JP7296436B2 - 制御装置 - Google Patents

Description

本開示は、制御装置に関する。

特許文献１には、現在の燃焼状態を示す情報をリアルタイムに取得し、これを基に燃焼熱量およびボイラ蒸発量を推算することによって、時間遅れのない廃棄物の燃焼制御を行うことを可能とする燃焼制御方法が開示されている。この燃焼制御方法は、リアルタイムに取得する燃焼直後の排ガス組成から、燃料となる廃棄物の発熱量に直接関与する廃棄物中の炭素、水素および水分を求め、これを基に、酸素消費量、燃焼熱量、潜熱量、廃棄物量（処理量）を算出するものである。

特許文献２には、視点が異なる複数の撮像装置を用いて、一次燃焼ゾーンから二次燃焼ゾーンへ到達した火炎の映像をそれぞれ取得し、取得された異なる視点からの複数の映像に画像合成処理を行うことで、二次燃焼ゾーンの火炎を含む３次元映像を作成することを含む蒸発量制御方法が開示されている。この蒸発量制御方法は、上記３次元映像を解析することで、一次燃焼または二次燃焼で発生した燃焼ガスの流路に沿う方向の火炎流速の時間変化を算出し、燃焼室で現在発生している熱量の指標を得るものである。

特許文献３には、複数の赤外線カメラを用いて、火炎が放射しない波長の光を選択的に透過させるフィルタを介して、少なくとも乾燥部及び燃焼部に堆積した廃棄物を観測して、視点が異なる複数の熱画像を取得し、当該複数の熱画像に基づいて３次元熱画像を作成することを含む燃焼制御方法が開示されている。この燃焼制御方法は、上記３次元熱画像に基づいて、廃棄物の厚みが時系列でどのように変化したかを示す厚み経過情報を算出し、廃棄物の過去から現時点までの体積流量の変化に基づいて燃焼補正係数を決定し、当該廃棄物から発生する熱量の指標を算出するものである。

特開２０１７－０９６５１７号公報 特開２０１９－２１９１０８号公報 特開２０２１－０６７３８１号公報

ところで、主蒸気流量は、被焼却物の状態などに応じて大きく変動する場合がある。このため、特許文献１から３に記載の技術では、主蒸気流量の高精度の予測値に基づき燃焼制御を行うことが難しい場合がある。

本開示は、上記課題を解決するためになされたものであって、主蒸気流量の高精度の予測値に基づき燃焼制御を行うことができる制御装置を提供することを目的とする。

上記課題を解決するために、本開示に係る制御装置は、情報取得部と、蒸気流量予測部と、制御部とを備える。情報取得部は、焼却設備内の処理空間へ供給される前の被焼却物に関する情報を取得する。蒸気流量予測部は、情報取得部により取得された情報を含む予測用情報に基づき、焼却設備のボイラで生成される主蒸気流量を予測する。制御部は、蒸気流量予測部により予測された主蒸気流量に基づき燃焼制御を行う。焼却設備は、処理空間へ供給される前の被焼却物が堆積されるホッパと、ホッパの内部に堆積した被焼却物を処理空間に向けて押し出すフィーダとを有する。上記予測用情報は、焼却設備のホッパから処理空間への被焼却物の供給状態を示す供給状態情報を含み、供給状態情報は、フィーダのストローク長とフィーダの移動速度とのうち少なくとも一方を示す情報を含む。
上記課題を解決するために、本開示に係る別の制御装置は、情報取得部と、蒸気流量予測部と、発熱量推定部と、制御部とを備える。情報取得部は、焼却設備内の処理空間へ供給される前の被焼却物に関する情報を取得する。蒸気流量予測部は、情報取得部により取得された情報を含む予測用情報に基づき、焼却設備のボイラで生成される主蒸気流量を予測する。制御部は、蒸気流量予測部により予測された主蒸気流量に基づき燃焼制御を行う。発熱量推定部は、上記情報に含まれるまたは上記情報から得られる、焼却設備のホッパ内での被焼却物の密度またはホッパ内での被焼却物の水分計測結果に基づいて被焼却物の低位発熱量を推定する。前記蒸気流量予測部は、前記発熱量推定部により推定された前記低位発熱量に基づき前記主蒸気流量を予測する。

本開示の制御装置によれば、主蒸気流量の高精度の予測値に基づき燃焼制御を行うことができる。

本開示の実施形態に係る焼却設備の全体を示す概略構成図である。 本開示の実施形態に係る燃焼設備の機能構成を示すブロック図である。 本開示の実施形態に係るデータ変換部の機能構成を示すブロック図である。 本開示の実施形態に係る水分計測器の検出結果に基づくごみ発熱量の推定値と、実機で確認されたごみ発熱量との相関関係を示す図である。 本開示の実施形態に係る第１特徴量抽出部による処理の一例を示す図である。 本開示の実施形態に係る画像変換部による処理の一例を示す図である。 本開示の実施形態に係るごみ層高さ検出部による処理の一例を示す図である。 本開示の実施形態に係る各入力情報と主蒸気流量との間の相関関係の一例を示す図である。 本開示の実施形態に係る各入力情報に対する時間遅れ設定値の一例を示す図である。 本開示の実施形態に係る予測モデル判定部による評価処理の一例を示す図である。 本開示の実施形態に係る制御部による制御内容の一例を示す図である。 本開示の実施形態に係る予測モデルの作成処理の流れを示すフローチャートである。 本開示の実施形態に係る燃焼設備の運転段階の処理の流れを示すフローチャートである。 本開示の実施形態に係る主蒸気流量の予測値と実測値の比較結果の一例を示す図である。 本開示の実施形態に係るコンピュータの構成を示すハードウェア構成図である。

以下、本開示の実施形態の制御装置を、図面を参照して説明する。以下の説明では、同一または類似の機能を有する構成に同一の符号を付す。そして、それら構成の重複する説明は省略する場合がある。本開示で「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含み得る。また「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含み得る。本開示で「ＸＸまたはＹＹ」とは、ＸＸとＹＹのうちいずれか一方の場合に限定されず、ＸＸとＹＹの両方の場合も含み得る。これは選択的要素が３つ以上の場合も同様である。「ＸＸ」および「ＹＹ」は、任意の要素（例えば任意の情報）である。

（実施形態）
＜１．焼却設備の全体構成＞
図１は、実施形態に係る焼却設備ＳＦの全体構成を示す概略構成図である。焼却設備ＳＦは、例えば、都市ごみ、産業廃棄物、またはバイオマスなどを被焼却物Ｇとするストーカ炉である。以下では説明の便宜上、「被焼却物Ｇ」を「ごみＧ」と称する。なお、焼却設備ＳＦは、ストーカ炉に限定されるものではなく、別タイプの焼却設備でもよい。本実施形態では、焼却設備ＳＦは、例えば、クレーン１、焼却炉２、排熱回収ボイラ３、減温塔４、集塵装置５、煙道６、煙突７、および制御装置１００を備える。

クレーン１は、ごみピットに貯留されたごみＧを、後述する焼却炉２のホッパ１１まで運んでホッパ１１に投入する。クレーン１は、ごみＧを把持する把持部１ａと、把持部１ａに設けられた重量センサ１ｂとを含む。重量センサ１ｂは、例えば、ロードセルである。重量センサ１ｂは、ごみＧが把持部１ａに把持されて持ち上げられた状態で、把持部１ａに把持されたごみＧの重量を検出する。重量センサ１ｂの検出結果は、制御装置１００に送信される。重量センサ１ｂの検出結果は、「処理空間Ｖへ供給される前のごみＧに関する情報」の一例であり、「ごみＧの性状に関する情報」の一例である。

なお本開示で「ごみＧの性状に関する情報」とは、ごみＧの性質または状態に関する情報を意味する。また本開示で「ごみＧの性状に関する情報」とは、ごみＧの性状を直接に示す情報に限定されず、ごみＧの性状を特定するために用いられる情報（例えば、他の情報を組み合わされることでごみＧの性状を特定可能な情報）などでもよい。例えば、ごみＧの重量は、後述するごみＧの体積と組み合わされることで、ごみＧの密度を特定可能な情報である。ごみＧの密度は、ごみＧの性状の一例である。

焼却炉２は、後述するホッパ１１に投入されたごみＧを搬送しながら燃焼させる炉である。焼却炉２内でのごみＧの燃焼に伴って焼却炉２では排ガスが発生する。発生した排ガスは、焼却炉２の上部に設けられた排熱回収ボイラ３に送られる。排熱回収ボイラ３は、焼却炉２で発生した排ガスと水との間で熱交換を行うことで水を加熱して蒸気を発生させる。

排熱回収ボイラ３を通過した排ガスは、減温塔４で冷却された後、集塵装置５に送られる。排ガスは、集塵装置５でススや塵埃が除去された後、煙道６および煙突７を通じて大気中に排出される。煙道６には、ガス濃度センサ６ａが設けられている。ガス濃度センサ６ａは、煙道６を流れる排ガスに含まれる各種気体の濃度（例えば酸素濃度）を検出する。なお、ガス濃度センサ６ａの検出結果は、酸素濃度に代えて／加えて、ＣＯ濃度、ＮＯｘ濃度、およびＳＯｘ濃度のうち１つ以上を含み得る。ガス濃度センサ６ａの検出結果は、制御装置１００に送信される。

＜２．焼却炉＞
次に、焼却炉２について詳しく説明する。焼却炉２は、例えば、供給機構１０、炉本体２０、ストーカ３０、風箱４１、排出シュート４２、火炉４３、および送風機構５０を有する。

＜２．１ 供給機構＞
供給機構１０は、クレーン１によって運ばれたごみＧを、一時的に貯留するとともに、後述する炉本体２０の処理空間Ｖに向けて順次供給する機構である。供給機構１０は、例えば、ホッパ１１、フィーダ１２、押出装置１３（図２参照）、物体計測器１４、および水分計測器１５を有する。

ホッパ１１は、炉本体２０の内部へごみＧを供給するために設けられた貯留部である。ホッパ１１には、クレーン１によって運ばれたごみＧが投入される。ホッパ１１は、入口部１１ａと、出口部１１ｂとを有する。入口部１１ａは、ごみＧが外部から投入されるための入口部分である。入口部１１ａは、例えば鉛直方向に延びている。入口部１１ａに投入されたごみＧは、重力によって下方に移動する。出口部１１ｂは、入口部１１ａの下方に設けられている。出口部１１ｂは、入口部１１ａから供給されるごみＧを、後述する炉本体２０内の処理空間Ｖに向けて導く出口部分である。出口部１１ｂは、例えば水平方向に延びている。

フィーダ１２は、ホッパ１１の出口部１１ｂに設けられている。フィーダ１２は、ホッパ１１の出口部１１ｂの底部に沿う板状であり、ホッパ１１の出口部１１ｂの底部に沿って配置されている。フィーダ１２は、ホッパ１１の出口部１１ｂから炉本体２０の処理空間Ｖに向かう方向に沿って往復移動可能である。フィーダ１２は、押出装置１３によって駆動され、ホッパ１１の内部（例えばホッパ１１の出口部１１ｂ）に堆積したごみＧを炉本体２０の処理空間Ｖに向けて押し出す。

物体計測器１４は、クレーン１によってホッパ１１に投入されるごみＧの高さを検出する計測器である。物体計測器１４は、例えば、ＬｉＤＡＲ（Light Detection and Ranging）である。物体計測器１４は、例えばホッパ１１の入口部１１ａに設けられ、ホッパ１１の入口部１１ａを通過するごみＧＭの高さを検出する。なお、物体計測器１４は、ごみＧの高さに代えて、３次元測定によりごみＧの体積を直接に検出してもよい。物体計測器１４の検出結果は、制御装置１００に送信される。物体計測器１４の検出結果は、「処理空間Ｖへ供給される前のごみＧに関する情報」の一例であり、「ごみＧの性状に関する情報」の一例である。

水分計測器１５は、ホッパ１１に投入されるごみＧに含まれる水分に関する値（例えば水分率または水分量）を検出する計測器である。本実施形態では、水分計測器１５は、ホッパ１１に設けられた照射部および検出部と、解析部とを有する。照射部は、ホッパ１１内に堆積するごみＧに所定の周波数帯域の電磁波を照射する。検出部は、照射部から照射されて、ごみＧを透過したまたはごみＧで反射した電磁波を受信する。解析部は、例えば、電磁波の特性変化（例えば振幅の変化または位相の変化）と水分率との関係を示す相関関係情報を予め記憶している。解析部は、照射部と検出部との間での電磁波の特性変化と、上記相関関係情報とに基づき、ごみＧに含まれる水分率を検出する。

本実施形態では、水分計測器１５の照射部および検出部は、フィーダ１２の少し上側に設けられ、フィーダ１２の上面に堆積するごみＧの水分率を検出する。水分計測器１５の検出結果は、制御装置１００に送信される。水分計測器１５の検出結果は、「処理空間Ｖへ供給される前のごみＧに関する情報」の一例であり、「ごみＧの性状に関する情報」の一例であり、「ホッパ１１内での水分計測結果」の一例である。

＜２．２ 炉本体＞
炉本体２０は、ホッパ１１に隣接して設けられ、ごみＧを搬送しながら燃焼させる設備である。以下では、燃焼設備ＦにおけるごみＧの搬送方向を「搬送方向Ｄ」と称する。炉本体２０は、搬送方向Ｄにおける上流側から下流側に向けて、乾燥段２０ａ、燃焼段２０ｂ、および後燃焼段２０ｃをこの順に有する。乾燥段２０ａは、燃焼段２０ｂおよび後燃焼段２０ｃよりも上流側に位置し、ホッパ１１から供給されたごみＧを、ストーカ３０上での燃焼に先立って乾燥させる領域である。燃焼段２０ｂおよび後燃焼段２０ｃは、乾燥段２０ａを通過して乾燥した状態のごみＧをストーカ３０上で燃焼させる領域である。燃焼段２０ｂでは、ごみＧから発生する熱分解ガスによる拡散燃焼が起き、輝炎Ｆが生じる。後燃焼段２０ｃでは、ごみＧの拡散燃焼後の固定炭素燃焼が起きるため、輝炎Ｆは生じない。燃焼段２０ｂおよび後燃焼段２０ｃは、ごみＧを燃焼させる処理空間Ｖの一例である。乾燥段２０ａは、搬送方向Ｄにおいて処理空間Ｖよりも上流側の領域の一例である。

本実施形態では、炉本体２０は、可視光カメラ２１と、赤外カメラ２２とを有する。可視光カメラ２１および赤外カメラ２２は、搬送方向Ｄにおいて処理空間Ｖよりも下流側に配置され、当該下流側から搬送方向Ｄの上流側を撮像する。本実施形態では、可視光カメラ２１および赤外カメラ２２は、搬送方向Ｄにおける炉本体２０の下流側の端部（以下「炉尻」と称する）に設けられている。例えば、可視光カメラ２１および赤外カメラ２２は、炉本体２０の炉尻に設けられた窓部を通じて、当該下流側から搬送方向Ｄの上流側を撮像する。例えば、可視光カメラ２１および赤外カメラ２２は、互いに上下または左右で隣り合う位置に配置されている。

可視光カメラ２１は、炉本体２０の炉尻から、輝炎Ｆを撮像する。可視光カメラ２１の撮像結果は、制御装置１００に送信される。

赤外カメラ２２は、炉本体２０の炉尻から、輝炎Ｆを透過して炉本体２０の乾燥段２０ａ（すなわち、処理空間Ｖよりも上流側）に堆積したごみＧを撮像する。また本実施形態では、赤外カメラ２２は、炉本体２０の炉尻から、輝炎Ｆを透過してホッパ１１の出口部１１ｂを撮像する。例えば、赤外カメラ２２は、ホッパ１１の出口部１１ｂにおいて、フィーダ１２上に堆積したごみＧを含む画像（ごみＧの堆積状態を示す画像）を撮像する。赤外カメラ２２の撮像結果は、制御装置１００に送信される。赤外カメラ２２の撮像結果は、「処理空間Ｖへ供給される前のごみＧに関する情報」の一例であり、「ホッパ１１内でのごみＧの堆積状態を示す堆積状態情報」の一例である。

なお本実施形態では、１つの赤外カメラ２２によって、炉本体２０の乾燥段２０ａおよびホッパ１１の出口部１１ｂ（例えばフィーダ１２上に堆積したごみＧ）の両方を含む画像が撮像される。これに代えて、炉本体２０は、炉本体２０の乾燥段２０ａを撮像する第１赤外カメラと、ホッパ１１の出口部１１ｂ（例えばフィーダ１２上に堆積したごみＧ）を撮像する第２赤外カメラとを別々に備えてもよい。また、赤外カメラ２２は、炉本体２０の炉尻に代えて、別の位置に設けられてもよい。

＜２．３ ストーカ＞
ストーカ３０は、複数の火格子３１と、火格子駆動装置３２（図２参照）とを含む。複数の火格子３１は、炉本体２０の底面（例えば処理空間Ｖの底面）となるストーカ面３０ａを形成している。ストーカ面３０ａには、供給機構１０によってごみＧが層状に供給される。ストーカ面３０ａは、上述した乾燥段２０ａ、燃焼段２０ｂ、および後燃焼段２０ｃに亘り設けられている。複数の火格子３１は、固定火格子と、可動火格子とを含む。固定火格子は、後述する風箱４１の上面に固定されている。可動火格子は、一定の速度で搬送方向Ｄに沿って往復移動することで、可動火格子と固定火格子の上（ストーカ面３０ａ上）にあるごみＧを攪拌混合しながら下流側へ搬送する。

＜２．４ 風箱、排出シュート、火炉＞
風箱４１は、ストーカ３０の下方に設けられ、ストーカ３０を通じて炉本体２０の内部に燃焼用の空気を供給する。風箱４１は、搬送方向Ｄに複数配列されている。風箱４１は、風箱圧力センサ４１ａを有する。風箱圧力センサ４１ａは、風箱４１の内部の圧力を検出する。風箱４１の内部の圧力は、後述する一次空気ライン５２を通じて炉本体２０の内部に供給される燃焼空気の圧力に相当する。風箱圧力センサ４１ａの検出結果は、制御装置１００に送信される。

排出シュート４２は、燃焼を終えて灰となったごみＧを炉本体２０よりも下方に位置する灰押出装置へ落下させる装置である。排出シュート４２は、炉本体２０の炉尻に設けられている。

火炉４３は、炉本体２０の上部から上方に向けて延びている。処理空間Ｖ内でごみＧが燃焼することで生じた排ガスは、火炉４３を通じて排熱回収ボイラ３に送られる。

＜２．５ 送風機構＞
送風機構５０は、炉本体２０の内部に空気（例えば燃焼空気）を供給する。送風機構５０は、例えば、送風機５１、一次空気ライン５２、空気予熱器５３、二次空気ライン５４、ダンパ５５、および空気流量センサ５６を有する。

送風機５１は、炉本体２０の内部に空気（例えば燃焼空気）を圧送する押込送風機である。送風機５１は、例えば、第１送風機５１Ａと、第２送風機５１Ｂとを含む。第１送風機５１Ａは、一次空気ライン５２および風箱４１を通じて炉本体２０の内部（例えば処理空間Ｖ）に燃焼空気を圧送する。第２送風機５１Ｂは、二次空気ライン５４を通じて、火炉４３の内部に燃焼空気を圧送する。

一次空気ライン５２は、第１送風機５１Ａと風箱４１とを接続している。一次空気ライン５２の途中には、１つ以上（例えば複数）の一次空気ダンパ５５Ａが設けられている。一次空気ダンパ５５Ａは、一次空気ダンパ５５Ａの開度によって一次空気ライン５２を流れる燃焼空気の流量を変更する。

空気予熱器５３は、第１送風機５１Ａから圧送される空気を予熱する熱交換器である。例えば、空気予熱器５３は、一次空気ライン５２の途中に設けられている。

二次空気ライン５４は、第２送風機５１Ｂと火炉４３とを接続している。火炉４３内に供給された二次空気は、ストーカ３０の上方からごみＧに向かう。二次空気ライン５４の途中には、１つ以上（例えば複数）の二次空気ダンパ５５Ｂが設けられている。二次空気ダンパ５５Ｂは、二次空気ダンパ５５Ｂの開度によって二次空気ライン５４を流れる燃焼空気の流量を変更する。以下では説明の便宜上、一次空気ダンパ５５Ａと二次空気ダンパ５５Ｂとを合わせて「ダンパ５５」と称する。

空気流量センサ５６は、炉本体２０の内部に供給される空気（例えば燃焼空気）の流量を検出する。空気流量センサ５６は、例えば、第１空気流量センサ５６Ａと、第２空気流量センサ５６Ｂとを含む。第１空気流量センサ５６Ａは、一次空気ライン５２の途中に設けられ、一次空気ライン５２を通じて供給される空気の流量を検出する。第２空気流量センサ５６Ｂは、二次空気ライン５４の途中に設けられ、二次空気ライン５４を通じて供給される空気の流量を検出する。以下の説明で「空気流量センサ５６の検出結果」とは、例えば、第１空気流量センサ５６Ａの検出結果と、第２空気流量センサ５６Ｂの検出結果とを含む。

＜３．排熱回収ボイラ＞
次に、排熱回収ボイラ３について説明する。排熱回収ボイラ３は、例えば、ボイラ本体６１、管路６２、放射温度センサ（赤外線温度センサ）６３、炉内圧力センサ６４、給水流量センサ６５、および過熱器減温器流量センサ（蒸気流量センサ）６６を含む。

ボイラ本体６１は、焼却炉２の火炉４３に接続されている。ボイラ本体６１の内部には、焼却炉２で発生した排ガスが流入する。放射温度センサ６３および炉内圧力センサ６４は、ボイラ本体６１に設けられている。放射温度センサ６３は、ボイラ本体６１の内部の温度を検出する。炉内圧力センサ６４は、ボイラ本体６１の内部の圧力を検出する。放射温度センサ６３および炉内圧力センサ６４の検出結果は、制御装置１００に送信される。

管路６２は、ボイラ本体６１の内部を延びている。管路６２には、複数の過熱器および複数の減温器が設けられている。管路６２の入口部には、給水部から水が供給される。管路６２を流れる水の少なくとも一部は、ボイラ本体６１の内部で熱交換により加熱され、主蒸気となって外部機器（例えばタービン）に向けて流れる。後述する「主蒸気流量」とは、管路６２から外部機器（例えばタービン）に向けて流れる蒸気の流量を意味する。

給水流量センサ６５は、管路６２の入口部に設けられており、管路６２に給水される水の流量を検出する。過熱器減温器流量センサ６６は、管路６２の途中に設けられており、管路６２を流れる流体（例えば蒸気）の流量を検出する。例えば、過熱器減温器流量センサ６６は、一次減温器を通過する流体の流量（一次過熱器減温器流量）を検出する第１過熱器減温器流量センサ６６Ａと、二次減温器を通過する流体の流量（二次過熱器減温器流量）を検出する第２過熱器減温器流量センサ６６Ｂとを含む。以下の説明で「過熱器減温器流量センサ６６の検出結果」とは、例えば、第１過熱器減温器流量センサ６６Ａの検出結果と、第２過熱器減温器流量センサ６６Ｂの検出結果とを含む。給水流量センサ６５および過熱器減温器流量センサ６６の検出結果は、制御装置１００に送信される。

＜４．制御装置＞
次に、制御装置１００について説明する。
図２は、実施形態に係る焼却設備ＳＦの機能構成を示すブロック図である。制御装置１００は、焼却設備ＳＦを統括的に制御する。例えば、制御装置１００は、炉本体２０の処理空間ＶでのごみＧの燃焼制御を行う。本実施形態では、制御装置１００は、例えば、情報取得部１１０、データ変換部１２０、予測モデル作成部１３０、予測モデル判定部１４０、蒸気流量予測部１５０、および制御部１６０を有する。制御装置１００による制御対象の装置（以下「制御対象装置Ｓ」と称する）は、上述した押出装置１３、送風機５１、ダンパ５５、および火格子駆動装置３２などを含む。

＜４．１ 情報取得部＞
情報取得部１１０は、焼却設備ＳＦに含まれる上述した各種センサにより検出された検出結果などを取得する。例えば、情報取得部１１０は、重量センサ１ｂの検出結果（ごみ重量）、物体計測器１４の検出結果（ごみ高さ）、水分計測器１５の検出結果（ごみ水分検出結果）、可視光カメラ２１の撮像結果（燃焼火炎画像）、赤外カメラ２２の撮像結果（ごみ層画像）、風箱圧力センサ４１ａの検出結果（風箱圧力）、空気流量センサ５６の検出結果（押込空気流量）、放射温度センサ６３の検出結果（炉内温度）、炉内圧力センサ６４の検出結果（炉内圧力）、給水流量センサ６５の検出結果（給水流量）、過熱器減温器流量センサ６６の検出結果（過熱器減温器流量）、およびガス濃度センサ６ａの検出結果（酸素濃度など）を取得する。

ここで、上述した風箱圧力センサ４１ａの検出結果、空気流量センサ５６の検出結果、放射温度センサ６３の検出結果、炉内圧力センサ６４の検出結果、給水流量センサ６５の検出結果、過熱器減温器流量センサ６６の検出結果、およびガス濃度センサ６ａの検出結果のうち１つ以上は、後述するプロセスデータに含まれる。これら検出結果の各々は、上述した重量センサ１ｂの検出結果、物体計測器１４の検出結果、水分計測器１５の検出結果、可視光カメラ２１の撮像結果、赤外カメラ２２の撮像結果とともに、「予測用情報」の一例に該当する。なお本開示で「取得する」とは、送信要求を出力することで能動的に取得する場合に限定されず、各種装置から送信される情報を受動的に受信することで取得する場合も含む。この定義は、以下の説明においても同様である。

また、情報取得部１１０は、制御対象装置Ｓに含まれる各装置の状態を示すプロセス値を、後述するプロセスデータの一部として取得する。例えば、制御対象装置Ｓは、押出装置１３の状態を示すプロセス値（例えばフィーダ１２のストローク長および／またはフィーダ１２の移動速度、送風機５１の状態を示すプロセス値（例えば送風機５１の回転数）、ダンパ５５の状態を示すプロセス値（例えばダンパ５５の開度）、および火格子駆動装置３２の状態を示すプロセス値（例えば火格子３１の移動速度）を、プロセスデータの一部として取得する。これらプロセスデータ（プロセス値）の各々は、「予測用情報」の一例である。押出装置１３の状態を示すプロセス値（例えばフィーダ１２のストローク長および／またはフィーダ１２の移動速度）は、「フィーダ１２の動作を示す情報」の一例であり、「ホッパ１１から処理空間ＶへのごみＧの供給状態を示す供給状態情報」の一例である。情報取得部１１０は、取得した各種情報およびプロセスデータを、データ変換部１２０に出力する。

＜４．２ データ変換部＞
データ変換部１２０は、情報取得部１１０から受け取る情報に対して所定のデータ変換を行う。例えば、データ変換部１２０は、所定のデータ変換として、特徴量の抽出、時間遅れの調整、平均化処理などを行う。

図３は、実施形態に係るデータ変換部１２０の機能構成を示すブロック図である。データ変換部１２０は、例えば、第１発熱量推定部１２１、第２発熱量推定部１２２、第１特徴量抽出部１２３、酸素濃度推定部１２４、燃え難さ係数算出部１２５、画像変換部（画像処理部）１２６、ごみ層高さ検出部１２７、第２特徴量抽出部１２８、フィーダ供給量推定部１２９、および調整処理部ＰＵを含む。

（第１発熱量推定部）
第１発熱量推定部１２１には、重量センサ１ｂの検出結果（ごみ重量）と、物体計測器１４の検出結果（ごみ高さ）とが入力される。第１発熱量推定部１２１は、ごみＧの高さに基づき（例えばごみＧの高さとクレーン１の把持部１ａの大きさに基づき）、ごみＧの体積を算出する。そして、第１発熱量推定部１２１は、ごみＧの重量をごみＧの体積で除算することで、ごみＧの密度を算出する。また、第１発熱量推定部１２１は、ごみＧの密度とごみＧの発熱量（例えば低位発熱量ＬＨＶ：Lower Heating Value）（以下「ごみ発熱量」と称する）との相関関係を示す相関関係情報を有する。上記相関関係情報は、例えば、ごみＧの密度からごみ発熱量の推定値を算出する発熱量推定式である。第１発熱量推定部１２１は、算出されたごみＧの密度と、上記相関関係情報とに基づき、ごみ発熱量の推定値を算出する。第１発熱量推定部１２１は、算出されたごみ発熱量の推定値を、調整処理部ＰＵに出力する。

ここで、本実施形態でいう密度とは、例えば、かさ密度を意味する。かさ密度は、対象物固有の密度（真密度）ではなく、「空隙を含む単位体積当たりの重量」から算出した密度である。ただし、第１発熱量推定部１２１は、かさ密度に代えて／加えて、真密度を推定して用いてもよい。なお、第１発熱量推定部１２１により算出されるごみＧの密度は、ホッパ１１内の外部で計測された重量などに基づくものであるが、ホッパ１１内でのごみＧの密度に相当するものである。このため、第１発熱量推定部１２１により算出されるごみＧの密度は、「ホッパ１１内でのごみＧの密度」の一例に該当する。

（第２発熱量推定部）
第２発熱量推定部１２２には、水分計測器１５の検出結果（ごみ水分検出結果）が入力される。なお、第２発熱量推定部１２２には、第１発熱量推定部１２１で算出されたごみＧの体積がさらに入力されてもよい。ごみＧの体積が入力される場合、第２発熱量推定部１２２は、ごみＧの水分率とごみＧの体積とを乗算することで、ごみＧの水分量を算出することができる。第２発熱量推定部１２２は、ごみＧの水分に関する値（水分率または水分量）とごみ発熱量（例えば低位発熱量）との相関関係を示す相関関係情報を有する。上記相関関係情報は、例えば、ごみＧの水分に関する値からごみ発熱量の推定値を算出する発熱量推定式である。第２発熱量推定部１２２は、ごみＧの水分に関する値と、上記相関関係情報とに基づき、ごみ発熱量の推定値を算出する。第２発熱量推定部１２２は、算出されたごみ発熱量の推定値を、調整処理部ＰＵに出力する。

ここで図４は、水分計測器１５の検出結果に基づくごみ発熱量の推定値と、実機で確認されたごみ発熱量との相関関係を示す図である。図４に示すように、水分計測器１５の検出結果に基づくごみ発熱量の推定値と、実機で確認されたごみ発熱量との間には、十分に高い相関関係があることが本発明者らにより確認されている。また、水分計測器１５の検出結果に基づくごみ発熱量の推定値は、実機で確認されたごみＧの発熱量に対して先行した情報となるため、時間遅れを考慮することで、水分計測器１５の検出結果に基づくごみ発熱量の推定値と、実機で確認されたごみ発熱量との間の相関関係を高めることができることが本発明者らにより確認されている。

（第１特徴量抽出部）
第１特徴量抽出部１２３には、可視光カメラ２１の撮影結果（燃焼火炎画像）が入力される。第１特徴量抽出部１２３は、入力された燃焼火炎画像に対してクラスタリング処理を行うことで、色情報に応じて複数の色領域に区分された色画像データＩＭ（図５参照）に変換する。そして、第１特徴量抽出部１２３は、色画像データＩＭに基づいて火炎状態に関する特徴量を抽出する。

「画像をクラスタリング処理により色情報に応じて複数の色領域に区分する」の一例について説明する。色情報はＲＧＢの各色成分であり、複数の色領域のそれぞれは、ＲＧＢの各色成分が互いに重複しないようにクラスタリング処理によって設定されている。第１特徴量抽出部１２３は、燃焼火炎画像を画素ごとにＲＧＢの各色成分に分解し、各画素が含まれる色領域を決定する。なお、色情報は、ＲＧＢの各色成分に限定されず、輝度や彩度であってもよい。

クラスタリング処理のアルゴリズムは、特に限定されず、公知の種々のクラスタリングアルゴリズムを用いることが可能である。例えば、ｋ－ｍｅａｎｓ等のクラスタ数を指定できるアルゴリズムを用いてクラスタリング処理を行ってもよいし、ｆｌｏｗｓｏｍ等の自動的にクラスタ数を決定するようなアルゴリズムを用いてクラスタリング処理を行ってもよい。

図５は、色画像データＩＭの一例を示す図である。図５に例示する色画像データＩＭでは、クラスタリング処理によって７つの色領域Ａに区分されており、輝度が高い順に第１色領域Ａ１、第２色領域Ａ２、第３色領域Ａ３、第４色領域Ａ４、第５色領域Ａ５、第６色領域Ａ６、および第７色領域Ａ７を含む。第１色領域Ａ１～第７色領域Ａ７のそれぞれは、白黒（グレースケール）の濃淡の値に変換されており、第１色領域Ａ１から第７色領域Ａ７に進むにつれて濃くなる。

次に「色画像データＩＭから特徴量を抽出する」の一例について説明する。第１特徴量抽出部１２３は、第１色領域Ａ１に区分された画素数の合計（すなわち面積）を算出し、この合計画素数を特徴量として抽出する。例えば、第１特徴量抽出部１２３は、所定の時間ごと（例えば毎秒）に第１色領域Ａ１の合計画素数を抽出する。第１特徴量抽出部１２３は、第２色領域Ａ２から第７色領域Ａ７のそれぞれに対しても所定の時間ごとの合計画素数を算出し、それぞれの合計画素数を特徴量として抽出する。なお、本実施形態では、特徴量は、複数の色領域のうち全ての色領域（第１色領域Ａ１から第７色領域Ａ７）の合計画素数を含むが、本開示はこの形態に限定されない。特徴量は、複数の色領域のうちの少なくとも１つの色領域の合計画素数を含めばよい。

第１特徴量抽出部１２３は、抽出した火炎状態に関する特徴量を、酸素濃度推定部１２４に出力するとともに、調整処理部ＰＵに出力する。なお、第１特徴量抽出部１２３によって特徴量を抽出する手法は、クラスタリングに限らず、別の手法でもよい。

（酸素濃度推定部）
酸素濃度推定部１２４には、第１特徴量抽出部１２３により抽出された特徴量と、情報取得部１１０により取得されたプロセスデータの一部または全部が入力される。酸素濃度推定部１２４に入力されるプロセスデータは、例えば、風箱圧力センサ４１ａの検出結果、空気流量センサ５６の検出結果、放射温度センサ６３の検出結果、炉内圧力センサ６４の検出結果、給水流量センサ６５の検出結果、過熱器減温器流量センサ６６の検出結果、およびガス濃度センサ６ａの検出結果などのうち１つ以上である。酸素濃度推定部１２４は、入力された特徴量およびプロセスデータに基づき機械学習による回帰分析を行うことで、処理空間Ｖの酸素濃度を推定するための推定式を導出する。そして、酸素濃度推定部１２４は、入力された特徴量およびプロセスデータと上記推定式に基づいて、処理空間Ｖの酸素濃度の推定値をリアルタイムで算出する。酸素濃度推定部１２４は、算出した酸素濃度の推定値を燃え難さ係数算出部１２５に出力する。なお、酸素濃度推定部１２４によって上記推定式を導出する手法は、回帰分析に限らず、別の手法でもよい。また、機械学習のアルゴリズムは、特に限定されず、公知の種々のアルゴリズムを用いることが可能である。

（燃え難さ係数算出部）
燃え難さ係数算出部１２５には、酸素濃度推定部１２４により算出された酸素濃度の推定値と、情報取得部１１０により取得されたプロセスデータの一部または全部が入力される。酸素濃度推定部１２４に入力されるプロセスデータは、例えば、放射温度センサ６３の検出結果、およびフィーダ１２の移動速度などのうち１つ以上である。本実施形態では、燃え難さ係数算出部１２５は、酸素濃度の推定値、放射温度センサ６３の検出結果、およびフィーダ１２の移動速度の変化量などに基づき、処理空間Ｖの燃焼状態を数値化した燃え難さ係数を算出する。燃え難さ係数算出部１２５は、算出した燃え難さ係数を、調整処理部ＰＵに出力する。本開示で「燃え難さ」とは、「燃焼状況」を意味する。

（画像変換部）
画像変換部１２６には、赤外カメラ２２の撮像結果（ごみ層画像）が入力される。画像変換部１２６は、入力されたごみ層画像に対して所定の画像処理を行い、ごみ層画像を単純化する。例えば、画像変換部１２６は、入力されたごみ層画像を二値化する。二値化の手法は、例えば大津法であるが、これに限定されない。

図６は、画像変換部１２６による処理の一例を示す図である。図６に示すように、赤外カメラ２２により撮像されたカラー画像（またはモノクロ画像）であるごみ層画像は、画像変換部１２６によって白黒画像に変換される。画像変換部１２６により得らえた画像（例えば白黒画像）は、ごみ層高さ検出部１２７に出力される。

（ごみ層高さ検出部）
ごみ層高さ検出部１２７には、画像変換部１２６により得られた画像が入力される。ごみ層高さ検出部１２７は、入力された画像に基づき、炉本体２０の乾燥段２０ａにおけるごみＧの高さ（ごみ層高さ）を検出する。

図７は、ごみ層高さ検出部１２７による処理の一例を示す図である。ごみ層高さ検出部１２７は、画像変換部１２６により得られた画像に対して、当該画像の一部である所定の注目領域Ｒ（図６参照）を１箇所以上（図６に示す例では２箇所）設定する。そして、ごみ層高さ検出部１２７は、設定した注目領域Ｒの画像に対して、上下方向および左右方向に分割された複数の分割領域Ｒａ（例えば、注目領域Ｒを上下方向で２０分割、左右方向で５分割された分割領域Ｒａ）を設定する（図７中の（ａ）参照）。なお図７では、２箇所の注目領域Ｒのデータが横に並べられて図示されている。

ごみ層高さ検出部１２７は、各分割領域Ｒａについて、黒が５０％より大きい場合に当該分割領域Ｒａに「１」を付与し、黒が５０％以下である場合に当該分割領域Ｒａに「０」を付与する（図７中の（ｂ）参照）。そして、ごみ層高さ検出部１２７は、最も上部にある「１」の分割領域Ｒａの位置をごみ層高さとして算出する。例えば、図７に示す例では、線Ｈの高さ位置をごみ層高さとして算出する。ごみ層高さ検出部１２７は、算出したごみ層高さを、フィーダ供給量推定部１２９に出力する。

（第２特徴量抽出部）
第２特徴量抽出部１２８には、赤外カメラ２２の撮像結果（ごみ層画像）が入力される。第２特徴量抽出部１２８は、入力されたごみ層画像に対してクラスタリング処理を行うことで、色情報に応じて複数の色領域に区分された色画像データに変換する。そして、第２特徴量抽出部１２８は、上記色画像データに基づいてごみの供給状態に関する特徴量を抽出する。なお、「画像をクラスタリング処理により色情報に応じて複数の色領域に区分する」ことの処理方法、および、クラスタリング処理のアルゴリズムは、例えば、第１特徴量抽出部１２３の処理方法およびアルゴリズムと同じであるが、異なってもよい。

本実施形態では、第２特徴量抽出部１２８は、入力されたごみ層画像をクラスタリング処理によって複数の色領域に区分する。そして、第２特徴量抽出部１２８は、区分された各色領域の画素数の合計（すなわち面積）を算出し、この合計画素数を、ごみＧの供給状態に関する特徴量として抽出する。第２特徴量抽出部１２８は、所定の時間ごと（例えば毎秒）に、各色領域の合計画素数を抽出する。なお、本実施形態では、特徴量は、複数の色領域のうち全ての色領域の合計画素数を含むが、本開示はこの形態に限定されない。特徴量は、複数の色領域のうちの少なくとも１つの色領域の合計画素数を含めばよい。第２特徴量抽出部１２８は、抽出したごみＧの供給状態に関する特徴量を、フィーダ供給量推定部１２９に出力する。なお、第２特徴量抽出部１２８によって特徴量を抽出する手法は、クラスタリングに限らず、別の手法でもよい。

（フィーダ供給量推定部）
フィーダ供給量推定部１２９には、ごみ層高さ検出部１２７により算出されたごみ層高さを示す情報と、第２特徴量抽出部１２８により抽出されたごみＧの供給状態の特徴量を示す情報とが入力される。また、フィーダ供給量推定部１２９は、ごみ層高さおよびごみＧの供給状態の特徴量と、フィーダ１２からのごみＧの供給量との相関関係を示す相関関係情報を有する。上記相関関係情報は、例えば、ごみ層高さおよびごみＧの供給状態の特徴量から、フィーダ１２からのごみＧの供給量を算出する供給量推定式である。フィーダ供給量推定部１２９は、入力されたごみ層高さを示す情報およびごみＧの供給状態の特徴量と、上記相関関係情報とに基づき、フィーダ１２からのごみＧの供給量の推定値を算出する。フィーダ供給量推定部１２９は、算出したごみＧの供給量の推定値を、調整処理部ＰＵに出力する。ごみＧの供給量の推定値は、「ホッパ１１から処理空間ＶへのごみＧの供給状態を示す供給状態情報」の別の一例である。

（調整処理部）
調整処理部ＰＵには、第１発熱量推定部１２１、第２発熱量推定部１２２、第１特徴量抽出部１２３、燃え難さ係数算出部１２５、およびフィーダ供給量推定部１２９により算出された情報、並びに情報取得部１１０により取得されたプロセスデータが入力される。以下、これらを纏めて「入力情報」と称する。本実施形態では、調整処理部ＰＵに入力されるプロセスデータは、例えば、フィーダ１２のプロセス値（例えばフィーダ１２のストローク長および／またはフィーダ１２の移動速度）、風箱圧力センサ４１ａの検出結果、空気流量センサ５６の検出結果、炉内圧力センサ６４の検出結果、放射温度センサ６３の検出結果、給水流量センサ６５の検出結果、過熱器減温器流量センサ６６の検出結果、およびガス濃度センサ６ａの検出結果（例えば酸素濃度）を含む。なお、上記プロセスデータの一部または全部（例えばフィーダ１２のプロセス値）は省略されてもよい。

調整処理部ＰＵは、入力情報に対して所定の処理を行うことで、入力情報を後述する主蒸気量予測モデルＭに入力されるデータに変換する。調整処理部ＰＵは、例えば、前処理部ＰＵａと、時間遅れ調整部ＰＵｂとを含む。

前処理部ＰＵａは、１つ以上の入力情報に対して平均化処理などの前処理を行う。例えば、前処理部ＰＵａは、１つ以上の入力情報について、複数の検出時点で得られた値を平均化する。なお、前処理部ＰＵａによる前処理は、平均化処理に代えて／加えて、微分処理などでもよい。前処理部ＰＵａは、前処理を行った入力情報を時間遅れ調整部ＰＵｂに出力する。

時間遅れ調整部ＰＵｂは、各入力情報と、各入力情報に対して個別に設定された時間遅れ設定値とに基づき、１つのデータセット（入力情報の集合）として主蒸気流量予測モデルＭに同時に入力される入力情報の時間軸上の関連付けを行う。すなわち、各入力情報の変化と主蒸気流量の変化との間には時間遅れが存在する。言い換えると、各入力情報は、主蒸気流量の変化に対して先行する先行信号となる。例えば、ホッパ１１またはホッパ１１に近い位置に関連する入力情報は、処理空間Ｖに近い位置に関連する入力情報と比べて、より大きく先行する先行信号となる。

図８は、各入力情報と主蒸気流量との間の相関関係の一例を示す図である。本実施形態では、各入力情報に対して時間遅れ設置値の長さが複数回変更され、当該入力情報と主蒸気流量との相関関係が最も高くなる時間遅れ設定値が選定される。

例えば、フィーダ１２からの供給量を示す入力情報と主蒸気流量との相関関係（図８中の（ａ）参照）は、時間遅れ設定値としてＴ２［分］が設定された場合に最も高くなる。言い換えると、フィーダ１２からの供給量を示す入力情報は、主蒸気流量に対してＴ２［分］だけ先行する先行信号となる。同様に、燃え難さ係数を示す入力情報と主蒸気流量との相関関係（図８中の（ｂ）参照）は、時間遅れ設定値としてＴ３［分］が設定された場合に最も高くなる。言い換えると、燃え難さ係数を示す入力情報は、主蒸気流量に対してＴ３［分］だけ先行する先行信号となる。例えば、Ｔ３［分］は、Ｔ２［分］よりも短い時間である。

図９は、各入力情報に対する時間遅れ設定値の一例を示す図である。図９において、Ｔ１［分］＞Ｔ２［分］＞Ｔ３［分］である。ただし、これら関係は限定されるものではない。各入力情報に対する時間遅れ設定値は、適宜設定可能である。

時間遅れ調整部ＰＵｂは、上述したような各入力情報に対する時間遅れ設定値に基づき、主蒸気流量予測モデルＭに同時に入力される入力情報を関連付けることで、将来のある時点での主蒸気流量を予測するためのデータセット（すなわち、時間調整が行われた入力情報の集合体）を生成する。調整処理部ＰＵは、時間遅れ調整部ＰＵｂにより生成されたデータセットを出力する。

＜４．３ 予測モデル作成部＞
予測モデル作成部１３０には、予測モデル作成処理（学習処理）において、調整処理部ＰＵにより生成されたデータセットと、当該データセットに対応する主蒸気流量の予測値の正解データとの組み合わせが学習データとして入力される。予測モデル作成部１３０は、入力された学習データに基づき機械学習を行うことで、将来時点の主蒸気流量を予測するための主蒸気流量予測モデルＭを生成する。主蒸気流量予測モデルＭは、調整処理部ＰＵにより生成されたデータセットが入力された場合に、将来時点の主蒸気流量の予測値を出力する学習済みモデルである。主蒸気流量予測モデルＭは、例えば、ＬＳＴＭ（Long Short Term Memory）またはＸＧＢｏｏｓｔ（eXtreme Gradient Boosting）などであるが、これらに限定されない。機械学習のアルゴリズムは、特に限定されず、公知の種々の機械学習のアルゴリズムを用いることが可能である。

本実施形態では、予測モデル作成部１３０は、互いに異なる複数の将来時点の主蒸気流量を予測する複数の主蒸気流量予測モデルＭを生成する。例えば、予測モデル作成部１３０は、６０秒先、１２０秒先、および１８０秒先の主蒸気流量の予測値をそれぞれ出力する複数の主蒸気流量予測モデルＭを生成する。なお、予測モデル作成部１３０は、上記複数の主蒸気流量予測モデルＭを生成することに代えて、複数の将来時点にそれぞれ対応する複数の予測値を出力する１つの主蒸気流量予測モデルＭを生成してもよい。

また、予測モデル作成部１３０は、学習期間（学習データの蓄積期間）を可変させ、長さが異なる複数の学習期間の学習データに基づく複数の主蒸気流量予測モデルＭを生成する。例えば、予測モデル作成部１３０は、１日分の学習データ、２日分の学習データ、…、７日分の学習データにそれぞれ対応する主蒸気流量予測モデルＭを生成する。

＜４．４ 予測モデル判定部＞
予測モデル判定部１４０は、予測モデル作成部１３０により生成された複数の学習期間に対応する複数の主蒸気流量予測モデルＭについて評価を行い、蒸気流量予測部１５０で用いる主蒸気流量予測モデルＭを選定する。

図１０は、予測モデル判定部１４０による評価処理の一例を示す図である。本実施形態では、予測モデル判定部１４０は、二乗平均平方根誤差（ＲＭＳＥ：Root Mean Square Error）と、平均絶対スケール誤差（ＭＡＳＥ：Mean Absolute scale Error）などの精度指標に基づき、複数の学習期間に対応する複数の主蒸気流量予測モデルＭについて評価を行う。本実施形態では、各学習期間に対応する主蒸気流量予測モデルＭとして、６０秒先、１２０秒先、および１８０秒先の主蒸気流量をそれぞれ予測する複数の主蒸気流量予測モデルＭの組が評価される。そして、複数の学習期間に対応する複数の主蒸気流量予測モデルＭのなかで、複数の将来時点（６０秒先、１２０秒先、および１８０秒先）の予測精度が総合的に最も高くなる学習期間に対応する主蒸気流量予測モデルＭの組が選定される。図１０に示される例では、５日分の学習期間に対応する主蒸気流量予測モデルＭの組が選択される。予測モデル判定部１４０により選択された主蒸気流量予測モデルＭは、蒸気流量予測部１５０に出力される。なお図１０中におけるＳ１～Ｓ７の値は、ＲＭＳＥまたはＭＡＳＥの計算式に基づき具体的に算出された値であり、Ｓ１＜Ｓ２＜Ｓ３＜Ｓ４＜Ｓ５＜Ｓ６＜Ｓ７である例を示す。

＜４．５ 主蒸気流量予測部＞
蒸気流量予測部１５０は、焼却設備ＳＦの運転段階において、調整処理部ＰＵにより生成されたデータセットと、予測モデル判定部１４０により選択された主蒸気流量予測モデルＭとを用いて、将来時点における主蒸気流量の予測値を導出する。本実施形態では、６０秒先、１２０秒先、および１８０秒先の主蒸気流量をそれぞれ予測する複数の主蒸気流量予測モデルＭが用いられ、６０秒先、１２０秒先、および１８０秒先の主蒸気流量の予測値が導出される。蒸気流量予測部１５０は、所定の周期（例えば毎秒や１０秒毎）に主蒸気流量の予測値を導出する。蒸気流量予測部１５０は、導出された主蒸気流量の予測値を、制御部１６０に出力する。

＜４．６ 制御部＞
制御部１６０は、蒸気流量予測部１５０により導出された主蒸気流量の予測値（例えば、６０秒先、１２０秒先、および１８０秒先の予測値）に基づき、処理空間Ｖの燃焼制御を行う。具体的には、制御部１６０は、処理空間Ｖの燃焼状態の変動量が小さくなるように、制御対象装置Ｓを制御する。

図１１は、制御部１６０による制御内容の一例を示す図である。制御部１６０は、主蒸気流量の将来的な予測値（例えば、６０秒先、１２０秒先、および１８０秒先の予測値のいずれか）が予め設定された下限閾値ＴＨ１を下回る場合に、将来的に燃焼不足が生じると判定し、燃焼を促進させる制御を行う。また、制御部１６０は、主蒸気流量の将来的な予測値（例えば、６０秒先、１２０秒先、および１８０秒先の予測値のいずれか）が予め設定された上限閾値ＴＨ２を上回る場合、将来的に燃焼過多が生じると判定し、燃焼を抑制する制御を行う。

本実施形態では、設定値（基準値）に対する予測値の偏差に基づいて制御指示が出力されるため、主蒸気流量の変動を抑制することができる。すなわち本実施形態では、主蒸気流量の実測値が下限閾値ＴＨ１または上限閾値ＴＨ２に到達した時点（図１１中のＡ点）ではなく、主蒸気流量の将来時点の予測値が下限閾値ＴＨ１または上限閾値ＴＨ２に到達した時点（図１１中のＢ点）で燃焼制御を変更する制御指示が出力される。予測値に基づいて制御が行われる場合の主蒸気流量の変動（図１１中の２点鎖線を参照）は、実測値に基づいて制御が行われる場合の主蒸気流量の変動（図１１中に実線を参照）と比べて小さくなる。

具体的には、制御部１６０は、フィーダ制御部１６１、空気供給制御部１６２、および火格子制御部１６３を含む。各制御部は、例えばＰＩ制御（比例積分制御）を行う。ただし、制御アルゴリズムは、ＰＩ制御に限定されず、公知の種々の制御アルゴリズムを用いることが可能である。

フィーダ制御部１６１は、フィーダ１２の動きを示すプロセス値を押出装置１３から取得し、例えばＰＩ制御に基づいてフィーダ１２に関する制御指示値を生成する。フィーダ制御部１６１は、生成した制御指示値を押出装置１３に出力することで、フィーダ１２の動きを制御し、処理空間Ｖに対するごみＧの供給量を制御する。例えば、フィーダ制御部１６１は、燃焼を促進する場合にごみＧの供給量を増加させる。一方で、フィーダ制御部１６１は、燃焼を抑制する場合にごみＧの供給量を減少させる。

空気供給制御部１６２は、送風機５１の回転数および／またはダンパ５５の開度に関するプロセス値を送風機５１またはダンパ５５から取得し、例えばＰＩ制御に基づいて送風機５１および／またはダンパ５５に関する制御指示値を生成する。空気供給制御部１６２は、生成した制御指示値を送風機５１および／またはダンパ５５に出力することで、送風機５１および／またはダンパ５５を制御し、処理空間Ｖに対する空気（例えば燃焼空気）の供給量を制御する。例えば、空気供給制御部１６２は、燃焼を促進する場合に空気の供給量を増加させる。一方で、空気供給制御部１６２は、燃焼を抑制する場合に空気の供給量を減少させる。

火格子制御部１６３は、火格子３１の移動速度に関するプロセスデータを火格子駆動装置３２から取得し、例えばＰＩ制御に基づいて火格子３１に関する制御指示値を生成する。火格子制御部１６３は、生成した制御指示値を火格子駆動装置３２に出力することで、火格子３１を制御し、ごみＧの攪拌状態を制御する。例えば、火格子制御部１６３は、燃焼を促進する場合に火格子３１の移動速度を増加させる。一方で、火格子制御部１６３は、燃焼を抑制する場合に火格子３１の移動速度を減少させる。

＜５ 処理の流れ＞
次に、上述した制御装置１００における処理の流れの一例について説明する。ただし、以下に説明する処理の順番は、以下の例に限定されず、適宜入れ替えられてもよい。

＜５．１ 予測モデルの作成＞
まず、主蒸気流量予測モデルＭの作成処理（学習処理）について説明する。以下に説明する主蒸気流量予測モデルＭの作成処理は、後述する焼却設備ＳＦの運転段階においても並行して実行される。

図１２は、予測モデルの作成処理の流れを示すフローチャートである。まず、情報取得部１１０は、各種センサの検出結果およびプロセスデータを取得する（Ｓ１０１）。次に、データ変換部１２０は、情報取得部１１０により取得された各種センサの検出結果およびプロセスデータに基づき、主蒸気流量予測モデルＭに入力するデータセットを生成する（Ｓ１０２）。すなわち、データ変換部１２０は、各種推定式を用いた計算やクラスタリングを行い、それらで得られた入力情報に対して時間遅れに関する調整処理などを行うことで、データセットを生成する。

次に、予測モデル作成部１３０は、データ変換部１２０によって生成されたデータセットを、複数日に亘り蓄積する（Ｓ１０３）。そして、予測モデル作成部１３０は、学習期間（学習データの蓄積期間）を可変させて、長さが異なる複数の学習期間の学習データに基づく複数の主蒸気流量予測モデルＭを生成する（Ｓ１０４）。

次に、予測モデル判定部１４０は、予測モデル作成部１３０により生成された学習期間が異なる複数の主蒸気流量予測モデルＭについて評価を行い、蒸気流量予測部１５０で用いる主蒸気流量予測モデルＭを選定する（Ｓ１０５）。本実施形態では、予測モデル判定部１４０は、予測モデル作成部１３０により新しく生成された複数の主蒸気流量予測モデルＭのなかに、蒸気流量予測部１５０で現在使用中の主蒸気流量予測モデルＭよりも予測精度が高くなる主蒸気流量予測モデルＭがあるか否かを判定する。

そして、新しく生成された複数の主蒸気流量予測モデルＭのなかに現在使用中の主蒸気流量予測モデルＭよりも予測精度が高くなる主蒸気流量予測モデルＭがない場合（Ｓ１０５：ＮＯ）、Ｓ１０３の処理の前に戻り、Ｓ１０３およびＳ１０４の処理が再び行われる。一方で、新しく生成された複数の主蒸気流量予測モデルＭのなかに現在使用中の主蒸気流量予測モデルＭよりも予測精度が高くなる主蒸気流量予測モデルＭがある場合（Ｓ１０６：ＹＥＳ）、予測モデル判定部１４０は、予測精度が高くなる主蒸気流量予測モデルＭを蒸気流量予測部１５０に出力し、使用する主蒸気流量予測モデルＭを更新させる（Ｓ１０７）。以上説明したＳ１０１からＳ１０７の処理は、焼却設備ＳＦの運転段階において繰り返し実行される。

＜５．２ 燃焼設備の運転段階の処理＞
次に、焼却設備ＳＦの運転段階の処理について説明する。
図１３は、燃焼設備の運転段階の処理の流れを示すフローチャートである。まず、情報取得部１１０は、各種センサの検出結果およびプロセスデータを取得する（Ｓ２０１）。次に、データ変換部１２０は、情報取得部１１０により取得された各種センサの検出結果およびプロセスデータに基づき、主蒸気流量予測モデルＭに入力するためのデータセットを生成する（Ｓ２０２）。データ変換部１２０は、生成したデータセットを蒸気流量予測部１５０に出力する。

次に、蒸気流量予測部１５０は、データ変換部１２０から受け取るデータセットと、主蒸気流量予測モデルＭとに基づいて、将来時点の主蒸気流量の予測値を導出する（Ｓ２０３）。蒸気流量予測部１５０は、導出した将来時点の主蒸気流量の予測値を制御部１６０に出力する。次に、制御部１６０は、主蒸気流量の予測値に基づき、制御対象装置Ｓの制御量を導出する（Ｓ２０４）。そして、制御部１６０は、導出した制御量に基づく制御指示値を制御対象装置Ｓに出力する（Ｓ２０５）。以上説明したＳ２０１からＳ２０５の処理は、焼却設備ＳＦの運転段階において繰り返し実行される。

＜６．作用効果＞
主蒸気流量は、ごみＧの供給状態やごみＧの性状によって大きく変動する場合がある。このため、燃焼工程以降の情報から予測を行う場合、主蒸気流量の予測精度を高めることが難しい場合がある。

一方で、本実施形態では、制御装置１００は、焼却設備ＳＦ内の処理空間Ｖへ供給される前のごみＧに関する情報を取得する情報取得部１１０と、情報取得部１１０により取得された上記情報を含む予測用情報に基づき、焼却設備ＳＦの排熱回収ボイラ３で生成される主蒸気流量を予測する蒸気流量予測部１５０と、蒸気流量予測部１５０により予測された主蒸気流量に基づき燃焼制御を行う制御部１６０と、備える。

このような構成によれば、処理空間Ｖに供給される前のごみＧに関する情報に基づいて主蒸気流量が予測されるため、主蒸気流量を高い精度で予測することが可能になる。これにより、制御装置１００は、主蒸気流量の高精度の予測値に基づき燃焼制御を行うことが可能になる。その結果、主蒸気流量の変動幅を抑制することができる。

図１４は、本実施形態に係る予測値と実測値の比較結果の一例を示す図である。図１４に示すように、制御装置１００による主蒸気流量の予測値は、主蒸気流量の実測値の変動に対して高い精度で追随していることが確認できる。また本実施形態の制御装置１００による主蒸気流量の予測値によれば、燃焼工程以降の情報のみから予測を行う場合と比べて、予測精度が改善することが本発明者らにより確認されている。

＜７．変形例＞
上述した実施形態では、各入力情報に対して個別に設定された時間遅れ設定値は、各入力情報と主蒸気流量との相関関係が最も高くなる時間遅れ設定値が選定されて設定された後、設定された時間遅れ設定値が固定値として用いられる。しかしながら、時間遅れ調整部ＰＵｂは、所定の周期で、各入力情報と主蒸気流量との相関関係を計算し直し、各入力情報と主蒸気流量との相関関係がより高くなるように時間遅れ設定値を変更してもよい。このような構成によれば、ごみＧの性状が季節やその他の要因によって変わる場合でも、主蒸気流量の予測精度をさらに高めることができる場合がある。

（その他の実施形態）
以上、本開示の実施形態について図面を参照して詳述したが、具体的な構成はこの実施形態に限られるものではなく、本開示の要旨を逸脱しない範囲の設計変更なども含まれる。

図１４は、本実施形態に係るコンピュータ１１００の構成を示すハードウェア構成図である。コンピュータ１１００は、例えば、プロセッサ１１１０、メインメモリ１１２０、ストレージ１１３０、インターフェース１１４０を備える。

上述の制御装置１００の各機能部は、コンピュータ１１００に実装される。そして、上述した各機能部の動作は、プログラムの形式でストレージ１１３０に記憶されている。プロセッサ１１１０は、プログラムをストレージ１１３０から読み出してメインメモリ１１２０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１１１０は、プログラムに従って、上述した各機能部が使用する記憶領域をメインメモリ１１２０に確保する。

プログラムは、コンピュータ１１００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１１３０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。また、コンピュータ１１００は、上記構成に加えて、又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１１１０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１１３０の例としては、磁気ディスク、光磁気ディスク、半導体メモリなどが挙げられる。ストレージ１１３０は、コンピュータ１１００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、インターフェース１１４０又は通信回線を介してコンピュータ１１００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１１００に配信される場合、配信を受けたコンピュータ１１００が当該プログラムをメインメモリ１１２０に展開し、上記処理を実行してもよい。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１１３０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。

＜付記＞
各実施形態に記載の制御装置１００は、例えば以下のように把握される。

（１）第１の態様に係る制御装置１００は、焼却設備ＳＦ内の処理空間Ｖへ供給される前の被焼却物Ｇに関する情報を取得する情報取得部１１０と、情報取得部１１０により取得された上記情報を含む予測用情報に基づき、焼却設備ＳＦの排熱回収ボイラ３で生成される主蒸気流量を予測する蒸気流量予測部１５０と、蒸気流量予測部１５０により予測された主蒸気流量に基づき燃焼制御を行う制御部１６０と、備える。なお「予測用情報」とは、予測専用の情報という意味ではなく、予測に供することができる情報という広い概念の意味で用いている。すなわち、予測用情報とは、主蒸気流量の予測とは異なる目的を主目的として収集または記憶されている情報でもよい。

このような構成によれば、処理空間Ｖに供給される前の被焼却物Ｇに関する情報に基づいて主蒸気流量が予測されるため、主蒸気流量を高い精度で予測することが可能になる。これにより、制御装置１００は、主蒸気流量の高精度の予測値に基づき燃焼制御を行うことが可能になる。

（２）第２の態様に係る制御装置１００は、（１）の制御装置１００であって、上記情報は、被焼却物Ｇの性状に関する情報を含む。「被焼却物Ｇの性状に関する情報」は、例えば、被焼却物Ｇの水分に関する値（水分率または水分量など）、被焼却物Ｇの重量、被焼却物Ｇの高さ、被焼却物Ｇの体積、被焼却物Ｇの密度（かさ密度または真密度）、および被焼却物Ｇの発熱量のうち１つ以上である。

このような構成によれば、主蒸気流量に影響を与える被焼却物Ｇの性状を反映させて主蒸気流量を予測することができる。これにより、主蒸気流量をさらに高い精度で予測することができる。

（３）第３の態様に係る制御装置１００は、（１）または（２）の制御装置１００であって、上記情報は、前記焼却設備ＳＦのホッパ１１内での被焼却物Ｇの堆積状態を示す堆積状態情報を含む。

このような構成によれば、主蒸気流量に対して影響を与えるホッパ１１内での被焼却物Ｇの堆積状態を反映させて主蒸気流量を予測することができる。これにより、主蒸気流量をさらに高い精度で予測することができる。

（４）第４の態様に係る制御装置１００は、（３）の制御装置１００であって、上記堆積状態情報は、焼却設備ＳＦでの被焼却物Ｇの搬送方向Ｄの下流側から、処理空間Ｖの火炎を透過してホッパ１１の出口部１１ｂが撮像された赤外画像を含む。

このような構成によれば、赤外画像に基づいてホッパ１１内での被焼却物Ｇの堆積状態をより高い精度で反映させることができる。これにより、主蒸気流量をさらに高い精度で予測することができる。

（５）第５の態様に係る制御装置１００は、（１）から（４）のうちいずれか１つの制御装置１００であって、上記情報は、焼却設備ＳＦのホッパ１１から処理空間Ｖへの被焼却物Ｇの供給状態を示す供給状態情報を含む。

このような構成によれば、主蒸気流量に対して影響を与えるホッパ１１から処理空間Ｖへの被焼却物Ｇの供給状態を反映させて主蒸気流量を予測することができる。これにより、主蒸気流量をさらに高い精度で予測することができる。

（６）第６の態様に係る制御装置１００は、（１）から（５）のうちいずれか１つの制御装置１００であって、上記情報に含まれるまたは上記情報から得られる、焼却設備ＳＦのホッパ１１内での被焼却物Ｇの密度またはホッパ１１内での被焼却物Ｇの水分計測結果に基づいて被焼却物Ｇの低位発熱量を推定する発熱量推定部（第１発熱量推定部１２１または第２発熱量推定部１２２）をさらに備え、蒸気流量予測部１５０は、上記発熱量推定部により推定された低位発熱量に基づき主蒸気流量を予測する。

このような構成によれば、ホッパ１１内での被焼却物Ｇの密度または水分計測結果から推定される被焼却物Ｇの低位発熱量を反映させて主蒸気流量を予測することができる。これにより、主蒸気流量をさらに高い精度で予測することができる。

（７）第７の態様に係る制御方法は、焼却設備ＳＦ内の処理空間Ｖへ供給される前のごみＧに関する情報を取得し、取得した上記情報を含む予測用情報に基づき、焼却設備ＳＦの排熱回収ボイラ３で生成される主蒸気流量を予測し、予測した主蒸気流量に基づき燃焼制御を行う、ことを含む。このような構成によれば、第１の態様に係る制御装置１００と同様に、主蒸気流量の高精度の予測値に基づき燃焼制御を行うことが可能になる。

（８）第８の態様に係るプログラムは、コンピュータに、焼却設備ＳＦ内の処理空間Ｖへ供給される前のごみＧに関する情報を取得させ、取得させた上記情報を含む予測用情報に基づき、焼却設備ＳＦの排熱回収ボイラ３で生成される主蒸気流量を予測させ、予測させた主蒸気流量に基づき燃焼制御を行わせる、ことを含む。このような構成によれば、第１の態様に係る制御装置１００と同様に、主蒸気流量の高精度の予測値に基づき燃焼制御を行うことが可能になる。

ＳＦ…焼却設備、Ｇ…被焼却物（ごみ）、１…クレーン、２…焼却炉、３…排熱回収ボイラ、４…減温塔、５…集塵装置、６…煙道、７…煙突、１０…供給機構、１１…ホッパ、１１ａ…入口部、１１ｂ…出口部、１２…フィーダ、１３…押出装置、１４…物体計測器、１５…水分計測器、２０…炉本体、２０ａ…乾燥段、２０ｂ…燃焼段、２０ｃ…後燃焼段、Ｖ…処理空間、２１…可視光カメラ、２２…赤外カメラ、３０…ストーカ、３１…火格子、３２…火格子駆動装置、４１…風箱、４１ａ…風箱圧力センサ、５０…送風機構、５１…送風機、５２…一次空気ライン、５３…空気予熱器、５４…二次空気ライン、５５…ダンパ、５６…空気流量センサ、６１…ボイラ本体、６２…管路、６３…放射温度センサ、６４…炉内圧力センサ、６５…給水流量センサ、６６…過熱器減温器流量センサ、１００…制御装置、１１０…情報取得部、１２０…データ変換部、１３０…予測モデル作成部、１４０…予測モデル判定部、１５０…蒸気流量予測部、１６０…制御部

Claims (5)

1. 焼却設備内の処理空間へ供給される前の被焼却物に関する情報を取得する情報取得部と、
   前記情報取得部により取得された前記情報を含む予測用情報に基づき、前記焼却設備のボイラで生成される主蒸気流量を予測する蒸気流量予測部と、
   前記蒸気流量予測部により予測された前記主蒸気流量に基づき燃焼制御を行う制御部と、
   を備え、
   前記焼却設備は、前記処理空間へ供給される前の前記被焼却物が堆積されるホッパと、前記ホッパの内部に堆積した前記被焼却物を前記処理空間に向けて押し出すフィーダとを有し、
   前記予測用情報は、前記焼却設備のホッパから前記処理空間への前記被焼却物の供給状態を示す供給状態情報を含み、前記供給状態情報は、前記フィーダのストローク長と前記フィーダの移動速度とのうち少なくとも一方を示す情報を含む、
   制御装置。
2. 前記情報は、前記被焼却物の性状に関する情報を含む、
   請求項１に記載の制御装置。
3. 前記情報は、前記焼却設備のホッパ内での前記被焼却物の堆積状態を示す堆積状態情報を含む、
   請求項１または請求項２に記載の制御装置。
4. 前記堆積状態情報は、前記焼却設備における前記被焼却物の搬送方向の下流側から、前記処理空間の火炎を透過して前記ホッパの出口部が撮像された赤外画像を含む、
   請求項３に記載の制御装置。
5. 焼却設備内の処理空間へ供給される前の被焼却物に関する情報を取得する情報取得部と、
   前記情報取得部により取得された前記情報を含む予測用情報に基づき、前記焼却設備のボイラで生成される主蒸気流量を予測する蒸気流量予測部と、
   前記蒸気流量予測部により予測された前記主蒸気流量に基づき燃焼制御を行う制御部と、
   前記情報に含まれるまたは前記情報から得られる、前記焼却設備のホッパ内での前記被焼却物の密度または前記ホッパ内での前記被焼却物の水分計測結果に基づいて前記被焼却物の低位発熱量を推定する発熱量推定部と、
   を備え、
   前記蒸気流量予測部は、前記発熱量推定部により推定された前記低位発熱量に基づき前記主蒸気流量を予測する、
   制御装置。

Images