JP7475125B2 - コントローラの設定調整装置、設定調整方法およびプログラム - Google Patents

コントローラの設定調整装置、設定調整方法およびプログラム Download PDF

Info

Publication number
JP7475125B2
JP7475125B2 JP2019189921A JP2019189921A JP7475125B2 JP 7475125 B2 JP7475125 B2 JP 7475125B2 JP 2019189921 A JP2019189921 A JP 2019189921A JP 2019189921 A JP2019189921 A JP 2019189921A JP 7475125 B2 JP7475125 B2 JP 7475125B2
Authority
JP
Japan
Prior art keywords
value
setting
new setting
current
new
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
Application number
JP2019189921A
Other languages
English (en)
Other versions
JP2021064310A (ja
Inventor
通孝 中村
寿宏 馬場
諒 大西
雅樹 小山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ADAPTEX
Original Assignee
ADAPTEX
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ADAPTEX filed Critical ADAPTEX
Priority to JP2019189921A priority Critical patent/JP7475125B2/ja
Priority to PCT/JP2020/038993 priority patent/WO2021075515A1/ja
Publication of JP2021064310A publication Critical patent/JP2021064310A/ja
Application granted granted Critical
Publication of JP7475125B2 publication Critical patent/JP7475125B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Description

本開示は、コントローラの設定パラメータの自動調整に関する。
例えば特許文献１には、プラント出力のばらつきを考慮しつつ、目的や制約条件に応じて、例えば比例積分制御器のゲインなどとなる制御パラメータを自動的に最適化する装置が開示されている。プラント出力のばらつきを再現可能な制御対象モデルによるシミュレーション解析により得られる模擬計測信号に基づいて、プラント運転特性が所望の性能となるような最適な制御パラメータを探索する。そして、調整後の制御パラメータおよび計測信号に基づいて操作信号を計算し、入出力インターフェース部を介して制御対象プラントへ送信する。これによって、バルブなどの制御対象装置が動作する。また、非特許文献１には、ニューラルネットワークの一種である小脳演算モデル（ＣＭＡＣ）を用いた、ＰＩＤコントローラのＰＩＤゲインの調整手法が開示されている。
特許第６４００５１１号公報
黒住亮太、山本透、「小脳演算モデルを用いたインテリジェントＰＩＤ制御系の一設計」、［ｏｎｌｉｎｅ］、平成１７年４月１日、電気学会論文誌．Ｃ，電子・情報・システム部門誌、［令和元年６月２４日検索］、インターネット＜ＵＲＬ：ｈｔｔｐｓ：／／ｗｗｗ．ｊｓｔａｇｅ．ｊｓｔ．ｇｏ．ｊｐ／ａｒｔｉｃｌｅ／ｉｅｅｊｅｉｓｓ／１２５／４／１２５＿４＿６０７／＿ｐｄｆ＞
例えばボイラを有する発電プラントなどのプラントは負荷（出力）に応じた時定数を有するため、ＰＩＤ制御における比例ゲインや積分ゲイン、微分ゲインといった設定パラメータの最適な設定値は負荷に応じて異なる。また、プロセス量は常に一定ではなく変化するため、プロセス量の目標値を中心とした変動の許容度を低くしようと制御する（制御強度を高める）ほど、プロセス量の上記の変動に従って操作端を大きく制御する必要がある。例えば、負荷変化時は動特性を優先するためにプロセス量の制御強度を高くし、負荷が一定になった場合に燃料変動を抑制するために制御強度を低くするようなボイラの運用をする場合には、制御強度を変えてコントローラによる制御を行うことになるが、制御強度によっても設定パラメータの最適な設定値は異なる。なお、制御強度とは、各制御における目標値（プロセス値）変動と操作端変動の優先度の指標であり、制御強度が強いということは目標値（プロセス値）変動を優先して抑制するために操作端変動を許容することをいう。
上述の事情に鑑みて、本発明の少なくとも一実施形態は、プロセス量をフィードバック制御するコントローラのより適切なパラメータ設定調整が可能な設定調整装置を提供することを目的とする。
本発明の少なくとも一実施形態に係る設定調整装置は、
ボイラを有するプラントにおけるプロセス量をフィードバック制御するコントローラに設定される設定パラメータの設定調整装置であって、
前記プラントの現負荷値を取得するよう構成された現負荷取得部と、
前記設定パラメータの現設定値を取得するよう構成された現設定取得部と、
前記現負荷値が取得された際の前記プロセス量の計測値と目標値との偏差、および前記現設定値の下で前記偏差に応じて前記コントローラから操作端へ出力された操作量を取得するよう構成された入出力取得部と、
取得された前記現負荷値、前記偏差、前記現設定値、および前記操作量に基づいて、前記設定パラメータの新設定値を決定するよう構成された新設定決定部と、
決定された前記新設定値を前記コントローラに送信するよう構成された送信部と、を備える。
また、本発明の少なくとも一実施形態に係る設定調整方法は、
ボイラを有するプラントにおけるプロセス量をフィードバック制御するコントローラに設定される設定パラメータの設定調整方法であって、
前記プラントの現負荷値を取得する現負荷取得ステップと、
前記設定パラメータの現設定値を取得する現設定取得ステップと、
前記現負荷値が取得された際の前記プロセス量の計測値と目標値との偏差、および前記現設定値の下で前記偏差に応じて前記コントローラから操作端へ出力された操作量を取得する入出力取得ステップと、
取得された前記現負荷値、前記偏差、前記現設定値、および前記操作量に基づいて、前記設定パラメータの新設定値を決定する新設定決定ステップと、
決定された前記新設定値を前記コントローラに送信する送信ステップと、を備える。
また、本発明の少なくとも一実施形態に係る設定調整プログラムは、
ボイラを有するプラントにおけるプロセス量をフィードバック制御するコントローラに設定される設定パラメータの設定調整プログラムであって、
コンピュータに、
前記プラントの現負荷値を取得する現負荷取得部と、
前記設定パラメータの現設定値を取得する現設定取得部と、
前記現負荷値が取得された際の前記プロセス量の計測値と目標値との偏差、および前記現設定値の下で前記偏差に応じて前記コントローラから操作端へ出力された操作量を取得する入出力取得部と、
取得された前記現負荷値、前記偏差、前記現設定値、および前記操作量に基づいて、前記設定パラメータの新設定値を決定する新設定決定部と、
決定された前記新設定値を前記コントローラに送信する送信部と、を実現させるプログラムである。
本発明の少なくとも一実施形態によれば、プロセス量をフィードバック制御するコントローラのより適切なパラメータ設定調整が可能な設定調整装置が提供される。
本発明の一実施形態に係る設定調整装置を備えるプラントの制御システムを概略的に示す図である。 本発明の一実施形態に係るコントローラを概略的に示す図である。 本発明の一実施形態に係る設定調整装置の機能ブロックを示す図である。 本発明の一実施形態に係るプロセス量の計測値の分散、操作量の分散、制御強度との関係を説明するための図である。 本発明の一実施形態に係る新設定決定部の機能ブロックを示す図である。 本発明の一実施形態に係る線形補間を説明するための図である。 本発明の一実施形態に係る画面表示を例示する図である。 本発明の一実施形態に係る設定調整方法を示す図である。
以下、添付図面を参照して本発明の幾つかの実施形態について説明する。ただし、実施形態として記載されている又は図面に示されている構成部品の寸法、材質、形状、その相対的配置等は、本発明の範囲をこれに限定する趣旨ではなく、単なる説明例にすぎない。
例えば、「ある方向に」、「ある方向に沿って」、「平行」、「直交」、「中心」、「同心」或いは「同軸」等の相対的或いは絶対的な配置を表す表現は、厳密にそのような配置を表すのみならず、公差、若しくは、同じ機能が得られる程度の角度や距離をもって相対的に変位している状態も表すものとする。
例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。
例えば、四角形状や円筒形状等の形状を表す表現は、幾何学的に厳密な意味での四角形状や円筒形状等の形状を表すのみならず、同じ効果が得られる範囲で、凹凸部や面取り部等を含む形状も表すものとする。
一方、一の構成要素を「備える」、「具える」、「具備する」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。
図１は、本発明の一実施形態に係る設定調整装置１を備えるプラントの制御システム７を概略的に示す図である。図２は、本発明の一実施形態に係るコントローラ８を概略的に示す図である。
図１に示すように、プラントの制御システム７は、例えば発電プラント（火力発電所）などのボイラを有するプラントを制御するためのシステムである。例えば火力発電所では、ボイラ９１で生成した過熱蒸気（主蒸気）を蒸気タービン９２に供給することによる蒸気タービン９２の回転駆動を通して、蒸気タービン９２の回転軸に接続された発電機９３を回転駆動して発電を行う（図１参照）。このようなプラントを制御する制御システム７は、図１に示すように、制御装置７１と、この制御装置７１に通信可能に、あるいはハードワイヤード（配線）で接続され、上記の制御装置７１が備えるコントローラ８（図２参照）の設定パラメータＣを自動で調整する設定調整装置１と、を備える。
以下、火力発電所を例にプラントの制御システム７を説明する。
制御装置７１は、例えばプラントの自動制御および現場との入出力処理を実行するＤＣＳなど、プラントの運転を制御するよう構成された装置である。この制御装置７１は、上述したような発電過程において、プラントに設置された圧力計、温度計、酸素計などの各種のセンサ７３から、上記の主蒸気圧力や、蒸気温度、ボイラの内部の空気（Ｏ２）流量などの制御に必要な各種のプロセス量の計測値ＰＶを取得する。そして、制御装置７１は、取得したプロセス量の計測値ＰＶが目標値ＳＶになるように、プラントに設置されたバルブやファン、モータ、ポンプなどの操作端７４を操作するフィードバック制御など、プラントの運転で必要となる各種の制御を実行する。
より具体的には、制御装置７１は、上述したようなフィードバック制御などを行うよう構成された１以上（通常は複数）のコントローラ８（図２詐称）を備えている。例えば、コントローラ８は、主蒸気圧力を制御するためのＰＩコントローラや、蒸気温度を制御するためのＰＩコントローラ、空気流量（Ｏ２）を制御するためのＰＩコントローラなどであり、様々なプロセス量を制御するコントローラを有している。なお、これらのコントローラ８は、ＰＩＤコントローラであっても良い。
例えばフィードバック制御を実行するコントローラ８は、図２に示すように、プロセス量の目標値ＳＶおよび計測値ＰＶの偏差Ｄが０となるように、操作端７４の操作量ＭＶを演算する。そして、操作量ＭＶを操作端７４に送信し、操作端７４の有するアクチュエータを操作量ＭＶで制御する。この制御によって生じる操作端７４の例えば弁開度の変化に伴ってプロセス量の計測値ＰＶも変化するが、この変化後のプロセス量の計測値ＰＶが再度コントローラ８に入力され、上述したような制御が繰り返されることで、フィードバック制御が行われる。
この際、コントローラ８による上記の演算による演算値（操作量ＭＶ）は、コントローラ８に設定されている比例ゲインＫＰ、積分ゲインＫＩ、微分ゲインＫＤなどの設定パラメータＣに応じた値となる。すなわち、例えばコントローラ８がＰＩＤ制御を行う場合には、操作量ＭＶは、Ｐ制御、Ｉ制御およびＤ制御を、それぞれ比例ゲイン、積分ゲイン、微分ゲインでそれぞれ重み付けして加算する演算により得られるので、これらの設定パラメータＣの値によって、同じ偏差Ｄが入力されても演算結果が異なってくる。なお、Ｐ制御は、入力された偏差Ｄの大きさに比例した修正出力を出す制御である。Ｉ制御は、過去の偏差Ｄの累積値（積分）の大きさに比例した修正出力を出す制御である。Ｄ制御は、偏差Ｄの変化速度の大きさに比例した修正出力を出すＤ制御の各々の修正出力を出す制御である。
このような各種の設定パラメータＣの設定値は、プラントの運用開始前に例えばプラントの最適な運転が実現されるように決定されるが、プラント（ボイラ）の運用開始後には、経年変化などにより時定数が変化し得る。また、燃料性状が変化すると、ボイラにおける燃焼状態が変化するなどによって、時定数にも変化が生じ得る。よって、設定パラメータＣの調整が行われない場合には、運転初期には設定パラメータＣにより最適な運転が行われていたとしても、最適な運転が行われないような場合が生じ得る。このため、設定調整装置１によるコントローラ８の設定パラメータＣを調整（自動調整）するように構成する。
以下、上記の設定調整装置１について、図３～図４を用いて説明する。
図３は、本発明の一実施形態に係る設定調整装置１の機能ブロックを示す図である。図４は、本発明の一実施形態に係るプロセス量の計測値ＰＶの分散、操作量ＭＶの分散、制御強度αとの関係を説明するための図である。
設定調整装置１は、上述したように、ボイラ９１を有するプラントにおける任意のプロセス量をフィードバック制御するコントローラ８に設定される設定パラメータＣを調整する装置である。この設定調整装置１は、例えば周期的などの調整実行タイミングが到来する度に、以下で説明するように、プラントの運転状態（現負荷値Ｌｐ）や、コントローラ８の制御状況（後述する入力情報Ｉｐ）を取得し、設定パラメータＣの新設定値Ｃｒを演算し、コントローラ８に適用する。
このため、図３に示すように、設定調整装置１は、現負荷取得部２１と、現設定取得部２２と、入出力取得部２３と、制御強度取得部２４と、新設定決定部３と、送信部４と、を備える。図３に示すように、設定調整装置１は、制御強度取得部２４をさらに備えても良い。
これらの機能部について、図３に示す実施形態を例にそれぞれ説明する。
なお、設定調整装置１は、例えばコンピュータで構成されており、プロセッサ１１（ＣＰＵなど）や、ＲＯＭやＲＡＭといったメモリなどの記憶装置ｍを備えている。そして、主記憶装置にロードされたプログラム（設定調整プログラム）の命令に従ってプロセッサ１１が動作（データの演算など）することで、設定調整装置１が備える各機能部を実現する。また、設定調整装置１は、制御装置７１が備えるフィードバック制御を実行する複数のコントローラ８のうちの対象となるコントローラ８毎に設けられているものとする。
現負荷取得部２１は、プラント（ボイラ）の現負荷値Ｌｐを取得するよう構成された機能部である。現負荷値Ｌｐは、設定調整装置１による上記の設定パラメータＣの調整実行時の負荷値Ｌ（負荷指標値）である。この負荷値ＬはＭＷ（メガワット）などの電力値であっても良いし、主蒸気流量であっても良い。また、１００％や８０％などの仕様上の最大負荷に対する割合の値であっても良い。また、現負荷取得部２１は、現負荷値Ｌｐを、通信やオペレータによる入力などを通して外部から取得する。例えば、現負荷取得部２１は、上述した制御装置７１や、プラントの操作および監視を行うヒューマンマシンインタフェース（ＨＭＩ）となるオペレータステーション（ＯＰＳ）といった操作端末７６などの他の装置から通信により現負荷値Ｌｐを取得しても良い。
このように、設定パラメータＣの新設定値Ｃｒを決定するにあたって現負荷値Ｌｐを取得するのは、負荷値Ｌに応じて最適な値が異なるからである。例えば発電プラントなどのプラント（ボイラ）は負荷（出力）に応じた時定数を有するため、コントローラ８の設定パラメータＣの最適な設定値（ＫＰ、ＫＩ、ＫＤの各値）は負荷に応じて異なる。また、プロセス量は常に一定ではなく変化するため、プロセス量の目標値ＳＶを中心とした変動の許容度を低くしようと制御する（制御強度αを高める）ほど、プロセス量の上記の変動に従って操作端７４を大きく（細かく）制御する必要がある。このため、負荷変化時（過渡状態）には動特性を優先させるためにプロセス量の制御強度αを高くし、負荷が一定になった場合には燃料変動を抑制するために制御強度αを低くするようなボイラの運用をするような場合には、制御強度αを変えてコントローラ８による制御を行うことになるが、制御強度αによっても設定パラメータＣの最適な設定値は異なる。
現設定取得部２２は、上記同様に、設定パラメータＣの現設定値Ｃｐを取得するよう構成された機能部である。同様に、現設定値Ｃｐは、設定調整装置１による上記の設定パラメータＣの調整実行時の各種のゲイン（ＫＰ、ＫＩ、ＫＤの各値）の値であり、上記の現負荷値Ｌｐが取得される際の設定パラメータＣの値である。例えば、コントローラ８がＰＩコントローラである場合には、現設定値Ｃｐは、比例ゲインＫＰおよび積分ゲインＫＩの各々の値を含んでも良い。コントローラ８がＰＩＤコントローラである場合には、現設定値Ｃｐは、比例ゲインＫＰ、積分ゲインＫＩおよび微分ゲインＫＤの各々の値を含んでも良い。なお、現設定値Ｃｐは、制御の種類（ＰＩ、ＰＩＤなど）に応じて、制御に用いられる複数のゲインの一部のみを含んでも良い。
入出力取得部２３は、現負荷取得部２１によって現負荷値Ｌｐが取得された際のプロセス量の計測値ＰＶと目標値ＳＶとの偏差Ｄ、および設定パラメータＣの現設定値Ｃｐの下で、この偏差Ｄに応じてコントローラ８から出力された操作端７４への操作量ＭＶを取得するよう構成された機能部である。つまり、現負荷値Ｌｐおよび設定パラメータＣの現設定値Ｃｐを取得したのと同一の調整実行タイミングにおける現負荷値Ｌｐ、偏差Ｄ、設定パラメータＣの現設定値Ｃｐ、およびこれらの条件下でコントローラ８による演算結果（操作量ＭＶ）を取得する。なお、偏差Ｄについては、入出力取得部２３は、計測値ＰＶおよび目標値ＳＶを取得し、その偏差Ｄを算出することにより取得しても良いし、制御装置７１側において計測値ＰＶおよび目標値ＳＶから算出された偏差Ｄを直接取得（受信）しても良い。
制御強度取得部２４は、設定パラメータＣの調整の目標を定める制御強度αを取得するよう構成された機能部である。プラントの運転状態に応じて最適と言えるような制御をコントローラ８に行わせるための設定パラメータＣの設定値（つまり、各ゲインの組合せ）は複数通り存在し得る（図４参照）。制御強度αによって、そのような複数通りの設定値の組合せのうちのどの組合せを選択するかが指定されることになり、上記の調整の目標が方向付けられる。制御強度αの値は、例えば０（０％）から（１００％）の範囲などで指定可能とされても良い。また、制御強度αの値は固定値であっても良いし、オペレータなどの指示値や、負荷値Ｌ（現負荷値Ｌｐ）に基づくなどして手動または自動で変更可能な可変値であっても良い。また、制御強度αの値は、記憶装置ｍの所定の記憶領域に記憶されるよう構成されることで、制御強度取得部２４は、記憶装置ｍから制御強度αの値を取得しても良い。
より詳細には、設定パラメータＣの設定値に応じて操作量ＭＶと計測値ＰＶとが定まるので、コントローラ８による制御状況は、図４に示すような操作量ＭＶの分散を横軸に、プロセス量の計測値ＰＶの分散を縦軸に取ったグラフＧにおけるいずれかの点にプロットされる。そして、このグラフＧにおいて、コントローラ８による制御が最適となるような最適曲線が定められた場合に、制御強度αは、どの最適点を目標とするかを定めるのに用いられる。例えば、ある現設定値Ｃｐにおいて観測される計測値ＰＶおよび操作量ＭＶの各々の時間推移に基づいてそれぞれ分散を求めた結果、図４に示すように、最適曲線から外れたプロット点ｐ１に位置していたとする。この際、制御強度αに基づいて定められる目標が最適曲線上のプロット点ｐ２とすると、設定調整装置１は、プロット点ｐ１がプロット点ｐ２になるように、設定パラメータＣの新設定値Ｃｒを決定する。このように、制御強度αの値に応じて、目標とする最適曲線上の位置が変わる。
また、図４に示すように、制御強度αを高くするほどプロセス量の計測値ＰＶ（偏差Ｄ）の分散は小さくなるが、操作量ＭＶの分散は大きくなる。逆に、制御強度αを低くするほどプロセス量の計測値ＰＶ（偏差Ｄ）の分散は大きくなるが、操作量ＭＶの分散は小さくなる。例えば主蒸気圧力と燃料量との関係で説明すると、制御強度αを高めることにより主蒸気圧力の目標値ＳＶからの変動は抑制される一方で燃料供給量の変動が大きくなる傾向となる。逆に、制御強度αを低くすることにより主蒸気圧力の目標値ＳＶからの変動は大きくなる一方で燃料供給量の変動は抑制される傾向となる。
すなわち、この制御強度αは、各制御におけるプロセス量の目標値変動と操作端変動の優先度の指標であるが、プロセス量の目標値を中心とした変動の許容度を定める指標でもある。例えば制御強度αを高くするほど、プロセス量の計測値ＰＶの目標値ＳＶから変動をより抑制するような制御が行われる。すなわち、常に変化するプロセス量の変化量をより感度良く打ち消すように操作量ＭＶが演算される。このため、図４のプロット点ｐ３では、プロセス量の計測値ＰＶの変動はより抑制される傾向になるが、操作量ＭＶをより大きく変化させることから操作量ＭＶの変動がより大きくなる傾向になる。つまり、プロセス量の制御性能は良好になるが、制御安定性が低下する。逆に、制御強度αを低くするほど、プロセス量の計測値ＰＶの目標値ＳＶからの変動をより許容するような制御が行われる。すなわち、常に変化するプロセス量の変化がより許容されるように操作量ＭＶが演算される。このため、図４のプロット点ｐ４では、プロセス量の計測値ＰＶの変動はより大きくなる傾向になるが、操作量ＭＶの変動はより抑制される傾向になる。つまり、制御安定性は高くなるが、プロセス量の制御性能は悪化する。
新設定決定部３は、上述した各機能部によりそれぞれ取得された現負荷値Ｌｐ、偏差Ｄ、現設定値Ｃｐ、操作量ＭＶおよび制御強度αに基づいて、設定パラメータＣの新設定値Ｃｒを決定するよう構成された機能部である。換言すれば、新設定決定部３は、上記の現負荷値Ｌｐ、偏差Ｄ、現設定値Ｃｐ、操作量ＭＶおよび制御強度αを入力情報Ｉｐとして、入力情報Ｉｐに応じた設定パラメータＣの新設定値Ｃｒを出力する。
例えば、幾つかの実施形態では、図３に示すように、新設定決定部３は、上述したコントローラ８によるフィードバック制御の実行により得られる、プラントの任意の負荷値Ｌ、この任意の負荷値Ｌの下での上記の目標値ＳＶおよび計測値ＰＶあるいは上記の偏差Ｄ、設定パラメータＣの設定値、この設定値の下での上記の偏差Ｄに応じた操作量ＭＶ、および操作端７４を操作量ＭＶで操作した後のプロセス量の計測値ＰＶの変化量の間の関係性を学習した学習モデルＭ（学習済みモデル）に基づいて、設定パラメータＣの新設定値Ｃｒを決定しても良い。なお、上記の関係性には、制御強度αが含まれていても良い。
すなわち、学習モデルＭは、現負荷値Ｌｐの取得時などの今回の調整実行タイミングよりも過去の複数の時点において得られた、上記の負荷値Ｌと、目標値ＳＶおよび計測値ＰＶあるいはこの両者から算出される偏差Ｄと、設定パラメータＣの設定値と、操作量ＭＶと、この条件におけるプロセス量の計測値ＰＶの変化量とを対応付けた複数のデータを教師データとして学習（機械学習）することで得られる、上記の関係性を学習（機械学習）により規定したモデルである。そして、この学習モデルＭに基づいて、上記の入力情報Ｉｐに対する設定パラメータＣの新設定値Ｃｒ（出力情報）を決定する。例えば、制御装置７１の運用中に学習期間を設けて上記のデータを収集し、この収集したデータに基づいて学習モデルＭを作成しても良い。後述する評価指標値Ｅに基づいて、学習期間を開始するなどして再学習を実行しても良い。
この学習モデルＭは、小脳演算モデル（ＣＭＡＣ）などのニューラルネットワークであっても良いし、他の学習手法により上記の関係性を学習したモデルであっても良い。また、設定調整装置１は、記憶装置ｍに記憶するなどして学習モデルＭを備えても良いし、学習モデルＭを他の装置（不図示）が備えることで、新設定決定部３が入力情報Ｉｐをこの他の装置に送信し、学習モデルＭによる算出結果を受信することで、上記の決定を行っても良い。
既に述べたように、コントローラ８から出力される任意の偏差Ｄに対する操作端７４の操作量ＭＶは、設定パラメータＣの設定値に応じて異なる。さらに、コントローラ８から出力される操作量ＭＶが異なれば、プロセス量の計測値ＰＶの変化量も異なる。換言すれば、同一の偏差Ｄに対するプロセス量の制御結果は、コントローラ８の設定パラメータＣに応じて変わる。よって、上記の関係性に基づいて作成された学習モデルＭなどの関係性を用いて、設定パラメータＣの最適な新設定値Ｃｒを決定することが可能となる。
送信部４は、上述した新設定決定部３によって決定された新設定値Ｃｒをコントローラ８に送信するよう構成された機能部である。コントローラ８は、受信した新設定値Ｃｒで設定パラメータＣの現設定値Ｃｐを更新（上書きなど）するなどして新設定値Ｃｒを設定することで、新たな設定パラメータＣの設定値の下でフィードバック制御を実行するようになる。
図１～図３に示す実施形態では、現負荷取得部２１、現設定取得部２２、入出力取得部２３および制御強度取得部２４は、新設定決定部３にそれぞれ接続されており、取得した情報を新設定決定部３に出力する。新設定決定部３は、送信部４に接続されており、入力情報Ｉｐに基づいて決定した設定パラメータＣの新設定値Ｃｒを送信部４に出力する。送信部４は、入力された新設定値Ｃｒを、対応するコントローラ８に送信する。なお、上述した機能部は、同一のコンピュータ上で動作しても良いし、異なるコンピュータ上に機能分散されても良い。
また、図１に示す実施形態では、制御システム７は、プラント等に設置された複数のフィールド機器（センサ７３や操作端７４など）が接続される制御ネットワークＮ１と、上述したＯＰＳ７６などのプラント等の制御や監視、管理を行うための各種のコンピュータ装置が接続される制御情報ネットワークＮ２とを備えている。なお、プラント等に設置された複数のフィールド機器（後述するセンサ７３や操作端７４など）は、通常、不図示のＰＬＣ（Ｐｒｏｇｒａｍａｂｌｅ Ｌｏｇｉｃ Ｃｏｎｔｒｏｌｌｅｒ）などを介して、制御ネットワークＮ１に接続される。
そして、制御ネットワークＮ１には、設定調整装置１および制御装置７１が接続されており、両者の双方向の通信が可能となっている。そして、設定調整装置１は、制御ネットワークＮ１を介することで、制御装置７１から上記の入力情報Ｉｐを通信により取得すると共に、制御装置７１に対して設定パラメータＣの新設定値Ｃｒを送信するようになっている。なお、設定調整装置１は、フィールド機器から直接、プロセス量の計測値ＰＶを取得しても良い。また、設定調整装置１は、制御情報ネットワークＮ２に接続されることにより制御情報ネットワークＮ２を介するなど、他の通信ネットワークを介して、設定パラメータＣの調整のための通信を制御装置７１と行っても良い。または、設定調整装置１は、ハードワイヤード（配線）で制御装置７１に接続されても良い。
上記の構成によれば、例えばＰＩ、ＰＩＤコントローラ８などの比例ゲインＫＰ、積分ゲインＫＩ、微分ゲインＫＤなどとなる設定パラメータＣを、例えばボイラなどとなるプラントの現負荷値Ｌｐを考慮して決定する。コントローラ８によるプロセス量の計測値ＰＶの目標値ＳＶへの一致度合いは制御強度αに応じて定まるが、任意の制御強度αに応じた設定パラメータＣの最適値はプラントの負荷値Ｌに応じて変化する。よって、上述したようなコントローラ８の設定パラメータＣの設定値をプラントの現負荷値Ｌｐを考慮して決定すると共に、決定された設定パラメータＣの新設定値Ｃｒに従ってコントローラ８が制御を行うことで、プロセス量の制御をより適切に実行することができる。
次に、学習モデルＭを用いる新設定決定部３についての幾つかの実施形態について、図５～図６を用いて説明する。
図５は、本発明の一実施形態に係る新設定決定部３の機能ブロックを示す図である。また、図６は、本発明の一実施形態に係る線形補間を説明するための図である。
幾つかの実施形態では、上述した学習モデルＭは、予め定めた相互に異なる複数の任意の負荷値Ｌ（以下、基準負荷値ＬＢ）の下での上記の関係性をそれぞれ学習した複数の学習モデルＭを含んでも良い。そして、上述した現負荷取得部２１によって取得された現負荷値Ｌｐが基準負荷値ＬＢとは異なる値である場合には、現負荷値Ｌｐに対応する設定パラメータＣの新設定値Ｃｒを、少なくとも２つの基準負荷値ＬＢ、およびこの各々の基準負荷値ＬＢの下で作成された学習モデルＭを用いて算出した少なくとも２つの新設定値Ｃｒに基づいて、現負荷値Ｌｐを補間することにより決定しても良い。
すなわち、上述した学習モデルＭは、プラント（ボイラ９１）の負荷値Ｌが第１値Ｌ１である場合の上記の関係性を学習した第１学習モデルＭａと、その負荷値Ｌが第２値Ｌ２である場合の上記の関係性を学習した第１学習モデルＭａと、を含む。また、新設定決定部３は、第１学習モデルＭａおよび第２学習モデルＭｂでそれぞれ算出された新設定値Ｃｒである第１新設定値Ｃ１および第２新設定値Ｃ２を取得する取得部３１と、第１値Ｌ１および第１新設定値Ｃ１と第２値Ｌ２および第２新設定値Ｃ２とに基づいた補間を行うことで、第１値Ｌ１および第２値Ｌ２とは異なる値を有する負荷値Ｌに応じた新設定値Ｃｒを算出する補間部３２と、上述した現負荷取得部２１によって取得された現負荷値Ｌｐが第１値Ｌ１および第２値Ｌ２とは異なる値を有する場合には、補間部３２によって算出された新設定値Ｃｒを出力する補間値出力部３３と、を有する。図５に示す実施形態では、新設定決定部３は、さらに、学習モデルＭ（ＣＭＡＣ）も備えている。
つまり、現負荷取得部２１によって取得された現負荷値Ｌｐが基準負荷値ＬＢとは異なる値である場合には、新設定決定部３は、複数の基準負荷値ＬＢに応じて作成された複数の学習モデルＭによる算出結果を用いて、現負荷値Ｌｐに対するおける設定パラメータＣの新設定値Ｃｒ（比例ゲインＫＰ、積分ゲインＫＩ、および微分ゲインＫＤの組合せ）を決定する。
具体的には、取得された現負荷値Ｌｐに最も近い２つの基準負荷値ＬＢを上記の第１値Ｌ１および第２値Ｌ２としても良い。あるいは、取得された現負荷値Ｌｐよりも値が大きい側の基準負荷値ＬＢ、および、この現負荷値Ｌｐよりも値が小さい側の基準負荷値ＬＢのうちから、それぞれ最も値が近い基準負荷値ＬＢを選択して上記の第１値Ｌ１および第２値Ｌ２としても良い。
また、３以上の複数の基準負荷値ＬＢ基づいて例えば回帰分析などにより求めることが可能な、任意の負荷値Ｌに対する比例ゲインＫＰ、積分ゲインＫＩ、および微分ゲインＫＤの値（各新設定値Ｃｒ）を算出可能な関数ｆ（Ｌ）を用いて、基準負荷値ＬＢではない負荷値Ｌ、あるいは基準負荷値ＬＢおよび基準負荷値ＬＢではない負荷値Ｌの両方に対する新設定値Ｃｒを求めるようにしても良い。なお、取得された現負荷値Ｌｐが基準負荷値ＬＢと同じであれば、その基準負荷値ＬＢの下で作成された学習モデルＭの算出結果を用いて、現負荷値Ｌｐに対するおける設定パラメータＣの新設定値Ｃｒを算出しても良い。
これによって、あらゆる現負荷値Ｌｐに対応する学習モデルＭを生成することなく、限られた数の負荷値Ｌに対して学習することで、あらゆる現負荷値Ｌｐに対して適切な新設定値Ｃｒを算出することが可能となる。
図５に示す実施形態では、複数の学習モデルＭは、それぞれ、ニューラルネットワークの一種である小脳演算モデル（ＣＭＡＣ）で作成されている。学習モデルＭは、例えば１００％、８０％、６０％、４０％などの各々負荷帯からそれぞれ１つずつ選択された４つの基準負荷値ＬＢについてそれぞれ作成された合計で４つの学習モデルＭを含んでいる。そして、取得された現負荷値Ｌｐに対して、例えば、複数の基準負荷値ＬＢのうちの例えば現負荷値Ｌｐに最も値が近い２つの基準負荷値ＬＢを選択し、その２つの基準負荷値ＬＢに応じた学習モデルＭから出力された新設定値Ｃｒを算出し、その間を線形補間することで、現負荷値Ｌｐを補間している。具体的には、上記の線形補間のための関数ｆ（Ｌ）を求め、この関数ｆ（Ｌ）に現負荷値Ｌｐを代入することで現負荷値Ｌｐを算出しても良い。この際、選択されなかった基準負荷値ＬＢに対応する新設定値Ｃｒは算出しなくても良い。
具体的には、例えば現負荷値Ｌｐが９０％の場合には、図６に示すように、１００％（図６のＬＢ２）および８０％（図６のＬＢ３）の基準負荷値ＬＢの下で作成された学習モデルＭを用いて、その各々の基準負荷値ＬＢに対する設定パラメータＣの新設定値Ｃｒをそれぞれ算出する。これによって、図６に示すように、（ＬＢ１、ＫＰ１）、（ＬＢ２、ＫＰ２）の２点が得られる。図６に示す例示は比例ゲインＫＰについてであるが、その２点を結んだ直線ｌと、現負荷値Ｌｐとが交わる交点における比例ゲインＫＰの値であるＫＰ３を新設定値Ｃｒに含まれる比例ゲインＫＰの値とする。なお、他の積分ゲインＫＩおよび微分ゲインＫＤについても同様となる。
上記の構成によれば、現負荷値Ｌｐに対応して作成された学習モデルＭがない場合には、現負荷値Ｌｐに近い負荷値Ｌで作成された学習モデルＭを用いて算出された少なくとも２つの新設定値Ｃｒに基づいて、現負荷値Ｌｐに応じた新設定値Ｃｒを算出する。これによって、プラントのあらゆる負荷値Ｌに応じた設定パラメータＣの新設定値Ｃｒを適切に算出することができる。
次に、設定調整装置１の備える他の構成について、図７を用いて説明する。図７は、本発明の一実施形態に係る画面表示を例示する図である。
幾つかの実施形態では、図３に示すように、設定調整装置１は、計測値ＰＶ、目標値ＳＶ、偏差Ｄ、操作量ＭＶ、制御強度α、設定パラメータＣの現設定値Ｃｐ、設定パラメータＣの新設定値Ｃｒ、および、上述した制御強度αに基づいて定められる調整の目標に対する評価を示す評価指標値Ｅを含む複数の数値情報のうちの少なくとも１つの数値情報の最新値または時間推移と、上記の計測値ＰＶの分散指標値および操作量ＭＶの分散指標値の関係を示すグラフＧと、設定パラメータＣの調整の実行状況の情報（制御使用状況Ｓ）と、のうちの少なくとも１つを表示装置１４に出力するよう構成された出力部５をさらに備える。この表示装置１４は、例えば、ＯＰＳ７６の備えるディスプレイであっても良い。
ここで、上記の評価指標値Ｅは、既に説明した図４における現状（ｐ１）から最適点（ｐ２）までの距離ｄと相関がある値であり、制御性を評価した点数などの評価値である。この距離ｄが短いほど最適なので、距離ｄが短いほど評価指標値Ｅは高く、距離ｄが長いほど評価指標値Ｅは低い。具体的には、評価指標値Ｅは、制御性能評価指数（ＣＰＩ）であっても良い。上記の分散指標値は、例えば標準偏差値、分散値など、計測値ＰＶや操作量ＭＶのばらつき度合いが分かる指標であれば良い。また、上記の制御使用状況Ｓは、設定調整装置１（最適化機能）が使用されているか否かを示す情報である。
図３に示す実施形態では、図７に示すように、設定調整装置１は、出力部５により、上記の全ての数値情報の最新値および時間推移と、上記のグラフＧと、設定パラメータＣの調整の実行の有無と、を例えば１画面上にまとめて表示するなど、同時に出力するようになっている。時間推移は、最新から規定時間分（例えば１時間、２時間など）が表示されるようになっている。グラフＧは、現在値ボタンをクリック（タップ）することで最新値が表示され、過去値ボタンをクリック（タップ）すると過去値や過去の推移が表示されるようになっている。また、評価指標値Ｅは、制御性能評価指数（ＣＰＩ）であり、分散指標値は標準偏差となっている。また、主要なプロセス量が表示されるようになっている（図７では、主蒸気量流量（Ｌｐ）、総燃料量、ボイラ出口主蒸気温度）。なお、図７に示す実施形態では、コントローラ８がＰＩコントローラであるため、比例ゲインＫＰおよび積分ゲインＫＩについてのみ最新値および時間推移が表示されている。また、図７に示されるＮは評価区間、Ｍはノイズ次数、ＢｏｒｄｅｒはＰＩＤ更新閾値、Ｄｅａｄｔｉｍｅはむだ時間であり、ＰＩＤ ＯＰＴＩＭＩＺＥＲの内部処理用のパラメータである。Ｐ、Ｉは、それぞれ、コントローラ８に現在設定されている比例ゲインＫＰ、積分ゲインＫＩの各々の値である。
そして、出力部５は、数値情報の時間推移を、横軸を時間、縦軸を数値情報の値としたグラフで表示されるように出力するようになっている。また、図７に示すように、出力部５は、数値情報の最新値については、新設定決定部３（設定調整装置１）またはコントローラ８の少なくとも一方を表す図形Ｆに関連付けて、この図形Ｆとともに表示装置１４に表示されるように出力しても良い。より詳細には、出力部５は、新設定決定部３またはコントローラ８の少なくとも一方を表す図形Ｆ（第１図形Ｆａ）と、上記の数値情報の第１図形Ｆａとの入出力関係を表す図形Ｆ（第２図形Ｆｂ）と、をさらに出力するよう構成されている。そして、出力部５は、上記の数値情報が上記の第１図形Ｆａおよび第２図形Ｆｂに関連付けられた状態で表示装置１４に表示されるように、数値情報、第１図形Ｆａおよび第２図形Ｆｂを出力する。
図７に示す実施形態では、出力部５からの情報の出力の結果、表示装置１４には、新設定決定部３（設定調整装置１）を表す第１図形Ｆａ（ＰＩＤ ＯＰＴＩＭＩＺＥＲ）およびコントローラ８を表す第１図形Ｆａ（ＰＩＤ）の両方の図形Ｆが表示されている。また、各第１図形Ｆａには、矢印で表された複数の第２図形Ｆｂが隣接（接触）して表示されている。この矢印である第２図形Ｆｂは、第１図形Ｆａで表される対象（３、８）へ入力される数値情報あるいは対象から出力される数値情報に応じて、向きが異なっている。そして、各第１図形Ｆａで示される対象（３、８）へ入力される数値情報あるいは対象から出力される数値情報の種類を示すラベル表示およびその最新値が、第２図形Ｆｂに隣接して表示されている。これによって、表示された各数値情報が、第１図形Ｆａで表される対象への入力値情報なのか、出力情報であるのかの種別、およびその最新値の把握の容易化を図ることが可能である。また、新設定決定部３（設定調整装置１）を表す図形Ｆについては、稼働状態が正常であるか異常であるかが表示されるようになっている（図７の表示は正常）。
また、本実施形態では、設定調整装置１は、使用許可条件が成立すると最適化機能をＯＮ（実行開始）に切り替え、使用許可条件が成立しない場合にＯＦＦに切り替える自動モードと、オペレータなどの操作によって最適化機能のＯＮまたはＯＦＦする手動モードを有している。例えば、使用許可条件は、評価指標値Ｅが閾値以下となった場合などであっても良い。このため、制御使用状況Ｓは、最適化機能の実行の有無、使用許可条件の成立の有無、実行中のモードを含んでおり、それらが表示されるようになっている。図７に示す実施形態では、自動モードおよび許可条件が共にＯＮであり、最適化機能（ボイラマスタ最適化モード）がＯＮになっている。
上記の構成によれば、新設定値Ｃｒで動作している制御状況など、コントローラ８の制御状況を可視化することがで、コントローラ８の動作の監視の容易化を図ることができる。また、上記の図形Ｆと共に表示することで、オペレータによるコントローラ８や新設定決定部３の入出力情報の把握の容易化を図ることができる。
以下、上述した設定調整装置１が行う処理に対応する設定調整方法について、図８を用いて説明する。図８は、本発明の一実施形態に係る設定調整方法を示す図である。
設定調整方法は、ボイラ９１を有するプラントにおける任意のプロセス量をフィードバック制御するコントローラ８に設定される設定パラメータＣを調整する方法である。図８に示すように、設定調整方法は、現負荷取得ステップと、現設定取得ステップと、入出力取得ステップと、新設定決定ステップと、送信ステップと、を備える。図８に示すように、設定調整方法は、制御強度取得ステップをさらに備えても良い。これらの各ステップについて、図８のステップ順に説明する。なお、この設定調整方法は、周期的などの調整実行タイミングが到来する度に実行しても良い。
図８のステップＳ１において、現負荷取得ステップと、現設定取得ステップと、入出力取得ステップと、制御強度取得ステップと、を実行する。すなわち、ステップＳ１では、入力情報Ｉｐ（既出）を取得する。これらの、現負荷取得ステップ、現設定取得ステップ、入出力取得ステップ、および制御強度取得ステップは、既に説明した、現負荷取得部２１、現設定取得部２２、入出力取得部２３、および制御強度取得部２４が実行する処理内容と同様であるため、詳細は省略する。
ステップＳ２において、新設定決定ステップを実行する。新設定決定ステップは、ステップＳ１の実行により取得された現負荷値Ｌｐ、偏差Ｄ、現設定値Ｃｐ、操作量ＭＶおよび制御強度αに基づいて、設定パラメータＣの新設定値Ｃｒを決定するステップである。例えば、新設定決定ステップでは、上述した学習モデルＭに基づいて、設定パラメータＣの新設定値Ｃｒを決定しても良い。この新設定決定ステップは、既に説明した新設定決定部３が実行する処理内容と同様であるため、詳細は省略する。
ステップＳ３において、送信ステップを実行する。送信ステップは、上記の新設定決定ステップ（Ｓ２）の実行によって決定された新設定値Ｃｒをコントローラ８に送信するステップである。この送信ステップは、既に説明した送信部４が実行する処理内容と同様であるため、詳細は省略する。
幾つかの実施形態では、図８に示すように、設定調整方法は、さらに、上述した計測値ＰＶ、目標値ＳＶ、偏差Ｄ、操作量ＭＶ、制御強度α、設定パラメータＣの現設定値Ｃｐ、設定パラメータＣの新設定値Ｃｒ、および、上述した制御強度αに基づいて定められる調整の目標に対する評価を示す評価指標値Ｅを含む複数の数値情報のうちの少なくとも１つの数値情報の最新値または時間推移と、上記の計測値ＰＶの分散指標値および操作量ＭＶの分散指標値の関係を示すグラフＧと、設定パラメータＣの調整の実行状況の情報（制御使用状況Ｓ）と、のうちの少なくとも１つを表示装置１４に出力する出力ステップをさらに備えている。この出力ステップは、既に説明した出力部５が実行する処理内容と同様であるため、詳細は省略する。図８では、ステップＳ４において出力ステップを実行している。
本発明は上述した実施形態に限定されることはなく、上述した実施形態に変形を加えた形態や、これらの形態を適宜組み合わせた形態も含む。
＜付記＞
（１）本発明の少なくとも一実施形態に係る設定調整装置（１）は、
ボイラ（９１）を有するプラントにおけるプロセス量をフィードバック制御するコントローラ（８）に設定される設定パラメータ（Ｃ）の設定調整装置（１）であって、
前記プラントの現負荷値（Ｌｐ）を取得するよう構成された現負荷取得部（２１）と、
前記設定パラメータ（Ｃ）の現設定値（Ｃｐ）を取得するよう構成された現設定取得部（２２）と、
前記現負荷値（Ｌｐ）が取得された際の前記プロセス量の計測値（ＰＶ）と目標値（ＳＶ）との偏差（Ｄ）、および前記現設定値（Ｃｐ）の下で前記偏差（Ｄ）に応じて前記コントローラ（８）からへ出力された操作量（ＭＶ）を取得するよう構成された入出力取得部（２３）と、
取得された前記現負荷値（Ｌｐ）、前記偏差（Ｄ）、前記現設定値（Ｃｐ）、および前記操作量（ＭＶ）に基づいて、前記設定パラメータ（Ｃ）の新設定値（Ｃｒ）を決定するよう構成された新設定決定部（３）と、
決定された前記新設定値（Ｃｒ）を前記コントローラ（８）に送信するよう構成された送信部（４）と、を備える。
上記（１）の構成によれば、例えばＰＩ、ＰＩＤコントローラ（８）などの比例ゲイン（ＫＰ）、積分ゲイン（ＫＩ）、微分ゲイン（ＫＤ）などとなる設定パラメータ（Ｃ）を、例えばボイラ（９１）などとなるプラントの現在の現負荷値（Ｌｐ）を考慮して決定する。コントローラ（８）の設定パラメータ（Ｃ）の最適値はプラントの負荷値（Ｌ）に応じて変化する。よって、上述したようなコントローラ（８）の設定パラメータ（Ｃ）の設定値をプラントの現負荷値（Ｌｐ）を考慮して決定すると共に、決定された設定パラメータ（Ｃ）の新設定値（Ｃｒ）に従ってコントローラ（８）が制御を行うことで、プロセス量の制御をより適切に実行することができる。
（２）幾つかの実施形態では、上記（１）の構成において、
前記新設定決定部（３）は、
前記コントローラ（８）による前記フィードバック制御の実行により得られる、前記プラントの任意の負荷値（Ｌ）、前記任意の負荷値（Ｌ）の下での前記目標値（ＳＶ）および前記計測値（ＰＶ）あるいは前記偏差（Ｄ）、前記設定パラメータ（Ｃ）の設定値、前記設定値の下での前記偏差（Ｄ）に応じた前記操作量（ＭＶ）、および前記操作端（７４）を前記操作量（ＭＶ）で操作した後の前記計測値（ＰＶ）の変化量の間の関係性を学習した学習モデル（Ｍ）に基づいて、前記設定パラメータ（Ｃ）の前記新設定値（Ｃｒ）を決定する。
上記（２）の構成によれば、コントローラ（８）のフィードバック制御の実行の結果得られる、任意の負荷値における、偏差（Ｄ）、設定パラメータ（Ｃ）の設定値、操作量（ＭＶ）、プロセス量の変化量（制御量）の実績データを学習（機械学習）するなどして得られる、上記の各種の情報間の関係性（学習モデル（Ｍ））を用いて設定パラメータ（Ｃ）の新設定値（Ｃｒ）を決定する。コントローラ（８）から出力される任意の偏差（Ｄ）に対する操作端（７４）の操作量（ＭＶ）は、設定パラメータ（Ｃ）の設定値に応じて異なる。さらに、コントローラ（８）から出力される操作量（ＭＶ）が異なれば、プロセス量の計測値（ＰＶ）の変化量も異なる。換言すれば、同一の偏差（Ｄ）に対するプロセス量の制御結果は、コントローラ（８）の設定パラメータ（Ｃ）に応じて変わる。よって、上記の関係性に基づいて作成された学習モデル（Ｍ）を用いて、設定パラメータ（Ｃ）の最適な新設定値（Ｃｒ）を決定することができる。
（３）幾つかの実施形態では、上記（２）の構成において、
前記学習モデル（Ｍ）は、
前記負荷値（Ｌ）が第１値（Ｌ１。例えば図６のＬＢ１）である場合の前記関係性を学習した第１学習モデル（Ｍ）と、
前記負荷値（Ｌ）が第２値（Ｌ２。例えば図６のＬＢ２）である場合の前記関係性を学習した第２学習モデル（Ｍ）と、を含み、
前記新設定決定部（３）は、
前記第１学習モデル（Ｍ）および前記第２学習モデル（Ｍ）でそれぞれ算出された前記新設定値（Ｃｒ）である第１新設定値（Ｃ１。例えば比例ゲインＫＰを示す図６のＫＰ１）および第２新設定値（Ｃ２。例えば比例ゲインＫＰを示す図６のＫＰ２）を取得する取得部（３１）と、
前記第１値（Ｌ１）および前記第１新設定値（Ｃ１）と前記第２値（Ｌ２）および前記第２新設定値（Ｃ２）とに基づいた補間（例えば図６の直線ｌ）を行うことで、前記第１値（Ｌ１）および前記第２値（Ｌ２）とは異なる値を有する前記負荷値（例えば図６に示すＬｐ）に応じた前記新設定値（Ｃｒ）を算出する補間部（３２）と、
前記現負荷取得部（２１）によって取得された前記現負荷値（Ｌｐ）が前記第１値（Ｌ１）および前記第２値（Ｌ２）とは異なる値を有する場合には、前記補間部（３２）によって算出された前記新設定値（Ｃｒ）を出力する補間値出力部（３３）と、を有する。
上記（３）の構成によれば、現負荷値（Ｌｐ）に対応して作成された学習モデル（Ｍ）がない場合には、現負荷値（Ｌｐ）に近い負荷値（Ｌ）で作成された学習モデル（Ｍ）を用いて算出された少なくとも２つの新設定値（Ｃｒ）に基づいて、現負荷値（Ｌｐ）に応じた新設定値（Ｃｒ）を決定する。これによって、プラントのあらゆる負荷値（Ｌ）に応じた設定パラメータ（Ｃ）の新設定値（Ｃｒ）を適切に決定することができる。
（４）幾つかの実施形態では、上記（２）～（３）の構成において、
前記学習モデル（Ｍ）を、さらに備える。
上記（４）の構成によれば、設定調整装置（１）は、学習モデル（Ｍ）を備える。これによって、通信状況などに影響されることなく、新設定値（Ｃｒ）の決定を迅速かつ安定的に行うことができる。
（５）幾つかの実施形態では、上記（２）～（４）の構成において、
前記設定パラメータ（Ｃ）の調整の目標を定める制御強度（α）を取得するよう構成された制御強度（α）取得部（２４）をさらに備え、
前記関係性は、前記制御強度（α）をさらに含む。
上記（５）の構成によれば、新設定決定部（３）は、上述した各機能部によって取得された前記現負荷値（Ｌｐ）、前記偏差（Ｄ）、前記現設定値（Ｃｐ）、前記操作量（ＭＶ）および前記制御強度（α）に基づいて、これらについての関係性を学習した学習モデル（Ｍ）を用いるなどして、前記設定パラメータ（Ｃ）の新設定値（Ｃｒ）を決定する。コントローラ（８）によるプロセス量の計測値（ＰＶ）の目標値（ＳＶ）への一致度合いは制御強度（α）に応じて定まる。よって、制御強度（α）に応じた、設定パラメータ（Ｃ）の最適値を求めることができる。
（６）幾つかの実施形態では、上記（５）の構成において、
前記現負荷値（Ｌｐ）、前記計測値（ＰＶ）、前記目標値（ＳＶ）、前記偏差（Ｄ）、前記操作量（ＭＶ）、前記制御強度（α）、前記現設定値（Ｃｐ）、前記新設定値（Ｃｒ）、および前記制御強度（α）に基づいて定められる前記調整の目標に対する評価を示す評価指標値（例えば図７のＣＰＩ）を含む複数の数値情報のうちの少なくとも１つの前記数値情報の最新値（例えば図７のｘｘ．ｘなど）または時間推移（例えば図７のＣＰＩ）と、前記計測値（ＰＶ）の分散指標値および前記操作量（ＭＶ）の分散指標値の関係を示すグラフ（例えば図７のグラフＧ）と、前記設定パラメータ（Ｃ）の調整の実行状況の情報と、のうちの少なくとも１つを表示装置（１４。例えば図１のＯＰＳ７６のディスプレイ）に出力するよう構成された出力部（５）をさらに備える。
上記（６）の構成によれば、新設定値（Ｃｒ）で動作している制御状況など、コントローラ（８）の制御状況を可視化することがで、コントローラ（８）の動作の監視の容易化を図ることができる。
（７）幾つかの実施形態では、上記（６）の構成において、
前記出力部（５）は、前記新設定決定部（３）または前記コントローラ（８）の少なくとも一方を表す第１図形（Ｆａ。例えば図７のＰＩＤ ＯＰＴＩＭＩＺＥＲや、ＰＩＤと共に表されたブロック図形）と、前記数値情報の前記第１図形（Ｆａ）との入出力関係を表す第２図形（Ｆｂ。例えば図７の矢印の線）と、をさらに出力するよう構成されており、
前記数値情報は前記第１図形（Ｆａ）および前記第２図形（Ｆｂ）に関連付けられた状態で前記表示装置（１４）に表示されるように、前記数値情報、前記第１図形（Ｆａ）および前記第２図形（Ｆｂ）を出力する。
上記（７）の構成によれば、オペレータによるコントローラ（８）や新設定決定部（３）の入出力情報の把握の容易化を図ることができる。
（８）幾つかの実施形態では、上記（１）～（７）の構成において、
前記コントローラ（８）は、Ｐ制御、Ｉ制御、Ｄ制御の少なくとも１つを実行するよう構成されたコントローラ（８）であり、
前記設定パラメータ（Ｃ）は、前記Ｐ制御のゲイン（ＫＰ）、前記Ｉ制御のゲイン（ＫＩ）、前記Ｄ制御のゲイン（ＫＤ）の少なくとも１つを規定するパラメータを含む。
上記（８）の構成によれば、フィードバック制御を規定する、Ｐ制御のゲイン（ＫＰ）、Ｉ制御のゲイン（ＫＩ）、Ｄ制御のゲイン（ＫＤ）といった設定パラメータ（Ｃ）を適切に調整することができる。
（９）本発明の少なくとも一実施形態に係る設定調整方法は、
ボイラ（９１）を有するプラントにおけるプロセス量をフィードバック制御するコントローラ（８）に設定される設定パラメータ（Ｃ）の設定調整方法であって、
前記プラントの現負荷値（Ｌｐ）を取得する現負荷取得ステップ（図７のＳ１）と、
前記設定パラメータ（Ｃ）の現設定値（Ｃｐ）を取得する現設定取得ステップ（図７のＳ１）と、
前記現負荷値（Ｌｐ）が取得された際の前記プロセス量の計測値（ＰＶ）と目標値（ＳＶ）との偏差（Ｄ）、および前記現設定値（Ｃｐ）の下で前記偏差（Ｄ）に応じて前記コントローラ（８）から操作端（７４）へ出力された操作量（ＭＶ）を取得する入出力取得ステップ（図７のＳ１）と、
取得された前記現負荷値（Ｌｐ）、前記偏差（Ｄ）、前記現設定値（Ｃｐ）、および前記操作量（ＭＶ）に基づいて、前記設定パラメータ（Ｃ）の新設定値（Ｃｒ）を決定する新設定決定ステップ（図７のＳ２）と、
決定された前記新設定値（Ｃｒ）を前記コントローラ（８）に送信する送信ステップ（図７のＳ３）と、を備える。
上記（９）の構成によれば、上記（１）と同様の効果を奏する。
（１０）本発明の少なくとも一実施形態に係る設定調整プログラムは、
ボイラ（９１）を有するプラントにおけるプロセス量をフィードバック制御するコントローラ（８）に設定される設定パラメータ（Ｃ）の設定調整プログラムであって、
コンピュータに、
前記プラントの現負荷値（Ｌｐ）を取得する現負荷取得部（２１）と、
前記設定パラメータ（Ｃ）の現設定値（Ｃｐ）を取得する現設定取得部（２２）と、
前記現負荷値（Ｌｐ）が取得された際の前記プロセス量の計測値（ＰＶ）と目標値（ＳＶ）との偏差（Ｄ）、および前記現設定値（Ｃｐ）の下で前記偏差（Ｄ）に応じて前記コントローラ（８）から操作端（７４）へ出力された操作量（ＭＶ）を取得する入出力取得部（２３）と、
取得された前記現負荷値（Ｌｐ）、前記偏差（Ｄ）、前記現設定値（Ｃｐ）、および前記操作量（ＭＶ）に基づいて、前記設定パラメータ（Ｃ）の新設定値（Ｃｒ）を決定する新設定決定部（３）と、
決定された前記新設定値（Ｃｒ）を前記コントローラ（８）に送信する送信部（４）と、を実現させるプログラムである。
上記（１０）の構成によれば、上記（１）と同様の効果を奏する。
１ 設定調整装置
１１ プロセッサ
１４ 表示装置
ｍ 記憶装置
２１ 現負荷取得部
２２ 現設定取得部
２３ 入出力取得部
２４ 制御強度取得部
３ 新設定決定部
３１ 取得部
３２ 補間部
３３ 補間値出力部
４ 送信部
５ 出力部
７ 制御システム
７１ 制御装置
７３ センサ
７４ 操作端
７６ 操作端末
８ コントローラ
９１ ボイラ
９２ 蒸気タービン
９３ 発電機
Ｃ 設定パラメータ
ＫＰ 比例ゲイン
ＫＩ 積分ゲイン
ＫＤ 微分ゲイン
Ｃｐ 現設定値
Ｃｒ 新設定値
Ｃ１ 第１新設定値
Ｃ２ 第２新設定値
Ｌ 負荷値
Ｌ１ 第１値
Ｌ２ 第２値
Ｌｐ 現負荷値
ＬＢ 基準負荷値
ＳＶ 目標値
ＰＶ 計測値
ＭＶ 操作量
Ｄ 偏差
Ｉｐ 入力情報
Ｍ 学習モデル
Ｍａ 第１学習モデル
Ｍｂ 第２学習モデル
Ｎ１ 制御ネットワーク
Ｎ２ 制御情報ネットワーク
Ｅ 評価指標値
ｄ 距離
Ｇ グラフ
Ｓ 制御使用状況
Ｆ 図形
Ｆａ 第１図形
Ｆｂ 第２図形（矢印）
ｌ 直線

Claims (9)

  1. ボイラを有するプラントにおけるプロセス量をフィードバック制御するコントローラに設定される設定パラメータの設定調整装置であって、
    前記プラントの現負荷値を取得するよう構成された現負荷取得部と、
    前記設定パラメータの現設定値を取得するよう構成された現設定取得部と、
    前記現負荷値が取得された際の前記プロセス量の計測値と目標値との偏差、および前記現設定値の下で前記偏差に応じて前記コントローラから操作端へ出力された操作量を取得するよう構成された入出力取得部と、
    取得された前記現負荷値、前記偏差、前記現設定値、および前記操作量に基づいて、前記設定パラメータの新設定値を決定するよう構成された新設定決定部と、
    決定された前記新設定値を前記コントローラに送信するよう構成された送信部と、を備え、
    前記新設定決定部は、
    前記コントローラによる前記フィードバック制御の実行により得られる、前記プラントの任意の負荷値、前記任意の負荷値の下での前記目標値および前記計測値あるいは前記偏差、前記設定パラメータの設定値、前記設定値の下での前記偏差に応じた前記操作量、および前記操作端を前記操作量で操作した後の前記計測値の変化量の間の関係性を学習した学習モデルに基づいて、前記設定パラメータの前記新設定値を決定し、
    前記学習モデルは、
    前記負荷値が第１値である場合の前記関係性を学習した第１学習モデルと、
    前記負荷値が第２値である場合の前記関係性を学習した第２学習モデルと、を含み、
    前記新設定決定部は、
    前記第１学習モデルおよび前記第２学習モデルでそれぞれ算出された前記新設定値である第１新設定値および第２新設定値を取得する取得部と、
    前記第１値および前記第１新設定値と前記第２値および前記第２新設定値とに基づいた補間を行うことで、前記第１値および前記第２値とは異なる値を有する前記負荷値に応じた前記新設定値を算出する補間部と、
    前記現負荷取得部によって取得された前記現負荷値が前記第１値および前記第２値とは異なる値を有する場合には、前記補間部によって算出された前記新設定値を出力する補間値出力部と、を有する設定調整装置。
  2. ボイラを有するプラントにおけるプロセス量をフィードバック制御するコントローラに設定される設定パラメータの設定調整装置であって、
    前記プラントの現負荷値を取得するよう構成された現負荷取得部と、
    前記設定パラメータの現設定値を取得するよう構成された現設定取得部と、
    前記現負荷値が取得された際の前記プロセス量の計測値と目標値との偏差、および前記現設定値の下で前記偏差に応じて前記コントローラから操作端へ出力された操作量を取得するよう構成された入出力取得部と、
    取得された前記現負荷値、前記偏差、前記現設定値、および前記操作量に基づいて、前記設定パラメータの新設定値を決定するよう構成された新設定決定部と、
    決定された前記新設定値を前記コントローラに送信するよう構成された送信部と、を備え、
    前記新設定決定部は、
    前記コントローラによる前記フィードバック制御の実行により得られる、前記プラントの任意の負荷値、前記任意の負荷値の下での前記目標値および前記計測値あるいは前記偏差、前記設定パラメータの設定値、前記設定値の下での前記偏差に応じた前記操作量、および前記操作端を前記操作量で操作した後の前記計測値の変化量の間の関係性を学習した学習モデルに前記現負荷値、前記現設定値、前記偏差、および前記操作量を入力することで前記学習モデルから出力される前記設定パラメータの前記設定値を、前記設定パラメータの前記新設定値として決定し、
    前記学習モデルは、
    前記負荷値が第１値である場合の前記関係性を学習した第１学習モデルと、
    前記負荷値が第２値である場合の前記関係性を学習した第２学習モデルと、を含み、
    前記新設定決定部は、
    前記第１学習モデルおよび前記第２学習モデルでそれぞれ算出された前記新設定値である第１新設定値および第２新設定値を取得する取得部と、
    前記第１値および前記第１新設定値と前記第２値および前記第２新設定値とに基づいた補間を行うことで、前記第１値および前記第２値とは異なる値を有する前記負荷値に応じた前記新設定値を算出する補間部と、
    前記現負荷取得部によって取得された前記現負荷値が前記第１値および前記第２値とは異なる値を有する場合には、前記補間部によって算出された前記新設定値を出力する補間値出力部と、を有する設定調整装置。
  3. 前記学習モデルを、さらに備える請求項１または２に記載の設定調整装置。
  4. 前記設定パラメータの調整の目標を定める制御強度を取得するよう構成された制御強度取得部をさらに備え、
    前記関係性は、前記制御強度をさらに含む請求項１～３のいずれか１項に記載の設定調整装置。
  5. 前記現負荷値、前記計測値、前記目標値、前記偏差、前記操作量、前記制御強度、前記現設定値、前記新設定値、および前記制御強度に基づいて定められる前記調整の目標に対する評価を示す評価指標値を含む複数の数値情報のうちの少なくとも１つの前記数値情報の最新値または時間推移と、前記計測値の分散指標値および前記操作量の分散指標値の関係を示すグラフと、前記設定パラメータの調整の実行状況の情報と、のうちの少なくとも１つを表示装置に出力するよう構成された出力部をさらに備える請求項４に記載の設定調整装置。
  6. 前記出力部は、前記新設定決定部または前記コントローラの少なくとも一方を表す第１図形と、前記数値情報の前記第１図形との入出力関係を表す第２図形と、をさらに出力するよう構成されており、
    前記数値情報は前記第１図形および前記第２図形に関連付けられた状態で前記表示装置に表示されるように、前記数値情報、前記第１図形および前記第２図形を出力する請求項５に記載の設定調整装置。
  7. 前記コントローラは、Ｐ制御、Ｉ制御、Ｄ制御の少なくとも１つを実行するよう構成されたコントローラであり、
    前記設定パラメータは、前記Ｐ制御のゲイン、前記Ｉ制御のゲイン、前記Ｄ制御のゲインの少なくとも１つを規定するパラメータを含む請求項１～６のいずれか１項に記載の設定調整装置。
  8. ボイラを有するプラントにおけるプロセス量をフィードバック制御するコントローラに設定される設定パラメータの設定調整方法であって、
    前記プラントの現負荷値を取得する現負荷取得ステップと、
    前記設定パラメータの現設定値を取得する現設定取得ステップと、
    前記現負荷値が取得された際の前記プロセス量の計測値と目標値との偏差、および前記現設定値の下で前記偏差に応じて前記コントローラから操作端へ出力された操作量を取得する入出力取得ステップと、
    取得された前記現負荷値、前記偏差、前記現設定値、および前記操作量に基づいて、前記設定パラメータの新設定値を決定する新設定決定ステップと、
    決定された前記新設定値を前記コントローラに送信する送信ステップと、を備え、
    前記新設定決定ステップは、
    前記コントローラによる前記フィードバック制御の実行により得られる、前記プラントの任意の負荷値、前記任意の負荷値の下での前記目標値および前記計測値あるいは前記偏差、前記設定パラメータの設定値、前記設定値の下での前記偏差に応じた前記操作量、および前記操作端を前記操作量で操作した後の前記計測値の変化量の間の関係性を学習した学習モデルに基づいて、前記設定パラメータの前記新設定値を決定し、
    前記学習モデルは、
    前記負荷値が第１値である場合の前記関係性を学習した第１学習モデルと、
    前記負荷値が第２値である場合の前記関係性を学習した第２学習モデルと、を含み、
    前記新設定決定ステップは、
    前記第１学習モデルおよび前記第２学習モデルでそれぞれ算出された前記新設定値である第１新設定値および第２新設定値を取得する取得ステップと、
    前記第１値および前記第１新設定値と前記第２値および前記第２新設定値とに基づいた補間を行うことで、前記第１値および前記第２値とは異なる値を有する前記負荷値に応じた前記新設定値を算出する補間ステップと、
    前記現負荷取得ステップによって取得された前記現負荷値が前記第１値および前記第２値とは異なる値を有する場合には、前記補間ステップによって算出された前記新設定値を出力する補間値出力ステップと、を有する設定調整方法。
  9. ボイラを有するプラントにおけるプロセス量をフィードバック制御するコントローラに設定される設定パラメータの設定調整プログラムであって、
    コンピュータに、
    前記プラントの現負荷値を取得する現負荷取得部と、
    前記設定パラメータの現設定値を取得する現設定取得部と、
    前記現負荷値が取得された際の前記プロセス量の計測値と目標値との偏差、および前記現設定値の下で前記偏差に応じて前記コントローラから操作端へ出力された操作量を取得する入出力取得部と、
    取得された前記現負荷値、前記偏差、前記現設定値、および前記操作量に基づいて、前記設定パラメータの新設定値を決定する新設定決定部と、
    決定された前記新設定値を前記コントローラに送信する送信部と、を実現させ、
    前記新設定決定部は、前記コンピュータに、
    前記コントローラによる前記フィードバック制御の実行により得られる、前記プラントの任意の負荷値、前記任意の負荷値の下での前記目標値および前記計測値あるいは前記偏差、前記設定パラメータの設定値、前記設定値の下での前記偏差に応じた前記操作量、および前記操作端を前記操作量で操作した後の前記計測値の変化量の間の関係性を学習した学習モデルに基づいて、前記設定パラメータの前記新設定値を決定させ、
    前記学習モデルは、
    前記負荷値が第１値である場合の前記関係性を学習した第１学習モデルと、
    前記負荷値が第２値である場合の前記関係性を学習した第２学習モデルと、を含み、
    前記新設定決定部は、前記コンピュータに、
    前記第１学習モデルおよび前記第２学習モデルでそれぞれ算出された前記新設定値である第１新設定値および第２新設定値を取得する取得部と、
    前記第１値および前記第１新設定値と前記第２値および前記第２新設定値とに基づいた補間を行うことで、前記第１値および前記第２値とは異なる値を有する前記負荷値に応じた前記新設定値を算出する補間部と、
    前記現負荷取得部によって取得された前記現負荷値が前記第１値および前記第２値とは異なる値を有する場合には、前記補間部によって算出された前記新設定値を出力する補間値出力部と、実現させるプログラムである設定調整プログラム。
JP2019189921A 2019-10-17 2019-10-17 コントローラの設定調整装置、設定調整方法およびプログラム Active JP7475125B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019189921A JP7475125B2 (ja) 2019-10-17 2019-10-17 コントローラの設定調整装置、設定調整方法およびプログラム
PCT/JP2020/038993 WO2021075515A1 (ja) 2019-10-17 2020-10-15 コントローラの設定調整装置、設定調整方法およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019189921A JP7475125B2 (ja) 2019-10-17 2019-10-17 コントローラの設定調整装置、設定調整方法およびプログラム

Publications (2)

Publication Number Publication Date
JP2021064310A JP2021064310A (ja) 2021-04-22
JP7475125B2 true JP7475125B2 (ja) 2024-04-26

Family

ID=75486365

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019189921A Active JP7475125B2 (ja) 2019-10-17 2019-10-17 コントローラの設定調整装置、設定調整方法およびプログラム

Country Status (2)

Country Link
JP (1) JP7475125B2 (ja)
WO (1) WO2021075515A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111744969B (zh) * 2020-06-02 2022-04-19 北京科技大学设计研究院有限公司 可设定零调压力偏差的零调方法
WO2022215657A1 (ja) 2021-04-05 2022-10-13 出光興産株式会社 ポリカーボネート系樹脂組成物及び成形品

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3179502B2 (ja) 1996-01-31 2001-06-25 ロディア シミ ノニオン系界面活性剤とアルカリ金属珪酸塩とを基とする系
JP2016170753A (ja) 2015-03-16 2016-09-23 株式会社日立製作所 プラント制御用のデータ処理装置、プラント制御用のデータ処理装置を備えるプラント、およびプラントの制御パラメータの自動調整方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58205204A (ja) * 1982-05-26 1983-11-30 Hitachi Ltd 発電プラントの過渡効率最適化制御システム
JPS59188701A (ja) * 1983-04-08 1984-10-26 Mitsubishi Heavy Ind Ltd ボイラマスタ制御装置
JPS63284603A (ja) * 1987-05-18 1988-11-21 Hitachi Ltd プロセスプラント制御装置
JPH028905A (ja) * 1988-06-28 1990-01-12 Toshiba Corp 燃焼制御装置
JPH0251702A (ja) * 1988-08-16 1990-02-21 Toshiba Corp 最適化制御装置
JPH03179502A (ja) * 1989-12-08 1991-08-05 Hitachi Ltd 適応制御方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3179502B2 (ja) 1996-01-31 2001-06-25 ロディア シミ ノニオン系界面活性剤とアルカリ金属珪酸塩とを基とする系
JP2016170753A (ja) 2015-03-16 2016-09-23 株式会社日立製作所 プラント制御用のデータ処理装置、プラント制御用のデータ処理装置を備えるプラント、およびプラントの制御パラメータの自動調整方法

Also Published As

Publication number Publication date
WO2021075515A1 (ja) 2021-04-22
JP2021064310A (ja) 2021-04-22

Similar Documents

Publication Publication Date Title
CN106575104B (zh) 使用无线过程信号的模型预测控制
US11237531B2 (en) Method for determining and tuning process characteristic parameters using a simulation system
JP6446074B2 (ja) エンジンおよび後処理機構を備えるシステム、およびその制御プロセス
JP6067812B2 (ja) コンピュータ実施方法、処理モデル展開システム、処理監視システム
JP7475125B2 (ja) コントローラの設定調整装置、設定調整方法およびプログラム
JP5016002B2 (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
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
CN103038714B (zh) 模拟工业过程的方法、跟踪模拟器和自动化系统
CN103485897B (zh) 基于模型和仿真的涡轮控制
CN107433845B (zh) 基于条件的动力系控制系统
JP2003295907A (ja) 変動性プロセス遅延に対する高度プロセス制御ブロックの適応
US11137728B2 (en) Processing device, control parameter determination method, and non-transitory recording medium storing a control parameter determination program
JP2021073629A (ja) 非周期的に更新されるコントローラにおける速度に基づく制御、プロセスを制御する方法、プロセスコントローラ
KR102382047B1 (ko) Pso를 이용한 모터 제어기의 자동 학습 튜닝 시스템
EP3577322A1 (en) Generating steam turbine performance maps
JP4272234B2 (ja) 石炭焚きボイラのガス濃度推定方法及び装置
EP2753991B1 (en) Arrangement and method for system identification of an industrial plant or process
Engin et al. Auto-tuning of PID parameters with programmable logic controller
Wetter et al. Verification of control sequences within OpenBuildingControl
CN115453863A (zh) 基于支持向量机前馈控制的燃气轮机负荷控制方法及装置
JP2021057032A (ja) プロセス近似とラムダ調整を有するプロセスコントローラの設計
US10033316B2 (en) System and method for model based turbine shaft power predictor
EP3683634B1 (en) A method for controlling a technological process
Van Dessel 'Control of an industrial process using PID control blocks in automation controller
CN113568304A (zh) 用于调节技术系统的方法和调节装置

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20220127

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20220127

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220705

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230725

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230919

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20231114

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240213

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20240214

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20240307

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: 20240402

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240416

R150 Certificate of patent or registration of utility model

Ref document number: 7475125

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150