TW202001462A - 鍋爐之運轉支援裝置、鍋爐之運轉支援方法、及鍋爐之學習模型之作成方法 - Google Patents

鍋爐之運轉支援裝置、鍋爐之運轉支援方法、及鍋爐之學習模型之作成方法 Download PDF

Info

Publication number
TW202001462A
TW202001462A TW108114798A TW108114798A TW202001462A TW 202001462 A TW202001462 A TW 202001462A TW 108114798 A TW108114798 A TW 108114798A TW 108114798 A TW108114798 A TW 108114798A TW 202001462 A TW202001462 A TW 202001462A
Authority
TW
Taiwan
Prior art keywords
value
factory
process value
plant
actual
Prior art date
Application number
TW108114798A
Other languages
English (en)
Other versions
TWI705316B (zh
Inventor
相木英鋭
馬越龍太郎
斉藤一彦
平原悠智
芳川裕基
吉田雄一
Original Assignee
日商三菱日立電力系統股份有限公司
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 日商三菱日立電力系統股份有限公司 filed Critical 日商三菱日立電力系統股份有限公司
Publication of TW202001462A publication Critical patent/TW202001462A/zh
Application granted granted Critical
Publication of TWI705316B publication Critical patent/TWI705316B/zh

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
    • 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]
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • 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)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Regulation And Control Of Combustion (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

針對工廠，綜合性考慮經濟性、安全性、設備保全等各式各樣的觀點，來進行運轉的預測、調整或指示。取得適用於工廠的實際運轉的實際運轉條件、及使用其來運轉後的結果所得的實際製程值，使用將實際運轉條件及實際製程值的關係進行機械學習而得的學習模型來算出預測製程值，且算出預測製程值滿足預定的評估條件的最適運轉條件。在實際製程值係有：例如由在工廠所生成的最終成果物的品質指標值、及有關環境規制值的指標所成的主控制製程值；及例如由有關工廠內的機器的溫度或壓力的指標、有關由工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值的對象的成分及濃度的指標、及有關工廠的操作端的開度的指標所成的周邊製程值。

Description

工廠之運轉支援裝置、工廠之運轉支援方法、工廠之學習模型之作成方法、工廠之運轉支援程式、記錄有工廠之運轉支援程式的記錄媒體、工廠之學習模型之作成程式、及記錄有工廠之學習模型之作成程式的記錄媒體
本發明係關於工廠之運轉支援技術。
在發電廠的運轉，尤其大型鍋爐的運轉中，操作作為運轉條件的多數輸入參數，例如調整各燃燒器中的燃燒用空氣流量的阻風門(damper)的開度、燃燒器噴嘴角度、煤等固體燃料的粉碎機的分級旋轉速度等，取得NOX 、CO的濃度、傳熱管表面溫度(金屬溫度)、蒸氣溫度等製程值，作為其結果的輸出(監視項目)。在鍋爐的燃燒調整中，係必須以各製程值成為適當範圍內的方式控制輸入參數。但是，輸入參數有數10項目以上之多數，並且相對於輸入參數的變化，取得各製程值作為複雜相互關係的結果，因此有製程值改善或惡化者，在輸入參數的操作係必須要有非常複雜的順序。
因此，在大型的鍋爐中，根據試運轉(燃燒調整)的結果，在特定條件中設定經最適化的控制邏輯，根據該控制邏輯，控制輸入參數。但是，有無法應對機器的狀況或燃料等的微細變化，而未形成為最適運轉的可能性。
因此，有適於運轉最適化而事前使用輸入參數來模擬鍋爐的燃燒動作，且使用該結果而欲進行鍋爐的自動運轉的期望。在專利文獻1中係揭示修正工廠的模擬的模型建構資料，根據該結果來進行鍋爐控制的構成。此外，在模型輸出(最適化對象)係例示有排放氣體所包含的NOX 、CO、及H2 S濃度。 [先前技術文獻] [專利文獻]
[專利文獻1]日本特開2011-210215號公報
(發明所欲解決之課題)
鍋爐係不僅主控制對象(有關鍋爐出口蒸氣溫度、排放氣體的環境規制值的值等)，必須按照各個特性，綜合性考慮經濟性、安全性、設備保全等各要素來進行控制。關於此點，在專利文獻1中，即使在主控制對象之中可對應環境規制值，亦未記載對其他要素的考量，並未滿足上述期望。
本發明係解決上述課題者，目的在提供針對包含鍋爐的工廠，可綜合性考慮經濟性、安全性、設備保全等各式各樣的觀點來進行運轉的預測、調整或指示的工廠之運轉支援裝置、工廠之運轉支援方法、工廠之學習模型之作成方法、工廠之運轉支援程式、記錄有工廠之運轉支援程式的記錄媒體、工廠之學習模型之作成程式、及記錄有工廠之學習模型之作成程式的記錄媒體。 (解決課題之手段)
為達成上述目的，具備申請專利範圍所記載的構成。若列舉其一例，為一種工廠之運轉支援裝置，其特徵為：具備：資料取得部，其係取得適用於工廠的實際運轉的實際運轉條件、及適用該實際運轉條件來將前述工廠運轉後的結果所得的實際製程值；模型記憶部，其係記憶將前述實際運轉條件及前述實際製程值的關係進行機械學習而得的學習模型；運轉資料記憶部，其係記憶包含前述實際運轉條件及前述實際製程值的運轉資料；及運轉條件算出部，其係算出在所記憶的前述學習模型適用前述運轉資料而算出的預測製程值滿足預定的評估條件的最適運轉條件，前述實際製程值係包含：有關前述工廠的主控制對象的主控制製程值、及有關周邊資訊的周邊製程值之雙方，前述主控制製程值係在前述工廠所生成的最終成果物的品質指標值、及有關環境規制值的指標的任一者或其組合，前述周邊製程值係有關前述工廠內的機器的溫度或壓力的指標、有關由前述工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值的對象的成分及濃度的指標、及有關前述工廠的操作端的開度的指標之中的任一者或任意組合。 (發明之效果)
藉由本發明，針對包含鍋爐的工廠，可綜合性考慮經濟性、安全性、設備保全等各式各樣的觀點來進行運轉的預測、調整或指示。上述之外的課題、構成及效果係藉由以下實施形態的說明清楚可知。
以下參照所附圖示，詳加說明本發明之較適實施形態。其中，並非為藉由該實施形態來限定本發明者，此外，若有複數實施形態，亦包含將各實施形態組合而構成者。以下係以列舉設置在火力發電所的鍋爐為例，作為工廠之例來進行說明。
參照圖1，說明鍋爐1的運轉支援裝置100的概略構成。圖1係使用預測模型的運轉支援裝置100的全體構成圖。
如圖1所示，鍋爐1係包含：M個感測器1、2、…、M、及N個操作端1、2、…、N。
運轉控制裝置120係連接於N個操作端1、2、…、N的各個，對各操作端1、2、…、N設定構成運轉條件的輸入參數(相當於實際輸入參數)。以該輸入參數而言，包含例如：空氣阻風門的開度、空氣流量、燃料流量、排放氣體再循環流量之中至少1個。
圖2係鍋爐1的概略構成圖。本實施形態的鍋爐1係作為使固體燃料燃燒者，使用將煤粉碎的粉煤作為粉煤燃料(固體燃料)，使該粉煤藉由火爐11的燃燒器燃燒，可將藉由該燃燒所發生的熱與供水或蒸氣作熱交換而生成蒸氣的燒煤鍋爐。其中，燃料並非侷限於煤，亦可為生物質(biomass)等可在鍋爐燃燒的其他燃料。亦可另外混合使用多種燃料。
鍋爐1係具有：火爐11、燃燒裝置12、及煙道13。火爐11係例如呈四角筒的中空形狀而沿著鉛直方向作設置。火爐11係壁面由蒸發管(傳熱管)、及連接蒸發管的散熱片所構成，藉由在蒸發管內流通的供水或蒸氣與火爐內的燃燒氣體作熱交換，抑制火爐壁的溫度上升。具體而言，在火爐11的側壁面，例如沿著鉛直方向配置有複數蒸發管，且以水平方向排列配置。散熱片係將蒸發管與蒸發管之間閉塞。火爐11係在爐底設有傾斜面62，在傾斜面62設有爐底蒸發管70而成為底面。
燃燒裝置12係設在構成該火爐11的火爐壁的鉛直下部側。在本實施形態中，該燃燒裝置12係具有被裝設在火爐壁的複數燃燒器(例如21、22、23、24、25)。例如，該燃燒器(burner)21、22、23、24、25係沿著火爐11的周方向，以均等間隔配設複數。但是，火爐的形狀、燃燒器的配置或一層中的燃燒器的數量、層數並非為限定於該實施形態者。
該各燃燒器21、22、23、24、25係透過粉煤供給管26、27、28、29、30而連結於粉碎機(粉煤機/磨機)31、32、33、34、35。煤以未圖示的搬送系統予以搬送，若被投入至該粉碎機31、32、33、34、35，在此被粉碎為預定的微粉大小，可連同搬送用空氣(1次空氣)一起，由粉煤供給管26、27、28、29、30，將經粉碎的煤(粉煤)供給至燃燒器21、22、23、24、25。
此外，火爐11係在各燃燒器21、22、23、24、25的裝設位置設有風箱36，在該風箱36連結空氣導管37b的一端部，另一端部係在連結點37d被連結在供給空氣的空氣導管37a。
此外，在火爐11的鉛直方向上方係連結有煙道13，在該煙道13配置有用以生成蒸氣的複數熱交換器(41、42、43、44、45、46、47)。因此，燃燒器21、22、23、24、25在火爐11內噴射粉煤燃料與燃燒用空氣的混合氣，藉此形成火焰，生成燃燒氣體而流至煙道13。接著，藉由燃燒氣體，將在火爐壁及熱交換器(41～47)流動的供水或蒸氣加熱而生成過熱蒸氣，供給所生成的過熱蒸氣而使未圖示的蒸氣渦輪機旋轉驅動，可旋轉驅動與蒸氣渦輪機的旋轉軸相連結之未圖示的發電機來進行發電。此外，該煙道13係連結排放氣體通路48，設有：用以進行燃燒氣體之淨化的脫硝裝置50、在由送風機38對空氣導管37a送氣的空氣與在排放氣體通路48送氣的排放氣體之間進行熱交換的空氣加熱器49、煤塵處理裝置51、誘引送風機52等，在下游端部設有煙囪53。其中，脫硝裝置50若可滿足排放氣體基準，亦可不設置。
本實施形態的火爐11係所謂2段燃燒方式的火爐，其係藉由粉煤的搬送用空氣(1次空氣)及由風箱36被投入至火爐11的燃燒用空氣(2次空氣)所為之燃料過剩燃燒後，重新投入燃燒用空氣(燃盡風(after air))而使其進行燃料稀薄燃燒。因此，在火爐11係配備有燃盡風口39，在燃盡風口39連結空氣導管37c的一端部，另一端部係在連結點37d被連結在供給空氣的空氣導管37a。其中，若未採用2段燃燒方式，亦可未設置燃盡風口39。
由送風機38被送氣至空氣導管37a的空氣係分歧為：在空氣加熱器49，藉由與燃燒氣體熱交換而被加溫，在連結點37d經由空氣導管37b而被導至風箱36的2次空氣；及經由空氣導管37c而被導至燃盡風口39的燃盡風。
返回至圖1，說明運轉支援裝置100。運轉支援裝置100主要包含：資料取得部110、運轉資料記憶部130、累積值計算部131、資料抽出轉換部133、RTC(Real-Time Clock，即時時脈)140、工廠規格記憶部211、製程值候補記憶部212、運轉條件算出部220、模型作成部231、評估條件檢討部232、評估條件記憶部233、模型記憶部241、運轉指示部250、及輸出入部260。
資料取得部110係取得各感測器1、2、…、M在實際運轉中所計測到的實際製程值、及運轉控制裝置120在各操作端1、2、…、N的各個所設定的實際輸入參數。此外，資料取得部110係在實際輸入參數及實際製程值的各個附加來自RTC140的時刻資訊而輸出至運轉資料記憶部130。
該等實際製程值係有例如由火力發電工廠被排出的氣體所包含的氮氧化物濃度、一氧化碳濃度、硫化氫濃度、金屬溫度。此外，實際輸入參數係包含例如閥/阻風門開度等操作端資訊等。
在本實施形態中，將適用於鍋爐1的實際運轉的至少一個以上的實際輸入參數總括稱為運轉條件。另一方面，在運轉支援裝置100中，將使用假想設定的運轉條件(臨時輸入參數)，進行鍋爐1的運轉模擬所運算出的製程值稱為預測製程值。
累積值計算部131係計算資料取得部110所取得的至少一個以上的實際製程值的累積值，且將累積值記憶在運轉資料記憶部130。
資料抽出轉換部133係介在於模型作成部231及運轉條件算出部220與運轉資料記憶部130之間，對於由運轉資料記憶部130所抽出的運轉資料，視需要進行雜訊去除等轉換之後，在模型作成部231及運轉條件算出部220的各個進行收授。
工廠規格記憶部211係記憶表示由輸出入部260被輸入的鍋爐1的規格的工廠規格資料。
圖3係顯示工廠規格資料例的圖。在工廠規格資料中，係規定出關於各工廠A、工廠B、工廠C的各個的工廠的構造規格與性能規格。以構造規格之一例而言，有「火爐尺寸」。此外，以「性能規格」而言，有「氣體溫度」、「蒸氣溫度」。
製程值候補記憶部212係記憶表示由輸出入部260被輸入的製程值候補的資料。
說明製程值候補時，由在本實施形態中所使用的製程值的種類進行說明。在本實施形態中所使用的製程值係有：有關鍋爐1的主控制對象的主控制製程值、及有關周邊資訊的周邊製程值。主控制製程值係使用計測值，因此若計測主控制製程值的感測器故障，鍋爐1係以運轉停止為原則。但是，在計測作為主控制製程值之一的NOX 濃度的NOX 感測器之中，被設置在鍋爐1的煙囪入口的感測器以外係即使在故障的情形下亦可繼續運轉。
主控制製程值係以下任一者或其組合。 (1)在工廠所生成的最終成果物的品質指標值 (2)有關環境規制值的指標
此外，周邊製程值係以下任一者或其組合。 (3)有關工廠內的機器的溫度或壓力的指標 (4)有關由工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值的對象的成分及濃度的指標 (5)有關工廠的操作端的開度的指標
在本實施形態中，係使用鍋爐1作為工廠，因此使用鍋爐出口蒸氣溫度，作為主控制製程值之(1)有關最終成果物的品質的指標，使用NOX 值作為(2)有關環境規制值及環境外規制值的指標。此外，在周邊製程值中，使用傳熱管的表面溫度、鍋爐壓力差，作為(3)有關工廠內的機器的溫度或壓力的指標，使用燃燒用空氣或排放氣體中的氧濃度，作為(4)有關由工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值的對象的成分及濃度的指標，使用噴霧閥開度，作為(5)有關操作閥的開度的指標。其中，此外，亦可使用噴霧量，作為(3)有關工廠內的機器的溫度或壓力的指標，使用一氧化碳濃度作為(4)有關由工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值的對象的成分及濃度的指標。
周邊參數的選定與目的係如下所述。可藉由使用金屬(傳熱管)溫度作為溫度，進行以鍋爐1的燃燒特性(平衡)、安全性、耐久性、及保全為目的的運轉支援。此外，藉由使用鍋爐壓力差作為壓力，可進行考慮到有關鍋爐1的運轉的安全性的運轉支援。藉由使用燃燒用空氣或排放氣體的氧濃度作為氣體成分濃度，可進行考慮到鍋爐1的燃燒特性(平衡)、效率的運轉支援。此外，藉由使用噴霧閥開度作為閥開度，可進行考慮到鍋爐1的閥的作用(閥開度的通常使用範圍)、煤特性的對應(火爐的髒污等)、熱吸收量分布(平衡、每個傳熱面)的運轉支援。
周邊製程值係有：必須周邊製程值、及任意周邊製程值。
必須周邊製程值係原則上在模型作成時被選定作為運轉資料的周邊製程值。但是，在鍋爐1的規格上，無計測值或對象機器的情形除外。
任意周邊製程值係模型作成時被任意選定的周邊製程值。任意周邊製程值係若在鍋爐1中實際製程值表示異常值時，即由成為警報對象的製程值之中予以選定。在鍋爐1的模型作成，雖然非為必須，但是選定成為鍋爐1的警報對象的製程值作為任意周邊製程值，且作成模型，藉此可在至發出警報之前的最適階段抑制變動。結果，可期待在鍋爐1中抑制發出警報的運轉支援。
圖4係顯示製程值候補資料的圖。在製程值候補資料中，使包含主控制製程值及周邊製程值的製程值候補的種類、與各製程值候補的資料取得方法、及各製程值候補的屬性(記入在備註欄)建立關連而予以規定。在「資料取得方法」係規定取得某時點的計測值、或設為累積值。「備註」欄所記入的屬性係記載在模型作成時為成為必須選定對象或任意選定對象的製程值候補、及其理由。
模型作成部231係將鍋爐1的運轉條件與製程值的關係進行機械學習而作成學習模型，且記憶在模型記憶部241。
模型作成部231係參照工廠規格資料及製程值候補資料，從由資料抽出轉換部133所取得的運轉資料之中，按照工廠規格或使用者需求，任意選定周邊製程值。
圖5係顯示模型作成部231所作成的學習模型之例的圖。學習模型係按每個實際製程值而設。在本實施形態中，以成為鍋爐1的主控制對象的主控制製程值而言，有「鍋爐出口蒸氣溫度」及「排放氣體的環境規制值」，模型作成部231係作成對應各主控制製程值的學習模型1、學習模型2。此外，以構成鍋爐1的周邊資訊的周邊製程值而言，有「鍋爐1內的溫度(金屬溫度)」、「鍋爐1內的壓力(鍋爐壓力差)」、「氣體成分濃度(燃燒用空氣或排放氣體的氧濃度)」、及「閥開度(噴霧閥開度)」，模型作成部231係作成對應各周邊製程值的學習模型3、學習模型4、學習模型5、學習模型6。
運轉條件算出部220係包含：模擬部221及最適化部225。
模擬部221係在模型記憶部241所記憶的學習模型，適用由資料抽出轉換部133所取得的運轉資料而實施模擬，且算出預測製程值。
最適化部225係使用在模擬部221所算出的預測製程值，來算出推薦運轉條件。若所被算出的推薦運轉條件與實際運轉資料所包含的實際運轉條件的差異超過預定的基準，對運轉指示部250提示模型學習用的運轉資料的追加取得。
評估條件檢討部232係根據由輸出入部260被輸入的操作人員的指示及/或鍋爐1的運轉資料，更新周邊製程值的第2評估條件(最適範圍)。詳細內容後述。
運轉指示部250係若由最適化部225、或輸出入部260取得運轉條件，即輸出至運轉控制裝置120。
運轉控制裝置120係將由運轉指示部250所取得的運轉條件設定在操作端1、2、…、N。此外，運轉指示部250亦可將由最適化部225所取得的運轉條件輸出至輸出入部260。接著，亦可在構成輸出入部260的顯示裝置顯示由最適化部225所取得的運轉條件。
輸出入部260係藉由滑鼠、鍵盤、觸控面板等輸入裝置(相當於輸入部)、及由LCD等所成的顯示裝置所構成。輸入裝置及顯示裝置亦可一體形成。輸出入部260係顯示來自運轉指示部250的指示，且等待操作人員的指示。
圖6係顯示運轉支援裝置100的硬體構成的圖。運轉支援裝置100係包含：CPU(Central Processing Unit，中央處理單元)301、RAM(Random Access Memory，隨機存取記憶體)302、ROM(Read Only Memory，唯讀記憶體)303、HDD(Hard Disk Drive，硬碟驅動機)304、輸入I/F305、及輸出I/F306，使用該等透過匯流排307而彼此相連接的電腦而構成。其中，運轉支援裝置100的硬體構成並非限定於上述，亦可藉由控制電路與記憶裝置的組合而構成。此外，運轉支援裝置100係藉由電腦(硬體)執行實現運轉支援裝置100的各功能的運轉支援程式而構成。
圖7係顯示藉由運轉支援裝置100所為之學習模型的作成處理的流程的流程圖。
模型作成部231係讀入由資料抽出轉換部133所取得的運轉資料(S101)。模型作成部231係由工廠規格記憶部211讀入符合鍋爐1的工廠規格資料(S102)。
此外，模型作成部231係由製程值候補記憶部212讀入製程值候補(S103)，且選定製程值(S104)。
模型作成部231係從由資料抽出轉換部133所取得的運轉資料中選定說明變數(輸入參數)(S105)，且作成學習模型(S106)。具體而言，模型作成部231係對按照各製程值的各學習模型，亦即學習模型1～學習模型6的各個，輸入所選定出的全部說明變數，且算出各製程值。該算出值係相當於預測製程值。
模型作成部231係將由資料抽出轉換部133所取得的運轉資料所包含的實際製程值、與在步驟S106中所算出的預測製程值進行比較，若誤差在容許範圍內，預測製程值係可視為與實際製程值為大致相同。其中，蓄積預定時間的資料而亦考慮誤差的傾向。有即使因暫時性的要因而僅在短期間產生誤差，亦不成問題的情形之故。若誤差在容許範圍內，判斷學習模型為妥適(S107/Yes)，在模型記憶部241記憶所作成的學習模型而結束處理。
模型作成部231亦可將由全部學習模型所得的預測製程值與實際製程值在容許範圍內設為條件，來作為學習模型的妥適性判斷條件。
圖8係顯示第1容許誤差及第2容許誤差的大小的圖。對於主控制製程值的容許誤差(第1容許誤差)係小於針對周邊製程值的容許誤差(第2容許誤差)。結果，可使對應主控制製程值的學習模型更加追隨鍋爐1而設定妥適性判斷條件。
模型作成部231係若判斷學習模型非為妥適(S107/No)，返回至步驟106，使用由資料抽出轉換部133所取得的運轉資料、與製程值候補記憶部212所記憶的製程值候補，藉由以神經網路所代表的統計手法，修正/更新學習模型。若更新後的學習模型為妥適(S107/Yes)，即記憶在模型記憶部241。
圖9係顯示藉由運轉支援裝置100所為之使用預測模型的運轉支援方法的流程的流程圖。
模擬部221係由模型記憶部241讀出學習模型，最適化部225係由評估條件記憶部233讀出評估條件(後述之計分換算基準)(S201)。此外，模擬部221係設定由資料抽出轉換部133所取得的運轉資料作為模擬條件(S202)。模擬部221係在學習模型適用運轉資料所包含的實際輸入參數而實施模擬(S203)，且算出預測製程值。
模擬部221係將預測製程值輸出至最適化部225，且最適化部225將模擬結果進行計分換算來進行評估(S204)。最適化部225係根據圖10、圖11所示之計分換算基準，將預測製程值換算成計分，來判斷模擬結果是否為最適。
圖10及圖11係顯示計分換算基準之一例的圖。圖10、圖11的縱軸的計分係以由虛線為紙面上方向成為正值、由虛線為紙面下方向成為負值。容許範圍的係數的絕對值係設為大於目標範圍的絕對值的值。亦即，容許範圍的計分換算線的斜率係設定為大於目標範圍的計分換算線的斜率。
圖10係對以最小化為目的的製程值所定義的計分換算基準，設定上限值、及由比其為更小的值所成的目標值。小於目標值的範圍係設為目標範圍，且分配由正值所成的係數。由目標值至上限值的範圍係設為容許範圍，且分配由負值所成的係數。比上限值為更大的範圍係設為非容許範圍，且分配由具有比容許範圍的係數的絕對值為更大的絕對值的負值所成的係數。亦即，非容許範圍的計分換算線的斜率係設定為大於容許範圍的計分換算線的斜率。
圖11係對以最大化為目的的製程值所定義的計分換算基準，設定下限值、及由比其為更大的值所成的目標值。大於目標值的範圍係設為目標範圍，且分配由正值所成的係數。由目標值至下限值的範圍係設為容許範圍，且分配由負值所成的係數。比下限值為更小的範圍係設為非容許範圍，且分配由具有比容許範圍的係數的絕對值為更大的絕對值的負值所成的係數。亦即，非容許範圍的計分換算線的斜率係設定為大於容許範圍的計分換算線的斜率。
最適化部225係針對各預測製程值，例如圖10所示設定目標值、及由比其為更大的值所成的上限值者係使用下式(1)，如圖11所示設定目標值、及由比其為更小的值所成的下限值者係使用下式(2)，算出各預測製程值的計分(S106)。 SAi＝CAi×(上限值-預測製程值)…(1) SAi＝CAi×(預測製程值-下限值)…(2) 其中， SAi：測試編號i的預測製程值Ai的計分 CAi：預測製程值Ai所被分配的係數
評估條件檢討部232係藉由變更計分換算基準的斜率、反曲點，來變更評估條件。評估條件的變更係按照鍋爐1的劣化(腐蝕)等狀況、或周邊製程值的影響度，覆查評估條件(計分換算基準的非容許範圍、目標範圍之雙方)，用以可進行按照實際狀態的精度佳的運轉支援而進行。其中，由主控制製程值的目標範圍所成的第1評估條件係原則上一設定即不更新。尤其，計分換算基準的非容許範圍並未改變。為根據工廠規格或法規者之故。但是，目標範圍係有在運轉模式設定時(NOX 優先等)等產生變化的情形。
最適化部225係根據所算出的計分，判斷模擬結果是否滿足最適條件。最適化部225亦可以1次模擬，將關於使用模型1～模型7所得的全部預測製程值的計分進行合計，且將該合計值作為其模擬結果。若成為為了判斷計分的合計值為最適而預先設定的最適計分臨限值以上的模擬結果有至少1個以上(S205/Yes)，最適化部225係選定最適條件(S206)，對運轉指示部250輸出所選定出的最適條件而結束處理。
在此最適亦可指將各個的預測製程值(NOX 值或蒸氣溫度等)以預定的換算係數換算成計分(無次元)，該計分的合計值成為預定值以上的情形。或者，亦可形成為以複數案例(模擬條件)進行模擬，且該等結果之中為計分最高時、或上位數案例之中，操作人員判斷為最適時。此外，亦可使用遺傳演算法或粒子群最適化的手法，自動探索計分為更高的案例，由該結果來判斷是否為最適。
此外，最適化部225亦可使主控制製程值滿足第1評估條件，比周邊製程值滿足第2評估條件，亦即滿足主控制製程值包含在目標範圍(第1評估條件)係比滿足周邊製程值包含在其目標範圍(第2評估條件)更為優先，來算出最適運轉條件。
在此所謂的「優先」係指在有關主控制對象的製程值，必定防止超過容許範圍，此外使周邊製程值接近容許範圍或目標範圍。具體而言，計分換算基準之中，主控制參數亦可使非容許範圍的負斜率極大化。
此外，最適化部225亦可算出預測製程值的累積值滿足預定的評估條件的最適運轉條件。周邊製程值之中，關於機器的溫度等，係可藉由使用累積值，轉換成可正確評估溫度履歷等經年劣化的指標。此時，在過去的製程值(運轉資料)的累積值，加算製程值(藉由學習模型所得的預測值)來算定預測累積值。使用對該預測累積值的計分換算基準來進行計分評估。
若無滿足最適條件的模擬結果(S205/No)，最適化部225係對模擬部221變更模擬條件，輸出用以實施再度模擬的指示。接受此，模擬部221係變更模擬條件所包含的臨時輸入參數，且再度實施模擬。
說明本實施形態的作用效果。藉由本實施形態，在工廠之運轉支援所使用的製程值，不僅有關工廠的主控制對象的主控制製程值，藉由使用周邊製程值，可綜合性考慮工廠的經濟性、安全性、設備保全等各式各樣觀點而進行運轉的預測、調整或指示。
此外，藉由本實施形態，在運轉條件算出部220包含：模擬部221、及最適化部225，可在最適化部225評估模擬結果來選定最適運轉條件、或由最適化部225對模擬部221催促再度的模擬，且可按照一連串流程，效率佳地算出最適運轉條件。
此外，藉由本實施形態，藉由使主控制製程值應滿足的第1評估條件優先於周邊製程值應滿足的第2評估條件而算出最適運轉條件，可反映主控制製程值的重要度而算出最適運轉條件。
此外，藉由本實施形態，作成學習模型時，預先準備製程值候補，藉此可有效率地選定對應工廠規格的最適製程值。此外，藉由限定作成學習模型的對象(製程值)，可輕易沿用學習模型。
上述實施形態並非為限定本發明者，有在未脫離本發明之要旨的範圍內的各種變更態樣。例如，在上述運轉支援裝置100中，學習模型的修正係在誤差超過預定範圍時進行，但是亦可除此之外，定期進行修正。
1‧‧‧鍋爐 11‧‧‧火爐 12‧‧‧燃燒裝置 13‧‧‧煙道 21、22、23、24、25‧‧‧燃燒器 26、27、28、29、30‧‧‧粉煤供給管 31、32、33、34、35‧‧‧粉碎機(粉煤機/磨機) 36‧‧‧風箱 37a‧‧‧空氣導管 37b‧‧‧空氣導管 37c‧‧‧空氣導管 37d‧‧‧連結點 38‧‧‧送風機 39‧‧‧燃盡風口 41、42、43、44、45、46、47‧‧‧熱交換器 48‧‧‧排放氣體通路 49‧‧‧空氣加熱器 50‧‧‧脫硝裝置 51‧‧‧煤塵處理裝置 52‧‧‧誘引送風機 53‧‧‧煙囪 62‧‧‧傾斜面 70‧‧‧爐底蒸發管 100‧‧‧運轉支援裝置 110‧‧‧資料取得部 120‧‧‧運轉控制裝置 130‧‧‧運轉資料記憶部 131‧‧‧累積值計算部 133‧‧‧資料抽出轉換部 140‧‧‧RTC(Real-Time Clock，即時時脈) 211‧‧‧工廠規格記憶部 212‧‧‧製程值候補記憶部 220‧‧‧運轉條件算出部 221‧‧‧模擬部 225‧‧‧最適化部 231‧‧‧模型作成部 232‧‧‧評估條件檢討部 233‧‧‧評估條件記憶部 241‧‧‧模型記憶部 250‧‧‧運轉指示部 260‧‧‧輸出入部(輸入部) 301‧‧‧CPU 302‧‧‧RAM 303‧‧‧ROM 304‧‧‧HDD 305‧‧‧輸入I/F 306‧‧‧輸出I/F 307‧‧‧匯流排
圖1係使用預測模型的運轉支援裝置的全體構成圖 圖2係鍋爐的概略構成圖 圖3係顯示工廠規格資料例的圖 圖4係顯示製程值候補資料例的圖 圖5係顯示模型作成部所作成的學習模型之例的圖 圖6係顯示運轉支援裝置的硬體構成的圖 圖7係顯示藉由運轉支援裝置所為之學習模型的作成處理的流程的流程圖 圖8係顯示第1容許誤差及第2容許誤差的大小的圖 圖9係顯示藉由運轉支援裝置所為之使用預測模型的運轉支援方法的流程的流程圖 圖10係顯示計分換算基準之一例的圖 圖11係顯示計分換算基準之一例的圖
1‧‧‧鍋爐
100‧‧‧運轉支援裝置
110‧‧‧資料取得部
120‧‧‧運轉控制裝置
131‧‧‧累積值計算部
133‧‧‧資料抽出轉換部
140‧‧‧RTC(Real-Time Clock，即時時脈)
211‧‧‧工廠規格記憶部
212‧‧‧製程值候補記憶部
220‧‧‧運轉條件算出部
221‧‧‧模擬部
225‧‧‧最適化部
231‧‧‧模型作成部
232‧‧‧評估條件檢討部
233‧‧‧評估條件記憶部
241‧‧‧模型記憶部
250‧‧‧運轉指示部
260‧‧‧輸出入部(輸入部)

Claims (13)

  1. 一種工廠之運轉支援裝置，其特徵為： 具備： 資料取得部，其係取得適用於工廠的實際運轉的實際運轉條件、及適用該實際運轉條件來將前述工廠運轉後的結果所得的實際製程值； 模型記憶部，其係記憶將前述實際運轉條件及前述實際製程值的關係進行機械學習而得的學習模型； 運轉資料記憶部，其係記憶包含前述實際運轉條件及前述實際製程值的運轉資料；及 運轉條件算出部，其係算出在所記憶的前述學習模型適用前述運轉資料而算出的預測製程值滿足預定的評估條件的最適運轉條件， 前述實際製程值係包含：有關前述工廠的主控制對象的主控制製程值、及有關周邊資訊的周邊製程值之雙方， 前述主控制製程值係在前述工廠所生成的最終成果物的品質指標值、及有關環境規制值的指標的任一者或其組合， 前述周邊製程值係有關前述工廠內的機器的溫度或壓力的指標、有關由前述工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值的對象的成分及濃度的指標、及有關前述工廠的操作端的開度的指標之中的任一者或任意組合， 前述工廠係鍋爐， 在前述主控制製程值中， 有關前述最終成果物的品質的指標係鍋爐出口蒸氣溫度， 有關前述環境規制值或環境外規制值的指標係NOX 值， 在前述周邊製程值中， 有關前述工廠內的機器的溫度或壓力的指標係傳熱管的表面溫度或鍋爐壓力差， 有關由前述工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值或環境外規制值的對象的成分及濃度的指標係燃燒用空氣或排放氣體中的氧濃度， 有關前述操作端的開度的指標係噴霧閥開度。
  2. 如申請專利範圍第1項之工廠之運轉支援裝置，其中，前述學習模型係若輸入假想運轉條件，即取得預測製程值的預測模型， 前述運轉條件算出部係包含： 模擬部，其係將前述至少一個以上的假想運轉條件輸入至前述預測模型而算出前述預測製程值；及 最適化部，其係對前述預測製程值適用預先設定的計分換算基準，算出前述假想的運轉條件的計分，根據該計分，由滿足前述預定的評估條件的假想運轉條件之中，選定前述最適運轉條件。
  3. 如申請專利範圍第1項之工廠之運轉支援裝置，其中，前述運轉條件算出部係使可否滿足前述主控制製程值應滿足的第1評估條件，比可否滿足前述周邊製程值應滿足的第2評估條件更為優先，來算出前述最適運轉條件。
  4. 如申請專利範圍第3項之工廠之運轉支援裝置，其中，另外具備： 輸入部，其係受理操作人員的指示的輸入；及 評估條件檢討部，其係根據前述輸入部所受理到的操作人員的指示、或前述工廠的運轉資料，更新有關前述周邊製程值的前述第2評估條件。
  5. 如申請專利範圍第1項之工廠之運轉支援裝置，其中，另外具備： 累積值計算部，其係計算前述資料取得部所取得的至少一個以上的前述實際製程值的累積值， 前述運轉條件算出部係算出前述預測製程值的累積值滿足前述預定的評估條件的前述最適運轉條件。
  6. 一種工廠之運轉支援方法，其特徵為： 包含： 取得適用於工廠的實際運轉的實際運轉條件、及適用該實際運轉條件來將前述工廠運轉後的結果所得的實際製程值的步驟； 記憶將前述實際運轉條件及前述實際製程值的關係進行機械學習而得的學習模型的步驟； 記憶包含前述實際運轉條件及前述實際製程值的運轉資料的步驟；及 算出在所記憶的前述學習模型適用前述運轉資料而算出的預測製程值滿足預定的評估條件的最適運轉條件的步驟， 前述實際製程值係包含：有關前述工廠的主控制對象的主控制製程值、及有關周邊資訊的周邊製程值之雙方， 前述主控制製程值係在前述工廠所生成的最終成果物的品質指標值、及有關環境規制值的指標的任一者或其組合， 前述周邊製程值係有關前述工廠內的機器的溫度或壓力的指標、有關由前述工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值的對象的成分及濃度的指標、及有關前述工廠的操作端的開度的指標之中的任一者或任意組合， 前述工廠係鍋爐， 在前述主控制製程值中， 有關前述最終成果物的品質的指標係鍋爐出口蒸氣溫度， 有關前述環境規制值或環境外規制值的指標係NOX 值， 在前述周邊製程值中， 有關前述工廠內的機器的溫度或壓力的指標係傳熱管的表面溫度或鍋爐壓力差， 有關由前述工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值或環境外規制值的對象的成分及濃度的指標係燃燒用空氣或排放氣體中的氧濃度， 有關前述操作端的開度的指標係噴霧閥開度。
  7. 一種工廠之學習模型之作成方法，其特徵為： 包含： 取得包含適用於工廠的實際運轉的實際運轉條件、及適用該實際運轉條件而將前述工廠運轉後的結果所得的實際製程值的前述工廠的運轉資料的步驟； 讀入規定出前述工廠的規格的工廠規格資料的步驟； 讀入用於作成前述工廠的學習模型的製程值候補的步驟； 根據前述工廠規格資料，由前述製程值候補之中選定用於作成前述學習模型的製程值的步驟； 由前述運轉資料中選定前述所被選定出的製程值的說明變數的步驟；及 將前述說明變數與前述運轉資料的關係進行機械學習而作成前述學習模型的步驟， 前述實際製程值係包含：有關前述工廠的主控制對象的主控制製程值、及有關周邊資訊的周邊製程值之雙方， 前述主控制製程值係在前述工廠所生成的最終成果物的品質指標值、及有關環境規制值的指標的任一者或其組合， 前述周邊製程值係有關前述工廠內的機器的溫度或壓力的指標、有關由前述工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值的對象的成分及濃度的指標、及有關前述工廠的操作端的開度的指標之中的任一者或任意組合， 前述工廠係鍋爐， 在前述主控制製程值中， 有關前述最終成果物的品質的指標係鍋爐出口蒸氣溫度， 有關前述環境規制值或環境外規制值的指標係NOX 值， 在前述周邊製程值中， 有關前述工廠內的機器的溫度或壓力的指標係傳熱管的表面溫度或鍋爐壓力差， 有關由前述工廠內的機器被排出的氣體、液體或固體之中未成為環境規制值或環境外規制值的對象的成分及濃度的指標係燃燒用空氣或排放氣體中的氧濃度， 有關前述操作端的開度的指標係噴霧閥開度。
  8. 如申請專利範圍第7項之工廠之學習模型之作成方法，其中，在前述所作成的學習模型中，設定出關於前述主控制製程值的預測製程值與實際製程值的誤差的容許範圍的第1容許誤差，係小於設定出關於前述周邊製程值的預測製程值與實際製程值的誤差的容許範圍的第2容許誤差。
  9. 如申請專利範圍第7項之工廠之學習模型之作成方法，其中，前述周邊製程值係有：作成前述學習模型時，必定成為選定對象的必須周邊製程值、及成為任意選定對象的任意周邊製程值， 前述必須周邊製程值係有關前述工廠的安全性的周邊製程值， 前述任意周邊製程值係成為前述工廠的警報對象的周邊製程值。
  10. 一種工廠之運轉支援程式，其係用以使電腦執行如申請專利範圍第6項之工廠之運轉支援方法。
  11. 一種記錄媒體，其係記錄有如申請專利範圍第10項之工廠之運轉支援程式。
  12. 一種工廠之學習模型之作成程式，其係用以使電腦執行如申請專利範圍第7項至第9項中任一項之工廠之學習模型之作成方法。
  13. 一種記錄媒體，其係記錄有如申請專利範圍第12項之工廠之學習模型之作成程式。
TW108114798A 2018-04-27 2019-04-26 鍋爐之運轉支援裝置、鍋爐之運轉支援方法、及鍋爐之學習模型之作成方法 TWI705316B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018086878 2018-04-27
JP2018-086878 2018-04-27

Publications (2)

Publication Number Publication Date
TW202001462A true TW202001462A (zh) 2020-01-01
TWI705316B TWI705316B (zh) 2020-09-21

Family

ID=68295529

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108114798A TWI705316B (zh) 2018-04-27 2019-04-26 鍋爐之運轉支援裝置、鍋爐之運轉支援方法、及鍋爐之學習模型之作成方法

Country Status (3)

Country Link
JP (1) JPWO2019208773A1 (zh)
TW (1) TWI705316B (zh)
WO (1) WO2019208773A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102108015B1 (ko) * 2018-11-30 2020-05-08 두산중공업 주식회사 보일러 운전을 제어하기 위한 시스템 및 방법
KR102094288B1 (ko) * 2018-11-30 2020-03-27 두산중공업 주식회사 보일러의 연소 최적화 연산을 위한 시스템 및 방법
KR102106827B1 (ko) * 2018-11-30 2020-05-06 두산중공업 주식회사 보일러 연소의 최적화를 위한 시스템 및 방법
JP7412150B2 (ja) * 2019-11-29 2024-01-12 東京エレクトロン株式会社 予測装置、予測方法及び予測プログラム
JP7426240B2 (ja) * 2020-01-10 2024-02-01 三菱重工業株式会社 ボイラの運転シミュレータ、ボイラの運転支援装置、ボイラの運転制御装置、ボイラの運転シミュレーション方法、ボイラの運転シミュレーションプログラム、及びボイラの運転シミュレーションプログラムを記録した記録媒体
JP7059346B1 (ja) 2020-12-22 2022-04-25 東芝プラントシステム株式会社 プラントシミュレーション装置およびプラントシミュレーションシステム
JP2022157180A (ja) * 2021-03-31 2022-10-14 三菱重工業株式会社 装置、遠隔監視システム、装置の制御方法、及び、遠隔監視システムの制御方法
WO2024095319A1 (ja) * 2022-10-31 2024-05-10 日本電気株式会社 情報処理装置、情報処理方法、および記録媒体

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10160142A (ja) * 1996-11-26 1998-06-19 Kubota Corp 排ガス性状推定システム及び運転訓練システム
JP4188859B2 (ja) * 2004-03-05 2008-12-03 株式会社荏原製作所 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
JP2006057595A (ja) * 2004-08-23 2006-03-02 Hitachi Ltd ガスタービンの性能診断システム及び性能診断方法
US7383790B2 (en) * 2005-06-06 2008-06-10 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for controlling soot blowing using statistical process control
JP5155690B2 (ja) * 2008-02-25 2013-03-06 株式会社日立製作所 石炭焚きボイラのガス濃度推定装置及びガス濃度推定方法
CN201383106Y (zh) * 2009-03-04 2010-01-13 福州福大自动化科技有限公司 一种新型的控制系统
CN101612605B (zh) * 2009-07-28 2010-12-29 义马环保电力有限公司 应用于燃煤发电机组锅炉制粉系统的程控方法及装置
JP5378288B2 (ja) * 2010-03-31 2013-12-25 株式会社日立製作所 プラントの制御装置及び火力発電プラントの制御装置
US8755916B2 (en) * 2010-12-07 2014-06-17 Alstom Technology Ltd. Optimized integrated controls for oxy-fuel combustion power plant
JP5503563B2 (ja) * 2011-01-05 2014-05-28 株式会社日立製作所 プラントの制御装置及び火力発電プラントの制御装置
TWI557390B (zh) * 2014-09-04 2016-11-11 臺灣塑膠工業股份有限公司 機爐電控制系統
CN206322002U (zh) * 2016-12-14 2017-07-11 北京神雾环境能源科技集团股份有限公司 蓄热式燃气锅炉的脱硝自动控制系统
CN207115165U (zh) * 2017-08-29 2018-03-16 杭州法恩电气自动化有限公司 一种新型燃气蒸汽锅炉专用plc控制系统

Also Published As

Publication number Publication date
TWI705316B (zh) 2020-09-21
JPWO2019208773A1 (ja) 2020-08-27
WO2019208773A1 (ja) 2019-10-31

Similar Documents

Publication Publication Date Title
TWI705316B (zh) 鍋爐之運轉支援裝置、鍋爐之運轉支援方法、及鍋爐之學習模型之作成方法
CN105276611B (zh) 火电厂锅炉燃烧调整优化方法与系统
Park et al. Coupled fluid dynamics and whole plant simulation of coal combustion in a tangentially-fired boiler
JP2008146371A (ja) ボイラプラントの制御装置
JP6799708B2 (ja) モデル作成方法、プラントの運転支援方法並びにモデル作成装置
Panagiotidis et al. Study of slagging and fouling mechanisms in a lignite-fired power plant
CN109539301A (zh) 一种基于尾部co在线检测的锅炉燃烧优化方法及系统
TWI677771B (zh) 模擬結果之評價裝置及方法
TWI691821B (zh) 運轉條件評價裝置、運轉條件評價方法及鍋爐之控制系統
JP4940167B2 (ja) ボイラの制御装置及びボイラの制御方法
CN113074459A (zh) 锅炉控制优化方法及系统
JP5521918B2 (ja) 焼却炉の運転制御方法
JP2009222332A (ja) ボイラを備えたプラントの制御装置、及びボイラを備えたプラントの制御方法
CN114964380A (zh) 一种管材高温腐蚀状态监测方法、装置及系统
JP2022125756A (ja) 火力発電プラントの運転支援方法及び運転支援装置
Wiatros-Motyka Power plant design and management for unit cycling
JP2020134040A (ja) 除煤装置の運転支援システム及び運転支援方法並びにプラント
Pritchard Biomass fuelled indirect fired micro turbine
WO2022137785A1 (ja) ボイラの運転支援装置及びボイラの運転支援システム
Khobo A modelling methodology to quantify the impact of plant anomalies on ID fan capacity in coal fired power plants
JP7430837B1 (ja) 燃焼設備用システムおよび情報処理方法
Sanaullah et al. A Review on Optimization of Steam Generator in Thermal Power Plants by Reduction of Unburned Carbon
JP2022157124A (ja) ボイラの運転支援装置、ボイラの運転制御システム、ボイラの運転支援方法、及びボイラの運転支援プログラム
Liu et al. Introduction to Improving Thermal Power Plant Efficiency
Larmour The Measurement & Verification of Energy Conservation Measures at a Coal-fired Power Plant