JP7430086B2 - プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 - Google Patents
プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 Download PDFInfo
- Publication number
- JP7430086B2 JP7430086B2 JP2020052339A JP2020052339A JP7430086B2 JP 7430086 B2 JP7430086 B2 JP 7430086B2 JP 2020052339 A JP2020052339 A JP 2020052339A JP 2020052339 A JP2020052339 A JP 2020052339A JP 7430086 B2 JP7430086 B2 JP 7430086B2
- Authority
- JP
- Japan
- Prior art keywords
- target value
- control
- control amount
- plant
- state
- 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
- 238000000034 method Methods 0.000 title claims description 98
- 238000005457 optimization Methods 0.000 title claims description 39
- 238000004364 calculation method Methods 0.000 claims description 87
- 230000007704 transition Effects 0.000 claims description 83
- 238000010801 machine learning Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 33
- 230000001939 inductive effect Effects 0.000 claims description 21
- 238000013500 data storage Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 67
- 239000011159 matrix material Substances 0.000 description 25
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 11
- 230000002787 reinforcement Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000001976 improved effect Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Description
機械学習演算部で定めた制御量目標値とプラントからの制御量計測値の差分に応じてプラントの操作量を定めるPID制御演算部を備えることを特徴とするプラント運転最適化制御装置」としたものである。
図4は、機械学習演算部1の機能を計算機で実現する場合に、計算機の演算部で実行する処理フローを示す図である。図4の処理は、プラントから収集するデータ入力により開始される。
第1の式は、同じ状態遷移確率で状態遷移がm回繰り返されたときの初めの状態から最後の状態への状態遷移確率を表しており、プロセスの状態遷移が同じパターンを繰り返しながら進んでゆくようなプロセスの状態遷移を表すのに適している。例えば、時間当たりの物質の分離割合が一定であるような、物質分離の単位操作を繰り返すようなプロセスや、時間当たりの物質の性状の変化割合(例えば化学反応による組成変化の割合)が一定であるような単位操作が時間的に繰り返されるようなバッチプロセスがその例である。
第2の式は、最終的な状態に至るまでの状態遷移の回数が1回の場合、2回の場合、さらに一般化してm回の場合といった、m回以下の状態遷移回数のあらゆる状態遷移パターンを網羅し、この際に遷移回数が多いほど減衰係数によって影響割合を小さくするように重みづけ平均された、状態遷移確率行列を表している。つまり経過時間がm×Δt以下のあらゆる状態遷移パターンを考慮した状態遷移確率の期待値になっている。この式は、このように複数回数を経た様々な状態遷移をとらえることができるため、制御操作に対するプロセスの応答が制御周期よりも遅れて現れることが多いプラントの制御に対して本発明で用いる状態遷移確率行列として適している。
を要素値とした行列で状態遷移確率行列Tを代用してもよい。
2:PID制御演算部
3:操作端
4:計測端
10:データ蓄積部
11:帰納モデル獲得部
12:制御目標値演算部
15:状態遷移確率モデル獲得部
16:目標プロセス状態演算部
Claims (9)
- 制御量目標値とプラントからの制御量計測値の差分に応じてプラントの操作量を定めるPID制御演算部に対するプラント運転最適化支援装置であって、
プラント運転最適化支援装置は、プラントからの計測値を蓄積するデータ蓄積部と、蓄積した計測値を用いた学習によりモデルを形成し、前記モデルを参照し現在時点でプラントから入手した計測値の時の制御量を推定する制御量推定部と、予め与えられた制御量の目標値である設定目標値と推定した制御量の差分を用いて前記制御量目標値を定め、前記制御量目標値を前記PID制御演算部に提示する制御目標値演算部を備え、
前記制御目標値演算部は、推定した制御量が前記設定目標値を上回る場合は、前記設定目標値を下回るような制御量目標値を前記PID制御演算部に与え、あるいは推定した制御量が前記設定目標値を下回る場合は、該設定目標値を上回るような前記制御量目標値を、PID制御演算部に与えることのいずれか、または双方を実施することを特徴とするプラント運転最適化支援装置。 - プラントからの計測値を蓄積するデータ蓄積部と、蓄積した計測値を用いた学習によりモデルを形成し、前記モデルを参照し現在時点でプラントから入手した計測値の時の制御量を推定する制御量推定部と、予め与えられた制御量の目標値である設定目標値と推定した制御量の差分を用いて制御量目標値を定める制御目標値演算部とを備える機械学習演算部と、
前記機械学習演算部で定めた前記制御量目標値とプラントからの制御量計測値の差分に応じてプラントの操作量を定めるPID制御演算部を備え、
前記機械学習演算部は、推定した制御量が前記設定目標値を上回る場合は、前記設定目標値を下回るような制御量目標値を前記PID制御演算部に与え、あるいは推定した制御量が前記設定目標値を下回る場合は、該設定目標値を上回るような前記制御量目標値を、PID制御演算部に与えることのいずれか、または双方を実施することを特徴とするプラント運転最適化制御装置。 - 請求項2に記載のプラント運転最適化制御装置であって、
蓄積した計測値を用いた学習により形成されるモデルは、統計回帰モデルあるいはニューラルネットワーク処理による帰納モデルであることを特徴とするプラント運転最適化制御装置。 - 請求項2に記載のプラント運転最適化制御装置であって、
蓄積した計測値を用いた学習により形成されるモデルは、状態遷移確率モデルであり、現在時点でプラントから入手した計測値の時の状態が次に遷移する確率が高い状態の時の制御量を求めることを特徴とするプラント運転最適化制御装置。 - 請求項2に記載のプラント運転最適化制御装置であって、
蓄積した計測値を用いた学習により形成されるモデルは、目標状態を求解するために報酬を計算し期待値が最大となる目標状態を特定し、特定された状態に置ける制御量を求めることを特徴とするプラント運転最適化制御装置。 - 請求項4に記載のプラント運転最適化制御装置であって、
計算機で構成されたPID制御演算部は、所定周期での制御演算を実行しており、前記状態遷移確率モデルにおける状態が、次に遷移する確率が高い状態とは、前記PID制御演算部における前記所定周期後、またはその数倍先の時間後の状態であることを特徴とするプラント運転最適化制御装置。 - 制御量目標値とプラントからの制御量計測値の差分に応じてプラントの操作量を定めるPID制御演算部に対するプラント運転最適化支援方法であって、
プラントからの計測値を蓄積し、蓄積した計測値を用いた学習によりモデルを形成し、前記モデルを参照し現在時点でプラントから入手した計測値の時の制御量を推定し、予め与えられた制御量の目標値である設定目標値と推定した制御量の差分を用いて前記制御量目標値を定め、前記制御量目標値を前記PID制御演算部に提示するとともに、
推定した制御量が前記設定目標値を上回る場合は、前記設定目標値を下回るような制御量目標値を前記PID制御演算部に与え、あるいは推定した制御量が前記設定目標値を下回る場合は、該設定目標値を上回るような前記制御量目標値を、PID制御演算部に与えることのいずれか、または双方を実施することを特徴とするプラント運転最適化支援方法。 - プラントからの計測値を蓄積し、蓄積した計測値を用いた学習によりモデルを形成し、前記モデルを参照し現在時点でプラントから入手した計測値の時の制御量を推定し、予め与えられた制御量の目標値である設定目標値と推定した制御量の差分を用いて制御量目標値を定め、
前記制御量目標値とプラントからの制御量計測値の差分に応じてプラントの操作量を定めるとともに、
推定した制御量が前記設定目標値を上回る場合は、前記設定目標値を下回るような制御量目標値を定め、あるいは推定した制御量が前記設定目標値を下回る場合は、該設定目標値を上回るような前記制御量目標値を定めることのいずれか、または双方を実施することを特徴とするプラント運転最適化制御方法。 - 請求項2から請求項6のいずれか1項に記載のプラント運転最適化制御装置であって、
前記制御目標値演算部は、制御量の推定値が、あらかじめ定められた制御量の設定目標値を上回る場合に、設定目標値を下回るような制御目標値をPID制御演算部に与える制御量目標値として出力するか、またはあらかじめ定められた制御量の設定目標値を下回る場合に、該設定目標値を上回るような制御目標値をPID制御演算部に与える制御目標値として出力するか、あるいはこれら両方を備えたことを特徴とするプラント運転最適化制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020052339A JP7430086B2 (ja) | 2020-03-24 | 2020-03-24 | プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020052339A JP7430086B2 (ja) | 2020-03-24 | 2020-03-24 | プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021152702A JP2021152702A (ja) | 2021-09-30 |
JP7430086B2 true JP7430086B2 (ja) | 2024-02-09 |
Family
ID=77886585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020052339A Active JP7430086B2 (ja) | 2020-03-24 | 2020-03-24 | プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7430086B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7384311B1 (ja) * | 2023-07-03 | 2023-11-21 | 富士電機株式会社 | 運転支援装置、運転支援方法及びプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013228859A (ja) | 2012-04-25 | 2013-11-07 | Toyota Motor Corp | プラント制御装置 |
JP2017106333A (ja) | 2015-12-07 | 2017-06-15 | トヨタ自動車株式会社 | プラント制御装置 |
-
2020
- 2020-03-24 JP JP2020052339A patent/JP7430086B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013228859A (ja) | 2012-04-25 | 2013-11-07 | Toyota Motor Corp | プラント制御装置 |
JP2017106333A (ja) | 2015-12-07 | 2017-06-15 | トヨタ自動車株式会社 | プラント制御装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021152702A (ja) | 2021-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0588594B1 (en) | Control system using an adaptive neural network for target and path optimization for a multivariable, nonlinear process | |
US20190187631A1 (en) | Adaptive pid controller tuning via deep reinforcement learning | |
JP4542323B2 (ja) | プロセス制御システムにおける統合型モデル予測制御および最適化 | |
JP7090243B2 (ja) | プラント運転条件設定支援システム、学習装置、及び運転条件設定支援装置 | |
US20200175435A1 (en) | System and method for optimizing combustion of boiler | |
CN110285403A (zh) | 基于被控参数预估的主蒸汽温度控制方法 | |
EP2082292A2 (en) | Adaptive multivariable mpc controller with lp constraints | |
JPH03164804A (ja) | プロセス制御システム及び発電プラントプロセス制御システム | |
JPH0635511A (ja) | リアルタイムプロセス制御のための2段階型方法 | |
US9448546B2 (en) | Deterministic optimization based control system and method for linear and non-linear systems | |
JPH09317404A (ja) | 蒸気タービン起動制御装置 | |
JP7430086B2 (ja) | プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 | |
CN104024964B (zh) | 用于工业过程控制的方法、装置和系统 | |
US20030028267A1 (en) | Method and system for controlling setpoints of manipulated variables for process optimization under constraint of process-limiting variables | |
CN116610025A (zh) | 一种基于改进元启发式算法的pid控制器优化方法 | |
CN105955030A (zh) | 一种基于改进输入加权预测控制器的机炉协调控制方法 | |
CN113885328A (zh) | 一种基于积分强化学习的核电功率跟踪控制方法 | |
CN116880191A (zh) | 一种基于时序预测的过程工业生产系统的智能控制方法 | |
US20190250570A1 (en) | Sequential deterministic optimization based control system and method | |
JPH09242507A (ja) | 蒸気タービンの起動制御装置 | |
JP3723931B2 (ja) | プラントの起動予測制御装置 | |
JP6871871B2 (ja) | モデル予測制御における傾斜不均衡の制御のためのシステムと方法 | |
JP4381628B2 (ja) | 濃縮設備の濃縮度制御装置及び濃縮度制御方法 | |
JPS63240601A (ja) | プロセス制御装置 | |
Blevins et al. | Wireless model predictive control applied for dividing wall column control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231116 |
|
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: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7430086 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |