JP7478297B1 - 情報処理システム、情報処理方法、学習システム、および学習方法 - Google Patents
情報処理システム、情報処理方法、学習システム、および学習方法 Download PDFInfo
- Publication number
- JP7478297B1 JP7478297B1 JP2023146237A JP2023146237A JP7478297B1 JP 7478297 B1 JP7478297 B1 JP 7478297B1 JP 2023146237 A JP2023146237 A JP 2023146237A JP 2023146237 A JP2023146237 A JP 2023146237A JP 7478297 B1 JP7478297 B1 JP 7478297B1
- Authority
- JP
- Japan
- Prior art keywords
- state quantity
- learning
- information processing
- supply device
- information
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000002485 combustion reaction Methods 0.000 claims abstract description 180
- 239000000463 material Substances 0.000 claims abstract description 35
- 238000009795 derivation Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims description 61
- 230000002787 reinforcement Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 23
- 238000010438 heat treatment Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims 2
- 239000013077 target material Substances 0.000 claims 1
- 238000001125 extrusion Methods 0.000 description 46
- 239000002699 waste material Substances 0.000 description 46
- 239000010813 municipal solid waste Substances 0.000 description 28
- 239000007789 gas Substances 0.000 description 17
- 230000008859 change Effects 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000011084 recovery Methods 0.000 description 9
- 238000001035 drying Methods 0.000 description 8
- 230000005855 radiation Effects 0.000 description 8
- 239000000428 dust Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Incineration Of Waste (AREA)
Abstract
Description
<1.焼却設備の全体構成>
図1は、実施形態に係る燃焼設備SFの全体構成を示す概略構成図である。燃焼設備SFは、例えば、都市ごみ、産業廃棄物、またはバイオマスなどを被焼却物Gとするストーカ炉である。以下では説明の便宜上、「被焼却物G」を「ごみG」と称する。なお、燃焼設備SFは、ストーカ炉に限定されるものではなく、別タイプの焼却設備でもよい。本実施形態では、燃焼設備SFは、例えば、クレーン1、焼却炉2、排熱回収ボイラ3、減温塔4、集塵装置5、煙道6、煙突7、および情報処理システム100を備える。
次に、焼却炉2について詳しく説明する。焼却炉2は、例えば、供給機構10、炉本体20、ストーカ30、風箱41、排出シュート42、火炉43、および送風機構50を有する。
供給機構10は、クレーン1によって運ばれたごみGを、一時的に貯留するとともに、後述する炉本体20の処理空間Vに向けて順次供給する機構である。供給機構10は、例えば、ホッパ11、フィーダ12、押出装置13、物体計測器14、および水分計測器15を有する。
炉本体20は、ホッパ11に隣接して設けられ、ごみGを搬送しながら燃焼させる設備である。以下では、燃焼設備SFにおけるごみGの搬送方向を「搬送方向D」と称する。炉本体20は、搬送方向Dにおける上流側から下流側に向けて、乾燥段20a、燃焼段20b、および後燃焼段20cをこの順に有する。乾燥段20aは、燃焼段20bおよび後燃焼段20cよりも上流側に位置し、ホッパ11から供給されたごみGを、ストーカ30上での燃焼に先立って乾燥させる領域である。燃焼段20bおよび後燃焼段20cは、乾燥段20aを通過して乾燥した状態のごみGをストーカ30上で燃焼させる領域である。燃焼段20bでは、ごみGから発生する熱分解ガスによる拡散燃焼が起き、輝炎Fが生じる。後燃焼段20cでは、ごみGの拡散燃焼後の固定炭素燃焼が起きるため、輝炎Fは生じない。燃焼段20bおよび後燃焼段20cは、ごみGを燃焼させる処理空間Vの一例である。乾燥段20aは、搬送方向Dにおいて処理空間Vよりも上流側の領域の一例である。
ストーカ30は、複数の火格子31と、火格子駆動装置32(不図示)とを含む。複数の火格子31は、炉本体20の底面(例えば処理空間Vの底面)となるストーカ面30aを形成している。ストーカ面30aには、供給機構10によってごみGが層状に供給される。ストーカ面30aは、上述した乾燥段20a、燃焼段20b、および後燃焼段20cに亘り設けられている。複数の火格子31は、固定火格子と、可動火格子とを含む。固定火格子は、後述する風箱41の上面に固定されている。可動火格子は、一定の速度で搬送方向Dに沿って往復移動することで、可動火格子と固定火格子の上(ストーカ面30a上)にあるごみGを攪拌混合しながら下流側へ搬送する。
風箱41は、ストーカ30の下方に設けられ、ストーカ30を通じて炉本体20の内部に燃焼用の空気を供給する。風箱41は、搬送方向Dに複数配列されている。風箱41は、風箱圧力センサ41aを有する。風箱圧力センサ41aは、風箱41の内部の圧力を検出する。風箱41の内部の圧力は、後述する一次空気ライン52を通じて炉本体20の内部に供給される燃焼空気の圧力に相当する。風箱圧力センサ41aの検出結果は、情報処理システム100の取得部110によって取得可能な状態にある。
送風機構50は、炉本体20の内部に空気(例えば燃焼空気)を供給する。送風機構50は、例えば、送風機51、一次空気ライン52、空気予熱器53、二次空気ライン54、ダンパ55、および空気流量センサ56を有する。
次に、排熱回収ボイラ3について説明する。排熱回収ボイラ3は、例えば、ボイラ本体61、管路62、放射温度センサ(赤外線温度センサ)63、炉内圧力センサ64、給水流量センサ65、および過熱器減温器流量センサ(蒸気量センサ)66を含む。
次に、情報処理システム100について説明する。
図2は、実施形態に係る燃焼設備SFの機能構成を示すブロック図である。情報処理システム100は、燃焼設備SFを統括的に制御する。例えば、情報処理システム100は、炉本体20の処理空間VでのごみGの燃焼制御を行う。本実施形態では、情報処理システム100は、例えば、取得部110、記憶部120、操作内容導出部130、制御部140、および学習システム160、を備える。また、情報処理システム100は通知部150を備えていてもよい。あるいは、情報処理システム100は、制御部140に代えて、通知部150を備えていてもよい。本開示において、情報処理システム100による制御対象の装置は、上述した押出装置13(フィーダ12)である。
以下に述べる情報処理システム100における各部の動作は、本開示の情報処理方法および学習方法の一部に該当する。
取得部110は、燃焼設備SFに含まれる上述した各種センサにより検出された検出結果などを取得する。例えば、取得部110は、重量センサ1bの検出結果(ごみ重量)、物体計測器14の検出結果(ごみ高さ)、放射温度センサ63の検出結果(炉内温度)、過熱器減温器流量センサ66の検出結果(過熱器減温器流量)、およびガス濃度センサ6aの検出結果(CO濃度など)を取得する。過熱器減温器流量センサ66の検出結果(過熱器減温器流量は、「蒸気量」の一例である。
記憶部120には、導出操作内容121、学習モデルM、蒸気量の制御目標値SV、および状態量履歴122が書き込まれ、記憶される。
操作内容導出部130は、学習モデルMを用いて、取得部110により取得された状態量情報を、学習モデルMに入力し、入力した状態量情報に応じた押出装置13(フィーダ12)の操作内容を導出する。本開示において、操作内容導出部130に搭載された学習モデルを学習モデルMと称する。学習モデルMでは、取得部110により取得された状態量情報と、当該状態量情報が取得された場合に対応する押出装置13の操作内容(フィーダ12の操作内容)と、上記押出装置13の操作内容(フィーダ12の操作内容)の結果として生じる燃焼設備SFの状態(例えば蒸気量)に応じた報酬との対応関係に基づいて学習が行われている。上記押出装置13の操作内容(フィーダ12の操作内容)の結果として生じる燃焼設備SFの状態とは、上記押出装置13の操作内容の操作から所定時間後(例えば20分後)の燃焼設備SFの状態(例えば蒸気量)を意味する。
制御部140は、操作内容導出部130が出力する導出操作内容に基づき、処理空間Vの燃焼制御を行う。具体的には、制御部140は、操作内容導出部130が出力する導出操作内容に基づき、押出装置13(フィーダ12)に制御指示値を出力し、フィーダ12を制御する。制御部140は、燃焼を促進する場合にごみGの供給量を増加させる。一方で、制御部140は、燃焼を抑制する場合にごみGの供給量を減少させる。
学習システム160は、学習部161を備える。学習システム160の学習部161は、記憶部120に記憶された学習モデルMの強化学習を、取得部110を介して学習モデルMを取得した後に行う。例えば、学習部161は、状態量情報と、押出装置13(フィーダ12)の操作内容と、報酬との対応関係に基づいて学習モデルMの強化学習を行う。
ここでは、本開示における学習モデルMの概要を図3から図5を用いて示す。操作内容導出部130には、学習モデルMが存在し、この学習モデルMに対して、取得部110によって取得された状態量情報が入力される。学習モデルMは、図3に示すような、順伝播型ニューラルネットワークである。この学習モデルMに対し、統計処理後の状態量情報が入力層として入力されると、学習モデルMは、押出装置13(フィーダ12)の複数の操作内容候補の各々に対する期待値を、出力層に出力する。入力される状態量は、取得部110によって、取得あるいは取得可能な、燃焼設備SFの状態量に関する値である。入力される状態量として、低位発熱量(LHV:Lower Heating Value)、排出物質の濃度(CO濃度)、ごみGの供給量、および蒸気量を例に挙げる。学習モデルMに入力される状態量は、これらのうち2つ以上である。本実施形態では、入力される状態量は、低位発熱量(LHV)、排出物質の濃度(CO濃度)、ごみGの供給量、および蒸気量の各々の上記所定の時間長さにおける代表値(例えば平均値)である。
次に、上述した情報処理システム100における処理の流れの一例について説明する。ただし、以下に説明する処理の順番は、以下の例に限定されず、適宜入れ替えられてもよい。
まず、燃焼設備SFに関連した情報処理方法について説明する。
本実施形態における情報処理方法は、図6に示すフローチャートに従って実施される。まず、情報処理システム100の取得部110は、各検出結果から状態量を取得する(ステップST11)。次に、情報処理システム100の取得部110は、取得した状態量を、記憶部120の状態量履歴122として書き込む(ステップST12)。次に、情報処理システム100の取得部110は、ステップST11にて取得した状態量を統計処理する(ステップST13)。これにより、取得部110は、燃焼設備SFの状態量に関する情報である状態量情報を取得する。次に、情報処理システム100の操作内容導出部130は、取得部110から状態量が統計処理された状態量情報を受け取り、状態量情報を学習モデルMに入力する(ステップST14)。次に、情報処理システム100の操作内容導出部130は、入力した状態量情報に応じた押出装置13(フィーダ12)の操作内容を導出し(ステップST15)、制御部140または通知部150に、導出された操作内容を出力する(ステップST16)。
次に、燃焼設備SF用の学習方法について説明する。
本実施形態における学習方法は、図7に示すフローチャートに従って実施される。以下に説明する学習方法は、焼却設備SFの運転段階においても並行して実行される。
上記構成の情報処理システム100および情報処理方法によれば、燃焼設備SFの状態量に対して報酬が高くなる操作内容を学習していく学習モデルMを用いることができる。これにより、本実施形態の情報処理システム100および情報処理方法は、燃焼設備SFに関連した適切な操作内容を導出することができる。その結果、燃焼設備SFの蒸気量の変動量を抑制することができる。
<8.情報処理システム>
以下、第二実施形態として本開示に係る情報処理システム100Bの実施形態について、図8を用いて説明する。第一実施形態と共通の構成要素には同一の符号を付して詳細説明を省略する。
上記構成の情報処理システム100Bおよび情報処理方法によれば、燃焼設備SFの状態量に対して報酬が高くなる操作パターンを学習していく学習モデルMを用いることができる。これにより、本実施形態の情報処理システム100Bおよび情報処理方法は、燃焼設備SFに関連した適切な操作内容を導出することができる。その結果、燃焼設備SFの目的の状態に維持しやすくなる。
以上、本開示の実施の形態について図面を参照して詳述したが、具体的な構成はこの実施の形態に限られるものではなく、本開示の要旨を逸脱しない範囲の設計変更等も含まれる。本開示における初期モデルとしては、燃焼設備SFとは別の設備における状態量情報と、別の設備における供給装置の操作内容との対応関係に基づく事前学習により生成された初期モデルであってもよい。例えば、学習システム160Bの学習部161Bは、過去の状態量情報と、当該状態量情報が取得された場合に対応する学習モデルMを用いて導出された押出装置13(フィーダ12)の操作内容と、当該状態量情報が取得された場合に別の設備で実施された押出装置13(フィーダ12)の操作内容との対応関係に基づき、学習モデルMを学習させる。この場合、学習部161Bによって、学習モデルMを用いて導出された押出装置13(フィーダ12)の操作内容と、別の設備で実施された押出装置13(フィーダ12)の操作内容との一致度に基づいて報酬が導出される。
各実施形態に記載の情報処理システム100あるいは情報処理システム100Bは、例えば以下のように把握される。
Claims (10)
- 燃焼設備用の情報処理システムであって、
前記燃焼設備の状態量に関する情報である状態量情報を取得する取得部と、
前記状態量情報と、前記燃焼設備に被焼却物を供給する供給装置の操作内容と、前記燃焼設備の状態に応じた報酬との対応関係に基づいて学習が行われた学習モデルを用いて、前記取得部により取得された前記状態量情報を入力し、入力した前記状態量情報に応じた前記供給装置の操作内容を導出する操作内容導出部と、
を備え、
前記状態量は、低位発熱量、排出物質の濃度、前記被焼却物の供給量、または蒸気量のうち2つ以上であり、
前記状態量情報は、前記燃焼設備の状態量に関する値を、所定の時間長さにおいて統計処理することで得られる代表値であり、
前記所定の時間長さは、前記供給装置により前記被焼却物の供給が行われる時点と、当該供給に応じて前記状態量に変動が生じる時点との時間差を含む時間長さであり、前記供給装置の操作量の変動と前記状態量の変動の相関値が最大となる時間ずれとして計算される、
情報処理システム。 - 前記供給装置の操作内容は、前記供給装置の第1操作要素の操作量と、前記第1操作要素とは異なる前記供給装置の第2操作要素の操作量と、前記供給装置の停止時間とのうち2つ以上の組み合わせにより規定される内容である、
請求項1に記載の情報処理システム。 - 前記供給装置は、往復式または回転式のフィーダであり、
前記供給装置の操作内容は、前記フィーダのストロークと、前記フィーダの速度と、前記フィーダの停止時間とのうち2つ以上の組み合わせにより規定される内容である、
請求項1または請求項2に記載の情報処理システム。 - 前記報酬は、前記状態量情報に含まれる少なくとも1つの指標の検出値と、前記指標の目標値との差分の大きさに基づいて導出される、
請求項1または請求項2に記載の情報処理システム。 - 前記取得部により取得された前記状態量情報と、前記供給装置の操作内容と、前記報酬との対応関係に基づいて前記学習モデルの強化学習を行う学習部をさらに備えた、
請求項1または請求項2に記載の情報処理システム。 - 前記学習モデルは、前記状態量情報と、運転員の操作履歴から得られた前記供給装置の操作内容との対応関係に少なくとも基づく事前学習により生成された初期モデルを基礎として、前記取得部により取得された前記状態量情報と、前供給装置の操作内容と、前記報酬との対応関係に基づく強化学習が行われて得られる、
請求項1または請求項2に記載の情報処理システム。 - 前記学習モデルは、別の設備における前記状態量情報と、前記別の設備における前記供給装置の操作内容との対応関係に少なくとも基づく事前学習により生成された初期モデルを基礎として、前記取得部により取得された前記状態量情報と、前供給装置の操作内容と、前記報酬との対応関係に基づく強化学習が行われて得られる、
請求項1または請求項2に記載の情報処理システム。 - 燃焼設備に関連した情報処理方法であって、
前記燃焼設備の状態量に関する情報である状態量情報を取得し、
前記状態量情報と、前記燃焼設備に被焼却物を供給する供給装置の操作内容と、前記燃焼設備の状態に応じた報酬との対応関係に基づいて学習が行われた学習モデルを用いて、前記状態量情報を入力し、入力した前記状態量情報に応じた前記供給装置の操作内容を導出する、
ことを含み、
前記状態量は、低位発熱量、排出物質の濃度、前記被焼却物の供給量、または蒸気量のうち2つ以上であり、
前記状態量情報は、前記燃焼設備の状態量に関する値を、所定の時間長さにおいて統計処理することで得られる代表値であり、
前記所定の時間長さは、前記供給装置により前記被焼却物の供給が行われる時点と、当該供給に応じて前記状態量に変動が生じる時点との時間差を含む時間長さであり、前記供給装置の操作量の変動と前記状態量の変動の相関値が最大となる時間ずれとして計算される、
情報処理方法。 - 燃焼設備用の学習システムであって、
前記燃焼設備の状態量に関する情報である状態量情報と、前記燃焼設備に被焼却物を供給する供給装置の操作内容と、前記燃焼設備の状態に応じた報酬との対応関係に基づいて学習モデルの強化学習を行う学習部
を備え、
前記状態量は、低位発熱量、排出物質の濃度、前記被焼却物の供給量、または蒸気量のうち2つ以上であり、
前記状態量情報は、前記燃焼設備の状態量に関する値を、所定の時間長さにおいて統計処理することで得られる代表値であり、
前記所定の時間長さは、前記供給装置により前記被焼却物の供給が行われる時点と、当該供給に応じて前記状態量に変動が生じる時点との時間差を含む時間長さであり、前記供給装置の操作量の変動と前記状態量の変動の相関値が最大となる時間ずれとして計算される、
学習システム。 - 燃焼設備用の学習方法であって、
前記燃焼設備の状態量に関する情報である状態量情報と、前記燃焼設備に被焼却物を供給する供給装置の操作内容と、前記燃焼設備の状態に応じた報酬との対応関係に基づいて学習モデルの強化学習を行う、
ことを含み、
前記状態量は、低位発熱量、排出物質の濃度、前記被焼却物の供給量、または蒸気量のうち2つ以上であり、
前記状態量情報は、前記燃焼設備の状態量に関する値を、所定の時間長さにおいて統計処理することで得られる代表値であり、
前記所定の時間長さは、前記供給装置により前記被焼却物の供給が行われる時点と、当該供給に応じて前記状態量に変動が生じる時点との時間差を含む時間長さであり、前記供給装置の操作量の変動と前記状態量の変動の相関値が最大となる時間ずれとして計算される、
学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023146237A JP7478297B1 (ja) | 2023-09-08 | 2023-09-08 | 情報処理システム、情報処理方法、学習システム、および学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023146237A JP7478297B1 (ja) | 2023-09-08 | 2023-09-08 | 情報処理システム、情報処理方法、学習システム、および学習方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7478297B1 true JP7478297B1 (ja) | 2024-05-02 |
Family
ID=90827049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023146237A Active JP7478297B1 (ja) | 2023-09-08 | 2023-09-08 | 情報処理システム、情報処理方法、学習システム、および学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7478297B1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007272646A (ja) | 2006-03-31 | 2007-10-18 | Hitachi Ltd | プラントの制御装置 |
WO2019159883A1 (ja) | 2018-02-13 | 2019-08-22 | 三菱日立パワーシステムズ株式会社 | モデル作成方法、プラントの運転支援方法、モデル作成装置、モデル、プログラム、及びプログラムを記録した記録媒体 |
JP2019197315A (ja) | 2018-05-08 | 2019-11-14 | 千代田化工建設株式会社 | 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 |
JP2021008991A (ja) | 2019-07-02 | 2021-01-28 | Jfeエンジニアリング株式会社 | 自動燃焼制御方法および自動燃焼制御装置 |
JP2023023455A (ja) | 2021-08-05 | 2023-02-16 | 横河電機株式会社 | 学習装置、学習方法、および、学習プログラム、並びに、制御装置 |
JP2023040645A (ja) | 2021-09-10 | 2023-03-23 | 三菱重工環境・化学エンジニアリング株式会社 | 焼却炉設備の制御装置 |
-
2023
- 2023-09-08 JP JP2023146237A patent/JP7478297B1/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007272646A (ja) | 2006-03-31 | 2007-10-18 | Hitachi Ltd | プラントの制御装置 |
WO2019159883A1 (ja) | 2018-02-13 | 2019-08-22 | 三菱日立パワーシステムズ株式会社 | モデル作成方法、プラントの運転支援方法、モデル作成装置、モデル、プログラム、及びプログラムを記録した記録媒体 |
JP2019197315A (ja) | 2018-05-08 | 2019-11-14 | 千代田化工建設株式会社 | 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 |
JP2021008991A (ja) | 2019-07-02 | 2021-01-28 | Jfeエンジニアリング株式会社 | 自動燃焼制御方法および自動燃焼制御装置 |
JP2023023455A (ja) | 2021-08-05 | 2023-02-16 | 横河電機株式会社 | 学習装置、学習方法、および、学習プログラム、並びに、制御装置 |
JP2023040645A (ja) | 2021-09-10 | 2023-03-23 | 三菱重工環境・化学エンジニアリング株式会社 | 焼却炉設備の制御装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100575783C (zh) | 循环流动层燃烧装置的流动介质循环量计测方法及装置 | |
US8489241B2 (en) | Controlling a waste combustion process | |
JP2022069679A (ja) | ストーカ炉の燃焼制御装置及び方法、並びに、燃料移動量の検出装置及び方法 | |
Peña et al. | Analysis of thermal resistance evolution of ash deposits during co-firing of coal with biomass and coal mine waste residues | |
Dal Pozzo et al. | Economic and environmental benefits by improved process control strategies in HCl removal from waste-to-energy flue gas | |
CN110608444A (zh) | 一种基于模型的垃圾焚烧控制系统 | |
JP7478297B1 (ja) | 情報処理システム、情報処理方法、学習システム、および学習方法 | |
Zhang et al. | A dynamic nonlinear model used for controller design of a 600 MW supercritical circulating fluidized bed boiler-turbine unit | |
JP7126215B2 (ja) | システム制御装置及び制御方法 | |
WO2023063107A1 (ja) | 制御装置 | |
Kortela et al. | Fuel-quality soft sensor using the dynamic superheater model for control strategy improvement of the BioPower 5 CHP plant | |
Zhang et al. | Dynamic prediction of in-situ SO2 emission and operation optimization of combined desulfurization system of 300 MW CFB boiler | |
CN106051782A (zh) | 一种实时估算垃圾热值的方法 | |
JP4188859B2 (ja) | 廃棄物処理プラント設備の運転制御方法及び運転制御装置 | |
JP5452906B2 (ja) | 燃焼炉の燃焼制御システムおよびその燃焼制御方法 | |
WO2023037742A1 (ja) | 焼却炉設備の制御装置 | |
He et al. | Prediction of MSWI furnace temperature based on TS fuzzy neural network | |
JP6880145B2 (ja) | 燃焼状況評価方法及び燃焼制御方法 | |
JP7093757B2 (ja) | 燃焼設備の制御装置、燃焼設備の制御方法およびプログラム | |
Guo et al. | Dioxin emission concentration soft measurement model of MSWI process based on unmarked samples and improved deep belief network | |
JP7430837B1 (ja) | 燃焼設備用システムおよび情報処理方法 | |
JP2021103063A (ja) | ごみ焼却炉のごみ層厚評価方法及びごみ焼却炉の燃焼制御方法 | |
KR20240073073A (ko) | 제어 장치 | |
Chong et al. | Neural network models of the combustion derivatives emanating from a chain grate stoker fired boiler plant | |
JP7474208B2 (ja) | 運転支援装置、運転支援方法および運転支援プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231024 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20231024 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240123 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240319 |
|
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: 20240409 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240419 |