JP7358290B2 - 排ガス通路内壁面の付着物厚み推定方法及び装置 - Google Patents

Description

本発明は、排ガス通路内壁面の付着物厚み推定方法及び装置に係り、特に、付着物厚みを高精度で推定して連続操業時間を延ばし、稼働率を上げることが可能な排ガス通路内壁面の付着物厚み推定方法及び装置に関する。

図１に例示するような廃棄物焼却施設や溶融施設、各種加熱炉や溶融炉等を運転する際に、炉、ボイラ、煙道、排ガス処理系の壁面に付着物を生じる場合がある。図１において、１０は焼却炉または溶融炉、１２は二次焼却燃焼炉（二次燃焼炉とも称する）、１３はバーナー、１４は減温塔、１５は水噴霧設備、１６は除塵設備、１８は誘引ファン、２０は煙突である。なお、ＨＣｌやＳＯｘ除去を効率良く行うための減温は、図１に示したように、減温塔１４に設けた水噴霧設備１５による他、図２に示すように、熱回収しつつ減温するためのボイラ２２を設けたり、図３に示すように、ボイラ２２と減温塔１４の水噴霧設備１５の両者を併用して、ボイラ２２で熱回収と減温を行った後、水噴霧により温度を下げることによって行っている。

ところで、壁面への付着は、焼却や溶融時の高温下で揮発する成分や燃焼排ガス等に随伴する成分が、（１）温度が下がって凝縮して壁面に付着する、（２）流速が遅くなって壁面に堆積する、（３）凝縮物に付着・堆積する等が原因となって引き起こされる。

この付着物は、付着物自身を原因とする煙道の閉塞による炉内や煙道圧の上昇、局所的高温部の生起などによる、ガスの吹き出し、未燃分の増加、伝熱阻害やその他種々の操業・設備トラブルや場合によっては炉の緊急停止に陥る原因になるため、大きな問題となっている。また、付着物が崩れ落ちて下部ホッパーに溜り、近傍の配管を目詰まりさせることによっても同様の事態となる。このため、できるだけ自動で剥離させることを狙って、（ｉ）付着しにくくする薬剤を燃料中に添加したり（特許文献１）、（ii）側壁に分散液を噴射したり（特許文献２）、（iii）空気をブラストするビンブロー、エアハンマー、ハンマリング等の自動剥離機器を利用することが行われているが、抜本的な解決には至っていない。

特開２００２－２８５１７９号公報 特開２００６－２９７０１号公報 特開２０１３－１５６１１６号公報 特許第５７１６２３１号公報 特許第６２６８６９９号公報

実際の付着対策として最終的には、設備の稼働を停止して清掃（掻き取り）を行っているが、付着物の付着状況に関しては、特に廃棄物を対象としている場合、毎回同じようなものではなく、量と質の両面で大きく異なっている場合がある。このような場合、清掃作業に際して準備する要員数や器具類、所要日数などに過不足が生じるため、結果として準備過剰や不良になり、無駄が生じている。従って、設備の稼働を停止して剥離作業を行う場合、付着状況を予め推定することによって、清掃日、要員数、器具類、作業日数等のより適正な予測ができるため無駄をなくす効果は大きい。

又、炉が緊急停止した場合、その原因にもよるが、炉内や煙道のガス、スラグや灰が噴き出す場合がある。この段階では緊急排出弁等からガスを逃がしたり、不活性ガスで封じ込めたり、置換しながら冷却する必要がある。特に、溶融炉では緊急停止した場合、スラグや原料等が固まってしまい、再開するためには削岩機によるスラグのはつり作業や炉壁の付着物除去作業が必要になる。従って、炉の操業にとって緊急停止は最も避けたい事態で、できるだけその前の段階で問題の発生を予知することが望ましい。

図４に、急激に温度を下げるためデポジット（以下、付着物８と称する）が付着し易い減温塔１４（内径３ｍ～６ｍ、高さ７ｍ～１０ｍ程度）の場合を例示するように、焼却・溶融設備の内部の、最高８００ｍｍ程度になる付着物８の付着状況（例えば付着物厚みｔ）を推定するには、（１）外部から内部の状況を測定して内部の状況を推定するか、（２）内部から内部の状況を測定するという２つの方法がある。このうち、後者の（２）内部から内部の状況を測定することに関しては、設備稼働中は、高温と高ダスト濃度下で測定するための設備的な工夫が必要になり、非常に難しい。

これに対して、前者の（１）外部から内部の状況を測定して内部の状況を推定することに関しては、超音波や放射能などを利用することが考えられる。超音波は精度自体があまり高くなく、空洞があったり付着状態の粗密の程度によって測定結果が大きく左右されるため、推定精度に問題がある。一方、図５に例示するように、放射能測定器３０を用いて放射能を測定する場合、感度は非常に高いので、煙道中の粉塵が多くても精度良く測定できる可能性がある。他に、放射線源をトレーサーとして被爆対策の規制値以下の濃度で原料に添加する方法も検討されているが、放射能に対する警戒感から避けられる傾向にある。又、自然放射能を測定する場合は、含有濃度が非常に低いため、測定時間が通常でも１日単位で必要であり、現実的ではなかった。又、特に、自然界に普遍的に存在する放射性カリウム（以下、４０Ｋ）の存在とその利用については、放射線関連の技術者からはある程度注目されており、東日本大震災での放射能汚染に関しても、放射性セシウム（以下、放射性Ｃｓ）汚染に対してのみでなく、特許文献３にあるように家畜体内の放射能濃度測定に４０Ｋを利用する提案がなされている。ただし、測定時間が数時間以上必要となっていた。又、γ線の測定方法に関しては、特許文献４や５に示されるように、自己遮蔽効果を利用することで比較的容易に精度よく測定できる方法も注目されている。

本発明は、このような状況に鑑みてなされたもので、外部からの放射能測定により付着物厚みを高精度で推定して連続操業時間を延ばし、清掃作業の効率化を図ることを含めて、設備稼働率を上げることが可能な排ガス通路内壁面の付着物厚みの推定方法及び装置を提案するものである。

発明者らは、放射性Ｃｓを含む廃棄物の焼却・溶融設備で発生した飛灰の放射能計測を行い、環境放射能を遮蔽しコリメーターを設置することにより、シンチレーション検出器や、半導体検出器でエネルギーレベル別にγ線強度の測定ができることを確認した。また、ＧＭ管検出器でも、測定時間は長くなり、感度は低下するが、γ線の検出が可能であることを確認した。同時に、シンチレーション検出器を用いて放射性Ｃｓについて測定し、測定時間２分程度で、厚みが最大２００ｍｍ以内であれば、厚みが増せば放射能強度も増すという一定の関係があることを見出した。又、４０Ｋについても同様に一定の関係があり、しかもこの関係が厚み３００ｍｍ程度まで保たれることを見出した。測定結果は図６に示すとおりである。更にＧＭ管でも厚み３００ｍｍ程度まで同様の関係が保たれることを見出している。放射性Ｃｓについては、原子力発電所の事故により排出されたものであり、濃度は検出限界と比較して高濃度である。４０Ｋについては、草木、生物体、土壌や海水など自然界に広く存在し、もともとの廃棄物にも含まれるものであり、センシング対象としての適用範囲は広く、有用性が高い。そこで、焼却飛灰に関して詳細な測定を行い、結果として２分以上の測定時間を取れば、４０Ｋとして定量できるレベルになることを見出した。

この飛灰の放射能測定結果に力を得て、実際の溶融炉の排ガス冷却塔において、内部の付着物の放射能濃度をシンチレーション検出器で外部から測定した結果、飛灰を測定したときと比較して、セシウム（以下、Ｃｓ）については同じ厚みの部分でのばらつきは１５％程度あるものの、ほぼ同等の結果が得られ、自然界に広く存在する４０Ｋについては、厚みのばらつきがＣｓと同程度で、測定時間は長くなるが、１５分以内で十分な精度で測定できることがわかった。ＧＭ管の場合は、ばらつきが３０％程度と大きくなったが、日単位の頻度で測定すればよい場合には、付着物厚みが増加する傾向を把握するのには十分な精度で測定できる。焼却炉や溶融炉の飛灰の場合、カリウム（以下、Ｋ）は熱により気化して排ガスに移行し、これが煙道や排ガス冷却設備内で凝縮する。焼却ごみの場合、一般的に灰分は１０％程度発生し、飛灰は３％程度発生する。Ｋは飛灰に５０％以上移行する。従って、Ｋは元のごみに対して１６倍以上濃縮されることになる。溶融の場合は、灰や瓦礫や土壌を対象とした場合、飛灰発生率は５％程度でＫは飛灰に８０％以上移行するため、１６倍以上濃縮されることになる。自然界のＫを濃縮したり、自然界にあるＫの含有率の高い物質を原料に入れることによって４０Ｋも増えるので、付着物の４０Ｋも増えて、測定時間の短縮や付着物厚みの推定精度の向上につながる。自然界のＫは主として植物の草類に多く含まれる。これらは廃棄物として処理されている場合も多いので、処理する際に原料と混合して処理を行えば４０Ｋの検知には都合がよい。しかし、放射能に対する警戒感があることに加え、焼却・溶融設備は二次汚染源にもなり得るので注意を要する。

更に排ガス処理系全体の複数箇所について外部からシンチレーション検出器で放射性Ｃｓと４０Ｋの測定を行い、この結果と、炉を停止させて内部の付着物を清掃するタイミングで内部の付着物の付着状況（位置と付着量）を測定した結果との関係を調べた結果、２００ｍｍ～３００ｍｍまでは、付着物厚みと放射能強度にほぼ一定の関係があることを見出した。

なお、付着物厚みは設備の条件（対象物、処理条件、付着場所等）にもよるが、１００ｍｍ～３００ｍｍ以上、最大で８００ｍｍ程度になることがある。この場合、現状の放射能測定方法では対応できない。

また、測定に際して、前述のとおり付着・堆積物自体の遮蔽効果があるため、付着物厚みの測定には限界がある。確認実験では最大で２００ｍｍ～３００ｍｍであり、１０００ｍｍφ程度の小径であれば有用であるが、大径の塔類の場合は付着物厚みがこれ以上となる場合も多く、外部からの放射能測定では限界まで測定できない場合がある。このような場合は、最大測定値をもって清掃の指標とする、測定値から推定した付着速度から判断する、系内のより小径の配管部や付着・堆積しやすい塔類底部のホッパー部、ガス流れが乱れやすい塔類と配管の接続部、および配管の曲がり部などで測定して推定することにより、対応可能な場合もある。現状の対策として、例えば、小径の水平配管部や曲がり部は元々詰まりやすいため、詰りが生じやすい部分の両端部をフランジ構造として清掃作業をしやすくする工夫をし、その詰りの程度は圧損の測定から推定するということが行われている。しかし、圧損の場合、圧損が上がり始めると急速に上がってくるという傾向があるため、多くの場合、緊急停止に近い対応を取らざるを得ず、停止作業にしても清掃作業にしても準備期間はほとんどとれないという問題点がある。又、配管前後の大径の配管や塔槽類への付着や堆積についての情報は得られない。一方で、放射能測定を行えば、測定限界内であれば付着物厚みの増加傾向の把握が可能となる。つまり、圧損が大幅に上昇する前の段階での付着や堆積の状況を知ることができ、事前の予測が可能となる。

放射能測定で更に厚い付着物厚みを測定する別の方法についても検討した。

まず放射能測定器についてであるが、図５に示す如く、排ガス通路の一つである減温塔１４の外側から付着物８の厚みを推定するための放射能測定器３０を上下方向に移動させて測定を行い、付着物厚みｔが最大で３００ｍｍ以下の範囲に入る位置（高さ）を決めて、そこに放射能測定器３０を設置し、この測定値から減温塔全体の中の最も厚い部分の付着物厚みを推定して、炉の停止時を推定する。即ち、付着物厚みｔが最も厚いところを測るのではなく、最大で３００ｍｍ以下のところを測定し、この部分の付着増加傾向から最大付着量を予測する方法である。

この際、自然界に他の放射性同位元素と比較して大量に存在する４０Ｋを利用することで、図６に例示したように、従来不可能であった３００ｍｍまで測定可能である。一方で放射性Ｃｓの濃度が測定限界に対して十分に高い場合には、付着物厚みの最大値が２００ｍｍ以下の位置で放射性Ｃｓを測定することにより、測定時間の短縮と測定精度の向上が図れる。

これらの方法により外部からの連続測定が可能になるため、ハンマリングやビンブロー等の付着物除去手段の効果を即座に確認することが可能になる。

又、放射能計測器３０は、固定型又は可搬型あるいはその両方を用いることができる。

本発明は、上記のような知見に基づいてなされたもので、排ガス通路の内壁面に付着した付着物の厚みを推定する方法であって、排ガス通路の外側から付着物の放射能を計測する放射能計測工程と、炉解放時の排ガス通路の内壁面の付着物形状を実測する付着物形状実測工程と、前記放射能計測工程における放射能の計測から得られた付着物厚み推定データ、前記付着物形状実測工程における付着物形状の実測から得られた付着物厚み実測データ、及び、操業データを蓄積して付着物厚みを学習する学習工程と、前記学習工程から得られた学習結果を用いて付着物厚みを予測する予測工程と、を備えたことにより前記課題を解決するものである。

本発明は、又、排ガス通路の内壁面に付着した付着物の厚みを推定する装置であって、排ガス通路の外側から付着物の放射能を計測する放射能計測手段と、炉解放時の排ガス通路の内壁面の付着物形状を実測する付着物形状実測手段と、前記放射能計測手段による放射能の計測から得られた付着物厚み推定データ、前記付着物形状実測手段による付着物形状の実測から得られた付着物厚み実測データ、及び、操業データを蓄積して付着物厚みを学習する学習手段と、前記学習手段から得られた学習結果を用いて付着物厚みを予測する予測手段と、を備えたことを特徴とする排ガス通路内壁面の付着物厚み推定装置を提供することにより、同じく前記課題を解決するものである。

ここで、前記放射能計測工程（放射能計測手段）における放射能の計測を、放射性カリウムの放射能を測定することにより行うことができる。

又、前記放射能計測工程（放射能計測手段）における放射能の計測位置を、付着物厚み３００ｍｍ以下の位置に設定することができる。

本発明では、更に、放射能により外部から付着物８の厚みを推測したデータと、炉解放時に内部から計測した実測データをマッチングさせて、放射能計測からの推測値の精度向上を図る。付着物厚みｔを計測値又は推測値で判断して、一定以上の厚みとなった場合（炉の操業に悪影響が出始める時点）に、操業を停止して冷却し、人手あるいはロボットで除去作業を行う。又、操業データと組み合わせて付着物厚みｔとの関連性を学習させることにより、より長期の連続操業が可能になる操業方法を探索する。

その際、これらのデータを人工知能（ＡＩ）による機械学習によって、原料の種類や組合せ、処理量、処理条件等を制御して一連続単位の操業時間を長くし、付着物８の清掃を効率化すると共に、安全性を高めるうえで効果的な操業方法を把握する。これらにより、操業の省エネ化、省力化、安全性向上、低コスト化を図ることができる。原理と機能は以下のとおりである。

＜１＞設備の外側からの放射能計測に際して、図６に示したようなエネルギーレベル別の測定と、特定核種に着目したエネルギー弁別をしない測定を併用することで得られる、付着物８の放射能濃度と厚みの関係を用いて付着物厚みを推測する。

＜２＞炉解放時の付着状況の形状把握と、限定された位置における放射能濃度から推測された付着物８の厚みデータを、図７に示すようにマッチングさせることにより、厚みと放射能濃度を推測し、この推測によって付着物８の除去の時期を判断すると共に、付着物厚みｔや放射能濃度の付着物８の除去作業に適する治具や安全具を選択して除去作業を行う。

＜３＞操業データの内容と放射能推定データと付着物厚み実測データを組み合わせる。
操業データとしては、処理対象物の性状（成分、量）、処理に際しての添加物の種類と量、焼却・溶融温度、炉出口温度、炉出ロ排ガス組成と量、ダスト組成とダスト量、二次燃焼条件、ガス冷却方法、有害ガス除去設備排ガス処理過程での添加物等があり、付着物８の付着位置と付着量と付着硬さと付着組成（特に塩類組成の関わり）との関連を推定することが主目的である。必要に応じて、頻度を高めた断続的測定を行い、付着状況との経時的変化を明確にして、廃棄物等の対象物を炉に入れる順番の選択の最適化、温度や負荷等の炉の操業条件の最適化、及び、炉を停止する時期のより的確な判断等が可能となり、炉の連続稼働期間の長期化に繋がる。

＜４＞設備稼働中の付着対策の効果を把握する。
付着防止のためにハンマリング機器やエアハンマー、ビンブロー等を設置する場合があるが、現状では外から見えないブラックボックス内に設置されているので、効果の判定が容易ではない。頻度を高めた断続的測定を行って、付着状況と付着対策の条件（方式、頻度、力）と効果の経時的変化が明確になれば、効果的な対策方法の選択が可能となり、最終的に炉の連続稼働期間の長期化に結びつくことになる。

放射能濃度と付着量に一定の関係があったことから、排ガス処理系の各部において放射能濃度により付着量が推定できることになる。この推定結果から、（イ）容器や配管の付着物の付着状況、（ロ）付着物の落下による衝撃の程度、（ハ）配管や塔槽部の偏流の程度、を把握することができ、操業を停止して清掃する時期を従来より的確に決めることができる。又、場所と付着量の関係が把握できるため、必要な足場や安全具、作業道具の準備も従来より迅速に行うことが可能となる。更に、これらのデータを操業データと組み合わせて、付着しやすさと付着しにくさの操業条件による違いを判断したり、人工知能（ＡＩ）により機械学習させることによって、原料の種類や組合せ、処理量、処理条件等を制御して一連続単位の操業時間を長くし、付着物の清掃を効率化すると共に、安全性を高めるうえで効果的な操業が可能となる。これらにより、省エネ、省力、安全性向上、低コスト化を図ることができる。

一方、付着物の除去技術に関しては、前述のとおり、ハンマリングやエアブロー等を壁面に設置して使用するのが一般的である。しかし、実際の効果についてはリアルタイムでの効果の把握ができないため、例えばハンマリングの場合、機械的衝撃を与える際の強度や間隔と効果の関係が把握できないために、経験値で適当に決めて行うしかなく、たまたま効果がある場合もあるが、気休め程度の場合もあった。又、除去方法についても、ハンマリングがよいのかエアブローがよいのかの判断もできなかった。

この問題点については、放射能測定器を設置して除去設備の稼働前後を測定することで、効果を簡単に判定できることがわかった。更に、除去設備単体の強度や頻度等の稼働条件や設置個所と必要個数を判断することができるようになった。

通常、廃棄物焼却炉は１００ｔ～２００ｔ／日程度の処理規模のものがよく用いられている。操業は１日単位で立ち上げから立ち下げを行うもの、平日操業土日停止のサイクルで動かすもの、目詰まり等で清掃作業が必要になるまで連続操業するもの等がある。１日あるいは週単位で操業するものも、停止時は立ち上げを考慮して加熱保温しておくのが一般的である。溶融炉は、規模は焼却炉と同等かやや小さい。こちらは一旦起動すると、目詰まり等で清掃作業が必要になるか、耐火物用の部品が摩耗か劣化により交換が必要になるまで連続操業するのが一般的である。特に、炉出口等の小径配管が詰まりやすいため、自動清掃設備を設置したり、清掃しやすいように直管部の両端にフランジを設ける等の設備の工夫を行ったりしている。

なお、焼却炉と溶融炉のどちらについても、操業の効率は時間当たりの処理量や設備のメンテナンスの頻度や設備寿命、使用ユーティリティ量、操業に必要な担当者数等によって左右される。又、効率を比較するにあたり、連続操業か夜間停止か土日停止かは、作業者の確保のしやすさや労賃によって左右されるので、操業を固定する必要がある。そこで、現実的かつ効果が明確になりやすい溶融炉の連続操業を対象として説明する。溶融炉を連続操業した場合、方式にもよるが、コークス等の燃料を使用する溶融炉の場合、通常の連続運転は数か月程度は継続可能である。

一方で、排ガス処理系での付着や閉塞で問題が出る期間は、処理対象物にもよるが、短い場合は数週間、長い場合でも１か月程度である。

例えば、連続操業２週間の場合、炉の停止から冷却に１．５日、清掃に２日、立上げに１．５日の合計５日必要であり、この場合、操業９日に対して休みが５日で稼働率は６４％（９÷１４）となる。

これに対して、本発明による付着物厚み推定技術を用いると、特に問題となる部分の推定が可能となり、操業を１週間程度は延ばせる可能性がある。この場合の稼働率は７６％（１６÷２１）となり、２０％程度稼働率を上げることができる。又、稼働率に加えて、付着場所と付着物厚みが推定できるので、適切な足場の設置の仕方や清掃機具の準備ができることにより、清掃時間の大幅な短縮が期待できる。この点は、特に付着物が放射能を帯びている場合の業務において、法で決められた作業時間より短時間で作業を済ませることができるため、要員を削減できる可能性もある。又、対象物や処理条件と放射能計測値との対比を行えば、稼働時間をより長くできる条件を見出せる可能性が高まるため、更に稼働率を上げられる可能性が高まる。

本発明が対象とするプロセスの一例と本発明が対象とする工程の範囲を示すブロック図 図１において排ガスを冷却する工程の変形例を示すブロック図 図１において排ガスを冷却する工程の他の変形例を示すブロック図 図１の減温塔に付着した付着物を示す縦断面図 図４の減温塔で放射能を測定している状態を示す縦断面図 本発明の原理を説明するための、Ｃｓを測定した場合とＫを測定した場合の校正曲線を比較して示す線図 本発明の実施形態における付着物厚みの予測処理の構成を示すブロック図 本発明の実施形態における処理手順を示す流れ図 本発明の実施形態で用いる３Ｄセンサの配置例を示す減温塔の縦断面図 本発明の実施形態で用いる３Ｄセンサの死角を説明するための（Ａ）（Ｂ）水平断面図及び（Ｃ）縦断面図 本発明の実施形態における学習方法を示す図

以下、図面を参照して、本発明の実施の形態について詳細に説明する。なお、本発明は以下の実施形態に記載した内容により限定されるものではない。また、以下に記載した実施形態における構成要件には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。更に、以下に記載した実施形態で開示した構成要素は適宜組み合わせてもよいし、適宜選択して用いてもよい。

まず、本発明の実施形態における各センサについて説明する。

本実施形態の放射能計測用のセンサとしては、図５に示した如く、排ガス通路（減温塔１４）の外側から付着物８の放射能を計測する放射能計測器３０を用いる。この放射能計測器３０は付着物８の厚みｔが３００ｍｍ以下の範囲に入る位置（高さ）に２個対向するように設置する。なお、放射能計測器３０の数や配置はこれに限定されず、１個としたり、３個以上を円周上に均等配置することも可能である。

そして、後出の付着物形状測定用センサ（例えば３次元光センサ、以下、３Ｄセンサと称する）３２を含む各センサの出力は、図７に示す如く、放射能測定器３０を用いた放射能測定による付着物厚み推定データ３１、炉解放時の付着物厚み実測データ３３、原料（廃棄物）処理量（装入量）、副原料（石灰、コークスなど）装入量、成分、空気・酸素吹込み量、炉、煙道の温度、排ガス量（風量、風速）、冷却水量、灰、スラグ、飛灰発生量、制御項目と制御数値の範囲、成分分析値、他の操業（計画）データ４０、及び、処理量（装入量）、空気・酸素吹込み量、炉、煙道の温度、排ガス量（風量、風速）、排ガス組成（Ｏ₂、ＳＯ₂、ＳＯ、ＨＣｌ他）、冷却水量、電力・燃料等使用量、他の操業（実測）データ４２が導入され、これらを蓄積して学習するデータ蓄積学習部１１０と、データ蓄積学習部１１０の出力に基づいて作成される付着物厚み予測モデル１２０と、付着物厚み予測部１３０とを有するコンピュータ１００と、コンピュータ１００の出力により付着物厚みｔを決定して出力する付着物厚み（決定）出力部１４０とを備えた付着物厚みの予測処理回路に導入される。

ここで、本実施形態における付着物厚みの推定手順を図８に示す。

まずステップ１００で、放射能計測器３０により減温塔１４の外側から付着物８の放射能を計測する。

次いでステップ１１０で、３Ｄセンサ３２により炉解放時の付着物厚みを減温塔１４の内側から実測する。

このステップ１１０における付着物厚みの実測は、例えば図９に示すように、３Ｄセンサ３２を、操業前又は操業途中の運転休止時にマンホール１４ａやハンドホールから減温塔１４に挿入して行う。

この３Ｄセンサ３２は、例えば直径３ｍ～５ｍで高さ５ｍ～１０ｍの大空間の一部あるいは大部分に付着している付着物８の形状を短時間で立体的に精度高く計測可能な方法として、可視、紫外光、赤外光又はレーザー光を用いた３次元光センサが適する。

計測位置については、付着物８の内部張出し長さ（付着物厚み）ｔより長い位置で、測定箇所は、図１０（Ａ）に示す如く、横断面の円周上１箇所であると大きな死角を生じるので、図１０（Ｂ）に２箇所の場合を例示する如く、同一横断面の円周上２箇所（ほぼ対向する位置）～３箇所（円周をほぼ３分割する位置）とすることにより、死角を減らして最小の機器数で全体の計測が可能となる。図１０（Ｃ）に、図１０（Ｂ）に対応する縦断面を示す。

３Ｄセンサ３２の装入・設置は、炉や煙道の適切な場所（例えばマンホール１４ａやハンドホール）に予め設けておいた台座の装入口を開けて装入・設置する。計測データは、３Ｄモデルに落とし込むことによって使い勝手の良いものになる。

又、３Ｄレーザー計測法を用いることによって、３Ｄセンサ（発信・受信）３２は付着物８の壁面からの張出し高さ以上に装入する必要があるという点に対して、図１０（Ｂ）（Ｃ）に示したように、２つの３Ｄセンサ３２Ａ、３２Ｂを用いて、ほぼ対向する位置から互いに対向する面を測定することにより、各３Ｄセンサ３２Ａ、３２Ｂの死角、及び、付着物８自体が邪魔をして測定できなくなる部分を大幅に低減できる。

ステップ１１０終了後、ステップ１２０で、放射能測定による付着物厚み推定データ（放射能推定データ）３１、炉解放時の付着物厚み実測データ３３、操業データ４０、４２を蓄積して付着物厚みｔを学習する。

次いでステップ１３０で、学習結果を用いて付着物厚みｔを予測する。

ここで、ステップ１２０における付着物厚みの学習の様子を図１１に示す。

まず、図１１（Ａ）の学習段階で、推定データ３１、実測データ３３からなる生データＩと、設定・計画データ４０、操業データ、計測データ４２からなる生データIIを加工して、学習用データセット５０を作成する。この際、異常データは除外し、測定・画像データを融合する。

次に、学習用データセット５０を、学習用プログラム１１２、学習前パラメータ１１４、学習装置の構成を決めるハイパーパラメータ１１６を含むデータ蓄積学習部１１０に入力し、学習済モデル１２２、学習済パラメータ１２４、推論プログラム１２６を有する付着物厚み予測モデル１２０で学習する。

学習結果は付着物厚み予測部１３０に入力され、実際の入力データ１２８に基づいて、学習済モデル１２２により付着物厚みｔを決定して出力する。

その結果に基づいて、例えば（ａ）原料の種類と量が十分にあって、付着物厚みｔを最少にする原料・操業条件選択を行う。あるいは、（ｂ）原料の選択に制約がある場合で、付着物厚みｔを最少化できる原料・操業条件を選択する付着物厚みの最少化を行う。あるいは、（ｃ）停止・清掃を計画通りに行う場合は、原料条件を問わず、早く付着物厚みｔを増やす操業選択を行う付着物厚みの最大化を行う。更に、望ましい原料条件を知ることもできる。

以上のように、コンピュータ１００のデータ蓄積学習部１１０では、放射能計測器３０で計測した放射能データから得られた、限られた位置における付着物厚みと放射能濃度を組み合わせた放射能測定による付着物厚み推定データ（放射能推定データとも称する）３１と、炉解放時に焼却・溶融炉の炉内や排ガス処理設備や煙道への付着物８の付着状況を実測して得られた付着物厚み実測データ３３と、設備の操業（計画）データ４０と、操業（実測）データ４２を組み合わせることによって、より精度の高い推定（厚み、広がり、硬さ、放射能濃度等）を行い、この結果に基づいて作成した付着物厚み予測モデル１２０を用いて、付着物厚み予測部１３０、付着物厚み（決定）出力部１４０の出力により付着物８を除去する時期を判断すると共に、除去作業に適する器具を選択し、これを用いて人手又はロボットにより付着物８を効果的に除去する。

上記のようにして、放射能推定データ３１と、付着物厚み実測データ３３と、炉の操業データ４０、４２を融合・学習させて付着物厚みｔを推定すれば、放射能推定データ３１と操業データ４０、４２、あるいは、付着物厚み実測データ３３と操業データ４０、４２から予測するより精度が高められる。

結果として、学習結果を利用して、炉の操業データ４０、４２と放射能推定データ３１、あるいは、炉の操業データ４０、４２のみから、より精度の高い付着物厚みｔを推定することができ、炉の運用効率が格段に向上する。

又、付着物厚みｔが薄い場合の操業方法を探る指標としても使用可能である。

なお、本実施形態においては、本発明が焼却炉及び溶融炉の減温塔に適用されていたが、本発明の適用対象はこれに限定されず、図１～図３に例示した対象範囲や、焼却炉及び溶融炉以外にも適用可能である。

ｔ…付着物厚み
８…付着物
１０…焼却炉または溶融炉
１２…二次燃焼炉
１４…減温塔
２２…ボイラ
３０…放射能計測器
３１…放射能測定による付着物厚み推定データ（放射能推定データ）
３２、３２Ａ、３２Ｂ…３次元光センサ（３Ｄセンサ）
３３…付着物厚み実測データ
４０…操業（計画）データ
４２…操業（実測）データ
５０…学習用データセット
１００…コンピュータ
１１０…データ蓄積学習部
１１２…学習用プログラム
１１４…学習前パラメータ
１１６…ハイパーパラメータ
１２０…付着物厚み予測モデル
１２２…学習済モデル
１２４…学習済パラメータ
１２６…推論プログラム
１２８…入力データ
１３０…付着物厚み予測部
１４０…付着物厚み（決定）出力部

Claims (6)

1. 排ガス通路の内壁面に付着した付着物の厚みを推定する方法であって、
   排ガス通路の外側から付着物の放射能を計測する放射能計測工程と、
   炉解放時の排ガス通路の内壁面の付着物形状を実測する付着物形状実測工程と、
   前記放射能計測工程における放射能の計測から得られた付着物厚み推定データ、前記付着物形状実測工程における付着物形状の実測から得られた付着物厚み実測データ、及び、操業データを蓄積して付着物厚みを学習する学習工程と、
   前記学習工程から得られた学習結果を用いて付着物厚みを予測する予測工程と、
   を備えたことを特徴とする排ガス通路内壁面の付着物厚み推定方法。
2. 前記放射能計測工程における放射能の計測を、放射性カリウムの放射能を測定することにより行うことを特徴とする請求項１に記載の排ガス通路内壁面の付着物厚み推定方法。
3. 前記放射能計測工程における放射能の計測位置を、付着物厚み３００ｍｍ以下の位置に設定することを特徴とする請求項１又は２に記載の排ガス通路内壁面の付着物厚み推定方法。
4. 排ガス通路の内壁面に付着した付着物の厚みを推定する装置であって、
   排ガス通路の外側から付着物の放射能を計測する放射能計測手段と、
   炉解放時の排ガス通路の内壁面の付着物形状を実測する付着物形状実測手段と、
   前記放射能計測手段による放射能の計測から得られた付着物厚み推定データ、前記付着物形状実測手段による付着物形状の実測から得られた付着物厚み実測データ、及び、操業データを蓄積して付着物厚みを学習する学習手段と、
   前記学習手段から得られた学習結果を用いて付着物厚みを予測する予測手段と、
   を備えたことを特徴とする排ガス通路内壁面の付着物厚み推定装置。
5. 前記放射能計測手段による放射能の計測が、放射性カリウムの放射能を測定することにより行うようにされていることを特徴とする請求項４に記載の排ガス通路内壁面の付着物厚み推定装置。
6. 前記放射能計測手段による放射能の計測位置が、付着物厚み３００ｍｍ以下の位置に設定されていることを特徴とする請求項４又は５に記載の排ガス通路内壁面の付着物厚み推定装置。

Images