TW202306634A - 濕式排煙脫硫裝置的控制方法,濕式排煙脫硫裝置的控制裝置,具備此濕式排煙脫硫裝置的控制裝置的遠程監視系統,資訊處理裝置及資訊處理系統 - Google Patents
濕式排煙脫硫裝置的控制方法,濕式排煙脫硫裝置的控制裝置,具備此濕式排煙脫硫裝置的控制裝置的遠程監視系統,資訊處理裝置及資訊處理系統 Download PDFInfo
- Publication number
- TW202306634A TW202306634A TW111112084A TW111112084A TW202306634A TW 202306634 A TW202306634 A TW 202306634A TW 111112084 A TW111112084 A TW 111112084A TW 111112084 A TW111112084 A TW 111112084A TW 202306634 A TW202306634 A TW 202306634A
- Authority
- TW
- Taiwan
- Prior art keywords
- aforementioned
- absorbent
- exhaust gas
- concentration
- learning model
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/46—Removing components of defined structure
- B01D53/48—Sulfur compounds
- B01D53/50—Sulfur oxides
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
- B01D53/77—Liquid phase processes
- B01D53/78—Liquid phase processes with gas-liquid contact
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23J—REMOVAL OR TREATMENT OF COMBUSTION PRODUCTS OR COMBUSTION RESIDUES; FLUES
- F23J15/00—Arrangements of devices for treating smoke or fumes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
濕式排煙脫硫裝置是具備吸收塔、循環泵及吸收劑泥漿供給部。就本裝置的控制方法而言,是針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數是包含與吸收液的吸收劑濃度、吸收液的循環流量及發電機輸出具有相關的至少1個的參數,該目的變數是將來的吸收塔出口的二氧化硫濃度。然後,按每個發電機輸出,算出根據學習模型的二氧化硫濃度的預測值,作成表示為了預測值形成基準值以下的吸收劑的投入量及吸收液的循環流量的表。然後,根據該表,決定對應於發電機的狀態的吸收劑的投入量及吸收液的循環流量的控制目標值。
Description
本案是有關濕式排煙脫硫裝置的控制方法,濕式排煙脫硫裝置的控制裝置,具備此濕式排煙脫硫裝置的控制裝置的遠程監視系統,資訊處理裝置及資訊處理系統。
本案是根據2021年3月31日申請日本專利局的特願2021-061440號主張優先權,且將其內容援用於此。
就濕式排煙脫硫裝置而言,是將在鍋爐(boiler)等的燃燒裝置產生的廢氣導入至脫硫裝置的吸收塔內,使與循環於吸收塔的吸收液氣液接觸。在氣液接觸的過程,藉由吸收液中的吸收劑(例如碳酸鈣)與廢氣中的二氧化硫(SO
2)反應,廢氣中的SO
2會被吸收於吸收液,從廢氣除去SO
2(廢氣為脫硫)。另一方面,吸收SO
2後的吸收液會落下,而被儲存於吸收塔下方的存積槽內。對存積槽供給吸收劑,以被供給的吸收劑來恢復吸收性能的吸收液是藉由循環泵來供給至吸收塔的上方,供以和廢氣的氣液接觸(SO
2的吸收)。由於使吸收液循環的循環泵是消費電力大,因此以往是以消費電力的抑制為目的,根據流入吸收塔的廢氣的流量與廢氣中的SO
2濃度等來計算必要的吸收液的循環流量,進行循環泵的運轉台數的控制。
就專利文獻1而言,是揭示為了適當地調節在如此的濕式排煙脫硫裝置的吸收塔中用以使吸收液循環的循環泵的運轉條件之技術。就此文獻而言,是利用從鍋爐等的燃燒裝置及濕式排煙脫硫裝置取得的運轉資料,分別藉由機械學習來使運轉資料與吸收塔出口的SO
2濃度的相關關係及運轉資料與吸收液中所含的吸收劑濃度的相關關係模型化,根據藉由該等2個的學習模型所求取得的表來將吸收液的循環流量或吸收劑濃度控制為最適化。
[先前技術文獻]
[專利文獻]
[專利文獻1]日本特開2020-11163號公報
(發明所欲解決的課題)
然而,就上述專利文獻1而言,是在構築學習模型時,與吸收塔出口的SO
2濃度或吸收劑濃度相關性高的參數未被特定。因此,恐有預測擾亂發生之虞,又,由於運轉資料的學習範圍變廣,恐有運算負擔變大之虞。又,由於分別機械學習運轉資料與吸收塔出口的SO
2濃度的相關關係及運轉資料與吸收液中所含的吸收劑濃度的相關關係,需要構築2個的學習模型,因此亦有運算變複雜的傾向。
本案的至少一實施形態是有鑑於上述的情事而研發者,以提供一種可簡易地實施用以在濕式排煙脫硫裝置的吸收塔中使吸收液循環的控制之濕式排煙脫硫裝置的控制方法,控制裝置,遠程監視系統,資訊處理裝置及資訊處理系統為目的。
(用以解決課題的手段)
為了解決上述課題,本案的至少一實施形態的濕式排煙脫硫裝置的控制方法,係在吸收塔內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫之濕式排煙脫硫裝置的控制方法,
其特徵為具備:
針對說明變數與目的變數的關係,藉由機械學習來構築學習模型之工序,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度;
根據規定前述參數與前述輸出的關係的基準表,按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表之工序;及
根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值之工序。
為了解決上述課題,本案的至少一實施形態的濕式排煙脫硫裝置的控制裝置,係在吸收塔內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫之濕式排煙脫硫裝置的控制裝置,
其特徵係具備:
學習模型構築部,其係針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度;
表作成部,其係用以根據規定前述參數與前述輸出的關係的基準表,按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表;及
控制目標值決定部,其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
為了解決上述課題,本案的至少一實施形態的遠程監視系統具備:
本案的至少一實施形態的濕式排煙脫硫裝置的控制裝置;及
被電性連接至前述濕式排煙脫硫裝置的控制裝置的遠程監視裝置。
為了解決上述課題,本案的至少一實施形態的資訊處理裝置,係實行涉及濕式排煙脫硫裝置的控制的處理之資訊處理裝置,該濕式排煙脫硫裝置係在吸收塔內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫,
其特徵係具備:
學習模型構築部,其係針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度;
表作成部,其係用以根據規定前述參數與前述輸出的關係的基準表,按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表;及
控制目標值決定部,其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
為了解決上述課題,本案的至少一實施形態的資訊處理系統,係由實行涉及濕式排煙脫硫裝置的控制的處理之資訊處理裝置及可通訊的終端裝置所組成的資訊處理系統,該濕式排煙脫硫裝置係在吸收塔內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫,
其特徵為:
前述資訊處理裝置係具備:
學習模型構築部,其係依據來自前述終端裝置的要求,針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度;
表作成部,其係用以根據規定前述參數與前述輸出的關係的基準表,按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表;及
控制目標值決定部,其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
[發明的效果]
若根據本案的至少一實施形態,則可提供一種可簡易地實施用以在濕式排煙脫硫裝置的吸收塔中使吸收液循環的控制之濕式排煙脫硫裝置的控制方法,控制裝置,遠程監視系統,資訊處理裝置及資訊處理系統。
以下,參照圖面說明有關本發明的幾個實施形態。但,本發明的範圍不是被限定於以下的實施形態者。以下的實施形態記載的構成零件的尺寸、材質、形狀及其相對配置等不是將本發明的範圍只限定於此,只不過是說明例。
圖1是一實施形態的濕式排煙脫硫裝置10的構成圖。
濕式排煙脫硫裝置10是用以將在燃燒裝置1產生的廢氣脫硫的裝置。燃燒裝置1是例如用以產生蒸氣的鍋爐,作為藉由將在燃燒裝置1產生的蒸氣供給至發電機5而可發電的發電工廠設備的一部分構成。
濕式排煙脫硫裝置10是具備:
經由配管2來與燃燒裝置1連通的吸收塔11;
在循環於吸收塔11內的吸收液的循環用配管3所設的複數的循環泵12a,12b,12c(就圖1而言,是以3台的循環泵為代表舉例表示,台數是不被限定。並且,在將該等總稱時是適當稱為「循環泵12」);
用以將吸收液中所含的吸收劑亦即碳酸鈣(CaCO
3)的泥漿(slurry)(吸收劑泥漿)供給至吸收塔11內的吸收劑泥漿供給部13;及
用以回收吸收液中的石膏的石膏回收部14。
在吸收塔11設有用以使在後述的動作被脫硫的廢氣作為流出氣體從吸收塔11流出的流出配管16,在流出配管16設有用以測定流出氣體中的SO
2濃度的氣體分析計17。
吸收劑泥漿供給部13是具備:
用以製造吸收劑泥漿的吸收劑泥漿製造設備21;
將吸收劑泥漿製造設備21與吸收塔11連通的吸收劑泥漿供給用配管22;
用以控制流通於吸收劑泥漿供給用配管22的吸收劑泥漿的流量的吸收劑泥漿供給量控制閥23。
石膏回收部14是具備:
石膏分離器25;
將石膏分離器25與吸收塔11連通的石膏泥漿抽出用配管26;及
被設在石膏泥漿抽出用配管26的石膏泥漿抽出用泵27。
在濕式排煙脫硫裝置10是設有濕式排煙脫硫裝置10的控制裝置15。
控制裝置15是具備與運轉資料取得部20電性連接的運轉資料接收部30,該運轉資料取得部20是包含用以取得燃燒裝置1及濕式排煙脫硫裝置10的各種運轉資料(例如各種部位的溫度或壓力、各種流體的流量等)的各種的檢測器。在運轉資料取得部20是含有氣體分析計17。
控制裝置15是具備:
被電性連接至運轉資料接收部30的學習模型構築部38;
被電性連接至學習模型構築部38的表作成部31;
被電性連接至表作成部31的控制目標值決定部32;
被電性連接至控制目標值決定部32的循環泵調節部33;
被電性連接至控制目標值決定部32的吸收劑泥漿供給控制部34;及
被電性連接至學習模型構築部38的學習模型修正部35。
循環泵調節部33是被電性連接至各循環泵12的各者。吸收劑泥漿供給控制部34是被電性連接至吸收劑泥漿供給量控制閥23。
在圖2是顯示用以遠程監視濕式排煙脫硫裝置10(參照圖1)的控制狀態的遠程監視系統40的構成。
遠程監視系統40是具備:
構成燃燒裝置1(參照圖1)及濕式排煙脫硫裝置10(參照圖1)的各機器的分散控制系統(DCS)41;
被電性連接至DCS41,且搭載控制裝置15的邊緣伺服器42;
經由雲端或虛擬私人網路 (Virtual Private Network;VPN)來可通訊地被電性連接至邊緣伺服器42的桌上型個人電腦或平板電腦等之類的遠程監視裝置43。
通常是可藉由存在於離開邊緣伺服器42的場所的遠程監視裝置43來遠程監視濕式排煙脫硫裝置10的控制狀態。
其次,說明有關濕式排煙脫硫裝置10將在燃燒裝置1產生的廢氣脫硫的動作。
如圖1所示般,在燃燒裝置1產生的廢氣是流通於配管2而流入至吸收塔11,上昇於吸收塔11內。藉由循環泵12的至少1台運轉來使吸收液流通於循環用配管3而流入至吸收塔11,在吸收塔11內吸收液流下。在吸收塔11內流下的吸收液是積存於吸收塔11內,藉由循環泵12來從吸收塔11流出,流通於循環用配管3。如此一來,吸收液是循環於吸收塔11內。
如此一來,廢氣中的SO
2的一部分會在吸收液中作為石膏被除去,亦即廢氣會被脫硫,因此經由流出配管16來從吸收塔11流出的流出氣體中的SO
2濃度是比經由配管2來流入至吸收塔11的廢氣中的SO
2濃度更低。從吸收塔11流出的流出氣體是流通於流出配管16而被放出至大氣中,但其途中藉由氣體分析計17來測定SO
2濃度,其測定結果會被傳送至控制裝置15的運轉資料接收部30。
流出氣體中的SO
2濃度是若在吸收液中的CaCO
3濃度無大的變動,則有循環於吸收塔11內的吸收液的循環流量越增加則越降低的傾向。控制裝置15依據後述的控制方法來控制循環泵12的運轉台數而控制循環流量,藉此可控制流出氣體中的SO
2濃度,例如以成為預先被設定的設定值以下之方式控制流出氣體中的SO
2濃度。
在吸收塔11內析出於吸收液中的石膏是作為石膏泥漿藉由石膏泥漿抽出用泵27來從吸收塔11抽出,石膏泥漿是流通於石膏泥漿抽出用配管26來流入至石膏分離器25。在石膏分離器25中,石膏與水會被分離,石膏會被回收,水則是被送至未圖示的排水設備。
由於吸收液中的CaCO
3是與SO
2反應而成為石膏,因此隨著廢氣的脫硫進行,吸收液中的CaCO
3濃度會降低。控制裝置15是依據後述的控制方法來控制吸收劑泥漿供給量控制閥23的開度,經由吸收劑泥漿供給用配管22來將在吸收劑泥漿製造設備21製造的吸收劑泥漿供給至吸收塔11內。藉此,吸收液中的CaCO
3濃度會成為預先被設定的設定範圍內,廢氣的脫硫中的CaCO
3濃度的大的變動會被抑制。
其次,說明有關控制裝置15之濕式排煙脫硫裝置10的控制方法。圖3是表示一實施形態的濕式排煙脫硫裝置10的控制方法的流程圖。
首先,在步驟S1中收集燃燒裝置1及濕式排煙脫硫裝置10的各種運轉資料之後,在步驟S2中,針對各種運轉資料與從吸收塔11流出的流出氣體中的將來的SO
2濃度的關係,藉由機械學習來構築學習模型。其次,在步驟S3中,修正在步驟S2被構築的學習模型。然後,在步驟S4中,利用在步驟S3取得的修正後的學習模型來作成表。在接續的步驟S5中,根據在步驟S4作成的表,針對流出氣體中的SO
2濃度成為預先被設定的設定值以下的吸收液的循環流量、CaCO
3的吸收劑泥漿的供給量來決定控制目標值,在步驟S6中,根據在步驟S5被決定的循環流量的控制目標值來調節循環泵12的運轉條件,在步驟S7中,根據在步驟S5被決定的CaCO
3的吸收劑泥漿的供給量的控制目標值來控制吸收劑泥漿供給量控制閥23。藉此,以成為預先被設定的設定值以下之方式控制流出氣體中的SO
2濃度。
另外,步驟S3的學習模型的修正是在修正前的學習模型的精度為充分時是亦可省略。又,就圖3而言,是舉在步驟S6之後實施步驟S7的情況為例表示,但亦可在步驟S6之前實施步驟S7,或亦可同時實施步驟S6及S7。
其次,詳細說明有關控制裝置15之濕式排煙脫硫裝置10的控制方法的各步驟。
就步驟S1而言,如圖1所示般,運轉資料取得部20取得燃燒裝置1及濕式排煙脫硫裝置10的各種運轉資料之後,被取得的各種運轉資料會被傳送至控制裝置15而由運轉資料接收部30接收,藉此控制裝置15收集各種運轉資料。如前述般,運轉資料取得部20是包含氣體分析計17,因此各種運轉資料是包含流出氣體中的SO
2濃度。
就步驟S2而言,學習模型構築部38是針對藉由運轉資料取得部20所收集的各種運轉資料與流出氣體中的將來的SO
2濃度的關係,藉由機械學習來構築學習模型。學習模型是被構築為例如使用了重迴歸、嶺迴歸(Ridge regression)、Lasso迴歸或Elastic Net等的迴歸手法的迴歸模型。就本實施形態而言,是構築次式般以線形多項式表示的迴歸模型,作為學習模型的一例。
吸收塔出口的SO
2濃度=k1×說明變數1+k2×說明變數2+・・・+kn×說明變數n+b (1)
藉由如此使用線形多項式作為學習模型,相較於複雜的模擬模型,可說明性(解釋性)高,運算負荷也可有效地減輕。另外,n是任意的自然數,k1~kn是係數,b是任意的切片。
藉由機械學習所取得的學習模型是被構築為表示說明變數與目的變數兩者的相關的模型,該說明變數是由藉由運轉資料取得部20所取得的運轉資料中所含的複數的參數所組成,該目的變數是流出氣體中的將來的SO
2濃度。在此,學習模型的說明變數中所含的複數的參數的組合是可從以下的候補來任意地選擇。
i)發電機輸出指令值(對於發電機5之來自外部的輸出指令值)
ii)發電機輸出(發電機5的輸出)
iii)鍋爐空氣流量或鍋爐廢氣流量(對於燃燒裝置1的供給空氣流量或來自燃燒裝置1的廢氣流量)
iv)脫硫入口SO
2濃度或鍋爐出口SO
2濃度(吸收塔11入口的SO
2濃度或燃燒裝置1出口的SO
2濃度)
v)脫硫出口SO
2濃度或煙囪入口SO
2濃度(吸收塔11出口的SO
2濃度)
vi)吸收液的CaCO
3濃度或pH
vii)吸收液循環流量(循環泵12的運轉台數或吐出流量的控制值)
該等的候補是通常在大多的濕式排煙脫硫裝置10以往就能計測的參數。
就本實施形態而言,學習模型的說明變數是被選擇為含有上述候補之中,i)發電機輸出指令值(對於發電機5之來自外部的輸出指令值)、iii)鍋爐空氣流量或鍋爐廢氣流量(對於燃燒裝置1的供給空氣流量或來自燃燒裝置1的廢氣流量)或iv)脫硫入口SO
2濃度或鍋爐出口SO
2濃度(吸收塔11入口的SO
2濃度或燃燒裝置1出口的SO
2濃度)之中至少1個。更理想,學習模型的說明變數是被選擇為含有上述候補之中,iii)鍋爐空氣流量或鍋爐廢氣流量(對於燃燒裝置1的供給空氣流量或來自燃燒裝置1的廢氣流量)及iv)脫硫入口SO
2濃度或鍋爐出口SO
2濃度(吸收塔11入口的SO
2濃度或燃燒裝置1出口的SO
2濃度)。藉此,可構築一以良好的精度來預測目的函數亦即流出氣體中的將來的SO
2濃度之學習模型。又,藉由如此從在運轉資料取得部20取得的運轉資料來選定一部分的參數作為說明變數,可有效率地鎖定學習對象資料,減輕機械學習的運算負擔。
就步驟S3而言,是藉由學習模型修正部35來進行在步驟S2被構築的學習模型的修正。學習模型的修正是根據藉由學習模型所算出的SO
2濃度的預測值與實測值的誤差來進行,針對學習模型的說明變數及目的函數來分別進行。
在此,圖4是表示關於圖3的步驟S3的學習模型的目的變數的修正運算的流程圖。
就關於目的變數的修正運算而言,首先,對於利用成為修正對象的學習模型而算出的預測值Vp,延遲輸出相當於計測延遲部分的修正時間ΔVp。在利用學習模型而算出的預測值Vp是未含為了在氣體分析計17計測實測值Vm所必要的時間。修正時間ΔVp是對應於為了在氣體分析計17計測實測值Vm所必要的時間,藉由對於預測值Vp延遲輸出,可與在氣體分析計17被計測的實測值Vm作比較。藉由對於預測值Vp延遲輸出修正時間ΔVp,可求取修正後的預測值Vp´。然後算出修正後的預測值Vp´與氣體分析計17的實測值Vm的比(Vm/Vp´),藉由算出其移動平均,可求取關於目的函數的修正值A。
如此被算出的修正值A是被適用在學習模型。例如以上述(1)式表示的學習模型的情況,修正後的學習模型是成為次式。
吸收塔出口的SO
2濃度=(k1×說明變數1+k2×說明變數2+・・・+kn×說明變數n+b)×A (2)
接著,圖5是表示關於圖3的步驟S3的學習模型的說明變數的修正運算的流程圖。在此,說明有關與發電機5的輸出(發電機輸出Y)具有相關的參數亦即說明變數SG的情況,作為修正運算的一例。
預先準備規定發電機輸出Y與說明變數SG的值X1~X4的相關之基準表Tr。基準表Tr是如圖5所示般,按每個發電機輸出Y的值來規定說明變數SG的值X1~X4。就本實施形態而言,是顯示包含針對發電機輸出Y為25%MW的負荷點、50%MW的負荷點、75%MW的負荷點、100%MW的負荷點來分別規定說明變數SG的值X1~X4的特性函數之基準表Tr。
學習模型修正部35是對於如此的基準表Tr輸入從外部取得的發電機輸出Y,藉此輸出對應的說明變數SG。另一方面,學習模型修正部35是根據在運轉資料接收部30取得的結果來求取說明變數的實測值SGm,求取與從基準表Tr輸出的說明變數的值SG的比(SGm/SG)。然後,藉由算出該比的移動平均,可求取關於說明函數的修正值B。
如此被算出的關於說明變數SG的修正值B是被適用在學習模型。圖6是表示使用了在圖5被算出的修正值B之學習模型的說明變數SG的修正運算的流程圖。
如圖6所示般,最適化條件C成立時,被規定於基準表Tr的特性函數會藉由修正值B來修正。最適化條件C是包含用以判定為了修正根據修正值B的基準表Tr的環境是否齊全的至少1個(例如全部)的條件,例如,可從多方面的觀點判定在濕式排煙脫硫裝置10或控制裝置15中動作狀態安定且未發生異常等的情形。
圖7是表示在圖6用以實施修正運算的最適化條件C的判定流程的圖。
就圖7而言,是設為根據其次的5個條件的判定,作為最適化條件C的一例。
(條件1)在說明變數未被監視有異常。
(條件2)用以取得說明變數的實測值SGm的計器非調整中。
(條件3)發電機輸出(或鍋爐負荷)為預定值(例如0%~50%)以上。
(條件4)工廠設備為通煙狀態。
(條件5)運算軟體的初期化完了。
如此的最適化條件C成立時,學習模型修正部35是針對被規定於基準表Tr的特性函數,對於對應於發電機輸出的說明變數SG的值乘算修正值B,藉此進行說明變數的修正。如此的修正的結果,如圖6所示般,被規定於基準表Tr的特性函數會被更新(一點鎖線是表示修正前的特性函數,實線是表示修正後的特性函數)。
就步驟S4而言,是根據在步驟S3被修正的學習模型來進行表T的作成。表T的作成是藉由按每個發電機輸出來算出藉由學習模型所算出的SO
2濃度的預測值為了符合預先被設定的基準值(例如形成基準值以下)的吸收劑的投入量及吸收液的循環流量而進行。
在此具體地說明有關圖3的步驟S4的表T的作成方法。首先,參照圖8及圖9來說明有關循環泵12為固定容量式,吸收液的循環流量藉由循環泵12的台數控制來進行的情況。
圖8是表示藉由按每個發電機輸出來使CaCO
3濃度與固定容量式的循環泵12的運轉台數變化時的學習模型而算出的SO
2濃度的預測值的運算例,圖9是根據圖8的運算結果來作成的表T的例子。
另外,CaCO
3濃度是對應於吸收劑的投入量之參數,可取「2~5」的值作為容許範圍。又,循環泵12的運轉台數是對應於吸收液的循環量之參數,可取「8~10」的值作為容許範圍。該等的容許範圍是亦可例如從工廠設備設計上的值來事前設定。
在圖8中,若首先著眼於發電機輸出為「50%」的情況,則當CaCO
3濃度為「3」,循環泵運轉台數為「8」時,根據學習模型的SO
2濃度的預想值是105ppm,超過基準值(100ppm)。此情況,表作成部31是藉由使比循環泵運轉台數影響運用成本更低的CaCO
3濃度增加1階段而變更成「4」。於是,根據學習模型的SO
2濃度的預想值是成為100ppm,成為基準值(100ppm)以下。因此,表作成部31是特定成發電機輸出為「50%」的最適的CaCO
3濃度是「4」,循環泵運轉台數為「8」。
接著,若著眼於發電機輸出為「60%」的情況,則當CaCO
3濃度為「4」,循環泵運轉台數為「8」時,根據學習模型的SO
2濃度的預想值是120ppm,超過基準值(100ppm)。此情況,表作成部31是藉由使比循環泵運轉台數影響運用成本更低的CaCO
3濃度增加1階段而變更成「5」。然而,根據學習模型的SO
2濃度的預想值是110ppm,依然超過基準值(100ppm)。此情況,由於CaCO
3濃度到達容許範圍的上限值「5」也無法符合基準值,因此使循環泵運轉台數增加至「9」,且使CaCO
3濃度減少至「3」。其結果,根據學習模型的SO
2濃度的預想值是成為100ppm,成為基準值(100ppm)以下。因此,表作成部31是特定成發電機輸出為「60%」的最適的CaCO
3濃度是「3」,泵運轉台數為「9」。
表作成部31是藉由如此按每個發電機輸出,特定最適的CaCO
3濃度與循環泵運轉台數,作成圖9所示的表T。就圖9而言,是以隨著發電機輸出增加,在循環泵12的運轉台數階段性地增加的時機,CaCO
3濃度會一面減少一面增加之方式作成表T。
其次,參照圖10及圖11說明有關藉由循環泵12為可變容量式,吸收液的循環流量藉由循環泵12的容量控制來進行的情況。圖10是表示藉由按每個發電機輸出來使CaCO
3濃度與可變容量式的循環泵12的容量變化時的學習模型而算出的SO
2濃度的預測值的運算例,圖11是根據圖10的運算結果來作成的表T的例子。
另外,CaCO
3濃度是對應於吸收劑的投入量之參數,可取「2~5」的值作為容許範圍。又,循環泵容量是對應於吸收液的循環量之參數,可取「10~100」的值作為容許範圍。該等的容許範圍是亦可例如從工廠設備設計上的值來事前設定。
在圖10中,首先若著眼於發電機輸出為「50%」的情況,則當CaCO
3濃度為「3」,循環泵容量為「10」時,根據學習模型的SO
2濃度的預想值是105ppm,超過基準值(100ppm)。此情況,表作成部31是藉由使比循環泵容量影響運用成本更低的CaCO
3濃度增加1階段而變更成「4」。於是,根據學習模型的SO
2濃度的預想值是成為100ppm,成為基準值(100ppm)以下。因此,表作成部31是特定成發電機輸出為「50%」的最適的CaCO
3濃度是「4」,循環泵容量為「10」。
接著,若著眼於發電機輸出為「60%」的情況,則當CaCO
3濃度為「5」,循環泵容量為「10」時,根據學習模型的SO
2濃度的預想值是120ppm,超過基準值(100ppm)。此情況,由於表作成部31是CaCO
3濃度會到達容許範圍的上限值的「5」,因此將泵容量變更為增加至「15」。然而,根據學習模型的SO
2濃度的預想值是110ppm,依然超過基準值(100ppm)。此情況,表作成部31是將循環泵容量變更為進一步增加至「18」。其結果,根據學習模型的SO
2濃度的預想值是成為100ppm,成為基準值(100ppm)以下。因此,表作成部31是特定成發電機輸出為「60%」的最適的CaCO
3濃度是「5」,循環泵容量為「18」。
表作成部31是藉由如此按每個發電機輸出,特定最適的CaCO
3濃度與循環泵容量,來作成圖11所示的表。就圖11而言,是以隨著發電機輸出增加,在CaCO
3濃度的增加不能完全對應的時機,泵容量會增加之方式作成表T。
另外,就圖8~圖11而言,是表示為了使運用成本最小化,而以一面極力縮小循環泵運轉台數(或循環泵容量)一面可取得符合基準值的SO
2濃度的預測值之方式進行用以作成表的最適的CaCO
3濃度與循環泵運轉台數(或循環泵容量)的探索,但亦可從其他的觀點進行探索。
又,就本實施形態而言,是舉圖9及圖11般的圖表(graph)形式的表T為例表示,但表T是不一定要為如此的形態,亦可為矩陣或數學式等的形態。
就步驟S5而言,控制目標值決定部32是取得發電機輸出的指令值,根據在步驟S4作成的表T,決定對應於該發電機輸出的控制目標值(吸收劑的投入量及吸收液的循環流量的各者的控制目標值)。然後,步驟S6及S7是根據在步驟S5被決定的控制目標值,藉由循環泵調節部33來控制循環泵12a~12c,且藉由吸收劑泥漿供給控制部34來控制吸收劑的供給量。
另外,在步驟S5中,循環流量的調節是當循環泵12為固定容量式時是根據圖9所示的表來控制循環泵台數而進行,當循環泵12為可變容量式時是根據圖11所示的表T來控制泵容量而進行。
若如此根據上述實施形態,則可在將來的流出氣體中的SO
2濃度成為預先被設定的基準值以下的範圍,適當地調節往吸收塔11的吸收劑的投入量及循環於吸收塔11內的吸收液的循環流量。由於如此的控制運算是可根據單一的學習模型來針對往吸收塔11的吸收劑的投入量及循環於吸收塔11內的吸收液的循環流量分別求取控制目標值,因此運算負擔少。
另外,可取在雲端環境上或經由VPN來以可電性通訊至邊緣伺服器42的方式連接的資訊處理裝置44(參照圖12)實行以上述實施形態的控制裝置15所實行的各處理之構成。此情況,資訊處理裝置44是具備運轉資料接收部30、學習模型構築部38、學習模型修正部35、表作成部31及控制目標值決定部32,亦可透過通訊來對於控制裝置15的循環泵調節部33及吸收劑泥漿供給控制部34傳遞在該控制目標值決定部32所決定的控制目標值,控制循環泵或吸收劑的供給量。
又,運轉資料接收部30是亦可經由控制裝置15的運轉資料中繼部39(圖13)來接收各種運轉資料,或亦可如前述般從運轉資料取得部20接收各種運轉資料。尤其,在雲端環境上運算時,從保全的觀點,有設為不直接控制循環泵或吸收劑的控制目標值,僅顯示的情況。例如,經由專用應用程式來將在雲端環境上產生的運轉指標圖發送信・圖示給顧客所有的裝置(終端裝置45),現地的運轉指標圖的更新是有藉由顧客的手來進行的情況。另一方面,資訊處理裝置44是亦可也具備循環泵調節部33及吸收劑泥漿供給控制部34,遠程控制循環泵或吸收劑的供給量。進一步,資訊處理裝置44是亦可具備依據來自終端裝置45的要求,在資訊處理裝置44中實行各處理的構成。
其他,可在不脫離本案的主旨的範圍,適當將上述的實施形態的構成要素置換成周知的構成要素,又,亦可適當組合上述的實施形態。
上述各實施形態記載的內容是例如以下般掌握。
(1)一實施形態的濕式排煙脫硫裝置的控制方法,係在吸收塔(例如上述實施形態的吸收塔11)內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫之濕式排煙脫硫裝置(例如上述實施形態的濕式排煙脫硫裝置10)的控制方法,
其特徵係具備:
針對說明變數與目的變數的關係,藉由機械學習來構築學習模型之工序,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度;
根據規定前述參數與前述輸出的關係的基準表(例如上述實施形態的基準表Tr),按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表(例如上述實施形態的表T)之工序;及
根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值之工序。
若根據上述(1)的形態,則可在將來的流出氣體中的SO
2濃度成為預先被設定的基準值以下的範圍,適當地調節往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量。如此的控制運算是可根據單一的學習模型來針對往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量分別求取控制目標值,因此運算負擔少。
(2)就其他的形態而言,是在上述(1)的形態中,在作成前述表的工序中,以在預先被設定的前述吸收劑的投入量及前述吸收液的循環流量的容許範圍內,用以使吸收液循環於前述吸收塔內的至少1個的循環泵(例如上述實施形態的循環泵12)的運用成本會變少的方式,探索前述預測值為了符合前述基準值的前述吸收劑的投入量及前述吸收液的循環流量。
若根據上述(2)的形態,則以在從吸收塔排出的二氧化硫濃度的預測值形成基準值以下的範圍,運用成本會變少的方式,探索吸收劑的投入量及吸收液的循環流量的控制目標值。藉由根據如此被探索的控制目標值來實施控制,可一面將從吸收塔排出的二氧化硫抑制於必要的範圍,一面有效地減低工廠設備的運用成本。
(3)就其他的形態而言,是在上述(1)的形態中,更具備:根據依據前述學習模型的前述吸收塔出口的前述廢氣的前述二氧化硫濃度的預測值與實測值的誤差,來修正前述學習模型之工序。
若根據上述(3)的形態,則根據藉由學習模型所取得的預測值與實測值的誤差來進行學習模型的修正,可提升控制精度。
(4)就其他的形態而言,是在上述(1)或(2)的形態中,前述至少1個的參數係包含前述輸出的外部指令值、前述輸出、前述燃燒裝置的空氣流量、吸收塔入口的二氧化硫濃度之中至少1個。
若根據上述(4)的形態,則藉由將該等的參數的任一個含在學習模型的說明變數中,可構築一藉由有效率地鎖定學習對象資料來減輕機械學習的運算負擔,且能以良好的精度來預測的學習模型。
(5)就其他的形態而言,是在上述(4)的形態中,前述至少1個的參數係包含前述燃燒裝置的空氣流量及前述吸收塔入口的二氧化硫濃度。
若根據上述(5)的形態,則藉由將該等的參數含在學習模型的說明變數中,可構築一藉由有效率地鎖定學習對象資料來減輕機械學習的運算負擔,且能以良好的精度來預測的學習模型。
(6)就其他的形態而言,是在上述(1)或(2)的形態中,前述學習模型係以線形多項式表示。
若根據上述(6)的形態,則藉由使用線形多項式作為學習模型,相較於複雜的模擬模型,可說明性(解釋性)高,運算負荷也可有效地減輕。
(7)就其他的形態而言,是在上述(1)或(2)的形態中,前述基準表係規定為表示預先被特定的前述參數與前述輸出的關係的函數。
若根據上述(7)的形態,則與發電機輸出具有相關的參數是規定為表示其相關的基準表。
(8)就其他的形態而言,是在上述(2)的一形態中,前述至少1個的循環泵為固定容量式。
若根據上述(8)的形態,則在具有固定容量式的循環泵的工廠設備中,可在將來的流出氣體中的二氧化硫濃度成為預先被設定的基準值以下的範圍,適當地調節往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量。
(9)就其他的形態而言,是在上述(2)的形態中,前述至少1個的循環泵為可變容量式。
若根據上述(9)的形態,則在具有可變容量式的循環泵的工廠設備中,可在將來的流出氣體中的二氧化硫濃度成為預先被設定的基準值以下的範圍,適當地調節往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量。
(10)一形態的濕式排煙脫硫裝置的控制裝置,係在吸收塔(例如上述實施形態的吸收塔11)內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫之濕式排煙脫硫裝置(例如上述實施形態的濕式排煙脫硫裝置10)的控制裝置(例如上述實施形態的控制裝置15),
其特徵係具備:
學習模型構築部(例如上述實施形態的學習模型構築部38),其係針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度;
表作成部(例如上述實施形態的表作成部31),其係用以根據規定前述參數與前述輸出的關係的基準表(例如上述實施形態的基準表Tr),按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表(例如上述實施形態的表T);及
控制目標值決定部(例如上述實施形態的控制目標值決定部32),其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
若根據上述(10)的形態,則可在將來的流出氣體中的SO
2濃度成為預先被設定的基準值以下的範圍,適當地調節往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量。如此的控制運算是可根據單一的學習模型來針對往吸收塔11的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量分別求取控制目標值,因此運算負擔少。
(11)一形態的遠程監視系統,其特徵係具備:
上述(10)的形態的濕式排煙脫硫裝置的控制裝置;及
被電性連接至前述濕式排煙脫硫裝置的控制裝置的遠程監視裝置。
若根據上述(11)的形態,則可遠程監視濕式排煙脫硫裝置的控制狀態。
(12)一形態的資訊處理裝置,係實行涉及濕式排煙脫硫裝置(例如上述實施形態的濕式排煙脫硫裝置10)的控制的處理之資訊處理裝置(例如上述實施形態的資訊處理裝置44),該濕式排煙脫硫裝置係在吸收塔(例如上述實施形態的吸收塔11)內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫,
其特徵係具備:
學習模型構築部(例如上述實施形態的學習模型構築部38),其係針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度;
表作成部(例如上述實施形態的表作成部31),其係用以根據規定前述參數與前述輸出的關係的基準表(例如上述實施形態的基準表Tr),按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表(例如上述實施形態的表T);及
控制目標值決定部(例如上述實施形態的控制目標值決定部32),其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
若根據上述(12)的形態,則可在將來的流出氣體中的SO
2濃度成為預先被設定的基準值以下的範圍,適當地調節往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量。如此的控制運算是可根據單一的學習模型來針對往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量分別求取控制目標值,因此運算負擔少。
(13)一形態的資訊處理系統,係由實行涉及濕式排煙脫硫裝置(例如上述實施形態的濕式排煙脫硫裝置10)的控制的處理之資訊處理裝置(例如上述實施形態的資訊處理裝置44)及可通訊的終端裝置(例如上述實施形態的終端裝置45)所組成的資訊處理系統(例如上述實施形態的資訊處理系統46),該濕式排煙脫硫裝置係在吸收塔(例如上述實施形態的吸收塔11)內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫,
其特徵為:
前述資訊處理裝置係具備:
學習模型構築部(例如上述實施形態的學習模型構築部38),其係依據來自前述終端裝置的要求,針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度;
表作成部(例如上述實施形態的表作成部31),其係用以根據規定前述參數與前述輸出的關係的基準表(例如上述實施形態的基準表Tr),按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表(例如上述實施形態的表T);及
控制目標值決定部(例如上述實施形態的控制目標值決定部32),其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
若根據上述(13)的形態,則可在將來的流出氣體中的SO
2濃度成為預先被設定的基準值以下的範圍,適當地調節往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量。如此的控制運算是可根據單一的學習模型來針對往吸收塔的吸收劑的投入量及循環於吸收塔內的吸收液的循環流量分別求取控制目標值,因此運算負擔少。
1:燃燒裝置
2:配管
3:循環用配管
5:發電機
10:濕式排煙脫硫裝置
11:吸收塔
12:循環泵
13:吸收劑泥漿供給部
14:石膏回收部
15:控制裝置
16:流出配管
17:氣體分析計
20:運轉資料取得部
21:吸收劑泥漿製造設備
22:吸收劑泥漿供給用配管
23:吸收劑泥漿供給量控制閥
25:石膏分離器
26:石膏泥漿抽出用配管
27:石膏泥漿抽出用泵
30:運轉資料接收部
31:表作成部
32:控制目標值決定部
33:循環泵調節部
34:吸收劑泥漿供給控制部
35:學習模型修正部
38:學習模型構築部
39:運轉資料中繼部
40:遠程監視系統
42:邊緣伺服器
43:遠程監視裝置
44:資訊處理裝置
45:終端裝置
46:資訊處理系統
[圖1]是一實施形態的濕式排煙脫硫裝置的構成圖。
[圖2]是一實施形態的遠程監視系統的構成圖。
[圖3]是表示一實施形態的濕式排煙脫硫裝置的控制方法的流程圖。
[圖4]是表示關於圖3的步驟S3的學習模型的目的變數的修正運算的流程圖。
[圖5]是表示關於圖3的步驟S3的學習模型的說明變數的修正運算的流程圖。
[圖6]是表示使用了在圖5被算出的修正值之學習模型的說明變數的修正運算的流程圖。
[圖7]是表示在圖6用以實施修正運算的最適化條件的判定流程的圖。
[圖8]是表示藉由按每個發電機輸出來使CaCO
3濃度與固定容量式的循環泵的運轉台數變化時的學習模型而算出的SO
2濃度的預測值的運算例。
[圖9]是根據圖8的運算結果來作成的表的例子。
[圖10]是表示藉由按每個發電機輸出來使CaCO
3濃度與可變容量式的循環泵的容量變化時的學習模型而算出的SO
2濃度的預測值的運算例。
[圖11]是根據圖10的運算結果來作成的表的例子。
[圖12]是一實施形態的資訊處理系統的構成圖。
[圖13]是與控制裝置一起表示圖12的資訊處理裝置的內部構成的圖。
1:燃燒裝置
2:配管
3:循環用配管
5:發電機
10:濕式排煙脫硫裝置
11:吸收塔
12,12a,12b,12c:循環泵
13:吸收劑泥漿供給部
14:石膏回收部
15:控制裝置
16:流出配管
17:氣體分析計
20:運轉資料取得部
21:吸收劑泥漿製造設備
22:吸收劑泥漿供給用配管
23:吸收劑泥漿供給量控制閥
25:石膏分離器
26:石膏泥漿抽出用配管
27:石膏泥漿抽出用泵
30:運轉資料接收部
31:表作成部
32:控制目標值決定部
33:循環泵調節部
34:吸收劑泥漿供給控制部
35:學習模型修正部
38:學習模型構築部
Claims (13)
- 一種濕式排煙脫硫裝置的控制方法,係在吸收塔內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫之濕式排煙脫硫裝置的控制方法, 其特徵係具備: 針對說明變數與目的變數的關係,藉由機械學習來構築學習模型之工序,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度; 根據規定前述參數與前述輸出的關係的基準表,按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表之工序;及 根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值之工序。
- 如請求項1記載的濕式排煙脫硫裝置的控制方法,其中,在作成前述表的工序中,以在預先被設定的前述吸收劑的投入量及前述吸收液的循環流量的容許範圍內,用以使吸收液循環於前述吸收塔內的至少1個的循環泵的運用成本會變少的方式,探索前述預測值為了符合前述基準值的前述吸收劑的投入量及前述吸收液的循環流量。
- 如請求項1或2記載的濕式排煙脫硫裝置的控制方法,其中,更具備:根據依據前述學習模型的前述吸收塔出口的前述廢氣的前述二氧化硫濃度的預測值與實測值的誤差,來修正前述學習模型之工序。
- 如請求項1或2記載的濕式排煙脫硫裝置的控制方法,其中,前述至少1個的參數係包含前述輸出的外部指令值、前述輸出、前述燃燒裝置的空氣流量、吸收塔入口的二氧化硫濃度之中至少1個。
- 如請求項4記載的濕式排煙脫硫裝置的控制方法,其中,前述至少1個的參數係包含前述燃燒裝置的空氣流量及前述吸收塔入口的二氧化硫濃度。
- 如請求項1或2記載的濕式排煙脫硫裝置的控制方法,其中,前述學習模型係以線形多項式表示。
- 如請求項1或2記載的濕式排煙脫硫裝置的控制方法,其中,前述基準表係規定為表示預先被特定的前述參數與前述輸出的關係的函數。
- 如請求項2記載的濕式排煙脫硫裝置的控制方法,其中,前述至少1個的循環泵為固定容量式。
- 如請求項2記載的濕式排煙脫硫裝置的控制方法,其中,前述至少1個的循環泵為可變容量式。
- 一種濕式排煙脫硫裝置的控制裝置,係在吸收塔內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫之濕式排煙脫硫裝置的控制裝置, 其特徵係具備: 學習模型構築部,其係針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度; 表作成部,其係用以根據規定前述參數與前述輸出的關係的基準表,按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表;及 控制目標值決定部,其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
- 一種遠程監視系統,其特徵係具備: 請求項10記載的濕式排煙脫硫裝置的控制裝置;及 被電性連接至前述濕式排煙脫硫裝置的控制裝置的遠程監視裝置。
- 一種資訊處理裝置,係實行涉及濕式排煙脫硫裝置的控制的處理之資訊處理裝置,該濕式排煙脫硫裝置係在吸收塔內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫, 其特徵係具備: 學習模型構築部,其係針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度; 表作成部,其係用以根據規定前述參數與前述輸出的關係的基準表,按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表;及 控制目標值決定部,其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
- 一種資訊處理系統,係由實行涉及濕式排煙脫硫裝置的控制的處理之資訊處理裝置及可通訊的終端裝置所組成的資訊處理系統,該濕式排煙脫硫裝置係在吸收塔內,使在燃燒裝置產生的廢氣與吸收液氣液接觸而進行脫硫, 其特徵為: 前述資訊處理裝置係具備: 學習模型構築部,其係依據來自前述終端裝置的要求,針對說明變數與目的變數的關係,藉由機械學習來構築學習模型,該說明變數為包含與前述吸收塔內的前述吸收液的吸收劑濃度及循環流量以及以在前述燃燒裝置產生的氣體來驅動的發電機的輸出具有相關的至少1個的參數,該目的變數為將來的吸收塔出口的二氧化硫濃度; 表作成部,其係用以根據規定前述參數與前述輸出的關係的基準表,按每個前述輸出,算出根據前述學習模型的前述二氧化硫濃度的預測值,作成表示前述預測值為了符合基準值的前述吸收劑的投入量及前述吸收液的循環流量的表;及 控制目標值決定部,其係用以根據前述表來決定對應於前述發電機的狀態的前述吸收劑的投入量及前述吸收液的循環流量的控制目標值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-061440 | 2021-03-31 | ||
JP2021061440A JP2022157305A (ja) | 2021-03-31 | 2021-03-31 | 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、この湿式排煙脱硫装置の制御装置を備えた遠隔監視システム、情報処理装置、及び、情報処理システム |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202306634A true TW202306634A (zh) | 2023-02-16 |
Family
ID=83456528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111112084A TW202306634A (zh) | 2021-03-31 | 2022-03-30 | 濕式排煙脫硫裝置的控制方法,濕式排煙脫硫裝置的控制裝置,具備此濕式排煙脫硫裝置的控制裝置的遠程監視系統,資訊處理裝置及資訊處理系統 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2022157305A (zh) |
TW (1) | TW202306634A (zh) |
WO (1) | WO2022210827A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023175210A (ja) * | 2022-05-30 | 2023-12-12 | 三菱重工業株式会社 | 湿式排煙脱硫装置の制御装置、遠隔監視システム、及び、制御方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3091247B2 (ja) * | 1991-03-19 | 2000-09-25 | バブコック日立株式会社 | 湿式排ガス脱硫装置の吸収塔への吸収液循環流量制御方法および制御装置 |
JPH05317643A (ja) * | 1992-05-20 | 1993-12-03 | Babcock Hitachi Kk | 湿式排ガス脱硫装置の吸収液循環流量制御方法および装置 |
JPH06319941A (ja) * | 1993-05-13 | 1994-11-22 | Hitachi Ltd | 湿式排煙脱硫制御装置及び方法 |
JP7193261B2 (ja) * | 2018-07-13 | 2022-12-20 | 三菱重工業株式会社 | 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、及びこの湿式排煙脱硫装置の制御装置を備えた遠隔監視システム |
CN110263988B (zh) * | 2019-06-06 | 2023-06-30 | 东南大学 | 一种基于电厂脱硫系统的数据运行优化方法 |
-
2021
- 2021-03-31 JP JP2021061440A patent/JP2022157305A/ja active Pending
-
2022
- 2022-03-30 TW TW111112084A patent/TW202306634A/zh unknown
- 2022-03-30 WO PCT/JP2022/015797 patent/WO2022210827A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022210827A1 (ja) | 2022-10-06 |
JP2022157305A (ja) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2759855C1 (ru) | Способ управления устройством мокрой десульфуризации дымовых газов, устройство для управления устройством мокрой десульфуризации дымовых газов и система дистационного мониторинга, содержащая устройство для управления устройством мокрой десульфуризации дымовых газов | |
CN112577161B (zh) | 空调能耗模型训练方法与空调系统控制方法 | |
TWI805296B (zh) | 藉由學習資料的選定之控制裝置,遠程監視系統,裝置的控制方法及遠程監視系統的控制方法 | |
US8577822B2 (en) | Data-driven approach to modeling sensors wherein optimal time delays are determined for a first set of predictors and stored as a second set of predictors | |
CN101776258B (zh) | 用于控制容器中的液位的系统和方法 | |
AU2017202965B2 (en) | Intelligent management system for balance of plant | |
TW202306634A (zh) | 濕式排煙脫硫裝置的控制方法,濕式排煙脫硫裝置的控制裝置,具備此濕式排煙脫硫裝置的控制裝置的遠程監視系統,資訊處理裝置及資訊處理系統 | |
Zhang et al. | Nonlinear model predictive control and H∞ robust control for a post-combustion CO2 capture process | |
JP5964029B2 (ja) | 蒸気発生器の補助給水弁制御装置 | |
Stock et al. | HVAC performance evaluation and optimization algorithms development for large buildings | |
US20230166211A1 (en) | State quantity prediction device and state quantity prediction method | |
CN111275320B (zh) | 一种发电机组的性能调整数据处理方法、系统和存储介质 | |
CN112361322A (zh) | 锅炉给水自动加氨装置及灰色预测前馈pid控制方法 | |
CN113094992A (zh) | 基于神经网络判别的脱硫塔优化方法 | |
Moghaddas-Zadeh et al. | ANN-based procedure to obtain the optimal design and operation of the compression chiller network–Energy, economic and environmental analysis | |
KR100757679B1 (ko) | 복합화력발전소의 탈기기 공정을 위한 통합제어 시스템 및그 방법 | |
TW202403484A (zh) | 狀態量預測裝置、狀態量預測方法、狀態量預測系統、以及狀態量預測系統的控制方法 | |
WO2023234103A1 (ja) | 湿式排煙脱硫装置の制御装置、遠隔監視システム、遠隔監視システムの制御方法、及び、湿式排煙脱硫装置の制御方法 | |
Juuso | Modelling and simulation in development and tuning of intelligent controllers | |
JP7094424B1 (ja) | 制御装置、制御プログラム、及び制御方法 | |
CN117452897A (zh) | 一种火电厂湿法脱硫的智能控制方法、系统 | |
CN117654258A (zh) | 一种燃煤机组脱硫智能控制方法及系统 | |
CN117968431A (zh) | 燃煤电厂烟气余热回收控制方法及装置 | |
Chen et al. | Methanol Synthesis Process Control and Simulation | |
CN109324586A (zh) | 针对快速变化系统的预测控制系统及其控制方法 |