JP7060130B1 - 運用支援装置、運用支援方法及びプログラム - Google Patents
運用支援装置、運用支援方法及びプログラム Download PDFInfo
- Publication number
- JP7060130B1 JP7060130B1 JP2021068145A JP2021068145A JP7060130B1 JP 7060130 B1 JP7060130 B1 JP 7060130B1 JP 2021068145 A JP2021068145 A JP 2021068145A JP 2021068145 A JP2021068145 A JP 2021068145A JP 7060130 B1 JP7060130 B1 JP 7060130B1
- Authority
- JP
- Japan
- Prior art keywords
- plant
- function
- optimum
- optimization
- objective function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
Description
以下では、最適な運用を計算するためのモデルを「最適運用モデル」ともいう。この最適運用モデルはプラント全体の負荷等を表す外部変数値を入力としてその最適な運用(以下、「最適運用」ともいう。)を出力するモデルであり、事前設計した目的関数とニューラルネットワークとで構成される。
次に、本実施形態に係る運用支援装置10の全体構成について、図1を参照しながら説明する。図1は、本実施形態に係る運用支援装置10の全体構成の一例を示す図である。
次に、本実施形態に係る運用支援装置10が実行する運用支援処理の流れについて、図2を参照しながら説明する。図2は、本実施形態に係る運用支援処理の流れの一例を示すフローチャートである。なお、以下では、オンライン中の或る時刻tにおける運用支援処理について説明する。
次に、本実施形態に係る運用支援装置10のハードウェア構成について、図3を参照しながら説明する。図3は、本実施形態に係る運用支援装置10のハードウェア構成の一例を示す図である。
次に、本実施形態に係る運用支援装置10の一実施例について説明する。本実施例では、プラント30のプラントモデルとして、図4に示す需給系統モデルを対象とする。
L3の量の資源を生産する。すなわち、L≦L1+L2+L3の関係を満たす必要があるものとする。なお、生産設備としては、例えば、資源として冷熱を生産する冷凍機、資源として酸素を生成する酸素プラント等が挙げられる。
c2=2.0L2
c3=3.0L3
また、各生産設備の生産量L1,L2及びL3には以下の上下限が設定されているものとする。
0≦L2≦100
0≦L3≦100
このとき、本実施例における運用支援装置10は、需要量に対する各生産設備の最適な生産量の配分Lopt={L1 opt,L2 opt,L3 opt}をxoptとして計算し、オペレータに提示するものとする。ここで、L1 optは生産設備No.1の最適な生産量、L2 optは生産設備No.2の最適な生産量、L3 optは生産設備No.3の最適な生産量である。
20 オペレータ端末
30 プラント
101 最適化部
102 学習部
103 運用実績記憶部
201 入力装置
202 表示装置
203 外部I/F
203a 記録媒体
204 通信I/F
205 プロセッサ
206 メモリ装置
207 バス
Claims (11)
- プラントの運用を支援する運用支援装置であって、
前記プラントの状態を表す外部変数値を用いて、所定の最適化問題の解として前記プラントに対する最適な運用を計算する最適化部と、
前記プラントの過去の運用実績を用いて、前記プラントに対する実際の運用と、前記最適な運用との誤差を最小化するように、前記最適化問題の目的関数を修正する学習部と、
を有し、
前記目的関数には、前記プラントの管理者によって事前に設計された第1の関数であって、前記管理者が最適化を所望する指標値を出力とする第1の関数と、非線形な第2の関数とが含まれ、
前記学習部は、
前記第2の関数が持つパラメータを更新することで、前記目的関数を修正し、
前記プラントの運用中において、前記最適化部による前記最適な運用の計算と、前記学習部による前記目的関数の修正とを逐次的に繰り返す、運用支援装置。 - 前記第1の関数は、前記指標値と前記外部変数値との関係を表す関数である、請求項1に記載の運用支援装置。
- 前記第2の関数は、重みパラメータを持つニューラルネットワークである、請求項1又は2に記載の運用支援装置。
- 前記最適化部は、
前記学習部により目的関数が修正された場合、前記修正後の目的関数が含まれる最適化問題の解として前記最適な運用を計算する、請求項1乃至3の何れか一項に記載の運用支援装置。 - 前記最適化部は、
メタヒューリスティックスにより前記最適な運用を計算する、請求項1乃至4の何れか一項に記載の運用支援装置。 - 前記最適化部は、
更に、計算した前記最適な運用を、前記プラントのオペレータが操作する端末に提示する、請求項1乃至5の何れか一項に記載の運用支援装置。 - 前記第1の関数と前記第2の関数にはそれぞれ所定の係数が乗じられており、
前記最適化部は、
前記係数の値の各々を変化させた上で前記最適な運用を計算することで、複数の最適な運用を前記端末に提示する、請求項6に記載の運用支援装置。 - 前記第1の関数に対して乗じる第1の係数と、前記第2の関数に対して乗じる第2の係数との和は1である、請求項7に記載の運用支援装置。
- 前記目的関数は、前記第1の関数と前記第2の関数との和である、請求項1乃至8の何れか一項に記載の運用支援装置。
- プラントの運用を支援する運用支援装置が、
前記プラントの状態を表す外部変数値を用いて、所定の最適化問題の解として前記プラントに対する最適な運用を計算する最適化手順と、
前記プラントの過去の運用実績を用いて、前記プラントに対する実際の運用と、前記最適な運用との誤差を最小化するように、前記最適化問題の目的関数を修正する学習手順と、
を実行し、
前記目的関数には、前記プラントの管理者によって事前に設計された第1の関数であって、前記管理者が最適化を所望する指標値を出力とする第1の関数と、非線形な第2の関数とが含まれ、
前記学習手順は、
前記第2の関数が持つパラメータを更新することで、前記目的関数を修正し、
前記プラントの運用中において、前記最適化手順による前記最適な運用の計算と、前記学習手順による前記目的関数の修正とを逐次的に繰り返す、運用支援方法。 - プラントの運用を支援する運用支援装置に、
前記プラントの状態を表す外部変数値を用いて、所定の最適化問題の解として前記プラントに対する最適な運用を計算する最適化手順と、
前記プラントの過去の運用実績を用いて、前記プラントに対する実際の運用と、前記最適な運用との誤差を最小化するように、前記最適化問題の目的関数を修正する学習手順と、
を実行させ、
前記目的関数には、前記プラントの管理者によって事前に設計された第1の関数であって、前記管理者が最適化を所望する指標値を出力とする第1の関数と、非線形な第2の関数とが含まれ、
前記学習手順は、
前記第2の関数が持つパラメータを更新することで、前記目的関数を修正し、
前記プラントの運用中において、前記最適化手順による前記最適な運用の計算と、前記学習手順による前記目的関数の修正とを逐次的に繰り返す、プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021068145A JP7060130B1 (ja) | 2021-04-14 | 2021-04-14 | 運用支援装置、運用支援方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021068145A JP7060130B1 (ja) | 2021-04-14 | 2021-04-14 | 運用支援装置、運用支援方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7060130B1 true JP7060130B1 (ja) | 2022-04-26 |
JP2022163293A JP2022163293A (ja) | 2022-10-26 |
Family
ID=81387432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021068145A Active JP7060130B1 (ja) | 2021-04-14 | 2021-04-14 | 運用支援装置、運用支援方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7060130B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023248267A1 (ja) * | 2022-06-20 | 2023-12-28 | 東芝キヤリア株式会社 | 判定装置、判定方法、および判定プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0887303A (ja) * | 1994-09-16 | 1996-04-02 | Toshiba Corp | プラント予測制御装置 |
JP2011248835A (ja) * | 2010-05-31 | 2011-12-08 | Toshiba Corp | プラント状態量の予測方法およびこれを用いたプラント動特性シミュレータ、プラント状態監視装置ならびにプラント予測制御装置 |
-
2021
- 2021-04-14 JP JP2021068145A patent/JP7060130B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0887303A (ja) * | 1994-09-16 | 1996-04-02 | Toshiba Corp | プラント予測制御装置 |
JP2011248835A (ja) * | 2010-05-31 | 2011-12-08 | Toshiba Corp | プラント状態量の予測方法およびこれを用いたプラント動特性シミュレータ、プラント状態監視装置ならびにプラント予測制御装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023248267A1 (ja) * | 2022-06-20 | 2023-12-28 | 東芝キヤリア株式会社 | 判定装置、判定方法、および判定プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022163293A (ja) | 2022-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6856768B2 (ja) | 設計ツールからのデータおよびデジタルツイングラフからの知識を用いた自律生成設計合成システム | |
Schreiber et al. | Application of two promising Reinforcement Learning algorithms for load shifting in a cooling supply system | |
WO2020040763A1 (en) | Real-time production scheduling with deep reinforcement learning and monte carlo tree search | |
JP7206874B2 (ja) | 制御装置、制御方法及びプログラム | |
EP3767560B1 (en) | Future state estimation device and future state estimation method | |
Pereira Jr et al. | On multicriteria decision making under conditions of uncertainty | |
JPWO2015037165A1 (ja) | 情報処理装置、予測制御方法、及び、プログラム | |
US20200050982A1 (en) | Method and System for Predictive Modeling for Dynamically Scheduling Resource Allocation | |
Atiyha et al. | An improved cost estimation for unit commitment using back propagation algorithm | |
JP7060130B1 (ja) | 運用支援装置、運用支援方法及びプログラム | |
McAllister et al. | Rescheduling penalties for economic model predictive control and closed-loop scheduling | |
Ruxue et al. | Load forecasting based on weighted grey relational degree and improved ABC-SVM | |
JP6947029B2 (ja) | 制御装置、それを使用する情報処理装置、制御方法、並びにコンピュータ・プログラム | |
Tan et al. | Performance-based control system design automation via evolutionary computing | |
Long et al. | Assessing lifecycle value using object-based modeling by incorporating excess and changeability | |
CN111695967A (zh) | 一种报价的确定方法、装置、设备及存储介质 | |
CN115629576A (zh) | 非侵入式柔性负荷聚合特性辨识与优化方法、装置及设备 | |
Marchesano et al. | Deep Reinforcement Learning Approach for Maintenance Planning in a Flow-Shop Scheduling Problem | |
JP7505328B2 (ja) | 運転支援装置、運転支援方法及びプログラム | |
Soofifard et al. | A new approach to project risk responses selection with inter-dependent risks | |
JP2020115276A (ja) | 情報処理方法、情報処理装置、プログラム及び学習済みモデルの生成方法 | |
Mayfrank et al. | Task-optimal data-driven surrogate models for eNMPC via differentiable simulation and optimization | |
Yakovenko et al. | STUDY OF DIGITAL TWINS AS THE DRIVING FORCE OF DIGITAL TRANSFORMATION AND ACHIEVING THE GOALS OF SUSTAINABLE DEVELOPMENT. | |
Siddiqui et al. | Machine Learning Driven Digital Twin for Industrial Control Black Box System: A Novel Framework and Case Study | |
KR et al. | Solving a job shop scheduling problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210414 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210414 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210713 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210818 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211217 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220328 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7060130 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |