保守ツール及び制御装置の保守ツール
【課題】統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、高精度な統計モデルを構築して所望の制御効果を獲得可能な保守ツールを提供する。
【解決手段】本発明の保守ツールは、モデル構築データベース２２０に保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成した。
【解決手段】本発明の保守ツールは、モデル構築データベース２２０に保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成した。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、保守ツール及び制御装置の保守ツールに関するものである。
【背景技術】
【０００２】
プラントの制御装置は、制御対象であるプラントから得られる状態量の計測信号を処理し、制御対象に与える制御信号（操作信号）を算出して制御対象に伝達する。プラントの前記制御装置には、プラントの状態量の計測信号がその目標値を満足するように、操作信号を計算するアルゴリズムが実装される。
【０００３】
プラントの制御に用いられている制御アルゴリズムとして、ＰＩ（比例・積分）制御アルゴリズムがある。ＰＩ制御では、プラントの状態量の計測信号とその目標値との偏差に比例ゲインを乗じた値に、偏差を時間積分した値を加算して、制御対象に与える操作信号を導出する。
【０００４】
ＰＩ制御を用いた制御アルゴリズムは、ブロック線図などで入出力関係を記述することができるため、入力と出力の因果関係が分かりやすく、多くの適用実績がある。しかし、プラントの運転状態の変更や環境の変化など、事前に想定していない条件でプラントを運転する場合には、制御ロジックを変更するなどの作業が必要になる場合がある。
【０００５】
一方、プラントの運転状態や環境の変化に適応できる制御方式には、制御アルゴリズムやパラメータ値を自動的に修正する適応制御や学習アルゴリズムを用いた制御方式がある。
【０００６】
学習アルゴリズムを用いてプラントの制御装置の操作信号を導出する方法としては、プラントの計測データや数値解析を基に構築したデータを用いて、それらを統計的に処理してプラントの特性を推定する統計モデルを構築し、この統計モデルに対して最適な制御ロジックを自律学習させる手法が一般的である。
【０００７】
この自律学習させる手法を用いて得られた制御方式の性能は統計モデルの推定精度に依存する。即ち統計モデルの特性が実際のプラント特性に近づくほど、統計モデルに対する制御結果と同等の制御効果が得られる。そのため、学習アルゴリズムを用いた適応制御技術では、より高精度な統計モデルの構築が課題となる。
【０００８】
統計モデルの精度を向上させる技術として、特許文献１には、統計的手法の一つであるＲＢＦネットワークの基底関数の半径パラメータを、探索アルゴリズムを用いて最適化する技術が記載されている。
【０００９】
また、非特許文献１には、統計モデルをＲＢＦネットワークで構成し、その基底関数の半径パラメータをモデル構築用のデータ特性（データ数、次元、距離）を基に導出した計算式によって決定する技術が記載されている。
【００１０】
上記の公知技術では、モデル構築用データの特性に基づく半径の調整が実行されるため、無作為に半径を設定する場合に比べて、より実際のプラント特性に合致した統計モデルを構築できる。
【先行技術文献】
【特許文献】
【００１１】
【特許文献１】特開２００５−１１５６３９号公報
【非特許文献】
【００１２】
【非特許文献１】北山、安田、山崎：“ＲＢＦネットワークとＰａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎによる統合的最適化”、電気学会論文誌Ｃ、Ｖｏｌ．１２８、Ｎｏ．４、ｐｐ．６３６−６４５（２００８）．
【発明の概要】
【発明が解決しようとする課題】
【００１３】
特許文献１、及び非特許文献１に開示された技術をプラントの制御装置へ適用した場合、データに基づく統計モデルの半径パラメータ設定により、無作為に半径パラメータを設定する場合に比べて、推定精度を向上させることができる。
【００１４】
一方、プラント制御において、制御による操作条件の変更後、特性が安定するまでに数分から十数分の時間を要するため、この時間を制御周期として操作条件を変更することにより、最大限の効果を得ることが期待される。
【００１５】
したがって、前記統計モデルのパラメータ調整、及び学習アルゴリズムによる制御ロジックの学習は、この制御周期以内に終了することが望ましい。
【００１６】
ところが、特許文献１の技術をプラントの制御装置に適用する場合、特許文献１の技術のように最適化技術を用いた半径パラメータの調整手法では、データと統計モデルの推定結果との誤差を最小化するように半径パラメータを探索するため、探索回数に応じた反復誤差評価が必要となる。誤差評価の回数はデータ数に比例して増加するため、データサイズが大きい場合には計算コストが増加し、制御周期以内で統計モデルのパラメータ調整が終了しない可能性がある。
【００１７】
これに対して非特許文献１の技術では、予め導出した計算式を用いて統計モデルの半径パラメータを決定するため反復誤差評価は不要となり、計算コストは小さくなり制御周期以内で統計モデル調整を終了できる。また該技術では、統計モデル構築用のデータがある程度の等間隔に分布することを前提としており、全ての基底の半径パラメータは一様に設定される。
【００１８】
ところが、非特許文献１の技術をプラントの制御装置に適用する場合、プラントの運転制御では、性能保証値を満足するために最適な操作条件下で安定的に運転することが前提となるため、獲得されるモデル構築用のデータの分布は概ね最適条件に近い領域に集中することが想定され、また前記の性能保証値遵守の観点から、データを等間隔に分布させるための作為的な操作も許容されないことが多い。
【００１９】
さらに、モデル構築用のデータがある条件に集中して分布すると、一様に設定した半径パラメータでは、統計モデルの基底関数が入力空間を充分にカバーできず、推定精度が著しく低下してしまう可能性がある。
【００２０】
本発明の目的は、統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、そのデータの偏りの分布に応じて適切に統計モデルのパラメータを制御周期以内で調整して、推定精度を向上させる機能を具備した保守ツール及び制御装置の保守ツールを提供することにある。
【課題を解決するための手段】
【００２１】
本発明の保守ツールは、モデル構築データベースに保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成したことを特徴とする。
【００２２】
本発明の制御装置の保守ツールは、プラントから該プラントの状態量である計測信号を取り込み、前記計測信号を用いて前記プラントを制御する操作信号を演算する制御装置の保守ツールにおいて、前記制御装置は、前記プラントの状態量である計測信号を取り込んで保存する計測信号データベースと、前記計測信号データベースに保存されたプラントの計測データから変換したモデル構築データを保存するモデル構築データベースと、前記モデル構築データベースに保存されたモデル構築データを用いて前記プラントに制御信号を与えた時に該プラントの状態量である計測信号の値を推定するプラントの制御特性を模擬する統計モデルと、前記統計モデルを用いて前記計測信号に相当するモデル出力が目標値を達成するようにプラントに与える前記制御信号に相当するモデル入力の生成方法を学習する操作方法学習部と、前記操作方法学習部における学習の制約条件及び学習結果に関する学習情報データを保存する学習情報データベースと、前記計測信号データベースの計測信号、及び前記学習情報データベースの学習情報データを用いてプラントに対して送信される制御信号を演算する制御信号生成部と、前記モデル構築データベースに保存されるモデル構築データに含まれる統計モデルの基底半径パラメータを調整するモデル調整部を設けて、前記統計モデルが前記モデル調整部による基底半径パラメータの調整結果を用いてモデル出力を生成するように構成し、前記モデル構築データベースに保存されるモデル構築データには、モデル調整の反復回数の情報、及びデータの密集度を示す疎密度の情報が含まれるように構成し、前記保守ツールは、この制御装置とデータを送受信して前記制御装置による制御結果を表示するように構成して、前記モデル構築データベースに保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成したことを特徴とする。
【発明の効果】
【００２３】
本発明によれば、統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、そのデータの偏りの分布に応じて適切に統計モデルのパラメータを制御周期以内で調整して、推定精度を向上させる機能を具備した保守ツール及び制御装置の保守ツールを実現することができる。
【図面の簡単な説明】
【００２４】
【図１】本発明の第１実施例であるプラントの制御装置の構成を示すブロック図。
【図２】図１に記載した本発明の第１実施例によるプラントの制御装置における操作方法の学習時の動作フローを示すフローチャート。
【図３】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整部の構成を示すブロック図。
【図４】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル構築データに保存されるデータの態様を示す図。
【図５】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整の動作フローを示すフローチャート。
【図６】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整時のカテゴリ分割の概念を示す概略図。
【図７】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整メカニズムを説明する概要図。
【図８】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整時の基底疎密度分布変化の様子を示す概要図。
【図９】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整時のモデル推定値分布変化の様子を示す概要図。
【図１０】図１に記載した本発明の第１実施例によるプラントの制御装置において、モデル入出力を設定する際に画像表示装置に表示される画面の一例。
【図１１】図１に記載した本発明の第１実施例によるプラントの制御装置において、モデル調整条件を設定する際に画像表示装置に表示される画面の一例。
【図１２】図１に記載した本発明の第１実施例によるプラントの制御装置において、モデル調整結果を確認する際に画像表示装置に表示される画面の一例。
【図１３】本発明のプラントの制御装置が適用される第２実施例である火力発電プラントの構成を示す概略構成図。
【図１４】図１３に記載した第２実施例の火力発電プラントに備えられたエアーヒーターの構成を示す概略構造図。
【図１５】図１３に記載した本発明の第２実施例による火力発電プラントの制御装置において、モデル入出力を設定する際に画像表示装置に表示される画面の一例。
【発明を実施するための形態】
【００２５】
次に、本発明の保守ツールに係るプラントの制御装置及び火力発電プラントの制御装置の実施例について図面を参照して説明する。
【００２６】
本発明の保守ツールに係るプラントの制御装置及び火力発電プラントの制御装置の両者に共通した構成となるプラントの制御装置において、前記制御装置を構成するモデル調整部は、モデル構築データベースに保存された情報を用いてモデル構築用データのカテゴリ番号を決定するカテゴリ演算機能と、前記カテゴリ演算機能によって決定したカテゴリ情報を含むモデル構築データ情報を用いて統計モデルの半径パラメータを調整する半径調整機能のうち、少なくとも１つを備えることが望ましい。
【００２７】
また、モデル構築データベースに保存される情報には、各データのモデル入力空間における座標、半径パラメータ、データ疎密度、及びデータの属するカテゴリ番号のうち、少なくとも１つの情報が含まれることが望ましい。
【００２８】
また、カテゴリ演算機能は、各データの密集度を示す指標である疎密度を計算する機能と、外部入力装置より入力されたカテゴリ数情報を基に、モデル構築データの疎密度分布範囲をカテゴリ数で等分割した値を基準として各データのカテゴリ番号を決定する機能のうち、少なくとも１つを備えることが望ましい。
【００２９】
また、半径調整機能は、半径パラメータを調整する際に、モデル入力空間内で任意に決定した基準モデル入力に対してその疎密度を計算する機能と、計算した疎密度が外部入力装置より入力された閾値条件を満足しない場合に、基準モデル入力の最近傍に位置するデータのカテゴリを抽出し、そのカテゴリに属するデータの半径パラメータを調整する機能のうち、少なくとも１つを備えることが望ましい。
【００３０】
前記制御装置は画像表示装置と接続され、モデル構築データベースに保存された情報を画像表示装置に表示する機能と、モデル調整部で用いるモデル調整条件を、画像表示装置を介して設定する機能と、モデル調整部による統計モデルの調整結果を画像表示装置に表示する機能のうち、少なくとも１つを備えることが望ましい。
【００３１】
モデル調整の条件設定を、画像表示装置を介して入力する機能を備えることにより、プラントの運転員は、プラントの制御ニーズに応じて適切なモデル調整条件を設定できる。更に、モデル調整による疎密度の推移、並びにデータと推定結果の誤差の推移を画像表示装置に表示する機能を備えることにより、プラントの運転員は、所望のモデル推定精度をモデル調整により獲得できたかを確認し、獲得できない場合には再度モデル調整を実行することができる。
【００３２】
また、本発明の保守ツールに係る制御装置を火力発電プラントに適用する場合、火力発電プラントから取得する計測信号を用いて、火力発電プラントに与える制御信号を導出する制御信号生成部を備えた構成の火力発電プラントの制御装置となる。
【００３３】
これらの計測信号は、火力発電プラントから排出されるガスに含まれる窒素酸化物、一酸化炭素、及び硫化水素の夫々の濃度のうち少なくとも１つを表す信号を含む。また制御信号は、空気ダンパの開度、空気流量、燃料流量、排ガス再循環流量のうち少なくとも１つを決定する信号を含む。
【００３４】
前記制御装置は、火力発電プラントに制御信号を与えた時の、計測信号の値を推定する統計モデルと、前記統計モデルの構築に用いる、火力発電プラントの空気ダンパの開度、空気流量、燃料流量、排ガス再循環流量のうち少なくとも１つの情報を含むデータを保存するモデル構築データベースと、前記統計モデルを用いて、前記計測信号に相当するモデル出力が目標値を達成するように、前記制御信号に相当するモデル入力の生成方法を学習する操作方法学習部と、前記操作方法学習部における学習の制約条件及び学習結果に関する情報を保存する学習情報データベースと、前記モデル構築データベースに保存される情報に含まれる、統計モデルの半径パラメータを調整するモデル調整部とを備える。
【００３５】
また、前記制御装置は画像表示装置と接続され、モデル構築データベースに保存された情報を画像表示装置に表示する機能と、モデル調整部で用いるモデル調整条件を、画像表示装置を介して設定する機能と、モデル調整部による統計モデルの調整結果を画像表示装置に表示する機能のうち、少なくとも１つを備えることが望ましい。
【００３６】
本発明の保守ツールに係る制御装置を火力発電プラントの制御に適用した実施例では、火力発電プラントにおけるモデル入力に該当するバーナ、及びアフタエアポートの空気量に関する設定情報を、画像表示装置を介して入力する。
【００３７】
次に、本発明の実施例である保守ツールに係るプラントの制御装置及び火力発電プラントの制御装置について図面を参照して説明する。
【実施例１】
【００３８】
まず、本発明の第１実施例である保守ツールに係るプラントの制御装置について図面を参照して説明する。
【００３９】
図１は、本発明の第１実施例による保守ツールに係るプラントの制御装置のシステム構成図である。図１に示すように、制御対象のプラント１００は、制御装置２００によって制御される。
【００４０】
プラント１００を制御する制御装置２００は保守ツール９１０と接続されているので、プラント１００の運転員は、保守ツール９１０に接続された外部入力装置９００と画像表示装置（例えばＣＲＴディスプレイ）９２０とを介して、制御装置２００を制御することができる。
【００４１】
制御装置２００には、演算装置として、計測信号変換部３００、数値解析部４００、統計モデル５００、モデル調整部６００、制御信号生成部７００、及び操作方法学習部８００がそれぞれ備えられた構成となっている。
【００４２】
また制御装置２００には、データベース（ＤＢ）として、計測信号データベース２１０、モデル構築データベース２２０、学習情報データベース２３０、制御ロジックデータベース２４０、及び制御信号データベース２５０が設けられている。
【００４３】
また制御装置２００には、外部とのインターフェイスとして、外部入力インターフェイス２０１、及び外部出力インターフェイス２０２が設けられている。
【００４４】
そしてこの制御装置２００では、外部入力インターフェイス２０１を介して、プラント１００から該プラントの各種状態量を計測した計測信号１を制御装置２００の計測信号データベース２１０に取り込んでおり、また、制御装置２００の制御信号生成部７００から外部出力インターフェイス２０２を介して、制御対象のプラント１００に対して該プラントを制御する制御信号１５を、例えば供給する空気流量を制御する制御信号１６として出力するように構成されている。
【００４５】
この制御装置２００では、外部入力インターフェイス２０１を介して前記プラント１００から取り込んだプラント１００の状態量を計測した計測信号２は、計測信号データベース２１０に保存される。
【００４６】
また、制御装置２００に設けた制御信号生成部７００にて生成される制御信号１５は、制御装置２００に設けた制御信号データベース２５０に保存されると共に、外部出力インターフェイス２０２から前記プラント１００に対する操作信号１６として出力される。
【００４７】
制御装置２００に設けた計測信号変換部３００では、計測信号データベース２１０に保存された計測データ３をモデル構築データ４に変換する。このモデル構築データ４は、モデル構築データベース２２０に保存される。また、計測データ３に含まれる直前の制御結果として得られた運転条件は、制御装置２００に設けた制御信号生成部７００に入力される。
【００４８】
制御装置２００に設けた数値解析部４００では、プラント１００を模擬する物理モデルを用いて、プラント１００の特性を予測する。数値解析部４００で実行して得られた数値解析データ５は、モデル構築データベース２２０に保存される。
【００４９】
制御装置２００に設けたモデル調整部６００では、モデル構築データベース２２０から取り込んだモデル構築データ７に含まれるモデルパラメータ情報を更新（モデルを調整）し、更新後のモデル構築データ８をモデル構築データベース２２０に保存する。
【００５０】
制御装置２００に設けた操作方法学習部８００では、学習データ１２を生成し、学習情報データベース２３０に保存する。
【００５１】
制御装置２００に設けた統計モデル５００は、プラント１００の制御特性を模擬する機能を持つ。すなわち、操作信号１６をプラント１００に与え、その制御結果に対する計測信号１を得るのと同等の機能を模擬演算する。この模擬演算のために、統計モデル５００は、操作方法学習部８００より受けたモデル入力９と、モデル構築データベース２２０に保存されたモデル構築データ６とを使用する。
【００５２】
このモデル入力９は、操作信号１６に相当する。モデル入力９とモデル構築データ６とから、前記統計モデル５００では、基底関数を用いた統計的手法によりプラント１００の制御による特性変化を模擬演算して、モデル出力１０を得る。
【００５３】
統計モデル５００で得られたモデル出力１０は、プラント１００の計測信号１の予測値となる。尚、モデル入力９、モデル出力１０は共に、その数は１種類に限定されず、夫々複数種類用意することができる。
【００５４】
ここで、基底関数を用いた統計的手法とは、モデル入力を各成分とするベクトル空間上に、保有する統計データ（本発明ではモデル構築データ６に該当）情報に応じて基底関数を配置し、その線形結合によりプラント特性の模擬演算結果（モデル特性）を出力する手法である。
【００５５】
代表的な手法として、ニューラルネットワークの１手法である動径基底関数ネットワーク（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ Ｎｅｔｗｏｒｋ）が挙げられるが、本発明では統計モデルの構成に関してこれに限定せず、基底関数を用いる他の手法も用いることができる。基底関数は、一般的に放射状の関数（ガウス関数）が用いられ、その形状は放射の広がりを表す半径パラメータによって決定される。
【００５６】
制御装置２００に設けた制御信号生成部７００では、学習情報データベース２３０より出力された学習情報データ１３、及び制御ロジックデータベース２５０に保存された制御ロジックデータ１４を用いて、計測信号１が望ましい値となるように制御信号１５を生成する。
【００５７】
この制御ロジックデータベース２５０には、制御ロジックデータ１４を算出する制御回路、及び制御パラメータが保存される。この制御ロジックデータ１４を算出する制御回路には、従来技術として公知のＰＩ（比例・積分）制御を用いることができる。
【００５８】
操作方法学習部８００は、学習情報データベース２３０に保存された学習の制約条件及び学習のパラメータ設定条件等を含む学習情報データ１１を用いて、モデル入力９の操作方法を学習する。学習結果である学習データ１２は、学習情報データベース２３０に保存される。
【００５９】
このように、制御装置２００の動作において、モデル構築データベース２２０に保存されるモデル構築データ７に含まれるモデルパラメータ情報をモデル調整部６００において調整するメカニズムを具備することにより、モデル構築データ７の特性に応じた適切なモデルパラメータが提供されるため、統計モデル５００におけるプラント特性の推定精度を向上できる。
【００６０】
また、かかるモデル調整はデータの密度分布を基準として定式化されたアルゴリズムに従って実行されるため、特許文献１に記載したような試行錯誤的な半径パラメータの決定手段に比べモデル調整に要する時間を短縮できる。
【００６１】
尚、制御装置２００に設置した統計モデル５００、モデル調整部６００、及び操作方法学習部８００の詳細な機能については、後述する。
【００６２】
また、操作方法学習部８００から学習情報データベース２３０に保存される学習データ１２には、操作前後のモデル入力、及びその操作の結果得られるモデル出力に関する情報が含まれている。
【００６３】
学習情報データベース２３０では、現在の運転条件に対応する学習データ１２が選択され、学習情報データ１３として制御信号生成部７００に入力される。
【００６４】
プラント１００の運転員は、キーボード９０１とマウス９０２で構成される外部入力装置９００、制御装置２００とデータを送受信できる保守ツール９１０、及び画像表示装置９２０を用いることにより、制御装置２００に備えられている種々のデータベースに保存された情報にアクセスすることができる。
【００６５】
また、これらの装置を用いることにより、制御装置２００の数値解析部４００、統計モデル５００、モデル調整部６００、及び操作方法学習部８００で用いるパラメータ設定値、学習の制約条件、及び得られた学習結果の確認に必要な設定情報を入力することができる。
【００６６】
保守ツール９１０は、外部入力インターフェイス９１１、データ送受信処理部９１２、及び外部出力インターフェイス９１３で構成され、データ送受信処理部９１２を介して制御装置２００とデータを送受信できる。
【００６７】
外部入力装置９００で生成した保守ツール入力信号９１は、外部入力インターフェイス９１１を介して保守ツール９１０に取り込まれる。保守ツール９１０のデータ送受信処理部９１２では、保守ツール入力信号９２の情報に従って、制御装置２００から入出力データ情報９０を取得する。
【００６８】
また、データ送受信処理部９１２では、保守ツール入力信号９２の情報に従って、制御装置２００の数値解析部４００、統計モデル５００、モデル調整部６００、及び操作方法学習部８００で用いるパラメータ設定値、学習の制約条件、及び得られた学習結果の視認に必要な設定情報を含む入出力データ情報９０を出力する。
【００６９】
データ送受信処理部９１２では、入出力データ情報９０を処理した結果得られる保守ツール出力信号９３を、外部出力インターフェイス９１３に送信する。外部出力インターフェイス９１３から送信された保守ツール出力信号９４は、画像表示装置９２０に表示される。
【００７０】
尚、上記の制御装置２００では、計測信号データベース２１０、モデル構築データベース２２０、学習情報データベース２３００、制御ロジックデータベース２４０、及び制御信号データベース２５０が制御装置２００の内部に配置されるが、これらの全て、あるいは一部を制御装置２００の外部に配置することもできる。
【００７１】
また、数値解析部４００が制御装置２００の内部に配置されるが、これを制御装置２００の外部に配置することもできる。
【００７２】
例えば、数値解析部４００、及びモデル構築データベース２２０を制御装置２００の外部に配置し、数値解析データ５をインターネット経由で制御装置２００に送信するようにしてもよい。
【００７３】
図２は、図１に示した第１実施例であるプラントの制御装置における制御の手順を示すフローチャート図である。
【００７４】
図２では、第１実施例のプラントの制御装置２００に設置されたモデル調整部６００による統計モデル５００の調整、及び操作方法学習部８００による操作方法の学習時の動作を表すフローチャートを示している。
【００７５】
図２に示したフローチャートは、ステップ１０００、１１００、１２００、１３００、１４００、１５００、１６００、１７００、１８００、１９００、２０００、２１００、及び２２００を組み合わせて実行する。以下では、夫々のステップについて説明する。
【００７６】
制御装置２００の動作開始後、まず最初に、モデル構築条件・学習条件を設定するステップ１０００では、モデル構築時の実行条件、学習時の最大学習回数、最大操作回数、制約条件等、種々のパラメータ値を設定する。
【００７７】
次に、統計モデルの半径を調節するステップ１１００では、制御装置２００のモデル調整部６００を動作させ、モデル構築データ７に含まれるモデルパラメータを更新する。ここで、前記モデルパラメータは、各データの基底半径情報、中心疎密度情報、およびカテゴリ番号情報を含む。尚、モデル調整部６００の詳細な機能及び動作については、後述する。
【００７８】
次に、統計モデルのパラメータを学習するステップ１２００では、制御装置２００の統計モデル５００を動作させ、統計モデル５００の推定値算出に用いるパラメータを学習する。学習の具体的手段については、公知の一般的に使われている種々の方式を用いることができる。
【００７９】
次に、学習回数ｋを初期化（ｋ＝１）するステップ１３００では、ステップ１４００〜２１００の繰り返し回数を示す値である学習回数ｋを初期化（ｋ＝１に設定）する。
【００８０】
次に、モデル入力の初期値を決定するステップ１４００では、学習を開始する際のモデル入力９の初期値を設定する。モデル入力９の初期値としては、予め設定された操作可能範囲内の任意の値を選ぶことができる。すなわち、この操作可能範囲内であれば、初期条件として任意の状態が選択可能である。尚、モデル入力９は、通常連続値ベクトルとして表現されるが、離散値ベクトルを用いてもよい。
【００８１】
次に、操作回数ｏを初期化（ｏ＝１）するステップ１５００では、ステップ１６００〜２０００の繰り返し回数である操作回数ｏを初期化（ｏ＝１に設定）する。
【００８２】
次に、モデル入力を更新するステップ１６００では、決定したモデル入力９の操作量を用いてモデル入力９を更新する。
【００８３】
次に、統計モデルの基底関数値を計算するステップ１７００では、更新したモデル入力９を統計モデル５００へ入力し、統計モデル５００の各基底関数値を計算する。
【００８４】
次に、モデル出力を計算するステップ１８００では、前記ステップ１２００で求めた統計モデル５００のパラメータ、及び前記ステップ１７００で求めた統計モデル５００の基底関数値から、統計モデル５００の演算結果であるモデル出力１０を計算する。
【００８５】
次に、操作方法を学習するステップ１９００では、操作方法学習部８００を動作させ、統計モデル５００で計算したモデル出力１０の値を基に、制御装置２００の操作方法学習部８００を動作させて、強化学習理論等の学習アルゴリズムを用いて、モデル入力９の操作方法を学習する。
【００８６】
次の、操作回数ｏが最大値以上に達したかを判断するステップ２０００は分岐である。操作回数ｏがステップ１０００で設定した最大操作回数よりも小さい場合は、ｏに１を加算した後にステップ１６００に戻り、ｏが最大操作回数に達している場合は、ステップ２１００に進む。
【００８７】
次の、学習回数ｋが最大値以上に達したかを判断するステップ２１００も分岐である。学習回数ｋがステップ１０００で設定した最大学習回数よりも小さい場合には、ｋに１を加算した後にステップ１４００に戻り、ｋが最大学習回数に達している場合は、ステップ２２００に進む。
【００８８】
そして最後の、学習結果を学習情報データベースに保存するステップ２２００では、操作方法の学習結果を学習情報データベース２３０に保存し、操作方法学習部８００における操作方法の学習の動作を終了させるステップに進む。
【００８９】
以上の動作によって、モデル調整及び操作方法の学習では、プラント１００の運転員が設定したモデル調整条件、及び学習条件に基づき、モデル構築データ７に含まれるモデルパラメータ情報を更新し、また任意のモデル入力条件から望ましいモデル出力が得られる入力条件へ到達する操作方法を自律的に獲得できる。
【００９０】
次に、前記制御装置２００におけるモデル調整部６００の動作について、図３を用いて詳細に説明する。図３は、モデル調整部６００の動作を説明する図であり、図１に示した制御装置２００において、モデル調整部６００、及びモデル構築データベース２２０を含む部分を詳細に示したものである。
【００９１】
前記モデル調整部６００は、カテゴリ演算機能部６０１、及び半径調整機能部６０２で構成される。カテゴリ演算機能部６０１は、モデル構築データベース２２０に保存されたモデル構築データ７を用いて、各モデル構築データの密度、及び各データに配置された基底の入力空間に対する被覆率を示すパラメータである疎密度、及び疎密度を基準としてデータを分類した結果決定されるカテゴリ番号を計算し、それらを更新したモデル構築データ８をモデル構築データベース２２０へ保存する。
【００９２】
半径調整機能部６０２は、前記カテゴリ演算機能部６０１によって更新されたモデル構築データ７を用いて、それに含まれる疎密度、及びカテゴリ情報に基づいて各モデル構築データの基底半径情報を更新し、更新後のモデル構築データ８をモデル構築データベース２２０へ保存する。以上の動作は図２のフローチャートにおける統計モデルの半径を調節するステップ１１００に相当する。
【００９３】
図４に、前記モデル構築データベース２２０に保存されるデータの態様の一例を示す。
【００９４】
図４に示されたモデル構築データベース２２０に保存されたデータおいて、データＩＤ２２１は各モデル構築データの識別番号である。データ座標２２２はそのデータの入力空間における座標情報であり、同時にそのデータに対して配置される統計の基底関数の中心パラメータを意味する。
【００９５】
基底半径２２３は、各データに対して配置される基底の広がりを示すパラメータである。疎密度２２４はデータの密度分布、及び入力空間に配置されている基底による、該データ座標における基底関数の被覆率を示すパラメータである。
【００９６】
カテゴリ番号２２５は疎密度に基づき決定されるパラメータであり、疎密度２２４が特定の範囲に入るデータは同一のカテゴリとなり、同じカテゴリ番号が与えられる。尚、カテゴリ番号２２５はモデル構築データベース２２０に保存されるデータ数が更新される際に決定され、次にモデル構築データベース２２０が更新されるまで更新しない。
【００９７】
以下では、前記制御装置２００に設けたモデル調整部６００におけるカテゴリ演算機能部６０１、及び半径調整機能部６０２によるモデル調整のアルゴリズムについて、そのフローチャート（図５）及び概念図（図６、及び図７）を参照しながら説明する。
【００９８】
図５は、前記モデル調整部６００によるモデル調整のアルゴリズム動作を示すフローチャートであり、図２のフローチャートにおける統計モデルの半径を調節するステップ１１００に相当する。
【００９９】
図５に示したフローチャートは、ステップ１１０１、１１０２、１１０３、１１０４、１１０５、１１０６、１１０７、１１０８、１１０９、１１１０、１１１１、及び１１１２を組み合わせて実行する。以下では、夫々のステップについて説明する。
【０１００】
モデル調整のアルゴリズム開始後、まず最初に、モデル調整条件および基底半径を初期化するステップ１１０１では、モデル調整部６００を動作させて、モデル調整時の最大反復回数、カテゴリ数、疎密度判定閾値、及び基底半径等の種々のパラメータ値を初期化する。
【０１０１】
尚、後述のカテゴリ計算時に用いるため、全てのデータの基底半径は０より大きい同一の値に初期化する。また半径値は、例えばモデル入力空間の最大距離の５〜１０％程度の小さい値に設定するのが望ましい。
【０１０２】
次に、モデル調整の反復回数ｍを初期化（ｍ＝１）するステップ１１０２では、ステップ１１０６〜１１１１の繰り返し回数である反復回数ｍを初期化（ｍ＝１に設定）する。
【０１０３】
次に、各データの疎密度を計算するステップ１１０３では、モデル調整部６００のカテゴリ演算機能部６０１を動作させ、各モデル構築データの疎密度ρｉを数式（１）に従って計算する。
【０１０４】
【数１】
【０１０５】
数式（１）において、ｉ、ｊはデータの添え字、Ｉはデータ総数、ｃｉ、ｃｊは夫々データｉ、ｊの座標ベクトル、ｒｉはデータｉの基底半径である。また、数式（１）中のΣの中身の指数関数は統計モデル５００の基底関数を表す。数式（１）が示すように、疎密度はデータの基底中心に対する全ての基底関数値の平均値、即ち基底関数によるデータ座標上の被覆率となる。
【０１０６】
即ち、データ間の距離が小さい（データが密集している）領域のデータに対しては疎密度が大きくなり、データ間の距離が大きい（データが疎である）領域のデータに対しては小さくなる。このように疎密度を定義することにより、データの疎密分布及び被覆率をスカラ量として扱うことが可能となる。
【０１０７】
次に、各データのカテゴリを決定するステップ１１０４では、前記各データの疎密度を計算するステップ１１０３で計算した各データの疎密度情報を基に各データが属するカテゴリ番号を決定する。前記カテゴリ番号は、前記モデル調整条件および基底半径を初期化するステップ１１０１において設定されたカテゴリ数、および各データの疎密度の最大値ρｍａｘ、及び最小値ρｍｉｎを用いて数式（２）に従って計算されるカテゴリ境界条件ρＬｎを基に決定される。数式（２）において、Ｎはカテゴリ数、ｎはカテゴリ数の添え字を意味する。
【０１０８】
【数２】
【０１０９】
以上の定義に基づくカテゴリ番号決定方法を、図６を用いて説明する。
【０１１０】
図６は、疎密度の分布を示す概念図であり、横軸はモデル構築データＩＤ、縦軸は疎密度を表す。図６に示すように、各データの疎密度最大値ρｍａｘと最小値ρｍｉｎの差をカテゴリ数Ｎで等分した範囲が各カテゴリの領域となり、その領域は数式（２）によって計算されるカテゴリ境界条件ρＬｎによって定義される。即ち、カテゴリｎには疎密度がρＬｎからρＬｎ＋１の範囲を取るデータが分類される。（但し、カテゴリＮの疎密度の範囲はρＬＮからρｍａｘとなる。）後述の半径調整手法では、同一のカテゴリ番号を有するデータの基底半径の値は一様となるように調整される。カテゴリ数が多い場合には調整する基底半径のパラメータ数が多くなり、精緻な基底半径の調整が可能となるため、より大きな推定精度の改善が期待できるが、その分計算コストが高くなるのに対し、カテゴリ数が少ない場合は推定精度の改善は小さいかわりに計算コストが低くなる。プラントの運転員は、精度及び時間に関するニーズに応じて任意にカテゴリ数を設定することができる。
【０１１１】
次に、疎密度・カテゴリ情報をデータベースに保存するステップ１１０５では、計算した疎密度、及びカテゴリ番号情報を用いて更新したモデル構築データ８をモデル構築データベース２２０へ保存する。
【０１１２】
以降のステップ１１０６〜ステップ１１１１では、前記モデル調整部６００の半径調整機能部６０２を動作させ、決定したカテゴリ情報を基にデータの基底半径を調整する。ここで、具体的な調整アルゴリズムについて、図７を用いて説明する。
【０１１３】
図７は、前記モデル調整部６００の半径調整機能部６０２におけるデータの基底半径の調整を説明する概要図であり、モデル入力数を２とした場合に、モデル入力空間上に、モデル構築データベース２２０に保存されるモデル構築データ７をプロットしたものである。各モデル入力は［０，１］の範囲を取り、各データには基底半径の値に応じた同心円、及び各データが属するカテゴリ番号が示されている。
【０１１４】
図７の上図及び下図に示しているように、同一のカテゴリ番号を持つデータの基底半径は等しい。基底半径の調整は、まずモデル入力空間上に基底半径調整の基準となるモデル入力ｘｍを決定する。そして、そのモデル入力に対する疎密度が閾値条件を満足しない場合に、そのモデル入力の最近傍に位置するデータを抽出し、そのデータと同じカテゴリに属するデータの基底半径を調整する。
【０１１５】
図７の下図では、モデル入力ｘｍに対して最近傍となるデータのカテゴリ番号２が選択され、同一のカテゴリ番号を持つデータの基底半径が調整（拡大）された場合を示している。以上の処理を一定回数反復することにより、モデル入力空間を必要充分にカバーできる基底半径パラメータを得ることができる。以下では、各ステップの詳細について説明する。
【０１１６】
次に、モデル入力条件を決定するステップ１１０６では、基底半径調整時に基準となるモデル入力ｘｍを決定する。モデル入力条件としては、操作可能範囲内の任意の値を選ぶことができる。
【０１１７】
次に、モデル入力に対する疎密度を計算するステップ１１０７では、決定したモデル入力ｘｍに対して、数式（３）に従ってｘｍの疎密度ρｍを計算する。
【０１１８】
【数３】
【０１１９】
次に、疎密度が閾値条件を満足するかを判断するステップ１１０８は分岐である。計算した疎密度ρｍが予め設定した閾値条件（上下限値以内）を満足するかどうかを判定する。そして閾値条件を満足する場合は該モデル入力ｘｍに関して、調整対象となる基底半径は存在しないと見なし、ステップ１１１１に進み、閾値条件を満足しない場合は、基底半径を調整するためのステップであるステップ１１０９に進む。
【０１２０】
次に、モデル入力の最新傍データが属するカテゴリを決定するステップ１１０９では、該モデル入力ｘｍに対して最も距離が小さい（最近傍となる）データ、及びそのデータが属するカテゴリ番号を決定する。
【０１２１】
次に、最新傍データに属する基底半径を調節するステップ１１１０では、前記モデル入力の最新傍データが属するカテゴリを決定するステップ１１０９において決定された最近傍データが属するカテゴリ番号と同一のカテゴリ番号を有するデータに関して、その基底半径を調整する。
【０１２２】
基底半径の調整は、疎密度ρｍが閾値条件の下限値を下回る場合には基底のカバーする領域を広げて疎密度を増加させるために基底半径を大きくし、上限値を上回る場合には基底のカバーする領域を縮小して疎密度を低減させるために基底半径を小さくする方針に従って実行する。
【０１２３】
このように、任意のモデル入力条件に対する疎密度が閾値を満足するように基底半径を調整することにより、密領域における基底の競合による推定値の過大評価、及び疎領域において基底の被覆率が充分に確保できないことによる過小評価の影響を減少させ、モデル推定精度を向上させることができる。
【０１２４】
次に、ｍが最大値以上に達したかを判断するステップ１１１１は分岐である。反復回数ｍがモデル調整条件および基底半径を初期化するステップ１１０１で設定した最大反復回数よりも小さい場合は、ｍに１を加算した後にモデル入力条件を決定するステップ１１０６に戻り、ｍが最大操作回数に達している場合は、ステップ１１１２に進む。
【０１２５】
最後に、基底半径情報をデータベースに保存するステップ１１１２では、調整した基底半径情報を用いてモデル構築データ８を更新してモデル構築データベース２２０に保存し、モデル調整部６００の動作を終了させるステップに進む。
【０１２６】
以上に説明した制御装置２００のモデル調整部６００によるモデル調整のアルゴリズムの効果について、図８及び９を用いて説明する。
【０１２７】
図８は図７で示したものと同様のモデル入力空間及びデータ構成における疎密度分布のコンタ図であり、図８の上図が基底半径を一様の値（０．１）に設定した場合のコンタ図、図８の下図がモデル調整アルゴリズムによる半径調整後のコンタ図である。
【０１２８】
また図９は、図８に示した２ケースの基底半径値に対するモデル出力分布のコンタ図である。図８及び図９の両図において、図７と同様に基底半径の同心円、及び各データのカテゴリ番号を示している。
【０１２９】
図８、図９の上図に示すように、基底半径を一様に設定した場合、入力空間上を基底関数が充分にカバーできないため、疎密度、モデル出力いずれも基底半径の同心円の内部のみで値が大きくなっている。
【０１３０】
この結果、データ分布が疎な領域での推定精度が低下し、前記制御装置２００の操作方法学習部８００による学習を行った場合でも、所望の制御性能が得られない可能性がある。
【０１３１】
一方、前記制御装置２００のモデル調整部６００によって基底半径を調整した場合は、基底関数によって入力空間を充分カバーすることができるため、図８、図９に示すように基底の被覆率が向上することで入力空間内のほぼ全域で疎密度が増加している。そして、モデル出力値はデータ分布が疎な領域でもデータの特性に応じた値となり推定精度が向上する。
【０１３２】
以上の説明から明らかなように、前記制御装置２００のモデル調整部６００では、モデル構築データの疎密度情報に基づき、入力空間内を必要充分にカバーできるように基底半径を調整する。この結果、基底が過重にカバーする領域や被覆率が低下する領域をなくし、モデル推定精度向上に寄与できる。
【０１３３】
また、疎密度を手掛かりに一定の方針に従って基底半径を調整するため試行錯誤的な探索処理を排除でき、試行錯誤的な半径調整手段に比べて計算コストを低減できる。以上で、モデル調整機能６００の詳細な動作の説明を終了する。
【０１３４】
次に、第１実施例であるプラントの制御装置において、制御装置２００とデータを送受信できる保守ツール９１０の外部出力インターフェイス９１３から送信された保守ツール出力信号９４を表示する画像表示装置９２０にて表示される画面について、図１０、１１、１２、１３及び１４を用いて説明する。図１０〜１４は、画像表示装置９２０に表示される画面の一具体例である。
【０１３５】
図１０は第１実施例であるプラントの制御装置において、モデル入出力を設定する際に画像表示装置に表示される画面例であり、第１実施例のプラントの制御装置における制御の手順を示す図２のフローチャートにおけるモデル構築条件・学習条件を設定するステップ１０００のモデル構築条件設定画面の一例である。
【０１３６】
この図１０に示したモデル入出力設定の画面では、プラントの計測データ情報に基づく入出力項目から、任意の項目を選択して制御装置２００における統計モデル５００のモデル入出力を設定することができる。
【０１３７】
図１０に示す画面が前記画像表示装置９２０に表示された状態で、外部入力装置９００のマウス９０２を操作して画面上の数値ボックスにフォーカスを移し、キーボード９０１を用いることで数値を入力できる。また、マウス９０２を操作して画面上のボタンをクリックすることで、ボタンを選択する（押す）ことができる。同様に、マウス９０２を操作して画面上のチェックボックスをクリックすることで、チェックを入れることができる。
【０１３８】
図１０に示した画面では、まず、モデル入力設定において、入力項目リスト３０００に表示された入力項目に対し、任意の項目にマウス９０２のフォーカスを移し、ボタンを選択することにより選択バー３００１を選択した入力項目に一致させることができる。そして、ボタン３００２を選択することで、選択した入力項目をモデル入力項目リスト３００３に追加できる。
【０１３９】
さらに、数値ボックス３００４、及び３００５の夫々にフォーカスを移して数値を入力することで、追加したモデル入力項目に対して、その最小値及び最大値を設定できる。既に追加したモデル入力項目リストから項目を削除する場合は、削除したい項目をマウス９０２により選択し、ボタン３００６を選択することでリストから削除できる。
【０１４０】
図１０に示した画面では、次に、モデル出力設定において、同様に出力項目リスト３００７に表示された出力項目に対し、任意の項目にマウス９０２のフォーカスを移し、ボタンを選択することにより選択バー３００８を選択した出力項目に一致させることができる。そして、ボタン３００９を選択することで、選択した出力項目をモデル出力項目リスト３０１０に追加できる。
【０１４１】
既に追加したモデル出力項目リストから項目を削除する場合は、削除したい項目をマウス９０２により選択し、ボタン３０１１を選択することでリストから削除できる。
【０１４２】
以上のモデル入出力設定の終了後、ボタン３０１２を選択すると図１１に示すモデル調整条件設定画面に移る。
【０１４３】
図１１は第１実施例であるプラントの制御装置において、モデル調整条件を設定する際に画像表示装置に表示される画面例であり、この図１１に示したモデル調整条件設定の画面では、数値ボックス３１００、３１０１、３１０２、３１０３、及び３１０４の夫々にフォーカスを移して数値を入力することで、図５のフローチャートにおけるモデル調整の反復回数ｍの最大値であるモデル調整反復回数、前記ステップ１１０４において用いられるカテゴリ数、前記ステップ１１０８において用いられる疎密度閾値の最小値、及び最大値、並びにモデル調整結果の評価に用いる推定誤差目標値を決定することができる。
【０１４４】
以上のモデル調整条件設定の終了後、ボタン３１０５を選択することで、モデル調整を開始することができる。また、ボタン３１０６を選択するとモデル入出力設定画面に戻る。
【０１４５】
図１２は第１実施例であるプラントの制御装置において、モデル調整結果を確認する際に画像表示装置に表示される画面であり、第１実施例のプラントの制御装置における制御の手順を示す図２のフローチャートにおけるステップ１１００のモデル調整終了後の調整結果評価時に用いる画面の一例である。
【０１４６】
この図１２に示したモデル調整結果表示の画面では、疎密度平均推移表示画面３２００として、モデル調整の反復回数ｍに対する疎密度の推移がグラフ３２０１で表示される。
【０１４７】
ここで、グラフの横軸はモデル調整の反復回数ｍであり、縦軸は各反復回数における疎密度ρｍの移動平均となる。また、この疎密度平均推移表示画面３２００には図１１のモデル調整条件設定画面において設定した疎密度閾値の最小値３２０２、及び最大値３２０３が表示される。
【０１４８】
また、図１２に示したモデル調整結果表示の画面では、モデル推定誤差推移表示画面３２０４として、モデル調整の反復回数ｍに対するモデル推定誤差の推移がグラフ３２０５で表示される。ここで、グラフの横軸はモデル調整の反復回数ｍであり、縦軸は各反復回数におけるモデル評価用データとモデル推定値の誤差となる。また、このモデル推定誤差推移表示画面３２０４には図１１のモデル調整条件設定画面において設定した推定誤差目標値３２０６が表示される。
【０１４９】
プラントの運転員は、図１２に示した疎密度平均推移表示画面３２００、及びモデル推定誤差推移表示画面３２０４に表示されるモデル調整結果を見ながら、モデル調整が適切に実行されているかどうかを判断することができる。
【０１５０】
前記疎密度平均推移表示画面３２００において、モデル調整終盤における疎密度３２０１が、疎密度閾値の最小値３２０２と最大値３２０３の間を推移している場合、且つ前期モデル推定誤差推移表示画面３２０４において、モデル調整終盤におけるモデル推定誤差３２０５が、推定誤差目標値３２０６を下回っている場合には、望ましいモデル調整結果が得られたとしてボタン３２０７を選択することでモデル調整を終了することができる。
【０１５１】
一方で、モデル調整結果が前記の条件のいずれかを満足しない場合は、ボタン３２０８を選択することで図１１のモデル調整条件設定画面に戻り、モデル調整を再実行できる。
【０１５２】
このように、第１実施例のプラントの制御装置においては、図１２に示したモデル調整結果表示画面に表示される情報に応じてモデル調整の終了の可否を決定できる機能を有することにより、所望の統計モデル性能が得られるまでモデル調整を繰り返すことが可能となる。その結果、モデル構築データの構成によらず一定以上の推定精度を保証するロバストな統計モデルを構築できる。
【０１５３】
また、モデル調整の反復回数を予め少なく設定しておくことにより、モデル調整において冗長な計算コストを削減できるため、従来想定していたよりもモデル調整に要する時間を短縮できる。そのためプラントを操作する回数を増加させ、より高い制御効果を得ることができる。
【０１５４】
上記した本実施例のプラントの制御装置では、前記モデル調整部により適切に調整された半径パラメータを用いることにより、統計モデルの推定精度を向上させることができる。また、かかる半径パラメータの調整において、データと推定値の誤差評価の反復処理を必要としないため、計算コストを小さくでき、制御周期以内で調整を終了させることができる。
【０１５５】
以上で、第１実施例であるプラントの制御装置における画像表示装置９２０に表示される画面についての説明を終了する。
【０１５６】
本実施例によれば、統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、そのデータの偏りの分布に応じて適切に統計モデルのパラメータを制御周期以内で調整して、推定精度を向上させる機能を具備した保守ツール及び制御装置の保守ツールを実現することができる。
【実施例２】
【０１５７】
次に、本発明の保守ツールに係わる制御装置２００を、火力発電プラントに適用した第２実施例である火力発電プラントの制御装置について説明する。
【０１５８】
尚、火力発電プラント以外のプラントを制御する際にも、本発明に係わる制御装置２００を使用できることは言うまでもない。
【０１５９】
図１３は、本発明に係わる制御装置２００が適用される火力発電プラント１００ａの構成を示す概略図である。先ず、火力発電プラント１００ａによる発電の仕組みについて簡単に説明する。
【０１６０】
図１３において、火力発電プラント１００ａを構成するボイラ１０１には、ミル１１０で石炭を細かく粉砕した燃料である微粉炭と、微粉炭搬送用の１次空気及び燃焼調整用の２次空気とを供給する複数のバーナ１０２が設けられており、このバーナ１０２を通じて供給した微粉炭を、ボイラ１０１の内部で燃焼させる。尚、微粉炭と１次空気は配管１３４から、２次空気は配管１４１から夫々バーナ１０２に導かれる。
【０１６１】
また、ボイラ１０１には、２段燃焼用の空気をボイラ１０１に投入するアフタエアポート１０３が設けられている。２段燃焼用の空気は、配管１４２からアフタエアポート１０３に導かれる。
【０１６２】
ボイラ１０１の内部で微粉炭を燃焼することによって発生した高温の燃焼ガスは、ボイラ１０１の内部の経路に沿って下流側に流下して、ボイラ１０１の内部に配置された熱交換器１０６で給水と熱交換して蒸気を発生させた後に、排ガスとなってボイラ１０１の下流側に設置されたエアーヒーター１０４に流入し、このエアーヒーター１０４で熱交換してボイラ１０１に供給する空気を昇温する。
【０１６３】
そして、このエアーヒーター１０４を通過した排ガスは、図示していない排ガス処理を施した後に、煙突から大気に放出される。
【０１６４】
ボイラ１０１の熱交換器１０６を循環する給水は、給水ポンプ１０５を介して熱交換器１０６に供給され、熱交換器１０６においてボイラ１０１を流下する燃焼ガスによって過熱され、高温高圧の蒸気となる。尚、本実施例では熱交換器の数を１つとしているが、熱交換器を複数配置するようにしてもよい。
【０１６５】
熱交換器１０６で発生した高温高圧の蒸気は、タービンガバナ１０７を介して蒸気タービン１０８に導かれ、蒸気の持つエネルギーによって蒸気タービン１０８を駆動して発電機１０９で発電する。
【０１６６】
上記第２実施例の火力発電プラント１００ａには、火力発電プラントの運転状態を示す状態量を検出する様々な計測器が配置されている。
【０１６７】
前記火力発電プラント１００ａは図１のプラント１００に該当しているので、これらの計測器から取得された火力発電プラントの計測信号は、図１に示すようにプラント１００から計測信号１として制御装置２００の外部入力インターフェイス２０１に送信される。
【０１６８】
計測器としては、例えば図１３の火力発電プラント１００ａに示すように、熱交換器１０６から蒸気タービン１０８に供給される高温高圧の蒸気の温度を計測する温度計測器１５１、蒸気の圧力を計測する圧力計測器１５２、発電機９で発電される電力量を計測する発電出力計測器１５３が図示されている。
【０１６９】
蒸気タービン１０８の復水器（図示せず）によって蒸気を冷却して生じた給水は、給水ポンプ１０５によってボイラ１０１の熱交換器１０６に供給されるが、この給水の流量は流量計測器１５０によって計測されている。
【０１７０】
また、ボイラ１０１から排出する燃焼ガスである排ガス中に含まれている成分（窒素酸化物（ＮＯｘ）、一酸化炭素（ＣＯ）、及び硫化水素（Ｈ２Ｓ）など）の濃度に関する状態量の計測信号は、ボイラ１０１の下流側に設けた濃度計測器１５４によって計測される。
【０１７１】
即ち、本発明の制御装置２００を上記火力発電プラント１００ａに適用した第２実施例の火力発電プラントの制御装置において、計測器で計測される火力発電プラント１００ａの計測データ項目には、上記各計測器によって計測した火力発電プラント１００ａの状態量であるボイラ１０１に供給される燃料流量、ボイラ１０１に供給される空気流量、ボイラ１０１の熱交換器１０６に供給される給水流量、ボイラ１０１の熱交換器１０６で発生して蒸気タービン１０８に供給される蒸気温度、ボイラ１０１の熱交換器１０６に供給される給水の給水圧力、ボイラ１０１から排出される排ガスのガス温度、前記排ガスのガス濃度、及びボイラ１０１から排出される排ガスの一部をボイラ１０１に再循環させる排ガス再循環流量等が含まれる。
【０１７２】
これらの計測データ項目は、図１で示した制御装置２００における制御信号生成部７００で演算して出力された制御信号１５によって決定される計測データ項目である。
【０１７３】
尚、一般的には図１３に図示した以外にも多数の計測器が火力発電プラント１００ａに配置されるが、ここでは図示を省略する。
【０１７４】
次に、ボイラ１０１の内部に投入される空気の経路、すなわちバーナ１０２からボイラ１０１の内部に投入される１次空気と２次空気の経路、及びアフタエアポート１０３からボイラ１０１の内部に投入される空気の経路について図１３を用いて説明する。
【０１７５】
図１３に示したボイラ１０１において、１次空気は、ファン１２０から配管１３０に導かれ、途中でボイラ１０１の下流側に設置されたエアーヒーター１０４を通過する配管１３２と、エアーヒーター１０４を通過せずにバイパスする配管１３１とに分岐するが、エアーヒーター１０４の下流側に配設した配管１３３となって再び合流し、バーナ１０２の上流側に設置された微粉炭を製造するミル１１０に導かれる。
【０１７６】
エアーヒーター１０４を通過する１次空気は、ボイラ１０１を流下する燃焼ガスと熱交換することによって加熱される。この加熱された１次空気と共に、エアーヒーター１０４をバイパスした１次空気は、ミル１１０において粉砕した微分炭をバーナ１０２に搬送する。
【０１７７】
ファン１２１を用いて配管１４０から投入された空気は、エアーヒーター１０４で同様にして加熱された後に、２次空気用の配管１４１とアフタエアポート用の配管１４２とに分岐して、夫々、ボイラ１０１のバーナ１０２とアフタエアポート１０３とに導かれる。
【０１７８】
第２実施例である火力発電プラントの制御装置においては、ファン１２１から送られてバーナ１０２とアフタエアポート１０３からボイラ１０１の内部へ投入される空気流量を制御する例として、２次空気用の配管１４１とアフタエアポート用の配管１４２の上流側に操作端機器となるエアダンパ１６２及びエアダンパ１６３をそれぞれ設け、制御装置２００によってこれらのエアダンパ１６２及びエアダンパ１６３の開度を調節して、ボイラ１０１の内部に供給される２次空気とアフタエアの流量をそれぞれ制御できるように構成している。
【０１７９】
また、ファン１２０から送られてバーナ１０２から微粉炭と共にボイラ１０１の内部へ投入される空気流量を制御する例として、配管１３３に合流する直前部分の配管１３１及び配管１３２に操作端機器となるエアダンパ１６０及びエアダンパ１６１をそれぞれ設け、制御装置２００によってこれらのエアダンパ１６０及びエアダンパ１６１の開度を調節して、ボイラ１０１の内部に供給される空気の流量をそれぞれ制御できるように構成している。
【０１８０】
前記制御装置２００は、他の計測データ項目を制御することもできるので、操作端機器の設置場所を制御対象に応じて変えてもよい。
【０１８１】
図１４は、図１３に示した火力発電プラント１００ａのボイラ１０１の下流側に設置したエアーヒーター１０４と関連する配管部の拡大図である。
【０１８２】
図１４に示したように、エアーヒーター１０４には空気を供給する配管１３０、及び配管１４０がそれぞれ設置されており、このうち、配管１４０はエアーヒーター１０４を貫通して配設され、配管１３０は途中から分岐した配管１３１と配管１３２によって構成されており、前記配管１３１はエアーヒーター１０４をバイパスして配設され、前記配管１３２はエアーヒーター１０４を貫通して配設されている。
【０１８３】
そして配管１３２はエアーヒーター１０４を貫通した後に配管１３１と合流した配管１３３となってミル１１０に導かれ、このミル１１０から該配管１３３を通じて微粉炭と共に空気をボイラ１０１のバーナ１０２に導くように配設されている。
【０１８４】
また、配管１４０はエアーヒーター１０４を貫通した後に配管１４１と配管１４２とに分岐し、このうち、配管１４１はボイラ１０１のバーナ１０２に、配管１４２はボイラ１０１のアフタエアポート１０３に、それぞれ空気を導くように配設されている。
【０１８５】
また、前記配管１３３に合流する直前部分の配管１３１及び配管１３２には、流通する空気量を調節するエアダンパ１６０及びエアダンパ１６１がそれぞれ設置され、前記配管１４１及び配管１４２の上流部分には、流通する空気量を調節するエアダンパ１６２及びエアダンパ１６３がそれぞれ設置されている。
【０１８６】
そして、これらのエアダンパ１６０〜１６３を操作することにより、配管１３１、１３２、１４１、１４２を空気が通過する面積を変更することができるので、配管１３１、１３２、１４１、１４２を通過してボイラ１０１の内部に供給される空気流量を個別に調整できる。
【０１８７】
制御装置２００の制御信号生成部７００によって演算された制御信号１５を外部出力インターフェイス２０２を介して火力発電プラント１００ａに対する操作信号１６として出力し、ボイラ１０１の配管１３１、１３２、１４１、１４２にそれぞれ設置したエアダンパ１６０、１６１、１６２、１６３などの制御端の機器を操作する。
【０１８８】
尚、本実施例では、エアダンパ１６０、１６１、１６２、１６３などの機器のことを操作端と呼び、これを操作するのに必要な制御装置２００で演算した制御信号１５が該制御装置２００から前記操作端に指令する出力信号を操作信号１６と呼ぶ。
【０１８９】
また、制御信号生成部７００によって演算されて前記操作端に出力される操作信号１６としては、ボイラ１０１に配管１３１、１３２、１４１、１４２を通じて供給される空気流量、ボイラ１０１に空気を供給する配管１３１、１３２、１４１、１４２にそれぞれ設置された空気の流量を調節する空気ダンパ１６０〜１６３の開度、ボイラ１０１のバーナ１０２に供給される微粉炭の燃料流量、及びボイラ１０１から排出される排ガスの一部をボイラ１０１に再循環させる排ガス再循環流量等が含まれる。
【０１９０】
以降では、本発明の制御装置を火力発電プラント１００ａに適用して、操作端をボイラ１０１に設置したバーナ１０２に供給する空気量を調節する配管１３１、１３２にそれぞれ設置されたエアダンパ１６０、１６１、及びボイラ１０１に設置したアフタエアポート１０３に供給する空気量を調節する配管１４１、１４２にそれぞれ設置されたエアダンパ１６２、１６３として、被制御量をボイラ１０１から排出される排ガス中のＣＯ、ＮＯｘ、及びＨ２Ｓの濃度とする場合について説明する。
【０１９１】
尚、本実施例では、ボイラ１０１の操作端の操作量（エアダンパ１６０、１６１、１６２、１６３の開度）が制御装置２００を構成する統計モデル５００のモデル入力に、ボイラ１０１から排出される排ガスに含まれるＮＯｘ、ＣＯ及びＨ２Ｓ濃度が統計モデル５００のモデル出力になり、モデル入出力夫々の最小化が学習の目的となる。
【０１９２】
図１５は、第２実施例である火力発電プラントの制御装置において、火力発電プラント１００ａの制御装置２００に用いた場合に、画像表示装置９２０に表示される画面の一例であり、第１実施例のプラントの制御装置においてモデル入出力を設定する際に表示される画面例を示した図１０に対応する、画像表示装置に表示される制御装置２００を構成する統計モデル５００のモデル入出力設定の画面例である。
【０１９３】
図１５に示したモデル入出力設定の画面例では、ボイラ１０１の操作端であるバーナ１０２、及びアフタエアポート１０３の夫々に対して、その位置関係を把握しながら制御装置２００における統計モデル５００のモデル入出力が設定できるようになっている。
【０１９４】
具体的には、モデル入力設定の画面において、ボイラ操作端表示画面３５００に表示されたモデル入力項目リスト３５０２に表示される入力項目に対して選択バー３５０３によって選択された項目に関して、その設置位置を示すボイラ操作端表示画面３５００に表示される缶前のボイラ図上のシンボルがポインタ３５０１によって示される。
【０１９５】
また、この操作とは逆に、ボイラ操作端表示画面３５００に表示される特定の操作端のシンボルに対して外部入力装置９００のマウス９０２をクリックし、ポインタ３５０１のフォーカスを合せることにより、選択バー３５０３の表示位置を移動させる（入力項目を選択する）こともできる。そして、ボタン３５０４を選択することで、選択した入力項目をモデル入力項目リスト３５０３に追加できる。
【０１９６】
尚、図１５において、数値ボックス３５０６、並びにモデル入力設定の画面における出力項目の選択バー３５０９、画面３５０８、３５１１、ボタン３５１０、３５１２、３５１３、及びボタン３５０７の機能については、図１０の画面の場合と同様である。
【０１９７】
第２実施例の火力発電プラントの制御装置によってボイラ１０１に供給する空気を制御する空気量制御では、特定のバーナ及びアフタエアポートのエアダンパの調整方法に関して先験的な知見が存在し、多くの場合それに基づいた制御が実行される。
【０１９８】
そこで、本実施例の制御装置２００におけるモデル入力設定を、図１５に示したような画面構成とすることにより、プラントの運転員は、ボイラ１０１の操作端の位置を確認しつつ、前記先験知識に基づく制御方法を考慮した上で制御装置２００における統計モデル５００のモデル入出力を適切に選定することができる。
【０１９９】
また、図１５に示した画面を用いて設定した操作端、及び最小・最大値をプラント設計情報と関連付けて理解することが可能となるため、モデル入力設定を効率化し、設定ミスの低減にも資することができる。
【０２００】
以上説明したように、本発明のプラントの制御装置２００を火力発電プラントに適用すれば、環境規制や運用コストに対する要求を満たす操作方法を学習することにより、火力発電プラントから排出されるＮＯｘ、ＣＯ、及びＨ２Ｓ濃度の目標値を達成することができる。
【０２０１】
本実施例によれば、統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、そのデータの偏りの分布に応じて適切に統計モデルのパラメータを制御周期以内で調整して、推定精度を向上させる機能を具備した保守ツール及び制御装置の保守ツールを実現することができる。
【符号の説明】
【０２０２】
１：計測信号、１６：制御信号、９０：入出力データ情報、１００：プラント、１００ａ：火力発電プラント、１０１：ボイラ、１０２：バーナ、１０３：アフタエアポート、１３０〜１３３：配管、１４０〜１４２：配管、１６０〜１６３：エアダンパ、２００：制御装置、２０１：外部入力インターフェイス、２０２：外部出力インターフェイス、２１０：計測信号データベース、２２０：モデル構築データベース、２３０：学習情報データベース、２４０：制御ロジックデータベース、２５０：制御信号データベース、３００：計測信号変換部、４００：数値解析部、５００：統計モデル、６００：モデル調整部、７００：制御信号生成部、８００：操作方法学習部、９００：外部入力装置、９０１：キーボード、９０２：マウス、９１０：保守ツール、９１１：外部入力インターフェイス、９１２：データ送受信処理部、９１３：外部出力インターフェイス、９２０：画像表示装置。
【技術分野】
【０００１】
本発明は、保守ツール及び制御装置の保守ツールに関するものである。
【背景技術】
【０００２】
プラントの制御装置は、制御対象であるプラントから得られる状態量の計測信号を処理し、制御対象に与える制御信号（操作信号）を算出して制御対象に伝達する。プラントの前記制御装置には、プラントの状態量の計測信号がその目標値を満足するように、操作信号を計算するアルゴリズムが実装される。
【０００３】
プラントの制御に用いられている制御アルゴリズムとして、ＰＩ（比例・積分）制御アルゴリズムがある。ＰＩ制御では、プラントの状態量の計測信号とその目標値との偏差に比例ゲインを乗じた値に、偏差を時間積分した値を加算して、制御対象に与える操作信号を導出する。
【０００４】
ＰＩ制御を用いた制御アルゴリズムは、ブロック線図などで入出力関係を記述することができるため、入力と出力の因果関係が分かりやすく、多くの適用実績がある。しかし、プラントの運転状態の変更や環境の変化など、事前に想定していない条件でプラントを運転する場合には、制御ロジックを変更するなどの作業が必要になる場合がある。
【０００５】
一方、プラントの運転状態や環境の変化に適応できる制御方式には、制御アルゴリズムやパラメータ値を自動的に修正する適応制御や学習アルゴリズムを用いた制御方式がある。
【０００６】
学習アルゴリズムを用いてプラントの制御装置の操作信号を導出する方法としては、プラントの計測データや数値解析を基に構築したデータを用いて、それらを統計的に処理してプラントの特性を推定する統計モデルを構築し、この統計モデルに対して最適な制御ロジックを自律学習させる手法が一般的である。
【０００７】
この自律学習させる手法を用いて得られた制御方式の性能は統計モデルの推定精度に依存する。即ち統計モデルの特性が実際のプラント特性に近づくほど、統計モデルに対する制御結果と同等の制御効果が得られる。そのため、学習アルゴリズムを用いた適応制御技術では、より高精度な統計モデルの構築が課題となる。
【０００８】
統計モデルの精度を向上させる技術として、特許文献１には、統計的手法の一つであるＲＢＦネットワークの基底関数の半径パラメータを、探索アルゴリズムを用いて最適化する技術が記載されている。
【０００９】
また、非特許文献１には、統計モデルをＲＢＦネットワークで構成し、その基底関数の半径パラメータをモデル構築用のデータ特性（データ数、次元、距離）を基に導出した計算式によって決定する技術が記載されている。
【００１０】
上記の公知技術では、モデル構築用データの特性に基づく半径の調整が実行されるため、無作為に半径を設定する場合に比べて、より実際のプラント特性に合致した統計モデルを構築できる。
【先行技術文献】
【特許文献】
【００１１】
【特許文献１】特開２００５−１１５６３９号公報
【非特許文献】
【００１２】
【非特許文献１】北山、安田、山崎：“ＲＢＦネットワークとＰａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎによる統合的最適化”、電気学会論文誌Ｃ、Ｖｏｌ．１２８、Ｎｏ．４、ｐｐ．６３６−６４５（２００８）．
【発明の概要】
【発明が解決しようとする課題】
【００１３】
特許文献１、及び非特許文献１に開示された技術をプラントの制御装置へ適用した場合、データに基づく統計モデルの半径パラメータ設定により、無作為に半径パラメータを設定する場合に比べて、推定精度を向上させることができる。
【００１４】
一方、プラント制御において、制御による操作条件の変更後、特性が安定するまでに数分から十数分の時間を要するため、この時間を制御周期として操作条件を変更することにより、最大限の効果を得ることが期待される。
【００１５】
したがって、前記統計モデルのパラメータ調整、及び学習アルゴリズムによる制御ロジックの学習は、この制御周期以内に終了することが望ましい。
【００１６】
ところが、特許文献１の技術をプラントの制御装置に適用する場合、特許文献１の技術のように最適化技術を用いた半径パラメータの調整手法では、データと統計モデルの推定結果との誤差を最小化するように半径パラメータを探索するため、探索回数に応じた反復誤差評価が必要となる。誤差評価の回数はデータ数に比例して増加するため、データサイズが大きい場合には計算コストが増加し、制御周期以内で統計モデルのパラメータ調整が終了しない可能性がある。
【００１７】
これに対して非特許文献１の技術では、予め導出した計算式を用いて統計モデルの半径パラメータを決定するため反復誤差評価は不要となり、計算コストは小さくなり制御周期以内で統計モデル調整を終了できる。また該技術では、統計モデル構築用のデータがある程度の等間隔に分布することを前提としており、全ての基底の半径パラメータは一様に設定される。
【００１８】
ところが、非特許文献１の技術をプラントの制御装置に適用する場合、プラントの運転制御では、性能保証値を満足するために最適な操作条件下で安定的に運転することが前提となるため、獲得されるモデル構築用のデータの分布は概ね最適条件に近い領域に集中することが想定され、また前記の性能保証値遵守の観点から、データを等間隔に分布させるための作為的な操作も許容されないことが多い。
【００１９】
さらに、モデル構築用のデータがある条件に集中して分布すると、一様に設定した半径パラメータでは、統計モデルの基底関数が入力空間を充分にカバーできず、推定精度が著しく低下してしまう可能性がある。
【００２０】
本発明の目的は、統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、そのデータの偏りの分布に応じて適切に統計モデルのパラメータを制御周期以内で調整して、推定精度を向上させる機能を具備した保守ツール及び制御装置の保守ツールを提供することにある。
【課題を解決するための手段】
【００２１】
本発明の保守ツールは、モデル構築データベースに保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成したことを特徴とする。
【００２２】
本発明の制御装置の保守ツールは、プラントから該プラントの状態量である計測信号を取り込み、前記計測信号を用いて前記プラントを制御する操作信号を演算する制御装置の保守ツールにおいて、前記制御装置は、前記プラントの状態量である計測信号を取り込んで保存する計測信号データベースと、前記計測信号データベースに保存されたプラントの計測データから変換したモデル構築データを保存するモデル構築データベースと、前記モデル構築データベースに保存されたモデル構築データを用いて前記プラントに制御信号を与えた時に該プラントの状態量である計測信号の値を推定するプラントの制御特性を模擬する統計モデルと、前記統計モデルを用いて前記計測信号に相当するモデル出力が目標値を達成するようにプラントに与える前記制御信号に相当するモデル入力の生成方法を学習する操作方法学習部と、前記操作方法学習部における学習の制約条件及び学習結果に関する学習情報データを保存する学習情報データベースと、前記計測信号データベースの計測信号、及び前記学習情報データベースの学習情報データを用いてプラントに対して送信される制御信号を演算する制御信号生成部と、前記モデル構築データベースに保存されるモデル構築データに含まれる統計モデルの基底半径パラメータを調整するモデル調整部を設けて、前記統計モデルが前記モデル調整部による基底半径パラメータの調整結果を用いてモデル出力を生成するように構成し、前記モデル構築データベースに保存されるモデル構築データには、モデル調整の反復回数の情報、及びデータの密集度を示す疎密度の情報が含まれるように構成し、前記保守ツールは、この制御装置とデータを送受信して前記制御装置による制御結果を表示するように構成して、前記モデル構築データベースに保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成したことを特徴とする。
【発明の効果】
【００２３】
本発明によれば、統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、そのデータの偏りの分布に応じて適切に統計モデルのパラメータを制御周期以内で調整して、推定精度を向上させる機能を具備した保守ツール及び制御装置の保守ツールを実現することができる。
【図面の簡単な説明】
【００２４】
【図１】本発明の第１実施例であるプラントの制御装置の構成を示すブロック図。
【図２】図１に記載した本発明の第１実施例によるプラントの制御装置における操作方法の学習時の動作フローを示すフローチャート。
【図３】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整部の構成を示すブロック図。
【図４】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル構築データに保存されるデータの態様を示す図。
【図５】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整の動作フローを示すフローチャート。
【図６】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整時のカテゴリ分割の概念を示す概略図。
【図７】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整メカニズムを説明する概要図。
【図８】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整時の基底疎密度分布変化の様子を示す概要図。
【図９】図１に記載した本発明の第１実施例によるプラントの制御装置におけるモデル調整時のモデル推定値分布変化の様子を示す概要図。
【図１０】図１に記載した本発明の第１実施例によるプラントの制御装置において、モデル入出力を設定する際に画像表示装置に表示される画面の一例。
【図１１】図１に記載した本発明の第１実施例によるプラントの制御装置において、モデル調整条件を設定する際に画像表示装置に表示される画面の一例。
【図１２】図１に記載した本発明の第１実施例によるプラントの制御装置において、モデル調整結果を確認する際に画像表示装置に表示される画面の一例。
【図１３】本発明のプラントの制御装置が適用される第２実施例である火力発電プラントの構成を示す概略構成図。
【図１４】図１３に記載した第２実施例の火力発電プラントに備えられたエアーヒーターの構成を示す概略構造図。
【図１５】図１３に記載した本発明の第２実施例による火力発電プラントの制御装置において、モデル入出力を設定する際に画像表示装置に表示される画面の一例。
【発明を実施するための形態】
【００２５】
次に、本発明の保守ツールに係るプラントの制御装置及び火力発電プラントの制御装置の実施例について図面を参照して説明する。
【００２６】
本発明の保守ツールに係るプラントの制御装置及び火力発電プラントの制御装置の両者に共通した構成となるプラントの制御装置において、前記制御装置を構成するモデル調整部は、モデル構築データベースに保存された情報を用いてモデル構築用データのカテゴリ番号を決定するカテゴリ演算機能と、前記カテゴリ演算機能によって決定したカテゴリ情報を含むモデル構築データ情報を用いて統計モデルの半径パラメータを調整する半径調整機能のうち、少なくとも１つを備えることが望ましい。
【００２７】
また、モデル構築データベースに保存される情報には、各データのモデル入力空間における座標、半径パラメータ、データ疎密度、及びデータの属するカテゴリ番号のうち、少なくとも１つの情報が含まれることが望ましい。
【００２８】
また、カテゴリ演算機能は、各データの密集度を示す指標である疎密度を計算する機能と、外部入力装置より入力されたカテゴリ数情報を基に、モデル構築データの疎密度分布範囲をカテゴリ数で等分割した値を基準として各データのカテゴリ番号を決定する機能のうち、少なくとも１つを備えることが望ましい。
【００２９】
また、半径調整機能は、半径パラメータを調整する際に、モデル入力空間内で任意に決定した基準モデル入力に対してその疎密度を計算する機能と、計算した疎密度が外部入力装置より入力された閾値条件を満足しない場合に、基準モデル入力の最近傍に位置するデータのカテゴリを抽出し、そのカテゴリに属するデータの半径パラメータを調整する機能のうち、少なくとも１つを備えることが望ましい。
【００３０】
前記制御装置は画像表示装置と接続され、モデル構築データベースに保存された情報を画像表示装置に表示する機能と、モデル調整部で用いるモデル調整条件を、画像表示装置を介して設定する機能と、モデル調整部による統計モデルの調整結果を画像表示装置に表示する機能のうち、少なくとも１つを備えることが望ましい。
【００３１】
モデル調整の条件設定を、画像表示装置を介して入力する機能を備えることにより、プラントの運転員は、プラントの制御ニーズに応じて適切なモデル調整条件を設定できる。更に、モデル調整による疎密度の推移、並びにデータと推定結果の誤差の推移を画像表示装置に表示する機能を備えることにより、プラントの運転員は、所望のモデル推定精度をモデル調整により獲得できたかを確認し、獲得できない場合には再度モデル調整を実行することができる。
【００３２】
また、本発明の保守ツールに係る制御装置を火力発電プラントに適用する場合、火力発電プラントから取得する計測信号を用いて、火力発電プラントに与える制御信号を導出する制御信号生成部を備えた構成の火力発電プラントの制御装置となる。
【００３３】
これらの計測信号は、火力発電プラントから排出されるガスに含まれる窒素酸化物、一酸化炭素、及び硫化水素の夫々の濃度のうち少なくとも１つを表す信号を含む。また制御信号は、空気ダンパの開度、空気流量、燃料流量、排ガス再循環流量のうち少なくとも１つを決定する信号を含む。
【００３４】
前記制御装置は、火力発電プラントに制御信号を与えた時の、計測信号の値を推定する統計モデルと、前記統計モデルの構築に用いる、火力発電プラントの空気ダンパの開度、空気流量、燃料流量、排ガス再循環流量のうち少なくとも１つの情報を含むデータを保存するモデル構築データベースと、前記統計モデルを用いて、前記計測信号に相当するモデル出力が目標値を達成するように、前記制御信号に相当するモデル入力の生成方法を学習する操作方法学習部と、前記操作方法学習部における学習の制約条件及び学習結果に関する情報を保存する学習情報データベースと、前記モデル構築データベースに保存される情報に含まれる、統計モデルの半径パラメータを調整するモデル調整部とを備える。
【００３５】
また、前記制御装置は画像表示装置と接続され、モデル構築データベースに保存された情報を画像表示装置に表示する機能と、モデル調整部で用いるモデル調整条件を、画像表示装置を介して設定する機能と、モデル調整部による統計モデルの調整結果を画像表示装置に表示する機能のうち、少なくとも１つを備えることが望ましい。
【００３６】
本発明の保守ツールに係る制御装置を火力発電プラントの制御に適用した実施例では、火力発電プラントにおけるモデル入力に該当するバーナ、及びアフタエアポートの空気量に関する設定情報を、画像表示装置を介して入力する。
【００３７】
次に、本発明の実施例である保守ツールに係るプラントの制御装置及び火力発電プラントの制御装置について図面を参照して説明する。
【実施例１】
【００３８】
まず、本発明の第１実施例である保守ツールに係るプラントの制御装置について図面を参照して説明する。
【００３９】
図１は、本発明の第１実施例による保守ツールに係るプラントの制御装置のシステム構成図である。図１に示すように、制御対象のプラント１００は、制御装置２００によって制御される。
【００４０】
プラント１００を制御する制御装置２００は保守ツール９１０と接続されているので、プラント１００の運転員は、保守ツール９１０に接続された外部入力装置９００と画像表示装置（例えばＣＲＴディスプレイ）９２０とを介して、制御装置２００を制御することができる。
【００４１】
制御装置２００には、演算装置として、計測信号変換部３００、数値解析部４００、統計モデル５００、モデル調整部６００、制御信号生成部７００、及び操作方法学習部８００がそれぞれ備えられた構成となっている。
【００４２】
また制御装置２００には、データベース（ＤＢ）として、計測信号データベース２１０、モデル構築データベース２２０、学習情報データベース２３０、制御ロジックデータベース２４０、及び制御信号データベース２５０が設けられている。
【００４３】
また制御装置２００には、外部とのインターフェイスとして、外部入力インターフェイス２０１、及び外部出力インターフェイス２０２が設けられている。
【００４４】
そしてこの制御装置２００では、外部入力インターフェイス２０１を介して、プラント１００から該プラントの各種状態量を計測した計測信号１を制御装置２００の計測信号データベース２１０に取り込んでおり、また、制御装置２００の制御信号生成部７００から外部出力インターフェイス２０２を介して、制御対象のプラント１００に対して該プラントを制御する制御信号１５を、例えば供給する空気流量を制御する制御信号１６として出力するように構成されている。
【００４５】
この制御装置２００では、外部入力インターフェイス２０１を介して前記プラント１００から取り込んだプラント１００の状態量を計測した計測信号２は、計測信号データベース２１０に保存される。
【００４６】
また、制御装置２００に設けた制御信号生成部７００にて生成される制御信号１５は、制御装置２００に設けた制御信号データベース２５０に保存されると共に、外部出力インターフェイス２０２から前記プラント１００に対する操作信号１６として出力される。
【００４７】
制御装置２００に設けた計測信号変換部３００では、計測信号データベース２１０に保存された計測データ３をモデル構築データ４に変換する。このモデル構築データ４は、モデル構築データベース２２０に保存される。また、計測データ３に含まれる直前の制御結果として得られた運転条件は、制御装置２００に設けた制御信号生成部７００に入力される。
【００４８】
制御装置２００に設けた数値解析部４００では、プラント１００を模擬する物理モデルを用いて、プラント１００の特性を予測する。数値解析部４００で実行して得られた数値解析データ５は、モデル構築データベース２２０に保存される。
【００４９】
制御装置２００に設けたモデル調整部６００では、モデル構築データベース２２０から取り込んだモデル構築データ７に含まれるモデルパラメータ情報を更新（モデルを調整）し、更新後のモデル構築データ８をモデル構築データベース２２０に保存する。
【００５０】
制御装置２００に設けた操作方法学習部８００では、学習データ１２を生成し、学習情報データベース２３０に保存する。
【００５１】
制御装置２００に設けた統計モデル５００は、プラント１００の制御特性を模擬する機能を持つ。すなわち、操作信号１６をプラント１００に与え、その制御結果に対する計測信号１を得るのと同等の機能を模擬演算する。この模擬演算のために、統計モデル５００は、操作方法学習部８００より受けたモデル入力９と、モデル構築データベース２２０に保存されたモデル構築データ６とを使用する。
【００５２】
このモデル入力９は、操作信号１６に相当する。モデル入力９とモデル構築データ６とから、前記統計モデル５００では、基底関数を用いた統計的手法によりプラント１００の制御による特性変化を模擬演算して、モデル出力１０を得る。
【００５３】
統計モデル５００で得られたモデル出力１０は、プラント１００の計測信号１の予測値となる。尚、モデル入力９、モデル出力１０は共に、その数は１種類に限定されず、夫々複数種類用意することができる。
【００５４】
ここで、基底関数を用いた統計的手法とは、モデル入力を各成分とするベクトル空間上に、保有する統計データ（本発明ではモデル構築データ６に該当）情報に応じて基底関数を配置し、その線形結合によりプラント特性の模擬演算結果（モデル特性）を出力する手法である。
【００５５】
代表的な手法として、ニューラルネットワークの１手法である動径基底関数ネットワーク（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ Ｎｅｔｗｏｒｋ）が挙げられるが、本発明では統計モデルの構成に関してこれに限定せず、基底関数を用いる他の手法も用いることができる。基底関数は、一般的に放射状の関数（ガウス関数）が用いられ、その形状は放射の広がりを表す半径パラメータによって決定される。
【００５６】
制御装置２００に設けた制御信号生成部７００では、学習情報データベース２３０より出力された学習情報データ１３、及び制御ロジックデータベース２５０に保存された制御ロジックデータ１４を用いて、計測信号１が望ましい値となるように制御信号１５を生成する。
【００５７】
この制御ロジックデータベース２５０には、制御ロジックデータ１４を算出する制御回路、及び制御パラメータが保存される。この制御ロジックデータ１４を算出する制御回路には、従来技術として公知のＰＩ（比例・積分）制御を用いることができる。
【００５８】
操作方法学習部８００は、学習情報データベース２３０に保存された学習の制約条件及び学習のパラメータ設定条件等を含む学習情報データ１１を用いて、モデル入力９の操作方法を学習する。学習結果である学習データ１２は、学習情報データベース２３０に保存される。
【００５９】
このように、制御装置２００の動作において、モデル構築データベース２２０に保存されるモデル構築データ７に含まれるモデルパラメータ情報をモデル調整部６００において調整するメカニズムを具備することにより、モデル構築データ７の特性に応じた適切なモデルパラメータが提供されるため、統計モデル５００におけるプラント特性の推定精度を向上できる。
【００６０】
また、かかるモデル調整はデータの密度分布を基準として定式化されたアルゴリズムに従って実行されるため、特許文献１に記載したような試行錯誤的な半径パラメータの決定手段に比べモデル調整に要する時間を短縮できる。
【００６１】
尚、制御装置２００に設置した統計モデル５００、モデル調整部６００、及び操作方法学習部８００の詳細な機能については、後述する。
【００６２】
また、操作方法学習部８００から学習情報データベース２３０に保存される学習データ１２には、操作前後のモデル入力、及びその操作の結果得られるモデル出力に関する情報が含まれている。
【００６３】
学習情報データベース２３０では、現在の運転条件に対応する学習データ１２が選択され、学習情報データ１３として制御信号生成部７００に入力される。
【００６４】
プラント１００の運転員は、キーボード９０１とマウス９０２で構成される外部入力装置９００、制御装置２００とデータを送受信できる保守ツール９１０、及び画像表示装置９２０を用いることにより、制御装置２００に備えられている種々のデータベースに保存された情報にアクセスすることができる。
【００６５】
また、これらの装置を用いることにより、制御装置２００の数値解析部４００、統計モデル５００、モデル調整部６００、及び操作方法学習部８００で用いるパラメータ設定値、学習の制約条件、及び得られた学習結果の確認に必要な設定情報を入力することができる。
【００６６】
保守ツール９１０は、外部入力インターフェイス９１１、データ送受信処理部９１２、及び外部出力インターフェイス９１３で構成され、データ送受信処理部９１２を介して制御装置２００とデータを送受信できる。
【００６７】
外部入力装置９００で生成した保守ツール入力信号９１は、外部入力インターフェイス９１１を介して保守ツール９１０に取り込まれる。保守ツール９１０のデータ送受信処理部９１２では、保守ツール入力信号９２の情報に従って、制御装置２００から入出力データ情報９０を取得する。
【００６８】
また、データ送受信処理部９１２では、保守ツール入力信号９２の情報に従って、制御装置２００の数値解析部４００、統計モデル５００、モデル調整部６００、及び操作方法学習部８００で用いるパラメータ設定値、学習の制約条件、及び得られた学習結果の視認に必要な設定情報を含む入出力データ情報９０を出力する。
【００６９】
データ送受信処理部９１２では、入出力データ情報９０を処理した結果得られる保守ツール出力信号９３を、外部出力インターフェイス９１３に送信する。外部出力インターフェイス９１３から送信された保守ツール出力信号９４は、画像表示装置９２０に表示される。
【００７０】
尚、上記の制御装置２００では、計測信号データベース２１０、モデル構築データベース２２０、学習情報データベース２３００、制御ロジックデータベース２４０、及び制御信号データベース２５０が制御装置２００の内部に配置されるが、これらの全て、あるいは一部を制御装置２００の外部に配置することもできる。
【００７１】
また、数値解析部４００が制御装置２００の内部に配置されるが、これを制御装置２００の外部に配置することもできる。
【００７２】
例えば、数値解析部４００、及びモデル構築データベース２２０を制御装置２００の外部に配置し、数値解析データ５をインターネット経由で制御装置２００に送信するようにしてもよい。
【００７３】
図２は、図１に示した第１実施例であるプラントの制御装置における制御の手順を示すフローチャート図である。
【００７４】
図２では、第１実施例のプラントの制御装置２００に設置されたモデル調整部６００による統計モデル５００の調整、及び操作方法学習部８００による操作方法の学習時の動作を表すフローチャートを示している。
【００７５】
図２に示したフローチャートは、ステップ１０００、１１００、１２００、１３００、１４００、１５００、１６００、１７００、１８００、１９００、２０００、２１００、及び２２００を組み合わせて実行する。以下では、夫々のステップについて説明する。
【００７６】
制御装置２００の動作開始後、まず最初に、モデル構築条件・学習条件を設定するステップ１０００では、モデル構築時の実行条件、学習時の最大学習回数、最大操作回数、制約条件等、種々のパラメータ値を設定する。
【００７７】
次に、統計モデルの半径を調節するステップ１１００では、制御装置２００のモデル調整部６００を動作させ、モデル構築データ７に含まれるモデルパラメータを更新する。ここで、前記モデルパラメータは、各データの基底半径情報、中心疎密度情報、およびカテゴリ番号情報を含む。尚、モデル調整部６００の詳細な機能及び動作については、後述する。
【００７８】
次に、統計モデルのパラメータを学習するステップ１２００では、制御装置２００の統計モデル５００を動作させ、統計モデル５００の推定値算出に用いるパラメータを学習する。学習の具体的手段については、公知の一般的に使われている種々の方式を用いることができる。
【００７９】
次に、学習回数ｋを初期化（ｋ＝１）するステップ１３００では、ステップ１４００〜２１００の繰り返し回数を示す値である学習回数ｋを初期化（ｋ＝１に設定）する。
【００８０】
次に、モデル入力の初期値を決定するステップ１４００では、学習を開始する際のモデル入力９の初期値を設定する。モデル入力９の初期値としては、予め設定された操作可能範囲内の任意の値を選ぶことができる。すなわち、この操作可能範囲内であれば、初期条件として任意の状態が選択可能である。尚、モデル入力９は、通常連続値ベクトルとして表現されるが、離散値ベクトルを用いてもよい。
【００８１】
次に、操作回数ｏを初期化（ｏ＝１）するステップ１５００では、ステップ１６００〜２０００の繰り返し回数である操作回数ｏを初期化（ｏ＝１に設定）する。
【００８２】
次に、モデル入力を更新するステップ１６００では、決定したモデル入力９の操作量を用いてモデル入力９を更新する。
【００８３】
次に、統計モデルの基底関数値を計算するステップ１７００では、更新したモデル入力９を統計モデル５００へ入力し、統計モデル５００の各基底関数値を計算する。
【００８４】
次に、モデル出力を計算するステップ１８００では、前記ステップ１２００で求めた統計モデル５００のパラメータ、及び前記ステップ１７００で求めた統計モデル５００の基底関数値から、統計モデル５００の演算結果であるモデル出力１０を計算する。
【００８５】
次に、操作方法を学習するステップ１９００では、操作方法学習部８００を動作させ、統計モデル５００で計算したモデル出力１０の値を基に、制御装置２００の操作方法学習部８００を動作させて、強化学習理論等の学習アルゴリズムを用いて、モデル入力９の操作方法を学習する。
【００８６】
次の、操作回数ｏが最大値以上に達したかを判断するステップ２０００は分岐である。操作回数ｏがステップ１０００で設定した最大操作回数よりも小さい場合は、ｏに１を加算した後にステップ１６００に戻り、ｏが最大操作回数に達している場合は、ステップ２１００に進む。
【００８７】
次の、学習回数ｋが最大値以上に達したかを判断するステップ２１００も分岐である。学習回数ｋがステップ１０００で設定した最大学習回数よりも小さい場合には、ｋに１を加算した後にステップ１４００に戻り、ｋが最大学習回数に達している場合は、ステップ２２００に進む。
【００８８】
そして最後の、学習結果を学習情報データベースに保存するステップ２２００では、操作方法の学習結果を学習情報データベース２３０に保存し、操作方法学習部８００における操作方法の学習の動作を終了させるステップに進む。
【００８９】
以上の動作によって、モデル調整及び操作方法の学習では、プラント１００の運転員が設定したモデル調整条件、及び学習条件に基づき、モデル構築データ７に含まれるモデルパラメータ情報を更新し、また任意のモデル入力条件から望ましいモデル出力が得られる入力条件へ到達する操作方法を自律的に獲得できる。
【００９０】
次に、前記制御装置２００におけるモデル調整部６００の動作について、図３を用いて詳細に説明する。図３は、モデル調整部６００の動作を説明する図であり、図１に示した制御装置２００において、モデル調整部６００、及びモデル構築データベース２２０を含む部分を詳細に示したものである。
【００９１】
前記モデル調整部６００は、カテゴリ演算機能部６０１、及び半径調整機能部６０２で構成される。カテゴリ演算機能部６０１は、モデル構築データベース２２０に保存されたモデル構築データ７を用いて、各モデル構築データの密度、及び各データに配置された基底の入力空間に対する被覆率を示すパラメータである疎密度、及び疎密度を基準としてデータを分類した結果決定されるカテゴリ番号を計算し、それらを更新したモデル構築データ８をモデル構築データベース２２０へ保存する。
【００９２】
半径調整機能部６０２は、前記カテゴリ演算機能部６０１によって更新されたモデル構築データ７を用いて、それに含まれる疎密度、及びカテゴリ情報に基づいて各モデル構築データの基底半径情報を更新し、更新後のモデル構築データ８をモデル構築データベース２２０へ保存する。以上の動作は図２のフローチャートにおける統計モデルの半径を調節するステップ１１００に相当する。
【００９３】
図４に、前記モデル構築データベース２２０に保存されるデータの態様の一例を示す。
【００９４】
図４に示されたモデル構築データベース２２０に保存されたデータおいて、データＩＤ２２１は各モデル構築データの識別番号である。データ座標２２２はそのデータの入力空間における座標情報であり、同時にそのデータに対して配置される統計の基底関数の中心パラメータを意味する。
【００９５】
基底半径２２３は、各データに対して配置される基底の広がりを示すパラメータである。疎密度２２４はデータの密度分布、及び入力空間に配置されている基底による、該データ座標における基底関数の被覆率を示すパラメータである。
【００９６】
カテゴリ番号２２５は疎密度に基づき決定されるパラメータであり、疎密度２２４が特定の範囲に入るデータは同一のカテゴリとなり、同じカテゴリ番号が与えられる。尚、カテゴリ番号２２５はモデル構築データベース２２０に保存されるデータ数が更新される際に決定され、次にモデル構築データベース２２０が更新されるまで更新しない。
【００９７】
以下では、前記制御装置２００に設けたモデル調整部６００におけるカテゴリ演算機能部６０１、及び半径調整機能部６０２によるモデル調整のアルゴリズムについて、そのフローチャート（図５）及び概念図（図６、及び図７）を参照しながら説明する。
【００９８】
図５は、前記モデル調整部６００によるモデル調整のアルゴリズム動作を示すフローチャートであり、図２のフローチャートにおける統計モデルの半径を調節するステップ１１００に相当する。
【００９９】
図５に示したフローチャートは、ステップ１１０１、１１０２、１１０３、１１０４、１１０５、１１０６、１１０７、１１０８、１１０９、１１１０、１１１１、及び１１１２を組み合わせて実行する。以下では、夫々のステップについて説明する。
【０１００】
モデル調整のアルゴリズム開始後、まず最初に、モデル調整条件および基底半径を初期化するステップ１１０１では、モデル調整部６００を動作させて、モデル調整時の最大反復回数、カテゴリ数、疎密度判定閾値、及び基底半径等の種々のパラメータ値を初期化する。
【０１０１】
尚、後述のカテゴリ計算時に用いるため、全てのデータの基底半径は０より大きい同一の値に初期化する。また半径値は、例えばモデル入力空間の最大距離の５〜１０％程度の小さい値に設定するのが望ましい。
【０１０２】
次に、モデル調整の反復回数ｍを初期化（ｍ＝１）するステップ１１０２では、ステップ１１０６〜１１１１の繰り返し回数である反復回数ｍを初期化（ｍ＝１に設定）する。
【０１０３】
次に、各データの疎密度を計算するステップ１１０３では、モデル調整部６００のカテゴリ演算機能部６０１を動作させ、各モデル構築データの疎密度ρｉを数式（１）に従って計算する。
【０１０４】
【数１】
【０１０５】
数式（１）において、ｉ、ｊはデータの添え字、Ｉはデータ総数、ｃｉ、ｃｊは夫々データｉ、ｊの座標ベクトル、ｒｉはデータｉの基底半径である。また、数式（１）中のΣの中身の指数関数は統計モデル５００の基底関数を表す。数式（１）が示すように、疎密度はデータの基底中心に対する全ての基底関数値の平均値、即ち基底関数によるデータ座標上の被覆率となる。
【０１０６】
即ち、データ間の距離が小さい（データが密集している）領域のデータに対しては疎密度が大きくなり、データ間の距離が大きい（データが疎である）領域のデータに対しては小さくなる。このように疎密度を定義することにより、データの疎密分布及び被覆率をスカラ量として扱うことが可能となる。
【０１０７】
次に、各データのカテゴリを決定するステップ１１０４では、前記各データの疎密度を計算するステップ１１０３で計算した各データの疎密度情報を基に各データが属するカテゴリ番号を決定する。前記カテゴリ番号は、前記モデル調整条件および基底半径を初期化するステップ１１０１において設定されたカテゴリ数、および各データの疎密度の最大値ρｍａｘ、及び最小値ρｍｉｎを用いて数式（２）に従って計算されるカテゴリ境界条件ρＬｎを基に決定される。数式（２）において、Ｎはカテゴリ数、ｎはカテゴリ数の添え字を意味する。
【０１０８】
【数２】
【０１０９】
以上の定義に基づくカテゴリ番号決定方法を、図６を用いて説明する。
【０１１０】
図６は、疎密度の分布を示す概念図であり、横軸はモデル構築データＩＤ、縦軸は疎密度を表す。図６に示すように、各データの疎密度最大値ρｍａｘと最小値ρｍｉｎの差をカテゴリ数Ｎで等分した範囲が各カテゴリの領域となり、その領域は数式（２）によって計算されるカテゴリ境界条件ρＬｎによって定義される。即ち、カテゴリｎには疎密度がρＬｎからρＬｎ＋１の範囲を取るデータが分類される。（但し、カテゴリＮの疎密度の範囲はρＬＮからρｍａｘとなる。）後述の半径調整手法では、同一のカテゴリ番号を有するデータの基底半径の値は一様となるように調整される。カテゴリ数が多い場合には調整する基底半径のパラメータ数が多くなり、精緻な基底半径の調整が可能となるため、より大きな推定精度の改善が期待できるが、その分計算コストが高くなるのに対し、カテゴリ数が少ない場合は推定精度の改善は小さいかわりに計算コストが低くなる。プラントの運転員は、精度及び時間に関するニーズに応じて任意にカテゴリ数を設定することができる。
【０１１１】
次に、疎密度・カテゴリ情報をデータベースに保存するステップ１１０５では、計算した疎密度、及びカテゴリ番号情報を用いて更新したモデル構築データ８をモデル構築データベース２２０へ保存する。
【０１１２】
以降のステップ１１０６〜ステップ１１１１では、前記モデル調整部６００の半径調整機能部６０２を動作させ、決定したカテゴリ情報を基にデータの基底半径を調整する。ここで、具体的な調整アルゴリズムについて、図７を用いて説明する。
【０１１３】
図７は、前記モデル調整部６００の半径調整機能部６０２におけるデータの基底半径の調整を説明する概要図であり、モデル入力数を２とした場合に、モデル入力空間上に、モデル構築データベース２２０に保存されるモデル構築データ７をプロットしたものである。各モデル入力は［０，１］の範囲を取り、各データには基底半径の値に応じた同心円、及び各データが属するカテゴリ番号が示されている。
【０１１４】
図７の上図及び下図に示しているように、同一のカテゴリ番号を持つデータの基底半径は等しい。基底半径の調整は、まずモデル入力空間上に基底半径調整の基準となるモデル入力ｘｍを決定する。そして、そのモデル入力に対する疎密度が閾値条件を満足しない場合に、そのモデル入力の最近傍に位置するデータを抽出し、そのデータと同じカテゴリに属するデータの基底半径を調整する。
【０１１５】
図７の下図では、モデル入力ｘｍに対して最近傍となるデータのカテゴリ番号２が選択され、同一のカテゴリ番号を持つデータの基底半径が調整（拡大）された場合を示している。以上の処理を一定回数反復することにより、モデル入力空間を必要充分にカバーできる基底半径パラメータを得ることができる。以下では、各ステップの詳細について説明する。
【０１１６】
次に、モデル入力条件を決定するステップ１１０６では、基底半径調整時に基準となるモデル入力ｘｍを決定する。モデル入力条件としては、操作可能範囲内の任意の値を選ぶことができる。
【０１１７】
次に、モデル入力に対する疎密度を計算するステップ１１０７では、決定したモデル入力ｘｍに対して、数式（３）に従ってｘｍの疎密度ρｍを計算する。
【０１１８】
【数３】
【０１１９】
次に、疎密度が閾値条件を満足するかを判断するステップ１１０８は分岐である。計算した疎密度ρｍが予め設定した閾値条件（上下限値以内）を満足するかどうかを判定する。そして閾値条件を満足する場合は該モデル入力ｘｍに関して、調整対象となる基底半径は存在しないと見なし、ステップ１１１１に進み、閾値条件を満足しない場合は、基底半径を調整するためのステップであるステップ１１０９に進む。
【０１２０】
次に、モデル入力の最新傍データが属するカテゴリを決定するステップ１１０９では、該モデル入力ｘｍに対して最も距離が小さい（最近傍となる）データ、及びそのデータが属するカテゴリ番号を決定する。
【０１２１】
次に、最新傍データに属する基底半径を調節するステップ１１１０では、前記モデル入力の最新傍データが属するカテゴリを決定するステップ１１０９において決定された最近傍データが属するカテゴリ番号と同一のカテゴリ番号を有するデータに関して、その基底半径を調整する。
【０１２２】
基底半径の調整は、疎密度ρｍが閾値条件の下限値を下回る場合には基底のカバーする領域を広げて疎密度を増加させるために基底半径を大きくし、上限値を上回る場合には基底のカバーする領域を縮小して疎密度を低減させるために基底半径を小さくする方針に従って実行する。
【０１２３】
このように、任意のモデル入力条件に対する疎密度が閾値を満足するように基底半径を調整することにより、密領域における基底の競合による推定値の過大評価、及び疎領域において基底の被覆率が充分に確保できないことによる過小評価の影響を減少させ、モデル推定精度を向上させることができる。
【０１２４】
次に、ｍが最大値以上に達したかを判断するステップ１１１１は分岐である。反復回数ｍがモデル調整条件および基底半径を初期化するステップ１１０１で設定した最大反復回数よりも小さい場合は、ｍに１を加算した後にモデル入力条件を決定するステップ１１０６に戻り、ｍが最大操作回数に達している場合は、ステップ１１１２に進む。
【０１２５】
最後に、基底半径情報をデータベースに保存するステップ１１１２では、調整した基底半径情報を用いてモデル構築データ８を更新してモデル構築データベース２２０に保存し、モデル調整部６００の動作を終了させるステップに進む。
【０１２６】
以上に説明した制御装置２００のモデル調整部６００によるモデル調整のアルゴリズムの効果について、図８及び９を用いて説明する。
【０１２７】
図８は図７で示したものと同様のモデル入力空間及びデータ構成における疎密度分布のコンタ図であり、図８の上図が基底半径を一様の値（０．１）に設定した場合のコンタ図、図８の下図がモデル調整アルゴリズムによる半径調整後のコンタ図である。
【０１２８】
また図９は、図８に示した２ケースの基底半径値に対するモデル出力分布のコンタ図である。図８及び図９の両図において、図７と同様に基底半径の同心円、及び各データのカテゴリ番号を示している。
【０１２９】
図８、図９の上図に示すように、基底半径を一様に設定した場合、入力空間上を基底関数が充分にカバーできないため、疎密度、モデル出力いずれも基底半径の同心円の内部のみで値が大きくなっている。
【０１３０】
この結果、データ分布が疎な領域での推定精度が低下し、前記制御装置２００の操作方法学習部８００による学習を行った場合でも、所望の制御性能が得られない可能性がある。
【０１３１】
一方、前記制御装置２００のモデル調整部６００によって基底半径を調整した場合は、基底関数によって入力空間を充分カバーすることができるため、図８、図９に示すように基底の被覆率が向上することで入力空間内のほぼ全域で疎密度が増加している。そして、モデル出力値はデータ分布が疎な領域でもデータの特性に応じた値となり推定精度が向上する。
【０１３２】
以上の説明から明らかなように、前記制御装置２００のモデル調整部６００では、モデル構築データの疎密度情報に基づき、入力空間内を必要充分にカバーできるように基底半径を調整する。この結果、基底が過重にカバーする領域や被覆率が低下する領域をなくし、モデル推定精度向上に寄与できる。
【０１３３】
また、疎密度を手掛かりに一定の方針に従って基底半径を調整するため試行錯誤的な探索処理を排除でき、試行錯誤的な半径調整手段に比べて計算コストを低減できる。以上で、モデル調整機能６００の詳細な動作の説明を終了する。
【０１３４】
次に、第１実施例であるプラントの制御装置において、制御装置２００とデータを送受信できる保守ツール９１０の外部出力インターフェイス９１３から送信された保守ツール出力信号９４を表示する画像表示装置９２０にて表示される画面について、図１０、１１、１２、１３及び１４を用いて説明する。図１０〜１４は、画像表示装置９２０に表示される画面の一具体例である。
【０１３５】
図１０は第１実施例であるプラントの制御装置において、モデル入出力を設定する際に画像表示装置に表示される画面例であり、第１実施例のプラントの制御装置における制御の手順を示す図２のフローチャートにおけるモデル構築条件・学習条件を設定するステップ１０００のモデル構築条件設定画面の一例である。
【０１３６】
この図１０に示したモデル入出力設定の画面では、プラントの計測データ情報に基づく入出力項目から、任意の項目を選択して制御装置２００における統計モデル５００のモデル入出力を設定することができる。
【０１３７】
図１０に示す画面が前記画像表示装置９２０に表示された状態で、外部入力装置９００のマウス９０２を操作して画面上の数値ボックスにフォーカスを移し、キーボード９０１を用いることで数値を入力できる。また、マウス９０２を操作して画面上のボタンをクリックすることで、ボタンを選択する（押す）ことができる。同様に、マウス９０２を操作して画面上のチェックボックスをクリックすることで、チェックを入れることができる。
【０１３８】
図１０に示した画面では、まず、モデル入力設定において、入力項目リスト３０００に表示された入力項目に対し、任意の項目にマウス９０２のフォーカスを移し、ボタンを選択することにより選択バー３００１を選択した入力項目に一致させることができる。そして、ボタン３００２を選択することで、選択した入力項目をモデル入力項目リスト３００３に追加できる。
【０１３９】
さらに、数値ボックス３００４、及び３００５の夫々にフォーカスを移して数値を入力することで、追加したモデル入力項目に対して、その最小値及び最大値を設定できる。既に追加したモデル入力項目リストから項目を削除する場合は、削除したい項目をマウス９０２により選択し、ボタン３００６を選択することでリストから削除できる。
【０１４０】
図１０に示した画面では、次に、モデル出力設定において、同様に出力項目リスト３００７に表示された出力項目に対し、任意の項目にマウス９０２のフォーカスを移し、ボタンを選択することにより選択バー３００８を選択した出力項目に一致させることができる。そして、ボタン３００９を選択することで、選択した出力項目をモデル出力項目リスト３０１０に追加できる。
【０１４１】
既に追加したモデル出力項目リストから項目を削除する場合は、削除したい項目をマウス９０２により選択し、ボタン３０１１を選択することでリストから削除できる。
【０１４２】
以上のモデル入出力設定の終了後、ボタン３０１２を選択すると図１１に示すモデル調整条件設定画面に移る。
【０１４３】
図１１は第１実施例であるプラントの制御装置において、モデル調整条件を設定する際に画像表示装置に表示される画面例であり、この図１１に示したモデル調整条件設定の画面では、数値ボックス３１００、３１０１、３１０２、３１０３、及び３１０４の夫々にフォーカスを移して数値を入力することで、図５のフローチャートにおけるモデル調整の反復回数ｍの最大値であるモデル調整反復回数、前記ステップ１１０４において用いられるカテゴリ数、前記ステップ１１０８において用いられる疎密度閾値の最小値、及び最大値、並びにモデル調整結果の評価に用いる推定誤差目標値を決定することができる。
【０１４４】
以上のモデル調整条件設定の終了後、ボタン３１０５を選択することで、モデル調整を開始することができる。また、ボタン３１０６を選択するとモデル入出力設定画面に戻る。
【０１４５】
図１２は第１実施例であるプラントの制御装置において、モデル調整結果を確認する際に画像表示装置に表示される画面であり、第１実施例のプラントの制御装置における制御の手順を示す図２のフローチャートにおけるステップ１１００のモデル調整終了後の調整結果評価時に用いる画面の一例である。
【０１４６】
この図１２に示したモデル調整結果表示の画面では、疎密度平均推移表示画面３２００として、モデル調整の反復回数ｍに対する疎密度の推移がグラフ３２０１で表示される。
【０１４７】
ここで、グラフの横軸はモデル調整の反復回数ｍであり、縦軸は各反復回数における疎密度ρｍの移動平均となる。また、この疎密度平均推移表示画面３２００には図１１のモデル調整条件設定画面において設定した疎密度閾値の最小値３２０２、及び最大値３２０３が表示される。
【０１４８】
また、図１２に示したモデル調整結果表示の画面では、モデル推定誤差推移表示画面３２０４として、モデル調整の反復回数ｍに対するモデル推定誤差の推移がグラフ３２０５で表示される。ここで、グラフの横軸はモデル調整の反復回数ｍであり、縦軸は各反復回数におけるモデル評価用データとモデル推定値の誤差となる。また、このモデル推定誤差推移表示画面３２０４には図１１のモデル調整条件設定画面において設定した推定誤差目標値３２０６が表示される。
【０１４９】
プラントの運転員は、図１２に示した疎密度平均推移表示画面３２００、及びモデル推定誤差推移表示画面３２０４に表示されるモデル調整結果を見ながら、モデル調整が適切に実行されているかどうかを判断することができる。
【０１５０】
前記疎密度平均推移表示画面３２００において、モデル調整終盤における疎密度３２０１が、疎密度閾値の最小値３２０２と最大値３２０３の間を推移している場合、且つ前期モデル推定誤差推移表示画面３２０４において、モデル調整終盤におけるモデル推定誤差３２０５が、推定誤差目標値３２０６を下回っている場合には、望ましいモデル調整結果が得られたとしてボタン３２０７を選択することでモデル調整を終了することができる。
【０１５１】
一方で、モデル調整結果が前記の条件のいずれかを満足しない場合は、ボタン３２０８を選択することで図１１のモデル調整条件設定画面に戻り、モデル調整を再実行できる。
【０１５２】
このように、第１実施例のプラントの制御装置においては、図１２に示したモデル調整結果表示画面に表示される情報に応じてモデル調整の終了の可否を決定できる機能を有することにより、所望の統計モデル性能が得られるまでモデル調整を繰り返すことが可能となる。その結果、モデル構築データの構成によらず一定以上の推定精度を保証するロバストな統計モデルを構築できる。
【０１５３】
また、モデル調整の反復回数を予め少なく設定しておくことにより、モデル調整において冗長な計算コストを削減できるため、従来想定していたよりもモデル調整に要する時間を短縮できる。そのためプラントを操作する回数を増加させ、より高い制御効果を得ることができる。
【０１５４】
上記した本実施例のプラントの制御装置では、前記モデル調整部により適切に調整された半径パラメータを用いることにより、統計モデルの推定精度を向上させることができる。また、かかる半径パラメータの調整において、データと推定値の誤差評価の反復処理を必要としないため、計算コストを小さくでき、制御周期以内で調整を終了させることができる。
【０１５５】
以上で、第１実施例であるプラントの制御装置における画像表示装置９２０に表示される画面についての説明を終了する。
【０１５６】
本実施例によれば、統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、そのデータの偏りの分布に応じて適切に統計モデルのパラメータを制御周期以内で調整して、推定精度を向上させる機能を具備した保守ツール及び制御装置の保守ツールを実現することができる。
【実施例２】
【０１５７】
次に、本発明の保守ツールに係わる制御装置２００を、火力発電プラントに適用した第２実施例である火力発電プラントの制御装置について説明する。
【０１５８】
尚、火力発電プラント以外のプラントを制御する際にも、本発明に係わる制御装置２００を使用できることは言うまでもない。
【０１５９】
図１３は、本発明に係わる制御装置２００が適用される火力発電プラント１００ａの構成を示す概略図である。先ず、火力発電プラント１００ａによる発電の仕組みについて簡単に説明する。
【０１６０】
図１３において、火力発電プラント１００ａを構成するボイラ１０１には、ミル１１０で石炭を細かく粉砕した燃料である微粉炭と、微粉炭搬送用の１次空気及び燃焼調整用の２次空気とを供給する複数のバーナ１０２が設けられており、このバーナ１０２を通じて供給した微粉炭を、ボイラ１０１の内部で燃焼させる。尚、微粉炭と１次空気は配管１３４から、２次空気は配管１４１から夫々バーナ１０２に導かれる。
【０１６１】
また、ボイラ１０１には、２段燃焼用の空気をボイラ１０１に投入するアフタエアポート１０３が設けられている。２段燃焼用の空気は、配管１４２からアフタエアポート１０３に導かれる。
【０１６２】
ボイラ１０１の内部で微粉炭を燃焼することによって発生した高温の燃焼ガスは、ボイラ１０１の内部の経路に沿って下流側に流下して、ボイラ１０１の内部に配置された熱交換器１０６で給水と熱交換して蒸気を発生させた後に、排ガスとなってボイラ１０１の下流側に設置されたエアーヒーター１０４に流入し、このエアーヒーター１０４で熱交換してボイラ１０１に供給する空気を昇温する。
【０１６３】
そして、このエアーヒーター１０４を通過した排ガスは、図示していない排ガス処理を施した後に、煙突から大気に放出される。
【０１６４】
ボイラ１０１の熱交換器１０６を循環する給水は、給水ポンプ１０５を介して熱交換器１０６に供給され、熱交換器１０６においてボイラ１０１を流下する燃焼ガスによって過熱され、高温高圧の蒸気となる。尚、本実施例では熱交換器の数を１つとしているが、熱交換器を複数配置するようにしてもよい。
【０１６５】
熱交換器１０６で発生した高温高圧の蒸気は、タービンガバナ１０７を介して蒸気タービン１０８に導かれ、蒸気の持つエネルギーによって蒸気タービン１０８を駆動して発電機１０９で発電する。
【０１６６】
上記第２実施例の火力発電プラント１００ａには、火力発電プラントの運転状態を示す状態量を検出する様々な計測器が配置されている。
【０１６７】
前記火力発電プラント１００ａは図１のプラント１００に該当しているので、これらの計測器から取得された火力発電プラントの計測信号は、図１に示すようにプラント１００から計測信号１として制御装置２００の外部入力インターフェイス２０１に送信される。
【０１６８】
計測器としては、例えば図１３の火力発電プラント１００ａに示すように、熱交換器１０６から蒸気タービン１０８に供給される高温高圧の蒸気の温度を計測する温度計測器１５１、蒸気の圧力を計測する圧力計測器１５２、発電機９で発電される電力量を計測する発電出力計測器１５３が図示されている。
【０１６９】
蒸気タービン１０８の復水器（図示せず）によって蒸気を冷却して生じた給水は、給水ポンプ１０５によってボイラ１０１の熱交換器１０６に供給されるが、この給水の流量は流量計測器１５０によって計測されている。
【０１７０】
また、ボイラ１０１から排出する燃焼ガスである排ガス中に含まれている成分（窒素酸化物（ＮＯｘ）、一酸化炭素（ＣＯ）、及び硫化水素（Ｈ２Ｓ）など）の濃度に関する状態量の計測信号は、ボイラ１０１の下流側に設けた濃度計測器１５４によって計測される。
【０１７１】
即ち、本発明の制御装置２００を上記火力発電プラント１００ａに適用した第２実施例の火力発電プラントの制御装置において、計測器で計測される火力発電プラント１００ａの計測データ項目には、上記各計測器によって計測した火力発電プラント１００ａの状態量であるボイラ１０１に供給される燃料流量、ボイラ１０１に供給される空気流量、ボイラ１０１の熱交換器１０６に供給される給水流量、ボイラ１０１の熱交換器１０６で発生して蒸気タービン１０８に供給される蒸気温度、ボイラ１０１の熱交換器１０６に供給される給水の給水圧力、ボイラ１０１から排出される排ガスのガス温度、前記排ガスのガス濃度、及びボイラ１０１から排出される排ガスの一部をボイラ１０１に再循環させる排ガス再循環流量等が含まれる。
【０１７２】
これらの計測データ項目は、図１で示した制御装置２００における制御信号生成部７００で演算して出力された制御信号１５によって決定される計測データ項目である。
【０１７３】
尚、一般的には図１３に図示した以外にも多数の計測器が火力発電プラント１００ａに配置されるが、ここでは図示を省略する。
【０１７４】
次に、ボイラ１０１の内部に投入される空気の経路、すなわちバーナ１０２からボイラ１０１の内部に投入される１次空気と２次空気の経路、及びアフタエアポート１０３からボイラ１０１の内部に投入される空気の経路について図１３を用いて説明する。
【０１７５】
図１３に示したボイラ１０１において、１次空気は、ファン１２０から配管１３０に導かれ、途中でボイラ１０１の下流側に設置されたエアーヒーター１０４を通過する配管１３２と、エアーヒーター１０４を通過せずにバイパスする配管１３１とに分岐するが、エアーヒーター１０４の下流側に配設した配管１３３となって再び合流し、バーナ１０２の上流側に設置された微粉炭を製造するミル１１０に導かれる。
【０１７６】
エアーヒーター１０４を通過する１次空気は、ボイラ１０１を流下する燃焼ガスと熱交換することによって加熱される。この加熱された１次空気と共に、エアーヒーター１０４をバイパスした１次空気は、ミル１１０において粉砕した微分炭をバーナ１０２に搬送する。
【０１７７】
ファン１２１を用いて配管１４０から投入された空気は、エアーヒーター１０４で同様にして加熱された後に、２次空気用の配管１４１とアフタエアポート用の配管１４２とに分岐して、夫々、ボイラ１０１のバーナ１０２とアフタエアポート１０３とに導かれる。
【０１７８】
第２実施例である火力発電プラントの制御装置においては、ファン１２１から送られてバーナ１０２とアフタエアポート１０３からボイラ１０１の内部へ投入される空気流量を制御する例として、２次空気用の配管１４１とアフタエアポート用の配管１４２の上流側に操作端機器となるエアダンパ１６２及びエアダンパ１６３をそれぞれ設け、制御装置２００によってこれらのエアダンパ１６２及びエアダンパ１６３の開度を調節して、ボイラ１０１の内部に供給される２次空気とアフタエアの流量をそれぞれ制御できるように構成している。
【０１７９】
また、ファン１２０から送られてバーナ１０２から微粉炭と共にボイラ１０１の内部へ投入される空気流量を制御する例として、配管１３３に合流する直前部分の配管１３１及び配管１３２に操作端機器となるエアダンパ１６０及びエアダンパ１６１をそれぞれ設け、制御装置２００によってこれらのエアダンパ１６０及びエアダンパ１６１の開度を調節して、ボイラ１０１の内部に供給される空気の流量をそれぞれ制御できるように構成している。
【０１８０】
前記制御装置２００は、他の計測データ項目を制御することもできるので、操作端機器の設置場所を制御対象に応じて変えてもよい。
【０１８１】
図１４は、図１３に示した火力発電プラント１００ａのボイラ１０１の下流側に設置したエアーヒーター１０４と関連する配管部の拡大図である。
【０１８２】
図１４に示したように、エアーヒーター１０４には空気を供給する配管１３０、及び配管１４０がそれぞれ設置されており、このうち、配管１４０はエアーヒーター１０４を貫通して配設され、配管１３０は途中から分岐した配管１３１と配管１３２によって構成されており、前記配管１３１はエアーヒーター１０４をバイパスして配設され、前記配管１３２はエアーヒーター１０４を貫通して配設されている。
【０１８３】
そして配管１３２はエアーヒーター１０４を貫通した後に配管１３１と合流した配管１３３となってミル１１０に導かれ、このミル１１０から該配管１３３を通じて微粉炭と共に空気をボイラ１０１のバーナ１０２に導くように配設されている。
【０１８４】
また、配管１４０はエアーヒーター１０４を貫通した後に配管１４１と配管１４２とに分岐し、このうち、配管１４１はボイラ１０１のバーナ１０２に、配管１４２はボイラ１０１のアフタエアポート１０３に、それぞれ空気を導くように配設されている。
【０１８５】
また、前記配管１３３に合流する直前部分の配管１３１及び配管１３２には、流通する空気量を調節するエアダンパ１６０及びエアダンパ１６１がそれぞれ設置され、前記配管１４１及び配管１４２の上流部分には、流通する空気量を調節するエアダンパ１６２及びエアダンパ１６３がそれぞれ設置されている。
【０１８６】
そして、これらのエアダンパ１６０〜１６３を操作することにより、配管１３１、１３２、１４１、１４２を空気が通過する面積を変更することができるので、配管１３１、１３２、１４１、１４２を通過してボイラ１０１の内部に供給される空気流量を個別に調整できる。
【０１８７】
制御装置２００の制御信号生成部７００によって演算された制御信号１５を外部出力インターフェイス２０２を介して火力発電プラント１００ａに対する操作信号１６として出力し、ボイラ１０１の配管１３１、１３２、１４１、１４２にそれぞれ設置したエアダンパ１６０、１６１、１６２、１６３などの制御端の機器を操作する。
【０１８８】
尚、本実施例では、エアダンパ１６０、１６１、１６２、１６３などの機器のことを操作端と呼び、これを操作するのに必要な制御装置２００で演算した制御信号１５が該制御装置２００から前記操作端に指令する出力信号を操作信号１６と呼ぶ。
【０１８９】
また、制御信号生成部７００によって演算されて前記操作端に出力される操作信号１６としては、ボイラ１０１に配管１３１、１３２、１４１、１４２を通じて供給される空気流量、ボイラ１０１に空気を供給する配管１３１、１３２、１４１、１４２にそれぞれ設置された空気の流量を調節する空気ダンパ１６０〜１６３の開度、ボイラ１０１のバーナ１０２に供給される微粉炭の燃料流量、及びボイラ１０１から排出される排ガスの一部をボイラ１０１に再循環させる排ガス再循環流量等が含まれる。
【０１９０】
以降では、本発明の制御装置を火力発電プラント１００ａに適用して、操作端をボイラ１０１に設置したバーナ１０２に供給する空気量を調節する配管１３１、１３２にそれぞれ設置されたエアダンパ１６０、１６１、及びボイラ１０１に設置したアフタエアポート１０３に供給する空気量を調節する配管１４１、１４２にそれぞれ設置されたエアダンパ１６２、１６３として、被制御量をボイラ１０１から排出される排ガス中のＣＯ、ＮＯｘ、及びＨ２Ｓの濃度とする場合について説明する。
【０１９１】
尚、本実施例では、ボイラ１０１の操作端の操作量（エアダンパ１６０、１６１、１６２、１６３の開度）が制御装置２００を構成する統計モデル５００のモデル入力に、ボイラ１０１から排出される排ガスに含まれるＮＯｘ、ＣＯ及びＨ２Ｓ濃度が統計モデル５００のモデル出力になり、モデル入出力夫々の最小化が学習の目的となる。
【０１９２】
図１５は、第２実施例である火力発電プラントの制御装置において、火力発電プラント１００ａの制御装置２００に用いた場合に、画像表示装置９２０に表示される画面の一例であり、第１実施例のプラントの制御装置においてモデル入出力を設定する際に表示される画面例を示した図１０に対応する、画像表示装置に表示される制御装置２００を構成する統計モデル５００のモデル入出力設定の画面例である。
【０１９３】
図１５に示したモデル入出力設定の画面例では、ボイラ１０１の操作端であるバーナ１０２、及びアフタエアポート１０３の夫々に対して、その位置関係を把握しながら制御装置２００における統計モデル５００のモデル入出力が設定できるようになっている。
【０１９４】
具体的には、モデル入力設定の画面において、ボイラ操作端表示画面３５００に表示されたモデル入力項目リスト３５０２に表示される入力項目に対して選択バー３５０３によって選択された項目に関して、その設置位置を示すボイラ操作端表示画面３５００に表示される缶前のボイラ図上のシンボルがポインタ３５０１によって示される。
【０１９５】
また、この操作とは逆に、ボイラ操作端表示画面３５００に表示される特定の操作端のシンボルに対して外部入力装置９００のマウス９０２をクリックし、ポインタ３５０１のフォーカスを合せることにより、選択バー３５０３の表示位置を移動させる（入力項目を選択する）こともできる。そして、ボタン３５０４を選択することで、選択した入力項目をモデル入力項目リスト３５０３に追加できる。
【０１９６】
尚、図１５において、数値ボックス３５０６、並びにモデル入力設定の画面における出力項目の選択バー３５０９、画面３５０８、３５１１、ボタン３５１０、３５１２、３５１３、及びボタン３５０７の機能については、図１０の画面の場合と同様である。
【０１９７】
第２実施例の火力発電プラントの制御装置によってボイラ１０１に供給する空気を制御する空気量制御では、特定のバーナ及びアフタエアポートのエアダンパの調整方法に関して先験的な知見が存在し、多くの場合それに基づいた制御が実行される。
【０１９８】
そこで、本実施例の制御装置２００におけるモデル入力設定を、図１５に示したような画面構成とすることにより、プラントの運転員は、ボイラ１０１の操作端の位置を確認しつつ、前記先験知識に基づく制御方法を考慮した上で制御装置２００における統計モデル５００のモデル入出力を適切に選定することができる。
【０１９９】
また、図１５に示した画面を用いて設定した操作端、及び最小・最大値をプラント設計情報と関連付けて理解することが可能となるため、モデル入力設定を効率化し、設定ミスの低減にも資することができる。
【０２００】
以上説明したように、本発明のプラントの制御装置２００を火力発電プラントに適用すれば、環境規制や運用コストに対する要求を満たす操作方法を学習することにより、火力発電プラントから排出されるＮＯｘ、ＣＯ、及びＨ２Ｓ濃度の目標値を達成することができる。
【０２０１】
本実施例によれば、統計モデルを構築する際に用いるデータに偏りが存在する学習型のプラントを制御する場合でも、そのデータの偏りの分布に応じて適切に統計モデルのパラメータを制御周期以内で調整して、推定精度を向上させる機能を具備した保守ツール及び制御装置の保守ツールを実現することができる。
【符号の説明】
【０２０２】
１：計測信号、１６：制御信号、９０：入出力データ情報、１００：プラント、１００ａ：火力発電プラント、１０１：ボイラ、１０２：バーナ、１０３：アフタエアポート、１３０〜１３３：配管、１４０〜１４２：配管、１６０〜１６３：エアダンパ、２００：制御装置、２０１：外部入力インターフェイス、２０２：外部出力インターフェイス、２１０：計測信号データベース、２２０：モデル構築データベース、２３０：学習情報データベース、２４０：制御ロジックデータベース、２５０：制御信号データベース、３００：計測信号変換部、４００：数値解析部、５００：統計モデル、６００：モデル調整部、７００：制御信号生成部、８００：操作方法学習部、９００：外部入力装置、９０１：キーボード、９０２：マウス、９１０：保守ツール、９１１：外部入力インターフェイス、９１２：データ送受信処理部、９１３：外部出力インターフェイス、９２０：画像表示装置。
【特許請求の範囲】
【請求項１】
モデル構築データベースを有し、前記モデル構築データベースに保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成したことを特徴とする保守ツール。
【請求項２】
請求項１に記載の保守ツールにおいて、
前記疎密度の推移を表示する際に、疎密度閾値の最大値と最小値を表示するように構成したことを特徴とする保守ツール。
【請求項３】
請求項１に記載の保守ツールにおいて、
前記疎密度の推移を表示する際に、モデル構築データベースに保存された半径調整回数の情報、モデル誤差の変化の情報に基づいて、半径調整回数に対して変化するモデル推定誤差の推移を表示するように構成したことを特徴とする保守ツール。
【請求項４】
請求項３に記載の保守ツールにおいて、
モデル推定誤差の推移を表示する際に、推定誤差の目標値を表示するように構成したことを特徴とする保守ツール。
【請求項５】
プラントから該プラントの状態量である計測信号を取り込み、前記計測信号を用いて前記プラントを制御する操作信号を演算する制御装置の保守ツールにおいて、
前記制御装置は、前記プラントの状態量である計測信号を取り込んで保存する計測信号データベースと、前記計測信号データベースに保存されたプラントの計測データから変換したモデル構築データを保存するモデル構築データベースと、前記モデル構築データベースに保存されたモデル構築データを用いて前記プラントに制御信号を与えた時に該プラントの状態量である計測信号の値を推定するプラントの制御特性を模擬する統計モデルと、前記統計モデルを用いて前記計測信号に相当するモデル出力が目標値を達成するようにプラントに与える前記制御信号に相当するモデル入力の生成方法を学習する操作方法学習部と、前記操作方法学習部における学習の制約条件及び学習結果に関する学習情報データを保存する学習情報データベースと、前記計測信号データベースの計測信号、及び前記学習情報データベースの学習情報データを用いてプラントに対して送信される制御信号を演算する制御信号生成部と、前記モデル構築データベースに保存されるモデル構築データに含まれる統計モデルの基底半径パラメータを調整するモデル調整部を設けて、前記統計モデルが前記モデル調整部による基底半径パラメータの調整結果を用いてモデル出力を生成するように構成し、
前記モデル構築データベースに保存されるモデル構築データには、モデル調整の反復回数の情報、及びデータの密集度を示す疎密度の情報が含まれるように構成し、
前記保守ツールは、この制御装置とデータを送受信して前記制御装置による制御結果を表示するように構成して、前記モデル構築データベースに保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成したことを特徴とする制御装置の保守ツール。
【請求項１】
モデル構築データベースを有し、前記モデル構築データベースに保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成したことを特徴とする保守ツール。
【請求項２】
請求項１に記載の保守ツールにおいて、
前記疎密度の推移を表示する際に、疎密度閾値の最大値と最小値を表示するように構成したことを特徴とする保守ツール。
【請求項３】
請求項１に記載の保守ツールにおいて、
前記疎密度の推移を表示する際に、モデル構築データベースに保存された半径調整回数の情報、モデル誤差の変化の情報に基づいて、半径調整回数に対して変化するモデル推定誤差の推移を表示するように構成したことを特徴とする保守ツール。
【請求項４】
請求項３に記載の保守ツールにおいて、
モデル推定誤差の推移を表示する際に、推定誤差の目標値を表示するように構成したことを特徴とする保守ツール。
【請求項５】
プラントから該プラントの状態量である計測信号を取り込み、前記計測信号を用いて前記プラントを制御する操作信号を演算する制御装置の保守ツールにおいて、
前記制御装置は、前記プラントの状態量である計測信号を取り込んで保存する計測信号データベースと、前記計測信号データベースに保存されたプラントの計測データから変換したモデル構築データを保存するモデル構築データベースと、前記モデル構築データベースに保存されたモデル構築データを用いて前記プラントに制御信号を与えた時に該プラントの状態量である計測信号の値を推定するプラントの制御特性を模擬する統計モデルと、前記統計モデルを用いて前記計測信号に相当するモデル出力が目標値を達成するようにプラントに与える前記制御信号に相当するモデル入力の生成方法を学習する操作方法学習部と、前記操作方法学習部における学習の制約条件及び学習結果に関する学習情報データを保存する学習情報データベースと、前記計測信号データベースの計測信号、及び前記学習情報データベースの学習情報データを用いてプラントに対して送信される制御信号を演算する制御信号生成部と、前記モデル構築データベースに保存されるモデル構築データに含まれる統計モデルの基底半径パラメータを調整するモデル調整部を設けて、前記統計モデルが前記モデル調整部による基底半径パラメータの調整結果を用いてモデル出力を生成するように構成し、
前記モデル構築データベースに保存されるモデル構築データには、モデル調整の反復回数の情報、及びデータの密集度を示す疎密度の情報が含まれるように構成し、
前記保守ツールは、この制御装置とデータを送受信して前記制御装置による制御結果を表示するように構成して、前記モデル構築データベースに保存されたモデル調整の反復回数の情報、及び疎密度の変化の情報に基づいて、モデル調整の反復回数ｍに対して変化する疎密度の推移を表示するように構成したことを特徴とする制御装置の保守ツール。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【公開番号】特開２０１３−４７９７０（Ｐ２０１３−４７９７０Ａ）
【公開日】平成２５年３月７日（２０１３．３．７）
【国際特許分類】
【出願番号】特願２０１２−２２９８４６（Ｐ２０１２−２２９８４６）
【出願日】平成２４年１０月１７日（２０１２．１０．１７）
【分割の表示】特願２００９−１０３７１４（Ｐ２００９−１０３７１４）の分割
【原出願日】平成２１年４月２２日（２００９．４．２２）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
【公開日】平成２５年３月７日（２０１３．３．７）
【国際特許分類】
【出願日】平成２４年１０月１７日（２０１２．１０．１７）
【分割の表示】特願２００９−１０３７１４（Ｐ２００９−１０３７１４）の分割
【原出願日】平成２１年４月２２日（２００９．４．２２）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
[ Back to top ]