TW202415442A - 濕式排煙脫硫裝置的控制裝置、遠端監視系統、遠端監視系統的控制方法、及濕式排煙脫硫裝置的控制方法 - Google Patents
濕式排煙脫硫裝置的控制裝置、遠端監視系統、遠端監視系統的控制方法、及濕式排煙脫硫裝置的控制方法 Download PDFInfo
- Publication number
- TW202415442A TW202415442A TW112119323A TW112119323A TW202415442A TW 202415442 A TW202415442 A TW 202415442A TW 112119323 A TW112119323 A TW 112119323A TW 112119323 A TW112119323 A TW 112119323A TW 202415442 A TW202415442 A TW 202415442A
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- absorbent
- aforementioned
- correction
- control device
- Prior art date
Links
- 238000006477 desulfuration reaction Methods 0.000 title claims abstract description 94
- 230000023556 desulfurization Effects 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims description 36
- 238000012544 monitoring process Methods 0.000 title claims description 20
- 238000012937 correction Methods 0.000 claims abstract description 434
- 230000002745 absorbent Effects 0.000 claims abstract description 177
- 239000002250 absorbent Substances 0.000 claims abstract description 177
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims abstract description 108
- 238000010521 absorption reaction Methods 0.000 claims abstract description 80
- 238000002485 combustion reaction Methods 0.000 claims abstract description 71
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 60
- 239000003546 flue gas Substances 0.000 claims abstract description 60
- 239000007789 gas Substances 0.000 claims abstract description 49
- 238000010276 construction Methods 0.000 claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 238000002360 preparation method Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 49
- 239000007788 liquid Substances 0.000 claims description 34
- 230000010365 information processing Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 239000006096 absorbing agent Substances 0.000 claims description 9
- 230000007423 decrease Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 29
- 239000002002 slurry Substances 0.000 description 26
- 229910052602 gypsum Inorganic materials 0.000 description 12
- 239000010440 gypsum Substances 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 10
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 229910000019 calcium carbonate Inorganic materials 0.000 description 4
- 235000010216 calcium carbonate Nutrition 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 3
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 3
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 3
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 3
- 238000007792 addition Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000003009 desulfurizing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Abstract
本案係關於在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制裝置。控制裝置係具備:學習模型建構部、預測值補正部、表格作成部、及控制目標值決定部。學習模型建構部係針對至少包含燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型。預測值補正部係使用根據與實測值的差所算出的補正係數,來補正藉由學習模型所得之預測值。表格作成部係作成表示燃燒裝置的負荷、與供藉由預測值補正部經補正的補正後預測值滿足基準值用的吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格。控制目標值決定部係根據表格算出吸收劑濃度目標值,且決定該吸收劑濃度目標值及吸收劑循環量目標值所對應的吸收劑的投入量及吸收液的循環流量的控制目標值。預測值補正部係包含第1補正部,其係使用根據負荷所算出的第1補正係數作為補正係數,來補正預測值。
Description
本揭示係關於濕式排煙脫硫裝置的控制裝置、遠端監視系統、遠端監視系統的控制方法、及濕式排煙脫硫裝置的控制方法。
本案係根據2022年5月30日日本專利局所申請的特願2022-087548號主張優先權,且在此沿用該內容。
在濕式排煙脫硫裝置中,係將在鍋爐等燃燒裝置所發生的排氣導入至脫硫裝置的吸收塔內,且使其與在吸收塔作循環的吸收液進行氣液接觸。在氣液接觸的過程中,吸收液中的吸收劑(例如碳酸鈣)與排氣中的二氧化硫(SO
2)起反應,藉此,排氣中的SO
2係被吸收液吸收,且從排氣去除(排氣為脫硫)SO
2。另一方面,吸收了SO
2的吸收液落下而蓄留在吸收塔下方的貯槽內。在貯槽係被供給吸收劑,以所被供給的吸收劑恢復了吸收性能的吸收液係藉由循環泵而被供給至吸收塔的上方,且使其供作與排氣的氣液接觸(SO
2的吸收)。使吸收液作循環的循環泵由於消耗電力大,因此以往係以抑制消耗電力為目的,根據流入至吸收塔的排氣的流量與排氣中的SO
2濃度等來計算成為必要的吸收液的循環流量,且進行循環泵的運轉台數的控制。
在專利文獻1中揭示用以適當調節在如上所示之濕式排煙脫硫裝置的吸收塔中用以使吸收液作循環的循環泵的運轉條件的技術。在該文獻中,使用由鍋爐等燃燒裝置及濕式排煙脫硫裝置所得的運轉資料,將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所包含的吸收劑濃度的相關關係,分別藉由機械學習而模型化,且根據藉由該等2個學習模型所求取的表格,以將吸收液的循環流量或吸收劑濃度最適化的方式進行控制。
[先前技術文獻]
[專利文獻]
[專利文獻1]日本特開2020-11163號公報
(發明所欲解決之問題)
在上述專利文獻1中,根據藉由學習模型所求取的表格,算出吸收液的循環流量或吸收劑濃度的控制目標值,因此若因某些要因而學習模型的預測精度降低(若學習模型的預測值背離實測值時),根據表格所算出的控制目標值會偏離最適值,有控制精度降低之虞。為了抑制如上所示之控制精度降低,若學習模型的預測精度降低,考慮藉由再學習而重新建構學習模型,藉此達成改善。但是,學習模型的再學習係對進行運算的電腦等處理裝置圖求高度處理能力,供實現用的成本會變高。此外,以改善學習模型的預測精度的其他手法而言,亦考慮不進行學習模型的再學習,而對學習模型的預測值進行補正處理,惟使用學習模型所得的預測值的精度係取決於濕式排煙脫硫裝置的狀態。因此,在藉由補正學習模型的預測值來改善預測精度的情形下,如何進行補正處理亦成為課題。
本揭示的至少一實施形態係鑑於上述情形而完成者,目的在提供藉由補正學習模型的預測值,可改善用以決定控制目標值的表格的精度的濕式排煙脫硫裝置的控制裝置、遠端監視系統、及控制方法。
(解決問題之技術手段)
本揭示的至少一實施形態之濕式排煙脫硫裝置的控制裝置為了解決上述課題,其係在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制裝置,
其係具備:
學習模型建構部,其係用以針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型;
預測值補正部,其係用以將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正;
表格作成部,其係用以作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正部經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格;及
控制目標值決定部,其係用以根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,來決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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,
前述預測值補正部係包含第1補正部,其係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
本揭示的至少一實施形態之濕式排煙脫硫裝置的控制方法為了解決上述課題,其係在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制方法,其係具備:
針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型的工程;
將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正的工程;
作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正部經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格的工程;及
根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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的工程,
在將前述預測值進行補正的工程中,係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
(發明之效果)
藉由本揭示的至少一實施形態,可提供藉由補正學習模型的預測值,可改善用以決定控制目標值的表格的精度的濕式排煙脫硫裝置的控制裝置、遠端監視系統、及控制方法。
以下參照圖面,說明本發明之若干實施形態。但是,本發明之範圍並非為限定於以下實施形態者。以下實施形態所記載的構成的尺寸、材質、形狀、其相對配置等並非為將本發明之範圍僅限定於此的主旨,僅為說明例。
圖1係一實施形態之濕式排煙脫硫裝置10的構成圖。
濕式排煙脫硫裝置10係用以將在燃燒裝置1所發生的排氣進行脫硫的裝置。燃燒裝置1係例如用以生成蒸氣的鍋爐。在燃燒裝置1所生成的蒸氣係被供給至例如蒸氣渦輪(未圖示),若藉由蒸氣來驅動蒸氣渦輪時,藉由連結於蒸氣渦輪的輸出軸的發電機5進行發電。濕式排煙脫硫裝置10係具備有:透過配管2而與燃燒裝置1相連通的吸收塔11;設於在吸收塔11內作循環的吸收液的循環用配管3的複數循環泵12a、12b、12c、…(在圖1中係代表性例示3台循環泵,台數並未限定。此外,若將該等統稱,係適當稱為「循環泵12」);用以將吸收液所包含的吸收劑亦即碳酸鈣(CaCO
3)的漿料(吸收劑漿料)供給至吸收塔11內的吸收劑漿料供給部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係設有供以後述的動作予以脫硫的排氣從吸收塔11作為流出氣體流出用的流出配管16,在流出配管16係設有用以測定流出氣體中的SO
2濃度的氣體分析計17。
吸收劑漿料供給部13係具備有:用以製造吸收劑漿料的吸收劑漿料製造設備21;將吸收劑漿料製造設備21與吸收塔11相連通的吸收劑漿料供給用配管22;及用以控制在吸收劑漿料供給用配管22流通的吸收劑漿料的流量的吸收劑漿料供給量控制閥23。石膏回收部14係具備有:石膏分離器25;將石膏分離器25與吸收塔11相連通的石膏漿料抽出用配管26;及設在石膏漿料抽出用配管26的石膏漿料抽出用泵27。
在濕式排煙脫硫裝置10係設有用以控制濕式排煙脫硫裝置10的控制裝置15。控制裝置15係取得燃燒裝置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),且實施各種控制。
控制裝置15的硬體構成係由例如CPU(Central Processing Unit,中央處理單元)、RAM(Random Access Memory,隨機存取記憶體)、ROM(Read Only Memory,唯讀記憶體)、及電腦可讀取記憶媒體等所構成。接著,以一例而言,用以實現各種功能的一連串處理係以程式的形式被記憶在記憶媒體等,CPU將該程式讀出在RAM等,藉由執行資訊的加工/運算處理,實現各種功能。其中,程式亦可適用預先安裝在ROM或其他記憶媒體的形態、或在被記憶在電腦可讀取記憶媒體的狀態下予以提供的形態、透過藉由有線或無線所致之通訊手段來配訊的形態等。電腦可讀取記憶媒體係指磁碟、磁光碟、CD-ROM、DVD-ROM、半導體記憶體等。
圖2係圖1的控制裝置15的區塊構成圖。在該例中,控制裝置15係跨及上位控制裝置15A及下位控制裝置15B所構成。上位控制裝置15A係構成控制裝置15的主裝置,藉由程式記述各功能區塊來實現。下位控制裝置15B係在上位控制裝置15A的管理下所放置的控制裝置,例如為構成濕式排煙脫硫裝置10(參照圖1)的各機器的分散控制系統(DCS),藉由控制邏輯記述各功能區塊來實現。該等上位控制裝置15A及下位控制裝置15B係可彼此進行通訊,協同控制濕式排煙脫硫裝置10。
控制裝置15係具備:運轉資料收訊部30、學習模型建構部38、表格作成部31、預測值補正部36、控制目標值決定部32、循環泵調整部33、及吸收劑漿料供給控制部34。如上所示之控制裝置15的各功能區塊係可彼此傳送接收資料,可協同實現後述的控制方法。在本實施形態中,在該等功能區塊之中,運轉資料收訊部30、學習模型建構部38及表格作成部31係配置在上位控制裝置15A,另一方面,預測值補正部36、控制目標值決定部32、循環泵調整部33、及吸收劑漿料供給控制部34係配置在下位控制裝置15B。
其中,控制裝置15係除了上位控制裝置15A及下位控制裝置15B之外,具備:再學習裝置15C。再學習裝置15C係用以在學習模型建構部38所建構的學習模型M的預測精度降低的情形下,藉由根據再學習演算法進行學習模型M的再學習,使學習模型M的預測精度改善的構成。在學習模型M的預測精度降低的情形下,如後所述,可以藉由預測值補正部36所為之預測值Vp的補正來對應,惟若以藉由預測值補正部36所為之預測值Vp的補正並無法對應時,可進行藉由再學習裝置15C所為之學習模型M的再學習。如上所示之再學習並未頻繁進行,因此藉由具備再學習裝置15C作為有別於上位控制裝置15A及下位控制裝置15B的其他構成,可有效減低上位控制裝置15A及下位控制裝置15B的處理負荷。
運轉資料收訊部30係用以接收在運轉資料取得部20所取得的運轉資料的構成。在該運轉資料係包含在燃燒裝置1及濕式排煙脫硫裝置10所取得的各種參數,尤其至少包含燃燒裝置1的負荷、及藉由氣體分析計17被計測到的吸收塔出口的SO
2濃度。
學習模型建構部38係用以針對藉由運轉資料收訊部30所收訊到的各種運轉資料與吸收塔出口的將來的SO
2濃度的關係,藉由機械學習來建構學習模型M的構成。學習模型M係被建構作為使用例如複迴歸、脊迴歸(Ridge regression)、最小絕對緊縮與選擇算子迴歸(Lasso regression)或Elastic Net等迴歸手法的迴歸模型。在本實施形態中,以學習模型M之一例而言,如下式所示建構以線性多項式所表示的迴歸模型。
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)
如上所示使用線性多項式作為學習模型M,藉此與複雜的模擬模型相比,可說明性(解釋性)高,運算負荷亦可有效減輕。其中,n為任意自然數,k1~kn為係數,b為任意截距。
藉由機械學習所得的學習模型M係由藉由運轉資料收訊部30被收訊到的運轉資料所包含的複數參數所成的說明變數、及將吸收塔出口的將來的SO
2濃度作為目的變數,被建構為表示兩者的相關的模型。在此,學習模型M的說明變數所包含的複數參數的組合係可由以下候補中任意選擇。
i)對發電機5的輸出指令值(來自外部的輸出指令值)
ii)發電機5的輸出
iii)對燃燒裝置1的供給空氣流量或來自燃燒裝置1的排氣流量
iv)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)吸收塔11出口的SO
2濃度
vi)吸收液的CaCO
3濃度或pH
vii)循環泵12的運行台數或吐出流量的控制值
viii)燃燒裝置1出口、或吸收塔11入口的O
2濃度
x)吸收塔11中的脫硫率(=100%-(吸收塔11出口的硫分濃度/吸收塔11入口的硫分濃度)×100%)
該等候補係通常在眾多濕式排煙脫硫裝置10中自以往可計測的參數,亦可包含其他參數。
在本實施形態中,學習模型M的說明變數係在上述候補之中,以包含i)對發電機5的輸出指令值(來自外部的輸出指令值)、iii)對燃燒裝置1的供給空氣流量或來自燃燒裝置1的排氣流量、或iv)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個的方式作選擇。較佳為學習模型的說明變數係在上述候補之中,以包含iii)對燃燒裝置1的供給空氣流量或來自燃燒裝置1的排氣流量、及iv)吸收塔11入口的SO
2濃度或燃燒裝置1出口的SO
2濃度的方式作選擇。藉此,可建構可以良好精度預測作為目的函數的吸收塔出口的將來的SO
2濃度的學習模型M。此外,由在運轉資料收訊部30所收訊的運轉資料,如上所示選定一部分參數作為說明變數,藉此可有效率地限定學習對象資料,且減輕機械學習的運算負擔。
表格作成部31係用以作成使用在學習模型建構部38所建構的學習模型M,規定發電機5的輸出(燃燒裝置1的負荷)、與供吸收塔出口的將來的SO
2濃度的預測值Vp滿足基準值用的吸收液的吸收劑濃度目標值的關係的表格Tb的構成。關於藉由表格作成部31所為之具體的表格Tb的作成方法,容後敘述,惟藉由表格作成部31所作成的表格Tb的精度係取決於根據學習模型M所算出的預測值Vp的精度。因此,若學習模型M的預測精度低(亦即若在預測值Vp與實測值Vm之間有背離時),藉由預測值補正部36來補正學習模型M的預測值Vp。表格作成部31係使用如上所示經補正的預測值Vp(以下適當稱為「補正後預測值Vp’」)來作成表格Tb,藉此可改善控制目標值的算出精度。
控制目標值決定部32係用以根據藉由表格作成部31所作成的表格Tb,求取在運轉資料收訊部30所收訊到的運轉資料所包含的負荷所對應的吸收劑濃度目標值,決定對應該吸收劑濃度目標值的吸收劑的投入量及吸收液的循環流量的各個的控制目標值的構成。
此外,循環泵調整部33係用以根據在控制目標值決定部32所決定出之關於吸收液的循環流量的控制目標值,來控制循環泵12a~12c的構成。此外,吸收劑漿料供給控制部34係用以根據在控制目標值決定部32所決定出之關於吸收劑的投入量的控制目標值,來控制吸收劑的供給量的構成。
接著詳細說明預測值補正部36的構成。預測值補正部36係具備用以判定對學習模型M的預測值Vp需要進行補正處理與否的必要條件判定部39。必要條件判定部39係用以判定對在學習模型建構部38所建構的學習模型M的預測值Vp是否必須補正的構成。學習模型M含有不少預測誤差,若預測值Vp與實測值Vm的差分ΔV變大,藉由後述的第1補正部40或第2補正部50的至少一方,來補正藉由學習模型M所得之預測值Vp。必要條件係規定為用以判定需要進行對如上所示之學習模型M的預測值Vp的補正處理與否的條件。
圖3係圖2的必要條件判定部39的處理流程圖。在圖3中,以必要條件判定部39的一構成例而言,示出根據由接下來的7個條件所成的必要條件來進行判定時的處理流程。具體而言,必要條件判定部39係若以下7個條件(條件1~條件7)全部滿足時,判定必要條件為成立。
(條件1)學習模型M的預測值Vp所對應的實測值Vm(吸收塔出口的SO
2濃度)大於預先設定的基準值Vmref。
(條件2)燃燒裝置1的負荷L大於預先設定的基準值Lref。
(條件3)在學習模型M的說明變數有相關的參數沒有異常。
(條件4)旁路阻尼器(bypass damper)為閉狀態。
(條件5)濕式排煙脫硫裝置10為通煙狀態。
(條件6)在上位控制裝置15A沒有異常。
(條件7)控制裝置15的初始化(initialize)已完成。
條件1係用以根據作為學習模型M的預測對象的吸收塔出口的SO
2濃度的實測值Vm是否大於基準值Vref,來判定有無補正學習模型M的預測值Vp的必要性的條件。條件2係用以根據燃燒裝置1的負荷L是否大於基準負荷值Lref,來判定有無補正學習模型M的預測值Vp的必要性的條件。
其中,條件1及條件2係由類似的觀點來判定需要補正與否的條件,因此亦可省略任一方。
條件3係用以判定是否處於適於學習模型M的預測值Vp的補正的運轉狀態的條件。「在學習模型M的說明變數有相關的參數」亦可為例如說明變數所包含的參數(吸收塔出口的SO
2濃度、燃燒裝置1的排氣流量、吸收劑濃度等),此外亦可為在用以測定該等參數的測定機器中,監視異常的參數。
條件4係用以判定濕式排煙脫硫裝置10所具備的旁路阻尼器是否處於閉狀態的條件。旁路阻尼器係用以將鍋爐排氣未通至脫硫裝置而直接旁通至煙囪的阻尼閥,若發電廠為一般運轉中係處於閉狀態,但是例如若發生了某些異常時般的緊急時則藉由被全開來進行脫硫裝置的機器保護的構成。其中,近年來亦有未具備旁路阻尼器的工廠,惟此時條件4可由必要條件中省略。
條件5係用以判定濕式排煙脫硫裝置10是否處於通煙狀態的條件,根據例如濕式排煙脫硫裝置10所具備的脫硫風扇是否為運轉中、或IDF是否正在起動來判定。
條件6係用以判定控制裝置15之中在上位控制裝置15A是否沒有異常的條件,條件7係用以判定控制裝置15的初始化是否已完成的條件。
必要條件判定部39係若該等條件全部被滿足時,將必要條件成立旗標形成為ON,設為必要條件成立。若必要條件成立旗標成為ON,成為可進行藉由第1補正部40及第2補正部50所為之預測值Vp的補正的狀態。
第1補正部40係用以對藉由學習模型M所得之預測值Vp,進行對應燃燒裝置1的負荷L的補正的構成。第1補正部40係具備:第1補正條件判定部41、負荷別補正訊號生成部42、負荷別補正係數算出部43、及第1補正係數算出部44。以下參照圖4~圖7,依序說明第1補正部40所具備的各構成。
圖4係圖2的第1補正條件判定部41的處理流程圖。第1補正條件判定部41係用以判定第1補正條件成立與否的構成。第1補正條件係用以判定是否對學習模型M的預測值Vp實施藉由第1補正部40所為之第1補正的條件,在圖4中,以第1補正條件之一例而言,進行根據以下4個條件的判定。
(條件8)補正後預測值Vp’(初次補正前為預測值Vp)與實測值Vm的差分ΔV大於基準值ΔVref。
(條件9)必要條件成立旗標為ON。
(條件10)被輸入有第1補正頻度訊號Sa1。
(條件11)第1補正許可旗標為ON。
在條件8中,係針對補正後預測值Vp’(初次補正前為學習模型M的預測值Vp本身)與實測值Vm的差分ΔV算出絕對值(ABS),且判定該絕對值是否大於基準值ΔVref。在圖4中,與學習模型M的補正後預測值Vp’作比較的實測值Vm係進行計測延遲補正。計測延遲補正係藉由氣體分析計17所為之實測值Vm的取得需要不少計測時間,因此用以補正對補正後預測值Vp’之藉由氣體分析計17所得之實測值Vm的時滯(time lag)(計測延遲)的處理。
條件9係用以判定可藉由前述必要條件判定部39的輸出作切換的必要條件成立旗標是否為ON的條件。如上所示藉由在第1補正條件包含條件9,藉由第1補正部40所為之第1補正係以成立前述必要條件為前提來實施。
條件10係用以根據所被輸入的第1補正頻度訊號Sa1,調整藉由第1補正部40所為之實施頻度的條件。第1補正頻度訊號Sa1係將第1補正形成為有效的ON時間、與將第1補正形成為無效的OFF時間的反覆亦即矩形波脈衝訊號。條件10係當被輸入如上所示之第1補正頻度訊號Sa1時,ON時間的期間係進行成立判定,OFF時間的期間係進行不成立判定。在條件10中,藉由使所被輸入的第1補正頻度訊號Sa1的ON時間與OFF時間的比率發生變化,可調整第1補正的實施頻度。如上所示之第1補正頻度訊號Sa1的ON時間及OFF時間係可由使用者設定。
條件11係用以判定供判定第1補正的實施許可用的第1補正許可旗標是否為ON的條件。例如,控制裝置15係具備有使用者可選擇第1補正實施可否的操作按鍵(未圖示),若該操作按鍵被進行ON操作,第1補正許可旗標成為ON。藉此,使用者可選擇有無實施第1補正。
第1補正條件判定部41係若該等條件8~條件11全部滿足時,判斷成立第1補正條件,且輸出第1補正訊號S1。在第1補正條件係如前所述輸入作為矩形波脈衝訊號的第1補正頻度訊號Sa1,作為條件10,因此第1補正訊號S1係以對應第1補正頻度訊號Sa1的方式,被輸出為反覆ON時間及OFF時間的矩形波脈衝訊號(閃爍訊號)。
負荷別補正訊號生成部42係用以生成對應燃燒裝置1的負荷L的負荷別補正訊號Sl的構成。在此圖5係圖2的負荷別補正訊號生成部42的處理流程圖。
在本實施形態中,燃燒裝置1可取得的負荷範圍係被分割為第1負荷範圍Lr1~第4負荷範圍Lr4(Lr1<Lr2<Lr3<Lr4),負荷別補正訊號生成部42係具備對應各個的第1負荷範圍判定部42a1~第4負荷範圍判定部42a4。第1負荷範圍判定部42a1係若所被輸入的負荷L包含在第1負荷範圍Lr1時,輸出ON訊號,若未包含在第1負荷範圍Lr1時,則輸出OFF訊號的邏輯電路。第2負荷範圍判定部42a2係若所被輸入的負荷L包含在第2負荷範圍Lr2時,輸出ON訊號,若未包含在第2負荷範圍Lr2時,則輸出OFF訊號的邏輯電路。第3負荷範圍判定部42a3係若所被輸入的負荷L包含在第3負荷範圍Lr3時,輸出ON訊號,若未包含在第3負荷範圍Lr3時,則輸出OFF訊號的邏輯電路。第4負荷範圍判定部42a4係若所被輸入的負荷L包含在第4負荷範圍Lr4時,輸出ON訊號,若未包含在第4負荷範圍Lr4時,則輸出OFF訊號的邏輯電路。
第1負荷別補正訊號輸出部42b1係由第1負荷範圍判定部42a1被輸出ON訊號,而且,若來自前述第1補正條件判定部41的第1補正訊號S1(閃爍訊號)為ON狀態,輸出用以發出指令進行對應第1負荷範圍Lr1的補正的第1負荷別補正訊號Sl1。第2負荷別補正訊號輸出部42b2係由第2負荷範圍判定部42a2被輸出ON訊號,而且,若來自前述第1補正條件判定部41的第1補正訊號S1(閃爍訊號)為ON狀態,輸出用以發出指令進行對應第2負荷範圍Lr2的補正的第2負荷別補正訊號Sl2。第3負荷別補正訊號輸出部42b3係由第3負荷範圍判定部42a3被輸出ON訊號,而且,若來自前述第1補正條件判定部41的第1補正訊號S1(閃爍訊號)為ON狀態,輸出用以發出指令進行對應第3負荷範圍Lr3的補正的第3負荷別補正訊號Sl3。若第4負荷別補正訊號輸出部42b4係由第4負荷範圍判定部41a4被輸出ON訊號,而且,若來自前述第1補正條件判定部41的第1補正訊號S1(閃爍訊號)為ON狀態,輸出用以發出指令進行對應第4負荷範圍Lr4的補正的第4負荷別補正訊號Sl4。
負荷別補正係數算出部43係用以算出在負荷別補正訊號生成部42所生成的負荷別補正訊號Sl1~Sl4所對應的負荷別補正係數Y1~Y4的構成。在此圖6係圖2的負荷別補正係數算出部43之中第1負荷別補正係數算出部43a的處理流程圖。第1負荷別補正係數算出部43a係用以根據負荷別補正係數算出部43之中第1負荷別補正訊號Sl1來算出第1負荷別補正係數Y1的構成。
其中,負荷別補正係數算出部43係除了第1負荷別補正係數算出部43a之外,具備:用以根據第2負荷別補正訊號Sl2來算出第2負荷別補正係數Y2的第2負荷別補正係數算出部43b;用以根據第3負荷別補正訊號Sl3來算出第3負荷別補正係數Y3的第3負荷別補正係數算出部43c;及用以根據第4負荷別補正訊號Sl4來算出第4負荷別補正係數Y4的第4負荷別補正係數算出部43d。雖省略圖示,關於第2負荷別補正係數算出部43b、第3負荷別補正係數算出部43c、及第4負荷別補正係數算出部43d,只要未特別記載,與以下所述的第1負荷別補正係數算出部43a相同。
在第1負荷別補正係數算出部43a中,若被輸入補正後預測值Vp’(初次補正前為學習模型M的預測值Vp本身)與實測值Vm的差分ΔV,若差分ΔV為負(亦即預測值Vp小於實測值Vm時),第1開關T1係以選擇上方補正值A1的方式予以切換。上方補正值A1係被設定為對成為基準的「1」加算了上方補正幅度的1以上的係數,例如「1.01」。由第1開關T1被輸出的上方補正值A1係乘算了藉由補正增益調整部P被預先設定的補正增益K(典型而言被設定「1.0」,惟可適當變更)之後,在由前述第1補正條件判定部41被輸出的第1補正訊號S1成為ON狀態的時序被輸出至第2開關T2 (其中,在被輸入至第2開關T2的第1補正訊號S1成為OFF狀態的時序,第2開關T2係被輸出預設值「1」)。第2開關T2的輸出係被乘算至預先記憶的前次值(第1負荷別補正係數),藉此輸出作為第1負荷別補正係數Y1。如上所示被輸出的第1負荷別補正係數Y1係藉由被記憶在未圖示的記憶體等記憶部,在接下來的運算週期被利用作為前次值。
如上所示若差分ΔV為負,第1負荷別補正係數Y1係以被設定為上方補正值A1的上方補正幅度的份,按每個運算週期增加。藉此,若補正後預測值Vp’小於實測值Vm,朝補正後預測值Vp’增加的方向予以補正而以接近實測值Vm的方式算出第1負荷別補正係數Y1。
另一方面,若差分ΔV為正(亦即若補正後預測值Vp’大於實測值Vm),第1開關T1係以選擇下方補正值A2的方式予以切換。下方補正值A2係可設定為對成為基準的「1」加算了下方補正幅度(負的值)的未達1的係數,例如「0.99」。由第1開關T1被輸出的下方補正值A2係在被乘算藉由補正增益調整部P被預先設定的補正增益K(典型而言被設定為「1」,惟可適當變更)之後,在由前述第1補正條件判定部41被輸出的第1補正訊號S1成為ON狀態的時序被輸出至第2開關T2(其中,在被輸入至第2開關T2的第1補正訊號成為OFF狀態的時序,第2開關T2係被輸出預設值「1」)。第2開關T2的輸出係藉由與預先記憶的前次值(第1負荷別補正係數)乘算,被輸出作為第1負荷別補正係數Y1。如上所示被輸出的第1負荷別補正係數Y1係被記憶在未圖示的記憶體等記憶部,藉此在接下來的運算週期被利用作為前次值。
如上所示若差分ΔV為正,第1負荷別補正係數Y1係以被設定為下方補正值A2的下方補正幅度的份,按每個運算週期減少。藉此,若補正後預測值Vp’大於實測值Vm,朝補正後預測值Vp’減少的方向予以補正而以接近實測值Vm的方式算出第1負荷別補正係數Y1。
第1補正係數算出部44係用以對藉由學習模型M所得之預測值Vp,使用對應負荷L的第1補正係數Y來進行補正的構成。在此圖7係圖2的第1補正係數算出部44的處理流程圖。
第1補正係數算出部44係被輸入按藉由負荷別補正係數算出部43被算出的每個負荷範圍的第1負荷別補正係數Y1~第4負荷別補正係數Y4。接著,若被輸入運轉資料所包含的負荷L,算出對應該負荷L所屬之負荷範圍的第1負荷別補正係數Y1~第4負荷別補正係數Y4的任一者作為第1補正係數Y。如上所示所算出的第1補正係數Y係成為對應負荷L的大小的值。
在第1補正係數算出部44被算出的第1補正係數Y係當第1補正許可旗標成為ON時,由第3開關T3被輸出而對學習模型M的預測值Vp予以乘算,藉此可得經進行第1補正的補正後預測值Vp’。如上所示之第1補正係藉由對預測值Vp乘算對應負荷L屬於第1負荷範圍Lr1~第4負荷範圍Lr4的何者所算出的第1補正係數Y來進行。因此,可藉由負荷L的值,詳細設定對預測值Vp的補正量,無須進行學習模型M的再建構,可有效提升預測精度。
第2補正部50係用以對藉由學習模型M所得之預測值Vp,進行對應燃燒裝置1的全負荷L的補正(亦即,與取決於負荷L的前述第1補正不同,不取決於負荷L的大小的補正)的構成。第2補正部50係具備:第2補正條件判定部51、及第2補正係數算出部52。
圖8係圖2的第2補正條件判定部51的處理流程圖。第2補正條件判定部51係用以判定第2補正條件成立與否的構成。第2補正條件係用以判定對學習模型M的預測值Vp是否實施藉由第2補正部50所為之第2補正的條件,在圖8中,進行根據接下來的4個條件的判定,作為第2補正條件之一例。
(條件12)對補正後預測值Vp’(初次補正前為預測值Vp)乘算了全體調整係數的結果與實測值Vm的差分ΔV大於基準值ΔVref。
(條件13)必要條件成立旗標為ON。
(條件14)被輸入第2補正頻度訊號Sa2。
(條件15)第2補正許可旗標為ON。
在條件12中,針對對補正後預測值Vp’(初次補正前為學習模型M的預測值Vp本身)乘算了全體調整係數的結果與實測值Vm的差分ΔV算出絕對值(ABS),判定該絕對值是否大於基準值ΔVref。在圖8中,與學習模型M的補正後預測值Vp’作比較的實測值Vm係進行計測延遲補正。計測延遲補正係由於藉由氣體分析計17所為之實測值Vm的取得需要不少計測時間,因此用以補正對補正後預測值Vp’之藉由氣體分析計17所致之實測值Vm的時滯(計測時間延遲)的處理。
條件13係用以判定可藉由前述必要條件判定部39的輸出進行切換的必要條件成立旗標是否為ON的條件。如上所示在第2補正條件包含條件13,藉此,藉由第2補正部50所為之第2補正係以成立前述必要條件為前提來實施。
條件14係用以根據所被輸入的第2補正頻度訊號Sa2,調整藉由第2補正部50所致之實施頻度的條件。第2補正頻度訊號Sa2係使第2補正為有效的ON時間、與使第2補正為無效的OFF時間的反覆亦即矩形波脈衝訊號。條件14係在被輸入了如上所示之第2補正頻度訊號Sa2之時,ON時間的期間係進行成立判定,OFF時間的期間係進行不成立判定。在條件14中,藉由使所被輸入的第2補正頻度訊號Sa2的ON時間與OFF時間的比率發生變化,可調整第2補正的實施頻度。如上所示之第2補正頻度訊號Sa2的ON時間及OFF時間可由使用者設定。
條件15係用以判定供判定第2補正的實施許可用的第1補正許可旗標是否為ON的條件。例如,控制裝置15係具備有使用者可選擇可否實施第2補正的操作按鍵(未圖示),若該操作按鍵被ON操作,第2補正許可旗標成為ON。藉此,使用者可選擇有無實施第2補正。
第2補正條件判定部51係若該等條件12~條件15全部滿足時,判斷第2補正條件成立,且輸出第2補正訊號S2。在第2補正條件係如前所述被輸入作為矩形波脈衝訊號的第2補正頻度訊號Sa2作為條件14,因此第2補正訊號S2係以對應第2補正頻度訊號Sa2的方式輸出作為反覆ON時間及OFF時間的矩形波脈衝訊號(閃爍訊號)。
第2補正係數算出部52係用以根據由第2補正條件判定部51所被輸出的第2補正訊號S2來算出第2補正係數的構成。在此圖9係圖2的第2補正係數算出部52的處理流程圖。
在第2補正係數算出部52中,若被輸入補正後預測值Vp’(初次補正前為學習模型M的預測值Vp本身)與實測值Vm的差分ΔV,若差分ΔV為負(亦即若預測值Vp為未達實測值Vm),第4開關T4係以選擇上方補正值A3的方式予以切換。上方補正值A3係被設定為對成為基準的「1」加算了上方補正幅度的1以上的係數,例如「1.01」。由第4開關T4被輸出的上方補正值A3係在乘算了藉由補正增益調整部P被預先設定的補正增益K(典型而言被設定為「1.0」,惟可適當變更)之後,在由前述第2補正條件判定部51被輸出的第2補正訊號S2成為ON狀態的時序被輸出至第5開關T5(其中,在被輸入至第5開關T5的第2補正訊號S2成為OFF狀態的時序,第5開關T5係輸出預設值「1」)。第5開關T5的輸出係藉由被乘算至預先記憶的前次值(第2補正係數),被輸出作為第2補正係數Z。
其中,如上所示所被輸出的第2補正係數Z係被記憶在未圖示的記憶體等記憶部,藉此在接下來的運算週期中被利用作為前次值。
如上所示若差分ΔV為負,第2補正係數Z係以設定為上方補正值A3的上方補正幅度的份,按每個運算週期增加。藉此,若補正後預測值Vp’小於實測值Vm,朝補正後預測值Vp’增加的方向予以補正而以接近實測值Vm的方式算出第2補正係數Z。
另一方面,若差分ΔV為正(亦即若補正後預測值Vp’大於實測值Vm),第4開關T4係以選擇下方補正值A4的方式予以切換。下方補正值A4係可設定為對成為基準的「1」加算了下方補正幅度(負的值)的未達1的係數,例如「0.99」。由第4開關T4被輸出的下方補正值A4係被乘算了藉由補正增益調整部P被預先設定的補正增益K(典型而言被設定為「1」,惟可適當變更)之後,在由前述第2補正條件判定部51被輸出的第2補正訊號S2成為ON狀態的時序被輸出至第5開關T5(其中,在被輸入至第5開關T5的第2補正訊號S2成為OFF狀態的時序,第5開關T5係輸出預設值「1」)。第5開關T5的輸出係藉由被乘算至預先記憶的前次的第2補正係數Z,被輸出作為第2補正係數Z。
其中,如上所示所被輸出的第2補正係數Z係被記憶在未圖示的記憶體等記憶部,藉此在接下來的運算週期中被利用作為前次值。
如上所示若差分ΔV為正,第2補正係數Z係以被設定為下方補正值A4的下方補正幅度的份,按每個運算週期減少。藉此,若補正後預測值Vp’大於實測值Vm,朝補正後預測值Vp’減少的方向予以補正而以接近實測值Vm的方式算出第2補正係數Z。
在第2補正係數算出部52被算出的第2補正係數Z係當第2補正許可旗標成為ON時,由第6開關T6被輸出而對學習模型M的預測值Vp予以乘算,藉此可得已進行第2補正的補正後預測值Vp’。如上所示之第2補正係無關於負荷L屬於第1負荷範圍Lr1~第4負荷範圍Lr4的何者,藉由對預測值Vp乘算第2補正係數Z來進行。因此,可不取決於負荷L的值而全體補正預測值Vp,無須進行學習模型M的再建構,可有效提升預測精度。
接著,參照圖10,說明藉由表格作成部31所為之表格Tb的作成方法。圖10係圖2的表格作成部31的處理流程圖。
表格Tb的作成係首先將在運轉資料收訊部30所收訊到的運轉資料所包含的各參數輸入至學習模型M來算出學習模型M的預測值Vp(吸收塔出口的SO
2濃度的預測值)。所得的預測值Vp係按照前述必要條件、第1補正條件、第2補正條件的成立與否狀況,藉由第1補正部40或第2補正部50的至少一方予以補正。藉此,可得與學習模型M的預測值Vp相比為預測精度較高的補正後預測值Vp’。接著,算出作為供補正後預測值Vp’滿足預先設定的基準值(例如成為基準值以下)用的最適值的吸收液中的吸收劑濃度目標值。在圖10中係示出藉由輸入如上所示之負荷L1、L2、…與吸收劑濃度的最適值M1、M2、…的組合,作成規定負荷L與吸收劑濃度目標值M的關係的表格Tb的樣子。
接著,控制目標值決定部32係對藉由表格作成部31所作成的表格Tb,輸入運轉資料所包含的負荷L,藉此求出供補正後預測值Vp’滿足預先設定的基準值用的吸收劑濃度目標值M,決定對應該吸收劑濃度目標值M的吸收劑的投入量及吸收液的循環流量的控制目標值。
在此,控制目標值決定部32亦可對由表格Tb所求出的吸收劑濃度目標值M,另外進行使用了前饋成分的補正,藉此決定關於吸收劑的投入量的控制目標值。圖11係關於藉由圖2的控制目標值決定部32所為之控制目標值的決定處理的處理流程圖。
控制目標值決定部32係首先將吸收劑濃度目標值M、與其實測值Mm的差分Δ輸入至PI控制器。由PI控制器被輸出的PI控制值係使用根據運轉資料所算出的前饋補正值予以補正。具體而言,將燃燒裝置1的排氣流量、及吸收塔入口的SO
2濃度所對應的第1前饋補正值ff1、與將投入量預測值以換算邏輯換算所得的第2前饋補正值ff2進行加算來求出前饋補正值ff。
如上所示所得的前饋補正值ff係加算在PI控制值,藉此決定關於吸收劑的投入量的控制目標值。如上所示所決定的控制目標值係可進行藉由前饋補正值所為之先行控制,因此可更加改善藉由控制裝置15所致之控制精度。
在上述說明的控制裝置15中,參照圖2如前所述,藉由預測值補正部36來補正學習模型M的預測值Vp,且使用補正後預測值Vp’進行表格Tb的作成,藉由控制目標值決定部32來進行使用了該表格Tb的控制目標值的決定。如上所示之控制裝置15係藉由調整預測值補正部36或控制目標值決定部32的參數,可進行上述處理的變更/追加。例如預測值補正部36係可進行ΔVref的基準值、前述第1補正條件的條件10、前述第2補正條件的條件14的第2補正頻度訊號Sa2中的ON/OFF時間、前述上方補正值A1及A3、前述下方補正值A2及A4、可在補正增益調整部P調整的補正增益K、第1負荷別補正係數Y1及第2補正係數Z的上下限值的變更。此外,控制目標值決定部32係可進行PI參數(關於圖11的PI控制器之例如比例常數K或積分時間T等參數)、圖11的函數Fx的輸出ff1及換算邏輯的輸出ff2的吸收劑投入量的變更/追加。
在此假設包含預測值補正部36或控制目標值決定部32的控制裝置15的全部功能區塊被配置在上位控制裝置15A時,在上位控制裝置15A中係藉由程式來記述功能區塊,因此進行處理的變更/追加時,必須要有包含用以對應上位控制裝置15A的程式技術者、及用以對應下位控制裝置15B的控制邏輯技術者之最少2名人員。
對此,藉由上述構成,參照圖2如前所述,預測值補正部36或控制目標值決定部32被配置在下位控制裝置15B,藉此後者(可在下位控制裝置15B理解控制邏輯的技術者)僅1名即可對應,可有效刪減處理的變更/追加所需人員。
此外,圖12係圖2的循環泵調整部33的處理流程圖。循環泵調整部33係根據在控制目標值決定部32所被決定之關於吸收液的循環流量的控制目標值,調整循環泵的運行台數。循環泵調整部33係若例如以下4個條件成立時,以循環泵的運行台數增加的方式進行指令,藉此調整循環泵的運行台數。
(條件16)若吸收塔出口的SO
2濃度的目標值與實測值Vm的差Δ超過容許值而朝正方向發生變化時(亦即為了守住吸收塔出口的SO
2濃度的目標值而需要循環泵緊急起動時),循環泵的最適台數與現在的運行台數的差Δ小於基準值(例如-0.5台)。
(條件17)起動1台循環泵後,非為至被反映至吸收塔出口的SO
2濃度為止的追加起動禁止時間中。
(條件18)有可起動泵。
(條件19)最適運轉AI使用中。
此外,循環泵調整部33係若例如以下4個條件成立,以循環泵的運行台數減少的方式進行指令,藉此調整循環泵的運行台數。
(條件16)若吸收塔出口的SO
2濃度的目標值與實測值Vm的差Δ低於容許值而朝負方向發生變化時(亦即若吸收塔出口的SO
2濃度目標值與實測值Vm的差大,可能泵減台時),循環泵的最適台數與現在的運行台數的差Δ大於基準值(例如0.5台)。
(條件20)非為起動後停止禁止中(防止循環泵頻繁起動停止)。
(條件21)非為停止後停止禁止中(防止循環泵頻繁起動停止)。
(條件22)有可停止泵。
接著參照圖13,說明前述控制裝置15的構成的變化。圖13A~圖13B係顯示圖2的其他態樣的區塊構成圖。
在圖13A所示之態樣中,係在圖2中上位控制裝置15A所具備的功能區塊(運轉資料收訊部30、學習模型建構部38、表格作成部31)被統合在下位控制裝置15B。亦即,下位控制裝置15B係將再學習裝置15C除外,具備:運轉資料收訊部30、學習模型建構部38、表格作成部31、預測值補正部36、控制目標值決定部32、循環泵調整部33、及吸收劑漿料供給控制部34,該等功能區塊係全部藉由控制邏輯予以實現。其中,下位控制裝置15B所具備的該等功能區塊的一部分亦可以可在下位控制裝置15B處理的程式語言予以構裝。
在圖13A所示之態樣中,係藉由在圖2的態樣中被配置在上位控制裝置15A而藉由程式所記述的功能區塊(運轉資料收訊部30、學習模型建構部38、表格作成部31)藉由在下位控制裝置15B中被記述作為控制邏輯予以實現。藉此,藉由將控制裝置15的各種功能匯集在下位控制裝置15B,變得不需要例如在有作為控制對象的濕式排煙脫硫裝置10的現場設置上位控制裝置15A,可減輕控制裝置15的管理負擔。
在圖13B所示之態樣中,連同上位控制裝置15A及下位控制裝置15B一起具備邊緣伺服器15D。邊緣伺服器15D係具備資料中繼部60,藉由配置在上位控制裝置15A及下位控制裝置15B間,可進行彼此在地理上分離配置的上位控制裝置15A及下位控制裝置15B之間的資料接收傳送。此時,可適用於在上位控制裝置15A遠離配置有下位控制裝置15B的現場(設置有作為控制對象的濕式排煙脫硫裝置10的場所)的遠端地,作為用以遠端監視濕式排煙脫硫裝置10的控制狀態的遠端監視系統來發揮功能的態樣。
此外,如圖13B所示,濕式排煙脫硫裝置10亦可構成例如由可與上位控制裝置15A進行通訊的資訊處理裝置18所成的遠端監視系統。在該遠端監視系統中,可對資訊處理裝置18所配備的顯示部70,藉由顯示關於濕式排煙脫硫裝置10的控制狀態的資訊來進行遠端監視。
此外,在如上所示之系統構成中,亦可具備透過資訊處理裝置18的顯示部70,藉由來自該資訊處理裝置18的要求,執行控制裝置15中的各處理流程的構成。
如以上說明,藉由上述各實施形態,使用補正係數來補正被使用在用以作成被使用在用以決定吸收劑的投入量或吸收液的循環流量的控制目標值的表格的學習模型的預測值。預測值的補正係藉由使用根據燃燒裝置的負荷所算出的第1補正係數,加上對負荷的特性來進行,藉此即使在例如預測值與實測值的差依負荷的大小而發生變化的情形下,亦可得精度佳的補正後預測值。使用如上所示之補正後預測值來作成表格,藉此可精度佳地求出控制目標值,結果,即使在學習模型的預測值與實測值之間有差異的情形下,亦可得良好的控制精度。
可在其他未脫離本揭示之主旨的範圍內,適當將上述實施形態中的構成要素置換為周知的構成要素,此外,亦可適當組合上述實施形態。
上述各實施形態所記載的內容係例如掌握如下。
(1)一態樣之濕式排煙脫硫裝置的控制裝置係在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制裝置,其係具備:
學習模型建構部,其係用以針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型;
預測值補正部,其係用以將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正;
表格作成部,其係用以作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正部經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格;及
控制目標值決定部,其係用以根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,來決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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,
前述預測值補正部係包含第1補正部,其係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
藉由上述(1)態樣,使用補正係數來補正被使用在用以作成被使用在用以決定吸收劑的投入量或吸收液的循環流量的控制目標值的表格的學習模型的預測值。預測值的補正係藉由使用根據燃燒裝置的負荷所算出的第1補正係數,加上對負荷的特性來進行,藉此即使在例如預測值與實測值的差依負荷的大小發生變化的情形下,亦可得精度佳的補正後預測值。藉由使用如上所示之補正後預測值來作成表格,可精度佳地求出控制目標值,結果,即使在學習模型的預測值與實測值之間有差異的情形下,亦可得良好的控制精度。
(2)在其他態樣中,在上述(1)態樣中,前述第1補正係數係按每個前述負荷所屬的負荷範圍,以前述差減少的方式予以算出。
藉由上述(2)態樣,第1補正係數係在燃燒裝置的負荷所屬的負荷範圍,以學習模型的預測值與實測值的差減少的方式予以算出。藉此,對學習模型的預測值,可進行依燃燒裝置的負荷的大小的詳細補正,可精度佳地作成用以決定控制目標值的表格。
(3)在其他態樣中,在上述(1)或(2)態樣中,前述第1補正部係若包含前述補正後預測值與前述實測值的差分大於基準值的第1補正條件成立時,算出前述第1補正係數作為前述補正係數。
藉由上述(3)態樣,使用第1補正係數的預測值的補正係在第1補正條件成立時實施。
(4)在其他態樣中,在上述(1)至(3)中任一態樣中,前述補正係數係以依前述預先設定的變化率發生變化的方式予以算出,俾使前述差按每個運算週期減少。
藉由上述(4)態樣,補正係數以依預定的變化率發生變化的方式予以算出,藉此以學習模型的預測值與實測值的差適當減少的方式進行預測值的補正。此外,補正係數的變化率亦可藉由例如形成為可被使用者預先設定的參數,來任意調整對預測值的補正的程度。
(5)在其他態樣中,在上述(1)至(4)中任一態樣中,前述預測值補正部係包含:第2補正部,其係使用不取決於前述負荷的第2補正係數作為前述補正係數,來補正前述預測值。
藉由上述(5)態樣,對學習模型的預測值的補正係除了根據前述負荷所算出的第1補正係數之外,使用不取決於負荷的第2補正係數來進行。如上所示進行將第1補正係數及第2補正係數加以組合的補正,可使學習模型的預測值與實測值的差更加適當減少。
(6)在其他態樣中,在上述(5)態樣中,前述第2補正部係若包含與對前述補正後預測值乘算了前述第2補正係數的結果的差分大於基準值的第2補正條件成立時,算出前述第2補正係數,作為前述補正係數。
藉由上述(6)態樣,使用了第2補正係數的預測值的補正係在第2補正條件成立時實施。
(7)在其他態樣中,在上述(1)至(6)中任一態樣中,前述控制目標值決定部係使用根據前述運轉資料所算出的前饋補正值來補正根據前述表格所算出的前述吸收劑濃度目標值與前述吸收液的吸收劑濃度實測值的差分所對應的PI控制值,藉此決定關於前述吸收劑的投入量的前述控制目標值。
藉由上述(7)態樣,根據依表格所算出的吸收液的吸收劑濃度,算出關於吸收劑的投入量的控制目標值時,進行使用了根據運轉資料所算出的前饋補正值的補正,藉此可進行精度佳的控制目標值的算出。
(8)在其他態樣中,在上述(1)至(7)中任一態樣中,具備:
上位控制裝置,其係以程式構成功能區塊;及
下位控制裝置,其係與前述上位控制裝置協同動作,以控制邏輯構成功能區塊,
前述預測值補正部、或前述控制目標值決定部的至少一方設在前述下位控制裝置。
藉由上述(8)態樣,控制裝置所具備的功能區塊之中預測值補正部或控制目標值決定部的至少一方在下位控制裝置中以控制邏輯所構成。藉由前述控制裝置所為之處理的變更/追加時,必須進行預測值補正部或控制目標值決定部中的設定值變更等調整,惟藉由將預測值補正部或控制目標值決定部設在以控制邏輯所構成的下位控制裝置,不會有必須要有精通在上位控制裝置所處理的程式的人員的情形即可對應。此外,藉由刪減上位控制裝置所具備的功能區塊,亦可抑制對上位控制裝置所要求的機器規格。
(9)在其他態樣中,在上述(8)態樣中,前述上位控制裝置係主控制裝置,
前述下位控制裝置係置於前述上位控制裝置的管理下,用以控制前述濕式排煙脫硫裝置的構成機器的分散型控制裝置。
藉由上述(9)態樣,適於使用分散型控制裝置(DCS)作為下位控制裝置的濕式排煙脫硫裝置的控制裝置。
(10)在其他態樣中,在上述(8)或(9)態樣中,前述學習模型建構部、前述預測值補正部、前述表格作成部、及前述控制目標值決定部設在前述下位控制裝置。
藉由上述(10)態樣,該等功能區塊亦可匯集成在下位控制裝置中全部藉由控制邏輯所構成。
(11)在其他態樣中,在上述(8)至(10)中任一態樣中,具備:再學習裝置,其係電性連接於前述上位控制裝置或前述下位控制裝置的至少一方,用以再學習前述學習模型。
藉由上述(11)態樣,若藉由補正學習模型的預測值而未充分改善精度時,可藉由再學習裝置進行學習模型的再學習來對應。此時,再學習裝置係前述上位控制裝置及下位控制裝置形成為不同構成,電性連接於該等控制裝置,藉此可抑制上位控制裝置及下位控制裝置所被要求的機器規格。
(12)在其他態樣中,在上述(8)至(11)中任一態樣中,前述上位控制裝置係用以對設在配置有前述濕式排煙脫硫裝置的現場的前述下位控制裝置進行遠端監視的遠端控制裝置,
前述下位控制裝置係可透過可進行前述上位控制裝置及前述下位控制裝置之間的資料中繼的邊緣伺服器,與前述上位控制裝置進行通訊。
藉由上述(12)態樣,藉由利用邊緣伺服器所為之資料中繼,可進行上位控制裝置及下位控制裝置之間的資料傳送接收。因此,藉由將上位控制裝置及下位控制裝置彼此配置在遠端地,可實現排煙脫硫裝置的遠端控制裝置。
(13)一態樣之遠端監視系統係由可與在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制裝置進行通訊的資訊處理裝置所成的遠端監視系統,
前述控制裝置係具備:
學習模型建構部,其係藉由來自前述資訊處理裝置的要求,針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型;
預測值補正部,其係將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正;
表格作成部,其係作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正部經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格;及
控制目標值決定部,其係根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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,
前述預測值補正部係包含第1補正部,其係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
藉由上述(13)態樣,對資訊處理裝置所具備的顯示部,顯示關於上述各態樣之濕式排煙脫硫裝置1的控制狀態的資訊,藉此可適當進行遠端監視。
(14)一態樣之遠端監視系統的控制方法係由可與在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制裝置進行通訊的資訊處理裝置所成的遠端監視系統的控制方法,
前述控制裝置係執行:
學習模型建構工程,其係藉由來自前述資訊處理裝置的要求,針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型;
預測值補正工程,其係將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正;
表格作成工程,其係作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正工程經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格;及
控制目標值決定工程,其係根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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,
前述預測值補正工程係包含:第1補正工程,其係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
藉由上述(14)態樣,對資訊處理裝置所具備的顯示部,顯示關於上述各態樣之濕式排煙脫硫裝置1的控制狀態的資訊,藉此可適當進行遠端監視。
(15)一態樣之濕式排煙脫硫裝置的控制方法係在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制方法,其係具備:
針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型的工程;
將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正的工程;
作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正部經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格的工程;及
根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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的工程,
在將前述預測值進行補正的工程中,係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
藉由上述(15)態樣,使用補正係數來補正被使用在用以作成被使用在用以決定吸收劑的投入量或吸收液的循環流量的控制目標值的表格的學習模型的預測值。預測值的補正係藉由使用根據燃燒裝置的負荷所算出的第1補正係數,加上對負荷的特性來進行,藉此即使在例如預測值與實測值的差依負荷的大小發生變化的情形下,亦可得精度佳的補正後預測值。藉由使用如上所示之補正後預測值來作成表格,可精度佳地求出控制目標值,結果,即使在學習模型的預測值與實測值之間有差異的情形下,亦可得良好的控制精度。
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:吸收劑漿料供給部
14:石膏回收部
15:控制裝置
15A:上位控制裝置
15B:下位控制裝置
15C:再學習裝置
15D:邊緣伺服器
16:流出配管
17:氣體分析計
18:資訊處理裝置
20:運轉資料取得部
21:吸收劑漿料製造設備
22:吸收劑漿料供給用配管
23:吸收劑漿料供給量控制閥
25:石膏分離器
26:石膏漿料抽出用配管
27:石膏漿料抽出用泵
30:運轉資料收訊部
31:表格作成部
32:控制目標值決定部
33:循環泵調整部
34:吸收劑漿料供給控制部
36:預測值補正部
38:學習模型建構部
39:必要條件判定部
40:第1補正部
41:第1補正條件判定部
42:負荷別補正訊號生成部
42a1~42a4:第1~第4負荷範圍判定部
42b1~42b4:第1~第4負荷別補正訊號輸出部
43:負荷別補正係數算出部
43a~43d:第1~第4負荷別補正係數算出部
44:第1補正係數算出部
50:第2補正部
51:第2補正條件判定部
52:第2補正係數算出部
60:資料中繼部
70:顯示部
M:學習模型
[圖1]係一實施形態之濕式排煙脫硫裝置的構成圖。
[圖2]係圖1的控制裝置的區塊構成圖。
[圖3]係圖2的必要條件判定部的處理流程圖。
[圖4]係圖2的第1補正條件判定部的處理流程圖。
[圖5]係圖2的負荷別補正訊號生成部的處理流程圖。
[圖6]係圖2的負荷別補正係數算出部之中第1負荷別補正係數算出部的處理流程圖。
[圖7]係圖2的第1補正係數算出部的處理流程圖。
[圖8]係圖2的第2補正條件判定部的處理流程圖。
[圖9]係圖2的第2補正係數算出部的處理流程圖。
[圖10]係圖2的表格作成部的處理流程圖。
[圖11]係關於藉由圖2的控制目標值決定部所為之控制目標值的補正的處理流程圖。
[圖12]係圖2的循環泵調整部的處理流程圖。
[圖13A]係顯示圖2的其他態樣的區塊構成圖。
[圖13B]係顯示圖2的其他態樣的區塊構成圖。
15:控制裝置
15A:上位控制裝置
15B:下位控制裝置
15C:再學習裝置
30:運轉資料收訊部
31:表格作成部
32:控制目標值決定部
33:循環泵調整部
34:吸收劑漿料供給控制部
36:預測值補正部
38:學習模型建構部
39:必要條件判定部
40:第1補正部
41:第1補正條件判定部
42:負荷別補正訊號生成部
43:負荷別補正係數算出部
44:第1補正係數算出部
50:第2補正部
51:第2補正條件判定部
52:第2補正係數算出部
Claims (15)
- 一種濕式排煙脫硫裝置的控制裝置,其係在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制裝置,其係具備: 學習模型建構部,其係用以針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型; 預測值補正部,其係用以將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正; 表格作成部,其係用以作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正部經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格;及 控制目標值決定部,其係用以根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,來決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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, 前述預測值補正部係包含第1補正部,其係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
- 如請求項1之濕式排煙脫硫裝置的控制裝置,其中,前述第1補正係數係按每個前述負荷所屬的負荷範圍,以前述差減少的方式予以算出。
- 如請求項1或請求項2之濕式排煙脫硫裝置的控制裝置,其中,前述第1補正部係若包含前述補正後預測值與前述實測值的差分大於基準值的第1補正條件成立時,算出前述第1補正係數作為前述補正係數。
- 如請求項1或請求項2之濕式排煙脫硫裝置的控制裝置,其中,前述補正係數係以依前述預先設定的變化率發生變化的方式予以算出,俾使前述差按每個運算週期減少。
- 如請求項1或請求項2之濕式排煙脫硫裝置的控制裝置,其中,前述預測值補正部係包含:第2補正部,其係使用不取決於前述負荷的第2補正係數作為前述補正係數,來補正前述預測值。
- 如請求項5之濕式排煙脫硫裝置的控制裝置,其中,前述第2補正部係若包含與對前述補正後預測值乘算了前述第2補正係數的結果的差分大於基準值的第2補正條件成立時,算出前述第2補正係數,作為前述補正係數。
- 如請求項1或請求項2之濕式排煙脫硫裝置的控制裝置,其中,前述控制目標值決定部係使用根據前述運轉資料所算出的前饋補正值來補正根據前述表格所算出的前述吸收劑濃度目標值與前述吸收液的吸收劑濃度實測值的差分所對應的PI控制值,藉此決定關於前述吸收劑的投入量的前述控制目標值。
- 如請求項1或請求項2之濕式排煙脫硫裝置的控制裝置,其中,具備: 上位控制裝置,其係以程式構成功能區塊;及 下位控制裝置,其係與前述上位控制裝置協同動作,以控制邏輯構成功能區塊, 前述預測值補正部、或前述控制目標值決定部的至少一方設在前述下位控制裝置。
- 如請求項8之濕式排煙脫硫裝置的控制裝置,其中,前述上位控制裝置係主控制裝置, 前述下位控制裝置係置於前述上位控制裝置的管理下,用以控制前述濕式排煙脫硫裝置的構成機器的分散型控制裝置。
- 如請求項8或請求項9之濕式排煙脫硫裝置的控制裝置,其中,前述學習模型建構部、前述預測值補正部、前述表格作成部、及前述控制目標值決定部設在前述下位控制裝置。
- 如請求項8或請求項9之濕式排煙脫硫裝置的控制裝置,其中,具備:再學習裝置,其係電性連接於前述上位控制裝置或前述下位控制裝置的至少一方,用以再學習前述學習模型。
- 如請求項8或請求項9之濕式排煙脫硫裝置的控制裝置,其中,前述上位控制裝置係用以對設在配置有前述濕式排煙脫硫裝置的現場的前述下位控制裝置進行遠端監視的遠端控制裝置, 前述下位控制裝置係可透過可進行前述上位控制裝置及前述下位控制裝置之間的資料中繼的邊緣伺服器,與前述上位控制裝置進行通訊。
- 一種濕式排煙脫硫裝置的遠端監視系統,其係由可與在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制裝置進行通訊的資訊處理裝置所成的遠端監視系統, 前述控制裝置係具備: 學習模型建構部,其係藉由來自前述資訊處理裝置的要求,針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型; 預測值補正部,其係將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正; 表格作成部,其係作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正部經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格;及 控制目標值決定部,其係根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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, 前述預測值補正部係包含第1補正部,其係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
- 一種遠端監視系統的控制方法,其係由可與在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制裝置進行通訊的資訊處理裝置所成的遠端監視系統的控制方法, 前述控制裝置係執行: 學習模型建構工程,其係藉由來自前述資訊處理裝置的要求,針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型; 預測值補正工程,其係將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正; 表格作成工程,其係作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正工程經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格;及 控制目標值決定工程,其係根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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, 前述預測值補正工程係包含:第1補正工程,其係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
- 一種濕式排煙脫硫裝置的控制方法,其係在吸收塔內,使在燃燒裝置所發生的排氣與吸收液作氣液接觸而進行脫硫的濕式排煙脫硫裝置的控制方法,其係執行: 針對前述燃燒裝置或前述濕式排煙脫硫裝置的至少一方的運轉資料所包含的至少1個參數且為至少包含前述燃燒裝置的負荷的說明變數、與將來的吸收塔出口的二氧化硫濃度亦即目的變數的關係,藉由機械學習來建構學習模型的工程; 將藉由前述學習模型所得之前述二氧化硫濃度的預測值,使用根據前述預測值與前述吸收塔出口的前述二氧化硫濃度的實測值的差所算出的補正係數來進行補正的工程; 作成表示前述燃燒裝置的負荷、與供藉由前述預測值補正部經補正的補正後預測值滿足基準值用的前述吸收液的吸收劑濃度目標值及吸收劑循環量目標值的關係的表格的工程;及 根據前述表格算出對應前述運轉資料的前述吸收劑濃度目標值及前述吸收劑循環量目標值,決定前述吸收劑濃度目標值及前述吸收劑循環量目標值所對應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的工程, 在將前述預測值進行補正的工程中,係使用根據前述負荷所算出的第1補正係數作為前述補正係數,來補正前述預測值。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022-087548 | 2022-05-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202415442A true TW202415442A (zh) | 2024-04-16 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101484496B1 (ko) | 산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어 | |
US8880202B2 (en) | Optimization system using an iteratively coupled expert engine | |
CN102494336B (zh) | 一种循环流化床锅炉燃烧过程多变量控制方法 | |
GB2535833A (en) | Model-based combined cycle power plant load control | |
US20160230699A1 (en) | Combined cycle power generation optimization system | |
Kothare et al. | Linear parameter varying model predictive contr for steam generator level control | |
Seem et al. | A new sequencing control strategy for air-handling units | |
Karanam et al. | A new two-degree of freedom combined PID controller for automatic generation control of a wind integrated interconnected power system | |
Sedić et al. | Dynamic model of a natural water circulation boiler suitable for on-line monitoring of fossil/alternative fuel plants | |
TW202415442A (zh) | 濕式排煙脫硫裝置的控制裝置、遠端監視系統、遠端監視系統的控制方法、及濕式排煙脫硫裝置的控制方法 | |
Mortensen et al. | Optimization of boiler control to improve the load-following capability of power-plant units | |
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 | |
CN107402515A (zh) | 一种优化同步发电机励磁系统pid参数的方法 | |
Ahluwalia et al. | Dynamic modeling of a combined-cycle plant | |
Elshafei et al. | Boilers optimal control for maximum load change rate | |
WO2022210827A1 (ja) | 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 | |
Rastegarpour et al. | Hierarchical Nonlinear MPC for Large Buildings HVAC Optimization | |
Cai | A low cost multi-agent control approach for building energy system management | |
Prasad | On fusion of PCA and a physical model‐based predictive control strategy for efficient load‐cycling operation of a thermal power plant | |
Yakout et al. | Neural Network-Based Adaptive PID Controller Design for Over-Frequency Control in Microgrid Using Honey Badger Algorithm | |
Nakamura et al. | Optimal control of thermal power plants | |
CN106125781A (zh) | 一种基于LMIs的汽包水位控制系统设计方法 | |
Supriyadi et al. | Robust pitch controller design in hybrid wind-diesel power generation system | |
Śladewski et al. | Close loop optimisation of large CHP based on approximation model | |
Rao et al. | Load Frequency Control (LFC) of three area interconnected power system using adaptive neuro fuzzy interface system |