TW202225881A - 鍋爐的運轉支援裝置及鍋爐的運轉支援系統 - Google Patents

Abstract

使生物質或低品質煤的混合燃燒率進一步增加來運轉鍋爐。一種鍋爐的運轉支援裝置，將欲使混合燃燒率增加的第1種燃料的混合燃燒率及鍋爐或鍋爐之輔助設備之操作端的設定值作為輸入參數，將使混合燃燒率相對增加之情況會大幅變化的限制參數作為輸出參數來架構預測模型，從預設模型求出使混合燃燒率上升時的預測值，與由限制參數之種類所對應之設備規格面來決定的基準值比較，基於比較結果來調整操作端的設定，使限制參數往對於基準值來說會有裕度的方向變更，而推算混合燃燒率的上限值。

Description

鍋爐的運轉支援裝置及鍋爐的運轉支援系統

本發明，關於鍋爐的運轉支援裝置及鍋爐的運轉支援系統，特別是關於將煤炭或生物質等予以微粉化來噴燃的微粉燃料燃燒之鍋爐的運轉支援裝置及運轉控制裝置。

在火力發電廠所設置的鍋爐，是一邊對應煤炭狀態或髒污等鍋爐特性的變化來一邊修正在操作端設定的設定值，使用多炭種控制邏輯來提升鍋爐對於多炭種的控制性。在多炭種控制邏輯，是基於各種製程值(例如磨碎馬達電流、磨碎床差壓)，以事先決定的邏輯來回授控制限制參數(旋轉分級機的轉數、油壓等)。

且，作為將不同種燃料混合燃燒之情況的運轉控制例，在專利文獻1，揭示有鍋爐的蒸氣溫度控制裝置，其在將不同種燃料予以混合燃燒的鍋爐中，即使是在混合燃燒比變化時亦不使火爐蒸發管出口的流體溫度超過容許範圍。 先前技術文獻 專利文獻

專利文獻1：日本特開平9-89208號公報

發明所欲解決之問題

在鍋爐對煤炭混合生物質來混合燃燒運轉的情況，是沿用多炭種控制邏輯來進行通常的運轉控制。

但是，在使生物質或低品質煤的混合燃燒率增加的情況，在通常之煤炭的燃燒時不太會變動之特定的製程值會大幅變化，而到達設備設計上的限制，因此有著無法增加混合燃燒率的情形。

本發明是有鑑於上述情形而完成者，目的在於提供運轉支援裝置及運轉支援系統，其用來使生物質或低品質煤的混合燃燒率進一步增加來運轉鍋爐。 解決問題之技術手段

為了達成上述課題，本發明具備申請專利範圍所記載的構造。若舉出其一例，是一種鍋爐的運轉支援裝置，用來使複數種類的燃料混合燃燒，其含有：模型儲存部，將欲使混合燃燒率增加的第1種燃料與不同於該第1種燃料的第2種燃料的混合燃燒率、前述鍋爐或前述鍋爐之輔助設備之至少一種以上之操作端的設定值作為輸入參數，並儲存預測模型，前述預測模型是將前述第1種燃料的混合燃燒率相對增加之情況會大幅變化的限制參數作為輸出參數，並將前述第1種燃料及前述第2種燃料在前述鍋爐混合燃燒時之運轉資料作為參考資料來使機械學習；基準值儲存部，將對應於前述限制參數之種類的基準值，亦即由設備規格面來決定的基準值予以儲存；用來使前述混合燃燒率增加的最佳化部、或是用來推算混合燃燒率之上限的混合燃燒率上限推算部；以及輸出部，其輸出前述最佳化部或前述混合燃燒率上限推算部的演算結果，前述最佳化部，使對於前述預測模型輸入的虛擬混合燃燒率增加來演算前述限制參數的預測值，基於預測值與前述基準值的比較結果，調整前述操作端的設定，進行演算來使前述限制參數往與前述基準值同等或比這更有裕度的方向變化，前述混合燃燒率上限推算部，使對於前述預測模型輸入的虛擬混合燃燒率增加來演算前述限制參數的預測值，進行演算來推算前述限制參數的預測值與該限制參數的基準值同等或比這更有裕度的範圍之前述混合燃燒率的上限值，前述輸出部，將前述最佳化部之演算所得到之前述操作端的設定值或前述混合燃燒率上限推算部之演算所得到之前述混合燃燒率的上限值予以輸出。 發明之效果

根據本發明，可提供運轉支援裝置及運轉控制裝置，其用來使生物質或低品質煤的混合燃燒率進一步增加來運轉鍋爐。上述以外的課題、構造及效果，是由以下實施形態的說明而明瞭。

以下參照附加圖式，詳細說明本發明之適合的實施形態。又，本發明不限定於該實施形態，且，實施形態有複數的情況時，亦包含組合各實施形態的構造。全圖中針對相同的構造、步驟，是附上相同的符號，省略重複說明。

圖1，是鍋爐1的概略構造圖。本實施形態的鍋爐1，是可將煤炭或生物質等之固體燃料微粉化，以煤炭的專用燃燒運轉、及煤炭與生物質等之複數種類燃料的混合燃燒運轉的鍋爐1。

鍋爐1，具有火爐11與燃燒裝置12與煙道13。火爐11，例如是呈四角筒的中空形狀，沿著鉛直方向來設置。火爐11，其壁面是以蒸發管(導熱管)與連接蒸發管的管間片來構成，在蒸發管內流動之水或蒸氣與火爐11內的燃燒氣體進行熱交換藉此抑制火爐壁的溫度上昇。具體來說，在火爐11的側壁面，使複數個蒸發管例如沿著鉛直方向來配置，且在水平方向並排配置。管間片，將蒸發管與蒸發管之間予以封閉。火爐11，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，設在構成該火爐11的火爐壁之鉛直下部側。在本實施形態，該燃燒裝置12，具有安裝在火爐壁的複數個噴燃器(例如21、22、23、24、25)。例如，該噴燃器(噴頭)21、22、23、24、25，沿著火爐11的周方向以均等間隔來複數設置。但是，火爐的形狀、噴頭的配置或每一段的噴燃器數量、段數並不限定於該實施形態。

該各噴燃器21、22、23、24、25，透過煤粉供給管26、27、28、29、30而連結於粉碎機(煤粉機/磨碎機：相當於輔助設備)31、32、33、34、35。煤炭被未圖示的搬運系統所搬運，並投入該粉碎機31、32、33、34、35，在此粉碎至既定的微粉大小，可與搬運用空氣(1次空氣)一起從煤粉供給管26、27、28、29、30對噴燃器21、22、23、24、25供給粉碎過的煤炭(煤粉)。

且，火爐11，在各噴燃器21、22、23、24、25的安裝位置設有風箱36，在該風箱36連結有空氣風管37b的一端部，另一端部是在供給空氣的空氣風管37a於連結點37d連結。

且，在火爐11的鉛直方向上方連結有煙道13，在該煙道13配置有用來產生蒸氣的複數個熱交換器(41、42、43、44、45、46、47)。因此，噴燃器21、22、23、24、25對火爐11內噴射微粉化燃料與燃燒用空氣的混合氣而形成火炎，產生燃燒氣體而流動於煙道13。然後，藉由燃燒氣體來加熱火爐壁及流動於熱交換器(41~47)的水或蒸氣，而產生過熱蒸氣，供給所產生的過熱蒸氣而使未圖示的蒸氣渦輪機旋轉驅動，使連結於蒸氣渦輪機之旋轉軸的未圖示之發電機旋轉驅動而可進行發電。且，該煙道13，設有：連結有排氣通路48且用來進行燃燒氣體之淨化的脫硝裝置50、在從送風機38對空氣風管37a送氣的空氣與在排氣通路48送氣的排氣之間進行熱交換的空氣加熱器49、煤煙處理裝置51、抽風機52等，在下游端部設有煙囪53。又，脫硝裝置50，若可符合排氣標準的話不設置亦可。

本實施形態的火爐11，是進行所謂2段燃燒方式的火爐，以煤粉的搬運用空氣(1次空氣)及從風箱36投入至火爐11的燃燒用空氣(2次空氣)所致之過剩燃料燃燒後，投入新的燃燒用空氣(後空氣)來進行稀薄燃料燃燒。因此，在火爐11具備有後通氣孔39，在後通氣孔39連結有空氣風管37c的一端部，另一端部是在連結點37d連結於供給空氣的空氣風管37a。又，在不採用2段燃燒方式的情況，亦可不設置後通氣孔39。

從送風機38送往空氣風管37a的空氣，在空氣加熱器49與燃燒氣體熱交換而被加溫，在連結點37d分歧成為經由空氣風管37b被導向風箱36的2次空氣、經由空氣風管37c被導向後通氣孔39的後空氣。

圖2，是鍋爐1之運轉支援系統10的概略說明圖。運轉支援系統10，構成為含有：鍋爐1、鍋爐1的運轉支援裝置100、鍋爐1的運轉控制裝置120。

運轉支援裝置100，藉由機械學習來架構出用來預測鍋爐1在進行煤炭的專用燃燒運轉或不同燃料的混合燃燒運轉時產生的各種製程值的預測模型，使用該預測模型來進行適合燃料狀態的運轉條件之最佳化、或算出混合燃燒率的上限值。作為不同燃料相對地含有較多水分的高水分煤(低品質煤)或生物質燃料，是欲提升混合燃燒率的燃料，故相當於第1種燃料。且，與高水分煤或生物質燃料混合燃燒的高品質煤，相當於第2種燃料。運轉支援裝置100，目的在提升第1種燃料的混合燃燒率的運轉支援。

運轉支援裝置100，含有：資料取得部110、運轉資料儲存部112、資料抽出部114、軟感測器值計算部116、RTC118、模型架構部220、模型儲存部222、最佳化部230、基準值儲存部232、混合燃燒率上限推算部240、運轉條件評價部242、輸出部250。各部的功能待留後述。

圖3，是表示運轉支援裝置100之硬體構造的圖。運轉支援裝置100，是使用電腦來構成，其含有：處理器301、RAM(Random Access Memory)302、ROM(Read Only Memory)303、HDD(Hard Disk Drive)304、輸入I/F 305、輸出I/F 306、及通訊I/F 307，該等透過匯流排308而互相連接。處理器301，是GPU(Graphics Processing Unit)或CPU(Central Processing Unit)皆可，只要是能執行演算功能的裝置的話就不過問種類。且，運轉支援裝置100的硬體構造不限定於上述，是由控制電路與儲存裝置的組合來構成亦可。運轉支援裝置100，是以處理器301來執行實現運轉支援裝置100之各功能的運轉支援程式，或是以控制電路演算來構成。

在輸入I/F 305，連接有滑鼠、鍵盤、觸控板等之輸入裝置311。

在輸出I/F 306，連接有由LCD等所成的顯示器312。

在通訊I/F 307，分別連接有鍋爐1及運轉控制裝置120。

圖4，是表示鍋爐1之運轉支援系統10之從模型架構到運用為止之主要流程的流程圖。

＜S1：預測模型的架構＞ 運轉支援裝置100的模型架構部220，是將混合燃燒率追加至輸入參數(在回歸模型是獨立變數)，來將製程限制值予以模型化，亦即將製程限制值的預測模型予以架構出來(S1)。所架構出的預測模型，儲存在模型儲存部222。圖5，是表示從運轉資料之取得到預測模型架構為止之詳細處理的流程圖。

資料取得部110，從鍋爐1取得運轉資料，儲存在運轉資料儲存部112(S101)。資料取得部110，取得各感測器1、2、……、M在實際運轉中測量到的實際製程值、運轉控制裝置120於各操作端1、2、……、N分別設定的操作端參數(操作端設定值)、以及混合燃燒運轉時之第1種燃料與第2種燃料的實際混合燃燒率，來產生將製程值、操作端參數及混合燃燒率予以搭配對應的運轉資料，並儲存於運轉資料儲存部112。

在上述製程值，除了製程限制值以外，例如還含有由火力發電廠排出之氣體所包含之氮氧化物濃度等之微量成分、導熱管的金屬溫度等。

資料取得部110，對於操作端參數及實際製程值的各者，加上來自RTC118的時刻資訊來產生由時序資料所成的運轉資料亦可。

在本實施形態取得的運轉資料，成為用來架構預測模型的參考資料，該預測模型用來演算製程限制值或其他製程值之預測值。參考資料，不限於實際製程值及得到該值之際的運轉條件(操作端參數及混合燃燒率)，亦可使用解析鍋爐1所得到的計算值。

執行資料抽出部114的預處理(S102)。資料抽出部114，從運轉資料儲存部112讀取既有的運轉資料，欠缺資料是以軟感測器值計算部116執行變數的計算來得到軟感測器值藉此補償。且，從運轉資料讀取包含混合燃燒率的運轉條件，而抽出結算資料。

軟感測器值計算部116，使用實際上藉由感測器1、2、……、M來測量得到的實際製程值，計算出沒有實裝在鍋爐1之感測器(軟感測器)的值，並將由計測值所成的軟感測器值輸出至資料取得部110。

模型架構部220，取得資料抽出部114所抽出的結算資料來產生學習資料(S103)，並設定學習條件(S104)。

模型架構部220，藉由學習資料及所設定的學習條件，來架構機械學習模型。

圖6，是表示製程限制值例的圖。製程限制值是使高水分煤(亦即低品質煤)或生物質燃料混合燃燒來運轉之際會大幅變化的製程值。藉由抑制製程限制值的變化，而提高混合燃燒率。在此，製程限制值，是指在使混合燃燒率增加的情況，超過適當範圍而到達管理極限值因此有難以繼續運轉之可能性的製程值。作為製程限制值之一例，有微粉燃料乾燥兼搬運用空氣溫度或煤粉機(磨碎機)的馬達電流。

圖7，是表示模型架構部220所作成之預測模型之例的圖。模型架構部220，架構出分別與圖6所示之製程限制值對應的預測模型。具體來說，模型架構部220，是將操作端1~N所設定之控制值(操作端參數)、軟感測器值、及第1種燃料的混合燃燒率作為輸入參數，使用將該輸入參數設定在鍋爐1來實際運轉而得到的各製程限制值(實測值)作為輸出參數的參考資料，來機械學習與各製程限制值對應的預測模型，而架構預測模型。

模型架構部220，在使用回歸模型來架構預測模型的情況，在圖7之預測模型1之例，是將操作端參數、燃料參數(包含混合燃燒率)、其他參數(例如氣溫等之環境條件等)作為獨立變數，將微粉燃料乾燥兼搬運用空氣溫度作為因變數，來機械學習回歸模型。所架構出的預測模型，儲存在模型儲存部222。在圖7之例，是架構出含有將本例之煤粉機(磨碎機)之馬達電流之預測值予以演算之預測模型2的複數個預測模型，但將最該注目的一個製程限制值予以建模來架構一個預測模型亦可。

＜S2：運轉條件的最佳化＞ 最佳化部230，進行製程限制值的改善(S2)。圖8，是表示從S2之最佳化之詳細到S5為止之流程的流程圖。

最佳化部230，進行最佳化條件的設定(S201)。具體來說，是將在某個運轉模式進行混合燃燒運轉之際的運轉條件設定為最佳化。此外，最佳化部230，作為最佳化條件之設定之一亦進行分數設定。在本實施形態，在健全性模式以改善設定、製程限制值的方式(比其他健全性製程值還要加分)來調整分數設定。

最佳化部230執行最佳化(S202)。最佳化部230，為了改善使混合燃燒率增加時大幅變動的製程限制值，而執行使製程限制值的權重改變而使製程限制值具有裕度的處理。

最佳化部230進行最佳化處理的時機，是在 a)特定之製程限制值的裕度消失的時間點； b)成為沒有學習之區域之混合燃燒率的時間點(超過模型架構時之學習資料之混合燃燒率之範圍的時間點)；在滿足任一者或雙方時進行。

最佳化部230在上述時機進行的對策，是 c)對於裕度較少的特定之製程值重整權重，來增加裕度。在此，是針對各個製程值來重整分數設定； d)再次以健全性模式進行最佳化(使製程限制值全體的裕度增加)；進行任一者或雙方。因此，最佳化部230，基於由預測模型求出之製程限制值的預測值與基準值的比較結果，來調整操作端參數的設定，使製程限制值對於基準值往有裕度的方向變化。

「基準值」，是從設備規格面來決定之各製程限制值的極限值。且，作為變形例亦可為雖然比極限值更有裕度，但會發出警報的警報值。

最佳化部230，確認製程限制值是否因最佳化而改善(S203)。且確認S202的最佳設定是否與設備設計之思維或以往的運轉成果有矛盾。在基準值儲存部232，事先儲存有與各個製程限制值比較的基準值。最佳化部230，基於與基準值的比較結果來確認有無改善。在沒有充分改善的情況(S203：No)回到步驟S201來重整最佳化條件。在充分改善的情況(S203：Yes)進行混合燃燒率的推算處理。

＜S3：混合燃燒率的推算處理＞ 混合燃燒率上限推算部240，使用步驟S105所架構的預測模型、及步驟S107的最佳設定，求出混合燃燒率提升後的製程限制值，推算到達基準值為止的最大混合燃燒率(S3)。

混合燃燒率上限推算部240，在對於預測模型輸入的運轉條件之中，使虛擬混合燃燒率增加來演算製程限制值的預測值。然後，推算出製程限制值的預測值成為該製程限制值之基準值以下之範圍的混合燃燒率之上限值。

運轉條件評價部242，基於S3所得到之製程限制值的預測值，進行混合燃燒率增加時的運轉平衡評價或經濟效益評價，來設定目標混合燃燒率(S4)。運轉條件評價部242，依據步驟S201所設定的分數來評價運轉條件。從各製程限制值的預測值來製作雷達圖，由該形狀來進行運轉平衡的評價亦可。

運轉條件評價部242是基於運轉平衡評價或經濟效益評價，來進行運轉條件的評價演算，將該演算結果(高評價的運轉條件或增加後的混合燃燒率)輸出至輸出部250。

＜S5：在實機開始混合燃燒＞ 輸出部250，將由最佳化部230之演算所得到之操作端的設定值、或是由混合燃燒率上限推算部240之演算所得到之混合燃燒率的上限值，輸出至運轉控制裝置120，在實機開始混合燃燒(S5)。圖9，是表示S5之詳細流程的流程圖。

輸出部250，在滿足第1條件及第2條件之雙方的情況(S501：Yes)，為了開始實機的混合燃燒率增加運轉，是對於運轉控制裝置120輸出混合燃燒率開始增加的指示訊號(S505)。e)實際的混合燃燒率在學習範圍內(第1條件)。f)在所有的製程限制值具有裕度(第2條件)。

另一方面，輸出部250，在上述第1條件及第2條件之任一者或雙方為No的情況(S501：No)，對最佳化部230進行最佳化的要求。

最佳化部230，在從步驟S502到步驟S504，進行與從步驟S201到步驟S203相同的最佳化處理。若在步驟S504判定製程限制值沒有改善(S504：No)的話，回到步驟S502再次設定最佳化條件。

另一方面，最佳化部230，若在步驟S504判定製程限制值有改善(S504：Yes)的話，將該結果送回輸出部250。將之接受的輸出部250，會將在實機開始混合燃燒率增加運轉用的指示訊號輸出至運轉控制裝置120(S505)。

圖10，是表示使用運轉支援系統10的鍋爐1之運用流程的圖。

運轉支援裝置100，進行取得運轉資料的預處理，來產生學習資料。使用該學習資料來架構預測模型。使用該預測模型，進行健全性模式之最佳化的結果，製程限制值下降，確保對於製程限制值之上限值的裕度(t1時)。

接著，運轉支援裝置100進行混合燃燒率之上限的推算處理，基於由預測模型推算之混合燃燒率上限的運轉平衡評價，在實機使混合燃燒率增加(t2時)。伴隨著混合燃燒率的增加，製程限制值亦增加。在此，運轉支援裝置100確認製程限制值的變化，將重整最佳化之分數設定後的最佳設定反映至實機的結果，會再次使製程限制值下降，確保對於製程限制值之上限值的裕度(t3時)。

將實機之混合燃燒率增加後的運轉資料予以再學習、最佳化，並將最佳設定反映至實機的話，一邊使混合燃燒率比t2以前還要增加，一邊確保對於製程限制值之上限值的裕度(t4時)。

根據本實施形態，在將生物質燃料或低品質煤與高品質煤混合燃燒的情況，以往大幅變動的製程限制值會成為對於混合燃燒率之增加的限制要因。根據本實施形態，是藉由運轉支援裝置100，以使混合燃燒率增加時的製程限制值之裕度增加的方式來決定操作端的設定值，故能在製程限制值不到達警報值的範圍進行混合燃燒率的增加。

上述實施形態並用來不限定本發明，有著不超脫本發明之主旨範圍內的各種變更態樣。例如，雖然舉出了在上述運轉支援裝置100具備最佳化部230與混合燃燒率上限推算部240之雙方的例子，但僅具備任一方亦可。例如，僅具備最佳化部230，使運轉條件最佳化，將使此時之混合燃燒率增加時的操作端參數交給輸出部250亦可。且，僅具備混合燃燒率上限推算部240，將進行推算混合燃燒率上限值用的模擬的結果所得到的混合燃燒率上限值交給輸出部250亦可。

1:鍋爐 10:運轉支援系統 11:火爐 12:燃燒裝置 13:煙道 21~25:噴燃器 26~30:煤粉供給管 31~35:粉碎機 36:風箱 37a~37c:空氣風管 37d:連結點 38:送風機 39:後通氣孔 48:排氣通路 49:空氣加熱器 50:脫硝裝置 51:煤煙處理裝置 52:抽風機 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 112:運轉資料儲存部 114:資料抽出部 116:軟感測器值計算部 118:RTC 120:運轉控制裝置 220:模型架構部 222:模型儲存部 230:最佳化部 232:基準值儲存部 240:混合燃燒率上限推算部 242:運轉條件評價部 250:輸出部 301:處理器 305:輸入I/F 306:輸出I/F 307:通訊I/F 308:匯流排 311:輸入裝置 312:顯示器

[圖1]表示鍋爐的概略構造圖。 [圖2]鍋爐之運轉支援系統的概略說明圖。 [圖3]表示運轉支援裝置之硬體構造的圖。 [圖4]表示鍋爐之運轉支援系統之從模型架構到運用為止之主要流程的流程圖。 [圖5]表示從運轉資料之取得到預測模型架構為止之詳細處理的流程圖。 [圖6]表示製程限制值例的圖。 [圖7]表示模型架構部所作成之預測模型之例的圖。 [圖8]表示從S2之最佳化之詳細到S5為止之流程的流程圖。 [圖9]表示S5之詳細流程的流程圖。 [圖10]表示使用運轉支援系統的鍋爐之運用流程的圖。

1:鍋爐

10:運轉支援系統

100:運轉支援裝置

110:資料取得部

112:運轉資料儲存部

114:資料抽出部

116:軟感測器值計算部

118:RTC

120:運轉控制裝置

220:模型架構部

222:模型儲存部

230:最佳化部

232:基準值儲存部

240:混合燃燒率上限推算部

242:運轉條件評價部

250:輸出部

Claims (6)

1. 一種鍋爐的運轉支援裝置，用來使複數種類的燃料混合燃燒，其含有： 模型儲存部，將欲使混合燃燒率增加的第1種燃料與不同於該第1種燃料的第2種燃料的混合燃燒率、前述鍋爐或前述鍋爐之輔助設備之至少一種以上之操作端的設定值作為輸入參數， 並儲存預測模型，前述預測模型是將前述第1種燃料的混合燃燒率相對增加之情況會大幅變化的限制參數作為輸出參數， 並將前述第1種燃料及前述第2種燃料在前述鍋爐混合燃燒時之運轉資料作為參考資料來使機械學習； 基準值儲存部，將對應於前述限制參數之種類的基準值，亦即由設備規格面來決定的基準值予以儲存； 用來使前述混合燃燒率增加的最佳化部、或是用來推算混合燃燒率之上限的混合燃燒率上限推算部；以及 輸出部，其輸出前述最佳化部或前述混合燃燒率上限推算部的演算結果， 前述最佳化部，使對於前述預測模型輸入的虛擬混合燃燒率增加來演算前述限制參數的預測值，基於預測值與前述基準值的比較結果，調整前述操作端的設定，進行演算來使前述限制參數往與前述基準值同等或比這更有裕度的方向變化， 前述混合燃燒率上限推算部，使對於前述預測模型輸入的虛擬混合燃燒率增加來演算前述限制參數的預測值，進行演算來推算前述限制參數的預測值與該限制參數的基準值同等或比這更有裕度的範圍之前述混合燃燒率的上限值， 前述輸出部，將前述最佳化部之演算所得到之前述操作端的設定值或前述混合燃燒率上限推算部之演算所得到之前述混合燃燒率的上限值予以輸出。
2. 如請求項1所述之鍋爐的運轉支援裝置，其中， 前述模型儲存部，儲存有使用回歸模型的預測模型，該回歸模型是將前述混合燃燒率及設定在前述操作端的設定值作為獨立變數，將前述限制參數作為因變數。
3. 如請求項1所述之鍋爐的運轉支援裝置，其中， 前述最佳化部，當由前述預測模型輸出之限制參數之一個預測值的裕度比該限制參數的基準值還小，或者是當適用在前述鍋爐的運轉條件所包含的混合燃燒率超出以往在前述預測模型學習過的範圍的話，再次進行最佳化。
4. 如請求項1所述之鍋爐的運轉支援裝置，其中， 前述輔助設備，是將前述第1種燃料予以粉碎的磨碎機， 前述限制參數，是微粉燃料乾燥兼搬運用空氣溫度、及前述磨碎機之馬達電流的至少一種以上。
5. 如請求項1所述之鍋爐的運轉支援裝置，其中， 前述第1種燃料，是生物質燃料或相對含有較多水分量的低品質煤，前述第2種燃料是相對含有較少水分量的高品質煤。
6. 一種鍋爐的運轉支援系統，用來使複數種燃料混合燃燒，其具備： 請求項1至5中任一項所記載之鍋爐的運轉支援裝置、 將設定值設定在前述鍋爐之操作端的運轉控制裝置， 前述鍋爐的運轉控制裝置， 從前述運轉支援裝置取得表示前述第1種燃料之目標混合燃燒率的資訊，基於該目標混合燃燒率來對前述鍋爐及前述鍋爐之輔助設備的各操作端設定操作端參數。

Images