JP7238279B2 - 機械学習装置及び燃焼状態判定装置 - Google Patents
機械学習装置及び燃焼状態判定装置 Download PDFInfo
- Publication number
- JP7238279B2 JP7238279B2 JP2018119168A JP2018119168A JP7238279B2 JP 7238279 B2 JP7238279 B2 JP 7238279B2 JP 2018119168 A JP2018119168 A JP 2018119168A JP 2018119168 A JP2018119168 A JP 2018119168A JP 7238279 B2 JP7238279 B2 JP 7238279B2
- Authority
- JP
- Japan
- Prior art keywords
- coal
- combustion state
- burner
- machine learning
- combustion
- 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
- Feeding And Controlling Fuel (AREA)
- Regulation And Control Of Combustion (AREA)
Description
本発明は、機械学習装置及び燃焼状態判定装置に関する。
現状、火力発電所の燃焼炉内に設置されているバーナの燃焼状態を確認するために、作業者が感覚的に燃焼状態を判断するという方法が用いられている。この方法では、判断基準が感覚的なものであり、作業者ごとに判断内容が異なる可能性があった。
この解決手法として、特許文献１は、自走式検査装置により、バーナの燃焼火炎の発光スペクトル及び定量的情報を収集し、それを基に、燃焼状態の健全性を判定する技術を開示している。また、特許文献２は、監視カメラにより監視対象物を撮影して原画像として取り込み、正常時の基準画像を用いることなく、多種多様な外乱や、あいまいな情報を含む原画像から異常判断を行う方法及び装置を開示している。
しかし、特許文献１に係る技術においては、数値により火炎の健全性を把握することができるものの、熟練作業者が目視で健全性を判断する際には、例えば火炎の揺らぎ具合に関して、数値には表れない経験による感覚的な判断をしており、このような感覚的な判断を反映することができなかった。
また、特許文献２に係る技術においては、正常時の基準画像を用いることがないため、ある現場において火炎の燃焼状態が定常的に健全でなかった場合には、健全でない燃焼状態を正常であると判断する可能性がある。
そこで、本発明は、火力発電システムに備わるボイラ内のバーナの燃焼に関する、熟練作業者の感覚的な経験知に基づいて、従来技術よりも正確にバーナの燃焼状態を判定することが可能な学習モデルを構築する機械学習装置を提供することを目的とする。
（１） 本発明に係る機械学習装置は、火力発電システムに備わるボイラ内のバーナの燃焼状態を判定するための学習モデルを構築する機械学習装置であって、前記バーナの火炎の映像から、前記火炎の特徴量を抽出する特徴量抽出手段と、前記火炎の映像の取得時点から事前に設定された期間における、前記燃焼状態を調整する作業者の作業内容をラベルとして取得するラベル取得手段と、前記特徴量と前記ラベルとの組を教師データとして教師あり学習を行うことにより、前記燃焼状態の判定を行う学習モデルを構築する学習手段と、を備える。
（２） （１）に記載の機械学習装置において、前記火炎の映像は、前記火炎のサーモグラフィ映像であってよい。
（３） （１）又は（２）に記載の機械学習装置において、前記火力発電システムは、前記バーナでの燃焼に用いられる石炭を貯留するサイロと、前記サイロに貯留された前記石炭を粉砕前に一時貯蔵する石炭バンカと、前記石炭バンカに貯蔵された石炭を微粉炭に粉砕する微粉炭機と、前記石炭バンカから前記微粉炭機に前記石炭を供給する給炭機と、前記ボイラの出口付近に設置され、前記ボイラの給水を予熱する節炭器と、前記微粉炭機を通じて前記バーナに燃焼用空気を供給する空気供給機と、前記バーナに導入される燃焼用空気の温度を調整する温度調整器とを備え、前記作業内容は、前記作業者による、前記給炭機、前記節炭器、前記温度調整器のいずれか１以上の制御に係る作業内容であってよい。
（４） 本発明に係る燃焼状態判定装置は、（１）～（３）の機械学習装置で構築した前記学習モデルを用いた燃焼状態判定装置であって、前記バーナの火炎の映像を取得する映像取得部と、前記映像から特徴量を抽出し、前記特徴量と前記学習モデルとに基づいて、前記燃焼状態の判定を行う判定部と、前記判定に基づいて、前記燃焼が異常状態にある場合には警報を発報する警報部と、を備える。
（５） 本発明に係る燃焼状態判定装置は、（３）の機械学習装置で構築した前記学習モデルを用いた燃焼状態調整装置であって、前記バーナの火炎の映像を取得する映像取得部と、前記映像から特徴量を抽出し、前記特徴量と前記学習モデルとに基づいて、前記燃焼状態の判定を行う判定部と、前記判定に基づいて、前記燃焼が異常状態にある場合には、前記給炭機、前記節炭器、前記温度調整器のうち、いずれか１以上の装置の制御の必要性と共に、警報を発報する警報部と、を備える。
（６） 本発明に係る機械学習装置は、火力発電システムに備わるボイラ内のバーナの燃焼状態に応じて、前記火力発電システムの制御装置での制御における調整量を算出するための学習モデルを構築する機械学習装置であって、前記バーナの火炎の映像から、前記火炎の特徴量を抽出する特徴量抽出手段と、前記火炎の映像の取得時点から事前に設定された期間における、前記燃焼状態を調整する作業者の作業内容をラベルとして取得するラベル取得手段と、前記特徴量と前記ラベルとの組を教師データとして教師あり学習を行うことにより、前記特徴量に応じた前記調整量を推定する学習モデルを構築する学習手段と、を備える。
本発明によれば、火力発電システムに備わるボイラ内のバーナの燃焼に関する、熟練作業者の感覚的な経験知に基づいて、従来技術よりも正確にバーナの燃焼状態を判定することが可能となる。
〔１ 第１実施形態〕
以下、本発明の第１実施形態について、図１～図７を参照することにより説明する。第１実施形態に係る燃焼状態調整システムは、バーナの燃焼状態が正常状態か異常状態か判定し、異常状態である場合には警報を発するものである。
以下、本発明の第１実施形態について、図１～図７を参照することにより説明する。第１実施形態に係る燃焼状態調整システムは、バーナの燃焼状態が正常状態か異常状態か判定し、異常状態である場合には警報を発するものである。
〔１．１ 全体構成〕
図１は、第１実施形態に係る燃焼状態調整システム１の全体構成を示す。燃焼状態調整システム１は、図１に示すように、機械学習装置１０、燃焼状態判定装置２０、制御装置３０、火力発電システム３５、及びネットワーク４０を備える。
機械学習装置１０は、火力発電システム３５に備わるボイラ内のバーナの燃焼状態を判定するための学習モデルを構築する装置である。
燃焼状態判定装置２０は、機械学習装置１０により構築された学習モデルを用いて、火力発電システム３５に備わるボイラ内のバーナの燃焼状態を判定する。
制御装置３０は、火力発電システム３５を制御するための装置であり、本実施形態においては、とりわけ、火力発電システム３５に備わる、コンベア、微粉炭機、空気供給機を制御する装置である。
火力発電システム３５は、公知技術によって火力発電を実施することが可能な発電システムである。
図１は、第１実施形態に係る燃焼状態調整システム１の全体構成を示す。燃焼状態調整システム１は、図１に示すように、機械学習装置１０、燃焼状態判定装置２０、制御装置３０、火力発電システム３５、及びネットワーク４０を備える。
機械学習装置１０は、火力発電システム３５に備わるボイラ内のバーナの燃焼状態を判定するための学習モデルを構築する装置である。
燃焼状態判定装置２０は、機械学習装置１０により構築された学習モデルを用いて、火力発電システム３５に備わるボイラ内のバーナの燃焼状態を判定する。
制御装置３０は、火力発電システム３５を制御するための装置であり、本実施形態においては、とりわけ、火力発電システム３５に備わる、コンベア、微粉炭機、空気供給機を制御する装置である。
火力発電システム３５は、公知技術によって火力発電を実施することが可能な発電システムである。
なお、機械学習装置１０、燃焼状態判定装置２０、及び制御装置３０は、ネットワーク４０を介して互いに通信することが可能であるが、ネットワーク４０を介さず直接通信してもよい。また、燃焼状態判定装置２０と制御装置３０とは、一体化されていてもよい。また、図１においては、燃焼状態調整システム１は、機械学習装置１０、燃焼状態判定装置２０、制御装置３０及び火力発電システム３５を１台ずつ備える態様が記載されているが、各々が複数台備わっていてもよく、例えば、１台の制御装置３０で複数台の火力発電システム３５を制御したり、１台の燃焼状態判定装置２０で複数台の火力発電システム３５における燃焼状態を判定したりしてもよい。
〔１．２ 火力発電システム〕
図２は、火力発電システム３５を示す概略構成例である。
火力発電システム３５は、図２に示す各構成要素のほか、不図示の蒸気タービン、発電機等を備える。後述する微粉炭燃焼部３８において、微粉炭の燃焼時に発生した熱は、蒸気に変換される。この蒸気により蒸気タービンが回されることにより、発電機で発電が行われる。微粉炭燃焼部３８において、微粉炭の燃焼時に発生する窒素酸化物（ＮＯｘ）、煤塵、硫黄酸化物（ＳＯｘ）等は、後段の脱硝装置３９１、集塵機３９２及び脱硫装置（不図示）で除去され、煙突から排出される。
図２は、火力発電システム３５を示す概略構成例である。
火力発電システム３５は、図２に示す各構成要素のほか、不図示の蒸気タービン、発電機等を備える。後述する微粉炭燃焼部３８において、微粉炭の燃焼時に発生した熱は、蒸気に変換される。この蒸気により蒸気タービンが回されることにより、発電機で発電が行われる。微粉炭燃焼部３８において、微粉炭の燃焼時に発生する窒素酸化物（ＮＯｘ）、煤塵、硫黄酸化物（ＳＯｘ）等は、後段の脱硝装置３９１、集塵機３９２及び脱硫装置（不図示）で除去され、煙突から排出される。
図２に示すように、火力発電システム３５は、石炭供給部３６と、微粉炭生成部３７と、微粉炭燃焼部（燃焼ボイラ）３８と、石炭灰処理部３９を備える。
石炭供給部３６は、微粉炭生成部３７へ石炭を供給する。微粉炭生成部３７は、石炭供給部３６から供給された石炭を微粉炭にする。微粉炭燃焼部３８は、微粉炭を燃焼させる。石炭灰処理部３９は、微粉炭の燃焼により生成された石炭灰を処理する。
〔１．２．１ 石炭供給部〕
石炭供給部３６は、サイロ３６１と、コンベア３６２と、石炭バンカ３６３と、給炭機３６４とを備える。サイロ３６１は、微粉炭燃焼部３８での燃焼に用いられる微粉炭の原料となる石炭を貯留する。コンベア３６２は、サイロ３６１から石炭バンカ３６３に石炭を搬送する。石炭バンカ３６３は、給炭機３６４へ供給する石炭を貯蔵する。給炭機３６４は、石炭バンカ３６３から供給された石炭を連続して微粉炭機３７１（後述）へ供給する。給炭機３６４は、石炭の供給量を調整する装置（不図示）を備える。給炭機３６４は、微粉炭機３７１に供給される石炭の炭種と石炭量を調整できる。また、石炭供給部３６は、石炭バンカ３６３と給炭機３６４との境界に石炭ゲート（不図示）を備える。この石炭ゲートは、給炭機３６４からの空気が石炭バンカ３６３へ流入することを防止する。
石炭供給部３６は、サイロ３６１と、コンベア３６２と、石炭バンカ３６３と、給炭機３６４とを備える。サイロ３６１は、微粉炭燃焼部３８での燃焼に用いられる微粉炭の原料となる石炭を貯留する。コンベア３６２は、サイロ３６１から石炭バンカ３６３に石炭を搬送する。石炭バンカ３６３は、給炭機３６４へ供給する石炭を貯蔵する。給炭機３６４は、石炭バンカ３６３から供給された石炭を連続して微粉炭機３７１（後述）へ供給する。給炭機３６４は、石炭の供給量を調整する装置（不図示）を備える。給炭機３６４は、微粉炭機３７１に供給される石炭の炭種と石炭量を調整できる。また、石炭供給部３６は、石炭バンカ３６３と給炭機３６４との境界に石炭ゲート（不図示）を備える。この石炭ゲートは、給炭機３６４からの空気が石炭バンカ３６３へ流入することを防止する。
〔１．２．２ 微粉炭生成部〕
微粉炭生成部３７は、微粉炭機（ミル）３７１と、微粉炭機３７１に空気を供給する空気供給機３７２とを備える。
微粉炭生成部３７は、微粉炭機（ミル）３７１と、微粉炭機３７１に空気を供給する空気供給機３７２とを備える。
微粉炭機３７１は、給炭機３６４から給炭管を介して供給された石炭を、微細な粒度に粉砕して微粉炭を製造する。また、微粉炭機３７１は、微粉炭と、空気供給機３７２から供給された空気とを混合する。微粉炭は、空気との混合により、予熱及び乾燥されるため、火炉３８１（後述）において容易に燃焼する。微粉炭は、エアーの吹き付けにより、微粉炭燃焼部３８へ供給される。
微粉炭機３７１の種類としては、ローラミル、チューブミル、ボールミル、ビータミル、インペラーミル等が挙げられるが、これらに限定されるものではなく微粉炭燃焼で用いられるミルであればよい。
〔１．２．３ 微粉炭燃焼部〕
微粉炭燃焼部３８は、火炉３８１と、加熱機３８２（熱交換ユニット）と、空気供給機３８３と、を備える。
微粉炭燃焼部３８は、火炉３８１と、加熱機３８２（熱交換ユニット）と、空気供給機３８３と、を備える。
火炉３８１は、微粉炭機３７１から供給された微粉炭を、空気供給機３７２から供給された空気及び排ガスと共に燃焼させる。加熱機３８２（熱交換ユニット）は、火炉３８１に送られる空気と排ガスとの間で熱交換を行い、空気を予熱する。空気供給機３８３は、火炉１６１に燃焼用空気（一次空気及び二次空気）を供給する。
微粉炭燃焼部３８は、後述するように、微粉炭を完全燃焼させるのに必要な空気を、バーナ５６１とバーナの上部に設けられた空気供給口５６２の２箇所に分けて供給する、いわゆる二段燃焼方式で構成されている。バーナ５６１には、微粉炭が、一次空気と共に供給される。空気供給口５６２には、二次空気が供給される。なお、バーナ５６１に供給される燃焼用空気としての一次空気は、空気供給機３７２から微粉炭機３７１を通じてバーナ５６１に供給されるものである。
火炉３８１において微粉炭を燃焼させると、石炭灰が生成される。また、石炭灰と共に、二酸化硫黄（ＳＯ２）、三酸化硫黄（ＳＯ３）等の硫黄酸化物（ＳＯｘ）及び窒素酸化物（ＮＯｘ）等の排ガスが発生する。これら石炭灰及び排ガスは、石炭灰処理部３９に排出される。
〔１．２．４ 石炭灰処理部〕
石炭灰処理部３９は、脱硝装置３９１と、集塵機３９２と、石炭灰回収サイロ３９３と、を備える。
石炭灰処理部３９は、脱硝装置３９１と、集塵機３９２と、石炭灰回収サイロ３９３と、を備える。
脱硝装置３９１は、微粉炭燃焼部３８から排出された排ガス中の窒素酸化物を除去する。脱硝装置３９１としては、比較的高温（３００～４００℃）の排ガス中に還元剤としてアンモニアガスを注入し、脱硝触媒との作用により排ガス中の窒素酸化物を無害な窒素と水蒸気に分解する、いわゆる乾式アンモニア接触還元法が好適に用いられる。
集塵機３９２は、排ガス中の石炭灰（煤塵）を電極で収集する。集塵機３９２は、複数段設けられていることが好ましい。集塵機３９２により捕集された石炭灰は、石炭灰回収サイロ３９３において一時貯蔵される。石炭灰が除去された排ガスは、脱硫装置（不図示）で硫黄酸化物が除去された後、煙突から排出される。
石炭灰回収サイロ３９３は、集塵機３９２により捕集された石炭灰を一時貯蔵する。
石炭灰回収サイロ３９３は、集塵機３９２により捕集された石炭灰を一時貯蔵する。
〔１．２．５ バーナ〕
図３は、微粉炭燃焼部３８における火炉３８１とその周辺の構成例を示す図である。
図３に示すように、火炉３８１の下方には、バーナ５６１が設けられている。バーナ５６１には、微粉炭機３７１（図２参照）から供給された微粉炭５００、空気供給機３７２から微粉炭機３７１を介して供給された一次空気５０１が供給される。なお、一次空気５０１は、温度調整器６２５によって温度が調整された後、バーナ５６１に供給される。微粉炭５００は、火炉３８１において、主にバーナゾーン３８１ａで燃焼する。
図３は、微粉炭燃焼部３８における火炉３８１とその周辺の構成例を示す図である。
図３に示すように、火炉３８１の下方には、バーナ５６１が設けられている。バーナ５６１には、微粉炭機３７１（図２参照）から供給された微粉炭５００、空気供給機３７２から微粉炭機３７１を介して供給された一次空気５０１が供給される。なお、一次空気５０１は、温度調整器６２５によって温度が調整された後、バーナ５６１に供給される。微粉炭５００は、火炉３８１において、主にバーナゾーン３８１ａで燃焼する。
バーナ５６１の上部には、空気供給口５６２が設けられている。空気供給口５６２には、空気供給機３８３から供給された二次空気５０２が供給される。空気供給口５６２から二次空気５０２を供給することにより、バーナゾーン３８１ａ付近で未燃焼であった微粉炭の燃焼反応が促進され、微粉炭を完全燃焼させることができる。火炉３８１において、微粉炭の燃焼により生じた排ガス５０３（燃焼ガス）は、石炭灰と共に火炉出口３８１ｂから後段の脱硝装置３９１（石炭灰処理部３９）へ排出される。上述のように、排出された排ガス５０３の一部は再循環され、火炉下部３８１ｃに供給される。
また、火炉３８１には、火炉出口３８１ｂ付近に節炭器（エコノマイザ）３８５が設けられる。節炭器３８５は、熱効率の向上等のため、燃焼ガスが保有する熱を利用して微粉炭燃焼部（燃焼ボイラ）３８の給水を予熱する。
なお、図示していないが、火炉３８１において、バーナ５６１の上部付近には、過熱器、再熱器等の熱交換ユニットが設けられている。
微粉炭燃焼部３８は、図３に示すように、排ガス５０３の一部を再循環させて火炉下部３８１ｃに供給するための設備として、ガス再循環通風機５６３と、集塵機３９２と、排ガス通路６００と、を備える。
ガス再循環通風機５６３は、火炉出口３８１ｂから排出された排ガス５０３の一部を取り込み、火炉下部３８１ｃに送り込む送風ファンである。
集塵機３９２は、排ガス５０３に含まれる石炭灰（煤塵）を収集する装置である。集塵機３９２として、例えば、機械式の集塵機を用いることができる。
集塵機３９２は、排ガス５０３に含まれる石炭灰（煤塵）を収集する装置である。集塵機３９２として、例えば、機械式の集塵機を用いることができる。
排ガス通路６００は、火炉出口３８１ｂから排出された排ガス５０３の一部を火炉下部３８１ｃに導くための送風ダクトである。排ガス通路６００は、第１排ガス通路６１０と、第２排ガス通路６２０と、を備える。
第１排ガス通路６１０は、排ガス５０３を火炉出口３８１ｂ側から取り出す通路である。第１排ガス通路６１０には、ガス再循環通風機５６３及び集塵機３９２が接続されている。第１排ガス通路６１０の上流側の端部は、火炉出口３８１ｂ側に接続されている。第１排ガス通路６１０の下流側の端部は、集塵機３９２の排ガス入口側に接続されている。
第２排ガス通路６２０は、排ガス５０３を火炉下部３８１ｃに導く通路である。第２排ガス通路６２０の上流側の端部は、集塵機３９２の排ガス出口側に接続されている。第２排ガス通路６２０の下流側の端部は、火炉下部３８１ｃの排ガス導入部（不図示）に接続されている。
なお、排ガス通路６００において、第２排ガス通路６２０の途中に、排ガス５０３を下流側に押し込む送風ファンを設けてもよい。
図３に示すように、火炉出口３８１ｂ側から取り出された排ガス５０３の一部は、第１排ガス通路６１０によりガス再循環通風機５６３を通じて集塵機３９２に導かれる。そして、排ガス５０３は、集塵機３９２の排ガス出口側で第２排ガス通路６２０により、火炉下部３８１ｃにそれぞれ導かれる。
なお、図２に示す構成例は、火力発電システム３５の構成のあくまで一例であって、これには限定されない。同様に、図３に示す構成例は、火炉３８１とその周辺の構成のあくまで一例であって、これには限定されない。
バーナ５６１における燃焼状態は、一次空気５０１の空気量、二次空気５０２の空気量、微粉炭機３７１内の篩やローラの回転数等が自動制御されることにより調整されるが、これらに加えて、後述のように、作業者が、給炭機３６４で給炭する石炭の炭種と石炭量、節炭器３８５の出口における酸素ガス濃度、温度調整器６２５で調整される一次空気５０１の温度等を制御することにより、バーナ５６１における燃焼状態を調整する。
〔１．３ 制御装置〕
図４は、制御装置３０の機能ブロック図である。制御装置３０は、映像取得部３１と、給炭機制御部３２と、節炭器制御部３３と、温度調整器制御部３４とを備える。
図４は、制御装置３０の機能ブロック図である。制御装置３０は、映像取得部３１と、給炭機制御部３２と、節炭器制御部３３と、温度調整器制御部３４とを備える。
映像取得部３１は、バーナ５６１における火炎の映像を取得する構成要素であり、例えば赤外線サーモグラフィカメラにより実現することが可能である。また、火炎の映像は、所定の間隔をおいて連続的に撮像される静止画であってもよく、動画であってもよい。更に、映像取得部３１は、記憶装置を備え、現時点から所定期間遡った時点から、現時点までの火炎の映像を記憶してもよい。
給炭機制御部３２は、給炭機３６４を制御する装置であり、とりわけ給炭機３６４で給炭される石炭の炭種を変更することが可能である。給炭機制御部３２が、給炭機３６４で給炭される石炭の炭種を変更することにより、ひいては、バーナ５６１での燃焼に用いられる微粉炭の炭種を変更することが可能となる。
節炭器制御部３３は、節炭器３８５を制御する装置であり、とりわけ節炭器３８５の出口における酸素ガス濃度を調整することが可能である。
温度調整器制御部３４は、温度調整器６２５を制御する装置であり、とりわけ、微粉炭機３７１の出口付近における一次空気５０１の温度を調整することが可能である。
制御装置３０は、給炭機制御部３２により給炭される石炭の炭種、節炭器制御部３３により節炭器出口付近の酸素ガス濃度、及び温度調整器制御部３４により微粉炭機３７１出口の排ガス温度を制御することにより、バーナ５６１における燃焼状態を調整することが可能である。
〔１．４ 機械学習装置〕
図５は、機械学習装置１０及び燃焼状態判定装置２０の機能ブロック図である。
機械学習装置１０は、教師あり機械学習により、燃焼状態判定装置２０が燃焼状態を判定するために用いる学習モデルを構築する。そのため、機械学習装置１０は、図５に示すように、特徴量抽出部１１と、ラベル取得部１２と、学習部１３と、記憶部１４とを備える。
図５は、機械学習装置１０及び燃焼状態判定装置２０の機能ブロック図である。
機械学習装置１０は、教師あり機械学習により、燃焼状態判定装置２０が燃焼状態を判定するために用いる学習モデルを構築する。そのため、機械学習装置１０は、図５に示すように、特徴量抽出部１１と、ラベル取得部１２と、学習部１３と、記憶部１４とを備える。
特徴量抽出部１１は、制御装置３０の映像取得部３１により取得された、バーナ５６１の火炎の映像から、火炎の映像に係る特徴量を抽出する。特徴量抽出部１１は、例えば、火炎の温度分布、火炎の長さ、火炎の形状の時間的変化を、特徴量として取得することが可能である。なお、特徴量抽出部１１が取得する特徴量は、これら火炎の温度分布、火炎の長さ、火炎の形状の時間的変化には限定されない。例えば、特徴量抽出部１１は、これらの特徴量間の相関を示す数値を更なる特徴量として取得してもよい。
ラベル取得部１２は、ラベルとして、作業者によって制御装置３０が動作されることにより、給炭機３６４、節炭器３８５、及び温度調整器６２５のいずれか１つ以上が制御されたか否かを二値化したラベルを取得する。具体的には、制御装置３０の映像取得部３１がバーナ５６１の火炎の映像を取得して以降、事前に設定された期間内に、作業者が、給炭機３６４、節炭器３８５、及び温度調整器６２５のいずれかを制御した場合を「異常状態」、いずれも制御しなかった場合を「正常状態」として二値化したラベルを、ラベル取得部１２は取得する。すなわち、本発明の実施形態は、バーナ５６１の火炎が正常状態にある場合には、作業者は、給炭機３６４、節炭器３８５、及び温度調整器６２５のいずれも制御することはなく、逆に、バーナ５６１の火炎が異常状態にある場合には、作業者は、バーナ５６１の火炎が異常状態にあることを示してから所定の期間内に、給炭機３６４、節炭器３８５、及び温度調整器６２５のうち少なくとも１つを制御することを前提としている。
学習部１３は、特徴量抽出部１１によって抽出された特徴量と、ラベル取得部１２によって取得された、特徴量に対応するラベルとの組を教師データとして教師あり学習を行うことにより学習モデルを構築する。更に、学習部１３は学習モデルを、後述の燃焼状態判定装置２０の判定部２２に送信する。なお、この教師あり学習は、例えば、サポートベクターマシン（Support Vector Machine）により実現することが可能である。
記憶部１４は、特徴量とラベルとの組を教師データとして記憶する。記憶部１４が記憶する教師データに基づいて、学習部１３は学習モデルを構築する。
記憶部１４は、特徴量とラベルとの組を教師データとして記憶する。記憶部１４が記憶する教師データに基づいて、学習部１３は学習モデルを構築する。
〔１．５ 燃焼状態判定装置〕
燃焼状態判定装置２０は、機械学習装置１０により構築された学習モデルを用いて、バーナ５６１における燃焼状態を判定し、燃焼状態が異常である場合には、警報を発報する。そのため、燃焼状態判定装置２０は、図５に示すように、映像取得部２１と、判定部２２と、警報部２３とを備える。
燃焼状態判定装置２０は、機械学習装置１０により構築された学習モデルを用いて、バーナ５６１における燃焼状態を判定し、燃焼状態が異常である場合には、警報を発報する。そのため、燃焼状態判定装置２０は、図５に示すように、映像取得部２１と、判定部２２と、警報部２３とを備える。
映像取得部２１は、バーナ５６１における火炎の映像を取得する構成要素であり、例えば赤外線サーモグラフィカメラにより実現することが可能である。また、火炎の映像は所定の間隔をおいて連続的に撮像される静止画であってもよく、動画であってもよい。なお、上述のように、燃焼状態判定装置２０と制御装置３０とは一体化されていてもよいが、その場合、燃焼状態判定装置２０の映像取得部２１と、制御装置３０の映像取得部３１とは、同一の映像取得部により実現されていてもよい。
判定部２２は、映像取得部２１から、バーナ５６１における火炎の映像を取得後、この映像から特徴量を抽出すると共に、機械学習装置１０の学習部１３から学習モデルを受信し、特徴量と学習モデルとに基づいて、バーナ５６１における燃焼状態が正常か異常かを判定する。更に、バーナ５６１における燃焼状態を異常であると判定した場合には、判定部２２は、異常通知信号を警報部２３に送信する。
警報部２３は、判定部２２から異常通知信号を受信すると、バーナ５６１における燃焼状態が異常であることを通知する警報を発報する。これにより、作業者は、コンベア３６２、微粉炭機３７１、及び空気供給機３７２のいずれかを調整する必要性が発生したことを認識することが可能となる。
機械学習装置１０及び燃焼状態判定装置２０が上記の構成を有することにより、作業者は、作業者の感覚的な経験知に基づいた学習モデルを用いて、バーナ５６１における燃焼状態を判定することが可能となる。
〔１．６ 機械学習時の動作〕
次に、機械学習装置１０の動作を主として、燃焼状態調整システム１における機械学習時の動作について説明する。図６は、機械学習装置１０の動作を示すフローチャートである。
次に、機械学習装置１０の動作を主として、燃焼状態調整システム１における機械学習時の動作について説明する。図６は、機械学習装置１０の動作を示すフローチャートである。
ステップＳ１１において、機械学習装置１０の特徴量抽出部１１は、制御装置３０から受信したバーナ５６１の火炎の映像から、特徴量を抽出する。
ステップＳ１２において、機械学習装置１０のラベル取得部１２は、制御装置３０から作業者の作業内容、具体的には、作業者が、給炭機３６４、節炭器３８５、及び温度調整器６２５のいずれかを調整したか否かを二値化したラベルを取得する。
ステップＳ１３において、機械学習装置１０の学習部１３は、特徴量とラベルとの組を教師データとする。
ステップＳ１４において、機械学習装置１０の学習部１３は、上述の教師データを用いて機械学習を行う。
ステップＳ１５において、機械学習装置１０の学習部１３が、機械学習を終了する場合（Ｓ１５：ＹＥＳ）には、処理はステップＳ１６に移行する。機械学習を繰り返す場合（Ｓ１５：ＮＯ）には、処理はステップＳ１１に戻る。
ステップＳ１６において、機械学習装置１０の学習部１３は、機械学習の結果構築した学習モデルを、ネットワーク４０を介して、燃焼状態判定装置２０の判定部２２に送信する。
〔１．７ 燃焼状態判定時の動作〕
次に、燃焼状態判定装置２０の動作を主として、燃焼状態調整システム１における燃焼状態判定時の動作について説明する。図７は、燃焼状態判定装置２０の動作を示すフローチャートである。
次に、燃焼状態判定装置２０の動作を主として、燃焼状態調整システム１における燃焼状態判定時の動作について説明する。図７は、燃焼状態判定装置２０の動作を示すフローチャートである。
ステップＳ２１において、燃焼状態判定装置２０の映像取得部２１は、バーナ５６１における火炎の映像を取得する。
ステップＳ２２において、燃焼状態判定装置２０の判定部２２は、映像取得部２１により取得されたバーナ５６１における火炎の映像から、特徴量を抽出する。
ステップＳ２３において、燃焼状態判定装置２０の判定部２２は、機械学習装置１０の学習部１３から、ネットワーク４０を介して、学習モデルを受信する。
ステップＳ２４において、燃焼状態判定装置２０の判定部２２は、特徴量と学習モデルから燃焼状態を判定する。
ステップＳ２５において、燃焼状態が正常状態にある場合（Ｓ２５：ＮＯ）には、処理を終了する。燃焼状態が異常状態にある場合（Ｓ２５：ＹＥＳ）には、処理はステップＳ２６に移行する。
ステップＳ２６において、警報部２３は、バーナ５６１における燃焼状態が異常状態にあることを作業者に知らせる警報を発報する。
〔１．８ 効果〕
本発明の第１実施形態に係る機械学習装置は、火力発電システムのバーナの火炎の映像から抽出した特徴量と、火炎の映像の取得時点から事前に設定された期間における、燃焼状態を調整する作業者の作業内容との組を教師データとして教師あり学習を行うことにより、燃焼状態の判定を行う学習モデルを構築する。
本発明の第１実施形態に係る機械学習装置は、火力発電システムのバーナの火炎の映像から抽出した特徴量と、火炎の映像の取得時点から事前に設定された期間における、燃焼状態を調整する作業者の作業内容との組を教師データとして教師あり学習を行うことにより、燃焼状態の判定を行う学習モデルを構築する。
これにより、熟練作業者の感覚的な経験知に基づいて、火力発電システム内のバーナの燃焼状態を判定することが可能となる。とりわけ、本発明の実施形態は、通常運転時のバーナの燃焼状態のみならず、燃焼開始時のバーナの燃焼状態の監視にとって有用である。
また、本発明の実施形態に係る機械学習装置において、火炎の映像は、火炎のサーモグラフィ映像であってもよい。
これにより、機械学習の際に用いる特徴量を、火炎の温度に係る特徴量に絞り込むことが可能となり、機械学習により構築される学習モデルを単純化することが可能となる。
また、本発明の実施形態に係る機械学習装置において、作業者の作業内容とは、火力発電システムに備わる微粉炭機、コンベア、空気供給機のいずれか１以上の制御に係る作業内容であってよい。
これにより、機械学習の際に用いるラベルのバリエーションを絞り込むことが可能となり、ラベルの生成を簡略化することが可能となる。
また、本発明の実施形態に係る燃焼状態判定装置は、火炎の映像から抽出した特徴量と学習モデルとに基づいて、火力発電システムのバーナにおける燃焼状態を判定し、燃焼状態が異常状態にある場合には、警報を発報することが可能となる。
これにより、経験の乏しい作業者でも、熟練作業者の感覚的な経験知に基づいて、燃焼状態が異常状態にあることを認識することが可能となる。
〔２ 第２実施形態〕
以下、本発明の第２実施形態について、図８～図１２を参照することにより説明する。第２実施形態に係る燃焼状態調整システムにおいては、機械学習装置が、バーナにおける火炎の映像から抽出された特徴量と、作業者が制御装置を用いた制御における調整量との関係を規定する計算式を学習し、バーナにおける火炎がある状態の時に、この計算式から推定される調整量分だけ、制御装置が給炭機、節炭器、温度調整器を自動制御するものである。
なお、以降の第２実施形態に係る燃焼状態調整システム１Ａに係る説明において、第１実施形態に係る燃焼状態調整システム１と同一の構成要素については、同一の符号を用いると共にその説明を省略し、主として異なる構成要素について説明する。
以下、本発明の第２実施形態について、図８～図１２を参照することにより説明する。第２実施形態に係る燃焼状態調整システムにおいては、機械学習装置が、バーナにおける火炎の映像から抽出された特徴量と、作業者が制御装置を用いた制御における調整量との関係を規定する計算式を学習し、バーナにおける火炎がある状態の時に、この計算式から推定される調整量分だけ、制御装置が給炭機、節炭器、温度調整器を自動制御するものである。
なお、以降の第２実施形態に係る燃焼状態調整システム１Ａに係る説明において、第１実施形態に係る燃焼状態調整システム１と同一の構成要素については、同一の符号を用いると共にその説明を省略し、主として異なる構成要素について説明する。
〔２．１ 全体構成〕
図８は、第２実施形態に係る燃焼状態調整システム１Ａの全体構成を示す。第２実施形態に係る燃焼状態調整システム１Ａは、第１実施形態に係る燃焼状態調整システム１における機械学習装置１０の代わりに機械学習装置１０Ａを、制御装置３０の代わりに制御装置３０Ａを備える。更に、燃焼状態調整システム１Ａは、第１実施形態に係る燃焼状態調整システム１と異なり、燃焼状態判定装置２０を必須の構成要素とはしない。
図８は、第２実施形態に係る燃焼状態調整システム１Ａの全体構成を示す。第２実施形態に係る燃焼状態調整システム１Ａは、第１実施形態に係る燃焼状態調整システム１における機械学習装置１０の代わりに機械学習装置１０Ａを、制御装置３０の代わりに制御装置３０Ａを備える。更に、燃焼状態調整システム１Ａは、第１実施形態に係る燃焼状態調整システム１と異なり、燃焼状態判定装置２０を必須の構成要素とはしない。
〔２．２ 制御装置〕
図９は、制御装置３０Ａの機能ブロック図である。制御装置３０Ａは、第１実施形態に係る制御装置３０が備える給炭機制御部３２の代わりに給炭機制御部３２Ａを、節炭器制御部３３の代わりに節炭器制御部３３Ａを、温度調整器制御部３４の代わりに温度調整器制御部３４Ａを備える。
図９は、制御装置３０Ａの機能ブロック図である。制御装置３０Ａは、第１実施形態に係る制御装置３０が備える給炭機制御部３２の代わりに給炭機制御部３２Ａを、節炭器制御部３３の代わりに節炭器制御部３３Ａを、温度調整器制御部３４の代わりに温度調整器制御部３４Ａを備える。
給炭機制御部３２Ａは、第１実施形態に係る給炭機制御部３２が有する機能に加え、自動制御時には、後述のように機械学習装置１０Ａにより設定された計算式を用いて、給炭機３６４を制御する際の調整量を算出し、この調整量に基づいて給炭機３６４を制御する機能を有する。
すなわち、マニュアルでの制御時には、作業員が給炭機制御部３２Ａを用いることにより給炭機３６４を制御し、自動制御時には、給炭機制御部３２Ａが機械学習装置１０Ａにより設定された計算式を用いて、給炭機３６４を制御する。
すなわち、マニュアルでの制御時には、作業員が給炭機制御部３２Ａを用いることにより給炭機３６４を制御し、自動制御時には、給炭機制御部３２Ａが機械学習装置１０Ａにより設定された計算式を用いて、給炭機３６４を制御する。
節炭器制御部３３Ａは、第１実施形態に係る節炭器制御部３３が有する機能に加え、自動制御時には、後述のように機械学習装置１０Ａにより設定された計算式を用いて、節炭器３８５を制御する際の調整量を算出し、この調整量に基づいて、節炭器３８５を制御する機能を有する。
すなわち、マニュアルでの制御時には、作業員が節炭器制御部３３Ａを用いることにより節炭器３８５を制御し、自動制御時には、節炭器制御部３３Ａが機械学習装置１０Ａにより設定された計算式を用いて、節炭器３８５を制御する。
すなわち、マニュアルでの制御時には、作業員が節炭器制御部３３Ａを用いることにより節炭器３８５を制御し、自動制御時には、節炭器制御部３３Ａが機械学習装置１０Ａにより設定された計算式を用いて、節炭器３８５を制御する。
温度調整器制御部３４Ａは、第１実施形態に係る温度調整器制御部３４が有する機能に加え、自動制御時には、後述のように機械学習装置１０Ａにより設定された計算式を用いて、温度調整器６２５を制御する際の制御量を算出し、この制御量に基づいて、温度調整器６２５を制御する機能を有する。
すなわち、マニュアルでの制御時には、作業員が温度調整器制御部３４Ａを用いることにより温度調整器６２５を制御し、自動制御時には、温度調整器制御部３４Ａが機械学習装置１０Ａにより設定された計算式を用いて、温度調整器６２５を制御する。
すなわち、マニュアルでの制御時には、作業員が温度調整器制御部３４Ａを用いることにより温度調整器６２５を制御し、自動制御時には、温度調整器制御部３４Ａが機械学習装置１０Ａにより設定された計算式を用いて、温度調整器６２５を制御する。
〔２．３ 機械学習装置〕
図１０は、機械学習装置１０Ａの機能ブロック図である。機械学習装置１０Ａは、第１実施形態に係る機械学習装置１０が備えるラベル取得部１２の代わりにラベル取得部１２Ａを、学習部１３の代わりに学習部１３Ａを備える。
図１０は、機械学習装置１０Ａの機能ブロック図である。機械学習装置１０Ａは、第１実施形態に係る機械学習装置１０が備えるラベル取得部１２の代わりにラベル取得部１２Ａを、学習部１３の代わりに学習部１３Ａを備える。
ラベル取得部１２Ａは、ラベルとして、作業者が制御装置３０Ａを用いて、給炭機３６４、節炭器３８５、及び温度調整器６２５を制御する際の調整量を取得する。具体的には、制御装置３０の映像取得部３１がバーナ５６１の火炎の映像を取得して以降、事前に設定された期間内に、作業者が制御装置３０の給炭機制御部３２Ａを用いることにより、給炭機によって給炭される石炭において、どの炭種がどれだけ増減されたかを示すデータを、ラベル取得部１２Ａはラベルとして取得する。また、同期間内に、作業者が制御装置３０の節炭器制御部３３Ａを用いることにより、節炭器３８５の出口における酸素ガス濃度をどの程度増減させたかを示すデータを、ラベル取得部１２Ａはラベルとして取得する。更に、同期間内に、作業者が制御装置３０の温度調整器制御部３４Ａを用いることにより、微粉炭機３７１の出口付近における一次空気５０１の温度をどれだけ上昇／下降させたかを示すデータを、ラベル取得部１２Ａはラベルとして取得する。
学習部１３Ａは、特徴量抽出部１１によって抽出されたバーナ５６１における火炎の特徴量と、ラベルとしての調整量とに基づいて機械学習を行うことで、制御装置３０Ａを用いた制御における調整量の推定値を、火炎の特徴量に基づいて算出する調整量推定計算式を設定する。具体的には、火炎の特徴量データ（入力データ）をＸ１，Ｘ２，・・・Ｘｎとし、調整量の推定値をｆ（Ｘ１，Ｘ２，・・・，Ｘｎ）（ｎは自然数）、作業者による実際の調整量をＹＬとした際、ｆ（Ｘ１，Ｘ２，・・・，Ｘｎ）とＹＬとの差異が最小となるような調整量推定計算式を設定する。
より具体的には、学習部１３Ａは、火炎の特徴量と、作業者が給炭機制御部３２Ａを用いて給炭機３６４を制御した際の実際の調整量とから、第１の調整量推定計算式を設定する。また、火炎の特徴量と、作業者が節炭器制御部３３Ａを用いて節炭器３８５を制御した際の実際の調整量とから、第２の調整量推定計算式を設定する。更に、火炎の特徴量と、作業者が温度調整器制御部３４Ａを用いて温度調整器６２５を制御した際の実際の調整量とから、第３の調整量推定計算式を設定する。
とりわけ、学習部１３Ａは、求めるべき調整量推定計算式に火炎の特徴量を代入して算出される調整量の推定値と、記憶部１４にラベルとして記憶された実際の調整量との差異が最小となるように、例えば最小二乗法により調整量推定計算式を設定する。
更に、学習部１６は、設定した調整量推定計算式を制御装置３０Ａに送信する。より具体的には、学習部１６は、第１の調整量推定計算式を給炭機制御部３２Ａに送信し、第２の調整量推定計算式を節炭器制御部３３Ａに送信し、第３の調整量推定計算式を温度調整器制御部３４Ａに送信する。
〔２．４ 機械学習時の動作〕
次に、機械学習装置１０Ａの動作を主として、燃焼状態調整システム１Ａにおける機械学習時の動作について説明する。図１１は、機械学習装置１０Ａの動作を示すフローチャートである。
次に、機械学習装置１０Ａの動作を主として、燃焼状態調整システム１Ａにおける機械学習時の動作について説明する。図１１は、機械学習装置１０Ａの動作を示すフローチャートである。
ステップＳ３１において、機械学習装置１０Ａの特徴量抽出部１１は、制御装置３０Ａから受信したバーナ５６１の火炎の映像から、特徴量を抽出する。
ステップＳ３２において、機械学習装置１０Ａのラベル取得部１２Ａは、制御装置３０Ａから作業者の作業内容、具体的には、作業者が、給炭機３６４、節炭器３８５、及び温度調整器６２５のいずれかを制御した際の調整量をラベルとして取得する。
ステップＳ３３において、機械学習装置１０Ａの学習部１３Ａは、特徴量とラベルとしての調整量との組を教師データとする。
ステップＳ３４において、機械学習装置１０Ａの学習部１３Ａは、上述の教師データを用いて機械学習を行う。
ステップＳ３５において、機械学習装置１０Ａの学習部１３Ａが、機械学習を終了する場合（Ｓ３５：ＹＥＳ）には、処理はステップＳ３６に移行する。機械学習を繰り返す場合（Ｓ３５：ＮＯ）には、処理はステップＳ３１に戻る。
ステップＳ３６において、機械学習装置１０Ａの学習部１３Ａは、機械学習の結果構築した調整量推定計算式を、ネットワーク４０を介して、制御装置３０Ａに送信する。
なお、上記のフローは、調整量推定計算式ごとに実行される。すなわち、上記のフローは、第１の調整量推定計算式、第２の調整量推定計算式、第３の調整量推定計算式の各々を設定する度に実行される。このため、機械学習装置１０Ａは、設定する調整量推定計算式の数だけ、学習部１３Ａを備えてもよい。
〔２．５ 自動制御時の動作〕
次に、制御装置３０Ａの動作を主として、燃焼状態調整システム１Ａにおける自動制御時の動作について説明する。図１２は、制御装置３０Ａの動作を示すフローチャートである。なお、以下の説明では例として、給炭機制御部３２Ａ、節炭器制御部３３Ａ、温度調整器制御部３４Ａのうち、給炭機制御部３２Ａの動作について取り上げる。
次に、制御装置３０Ａの動作を主として、燃焼状態調整システム１Ａにおける自動制御時の動作について説明する。図１２は、制御装置３０Ａの動作を示すフローチャートである。なお、以下の説明では例として、給炭機制御部３２Ａ、節炭器制御部３３Ａ、温度調整器制御部３４Ａのうち、給炭機制御部３２Ａの動作について取り上げる。
ステップＳ４１において、制御装置３０Ａの映像取得部３１は、バーナ５６１における火炎の映像を取得する。
ステップＳ４２において、制御装置３０Ａの給炭機制御部３２は、映像取得部２１により取得されたバーナ５６１における火炎の映像から、特徴量を抽出する。
ステップＳ４３において、制御装置３０Ａの給炭機制御部３２は、機械学習装置１０Ａの学習部１３から、ネットワーク４０を介して、第１の調整量推定計算式を受信する。
ステップＳ４４において、制御装置３０Ａの給炭機制御部３２は、特徴量と第１の調整量推定計算式から、推定される調整量を算出する。
ステップＳ４５において、制御装置３０Ａの給炭機制御部３２は、算出した調整量分だけ、給炭機３６４を制御する。
なお、ステップＳ４１～Ｓ４５と同様のフローで、節炭器制御部３３Ａは節炭器３８５を制御し、温度調整器制御部３４Ａは温度調整器６２５を制御する。
〔２．６ 効果〕
本発明の第２実施形態に係る機械学習装置は、火力発電システムのバーナの火炎の映像から抽出した特徴量と、火炎の映像の取得時点から事前に設定された期間における、燃焼状態を調整する作業者の作業内容との組を教師データとして教師あり学習を行うことにより、火炎の燃焼状態を調整するための、給炭機、節炭器、及び温度調整器での調整量を算出する計算式を設定する。
本発明の第２実施形態に係る機械学習装置は、火力発電システムのバーナの火炎の映像から抽出した特徴量と、火炎の映像の取得時点から事前に設定された期間における、燃焼状態を調整する作業者の作業内容との組を教師データとして教師あり学習を行うことにより、火炎の燃焼状態を調整するための、給炭機、節炭器、及び温度調整器での調整量を算出する計算式を設定する。
これにより、熟練作業者の感覚的な経験知に基づいて、火力発電システム内のバーナの燃焼状態を調整することが可能となる。
〔３ 変形例〕
上述した実施形態は、本発明の好適な実施形態ではあるが、上記実施形態に本発明の範囲を限定するものではなく、本発明の要旨を逸脱しない範囲において、種々の変更を施した形態での実施が可能である。
上述した実施形態は、本発明の好適な実施形態ではあるが、上記実施形態に本発明の範囲を限定するものではなく、本発明の要旨を逸脱しない範囲において、種々の変更を施した形態での実施が可能である。
〔３．１ 変形例１〕
第１実施形態におけるラベルとして、作業者が、制御装置３０の給炭機制御部３２、節炭器制御部３３、及び温度調整器制御部３４のいずれかを動作させることにより、給炭機３６４、節炭器３８５、及び温度調整器６２５のいずれか１つでも制御したか否かを二値化したラベルを用いるとしたが、これには限定されない。ラベルの生成にあたり、作業者が、火力発電システム３５のその他の構成要素を制御したか否かを含めて、ラベルを生成してもよい。
第１実施形態におけるラベルとして、作業者が、制御装置３０の給炭機制御部３２、節炭器制御部３３、及び温度調整器制御部３４のいずれかを動作させることにより、給炭機３６４、節炭器３８５、及び温度調整器６２５のいずれか１つでも制御したか否かを二値化したラベルを用いるとしたが、これには限定されない。ラベルの生成にあたり、作業者が、火力発電システム３５のその他の構成要素を制御したか否かを含めて、ラベルを生成してもよい。
〔３．２ 変形例２〕
また、第１実施形態において、作業者が、給炭機３６４を制御したか否かを第１のラベル、節炭器３８５を制御したか否かを第２のラベル、温度調整器６２５を制御したか否かを第３のラベルとし、バーナ５６１の火炎の映像の特徴量と第１のラベルとから第１の学習モデルを、当該特徴量と第２のラベルとから第２の学習モデルを、当該特徴量と第３のラベルとから第３の学習モデルを構築してもよい。この場合、燃焼状態判定装置２０の判定部２２は、第１の学習モデルを用いることにより、燃焼状態が正常か異常かの判定に、給炭機３６４の制御の必要性を付随することが可能となる。なぜならば、第１の学習モデルにおいて、燃焼状態が異常であることと、給炭機３６４を制御したこととは同値だからである。同様に、燃焼状態判定装置２０の判定部２２は、第２の学習モデルを用いることにより、燃焼状態が正常か異常かの判定に、節炭器３８５の制御の必要性を付随することが可能となる。また、燃焼状態判定装置２０の判定部２２は、第３の学習モデルを用いることにより、燃焼状態が正常か異常かの判定に、温度調整器６２５の制御の必要性を付随することが可能となる。
また、第１実施形態において、作業者が、給炭機３６４を制御したか否かを第１のラベル、節炭器３８５を制御したか否かを第２のラベル、温度調整器６２５を制御したか否かを第３のラベルとし、バーナ５６１の火炎の映像の特徴量と第１のラベルとから第１の学習モデルを、当該特徴量と第２のラベルとから第２の学習モデルを、当該特徴量と第３のラベルとから第３の学習モデルを構築してもよい。この場合、燃焼状態判定装置２０の判定部２２は、第１の学習モデルを用いることにより、燃焼状態が正常か異常かの判定に、給炭機３６４の制御の必要性を付随することが可能となる。なぜならば、第１の学習モデルにおいて、燃焼状態が異常であることと、給炭機３６４を制御したこととは同値だからである。同様に、燃焼状態判定装置２０の判定部２２は、第２の学習モデルを用いることにより、燃焼状態が正常か異常かの判定に、節炭器３８５の制御の必要性を付随することが可能となる。また、燃焼状態判定装置２０の判定部２２は、第３の学習モデルを用いることにより、燃焼状態が正常か異常かの判定に、温度調整器６２５の制御の必要性を付随することが可能となる。
〔３．３ 変形例３〕
第２実施形態においては、制御装置３０Ａが、給炭機３６４、節炭器３８５、及び温度調整器６２５を自動制御するとしたが、これには限定されない。例えば、給炭機制御部３２Ａが第１の調整量推定計算式を用いて推定した調整量に基づいて、作業者が給炭機３６４をマニュアル制御してもよい。同様に、節炭器制御部３３Ａが第２の調整量推定計算式を用いて推定した調整量に基づいて、作業者が節炭器３８５をマニュアル制御してもよい。同様に、温度調整器制御部３４Ａが第３の調整量推定計算式を用いて推定した調整量に基づいて、作業者が温度調整器６２５をマニュアル制御してもよい。
第２実施形態においては、制御装置３０Ａが、給炭機３６４、節炭器３８５、及び温度調整器６２５を自動制御するとしたが、これには限定されない。例えば、給炭機制御部３２Ａが第１の調整量推定計算式を用いて推定した調整量に基づいて、作業者が給炭機３６４をマニュアル制御してもよい。同様に、節炭器制御部３３Ａが第２の調整量推定計算式を用いて推定した調整量に基づいて、作業者が節炭器３８５をマニュアル制御してもよい。同様に、温度調整器制御部３４Ａが第３の調整量推定計算式を用いて推定した調整量に基づいて、作業者が温度調整器６２５をマニュアル制御してもよい。
〔３．４ 変形例４〕
燃焼状態判定装置２０の映像取得部２１、及び、制御装置３０及び３０Ａの映像取得部３１は、赤外線サーモグラフィカメラにより実現するとしたが、これには限定されない。例えば、映像取得部２１及び映像取得部３１は、汎用のデジタルカメラやハイパースペクトルカメラにより実現されてもよい。また、バーナ５６１の火炎の映像はサーモグラフィ映像に限定されず、例えば、マルチスペクトル画像であってもよい。
燃焼状態判定装置２０の映像取得部２１、及び、制御装置３０及び３０Ａの映像取得部３１は、赤外線サーモグラフィカメラにより実現するとしたが、これには限定されない。例えば、映像取得部２１及び映像取得部３１は、汎用のデジタルカメラやハイパースペクトルカメラにより実現されてもよい。また、バーナ５６１の火炎の映像はサーモグラフィ映像に限定されず、例えば、マルチスペクトル画像であってもよい。
なお、上記の燃焼状態調整システム１及び１Ａに含まれる各装置は、ハードウェア、ソフトウェア又はこれらの組み合わせによりそれぞれ実現することができる。また、上記の燃焼状態調整システム１及び１Ａに含まれる各装置により行なわれる燃焼状態判定方法及び制御方法も、ハードウェア、ソフトウェア又はこれらの組み合わせにより実現することができる。ここで、ソフトウェアによって実現されるとは、コンピュータがプログラムを読み込んで実行することにより実現されることを意味する。
プログラムは、様々なタイプの非一時的なコンピュータ可読媒体(non-transitory computer readable medium)を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体(tangible storage medium)を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えば、フレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば、光磁気ディスク）、ＣＤ－ＲＯＭ(Read Only Memory)、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ(Programmable ROM)、ＥＰＲＯＭ(Erasable PROM)、フラッシュＲＯＭ、ＲＡＭ(random access memory）)を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体(transitory computer readable medium)によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
１ １Ａ 燃焼状態調整システム
１０ １０Ａ 機械学習装置
１１ 特徴量抽出部
１２ １２Ａ ラベル取得部
１３ １３Ａ 学習部
１４ 記憶部
２０ 燃焼状態判定装置
２１ 映像取得部
２２ 判定部
２３ 警報部
３０ 制御装置
３１ 映像取得部
３２ ３２Ａ 給炭機制御部
３３ ３３Ａ 節炭器制御部
３４ ３４Ａ 温度調整器制御部
３５ 火力発電システム
４０ ネットワーク
３６４ 給炭機
３８５ 節炭器
５６１ バーナ
６２５ 温度調整器
１０ １０Ａ 機械学習装置
１１ 特徴量抽出部
１２ １２Ａ ラベル取得部
１３ １３Ａ 学習部
１４ 記憶部
２０ 燃焼状態判定装置
２１ 映像取得部
２２ 判定部
２３ 警報部
３０ 制御装置
３１ 映像取得部
３２ ３２Ａ 給炭機制御部
３３ ３３Ａ 節炭器制御部
３４ ３４Ａ 温度調整器制御部
３５ 火力発電システム
４０ ネットワーク
３６４ 給炭機
３８５ 節炭器
５６１ バーナ
６２５ 温度調整器
Claims (5)
- 火力発電システムに備わるボイラ内のバーナの燃焼状態を判定するための学習モデルを構築する機械学習装置であって、
前記バーナの火炎の映像から、前記火炎の特徴量を抽出する特徴量抽出手段と、
前記火炎の映像を取得して以降、取得時点から事前に設定された期間における、前記火炎の状態による、前記燃焼状態を調整する作業者の作業内容をラベルとして取得し、前記ラベルは、少なくとも給炭、節炭及び温度調整を含む要素のうちで、少なくとも１つの要素を制御したか否かによる、二値化されたラベルである、ラベル取得手段と、
前記特徴量と前記ラベルとの組を教師データとして教師あり学習を行うことにより、前記燃焼状態の判定を行う学習モデルを構築する学習手段と、
を備える機械学習装置。 - 前記火炎の映像は、前記火炎のサーモグラフィ映像である、請求項１に記載の機械学習装置。
- 前記火力発電システムは、
前記バーナでの燃焼に用いられる石炭を貯留するサイロと、
前記サイロに貯留された前記石炭を粉砕前に一時貯蔵する石炭バンカと、
前記石炭バンカに貯蔵された前記石炭を微粉炭に粉砕する微粉炭機と、
前記石炭バンカから前記微粉炭機に前記石炭を供給する給炭機と、
前記ボイラの出口付近に設置され、前記ボイラの給水を予熱する節炭器と、
前記微粉炭機を通じて前記バーナに燃焼用空気を供給する空気供給機と、
前記バーナに導入される燃焼用空気の温度を調整する温度調整器とを備え、
前記作業内容は、前記作業者による、前記給炭機、前記節炭器、前記温度調整器のいずれか１以上の制御に係る作業内容である、請求項１又は２に記載の機械学習装置。 - 請求項１～３までのいずれか１項に記載の機械学習装置で構築した前記学習モデルを用いた燃焼状態判定装置であって、
前記バーナの火炎の映像を取得する映像取得部と、
前記映像から特徴量を抽出し、前記特徴量と前記学習モデルとに基づいて、前記燃焼状態の判定を行う判定部と、
前記判定に基づいて、前記燃焼状態が異常状態にある場合には警報を発報する警報部と、
を備える燃焼状態判定装置。 - 請求項３に記載の機械学習装置で構築した前記学習モデルを用いた燃焼状態判定装置であって、
前記バーナの火炎の映像を取得する映像取得部と、
前記映像から特徴量を抽出し、前記特徴量と前記学習モデルとに基づいて、前記燃焼状態の判定を行う判定部と、
前記判定に基づいて、前記燃焼が異常状態にある場合には、前記給炭機、前記節炭器、前記温度調整器のうち、いずれか１以上の装置の制御の必要性と共に、警報を発報する警報部と、
を備える燃焼状態判定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018119168A JP7238279B2 (ja) | 2018-06-22 | 2018-06-22 | 機械学習装置及び燃焼状態判定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018119168A JP7238279B2 (ja) | 2018-06-22 | 2018-06-22 | 機械学習装置及び燃焼状態判定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019219147A JP2019219147A (ja) | 2019-12-26 |
| JP7238279B2 true JP7238279B2 (ja) | 2023-03-14 |
Family
ID=69096265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018119168A Active JP7238279B2 (ja) | 2018-06-22 | 2018-06-22 | 機械学習装置及び燃焼状態判定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7238279B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102430963B1 (ko) * | 2020-06-19 | 2022-08-09 | 인천대학교 산학협력단 | 인공신경망의 딥러닝을 이용하는 영상 시퀀스 분류 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2620245B2 (ja) | 1987-07-09 | 1997-06-11 | バブコツク日立株式会社 | 学習機能を有する自動バーナ制御装置 |
| JP2001159915A (ja) | 1999-12-03 | 2001-06-12 | Nkk Corp | 運転支援装置 |
| JP2017032213A (ja) | 2015-07-31 | 2017-02-09 | 中国電力株式会社 | 石炭火力発電設備 |
| JP2017187228A (ja) | 2016-04-06 | 2017-10-12 | 日立造船株式会社 | ストーカ式焼却炉 |
| JP2018072029A (ja) | 2016-10-25 | 2018-05-10 | ファナック株式会社 | 学習モデル構築装置、故障予測システム、学習モデル構築方法及び学習モデル構築プログラム |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0637974B2 (ja) * | 1984-09-05 | 1994-05-18 | 株式会社日立製作所 | 燃焼診断装置 |
| JPH0627577B2 (ja) * | 1985-10-11 | 1994-04-13 | 株式会社日立製作所 | 燃焼状態診断装置および燃焼状態制御装置 |
| JPH0690080B2 (ja) * | 1987-05-29 | 1994-11-14 | 日本ファ−ネス工業株式会社 | バ−ナ燃焼状態解析装置 |
| JP2928630B2 (ja) * | 1990-11-30 | 1999-08-03 | 株式会社日立製作所 | 燃焼制御装置 |
| JPH05187265A (ja) * | 1992-01-13 | 1993-07-27 | Hitachi Ltd | ガスタービン燃焼診断装置 |
| JPH06119454A (ja) * | 1992-10-08 | 1994-04-28 | Babcock Hitachi Kk | 異常検出方法および装置 |
| JPH07208733A (ja) * | 1994-01-18 | 1995-08-11 | Mitsubishi Heavy Ind Ltd | ボイラプラントの燃焼監視装置 |
| JPH0814551A (ja) * | 1994-06-29 | 1996-01-19 | Mitsubishi Heavy Ind Ltd | ボイラの火炎燃焼状態予測装置 |
| JP2963009B2 (ja) * | 1994-08-04 | 1999-10-12 | 川崎重工業株式会社 | カラー画像を利用した燃焼判定・制御方法および判定・制御装置 |
| JP3383773B2 (ja) * | 1998-10-16 | 2003-03-04 | 株式会社山武 | 炎診断装置 |
| EP1391655A1 (de) * | 2002-08-16 | 2004-02-25 | Powitec Intelligent Technologies GmbH | Verfahren zur Überwachung eines thermodynamischen Prozesses |
| JP6172249B2 (ja) * | 2014-12-03 | 2017-08-02 | Ｊｆｅスチール株式会社 | 熱処理設備の燃焼管理システム |
| JP2018063545A (ja) * | 2016-10-12 | 2018-04-19 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
-
2018
- 2018-06-22 JP JP2018119168A patent/JP7238279B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2620245B2 (ja) | 1987-07-09 | 1997-06-11 | バブコツク日立株式会社 | 学習機能を有する自動バーナ制御装置 |
| JP2001159915A (ja) | 1999-12-03 | 2001-06-12 | Nkk Corp | 運転支援装置 |
| JP2017032213A (ja) | 2015-07-31 | 2017-02-09 | 中国電力株式会社 | 石炭火力発電設備 |
| JP2017187228A (ja) | 2016-04-06 | 2017-10-12 | 日立造船株式会社 | ストーカ式焼却炉 |
| JP2018072029A (ja) | 2016-10-25 | 2018-05-10 | ファナック株式会社 | 学習モデル構築装置、故障予測システム、学習モデル構築方法及び学習モデル構築プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019219147A (ja) | 2019-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8601960B2 (en) | Method and apparatus of controlling exhaust gas in oxyfuel combustion boiler | |
| US20110011315A1 (en) | Oxyfuel Boiler and Control Method for Oxyfuel Boiler | |
| US10954854B2 (en) | Power plant methods and apparatus | |
| US9186625B2 (en) | Method and apparatus for pre-heating recirculated flue gas to a dry scrubber during periods of low temperature | |
| US10302301B2 (en) | Method and apparatus for controlling inlet temperature of dedusting apparatus in oxygen combustion boiler equipment | |
| CN106662417B (zh) | 热交换器的监视装置及热交换器的监视方法 | |
| KR101394113B1 (ko) | Ｏｘｙ-ＰＣ 연소시스템 운전장치 및 운전방법 | |
| CN103381340B (zh) | 增强的烟道气阻尼器混合装置 | |
| JP7238279B2 (ja) | 機械学習装置及び燃焼状態判定装置 | |
| JP2016053953A (ja) | プラントの少なくとも１つの動作パラメータを制御するための装置及び方法 | |
| JP2018103067A (ja) | 粉砕プラントにおける処理装置、方法、およびプログラム | |
| EP3755947B1 (en) | Method for operating a combustion chamber | |
| KR102386243B1 (ko) | 산화제 농도 및 열량을 제어하여 승온 속도를 증가시키는 순환유동층 반응기 제어 방법 및 이를 이용하는 순환유동층 연소 시스템 | |
| JP7259963B2 (ja) | 制御システム | |
| EP3473927B1 (en) | Method for operating a steam generation system | |
| JP6492478B2 (ja) | 粉砕プラントにおける給炭量の演算方法、装置及びプログラム | |
| JP6347100B2 (ja) | 排ガス循環系粉砕プラントのミル出口温度制御方法、装置及びプログラム | |
| TW202417781A (zh) | 煤氨混燒鍋爐控制裝置、煤氨混燒鍋爐控制方法、煤氨混燒鍋爐控制程式 | |
| TW202417782A (zh) | 鍋爐控制裝置、鍋爐控制方法、及鍋爐控制程式 | |
| JP6525759B2 (ja) | コークス乾式消火装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210311 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220124 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220328 |
|
| 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: 20220922 |
|
| 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: 20230131 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230213 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7238279 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |