JP6862104B2

JP6862104B2 - Raw material selection support device and raw material selection support method

Info

Publication number: JP6862104B2
Application number: JP2016124078A
Authority: JP
Inventors: 孝朗関合; 林　喜治; 喜治林; 達矢前田; 和貴定江; 博充今野; 正博村上
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2016-06-23
Filing date: 2016-06-23
Publication date: 2021-04-21
Anticipated expiration: 2036-06-23
Also published as: JP2017228102A

Description

本発明は、発電プラントで使用する燃料種類の選定を支援する原料選定支援装置、及び原料選定支援方法に関する。 The present invention relates to a raw material selection support device that supports selection of a fuel type used in a power plant, and a raw material selection support method.

燃料に石炭を用いて発電する火力発電プラントにおいては、一酸化炭素（CO）、窒素酸化物（NOx）などの環境負荷物質の排出量低減や、燃料コストの削減が求められている。また、発電所では、石炭の在庫状況を考慮して使用する石炭種類(炭種)を選定しており、本選定業務に要する工数を削減することも求められている。 Thermal power plants that use coal as fuel to generate electricity are required to reduce emissions of environmentally hazardous substances such as carbon monoxide (CO) and nitrogen oxides (NOx), and to reduce fuel costs. In addition, at power plants, the type of coal (coal type) to be used is selected in consideration of the coal inventory status, and it is also required to reduce the man-hours required for this selection work.

このような背景から、特許文献１には、石炭火力プラントにおいて、プラントの運転効率の最大化を目的としてミル操作条件を決定する制御装置が公開されている。 Against this background, Patent Document 1 discloses a control device for determining mill operating conditions for the purpose of maximizing the operating efficiency of a coal-fired power plant.

また、特許文献２には所望の発電量に必要となる石炭の購入費用および輸送費用を算出するとともに、発生する各排出物の発生量を計算して各排出物の処理費用を算出、単位発電量当たりに要する総コストが最低となるように購入する石炭の炭種やその混合比を決定し、発生した排出物を資源として有効利用することにより得られる資源利用収益や環境税の課税額をも加味することでより最適な石炭の購入計画の立案を支援する発電用石炭種の選定方法が公開されている。 Further, in Patent Document 2, the purchase cost and the transportation cost of coal required for the desired power generation amount are calculated, the amount of each generated discharge is calculated, and the processing cost of each discharge is calculated, and the unit power generation Determine the type of coal to be purchased and its mixing ratio so that the total cost required per quantity is the lowest, and determine the amount of resource utilization income and environmental tax that can be obtained by effectively using the generated emissions as resources. The method of selecting coal types for power generation that supports the formulation of a more optimal coal purchase plan by taking this into consideration has been made public.

特開２０１３−２２４７９９号公報Japanese Unexamined Patent Publication No. 2013-224799 特開２００７−２０９０７６号公報Japanese Unexamined Patent Publication No. 2007-209076

発電プラントにおいては、中央給電指令所からの発電指令に追従して発電出力を変化させる必要がある。また、高効率となるように運転することで、単位発電量当たりの燃料消費量を削減することも求められている。
特許文献１に記載されている制御装置を用いることで、炭種に応じて高効率、低環境負荷となる運転制御が可能であるが、炭種を選定する方法については記載されていない。そのため、石炭の発熱量不足のために発電指令に追従した運転ができない可能性がある。
また、特許文献２に記載されている発電用石炭種の選定方法を用いることで、コストを考慮した炭種の選定が可能となるが、発熱量、効率を考慮する方法については記載されていない。また、各排出物の発生量を計算する際に運転データを用いていないため、最新の運転状態を考慮した排出物の発生量を計算できない可能性がある。 In a power plant, it is necessary to change the power generation output in accordance with the power generation command from the central power supply command center. It is also required to reduce fuel consumption per unit power generation by operating with high efficiency.
By using the control device described in Patent Document 1, it is possible to control the operation with high efficiency and low environmental load according to the coal type, but the method of selecting the coal type is not described. Therefore, it may not be possible to operate in accordance with the power generation command due to insufficient calorific value of coal.
Further, by using the method for selecting a coal type for power generation described in Patent Document 2, it is possible to select a coal type in consideration of cost, but a method for considering calorific value and efficiency is not described. .. In addition, since the operation data is not used when calculating the amount of each emission generated, it may not be possible to calculate the amount of emission generated in consideration of the latest operating conditions.

そこで本発明は上記状況を鑑みて、発電に必要な発熱量を確保した上で、高効率、低環境負荷となる燃料の選定を支援する原料選定支援装置を提供することを目的とする。 Therefore, in view of the above situation, it is an object of the present invention to provide a raw material selection support device that supports selection of a fuel having high efficiency and low environmental load while securing a calorific value required for power generation.

本発明は、発電プラントで収集した運転データと原料データに基づいて、発電プラントで燃料として使用する原料の種類の選定を支援する原料選定支援装置において、前記原料選定支援装置は関連付け記憶手段と画像表示情報生成手段と信号データベースを備え、前記関連付け記憶手段は、データ分類手段と性能評価手段を備え、前記データ分類手段は、発電プラントで使用する原料データをカテゴリに分類し、前記性能評価手段は、前記データ分類手段にて分類したカテゴリに、前記運転データに基づいて算出する効率、環境負荷物質、又はプラントの運用コストの内少なくとも一つを含むプラント性能を運転データに基づいて算出して関連付けることで、発電プラントで使用する原料候補の外部入力に対して、関連付けられたプラント性能情報を出力する機能を有し、前記信号データベースは、前記関連付け記憶手段から出力されたプラント性能情報を保存し、前記画像表示情報生成手段は、前記信号データベースの情報に基づいて画像表示情報を生成することを特徴とする。
The present invention is a raw material selection support device that supports selection of a type of raw material to be used as fuel in a power plant based on operation data and raw material data collected in the power plant. The raw material selection support device is associated with a storage means and an image. The association storage means includes a display information generation means and a signal database, the association storage means includes a data classification means and a performance evaluation means, the data classification means classifies raw material data used in a power plant into categories, and the performance evaluation means , The plant performance including at least one of the efficiency calculated based on the operation data, the environmental load substance, or the operation cost of the plant is calculated and associated with the category classified by the data classification means based on the operation data. As a result, it has a function to output the associated plant performance information to the external input of the raw material candidate used in the power generation plant, and the signal database stores the plant performance information output from the association storage means. The image display information generation means is characterized in that image display information is generated based on the information in the signal database.

発電に必要な発熱量を確保した上で、高効率、低環境負荷となる燃料の選定を支援できる。また、発電プラントにおける燃料の原料選定に要する労力を低減できる。 After securing the calorific value required for power generation, it is possible to support the selection of fuels with high efficiency and low environmental load. In addition, the labor required for selecting fuel raw materials in a power plant can be reduced.

本発明の第１の実施例である原料選定支援装置を説明するブロック図である。It is a block diagram explaining the raw material selection support apparatus which is 1st Example of this invention. 本発明の第１の実施例における原料選定支援装置の動作を説明するフローチャート図である。It is a flowchart explaining the operation of the raw material selection support apparatus in 1st Example of this invention. 本発明の第１の実施例における発電プラントの実施例を説明する図である。It is a figure explaining the Example of the power plant in the 1st Example of this invention. 本発明の第１の実施例における分類手段に適応共鳴理論を用いた場合のブロック図を説明する図である。It is a figure explaining the block diagram at the time of using the adaptive resonance theory as the classification means in the 1st Example of this invention. 本発明の第１の実施例におけるデータの分類結果を説明する図である。It is a figure explaining the classification result of data in 1st Example of this invention. 本発明の第１の実施例における信号データベースに保存されるデータの態様を説明する図である。It is a figure explaining the mode of the data stored in the signal database in 1st Example of this invention. 本発明の第１の実施例における関連付け手段記憶手段の動作を説明する図である。It is a figure explaining the operation of the association means storage means in the 1st Example of this invention. 本発明の第１の実施例における候補生成手段の動作を説明する図である。It is a figure explaining the operation of the candidate generation means in the 1st Example of this invention. 本発明の第２の実施例である原料選定支援装置を説明するブロック図である。It is a block diagram explaining the raw material selection support apparatus which is 2nd Example of this invention. 本発明の第２の実施例における表示画面の実施例を説明する図である。It is a figure explaining the example of the display screen in the 2nd Example of this invention.

以下、本発明の実施に好適な実施例について説明する。尚、下記はあくまでも実施の例に過ぎず、下記具体的内容に発明自体が限定されることを意図する趣旨ではない。 Hereinafter, examples suitable for carrying out the present invention will be described. It should be noted that the following is merely an example of implementation, and is not intended to limit the invention itself to the following specific contents.

図１は本発明の第１の実施例である原料選定支援装置を説明するブロック図である。原料選定支援装置２５０は、データセンタ２００と外部装置９００と接続している。 FIG. 1 is a block diagram illustrating a raw material selection support device according to a first embodiment of the present invention. The raw material selection support device 250 is connected to the data center 200 and the external device 900.

データセンタ２００は、少なくとも運転データデータベース２１０と原料情報データベース２２０で構成する。運転データデータベース２１０には、発電プラントで計測した計測データが保存されている。原料情報データベース２２０には、発電プラントで使用する石炭に関する情報として、低位発熱量、高位発熱量、揮発分、灰分、全水分、燃料比、固定炭素、C、H、O、N、S、粉砕性能が保存されている。 The data center 200 includes at least an operation data database 210 and a raw material information database 220. The operation data database 210 stores measurement data measured at the power plant. The raw material information database 220 contains information on coal used in power plants, such as low calorific value, high calorific value, volatile matter, ash content, total water content, fuel ratio, fixed carbon, C, H, O, N, S, and crushing. Performance is preserved.

原料選定支援装置２５０は、演算装置として関連付け記憶手段３００、候補生成手段７００、画像表示情報生成手段２９０を備えている。関連付け記憶手段３００では、発電プラントで使用した原料情報と、運転データから算出する効率、NOｘ、CO等のプラント性能を関連付けして記憶する。本実施例では、関連付け記憶手段３００は、性能評価手段４００、データ分類手段５００、制約条件評価手段６００を備える場合について述べるが、原料情報とプラント性能を関連付けして記憶する装置であれば、前述の構成に限定されない。 The raw material selection support device 250 includes an association storage unit 300, a candidate generation unit 700, and an image display information generation unit 290 as arithmetic units. The association storage means 300 stores the raw material information used in the power plant in association with the efficiency calculated from the operation data and the plant performance such as NOx and CO. In this embodiment, the case where the association storage means 300 includes the performance evaluation means 400, the data classification means 500, and the constraint condition evaluation means 600 will be described. It is not limited to the configuration of.

候補生成手段７００では、信号データベース２８０に保存されている電力需要、石炭在庫情報、及び関連付け記憶手段３００から出力される関連付け結果情報１１に基づき、使用する石炭の候補情報１０、１２を生成する。 The candidate generation means 700 generates candidate information 10 and 12 for coal to be used based on the power demand, coal inventory information stored in the signal database 280, and the association result information 11 output from the association storage means 300.

画像表示情報生成手段２９０は、信号データベース２８０に保存されている信号データベース情報４を画像表示情報５に変換する。
また、原料選定支援装置２５０はデータベースとして信号データベース２８０を備える。尚、図１ではデータベースをＤＢと略記している。信号データベース２８０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。 The image display information generation means 290 converts the signal database information 4 stored in the signal database 280 into the image display information 5.
Further, the raw material selection support device 250 includes a signal database 280 as a database. In FIG. 1, the database is abbreviated as DB. Digitized information is stored in the signal database 280, and the information is usually stored in a form called an electronic file (electronic data).

また、原料選定支援装置２５０は、外部とのインターフェイスとして外部入力インターフェイス２６０及び外部出力インターフェイス２７０を備えている。
そして、外部入力インターフェイス２６０を介してデータセンタ２００に収録されている入力データ１と、外部装置９００に備えられている外部入力装置９１０(キーボード９１０及びマウス９２０)の操作で作成する外部入力信号２が原料選定支援装置２５０に取り込まれる。原料選定支援装置２５０に取り込まれた信号データベース情報３は、信号データベース２８０に保存する。
また、外部出力インターフェイス２７０を介して、画像表示情報６を画面表示装置９４０に出力する。尚、画像表示装置９４０には、信号データベース情報５０を表示することも可能である。 Further, the raw material selection support device 250 includes an external input interface 260 and an external output interface 270 as interfaces with the outside.
Then, the input data 1 recorded in the data center 200 via the external input interface 260 and the external input signal 2 created by operating the external input device 910 (keyboard 910 and mouse 920) provided in the external device 900. Is incorporated into the raw material selection support device 250. The signal database information 3 taken into the raw material selection support device 250 is stored in the signal database 280.
Further, the image display information 6 is output to the screen display device 940 via the external output interface 270. The image display device 940 can also display the signal database information 50.

原料選定支援装置２５０は、記憶モードと評価モードと候補生成モードの３種類の処理モードを持つ。各処理モードの動作、及び原料選定支援装置２５０に備えられている演算装置の動作については、図２を引用しながら後述する。
なお、本実施例の原料選定支援装置２５０においては、演算装置、およびデータベースが原料選定支援装置２５０の内部に備えられているが、これらの一部の装置を原料選定支援装置２５０の外部に配置し、データのみを装置間で通信するようにしてもよい。
また、信号データベース２５０に保存されている信号データベース情報５０は、その全ての情報を外部出力インターフェイス２７０を介して画面表示装置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２で修正することができる。
本実施例では、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良い。 The raw material selection support device 250 has three types of processing modes: a storage mode, an evaluation mode, and a candidate generation mode. The operation of each processing mode and the operation of the arithmetic unit provided in the raw material selection support device 250 will be described later with reference to FIG.
In the raw material selection support device 250 of this embodiment, the arithmetic unit and the database are provided inside the raw material selection support device 250, but some of these devices are arranged outside the raw material selection support device 250. However, only the data may be communicated between the devices.
Further, the signal database information 50 stored in the signal database 250 can display all the information on the screen display device 940 via the external output interface 270, and these information are generated by operating the external input device 910. It can be corrected by the external input signal 2.
In this embodiment, the external input device 910 is composed of a keyboard 920 and a mouse 930, but any device such as a microphone for voice input and a touch panel for inputting data may be used.

また、本発明の実施形態として、原料選定支援方法、原料選定支援装置２５０を動作させて得られた情報を提供する情報提供サービスとしても実施可能であることは言うまでもない。 Needless to say, as an embodiment of the present invention, it can also be implemented as an information providing service that provides information obtained by operating the raw material selection support method and the raw material selection support device 250.

図２は原料選定支援装置２５０の動作フローチャート図である。図２(a)は記憶モード、図２(b)は評価モード、図２(c)は候補生成モードのフローチャート図である。 FIG. 2 is an operation flowchart of the raw material selection support device 250. FIG. 2A is a flow chart of a storage mode, FIG. 2B is an evaluation mode, and FIG. 2C is a candidate generation mode.

まず、図２(a)を用いて記憶モードについて説明する。ステップ１０００では、データセンタ２００から入力データ１を取得し、信号データベース情報３を信号データベース２８０に保存する。ステップ１０１０では、関連付け記憶手段３００にて、原料情報とプラント性能の関連を記憶する。
次に、図２(b)を用いて評価モードの動作を説明する。ステップ１１００では外部装置９００から外部入力信号２を取り込む。外部入力信号２には、原料情報が含まれる。ステップ１１１０では、関連付け記憶手段３００を動作させて、プラント性能を評価する。ステップ１１２０では、画像表示情報生成手段２８０を動作させて画像表示情報５を生成する。その後、外部出力インターフェイス２７０を介して画像表示情報６を画像表示装置９４０に送信して画面（モニタ）上に情報を表示する。 First, the storage mode will be described with reference to FIG. 2 (a). In step 1000, the input data 1 is acquired from the data center 200, and the signal database information 3 is stored in the signal database 280. In step 1010, the association storage means 300 stores the relationship between the raw material information and the plant performance.
Next, the operation of the evaluation mode will be described with reference to FIG. 2 (b). In step 1100, the external input signal 2 is taken from the external device 900. The external input signal 2 includes raw material information. In step 1110, the association storage means 300 is operated to evaluate the plant performance. In step 1120, the image display information generation means 280 is operated to generate the image display information 5. After that, the image display information 6 is transmitted to the image display device 940 via the external output interface 270 to display the information on the screen (monitor).

最後に図２(c)を用いて候補生成モードの動作を説明する。 Finally, the operation of the candidate generation mode will be described with reference to FIG. 2 (c).

ステップ１２００ではデータセンタ２００から入力データ１を取得、また外部装置９００から外部入力信号２を取得し、信号データベース情報３を信号データベース２８０に保存する。信号データベース２８０には、運転データ、原料情報データ、電力需要、石炭在庫情報などが蓄積される。 In step 1200, the input data 1 is acquired from the data center 200, the external input signal 2 is acquired from the external device 900, and the signal database information 3 is stored in the signal database 280. The signal database 280 stores operation data, raw material information data, electric power demand, coal inventory information, and the like.

ステップ１２１０では、関連付け記憶手段３００に備えられている制約条件評価手段６００を動作させ、候補生成手段７００にて候補を生成する際の制約条件を抽出する。制約条件としては、電力需要を満足するために必要な発熱量、所定期間供給可能な石炭（在庫が充分ある石炭かどうか）などの条件が挙げられる。この制約条件を関連付け結果情報１１として、候補生成手段７００に送信する。 In step 1210, the constraint condition evaluation means 600 provided in the association storage means 300 is operated, and the constraint condition for generating a candidate is extracted by the candidate generation means 700. Constraints include conditions such as the calorific value required to satisfy the electricity demand and coal that can be supplied for a predetermined period (whether the coal has sufficient inventory). This constraint condition is transmitted to the candidate generation means 700 as the association result information 11.

ステップ１２２０では候補生成手段７００を動作させて、発電プラントで使用する石炭の候補情報１２を生成し、関連付け記憶手段３００に送信すると同時に信号データベース２８０に送信して情報を保存する。候補生成手段７００は、強化学習や遺伝的アルゴリズムなどのアルゴリズムを実装し、プラント性能が所望の特性となる候補情報を生成する。 In step 1220, the candidate generation means 700 is operated to generate candidate information 12 for coal used in the power plant, which is transmitted to the association storage means 300 and at the same time transmitted to the signal database 280 to store the information. The candidate generation means 700 implements algorithms such as reinforcement learning and a genetic algorithm, and generates candidate information in which plant performance is a desired characteristic.

ステップ１２３０では、関連付け記憶手段３００に備えられている性能評価手段４００を動作させて、ステップ１２２０で生成した候補情報に対するプラント性能を評価する。関連付け評価結果情報１１は、候補生成手段７００に送信すると同時に信号データベース２８０に送信して情報を保存する。 In step 1230, the performance evaluation means 400 provided in the association storage means 300 is operated to evaluate the plant performance with respect to the candidate information generated in step 1220. The association evaluation result information 11 is transmitted to the candidate generation means 700 and at the same time transmitted to the signal database 280 to store the information.

ステップ１２４０では終了判定を実施する。ステップ１２２０とステップ１２３０の繰り返し回数が予め定められた所定の回数を超えた場合、あるいは制約を満足している候補が生成できている場合などの終了判定を満足しない場合はステップ１２２０に戻り、満足した場合はステップ１２５０に進む。
ステップ１２５０では、画像表示情報生成手段２８０を動作させて画像表示情報５を生成する。その後、外部出力インターフェイス２７０を介して画像表示情報６を画像表示装置９４０に送信して画面（モニタ）上に情報を表示する。
各モードを動作させるタイミングは、任意に設定できる。例えば、記憶モードは発電プラントの試運転が完了し、複数の炭種での運転データが蓄積された時に動作させることで、幅広い炭種とプラント性能の関係を記憶できる。また、記憶モードをプラント運開後に定期的に動作させることで、最新の運転実績に基づいたプラント性能と炭種の関係を記憶させることが可能となる。 In step 1240, the end determination is performed. If the number of repetitions of steps 1220 and 1230 exceeds a predetermined number of times, or if the end determination is not satisfied, such as when a candidate satisfying the constraint can be generated, the process returns to step 1220 and is satisfied. If so, the process proceeds to step 1250.
In step 1250, the image display information generation means 280 is operated to generate the image display information 5. After that, the image display information 6 is transmitted to the image display device 940 via the external output interface 270 to display the information on the screen (monitor).
The timing for operating each mode can be set arbitrarily. For example, the storage mode can memorize the relationship between a wide range of coal types and plant performance by operating when the trial run of the power plant is completed and the operation data of a plurality of coal types are accumulated. In addition, by operating the storage mode periodically after the plant is operated, it is possible to store the relationship between the plant performance and the coal type based on the latest operation results.

図３は本発明の実施例１に係わる原料選定支援装置２５０の適用対象の候補である石炭火力プラント１００の構成を示す概略図である。先ず、石炭火力プラント１００による発電の仕組みについて簡単に説明する。 FIG. 3 is a schematic view showing the configuration of a coal-fired power plant 100 which is a candidate for application of the raw material selection support device 250 according to the first embodiment of the present invention. First, the mechanism of power generation by the coal-fired power plant 100 will be briefly described.

図３において、石炭火力プラント１００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が設けられており、このバーナ１０２を通じて供給した微粉炭を、ボイラ１０１の内部で燃焼させる。バーナ１０２の構造は、図示しているようにボイラ１０１の前後に複数段配置され、各段は複数のバーナが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の内部ではボイラの前面（以降、缶前と表記）と背面（以降、缶後と表記）から微粉炭を燃焼させる。缶前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。 In FIG. 3, the boiler 101 constituting the coal-fired power plant 100 is supplied with pulverized coal, which is a fuel obtained by finely crushing coal with a mill 134, primary air for transporting pulverized coal, and secondary air for combustion adjustment. A plurality of burners 102 are provided, and the pulverized coal supplied through the burners 102 is burned inside the boiler 101. As shown in the figure, the structure of the burner 102 is arranged in a plurality of stages in front of and behind the boiler 101, and a plurality of burners are arranged in a row in each stage. According to the burner structure and arrangement shown in FIG. 3, pulverized coal is burned inside the boiler 101 from the front surface (hereinafter referred to as the can front) and the back surface (hereinafter referred to as the can rear) of the boiler. By improving the burner combustion balance before and after the can, the heat recovery effect of the boiler is improved and the thermal efficiency of the plant is also improved.

尚、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とに分岐するが、エアーヒーター１０４の下流側に配設した配管１３３となって再び合流し、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へ微粉炭と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を停止してバーナ段毎にバーナ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へ導かれ給炭機１３５によって供給量を調整される。その後、石炭コンベア１３８を介してミル１３４に供給される。 The pulverized coal and the primary air are guided from the pipe 139, and the secondary air is guided from the pipe 141 to the burner 102, respectively. The primary air is guided from the fan 120 to the pipe 130 and branches into a pipe 132 that passes through the air heater 104 installed on the downstream side of the boiler 101 on the way and a pipe 131 that bypasses the air heater 104 without passing through the air heater 104. However, it becomes a pipe 133 arranged on the downstream side of the air heater 104, joins again, and is guided to the mill 134 for producing pulverized coal installed on the upstream side of the burner 102. The primary air passing through the air heater 104 is heated by exchanging heat with the combustion gas flowing down the boiler 101. Along with this heated primary air, the primary air bypassing the air heater 104 conveys the differential coal crushed in the mill 134 to the burner 102.
Mills 134 are arranged so as to correspond to each burner stage (4 units in FIG. 3), and supply pulverized coal and primary air to the burners constituting each stage. That is, when the coal supply amount is reduced, such as when the power generation output is reduced, the mill can be stopped and the burner can be stopped for each burner stage. In the mill 134, in consideration of the combustibility of the boiler 101, the rotation speed of the mill is adjusted so that pulverized coal having a desired particle size can be obtained according to the properties of the coal used. Further, the coal stored in the coal bunker 136 is guided to the coal feeder 135 via the coal conveyor 137, and the supply amount is adjusted by the coal feeder 135. After that, it is supplied to the mill 134 via the coal conveyor 138.

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とアフタエアポート１０３とに導かれる。この、バーナ１０２及びアフタエアポート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できる。 Further, the boiler 101 is provided with an after-airport 103 for injecting air for staged combustion into the boiler 101. The air for staged combustion is guided from the pipe 142 to the after airport 103. In the boiler 101 shown in FIG. 3, the air introduced from the pipe 140 using the fan 121 is similarly heated by the air heater 104, and then the secondary air pipe 141 and the after airport pipe 142 are used. It is guided to the burner 102 and the after airport 103 of the boiler 101, respectively. The air flow rate supplied to the burner 102 and the after airport 103 can be adjusted by operating air dampers (not shown) installed in the pipes 141 and 142, respectively.

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で給水と熱交換して蒸気を発生させた後に、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に流入し、このエアーヒーター１０４で熱交換してボイラ１０１に供給する空気を昇温する。 The high-temperature combustion gas generated by burning pulverized coal inside the boiler 101 flows down to the downstream side along the internal path of the boiler 101, and is supplied with water by the heat exchanger 106 arranged inside the boiler 101. After exchanging heat with the boiler 101 to generate steam, it becomes exhaust gas and flows into the air heater 104 installed on the downstream side of the boiler 101, and the air is exchanged by the air heater 104 to raise the temperature of the air supplied to the boiler 101. To do.

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を施した後に、煙突から大気に放出される。 Then, the exhaust gas that has passed through the air heater 104 is discharged to the atmosphere from the chimney after being subjected to an exhaust gas treatment (not shown).

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、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。尚、本実施例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。 The water supply circulating in the heat exchanger 106 of the boiler 101 is supplied to the heat exchanger 106 via the water supply pump 105, and is overheated by the combustion gas flowing down the boiler 101 in the heat exchanger 106 to become high-temperature and high-pressure steam. Although the number of heat exchangers is one in this embodiment, a plurality of heat exchangers may be arranged.

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、蒸気の持つエネルギーによって蒸気タービン１０８を駆動して発電機１０９で発電する。 The high-temperature and high-pressure steam generated in the heat exchanger 106 is guided to the steam turbine 108 via the turbine governor 107, and the energy of the steam drives the steam turbine 108 to generate electricity in the generator 109.

上記第１実施例の石炭火力プラント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。 In the coal-fired power plant 100 of the first embodiment, various measuring instruments for detecting a state quantity indicating an operating state of the coal-fired power plant are arranged.

前記石炭火力プラント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に示すよう運転データデータベース２１０に保存される。 The measurement signal of the coal-fired power plant acquired from the measuring instrument arranged in the coal-fired power plant 100 is stored in the operation data database 210 as shown in FIG.

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、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。 As measuring instruments, for example, as shown in FIG. 3, a temperature measuring instrument 151 for measuring the temperature of high-temperature and high-pressure steam supplied from the heat exchanger 106 to the steam turbine 108, a pressure measuring instrument 152 for measuring the steam pressure, and the like. There is a power generation output measuring device 153 that measures the amount of power generated by the generator 109.

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。 The water supply generated by cooling the steam by the condenser (not shown) of the steam turbine 108 is supplied to the heat exchanger 106 of the boiler 101 by the water supply pump 105, and the flow rate of this supply water is measured by the flow rate measuring device 150. It is being measured.

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。 Component contained in the exhaust gas is a combustion gas discharged from the boiler 101 (oxides of nitrogen (NOx), carbon monoxide (CO), and hydrogen sulfide (H 2 _S), etc.) a state quantity of the measuring signal relating to the concentration of Is measured by a concentration measuring device 154 provided on the downstream side of the boiler 101.

また、給炭系統に関する計測器としては、配管１３３を通ってミル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、給炭機１３５より石炭コンベア１３８を通りミル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があり、夫々のミル及び給炭機について上記情報を計測できる構成となっている。 Further, as measuring instruments related to the coal supply system, a primary air flow meter 155 that measures the flow rate of the primary air supplied to the mill 134 through the pipe 133, and a coal feeder 135 passes through the coal conveyor 138 to the mill 134. There is a coal supply meter 156 that measures the amount of coal supplied and a revolution meter 157 that measures the rotation speed of the mill 134, and it is configured to be able to measure the above information for each mill and coal feeder. There is.

即ち、本発明の運転データデータベース２１０には、上記各計測器によって計測した石炭火力プラント１００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次及び２次空気流量、ボイラ１０１の熱交換器１０６に供給される給水流量、ボイラ１０１の熱交換器１０６で発生して蒸気タービン１０８に供給される蒸気温度、ボイラ１０１の熱交換器１０６に供給される給水の給水圧力、ボイラ１０１から排出される排ガスのガス温度、前記排ガスのガス濃度、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等が含まれる。 That is, in the operation data database 210 of the present invention, the coal flow rate supplied to the boiler 101, which is the state quantity of the coal-fired power plant 100 measured by each of the above measuring instruments, the rotation speed of the mill 134, and 1 supplied to the boiler 101. The secondary and secondary air flow rates, the water supply flow rate supplied to the heat exchanger 106 of the boiler 101, the steam temperature generated by the heat exchanger 106 of the boiler 101 and supplied to the steam turbine 108, and the heat exchanger 106 of the boiler 101. Includes the supply pressure of the supplied water, the gas temperature of the exhaust gas discharged from the boiler 101, the gas concentration of the exhaust gas, and the exhaust gas recirculation flow rate for recirculating a part of the exhaust gas discharged from the boiler 101 to the boiler 101. Is done.

尚、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１００に配置されるが、ここでは図示を省略する。
図４は、データ分類手段５００の実施例として、適応共鳴理論（ＡＲＴ）を用いた場合のブロック図を説明する図である。
ＡＲＴには、運転データ、及び原料情報データを設定した正規化範囲に基づいて0から1の範囲に正規化したデータＮｘｉ（ｎ）及び正規化したデータの補数ＣＮｘｉ（ｎ）（＝１−Ｎｘｉ（ｎ））を含むデータを入力データＩｉ（ｎ）として入力する。 In general, a large number of measuring instruments other than those shown in FIG. 3 are arranged in the coal-fired power plant 100, but the illustration is omitted here.
FIG. 4 is a diagram illustrating a block diagram when adaptive resonance theory (ART) is used as an example of the data classification means 500.
The ART includes data Nxi (n) normalized to the range of 0 to 1 based on the normalized range in which operation data and raw material information data are set, and the complement CNxi (n) (= 1-Nxi) of the normalized data. Data including (n)) is input as input data Ii (n).

ＡＲＴモジュール５１０は、Ｆ０レイヤー５１１、Ｆ１レイヤー５１２、Ｆ２レイヤー５１３、メモリ５１４及び選択サブシステム５１５を備え、これらは相互に結合している。Ｆ１レイヤー５１２及びＦ２レイヤー５１３は、重み係数を介して結合している。重み係数は、入力データが分類されるカテゴリのプロトタイプ（原型）を表している。ここで、プロトタイプとは、カテゴリの代表値を表すものである。 The ART module 510 includes an F0 layer 511, an F1 layer 512, an F2 layer 513, a memory 514 and a selection subsystem 515, which are coupled to each other. The F1 layer 512 and the F2 layer 513 are connected via a weighting factor. The weighting factor represents the prototype of the category in which the input data is classified. Here, the prototype represents a representative value of a category.

次に、ＡＲＴ５１０のアルゴリズムについて説明する。 Next, the algorithm of ART 510 will be described.

ＡＲＴ５１０に入力データが入力された場合のアルゴリズムの概要は、下記の処理１〜処理５のようになる。
処理１：Ｆ０レイヤー５１１により入力ベクトルを正規化し、ノイズを除去する。
処理２：Ｆ１レイヤー５１２に入力された入力データと重み係数との比較により、ふさわしいカテゴリの候補を選択する。
処理３：選択サブシステム５１５で選択したカテゴリの妥当性がパラメータρとの比により評価される。妥当と判断されれば、入力データはそのカテゴリに分類され、処理４に進む。一方、妥当と判断されなければ、そのカテゴリはリセットされ、他のカテゴリからふさわしいカテゴリの候補を選択する（処理２を繰り返す）。パラメータρの値を大きくするとカテゴリの分類が細かくなる。すなわち、カテゴリサイズが小さくなる。逆に、ρの値を小さくすると分類が粗くなる。カテゴリサイズが大きくなる。このパラメータρをビジランス（ｖｉｇｉｌａｎｃｅ）パラメータと呼ぶ。先に述べた分解能設定部４３０では、ビジランスパラメータの値を設定している。
処理４：処理２において全ての既存のカテゴリがリセットされると、入力データが新規カテゴリに属すると判断され、新規カテゴリのプロトタイプを表す新しい重み係数を生成する。 The outline of the algorithm when the input data is input to ART 510 is as described in Processes 1 to 5 below.
Process 1: The input vector is normalized by the F0 layer 511 and noise is removed.
Process 2: A suitable category candidate is selected by comparing the input data input to the F1 layer 512 with the weighting coefficient.
Process 3: The validity of the category selected in the selection subsystem 515 is evaluated by the ratio to the parameter ρ. If it is determined to be valid, the input data is classified into that category, and the process proceeds to process 4. On the other hand, if it is not judged to be valid, the category is reset and a suitable category candidate is selected from other categories (process 2 is repeated). Increasing the value of the parameter ρ makes the classification of categories finer. That is, the category size becomes smaller. On the contrary, if the value of ρ is reduced, the classification becomes coarse. The category size increases. This parameter ρ is called a visibility parameter. The resolution setting unit 430 described above sets the value of the vigilance parameter.
Process 4: When all the existing categories are reset in the process 2, it is determined that the input data belongs to the new category, and a new weighting coefficient representing the prototype of the new category is generated.

処理５：入力データがカテゴリＪに分類されると、カテゴリＪに対応する重み係数ＷＪ（ｎｅｗ）は、過去の重み係数ＷＪ（ｏｌｄ）及び入力データｐ（又は入力データから派生したデータ）を用いて数１により更新される。 Process 5: When the input data is classified into the category J, the weighting coefficient WJ (new) corresponding to the category J uses the past weighting coefficient WJ (old) and the input data p (or data derived from the input data). Is updated by the number 1.

（数１）
ＷＪ(ｎｅｗ)＝Ｋｗ・ｐ＋(１−Ｋｗ)・ＷＪ(ｏｌｄ)
ここで、Ｋｗは、学習率パラメータ（０＜Ｋｗ＜１）であり、入力ベクトルを新しい重み係数に反映させる度合いを決定する値である。 (Number 1)
WJ (new) = Kw ・ p + (1-Kw) ・ WJ (old)
Here, Kw is a learning rate parameter (0 <Kw <1), and is a value that determines the degree to which the input vector is reflected in the new weighting coefficient.

尚、数１及び後述する数２乃至数１２の各演算式は前記ＡＲＴ５１０に組み込まれている。 It should be noted that the arithmetic expressions of Equation 1 and Equations 2 to 12, which will be described later, are incorporated in the ART 510.

ＡＲＴ５１０のデータ分類アルゴリズムの特徴は、上記の処理４にある。 The feature of the data classification algorithm of ART 510 is the above-mentioned process 4.

処理４においては、学習した時のパターンと異なる入力データが入力された場合、記録されているパターンを変更せずに新しいパターンを記録することができる。このため、過去に学習したパターンを記録しながら、新たなパターンを記録することが可能となる。 In process 4, when input data different from the pattern at the time of learning is input, a new pattern can be recorded without changing the recorded pattern. Therefore, it is possible to record a new pattern while recording the pattern learned in the past.

このように、入力データとして予め与えた運転データを与えると、ＡＲＴ５１０は与えられたパターンを学習する。したがって、学習済みのＡＲＴ５１０に新たな入力データが入力されると、上記アルゴリズムにより、過去におけるどのパターンに近いかを判定することができる。また、過去に経験したことのないパターンであれば、新規カテゴリに分類される。 In this way, when the operation data given in advance is given as the input data, the ART 510 learns the given pattern. Therefore, when new input data is input to the trained ART 510, it is possible to determine which pattern in the past is close to by the above algorithm. Also, if the pattern has never been experienced in the past, it will be classified into a new category.

図４（ｂ）は、Ｆ０レイヤー５１１の構成を示すブロック図である。Ｆ０レイヤー５１１では、入力データＩ_iを各時刻で再度正規化し、Ｆ１レイヤー５１２、及び選択サブシステム５１５に入力する正規化入力ベクトルｕ_i ⁰作成する。
始めに、入力データＩ_ｉから、数２に従ってＷ_i ⁰を計算する。ここでａは定数である。 FIG. 4B is a block diagram showing the configuration of the F0 layer 511. The F0 layer 511 _{renormalizes the input data I i} at each time and creates a _{normalized input vector u i} ⁰ to be input to the F1 layer 512 and the selection subsystem 515.
First, from the input data I _i _{, W i} ⁰ is calculated according to the equation 2. Where a is a constant.

次に、Ｗ_i ⁰を正規化したＸ_i ⁰を、数３を用いて計算する。ここで、||Ｗ^０||は、Ｗ^０のノルムを表す。 Next, _{X i} ⁰ obtained by normalizing _{W i} ⁰ is calculated using the equation 3. Here, || W ⁰ || represents the norm of ^{W 0.}

そして、数４を用いて、Ｘ_i ⁰からノイズを除去したＶ_i ⁰を計算する。ただし、θはノイズを除去するための定数である。数４の計算により、微小な値は０となるため、入力データのノイズが除去される。 Then, using equation 4, to calculate the V _i ⁰ obtained by removing noise from the X _i ^0. However, θ is a constant for removing noise. By the calculation of Equation 4, the minute value becomes 0, so that the noise of the input data is removed.

最後に、数５を用いて正規化入力ベクトルｕ_i ⁰を求める。ｕ_i ⁰はＦ１レイヤーの入力となる。 Finally, the normalized input vector u _i ⁰ is obtained using the equation 5. u _i ⁰ is the input of the F1 layer.

図４（ｃ）は、Ｆ１レイヤー５１２の構成を示すブロック図である。Ｆ１レイヤー５１２では、数５で求めたｕ_i ⁰を短期記憶として保持し、Ｆ２レイヤー５１３に入力するＰ_iを計算する。Ｆ２レイヤーの計算式をまとめて数６乃至数１２に示す。ただし、ａ、ｂは定数、ｆ（・）は数４で示した関数、Ｔ_jはＦ２レイヤー５１３で計算する適合度である。 FIG. 4C is a block diagram showing the configuration of the F1 layer 512. In F1 layer 512, it holds the u _i ⁰ determined by the number 5 as the short-term memory, to calculate the P _i to be inputted to the F2 layer 513. The calculation formulas for the F2 layer are collectively shown in Equations 6 to 12. However, a and b are constants, f (.) Is the function shown in Equation 4, and T _j is the goodness of fit calculated by F2 layer 513.

但し、 However,

図５はデータ分類手段５００におけるデータの分類結果を説明する図である。
図５（ａ）は、原料情報データを、カテゴリに分類した分類結果の一例を示す図である。 FIG. 5 is a diagram for explaining the data classification result of the data classification means 500.
FIG. 5A is a diagram showing an example of classification results in which raw material information data is classified into categories.

図５（ａ）は、一例として、原料情報データのうちの２項目を表示したものであり、２次元のグラフで表記した。また、縦軸及び横軸は、それぞれの項目の原料情報データを規格化して示した。
原料情報データは、ＡＲＴモジュール５１０によって複数のカテゴリ５１９（図５（a）に示す円）に分割される。１つの円が、１つのカテゴリに相当する。 FIG. 5A shows, as an example, two items of the raw material information data, and is represented by a two-dimensional graph. The vertical and horizontal axes show the standardized raw material information data for each item.
The raw material information data is divided into a plurality of categories 519 (circles shown in FIG. 5A) by the ART module 510. One circle corresponds to one category.

本実施例では、原料情報データは４つのカテゴリに分類されている。カテゴリ番号１は、項目Ａの値が大きく、項目Ｂの値が小さいグループ、カテゴリ番号２は、項目Ａ、項目Ｂの値が共に小さいグループ、カテゴリ番号３は項目Ａの値が小さく、項目Ｂの値が大きいグループ、カテゴリ番号４は項目Ａ、項目Ｂの値が共に大きいグループである。 In this embodiment, the raw material information data is classified into four categories. Category number 1 is a group in which the value of item A is large and the value of item B is small, category number 2 is a group in which the values of item A and item B are both small, and category number 3 is a group in which the value of item A is small and item B. The group having a large value of, category number 4 is a group having a large value of both item A and item B.

図５（ｂ）は、原料情報データをカテゴリに分類した結果、及び運転データの例を説明する図である。横軸は、時間、縦軸は計測信号、カテゴリ番号である。 FIG. 5B is a diagram illustrating a result of classifying the raw material information data into categories and an example of operation data. The horizontal axis is time, and the vertical axis is measurement signal and category number.

図５（ｂ）に示すように、原料情報データはカテゴリ１〜４に分類された。原料の特性が変化すると、効率、NOxのプラント性能が変化する。本発明の関連付け記憶手段３００では、少なくとも原料情報を分類した結果(カテゴリ番号)と、プラント性能の関係を関連付けして記憶する。 As shown in FIG. 5B, the raw material information data was classified into categories 1 to 4. When the characteristics of raw materials change, efficiency and NOx plant performance change. In the association storage means 300 of the present invention, at least the result of classifying the raw material information (category number) and the relationship between the plant performance are associated and stored.

図６は信号データベース２８０に保存されるデータの態様を説明する図である。
図６（ａ）に示すように、信号データベース２８０には、原料情報データ、及び運転データ（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（縦軸の時刻）毎に保存される。表示画面８０１において縦横に移動可能なスクロールボックス８０２及び８０３を用いることにより、広範囲のデータをスクロール表示することができる。
図６（ｂ）（ｃ）に示すように、信号データベース２８０にはデータ分類手段５００で用いる設定値と分類結果(カテゴリ番号)が保存される。
図７は、関連付け手段記憶手段３００の動作を説明する図である。以下では、関連付け記憶手段３００の動作について、図２との関連性についても述べる。 FIG. 6 is a diagram illustrating aspects of data stored in the signal database 280.
As shown in FIG. 6A, in the signal database 280, the values of the raw material information data and the operation data (data items A, B, and C are described in the figure) are stored in each sampling cycle (time on the vertical axis). It is saved in. By using the scroll boxes 802 and 803 that can be moved vertically and horizontally on the display screen 801, a wide range of data can be scrolled and displayed.
As shown in FIGS. 6 (b) and 6 (c), the set value and the classification result (category number) used by the data classification means 500 are stored in the signal database 280.
FIG. 7 is a diagram illustrating the operation of the association means storage means 300. In the following, the operation of the association storage means 300 will also be described in relation to FIG.

図７(a)は、各ミルで使用した原料情報、及び操作量のデータを分類した結果とプラント性能の関係である。図２におけるステップ１０１０では、関連付け手段記憶手段３００ではカテゴリ番号と性能の関係を図７(a)に示すフォーマットで整理し、信号データベース２８０に保存する。図２におけるステップ１１１０、ステップ１２３０では、原料情報の入力に対するプラント性能の予測結果を出力する。すなわち、原料情報の入力データをデータ分類手段５００にてカテゴリに分類し、分類されたカテゴリに関連付けられたプラント性能値を出力する。 FIG. 7A shows the relationship between the results of classifying the raw material information used in each mill and the data of the manipulated variable and the plant performance. In step 1010 in FIG. 2, the association means storage means 300 organizes the relationship between the category number and the performance in the format shown in FIG. 7A and stores it in the signal database 280. In steps 1110 and 1230 in FIG. 2, the prediction result of the plant performance with respect to the input of raw material information is output. That is, the input data of the raw material information is classified into categories by the data classification means 500, and the plant performance value associated with the classified categories is output.

図２におけるステップ１１００では、外部装置９００を用いて図７(b)に示す画面から原料情報に関する条件を入力する。また、図２におけるステップ１２２０では、図７(b)に示す情報を含む候補情報１２を候補生成手段７００が生成し、関連付け手段記憶手段３００に送信する。 In step 1100 in FIG. 2, the condition regarding the raw material information is input from the screen shown in FIG. 7B using the external device 900. Further, in step 1220 in FIG. 2, the candidate information 12 including the information shown in FIG. 7B is generated by the candidate generation means 700 and transmitted to the association means storage means 300.

図２におけるステップ１１２０では、図７(c)に示すように入力した原料情報に関連付けられたプラント性能情報、及び関連付けられたプラント性能を得るための操作量情報が画面表示装置９４０に表示される。図７(a)(c)では、プラント性能として効率、NOx、COを図示しているが、石炭灰の品質、単位発電量当たりの燃料コストなど、プラント性能に関する情報であれば情報の内容に対する限定はない。また、図７(a)(c)では、操作量として火炉空気比、バーナ空気比、空気量の缶前と缶後の比率(前後比)を図示しているが、プラント操作量に関する情報であれば情報の内容に対する限定はない。
また、データ分類手段におけるデータ分類結果が既存カテゴリの場合は関連付けられたプラント性能を出力し、新規カテゴリの場合はモデルを活用してプラント性能を出力させることも可能である。過去に経験がない原料の組み合わせは新規カテゴリに分類されるため、この場合は発電プラントの特性を模擬する燃焼モデルを別途構築し、燃焼モデルで計算した結果をプラント性能として出力する。
図８は、候補生成手段７００の動作を説明する図である。以下では、候補生成手段７００の動作について、図２との関連性についても述べる。 In step 1120 in FIG. 2, the plant performance information associated with the raw material information input as shown in FIG. 7C and the operation amount information for obtaining the associated plant performance are displayed on the screen display device 940. .. In FIGS. 7 (a) and 7 (c), efficiency, NOx, and CO are shown as plant performance, but if the information is related to plant performance such as coal ash quality and fuel cost per unit power generation, the information content There is no limit. Further, in FIGS. 7 (a) and 7 (c), the furnace air ratio, the burner air ratio, and the ratio of the air amount before and after the can (front-to-back ratio) are shown as the operation amount, but the information on the plant operation amount is used. If so, there is no limitation on the content of the information.
Further, when the data classification result in the data classification means is an existing category, the associated plant performance can be output, and when the data classification result is a new category, the plant performance can be output by utilizing the model. Since the combination of raw materials that has not been experienced in the past is classified into a new category, in this case, a combustion model that simulates the characteristics of the power plant is separately constructed, and the result calculated by the combustion model is output as the plant performance.
FIG. 8 is a diagram illustrating the operation of the candidate generation means 700. In the following, the operation of the candidate generation means 700 will be described in relation to FIG.

図２におけるステップ１２００では、外部入力装置９００を用いて図８(a)に示す画面から石炭の特徴量と発電所にて貯蔵している石炭の情報を入力する。図８(a)では石炭の特徴量として発熱量と燃料比を図示しているが、低位発熱量、高位発熱量、揮発分、灰分、全水分、燃料比、固定炭素、C、H、O、N、S、粉砕性能など、石炭の特徴を示す情報であれば表示内容に対する限定はない。
候補生成手段７００では、発電出力と石炭発熱量の関係を保持しており、発電出力の指令に対して必要な石炭発熱量Cを導出できる。候補生成手段７００では、数１３、数１４の制約条件を満足する範囲で、効率、NOx、COなどのプラント性能が所望の特性となる石炭の組み合わせを探索する。 In step 1200 in FIG. 2, the feature amount of coal and the information of the coal stored in the power plant are input from the screen shown in FIG. 8A using the external input device 900. In FIG. 8 (a), the calorific value and the fuel ratio are shown as the characteristic amounts of coal, but the lower calorific value, the higher calorific value, the volatile matter, the ash content, the total water content, the fuel ratio, the fixed carbon, C, H, and O , N, S, crushing performance, and other information that indicates the characteristics of coal, there are no restrictions on what is displayed.
The candidate generation means 700 maintains the relationship between the power generation output and the coal calorific value, and can derive the coal calorific value C required for the command of the power generation output. The candidate generating means 700 searches for a combination of coals in which plant performance such as efficiency, NOx, and CO has desired characteristics within a range that satisfies the constraints of equations 13 and 14.

（数１３）
C ≧ Σ Ci Fi (Number 13)
C ≧ Σ Ci Fi

（数１４）
Fmax ≧ Fi
ここで、iはミル番号、Ciは単位石炭あたりの発熱量、Fiは石炭流量、Fmaxはミルで処理できる石炭流量の上限である。 (Number 14)
Fmax ≧ Fi
Here, i is the mill number, Ci is the calorific value per unit coal, Fi is the coal flow rate, and Fmax is the upper limit of the coal flow rate that can be processed by the mill.

探索方法としては強化学習や遺伝的アルゴリズムなど、最適化アルゴリズムであれば手法に限定はない。 The search method is not limited as long as it is an optimization algorithm such as reinforcement learning or a genetic algorithm.

図２におけるステップ１２５０では、図８(b)に示すように、各ミルで使用する石炭の推奨情報と、石炭の推奨情報に関連付けられた操作量、プラント性能の情報が画像表示装置９４０に表示される。 In step 1250 in FIG. 2, as shown in FIG. 8 (b), the recommended information of the coal used in each mill, the operation amount associated with the recommended coal information, and the plant performance information are displayed on the image display device 940. Will be done.

このように、本発明の原料選定支援装置を用いることで、各ミルで使用する石炭の推奨情報が自動的に表示されるため、発電プラントにおける燃料の原料選定に要する労力を低減できる。また、発電に必要な発熱量を確保した上で、高効率、低環境負荷となる燃料の選定を支援できる。 As described above, by using the raw material selection support device of the present invention, the recommended information of the coal used in each mill is automatically displayed, so that the labor required for selecting the raw material for the fuel in the power plant can be reduced. In addition, it is possible to support the selection of fuels with high efficiency and low environmental load while securing the calorific value required for power generation.

尚、本実施例では発電プラントで使用する燃料が石炭である場合について述べたが、石炭以外の燃料として、バイオマスや石油コークスなどを用いる場合もある。このような場合でも、原料情報データベースにバイオマス、石炭コークスの発熱量、着火性能などの情報を保存し、これらの情報を制約条件に反映させることで、本発明の原料選定支援装置を適用できる。 In this embodiment, the case where the fuel used in the power plant is coal has been described, but biomass, petroleum coke, or the like may be used as the fuel other than coal. Even in such a case, the raw material selection support device of the present invention can be applied by storing information such as biomass, calorific value of coal coke, and ignition performance in the raw material information database and reflecting such information in the constraint conditions.

図９は、本発明の第２の実施例である原料選定支援装置を説明するブロック図である。 FIG. 9 is a block diagram illustrating a raw material selection support device according to a second embodiment of the present invention.

本実施例では、発電所２０００、炭鉱２１００、市場２２００、石炭購入支援業者２３００がネットワーク２４００で接続されており、石炭購入支援業者２３００が本発明の原料選定支援装置を用いて、発電所２０００で購入する石炭の種類を決定することを支援する場合について説明する。尚、図では発電所２０００、炭鉱２１００の数は１つであるが、複数の発電所、炭鉱とネットワーク接続するように構成するのが一般的である。 In this embodiment, the power plant 2000, the coal mine 2100, the market 2200, and the coal purchase support company 2300 are connected by a network 2400, and the coal purchase support company 2300 uses the raw material selection support device of the present invention at the power plant 2000. The case of assisting in deciding the type of coal to be purchased will be described. Although the number of power plants 2000 and coal mines 2100 is one in the figure, it is generally configured to connect to a plurality of power plants and coal mines via a network.

石炭購入支援業者２３００は、発電所２０００にて計測した運転データ、炭鉱２１００で採掘している石炭の銘柄（炭種）と生産量、市場２２００から電力需要、電力価格、石炭価格の情報を取得して、データセンタ２００に保存する。原料選定支援装置２５０は、実施例１に記載した内容と同等の機能を有し、各発電所で燃料として使用する原料の種類選定を支援する情報を出力する。 The coal purchase support company 2300 acquires operation data measured at the power plant 2000, the brand (coal type) and production volume of coal mined at the coal mine 2100, and information on power demand, power price, and coal price from the market 2200. Then, it is saved in the data center 200. The raw material selection support device 250 has the same functions as those described in the first embodiment, and outputs information for supporting the selection of the type of raw material to be used as fuel at each power plant.

図１０は、本発明の第２の実施例である原料選定支援装置における表示画面の実施例を説明する図である。尚、表示画面の情報はネットワーク２４００を介して発電所２０００、炭鉱２１００にて確認できる。 FIG. 10 is a diagram illustrating an embodiment of a display screen in the raw material selection support device according to the second embodiment of the present invention. The information on the display screen can be confirmed at the power plant 2000 and the coal mine 2100 via the network 2400.

図１０(a)は、各発電所における石炭購入の推奨情報、電力需要（発電出力）の予測値、及び各ミルで使用する炭種の推奨情報である。石炭購入の推奨情報は、原料選定支援装置２５０にて、各ミルで使用する炭種の推奨情報と使用期間を乗じることで計算する。 FIG. 10A shows recommended information on coal purchase at each power plant, predicted value of electric power demand (power generation output), and recommended information on the coal type used in each mill. The recommended information for coal purchase is calculated by multiplying the recommended information of the coal type used in each mill by the usage period on the raw material selection support device 250.

また、炭鉱に対しては、図１０(b)に示すように、炭種毎の貯蔵量、生産量、及び発電所に対する石炭販売量の予想情報を提供できる。 Further, as shown in FIG. 10B, the coal mine can be provided with forecast information on the storage amount, production amount, and coal sales amount for each coal type.

このように、複数の発電所、炭鉱をネットワークで接続して、各発電所で用いる炭種を最適化することにより、複数の発電所から排出される環境負荷物質の総量を最小化できる。 In this way, by connecting a plurality of power plants and coal mines via a network and optimizing the coal type used at each power plant, the total amount of environmentally hazardous substances emitted from the plurality of power plants can be minimized.

本発明は、発電出力の指令値、環境性能、コストを考慮して、発電プラントで使用する原料を選定する原料選定支援装置として適用可能である。 The present invention can be applied as a raw material selection support device for selecting raw materials to be used in a power plant in consideration of a command value of power generation output, environmental performance, and cost.

１入力データ
２外部入力信号
３信号データベース情報
４信号データベース情報
５画像表示情報
６画像表示情報
７信号データベース情報
８関連付け結果情報
９信号データベース情報
１０候補情報
１１関連付け結果情報
１２候補情報
５０信号データベース情報
２００データセンタ
２１０運転データデータベース
２２０原料情報データベース
２５０原料選定支援装置
２６０外部入力インターフェイス
２７０外部出力インターフェイス
２８０信号データベース
２９０画像表示情報生成手段
３００関連付け記憶手段
４００性能評価手段
５００データ分類手段
６００制約条件評価手段
７００候補生成手段
９００外部装置
９１０外部入力装置
９２０キーボード
９３０マウス
９４０画像表示装置 1 Input data 2 External input signal 3 Signal database information 4 Signal database information 5 Image display information 6 Image display information 7 Signal database information 8 Association result information 9 Signal database information 10 Candidate information 11 Association result information 12 Candidate information 50 Signal database information 200 Data center 210 Operation data database 220 Raw material information database 250 Raw material selection support device 260 External input interface 270 External output interface 280 Signal database 290 Image display information generation means 300 Association storage means 400 Performance evaluation means 500 Data classification means 600 Constraint condition evaluation means 700 Candidate generation means 900 External device 910 External input device 920 Keyboard 930 Mouse 940 Image display device

Claims

In the raw material selection support device that supports the selection of the type of raw material used as fuel in the power plant based on the operation data and raw material data collected at the power plant.
The raw material selection support device includes an association storage means, an image display information generation means, and a signal database.
The association storage means includes a data classification means and a performance evaluation means, the data classification means classifies raw material data used in a power plant into categories, and the performance evaluation means classifies the categories classified by the data classification means. By calculating and associating the plant performance including at least one of the efficiency calculated based on the operation data, the environmental load substance, or the operation cost of the plant based on the operation data, the candidate raw material to be used in the power generation plant. Has a function to output the associated plant performance information to the external input of
The signal database stores the plant performance information output from the association storage means, and stores the plant performance information.
The image display information generation means is a raw material selection support device characterized in that image display information is generated based on the information in the signal database.

The raw material selection support device according to claim 1 is
Further provided with candidate generation means for generating candidate information of raw materials to be used as fuel based on raw material inventory information, electric power demand, and information on plant performance.
The signal database is a raw material selection support device characterized by storing plant performance information output from the association storage means and candidate information of raw materials to be used generated by the candidate generation means.

In the raw material selection support device according to any one of claims 1 or 2.
The data classification means includes low calorific value, high calorific value, volatile matter, ash content, total water content, fuel ratio, fixed carbon, C, H, O, N, S, or pulverization as information on coal used in a power plant. Raw material data containing at least one of the performances is classified into categories.
In the performance evaluation means, at least one plant performance among efficiency, environmentally hazardous substances containing NOx or CO, or operating cost is calculated and associated with the category classified by the data classification means based on the operation data. Characteristic raw material selection support device.

In the raw material selection support device according to claim 2,
The candidate generation means is characterized in that it searches for a combination of coals whose plant performance has a desired characteristic based on a constraint condition of coal calorific value based on electric power demand or a constraint condition including a constraint condition of fuel supply amount. Raw material selection support device.

In the raw material selection support device according to any one of claims 1 to 4,
A raw material selection support device characterized in that when the data classification result in the data classification means is an existing category, the associated plant performance is output, and when the data classification result is a new category, the plant performance is output by utilizing a model.

In the raw material selection support device according to claim 3,
The image display information generation means is characterized in that it outputs the classification result of the data classification means, the result of associating the plant performance of the performance evaluation means, the prediction result of the plant performance, and the information of the operation amount as image display information. Raw material selection support device.

In the raw material selection support device according to claim 4,
The image display information generating means is a raw material selection support device characterized by outputting recommended information of coal used in each mill, an operation amount associated with the recommended coal information, and information on plant performance as image display information. ..

In the raw material selection support device according to claim 1,
The coal purchase support company that owns the raw material selection support device is connected to at least one of a plurality of power plants, coal mines, or markets by a network.
In the association storage means in the raw material selection support device, at least one of the operation data measured at the power plant, the type and production amount of coal mined at the coal mine, the power demand from the market, the power price, or the coal price information. Having a function to output plant performance information based on one piece of information,
A raw material selection support device characterized by.

In the raw material selection support device according to any one of claims 1 to 8.
The raw material selection support device, characterized in that the raw material data corresponds to at least one of coal, biomass, and petroleum coke.

In the raw material selection support method by the raw material selection support device that supports the selection of the type of raw material used as fuel in the power plant based on the operation data and raw material data collected at the power plant.
The raw material selection support device classifies raw material data used in a power plant into categories, and puts at least one of efficiency, environmentally hazardous substances, or plant operating costs calculated based on the operation data into the classified categories. By calculating and associating the included plant performance based on the operation data, the associated plant performance information is output to the external input of the raw material candidate used in the power plant, and the image display information is based on the output information. A raw material selection support method characterized by producing.