KR20220130746A - 제어 파라미터 최적화 장치, 플랜트 및 제어 파라미터 최적화 방법 - Google Patents
제어 파라미터 최적화 장치, 플랜트 및 제어 파라미터 최적화 방법 Download PDFInfo
- Publication number
- KR20220130746A KR20220130746A KR1020227028503A KR20227028503A KR20220130746A KR 20220130746 A KR20220130746 A KR 20220130746A KR 1020227028503 A KR1020227028503 A KR 1020227028503A KR 20227028503 A KR20227028503 A KR 20227028503A KR 20220130746 A KR20220130746 A KR 20220130746A
- Authority
- KR
- South Korea
- Prior art keywords
- control parameter
- plant
- control
- model
- parameter optimization
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000005457 optimization Methods 0.000 title claims description 152
- 238000004364 calculation method Methods 0.000 claims abstract description 61
- 230000008569 process Effects 0.000 claims abstract description 48
- 238000004891 communication Methods 0.000 claims description 15
- 230000008646 thermal stress Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 239000012530 fluid Substances 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 68
- 238000013461 design Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000006378 damage Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000004904 shortening Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 239000000567 combustion gas Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41835—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by programme execution
-
- 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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- 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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C7/00—Features, components parts, details or accessories, not provided for in, or of interest apart form groups F02C1/00 - F02C6/00; Air intakes for jet-propulsion plants
- F02C7/26—Starting; Ignition
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
- F02C9/26—Control of fuel supply
- F02C9/28—Regulating systems responsive to plant or ambient parameters, e.g. temperature, pressure, rotor speed
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/30—Control parameters, e.g. input parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
- Stereophonic System (AREA)
- Electrotherapy Devices (AREA)
Abstract
제어 파라미터 최적화 장치는, 제어 장치에 의한 제어 명령값 및 플랜트의 프로세스양을 계산하도록 구성된 플랜트 모델과, 플랜트 모델에 있어서의 프로세스양의 계산 결과에 기초하여 산출되는 목적 함수에 기초하여, 플랜트 모델에 있어서의 제어 명령값의 계산에 사용하는 제어 파라미터를 갱신하도록 구성된 제어 파라미터 갱신부와, 플랜트 모델로부터의 프로세스양에 기초하여 회전 기계 내의 정지 부재와 회전 부재 사이의 클리어런스를 산출하는 구조 모델을 구비한다. 제어 파라미터 갱신부는, 구조 모델에 의해 산출된 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 제어 파라미터를 탐색하도록 구성된다.
Description
본 개시는, 제어 파라미터 최적화 장치, 플랜트 및 제어 파라미터 최적화 방법에 관한 것이다.
본원은, 2020년 2월 28일에 출원된 일본 특허 출원 제2020-033020호에 기초하여 우선권을 주장하고, 그 내용을 여기에 원용한다.
근년, 재생 가능 에너지의 보급에 의해, 플랜트의 기동 정지의 횟수가 증가하고 있다. 그래서, 이러한 경우에 플랜트의 운전 제어를 최적화하는 것이 요구되고 있다. 최적의 운전 제어에서는, 예를 들어 플랜트의 기동 시간 및 정지 시간의 단축화와 연료 소비량의 저감이 요구된다. 또한, 플랜트의 기동 시간의 단축화는, 연료 소비량의 저감에도 기여하는 점에서 중요하다.
특허문헌 1에는, 플랜트를 운전 제어하기 위한 제어 장치의 제어 파라미터를 최적화하도록 구성된 운전 제어 최적화 장치가 개시되어 있다. 이 장치는, 플랜트 모델에 제어 파라미터의 값을 입력하여, 기동 시간, 수명 소비량, 연료 비용 등의 목적 함수를 계산시켜, 그 목적 함수의 계산값과 목표값의 차가 작아지도록 제어 파라미터의 조정을 행함으로써 제어 파라미터의 최적화를 행한다.
그런데, 플랜트의 기동 시간이나 정지 시간을 단축화하는 경우, 급한 온도 변화가 발생하기 때문에, 플랜트를 구성하는 기기(예를 들어 증기 터빈)에 열응력이 발생한다. 이 열응력은, 기동 시간이나 정지 시간의 단축화를 제한하는 요인이 될 수 있다. 그 때문에, 열응력의 예측값, 혹은 열응력에 영향을 미치는 작동 유체의 온도 및 압력의 계측값에 기초하여, 플랜트를 운전 제어하기 위한 최적의 제어 파라미터(특히, 발전량의 시간적 추이 또는 주 증기 밸브의 밸브 개방도의 시간 적 추이를 나타내는 기동 커브 또는 정지 커브에 관련되는 파라미터)를 설정하는 경우가 있다.
그러나, 이와 같은 설정에 있어서도, 회전 기계의 열적인 변형이 고려되어 있지 않다. 회전 기계의 회전 부재와 정지 부재는, 불균일한 열전도 및 열전달에 의해, 불균일하게 온도 변화한다. 이러한 온도 변화에 의한 열적인 변형에 의해, 회전 기계의 회전 부재와 정지 부재 사이의 클리어런스가 감소하면, 양자의 접촉에 의한 부품의 손상, 부품의 마모(경년 열화), 축 진동 등이 발생할 우려가 있다. 즉, 플랜트의 손상 리스크가 높아져 버린다.
따라서, 회전 기계의 회전 부재와 정지 부재 사이의 클리어런스를 충분히 확보하는 것은, 열응력과 마찬가지로 기동 시간이나 정지 시간의 단축화를 제한하는 요인이 될 수 있다. 이 점, 특허문헌 1에는, 회전 기계 내의 정지 부재와 회전 부재 사이의 클리어런스를 확보하도록 제어 파라미터를 탐색하는 구성이 기재되어 있지 않다.
상술한 사정을 감안하여 본 개시는, 회전 기계 내의 정지 부재와 회전 부재 사이의 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 제어 파라미터를 탐색하는 것이 가능한 제어 파라미터 최적화 장치 등을 제공하는 것을 목적으로 한다.
본 개시에 관한 제어 파라미터 최적화 장치는,
회전 기계를 구비하는 플랜트를 제어하기 위한 제어 장치의 제어 파라미터를 최적화하기 위한 제어 파라미터 최적화 장치이며,
상기 제어 장치를 포함한 상기 플랜트 전체의 동작을 모의하고, 상기 제어 장치에 의한 제어 명령값 및 상기 플랜트의 프로세스양을 계산하도록 구성된 플랜트 모델과,
상기 플랜트 모델에 있어서의 상기 프로세스양의 계산 결과에 기초하여 산출되는 목적 함수에 기초하여, 상기 플랜트 모델에 있어서의 상기 제어 명령값의 계산에 사용하는 상기 제어 파라미터를 갱신하도록 구성된 제어 파라미터 갱신부와,
상기 플랜트 모델로부터의 상기 프로세스양에 기초하여 상기 회전 기계 내의 정지 부재와 회전 부재 사이의 클리어런스를 산출하는 구조 모델을
구비하고,
상기 제어 파라미터 갱신부는, 상기 구조 모델에 의해 산출된 상기 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 상기 제어 파라미터를 탐색하도록 구성된다.
본 개시에 관한 플랜트는,
회전 기계와,
상기의 제어 파라미터 최적화 장치와,
상기 제어 파라미터 최적화 장치에 의해 최적화된 제어 파라미터에 기초하여 운전을 제어하도록 구성된 제어 장치를
구비한다.
본 개시에 관한 제어 파라미터 최적화 방법은,
회전 기계를 구비하는 플랜트를 제어하기 위한 제어 장치의 제어 파라미터를 최적화하기 위한 제어 파라미터 최적화 방법이며,
상기 제어 장치를 포함한 상기 플랜트 전체의 동작을 모의하는 플랜트 모델을 사용하여, 상기 제어 장치에 의한 제어 명령값 및 상기 플랜트의 프로세스양을 계산하는 스텝과,
상기 플랜트 모델에 있어서의 상기 프로세스양의 계산 결과에 기초하여 산출되는 목적 함수에 기초하여, 상기 플랜트 모델에 있어서의 상기 제어 명령값의 계산에 사용하는 상기 제어 파라미터를 갱신하는 스텝과,
상기 플랜트 모델로부터의 상기 프로세스양에 기초하여 상기 회전 기계 내의 정지 부재와 회전 부재 사이의 클리어런스를 산출하는 스텝을
포함하고,
산출되는 상기 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 상기 제어 파라미터를 탐색한다.
본 개시에 의하면, 회전 기계 내의 정지 부재와 회전 부재 사이의 클리어런스가 제약 조건을 충족하는 범위 내에서 최적인 제어 파라미터를 탐색하는 것이 가능한 제어 파라미터 최적화 장치 등을 제공할 수 있다.
도 1은, 일 실시 형태에 관한 플랜트의 구성을 개략적으로 도시하는 블록도이다.
도 2는, 일 실시 형태에 관한 플랜트의 구성을 개략적으로 도시하는 블록도이다.
도 3은, 일 실시 형태에 관한 제어 파라미터 최적화 장치의 기능적인 구성을 도시하는 블록도이다.
도 4는, 일 실시 형태에 관한 제어 파라미터 최적화 장치의 구성을 개략적으로 도시하는 블록도이다.
도 5는, 일 실시 형태에 관한 제어 파라미터 최적화 장치에 의한 최적화의 일례를 설명하기 위한 그래프이다.
도 6은, 일 실시 형태에 관한 제어 파라미터 최적화 장치에 의한 최적화의 일례를 설명하기 위한 그래프이다.
도 7은, 일 실시 형태에 관한 제어 파라미터 최적화 장치에 의한 최적화의 일례를 설명하기 위한 그래프이다.
도 8은, 일 실시 형태에 관한 제어 파라미터 최적화 장치에 의한 최적화의 일례를 설명하기 위한 그래프이다.
도 9는, 일 실시 형태에 관한 제어 파라미터 최적화 방법의 수순을 도시하는 흐름도이다.
도 2는, 일 실시 형태에 관한 플랜트의 구성을 개략적으로 도시하는 블록도이다.
도 3은, 일 실시 형태에 관한 제어 파라미터 최적화 장치의 기능적인 구성을 도시하는 블록도이다.
도 4는, 일 실시 형태에 관한 제어 파라미터 최적화 장치의 구성을 개략적으로 도시하는 블록도이다.
도 5는, 일 실시 형태에 관한 제어 파라미터 최적화 장치에 의한 최적화의 일례를 설명하기 위한 그래프이다.
도 6은, 일 실시 형태에 관한 제어 파라미터 최적화 장치에 의한 최적화의 일례를 설명하기 위한 그래프이다.
도 7은, 일 실시 형태에 관한 제어 파라미터 최적화 장치에 의한 최적화의 일례를 설명하기 위한 그래프이다.
도 8은, 일 실시 형태에 관한 제어 파라미터 최적화 장치에 의한 최적화의 일례를 설명하기 위한 그래프이다.
도 9는, 일 실시 형태에 관한 제어 파라미터 최적화 방법의 수순을 도시하는 흐름도이다.
이하, 첨부 도면을 참조하여 몇 가지의 실시 형태에 대하여 설명한다. 단, 실시 형태로서 기재되어 있는 또는 도면에 도시되어 있는 구성 부품의 치수, 재질, 형상, 그 상대적 배치 등은, 발명의 범위를 이것에 한정하는 취지가 아니고, 단순한 설명예에 지나지 않는다.
예를 들어, 「어느 방향으로」, 「어느 방향을 따라」, 「평행」, 「직교」, 「중심」, 「동심」 혹은 「동축」 등의 상대적 혹은 절대적인 배치를 나타내는 표현은, 엄밀하게 그러한 배치를 나타낼 뿐만 아니라, 공차, 혹은, 동일한 기능이 얻어지는 정도의 각도나 거리를 갖고 상대적으로 변위하고 있는 상태도 나타내는 것으로 한다.
예를 들어, 「동일」, 「동등하다」 및 「균질」 등의 사물이 동등한 상태인 것을 나타내는 표현은, 엄밀하게 동등한 상태를 나타낼 뿐만 아니라, 공차, 혹은, 동일한 기능이 얻어지는 정도의 차가 존재하고 있는 상태도 나타내는 것으로 한다.
예를 들어, 사각 형상이나 원통 형상 등의 형상을 나타내는 표현은, 기하학적으로 엄밀한 의미에서의 사각 형상이나 원통 형상 등의 형상을 나타낼 뿐만 아니라, 동일한 효과가 얻어지는 범위에서, 요철부나 모따기부 등을 포함하는 형상도 나타내는 것으로 한다.
한편, 하나의 구성 요소를 「구비한다」, 「갖추다」, 「구비한다」, 「포함한다」, 또는, 「갖는다」라고 하는 표현은, 다른 구성 요소의 존재를 제외하는 배타적인 표현이 아니다.
(플랜트의 구성)
이하, 도 1을 참조하면서, 본 개시의 일 실시 형태에 관한 플랜트(400)의 구성에 대하여 설명한다. 도 1은, 일 실시 형태에 관한 플랜트(400)의 구성을 개략적으로 도시하는 블록도이다. 도 2는, 일 실시 형태에 관한 플랜트(400)의 구성을 개략적으로 도시하는 블록도이다.
예를 들어, 도 1에 도시하는 바와 같이, 플랜트(400)는, 회전 기계(300)와, 제어 파라미터 최적화 장치(100)와, 설정된 제어 파라미터에 기초하여 운전을 제어하도록 구성된 제어 장치(200)를 구비한다. 제어 장치(200)에 설정되는 제어 파라미터는, 제어 파라미터 최적화 장치(100)에 의해 최적화된다. 제어 장치(200)는, 플랜트(400)를 구성하는 각종 기기(회전 기계(300)를 포함함)를 제어하도록 구성된다. 또한, 제어 파라미터 최적화 장치(100)는, 제어 장치(200)에 내장되고, 제어 장치(200)와 일체화되어도 된다.
어느 실시 형태에서는, 제어 파라미터 최적화 장치(100)는, 제어 장치(200)와 일체화되지 않고, 별체로 되어 있다. 또한, 어느 실시 형태에서는, 제어 파라미터 최적화 장치(100)는, 플랜트(400)로부터 이격된 장소에 놓여 있어도 된다. 그 경우, 제어 파라미터 최적화 장치(100)는, 플랜트(400)의 제어 장치(200)와 온라인으로 접속되고, 제어 파라미터 최적화 장치(100)의 출력은, 제어 장치(200)에, 네트워크를 통하여 송신된다.
또한, 어느 실시 형태에서는, 예를 들어 도 2에 도시하는 바와 같이, 제어 파라미터 최적화 장치(100)와 플랜트(400) 사이는 오프라인으로 되어 있다. 그 경우, 제어 파라미터 최적화 장치(100)의 출력은, USB 메모리 등 기억 매체에 저장되고, 또는, 인쇄되어서 보고서(종이 매체)에 통합되고, 이러한 기억 매체 또는 종이 매체가, 플랜트(400)측에 전달된다. 또한, 도 2의 점선 화살표는, 데이터의 이동이어도 되고, 사람의 수동 입력이어도 되는 것을 의미한다. 즉, 제어 파라미터 최적화 장치(100)는, 독립된 장치로서 사용하는 것도 가능하고, 최적화 제어 파라미터의 출력 결과를 작업자가 제어 장치(200)에 설정해도 된다.
회전 기계(300)는, 작동 유체(증기, 연소 가스 등)에 의해 회전하는 기계이고, 예를 들어 가스 터빈, 증기 터빈 등이다. 압축기는 작동 유체에 의해 회전하는 것은 아니기 때문에, 여기에서 말하는 회전 기계(300)로부터 제외된다. 또한, 플랜트(400)는, 가스 터빈·컴바인드 사이클 발전 플랜트(GTCC)여도 되고, 2 이상의 회전 기계(300)를 구비하고 있어도 된다.
(제어 파라미터 최적화 장치의 기능적인 구성)
도 3은, 일 실시 형태에 관한 제어 파라미터 최적화 장치(100)의 기능적인 구성을 도시하는 블록도이다. 도 4는, 일 실시 형태에 관한 제어 파라미터 최적화 장치(100)의 구성을 개략적으로 도시하는 블록도이다.
먼저, 도 3을 참조하면서, 제어 파라미터 최적화 장치(100)의 기능적인 구성을 설명한다. 제어 파라미터 최적화 장치(100)는, 목적 함수 설정부(1)와, 제어 파라미터 최적화부(2)와, 플랜트 모델(3)과, 제어 파라미터 설정부(4)와, 물리 파라미터 설정부(5)와, 설계 파라미터 설정부(6)와, 구조 모델(11)과, 구조 파라미터 설정부(12)와, 초기 상태량 설정부(13)를 구비한다.
목적 함수 설정부(1)는, 오퍼레이터에 의해 입력된 목적 함수를 제어 파라미터 최적화부(2)에 설정한다. 여기에서 말하는 목적 함수란, 플랜트(400)의 운전 제어에 있어서의 개선 항목(기동 시간, 정지 시간, 부하 변화율, 기기의 수명 소비량, 연료 비용, 발전 효율 등)이고, 플랜트(400)의 프로세스양의 함수로 정의된다. 또한, 목적 함수 설정부(1)에 입력되는 목적 함수는, 하나여도 복수여도 된다. 또한, 목적 함수 설정부(1)에 목적 함수를 입력하는 방법으로서는, 제어 파라미터 최적화 장치(100)의 기억부(120)(도 4 참조)에 미리 목적 함수의 리스트를 기억해 두고, 이 리스트 중에서 최적화하고 싶은 목적 함수를 오퍼레이터에 선택시키는 방법을 사용해도 된다.
제어 파라미터 최적화부(2)는, 플랜트(400)의 제어 파라미터 중, 목적 함수에 기초하는 최적화에 사용하는 제어 파라미터를 선정하는 제어 파라미터 선정부(7)와, 제어 파라미터 선정부(7)에 의해 선정된 제어 파라미터의 값을 조정하는 제어 파라미터 갱신부(8)를 포함한다.
플랜트 모델(3)은, 제어 장치(200)를 포함한 플랜트(400) 전체의 동작을 모의하고, 제어 장치(200)에 의한 제어 명령값 및 플랜트(400)의 프로세스양을 계산하도록 구성된 모델이다. 플랜트 모델(3)은, 제어 장치(200)의 동작을 모의하는 제어 모델(9)과, 제어 장치(200)에 의해 제어되는 플랜트(400)의 각종 기기(예를 들어, 회전 기계(300))의 동작을 모의하는 물리 모델(10)을 포함한다. 또한, 각각의 모델의 상세에 대해서는 후술한다.
구조 모델(11)은, 회전 기계(300)의 온도 분포 또는 형상의 변위 분포를 계산하기 위한 모델이고, 플랜트 모델(3)의 물리 모델(10)이 산출한 프로세스양에 기초하여 회전 기계(300) 내의 정지 부재와 회전 부재 사이의 클리어런스를 산출하도록 구성된다. 구조 모델(11)은, 축 방향의 클리어런스와 직경 방향의 클리어런스 각각에 대하여 산출하도록 구성되어도 된다. 구조 모델(11)은, 예를 들어 회전 기계(300)의 입구 또는 출구에 있어서의 작동 유체의 상태를 나타내는 프로세스양을 플랜트 모델(3)로부터 취득하고, 그 프로세스양을 사용하여 클리어런스의 산출을 행하도록 구성된다.
어느 실시 형태에서는, 구조 모델(11)은, 또한, 기기의 수명 소비량과, 기기에 발생하는 열응력 중 적어도 한쪽의 산출을 행하도록 구성된다.
구조 모델(11)은, 예를 들어 FEM(Finite Element Method)에 의해 구조 해석을 행하는 모델이어도 된다. 또한, 플랜트 모델(3)과 구조 모델(11)은, 기본 모델 파일과 모델 상수의 조합에 의해 정의되어도 된다. 이 경우, 모델의 기본 구성이 변화하는 경우에도 동일 아키텍처를 사용할 수 있는 점에서 유리하다. 예를 들어, 회전 기계(300)나 계통 구성의 변경에 대하여 유연하게 대응할 수 있다.
제어 파라미터 선정부(7)는, 오퍼레이터에 의해 수동 입력되고, 또는 외부 장치로부터 취득한 제어 로직 정보에 기초하여, 목적 함수와 관련을 갖는 제어 파라미터(이하 적절히 「관련 제어 파라미터」라고 함)를 추출한다. 제어 파라미터 선정부(7)는, 관련 제어 파라미터 중에서 목적 함수에 대하여 높은 감도를 갖는 것을 최적화하는 제어 파라미터로서 선정하고, 제어 파라미터 갱신부(8)에 출력해도 된다. 또한, 최적화의 계산에 있어서 구조 모델(11)에 의해 산출되는 클리어런스가 제약 조건을 충족하지 않는 경우에, 제어 파라미터 선정부(7)는, 클리어런스에 영향을 미치는 제어 파라미터를 선정하고, 제어 파라미터 갱신부(8)에 출력해도 된다.
목적 함수에 대한 관련 제어 파라미터의 감도는, 플랜트 모델(3)을 사용한 감도 해석에 의해 얻어진다. 제어 파라미터 선정부(7)는, 추출한 관련 제어 파라미터 중에서 목적 함수에 대하여 높은 감도를 갖는 하나 또는 복수의 관련 제어 파라미터를 최적화하는 제어 파라미터로서 선정한다. 관련 제어 파라미터의 목적 함수에 대한 감도는, 예를 들어 관련 제어 파라미터의 변화량에 대한 목적 함수의 변화량의 비로 정의되고, 관련 제어 파라미터마다 값을 변화시켜서 플랜트 모델(3)에 입력하고, 플랜트 모델(3)에 목적 함수를 계산시킴으로써 얻어진다.
또한, 제어 파라미터 선정부(7)는, 최적화하는 제어 파라미터로서 선정된 관련 제어 파라미터를 표시 장치(도시하지 않음)에 표시시켜, 오퍼레이터에 확인시키도록 구성되어도 된다. 또한, 제어 파라미터 선정부(7)는, 감도가 높은 순으로 복수의 관련 제어 파라미터를 표시 장치(도시하지 않음)에 표시시켜, 그 중에서 최적화하는 제어 파라미터를 오퍼레이터에 선택시키도록 구성되어도 된다.
제어 파라미터 갱신부(8)는, 목적 함수 설정부(1)에 의해 설정된 목적 함수가 최적화되도록, 제어 파라미터 선정부(7)에 의해 선정된 제어 파라미터의 값을 조정하고, 조정 후의 최적화 제어 파라미터를 제어 장치(200)에 출력한다. 이때, 제어 파라미터 갱신부(8)는, 최적화된 목적 함수(최적 해)를 표시 장치(도시하지 않음)에 출력해도 된다. 이하, 제어 파라미터 갱신부(8)에 의한 제어 파라미터의 값의 조정 수순의 일례를 설명한다.
제어 파라미터 갱신부(8)는, 먼저, 제어 파라미터 선정부(7)에 의해 선정된 제어 파라미터에 목적 함수의 계산에 사용하는 값으로서 소정의 값을 설정하고, 플랜트 모델(3)에 입력한다. 플랜트 모델(3)은, 제어 파라미터 갱신부(8)로부터 입력된 제어 파라미터의 값에 기초하여 목적 함수를 계산하고, 계산 결과를 제어 파라미터 갱신부(8)에 출력한다.
제어 파라미터 갱신부(8)는, 플랜트 모델(3)로부터 출력된 목적 함수의 계산값이 개선되도록(예를 들어, 목적 함수가 기동 시간이라면, 작아지도록), 제어 파라미터의 값을 조정한다. 구체적으로는, 제어 파라미터 갱신부(8)는, 플랜트 모델(3)에 있어서의 프로세스양의 계산 결과(후술하는 물리 모델(10)의 출력)에 기초하여 산출되는 목적 함수에 기초하여, 플랜트 모델(3)에 있어서의 제어 명령값(후술하는 제어 모델(9)의 출력)의 계산에 사용하는 제어 파라미터의 값을 갱신한다. 제어 파라미터 갱신부(8)는, 갱신 후의 제어 파라미터의 값을 다시 플랜트 모델(3)에 입력하고, 플랜트 모델(3)에 목적 함수를 계산시킨다.
또한, 제어 파라미터 갱신부(8)는, 제어 파라미터의 갱신에 있어서, 구조 모델(11)에 의해 산출된 클리어런스가 제약 조건을 충족하는 범위 내에서 최적인 제어 파라미터를 탐색한다. 또한, 제어 파라미터 갱신부(8)는, 운전 제한값의 범위 내에서 제어 파라미터의 갱신을 행한다. 운전 제한값이란, 열응력이나 클리어런스의 제한값이 아닌 제한값이고, 예를 들어 플랜트의 프로세스양(구성 기기의 수명 소비량이나 온도, 압력, 부하 변화율 등)의 제한값(상한값 또는 하한값)이다. 운전 제한값은, 밸브의 최대 개방도 상승률이나 가스 터빈의 부하 상승률 등의 제한값을 포함하고 있어도 된다. 제어 파라미터 갱신부(8)는, 플랜트 특성 정보와 플랜트 설계 정보에 기초하여, 운전 제한값을 계산하도록 구성되어도 된다.
제어 파라미터 갱신부(8)는, 이상의 조정 수순을 1회 또는 복수회 반복하여 실행함으로써, 제어 파라미터의 값을 조정한다. 여기서, 제어 파라미터의 값의 조정에는, 다목적 진화적 알고리즘이나 축차 2차 계획법 등의 기존의 최적화 알고리즘을 적용할 수 있다.
또한, 플랜트(400)의 제어 장치(200)에 있어서, 제어 파라미터가 일정값이 아닌, 예를 들어 플랜트(400)의 프로세스양의 함수로 정의되는 경우에는, 미리 설정된 수점의 프로세스양마다 상술한 조정 수순을 실행하여 제어 파라미터의 값을 구하고, 이들 값을 보완하는 함수를 제어 파라미터로 해도 된다. 즉, 목적 함수의 계산에 사용하는 제어 파라미터는, 제어 파라미터의 값에 한정되지 않는다. 제어 파라미터 갱신부(8)는, 제어 파라미터의 값의 조정과 갱신을 행하는 구성에 한정되지 않고, 제어 파라미터의 조정 또는 갱신을 행하는 구성으로서 광의로 해석된다.
제어 파라미터 설정부(4)는, 오퍼레이터에 의해 수동 입력되고, 또는 외부 시스템으로부터 자동 입력된 플랜트의 제어 파라미터 정보로부터, 플랜트 모델(3) 내의 제어 모델(9)(후술)을 구축하기 위하여 필요한 제어 파라미터를 추출하고, 제어 모델(9)에 설정한다. 여기에서 말하는 제어 파라미터 정보란, 플랜트(400)의 피제어량에 대한 제어 설정값이나 제어 게인의 항목, 값, 상한값 또는 하한값 등, 제어 장치(200)가 기억하고 있는 제어 파라미터에 관한 정보이다. 또한, 변형예로서, 제어 파라미터 설정부(4)에는, 제어 파라미터 정보 대신에, 플랜트(400)의 제어 로직 정보를 입력해도 된다. 이 경우, 제어 파라미터 설정부(4)는, 입력된 제어 로직 정보로부터 신호선, 상태 심볼, 수치 등의 정보를 패턴 인식하고, 제어 로직 중에서 수치가 부여되고 있는 항목, 즉 제어 파라미터와 그 값, 즉 제어 파라미터 정보를 추출할 필요가 있다.
물리 파라미터 설정부(5)는, 오퍼레이터에 의해 수동 입력되고, 또는 외부 장치로부터 자동 입력된 플랜트 특성 정보로부터, 플랜트 모델(3) 내의 물리 모델(10)(후술)을 구축하기 위하여 필요한 물리 파라미터를 추출하고, 물리 모델(10)에 설정한다. 여기에서 말하는 플랜트 특성 정보란, 가스 터빈이나 보일러 등의 열원 부하에 따라서 발생하는 증기의 온도, 유량, 압력, 열응력 등의 플랜트(400) 고유의 열평형에 관한 정보이다. 또한, 변형예로서, 물리 파라미터 설정부(5)에는, 플랜트 특성 정보 대신에, 플랜트(400)의 운전 데이터(계측 항목과 그 값 등)를 입력해도 된다. 이 경우, 물리 파라미터 설정부(5)는, 입력된 운전 데이터(예를 들어 열원 부하에 대응하는 증기의 온도, 유량, 압력 등)를 참조하고, 물리 모델(10)을 구축하기 위하여 필요한 물리 파라미터의 값을 추출할 필요가 있다.
설계 파라미터 설정부(6)는, 오퍼레이터에 의해 수동 입력되고, 또는 외부 장치로부터 자동 입력된 플랜트 설계 정보로부터, 플랜트 모델(3) 내의 물리 모델(10)을 구축하기 위하여 필요한 설계 파라미터를 추출하고, 플랜트 모델(3) 내의 물리 모델(10)(후술)에 설정한다. 여기에서 말하는 플랜트 설계 정보란, 플랜트(400)의 기기 용적, 배관 길이, 재질 등의 플랜트(400) 고유의 설계 정보이다.
구조 파라미터 설정부(12)는, 오퍼레이터에 의해 수동 입력되고, 또는 외부 장치로부터 자동 입력된 기기 설계 정보로부터, 구조 모델(11)의 클리어런스 산출에 필요한 구조파라미터를 추출하고, 구조 모델(11)에 설정한다. 여기에서 말하는 기기 설계 정보란, 회전 기계(300)의 회전 부재와 정지 부재의 열팽창률, 열전달률, 치수 등의 회전 기계(300) 고유의 설계 정보이다. 구조 파라미터는, 압력·온도 등의 프로세스양에 대하여 열전달률, 열전달 계수를 어떻게 설정할지의 조건 정보이다. 이 열전달률은, 작동 유체와 정지 부재 또는 회전 부재의 열교환에 있어서의 열전달률이고, 부재 간의 열전달률이 아니다. 구조 모델(11)이 완성된 상태에서 판독되는 경우, 제어 파라미터 최적화 장치(100)의 구성에 있어서 구조 파라미터 설정부(12)가 생략되어도 된다.
여기서, 제어 파라미터 설정부(4), 물리 파라미터 설정부(5), 설계 파라미터 설정부(6), 또는 구조 파라미터 설정부(12)에 의해 추출된 각 모델 파라미터의 명칭이, 플랜트 모델(3)이나 구조 모델(11)에 등록되어 있는 각 모델 파라미터의 명칭과 일치하지 않는 경우에는, 제어 파라미터 최적화 장치(100)는, 명칭이 유사한 모델 파라미터끼리를 대응지어서 표시 장치에 표시시켜, 오퍼레이터가 그 대응의 적부를 확인할 수 있도록 구성되어도 된다. 또한, 여기에서 말하는 모델 파라미터란, 제어 파라미터 설정부(4), 물리 파라미터 설정부(5), 설계 파라미터 설정부(6) 및 구조 파라미터 설정부(12)에 의해 설정되는 파라미터의 총칭이다.
제어 모델(9)는, 플랜트(400)의 프로세스양을 제어 명령값으로 변환하는 테이블 함수, 프로세스양과 미리 설정된 역치와의 대소 관계에 따라서 펄스 신호를 생성하는 함수, 또는 이들의 조합에 의해 구축되어, 물리 모델(10)로부터 입력된 플랜트(400)의 프로세스양의 계산값에 기초하여 제어 명령값을 계산하고, 물리 모델(10)에 출력한다. 또한, 제어 모델(9)은, 물리 모델(10)로부터 입력된 플랜트(400)의 프로세스양에 기초하여 목적 함수를 계산하고, 제어 파라미터 선정부(7)와 제어 파라미터 갱신부(8)에 출력한다.
여기서, 플랜트 모델(3)은, 복수의 다른 제어 방식 각각에 대응한 복수의 제어 모델(9)을 제어 모델 라이브러리로서 구비하고, 제어 대상의 플랜트(400)의 제어 방식에 따라서 제어 모델(9)을 선택해도 된다. 이에 의해, 제어 파라미터 최적화 장치(100)를 다른 제어 방식의 플랜트(400)에도 적용하는 것이 가능하게 된다.
물리 모델(10)은, 제어 모델(9)로부터 입력된 제어 명령값에 기초하여 플랜트(400)의 프로세스양을 계산하고, 제어 모델(9)에 출력한다. 구체적으로는, 입력된 제어 명령값으로부터 연료 및 증기의 유량 그리고 각 유량에 대응하는 밸브 개방도를 결정하고, 각 유량 하에서의 가스 및 증기의 물질 수지 및 열 수지로부터, 각각의 온도·압력·유량을 계산한다.
여기서, 플랜트 모델(3)은, 복수의 다른 기기 구성 또는 복수의 다른 형식의 플랜트(400) 각각에 대응한 복수의 물리 모델(10)을 물리 모델 라이브러리로서 구비하고, 제어 대상의 플랜트(400)의 기기 구성 또는 형식에 대응한 물리 모델(10)을 선택해도 된다. 이에 의해, 제어 파라미터 최적화 장치(100)를 다른 기기 구성 또는 형식의 플랜트(400)에도 적용하는 것이 가능하게 된다.
초기 상태량 설정부(13)는, 오퍼레이터에 의해 수동 입력되고, 또는 외부 장치(예를 들어 제어 장치(200))로부터 자동 입력된 초기 상태 정보로부터, 모델 파라미터의 초기 상태량을 추출하고, 물리 모델(10)과 구조 모델(11)에 설정한다. 초기 상태 정보는, 회전 기계(300)의 각 부의 초기 온도 또는 운전 정지 후의 경과 시간에 관한 정보이다. 모델 파라미터의 초기 상태량은, 최적화 계산 개시 시의 모델 파라미터의 계측값 또는 산출값(추정값)이다. 초기 상태량 설정부(13)는, 오퍼레이터 또는 외부 장치로부터 입력된 지시 및 조건에 따라서 플랜트의 정지 시뮬레이션을 실행하고, 그 시뮬레이션 결과를 초기 상태량의 산출에 사용하도록 구성되어 있어도 된다.
이상, 도 3을 사용하여, 제어 파라미터 최적화 장치(100)의 기능적인 구성에 대하여 설명하였다. 또한, 도 3에는 도시되어 있지 않지만, 제어 파라미터 최적화 장치(100)에는, 오퍼레이터에 의해 수동 입력되고, 또는 외부 장치(예를 들어 제어 장치(200))로부터 입력되는 정보로서, 계산 조건의 설정을 접수하는 구성이 마련되어 있어도 된다.
계산 조건의 정보는, 최적화 계산의 실행 시에 사용된다. 계산 조건의 정보는, 예를 들어 대기 온도, 기동 커브의 형상(변곡점의 수), 기동 커브를 구성하는 모델 파라미터를 최적화 계산에 있어서 고정할지 가변하도록 할지의 설정, 제어 상의 운전 제한값, 회전 기계(300)의 기동 또는 정지의 완료 조건, 사용하는 제어 모델(9), 물리 모델(10), 또는 구조 모델(11)의 지정 등의 정보이다. 계산에 있어서 모델 파라미터를 고정하는 경우, 변곡점의 수는 1이다. 계산 조건의 정보는, 또한 초기 상태량의 산출에 사용하는 정지 시뮬레이션의 결과를 지정하는 정보를 포함하고 있어도 된다. 계산 조건의 정보는, 복수 패턴의 정보를 포함하고 있어도 되고, 각각의 패턴에 대하여 최적화 계산이 실행되어, 그 중에서 최적인 결과가 선택되어도 된다.
(제어 파라미터 최적화 장치의 하드웨어 구성)
이하, 도 4를 참조하면서, 제어 파라미터 최적화 장치(100)의 구성에 대하여 설명한다. 도 4에 도시하는 바와 같이, 제어 파라미터 최적화 장치(100)는, 다른 장치와 통신을 행하는 통신부(110)와, 각종 데이터를 기억하는 기억부(120)와, 오퍼레이터의 입력을 접수하는 입력부(130)와, 정보를 출력하기 위한 출력부(140)와, 장치 전체의 제어를 행하도록 구성된 제어부(150)를 구비한다. 이들 구성 요소는, 버스 라인(160)에 의해 서로 접속된다.
통신부(110)는, 유선 통신 또는 무선 통신을 행하기 위한 NIC(Network Interface Card controller)를 구비하는 통신 인터페이스이다. 통신부(110)는, 네트워크를 통하여, 다른 장치(예를 들어 서버 장치나 제어 장치(200))와 통신을 행한다.
기억부(120)는, RAM(Random Access Memory), ROM(Read Only Memory) 등으로 구성된다. 기억부(120)는, 각종 제어 처리를 실행하기 위한 프로그램(예를 들어, 플랜트 모델(3), 구조 모델(11), 최적화 계산을 실행하기 위한 프로그램 등)과, 각종 데이터(예를 들어, 취득한 입력 정보, 설정 정보, 계산 결과 등)를 기억한다. 또한, 기억부(120)는, 하나의 기억 장치에 의해 구성되어도 되고, 복수의 기억 장치에 의해 구성되어도 된다.
입력부(130)는, 예를 들어 조작 버튼, 키보드, 포인팅 디바이스, 마이크로폰 등의 입력 장치로 구성된다. 입력부(130)는, 오퍼레이터가 지시나 정보를 입력하기 위하여 사용되는 입력 인터페이스이다.
출력부(140)는, 예를 들어 LCD(Liquid Crystal Display), EL(Electroluminescence) 디스플레이, 스피커 등의 출력 장치로 구성된다. 출력부(140)는, 오퍼레이터에 각종 정보를 제시하기 위한 출력 인터페이스이다.
제어부(150)는, CPU(Central Processing Unit), GPU(Graphics Processing Unit) 등의 프로세서로 구성된다. 제어부(150)는, 기억부(120)에 기억되어 있는 프로그램을 실행함으로써, 장치 전체의 동작을 제어한다. 예를 들어, 제어부(150)는, 제어 파라미터 최적화부(2)나 구조 모델(11) 등의 계산 처리를 실현한다.
제어 파라미터 최적화 장치(100)는, 통신부(110)을 통해, 플랜트(400)에 관한 정보를 공유하기 위한 서버 장치(도시하지 않음)로부터, 플랜트(400)의 모델 파라미터에 관련되는 정보(예를 들어, 플랜트 특성 정보, 플랜트 설계 정보, 기기 설계 정보, 제어 파라미터 정보)를 취득하도록 구성되어 있어도 된다. 또한, 제어 파라미터 최적화 장치(100)는, 입력부(130)를 통해, 오퍼레이터로부터 그러한 정보를 취득하도록 구성되어 있어도 된다.
제어 파라미터 최적화 장치(100)는, 상술한 계산 조건의 정보를 통신부(110) 또는 입력부(130)를 통해 취득해도 된다. 제어 파라미터 최적화 장치(100)는, 최적화의 계산 결과를, 출력부(140)를 통해 표시 장치에 표시시키도록 구성되어도 되고, 최적화된 제어 파라미터(최적화 제어 파라미터)에 관한 정보를, 통신부(110)를 통해 제어 장치(200)에 출력(설정)하도록 구성되어도 된다.
제어 파라미터 최적화 장치(100)는, 최적화의 계산에 필요한 각종 정보에 ID를 부여하여 저장하게 구성된 데이터베이스를 사용하게 구성되어도 된다. 이러한 데이터베이스는, 예를 들어 제어 파라미터 최적화 장치(100)과 통신하는 서버 장치(도시하지 않음) 또는 제어 파라미터 최적화 장치(100)의 기억부(120)에 기억된다.
예를 들어, 데이터베이스에서는, 일시를 나타내는 정보와, 기동이나 정지 등의 동작을 나타내는 정보와, 유닛명과, 운전 데이터를 관련지어서 운전 데이터 ID를 부여한다. 유닛명과, 사용한 플랜트 모델 ID, 구조 모델 ID 및 제어 파라미터 ID와, 정지 시뮬레이션 결과를 관련지어서 정지 시뮬레이션 ID를 부여한다. 유닛명과, 실기에 설정 완료인지 아닌지를 나타내는 정보와, 제어 파라미터 설정값을 나타내는 정보를 관련지어서 제어 파라미터 ID를 부여한다. 제어 파라미터 설정값을 나타내는 정보는, 플랜트의 초기 상태에 대응하는 파라미터(예를 들어, 메탈 온도)와 제어 파라미터의 조합을 나타내는 정보이다.
또한, 데이터베이스에서는, 유닛명과, 플랜트 기본 모델 파일 ID와, 파라미터 조정 완료인지의 여부를 나타내는 정보와, 파라미터 조정에 사용한 운전 데이터 ID와, 플랜트 모델(3)의 모델 파라미터(조정 대상 파라미터)와, 플랜트 모델(3)의 모델 파라미터(조정 불가 파라미터)와, 오차에 관한 정보를 관련지어서 플랜트 모델 ID를 부여한다. 유닛 타입(플랜트가 GTCC인지 증기 터빈인지를 나타내는 정보)과, 유닛 형식과, 플랜트 모델 파일을 관련지어서 플랜트 기본 모델 파일 ID를 부여한다. 유닛명과, 사용한 플랜트 모델 ID와, 사용한 구조 모델 ID와, 정지 후 경과 시간과, 제약 조건과, 제어 파라미터, 시뮬레이션 결과 및 목적 함수의 계산 결과를 관련지어서 최적화 계산 결과 ID를 부여한다. 어느 실시 형태에서는, 구조 모델은 유닛마다 작성되고, 구조 모델은 유닛명만에 관련지어진다.
유닛명과, 구조 기본 모델 파일 ID와, 파라미터 조정 완료인지의 여부를 나타내는 정보와, 파라미터 조정에 사용한 운전 데이터 ID와, 플랜트 모델(3)의 모델 파라미터(조정 대상 파라미터)와, 플랜트 모델(3)의 모델 파라미터(조정 불가 파라미터)와, 오차에 관한 정보를 관련지어서 구조 모델 ID를 부여한다. 유닛명과, 플랜트 모델 파일을 관련지어서 구조 기본 모델 파일 ID를 부여한다.
이와 같이, 데이터베이스에 있어서 각 ID와 그것에 관련되는 정보를 연관 지어 저장함으로써, 제어 파라미터 최적화 장치(100)는, 각 ID를 검색 키로서 최적화 계산에 필요한 정보를 용이하게 데이터베이스로부터 취득하는 것이 가능하게 된다. 또한, 다양한 적용 대상에 대한 최적화 계산에 필요한 정보를 데이터베이스에 기억시키고, 거기에서 실제의 적용 대상으로 필요한 정보를 추출하기 위해서, 제어 파라미터 최적화 장치(100)의 적용 대상에 대한 범용성을 향상시킬 수 있다.
이상, 도 4를 사용하여, 제어 파라미터 최적화 장치(100)의 구성의 일례에 대하여 설명하였다. 또한, 제어 파라미터 최적화 장치(100)는, 상술한 구성예에 한정되지 않고, 상기 구성 중 일부의 구성이 생략되어도 되고, 또한 다른 구성이 추가되어 있어도 된다.
또한, 제어 파라미터 최적화 장치(100)는 상기의 예에 한정되는 것은 아니고, 다양한 변형이 가능하다. 예를 들어, 제어 파라미터 최적화 장치(100)는, 제어 파라미터 선정부(7), 제어 모델(9) 및 물리 모델(10)에 대한 입력 정보를 기억부(120)에 기억하고, 제어 파라미터 최적화 장치(100)를 다른 동형 또한 동 규모의 플랜트(400)에 적용한 때에, 제어 파라미터 선정부(7), 제어 모델(9) 또는 물리 모델(10)에 대한 입력 정보의 일부에 결손이 있었던 경우에는, 기억부(120)에 축적되어 있는 과거의 입력 정보로부터 당해 결손 부분의 데이터를 보충하도록 구성되어도 된다.
(최적화의 구체예)
하나의 목적 함수를 대상으로 할 때는, 목적 함수에 관련되는 제어 파라미터를 선택하고, 선택한 제어 파라미터의 최선의 해를 탐색하여, 최적화를 도모한다. 한편, 트레이드오프의 관계에 있는 복수의 목적 함수를 대상으로 할 때는, 다목적 최적화 수법에 의해, 최적의 제어 파라미터를 탐색하여, 최적화를 도모할 수 있다.
도 5 내지 도 8은, 각각, 일 실시 형태에 관한 제어 파라미터 최적화 장치(100)에 의한 최적화의 일례를 설명하기 위한 그래프이다. 이하, 이들의 도면을 참조하면서, 최적화의 구체예에 대하여 설명한다.
먼저, 제어 파라미터 최적화 장치(100)를, 발전 플랜트 기동 시의, 최적의 기동 커브(기동 스케줄)의 탐색에 적용하는 일례에 대하여 설명한다. 도 5는, 목적 함수로서 기동 시간 및 수명 소비량이 설정된 경우의, 최적 해에 맞는 복수의 기동 커브를, 각각, 「○」로 표시하고 있다.(즉, 복수의 기동 커브에 대해서, 각 기동 커브에 따라 발전 플랜트를 기동한 때의 기동 시간과 수명 소비량을, 플랜트 모델(제어 모델, 물리 모델)에서 산출하고, 복수의 기동 커브의 전체에 대해서, 횡축을 기동 시간, 종축을 수명 소비량으로 하는 그래프 상에 플롯한 것임) 플랜트(400)에 있어서는, 일반적으로 기동 시간과 수명 소비량은 트레이드오프의 관계에 있다. 그 때문에, 최적 해에 맞는 기동 커브(이하, 최적 해)는 하나가 아니고, 예를 들어 공지된 진화적 알고리즘을 제어 파라미터 갱신부(8)에 있어서의 다목적 최적화 수법으로서 적용한 경우, 최적화 전의 기동 커브 T0에 대하여, 복수의 기동 커브 T1 내지 T7이, 최적 해로서 계산된다. 도 5에 도시하는 바와 같이, 제어 파라미터 최적화 장치(100)는, 최적 해 T1 내지 T7과 함께 최적화 전의 기동 커브 T0을 표시 장치에 표시시키도록 구성되어도 된다. 이 경우, 오퍼레이터는, 최적화에 의한 목적 함수(기동 시간 및 수명 소비량)의 개선 효과를 확인할 수 있다.
도 6은, 목적 함수로서 기동 시간, 수명 소비량 및 연료 비용이 설정된 경우의 최적 해의 표시예를 나타내고 있다. 또한, 4개 이상의 목적 함수가 설정된 경우에는, 3개 이하의 목적 함수마다 나누어서 표시해도 된다. 예를 들어 4개의 목적 함수가 설정된 경우에는, 3개의 목적 함수와 나머지 하나의 목적 함수로 나누고, 혹은, 2개의 목적 함수와 나머지 2개의 목적 함수로 나누어서 표시한다.
또한, 제어 파라미터 최적화 장치(100)는, 도 5에 도시하는 바와 같이, 기동 커브의 최적화의 결과로서 복수의 최적 해 T1 내지 T7이 계산된 경우에, 각 최적 해에 맞는 복수의 기동 스케줄을 표시 장치의 화면 상에서 확인할 수 있도록 구성되어도 된다. 제어 파라미터 설정부(4)는, 제어 파라미터 최적화 장치(100)로부터 출력된 최적화 결과(복수의 최적 해 및 각각에 대응하는 최적화 제어 파라미터) 중 표시 장치를 본 오퍼레이터에 의한 조작을 통해 선택된 최적 해에 대응하는 최적화 제어 파라미터를 제어 장치(200)에 설정하도록 구성되어도 된다. 한편, 복수의 최적 해의 모두 오퍼레이터에 의해 선택되지 않은 경우에는, 어느 최적화 제어 파라미터도 제어 장치(200)에 설정하지 않도록 구성되어도 된다. 이에 의해, 제어 파라미터 최적화 장치(100)에 의해 계산된 복수의 최적 해 중, 원하는 운전 특성을 실현할 수 있는 하나의 최적 해를 플랜트(400)의 실제 제어에 반영되는 것이 가능하게 된다.
도 7은, 목적 함수로서 기동 시간 및 수명 소비량이 설정되고, 운전 제한값으로서 수명 소비량의 상한값이 설정된 경우에 있어서의, 복수의 최적 해 T1 내지 T7과 운전 제한값 L의 관계의 일례를 나타내고 있다. 도 7에 나타내는 예에서는, 제어 파라미터 갱신부(8)는, 복수의 최적 해 T1 내지 T7 중, 운전 제한값 L을 충족하는 최적 해 T3 내지 T7 중 어느 하나를 선정하여, 선정된 최적 해에 대응하는 최적화 제어 파라미터를 제어 장치(200)에 출력한다. 예를 들어, 운전 제한값 L을 충족하는 최적 해 T3 내지 T7 중, 운전 제한값 L에 가장 가까운 최적 해 T3이 선정된다. 또한, 최적 해의 선정 방법은, 이러한 선정 방법에 한정되지 않고, 여러가지 선정 방법이 생각된다. 예를 들어, 운전 제한값 L을 충족하는 최적 해 T3 내지 T7 중, 기동 시간 및 수명 소비량의 가중 평균이 최소가 되는 최적 해가 선정되어도 된다.
도 8은, 다양한 기동 커브의 각각에 대하여 얻어진 계산 결과(각 기동 커브를 따라 기동한 때의, 기동 시간과 수명 소비량)를, 횡축을 기동 시간, 종축을 수명 소비량으로 하는 그래프 상에 플롯한 도면이다. 이 계산 결과를 얻기 위해서는, 먼저, 기동 곡선(발전량의 상승 스케줄)을 규정하는, 변화율, 보유 지지값, 보유 지지 시간과 같은 기동 파라미터값의 조합 후보를 랜덤하게 선정한다. 이어서, 선정한 기동 파라미터의 조합 후보의 각각에 대해서, 그 기동 파라미터값의 조합을 갖고 규정되는 기동 곡선 커브를 따라 회전 기계(300)를 기동한 때의 기동 시간과 수명 소비량을, 상기 선택한 기동 파라미터의 조합 후보의 모두에 대하여 계산한다. 이에 의해, 상기의 계산 결과가 얻어진다.
회전 기계(300)를 기동하는 경우에, 예를 들어 기동 시간을 단축하고자 하면, 수명 소비량은 커지고, 다른 목적을 동시에 개선할 수는 없다. 이와 같이, 상기 2개의 목적 사이에는 트레이드오프 관계가 존재한다.
복수의 플롯 P는, 각각 기동 커브를 나타내고 있다. 곡선 R은, 최선 트레이드오프 관계를 형성하는 해의 집합을 나타내는 곡선이다. 곡선 R보다 상측에 있어서 곡선 R에 가까운 복수개의 플롯 P를 선택하고, 그것들 플롯 P 각각에 대응하는 기동 커브를 형성하는 기동 파라미터값의 조합의 각각을, 최적화 제어 파라미터의 후보 군으로 한다.
또한, 상기의 최적화의 구체예에서는, 제어 파라미터 최적화 장치(100)를 플랜트(400)의 기동 시의 운전 제어에 적용한 경우, 즉 플랜트(400)의 정지 중(기동 전)에 제어 파라미터를 최적화하는 경우의 예를 설명하였다. 그러나, 제어 파라미터 최적화 장치(100)는, 이것에 한정되지 않고, 예를 들어 플랜트(400)의 운전 중에 제어 파라미터를 축차 최적화하도록 구성되어도 된다. 또한, 제어 파라미터 최적화 장치(100)에 의한 최적화는, 기동 시의 운전 제어가 아닌 정지 시의 운전 제어에 적용되어도 된다.
(제어 파라미터 최적화 방법)
이하, 제어 파라미터 최적화 방법의 구체예에 대하여 설명한다. 도 9는, 일 실시 형태에 관한 제어 파라미터 최적화 방법의 수순을 도시하는 흐름도이다. 또한, 여기에서는, 제어 파라미터 최적화 장치(100)가 실행하는 제어 처리로서 제어 파라미터 최적화 방법의 수순을 설명한다. 그러나, 이하에 설명하는 각각의 수순에 있어서 일부 또는 전부가 오퍼레이터의 수동에 의해 실행되어도 된다. 또한, 이하의 설명에서는, 모델 파라미터가 이미 설정되어 있는 것을 전제로 한다.
도 9에 도시하는 바와 같이, 제어 파라미터 최적화 장치(100)는, 계산 조건 정보를 취득한다(스텝 S1). 구체적으로는, 제어 파라미터 최적화 장치(100)는, 계산 조건 정보로서, 상술한 초기 상태 정보, 계산 조건, 목표 함수 등의 정보를, 통신부(110) 또는 입력부(130)를 통해 취득한다. 또한, 계산 조건 정보가 기억부(120)에 기억되어 있는 경우에는, 제어 파라미터 최적화 장치(100)는, 기억부(120)를 참조하여 계산 조건 정보를 취득해도 된다. 취득한 계산 조건 정보는, 이후의 스텝 S2 내지 S5의 계산에 사용된다.
제어 파라미터 최적화 장치(100)는, 최적화의 계산에 사용하는 제어 파라미터를 설정한다(스텝 S2). 예를 들어, 제어 파라미터 선정부(7)가 제어 파라미터를 선정하고, 제어 파라미터 갱신부(8)가 그 제어 파라미터에 최적화의 계산에 사용하는 제어 파라미터를 설정한다. 또한, 제어 파라미터 갱신부(8)는, 계산 개시 시에서는 소정의 값을 제어 파라미터의 값으로서 설정해도 된다.
제어 파라미터 최적화 장치(100)는, 제어 명령값과 프로세스양을 계산한다(스텝 S3). 구체적으로는, 제어 파라미터 갱신부(8)는, 제어 파라미터를 플랜트 모델(3)에 입력한다. 플랜트 모델(3)의 제어 모델(9)과 물리 모델(10)은, 입력된 제어 파라미터에 기초하여, 제어 명령값과 프로세스양을 계산한다. 이때, 물리 모델(10)로부터 구조 모델(11)에도 프로세스양의 계산 결과가 출력된다.
제어 파라미터 최적화 장치(100)는, 목적 함수를 산출한다(스텝 S4). 구체적으로는, 플랜트 모델(3)은, 스텝 S3에서 계산된 제어 명령값 및 프로세스양에 기초하여, 목적 함수를 산출한다. 목적 함수의 산출 결과는, 제어 파라미터 갱신부(8)에 출력된다.
제어 파라미터 최적화 장치(100)는, 회전 기계(300)의 회전 부재와 정지 부재 사이의 클리어런스를 산출한다(스텝 S5). 구체적으로는, 구조 모델(11)이 프로세스양의 계산 결과에 기초하여 클리어런스를 산출하고, 그것을 제어 파라미터 갱신부(8)에 출력한다. 또한, 스텝 S4와 스텝 S5는 순서가 반대여도 된다.
여기서, 제어 파라미터 최적화 장치(100)는, 최적화가 완료되었는지의 여부를 판별한다(스텝 S6). 예를 들어, 제어 파라미터 갱신부(8)는, 계산된 목적 함수가 최소화 또는 최대화되어 있는 것과, 계산된 클리어런스가 제약 조건을 충족하는 범위 내인 것이 충족되고 있는 것을 조건으로, 최적화가 완료되었다고 판별한다.
또한, 최적화의 완료 조건은, 이러한 조건에 한정되지 않는다. 최적화가 완료되었는지의 여부는, 사전에 설정되어 있는 완료 조건을 충족하는지의 여부에 의해 판별된다.
어느 실시 형태에서는, 제어 파라미터 최적화 장치(100)는, 진화적 알고리즘을 적용하여, 최적의 기동 커브(최적 해)를 정의하는 최적 제어 파라미터의 탐색을 행한다. 구체적으로는, 변화율, 보유 지지값, 보유 지지 시간과 같은 기동 파라미터값의 조합 후보를 랜덤하게 선정하여, 최초의 친 세대로 한다. 그것들의 후보의 각각에 대응하는 기동 커브를 따라 회전 기계(300)를 기동한 때의 복수의 목적 함수(예를 들어, 기동 시간과 열응력)와 클리어런스를, 상기 선택한 기동 파라미터값의 조합 후보의 모두에 대하여 계산한다. (스텝 1) 계산 결과에 기초하여 각 후보를 랭크 부여(평가)하여, 조합 후보 중에서 우량 후보를 추출한다. (스텝 2) 이어서, 교차, 돌연변이에 관한 처리가 행하여져, 자 세대에 맞는 개량 후보(후보 1´, 후보 2´, 후보 3´, ···)가 생성되고, 세대수가 1 증가한다. (스텝 3) 생성된 개량 후보를 친 세대로서 사용하고, 상기 스텝 1로부터 스텝 3을 반복하고, 반복한 수(세대 수)가 미리 설정한 횟수(세대수)에 달한 시점에서, 최적화가 완료되었다고 판별된다. 최적화가 완료되었을 때에 생존하고 있는 복수의 후보(기동 파라미터값의 조합)가 최적화 파라미터가 된다. 또한, 복수의 최적화 파라미터의 각각에 대응하는 기동 커브가, 각각 최적 해가 된다.
최적화가 완료되어 있지 않다고 판별한 경우(스텝 S6; "아니오"), 제어 파라미터 최적화 장치(100)는, 스텝 S2로 되돌아가서 다시 스텝 S2 내지 S5의 처리를 실행한다. 또한, 이 경우의 스텝 S2에서는, 제어 파라미터 갱신부(8)는, 제어 파라미터를 갱신하고, 갱신 후의 제어 파라미터를 계산에 사용하는 제어 파라미터로서 설정한다.
한편, 최적화가 완료되었다고 판별한 경우(스텝 S6; "예"), 제어 파라미터 최적화 장치(100)는, 최적화 제어 파라미터를 설정한다(스텝 S7). 구체적으로는, 제어 파라미터 갱신부(8)가 최적화 제어 파라미터를 출력하여, 제어 파라미터 최적화 장치(100)가 그것을 제어 장치(200)에 설정한다.
본 개시는 상술한 실시 형태에 한정되지 않고, 상술한 실시 형태에 변형을 가한 형태나, 이들의 형태를 적절히 조합한 형태도 포함한다.
(정리)
상기 각 실시 형태에 기재된 내용은, 예를 들어 이하와 같이 파악된다.
(1) 본 개시의 일 실시 형태에 관한 제어 파라미터 최적화 장치(100)는,
회전 기계(300)를 구비하는 플랜트(400)를 제어하기 위한 제어 장치(200)의 제어 파라미터를 최적화하기 위한 제어 파라미터 최적화 장치(100)이며,
상기 제어 장치(200)를 포함한 상기 플랜트(400) 전체의 동작을 모의하고, 상기 제어 장치(200)에 의한 제어 명령값 및 상기 플랜트(400)의 프로세스양을 계산하도록 구성된 플랜트 모델(3)과,
상기 플랜트 모델(3)에 있어서의 상기 프로세스양의 계산 결과에 기초하여 산출되는 목적 함수에 기초하여, 상기 플랜트 모델(3)에 있어서의 상기 제어 명령값의 계산에 사용하는 상기 제어 파라미터를 갱신하도록 구성된 제어 파라미터 갱신부(8)와,
상기 플랜트 모델(3)로부터의 상기 프로세스양에 기초하여 상기 회전 기계(300) 내의 정지 부재와 회전 부재 사이의 클리어런스를 산출하는 구조 모델(11)을
구비하고,
상기 제어 파라미터 갱신부(8)는, 상기 구조 모델(11)에 의해 산출된 상기 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 상기 제어 파라미터를 탐색하도록 구성된다.
상기 (1)에 기재된 구성에 의하면, 회전 기계(300) 내의 정지 부재와 회전 부재 사이의 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 제어 파라미터를 탐색할 수 있다. 또한, 탐색된 제어 파라미터를 플랜트(400)의 제어 장치(200)에 설정함으로써, 플랜트(400)의 손상 리스크를 저감하는 것이 가능하게 된다.
(2) 몇 가지의 실시 형태에서는, 상기 (1)에 기재된 구성에 있어서, 상기 구조 모델(11)은, 상기 회전 기계(300)의 입구 또는 출구에 있어서의 작동 유체의 상태를 나타내는 상기 프로세스양을 상기 플랜트 모델(3)로부터 취득하고, 상기 프로세스양을 상기 클리어런스의 산출에 사용하도록 구성된다.
상기 (2)에 기재된 구성에 의하면, 회전 기계(300)의 입구 또는 출구에 있어서의 작동 유체의 상태를 나타내는 프로세스양을 사용하기 때문에, 클리어런스를 보다 정확하게 산출할 수 있다.
(3) 몇 가지의 실시 형태에서는, 상기 (1) 또는 (2)에 기재된 구성에 있어서, 상기 구조 모델(11)은, 상기 회전 기계(300)의 온도 분포 또는 형상의 변위 분포를 계산하기 위한 모델이다.
상기 (3)에 기재된 구성에 의하면, 구조 모델(11)에 의해 회전 기계(300)의 온도 분포 또는 형상의 변위 분포가 계산된다. 그 때문에, 클리어런스의 분포를 추정하여, 클리어런스의 분포가 제약 조건을 충족하는 범위 내에서 최적의 제어 파라미터를 탐색하도록 구성하는 것이 가능하게 된다. 그 결과, 플랜트(400)의 손상 리스크를 보다 저감할 수 있다.
(4) 몇 가지의 실시 형태에서는, 상기 (3)에 기재된 구성에 있어서, 상기 구조 모델(11)은, 또한, 수명 소비량과 열응력 중, 적어도 한쪽을 산출하도록 구성된다.
상기 (4)에 기재된 구성에 의하면, 구조 모델(11)이 수명 소비량과 열응력 중, 적어도 한쪽도 산출하기 위해서, 플랜트(400)의 손상 리스크를 보다 직접적으로 저감할 수 있다.
(5) 몇 가지의 실시 형태에서는, 상기 (1) 내지 (4) 중 어느 하나에 기재된 구성에 있어서, 상기 목적 함수는, 연료 소비량, 기동 시간, 정지 시간 및 수명 소비량 중, 어느 하나 이상의 지표를 나타내는 함수이다.
상기 (5)에 기재된 구성에 의하면, 특히 최소화 또는 최대화해야 하는 지표를 나타내는 함수를 목적 함수로서 제어 파라미터를 최적화할 수 있다.
(6) 몇 가지의 실시 형태에서는, 상기 (1) 내지 (5) 중 어느 하나에 기재된 구성에 있어서, 제어 파라미터 최적화 장치(100)는 통신부(110)를 구비하고, 해당 통신부(110)를 통해, 상기 플랜트(400)에 관한 정보를 공유하기 위한 서버 장치로부터, 상기 플랜트(400)의 모델 파라미터에 관련되는 정보를 취득하도록 구성된다.
상기 (6)에 기재된 구성에 의하면, 운전 동작을 최적화해야 할 당해 플랜트(400) 또는 당해 플랜트(400)에 유사한 플랜트(400)의 모델 파라미터에 관련되는 정보(예를 들어, 플랜트 특성 정보, 플랜트 설계 정보, 기기 설계 정보, 제어 파라미터 정보)를 서버 장치에서 공유하고, 그것을 활용함으로써, 플랜트(400)의 각종 모델(예를 들어, 플랜트 모델(3), 구조 모델(11))의 정밀도나 범용성을 향상시키는 것이 가능하게 된다.
(7) 본 개시의 일 실시 형태에 관한 플랜트(400)는,
회전 기계(300)와,
상기 회전 기계(300)를 제어하기 위한 제어 장치(200)를 구비하는 플랜트이며,
상기 제어 장치(200)는, 상기 (1) 내지 (6) 중 어느 하나에 기재된 제어 파라미터 최적화 장치(100)에 의해 최적화된 제어 파라미터에 기초하여 운전을 제어하도록 구성되었다.
상기 (7)에 기재된 구성에 의하면, 플랜트(400)의 손상 리스크를 저감할 수 있다.
(8) 본 개시의 일 실시 형태에 관한 플랜트(400)는,
회전 기계(300)와,
상기 (1) 내지 (6) 중 어느 하나에 기재된 제어 파라미터 최적화 장치(100)와,
상기 제어 파라미터 최적화 장치(100)에 의해 최적화된 제어 파라미터에 기초하여 운전을 제어하도록 구성된 제어 장치(200)를
구비한다.
상기 (8)에 기재된 구성에 의하면, 플랜트(400)의 손상 리스크를 저감할 수 있다.
(9) 본 개시의 일 실시 형태에 관한 제어 파라미터 최적화 방법은,
회전 기계(300)를 구비하는 플랜트(400)를 제어하기 위한 제어 장치(200)의 제어 파라미터를 최적화하기 위한 제어 파라미터 최적화 방법이며,
상기 제어 장치(200)를 포함한 상기 플랜트(400) 전체의 동작을 모의하는 플랜트 모델(3)을 사용하여, 상기 제어 장치(200)에 의한 제어 명령값 및 상기 플랜트(400)의 프로세스양을 계산하는 스텝과,
상기 플랜트 모델(3)에 있어서의 상기 프로세스양의 계산 결과에 기초하여 산출되는 목적 함수에 기초하여, 상기 플랜트 모델(3)에 있어서의 상기 제어 명령값의 계산에 사용하는 상기 제어 파라미터를 갱신하는 스텝과,
상기 플랜트 모델(3)로부터의 상기 프로세스양에 기초하여 상기 회전 기계(300) 내의 정지 부재와 회전 부재 사이의 클리어런스를 산출하는 스텝을
포함하고,
산출되는 상기 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 상기 제어 파라미터를 탐색한다.
상기 (9)에 기재된 방법에 의하면, 회전 기계(300) 내의 정지 부재와 회전 부재 사이의 클리어런스가 제약 조건을 충족하는 범위 내에서 탐색된 최적의 제어 파라미터를 탐색할 수 있다. 이 경우, 탐색된 제어 파라미터를 플랜트(400)의 제어 장치(200)에 설정함으로써, 플랜트(400)의 손상 리스크를 저감하는 것이 가능하게 된다.
1: 목적 함수 설정부
2: 제어 파라미터 최적화부
3: 플랜트 모델
4: 제어 파라미터 설정부
5: 물리 파라미터 설정부
6: 설계 파라미터 설정부
7: 제어 파라미터 선정부
8: 제어 파라미터 갱신부
9: 제어 모델
10: 물리 모델
11: 구조 모델
12: 구조 파라미터 설정부
13: 초기 상태량 설정부
100: 제어 파라미터 최적화 장치
110: 통신부
120: 기억부
130: 입력부
140: 출력부
150: 제어부
160: 버스 라인
200: 제어 장치
300: 회전 기계
400: 플랜트
2: 제어 파라미터 최적화부
3: 플랜트 모델
4: 제어 파라미터 설정부
5: 물리 파라미터 설정부
6: 설계 파라미터 설정부
7: 제어 파라미터 선정부
8: 제어 파라미터 갱신부
9: 제어 모델
10: 물리 모델
11: 구조 모델
12: 구조 파라미터 설정부
13: 초기 상태량 설정부
100: 제어 파라미터 최적화 장치
110: 통신부
120: 기억부
130: 입력부
140: 출력부
150: 제어부
160: 버스 라인
200: 제어 장치
300: 회전 기계
400: 플랜트
Claims (9)
- 회전 기계를 구비하는 플랜트를 제어하기 위한 제어 장치의 제어 파라미터를 최적화하기 위한 제어 파라미터 최적화 장치이며,
상기 제어 장치를 포함한 상기 플랜트 전체의 동작을 모의하고, 상기 제어 장치에 의한 제어 명령값 및 상기 플랜트의 프로세스양을 계산하도록 구성된 플랜트 모델과,
상기 플랜트 모델에 있어서의 상기 프로세스양의 계산 결과에 기초하여 산출되는 목적 함수에 기초하여, 상기 플랜트 모델에 있어서의 상기 제어 명령값의 계산에 사용하는 상기 제어 파라미터를 갱신하도록 구성된 제어 파라미터 갱신부와,
상기 플랜트 모델로부터의 상기 프로세스양에 기초하여 상기 회전 기계 내의 정지 부재와 회전 부재 사이의 클리어런스를 산출하는 구조 모델을
구비하고,
상기 제어 파라미터 갱신부는, 상기 구조 모델에 의해 산출된 상기 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 상기 제어 파라미터를 탐색하도록 구성된
제어 파라미터 최적화 장치. - 제1항에 있어서, 상기 구조 모델은, 상기 회전 기계의 입구 또는 출구에 있어서의 작동 유체의 상태를 나타내는 상기 프로세스양을 상기 플랜트 모델로부터 취득하고, 상기 프로세스양을 상기 클리어런스의 산출에 사용하도록 구성된
제어 파라미터 최적화 장치. - 제1항 또는 제2항에 있어서, 상기 구조 모델은, 상기 회전 기계의 온도 분포 또는 형상의 변위 분포를 계산하기 위한 모델인
제어 파라미터 최적화 장치. - 제3항에 있어서, 상기 구조 모델은, 또한, 수명 소비량과 열응력 중 적어도 한쪽을 산출하도록 구성되는
제어 파라미터 최적화 장치. - 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 목적 함수는, 연료 소비량, 기동 시간, 정지 시간 및 수명 소비량 중, 어느 하나 이상의 지표를 나타내는 함수인
제어 파라미터 최적화 장치. - 제1항 내지 제5항 중 어느 한 항에 있어서, 통신부를 구비하고, 해당 통신부를 통해, 상기 플랜트에 관한 정보를 공유하기 위한 서버 장치로부터, 상기 플랜트의 모델 파라미터에 관련되는 정보를 취득하도록 구성된
제어 파라미터 최적화 장치. - 회전 기계와,
상기 회전 기계를 제어하기 위한 제어 장치를 구비하는 플랜트이며,
상기 제어 장치는, 제1항 내지 제6항 중 어느 한 항에 기재된 제어 파라미터 최적화 장치에 의해 최적화된 제어 파라미터에 기초하여 운전을 제어하도록 구성된
플랜트. - 회전 기계와,
제1항 내지 제6항 중 어느 한 항에 기재된 제어 파라미터 최적화 장치와,
상기 제어 파라미터 최적화 장치에 의해 최적화된 제어 파라미터에 기초하여 운전을 제어하도록 구성된 제어 장치를
구비하는 플랜트. - 회전 기계를 구비하는 플랜트를 제어하기 위한 제어 장치의 제어 파라미터를 최적화하기 위한 제어 파라미터 최적화 방법이며,
상기 제어 장치를 포함한 상기 플랜트 전체의 동작을 모의하는 플랜트 모델을 사용하여, 상기 제어 장치에 의한 제어 명령값 및 상기 플랜트의 프로세스양을 계산하는 스텝과,
상기 플랜트 모델에 있어서의 상기 프로세스양의 계산 결과에 기초하여 산출되는 목적 함수에 기초하여, 상기 플랜트 모델에 있어서의 상기 제어 명령값의 계산에 사용하는 상기 제어 파라미터를 갱신하는 스텝과,
상기 플랜트 모델로부터의 상기 프로세스양에 기초하여 상기 회전 기계 내의 정지 부재와 회전 부재 사이의 클리어런스를 산출하는 스텝을
포함하고,
산출되는 상기 클리어런스가 제약 조건을 충족하는 범위 내에서 최적의 상기 제어 파라미터를 탐색하는
제어 파라미터 최적화 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020033020A JP7514632B2 (ja) | 2020-02-28 | 制御パラメータ最適化装置、プラント及び制御パラメータ最適化方法 | |
| JPJP-P-2020-033020 | 2020-02-28 | ||
| PCT/JP2021/006104 WO2021172158A1 (ja) | 2020-02-28 | 2021-02-18 | 制御パラメータ最適化装置、プラント及び制御パラメータ最適化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220130746A true KR20220130746A (ko) | 2022-09-27 |
Family
ID=77490954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227028503A KR20220130746A (ko) | 2020-02-28 | 2021-02-18 | 제어 파라미터 최적화 장치, 플랜트 및 제어 파라미터 최적화 방법 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230126831A1 (ko) |
| KR (1) | KR20220130746A (ko) |
| CN (1) | CN115004116A (ko) |
| DE (1) | DE112021000411T5 (ko) |
| WO (1) | WO2021172158A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114172186B (zh) * | 2021-12-14 | 2023-10-20 | 南方电网科学研究院有限责任公司 | 一种lcc-hvdc系统控制参数优化方法、装置、终端及介质 |
| CN116415434B (zh) * | 2023-04-07 | 2024-05-24 | 平湖市山特螺纹工具有限公司 | 一种用于高强度钢的丝锥加工工艺方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017016353A (ja) | 2015-06-30 | 2017-01-19 | 三菱日立パワーシステムズ株式会社 | 制御パラメータ最適化システム及びそれを備えた運転制御最適化装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5546440B2 (ja) * | 2010-12-13 | 2014-07-09 | 住友重機械工業株式会社 | 解析装置および解析方法 |
| JP6145020B2 (ja) * | 2013-10-09 | 2017-06-07 | 三菱重工業株式会社 | 回転機械の異常判定装置及び異常判定方法 |
| JP7004922B2 (ja) | 2019-12-04 | 2022-02-07 | テイ・エス テック株式会社 | 照明装置の取付構造及び車両用ドア |
-
2021
- 2021-02-18 CN CN202180009940.5A patent/CN115004116A/zh active Pending
- 2021-02-18 WO PCT/JP2021/006104 patent/WO2021172158A1/ja active Application Filing
- 2021-02-18 US US17/801,685 patent/US20230126831A1/en active Pending
- 2021-02-18 KR KR1020227028503A patent/KR20220130746A/ko unknown
- 2021-02-18 DE DE112021000411.5T patent/DE112021000411T5/de active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017016353A (ja) | 2015-06-30 | 2017-01-19 | 三菱日立パワーシステムズ株式会社 | 制御パラメータ最適化システム及びそれを備えた運転制御最適化装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230126831A1 (en) | 2023-04-27 |
| CN115004116A (zh) | 2022-09-02 |
| JP2021135871A (ja) | 2021-09-13 |
| WO2021172158A1 (ja) | 2021-09-02 |
| DE112021000411T5 (de) | 2022-10-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10732595B2 (en) | Control parameter automatic-adjustment apparatus, control parameter automatic-adjustment method, and control parameter automatic-adjustment apparatus network | |
| CN106325066B (zh) | 控制参数最佳化系统及具备该系统的运行控制最佳化装置 | |
| KR20220130746A (ko) | 제어 파라미터 최적화 장치, 플랜트 및 제어 파라미터 최적화 방법 | |
| Tsoutsanis et al. | Dynamic performance simulation and control of gas turbines used for hybrid gas/wind energy applications | |
| JP6878108B2 (ja) | エンジンの動力出力をモデル化するためのシステムおよび方法 | |
| Visser | Generic Analysis Methods for Gas Turbine Engine Performance: The development of the gas turbine simulation program GSP | |
| US20200401113A1 (en) | Determining optimal material and/or manufacturing process | |
| Ramoji et al. | Optimal coordinated frequency and voltage control of CCGT-thermal plants with TIDF controller | |
| RU2675965C2 (ru) | Способ определения режима выбросов | |
| JP2015102096A (ja) | ガスタービン燃焼制御システムのコミッショニングの自動化 | |
| US10358983B2 (en) | Asset degradation model baselinening system and method | |
| JP7514632B2 (ja) | 制御パラメータ最適化装置、プラント及び制御パラメータ最適化方法 | |
| Alrebei et al. | Lightweight methane-air gas turbine controller and simulator | |
| JP6032847B2 (ja) | 蒸気タービン起動制御システム | |
| Ledoux et al. | Global optimisation of functional requirements and tolerance allocations based on designer preference modelling | |
| JP2016125497A (ja) | ターボ機械用の可変ランプ速度を生成するためのシステム及び方法 | |
| Al-Azri et al. | An algorithmic approach to the optimization of process cogeneration | |
| JP2016038756A (ja) | エネルギー供給システムの管理・制御支援システム | |
| JP6703633B2 (ja) | 制御パラメータ最適化システム及びそれを備えた運転制御最適化装置 | |
| Šmída et al. | Ideal mathematical model of shock compression and shock expansion | |
| Khan et al. | Risk analysis of gas turbines for natural gas liquefaction | |
| JP7348126B2 (ja) | 制御装置、制御入力決定方法、及び制御入力決定プログラム | |
| Boksteen | Smart operation of gas turbine combined cycle plants: prediction and improvement of thermal efficiency at part load | |
| JP2022045744A (ja) | 流体機械の評価装置、その方法及びそのプログラム | |
| Machacek et al. | Mathematical modeling of turbine as a part of flexible energy system |