JPH11242503A - プラント運転制御支援システム - Google Patents

Abstract

(57)【要約】 【課題】 制御信号の調整を支援し、最適化する技術を
提供する。 【解決手段】 プラント１００をその動的特性に応じて
制御するために用いる動的制御信号の特徴量、および、
この動的制御信号を用いてプラントの運転を制御したと
きのプラントの運転状態を示す信号の特徴量の相関関係
を抽出する手段６００と、抽出された相関関係を示す情
報を記憶する手段５００と、プラントの運転状態変化指
令を受けると、少なくとも一部に相違がある、複数組の
動的制御信号の特徴量を生成する手段７１０と、複数組
の動的制御信号の各々について、それぞれ前記記憶され
ている相関関係を示す情報を用いて対応するプラントの
運転状態を示す信号の特徴量を求める手段６１０と、複
数組の動的制御信号について得られたプラントの運転状
態を示す信号の特徴量について、予め定めた評価基準に
したがって評価して、優良候補を選定して出力する手段
７２０〜７５０とを備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、プラント運転制御
支援システムに関し、特に、該プラントの動的特性に応
じたフィードフォワード制御信号を用いて所定のプロセ
ス量を所望の値に制御するプラント運転制御を支援する
ためのプラント運転制御支援システムに関する。

【０００２】

【従来の技術】火力発電プラントの制御では、主として
フィードバック制御とフィードフォワード制御とにより
蒸気温度変動を抑制している。特に、火力発電プラント
は、応答遅れが大きく、フィードフォワード制御が有効
な制御方法である。しかし、この制御方式において制御
信号を決定する制御パラメータは、従来、プラント運転
員が制御量の変動を観測しながら手動で調整している。
プラントの負荷変化の際には、プラントの非線形性や応
答時間遅れを補償するために動的（過渡）フィードフォ
ワード制御信号を用いている。例えば、燃料流量に対す
る動的フィードフォワード制御信号を決定する制御パラ
メータは、主蒸気温度等の観測結果から運転員の知識と
経験に基づいて運転員自身が調整している。

【０００３】動的フィードフォワード制御信号を調整す
る方法には、特開平６ー２２２８０８号公報、特開平７
ー４４２０５号公報などに記載される技術がある。これ
らの技術は、プラントの制御量の応答波形の特徴量に基
づいて動的フィードフォワード制御信号を調整するもの
である。

【０００４】

【発明が解決しようとする課題】しかし、前記従来技術
では、制御量の応答波形から抽出した特徴量に基づいて
制御信号を調整するが、調整ルールの構築方法について
は述べられていない。プラントは、その構成が同じであ
っても、規模や制御方式が異なると、制御信号と制御量
との関係も変化する。そのため、調整ルールも変更する
必要がある。しかし、従来の技術では、調整ルールの変
更についてまで考慮されていない。ところが、動的フィ
ードフォワード制御信号は、プラントの主要な制御量に
大きく影響するため、プラントの構成機器の損傷等の影
響を考慮すると、極めて重要な制御信号であるといえ
る。また、制御信号の調整は、運転員の知識と経験によ
るところが大きいが、制御方式やプラント構造は改良よ
って変化する。そのため、制御信号の調整は試行錯誤的
になり、適切な制御信号を決定する調整作業には長時間
を要し、調整が容易でないという問題があった。したが
って、この種の制御信号の調整が精度良く行なえること
が望まれている。

【０００５】本発明の目的は、制御信号の調整を支援
し、最適化する技術を提供することにある。より具体的
には、プラントの動特性に応じたフィードフォワード制
御信号を用いてプロセス量を目的の値に精度良く制御す
ることができるプラント運転制御支援システムを提供す
ることにある。

【０００６】

【課題を解決するための手段】上記目的を達成するた
め、本発明の第１の態様によれば、プラントの運転制御
を支援するプラント運転制御支援システムにおいて、プ
ラントをその動的特性に応じて制御するために用いる動
的制御信号の特徴量、および、この動的制御信号を用い
てプラントの運転を制御したときのプラントの運転状態
を示す信号の特徴量の相関関係を抽出する手段と、前記
抽出された相関関係を示す情報を記憶する手段と、プラ
ントの運転状態変化指令を受けると、少なくとも一部に
相違がある、複数組の動的制御信号の特徴量を生成する
手段と、前記複数組の動的制御信号の各々について、そ
れぞれ前記記憶されている相関関係を示す情報を用いて
対応するプラントの運転状態を示す信号の特徴量を求め
る手段と、前記複数組の動的制御信号について得られた
プラントの運転状態を示す信号の特徴量について、予め
定めた評価基準にしたがって評価して、優良候補を選定
して出力する手段とを備えることを特徴とするプラント
運転制御支援システムが提供される。

【０００７】ここで、動的制御信号の特徴量は、当該動
的制御信号の時系列変化を表わす複数の時系列データで
構成され、前記プラントの運転状態を示す信号の特徴量
は、前記動的制御信号の特徴量の時系列データに対応し
て、時系列データで構成されることができる。

【０００８】また、相関関係を抽出する手段は、ニュー
ラルネットワークを用い、動的制御信号の特徴量と、こ
の動的制御信号を用いてプラントの運転を制御したとき
のプラントの運転状態を示す信号の特徴量とを、学習用
の入力信号および教師信号として学習させることにより
相関関係を抽出するものとすることができる。一方、プ
ラントの運転状態を示す信号の特徴量を求める手段は、
前記学習させたニューラルネットワークを用いて、前記
複数組の動的制御信号の特徴量にそれぞれに対応するプ
ラントの運転状態を示す信号の特徴量を想起させて求め
るものとすることができる。

【０００９】複数組の動的制御信号の特徴量を生成する
手段は、基本となる動的制御信号の特徴量の一部を変更
することにより、他の動的制御信号に基づく特徴量を新
たに生成するものであり、そのために、遺伝的アルゴリ
ズムを利用することができる。

【００１０】また、本発明の第２の態様によれば、プラ
ントの運転制御を支援するプラント運転制御支援システ
ムにおいて、プラントをその動的特性に応じて制御する
ために用いる動的制御信号の特徴量、および、この動的
制御信号を用いてプラントの運転を制御したときのプラ
ントの運転状態を示す信号の特徴量の相関関係を抽出す
る手段と、前記抽出された相関関係を示す情報を記憶す
る手段と、前記動的制御信号の特徴量の少なくとも一部
を変更して、新たな動的制御信号の特徴量を生成する手
段と、前記複数組の動的制御信号の各々について、それ
ぞれ前記記憶されている相関関係を示す情報を用いて対
応するプラントの運転状態を示す信号の特徴量を求める
手段とを備えることを特徴とするプラント運転制御支援
システムが提供される。

【００１１】ここで、動的制御信号の波形を表示画面に
表示する手段と、前記表示されている動的制御信号の波
形の表示画面上での変形操作を受け付ける手段とをさら
に備えることができる。これにより、複数組の動的制御
信号の特徴量を生成する手段は、前記動的制御信号の波
形についての変形操作が受けられると、受け付けた波形
の変形に対応して、基になった特徴量の一部が変更され
た新たな特徴量を生成する構成とすることができる。ま
た、動的制御信号の特徴量に変更があった場合、変更前
の値と変更後の値を表示する手段をさらに備えることが
できる。

【００１２】さたに、本実施の態様は、プラントの運転
状態を示す信号の特徴量の推定値を表示する手段をさら
に備えることができる。そして、動的制御信号の特徴量
に変更があった場合、前記プラントの運転状態を示す信
号の特徴量を求める手段は、前記学習させたニューラル
ネットワークを用いて、前記変更された特徴量を含む動
的制御信号の特徴量に対応するプラントの運転状態を示
す信号の特徴量を想起させて推定し、前記推定値を表示
する手段は、前記推定された特徴量を表示画面に表示す
ることができる。

【００１３】また、本発明のより具体的なシステムとし
て、燃料を燃焼させて生じる燃焼ガスと供給水とを熱交
換して供給水を蒸発させる蒸気発生手段と、該蒸気発生
手段で蒸発した蒸気を前記燃焼ガスと熱交換して昇温す
る過熱器と、該過熱蒸気により駆動する第１の蒸気ター
ビンとを少なくとも備えたプラントであって、前記プラ
ントの負荷変化時に該プラントの動的特性に応じたフィ
ードフォワード制御信号またはフィードバック制御信号
の少なくとも一方を用いて所定のプロセス量を所望の値
に制御する火力発電プラント運転制御支援システムにお
いて、前記フィードフォワード制御信号またはフィード
バック制御信号の値、または、該信号の生成回路の制御
パラメータ値と、それらに対応した制御量のプロセスデ
ータの特徴量とを記憶する手段と、該記憶手段に蓄積し
た情報から前記制御信号値または前記制御パラメータ値
と前記プロセスデータの特徴量との関係を抽出する相関
関係抽出手段と、該相関関係抽出手段で求めた関係を表
示する手段を具備することを特徴とするプラント運転制
御支援システムが提供される。

【００１４】

【発明の実施の形態】以下、本発明の実施の形態につい
て説明する。まず、本実施の形態のプラント運転制御支
援システムが適用されて制御される対象について説明
し、ついで、本発明の各実施の形態について説明する。

【００１５】対象とする火力発電プラント１００の基本
構成を図２に示す。図２において、ボイラ１５０におい
て、燃料と空気をバーナー１６０に供給して燃焼させ、
給水ポンプ１４０により循環する供給水を蒸発させる。
さらに、昇温して過熱状態となった蒸気を、タービン加
減弁１２１を介して高圧タービン１３０に導いて、高圧
タービン１３０を駆動する。高圧タービン１３０を通過
した蒸気を、ボイラ１５０で再び昇温して、低圧タービ
ン１２０に導く。高圧タービン１３０および低圧タービ
ン１２０の回転により発電機１１０で電力を発生させ
る。なお、以降、高圧タービン１３０の入口の蒸気を主
蒸気、低圧タービン１２０の入口の蒸気を再熱蒸気と称
する。

【００１６】火力発電プラントには、上記構成機器の他
にもタービンを駆動後の蒸気を冷却して復水する復水器
や、燃焼排ガス処理装置などの機器もあるが、ここでは
説明を省略する。

【００１７】プラント１００の運転状態は、発電機出力
計測器１１１、主蒸気温度測定器１２２、主蒸気圧力測
定器１２３、再熱蒸気温度測定器１２４等のデータ測定
装置で計測され、運転制御装置３００へ伝送される。運
転制御装置３００は、これらのプロセスデータを基にし
て、プラントの運転状態を把握し、プラントが望ましい
状態になるように燃料流量調節弁１６２、空気流量調節
弁１６１、タービン加減弁１２１、給水ポンプ１４０な
どの機器を制御している。

【００１８】本発明が適用される制御対象では、石油や
ガスなどの燃料の種類は問わない。ただし、石炭を燃料
とする場合は、石炭を粉砕する微粉炭機を制御して燃料
流量を調整することになる。

【００１９】ボイラ１５０は、例えば、図３に示すよう
な構造を有している。すなわち、ボイラ１５０内には、
蒸気発生および蒸気昇温のための熱交換器である節炭器
１５１、火炉水壁１５２、蒸発器１５３、１次過熱器１
５４、２次過熱器１５５、３次過熱器１５６、４次過熱
器１５７、１次再熱器１５８、および、２次再熱器１５
９が、図３に示す位置に配置されている。また、１次再
熱器１５８と１次過熱器１５４とは隔壁で隔てられてお
り、それぞれの側に流れる燃焼ガス流量の配分比率を調
整するガス分配ダンパ１７０が設けられている。

【００２０】各熱交換器内を流れる水または蒸気の流れ
の順序は、図４に示す通りである。すなわち、給水ポン
プからの給水される水が、節炭器１５１、火炉水壁１５
２、蒸発器１５３、１次加熱器１５４、２次加熱器１５
５、３次加熱器１５６、４次加熱器１５７、タービン加
減弁１２１、高圧タービン１３０、１次再熱器１５８、
２次再熱器１５９および低圧タービン１２０の順で流れ
る。

【００２１】次に、火力発電プラント１００の制御方法
を図５を参照して説明する。図５に示すように、本実施
の形態では、火力発電プラント１００に対して、運転制
御装置３００が設置されると共に、プロセスデータを計
測するプロセスデータ計測装置（発電機出力計測器１１
１、主蒸気温度測定器１２２、主蒸気圧力測定器１２
３、再熱蒸気温度測定器１２４等）２００とが設置され
る。

【００２２】運転制御装置３００は、プロセスデータ計
測装置２００による計測結果を用いて、運転制御を行
う。すなわち、運転制御装置３００は、要求される負荷
指令を満足するように、燃料流量調整弁１６２、給水ポ
ンプ１４０、タービン加減弁１２１などを操作し、主蒸
気温度２０２、主蒸気圧力２０４、再熱蒸気温度２０３
などを制御する。ところで、負荷変化時に、これらの制
御量が目標値（設定値）５１２〜５１４から大幅に変動
すると、タービンなどの機器に損傷を与えるため、制御
量の変動は極力小さくする必要がある。しかし、火力発
電プラントは、時定数が数分から数十分と大きく、ボイ
ラ出力の制御は容易ではない。

【００２３】運転制御装置３００の制御方式は、制御偏
差のＰＩ（比例・積分）演算器５３７〜５４０に基づい
て操作量を決定するＦＢＣ（フィードバック制御）制御
器と、負荷指令値に基づくＦＦＣ（フィードフォワード
制御）制御器とを備えたボイラ・タービン協調制御方式
である。ここで、ＦＦＣは、静的ＦＦＣ制御器５３１〜
５３３と、動的ＦＦＣ制御器５３４〜５３６とに大別さ
れる。静的ＦＦＣは、負荷指令値５２０に見あったボイ
ラ出力を得るために必要な入力量（燃料流量、給水流量
など）を決定する。動的ＦＦＣは、流体の流動遅れや伝
熱遅れを補正するための入力量を決定する。なお、動的
ＦＦＣにより決定されるボイラ入力量指令を、以降、Ｂ
ＩＲ（Boiler Input Regulation）と称することにす
る。

【００２４】次に、ＢＩＲの必要性とプラントの特性に
ついて説明する。

【００２５】例えば、負荷上げ時には、タービンに供給
する蒸気流量を増加させるため、ボイラへの給水流量を
増加させる。同時に、燃料流量も給水流量の増加に見あ
った分増加させるが、上流側（節炭器１５１側）に位置
する蒸気管では、燃料の燃焼による伝熱速度が給水の流
動速度に比べて遅いために、蒸気エンタルピは過渡的に
低下する。一方、下流側（再熱器１５８、１５９側）の
蒸気管では、給水流量増加後すぐにはエンタルピの低下
は起こらず、むしろ燃料流量増加による燃焼ガス温度上
昇のため蒸気のエンタルピは上昇する。したがって、燃
料ＢＩＲとガス分配ダンパＢＩＲが無い場合（静的ＦＦ
Ｃのみの場合）、負荷上げ時の各熱交換器出口蒸気温度
の応答は、負荷変化条件によって一様ではないが、概し
て、一旦上昇した後下降し、負荷変化終了後に目標値に
整定する特性を示す。

【００２６】そこで、上流側で生じる過渡的な蒸気エン
タルピの低下を補うため、過渡的に燃料流量を増加さ
せ、燃焼ガス温度を上昇させる必要がある。この過渡的
に必要となる燃料流量を決定する制御信号が燃料ＢＩＲ
である。

【００２７】また、主蒸気側と再熱蒸気側の熱吸収量の
割合を適性に保つ役割を担うのが、ガス分配ダンパ１７
０である。ガス分配ダンパ１７０は、負荷上げ時には、
燃焼ガスを蒸気管下流に位置する再熱器側から、蒸気管
上流に位置する蒸発器１５３、１次過熱器１５４側に配
分し、蒸気管の上／下流部間におけるエンタルピの片寄
りを補正する。この片寄りを補正するため、燃焼ガス流
量の分配比率を決定する制御信号がガス分配ダンパＢＩ
Ｒである。

【００２８】負荷上昇時の燃料に関する静的ＦＦＣ信号
と動的ＦＦＣ信号（燃料ＢＩＲ）の関係を図６に示す。
負荷指令５２０が、図６（ａ）に示すように、ランプ状
に変化する場合に、静的ＦＦＣ信号５３２は、同図
（ｂ）に示すように、負荷変化に見あう量の燃料増加を
指示する。これに対して、燃料ＢＩＲ５３５は、同図
（ｃ）に示すように、負荷変化開始から負荷変化終了後
以降の時間帯でプラントの動的特性に応じた燃料増加を
指示する。最終的な燃料流量に対する制御指令５５３
は、静的ＦＦＣ信号と燃料ＢＩＲとを加算したものとな
る。

【００２９】本実施の形態では、主蒸気温度、再熱蒸気
温度および主蒸気圧力の変動抑制を目的に、燃料流量、
給水流量およびガス分配ダンパを制御するためのＢＩＲ
（それぞれ燃料ＢＩＲ、給水ＢＩＲ、ガス分配ダンパＢ
ＩＲと称する）を調整する。

【００３０】図１に、本発明の制御装置による制御が適
用されるプラントの全体のシステム構成の概要を示す。

【００３１】火力発電プラントは、ボイラやタービン等
の機器で構成されるプラント本体１００と、それらを制
御する運転制御装置３００とに大別される。また、プラ
ント本体１００を制御するためには、まずプラントの状
態を把握する必要がある。そのために、蒸気温度、蒸気
圧力などの各種プロセスデータ２１０をプロセスデータ
計測装置２００を用いて計測している。プロセスデータ
計測装置２００は、計測したデータのうち必要な情報２
２０を運転制御装置３００に送る他、所有するデータ記
憶装置５００にデータを蓄積する。運転制御装置３００
は、プラントの状態を把握した上で、負荷変化等の運転
条件に応じてプラント構成機器の制御信号３１０を作成
して、プラント本体１００を制御する。

【００３２】制御方式としては、フィードバック制御と
フィードフォワード制御とを共に用いている。フィード
フォワード制御には、プラントの負荷変化に応じた静的
特性に基づく制御（静的フィードフォワード制御：以降
ＢＩＤと称する）信号と、プラントの応答時間遅れや非
線形特性に対応するための動的制御（動的フィードフォ
ワード制御：前記ＢＩＲ）とがある。ＢＩＤ信号は、プ
ラントの静特性により定まる量であり、比較的容易に決
定することができる。これに対して、ＢＩＲ信号は、プ
ラントの動特性に関り、負荷変化率や負荷変化幅などの
負荷変化条件によっても異なるため、このＢＩＲ信号を
適切に決定することは難しい。

【００３３】しかし、従来は、調整員または運転員がプ
ロセスデータを監視しながら、試行錯誤的にＢＩＲ信号
を調整していたため、運転員の知識や経験にＢＩＲ信号
の良否すなわち制御精度が依存していた。ところが、Ｂ
ＩＲ信号の良否は、プラントの主要な制御量に大きく影
響するため、プラントの構成機器の損傷等の影響を考慮
すると、極めて重要な制御信号であるといえる。そこ
で、本発明では、ＢＩＲ信号の調整を支援し、最適化す
る技術を提供する。

【００３４】運転制御装置３００は、図１に示すよう
に、プラント制御装置３２０と、ＢＩＲ自動調整装置３
３０から構成されている。プラント制御装置３２０は、
図５に示すような、制御機能を実現する装置であり、制
御信号を大量の火力プラント１００に送る他、ＢＩＲ自
動調整装置３３０にも渡している。そして、ＢＩＲ自動
調整装置３３０での調整結果を受けて、それを反映して
制御を行う。

【００３５】本実施の形態および後述する他の実施の形
態では、基本的には、図１０に示すようなシステム構成
を採っている。すなわち、火力発電プラント１００、デ
ータ計測装置２００、プラント運転制御装置３００およ
びデータ記憶装置５００のそれぞれが、プラントネット
ワーク３５０に接続され、相互に信号やデータの通信が
可能となっている。また、図１０に示すように、プラン
トネットワーク３５０には、モニタシステムとして、コ
ンピュータ９００が接続されている。このコンピュータ
９００により、運転制御装置３００とは別に、制御シス
テムの状態を監視することができる。

【００３６】運転制御装置３００は、図９に示すよう
に、情報処理装置本体３０１と、それに接続される入力
装置３０５と、表示装置３０６と、ハードディスク装置
３０７とで構成される。また、情報処理装置本体３０１
には、データ記憶装置５００が接続される。情報処理装
置本体３０１は、演算等の処理を実行する演算部３０２
と、プログラム、データ等を格納する記憶部３０３と、
インタフェースＩＦとを有する。入力装置３０５として
は、例えば、キーボード３０５ａ、マウス３０５ｂが用
いられる。

【００３７】本実施の形態では、運転制御装置３００内
に、プラント制御装置３２０とＢＩＲ自動調整装置３３
０とを同一の情報処理装置により構成している。したが
って、記憶部３０３には、プラントを制御するためのプ
ログラム、および、ＢＩＲ自動調整を行なうためのアル
ゴリズムを実現するプログラム、および、それらに必要
な各種制御パラメータが格納される。これにより、情報
処理装置本体３０１において、各種データの処理、ニュ
ーラルネットワークの構築、学習、想起等の各種処理が
実現される。

【００３８】これらのプログラムおよびデータと、その
他の処理プログラム等は、ハードディスク装置３０７に
インストールしておく。インストールは、例えば、光磁
気ディスク、ＣＤ−ＲＯＭ等の記憶媒体に格納されてい
るものを、それぞれ対応する読取装置（図示せず）を介
して取り込むことによって行なうことができる。また、
アルゴリズム実行のために利用するニューラルネットワ
ーク等の構成データについても、ハードディスク装置３
０７に格納しておく。なお、これを、さらに、データ記
憶装置５００に格納するようにしてもよい。

【００３９】なお、プラント制御装置３２０とＢＩＲ自
動調整装置３３０とを別のハードウエア資源で構成する
こともできる。例えば、ＢＩＲ自動調整装置３３０をコ
ンピュータ９００によって実現するようにしてもよい。
また、プラント制御装置３２０をハードウエアロジック
回路により構成してもよい。

【００４０】コンピュータ９００は、図１０に示すよう
に、表示装置９１０、本体（ハードディスク、ＣＰＵ
等）９２０、キーボード９３０、マウス９４０、光磁気
ディスク装置９５０を備えて構成されている。

【００４１】次に、プラント制御装置３２０におけるフ
ィードフォワード信号の生成について説明する。フィー
ドフォワード制御信号は、基本的には、負荷変化指令値
に基づいて生成される。ここで、ＢＩＲ信号の場合は、
ＢＩＲ自動調整装置３３０において調整されたＢＩＲ信
号が用いられる。なお、例えば、図１４に示す機能構成
の回路によって生成することもできる。これらの機能
は、ソフトウエアで実現しても、また、ハードウエアロ
ジック回路で実現してもよい。ＢＩＲ信号は、負荷変化
指令値の微分を求め（３２０１）、この微分値に上下限
値の制限（３２０２）と、変化率の制限（３２０３）と
を施す。一方、負荷変化指令値の関数を求め（３２０
４）、この関数値を前記変化率制限を受けた微分値に乗
じて（３２０５）、ＢＩＲ信号を作成する。なお、微分
条件、上下限設定値、変化率設定値、関数などの制御パ
ラメータを特徴量として用いても良い。

【００４２】次に、ＢＩＲ自動調整装置３３０が実現す
る各種機能について説明する。なお、このＢＩＲ自動調
整装置３３０は、上述したように、図９に示す情報処理
システムによって各種機能が実現される。この各種機能
としては、図１に示すように、徴量抽出機能４００、相
関関係抽出機能６００およびＢＩＲ修正機能７００があ
る。

【００４３】特徴量抽出機能４００は、プロセスデータ
計測装置２００から必要なプロセスデータ２２０をネッ
トワーク回線３５０を介して受け取り、また、プラント
制御装置３２０から、負荷変化指令信号、プロセスデー
タ目標値および動的ＦＦＣ制御（ＢＩＲ）信号３１０
を、記憶部３０３またはハードディスク装置３０７を介
して受け取り、受け取ったそれぞれのデータまたは制御
信号波形について、それらの特徴量を抽出する。抽出さ
れた特徴量は、ネットワーク回線３５０を介してデータ
記憶装置５００に送られて、一旦、保存される。

【００４４】次に、相関関係抽出機能６００によって、
負荷変化指令信号とＦＦＣ制御信号３１０の特徴量６２
０と、各プロセスデータ２１０の特徴量６４０との関係
を抽出する。この相関関係抽出機能６００の実行に際し
ては、後述するように、ニューラルネットワークが用い
られる。

【００４５】ＢＩＲ修正機能７００では、相関関係抽出
機能６００で抽出された関係に基づいて、ニューラルネ
ットワーク６１０により、制御精度がより高いＢＩＲ信
号を探索する。探索した結果は、プラント制御装置３２
０へ送られて、次回のＢＩＲ信号となる。ここで、制御
精度がより高いＢＩＲ信号の探索には、遺伝的アルゴリ
ズムが利用される。

【００４６】次に、ＢＩＲ自動調整装置３３０の機能に
ついて、さらに具体的に説明する。

【００４７】特徴量抽出機能４００では、主蒸気温度、
再熱蒸気温度、主蒸気圧力の時系列データと、それぞれ
に対する目標とを受け取り、各プロセスデータと目標値
との偏差量を計算する。この各プロセスデータの偏差
量、負荷変化信号および燃料ＢＩＲ信号、ガス分配ダン
パＢＩＲ信号、給水ＢＩＲ信号のそれぞれの波形から、
図７に示す特徴量１〜特徴量２５を抽出する。

【００４８】特徴量１〜特徴量４は、それぞれ、負荷変
化開始時の負荷値（MW）、終了時の負荷値（MW）、負荷
変化幅（MW）、負荷変化率（MW／分）である。

【００４９】また、特徴量５〜７は、燃料ＢＩＲ信号波
形の特徴量で、それぞれ信号投入時間τf1，抜取り時間
τf2，ＢＩＲ波形高さ絶対値Kfである。図７には負荷上
げの場合を示したが、負荷下げの場合も同様である。同
様に、特徴量８〜特徴量１０、特徴量１１〜特徴量１３
は、それぞれガス分配ダンパＢＩＲ信号波形、給水ＢＩ
Ｒ信号波形に対する特徴量である。

【００５０】特徴量１４〜特徴量１７は、主蒸気温度偏
差に対する特徴量である。負荷変化中の時間帯t0〜t1
と、負荷変化後蒸気温度が整定するまでの時間帯t1〜t2
とで、それぞれ最大値と最小値を特徴量としている。同
様に、特徴量１８〜特徴量２１、特徴量２２〜特徴量２
５は、それぞれ再熱蒸気温度偏差および主蒸気圧力偏差
に対する特徴量である。

【００５１】これらの特徴量１〜特徴量２５は、日付や
時間などの管理データとセットにして、データ記憶装置
５００に保存される。

【００５２】試運転時または定期検査時には、ＢＩＲ信
号等の制御信号または制御信号を生成するパラメータを
調整する。その調整過程の制御信号とプラントの応答波
形との関係を特徴量として蓄積する。

【００５３】同じ機器構成であってもプラントの特性は
全く同じではなく、また、制御方式が異なる場合にもプ
ラント特性は異なる。そのため、運転員は、対象プラン
ト毎に、試行錯誤的に最適な制御信号を求めていく作業
（調整）がある程度必要である。調整作業に要する時間
や、最終的な制御信号の良否は、運転員の知識と経験に
依存する場合が多い。そこで、本発明では、制御信号と
それが対象とする制御量（制御対象プロセス量）との関
係を抽出することにより、調整作業を支援する。

【００５４】相関関係抽出機能６００は、生物の神経回
路網を計算機上に模擬したニューラルネットワークで実
行される。すなわち、上述したように、情報処理装置本
体３０１上に、ニューラルネットワークを構築して利用
する。相関関係の抽出には、ニューラルネットワークの
学習能力を利用している。本実施の形態で用いるニュー
ラルネットワーク６１０は、３層のラメルハート形であ
り、入力層は特徴量１〜特徴量１３を入力する１３個の
ニューロンを備えており、出力層には特徴量１４〜特徴
量２５に対応する１２個のニューロンを持っている。

【００５５】学習には、バックプロパゲーション法を用
いている。特徴量１〜特徴量１３を入力信号６２０とし
てネットワーク６１０に入力し、出力層から出力される
値６３０と、特徴量１４〜特徴量２５からなる教師信号
６４０とを比較し、その差が小さくなるようにニューラ
ルネットワーク６１０の各ニューロン間に設定された重
み係数を修正する。データ記憶装置５００に蓄積した、
複数の特徴量の組合せについて、ニューラルネットワー
ク６１０に学習させ、入力信号６２０と教師信号６４０
との関係をニューラルネットワーク６１０におけるニュ
ーロンの結合の重み係数として抽出する。本学習方法
は、「The MIT Press, Neurocomputing Foundations of
Research, 1988, pp318〜362」に詳細に記載されてい
る。

【００５６】ニューラルネットワーク６１０の学習およ
び想起は、具体的には、例えば、図１１に示すように行
なう。すなわち、まず、演算部３０２は、処理が学習か
想起かの区別を行なって（ステップ１００１）、学習の
場合には、ステップ１００２に進み、想起の場合には、
ステップ１０２１に進む。

【００５７】学習の場合、まず、重み係数選択が新規か
を調べ（ステップ１００２）、新規選択であれば、重み
係数を新たに発生させる（ステップ１００３）。一方、
新規選択でなければ、重み係数初期値の読み込みを起動
する（ステップ１００４）。重み係数は、ニューラルネ
ットワーク６１０を構築する際に設定され、記憶部３０
３またはハードディスク装置３０７に格納されているも
のを読み出す。新たに選択された場合には、重み係数を
定義して、初期値を与える。次に、データの読み込みを
行なう。入力値として特徴量１〜１３、出力値として特
徴量１４〜２５をそれぞれデータ記憶装置５００から読
み込む（ステップ１００５）。そして、入力値を入力層
のニューロンに入力して、各ノードについての出力値を
与えられた重み係数を用いて計算する（ステップ１００
６）。出力層ノードに出力値が得られるまで計算して
（ステップ１００７）、出力層に出力値が得られると、
出力値と比較してその偏差が一定の大きさを超えている
場合には、上述したバックプロパゲーションによる重み
係数について、前記偏差を小さくするように再計算して
修正する（ステップ１００８）。そして、与えられた特
徴量のセットについて、想起の結果と出力値（教師信
号）との偏差が予め定めた一定の偏差より小さくなるま
で、ステップ１００６〜１００９までの処理を繰り返す
（ステップ１００９）。

【００５８】このようにして、特徴量１〜１３について
の学習が終了したら、さらに別のデータを入力して、上
記学習を繰り返す（ステップ１００５〜１０１０）。そ
して、予め定めた特徴量のデータセット、例えば、２セ
ット分の学習が終わると、重み係数を格納した重み係数
ファイルを出力する（ステップ１０１１）。この重み係
数ファイルは、記憶部３０３からハードディスク装置３
０７に送られて保存される。なお、重み係数ファイルを
データ記憶装置５００に記憶させてもよい。

【００５９】次に、ニューラルネットワーク６１０を、
想起に用いる場合について説明する。この場合には、ニ
ューラルネットワークが起動されると、保存されている
重み係数ファイルから重み係数を読み出す（ステップ１
０２１）。ついで、出力値を想起させるべきデータを、
例えば、データ記憶装置５００から読み込んで、入力層
の各ノードに入力する（ステップ１０２２）。そして、
入力されたデータについて、各ノードにおいて重み係数
を用いた計算を実行する（ステップ１０２３）。そし
て、出力ノードに出力値が得られると（ステップ１０２
４）、その結果を出力して、想起を終了する。

【００６０】次に、ＢＩＲ修正機能７００では、相関関
係抽出機能６００で学習した関係に基づいて望ましいＢ
ＩＲ信号波形を探索する。探索の方法には、生物の進化
の過程を模擬した最適化方法である遺伝的アルゴリズム
（Genetic Algorithm：以後、ＧＡと略称する）を用い
ている。

【００６１】ＧＡを用いた探索方法の手順について、図
１および図１２を参照して説明する。この探索は、情報
処理装置本体３０１において、図１２のフローチャート
に示す手順にしたがって実行される。

【００６２】（１）初期個体生成 ある負荷変化条件に対する特徴量１〜特徴量１３の組合
せを基準個体とする。乱数発生により基準個体の各特徴
量値から±３０％以内で特徴量を変動させ、異なる個体
を複数個作成し初期個体群７１０とする（ステップ２０
０１、２００２）。ただし、特徴量１〜特徴量４は、負
荷変化条件に対応しているので、変更しないものとす
る。

【００６３】（２）評価値算出 前記（１）で作成した各個体について、特徴量を学習済
みのニューラルネットワーク６１０に入力して出力値を
想起させる（ステップ２００３）。ニューラルネットワ
ーク６１０における想起については上述した通りであ
る。出力値は、蒸気温度および蒸気圧力の目標値に対す
る偏差量に相当している。図７に示した偏差特徴量に対
応するそれぞれの出力値を用いて、評価値Ｊを式(1)〜
(3)で定義する。

【００６４】

【数１】

【００６５】評価値は、各個体について計算する（ステ
ップ２００４、２００５）。

【００６６】（３）評価値比較 評価値比較機能７３０では、最も評価値が小さい個体、
すなわち、目標値に対する偏差が最も小さい個体をその
まま残す（ステップ２００６）。評価値が大きい順にい
くつかの個体は削除し、全体の個体数が同じになるよう
に、削除した個体の数だけ評価値が小さい個体を増殖さ
る（ステップ２００７）。

【００６７】（４）終了判定 次に、終了条件判定機能７４０では、最小の評価値Ｊmi
nが目標値Ｊ0よりも小さくなった場合に終了とする（ス
テップ２００８）。繰返し回数に対する最小評価値Ｊmi
nの変化の一例を図８に示す。そうでない場合は、次の
個体変更機能７５０へ進む。

【００６８】終了条件を満足した場合は、最小評価値Ｊ
minをもつ個体を構成する各特徴量を最適解とし、プラ
ント制御装置３２０へ送る（ステップ２０１０）。プラ
ント制御装置３２０では、次回から送られた特徴量も持
つようなＢＩＲ制御信号を出力するようにする。

【００６９】（５）個体変更 個体変更機能７５０では、個体群の中で最小の評価値を
もつ個体以外の個体について、部分的に特徴量を入れ替
えたり、特徴量を任意に変更したりする（ステップ２０
０９）。いくつかの個体を変更し、（２）、すなわち、
ステップ２００３に戻る。

【００７０】以上の操作を繰り返しながら、評価値Ｊが
小さい優良個体を求める。

【００７１】ＧＡは生物が交配や突然変異を繰り返しな
がら、自然淘汰により優良種が残っていく過程を模擬し
たもので、初期個体作成方法、終了判定方法、個体変更
方法などは上記の方法だけに限定されるものではない。
例えば、終了判定方法に関する上記方法では、必ずしも
目標値Ｊ0に到達するとは限らないため、次のような方
法も考えられる。図８に示したように、最小評価値Ｊmi
nは個体変更の繰り返しと共に低下する。

【００７２】Ｊ0は個体の変更毎に必ずしも低下しない
ので、数回の個体変更に対して最小評価値Ｊminの平均
変化率を計算し、この平均変化率に対して目標値（設定
値）を設けて、目標値以下になったら終了とする。この
時、最小評価値Ｊminの個体についてその特徴量と、そ
れらをニューラルネットワーク６１０へ入力した時の出
力値を表示しても良い。運転員は評価値が小さくなるの
は、どのような制御信号であるかを逐次確認でき、制御
信号の調整方針を決定する際に参考になる。

【００７３】本例では、フィードフォワード制御信号を
調整対象にしているが、フィードバック制御コントロー
ラに設定したゲイン、時定数、むだ時間などの制御パラ
メータを特徴量として用いれば、フィードバック制御信
号の調整にも適用できる。

【００７４】図１３に、表示装置における本実施の形態
での画面表示例を示す。図１３の表示画面３０６０に
は、画面上部に、帯状に、メニュー、探索一時停止、お
よび、探索中止の各指示部３０６１が配置されている。
また、表示画面３０６０の左上部には、探索回数１２３
回における繰返し回数に対する最小評価値Ｊminの変化
のグラフが表示されている。これにより、最小表価値Ｊ
minの変化傾向を目で見て確認することができる。ま
た、表示画面３０６０の右上部３０６３には、主蒸気温
度偏差（ＭＴ）、再熱蒸気温度偏差（ＲＴ）および主蒸
気圧力偏差（ＭＰ）に関し、図７に示した特徴量１４か
ら２５の推定値の一覧表を表示している。さらに、表示
画面下部３０６４には、負荷変化条件と、燃料ＢＩＲ、
ガス分配ＢＩＲ、給水ＢＩＲの各値が一覧表示されてい
る。これらの表示により、プラントの制御状態を一覧す
ることができ、運転が好ましく行なわれているか否かを
容易に確認することができる。

【００７５】次に、本発明の第２の実施の形態につい
て、図１５を用いて説明する。本実施の形態における対
象プラントは、前記第１の実施の形態と同じである。異
なる点は、相関関係抽出機能６００により得られた関係
に基づいて、ＢＩＲ制御信号を変化させた場合のプラン
トの応答を予測し、その結果を表示することにより運転
員の調整を支援することである。したがって、以下で
は、相違点を中心として説明する。

【００７６】相関関係抽出機能６００までの処理は、前
記第１の実施の形態と同じである。ＢＩＲ制御信号の調
整をする場合には、プラント応答予測手段８００にデー
タ記憶装置５００から調整したい負荷変化条件の特徴量
を読み込む。

【００７７】学習済みのニューラルネットワーク６１０
に、読み込んだ負荷変化条件８１０、ＢＩＲ制御信号波
形の特徴量を入力するが、その際に、調整したい制御信
号（負荷変化条件は除く）の特徴量８１１〜８１３を変
更する。運転員が望ましいと考える制御信号に近い特徴
量を入力すれば、ニューラルネットワーク６１０の出力
値８２０として、プラントの応答波形に対する特徴量を
予測できる。

【００７８】図１５に示すように、特徴量８１１〜８１
３の変更を数点に渡って入力すれば、それに応じた特徴
量の変化が予測できる。予測結果８２０は、表示画面９
１０に出力されて、運転員が参照することができる。

【００７９】従って、運転員は制御信号を変化させた場
合に、定性的または定量的にプロセスデータの変化を確
認することができ、調整作業の支援となる。

【００８０】上述した第１および第２の実施の形態で
は、相関関係抽出機能６００にはニューラルネットワー
クを用いている。そして、その学習に際して、入力信号
と教師信号には、制御信号および制御量波形の特徴量を
用いている。しかし、本発明はこの方法に限定されるも
のではない。例えば、制御信号（負荷変化指令、各種Ｂ
ＩＲ）の時系列データを入力信号として、教師信号とし
て制御量（主蒸気温度、再熱蒸気温度、主蒸気圧力）偏
差量の時系列データを用いて学習してもよい。また、教
師信号は、必ずしも目標値からの偏差量である必要はな
く、制御量の時系列データそのものを用いてもよい。

【００８１】次に、本発明の第３の実施の形態につい
て、図１６および図１７を参照して説明する。

【００８２】本実施の形態は、相関関係抽出機能６００
とＢＩＲ修正機能７００の各機能の働きが、前述した第
１の実施の形態および第２の実施の形態と異なってい
る。すなわち、前記第１および第２の形態においては、
負荷変化指令および各種ＢＩＲ信号波形の特徴量と、蒸
気温度および圧力の目標値からの偏差との関係を抽出し
ている。しかし、本実施の形態では、負荷変化指令およ
び各種ＢＩＲ信号波形を時系列データとして入力し、各
時刻における蒸気（主蒸気・再熱蒸気）温度および主蒸
気圧力の目標値からの偏差を時系列で出力するようにし
ている。すなわち、蒸気温度偏差および圧力偏差の時間
的変化を学習することができる。

【００８３】入力値は、時系列データを時間間隔５秒で
サンプリングして用いる。負荷変化指令および各ＢＩＲ
データに対して、それぞれサンプリング時間ステップ
ｋ、（ｋ−１）、…（ｋ−４）における５点を１セット
として入力することにより、プロセスの動特性を含めて
相関関係を抽出することができる。図１６に、これらの
関係を示す。なお、サンプリングの間隔、入力に用いる
データ点数は、本例の限りではなく、プロセス特性によ
って変更が可能である。

【００８４】ニューラルネットワーク６１０の学習方法
は、前述した第１の実施の形態と同じである。なお、本
実施の形態では、蒸気温度偏差および圧力偏差を出力と
しているが、蒸気温度および圧力などのプロセス量その
ものを用いてもよい。

【００８５】また、入力量（負荷変化指令と各種ＢＩＲ
信号波形）と、出力量である主蒸気温度（偏差）、再熱
蒸気温度（偏差）、主蒸気圧力（偏差）との相関関係
を、それぞれ独立に求めてもよい。

【００８６】ＢＩＲ修正機能７００では、前記第１の実
施の形態と個体の構成と評価方法が異なる。図１７に示
すように、サンプリングデータ点数と等しい要素数を持
つ基本個体があり、負荷変化指令および各ＢＩＲ信号に
相当する数だけ集合したものを一つの個体とする。負荷
変化指令信号は、交差・変異により変更しないものとす
る。なお、個体間の交差は、同一種類のＢＩＲ信号に相
当する基本個体間でのみ実施する。また、評価値Ｊ’
は、次式で定義する。

【００８７】

【数２】

【００８８】ここで、ＭＳref(k)、ＲＳref(k)およびＭ
Ｐref(k)は、それぞれ主蒸気温度、再熱蒸気温度、主蒸
気圧力に対するサンプリング時間ステップｋにおける目
標値である。（ＭＳout(k)、ＲＳout(k)およびＭＰout
(k)は、それぞれサンプリング時間ｋにおけるニューラ
ルネットワーク（学習済み）６１０の出力値である。ま
た、ΔＭＳmax、ΔＲＳmaxおよびΔＭＰmaxは、それぞ
れ（ＭＳout(k)−ＭＳref(k)）、（ＲＳout(k)−ＲＳre
f(k)）および（ＭＰout(k)−ＭＰref(k)）の各最大値、
であり、ΔＭＳmin、ΔＲＳminおよびΔＭＰminは、そ
れぞれそれらの最小値である。ただし、これらは、式
（７）から式（１２）の条件を満たすものとする。

【００８９】

【数３】

【００９０】また、Ｐ’、Ｑ’、ｋ１’、ｋ２’、ｋ
３’、ｋ４’、ｋ５’、ｋ６’、ｋ７’、ｋ８’、ｋ
９’は、定数である。

【００９１】その他、遺伝的アルゴリズムによる探索方
法は、前記第１の実施の形態と同様である。

【００９２】次に、本発明の第４の実施の形態について
説明する。本実施の形態は、前記第２の実施の形態と同
様に、オペレータのＢＩＲ信号調整作業を支援するもの
である。

【００９３】本実施の形態では、前述した第３の実施の
形態において示した相関関係抽出機能６００の方式によ
り、ニューラルネットワーク６１０に、負荷変化指令お
よび燃料ＢＩＲ、ガス分配ダンパＢＩＲ、給水ＢＩＲの
変化と、主蒸気温度、再熱蒸気温度、主蒸気圧力の変化
とを時系列的に学習させる。この関係を用いて、各ＢＩ
Ｒを変更した場合のプラントの特性を予測することが可
能である。すなわち、任意のＢＩＲ信号波形の形状を変
更した後、所定の間隔でサンプリングした時系列データ
に変換し、学習済みのニューラルネットワーク６１０に
入力する。これにより、その時に得られる出力値が、蒸
気温度および圧力の時間的変化の予測値となる。

【００９４】図１８に、本実施の形態における操作画面
例を示す。図１８に示す表示画面３０６０の基本的な画
面レイアウトは、図１３に示しが表示画面の例と同様に
なっている。すなわち、図１８の表示画面３０６０に
は、画面上部に、帯状に、メニュー、燃料ＢＩＲ、ダン
パＢＩＲ、給水ＢＩＲおよび効果予測の各指示部３０６
１が配置されている。また、表示画面３０６０の左上部
（グラフエリア）３０６２には、前記指示部３０６１に
おいて選択指示されたＢＩＲの時間変化のグラフが、負
荷変化指令のグラフと共に表示される。このグラフは、
後述するように、入力装置からの操作指示により変更が
可能である。それによって、制御量を変更し得る。ま
た、表示画面３０６０の右上部（数値エリア）３０６３
には、前記選択されたＢＩＲに関する初期値と変更後の
値とを一定時間間隔で表形式に表示している。これによ
り、値が容易に読み取れる。さらに、表示画面の下部
（予測値エリア）３０６４には、負荷変化指令と、これ
に対応する、主蒸気温度、再熱蒸気温度および主蒸気圧
力の時間変化とを示すグラフを表示している。これらの
表示により、プラントの制御状態を一覧することがで
き、運転が好ましく行なわれているか否かを容易に確認
することができる。

【００９５】さて、図１８に示す操作画面により、オペ
レータは、プラントの状態を観察できるのみならず、制
御状態を変更することもできる。すなわち、オペレータ
が、変更したいＢＩＲの種類を指示部３０６１において
選択すると、選択されたＢＩＲに関する現状の信号波形
が左上部（グラフエリア）３０６２に表示されると共
に、右上部（数値エリア）３０６３に、時刻とＢＩＲ値
の組合わせ（データ座標）が表示される。ＢＩＲ信号波
形の変更は、数値エリア３０６３のデータ座標をキーボ
ードからの入力により交信することで行なうことができ
る。また、グラフエリア３０６２では、グラフの線をマ
ウスカーソルｍｃによってピックして、目的の位置にド
ラッグすることで、グラフ線の形状を変更することによ
り、所望のＢＩＲ信号波形とすることができる。

【００９６】上述のようにして、ＢＩＲ信号波形を変更
した後、マウスにより、指示部３０６１の効果予測を選
択すると、ニューラルネットワーク６１０に、変更後の
ＢＩＲ信号が入力されて、その時の予測値が画面下部の
予測エリア３０６４に表示される。

【００９７】このように、本実施の形態によれば、オペ
レータは、ＢＩＲ信号調整時に、事前にその効果が確認
できるので、効率のよい調整が可能となり、調整期間を
短縮することができる。

【００９８】本発明の各実施の形態においては、相関関
係抽出機能６００の実現のためにニューラルネットワー
クを用いている。しかし、相関関係抽出機能の実現は、
ニューラルネットワークに限定されるものでもない。例
えば、入力信号６２０と教師信号６４０との各特徴量と
の関係を式化する重回帰分析を用いて、下記のように相
関関係を記述しても良い。

【００９９】

【数４】

【０１００】また、ＢＩＲ修正機能７００では、ＧＡを
用いて望ましいＢＩＲ信号を探索しているが、探索の手
法はＧＡに限られるものではない。式(4)のような関係
式で記述できる場合には、シンプレックス法などの最適
化手法を用いてもよい。シンプレックス法の詳細につい
ては、例えば坂和正敏著、森北出版株式会社発行「線形
システムの最適化」，21〜70頁に記載されている。

【０１０１】なお、前述した各実施の形態では、火力発
電プラントを制御対象とする例について説明したが、本
発明は、これに限定されない。例えば、燃料として廃棄
物を焼却する廃棄物発電プラントなどにも適用可能であ
る。また、発電プラントに限らず、フィードフォワード
制御信号またはフィードバック制御信号を用いた多種の
プラント制御装置にも適用できる。

【０１０２】また、本発明では、操作画面例により、プ
ラントの現状を示すと共に、それに対する調整操作を表
示画面において可能とし、調整結果をニューラルネット
ワークで効果を予測して示すことができるので、オペレ
ータの教育、訓練にも使用できる。この場合、入力デー
タとして、実プラントから予め採取したデータを用いる
と共に、操作指示を実プラントの制御には反映させない
ことで、実際のプラントの運転に影響を与えずに、しか
も、リアルな操作訓練が行なえる。もちろん、操作結果
を実プラントの制御に反映させるようにしてもよい。

【０１０３】

【発明の効果】本発明によれば、制御信号とそれに対応
したプロセスデータとの関係に基づいて制御信号を適切
に設定することができる。

【０１０４】従って、制御量の目標値からの偏差を小さ
くできる。また、制御信号の調整期間を短縮できる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態を機能構成を示すブ
ロック図。

【図２】火力発電プラントの構成の概要を示す説明図。

【図３】火力発電プラントのボイラ内の熱交換器の配置
例を模式的に示すブロック図。

【図４】火力発電プラントの蒸気の流れと熱交換器の順
序例を模式的に示す説明図。

【図５】火力発電プラントの制御装置における基本的系
統例を示すブロック図。

【図６】火力発電プラントの制御信号の変化状態を示す
説明図。

【図７】本発明の各実施の形態において、特徴量を波形
例を示す説明図。

【図８】本発明の第１の実施の形態例において、ＧＡの
最小評価値の推移例を表す説明図。

【図９】本発明の各実施の形態において用いられるプラ
ント制御装置のハードウエアシステム構成の一例を示す
ブロック図。

【図１０】本発明の各実施の形態において用いられるシ
ステム全体のハードウエア構成の一例を示すブロック
図。

【図１１】本発明の実施の形態で用いられるニューラル
ネットワークの学習および想起の処理手順を示すフロー
チャート。

【図１２】本発明の実施の形態において用いられるＧＡ
の処理手順を示すフローチャート。

【図１３】本発明の第１の実施の形態において処理結果
を表示する表示画面例を示す説明図。

【図１４】本発明の第２の実施の形態を機能構成を示す
ブロック図。

【図１５】本発明の実施の形態において、ＢＩＲ生成回
路例を表すブロック図。

【図１６】本発明の第３の実施の形態の原理を示す説明
図。

【図１７】本発明の第３の実施の形態におけるＢＩＲ修
正機能について示す説明図。

【図１８】本発明の第４の実施の形態における操作画面
例を示す説明図。

【符号の説明】

１００…火力発電プラント、２００…プロセスデータ計
測装置、２１０…各種プロセスデータ、３００…運転制
御装置、３１０…制御信号、３２０…プラント制御回
路、３３０…ＢＩＲ自動調整機能、４００…特徴量抽出
機能、５００…データ記憶装置、６００…相関関係抽出
機能、６１０…ニューラルネットワーク、７００…ＢＩ
Ｒ修正機能

フロントページの続き (51)Int.Cl.⁶ 識別記号 ＦＩ Ｆ０１Ｋ 13/02 Ｆ０１Ｋ 13/02 Ｇ Ｆ２２Ｂ 35/18 Ｆ２２Ｂ 35/18 Ｇ０５Ｄ 27/02 Ｇ０５Ｄ 27/02 // Ｇ０５Ｂ 11/36 Ｇ０５Ｂ 11/36 Ｌ (72)発明者 佐藤 美雄 茨城県日立市大みか町七丁目１番１号 株 式会社日立製作所日立研究所内 (72)発明者 木村 亨 茨城県日立市大みか町五丁目２番１号 株 式会社日立製作所大みか工場内 (72)発明者 清水 悟 茨城県日立市大みか町五丁目２番１号 株 式会社日立製作所大みか工場内 (72)発明者 大内 和紀 茨城県日立市大みか町五丁目２番１号 株 式会社日立製作所大みか工場内 (72)発明者 大貫 修作 茨城県日立市幸町三丁目２番２号 株式会 社日立エンジニアリングサービス内 (72)発明者 遠山 栄二 東京都千代田区神田駿河台四丁目６番地 株式会社日立製作所内

Claims (11)

【特許請求の範囲】
1. 【請求項１】 プラントの運転制御を支援するプラント
   運転制御支援システムにおいて、 プラントをその動的特性に応じて制御するために用いる
   動的制御信号の特徴量、および、この動的制御信号を用
   いてプラントの運転を制御したときのプラントの運転状
   態を示す信号の特徴量の相関関係を抽出する手段と、 前記抽出された相関関係を示す情報を記憶する手段と、 プラントの運転状態変化指令を受けると、少なくとも一
   部に相違がある、複数組の動的制御信号の特徴量を生成
   する手段と、 前記複数組の動的制御信号の各々について、それぞれ前
   記記憶されている相関関係を示す情報を用いて対応する
   プラントの運転状態を示す信号の特徴量を求める手段
   と、 前記複数組の動的制御信号について得られたプラントの
   運転状態を示す信号の特徴量について、予め定めた評価
   基準にしたがって評価して、優良候補を選定して出力す
   る手段とを備えることを特徴とするプラント運転制御支
   援システム。
2. 【請求項２】 請求項１に記載のプラント運転制御支援
   システムにおいて、 前記動的制御信号の特徴量は、当該動的制御信号の時系
   列変化を表わす複数の時系列データで構成され、 前記プラントの運転状態を示す信号の特徴量は、前記動
   的制御信号の特徴量の時系列データに対応して、時系列
   データで構成されることを特徴とするプラント運転制御
   支援システム。
3. 【請求項３】 請求項１および２のいずれか一項に記載
   のプラント運転制御支援システムにおいて、 前記相関関係を抽出する手段は、ニューラルネットワー
   クを用い、動的制御信号の特徴量と、この動的制御信号
   を用いてプラントの運転を制御したときのプラントの運
   転状態を示す信号の特徴量とを、学習用の入力信号およ
   び教師信号として学習させることにより相関関係を抽出
   するものであり、 前記プラントの運転状態を示す信号の特徴量を求める手
   段は、前記学習させたニューラルネットワークを用い
   て、前記複数組の動的制御信号の特徴量にそれぞれに対
   応するプラントの運転状態を示す信号の特徴量を想起さ
   せて求めるものであることを特徴とするプラント運転制
   御支援システム。
4. 【請求項４】 請求項３に記載のプラント運転制御支援
   システムにおいて、 前記複数組の動的制御信号の特徴量を生成する手段は、
   基本となる動的制御信号の特徴量の一部を変更すること
   により、他の動的制御信号に基づく特徴量を新たに生成
   するものであることを特徴とするプラント運転制御支援
   システム。
5. 【請求項５】 請求項４に記載のプラント運連制御支援
   システムにおいて、 前記優良候補を選定して出力する手段は、前記複数組の
   動的制御信号について得られたプラントの運転状態を示
   す信号の特徴量から、相対的に優良なものを候補として
   残し、残りについては、それぞれ動的制御信号の特徴量
   の一部を変更して、再び、対応するプラントの運転状態
   を示す信号の特徴量を求め、それらから相対的に優良な
   候補を探索する操作を繰返して、予め定めた評価に耐え
   るものが得られた時点で当該候補を最優良候補とし、こ
   れに対応する動的制御信号の特徴量を出力することを特
   徴とするプラント運転制御支援システム。
6. 【請求項６】 請求項５に記載のプラント運転制御支援
   システムにおいて、 前記優良候補の探索において毎回得られた候補の評価値
   の探索回数に対する推移のグラフの表示、 得られた優良候補によるプラント運転状態を示す特徴量
   の推定値の表示、および、 得られた優良候補の動的制御信号の特徴量の値の表示の
   少なくともいずれかを行なう手段をさらに備えることを
   特徴とするプラント運転制御支援システム。
7. 【請求項７】 プラントの運転制御を支援するプラント
   運転制御支援システムにおいて、 プラントをその動的特性に応じて制御するために用いる
   動的制御信号の特徴量、および、この動的制御信号を用
   いてプラントの運転を制御したときのプラントの運転状
   態を示す信号の特徴量の相関関係を抽出する手段と、 前記抽出された相関関係を示す情報を記憶する手段と、 前記動的制御信号の特徴量の少なくとも一部を変更し
   て、新たな動的制御信号の特徴量を生成する手段と、 前記複数組の動的制御信号の各々について、それぞれ前
   記記憶されている相関関係を示す情報を用いて対応する
   プラントの運転状態を示す信号の特徴量を求める手段と
   を備えることを特徴とするプラント運転制御支援システ
   ム。
8. 【請求項８】 請求項７に記載のプラント運転制御支援
   システムにおいて、 前記動的制御信号の波形を表示画面に表示する手段と、 前記表示されている動的制御信号の波形の表示画面上で
   の変形操作を受け付ける手段とをさらに備え、 前記複数組の動的制御信号の特徴量を生成する手段は、
   前記動的制御信号の波形についての変形操作が受けられ
   ると、受け付けた波形の変形に対応して、基になった特
   徴量の一部が変更された新たな特徴量を生成するもので
   あることを特徴とするプラント運転制御支援システム。
9. 【請求項９】 請求項７および８のいずれか一項に記載
   のプラント運転制御支援システムにおいて、 前記動的制御信号の特徴量に変更があった場合、変更前
   の値と変更後の値を表示する手段をさらに備えることを
   特徴とするプラント運転制御支援システム。
10. 【請求項１０】 請求項７、８および９のいずれか一項
    に記載のプラント運転制御支援システムにおいて、 プラントの運転状態を示す信号の特徴量の推定値を表示
    する手段をさらに備え、 前記動的制御信号の特徴量に変更があった場合、前記プ
    ラントの運転状態を示す信号の特徴量を求める手段は、
    前記学習させたニューラルネットワークを用いて、前記
    変更された特徴量を含む動的制御信号の特徴量に対応す
    るプラントの運転状態を示す信号の特徴量を想起させて
    推定し、 前記推定値を表示する手段は、前記推定された特徴量を
    表示画面に表示することを特徴とするプラント運転制御
    支援システム。
11. 【請求項１１】 燃料を燃焼させて生じる燃焼ガスと供
    給水とを熱交換して供給水を蒸発させる蒸気発生手段
    と、該蒸気発生手段で蒸発した蒸気を前記燃焼ガスと熱
    交換して昇温する過熱器と、該過熱蒸気により駆動する
    第１の蒸気タービンとを少なくとも備えたプラントであ
    って、前記プラントの負荷変化時に該プラントの動的特
    性に応じたフィードフォワード制御信号またはフィード
    バック制御信号の少なくとも一方を用いて所定のプロセ
    ス量を所望の値に制御する火力発電プラント運転制御支
    援システムにおいて、 前記フィードフォワード制御信号またはフィードバック
    制御信号の値、または、該信号の生成回路の制御パラメ
    ータ値と、それらに対応した制御量のプロセスデータの
    特徴量とを記憶する手段と、該記憶手段に蓄積した情報
    から前記制御信号値または前記制御パラメータ値と前記
    プロセスデータの特徴量との関係を抽出する相関関係抽
    出手段と、該相関関係抽出手段で求めた関係を表示する
    手段を具備することを特徴とするプラント運転制御支援
    システム。