JP7233964B2 - 運転指標提示装置、運転指標提示方法、およびプログラム - Google Patents

運転指標提示装置、運転指標提示方法、およびプログラム Download PDF

Info

Publication number
JP7233964B2
JP7233964B2 JP2019033276A JP2019033276A JP7233964B2 JP 7233964 B2 JP7233964 B2 JP 7233964B2 JP 2019033276 A JP2019033276 A JP 2019033276A JP 2019033276 A JP2019033276 A JP 2019033276A JP 7233964 B2 JP7233964 B2 JP 7233964B2
Authority
JP
Japan
Prior art keywords
plant
time series
demand
driving
presentation device
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
Application number
JP2019033276A
Other languages
English (en)
Other versions
JP2020140253A (ja
Inventor
一幸 若杉
一貴 吉田
智之 榎本
聡司 小鍛冶
敏昭 田邉
哲平 手島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Heavy Industries Ltd
Original Assignee
Mitsubishi Heavy Industries Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Heavy Industries Ltd filed Critical Mitsubishi Heavy Industries Ltd
Priority to JP2019033276A priority Critical patent/JP7233964B2/ja
Priority to TW109104960A priority patent/TWI757691B/zh
Priority to EP20763762.0A priority patent/EP3913452A4/en
Priority to US17/431,454 priority patent/US20220138654A1/en
Priority to PCT/JP2020/006258 priority patent/WO2020175239A1/ja
Publication of JP2020140253A publication Critical patent/JP2020140253A/ja
Application granted granted Critical
Publication of JP7233964B2 publication Critical patent/JP7233964B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31414—Calculate amount of production energy, waste and toxic release
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32021—Energy management, balance and limit power to tools
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Automation & Control Theory (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Description

本発明は、プラントの運転指標提示装置、運転指標提示方法、およびプログラムに関する。
特許文献１には、工場のコストを最小化するための操業最適化方法が開示されている。
特開２００５－５５９９７号公報
特許文献１に開示された技術によれば、ある時点における操業の最適解を得ることができる。他方、エネルギープラントの操業においては、将来のエネルギーデマンドの変動に応じて最適な操業条件も変化するため、将来のプラントの運転の見通しをしたいというニーズがある。
本発明の目的は、将来のプラントの運転の見通しを行うことができる運転指標提示装置、運転指標提示方法、およびプログラムを提供することにある。
本発明の第１の態様によれば、運転指標提示装置は、エネルギー源の生成量の時系列によって表されるプラントの運転計画値と前記プラントの環境に係る予測値とを入力することで、前記エネルギー源のデマンド値を出力するように学習された学習済みモデルである予測モデルを用いて、所定の予測期間に係るデマンド値の時系列を予測するデマンド予測部と、予測された前記デマンド値の時系列に係るそれぞれの時刻について、複数のデマンド値を満たし、かつ所望の条件を満たすような前記プラントの運転指標を特定することで、前記予測期間に係る運転指標の時系列を特定する最適化部と、前記予測期間に係る運転指標の時系列に係る情報を提示する提示部とを備える。
本発明の第２の態様によれば、第１の態様に係る運転指標提示装置において、前記最適化部は、前記プラントの複数のコンポーネントの挙動を模擬する複数のモデルに基づいて前記運転指標を特定し、前記複数のモデルは、当該モデルが模擬するコンポーネントに係る入力値と出力値との組み合わせに基づいて学習された少なくとも１つの学習済みモデルを含むものであってよい。
本発明の第３の態様によれば、第１または第２の態様に係る運転指標提示装置において、前記プラントは、１つのエネルギー源について、複数の供給手段を有し、前記最適化部は、前記運転指標として、前記複数の供給手段による出力の割合に関する値を特定するものであってよい。
本発明の第４の態様によれば、第１から第３の何れかの態様に係る運転指標提示装置において、前記最適化部は、前記運転指標に基づいて前記プラントにおけるコストが大きいほど、かつ前記プラントにおいて避けるべき運転が多いほど大きい値をとる評価値を算出し、前記評価値が小さくなるように、前記運転指標を特定するものであってよい。
本発明の第５の態様によれば、運転指標提示方法は、エネルギー源の生成量の時系列によって表されるプラントの運転計画値と前記プラントの環境に係る予測値とを入力することで、前記エネルギー源のデマンド値を出力するように学習された学習済みモデルである予測モデルを用いて、所定の予測期間に係るデマンド値の時系列を予測するステップと、予測された前記デマンド値の時系列に係るそれぞれの時刻について、複数のデマンド値を満たし、かつ所望の条件を満たすような前記プラントの運転指標を特定することで、前記予測期間に係る運転指標の時系列を特定するステップと、前記予測期間に係る運転指標の時系列に係る情報を提示するステップとを備える。
本発明の第６の態様によれば、プログラムは、コンピュータに、エネルギー源の生成量の時系列によって表されるプラントの運転計画値と前記プラントの環境に係る予測値とを入力することで、前記エネルギー源のデマンド値を出力するように学習された学習済みモデルである予測モデルを用いて、所定の予測期間に係るデマンド値の時系列を予測するステップと、予測された前記デマンド値の時系列に係るそれぞれの時刻について、複数のデマンド値を満たし、かつ所望の条件を満たすような前記プラントの運転指標を特定することで、前記予測期間に係る運転指標の時系列を特定するステップと、前記予測期間に係る運転指標の時系列に係る情報を提示するステップとを実行させる。
上記態様のうち少なくとも１つの態様によれば、利用者は、運転指標提示装置が提示する情報を認識することで、将来のプラントの運転の見通しを行うことができる。
一実施形態に係る運転指標提示装置の概要を示す図である。 一実施形態に係る運転指標提示装置の構成を示す概略ブロック図である。 一実施形態に係る運転指標提示装置の動作を示すフローチャートである。 少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
以下、図面を参照しながら実施形態について詳しく説明する。
図１は、一実施形態に係る運転指標提示装置の概要を示す図である。
運転指標提示装置１００は、将来の一定期間について、工場等の需要家Ｃによるエネルギー源のデマンドを予測し、当該デマンドを満たすためのプラントＰの運転指標を提示する。エネルギー源は、例えば電気、温水、冷水、蒸気などが挙げられる。以下、デマンドの予測対象となる期間を、予測期間という。
プラントＰは、各エネルギー源について、供給手段を２つ以上備える。例えば、プラントＰは、ガスエンジンによる蒸気生成と、貫流ボイラによる蒸気生成とを蒸気の供給手段とする。
図２は、一実施形態に係る運転指標提示装置の構成を示す概略ブロック図である。
運転指標提示装置１００は、予測モデル記憶部１０１、コンポーネントモデル記憶部１０２、データ取得部１０３、学習部１０４、デマンド予測部１０５、シミュレート部１０６、最適化部１０７、提示部１０８を備える。
予測モデル記憶部１０１は、プラントＰの運転計画値とプラントＰの環境に係る予測値とを入力することで、複数のエネルギー源のデマンド値を出力するように学習された学習済みモデルである予測モデルを記憶する。本実施形態において「学習済みモデル」とは、機械学習モデルと学習済みパラメータの組み合わせである。機械学習モデルとしては、例えばニューラルネットワーク、ベイジアンネットワーク、線形回帰、回帰木などが挙げられる。なお、学習済みモデルの予測値と実績値が乖離してきた場合には、再学習を実施してもよい。これにより、経年劣化等の影響を防止することができる。
コンポーネントモデル記憶部１０２は、プラントＰを構成する複数のコンポーネントそれぞれの挙動を模擬するコンポーネントモデルを記憶する。コンポーネントモデルは、学習済みモデルまたは数理モデルによって構成される。なお、コンポーネントモデル記憶部１０２は、学習済みモデルで構成されたコンポーネントモデルと、コンポーネントの設計情報に基づく数理モデルで構成されたコンポーネントモデルとをそれぞれ少なくとも１つ記憶する。なお、経年劣化等によって性能が変化する可能性のあるコンポーネントは、学習済みモデルによって模擬されることが好ましい。つまり、本実施形態において、プラントＰは、機器構成の一部を物理的にモデリングし、残りを統計的にモデリングしたハイブリッドモデルとして表される。
データ取得部１０３は、需要家のデマンドの予測に用いるデータ、およびモデルの学習に用いるデータを取得する。具体的には、データ取得部１０３は、プラントＰから、運転実績データおよび運転計画データを取得する。運転実績データは、プラントＰの一次エネルギー源の消費量、二次エネルギー源（燃料など）の供給量、コンポーネントの状態、コンポーネントの制御量を含む。運転計画データは、二次エネルギーの生成量の時系列によって表される。また、データ取得部１０３は、需要家Ｃから過去のデマンド実績データおよび環境データを取得する。デマンド実績データは、過去のエネルギーのデマンド値の時系列によって表される。環境データの例としては、工場の室温などが挙げられる。また、データ取得部１０３は、外部サーバから、気象情報や、一次エネルギー源の価格、買電価格などの情報を取得する。気象情報および工場の室温はプラントの環境に係る予測値の一例である。
学習部１０４は、データ取得部１０３が取得したデータに基づいて、予測モデルおよびコンポーネントモデルを学習する。具体的には、学習部１０４は、過去のプラントＰの運転計画データ、気象情報、および工場の室温の値を入力サンプルとし、デマンド実績データを出力サンプルとする学習用データセットを用いて予測モデルを学習する。学習された予測モデルは、予測モデル記憶部１０１に記録される。また、学習部１０４は、運転実績データのうちコンポーネントの入力に係る値を入力サンプルとし、運転実績データのうちコンポーネントの出力に係る値を出力サンプルとする学習用データセットを用いてコンポーネントモデルを学習する。学習されたコンポーネントモデルは、コンポーネントモデル記憶部１０２に記録される。
なお、学習部１０４は、運転指標提示装置１００と別個の装置に設けられてもよい。この場合、別個の装置において学習された学習済みモデルが、予測モデル記憶部１０１およびコンポーネントモデル記憶部１０２に記録されることとなる。
デマンド予測部１０５は、データ取得部１０３が取得した予測期間に係る運転計画データ、気象情報の時系列、および工場の室温の時系列を、予測モデル記憶部１０１が記憶する予測モデルに入力することで、予測期間に係るデマンド値の時系列を予測する。なお、予測期間に係る工場の室温は、例えば過去の工場の室温に基づいて推定された値である。
シミュレート部１０６は、コンポーネントモデル記憶部１０２が記憶する複数のコンポーネントモデルを用いて、プラントの挙動を模擬する。シミュレート部１０６は、一次エネルギー源の供給量およびコンポーネントの制御量に基づいて、複数の二次エネルギー源の生成量を算出する。
最適化部１０７は、シミュレート部１０６の計算結果を用いて、デマンド予測部１０５が予測したデマンド値を満たし、かつコストが最小となるようなプラントＰの運転指標を特定する。具体的には、最適化部１０７は、プラントＰにおけるコストが大きいほど大きい値をとるコスト関数と、プラントＰにおいて避けるべき運転に対して与えられるペナルティ関数との和を評価値として算出する。最適化部１０７は、評価値が小さくなるように、運転指標を特定する。プラントＰのコストの例としては、一次エネルギーの購入コスト、買電コスト、コンポーネントのメンテナンスコストが挙げられる。プラントＰにおいて避けるべき運転の例としては、デマンドを満たさない運転、ＣＯ２やＮＯｘの発生量が多い運転、オーバーロード運転、エンジンの発停頻度の高い運転などが挙げられる。
最適化部１０７は、例えば、動的計画法、貪欲法、最急降下法、遺伝的アルゴリズムなどの最適化手法を用いて評価値が最小となる運転指標を特定する。なお、本実施形態における「最適化」は、近似解を得ることを含む。
提示部１０８は、最適化部１０７によって特定された運転指標の時系列を示す情報を、ディスプレイに表示させる。例えば、提示部１０８は、プラントＰが供給する各エネルギー源について、供給手段別の出力の割合（例えば、エンジン発電機７０％、買電３０％など）の時系列をグラフ表示する。なお、他の実施形態においては、供給手段別の出力に係る数値（例えば、エンジン発電機７００ｋＷ、買電３００ｋＷなど）の時系列を表示してもよい。
次に、運転指標提示装置１００の動作について説明する。なお、以下では、予測モデルおよびコンポーネントモデルの学習が完了しているものとして説明する。
図３は、一実施形態に係る運転指標提示装置の動作を示すフローチャートである。
運転指標提示装置１００のデータ取得部１０３は、利用者から予測期間の入力を受け付ける（ステップＳ１）。データ取得部１０３は、入力された予測期間に係るプラントＰの運転計画、気象情報の時系列、および工場の室温の時系列を取得する（ステップＳ２）。デマンド予測部１０５は、ステップＳ１で取得したデータを、予測モデル記憶部１０１が記憶する予測モデルに入力することで、予測期間に係るデマンド値の時系列を予測する（ステップＳ３）。
最適化部１０７は、予測された時系列に係るデマンド値を１つずつ選択し、各デマンド値について、以下のステップＳ５からステップＳ１１の最適化処理を行う（ステップＳ４）。
最適化部１０７は、乱数に基づいて一次エネルギー源の供給量およびコンポーネントの制御量のシードを生成する（ステップＳ５）。シミュレート部１０６は、生成されたシードに基づいて、コンポーネントモデル記憶部１０２が記憶する複数のコンポーネントモデルを用いて、プラントの挙動を模擬し、二次エネルギー源の生成量を算出する（ステップＳ６）。
最適化部１０７は、生成されたシードと、データ取得部１０３が取得した一次エネルギーの購入コストおよび買電コストに基づいてコスト関数を算出する（ステップＳ７）。また、最適化部１０７は、シミュレート部１０６によって模擬されたプラントＰの挙動および二次エネルギー源の生成量に基づいて、ペナルティ関数を算出する（ステップＳ８）。最適化部１０７は、コスト関数とペナルティ関数とを加算することで評価値を算出する（ステップＳ９）。
最適化部１０７は、評価値に基づいて所定の収束条件を満たすか否かを判定する（ステップＳ１０）。収束条件は、最適化アルゴリズムによって定められる。収束条件を満たさない場合（ステップＳ１０：ＮＯ）、ステップＳ５に戻って再度シードの生成を行う。このとき、最適化部は、最適化アルゴリズムに基づいてシードの生成を行う。他方、収束条件を満たす場合（ステップＳ１０：ＹＥＳ）、最適化部１０７は、評価値が最小となるときのシードに基づいて、運転指標を特定する（ステップＳ１１）。
最適化部１０７が予測期間のすべてのタイミングについて、運転指標を特定すると、提示部１０８は、特定された運転指標の時系列を示す情報を、ディスプレイに表示させる（ステップＳ１２）。
このように、本実施形態によれば、運転指標提示装置１００は、予測モデルを用いて所定の予測期間に係るデマンド値の時系列を予測し、予測されたデマンド値の時系列に係るそれぞれの時刻について運転指標を特定することで、予測期間に係る運転指標の時系列を特定する。これにより、運転指標提示装置１００は、将来のプラントＰの運転の見通しを行うための情報を提示することができる。
また、本実施形態によれば、プラントＰの挙動を模擬するためのコンポーネントモデルと、最適化部１０７とが別個に構成される。これにより、運転指標提示装置１００の設計者または保守者は、コンポーネントモデルの挙動の検証と最適化処理の検証とを切り分けることができる。設計者または保守者は、コンポーネントモデルの検証に、過去の運転データを用いることで、コンポーネントモデルが過去のプラントＰの挙動を正確に模擬できるか否かを検証することができる。
また、本実施形態によれば、プラントＰが各エネルギー源について複数の供給手段を備え、運転指標提示装置１００は、各供給手段の運転に係る運転指標を特定する。これにより、運転指標提示装置１００は、各供給手段の組み合わせ最適化を図った運転指標を特定することができる。
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。他の実施形態においては、上述の処理の順序が適宜変更されてもよい。また、一部の処理が並列に実行されてもよい。
上述した実施形態に係る運転指標提示装置１００は、予測期間の各時刻について、当該時刻における評価値が最小となるように運転指標を算出するが、これに限られない。例えば、他の実施形態に係る運転指標提示装置１００は、予測期間全体の評価値の総和が最小となるように、運転指標の時系列を特定してもよい。
また、上述した実施形態に係る運転指標提示装置１００は、コストを最小化することを条件として最適化計算を行うが、これに限られない。例えば、他の実施形態に係る運転指標提示装置１００は、ＣＯ２排出量の最小化や、工場運営の最適化（プラントＰの運営による収益の最大化）を条件として最適化計算を行ってもよい。この場合、評価値としては、ＣＯ２の排出量が小さいほど小さくなる値を用いてもよいし、プラントＰの収益が大きいほど小さくなる値を用いてもよい。例えば、他の実施形態に係る運転指標提示装置１００が工場運営の最適化を条件とする最適化計算を行う場合、運転指標提示装置１００のデマンド予測部１０５は、予測期間におけるデマンド値に加え、さらに燃料コスト、売電単価、および買電単価の時系列を予測し、収益が最大化するように運転指標を特定する。なお、デマンド値、燃料コスト、売電単価、買電単価は、同一の予測モデルによって予測されてもよいし、それぞれが別個の予測モデルによって予測されてもよい。運転指標には、燃料の購入量および売買する電力量が含まれる。これにより、利用者は、燃料の購入タイミングおよび売電のタイミングを適切に予測することができる。この場合、運転指標提示装置１００は、予測期間全体の評価値の総和が最小となるように、運転指標の時系列を特定することが好ましい。
図４は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９０は、プロセッサ９１、メインメモリ９２、ストレージ９３、インタフェース９４を備える。
上述の運転指標提示装置１００は、コンピュータ９０に実装される。そして、上述した各処理部の動作は、プログラムの形式でストレージ９３に記憶されている。プロセッサ９１は、プログラムをストレージ９３から読み出してメインメモリ９２に展開し、当該プログラムに従って上記処理を実行する。また、プロセッサ９１は、プログラムに従って、上述した各記憶部に対応する記憶領域をメインメモリ９２に確保する。
プログラムは、コンピュータ９０に発揮させる機能の一部を実現するためのものであってもよい。例えば、プログラムは、ストレージ９３に既に記憶されている他のプログラムとの組み合わせ、または他の装置に実装された他のプログラムとの組み合わせによって機能を発揮させるものであってもよい。なお、他の実施形態においては、コンピュータ９０は、上記構成に加えて、または上記構成に代えてＰＬＤ（Programmable Logic Device）などのカスタムＬＳＩ（Large Scale Integrated Circuit）を備えてもよい。ＰＬＤの例としては、ＰＡＬ(Programmable Array Logic)、ＧＡＬ(Generic Array Logic)、ＣＰＬＤ(Complex Programmable Logic Device)、ＦＰＧＡ（Field Programmable Gate Array）が挙げられる。この場合、プロセッサ９１によって実現される機能の一部または全部が当該集積回路によって実現されてよい。
ストレージ９３の例としては、磁気ディスク、光磁気ディスク、光ディスク、半導体メモリ等が挙げられる。ストレージ９３は、コンピュータ９０のバスに直接接続された内部メディアであってもよいし、インタフェース９４または通信回線を介してコンピュータ９０に接続される外部メディアであってもよい。また、このプログラムが通信回線によってコンピュータ９０に配信される場合、配信を受けたコンピュータ９０が当該プログラムをメインメモリ９２に展開し、上記処理を実行してもよい。少なくとも１つの実施形態において、ストレージ９３は、一時的でない有形の記憶媒体である。
また、当該プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、当該プログラムは、前述した機能をストレージ９３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。
１００ 運転指標提示装置
１０１ 予測モデル記憶部
１０２ コンポーネントモデル記憶部
１０３ データ取得部
１０４ 学習部
１０５ デマンド予測部
１０６ シミュレート部
１０７ 最適化部
１０８ 提示部
Ｃ 需要家
Ｐ プラント

Claims (8)

  1. エネルギー源の生成量の時系列によって表されるプラントの運転計画値と前記プラントの環境に係る予測値とを入力することで、前記エネルギー源のデマンド値を出力するように学習された学習済みモデルである予測モデルを用いて、所定の予測期間に係るデマンド値の時系列を予測するデマンド予測部と、
    予測された前記デマンド値の時系列に係るそれぞれの時刻について、複数のデマンド値を満たし、かつ所望の条件を満たすような前記プラントの運転指標を特定することで、前記予測期間に係る運転指標の時系列を特定する最適化部と、
    前記予測期間に係る運転指標の時系列に係る情報を提示する提示部と
    を備える運転指標提示装置。
  2. 前記最適化部は、前記プラントの複数のコンポーネントの挙動を模擬する複数のモデルに基づいて前記運転指標を特定し、
    前記複数のモデルは、当該モデルが模擬するコンポーネントに係る入力値と出力値との組み合わせに基づいて学習された少なくとも１つの学習済みモデルを含む
    請求項１に記載の運転指標提示装置。
  3. 前記複数のモデルは、当該モデルが模擬するコンポーネントに係る設計情報に基づく少なくとも１つの数理モデルをさらに含む
    請求項２に記載の運転指標提示装置。
  4. 前記プラントは、複数種類のエネルギー源を供給し、
    前記プラントは、各エネルギー源について、それぞれ複数の供給手段を有し、
    前記提示部は、前記運転指標の時系列に係る情報として、前記複数の供給手段による出力の数値または割合に関する値の時系列を提示する
    請求項１から請求項３の何れか１項に記載の運転指標提示装置。
  5. 前記最適化部は、前記運転指標に基づいて前記プラントにおけるコストが大きいほど、かつ前記プラントにおいて避けるべき運転が多いほど大きい値をとる評価値を算出し、前記評価値が小さくなるように、前記運転指標を特定する
    請求項１から請求項４の何れか１項に記載の運転指標提示装置。
  6. 前記所望の条件は、前記プラントの運営による収益の最大化を含む
    請求項１から請求項５の何れか１項に記載の運転指標提示装置。
  7. エネルギー源の生成量の時系列によって表されるプラントの運転計画値と前記プラントの環境に係る予測値とを入力することで、前記エネルギー源のデマンド値を出力するように学習された学習済みモデルである予測モデルを用いて、所定の予測期間に係るデマンド値の時系列を予測するステップと、
    予測された前記デマンド値の時系列に係るそれぞれの時刻について、複数のデマンド値を満たし、かつ所望の条件を満たすような前記プラントの運転指標を特定することで、前記予測期間に係る運転指標の時系列を特定するステップと、
    前記予測期間に係る運転指標の時系列に係る情報を提示するステップと
    を備える運転指標提示方法。
  8. コンピュータに、
    エネルギー源の生成量の時系列によって表されるプラントの運転計画値と前記プラントの環境に係る予測値とを入力することで、前記エネルギー源のデマンド値を出力するように学習された学習済みモデルである予測モデルを用いて、所定の予測期間に係るデマンド値の時系列を予測するステップと、
    予測された前記デマンド値の時系列に係るそれぞれの時刻について、複数のデマンド値を満たし、かつ所望の条件を満たすような前記プラントの運転指標を特定することで、前記予測期間に係る運転指標の時系列を特定するステップと、
    前記予測期間に係る運転指標の時系列に係る情報を提示するステップと
    を実行させるためのプログラム。
JP2019033276A 2019-02-26 2019-02-26 運転指標提示装置、運転指標提示方法、およびプログラム Active JP7233964B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2019033276A JP7233964B2 (ja) 2019-02-26 2019-02-26 運転指標提示装置、運転指標提示方法、およびプログラム
TW109104960A TWI757691B (zh) 2019-02-26 2020-02-17 運轉指標提示裝置、運轉指標提示方法及程式
EP20763762.0A EP3913452A4 (en) 2019-02-26 2020-02-18 PERFORMANCE INDEX PRESENTATION DEVICE AND METHOD, AND PROGRAM
US17/431,454 US20220138654A1 (en) 2019-02-26 2020-02-18 Operating index presenting device, operating index presenting method, and program
PCT/JP2020/006258 WO2020175239A1 (ja) 2019-02-26 2020-02-18 運転指標提示装置、運転指標提示方法、およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019033276A JP7233964B2 (ja) 2019-02-26 2019-02-26 運転指標提示装置、運転指標提示方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP2020140253A JP2020140253A (ja) 2020-09-03
JP7233964B2 true JP7233964B2 (ja) 2023-03-07

Family

ID=72239902

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019033276A Active JP7233964B2 (ja) 2019-02-26 2019-02-26 運転指標提示装置、運転指標提示方法、およびプログラム

Country Status (5)

Country Link
US (1) US20220138654A1 (ja)
EP (1) EP3913452A4 (ja)
JP (1) JP7233964B2 (ja)
TW (1) TWI757691B (ja)
WO (1) WO2020175239A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7081728B1 (ja) 2022-01-20 2022-06-07 富士電機株式会社 運転支援装置、運転支援方法及びプログラム
JP2023107636A (ja) * 2022-01-24 2023-08-03 エヌ・ティ・ティ・コミュニケーションズ株式会社 生産支援装置、方法およびプログラム
JP7501561B2 (ja) 2022-03-30 2024-06-18 横河電機株式会社 プラントシステム、プラント制御方法及びプラント制御プログラム
JP7384265B1 (ja) * 2022-12-01 2023-11-21 富士電機株式会社 運転支援装置、運転支援方法及びプログラム
CN118642453B (zh) * 2024-08-16 2024-10-18 武威恒大牧业服务有限公司 一种饲料生产线智能调度控制方法、系统、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001211696A (ja) 2000-01-26 2001-08-03 Ishikawajima Harima Heavy Ind Co Ltd コジェネプラントの運転方法及びその装置
JP2011013954A (ja) 2009-07-02 2011-01-20 Yokogawa Electric Corp プラント最適運転計画装置
JP2018092511A (ja) 2016-12-07 2018-06-14 三菱重工業株式会社 運用支援装置、機器運用システム、運用方法、制御方法及びプログラム

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3994910B2 (ja) * 2003-05-08 2007-10-24 株式会社日立製作所 電力売買支援システム
JP4340104B2 (ja) 2003-08-07 2009-10-07 新日本製鐵株式会社 鉄鋼生産工場の操業最適化方法
GB2442760A (en) * 2006-10-13 2008-04-16 Responsiveload Ltd Optimisation of use or provision of a resource or service
US8872379B2 (en) * 2007-11-30 2014-10-28 Johnson Controls Technology Company Efficient usage, storage, and sharing of energy in buildings, vehicles, and equipment
US8260469B2 (en) * 2008-11-04 2012-09-04 Green Energy Corporation Distributed hybrid renewable energy power plant and methods, systems, and comptuer readable media for controlling a distributed hybrid renewable energy power plant
AU2010204729A1 (en) * 2009-01-14 2011-09-01 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
US20110231320A1 (en) * 2009-12-22 2011-09-22 Irving Gary W Energy management systems and methods
US8617920B2 (en) 2010-02-12 2013-12-31 Semiconductor Energy Laboratory Co., Ltd. Semiconductor device and manufacturing method thereof
EP2541716A1 (en) * 2010-02-25 2013-01-02 Panasonic Corporation Demand and supply control apparatus, demand and supply control method, and program
US8880202B2 (en) * 2010-07-09 2014-11-04 Emerson Process Management Power & Water Solutions, Inc. Optimization system using an iteratively coupled expert engine
JP2012034444A (ja) * 2010-07-28 2012-02-16 Toshiba Corp 電力需給計画装置及びその方法
WO2012154182A1 (en) * 2011-05-12 2012-11-15 Air Products And Chemicals, Inc. Methods for improved production and distribution
US20140285010A1 (en) * 2011-05-24 2014-09-25 D. Kevin CAMERON System and method for integrating and managing demand/response between alternative energy sources, grid power, and loads
US9588506B1 (en) * 2011-10-10 2017-03-07 Autani, Llc Automation devices, systems, architectures, and methods for energy management and other applications
CN104956387A (zh) * 2012-08-21 2015-09-30 大宇信息系统股份有限公司 通过能源管理对象建模的能源管理方法
JP5998081B2 (ja) * 2013-03-08 2016-09-28 株式会社日立製作所 電力需要調整システム及び需要調整実行システム
WO2014141435A1 (ja) * 2013-03-14 2014-09-18 株式会社日立製作所 業務計画調整システムおよび業務計画調整方法
US10566792B2 (en) * 2013-06-12 2020-02-18 Applied Hybrid Energy Pty Ltd Electrical power control method and system
US9564757B2 (en) * 2013-07-08 2017-02-07 Eaton Corporation Method and apparatus for optimizing a hybrid power system with respect to long-term characteristics by online optimization, and real-time forecasts, prediction or processing
US9404426B2 (en) * 2013-12-31 2016-08-02 General Electric Company Methods and systems for enhancing control of power plant generating units
JP6067865B2 (ja) * 2014-04-01 2017-01-25 株式会社東芝 監視装置、制御装置及び制御システム
US10088184B2 (en) * 2014-04-11 2018-10-02 Nec Corporation Environment control system
CN104950720B (zh) * 2015-06-16 2018-07-20 天津大学 基于气象预报将需求响应和舒适度反馈结合的供能系统
US20170091615A1 (en) * 2015-09-28 2017-03-30 Siemens Aktiengesellschaft System and method for predicting power plant operational parameters utilizing artificial neural network deep learning methodologies
US10241528B1 (en) * 2015-12-01 2019-03-26 Energyhub, Inc. Demand response technology utilizing a simulation engine to perform thermostat-based demand response simulations
CN105375479B (zh) * 2015-12-14 2017-11-17 东南大学 一种基于模型预测控制的分布式能源能量管理方法
CN105574680A (zh) * 2015-12-27 2016-05-11 乌鲁木齐三力元生产力促进中心有限公司 一种企业竞争能力诊断的方法及系统
JP6685949B2 (ja) * 2017-02-10 2020-04-22 株式会社東芝 運転計画作成装置、運転計画作成方法およびプログラム
CN108009667A (zh) * 2017-07-19 2018-05-08 国家电网公司西南分部 一种能源需求总量及结构预测系统
US20190086882A1 (en) * 2017-09-18 2019-03-21 Ecofactor, Inc. Message-based demand response systems and methods
US20190086106A1 (en) * 2017-09-18 2019-03-21 Ecofactor, Inc. Systems and methods for fan delay-based variable thermostat settings
US10459412B2 (en) * 2017-09-27 2019-10-29 Ademco Inc. Convergence structure for control and data analytics systems
EP3703221A4 (en) * 2017-10-23 2021-06-16 Sumitomo Electric Industries, Ltd. ENERGY MANAGEMENT DEVICE, ENERGY MANAGEMENT SYSTEM, AND ENERGY MANAGEMENT PROCESS
US11361392B2 (en) * 2018-11-01 2022-06-14 Battelle Memorial Institute Flexible allocation of energy storage in power grids

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001211696A (ja) 2000-01-26 2001-08-03 Ishikawajima Harima Heavy Ind Co Ltd コジェネプラントの運転方法及びその装置
JP2011013954A (ja) 2009-07-02 2011-01-20 Yokogawa Electric Corp プラント最適運転計画装置
JP2018092511A (ja) 2016-12-07 2018-06-14 三菱重工業株式会社 運用支援装置、機器運用システム、運用方法、制御方法及びプログラム

Also Published As

Publication number Publication date
WO2020175239A1 (ja) 2020-09-03
US20220138654A1 (en) 2022-05-05
EP3913452A4 (en) 2022-03-16
JP2020140253A (ja) 2020-09-03
TWI757691B (zh) 2022-03-11
TW202102958A (zh) 2021-01-16
EP3913452A1 (en) 2021-11-24

Similar Documents

Publication Publication Date Title
JP7233964B2 (ja) 運転指標提示装置、運転指標提示方法、およびプログラム
Bello et al. Medium-term probabilistic forecasting of electricity prices: A hybrid approach
Hong et al. Probabilistic electric load forecasting: A tutorial review
Gonzalez et al. Forecasting power prices using a hybrid fundamental-econometric model
EP3260934A2 (en) Methods and systems for enhancing operation of power plant generating units
EP3026510B1 (en) Methods and systems for enhancing control of power plant generating units
TWI234724B (en) Calculating price elasticity
US20160258363A1 (en) Methods and systems for enhancing control of power plant generating units
US12040614B2 (en) Method of operating a power distribution system
Hawkes et al. Fuel cell micro-CHP techno-economics: Part 1–model concept and formulation
Zhang et al. Cost-oriented load forecasting
JP7099805B2 (ja) 予測装置、予測システム、予測方法及びプログラム
Taccari et al. Short-term planning of cogeneration power plants: a comparison between MINLP and piecewise-linear MILP formulations
Nojavan et al. Information gap decision theory-based risk-constrained bidding strategy of price-taker GenCo in joint energy and reserve markets
Soares et al. A deterministic bounding algorithm vs. a hybrid meta-heuristic to deal with a bilevel mixed-integer nonlinear optimization model for electricity dynamic pricing
JP2016148945A (ja) 電力取引支援システム、電力取引支援方法及びプログラム
KR970004105B1 (ko) 계량 경제 모델 시뮬레이션 시스템
JP2008059125A (ja) 電気事業損益分析システム、方法、およびプログラム
JP7487704B2 (ja) 評価装置、評価方法、評価プログラム、制御装置、および、制御プログラム
WO2024043881A1 (en) Large-scale battery energy storage system siting and sizing for participation in wholesale energy market using hyperparameter optimization
CN109558982B (zh) 一种火电厂取水量预测方法以及装置
KR101983808B1 (ko) 송전손실계수 제공 방법 및 그 장치
Sun et al. Hybrid evolutionary algorithm for integrated supply chain network design with assembly line balancing
Levin et al. Modeling the impact of stochastic outages for electricity infrastructure development
JP2018013934A (ja) 電力価格予測装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210917

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220726

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220926

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: 20230207

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230222

R150 Certificate of patent or registration of utility model

Ref document number: 7233964

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150