JP6881997B2 - 試験計画装置及び試験計画方法 - Google Patents

Description

本発明は、発電設備のモデルデータ用の試験条件を提示する試験計画装置及び試験計画方法に関する。

火力発電所に設置されるボイラの運転に際しては、ボイラを運転させた結果のアウトプットとして各出力プロセス値、例えばＮＯｘやＣＯの濃度、各伝熱管のメタル温度を得て、各出力プロセス値が最適となるように多くの操作入力パラメータを設定する必要がある。操作入力パラメータには値を変化させると出力プロセス値が改善するものと悪化するものとが混在しており、更に運転条件により出力プロセス値の変動も変化することから、ボイラの運転制御は複雑であるという実情がある。

そのため、運転支援の一環としてボイラ内の挙動シミュレーションのモデルデータを使用することがある。この点に関し、特許文献１には、運転入力パラメータと出力プロセス値との関係についての運転データをモデルデータ作成の学習データとして使用することが開示されている。

特許第４９８９４２１号公報

ボイラの新設、設備修正時の際は試験運転を行い、学習用データを取得する。しかし操作入力パラメータは複数あり、それぞれ多段階で条件設定を行うと試験ケースは莫大となる。その結果試験期間が長くなり、運転開始が遅れる。更にモデルデータ学習用パラメータが多くなり、時間・手間を要する。

一方で、試験ケースを根拠なく減らすと、モデルデータによる挙動シミュレーションの精度が悪化し、運転の参考とならならないという課題がある。

この点に関し、特許文献１ではモデル入力数にかかわらず、制御周期以内での学習を行うために（同文献段落００１２参照）、モデルに入力するモデル入力及びモデル出力を複数のグループに分割して、各グループのモデル出力が予め定めた目標値を達成するように、各グループのモデル入力の生成方法を学習させるが（同文献段落００１３参照）、その際にグループ間についてのモデル入力を変化させる順序は考慮していないので、複数のグループのモデル入力を変化させた結果モデル出力が変化した場合には、どのモデル入力の変化がモデル出力の変化に対して影響を及ぼしたのかが把握できないという課題がある。

またボイラ内の例えば各燃焼バーナにおける燃焼用空気と燃料による燃焼挙動は複雑で、ボイラの形式、使用する燃料、その他条件で結果のアウトプットの各出力プロセス値として、ＮＯｘ，ＣＯの濃度、伝熱管表面温度、蒸気温度等が変化しうる。ニューラルネットワーク等を用いて多変数入力―多変数出力モデルデータを一気に作成することは可能だが、この場合、技術者が経験や物理的な理論と整合するかという観点からチェックすることが困難であるという課題もある。

本発明は上記課題を解決するためになされたものであり、少ない試験ケース数の学習データにより、モデルデータの精度を確認しながらモデルデータを作成できる装置及び方法を提供することを目的とする。

上記課題を達成するために、本発明は、ボイラのモデルデータに対して複数の入力パラメータの試験条件を提示する試験計画装置であって、前記複数の入力パラメータの試験条件を提示する入力パラメータ提示部と、前記入力パラメータの試験条件をボイラの仮想的な動作を規定したモデルデータへ適用して仮想プロセス値を演算するシミュレーション部と、前記入力パラメータの試験条件を前記ボイラに設定して実運転を行って得られる実プロセス値を取得する実プロセス値取得部と、前記モデルデータに対して修正処理を行うモデルデータ学習部と、前記試験条件を適用して得られた前記仮想プロセス値及び前記実プロセス値を出力する出力制御部と、を備え、前記入力パラメータの試験条件において、前記複数の入力パラメータは、各実プロセス値に対する各入力パラメータの相互の関係が与える影響が少ないものを予め複数にグルーピングされることにより複数のパラメータ群に分類され、前記パラメータ群は、前記複数の入力パラメータを前記ボイラの燃焼ガスの下流側から上流側に向かう順序に沿って複数の領域で区分けされて構成され、前記入力パラメータ提示部は、前記順序に沿って前記複数のパラメータ群から学習対象パラメータ群を一つ選択し、当該学習対象パラメータ群の入力パラメータは変数とし、残りの他のパラメータ群は非学習対象パラメータ群として、当該非学習対象パラメータ群の入力パラメータは固定値とする試験条件を提示し、前記モデルデータ学習部は、前記実プロセス値及び前記仮想プロセス値の乖離が予め定めた許容範囲外にある場合、前記実プロセス値とほぼ同じ前記仮想プロセス値が得られるように前記モデルデータに対する修正処理を行い、修正後のモデルデータで演算した仮想プロセス値と前記実プロセス値との乖離が前記許容範囲内になると前記モデルデータに対する修正処理を終了する、ことを特徴とする。

入力パラメータを各入力パラメータの相互の関係に基づいて、予め複数のパラメータ群にグルーピングしておき、学習対象パラメータ群の入力パラメータは変数とし、非学習対象パラメータ群の入力パラメータは固定値とする試験条件を用いた仮想プロセス値及び実プロセス値の比較を行う。そして、乖離が許容範囲内であればモデルデータの修正は不要、許容範囲外であればモデルデータを修正するので、入力パラメータの全組み合わせ数の試験を行って最適値を見つけモデルデータを一気に修正する場合と比較して試験回数を減らすことができる。また、仮想プロセス値及び実プロセス値の乖離が小さいほどモデルデータの精度が高いことから、技術者は出力制御部から出力された乖離を参照することでモデルデータの精度を認識しやすくなり、どの入力パラメータを変化させてどのようにモデルデータが変化したかを把握しやすくなる。

また前記入力パラメータ提示部は、前記複数のパラメータ群から新たな学習対象パラメータ群を選択した場合、当該新たな学習パラメータ群の入力パラメータは変数とし、過去に学習対象パラメータ群として選択して行った入力パラメータは、当該学習対象パラメータ群を用いて提示された試験条件のうち、試験結果が相対的に良好であった試験条件の入力パラメータを固定値とする新たな試験条件を提示してもよい。

上記「相対的に良好」とは実プロセス値もしくは仮想プロセス値が、発電設備のプロセス値の目標値（最適値）により近いことを意味する。

これにより、学習対象パラメータ群を順次変更しながら新たな試験条件を提示する際に、既に学習対象パラメータ群として選択された入力パラメータは、試験結果が良好であった値を固定値として採用するため、より発電設備の運転結果が良好となりやすい試験条件を提示することができる。

技術者が同一のパラメータ群に含まれる入力パラメータの種類や学習パラメータの選択順序をより認識しやすくなる。更にボイラの実プロセス値に与える入力パラメータの相互の関係に沿ったグルーピングが実現できる。

また、前記学習対象パラメータ群に含まれる各入力パラメータに対して設定された変数の個数を基に予め定められた学習試行回数決定条件に従って学習試行回数を決定する学習試行回数決定部を更に備えてもよい。

上記「学習試行回数決定条件」とは例えば統計的手法による学習対象パラメータ群内の全組み合わせを試行した場合の信頼性に対して、統計学的に一定以上の信頼性があると見做せる試験回数を算出するために設けられた条件でもよい。これにより、学習対象パラメータ群内の入力パラメータの全組み合わせよりも少ない学習試行回数に絞り込むので、更に試験回数を減らしつつ、効率的にモデルデータの精度を高めることができる。

また前記実プロセス値及び前記修正処理が行われたモデルデータを用いて前記シミュレーション部により演算された仮想プロセス値の乖離が予め定められた許容範囲外にある場合、前記入力パラメータ提示部は、前記学習対象パラメータ群の変数とされた入力パラメータの間隔もしくは範囲を変更してもよい。

修正処理後のモデルデータの精度が未だに良好でない場合には、学習対象パラメータ群の変数とされた入力パラメータの間隔もしくは範囲を変更する。これにより、入力パラメータ提示部が初回に提示した試験条件ではモデルデータの精度が十分に得られない場合でも、更に好適な試験条件を提示してモデルデータの精度を向上させることができる。

また本発明は発電設備のモデルデータ用の試験条件を提示する試験計画方法であって、前記複数の入力パラメータを発電設備に設定して実運転を行って得られる実プロセス値に対する各入力パラメータの相互の関係に基づき、複数のパラメータ群に分類された複数の入力パラメータを取得するステップと、前記複数のパラメータ群のうち、１つ選択した学習対象パラメータ群の入力パラメータは変数とし、他の非学習対象パラメータ群の入力パラメータは固定値とされた複数の入力パラメータの試験条件を提示するステップと、前記入力パラメータの試験条件を前記発電設備に設定して実運転を行って得られる実プロセス値を取得するステップと、前記入力パラメータの試験条件を前記モデルデータへ適用して仮想プロセス値を演算するステップと、前記実プロセス値及び前記仮想プロセス値の乖離が予め定めた許容範囲外にある場合、前記実プロセス値を用いて前記モデルデータに対する修正処理を実行するステップと、を含むことを特徴とする。

これにより、入力パラメータの全組み合わせ数の試験を行って最適値を見つけモデルデータを一気に修正する場合と比較して試験回数を減らすことができる。また、技術者は乖離を参照することでモデルデータの精度を認識しやすくなり、どの入力パラメータを変化させてどのようにモデルデータが変化したかを把握しやすくなる。

本発明によれば、少ない試験ケース数の学習データにより、モデルデータの精度を確認しながらモデルデータを作成できる装置及び方法を提供することができる。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。

ボイラを表す概略構成図 試験計画装置のハードウェア構成図 試験計画装置の機能ブロック図 試験計画装置の動作の流れを示すフローチャート 試験計画装置の動作の流れを示すフローチャート 入力パラメータのグループ分けの説明図 試験条件の初回設定例を示す図 仮想プロセス値と実プロセス値との相関図 スコア換算データ例を示す図 試験条件の２回目設定例を示す図

以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図において、同一の機能を有する部材には同一又は関連する符号を付し、その繰り返しの説明は省略する。以下の実施形態により本発明が限定されるものではなく、また、実施形態が複数ある場合には、各実施形態を組み合わせて構成するものも含むものである。

以下では、発電設備として火力発電所に設置されたボイラの仮想的な動作を規定したモデルデータ用の試験条件を試験計画装置が提示する例について説明するが、発電設備はボイラに限定されない。

図１は上記ボイラを表す概略構成図である。図１に示すボイラ１は、例えば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、この微粉炭を火炉の燃焼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。

ボイラ１は、火炉１１と燃焼装置１２と煙道１３を有している。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、炉底に傾斜面が設けられており、傾斜面に炉底蒸発管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。本実施形態では、この燃焼装置１２は、火炉壁に装着された複数の燃焼バーナ(例えば２１，２２，２３，２４，２５)を有している。例えば、この燃焼バーナ（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、火炉の形状や一つの段における燃焼バーナの数、段数はこの実施形態に限定されるものではない。

この各燃焼バーナ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）とともに微粉炭供給管２６，２７，２８，２９，３０から燃焼バーナ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、各燃焼バーナ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。

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、燃焼バーナ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（４１〜４７）を流れる給水や蒸気を加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、送風機３８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。

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。

送風機３８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。

図２は、試験計画装置２１０のハードウェア構成図である。試験計画装置２１０は、ＣＰＵ(Central Processing Unit)２１１、ＲＡＭ(Random Access Memory)２１２、ＲＯＭ(Read Only Memory)２１３、ＨＤＤ (Hard Disk Drive) ２１４、入出力インターフェース（Ｉ／Ｆ）２１５、及び通信インターフェース（Ｉ／Ｆ）２１６を含み、これらがバス２１７を介して互いに接続されて構成される。入出力インターフェース（Ｉ／Ｆ）２１５にはキーボード等の入力装置２１８及びディスプレイやプリンタ等の出力装置２１９がそれぞれ接続される。また試験計画装置２１０の通信Ｉ／Ｆ２１６及びボイラ１は、ネットワーク１００を介して接続されてもよいし、記憶媒体２０１、例えばメモリーカードに接続され、後述する実プロセス値を取得する。なお、試験計画装置２１０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。

図３は、試験計画装置２１０の機能ブロック図である。試験計画装置２１０は、入力パラメータ提示部２１１ａ、シミュレーション部２１１ｂ、実プロセス値取得部２１１ｃ、モデルデータ学習部２１１ｄ、スコア算出部２１１ｅ、学習試行回数決定部２１１ｆ、出力制御部２１１ｇを含む。これらの各構成要素は、ＲＯＭ２１３やＨＤＤ２１４に予め格納された各機能を実現するソフトウェアをＣＰＵ２１１がＲＡＭ２１２上にロードして実行することで、ソフトウェアとハードウェアとが協働して構成されてもよいし、各機能を実現する制御回路により構成されてもよい。更に試験計画装置２１０は、入力パラメータ記憶部２１４ａ、モデルデータ記憶部２１４b、試験結果記憶部２１４ｃ、及びスコア換算データ記憶部２１４ｄを含む。試験結果記憶部２１４ｃには、試験条件記憶領域２１４ｃ１、仮想プロセス値記憶領域２１４ｃ２、実プロセス値記憶領域２１４ｃ３、及びスコア記憶領域２１４ｃ４が含まれ、各記憶領域が互いに関係付けられて構成される。上記各記憶部及び記憶領域は、ＲＡＭ２１２、ＲＯＭ２１３、又はＨＤＤ２１４の一部領域に構成されてもよい。

図４から図１０を参照して試験計画装置２１０の動作について説明する。図４及び図５は、試験計画装置２１０の動作の流れを示すフローチャートである。図６は、入力パラメータのグループ分けの説明図である。なお図６では仮想プロセス値及び実プロセス値の区別をすることなく単にプロセス値と記載している。図７は試験条件の初回設定例を示す図である。図８は、仮想プロセス値と実プロセス値との相関図である。図９はスコア換算データ例を示す図である。図１０は試験条件の２回目設定例を示す図である。

以下の処理に先立ち、図３に示した試験条件記憶領域２１４ｃ１には予めシミュレーションに用いる入力パラメータが各プロセス値に対する各入力パラメータの相互の関係に基づき複数のパラメータ群にグルーピングされて記憶される。

本実施形態では入力パラメータの相互の関係はプロセス値への影響を考慮する。また、ボイラ内における入力パラメータの位置（入力パラメータに関係する機器の位置、入力パラメータを変更した場合の影響範囲の位置など）も考慮する。例えば、本実施形態では、入力パラメータを各入力パラメータの相互関係がプロセス値への影響が少ないものを予め複数にグルーピングされたパラメータ群とし、このパラメータ群は、複数の入力パラメータをボイラ１の燃焼ガスの下流側から上流側に向かう順序に沿って複数の領域で区分けされて構成される。結果が一層に決定されている燃焼ガスの下流側の領域でのプロセス値から、今後結果が決定される燃焼ガスの上流側の領域へと順次区分けすることで、入力パラメータの相互関係に沿ったグルーピングが実現できるので、グルーピングしたパラメータ群から得られるプロセス値の精度が向上する。そこで本実施形態では図６に示すように複数の領域で区分けされ、例えば、入力パラメータ群Ｇ１はボイラ出口近傍（例えば火炉１１出口から熱交換器４１近傍）の入力パラメータの値ｐＡ１、ｐＡ２を含む。また入力パラメータ群Ｇ２はボイラ出口からバーナ（例えば火炉１１出口から燃焼バーナ２１近傍）の入力パラメータの値ｐＢ１、ｐＢ２、入力パラメータ群Ｇ３はバーナ（例えば燃焼バーナ２１，２２，２３，２４，２５近傍）の入力パラメータの値ｐＣ１を、入力パラメータ群Ｇ４は燃料供給設備（例えば粉砕機３１，３２，３３，３４，３５近傍）に関する入力パラメータの値ｐＤ１、ｐＤ２、ｐＤ３を含む。

モデルデータ記憶部２１４bには７種類の仮想プロセス値ｖＡ、ｖＢ、ｖＣ、ｖＤ、ｖＥ、ｖＦ、ｖＧ（図６では仮想プロセス値及び実プロセス値の区別をすることなく単に、プロセス値Ａ、プロセス値Ｂ、・・プロセス値Ｇと記載）を演算するための７つのモデルデータｆＡ（ｐ）、ｆＢ（ｐ）、ｆＣ（ｐ）、ｆＤ（ｐ）、ｆＥ（ｐ）、ｆＦ（ｐ）、ｆＧ（ｐ）が記憶される。

各モデルデータｆＡ（ｐ）、ｆＢ（ｐ）、ｆＣ（ｐ）、ｆＤ（ｐ）、ｆＥ（ｐ）、ｆＦ（ｐ）、ｆＧ（ｐ）に対してすべての入力パラメータの値ｐＡ１、ｐＡ２、ｐＢ１、ｐＢ２、ｐＣ１、ｐＤ１、ｐＤ２、ｐＤ３を当てはめて７つの仮想プロセス値ｖＡ、ｖＢ、ｖＣ、ｖＤ、ｖＥ、ｖＦ、ｖＧを算出する。

ここで各入力パラメータは、相対的に関係が強い（各入力パラメータに対する実プロセス値への応答性や値の変化率などが高い）ものと、相対的に関係が低い（各入力パラメータに対する実プロセス値への応答性や値の変化率などが低い）ものとがあり、相互の関係に基づき複数のパラメータ群へグルーピングする。上記燃焼ガスから順に入力パラメータをグルーピングした結果、入力パラメータ群Ｇ１は実プロセス値ｒＡ、ｒＢ、ｒＣ、ｒＤ、ｒＥ（図６では仮想プロセス値及び実プロセス値の区別をすることなく単に、プロセス値Ａ、プロセス値Ｂ、・・プロセス値Ｇと記載）に対する応答性や値の変化率などが比較的高く相対的に関係が強い入力パラメータの値ｐＡ１、ｐＡ２の集合を形成している。同様に、入力パラメータ群Ｇ２は実プロセス値ｒＡ、ｒＣ、ｒＤ、ｒＥ、ｒＦに対する相対的に関係が強い入力パラメータの値ｐＢ１、ｐＢ２の集合を形成している。入力パラメータ群Ｇ３は実プロセス値ｒＡ、ｒＦ、ｒＧに対する相対的に関係が強い入力パラメータの値ｐＣ１を含んで形成される。入力パラメータ群Ｇ４は実プロセスの値ｒＡ、ｒＦに対する相対的に関係が強い入力パラメータの値ｐＤ１、ｐＤ２、ｐＤ３を含む集合として形成される。

上記入力パラメータの具体例として、ボイラ１の場合では燃焼用空気の供給量、バーナ角度、燃料供給設備の稼働台数、アフタエアポートの弁開度（アフタエア供給流量）があり、プロセス値の具体例として環境負荷量（ＮＯｘ，ＣＯの濃度）、設備効率、部品温度、蒸気温度、伝熱管メタル温度などがある。

図４に戻り、試験計画装置２１０の動作の流れを示すフローチャートを説明する。まず、入力パラメータ提示部２１１ａは、試験条件記憶領域２１４ｃ１を参照し、複数のパラメータ群のうちの１つを学習対象パラメータ群として決定し、それ以外を非学習対象パラメータ群として決定し、各入力パラメータを取得する（Ｓ１０１）。特に本実施形態の例では入力パラメータ提示部２１１ａは、燃焼ガスの下流側の領域から上流側の領域に向かう順序に沿って学習対象パラメータ群を選択する。よって、初回の試験条件提示は図７の例に示すように学習対象パラメータ群を入力パラメータ群Ｇ１、非学習対象パラメータ群を入力パラメータ群Ｇ２、Ｇ３、Ｇ４と決定する。

学習試行回数決定部２１１ｆは学習対象パラメータ群に含まれる入力パラメータの種類数及び各入力パラメータの変数の数を基に学習試行回数ｎを決定する（Ｓ１０２）。図７の例では入力パラメータ群Ｇ１の変数の種類数はｐＡ１とｐＡ２の２個、変数の数は試験条件１，２，３の３個であるので、Ｇ１の全ての変数の組み合わせの試験を実行しようとすると、３^２（３×３）で９パターンの試験条件でシミュレーションを行う必要がある。そこで、学習試行回数決定部２１１ｆは、統計的手法を用いて予め定められた学習試行回数決定条件に従って、全ての変数の組み合わせを網羅した試験回数よりも少ない学習試行回数ｎを決定する。本例ではｎ＝３とする。

入力パラメータ提示部２１１ａは、学習試行回数決定部２１１ｆが決定したｎ回の試験に用いるための試験条件、すなわちｎパターンの試験条件の各入力パラメータを決定し、試験条件を提示する（Ｓ１０３）。本例では３パターンの試験条件１〜３の全てにおいて、入力パラメータ群Ｇ１のパラメータは変数とし、入力パラメータ群Ｇ２、Ｇ３、Ｇ４のパラメータは固定値とする。この固定値は、各入力パラメータの標準的な値や設計値、また最適値と予想される値を用いてもよい。

入力パラメータ提示部２１１ａは提示したｎパターンの試験条件を試験条件記憶領域２１４ｃ１に記憶すると共に、出力制御部２１１ｇに出力する。

出力制御部２１１ｇから出力されたｎパターンの試験条件はボイラ１で実際に試運転を行い実プロセス値ｒＡｋ〜ｒＧｋ（ｋ＝１〜ｎ）が得られる。実プロセス値取得部２１１ｃはこの実プロセス値ｒＡｋ〜ｒＧｋをネットワーク１００や記憶媒体２０１、また入力装置２１８を介して取得し（Ｓ１０４）、実プロセス値記憶領域２１４ｃ３に記憶する。

シミュレーション部２１１ｂは、試験条件記憶領域２１４ｃ１から各試験条件を読み出し、各仮想プロセス値ｖＡｋ〜ｖＧｋを演算するために設けられたモデルデータｆＡ（ｐ）、ｆＢ（ｐ）・・・、ｆＧ（ｐ）にあてはめて、仮想プロセス値ｖＡｋ〜ｖＧｋの其々を演算する。そして出力制御部２１１ｇは、試験条件とそれを適用した場合の仮想プロセス値及び実プロセス値を出力する（Ｓ１０５）。

モデルデータ記憶部２１４bには、仮想プロセス値ｖＡ〜ｖＧの種類に応じて決定されたモデルデータｆＡ（ｐ）、ｆＢ（ｐ）・・・、ｆＧ（ｐ）が仮想プロセス値の種類数と同数、記憶されている。シミュレーション部２１１ｂは順次試験条件ｋ（ｐＡ１ｋ、ｐＡ２ｋ、ｐＢ１ｋ、ｐＢ２ｋ、ｐＣ１ｋ、ｐＤ１ｋ、ｐＤ２ｋ、ｐＤ３ｋ）を各モデルデータに適用し、下式（１）により試験条件ｋの各仮想プロセス値ｖＡｋ〜ｖＧｋを算出する。

式（１）において、試験条件１〜３ではｐＡ１ｋ、ｐＡ２ｋは変数であり、ｐＢ１ｋ、ｐＢ２ｋ、ｐＣ１ｋ、ｐＤ１ｋ、ｐＤ２ｋ、ｐＤ３ｋは固定値である。

モデルデータ学習部２１１ｄは、各プロセス値の種類ごとに仮想プロセス値及び実プロセス値を比較し、全てのプロセス値について、仮想プロセス値及び実プロセス値の乖離（仮想プロセス値と実プロセス値の差の絶対値）が所定値として予め定められた許容範囲（以下「許容範囲」と略記する）内にあるかを判断する（Ｓ１０６）。許容範囲外となるモデルデータが一つでもあれば（Ｓ１０６／Ｎｏ）、許容範囲外となるモデルデータのみを修正して修正後のモデルデータを生成する（Ｓ１０７）。図７の例では修正後のモデルデータｆＡａ（ｐ）を生成する。

図８は、仮想プロセス値及び実プロセス値の相関図である。グラフ１は、試験条件１，２，３によりボイラ１で試運転を行って得られた実プロセス値、例えばｒＡ１、ｒＡ２、ｒＡ３をプロットした点を基に生成したグラフ（例えば最小二乗法による）である。このグラフを中心に、モデルデータｆＡ（ｐ）の修正の要否判断に用いる許容範囲を設けておく。そして仮想プロセス値がその許容範囲内に含まれていればモデルデータｆＡ（ｐ）は修正不要、含まれていなければモデルデータ学習部２１１ｄは入力パラメータに対して実プロセス値ｒＡ１が得られるようにモデルデータｆＡ（ｐ）を修正して修正後のモデルデータｆＡａ（ｐ）を生成する。他のモデルデータについてもモデルデータｆＡ（ｐ）と同様の手順で修正要否の判断及び修正要の場合は修正する。

モデルデータ学習部２１１ｄは、修正後のモデルデータを用いて再度シミュレーション処理を実行し、修正後の仮想プロセス値を演算する。出力制御部２１１ｇは、修正後のモデルデータに適用した試験条件とそのときの仮想プロセス値、及び実プロセス値とを出力する（Ｓ１０８）。図７の例では、修正後のモデルデータｆＡａ（ｐ）に試験条件1〜３をあてはめて仮想プロセス値ｖＡ１ａ、ｖＡ２ａ、ｖＡ３ａを再度算出する。この仮想プロセス値ｖＡ１ａ、ｖＡ２ａ、ｖＡ３ａと実プロセス値ｒＡ、ｒＢ、ｒＣとの乖離が許容範囲に入っていれば（Ｓ１０９／Ｙｅｓ）修正が適切に行われたとしてモデルデータ記憶部２１４bに記憶されているモデルデータｆＡ（ｐ）を修正後のモデルデータｆＡａ（ｐ）に書き換え（Ｓ１１０）、ステップＳ１０６へ戻る。

修正後のモデルデータで得られた仮想プロセス値、例えば上記仮想プロセス値ｖＡ１ａ、ｖＡ２ａ、ｖＡ３ａが実プロセス値ｒＡ、ｒＢ、ｒＣの許容範囲に入っていなければ（Ｓ１０９／Ｎｏ）、再試験条件提示処理を実行する（Ｓ１１１）。

再試験条件提示処理（Ｓ１１１）では、入力パラメータ提示部２１１ａは、実プロセス値と修正後のモデルデータを用いてシミュレーション部２１１ｂにより演算された仮想プロセス値との乖離が予め定められた許容範囲外にある場合、学習対象パラメータ群の変数とされた入力パラメータの間隔もしくは範囲を変更し、再度試験条件を提示する。そして、再提示された試験条件を用いてステップＳ１０４からステップＳ１１１を実行する。その後ステップＳ１０６へ戻る。

モデルデータ学習部２１１ｄは、全ての仮想プロセス値及びそれに対応する実プロセス値の乖離が許容範囲内であれば（Ｓ１０６／Ｙｅｓ）、モデルデータの修正は不要である。そこで、図５に示すように入力パラメータ提示部２１１ａは学習対象パラメータ群として選択していない入力パラメータ群が残っているかを判定し（Ｓ１１２）、残っていれば新たな学習対象パラメータ群を用いた試験条件の提示処理を開始する（Ｓ１１２／Ｎｏ）。

そこでスコア算出部２１１ｅは、スコア換算データ記憶部２１４ｄに予め設定されたスコア換算データ（図９参照）を用いて、ステップＳ１０１で選択した学習対象パラメータ群を用いた試験条件１〜ｋの評価スコアを算出し、スコア記憶領域２１４ｃ４に記憶する（Ｓ１１３）。

図９はスコア換算データの一例を示す図である。各実プロセス値は、所定の目標より遠ざかるに従いスコアの値が小さくなるものとし、各実プロセス値の特性には、例えばプロセス値が小さいほどスコアの値が増加するものを例示している。スコア換算データ記憶部２１４ｄには、各実プロセス値ｒＡ〜ｒＧの種類の其々に対応するスコア換算データが記憶されている。スコア算出部２１１ｅは実プロセス値ｒＡ１を読み出し、実プロセス値ｒＡ１に対応するスコア換算データを用いて実プロセス値ｒＡ１に対するスコアを算出する。同様に、全ての実プロセス値ｒＢ１〜ｒＧ１に対するスコアを算出する。そして、試験条件１で得られた各実プロセス値を基に算出したスコアの集計値を用いて試験条件１の全体スコアを算出する。同様に試験条件２、３の全体スコアも算出する。

上記では、実プロセス値を用いて各試験条件の全体スコアを算出するとしたが、仮想プロセス値は実プロセス値との乖離が許容範囲内にあれば仮想プロセス値に対してスコア付を行い、各試験条件の全体スコアを算出してもよい。

入力パラメータ提示部２１１ａはスコア記憶領域２１４ｃ４に記憶された評価スコアを参照し、試験結果が実プロセス値の所定の目標値（最適値）により近いとして相対的に良好なもの、望ましくは最も良好なものを選択する（Ｓ１１４）。

入力パラメータ提示部２１１ａは次の新たな学習対象パラメータ群、例えば入力パラメータ群Ｇ２を選択し（Ｓ１１５）、学習試行回数決定部２１１ｆが入力パラメータ群Ｇ２に含まれる入力パラメータの種類数及び変数の数を基に学習試行回数ｎを新たに決定する（Ｓ１１６）。

入力パラメータ提示部２１１ａは新たに決定された学習試行回数ｎと同数のパターン数からなる新たな試験条件を提示する（Ｓ１１７）。

本ステップでは、新たに選択された学習対象パラメータ群の入力パラメータは変数とし、既に学習対象パラメータ群として選択された入力パラメータ群の入力パラメータ（例えば、入力パラメータ群Ｇ１）は、予め設定されたスコア換算データを用いて算出した評価スコアを基に、実プロセス値の所定の目標値（最適値）により近い最適条件に最も近いとして選択された試験条件の入力パラメータを用いる。図１０の例では、試験条件が2回目の設定として、新たな学習対象パラメータ群を入力パラメータ群Ｇ２とし入力パラメータの値ｐＢ１ｋ、ｐＢ２ｋは変数、非学習対象パラメータ群の１つである入力パラメータ群Ｇ１の入力パラメータは最適条件と判断された試験条件３の入力パラメータの値ｐＡ１３、ｐＡ２３、入力パラメータ群Ｇ３、Ｇ４の入力パラメータの値は固定値ｐＣ１ｆ、ｐＤ１ｆ、ｐＤ２ｆとする。

全ての入力パラメータ群を学習対象パラメータ群として選択し終えた場合は（Ｓ１１２／Ｙｅｓ）、一連の処理を終了する。

発電設備として、火力発電所に設置されるボイラの運転に用いられる入力パラメータは例えば１０項目以上の多数あり、プロセス値も多数ある。しかもある入力パラメータを変更すると良好となるプロセス値と悪化するプロセス値とが混在しており運転制御が複雑であるため、運転支援の一環として、ボイラの仮想的な動作を規定したモデルデータを構成し、これを用いたシミュレーションを行うことがある。このシミュレーションの精度を向上させるために、入力パラメータを多段階に設定して試運転をする際に、試行する試験条件が増えるほど試運転の時間が長くかかる一方、試験条件を特別な根拠なく減らすとモデルデータの精度が悪化することから、試験条件を適切に設定したいという要望がある。

本実施形態によれば、入力パラメータを各入力パラメータの相互の関係に基づいて、予め複数のパラメータ群にグルーピングしてある。例えば各入力パラメータの相互関係がプロセス値への影響が少ないものを予めグルーピングして複数の入力パラメータ群としてある。学習対象パラメータ群の入力パラメータは変数とし、非学習対象パラメータ群の入力パラメータは固定値とする試験条件を用いた仮想プロセス値及び実プロセス値の比較を基に、最初にモデルデータを修正し最適値が見つかればそれを固定値として用い、順次学習対象パラメータ群を変更しながらモデルデータを修正する。そのため、入力パラメータを予めグルーピングをすることなく入力パラメータの全組み合わせ数の試験を行って最適値を見つけモデルデータを一気に修正する場合と比較して、試験回数を減らすことができる。また試験条件と共に実プロセス値及び仮想プロセス値を出力することで、技術者はどの入力パラメータを変化させてどのようにモデルデータが変化したかを把握しやすくなる。また技術者は実プロセス値及び仮想プロセス値の乖離の大小を基にモデルデータの精度を把握しやすくなる。

また複数の入力パラメータをボイラの燃焼ガスの下流側から上流側に向かう順序に沿って複数の領域で区分けし、この順序に沿って学習対象パラメータ群を選択することにより、技術者が同一のパラメータ群に含まれる入力パラメータの種類をより認識しやすくなる。更にボイラの実プロセス値に与える入力パラメータの相互の関係に沿ったグルーピングが実現できるので、グルーピングしたパラメータ群から得られるプロセス値の精度が向上する。

また、学習試行回数決定部２１１ｆにより、学習対象パラメータ群内の入力パラメータの全組み合わせ（例えば３^２＝９パターン）よりも少ない学習試行回数（例えば３回）に絞り込むので、入力パラメータのグルーピングの効果による試験回数の低減に加えて、更なる試験回数の低減を図りつつ、効率的にモデルデータの精度を高めることができる。

また修正後モデルデータの精度が不十分な場合には、入力パラメータ提示部２１１ａが学習対象パラメータ群の変数とされた入力パラメータの間隔もしくは範囲を変更して新たな試験条件を提示するので、修正後のモデルデータの精度不良の改善が行える。

上記実施形態は本発明を限定するものではなく、本発明の趣旨を逸脱しない様々な変更態様は、本実施形態に含まれる。例えば図４のステップＳ１０４、Ｓ１０５において、実プロセス値の取得と仮想プロセス値の演算順序を入れ替えてもよい。また、ステップＳ１０５やステップＳ１０８において実プロセス値の取得と仮想プロセス値の技術者に対する出力は行わず、試験計画装置内部において、例えば実プロセス値の取得と仮想プロセス値をモデルデータ学習部に出力する態様に代えてもよい。またスコア算出部２１１ｅによる評価スコアの算出は試験結果が良好な条件の抽出例に過ぎず、スコアを用いることなく実プロセス値及び仮想プロセス値の実値を用いて良好な試験条件を抽出してもよい。

更に発電設備としてボイラとは異なる運転設備のモデルデータの学習に本発明を適用してもよい。

また入力パラメータ提示部２１１ａは提示した試験条件を出力制御部２１１ｇから出力装置２１９に出力し、技術者が随時提示された試験条件を視認できるように構成してもよい。更に提示された試験条件に対して入力装置２１８を介して技術者が修正操作が行えるように構成してもよい。

１：ボイラ
１００：ネットワーク
２１０：試験計画装置
２１１ａ：入力パラメータ提示部
２１１ｂ：シミュレーション部
２１１ｃ：実プロセス値取得部
２１１ｄ：モデルデータ学習部
２１１ｅ：スコア算出部
２１１ｆ：学習試行回数決定部
２１４ａ：入力パラメータ記憶部
２１４ｂ：モデルデータ記憶部
２１４ｃ：試験結果記憶部
２１４ｄ：スコア換算データ記憶部

Claims (5)

1. ボイラのモデルデータに対して複数の入力パラメータの試験条件を提示する試験計画装置であって、
   前記複数の入力パラメータの試験条件を提示する入力パラメータ提示部と、
   前記入力パラメータの試験条件をボイラの仮想的な動作を規定したモデルデータへ適用して仮想プロセス値を演算するシミュレーション部と、
   前記入力パラメータの試験条件を前記ボイラに設定して実運転を行って得られる実プロセス値を取得する実プロセス値取得部と、
   前記モデルデータに対して修正処理を行うモデルデータ学習部と、
   前記試験条件を適用して得られた前記仮想プロセス値及び前記実プロセス値を出力する出力制御部と、を備え、
   前記入力パラメータの試験条件において、
   前記複数の入力パラメータは、各実プロセス値に対する各入力パラメータの相互の関係が与える影響が少ないものを予め複数にグルーピングされることにより複数のパラメータ群に分類され、前記パラメータ群は、前記複数の入力パラメータを前記ボイラの燃焼ガスの下流側から上流側に向かう順序に沿って複数の領域で区分けされて構成され、
   前記入力パラメータ提示部は、前記順序に沿って前記複数のパラメータ群から学習対象パラメータ群を一つ選択し、当該学習対象パラメータ群の入力パラメータは変数とし、残りの他のパラメータ群は非学習対象パラメータ群として、当該非学習対象パラメータ群の入力パラメータは固定値とする試験条件を提示し、
   前記モデルデータ学習部は、前記実プロセス値及び前記仮想プロセス値の乖離が予め定めた許容範囲外にある場合、前記実プロセス値とほぼ同じ前記仮想プロセス値が得られるように前記モデルデータに対する修正処理を行い、修正後のモデルデータで演算した仮想プロセス値と前記実プロセス値との乖離が前記許容範囲内になると前記モデルデータに対する修正処理を終了する、
   ことを特徴とする試験計画装置。
2. 請求項１に記載の試験計画装置において、
   前記入力パラメータ提示部は、前記複数のパラメータ群から新たな学習対象パラメータ群を選択した場合、当該新たな学習パラメータ群の入力パラメータは変数とし、過去に学習対象パラメータ群として選択された入力パラメータは、当該学習対象パラメータ群を用いて提示された試験条件のうち、試験結果が相対的に良好であった試験条件の入力パラメータを固定値とする新たな試験条件を提示する、
   ことを特徴とする試験計画装置。
3. 請求項１に記載の試験計画装置において、
   前記学習対象パラメータ群に含まれる各入力パラメータに対して設定された変数の個数を基に予め定められた学習試行回数決定条件に従って学習試行回数を決定する学習試行回数決定部を更に備える、
   ことを特徴とする試験計画装置。
4. 請求項１に記載の試験計画装置において、
   前記実プロセス値及び前記修正処理が行われたモデルデータを用いて前記シミュレーション部により演算された仮想プロセス値の乖離が予め定められた許容範囲外にある場合、前記入力パラメータ提示部は、前記学習対象パラメータ群の変数とされた入力パラメータの間隔もしくは範囲を変更する、
   ことを特徴とする試験計画装置。
5. ボイラの仮想的な動作を規定したモデルデータに対して複数の入力パラメータの試験条件を提示する試験計画方法であって、
   前記入力パラメータの試験条件において、前記複数の入力パラメータは、前記複数の入力パラメータをボイラに設定して実運転を行って得られる各実プロセス値に対する各入力パラメータの相互の関係が与える影響が少ないものを予め複数にグルーピングされることにより複数のパラメータ群に分類され、前記パラメータ群は、前記複数の入力パラメータを前記ボイラの燃焼ガスの下流側から上流側に向かう順序に沿って複数の領域で区分けされた前記複数の入力パラメータを取得するステップと、
   前記複数のパラメータ群のうち、前記順序に沿って１つ選択した学習対象パラメータ群の入力パラメータは変数とし、他の非学習対象パラメータ群の入力パラメータは固定値とされた複数の入力パラメータの試験条件を提示するステップと、
   前記入力パラメータの試験条件を前記ボイラに設定して実運転を行って得られる実プロセス値を取得するステップと、
   前記入力パラメータの試験条件を前記モデルデータへ適用して仮想プロセス値を演算するステップと、
   前記実プロセス値及び前記仮想プロセス値の乖離が予め定めた許容範囲外にある場合、前記実プロセス値とほぼ同じ前記仮想プロセス値が得られるように前記モデルデータに対する修正処理を行い、修正後のモデルデータで演算した仮想プロセス値と前記実プロセス値との乖離が前記許容範囲内になると前記モデルデータに対する修正処理を終了するステップと、
   前記修正されたモデルデータに前記試験条件を適用して得られた前記仮想プロセス値及び前記実プロセス値を出力するステップと、
   を含むことを特徴とする試験計画方法。

Images