TW202323728A - 控制裝置 - Google Patents

Abstract

本發明的控制裝置，具備：資訊取得部、蒸氣流量預測部、控制部。資訊取得部，取得關於對於燃燒設備內的處理空間供給之前之被燃燒物的資訊。蒸氣流量預測部，基於包含由資訊取得部所取得之資訊的預測用資訊，來預測燃燒設備的鍋爐所產生的主蒸氣流量。控制部，基於由蒸氣流量預測部所預測之主蒸氣流量來進行燃燒控制。

Description

控制裝置

本發明關於控制裝置。

在專利文獻1，揭示有燃燒控制方法，其即時取得表示現在燃燒狀態的資訊，基於此來推算燃燒熱量及鍋爐蒸發量，藉此可進行沒有時間延遲的廢棄物燃燒控制。該燃燒控制方法，是由即時取得之燃燒當下之後的排氣組成，求出與成為燃料的廢棄物之發熱量直接有關的廢棄物中的碳、氫及水分，並基於此算出氧消費量、燃燒熱量、潛熱量、廢棄物量(處理量)。

在專利文獻2，揭示有蒸發量控制方法，其使用不同視角的複數個攝影裝置，分別取得從一次燃燒區域到達二次燃燒區域之火炎的影像，對於所取得之來自不同視角的複數個影像進行圖像合成處理，藉此製作包含二次燃燒區域之火炎的三維影像。該蒸發量控制方法，是藉由解析上述三維影像，算出沿著一次燃燒或二次燃燒所產生之燃燒氣體之流路的方向之火炎流速的時間變化，而得到燃燒室現在正在產生之熱量的指標。

在專利文獻3，揭示有燃燒控制方法，其使用複數個紅外線攝影機，透過供火炎不會放射之波長的光選擇性地穿透的過濾片，來觀測至少堆積在乾燥部及燃燒部的廢棄物，而取得不同視角的複數個熱圖像，基於該複數個熱圖像來製作三維熱圖像。該燃燒控制方法，基於上述三維熱圖像，算出表示廢棄物的厚度在時間上會是何種變化的厚度經過資訊，基於從廢棄物的過去到現在為止之體積流量的變化來決定燃燒修正係數，算出從該廢棄物產生之熱量的指標。 [先前技術文獻] [專利文獻]

[專利文獻1]日本特開2017-096517號公報 [專利文獻2]日本特開2019-219108號公報 [專利文獻3]日本特開2021-067381號公報

[發明所欲解決之問題]

但是，主蒸氣流量，有因應被燃燒物的狀態等而大幅變動的情況。因此，在專利文獻1至3所記載的技術，有難以基於主蒸氣流量之高精度的預測值來進行燃燒控制的情況。

本發明，是為了解決上述課題而完成者，其目的在於提供控制裝置，可基於主蒸氣流量之高精度的預測值來進行燃燒控制。 [解決問題之技術手段]

為了解決上述課題，本發明的控制裝置，具備：資訊取得部、蒸氣流量預測部、控制部。資訊取得部，取得關於對於燃燒設備內的處理空間供給之前之被燃燒物的資訊。蒸氣流量預測部，基於包含由資訊取得部所取得之資訊的預測用資訊，來預測燃燒設備的鍋爐所產生的主蒸氣流量。控制部，基於由蒸氣流量預測部所預測之主蒸氣流量來進行燃燒控制。 [發明之效果]

根據本發明的控制裝置，可基於主蒸氣流量之高精度的預測值來進行燃燒控制。

以下，參照圖式來說明本發明之實施形態的控制裝置。在以下的說明，對相同或具有類似功能的構造附上相同的符號。而且，有時會省略該等構造之重複的說明。在本發明所謂的「基於XX」，是「至少基於XX」的意思，可包含除了XX以外還基於其他要素的情況。且，「基於XX」並不限定於直接使用XX的情況，可包含基於對XX進行了演算或加工而成者的情況。在本發明所謂的「XX或YY」，並不限定於XX與YY之中任一方的情況，可包含XX與YY之雙方的情況。這在選擇性要素有三個以上的情況亦相同。「XX」及「YY」是任意的要素(例如任意的資訊)。

(實施形態) ＜1.燃燒設備的全體構造＞ 圖1，是表示實施形態之燃燒設備SF之全體構造的概略構造圖。燃燒設備SF，例如是將都市垃圾、產業廢棄物、生質等作為被燃燒物G的焚化爐。以下為了方便說明，將「被燃燒物G」稱為「垃圾G」。又，燃燒設備SF，並不限定於焚化爐，亦可為其他種類的燃燒設備。在本實施形態，燃燒設備SF，例如具備：起重機1、燃燒爐2、排熱回收鍋爐3、減溫塔4、集塵裝置5、煙道6、煙囪7、及控制裝置100。

起重機1，將儲存在垃圾坑的垃圾G，搬運至後述燃燒爐2的料斗11而投入至料斗11。起重機1，含有：把持垃圾G的把持部1a、設在把持部1a的重量感測器1b。重量感測器1b，例如是秤重感應器。重量感測器1b，在垃圾G被把持部1a把持而抬起來的狀態下，檢測把持部1a所把持之垃圾G的重量。重量感測器1b的檢測結果，被傳輸至控制裝置100。重量感測器1b的檢測結果，是「對處理空間V供給之前之垃圾G的資訊」的一例，是「關於垃圾G之特性的資訊」的一例。

又，本發明的「關於垃圾G之特性的資訊」，是指關於垃圾G之性質或狀態的資訊。且，本發明的「關於垃圾G之特性的資訊」，並不限定於直接顯示垃圾G之特性的資訊，亦可為用來特定垃圾G之特性的資訊(例如藉由組合其他資訊而可特定垃圾G之特性的資訊)等。例如，垃圾G的重量，是與後述垃圾G的體積組合，藉此可特定垃圾G之密度的資訊。垃圾G的密度，是垃圾G之特性的一例。

燃燒爐2，是將投入至後述料斗11的垃圾G予以一邊搬運一邊燃燒的爐。在燃燒爐2內，伴隨著垃圾G的燃燒而在燃燒爐2產生排氣。所產生的排氣，被送往設在燃燒爐2之上部的排熱回收鍋爐3。排熱回收鍋爐3，使在燃燒爐2產生的排氣與水之間進行熱交換，藉此加熱水來產生蒸氣。

通過排熱回收鍋爐3後的排氣，在減溫塔4冷卻之後，被送往集塵裝置5。排氣，在集塵裝置5去除煤灰或塵埃之後，通過煙道6及煙囪7而排出至大氣。在煙道6，設有氣體濃度感測器6a。氣體濃度感測器6a，檢測在煙道6流動之排氣所含有之各種氣體的濃度(例如氧濃度)。又，氣體濃度感測器6a的檢測結果，是取代或除了氧濃度之外，還可包含CO濃度、NOx濃度、及SOx濃度之中的一種以上。氣體濃度感測器6a的檢測結果，被傳輸至控制裝置100。

＜2.燃燒爐＞ 接著，針對燃燒爐2詳細說明。燃燒爐2，例如具有：供給機構10、爐本體20、焚化機30、風箱41、排出通道42、火爐43、及送風機構50。

＜2.1供給機構＞ 供給機構10，是將被起重機1搬運的垃圾G，予以暫時地儲存，並朝向後述爐本體20的處理空間V予以依序供給的機構。供給機構10，例如具有：料斗11、送料機12、擠出裝置13(參照圖2)、物體計測器14、及水分計測器15。

料斗11，是用來對爐本體20的內部供給垃圾G而設置的儲存部。對料斗11投入被起重機1搬運過來的垃圾G。料斗11，具有入口部11a與出口部11b。入口部11a，是用來從外部投入垃圾G的入口部分。入口部11a，例如於鉛直方向延伸。投入至入口部11a的垃圾G，藉由重力而往下方移動。出口部11b，設在入口部11a的下方。出口部11b，是將從入口部11a供給的垃圾G，朝向後述爐本體20內的處理空間V導引的出口部分。出口部11b，例如於水平方向延伸。

送料機12，設在料斗11的出口部11b。送料機12，是沿著料斗11之出口部11b之底部的板狀，沿著料斗11之出口部11b的底部來配置。送料機12，可沿著從料斗11的出口部11b朝向爐本體20之處理空間V的方向來往復移動。送料機12，被擠出裝置13所驅動，將堆積在料斗11之內部(例如料斗11的出口部11b)的垃圾G朝向爐本體20的處理空間V擠出。

物體計測器14，是檢測被起重機1投入至料斗11之垃圾G之高度的計測器。物體計測器14，例如是LiDAR(Light Detection and Ranging)。物體計測器14，例如設在料斗11的入口部11a，檢測通過料斗11之入口部11a之垃圾GM的高度。又，物體計測器14，亦可取代垃圾G的高度，而藉由三維測定來直接檢測垃圾G的體積。物體計測器14的檢測結果，被傳輸至控制裝置100。物體計測器14的檢測結果，是「對處理空間V供給之前之垃圾G的資訊」的一例，是「關於垃圾G之特性的資訊」的一例。

水分計測器15，是檢測關於投入至料斗11之垃圾G所含有之水分之值(例如水分率或水分量)的計測器。在本實施形態，水分計測器15具有：設在料斗11的照射部及檢測部、解析部。照射部，對堆積在料斗11內的垃圾G照射既定頻率範圍的電磁波。檢測部，接收從照射部照射並穿透垃圾G或被垃圾G反射的電磁波。解析部，例如事先儲存表示電磁波之特性變化(例如振幅的變化或相位的變化)與水分率之間關係的相關關係資訊。解析部，基於照射部與檢測部之間的電磁波的特性變化、上述相關關係資訊，來檢測垃圾G所含有的水分率。

在本實施形態，水分計測器15的照射部及檢測部，設在送料機12的偏上側，檢測堆積在送料機12之上面的垃圾G之水分率。水分計測器15的檢測結果，被傳輸至控制裝置100。水分計測器15的檢測結果，是「關於對處理空間V供給之前之垃圾G的資訊」的一例，「是關於垃圾G之特性的資訊」的一例，是「料斗11內的水分計測結果」的一例。

＜2.2爐本體＞ 爐本體20，鄰接於料斗11來設置，是將垃圾G一邊搬運一邊燃燒的設備。以下，將燃燒設備F之垃圾G的搬運方向稱為「搬運方向D」。爐本體20，從搬運方向D的上游側朝向下游側，依序具有：乾燥段20a、燃燒段20b、及後燃燒段20c。乾燥段20a，位於比燃燒段20b及後燃燒段20c還上游側，是將由料斗11所供給的垃圾G在焚化機30上燃燒之前先進行乾燥的區域。燃燒段20b及後燃燒段20c，是使通過乾燥段20a而成為乾燥之狀態的垃圾G在焚化機30上燃燒的區域。在燃燒段20b，會發生從垃圾G產生的熱分解氣體所致之擴散燃燒，而產生光焰F。在後燃燒段20c，會發生垃圾G之擴散燃燒後的固定碳燃燒，故不會產生光焰F。燃燒段20b及後燃燒段20c，是使垃圾G燃燒之處理空間V的一例。乾燥段20a，是在搬運方向D上比處理空間V還上游側之區域的一例。

在本實施形態，爐本體20具有：可見光攝影機21、紅外線攝影機22。可見光攝影機21及紅外線攝影機22，在搬運方向D配置在比處理空間V還下游側，從該下游側拍攝搬運方向D的上游側。在本實施形態，可見光攝影機21及紅外線攝影機22，是設在搬運方向D之爐本體20之下游側的端部(以下稱為「爐尾」)。例如，可見光攝影機21及紅外線攝影機22，通過設在爐本體20之爐尾的窗部，從該下游側拍攝搬運方向D的上游側。例如，可見光攝影機21及紅外線攝影機22，是配置在彼此上下或左右相鄰的位置。

可見光攝影機21，從爐本體20的爐尾拍攝光焰F。可見光攝影機21的拍攝結果，被傳輸至控制裝置100。

紅外線攝影機22，從爐本體20的爐尾，穿透光焰F而拍攝堆積在爐本體20之乾燥段20a(亦即比處理空間V還上游側)的垃圾G。且，在本實施形態，紅外線攝影機22，是從爐本體20的爐尾穿透光焰F而拍攝料斗11的出口部11b。例如，紅外線攝影機22，拍攝料斗11的出口部11b中，包含堆積在送料機12上之垃圾G的圖像(表示垃圾G之堆積狀態的圖像)。紅外線攝影機22的拍攝結果，被傳輸至控制裝置100。紅外線攝影機22的拍攝結果，是「關於對處理空間V供給之前之垃圾G的資訊」的一例，是「表示料斗11內之垃圾G之堆積狀態的堆積狀態資訊」的一例。

又，在本實施形態，是藉由一台紅外線攝影機22，來拍攝包含爐本體20之乾燥段20a及料斗11之出口部11b(例如堆積在送料機12上的垃圾G)之雙方的圖像。取代此，爐本體20，亦可分別具備：拍攝爐本體20之乾燥段20a的第1紅外線攝影機、拍攝料斗11之出口部11b(例如堆積在送料機12上的垃圾G)的第2紅外線攝影機。且，紅外線攝影機22，除了爐本體20的爐尾以外亦可設置在其他位置。

＜2.3焚化機＞ 焚化機30含有：複數個火格子31、火格子驅動裝置32(參照圖2)。複數個火格子31，形成成為爐本體20之底面(例如處理空間V的底面)的焚化面30a。在焚化面30a，藉由供給機構10來層狀地供給垃圾G。焚化面30a，是遍及上述乾燥段20a、燃燒段20b、及後燃燒段20c來設置。複數個火格子31，包含固定火格子與可動火格子。固定火格子，固定在後述風箱41的上面。可動火格子，以一定速度沿著搬運方向D往復移動，藉此將可動火格子與固定火格子之上(焚化面30a上)的垃圾G予以一邊攪拌混合一邊往下游側搬運。

＜2.4風箱、排出通道、火爐＞ 風箱41，設在焚化機30的下方，通過焚化機30來對爐本體20的內部供給燃燒用的空氣。風箱41，於搬運方向D複數配列。風箱41，具有風箱壓力感測器41a。風箱壓力感測器41a，檢測風箱41的內部壓力。風箱41的內部壓力，相當於通過後述一次空氣管線52來供給至爐本體20之內部的燃燒空氣的壓力。風箱壓力感測器41a的檢測結果，被傳輸至控制裝置100。

排出通道42，是使燃燒結束而成灰的垃圾G往位於爐本體20之下方的灰擠出裝置落下的裝置。排出通道42，設在爐本體20的爐尾。

火爐43，從爐本體20的上部朝向上方延伸。在處理空間V內燃燒垃圾G而產生的排氣，是通過火爐43而被送往排熱回收鍋爐3。

＜2.5送風機構＞ 送風機構50，對爐本體20的內部供給空氣(例如燃燒空氣)。送風機構50，例如具有：送風機51、一次空氣管線52、空氣預熱器53、二次空氣管線54、調節器55、及空氣流量感測器56。

送風機51，是將空氣(例如燃燒空氣)壓送至爐本體20之內部的推入送風機。送風機51，例如含有第1送風機51A與第2送風機51B。第1送風機51A，通過一次空氣管線52及風箱41來將燃燒空氣壓送至爐本體20的內部(例如處理空間V)。第2送風機51B，通過二次空氣管線54來將燃燒空氣壓送至火爐43的內部。

一次空氣管線52，連接第1送風機51A與風箱41。在一次空氣管線52的途中，設有一個以上(例如複數)的一次空氣調節器55A。一次空氣調節器55A，藉由一次空氣調節器55A的開度，來變更流動於一次空氣管線52之燃燒空氣的流量。

空氣預熱器53，是將從第1送風機51A壓送的空氣予以預熱的熱交換器。例如，空氣預熱器53，設在一次空氣管線52的中途。

二次空氣管線54，連接第2送風機51B與火爐43。供給至火爐43內的二次空氣，從焚化機30的上方朝向垃圾G。在二次空氣管線54的途中，設有一個以上(例如複數)的二次空氣調節器55B。二次空氣調節器55B，藉由二次空氣調節器55B的開度來變更流動於二次空氣管線54之燃燒空氣的流量。以下為了方便說明，將一次空氣調節器55A與二次空氣調節器55B合併稱為「調節器55」。

空氣流量感測器56，檢測供給至爐本體20之內部的空氣(例如燃燒空氣)流量。空氣流量感測器56，例如含有第1空氣流量感測器56A與第2空氣流量感測器56B。第1空氣流量感測器56A，設在一次空氣管線52的中途，檢測通過一次空氣管線52而供給的空氣流量。第2空氣流量感測器56B，設在二次空氣管線54的中途，檢測通過二次空氣管線54而供給的空氣流量。以下所說明之「空氣流量感測器56的檢測結果」，例如包含第1空氣流量感測器56A的檢測結果與第2空氣流量感測器56B的檢測結果。

＜3.排熱回收鍋爐＞ 接著說明排熱回收鍋爐3。排熱回收鍋爐3，例如含有：鍋爐本體61、管路62、放射溫度感測器(紅外線溫度感測器)63、爐內壓力感測器64、供水流量感測器65、及過熱器減溫器流量感測器(蒸氣流量感測器)66。

鍋爐本體61，連接於燃燒爐2的火爐43。在鍋爐本體61的內部，流入有在燃燒爐2產生的排氣。放射溫度感測器63及爐內壓力感測器64，設在鍋爐本體61。放射溫度感測器63，檢測鍋爐本體61的內部溫度。爐內壓力感測器64，檢測鍋爐本體61的內部壓力。放射溫度感測器63及爐內壓力感測器64的檢測結果，被傳輸至控制裝置100。

管路62，在鍋爐本體61的內部延伸。在管路62，設有複數個過熱器及複數個減溫器。在管路62的入口部，供給有來自供水部的水。流動於管路62之水的至少一部分，在鍋爐本體61的內部藉由熱交換而加熱，成為主蒸氣而朝向外部機器(例如渦輪機)流動。後述之「主蒸氣流量」，是指從管路62朝向外部機器(例如渦輪機)流動的蒸氣流量。

供給水流量感測器65，設在管路62的入口部，檢測供水至管路62的水流量。過熱器減溫器流量感測器66，設在管路62的中途，檢測流動於管路62的流體(例如蒸氣)流量。例如，過熱器減溫器流量感測器66，含有：第1過熱器減溫器流量感測器66A，其檢測通過一次減溫器的流體流量(一次過熱器減溫器流量)；以及第2過熱器減溫器流量感測器66B，其檢測通過二次減溫器的流體流量(二次過熱器減溫器流量)。以下所說明之「過熱器減溫器流量感測器66的檢測結果」，例如是指包含第1過熱器減溫器流量感測器66A的檢測結果與第2過熱器減溫器流量感測器66B的檢測結果。供水流量感測器65及過熱器減溫器流量感測器66的檢測結果，被傳輸至控制裝置100。

＜4.控制裝置＞ 接著，針對控制裝置100進行說明。 圖2，是表示實施形態之燃燒設備SF之功能構造的方塊圖。控制裝置100，統整控制燃燒設備SF。例如，控制裝置100，進行爐本體20之處理空間V之垃圾G的燃燒控制。在本實施形態，控制裝置100，例如具有：資訊取得部110、資料轉換部120、預測模型製作部130、預測模型判定部140、蒸氣流量預測部150、及控制部160。控制裝置100進行之控制對象的裝置(以下稱為「控制對象裝置S」)，包含上述的擠出裝置13、送風機51、調節器55、及火格子驅動裝置32等。

＜4.1資訊取得部＞ 資訊取得部110，取得燃燒設備SF所含有之上述各種感測器所檢測出的檢測結果等。例如，資訊取得部110，取得：重量感測器1b的檢測結果(垃圾重量)、物體計測器14的檢測結果(垃圾高度)、水分計測器15的檢測結果(垃圾水分檢測結果)、可見光攝影機21的拍攝結果(燃燒火炎圖像)、紅外線攝影機22的拍撮結果(垃圾層圖像)、風箱壓力感測器41a的檢測結果(風箱壓力)、空氣流量感測器56的檢測結果(壓入空氣流量)、放射溫度感測器63的檢測結果(爐內溫度)、爐內壓力感測器64的檢測結果(爐內壓力)、供水流量感測器65的檢測結果(供水流量)、過熱器減溫器流量感測器66的檢測結果(過熱器減溫器流量)、及氣體濃度感測器6a的檢測結果(氧濃度等)。

在此，上述之風箱壓力感測器41a的檢測結果、空氣流量感測器56的檢測結果、放射溫度感測器63的檢測結果、爐內壓力感測器64的檢測結果、供水流量感測器65的檢測結果、過熱器減溫器流量感測器66的檢測結果、及氣體濃度感測器6a的檢測結果之中的一種以上，包含於後述的程序資料。該等檢測結果的各者，與上述之重量感測器1b的檢測結果、物體計測器14的檢測結果、水分計測器15的檢測結果、可見光攝影機21的拍攝結果、紅外線攝影機22的拍攝結果，都相當於「預測用資訊」的一例。又，本發明所指的「取得」，並不限定於輸出傳輸要求來主動取得的情況，亦包含被動地接收從各種裝置傳輸之資訊藉此取得的情況。該定義，在以下的說明中亦相同。

且，資訊取得部110，是將表示控制對象裝置S所包含之各裝置之狀態的程序值，作為後述程序資料的一部分來取得。例如，控制對象裝置S，是將表示擠出裝置13之狀態的程序值(例如送料機12的行程長度及/或送料機12的移動速度、表示送風機51之狀態的程序值(例如送風機51的轉速)、表示調節器55之狀態的程序值(例如調節器55的開度)、及表示火格子驅動裝置32之狀態的程序值(例如火格子31的移動速度)，作為程序資料的一部分來取得。該等程序資料(程序值)的各者，是「預測用資訊」的一例。表示擠出裝置13之狀態的程序值(例如送料機12的行程長度及/或送料機12的移動速度)，是「表示送料機12之動作的資訊」的一例，是「表示從料斗11對處理空間V之垃圾G的供給狀態的供給狀態資訊」的一例。資訊取得部110，將所取得之各種資訊及程序資料，輸出至資料轉換部120。

＜4.2資料轉換部＞ 資料轉換部120，是對於由資訊取得部110接收的資訊進行既定的資料轉換。例如，資料轉換部120，作為既定的資料轉換，是進行特徵量的抽出、時間延遲的調整、平均化處理等。

圖3，是表示實施形態之資料轉換部120之功能構造的方塊圖。資料轉換部120，例如含有：第1發熱量推算部121、第2發熱量推算部122、第1特徵量抽出部123、氧濃度推算部124、阻燃係數算出部125、圖像轉換部(圖像處理部)126、垃圾層高度檢測部127、第2特徵量抽出部128、送料機供給量推算部129、及調整處理部PU。

(第1發熱量推算部) 在第1發熱量推算部121，輸入有重量感測器1b的檢測結果(垃圾重量)與物體計測器14的檢測結果(垃圾高度)。第1發熱量推算部121，是基於垃圾G的高度(例如基於垃圾G的高度與起重機1之把持部1a的大小)，來算出垃圾G的體積。然後，第1發熱量推算部121，將垃圾G的重量除以垃圾G的體積，而算出垃圾G的密度。且，第1發熱量推算部121，具有表示垃圾G的密度與垃圾G的發熱量(例如低位發熱量LHV：Lower Heating Value)(以下稱為「垃圾發熱量」)之間相關關係的相關關係資訊。上述相關關係資訊，例如，是由垃圾G的密度來算出垃圾發熱量之推算值的發熱量推算式。第1發熱量推算部121，基於所算出之垃圾G的密度與上述相關關係資訊，來算出垃圾發熱量的推算值。第1發熱量推算部121，將所算出之垃圾發熱量的推算值，輸出至調整處理部PU。

在此，本實施形態所指之密度，例如為容積密度。容積密度，並非對象物固有的密度(真密度)，而是從「包含空隙之每單位體積的重量」來算出的密度。但是，第1發熱量推算部121，亦可取代/加上容積密度，來推算使用真密度。又，由第1發熱量推算部121所算出之垃圾G的密度，是基於在料斗11內之外部所測量之重量等所算者，相當於料斗11內之垃圾G的密度。因此，由第1發熱量推算部121所算出之垃圾G的密度，相當於「料斗11內之垃圾G的密度」的一例。

(第2發熱量推算部) 在第2發熱量推算部122，輸入有水分計測器15的檢測結果(垃圾水分檢測結果)。又，在第2發熱量推算部122，進一步輸入有由第1發熱量推算部121所算出之垃圾G的體積亦可。在輸入有垃圾G之體積的情況，第2發熱量推算部122，將垃圾G的水分率乘以垃圾G的體積，藉此可算出垃圾G的水分量。第2發熱量推算部122，具有表示關於垃圾G之水分的值(水分率或水分量)與垃圾發熱量(例如低位發熱量)之間相關關係的相關關係資訊。上述相關關係資訊，例如，是由關於垃圾G之水分的值來算出垃圾發熱量之推算值的發熱量推算式。第2發熱量推算部122，基於關於垃圾G之水分的值與上述相關關係資訊，來算出垃圾發熱量的推算值。第2發熱量推算部122，將所算出之垃圾發熱量的推算值，輸出至調整處理部PU。

此處的圖4，是表示基於水份計測器15之檢測結果的垃圾發熱量的推算值與在實機上確認的垃圾發熱量之間的相關關係的圖。如圖4所示般，本發明者們在基於水分計測器15之檢測結果的垃圾發熱量的推算值與在實機上確認的垃圾發熱量之間，確認到有充分高的相關關係。且，本發明者們確認到，基於水分計測器15之檢測結果的垃圾發熱量的推算值，對於在實機上確認之垃圾G的發熱量是成為領先的資訊，故可考慮到時間延遲，藉此提高基於水分計測器15之檢測結果的垃圾發熱量的推算值與在實機上確認的垃圾發熱量之間的相關關係。

(第1特徵量抽出部) 對第1特徵量抽出部123，輸入有可見光攝影機21的拍攝結果(燃燒火炎圖像)。第1特徵量抽出部123，對於所輸入之燃燒火炎圖像進行聚類處理，藉此轉換為因應顏色資訊來區分成複數個色區的顏色圖像資料IM(參照圖5)。然後，第1特徵量抽出部123，基於顏色圖像資料IM來抽出關於火炎狀態的特徵量。

針對「將圖像予以聚類處理藉此因應顏色資訊來區分成複數個色區」的一例來進行說明。顏色資訊是RGB的各顏色成分，複數個色區的各者，是藉由聚類處理來設定成RGB的各顏色成分不互相重複。第1特徵量抽出部123，將燃燒火炎圖像依照像素分解成RGB的各顏色成分，來決定含有各像素的色區。又，顏色資訊，並不限定於RGB的各顏色成分，亦可為輝度或彩度。

聚類處理的計算法，並未特別限定，可使用公知的各種聚類計算法。例如，使用k-means等之可指定叢集數的計算法來進行聚類處理亦可，使用flowsom等之自動決定叢集數的計算法來進行聚類處理亦可。

圖5，是表示顏色圖像資料IM之一例的圖。在圖5示例之顏色圖像資料IM，是藉由聚類處理來區分成七個色區A，從輝度高者依序包含：第1色區A1、第2色區A2、第3色區A3、第4色區A4、第5色區A5、第6色區A6、及第7色區A7。第1色區A1～第7色區A7的各者，被轉換成黑白(灰階)的濃淡值，隨著從第1色區A1往第7色區A7而逐漸變濃。

接著針對「從顏色圖像資料IM抽出特徵量」的一例進行說明。第1特徵量抽出部123，算出被區分為第1色區A1的像素數的合計(亦即面積)，將該合計像素數作為特徵量來抽出。例如，第1特徵量抽出部123，是依既定的時間(例如每秒)來抽出第1色區A1的合計像素數。第1特徵量抽出部123，亦對於第2色區A2至第7色區A7的各者算出每既定時間的合計像素數，將各自的合計像素數作為特徵量來抽出。又，在本實施形態，特徵量雖包含複數個色區之中的所有色區(第1色區A1至第7色區A7)的合計像素數，但本發明並不限定於該形態。特徵量，只要包含複數個色區之中的至少一個色區的合計像素數即可。

第1特徵量抽出部123，將所抽出之關於火炎狀態的特徵量，輸出至氧濃度推算部124，並輸出至調整處理部PU。又，藉由第1特徵量抽出部123來抽出特徵量的手法，並不限於聚類，亦可為其他手法。

(氧濃度推算部) 對氧濃度推算部124，輸入有：由第1特徵量抽出部123所抽出的特徵量、由資訊取得部110所取得之程序資料的一部分或全部。輸入至氧濃度推算部124的程序資料，例如有：風箱壓力感測器41a的檢測結果、空氣流量感測器56的檢測結果、放射溫度感測器63的檢測結果、爐內壓力感測器64的檢測結果、供水流量感測器65的檢測結果、過熱器減溫器流量感測器66的檢測結果、及氣體濃度感測器6a的檢測結果等之中的一種以上。氧濃度推算部124，基於所輸入之特徵量及程序資料來進行機械學習所致之回歸分析，藉此導出用來推算處理空間V之氧濃度的推算式。然後，氧濃度推算部124，基於所輸入之特徵量及程序資料與上述推算式，來即時算出處理空間V之氧濃度的推算值。氧濃度推算部124，將所算出之氧濃度的推算值輸出至阻燃係數算出部125。又，藉由氧濃度推算部124來導出上述推算式的手法，並不限於回歸分析，亦可為其他手法。且，機械學習的計算法，並未特別限定，可使用公知的各種計算法。

(阻燃係數算出部) 對阻燃係數算出部125，輸入有：由氧濃度推算部124所算出之氧濃度的推算值、由資訊取得部110所取得之程序資料的一部分或全部。輸入至氧濃度推算部124的程序資料，例如有：放射溫度感測器63的檢測結果、及送料機12的移動速度等之中的一種以上。在本實施形態，阻燃係數算出部125，是基於氧濃度的推算值、放射溫度感測器63的檢測結果、及送料機12之移動速度的變化量等，來算出將處理空間V的燃燒狀態予以數值化的阻燃係數。阻燃係數算出部125，將所算出的阻燃係數輸出至調整處理部PU。在本發明的「阻燃」是指「燃燒狀況」。

(圖像轉換部) 對圖像轉換部126，輸入有紅外線攝影機22的拍攝結果(垃圾層圖像)。圖像轉換部126，對於所輸入的垃圾層圖像進行既定的圖像處理，使垃圾層圖像單純化。例如，圖像轉換部126，將所輸入的垃圾層圖像予以二值化。二值化的手法，例如有大津法，但不限定於此。

圖6，是表示圖像轉換部126所致之處理之一例的圖。如圖6所示般，由紅外線攝影機22所拍攝之彩色圖像(或單色圖像)的垃圾層圖像，是藉由圖像轉換部126轉換成黑白圖像。由圖像轉換部126所得到的圖像(例如黑白圖像)，被輸出至垃圾層高度檢測部127。

(垃圾層高度檢測部) 對垃圾層高度檢測部127，輸入有由圖像轉換部126所得到的圖像。垃圾層高度檢測部127，基於所輸入的圖像，檢測爐本體20之乾燥段20a之垃圾G的高度(垃圾層高度)。

圖7，是表示垃圾層高度檢測部127所致之處理之一例的圖。垃圾層高度檢測部127，對於由圖像轉換部126所得到的圖像，將該圖像之一部分的既定之注目區域R(參照圖6)設定在一處以上(在圖6所示之例為兩處)。而且，垃圾層高度檢測部127，對於所設定之注目區域R的圖像，設定有在上下方向及左右方向分割的複數個分割區域Ra(例如將注目區域R於上下方向20分割、於左右方向5分割而成的分割區域Ra)(參照圖7中的(a))。又，在圖7，使兩處的注目區域R的資料橫向並排來圖示。

垃圾層高度檢測部127，針對各分割區域Ra，在黑大於50%的情況對該分割區域Ra賦予「1」，在黑為50%以下的情況對該分割區域Ra賦予「0」(參照圖7中的(b))。然後，垃圾層高度檢測部127，將最上部之「1」的分割區域Ra的位置算出作為垃圾層高度。例如，在圖7所示之例，是將線H的高度位置算出作為垃圾層高度。垃圾層高度檢測部127，將所算出的垃圾層高度，輸出至送料機供給量推算部129。

(第2特徵量抽出部) 對第2特徵量抽出部128，輸入有紅外線攝影機22的拍攝結果(垃圾層圖像)。第2特徵量抽出部128，對於所輸入之垃圾層圖像進行聚類處理，藉此轉換為因應顏色資訊來區分成複數個色區的顏色圖像資料。然後，第2特徵量抽出部128，基於上述顏色圖像資料來抽出關於垃圾之供給狀態的特徵量。又，「將圖像予以聚類處理藉此因應顏色資訊來區分成複數個色區」的處理方法、以及聚類處理的計算法，例如可與第1特徵量抽出部123的處理方法及計算法相同，但亦可相異。

在本實施形態，第2特徵量抽出部128，是將所輸入之垃圾層圖像以聚類處理來區分成複數個色區。然後，第2特徵量抽出部128，算出被區分出來之各色區之像素數的合計(亦即面積)，將該合計像素數作為關於垃圾G之供給狀態的特徵量來抽出。第2特徵量抽出部128，是依照既定的時間(例如每秒)，來抽出各色區的合計像素數。又，在本實施形態，特徵量雖包含複數個色區之中的所有色區的合計像素數，但本發明並不限定於該形態。特徵量，只要包含複數個色區之中的至少一個色區的合計像素數即可。第2特徵量抽出部128，將所抽出之關於垃圾G之供給狀態的特徵量，輸出至送料機供給量推算部129。又，藉由第2特徵量抽出部128來抽出特徵量的手法，並不限於聚類，亦可為其他手法。

(送料機供給量推算部) 對送料機供給量推算部129，輸入有由垃圾層高度檢測部127所算出之表示垃圾層高度的資訊、由第2特徵量抽出部128所抽出之表示垃圾G之供給狀態之特徵量的資訊。且，送料機供給量推算部129，具有：表示垃圾層高度及垃圾G之供給狀態之特徵量與來自送料機12之垃圾G之供給量之間相關關係的相關關係資訊。上述相關關係資訊，例如，是從垃圾層高度及垃圾G之供給狀態的特徵量，算出來自送料機12之垃圾G之供給量的供給量推算式。送料機供給量推算部129，基於所輸入之表示垃圾層高度的資訊及垃圾G之供給狀態的特徵量與上述相關關係資訊，算出來自送料機12之垃圾G之供給量的推算值。送料機供給量推算部129，將所算出之垃圾G之供給量的推算值，輸出至調整處理部PU。垃圾G之供給量的推算值，是「表示從料斗11對處理空間V供給垃圾G之狀態的供給狀態資訊」的另一例。

(調整處理部) 對調整處理部PU，輸入有：由第1發熱量推算部121、第2發熱量推算部122、第1特徵量抽出部123、阻燃係數算出部125、及送料機供給量推算部129所算出的資訊、以及由資訊取得部110所取得的程序資料。以下，將該等總稱為「輸入資訊」。在本實施形態，輸入至調整處理部PU的程序資料，例如含有；送料機12的程序值(例如送料機12的行程長度及/或送料機12的移動速度)、風箱壓力感測器41a的檢測結果、空氣流量感測器56的檢測結果、爐內壓力感測器64的檢測結果、放射溫度感測器63的檢測結果、供水流量感測器65的檢測結果、過熱器減溫器流量感測器66的檢測結果、及氣體濃度感測器6a的檢測結果(例如氧濃度)。又，上述程序資料的一部分或全部(例如送料機12的程序值)被省略亦可。

調整處理部PU，對於輸入資訊進行既定的處理，藉此將輸入資訊轉換成輸入至後述主蒸氣流量預測模型M的資料。調整處理部PU，例如含有前處理部PUa與時間延遲調整部PUb。

前處理部PUa，對於一個以上的輸入資訊進行平均化處理等之預前處理。例如，前處理部PUa，針對一個以上的輸入資訊，將在複數個檢測時間點所得到的值予以平均化。又，前處理部PUa所致之預前處理，亦可取代/加上平均化處理，來進行微分處理等。前處理部PUa，將進行了預前處理的輸入資訊輸出至時間延遲調整部PUb。

時間延遲調整部PUb，是基於各輸入資訊與對於各輸入資訊個別地設定的時間延遲設定值，來將同時輸入至主蒸氣流量預測模型M的輸入資訊在時間軸上進行對應而作為一個資料組合(輸入資訊的集合)。亦即，在各輸入資訊的變化與主蒸氣流量的變化之間，存在時間延遲。換言之，各輸入資訊，會成為對於主蒸氣流量的變化領先的領先訊號。例如，在料斗11或接近料斗11的位置相關的輸入資訊，與接近處理空間V的位置相關的輸入資訊相較之下，會成為更大領先的領先訊號。

圖8，是表示各輸入資訊與主蒸氣流量之間的相關關係之一例的圖。在本實施形態，是對於各輸入資訊複數次變更時間延遲設置值的長度，選擇該輸入資訊與主蒸氣流量之間的相關關係成為最高的時間延遲設定值。

例如，來自送料機12之表示供給量的輸入資訊與主蒸氣流量之間的相關關係(參照圖8中的(a))，在時間延遲設定值設定成T2[分]的情況成為最高。換言之，來自送料機12之表示供給量的輸入資訊，對於主蒸氣流量來說是領先T2[分]的領先訊號。同樣地，表示阻燃係數的輸入資訊與主蒸氣流量之間的相關關係(參照圖8中的(b))，在時間延遲設定值設定成T3[分]的情況成為最高。換言之，表示阻燃係數的輸入資訊，對於主蒸氣流量來說是領先T3[分]的領先訊號。例如，T3[分]是比T2[分]還短的時間。

圖9，是表示對於各輸入資訊的時間延遲設定值之一例的圖。圖9中，T1[分]＞T2[分]＞T3[分]。但是，該等之關係並未限定。對於各輸入資訊的時間延遲設定值，可適當設定。

時間延遲調整部PUb，是基於上述之對於各輸入資訊的時間延遲設定值，來將同時輸入至主蒸氣流量預測模型M的輸入資訊進行對應，而產生用來預測未來某時間點之主蒸氣流量的資料組合(亦即，進行領先間調整的輸入資訊之集合體)。調整處理部PU，將由時間延遲調整部PUb所產生的資料組合予以輸出。

＜4.3預測模型製作部＞ 預測模型製作部130，是在預測模型製作處理(學習處理)中，將由調整處理部PU所產生的資料組合以及與該資料組合對應之主蒸氣流量之預測值之正確資料的組合，作為學習資料來輸入。預測模型製作部130，是基於所輸入之學習資料來進行機械學習，藉此產生用來預測未來時間點之主蒸氣流量的主蒸氣流量預測模型M。主蒸氣流量預測模型M，在輸入有由調整處理部PU所產生之資料組合的情況，是輸出未來時間點之主蒸氣流量之預測值的已學習模型。主蒸氣流量預測模型M，例如有LSTM(Long Short Term Memory)或XGBoost(eXtreme Gradient Boosting)等，但並不限定於該等。機械學習的計算法，並未特別限定，可使用公知的各種機械學習的計算法。

在本實施形態，預測模型製作部130，產生複數個主蒸氣流量預測模型M，該等是用來預測彼此不同之複數個未來時間點的主蒸氣流量。例如，預測模型製作部130，產生複數個主蒸氣流量預測模型M，其分別輸出60秒後、120秒後、及180秒後之主蒸氣流量的預測值。又，預測模型製作部130，亦可取代上述複數個主蒸氣流量預測模型M，而產生一個主蒸氣流量預測模型M，其輸出與複數個未來時間點個別對應的複數個預測值。

且，預測模型製作部130，使學習期間(學習資料的累積期間)可變，基於長度不同的複數個學習期間的學習資料來產生複數個主蒸氣流量預測模型M。例如，預測模型製作部130，產生主蒸氣流量預測模型M，其分別對應於一天份的學習資料、兩天份的學習資料、…、七天份的學習資料。

＜4.4預測模型判定部＞ 預測模型判定部140，針對由預測模型製作部130所產生之與複數個學習期間對應的複數個主蒸氣流量預測模型M進行評價，來選擇用在蒸氣流量預測部150的主蒸氣流量預測模型M。

圖10，是表示預測模型判定部140所致之評價處理之一例的圖。在本實施形態，預測模型判定部140，是基於均方根誤差(RMSE：Root Mean Square Error)與平均絕對標度誤差(MASE：Mean Absolute scale Error)等之精度指標，來針對與複數個學習期間對應的複數個主蒸氣流量預測模型M進行評價。在本實施形態，作為與各學習期間對應的主蒸氣流量預測模型M，評價分別預測60秒後、120秒後、及180秒後之主蒸氣流量的複數個主蒸氣流量預測模型M之組合。然後，在與複數個學習期間對應之複數個主蒸氣流量預測模型M之中，選擇與複數個未來時間點(60秒後、120秒後、及180秒後)之預測精度總合最高之學習期間對應的主蒸氣流量預測模型M之組合。在圖10所示之例，選擇與5天份之學習期間對應的主蒸氣流量預測模型M之組合。由預測模型判定部140所選擇之主蒸氣流量預測模型M，被輸出至蒸氣流量預測部150。又，圖10中之S1～S7的值，是基於RMSE或MASE的計算式而具體地算出的值，表示S1＜S2＜S3＜S4＜S5＜S6＜S7的例子。

＜4.5主蒸氣流量預測部＞ 蒸氣流量預測部150，在燃燒設備SF的運轉階段，使用由調整處理部PU所產生的資料組合、由預測模型判定部140所選擇的主蒸氣流量預測模型M，來導出未來時間點之主蒸氣流量的預測值。在本實施形態，使用分別預測60秒後、120秒後、及180秒後之主蒸氣流量的複數個主蒸氣流量預測模型M，來導出60秒後、120秒後、及180秒後之主蒸氣流量的預測值。蒸氣流量預測部150，在既定的周期(例如每秒或每10秒)導出主蒸氣流量的預測值。蒸氣流量預測部150，將所導出之主蒸氣流量的預測值，輸出至控制部160。

＜4.6控制部＞ 控制部160，是基於由蒸氣流量預測部150所導出之主蒸氣流量的預測值(例如60秒後、120秒後、及180秒後的預測值)，來進行處理空間V的燃燒控制。具體來說，控制部160，是以處理空間V之燃燒狀態之變動量變小的方式來控制控制對象裝置S。

圖11，是表示控制部160所致之控制內容之一例的圖。控制部160，在主蒸氣流量之未來的預測值(例如60秒後、120秒後、及180秒後的預測值之任一者)低於事先設定之下限閾值TH1的情況，判定未來會發生燃燒不足，而進行促進燃燒的控制。且，控制部160，在主蒸氣流量之未來的預測值(例如60秒後、120秒後、及180秒後的預測值之任一者)超過事先設定之上限閾值TH2的情況，判定未來會發生燃燒過多，而進行抑制燃燒的控制。

在本實施形態，是基於預測值對於設定值(基準值)的偏差來輸出控制指示，故可抑制主蒸氣流量的變動。亦即在本實施形態，不是在主蒸氣流量的實測值到達下限閾值TH1或上限閾值TH2的時間點(圖11中的A點)，而是在主蒸氣流量之未來時間點的預測值到達下限閾值TH1或上限閾值TH2的時間點(圖11中的B點)，來輸出變更燃燒控制的控制指示。基於預測值來進行控制之情況的主蒸氣流量的變動(參照圖11中的2點鏈線)，是比基於實測值來進行控制之情況的主蒸氣流量的變動(參照圖11中的實線)還小。

具體來說，控制部160，包含送料機控制部161、空氣供給控制部162、及火格子控制部163。各控制部，例如進行PI控制(比例積分控制)。但是，控制計算法，並不限定於PI控制，可使用公知的各種控制計算法。

送料機控制部161，從擠出裝置13取得表示送料機12之動作的程序值，例如基於PI控制來產生關於送料機12的控制指示值。送料機控制部161，將所產生的控制指示值輸出至擠出裝置13，藉此控制送料機12的動作，控制垃圾G對處理空間V的供給量。例如，送料機控制部161，在促進燃燒的情況增加垃圾G的供給量。另一方面，送料機控制部161，在抑制燃燒的情況減少垃圾G的供給量。

空氣供給控制部162，從送風機51或調節器55取得關於送風機51之轉速及/或調節器55之開度的程序值，例如基於PI控制來產生關於送風機51及/或調節器55的控制指示值。空氣供給控制部162，將所產生之控制指示值輸出至送風機51及/或調節器55，藉此控制送風機51及/或調節器55，而控制空氣(例如燃燒空氣)對處理空間V的供給量。例如，空氣供給控制部162，在促進燃燒的情況增加空氣的供給量。另一方面，空氣供給控制部162，在抑制燃燒的情況減少空氣的供給量。

火格子控制部163，從火格子驅動裝置32取得關於火格子31之移動速度的程序資料，例如基於PI控制來產生關於火格子31的控制指示值。火格子控制部163，將所產生的控制指示值輸出至火格子驅動裝置32，藉此控制火格子31，而控制垃圾G的攪拌狀態。例如，火格子控制部163，在促進燃燒的情況使火格子31的移動速度增加。另一方面，火格子控制部163，在抑制燃燒的情況使火格子31的移動速度減少。

＜5處理的流程＞ 接著，針對上述控制裝置100之處理的流程的一例進行說明。但是，以下所說明之處理的順序，並不限定於以下的例子，亦可適當調換。

＜5.1預測模型的製作＞ 首先，針對主蒸氣流量預測模型M的製作處理(學習處理)進行說明。以下所說明之主蒸氣流量預測模型M的製作處理，也會在後述之燃燒設備SF的運轉階段同步執行。

圖12，是表示預測模型之製作處理之流程的流程圖。首先，資訊取得部110，取得各種感測器的檢測結果及程序資料(S101)。接著，資料轉換部120，基於由資訊取得部110所取得之各種感測器的檢測結果及程序資料，來產生輸入至主蒸氣流量預測模型M的資料組合(S102)。亦即，資料轉換部120，進行使用各種推算式的計算或聚類，對於以該等所得到的輸入資訊進行關於時間延遲的調整處理等，藉此產生資料組合。

接著，預測模型製作部130，將由資料轉換部120所產生的資料組合，累積複數天(S103)。然後，預測模型製作部130，使學習期間(學習資料的累積期間)可變，基於長度不同的複數個學習期間的學習資料來產生複數個主蒸氣流量預測模型M(S104)。

接著，預測模型判定部140，針對由預測模型製作部130所產生之學習期間不同的複數個主蒸氣流量預測模型M進行評價，來選擇用在蒸氣流量預測部150的主蒸氣流量預測模型M(S105)。在本實施形態，預測模型判定部140，是從由預測模型製作部130新產生的複數個主蒸氣流量預測模型M之中，判定是否有比蒸氣流量預測部150現在使用中的主蒸氣流量預測模型M還高預測精度的主蒸氣流量預測模型M。

然後，若新產生的複數個主蒸氣流量預測模型M之中沒有比現在使用中的主蒸氣流量預測模型M還高預測精度的主蒸氣流量預測模型M的情況(S105：NO)，回到S103的處理之前，再次進行S103及S104的處理。另一方面，若新產生的複數個主蒸氣流量預測模型M之中有比現在使用中的主蒸氣流量預測模型M還高預測精度的主蒸氣流量預測模型M的情況(S106：YES)，預測模型判定部140，將預測精度較高的主蒸氣流量預測模型M輸出至蒸氣流量預測部150，來更新所使用的主蒸氣流量預測模型M(S107)。以上說明之S101至S107的處理，在燃燒設備SF的運轉階段會反覆執行。

＜5.2燃燒設備之運轉階段的處理＞ 接著，針對燃燒設備SF之運轉階段的處理進行說明。 圖13，是表示燃燒設備之運轉階段之處理之流程的流程圖。首先，資訊取得部110，取得各種感測器的檢測結果及程序資料(S201)。接著，資料轉換部120，基於由資訊取得部110所取得之各種感測器的檢測結果及程序資料，來產生用來輸入至主蒸氣流量預測模型M的資料組合(S202)。資料轉換部120，將所產生的資料組合輸出至蒸氣流量預測部150。

接著，蒸氣流量預測部150，基於從資料轉換部120接收的資料組合與主蒸氣流量預測模型M，來導出未來時間點之主蒸氣流量的預測值(S203)。蒸氣流量預測部150，將所導出之未來時間點之主蒸氣流量的預測值輸出至控制部160。接著，控制部160，基於主蒸氣流量的預測值，導出控制對象裝置S的控制量(S204)。然後，控制部160，基於所導出之控制量來將控制指示值輸出至控制對象裝置S(S205)。以上說明之S201至S205的處理，在燃燒設備SF的運轉階段會反覆執行。

＜6.作用效果＞ 主蒸氣流量，會因垃圾G的供給狀態或垃圾G的性質而有大幅變動的情況。因此，在從燃燒工程以後的資訊來進行預測的情況，有難以提高主蒸氣流量之預測精度的情況。

另一方面，在本實施形態，控制裝置100，具備：資訊取得部110，其取得關於對燃燒設備SF內的處理空間V供給之前之垃圾G的資訊；蒸氣流量預測部150，其基於包含由資訊取得部110所取得之上述資訊的預測用資訊，來預測燃燒設備SF之排熱回收鍋爐3所產生的主蒸氣流量；以及控制部160，其基於由蒸氣流量預測部150所預測之主蒸氣流量來進行燃燒控制。

根據這種構造，是基於關於供給至處理空間V之前之垃圾G的資訊，來預測主蒸氣流量，故可高精度地預測主蒸氣流量。藉此，控制裝置100，可基於主蒸氣流量之高精度的預測值來進行燃燒控制。其結果，可控制主蒸氣流量的變動幅度。

圖14，是表示本實施形態之預測值與實測值之比較結果之一例的圖。如圖14所示般，可確認到控制裝置100所致之主蒸氣流量的預測值，對於主蒸氣流量之實測值的變動是高精度地追隨。且，本發明者們確認到，根據本實施形態之控制裝置100所致之主蒸氣流量的預測值，與僅從燃燒工程以後之資訊來進行預測的情況相較之下，有改善預測精度。

＜7.變形例＞ 在上述實施形態，對於各輸入資訊個別地設定的時間延遲設定值，是選擇各輸入資訊與主蒸氣流量之間相關關係成為最高的時間延遲設定值來設定之後，將所設定之時間延遲設定值使用為固定值。但是，時間延遲調整部PUb，在既定的周期，重新計算各輸入資訊與主蒸氣流量之間的相關關係，以各輸入資訊與主蒸氣流量之間相關關係變得更高的方式來變更時間延遲設定值亦可。根據這種構造，即使垃圾G的性質因季節或其他因素而改變的情況，亦有可進一步提高主蒸氣流量的預測精度的情況。

(其他實施形態) 以上，針對本發明的實施形態參照圖式進行了詳述，但具體的構造並不限定於該實施形態，在不超脫本發明之主旨範圍的設計變更等也包含在內。

圖14，是表示本實施形態之電腦1100之構造的硬體構造圖。電腦1100，例如具備：處理器1110、主記憶體1120、儲存器1130、介面1140。

上述控制裝置100的各功能部，實裝於電腦1100。然後，上述各功能部的動作，是以程式的形式儲存於儲存器1130。處理器1110，是將程式從儲存器1130讀取出來並展開於主記憶體1120，依照該程式來執行上述處理。且，處理器1110，是依照程式，來將上述各功能部所使用之記憶區域確保於主記憶體1120。

程式，是用來實現電腦1100所發揮之功能的一部分者亦可。例如，程式，與已儲存在儲存器1130的其他程式組合，或與實裝於其他裝置的其他程式組合，藉此來發揮功能亦可。且，電腦1100，除了上述構造以外，或是取代上述構造而具備PLD(Programmable Logic Device)等自訂LSI(Large Scale Integrated Circuit)亦可。作為PLD之例，可舉出PAL(Programmable Array Logic)、GAL(Generic Array Logic)、CPLD(Complex Programmable Logic Device)、FPGA(Field Programmable Gate Array)。該情況，藉由處理器1110來實現之功能的一部分或全部，是藉由該積體電路來實現亦可。

作為儲存器1130之例，可舉出磁碟、光碟、半導體記憶體等。儲存器1130，是直接連接於電腦1100之匯流排的內部媒體亦可，透過介面1140或通訊線路來連接於電腦1100的外部媒體亦可。且，該程式藉由通訊線路來傳輸至電腦1100的情況，是使接受傳輸的電腦1100將該程式展開於主記憶體1120，來執行上述處理亦可。且，該程式，是用來實現前述功能的一部份者亦可。此外，該程式，是將前述功能與已儲存在儲存器1130的其他程式組合來實現者，亦即差異檔案(差異程式)亦可。

＜附註＞ 各實施形態所記載之控制裝置100，例如把握成如下。

(1)第1樣態的控制裝置100，具備：資訊取得部110，其取得關於對燃燒設備SF內的處理空間V供給之前之被燃燒物G的資訊；蒸氣流量預測部150，其基於包含由資訊取得部110所取得之上述資訊的預測用資訊，來預測燃燒設備SF之排熱回收鍋爐3所產生的主蒸氣流量；以及控制部160，其基於由蒸氣流量預測部150所預測之主蒸氣流量來進行燃燒控制。所謂的「預測用資訊」，不是預測專用的資訊，而是可供預測使用之資訊等以較廣的概念意義來使用。亦即，所謂預測用資訊，亦可為以與主蒸氣流量的預測不同的目的為主目的來收集或儲存的資訊。

根據這種構造，是基於關於供給至處理空間V之前之被燃燒物G的資訊，來預測主蒸氣流量，故可高精度地預測主蒸氣流量。藉此，控制裝置100，可基於主蒸氣流量之高精度的預測值來進行燃燒控制。

(2)第2樣態的控制裝置100，是上述第1樣態的控制裝置100，其中，上述資訊，含有關於被燃燒物G之性質的資訊。「關於被燃燒物G之性質的資訊」，例如為：關於被燃燒物G之水分的值(水分率或水分量等)、被燃燒物G的重量、被燃燒物G的高度、被燃燒物G的體積、被燃燒物G的密度(容積密度或真密度)、及被燃燒物G的發熱量之中的一種以上。

根據這種構造，可反映對主蒸氣流量造成影響之被燃燒物G的性質來預測主蒸氣流量。藉此，可進一步高精度地預測主蒸氣流量。

(3)第3樣態的控制裝置100，是上述第1或第2樣態的控制裝置100，其中，上述資訊，含有表示前述燃燒設備SF之料斗11內之被燃燒物G之堆積狀態的堆積狀態資訊。

根據這種構造，可反映對主蒸氣流量造成影響之料斗11內之被燃燒物G的堆積狀態來預測主蒸氣流量。藉此，可進一步高精度地預測主蒸氣流量。

(4)第4樣態的控制裝置100，是上述第3樣態的控制裝置100，其中，上述堆積狀態資訊，含有從燃燒設備SF之被燃燒物G之搬運方向D的下游側穿透處理空間V的火炎來拍攝料斗11之出口部11b的紅外線圖像。

根據這種構造，可基於紅外線圖像來更高精度地反映料斗11內之被燃燒物G的堆積狀態。藉此，可進一步高精度地預測主蒸氣流量。

(5)第5樣態的控制裝置100，是上述第1至第4樣態中任一者的控制裝置100，其中，上述資訊，含有表示被燃燒物G從燃燒設備SF之料斗11往處理空間V之供給狀態的供給狀態資訊。

根據這種構造，可反映對主蒸氣流量造成影響之被燃燒物G從料斗11往處理空間V的供給狀態來預測主蒸氣流量。藉此，可進一步高精度地預測主蒸氣流量。

(6)第6樣態的控制裝置100，是上述第1至第5樣態中任一者的控制裝置100，其中，進一步具備發熱量推算部(第1發熱量推算部121或第2發熱量推算部122)，其基於上述資訊所含或由上述資訊所得到之燃燒設備SF之料斗11內之被燃燒物G的密度或料斗11內之被燃燒物G的水分計測結果來推算被燃燒物G的低位發熱量，蒸氣流量預測部150，基於由上述發熱量推算部所推算之低位發熱量來預測主蒸氣流量。

根據這種構造，可反映由料斗11內之被燃燒物G之密度或水分計測結果所推算之被燃燒物G的低位發熱量來預測主蒸氣流量。藉此，可進一步高精度地預測主蒸氣流量。

(7)第7樣態的控制方法，含有以下內容：取得關於對燃燒設備SF內的處理空間V供給之前之垃圾G的資訊，基於包含所取得之上述資訊的預測用資訊，預測燃燒設備SF之排熱回收鍋爐3所產生的主蒸氣流量，基於所預測的主蒸氣流量來進行燃燒控制。根據這種構造，與第1樣態的控制裝置100同樣地，可基於主蒸氣流量之高精度的預測值來進行燃燒控制。

(8)第8樣態的程式，含有以下內容：使電腦取得關於對燃燒設備SF內處理空間V供給之前之垃圾G的資訊，基於包含所取得之上述資訊的預測用資訊，預測燃燒設備SF之排熱回收鍋爐3所產生的主蒸氣流量，基於所預測的主蒸氣流量來進行燃燒控制。根據這種構造，與第1樣態的控制裝置100同樣地，可基於主蒸氣流量之高精度的預測值來進行燃燒控制。

SF:燃燒設備 G:被燃燒物(垃圾) 1:起重機 2:燃燒爐 3:排熱回收鍋爐 4:減溫塔 5:集塵裝置 6:煙道 7:煙囪 10:供給機構 11:料斗 11a:入口部 11b:出口部 12:送料機 13:擠出裝置 14:物體計測器 15:水分計測器 20:爐本體 20a:乾燥段 20b:燃燒段 20c:後燃燒段 V:處理空間 21:可見光攝影機 22:紅外線攝影機 30:焚化機 31:火格子 32:火格子驅動裝置 41:風箱 41a:風箱壓力感測器 50:送風機構 51:送風機 52:一次空氣管線 53:空氣預熱器 54:二次空氣管線 55:調節器 56:空氣流量感測器 61:鍋爐本體 62:管路 63:放射溫度感測器 64:爐內壓力感測器 65:供水流量感測器 66:過熱器減溫器流量感測器 100:控制裝置 110:資訊取得部 120:資料轉換部 130:預測模型製作部 140:預測模型判定部 150:蒸氣流量預測部 160:控制部

[圖1]，是表示本發明之實施形態之燃燒設備之全體的概略構造圖。 [圖2]，是表示本發明之實施形態之燃燒設備之功能構造的方塊圖。 [圖3]，是表示本發明之實施形態之資料轉換部之功能構造的方塊圖。 [圖4]，是表示本發明之實施形態之基於水分計測器之檢測結果的垃圾發熱量的推算值與在實機上確認之垃圾發熱量之間的相關關係的圖。 [圖5]，是表示本發明之實施形態之第1特徵量抽出部所致之處理之一例的圖。 [圖6]，是表示本發明之實施形態之圖像轉換部所致之處理之一例的圖。 [圖7]，是表示本發明之實施形態之垃圾層高度檢測部所致之處理之一例的圖。 [圖8]，是表示本發明之實施形態之各輸入資訊與主蒸氣流量之間的相關關係之一例的圖。 [圖9]，是表示本發明之實施形態之對於各輸入資訊的時間延遲設定值之一例的圖。 [圖10]，是表示本發明之實施形態之預測模型判定部所致之評價處理之一例的圖。 [圖11]，是表示本發明之實施形態之控制部所致之控制內容之一例的圖。 [圖12]，是表示本發明之實施形態之預測模型之製作處理之流程的流程圖。 [圖13]，是表示本發明之實施形態之燃燒設備之運轉階段之處理之流程的流程圖。 [圖14]，是表示本發明之實施形態之主蒸氣流量之預測值與實測值的比較結果之一例的圖。 [圖15]，是表示本發明之實施形態之電腦之構造的硬體構造圖。

1:起重機

1b:重量感測器

3:排熱回收鍋爐

6:煙道

6a:氣體濃度感測器

11:料斗

13:擠出裝置

14:物體計測器

15:水分計測器

20:爐本體

21:可見光攝影機

22:紅外線攝影機

32:火格子驅動裝置

41a:風箱壓力感測器

50:送風機構

51:送風機

55:調節器

56:空氣流量感測器

63:放射溫度感測器

64:爐內壓力感測器

65:供水流量感測器

66:過熱器減溫器流量感測器

100:控制裝置

110:資訊取得部

120:資料轉換部

130:預測模型製作部

140:預測模型判定部

150:蒸氣流量預測部

160:控制部

161:送料機控制部

162:空氣供給控制部

163:火格子控制部

S:控制對象裝置

M:預測模型

Claims (6)

1. 一種控制裝置，具備： 資訊取得部，其取得關於對燃燒設備內的處理空間供給之前之被燃燒物的資訊； 蒸氣流量預測部，其基於包含藉由前述資訊取得部所取得之前述資訊的預測用資訊，來預測前述燃燒設備的鍋爐所產生的主蒸氣流量；以及 控制部，其基於藉由前述蒸氣流量預測部所預測的前述主蒸氣流量來進行燃燒控制。
2. 如請求項1所述之控制裝置，其中，前述資訊，含有關於前述被燃燒物之性質的資訊。
3. 如請求項1所述之控制裝置，其中，前述資訊，含有表示前述燃燒設備之料斗內之前述被燃燒物之堆積狀態的堆積狀態資訊。
4. 如請求項3所述之控制裝置，其中，前述堆積狀態資訊，含有從前述燃燒設備之前述被燃燒物之搬運方向的下游側穿透前述處理空間的火炎來拍攝前述料斗之出口部的紅外線圖像。
5. 如請求項1至請求項4中任一項所述之控制裝置，其中，前述資訊，含有表示前述被燃燒物從前述燃燒設備之料斗對前述處理空間之供給狀態的供給狀態資訊。
6. 如請求項1至請求項4中任一項所述之控制裝置，其中， 進一步具備發熱量推算部，其基於前述資訊所含或由前述資訊所得到之前述燃燒設備之料斗內之前述被燃燒物的密度或前述料斗內之前述被燃燒物的水分計測結果，來推算前述被燃燒物的低位發熱量， 前述蒸氣流量預測部，基於藉由前述發熱量推算部所推算的前述低位發熱量來預測前述主蒸氣流量。

Images