JP7354930B2 - 情報処理装置、情報処理方法、燃焼制御装置、および燃焼制御方法 - Google Patents

Description

本発明は、情報処理装置、情報処理方法、燃焼制御装置、および燃焼制御方法に関する。

従来、低炭素社会および循環型社会を実現するために、廃棄物処理分野においても、様々な要求がなされている。廃棄物を焼却する焼却炉には、燃焼排ガスから熱を効率的に回収して蒸気を発生させることで発電を効率良く行う技術が求められている。

例えば、特許文献１には、火格子式の焼却炉におけるプロセスデータからニューラルネットワークによって蒸気発生量を予測し、得られた蒸気発生量を運転制御に利用する技術が開示されている。特許文献２には、焼却炉内を撮像した画像を用いて、焼却炉内の状況を推定する技術が開示されている。特許文献３には、燃焼排ガスに含まれる成分濃度の計測値から廃棄物の発熱量を推算し、発熱量に基づいてボイラ蒸発量を推算する技術が開示されている。

特開２００５－２４９３４９号公報 特開２０１９－０７４２４０号公報 特開２０１７－０９６５１７号公報

上述した特許文献１に記載された技術においては、火格子式の焼却炉における蒸気発生量をプロセスデータに基づいて推定しているため、蒸気発生量に関しては９０秒後までを予測できるに過ぎず、推定した蒸気発生量に基づいて焼却炉を安定して制御することは困難であった。特許文献２に記載された技術においては、焼却炉内を撮像した画像を用いて焼却炉内の状況を推定できたとしても、蒸気発生量の予測を行うことは極めて困難であった。さらに、特許文献３に記載された技術においては、燃焼排ガスに含まれる成分濃度の計測値からボイラ蒸発量を測定しているが、燃焼排ガスの測定自体を安定して行うことが困難であった。そのため、火格子焼却炉などの焼却炉において、現時点から９０秒より長い所定時間後の蒸気発生量を予測することができ、所定時間後の蒸気発生量の予測値に基づいて焼却炉を安定して制御できる技術が求められた。

本発明は、上記に鑑みてなされたものであって、その目的は、焼却炉において、所定時間後の蒸気発生量を予測することができ、推定した蒸気発生量に基づいて焼却炉を安定して制御できる情報処理装置、情報処理方法、燃焼制御装置、および燃焼制御方法を提供することにある。

上述した課題を解決し、目的を達成するために、本発明の一態様に係る情報処理装置は、廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、前記制御部は、前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力する。

本発明の一態様に係る情報処理装置は、上記の発明において、前記制御部は、前記記憶部から前記プロセスデータおよび前記画像データを入力パラメータとして取得し、前記記憶部から読み出した前記プロセスデータおよび前記画像データを蒸気量予測学習モデルに入力し、前記予測時間後の前記蒸気発生量を出力パラメータとして出力し、前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータおよび前記画像データを学習用入力パラメータとし、前記所定時点から前記予測時間だけ経過後の前記蒸気発生量の計測値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである。

本発明の一態様に係る情報処理装置は、上記の発明において、前記制御部は、前記学習用入力パラメータが互いに異なる前記蒸気量予測学習モデルを複数生成し、前記複数の蒸気量予測学習モデルから一の蒸気量予測学習モデルを選択して適用し、前記一の蒸気量予測学習モデルを適用する適用時間において、前記一の蒸気量予測学習モデルによって前記蒸気発生量を予測して、出力パラメータとして出力し、前記複数の蒸気量予測学習モデルの前記一の蒸気量予測学習モデル以外の他の蒸気量予測学習モデルによって前記蒸気発生量を予測して前記記憶部に格納し、前記複数の蒸気量予測学習モデルのそれぞれによって予測されたそれぞれの前記蒸気発生量を比較して、前記複数の蒸気量予測学習モデルから次に適用する一の蒸気量予測学習モデルを選択する。

本発明の一態様に係る情報処理装置は、上記の発明において、前記制御部は、前記蒸気量予測学習モデルを所定の適用時間において適用し、前記適用時間において前記廃棄物焼却炉から取得した前記プロセスデータおよび前記画像データを前記学習用入力パラメータに追加して更新し、前記適用時間において前記廃棄物焼却炉から取得した前記蒸気発生量の計測値を前記学習用出力パラメータに追加して更新し、前記更新された学習用入力パラメータおよび前記更新された学習用出力パラメータを、更新された入出力データセットとして用いて前記蒸気量予測学習モデルを更新する。

本発明の一態様に係る情報処理装置は、上記の発明において、前記参照時間は、６０分以下である。

本発明の一態様に係る情報処理装置は、上記の発明において、前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データである。

本発明の一態様に係る情報処理装置は、上記の発明において、前記制御部は、前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである。

本発明の一態様に係る情報処理装置は、上記の発明において、前記廃棄物焼却炉は、前記廃棄物を移動させる火格子と、前記火格子上に前記廃棄物を供給する廃棄物供給装置とを備え、前記プロセスデータに含まれる制御値として、前記廃棄物の供給速度を調整する廃棄物供給装置の送り速度の制御値、および前記火格子上の前記廃棄物の移動速度を調整する火格子送り速度の制御値の少なくとも一方を含む。

本発明の一態様に係る燃焼制御装置は、廃棄物を燃焼させる廃棄物焼却炉を制御する燃焼制御部を備えた燃焼制御装置であって、前記燃焼制御部は、上記の発明による情報処理装置から前記蒸気発生部における所定の予測時間後の前記蒸気発生量の予測値を取得し、前記取得した蒸気発生量に基づいて、前記廃棄物焼却炉における燃焼を制御する。

本発明の一態様に係る燃焼制御装置は、上記の発明において、前記廃棄物焼却炉は、前記廃棄物を移動させる火格子と、前記火格子上に前記廃棄物を供給する廃棄物供給装置とを備え、前記燃焼制御部は、前記廃棄物の供給速度を調整する前記廃棄物供給装置の送り速度、および前記火格子上の前記廃棄物の移動速度を調整する火格子送り速度の少なくとも一方を制御する。

本発明の一態様に係る情報処理方法は、廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置が実行する情報処理方法であって、前記制御部は、前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力する。

本発明の一態様に係る燃焼制御方法は、廃棄物を燃焼させて蒸気発生部によって蒸気を発生させる廃棄物焼却炉を制御する燃焼制御部を備えた燃焼制御装置が実行する燃焼制御方法であって、前記燃焼制御部は、上記の発明による情報処理方法によって前記蒸気発生部における所定の予測時間後の前記蒸気発生量予測値を取得して記憶部に格納し、前記記憶部から読み出した前記蒸気発生量予測値に基づいて、前記廃棄物焼却炉における燃焼を制御する。

本発明に係る情報処理装置、情報処理方法、燃焼制御装置、および燃焼制御方法によれば、焼却炉において、所定時間後の蒸気発生量を予測することができ、推定した蒸気発生量に基づいて焼却炉を安定して制御することが可能となる。

図１は、本発明の一実施形態による情報処理装置を適用した焼却施設を模式的に示す全体構成図である。 図２は、本発明の一実施形態による焼却炉における廃棄物、廃棄物の火格子上への供給部分、および撮像部を示す側面図である。 図３は、本発明の一実施形態による燃焼制御装置および識別予測装置の構成を示すブロック図である。 図４は、本発明の一実施形態による撮像部によって撮像された燃焼中の廃棄物の透過画像データの例を示す図である。 図５は、本発明の一実施形態による撮像部により撮像した透過画像データに対して境界線を生成した境界画像データの例を示す図である。 図６は、学習部が学習するニューラルネットワークの構成を模式的に示す図である。 図７は、本発明の一実施形態による情報処理方法を説明するためのフローチャートである。 図８は、従来技術による燃焼制御装置によって制御した場合の、蒸気発生量とごみ供給装置送り速度の制御値の時間変化の一例を示すグラフである。 図９は、本発明の一実施形態による識別予測装置および燃焼制御装置によって得られた時間経過に伴う蒸気発生量の計測値および予測値の例を示すグラフである。 図１０は、従来技術による蒸気発生量の予測装置および燃焼制御装置によって得られた時間経過に伴う蒸気発生量の計測値および予測値の例を示すグラフである。 図１１は、本発明の一実施形態による撮像部により撮像した透過画像データに対して境界線を生成した境界画像データの変形例を示す図である。

以下、本発明の一実施形態について図面を参照しつつ説明する。なお、以下の一実施形態の全図においては、同一または対応する部分には同一の符号を付す。また、本発明は以下に説明する一実施形態によって限定されるものではない。

（火格子焼却炉）
図１は、本発明の一実施形態による情報処理装置が適用される火格子式のごみ焼却炉（以下、火格子焼却炉）を示す。図１に示すように、廃棄物焼却炉である火格子焼却炉は、廃棄物の燃焼が行われる炉１、廃棄物を投入する廃棄物投入口２、およびボイラ９を備える。蒸気発生部としてのボイラ９は、炉１の炉出口７の下流側に設置された熱交換器９ａおよび蒸気ドラム９ｂを備える。

廃棄物投入口２から投入された廃棄物は、廃棄物供給装置３によって火格子４に搬送される。火格子４が往復運動を行うことにより、廃棄物の撹拌および移動が行われる。火格子４上の廃棄物は、火格子４の下方の風箱に燃焼用空気ブロア６により供給される燃焼用空気の吹き込みによって乾燥されながら燃焼されて、排ガスおよび灰が生成される。生成された灰は、灰落下口５を通じて落下して炉１の外部に排出される。

火格子４の下から炉１の内部に供給される燃焼用空気の総量は、押込送風機としての燃焼用空気ブロア６の直近に設けた燃焼用空気ダンパ１４によって調整される。それぞれの風箱に供給される燃焼用空気の流量は、それぞれの風箱に燃焼用空気を供給する配管にそれぞれ設けられた、火格子下燃焼用空気ダンパ１４ａ，１４ｂ，１４ｃ，１４ｄによって調整される。換言すると、火格子下燃焼用空気ダンパ１４ａ～１４ｄによって、それぞれの風箱に供給される燃焼用空気の流量の比率が調整される。なお、図１においては、廃棄物の搬送方向に沿って火格子４の下を４つの風箱で分割し、それぞれの風箱を通じて燃焼用空気を供給しているが、火格子下燃焼用空気ダンパ１４ａ～１４ｄおよび風箱の数は必ずしも４つに限定されず、火格子焼却炉の規模や目的などに応じて適宜変更可能である。

炉壁１ａに設けられた二次空気吹き込み口１０からは、二次送風機としての二次空気ブロア１１によって二次空気が炉１内に吹き込まれる。二次空気が炉１内に吹き込まれることによって、燃焼ガス中の未燃焼成分がさらに燃焼するとともに、炉壁の温度の過度な上昇を抑制する。二次空気吹き込み口１０から炉１内に供給される二次空気の流量は、二次空気ブロア１１の直近に設けられた二次空気ダンパ１５によって調整される。

火格子４における廃棄物の搬送方向に沿って、上流側の廃棄物乾燥過程および主燃焼過程において発生した可燃性ガスと、下流側の後燃焼過程において発生した燃焼排ガスとが、炉１の炉出口７側に設けられたガス混合部において合流する。ガス混合部において合流した可燃性ガスおよび燃焼排ガスは、再度攪拌および混合された後、二次燃焼用空気の供給によって、二次燃焼が行われる。ボイラ９は、二次燃焼が行われる部分（以下、二次燃焼部）に対して、廃棄物の搬送方向に沿った下流側に設置されている。二次燃焼が行われた燃焼ガスは、ボイラ９の熱交換器９ａによって熱エネルギーが回収された後に、煙突８から外部に排気される。

炉１内には、炉１の高さ方向に沿った上側の位置に中間天井１６が設けられている。炉１内に流動するガスは、中間天井１６によって、上流側における廃棄物乾燥過程および主燃焼過程で発生した可燃性ガスを多く含むガスと、下流側における後燃焼過程で発生した燃焼排ガスとに、分割して排出できる。具体的には、燃焼排ガスが中間天井１６よりも下方の煙道（主煙道）を流れる一方、可燃性ガスを多く含むガスが中間天井１６よりも上方の煙道（副煙道）を流れる。燃焼排ガスと可燃性ガスを多く含むガスとがガス混合部において合流することによって、ガス混合部でのガスの攪拌および混合がさらに促進される。これにより、二次燃焼部における燃焼がより安定化し、燃焼過程におけるダイオキシン類の発生を抑制し、廃棄物の未燃分の発生を抑制することができる。なお、炉１内に中間天井１６を設けない構成にしてもよい。

炉１内の複数位置に、炉１内のガス温度を計測するセンサとしての温度計が設けられている。具体的には、炉１の高さ方向に沿って、火格子４と二次空気吹き込み口１０との中間位置に燃焼室ガス温度計１７が設けられている。炉１の高さ方向に沿って、炉出口７より下方位置に主煙道ガス温度計１８が設けられている。炉１の高さ方向に沿って、炉出口７の下部位置に炉出口下部ガス温度計１９が設けられている。炉１の高さ方向に沿って、炉出口７の中部位置に炉出口中部ガス温度計２０が設けられている。炉１の高さ方向に沿って、炉出口７の下流側位置に燃焼管理温度を測定する炉出口ガス温度計２１が設けられている。燃焼室ガス温度計１７、主煙道ガス温度計１８、炉出口下部ガス温度計１９、炉出口中部ガス温度計２０、および炉出口ガス温度計２１により計測された温度の計測値は、燃焼プロセス測定値として燃焼制御装置３０に送信され、記憶部３２（図３参照）に記憶される。

ボイラ９には、出口側に排ガス中の酸素（Ｏ₂）の濃度を計測するボイラ出口酸素濃度計２２が設けられている。煙突８の入口には、排ガス中の一酸化炭素（ＣＯ）および窒素酸化物（ＮＯ_x）の濃度を計測するガス濃度計２３が設けられている。ボイラ９の出口と煙突８とを接続する配管には、排ガス量を計測するための排ガス流量計２４が設けられている。ボイラ出口酸素濃度計２２、ガス濃度計２３、および排ガス流量計２４により計測されたガスの濃度や流量の計測値は、燃焼プロセス測定値として燃焼制御装置３０の記憶部３２に記憶される。また、ボイラ９には、ボイラ９において発生した蒸気量を計測する蒸気流量計２５が設けられている。蒸気流量計２５により計測されたボイラ９の蒸気発生量の計測値は、燃焼プロセス測定値として燃焼制御装置３０の記憶部３２に記憶される。

炉１における廃棄物の搬送方向の下流側には、撮像部２６が設けられている。撮像部２６は、例えば赤外線カメラから構成される火炎透過カメラ、および撮像した画像データを処理する画像処理部を有して構成される。図２は、撮像部２６の設置状態を示す側面図である。撮像部２６は、炉壁１ａに設けられた監視窓に近接して炉外に配設されても、水冷構造を有して炉１内に配設されてもよい。図２に示すように、廃棄物５０は、段差壁１３の部分で廃棄物供給部１２から火格子４上に落下する。火格子４上に落下した廃棄物は、火格子４の前後移動に伴う往復運動によって攪拌されつつ、撮像部２６側である前方に移動される。

撮像部２６は、火格子４上の廃棄物５０のサーモグラフィ情報を熱画像情報として取得できる。ここで、廃棄物５０から放射される赤外線の波長と、空間における高温ガスおよび火炎から放射される赤外線の波長とは異なる。そのため、撮像部２６においては、測定する赤外線波長を適切に選定することによって測定視野内に火炎が存在していても、廃棄物５０の層の温度分布に対応する熱画像情報を得ることができる。また、撮像部２６による炉長方向の測定範囲を設定して、燃焼領域より上流側位置（火炎より上流側）での火格子４上の廃棄物５０の層の熱画像情報を得ることができる。熱画像情報は、火炎を透過した状態の映像データ、すなわち複数の画像データとして扱うことができる。

換言すると、撮像部２６は、廃棄物供給部１２から送り出される廃棄物５０、廃棄物５０が落下する段差を有する段差壁１３、火格子４上に落下する廃棄物５０、および火格子４の上面を、火炎を透過した状態で撮像可能である。なお、火格子４上の廃棄物５０（火格子上廃棄物５２）の燃焼状態、すなわち火炎を撮像する燃焼画像撮像部をさらに設けてもよい。撮像部２６が撮像した火炎を透過した状態で撮像した撮像データ（以下、透過画像データ）は、即時的または所定の時間間隔で、識別予測装置４０に送信される。なお、撮像部２６が撮像した透過画像データを、燃焼制御装置３０の記憶部３２に記憶させた後に、燃焼制御装置３０から識別予測装置４０に送信してもよい。

本実施形態において撮像部２６は、例えば、廃棄物供給部１２および段差壁１３に対して略正対する位置に設置される。なお、撮像部２６の設置は、廃棄物供給部１２および段差壁１３に対して略正対する位置に限定されない。撮像部２６の設置位置は、少なくとも火格子４上の廃棄物５０と、他の物体、ここでは段差壁１３および火格子４との境界部分が撮像可能であれば、種々の位置に設置可能である。撮像部２６は、炉１の上下方向そして炉幅方向（左右方向）に拡がる測定視野を有する。本実施形態において撮像部２６は、廃棄物供給部１２、段差壁１３、火格子４、および炉壁１ａを撮像可能な視野を有する。撮像部２６からの視野に含まれる炉壁１ａは、廃棄物５０の左右方向の外側への移動、すなわち拡がりを規制する。なお、撮像部２６の視野としては、火格子４上に存在する廃棄物の全体を撮像可能な視野を有すればよく、少なくとも火格子４の一部および段差壁１３の一部を含む。また、撮像部２６は、廃棄物供給部１２まで搬送された廃棄物５０（以下、供給前廃棄物５１）を撮像できるのが好ましい。これにより、段差壁１３の位置で落下する廃棄物５０を撮像することができる。

図３は、燃焼制御装置３０および識別予測装置４０の構成を示すブロック図である。燃焼制御装置３０と識別予測装置４０とは、例えば、専用線、インターネットなどの公衆通信網、例えばＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、および携帯電話などの電話通信網や公衆回線、ＶＰＮ（Virtual Private Network）などの一または複数の組み合わせからなるネットワーク（図示せず）を介して、接続されている。また、燃焼制御装置３０および識別予測装置４０を一体に構成してもよく、燃焼制御装置３０および識別予測装置４０を火格子焼却炉と同じ施設内に設置しても別の施設に設置してもよい。また、火格子焼却炉と燃焼制御装置３０と識別予測装置４０とを別々の施設に設置する場合には、上述したネットワークを介して各種情報や各種データの通信が行われる。

図３に示すように、燃焼制御装置３０は、制御部３１、記憶部３２、および操作量調整部３３を備える。燃焼制御部としての制御部３１、および操作量調整部３３は、具体的に、ＣＰＵ（Central Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＦＰＧＡ（Field-Programmable Gate Array）などのプロセッサ、およびＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）などの主記憶部（いずれも図示せず）を備える。記憶部３２は、ＲＡＭなどの揮発性メモリ、ＲＯＭなどの不揮発性メモリ、ＥＰＲＯＭ（Erasable Programmable ROM）、ハードディスクドライブ（ＨＤＤ、Hard Disk Drive）、およびリムーバブルメディアなどから選ばれた記憶媒体から構成される。なお、リムーバブルメディアは、例えば、ＵＳＢ（Universal Serial Bus）メモリ、または、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、もしくはＢＤ（Blu-ray（登録商標） Disc）のようなディスク記録媒体である。また、外部から装着可能なメモリカードなどのコンピュータ読み取り可能な記録媒体を用いて記憶部３２を構成してもよい。

記憶部３２には、燃焼制御装置３０の動作を実行するための、オペレーティングシステム（Operating System：ＯＳ）、各種プログラム、各種テーブル、各種データベースなどが記憶可能である。ここで、各種プログラムには、本実施形態による学習モデルや学習済みモデルなどのモデルに基づいた処理を実現する、情報処理プログラムも含まれる。これらの各種プログラムは、ハードディスク、フラッシュメモリ、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、フレキシブルディスクなどのコンピュータ読み取り可能な記録媒体に記録して広く流通させることも可能である。

燃焼制御装置３０は、あらかじめ定められた操作量基準値設定関係式（以下、操作量関係式）に基づいて、それぞれの操作端の操作量として、廃棄物５０の廃棄物供給速度を調整する廃棄物供給装置送り速度、および廃棄物５０の移動速度を調整する火格子送り速度を制御する。なお、燃焼制御装置３０は、廃棄物供給装置送り速度および火格子送り速度については、停止や運転操作の制御も行う。燃焼制御装置３０は、必要に応じて、操作量関係式に基づいて、燃焼用空気量および二次空気量を制御する。操作量関係式は、例えば、廃棄物焼却量設定値または廃棄物質設定値と操作量基準値（操作量の目標値）との関係式であって、補正係数としての制御パラメータを含む。制御パラメータは、制御部３１によって、廃棄物焼却量設定値、および廃棄物質設定値に適合するように調整される。調整された制御パラメータは、廃棄物焼却量設定値および廃棄物質設定値のうちの少なくとも一方の設定値が変更された際に、変更された設定値に対応して、制御部３１により変更される。制御パラメータが変更されることにより、あらかじめ設定された操作量基準値が補正される。

制御部３１は、廃棄物焼却量設定値に応じて廃棄物質（廃棄物の低位発熱量）を算出する。制御部３１は、操作量関係式に含まれる制御パラメータの調整により操作量基準値を調整する。制御部３１は、調整した操作量基準値を、例えばＰＩＤ制御やファジィ演算などの所定の制御アルゴリズムに基づいて補正する。記憶部３２は、制御部３１によって参照されるデータを記憶する。記憶部３２には、あらかじめ定められた操作量関係式、制御アルゴリズム、あらかじめ設定された焼却量設定値、および炉１内の燃焼状態量として取得された燃焼プロセス測定値が記憶されている。

操作量調整部３３は、操作量基準値に追従するように各操作端のそれぞれの操作量を調整する。具体的に操作量調整部３３は、燃焼用空気量調整部３３１、空気量比率調整部３３２、二次空気量調整部３３３、廃棄物供給装置送り速度調整部３３４、および火格子送り速度調整部３３５を有する。

燃焼用空気量調整部３３１は、燃焼用空気量が制御部３１により補正された操作量基準値（以下、補正操作量基準値）に追従するように操作量を調整する。空気量比率調整部３３２は、火格子下燃焼用空気ダンパ１４ａ～１４ｄのそれぞれを制御して、それぞれの風箱における流量の相互の比率を調整する。二次空気量調整部３３３は、二次空気量が補正操作量基準値に追従するように操作量を調整する。ここで、燃焼用空気量および二次空気量の調整は、燃焼用空気ダンパ１４、火格子下燃焼用空気ダンパ１４ａ～１４ｄ、および二次空気ダンパ１５のそれぞれの開度を制御して調整する。

廃棄物供給装置送り速度調整部３３４は、廃棄物供給装置送り速度が補正操作量基準値に追従するように操作量を調整する。火格子送り速度調整部３３５は、火格子送り速度が補正操作量基準値に追従するように操作量を調整する。操作量調整部３３は、制御部３１により操作量基準値が補正されなかった場合には、その補正されていない操作量基準値に基づいてそれぞれの操作量を調整する。

（識別予測装置）
情報処理装置としての識別予測装置４０は、制御部４１、出力部４２、入力部４３、および記憶部４４を備える。識別予測装置４０は、ボイラ９において生じる蒸気の蒸気流量すなわち蒸気発生量を予測する蒸気発生量予測装置として機能する。なお、識別予測装置４０を、廃棄物供給速度を計測する廃棄物供給速度の計測装置や、燃切点の位置を測定する燃切点の位置測定装置としても機能させることも可能である。

制御部４１は、機能的および物理的には、上述した制御部３１と同様の構成を有し、ＣＰＵ、ＤＳＰ、ＦＰＧＡなどのプロセッサ、およびＲＡＭやＲＯＭなどの主記憶部（いずれも図示せず）を備える。出力手段としての出力部４２は、所定の情報を外部に通知可能に構成される。

出力部４２は、制御部４１による制御に従って、ディスプレイモニタに炉１内の廃棄物５０の画像などを表示したり、タッチパネルディスプレイの画面上に文字や図形などを表示したり、スピーカから音声を出力したりする。入力手段としての入力部４３は、キーボードや入力用のボタン、レバーや、液晶などのディスプレイに重畳して設けられる手入力のためのタッチパネル、または音声認識のためのマイクロホンなどの、ユーザインターフェースを用いて構成される。ユーザなどが入力部４３を操作することによって、制御部４１に所定の情報を入力可能に構成される。なお、出力部４２および入力部４３を一体とした入出力部とし、入出力部をタッチパネルディスプレイやスピーカマイクロホンなどから構成してもよい。

記憶部４４は、機能的および物理的には、上述した記憶部３２と同様の構成を有し、ＲＡＭなどの揮発性メモリ、ＲＯＭなどの不揮発性メモリ、ＥＰＲＯＭ、ＨＤＤ、およびリムーバブルメディアなどから選ばれた記憶媒体から構成される。なお、リムーバブルメディアは、例えば、ＵＳＢメモリ、または、ＣＤ、ＤＶＤ、もしくはＢＤのようなディスク記録媒体である。また、外部から装着可能なメモリカードなどのコンピュータ読み取り可能な記録媒体を用いて記憶部４４を構成してもよい。

記憶部４４には、識別予測装置４０の動作を実行するためのＯＳ、各種プログラム、各種テーブル、各種データベースなどが記憶可能である。ここで、各種プログラムには、本実施形態による境界識別学習モデルを用いた制御を実現する情報処理プログラムが含まれる。記憶部４４は、種々のネットワークを介して通信可能な他のサーバに設けてもよいし、燃焼制御装置３０に設けてもよい。

具体的に、記憶部４４には、境界識別学習モデル４４ａおよび蒸気量予測学習モデル４４ｂが格納されている。境界識別学習モデル４４ａは少なくとも１つの学習モデルを含む。蒸気量予測学習モデル４４ｂは、少なくとも１つの学習モデル、好適には複数の学習モデルを含む。境界識別学習モデル４４ａおよび蒸気量予測学習モデル４４ｂはいずれも、更新可能なモデルである。なお、学習モデルを更新しない場合には、学習済みモデルとして記憶部４４に格納される。また、燃焼画像撮像部によって撮像された燃焼画像から所定の判断を実行可能な、燃焼画像学習モデルを用いた判断処理を実現する自動判断処理プログラムが含まれていてもよい。また、これらの各種プログラムは、ハードディスク、フラッシュメモリ、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、フレキシブルディスクなどのコンピュータ読み取り可能な記録媒体に記録して広く流通させることも可能である。

制御部４１は、記憶部４４に記憶されたプログラムを主記憶部の作業領域にロードして実行し、プログラムの実行を通じて各構成部などを制御することによって、所定の目的に合致した機能を実現できる。本実施形態においては、制御部４１は、記憶部４４に格納されたプログラムの実行によって、境界生成部４１１、学習部４１２、および蒸気量算出部４１３の機能を実行する。具体的に例えば、制御部４１は、記憶部４４からプログラムである境界識別学習モデル４４ａを読み込むことによって、境界生成部４１１の機能を実行する。また、制御部４１は、記憶部４４からプログラムである蒸気量予測学習モデル４４ｂを読み込むことによって、蒸気量算出部４１３の機能を実行する。境界生成部４１１、学習部４１２、および蒸気量算出部４１３の機能の詳細については、後述する。

（境界識別学習モデル）
ここで、記憶部４４に記憶されている境界識別学習モデル４４ａおよびその生成方法について説明する。図４は、本実施形態の撮像部２６によって撮像された燃焼中の廃棄物の透過画像データの例を示す図である。図５は、本実施形態による撮像部２６により撮像された透過画像データに対して境界線を生成した境界画像データの例を示す図である。

図４に示すように、撮像部２６は、炉１内において、火炎を透過した状態で、廃棄物供給部１２ならびに火格子４上に供給される前の供給前廃棄物５１、段差壁１３、火格子４ならびに火格子４上の火格子上廃棄物５２、および炉壁１ａを撮像して透過画像データとして出力する。境界識別学習モデル４４ａは、図５に示すように、撮像部２６が撮像した透過画像データに対して、供給前廃棄物５１と、段差壁１３と、火格子上廃棄物５２と、火格子４とのそれぞれの境界線５３を生成する処理を実行する。

境界識別学習モデル４４ａの生成のために用いられるデータは、撮像部２６が撮像した透過画像データ、および透過画像データに対して境界が識別されて上述した境界線が描画処理された処理画像データ（以下、境界画像データ）である。透過画像データおよび境界画像データの数はそれぞれ、１００以上とするのが好ましい。すなわち、生成のために用いられる境界画像データは、作業者によって、透過画像データに対して、供給前廃棄物５１と段差壁１３との境界、段差壁１３と火格子上廃棄物５２との境界、および火格子上廃棄物５２と火格子４との境界が描画された画像データである。境界識別学習モデル４４ａを生成する際の入出力データセットとしては、学習用入力パラメータとして透過画像データが用いられ、学習用出力パラメータとして境界画像データが用いられる。制御部４１の学習部４１２は、上述した学習用入力パラメータおよび学習用出力パラメータを教師データとして、例えばニューラルネットワークを用いたディープラーニング（深層学習）などの機械学習によって、境界識別学習モデル４４ａを生成する。制御部４１は、学習部４１２により学習された内容に基づいて、透過画像データから境界画像データを生成する。また、学習部４１２は、入力された透過画像データ、および作業者が境界を修正したり描画したりすることで得られた境界画像データを用いて、境界識別学習モデル４４ａを適宜更新する。

（蒸気量予測学習モデル）
次に、記憶部４４に格納されている蒸気量予測学習モデル４４ｂおよびその生成方法について説明する。蒸気量予測学習モデル４４ｂは、少なくとも１種類の燃焼プロセス測定値などのプロセスデータと、上述した透過画像データや境界画像データなどの炉１内の画像データとに基づいて、ボイラ９における蒸気発生量を予測する処理を実行可能な学習モデルである。

蒸気量予測学習モデル４４ｂの生成のために用いられるデータは、プロセスデータ、画像データ、および蒸気発生量の計測値である。プロセスデータは、例えば２０～３０種類の複数種類の燃焼プロセス測定値から選択された少なくとも１種類の燃焼プロセス測定値を含む。プロセスデータとしては、具体的に、ボイラ９における蒸気流量（以下、蒸気発生量）を含む。また、プロセスデータとしては、例えば、燃焼用空気ブロア６による入口の空気流量（押込送風機入口空気流量）や二次空気ブロア１１による入口の空気流量（二次送風機入口空気流量）などの燃焼プロセス測定値、および廃棄物供給装置３の送り速度の制御値（吸塵装置速度制御値）や火格子４の送り速度の制御値（火格子速度制御値）などの制御値が挙げられる。なお、プロセスデータとして、炉１の出口の酸素濃度や、酸素（Ｏ₂）、酸化炭素（ＣＯ）、窒素酸化物（ＮＯ_x）などの排気ガスの各種温度などのその他のプロセスデータを採用しても良い。

画像データは、撮像部２６が撮像した透過画像データ、または透過画像データに対して境界線５３が描画処理された境界画像データを含む。画像データとしての境界画像データは、境界識別学習モデル４４ａによって生成された境界画像データや、作業者によって生成または修正された境界画像データなどを用いることができる。また、画像データとして透過画像データを用いる場合には、撮像部２６が撮像した透過画像データが用いられる。蒸気発生量の計測値は、蒸気流量計２５により計測された計測値である。

画像データからは、少なくとも以下の情報を取得できる。
廃棄物５０の落下面積（図５中、領域Ａ３における廃棄物５０の面積）
廃棄物５０の落下高さ（図５中、平均の廃棄物層高さＨ、廃棄物高さｈ）
廃棄物５０の燃え切り点の位置（図５中、Ｆ線）
供給前廃棄物５１の平均温度、領域面積、および温度重心（図５中、領域Ａ１）
段差壁１３の平均温度、領域面積、および温度重心（図５中、領域Ａ２）
火格子上廃棄物５２の平均温度、領域面積、および温度重心（図５中、領域Ａ３）
火格子４の平均温度、領域面積、および温度重心（図５中、領域Ａ４）
境界画像データにおける層別メッシュ温度
画像データにおける等分メッシュ温度

ここで、温度重心は、熱画像情報を含む画像データの各画素の温度に着目し、画像の温度に関する重心を求めたものであり、以下の（１）式によって定義できる。
なお、画素（ｘ座標，ｙ座標，画素温度）とした場合に、画素Ａ（x1,y1,t1）、画素Ｂ（x2,y2,t2）、画素Ｃ（x3,y3,t3）の画素における温度重心は、（１）式で表される。
温度重心＝（Ｘ重心，Ｙ重心）
＝（(x1t1+x2t2+x3t3)/(t1+t2+t3)，(y1t1+y2t2+y3t3)/(t1+t2+t3)）…（１）

また、層別メッシュ温度は、境界画像データによって分けられた複数層をさらに水平方向に沿って複数に分割したそれぞれの計算格子における温度である。具体的には、境界画像データが境界線５３によって、図５に示すように例えば４層に区分けされた場合、それぞれの層を横にさらに例えば５等分することによって、例えば２０個の計算格子（メッシュ）が格子生成される。層別メッシュ温度は、それぞれのメッシュにおける例えば平均温度などの代表の温度である。等分メッシュ温度は、画像データに対して等分のメッシュを設定した場合のそれぞれのメッシュにおける代表の温度である。例えば、画像データを、縦に２０等分して横に５等分すると、画像データに対して１００個の計算格子に格子生成できる。それぞれの計算格子において、平均温度などの代表される温度をメッシュごとの等分メッシュ温度とする。

図６は、学習部４１２が学習するニューラルネットワークの構成を模式的に示す図である。図６に示すニューラルネットワーク１００は、順伝播型ニューラルネットワークであり、入力層１０１、中間層１０２、および出力層１０３を有する。入力層１０１は複数のノードからなり、各ノードには互いに異なる入力パラメータが入力される。中間層１０２は入力層１０１からの出力が入力される。中間層１０２は、入力層１０１からの入力を受ける複数のノードからなる層を含む多層の構造を有する。出力層１０３は、中間層１０２からの出力が入力され、出力パラメータを出力する。中間層１０２が多層構造、例えば３～５層構造を有するニューラルネットワークを用いた機械学習は、深層学習と呼ばれる。本実施形態においては、入力パラメータが、所定の参照時間Ｔ１におけるプロセスデータ１１０および画像データ１２０であり、出力パラメータが、所定の予測時間Ｔ２後の蒸気発生量、すなわち蒸気発生量予測値１３０である。

蒸気量予測学習モデル４４ｂを生成する際には、学習用入力パラメータおよび学習用出力パラメータの入出力データセットが用いられる。学習用入力パラメータとしては、所定時点から過去に遡った所定の参照時間Ｔ１におけるプロセスデータおよび画像データが用いられる。ここで、参照時間Ｔ１としては、典型的には６０分以下の範囲、好適には３０分以下の範囲、より好適には例えば５分以上１５分以下の範囲から選ばれ、本実施形態においては、例えば１０分間に選ばれる。学習用出力パラメータとしては、所定時点から所定の予測時間Ｔ２が経過した後の、蒸気流量計２５による蒸気発生量の計測値が用いられる。予測時間Ｔ２としては、典型的には９０秒を超えて３０分以下の範囲（１．５分＜Ｔ２≦３０分）、好適には５分以上１５分以下の範囲（５分≦Ｔ２≦１５分）から選ばれ、本実施形態においては、例えば５分である。すなわち、本実施形態においては、例えば、所定時点から過去１０分間に得られたプロセスデータおよび画像データを学習用入力パラメータとし、所定時点から５分後に計測された蒸気発生量を学習用出力パラメータとする。その上で、これらの入出力データセットを所定の時間間隔Ｔ３ごとにデータ蓄積時間Ｔ４の分だけ用いて、蒸気量予測学習モデル４４ｂを生成する。ここで、所定の時間間隔Ｔ３を例えば１０秒間、データ蓄積時間Ｔ４を例えば１９時間とすると、教師データとなる入出力データセットの数は、最初と最後の入出力データセットを除外しても（６０／１０×６０×１９≒）６８００程度になる。なお、データ蓄積時間Ｔ４は、１９時間に限定されず、種々の時間に設定可能である。

制御部４１の学習部４１２は、上述した学習用入力パラメータおよび学習用出力パラメータを教師データとして、例えば、図６に示すニューラルネットワークを用いたディープラーニングなどの機械学習によって、蒸気量予測学習モデル４４ｂを生成する。制御部４１は、学習部４１２による学習によって生成された蒸気量予測学習モデル４４ｂに基づいて、プロセスデータおよび画像データから蒸気発生量予測値を導出する。また、学習部４１２は、種々のセンサや操作量調整部３３から入力されたプロセスデータ、および透過画像データまたは境界画像データと、蒸気流量計２５によって計測された蒸気発生量とに基づいて、蒸気量予測学習モデル４４ｂを適宜更新する。

（識別予測方法）
次に、本発明の一実施形態による情報処理方法である識別予測方法について説明する。図７は、本実施形態による情報処理方法を説明するための、識別予測装置４０による制御動作を示すフローチャートである。なお、ステップＳＴ１は炉１における撮像部２６、ステップＳＴ２，ＳＴ３，ＳＴ５，ＳＴ７，ＳＴ８は識別予測装置４０、ステップＳＴ４，ＳＴ６は燃焼制御装置３０が行う処理である。

図７に示すように、ステップＳＴ１において撮像部２６は、炉１内を撮像する。撮像部２６は、視野内における炉１内の状況を撮像して、例えば図４に示すような火炎を透過した画像データとして出力する。図４に示すように、撮像部２６は具体的に、段差壁１３の上部の廃棄物供給部１２における供給前廃棄物５１、段差壁１３、火格子上廃棄物５２、火格子４、および炉壁１ａを撮像する。なお、炉壁１ａについては撮像しなくてもよい。撮像部２６は、撮像した透過画像データを、識別予測装置４０の入力部４３を通じて、制御部４１に送信する。制御部４１は、受信した透過画像データを記憶部４４に格納する。

次に、図７に示すステップＳＴ２に移行して識別予測装置４０の境界生成部４１１は、記憶部４４から境界識別学習モデル４４ａを読み込んで、撮像部２６から取得した透過画像データに対し、廃棄物５０と、段差壁１３および火格子４との境界を識別する。なお、境界生成部４１１は、廃棄物５０と、段差壁１３と、火格子４とを相互に識別して、それらの境界を判断してもよい。

次に、ステップＳＴ３に移行して境界生成部４１１は、透過画像データに対して、廃棄物５０の存在領域と、廃棄物５０以外の領域、例えば他の物体が存在する領域との境界を識別し、識別した境界の少なくとも一部からなる境界線５３を生成する（図５参照）。境界生成部４１１は、例えば、廃棄物５０と廃棄物５０以外の他の物体としての段差壁１３および火格子４とのそれぞれの境界に対して、境界線５３を生成する。境界生成部４１１は、生成した境界線５３を、透過画像データに重畳させて描画することによって、境界画像データを生成する。本実施形態においては、境界生成部４１１は、例えば、透過画像データに対して、供給前廃棄物５１と段差壁１３との境界、段差壁１３と火格子上廃棄物５２との境界、および火格子上廃棄物５２と火格子４との境界に対してそれぞれ、境界線５３ａ，５３ｂ，５３ｃを生成して、重畳させて描画する。これにより、境界生成部４１１は、透過画像データに対して境界線５３が描画された境界画像データを生成する。境界生成部４１１は、生成した境界画像データを記憶部４４に格納する一方、出力部４２に出力する。出力部４２は、入力された境界画像データを例えばモニタに表示させる。これにより、作業者や管理者は、識別予測装置４０により生成された境界識別画像を認識できる。ステップＳＴ１～ＳＴ３は継続して繰り返し実行される。

次に、図７に示すステップＳＴ４において、燃焼制御装置３０の制御部３１は、炉１に設けられた各種センサから燃焼プロセス測定値を取得するとともに、操作量調整部３３から制御値を取得して、炉１におけるプロセスデータを取得する。制御部３１は、取得したプロセスデータを記憶部３２に格納した後、識別予測装置４０に送信する。識別予測装置４０においては、受信したプロセスデータを制御部４１により記憶部４４に格納する。なお、ステップＳＴ４は、ステップＳＴ１～ＳＴ３と並行して継続して実行される。

次に、ステップＳＴ５において制御部４１の蒸気量算出部４１３は、プロセスデータおよび画像データから所定の予測時間Ｔ２後の蒸気発生量を予測して導出する。すなわち、蒸気量算出部４１３は、記憶部４４から１つの蒸気量予測学習モデル４４ｂを読み込んでおく。なお、この段階で蒸気量予測学習モデル４４ｂを読み込んでも良い。一方、蒸気量算出部４１３は、記憶部４４から、プロセスデータおよび画像データとして例えば境界画像データを読み出す。なお、画像データとしては、蒸気量算出部４１３が取得できる情報が多いことから境界画像データを用いることが好ましい。画像データとして透過画像データを用いる場合には、ステップＳＴ２，ＳＴ３を実行しなくてもよい。

蒸気量算出部４１３は、読み出したプロセスデータおよび境界画像データを入力パラメータとして、蒸気量予測学習モデル４４ｂに入力する。ここで、記憶部４４から読み出すプロセスデータおよび画像データは、現時点から所定の参照時間だけ過去に遡った時点から現時点までのデータの集合である。所定の参照時間としては、典型的には６０分以下の範囲、好適には３０分以下の範囲、より好適には例えば５分以上１５分以下の範囲から選ばれ、本実施形態においては、例えば１０分間とする。

（予測時間）
蒸気量算出部４１３は、蒸気量予測学習モデル４４ｂからの出力パラメータとして、現時点から所定の予測時間Ｔ２後の蒸気発生量予測値１３０を出力して、記憶部４４に格納する。ここで、所定の予測時間の設定について説明する。図８は、燃焼制御装置３０により制御される従来の自動燃焼制御に基づいた、蒸気発生量および廃棄物の時間変化を示すグラフである。図８に示すグラフは、蒸気発生量が所定時間に所定割合だけ急激に低下した場合における、蒸気発生量および吸塵装置速度制御値のデータを１００データ以上取得して平均化したグラフである。図８に示すように、炉１の運転中において、蒸気発生量が急激に低下する場合がある。従来の自動燃焼制御においては、制御部３１が、現在の蒸気発生量や１分程度後の蒸気発生量予測値に基づいて、吸塵装置速度制御値を調整している。ところが、従来の自動燃焼制御においては、蒸気発生量が低下してから、または１分程度後に蒸気発生量が低下することを予測してから、給塵速度を増加させる制御を行っている。そのため、蒸気発生量が低下し始めてから、再度上昇し始めるまでの回復時間Ｔ_Ｄとして、通常５分～１５分程度、場合によっては３０分程度必要であった。なお、蒸気発生量が所定時間に所定割合だけ急激に増加した場合に、給塵速度を低下させる制御を行う場合も同様である。

以上の観点から、現時点から回復時間Ｔ_Ｄ後の蒸気発生量を予測できれば、回復時間Ｔ_Ｄ後の蒸気発生量予測値１３０に基づいて給塵速度を制御することができ、回復時間Ｔ_Ｄを極めて短く、好適には略０にすることができる。すなわち、所定の予測時間としては、炉１における回復時間Ｔ_Ｄに基づいて決定することが好ましい。そのため、所定の予測時間Ｔ２としては、上述したように、典型的には９０秒より長く３０分以下の範囲、好適には５分以上１５分以下の範囲から選ばれ、本実施形態においては、例えば５分間に選ばれる。蒸気量算出部４１３は、出力した所定の予測時間Ｔ２後の蒸気発生量予測値１３０を燃焼制御装置３０に送信する。

次に、図７に示すステップＳＴ６に移行して、蒸気発生量予測値１３０を受信した燃焼制御装置３０の制御部３１は、取得した所定の予測時間Ｔ２後の蒸気発生量予測値１３０に基づいて、廃棄物供給装置３や火格子４による給塵速度を制御する。少なくとも上述のステップＳＴ５，ＳＴ６は、所定の時間間隔Ｔ３、例えば１０秒間隔で繰り返し実行される。

次に、ステップＳＴ７に移行して識別予測装置４０の制御部４１は、蒸気量算出部４１３が、所定の蒸気量予測学習モデル４４ｂを適用している期間が所定の適用時間Ｔ５以上、経過しているか否かを判定する。制御部４１が、蒸気量算出部４１３は蒸気量予測学習モデル４４ｂの適用から所定の適用時間Ｔ５以上経過していないと判定した場合（ステップＳＴ７：Ｎｏ）、ステップＳＴ１に復帰して、ステップＳＴ１～ＳＴ６を繰り返し実行する。なお、ステップＳＴ１～ＳＴ４は、適時または継続して実行され、ステップＳＴ５，ＳＴ６は所定を時間間隔Ｔで繰り返し実行される。ここで、所定の蒸気量予測学習モデル４４ｂを適用している適用時間Ｔ５は、例えば５時間であるが、炉１の運転の特性や燃焼プロセスの特性に応じて、任意に設定することが可能である。

制御部４１が、蒸気量算出部４１３は蒸気量予測学習モデル４４ｂの適用から所定の適用時間Ｔ５以上経過したと判定した場合（ステップＳＴ７：Ｙｅｓ）、ステップＳＴ８に移行する。

（蒸気量予測学習モデルの切替方法）
ステップＳＴ８において識別予測装置４０の蒸気量算出部４１３は、記憶部４４に格納されている蒸気量予測学習モデル４４ｂの切り替えを行う。以下に、蒸気量予測学習モデル４４ｂの切替方法について説明する。

まず、上述した蒸気量予測学習モデル４４ｂの生成方法に従って、基準となる蒸気量予測学習モデル４４ｂを複数生成する。すなわち、作業者などが、炉１の運転に関連するプロセスデータとして、上述した２０～３０種類の燃焼プロセス測定値、および５種類以上の制御値から、少なくとも１種類をプロセスデータとして選択する。選択した燃焼プロセス測定値や制御値の組を含むプロセスデータを複数通り設定して、複数通りのプロセスデータをそれぞれ学習用入力データとする。同様に、炉１内を撮像した画像データとして、透過画像データおよび境界画像データのいずれか一方の画像データを選択して、学習用入力パラメータとする。学習部４１２は、複数通りのプロセスデータのそれぞれと、透過画像データまたは境界画像データとの組み合わせを学習用入力パラメータとして、上述と同様にして、蒸気量予測学習モデル４４ｂの生成を複数回行う。学習部４１２は、生成した複数の蒸気量予測学習モデル４４ｂをそれぞれ、記憶部４４に格納する。

図７に示すステップＳＴ５において蒸気量算出部４１３は、記憶部４４に格納された複数の蒸気量予測学習モデル４４ｂから、適切であると判断した１つの蒸気量予測学習モデル４４ｂを選択して読み込む。蒸気量算出部４１３は、読み込んだ蒸気量予測学習モデル４４ｂを用いて、予測時間Ｔ２後の蒸気発生量を予測する。燃焼制御装置３０の制御部３１は、蒸気量算出部４１３が選択した蒸気量予測学習モデル４４ｂの出力パラメータとして得られる、蒸気発生量予測値に基づいて、廃棄物供給装置３の吸塵装置速度制御値や火格子４の火格子速度制御値などの各種制御値を調整する。一方、蒸気量算出部４１３は、バックグラウンドで、選択された蒸気量予測学習モデル４４ｂ以外の、非選択の蒸気量予測学習モデル４４ｂによって、蒸気発生量予測値を算出する。蒸気量算出部４１３は、導出した蒸気発生量予測値と、蒸気発生量の実際の計測値とを比較する。蒸気量算出部４１３は、所定の適用時間Ｔ５において、選択した蒸気量予測学習モデル４４ｂおよび非選択の蒸気量予測学習モデル４４ｂの中から、蒸気発生量予測値と蒸気発生量の計測値との差が最も小さかった蒸気量予測学習モデル４４ｂを抽出する。その後、ステップＳＴ８において蒸気量算出部４１３は、適用されていた蒸気量予測学習モデル４４ｂから、抽出した蒸気量予測学習モデル４４ｂに切り替えて読み込む。

図７に示すフローチャートは、焼却炉の運転中に繰り返し実行される。学習部４１２は、境界識別学習モデル４４ａおよび蒸気量予測学習モデル４４ｂを適宜更新する。境界識別学習モデル４４ａの更新においては、出力パラメータとしての境界画像データにおける境界線５３が、作業者や他の学習モデルなどによって適宜修正され、修正された境界線５３に基づいて、学習部４１２が機械学習などを再度行うことによって更新できる。蒸気量予測学習モデル４４ｂは、ステップＳＴ１において得られた透過画像データ、ステップＳＴ３において得られた境界画像データ、およびステップＳＴ４において得られた蒸気発生量の計測値を含むプロセスデータに基づいて、学習部４１２が継続して繰り返し機械学習を行うことによって更新される。なお、学習に要する学習時間Ｔ６は、上述した入出力データセットを用いる場合、２～３分間程度である。学習部４１２は、最初に生成した基準となる複数の蒸気量予測学習モデル４４ｂのそれぞれに対して再学習を行うことにより、それぞれの蒸気量予測学習モデル４４ｂを更新する。以上により、識別予想処理が終了する。

以上のようにして、本実施形態による識別予測装置４０によって予測された予測時間Ｔ２後の蒸気発生量予測値を用いて、炉１の制御を行った場合の蒸気発生量について説明する。図９は、本実施形態による識別予測装置４０および燃焼制御装置３０によって得られた時間経過に伴う蒸気発生量の計測値および予測値の一例を示すグラフである。蒸気発生量の予測値は５分後の予測値である。また、比較のため、従来技術による蒸気発生量の予測装置および燃焼制御装置によって得られた、時間経過に伴う蒸気発生量の計測値および予測値の例を示すグラフを図１０に示す。従来技術においては、入力パラメータとしてプロセスデータのみを用い、蒸気発生量の予測値は６０～９０秒後の予測値である。また、図９および図１０において、計測値を実線とし、予測値を破線とする。

図９から、上述した一実施形態による炉１の制御においては、蒸気発生量予測値（破線）の変化状況と、蒸気発生量の計測値（実線）の変化状況とがほぼ一致していることが分かる。すなわち、本実施形態においては、蒸気発生量予測値と実際の蒸気発生量とにおいて、蒸気発生量の変化の位相ずれがほとんど生じていないことが分かる。また、本発明者が実験を行ったところ、本実施形態においては、炉１のボイラ９において得られる蒸気発生量（ｔ／ｈ）の目標値である目標蒸気発生量Ｖ₁に対して、蒸気発生量の極小値Ｖ_L１は、９６％程度であることが確認された。すなわち、本実施形態による制御によれば、蒸気発生量は、目標蒸気発生量Ｖ₁に対して約４％の低下であることが確認された。

これに対し、図１０から、従来技術による焼却炉の制御においては、蒸気発生量予測値（破線）の変化状況と、蒸気発生量の計測値（実線）の変化状況とにおいて、時間Δｔのずれが生じていることが分かる。すなわち、従来技術においては、蒸気発生量予測値と実際の蒸気発生量とにおいて、蒸気発生量の変化が時間Δｔの位相ずれを生じていることが分かる。また、本発明者が実験を行ったところ、従来技術においては、焼却炉のボイラにおいて得られる蒸気発生量（ｔ／ｈ）の目標値である目標蒸気発生量Ｖ₁に対して、蒸気発生量の極小値Ｖ_L0は、７４％程度まで低下していることが確認された。すなわち、従来技術による制御によれば、蒸気発生量は、目標蒸気発生量Ｖ₁に対して約２６％低下することが確認された。

図９および図１０に示す結果から、本実施形態による識別予測装置４０を用いて炉１を制御した場合には、従来技術に比して蒸気発生量の変化を６倍以上改善できることが分かる。蒸気発生量は、蒸気を用いて発電を行う場合の発電効率に影響する。そのため、蒸気発生量の低下は、特に蒸気を用いて発電を行う場合には、発電効率を低下させることになり、回避する必要がある。反対に、蒸気発生量が増加すると、無駄なエネルギーとして放出する必要がある。そのため、蒸気発生量は目標蒸気発生量Ｖ₁から大きく乖離しないことが望ましい。本実施形態によれば、従来に比して、蒸気発生量予測値をより高い精度で実際の蒸気発生量との差が小さくできるとともに、蒸気発生量の変化の位相をほぼ一致させることができるので、蒸気発生量の変動を抑制して、焼却炉の発電効率の変動を抑制できる。

（変形例）
次に、上述した一実施形態の変形例について説明する。図１１は、境界画像データの変形例を示す図である。変形例においては、上述した図７に示すステップＳＴ２において、境界生成部４１１は境界識別学習モデル４４ａを読み込んで、撮像部２６から取得した透過画像データに対し、廃棄物５０と、廃棄物供給部１２、段差壁１３、炉壁１ａ、および火格子４の境界を識別する。なお、境界生成部４１１は、廃棄物５０と、廃棄物供給部１２と、段差壁１３と、炉壁１ａと、火格子４とを相互に識別して、それらの境界を識別するようにしてもよい。

次に、ステップＳＴ３に移行して境界生成部４１１は、透過画像データに対して、廃棄物５０と他の物体との境界、すなわち廃棄物５０と、廃棄物供給部１２、段差壁１３、炉壁１ａ、および火格子４とのそれぞれの境界に対して境界線５４を描画する。境界生成部４１１は、図１１に示すように、例えば、透過画像データに対して、供給前廃棄物５１と、廃棄物供給部１２、炉壁１ａ、および段差壁１３との境界、火格子上廃棄物５２と、段差壁１３、火格子４、および炉壁１ａとの境界に対してそれぞれ、境界線５４ａ，５４ｂを描画する。換言すると、境界生成部４１１は、供給前廃棄物５１の外縁を囲むように境界線５４ａを描画する。境界生成部４１１は、火格子上廃棄物５２の外縁を囲むように境界線５４ｂを描画する。以上により、境界生成部４１１は、透過画像データに対して境界線５４が描画された境界画像データを生成する。

ここで、生成された境界画像データにおいて、境界線５４ｂによって囲まれた火格子上廃棄物５２の面積を導出することによって、火格子４上の廃棄物５０の量を導出できる。また、蒸気量算出部４１３は、境界線５４ｂによって囲まれた部分の面積を、定数である炉１の横幅（図１１中、左右の幅）で除して平均化させることで、廃棄物層高さＨを算出することも可能である。境界生成部４１１は、生成した境界画像データを出力部４２に出力して、例えばモニタに表示させる。これにより、作業者や管理者は、識別予測装置４０により生成された境界識別画像を認識できる。また、制御部４１は、導出した火格子上廃棄物５２の面積や廃棄物層高さＨを時間経過に伴って記憶部４４に格納することにより、単位時間当たりに火格子４上に供給される廃棄物５０の量を導出可能となる。したがって、識別予測装置４０において、炉１内の火格子４上への燃料供給速度を導出できる。また、境界生成部４１１が、境界線５４ｂの形状に基づいて、火格子上廃棄物５２と火格子４との境界線を抽出することによって、廃棄物５０の燃え切り点Ｆの位置を測定することができる。なお、領域Ｂ１，Ｂ２，Ｂ３，Ｂ４はそれぞれ、図５に示す領域Ａ１，Ａ２，Ａ３，Ａ４に対応する。その他の構成は、上述した一実施形態と同様である。

以上説明した一実施形態によれば、炉１における種々のプロセスデータと、炉１内を撮像して得た熱画像情報に基づく画像データとに基づいて、予測時間Ｔ２後の蒸気発生量予測値を導出し、導出した蒸気発生量予測値に基づいて、廃棄物供給装置３や火格子４の廃棄物５０の給塵速度を制御していることにより、焼却炉において、所定の予測時間Ｔ２後の蒸気発生量を予測することができ、推定した蒸気発生量に基づいて焼却炉を安定して制御することが可能となる。これにより、焼却炉において蒸気を用いた発電を行う場合に、発電効率を考慮しつつ安定的な電力の供給を行うことが可能になる。

以上、本発明の一実施形態について具体的に説明したが、本発明は、上述の一実施形態に限定されるものではなく、本発明の技術的思想に基づく各種の変形が可能である。例えば、上述の一実施形態において挙げた数値はあくまでも例に過ぎず、必要に応じてこれと異なる数値を用いてもよく、本実施形態による本発明の開示の一部をなす記述および図面により本発明は限定されることはない。

例えば、上述した一実施形態においては、所定の蒸気量予測学習モデル４４ｂを、所定の適用時間Ｔ５が経過した後に切り替えているが、必ずしも適用時間Ｔ５によって切り替える方法に限定されない。所定の蒸気量予測学習モデル４４ｂによって予測された蒸気発生量予測値が、蒸気発生量の計測値と所定値以上乖離した場合に、蒸気量予測学習モデル４４ｂを切り替えるようにしても良い。

例えば、上述した一実施形態においては、境界識別学習モデル４４ａや蒸気量予測学習モデル４４ｂを記憶部４４に格納しているが、ネットワークを通じて通信可能な他のサーバの記憶部に格納することも可能である。すなわち、境界識別学習モデル４４ａを、公衆回路網などのネットワークを介して識別予測装置４０と通信可能な画像サーバの記憶部に格納しておくことも可能である。この場合、撮像部２６が撮像した透過画像データは、ネットワークを介して画像サーバに送信されて記憶部に格納される。その後、画像サーバの制御部は、識別予測装置４０からの要求に対応して、透過画像データに対して境界線５３，５４を描画して境界画像データを生成し、識別予測装置４０に送信する。同様に、蒸気量予測学習モデル４４ｂを、ネットワークを通じて通信可能な予測サーバの記憶部に格納しておくことも可能である。この場合、予測サーバは、画像サーバの記憶部から透過画像データや境界画像データなどの画像データを受信して取得し、さらに燃焼制御装置３０からプロセスデータを受信して取得する。予測サーバの制御部は、取得したプロセスデータおよび画像データに基づいて、蒸気発生量予測値を導出して、燃焼制御装置３０に送信する。換言すると、境界生成部４１１および学習部４１２の機能を備えた画像制御部と、学習部４１２および蒸気量算出部４１３との機能を備えた予測制御部とを、互いにネットワークを介して通信可能な別の装置に設けてもよい。さらに、境界生成部４１１と、学習部４１２と、蒸気量算出部４１３とをそれぞれがネットワークを介して通信可能な別の装置に設けてもよい。

また、例えば、上述した一実施形態においては、機械学習の一例としてニューラルネットワークを用いたディープラーニング（深層学習）を用いたが、それ以外の方法に基づく機械学習を行ってもよい。例えば、サポートベクターマシン、決定木、単純ベイズ、ｋ近傍法など、他の教師あり学習を用いてもよい。また、教師あり学習に代えて半教師あり学習を用いてもよい。

また、例えば、識別予測装置４０が生成した境界画像データから導出した廃棄物層高さＨと燃え切り点Ｆとに基づいて、燃焼制御装置３０が炉１を制御した燃焼状態や発電量などの結果を報酬とし、強化学習や深層強化学習などの機械学習を行って、境界識別学習モデル４４ａを生成したり更新したりしてもよい。

また、例えば、上述した一実施形態においては、焼却炉として段差壁を有する火格子焼却炉を採用した例について説明したが、必ずしも火格子焼却炉に限定されない。段差壁を有する火格子焼却炉以外の焼却炉の場合、境界画像データとしては、透過画像データに対して、廃棄物５０と他の領域との境界以外に、廃棄物５０の燃焼温度に基づいた等温線などを境界線として生成して重畳させて描画した画像データを用いても良い。この場合、廃棄物５０の燃焼温度に対して、例えば１００℃ごとの等温線を生成して、境界線とすることができる。また、境界画像データとして、透過画像データに対して、廃棄物５０と他の領域との境界以外に、焼却炉内の廃棄物を幾何学的に区別して境界線を生成して、重畳して描画した画像データを用いても良い。すなわち、境界画像データとして、透過画像データに対して、廃棄物５０と他の領域との境界以外に、焼却炉の構造に応じた種々の境界を設定して境界線を生成し、重畳描画した画像データを用いることが可能である。

（記録媒体）
上述の一実施形態において、燃焼制御装置３０、または識別予測装置４０が実行する処理方法を実行させるプログラムを、コンピュータその他の機械やウェアラブルデバイスなどの装置（以下、コンピュータなど、という）が読み取り可能な記録媒体に記録することができる。コンピュータなどに、この記録媒体のプログラムを読み込ませて実行させることにより、当該コンピュータなどが移動体制御装置として機能する。ここで、コンピュータなどが読み取り可能な記録媒体とは、データやプログラムなどの情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータなどから読み取ることができる非一時的な記録媒体をいう。このような記録媒体のうちのコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ／Ｗ、ＤＶＤ、ＢＤ、ＤＡＴ、磁気テープ、フラッシュメモリなどのメモリカードなどがある。また、コンピュータなどに固定された記録媒体としてハードディスク、ＲＯＭなどがある。さらに、ＳＳＤは、コンピュータなどから取り外し可能な記録媒体としても、コンピュータなどに固定された記録媒体としても利用可能である。

また、一実施形態による燃焼制御装置３０、および識別予測装置４０に実行させるプログラムは、インターネットなどのネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。

（その他の実施形態）
一実施形態においては、上述した「部」を、「回路」などに読み替えることができる。例えば、制御部は、制御回路に読み替えることができる。

なお、本明細書におけるフローチャートの説明では、「まず」、「その後」、「続いて」などの表現を用いてステップ間の処理の前後関係を明示していたが、本実施の形態を実施するために必要な処理の順序は、それらの表現によって一意的に定められるわけではない。すなわち、本明細書で記載したフローチャートにおける処理の順序は、矛盾のない範囲で変更することができる。

さらなる効果や変形例は、当業者によって容易に導き出すことができる。本開示のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付のクレームおよびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。

１ 炉
１ａ 炉壁
２ 廃棄物投入口
３ 廃棄物供給装置
４ 火格子
５ 灰落下口
６ 燃焼用空気ブロア
７ 炉出口
８ 煙突
９ ボイラ
９ａ 熱交換器
９ｂ 蒸気ドラム
１０ 二次空気吹き込み口
１１ 二次空気ブロア
１２ 廃棄物供給部
１３ 段差壁
１４ 燃焼用空気ダンパ
１４ａ，１４ｂ，１４ｃ，１４ｄ 火格子下燃焼用空気ダンパ
１５ 二次空気ダンパ
１６ 中間天井
１７ 燃焼室ガス温度計
１８ 主煙道ガス温度計
１９ 炉出口下部ガス温度計
２０ 炉出口中部ガス温度計
２１ 炉出口ガス温度計
２２ ボイラ出口酸素濃度計
２３ ガス濃度計
２４ 排ガス流量計
２５ 蒸気流量計
２６ 撮像部
３０ 燃焼制御装置
３１，４１ 制御部
３２，４４ 記憶部
３３ 操作量調整部
４０ 識別予測装置
４２ 出力部
４３ 入力部
４４ａ 境界識別学習モデル
４４ｂ 蒸気量予測学習モデル
５０ 廃棄物
５１ 供給前廃棄物
５２ 火格子上廃棄物
５３，５３ａ，５３ｂ，５３ｃ，５４，５４ａ，５４ｂ 境界線
３３１ 燃焼用空気量調整部
３３２ 空気量比率調整部
３３３ 二次空気量調整部
３３４ 廃棄物供給装置送り速度調整部
３３５ 火格子送り速度調整部
４１１ 境界生成部
４１２ 学習部
４１３ 蒸気量算出部

Claims (14)

1. 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、
   前記制御部は、
   前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、
   前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、
   前記記憶部から読み出した前記プロセスデータおよび前記画像データを入力パラメータとして取得し、前記記憶部から読み出した前記プロセスデータおよび前記画像データを蒸気量予測学習モデルに入力し、所定の予測時間後の前記蒸気発生量を予測して出力パラメータとして出力して蒸気発生量予測値を出力し、
   前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータおよび前記画像データを学習用入力パラメータとし、前記所定時点から前記予測時間だけ経過後の前記蒸気発生量の計測値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである
   情報処理装置。
2. 前記制御部は、
   前記学習用入力パラメータが互いに異なる前記蒸気量予測学習モデルを複数生成し、
   前記複数の蒸気量予測学習モデルから一の蒸気量予測学習モデルを選択して適用し、
   前記一の蒸気量予測学習モデルを適用する適用時間において、前記一の蒸気量予測学習モデルによって前記蒸気発生量を予測して、出力パラメータとして出力し、
   前記複数の蒸気量予測学習モデルの前記一の蒸気量予測学習モデル以外の他の蒸気量予測学習モデルによって前記蒸気発生量を予測して前記記憶部に格納し、
   前記複数の蒸気量予測学習モデルのそれぞれによって予測されたそれぞれの前記蒸気発生量を比較して、前記複数の蒸気量予測学習モデルから次に適用する一の蒸気量予測学習モデルを選択する
   請求項１に記載の情報処理装置。
3. 前記制御部は、
   前記蒸気量予測学習モデルを所定の適用時間において適用し、
   前記適用時間において前記廃棄物焼却炉から取得した前記プロセスデータおよび前記画像データを前記学習用入力パラメータに追加して更新し、前記適用時間において前記廃棄物焼却炉から取得した前記蒸気発生量の計測値を前記学習用出力パラメータに追加して更新し、
   前記更新された学習用入力パラメータおよび前記更新された学習用出力パラメータを、更新された入出力データセットとして用いて前記蒸気量予測学習モデルを更新する
   請求項１または２に記載の情報処理装置。
4. 前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データである
   請求項１～３のいずれか１項に記載の情報処理装置。
5. 前記制御部は、
   前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、
   前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、
   前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである
   請求項４に記載の情報処理装置。
6. 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、
   前記制御部は、
   前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、
   前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、
   前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力し、
   前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データである
   情報処理装置。
7. 前記制御部は、
   前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、
   前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、
   前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである
   請求項６に記載の情報処理装置。
8. 前記参照時間は６０分以下である
   請求項１～７のいずれか１項に記載の情報処理装置。
9. 前記廃棄物焼却炉は、前記廃棄物を移動させる火格子と、前記火格子上に前記廃棄物を供給する廃棄物供給装置とを備え、
   前記プロセスデータに含まれる制御値として、前記廃棄物の供給速度を調整する廃棄物供給装置の送り速度の制御値、および前記火格子上の前記廃棄物の移動速度を調整する火格子送り速度の制御値の少なくとも一方を含む
   請求項１～８のいずれか１項に記載の情報処理装置。
10. 廃棄物を燃焼させる廃棄物焼却炉を制御する燃焼制御部を備えた燃焼制御装置であって、
    前記燃焼制御部は、
    請求項１～９のいずれか１項に記載の情報処理装置から前記蒸気発生部における所定の予測時間後の前記蒸気発生量の予測値を取得し、
    前記取得した蒸気発生量に基づいて、前記廃棄物焼却炉における燃焼を制御する
    燃焼制御装置。
11. 前記廃棄物焼却炉は、前記廃棄物を移動させる火格子と、前記火格子上に前記廃棄物を供給する廃棄物供給装置とを備え、
    前記燃焼制御部は、
    前記廃棄物の供給速度を調整する前記廃棄物供給装置の送り速度、および前記火格子上の前記廃棄物の移動速度を調整する火格子送り速度の少なくとも一方を制御する
    請求項１０に記載の燃焼制御装置。
12. 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置が実行する情報処理方法であって、
    前記制御部は、
    前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、
    前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、
    前記記憶部から読み出した前記プロセスデータおよび前記画像データを入力パラメータとして取得し、前記記憶部から読み出した前記プロセスデータおよび前記画像データを蒸気量予測学習モデルに入力し、所定の予測時間後の前記蒸気発生量を予測して出力パラメータとして出力して蒸気発生量予測値を出力し、
    前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータおよび前記画像データを学習用入力パラメータとし、前記所定時点から前記予測時間だけ経過後の前記蒸気発生量の計測値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである
    情報処理方法。
13. 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置が実行する情報処理方法であって、
    前記制御部は、
    前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、
    前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、
    前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力し、
    前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データである
    情報処理方法。
14. 廃棄物を燃焼させて蒸気発生部によって蒸気を発生させる廃棄物焼却炉を制御する燃焼制御部を備えた燃焼制御装置が実行する燃焼制御方法であって、
    前記燃焼制御部は、
    請求項１２または１３に記載の情報処理方法によって前記蒸気発生部における所定の予測時間後の前記蒸気発生量予測値を取得して記憶部に格納し、
    前記記憶部から読み出した前記蒸気発生量予測値に基づいて、前記廃棄物焼却炉における燃焼を制御する
    燃焼制御方法。

Images