば、このバーナ２１、２２、２３、２４、２５は、火炉１１の周方向に沿って均等間隔で複数配設されている。但し、火炉の形状、バーナの配置や一つの段におけるバーナの数、段数はこの実施形態に限定されるものではない。

この各バーナ２１、２２、２３、２４、２５は、微粉炭供給管２６、２７、２８、２９、３０を介して粉砕機（微粉炭機／ミル）３１、３２、３３、３４、３５に連結されている。石炭が図示しない搬送系統で搬送されて、この粉砕機３１、３２、３３、３４、３５に投入されると、ここで所定の微粉の大きさに粉砕され、搬送用空気（１次空気）と共に微粉炭供給管２６、２７、２８、２９、３０からバーナ２１、２２、２３、２４、２５に粉砕された石炭（微粉炭）を供給することができる。

また、火炉１１は、各バーナ２１、２２、２３、２４、２５の装着位置に風箱３６が設けられており、この風箱３６に空気ダクト３７ｂの一端部が連結されて、他端部は空気を供給する空気ダクト３７ａに連結点３７ｄにおいて連結される。この結果、火炉１１には搬送用空気（１次空気）と空気ダクト３７ｂからの燃焼用空気（２次空気）が導入されることになる。

また、火炉１１の鉛直方向上方には煙道１３が連結されており、この煙道１３に蒸気を生成するための複数の熱交換器（４１、４２、４３、４４、４５、４６、４７）が配置されている。そのため、バーナ２１、２２、２３、２４、２５が火炉１１内に微粉炭燃料と燃焼用空気との混合気を噴射することで火炎が形成され、燃焼ガスを生成されて煙道１３に流れる。そして、燃焼ガスにより火炉壁及び熱交換器（４１、４２、４３、４４、４５、４６、４７）を流れる給水や蒸気を加熱または過熱して過熱蒸気が生成され、生成された過熱蒸気を供給して図示しない蒸気タービンを回転駆動させ、蒸気タービンの回転軸に連結した図示しない発電機を回転駆動して発電を行うことができる。

また、この煙道１３には、排ガス通路４８が連結され、燃焼ガスの浄化を行うための脱硝装置５０、押込送風機３８ａから空気ダクト３７ａへ送気する空気と排ガス通路４８を送気する排ガスとの間で熱交換を行うエアヒータ４９、煤塵処理装置５１、誘引送風機５２などが設けられ、下流端部に煙突５３が設けられている。なお、脱硝装置５０は排ガス基準を満足できれば設けなくてもよい。

また、微粉炭の搬送用空気（１次空気）は、１次空気送風機３８ｂからエアヒータ４９を通過する空気ダクト３７ｅと、エアヒータ４９をバイパスする空気ダクト３７ｆが結合された空気ダクト３７ｇにより送風されている。両方の空気ダクト３７ｅ、３７ｆの送風量が調整された後合流し、空気ダクト３７ｇを経由して粉砕機（微粉炭機／ミル）３１、３２、３３、３４、３５に送られることにより、微粉炭の搬送用空気（１次空気）が所定の温度等になるように調整されている。

実施例１の火炉１１は、微粉炭の搬送用空気（１次空気）及び風箱３６から火炉１１に投入される燃焼用空気（２次空気）による燃料過剰燃焼後、新たに燃焼用空気（アフタエア）を投入して燃料希薄燃焼を行わせる、所謂２段燃焼方式の火炉である。そのため、火炉１１にはアフタエアポート３９が備えられ、アフタエアポート３９に空気ダクト３７ｃの一端部が連結され、他端部は連結点３７ｄにおいて空気を供給する空気ダクト３７ａに連結される。なお、２段燃焼方式を採用しない場合、アフタエアポート３９は設けなくてもよい。

１次空気送風機３８ｂから空気ダクト３７ａに送気された空気は、エアヒータ４９で燃焼ガスと熱交換により温められ、連結点３７ｄにおいて空気ダクト３７ｂを経由して風箱３６へ導かれる２次空気と、空気ダクト３７ｃを経由してアフタエアポート３９へと導かれるアフタエアとに分岐する。

典型的なボイラプラント１００は、図１に示されたようなものであり、以下においてはボイラプラント１００のモデルを構成することについて説明する。

ここでは、先行プラントの実績、経験を活用して、対象プラントの入力パラメータとプロセス値との関係を示すモデルを作成するモデル作成手法について説明する。図２には、モデル作成手法についての処理フローが例示されている。

このモデル作成手法は、先行プラントおよび対象プラントの運転データと、先行プラントでの既存モデルを読み込む読込ステップＳ１と、既存モデルの入力パラメータにプラント仕様に関係する物理パラメータを追加して、新規モデルを作成するモデル作成ステップＳ２と、作成された新規モデルを、運転データを用いて精度検証する検証ステップＳ３と、精度検証された新規モデルを出力する出力ステップＳ４とから構成されている。

係る処理の流れとすることにより、プラント仕様の差異を考慮できる動作モデルを作成することができる。

図２のモデル作成手法についてさらに詳細に説明する。まず読込ステップＳ１は、以下の考え方により処理される。

読込ステップＳ１ではまず、先行プラントと対象プラントの全運転データと、先行プラントでの既存モデルを読み込む。

ここで、プラントとは、発電プラントのうちボイラプラントが例示されており、以降はボイラプラントを前提に説明するが、これに限定されるものではなく、広く工業製品、材料を生成するプラントにも適用可能であることは言うまでもない。例えば、燃料を燃焼する燃焼プラントとして、発電プラント以外に、蒸気供給プラント、製鉄プラントが例示される。また、燃焼プラント以外では、化学、製紙プラントが例示される。

先行プラントは、モデルを作成した実績のある既存プラントのことであり、既存モデルは先行プラントで作成されたモデルのことである。

また、モデルとは、プラントの入力パラメータ（インプット）とプロセス値（アウトプット）との関係を示すものである。入力パラメータをモデルに入力して、プロセス値を予測（シミュレーション）するために用いられる。原則としてモデルはプロセス値ごとに作成されるが、これに限定されず１つのモデルで複数のプロセス値を出力するようにしてもよい。

次にモデル作成ステップＳ２においては、以下に詳細を示す各ステップが順次実行される。

ステップＳ２１では、まずモデル作成の回数Ｎ（初期値は０）に１を追加する。

次にステップＳ２２では、モデル作成条件、追加パラメータ候補を読み込む。回数Ｎが２以上の場合は、これらの変更を行う。ここで、モデル作成条件とは、モデル作成の対象（プロセス値）、手法（関数式）や許容誤差等のことである。また、追加パラメータ候補とは、後述する入力パラメータの追加候補のことである。

次にステップＳ２３では、先行プラントと対象プラントのプラント仕様、燃料性状の差異を確認する。

ステップＳ２３での確認の結果、プラント仕様が異なる場合は、ステップＳ２４に移り、既存モデルの入力パラメータにプラント仕様に関係する物理パラメータを追加する。ここで、物理パラメータとは、プラントの構造、性能および／または設計条件に係るパラメータである。物理パラメータを追加することにより、プラント仕様を表す適切なパラメータを選定できる。

ステップＳ２３での確認の結果、燃料性状が異なる場合は、ステップＳ２５に移り、既存モデルの入力パラメータに燃料性状に関係する燃料パラメータを追加する。ここで、燃料パラメータとは、燃料の調整、燃焼、環境負荷、水分のいずれかに係るパラメータである。

ステップＳ２３での確認の結果、プラント仕様、燃料性状のいずれも差異がない場合は、ステップＳ２６に移り、入力パラメータの追加は行わない。

なお、ステップＳ２３においてプラント仕様、燃料性状が異なる場合とは、既存モデルの入力パラメータにそれぞれ物理パラメータ、燃料パラメータの追加を要する程度に異なることを指す。例えば、プラント仕様のうちボイラ寸法が異なる場合であって、既存モデルの入力パラメータにボイラ寸法に係る物理パラメータが既に含まれている場合は、新たな入力パラメータの追加は不要となる。このような場合には、ステップＳ２３ではプラント仕様は差異がないと判断される。

検証ステップＳ３においては、以下に詳細を示す各ステップが順次実行される。

ステップＳ３１では、全運転データを用いて、作成された新規モデルの精度検証を行う。次いでステップＳ３２において、新規モデルの妥当性を判断する。例えば、全運転データにおけるプロセス値の実測値（実プロセス値）とモデルを用いて算出したプロセス値のシミュレーション値（仮想プロセス値）を対比し、誤差を確認する。因みに、誤差が許容誤差以内であればモデルは妥当と判断する。

ステップＳ３２での判断により、誤差が許容誤差を超える場合は、ステップＳ３３において、回数Ｎが許容回数Ｎｔｈ以下であるかを確認する。回数Ｎが許容回数Ｎｔｈ以下であれば、再度モデル作成ステップＳ２に戻り、モデル作成条件、追加パラメータ候補を変更して、新規モデルを修正する。

検証ステップＳ３においては、新規モデルの代表的な入力パラメータとプロセス値との関係について、予め定められた基準に基づき検証することにより、入力と出力の関係（傾向）について、理論またはオペレータの経験の観点から妥当性を検証することで、モデルの精度をより高めることができる。

出力ステップＳ４においては、以下に詳細を示す各ステップが順次実行される。

ステップＳ３２での処理において、モデルは妥当と判断された場合、ステップＳ４１において新規モデルを後述する出力やデータベースへ出力する。

ステップＳ３３での処理において、前述の回数Ｎが許容回数Ｎｔｈを超える場合は、モデル作成エラーを入出力部３０９へ出力する。このようにして、新規モデルもしくはモデル作成エラーのいずれかを出力した後モデル作成フローは終了する。

出力ステップＳ４において、新規モデルの代表的な入力パラメータとプロセス値の関係をさらに出力することにより、入力と出力の関係（傾向）について、オペレータが再度確認できる。

図２においては、プラントのモデルの作成手法について説明したが、このようにして作成されたモデルは例えばプラントの運転制御装置に組み込まれて利用される。図３、図４を用いてプラントの運転制御装置を構成する考え方について説明する。

まず図３は、図２で作成したモデルを用いたシミュレーションの結果を、運転制御装置に対する運転指示として与える運転指示流れを示したフローチャートである。

本フローチャートでは、まずステップＳ５において対象プラントの新規運転データと、新規モデルを読み込む。

次にシミュレーションステップＳ６において、シミュレーションを実施する。まずステップＳ６１において、シミュレーション条件を設定する。シミュレーション条件とは、入力パラメータのセットのことである。

ステップＳ６２において、入力パラメータのセットを図２の処理で作成した新規モデルに入力してシミュレーションを実施する。シミュレーションの結果、仮想プロセス値を得ることができる。

運転指示ステップＳ７では、運転制御装置に対する運転指示値を作成する。最初にステップＳ７１において、シミュレーション結果を評価する。次いでステップＳ７２において、シミュレーションにより得られた仮想プロセス値について最適（所定の条件を満たす）か否かを判断する。最適でない場合は、ステップＳ６１に戻りシミュレーション条件を再設定して、あらたな仮想プロセス値を算出することを指示する。

ここで、評価とは、それぞれの仮想プロセス値を所定の換算係数でスコア（無次元）に換算することとしてもよい。また最適とは、算定されたスコアの合計値が所定値以上となる場合としてもよい。または、複数のケース（シミュレーション条件）でシミュレーションを行い、それらの結果のうちスコアの最も高い場合、あるいは上位数ケースのうちオペレータが最適と判断する場合としてもよい。さらに、スコアがより高いケースを遺伝的アルゴリズムや粒子群最適化の手法を用いて自動で探索して、その結果から最適か否かを判断してもよい。

ステップＳ７２において、最適と判断されたシミュレーションの条件および結果をもとに運転指示値を算出し、結果を後述する出力画面等へ出力する。

図４は、モデルを組み込んだボイラプラントの運転制御装置の全体構成例を示す図である。図４には、これを大別すると制御の対象であるボイラプラント１００と、ボイラプラント１００の制御を行う運転制御装置２００が記載されている。

このうちボイラプラント１００は、詳細には図１の通りのシステム構成であるが、その中で代表的にセンサＳＲと操作端ＯＰを記載している。操作端ＯＰとは、弁やダンパのことを指す。センサＳＲは、ボイラプラント１００各部のプロセス値などの運転データを検知している。

これに対し、運転制御装置２００は、ボイラプラント１００内に設置されたセンサＳＲからその運転データを入力として入手して、最終的にボイラプラント１００内の各部操作端ＯＰにおける操作量を出力として与えるものである。

運転制御装置２００は、この入力から出力までを一貫して処理する自動制御の考え方のものであるが、運転制御部２０１を除外して、運転支援装置３００を構成することができる。運転支援装置３００である場合には、運転支援装置３００が提示するパラメータをオペレータＭまたは予め定められたルールベースで判断したうえで適切と思われる値のパラメータを、運転制御部２０１に送信することでボイラプラント１００の運転制御を行うものである。なお運転制御部２０１は、設定したパラメータに対する適宜の帰還信号を得て、所謂帰還制御による自動制御を実行する。

本発明の以下の説明においては、運転支援装置３００を構成することについて述べるが、この考え方を運転制御装置２００に展開することは容易に行えることであるので、詳細な説明は割愛する。

図４に示す本発明に係る運転支援装置３００においては多くのデータを取り扱っており、そのため各種のデータベースＤＢを保有している。運転支援装置３００で採用するデータベースＤＢとその記憶内容は以下のとおりである。

過去運転データベースＤＢ１は、先行プラントにおける運転データを記憶する。過去運転データベースＤＢ１のデータ構成例を図８に示し、後述する。

新規運転データベースＤＢ２は、対象プラントにおいて取得された新規運転データを記憶する。新規運転データベースＤＢ２のデータ構成例は、基本的に過去運転データベースＤＢ１のデータ構成例と同じである。

既存モデルデータベースＤＢ３は、先行プラントで作成された既存モデルを記憶する。既存モデルデータベースＤＢ３のデータ構成例を図９に示し、後述する。

プラント仕様データベースＤＢ４は、先行プラントと対象プラントのプラント仕様を記憶する。プラント仕様データベースＤＢ４のデータ構成例を図１０に示し、後述する。

燃料性状データベースＤＢ５は、先行プラントと対象プラントで使用された燃料の性状を記憶する。燃料性状データベースＤＢ５のデータ構成例を図１１に示し、後述する。

新規モデルデータベースＤＢ６は、作成された新規モデルを記憶する。

図４に示す運転支援装置３００は、上記データベースに記憶されたデータを用いて以下のように働く。

データ取得部３０１は、ボイラプラント（対象プラント）１００から新規運転データを取得し、新規運転データベースＤＢ２に格納する。

データ抽出変換部３０２は、モデル作成や運転制御用に必要なデータ（新規運転データ、過去運転データ）を新規運転データベースＤＢ２、過去運転データベースＤＢ１から抽出し、必要に応じて補完、フォーマット変換する。ここでの変換の一例は、センサＳＲにより直接計測できない運転データを、他のデータなどから推定し、同定する処理などである。係る推定処理は計算機を用いてソフト的に実行されることから推定した値をソフトセンサ値と呼ぶ。

モデル作成装置３０３については、図５において詳述するが、その概要はデータ抽出変換部３０２からの新規運転データ、過去運転データ、既存モデルデータベースＤＢ３からの既存モデルデータ、プラント仕様データベースＤＢ４からのプラント仕様データ、燃料性状データベースＤＢ５からの燃料の性状データを用いてボイラプラント１００の入出力の関係を示すモデル（新規モデル）を作成するものである。作成された新規モデルは、新規モデルデータベースＤＢ６に格納される。

シミュレーション部３０６は、データ抽出変換部３０２から出力された新規運転データと新規モデルデータベースＤＢ６から出力された新規モデルを用いて仮想プロセス値を算出し、算出結果を最適化部３０７へ出力する。

最適化部３０７は、仮想プロセス値について、最適か否かを判断し、最適と判断した場合は仮想プロセス値を運転指示部３０８へ出力し、最適でない判断した場合はシミュレーション条件を再設定して再度シミュレーションを行うようシミュレーション部３０６へ出力する。運転指示部３０８は、最適と判断されたシミュレーションの条件および結果をもとに、運転指示値を算出し、運転制御部２０１へ出力する。また、運転指示部３０８は、最適化部３０７から出力されたシミュレーションの結果及び算出した運転指示値を入出力部３０９へ出力する。ここでの詳細は図３の運転指示ステップＳ７にて説明したものである。

入出力部３０９は、新規モデルの作成・検証結果、シミュレーションの評価結果、運転指示の提案画面を表示し、それぞれに対してオペレータＭの指示を受け付ける。また、過去運転データベースＤＢ１、既存モデルデータベースＤＢ３、プラント仕様データベースＤＢ４、燃料性状データベースＤＢ５に対する追加情報の入力があれば、入力結果をそれぞれに出力する。

なお運転支援装置３００が与える運転指示値を運転制御部２０１に与えることで、運転制御装置を構成することができる。この場合に、運転制御部２０１は、運転指示値をもとに、ボイラの各操作端ＯＰの運転（弁の開度等）を制御する。なお運転制御は、運転指示値をもとに自動で行っても、入出力部３０９でのオペレータＭの承諾を経てから行っても、いずれでもよい。また、既存のボイラプラント制御装置（図示せず）からの運転指示値に対して、運転支援装置３００からの運転指示値をバイアス値として加算して、最終的な運転指示値を指示してもよい。

以上説明した運転支援装置３００においては、モデル作成装置３０３で作成したモデルにさらに対象プラントの新規運転データを用いてプロセス値を算出するシミュレーションステップと、プロセス値が所定条件を満たすように、対象プラントの運転指示値を算出する運転指示ステップをさらに備えることにより、汎用的なモデルを用いてプラントの運転
支援ができるようにしたものということができる。

次に図５を用いて、モデル作成装置３０３の詳細構成例について説明する。モデル作成装置３０３では、データ抽出変換部３０２からの新規運転データ、過去運転データ、既存モデルデータベースＤＢ３からの既存モデルデータ、プラント仕様データベースＤＢ４からのプラント仕様データ、燃料性状データベースＤＢ５からの燃料の性状データ、追加パラメータ候補データベースＤＢ７からの追加パラメータ候補データ、センシティビティデータベースＤＢ８からのセンシティビティデータを用いてボイラプラントの入出力の関係を示すモデル（新規モデル）を作成するものである。作成された新規モデルは、新規モデルデータベースＤＢ６に格納される。追加パラメータ候補データ、センシティビティデータは、既存モデルデータ、プラント仕様データ、燃料の性状データのように、入出力部３０９を介して設定、入力されたデータである。

なおモデル作成装置３０３には新たに追加パラメータ候補データベースＤＢ７とセンシティビティデータベースＤＢ８が追加されているが、このうち追加パラメータ候補データベースＤＢ７は、入力パラメータの追加候補を記憶するものであり、センシティビティデータベースＤＢ８は、代表的な入力パラメータとプロセス値との関係（変化傾向）を検証するための基準を記憶するものである。追加パラメータ候補データベースＤＢ７の構成例を図１２に例示し、センシティビティデータベースＤＢ８の構成例を図１３に例示して、その詳細を後述する。

モデル作成装置３０３は、先行プラントの実績を活用して、対象プラントの入力パラメータとプロセス値との関係を示すモデルを作成するものであって、先行プラントおよび対象プラントの全運転データと、先行プラントでの既存モデルを読み込むデータ読込部３０３１と、既存モデルの入力パラメータにプラント仕様に関係する物理パラメータを追加して、新規モデルを作成するモデル修正部３０３２と、作成された新規モデルを、全運転データを用いて精度検証するモデル検証部３０３３と、精度検証された新規モデルを出力するモデル出力部３０３４から構成されている。

図５のモデル作成装置３０３を構成する各部は、詳細には以下のように機能する。

まずデータ読み込み部３０３１は、データ抽出変換部３０２で抽出された全運転データ
（過去運転データ、および新規運転データ）、および既存モデルデータベースＤＢ３に記
憶された既存モデルを読み込む。

モデル修正部３０３２は、内部に記憶するモデル作成条件に基づき、既存モデルデータベースＤＢ３から読み込んだ既存モデルを修正する。その際、プラント仕様データベースＤＢ４から読み込んだプラント仕様、燃料性状データベースＤＢ５から読み込んだ燃料性状について、先行プラントと対象プラントの差異を確認する。さらに、追加パラメータ候補データベースＤＢ７から、入力パラメータの追加候補を読み込む。この追加候補の中から、プラント仕様が異なる場合は物理パラメータを、燃料性状パラメータが異なる場合は燃料パラメータをそれぞれ選定し、入力パラメータに追加する。この詳細は、図２のモデル作成ステップＳ３に示されている。

モデル検証部３０３３は、モデル修正部３０３２から読み込んだ新規モデルの精度検証を行う。精度検証は、以下の２項目を実施する。

精度検証の項目１は、全運転データを用いて、作成された新規モデルの精度検証を行うことである。ここでは、全運転データにおけるプロセス値の実測値（実プロセス値）とモデルを用いて算出したプロセス値のシミュレーション値（仮想プロセス値）とを対比し、予測誤差を演算する。その上で、演算された予測誤差と予めモデル検証部３０３３に記憶された許容誤差とを対比して、精度検証を行う。

精度検証の項目２は、新規モデルの代表的な入力パラメータとプロセス値との関係について、センシティビティデータベースＤＢ８から読み込んだ基準に基づき検証する。

モデル検証部３０３３における上記精度検証により、入力と出力の関係（傾向）について、理論またはオペレータＭの経験の観点から妥当性を検証することで、モデルの精度をより高めることができる。

モデル出力部３０３４では、検証された新規モデルをモデル検証部３０３３から読み込み、新規モデルデータベースＤＢ６と入出力部３０９とへ出力する。

次に図６を用いてモデル作成用の全運転データの一例について説明する。ここで全運転データとは、データ抽出変換部３０２から得られる過去運転データ、および新規運転データのことであり、図６の例では過去運転データは、先行プラントであるプラントＡ、Ｂにおける運転データであり、新規運転データは、対象プラントであるプラントＣにおける運転データである。なお運転データは試運転データ及び実運転データを含むものである。全運転データとして、試運転データと実稼働中の実運転データの両方を含むことにより、先行プラントのデータを全て活用してモデルの精度を高めることができる。

このように図６の例では、３つのプラント（Ａ、Ｂ、Ｃ）があり、プラントＡ、プラントＢは先行プラント、プラントＣは対象プラントである。新設の対象プラントであるプラントＣのモデル作成のために、先行プラントであるプラントＡ、Ｂにおける運転データおよびこれらの先行プラントで作成されたモデルを参照して、プラントＣのモデルを新規に作成しようとしている。

以下各プラントにおける運転とモデル作成の関係について順次説明する。まずプラントＡのモデルは、プラントＡの実稼働前に必要となるため、プラントＡの試運転データ（試験的にパラメータ、燃料を変化させて取得した運転データ）を用いて作成する。ここでは、プラントＡについてのモデル作成処理は完了しており、運転が開始されて実運転データが取得されているものとする。

プラントＢのモデルは、プラントＡの試運転データと実運転データ（運転制御期間内に取得されたデータ）の両方と、プラントＢの試運転データを用いて作成したものである。ここでは、プラントＢについてのモデル作成処理は完了しており、運転が開始されて実運転データが取得されているものとする。なおプラントＢについてのモデル作成処理時には、プラントＢの物理、燃料パラメータを追加してプラントＢに適したモデルが作成されている。

新設のプラントＣのモデルは、今から作成する。この作成においては、プラントＡ、Ｂの試運転データと実運転データ、およびプラントＣの試運転データを用いて、プラントＣの物理、燃料パラメータを追加してプラントＣに適したモデルが作成されることになる。

このように新設の対象プラントのモデル作成に当たり、先行プラントのデータを全て活用してモデルの精度を高めることができる。また、段階的にモデルを作成することで、追加する入力パラメータを精査して、適切な入力パラメータに厳選できる。ここで、一度追加された入力パラメータは削除されず、次のプラントで引き継がれる。既存プラントでの実績を最大限活用し、かつ連続性を持たせるためである。

図７はモデルのインプットとアウトプットの関係を表す模式図である。ここで、モデルの入力パラメータ（インプット）には、操作端用のパラメータに加えて、物理パラメータおよび／または燃料パラメータが含まれる。操作端用のパラメータとは、操作端ＯＰへの指示値（弁の開度等）を示すパラメータのことである。

モデルは、プロセス値ごとに作成される。ここでプロセス値とは、図４の運転制御部２０１での制御の結果としてボイラプラント１００で得られる出力であり、その多くはボイラプラント１００の監視、制御上の監視項目（あるいは監視制御項目）を示すものである。これらは例えば、環境監視上、大気に排出される排ガスＮＯｘ値であり、蒸気タービンなどに与えられる蒸気についての温度、圧力であり、各種機器や補機において制御する制御対象量であり、センサＳＲにより検知される。従って、モデルはボイラプラント１００の出力である複数のプロセス値の夫々について、そのプロセス値に影響を与える入力パラメータとの間に成立する相関などの関係を定義したものである。

以下に、主要なデータベースＤＢについて、その構成例を示し説明する。

図８は過去運転データベースＤＢ１におけるデータフォーマットの例である。この例では横軸を、プラント名、使用燃料、運転ケース数などで区分けする。縦軸は、入力パラメータとプロセス値の其々に係るデータで区分けする。なお新規運転データベースＤＢ２も基本的には、過去運転データベースＤＢ１におけるデータフォーマットと同じ構成とされている。

図９は既存モデルデータベースＤＢ３におけるデータフォーマットの例である。横軸はプラントごとに作成日、関数、入力パラメータ、モデル詳細で区分けする。関数には、モデル化する手法を記載する。モデル化する手法としては、ステップワイズ法、ランダムフォレスト、ｋ近傍法（ＫＮＮ）、ニューラルネットワーク法、深層学習、強化学習などが例示されるがこれに限られない。モデル詳細には、以下に示すモデル式Ｆの各項目について記載する。もしくは各項目が記載された別のＤＢの引用先を記載してもよい。

モデル式Ｆは、例えば（１）式のようなものでありここで、ｆはモデル化手法（関数）、ｘは入力パラメータ、ωは重み付け、λは切片、ｎは入力パラメータの数を示す。
［数１］
Ｆ＝ｆ（ｘ、ω、λ、ｎ） （１）
縦軸はモデルの作成単位で区分けする。プロセス値ごとにモデルを作成する場合は、モデル化の対象とするプロセス値を列挙する。

同一プラントでモデルを更新した場合は、更新履歴が分かるように全てのバージョンのモデルを記憶してもよい。例えば、図９では、モデルＰＲ１を更新してモデルＰＲ１´と表記している。

それぞれのモデルの作成日が記憶されていることから、入力パラメータが、どのプラントで、いつの段階で追加されたものか識別可能になっている。入力パラメータの追加履歴を後から追えるようにするためである。

図１０はプラント仕様データベースＤＢ４におけるデータフォーマットの例である。横軸はプラント名で区分けする。先行プラント、対象プラントの全てを網羅するプラント名を列挙する。

縦軸は、プラント仕様を表す項目で区分けする。ここでは、構造仕様と性能仕様で区別している。構造仕様とは寸法のことであり、ボイラ寸法が例示される。性能仕様とは、プラントの性能を表す値であり、排ガス温度、蒸気温度等が例示される。構造仕様、性能仕様は、計測結果の代表値だけでなく設計条件の値を記載してもよい。

図１１は燃料性状データベースＤＢ５におけるデータフォーマットの例である。横軸は燃料で区分けする。先行プラント、対象プラントの全てを網羅する燃料を列挙する。

縦軸は、燃料性状を表す項目で区分けする。燃料性状には、工業分析（燃料比等）と元素分析（炭素量等）が例示される。ここで燃料比とは、固定炭素と揮発分との比率のことである。

図１２は追加パラメータ候補データベースＤＢ７におけるデータフォーマットの例である。横軸はデータ取得法や適用条件で区分けする。データ取得法では、計測値だけでなく、複数の計測値を組合せて計算された計算値（ソフトセンサ値）としてもよい。なおプラント仕様を表す適切なパラメータの計測値がない場合には、計算値で代用可である。

縦軸は、物理パラメータ、燃料パラメータで区分けする。物理パラメータは、構造寸法などボイラ仕様から得られるもの、ガス温度、蒸気温度など計測値あるいは計算値から得られるものがある。なお、後者は、ボイラ仕様から設計値を参照して設定してもよい。また物理パラメータは、複数の計測値を組合せて計算されたソフトセンサ値であってもよい。ソフトセンサ値も物理パラメータとして取り扱うことにより、プラント仕様を表す適切なパラメータの計測値がない場合に計算値で代用できることができる。

燃料パラメータは、燃料の特性を評価する際に用いられる項目であり、石炭の粉砕に関して粉砕機（微粉炭機／ミル）のモータ電流値、油圧、差圧等であり、石炭の燃焼に関して燃料消費量（コールフロー）、伝熱面の吸収熱量、ボイラ出力等であり、環境負荷に関して排ガス中のＮＯｘ値、ＳＯ２値等であり、水分に関して粉砕機の入口空気温度等である。追加パラメータとして燃料パラメータを追加することにより、燃料性状の差異を考慮した動作モデルを作成できる。また燃料パラメータとして、燃料の調整、燃焼、環境負荷、水分のいずれかに係るパラメータを用いることにより、燃料性状を表す適切なパラメータを選定できる。

なお、粉砕機に関する運転データについて、ボイラプラント１００が粉砕機を複数台備えている場合、２台以上の粉砕機の運転データを入力パラメータに用いて、新規モデルを作成するのが好ましい。この場合、仮想プロセス値を算出する際は、１台の粉砕機の運転データを代表して使用し、当該粉砕機が停止した場合は別の粉砕機の運転データへ切り替える。１台の粉砕機がメンテナンス等で停止しても、別の粉砕機の運転データを用いて運転支援を継続できるためである。粉砕機は、稼働率や微粉炭を供給するバーナ位置に応じて選定すればよい。特に、なるべく中段のバーナに微粉炭を供給する粉砕機から選定するのが好ましい。ボイラ内の平均的な挙動を反映できるためである。

図１３はセンシティビティデータベースＤＢ８におけるデータフォーマットの例である。横軸は代表的なプロセス値で区分けされる。蒸気温度、メタル温度およびＮＯｘ値が例示されるが、これに限られない。

縦軸は代表的な入力パラメータで区分けされる。バーナ角度、空気ダンパ開度が例示されるが、これに限られない。センシティビティの確認基準は、入力パラメータとプロセス値との関係について、比例、反比例、一定などの線形的変化傾向、または、上に凸、下に凸などの非線形的変化傾向で示される。

図１４はセンシティビティの確認画面の表示例である。縦軸は代表的なプロセス値、横軸は代表的な入力パラメータとした２軸グラフで、両データの関係を表示する。モデル検証部３０３３では、この結果と、センシティビティデータベースＤＢ８に記憶された確認基準とを対比し、新規モデルの妥当性を検証する。または、オペレータＭが入出力部の確認画面で妥当性を確認する。

なお、運転制御装置２００の機能の一部又は全てを遠隔又はクラウド上に配置してインターネット回線を介してボイラプラント１００と接続してもよい。

図１７は運転制御装置２００のハードウェア構成の一例を示す図である。運転制御装置２００は、ＣＰＵ（ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）６０１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）６０２、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）６０３、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）６０４、入力Ｉ／Ｆ６０５、及び出力Ｉ／Ｆ６０６を含み、これらがバス６０７を介して互いに接続されたコンピュータを用いて構成される。なお、運転制御装置２００のハードウェア構成は上記に限定されず、制御回路と記憶装置との組み合わせにより構成されてもよい。また運転制御装置２００は、運転制御装置２００の各機能を実現するプログラムをコンピュータが実行することにより構成され、それらプログラムはクラウド１６０１や記録媒体１６０２に格納される。

記録媒体１６０２に格納されるプログラムは、例えば図２に示すフローチャートの機能を有するプログラムであり、先行プラントの入力パラメータとプロセス値との関係を示す既存モデルを取得し、既存モデルの入力パラメータに、対象プラントのプラント仕様に関係する物理パラメータを追加して、新規モデルを作成する処理をコンピュータに実行させるプログラム（新規モデル作成プログラム）としてもよい。

また、記録媒体１６０２に格納されるプログラムは、例えば図３に示すフローチャートの機能を有するプログラムであり、新規モデル作成プログラムにより生成された新規モデルを取得し、対象プラントの新規運転データを取得し、新規運転データと新規モデルを用いてプロセス値を算出し、所定条件を満たすプロセス値に基づき対象プラントの運転指示値を算出する処理をコンピュータに実行させるプログラム（運転支援プログラム）としてもよい。

また、運転制御装置２００は、外部通信器６０８、例えば４Ｇ、５Ｇ回線通信器やＷｉ−Ｆｉ（登録商標）等の無線ＬＡＮ通信器を備え、ＣＰＵ６０１が外部通信器６０８を介してクラウド１６０１からプログラムを読み込み、ＲＡＭ６０２にロードして実行してもよい。又は、運転制御装置２００は、記録媒体１６０２のデータを読み取るためのドライバ６０９を備え、ＣＰＵ６０１が記録媒体１６０２からプログラムを読み込み、ＲＡＭ６０２にロードして実行してもよい。記録媒体１６０２の種類は問わず、ＳＤカード、ＵＳＢメモリ、外付けＨＤＤ等、プログラムの容量に応じた様々な記録媒体を用いることができる。

図１８は運転支援装置３００のハードウェア構成の一例を示す図である。上記の運転制御装置２００と同様の構成を取る一方で、出力Ｉ／Ｆ６０６から、例えばモニタやプリンタなどの出力部（入出力部３０９）に、新規モデルの作成・検証結果、シミュレーションの評価結果、運転指示の提案画面を出力（表示）するように構成される。

実施例２においては、複数のボイラプラントを統括的に結合することで、モデル作成を支援する運転支援システムを構成することについて説明する。

図１５は、モデル作成を支援する運転支援システム５００の全体構成例を示す図である。この図において、モデル作成を支援する運転支援システム５００は、例えば複数のボイラプラント１００Ａ、１００Ｂ、１００Ｃ毎に設けられた複数のローカル支援システム３００Ａ、３００Ｂ、３００Ｃと、ローカル支援システム３００Ａ、３００Ｂ、３００ＣとネットワークＮを介して通信可能な遠隔支援システム４００とから構成されている。

図１６は、モデル作成を支援する運転支援システム５００の詳細構成例を示す図であり、例えばローカル支援システム３００Ａの構成を代表構成例として示している。ローカル支援システム３００Ｂ、３００Ｃもローカル支援システム３００Ａと同じ構成を有している。

ローカル支援システム３００Ａは、運転支援装置３００と第一送受信部３０１とから構成される。なお運転支援装置３００ではなく運転制御装置２００であってもよい。遠隔支援システム４００は、第二送受信部４０１と、共通モデルデータベースＤＢ１０とから構成される。

第一送受信部３０１は、運転支援装置３００内のモデル作成装置３０３で作成された新規モデルと新規運転データの更新結果を、一定周期または第二送受信部４０１からの指示により第二送受信部４０１へ送信する。

第二送受信部４０１は、それぞれのローカル支援システム３００Ａ、３００Ｂ、３００Ｃから送信された新規運転データと新規モデルの更新結果を受信する。あらたな更新結果を受信した場合、随時または一定周期で全運転データと既存モデルの更新結果として、他の全てのローカル支援システム３００Ａ、３００Ｂ、３００Ｃの第一送受信部３０１へ送信する。

第一送受信部３０１は、あらたな全運転データと既存モデルの更新結果を受信した場合、全運転データの更新結果を過去運転データベースＤＢ１へ、既存モデルの更新結果を既存モデルデータベースＤＢ３へそれぞれ送信する。

かくして、図１５、図１６に例示したモデル作成を支援する運転支援システムは、モデル作成装置３０３を備える複数のローカル支援システム３００Ａ、３００Ｂ、３００Ｃと、ローカル支援システム３００Ａ、３００Ｂ、３００ＣとネットワークＮを介して通信可能な遠隔支援システム４００とからなり、ローカル支援システム３００Ａ、３００Ｂ、３００Ｃは、新規運転データと新規モデルの更新結果を遠隔支援システム４００へ送信するとともに、遠隔支援システム４００から送信された他のローカル支援システムにおける全運転データと既存モデルの更新結果を受信する第一送受信部３０１を有し、遠隔支援システム４００は、それぞれのローカルシステム３００Ａ、３００Ｂ、３００Ｃから送信された新規運転データと新規モデルの更新結果を受信するとともに、更新結果を他のすべてのローカルシステム３００Ａ、３００Ｂ、３００Ｃへ全運転データと既存モデルの更新結果として送信する第二送受信部４０１を有するものとされる。

係る構成により、他のローカル支援システム（先行プラント）における運転データとモデルの更新結果を共有することができる。

なお上記説明では、ローカルシステム３００Ａ、３００Ｂ、３００Ｃは、遠隔支援システム４００を介して信号伝達する構成とされているが、これはローカルシステム３００Ａ、３００Ｂ、３００Ｃ間で、直接送受信を行うものであってもよい。

本発明は、石炭火力発電所ばかりでなく一般のプラントに広く適用することができる。

３１、３２、３３、３４、３５：粉砕機、１００、１００Ａ、１００Ｂ、１００Ｃ：ボイラプラント、２００：運転制御装置、２０１：運転制御部、３００：運転支援装置、３００Ａ、３００Ｂ、３００Ｃ：ローカル支援システム、３０１：第一送受信部、３０３：モデル作成装置、３０６：シミュレーション部、３０８：運転指示部、３０９：入出力部（出力部）、４００：遠隔支援システム、４０１：第二送受信部、５００：運転支援システム、ＤＢ１：過去運転データベース、ＤＢ２：新規運転データベース、ＤＢ３：既存モデルデータベース、ＤＢ４：プラント仕様データベース、ＤＢ５：燃料性状データベース、ＤＢ６：新規モデルデータベース、ＤＢ７：追加パラメータ候補データベース、ＤＢ８：センシティビティデータベース、Ｎ：ネットワーク

Claims (9)

1. 先行ボイラプラントの実績を活用して、対象ボイラプラントの入力パラメータとプロセス値との関係を示すモデルをコンピュータにより作成するモデル作成方法であって、
   前記モデル作成方法は、
   前記先行ボイラプラントでの入力パラメータとプロセス値との関係を示す既存モデルを読み込む読込ステップと、
   前記先行ボイラプラントのプラント仕様、及び燃料の性状と、前記対象ボイラプラントのプラント仕様、及び燃料の性状の差異を確認し、差異を生じているプラント仕様、及び燃料の性状について、前記先行ボイラプラントでの既存モデルの入力パラメータに、前記対象ボイラプラントのプラント仕様に関係する物理パラメータ、及び燃料の性状に関係する燃料パラメータを追加して、前記対象ボイラプラントの入力パラメータとプロセス値との関係を示す新規モデルを作成するモデル作成ステップを有し、
   前記燃料パラメータは、前記燃料の粉砕における粉砕機のモータ電流値、燃料消費量、排ガス中のＳＯｘ値を含む環境負荷、粉砕機の入口空気温度のいずれかに係るパラメータであるモデル作成方法。
2. 請求項１に記載のモデル作成方法であって、
   前記新規モデルを、前記先行ボイラプラントと前記対象ボイラプラントの全運転データを用いて作成することを特徴とするモデル作成方法。
3. 請求項１または請求項２に記載のモデル作成方法であって、
   前記物理パラメータ及び前記燃料パラメータは、予め定められた追加パラメータ候補の中から選定することを特徴とするモデル作成方法。
4. 請求項１から請求項３のいずれか1項に記載のモデル作成方法であって、
   前記物理パラメータは、プラントの構造、性能および／または設計条件に係るパラメータであることを特徴とするモデル作成方法。
5. 請求項１から請求項４のいずれか１項に記載のモデル作成方法であって、
   前記新規モデルを、前記先行ボイラプラントと前記対象ボイラプラントの全運転データを用いて精度検証する検証ステップをさらに含み、
   前記検証ステップは、前記新規モデルの代表的な入力パラメータとプロセス値との関係について、予め定められた基準に基づき検証することを特徴とするモデル作成方法。
6. 請求項５に記載のモデル作成方法であって、
   前記全運転データは、試運転データと実稼働中の実運転データの両方を含むことを特徴とするモデル作成方法。
7. 請求項１から請求項６のいずれか１項に記載のモデル作成方法であって、
   前記モデル作成方法は、前記新規モデルを出力する出力ステップをさらに含み、
   前記出力ステップは、前記新規モデルの代表的な入力パラメータとプロセス値の関係をさらに出力することを特徴とするモデル作成方法。
8. 請求項１から請求項７のいずれか１項に記載のモデル作成方法により生成された新規モデルを用いてコンピュータにより実行されるプラントの運転支援方法であって、
   前記プラントの運転支援方法は、
   前記対象ボイラプラントの新規運転データと前記新規モデルを用いて前記プロセス値を算出するシミュレーションステップと、
   所定条件を満たす前記プロセス値に基づき前記対象ボイラプラントの運転指示値を算出する運転指示ステップをさらに備えることを特徴とするプラントの運転支援方法。
9. 先行ボイラプラントの実績を活用して、対象ボイラプラントの入力パラメータとプロセス値との関係を示すモデルを作成するモデル作成装置であって、
   前記先行ボイラプラントでの入力パラメータとプロセス値との関係を示す既存モデルを読み込むデータ読込部と、
   前記先行ボイラプラントのプラント仕様、及び燃料の性状と、前記対象ボイラプラントのプラント仕様、及び燃料の性状の差異を確認し、差異を生じているプラント仕様、及び燃料の性状について、前記先行ボイラプラントでの既存モデルの入力パラメータに前記対象ボイラプラントのプラント仕様に関係する物理パラメータ、及び前記燃料の性状に関係する燃料パラメータを追加して、前記対象ボイラプラントの入力パラメータとプロセス値との関係を示す新規モデルを作成するモデル作成部とを備え、
   前記燃料パラメータは、前記燃料の粉砕における粉砕機のモータ電流値、燃料消費量、排ガス中のＳＯｘ値を含む環境負荷、粉砕機の入口空気温度のいずれかに係るパラメータであることを特徴とするモデル作成装置。

Images