JP2008224120A - ボイラプラントの制御装置及び運転員訓練用装置 - Google Patents

Abstract

【課題】ボイラプラントの運転制御操作とボイラ内の現象との関係を可視化し、制御装置の信頼性を向上させる。
【解決手段】ボイラ内で生じる少なくともガス流動現象を含む数値解析結果を用いて、少なくともバーナへ供給する燃料流量及び空気流量、バーナ以外の空気供給ポートに供給する空気流量とを入力データとし、各バーナ及び各空気供給ポートから供給されたガスの流れの軌跡である流線位置データを出力データとするように入力データと出力データとの関係を学習する流線データ演算手段と、流線データ演算手段で出力した流線の位置データを表示画面に出力するための流線描画手段と、流線描画手段によって画像化されたバーナ及び空気供給ポートから供給されたガスの流線を画面上に表示する画像表示手段を備える。
【選択図】図１

Description

本発明は、ボイラを有するプラントの制御装置に関する。また、本発明はボイラプラントの制御に係る運転員訓練用装置に関する。

ボイラは高さが数十メートルにも及ぶ大きな構造物であり、内部で起きている現象を把握することは困難である。また、ボイラ内では燃料の燃焼反応、燃焼ガス中の成分の反応、ガス及び水・蒸気の流動、伝熱現象など、多用な現象が複合して生じている。このようなことから、排ガス中の有害物質の発生を抑制するためにハード面、制御面で様々な技術が開発されてきた。

従来、ボイラプラント制御の分野ではＰＩＤ（比例・積分・微分）制御を基本とする制御ロジックが主流である。この場合、制御の指標となる蒸気温度、蒸気圧力、ガス中成分の濃度などの計測箇所はボイラの大きさに比べれば少なく、ボイラ内の分布を把握することは困難である。

計測箇所を多くすることは製造コストの面で実現困難であるが、仮に計測箇所を増やしても、上記の複合現象を計測情報から理解することは非常に困難である。

また、ニューラルネットワークに代表される教師付き学習機能や、非特許文献１に述べられている強化学習法による教師付き学習機能により、プラントの特性に柔軟に対応できる技術も提案されているが、いずれの場合も学習結果である操作と現象との因果関係を確認し難いために、新たな操作に対する信頼性が劣るという課題があった。

また、運転員教育の面では訓練用シミュレータ装置で操作に対するボイラの応答を学習できるようになっている。本技術として特許文献１がある。特許文献１には、コンピュータ・グラフィックスにより作成した各種バーナ燃焼パターンの炎モデルを保管し、サイクリックな画像に再生する際、データの途中からの繰り返しを行うことによって、バーナ燃焼火炎の様子を表示して訓練者の現象理解が深まるように工夫されている。

強化学習（Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ）、三上貞芳・皆川雅章共訳、森北出版株式会社、２０００年１２月２０日出版 特許３７６４５８５号公報（請求項１）

上記の従来技術で述べたように、ボイラ内の複雑な挙動、複合現象を運転者が容易に理解することは困難である。このため、場合によっては不適切な制御操作を実施する可能性もあり、安全上好ましくないばかりか、制御性能が十分発揮されないために有害物質の排出量が増加する可能性もある。

また、特に学習機能を有する制御方法では、一般に学習結果がブラックボックスであることが多く、このために学習結果の信頼性に欠けるという課題がある。

また、特許文献１に記載の技術では、バーナ火炎の状態を把握し易くすることができるが、窒素酸化物（ＮＯｘ）、一酸化炭素（ＣＯ）等の有害成分の発生に対して直接的に因果関係を提示するものではない。

本発明の目的は、以上の課題を解決し、制御操作とボイラ内の現象との関係を容易に理解できるように表示することで、制御操作の信頼性を向上させたボイラプラントの制御装置或いはボイラプラントの制御に係る運転員訓練用装置を提供することにある。

本発明は、ボイラを有するプラントの制御装置において、ボイラの内部の現象をビジュアル化して、制御操作とボイラ内で生じる現象との関係を表示できるようにした現象可視化手段と、前記現象可視化手段にて画像化された前記関係を画面上に表示する画像表示手段を備えたものである。

本発明によれば、制御操作とボイラ内におけるガスの流れの軌跡等の現象との関係を容易に理解できるように表示することができるので、制御装置の信頼性が向上する。

また、学習型の制御装置においては、学習結果である制御操作と現象との関係が把握しやすくなるため、不適切な操作を防止でき、運転の安定性と安全性が向上する。また、運転員の理解が深まり、運転技能の向上に寄与する。

前記現象可視化手段には、ボイラ内で生じる少なくともガス流動現象を含む数値解析結果を用いて、少なくともバーナへ供給する燃料流量及び空気流量と、バーナ以外の空気供給ポートに供給する空気流量とを入力データとし、前記バーナ及び前記空気供給ポートから供給されたガスの流れの軌跡である流線の位置データを出力データとするように入力データと出力データとの関係を学習する流線データ演算手段と、前記流線データ演算手段にて出力された流線の位置データを受け取り、表示画面に画像として描画するための演算処理をする流線描画手段が備えられる。

前記画像表示手段では、前記流線描画手段によって画像化された前記バーナ及び前記空気供給ポートから供給されたガスの流線を画面上に表示する。

前記現象可視化手段には、流線データ演算手段と流線描画手段に加えて、さらに流線データ演算手段で出力した流線位置の離散データ間を補間する流線データ補間手段と、前記流線データ手段で出力した流線位置データのうち、指定した条件に適合する流線位置データを抽出する条件適合データ抽出手段の一方又は両方を備えることができる。

現象可視化手段として流線データ演算手段と流線データ補間手段および流線描画手段を備えた場合には、流線データ演算手段で出力した流線位置の離散データ間を流線データ補間手段で補間し、流線描画手段では流線データ演算手段で出力した流線位置データと流線データ補間手段で補間した流線位置データとを表示画面に出力するための演算処理をすることが望ましい。

また、現象可視化手段として流線データ演算手段と条件適合データ抽出手段および流線描画手段を備えた場合には、流線データ演算手段で出力した流線位置データのうち、指定した条件に適合する流線位置データを条件適合データ抽出手段で抽出し、その選択した流線位置データを表示画面に出力するための演算処理を流線描画手段で行うことが望ましい。

現象可視化手段として流線データ演算手段と条件適合データ抽出手段と流線データ補間手段および流線描画手段を備えた場合には、流線データ演算手段で出力した流線位置データのうち、指定した条件に適合する流線位置データを条件適合データ抽出手段で抽出し、その選択した流線位置の離散データ間を流線データ補間手段で補間し、条件適合データ抽出手段にて選択されたデータに流線データ補間手段にて計算した補間データを加えたデータを表示画面に画像として描画するための演算処理を流線描画手段で行うことが望ましい。

本発明のボイラプラント制御装置には、少なくともバーナへ供給する燃料流量と空気流量、バーナ以外の空気供給ポートに供給する空気流量の一部または全部の情報と、ボイラ内ガス流路の所定の位置における一酸化炭素濃度、酸素濃度、窒素酸化物濃度、硫黄酸化物濃度、水銀濃度、揮発性有機化合物濃度、未燃燃料濃度のうちから選ばれた少なくとも一つの値との関係を学習する学習手段を備えてもよい。

前記学習手段を備える場合には、学習結果に基づいて決定された、バーナへ供給する燃料流量と空気流量、バーナ以外の空気供給ポートに供給する空気流量の一部または全部の制御指令値を、学習済みの前記流線データ演算手段に入力し、ボイラ内部のガス流動の予想値が出力されるようにすることが望ましい。

本発明のボイラプラント制御装置に係る構成は、そのまま、ボイラプラントの制御に係る運転員訓練用装置に適用することができる。

以下、最良の実施形態について、図面を参照しながら説明する。図１は本発明の実施形態を示している。本実施例の制御装置２００は制御対象プラント１００からプロセス値の計測情報２０５を受け取り、これを使用して制御装置２００内に予めプログラムされた演算を行って制御対象プラント１００への制御指令値である操作指令信号（以下、制御信号とも称する）２８５を送信する。送信された操作指令信号２８５に従って、制御対象プラントにおけるバルブの開度やダンパ開度といったアクチュエータの動作が行われ、プラントの状態がコントロールされる。

また、制御装置２００は中央給電指令所５０から受信する負荷指令信号５１に基づいて制御対象プラント１００の発電出力を制御する。

本実施例は火力発電プラントの燃焼制御に適用した例である。本例では特に排ガス中のＮＯｘ及びＣＯ濃度を低下することを目的とした制御機能に適用した例を中心に説明する。

図２に制御対象である火力発電プラントの構成を示す。燃料となる石炭と石炭搬送用の１次空気、及び燃焼調整用の２次空気は、バーナ１０２を介してボイラ１０１に投入され、ボイラ１０１にて石炭が燃焼する。石炭と１次空気は配管１３４から導かれ、２次空気は配管１４１から導かれる。また、２段燃焼用のアフタエアを、アフタエアポート１０３を介してボイラ１０１に投入する。このアフタエアは、配管１４２から導かれる。

石炭の燃焼により発生した高温のガスは、ボイラ１０１内を矢印で示した経路に沿って流れた後、エアーヒーター１０４を通過する。その後、排ガス処理装置にて有害物質を除去した後、煙突から大気に放出される。

ボイラ１０１を循環する給水は、給水ポンプ１０５を介してボイラ１０１に導かれ、熱交換器１０６においてガスにより過熱され、高温高圧の蒸気となる。尚、本実施形態では熱交換器の数を１つとしているが、熱交換器を複数個配置してもよい。

熱交換器１０６を通過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に導かれる。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、発電機１０９で発電する。

次に、バーナ１０２から投入される１次空気及び２次空気、アフタエアポート１０３から投入されるアフタエアの経路について説明する。

１次空気は、ファン１２０から配管１３０に導かれ、途中でエアーヒーター１０４を通過する配管１３２と通過しない配管１３１に分岐し、再び配管１３３にて合流し、ミル１１０に導かれる。エアーヒーター１０４を通過する空気は、ガスにより過熱される。この１次空気を用いて、ミル１１０で生成される石炭、実際には微粉炭をバーナ１０２に搬送する。

２次空気とアフタエアは、ファン１２１から配管１４０に導かれ、エアーヒーター１０４で過熱された後、２次空気用の配管１４１と、アフタエア用の配管１４２とに分岐し、それぞれバーナ１０２とアフタエアポート１０３に導かれる。

制御装置２００は、ＮＯｘおよびＣＯ濃度を低減するため、バーナから投入する空気量と、アフタエアポートから投入する空気量を調整する機能を持っている。

制御装置２００は基本操作指令演算手段２３０と、基本操作指令演算手段２３０から出力される基本操作指令値２３５を変更または補正する補正手段２５０と、計測情報２０５であるプロセス計測値、運転員の入力信号、上位制御システムからの指令信号等からなる運転実績データを蓄積・格納している運転実績データベース２４０と、制御対象プラント１００または運転員等とのデータ授受のための入出力インターフェース２２０と、運転員が各種データを見たり、設定値や運転モード、手動運転の際の操作指令等を入力したりするための入出力手段２２１と、数値解析演算手段４００と、数値解析演算手段４００で計算した解析結果を蓄積・格納する解析結果データベース４０２と、ボイラ内部現象をビジュアル化する現象可視化手段２５５から構成されている。

入出力手段２２１から入力した入力データ２２５は入出力インターフェース２２０を介して制御装置内の各演算手段に伝達される。

基本操作指令演算手段２３０はＰＩＤ（比例・積分・微分）制御器を基本構成要素とし、中央給電指令所５０から受信する負荷指令信号５１に基づいて計測情報２０５であるプロセス計測値、運転員の入力信号、上位制御システムからの指令信号等を入力として制御対象プラント１００に設置されているバルブ、ダンパ、モータ等の各種動作機器に対する基本操作指令値２３５を演算して出力する。

次に、基本操作指令値２３５を変更または補正する補正手段２５０について説明する。

補正手段２５０は強化学習手段２９０と、操作指令決定手段２８０とで構成されている。

強化学習手段２９０は運転実績データベース２４０に蓄積された運転データ２４５、計測情報２０５である計測データ、数値解析演算手段４００で計算した数値解析結果４０１を用いて強化学習理論によりプラント状態に対応した適切な操作方法を学習する機能を有している。

強化学習理論の詳細は、例えば非特許文献に記載されている。ここでは強化学習の概念のみを説明する。

図３に強化学習理論による制御の概念を示す。制御装置６１０は制御対象６００に対して制御指令６３０を出力する。制御対象６００は制御指令６３０に従って動作する。この時、制御指令６３０による動作により制御対象６００の状態が変化する。変化した状態が制御装置６１０にとって望ましいか、または、望ましくないか、また、それらがどの程度かを示す量である報酬６２０を制御対象６００から受け取る。

実際には制御対象から受け取る情報は制御対象の状態量であって、それに基づいて制御装置６１０が報酬を計算するのが一般的である。一般に、望ましい状態に近づくほど報酬が大きくなり、望ましくない状態になるほど報酬が小さくなるように設定される。

制御装置６１０は試行錯誤的に操作を実施して、報酬が最大になる、すなわち、できるだけ望ましい状態に近づくような操作方法を学習することにより、制御対象６００の状態に応じて適切な制御操作ロジックが自動的に構築されるのである。

ニューラルネットワークに代表される教師付き学習理論は、予め成功事例を教師データとして提供する必要があり、新規プラントで運転データがない場合や、現象が複雑で予め成功事例を準備できない場合には不向きである。

これに対して強化学習理論は教師なし学習に分類され、自らが試行錯誤的に望ましい操作を生成する能力を持っている点で、制御対象の特性が必ずしも明確でない場合に対しても適用可能な利点を持っている。

しかし、プラントの運転データのみで学習するためには、学習に必要な運転データが十分蓄積されるまで待つ必要があるため、効果を発揮するまでに長時間を要する。また、試行錯誤的に学習するため、運転上望ましくない状態になる可能性もあり、場合によっては安全面で支障をきたす恐れもある。

そこで、本実施の形態では、制御対象を模擬するモデルを対象にどのような操作信号を生成するのが良いかを予め学習する。

数値解析演算手段４００は制御対象プラント１００のボイラ構造を模擬しており、その燃焼を含む化学反応、ガス流動、伝熱のプロセスを差分法、有限体積法、有限要素法等の数値解析手法を用いて計算するものである。

数値解析の解析精度は高い方が望ましいが、本発明は解析手法に特徴があるのでは無く、解析手法を限定するものではないため、数値解析方法に関する説明は省略するが、一般に計算対象であるボイラの形状を計算格子（メッシュ）に分割し、格子内の物理量を計算するものである。

数値解析によりガス温度、ガス成分の濃度、ガスの流速と流れの方向等が計算結果として出力され、解析結果データベース４０２に蓄積される。

数値解析により、様々な操作条件における現象を計算し、制御対象プラント１００のＣＯ，ＮＯｘ濃度の計測位置における両者の濃度を計算する。計測位置の計算結果は、その断面の計算格子（メッシュ）ごとに計算される。

図４に強化学習手段２９０の構成を示す。数値解析演算手段４００で計算された数値解析結果４０１は解析結果データベース４０２に蓄積される。モデル化手段２９１は解析結果データベース４０２から必要なデータ２９７を読込み、ＣＯ，ＮＯｘ濃度の平均値を計算する。

モデル化手段２９１は計算した平均濃度を教師信号、その時の操作条件を入力信号として、入力層、中間層、出力層からなるニューラルネットワークで、誤差逆伝播法（バックプロパゲーション法）を用いて入出力関係を学習する。ニューラルネットワークの構成及び学習方法は一般的な方法であり、また、これらの学習方法は他の方法であっても良く、本発明はニューラルネットワークの構成や学習方法には依存しないので、ここでは詳細な説明を省略する。

学習手段２９２は、プラントが稼動する前（試運転前）にこのニューラルネットワークで学習した数値解析に基づくプラント特性を相手に、ＣＯ，ＮＯｘの発生量を抑制する操作方法を学習する。

操作量に相当する操作信号２９３はバーナ及びアフタエアポートの各位置毎の空気流量、バーナ毎の燃料流量である。

本例では燃料流量、空気流量とＮＯｘ及びＣＯ濃度の関係をモデル化しているが、本発明は入力項目及び出力項目をこれだけに限定するものではい。また、モデル化方法もニューラルネットワークに限定するものではなく、回帰モデル等の他の統計モデルを用いても良い。

学習手段２９２はモデル化手段２９１で作成したモデルに対して、バーナ及びアフタエアポートの各位置毎の空気流量、バーナ毎の燃料流量からなる入力データ（操作信号２９３）を出力する。この入力データはプラントの操作条件に対応しており、それぞれ上下限値、変化幅（刻み幅）、一回の操作で取り得る最大変化幅が設定してある。入力データ（操作信号２９３）の各量は取り得る値の範囲内でランダムに各数値が決定される。

モデル化手段２９１は作成済みのモデルに入力データ（操作信号２９３）を入力し、出力データ２９４となるＮＯｘ及びＣＯ濃度を計算する。

学習手段２９２は出力データ２９４を受信し、報酬値を計算する。報酬は式（１）で定義する、ここで、Ｒは報酬値、Ｏ_ＮＯｘはＮＯｘ値、Ｏ_ＣＯはＣＯ値、Ｓ_ＮＯｘはＮＯｘの目標設定値、Ｓ_ＣＯはＣＯの目標設定値、ｋ_１、ｋ_２、ｋ_３、ｋ_４は正の定数である。

式（１）に示すように、目標設定値よりもＮＯｘ、ＣＯ値が低下した場合は報酬Ｒ_１及びＲ_２を与え、さらに、目標設定値よりも低下した場合はその偏差に比例して報酬を与えるようになっている。

なお、報酬の定義方法は他にも多様な方法が考えられ、式（１）の方法に限定されるものではない。

学習手段２９２は式（１）で計算される報酬が最大になるように入力データ（操作信号２９３）の組合せ、すなわち操作量を学習するため、結果的に現状態に対応してＮＯｘ，ＣＯを低減する操作量の組合せを学習することができる。

学習手段２９２は学習が終了した状態で、現在時刻の運転データ（計測情報２０５）を読込み、学習結果に基づいて式（１）の報酬が最大となる操作量２９５を出力する。

ただし、本発明はこの報酬の与え方に依存するものではなく、他の方法であっても良い。

以上により、プラント稼動前、すなわち運転実績データが無い状態でも強化学習によってＣＯ，ＮＯｘを抑制する運転操作方法が得られるので、試運転時から本制御装置が適用でき、効果を発揮することができる。

運転実績データのみで学習する場合、データの蓄積に数週間〜数ヶ月を必要とするため、その間十分な制御性能が得られない可能性がある。そのため、ＣＯ，ＮＯｘ濃度が高くなって環境性が悪化する、或いは脱硝装置で用いる薬品例えばアンモニアの消費量が増加する等のおそれがある。

また、試行錯誤運転のため、安全運転の面からも好ましくない状態になる危険性もあるため、本実施の形態の方法はこれらのリスクを抑制・回避できる点で有効である。

しかし、数値解析結果の誤差、例えば実機プラント計測値との偏差をゼロにすることは困難であるため、プラントが稼動した後は、プラントの運転実績データを用いてニューラルネットワークモデルの特性を補正する。

そのために、モデル化手段２９１は運転データ２４５から上記の操作量とＣＯ，ＮＯｘ濃度との関係データを数値解析データに加えて追加学習する機能を有している。追加学習により、運転データ２４５の特性がニューラルネットワークの特性モデルに反映される。また、この運転データ２４５で補正したモデルを相手に学習手段２９２が再度学習し直す機能もあり、これにより、より精度が高く制御性能が良い操作方法を学習できる。

しかし、学習結果として構築される操作（制御）方法はＰＩＤ制御のロジック図のように因果関係をロジカルに把握することが困難である。

このため、実際に学習型の制御装置を使用する際には、学習結果の妥当性を予め確認することが難しいため、安定かつ安全な運転が必須条件であるプラント制御では信頼性の観点で課題があった。

本発明では、ボイラ内部の現象をビジュアル化し、操作（制御）とボイラ内で生じる現象との関係を表示するための現象可視化手段２５５を備えている点が特徴である。

本実施例では、ボイラで発生するＣＯ，ＮＯｘを抑制することを目的としている。これらは燃焼に伴う反応であるため、酸素（空気）との接触や、反応場の温度などが影響する。特に、ＣＯは燃料量に対する酸素の不足が大きく影響するため、バーナから供給される燃料を含むガス流れと、エアポートから供給される空気との接触、混合状態を可視化することで、制御操作とボイラ内部の現象との関係及びＣＯ等の抑制効果との関係が客観的に理解しやすくなる。可視化により、制御操作とボイラ内の現象が有害成分発生に与える影響を容易に理解できるようになる。

これにより、学習結果である制御操作の妥当性が確認できるため、制御装置の信頼性が向上する。

以下、現象可視化手段２５５について説明する。

現象可視化手段２５５は流線データ演算手段２６０、流線データ補間手段２６１、条件適合データ抽出手段２６２、流線描画手段２６５を有する。流線データ補間手段２６１と、条件適合データ抽出手段２６２は両方無くても良いし、いずれか１つ無くても良い。

流線データ演算手段２６０は図６に示すような入出力項目を持つニューラルネットワークである。図中の番号Ａ１，Ａ２等はバーナ及びエアポートの位置を示す番号であり、その対応関係を図５に示した。

ニューラルネットワークはバーナ毎及びエアポート毎に分割されており、それぞれのバーナまたはエアポートから供給されたガスの流れの軌跡を計算する。ニューラルネットワークは入力データを与えた時に出力される出力データと予め準備した教師データとの誤差が小さくなるように誤差逆伝播法（バックプロパゲーション法）によりネットワーク間の重み係数を修正することで、入力データと出力データの関係を学習することができる。

入力データは全て同じであり、出力データは各バーナまたはエアポートを起点とする流線の３次元の座標データである。

まず、入力データについて説明する。入力データは各バーナへ供給する燃料流量及び空気流量と、各エアポートへ供給する空気流量と、時間のデータである。ここで、燃料流量及び空気流量は計測値でも、制御指令値でもよい。また、バーナ段毎（例えばＡ１〜Ａ６バーナ）に流量を等分配している場合は、１本毎でなく段毎の総流量または段毎の１本当たりの流量を入力しても良い。

時間の入力データは、バーナまたはエアポートに供給されたガスが、ノズル出口からボイラ出口に到達するまでの経過時間を、所定の時間間隔で入力するものである。

これにより、時間の経過に伴ってノズルを出たガスが到達する位置（座標）と対応付けることができる。

出力データは各バーナ及びエアポートを起点とする流線の座標データ、その座標位置における流速、ガス温度、酸素濃度、一酸化炭素濃度、窒素酸化物濃度である。

ニューラルネットワークの学習時には各バーナ及びエアポートの燃料及び空気流量の条件が異なる数値解析結果を用いる。入力データは各バーナ及びエアポートの燃料及び空気流量の計算条件（境界条件）データであり、教師データは上述の出力データ項目に関する数値解析結果である。

運転制御時には学習済みのニューラルネットワークに各バーナ及びエアポートの燃料及び空気流量の運転データを入力することによりボイラ内部のガス流動を予想値２６３として出力する。

また、ニューラルネットワークの構成としては、例えば図７に示すように出力項目を複数に分割する構成にしても良い。出力項目を分割することで、学習精度の向上が期待できる。また、計算機が複数のＣＰＵを持っている場合には、並列化して計算することにより、学習時間を短縮できる可能性がある。

なお、教師データはガスがノズル出口からボイラ出口まで流れる時の移動位置（座標）を所定の時間間隔で求めたものとする。この時間間隔を小さくすれば、学習する流線と数値解析結果との誤差は小さくなるが、時間間隔を小さくするほどデータセット数が増えるために、学習時間が増大し、計算機の演算速度等の観点で実用上問題になる可能性もある。

そこで、ある程度時間間隔を大きくせざるを得ない場合を想定して、本実施例では流線データ補間手段２６１を備えている。学習する流線データは空間的に離散したデータである。時間間隔が小さければ学習結果を画面表示した場合に点の集合で連続的な流れとなるが、時間間隔が大きい場合にはデータ点間の距離が大きくなるため、流れの連続性が認識しにくくなる。

流線データ補間手段２６１は、流線データ演算手段２６０が出力した予想値２６３を受けて、予想値２６３の各データ点について前時間ステップの座標点と次時間ステップの座標点を補間することで、データ点間の接続関係を容易に認識できるようにするものである。補間の方法は、２点間の直線補間でも、複数点を用いた高次式による近似でもよく、ニューラルネットワークの出力するデータ点間を補間するように座標データを増やす。また、同様に、座標データ以外の出力項目についても補間データを作成する。

このようにして作成したボイラ内部のガス流動・性状に関するデータを表示画面２２３に表示するが、すべてのバーナ及びエアポートを起点とする流線を同時に表示させると、３次元的に流線が重なり合ってわかりにくい。

そのため、本発明では条件適合データ抽出手段２６２を用いて、表示させるデータを選択する。

本例では、図５に示したボイラ出口におけるガス濃度計測位置において、ＣＯ濃度またはＮＯｘ濃度が設定値以上、または酸素濃度が設定値以下の領域に到達する流線だけを抽出できるようにしている。

まず、流線データ演算手段２６０の出力である予想値２６３のガス濃度計測位置における全データから上記の指定した条件に適合するデータ点のみを検索し、その点から時間経過のステップを前に辿っていくことにより、そこに到達する流線データが抽出できる。

これにより、ＣＯ濃度またはＮＯｘ濃度が高い領域、または酸素濃度が低い領域にはどのバーナからの燃料ガスが多く流れているか、そこに到達する空気の流れが少ないか、というようなことが視覚的に認識できるため、現象が理解しやすくなる。

これに加えて、特定のバーナやエアポートからの供給ガスがどの経路を辿ってボイラ出口のどの領域に到達するかを調べるために、流線を見たいバーナやエアポートを指定できるようにしている。

これらの条件に適合するデータを選択して選択データ２６４として流線データ補間手段２６１に出力する。

実際のボイラ内のガス流れは各バーナやエアポートの流量差の影響により、単純な層流ではないと考えられるので、直感的にボイラ内部のガスの流れを予想するのは困難である。

本発明により、どのような現象に基づいて制御操作が学習されているかが理解しやすくなるため、ブラックボックス化することなく学習結果の妥当性が評価できるようになった。

流線描画手段２６５では、条件適合データ抽出手段２６２で選択されたデータに流線データ補間手段２６１で計算した補間データを加えたデータセット２１０を受け取り、表示画面２２３に３次元画像として描画するための演算処理をする。

演算処理の結果作成された３次元画像データ２５６は表示画面２２３に出力される。３次元画像データ２５６は入出力インターフェース２２０を介して画面表示情報データ２２４として表示画面２２３に伝達される。

表示画面例を図１０に示す。ウインドウ２６６にはボイラの外形、バーナ及びエアポートの位置が３次元的に表示される。ウインドウ右下の回転ボタンを入出力手段２２１の入力デバイスであるキーボード付きマウス２２２のマウスで押すと、マウス操作により３次元の立体画像を自由に回転させていろいろな方向から見る事ができる。またリセットボタンを押すと、初期（デフォルト設定）の表示状態に戻る。

ウインドウ２６８はボイラガス流路内の指定した断面におけるガス濃度分布を表示している。上段が数値解析結果に基づく予想値であり、下段はそれに対応する計測値をガス濃度の大小を色わけまたは濃淡によって表示する。

断面位置は、複数箇所を予め設定し、これらから選択できるようにしている。図９に断面位置の設定例を示す。断面Ａはバーナ部上部位置、断面Ｂはバーナとエアポートの中間位置、断面Ｃはエアポート上部位置、断面Ｄは火炉出口位置、断面Ｅはボイラ出口位置（ガス濃度計測位置）である。

図９に示すように、各断面位置におけるガス濃度の予想値と計測値とを同じ画面上に表示することで、ガスの上流側からバーナ部、エアポート部でどのようにガス濃度が変化しているか、また、計測値との比較により予想値が妥当かどうかを判断できる。

なお、ガス流路の指定断面におけるガス濃度の予想方法は、流線データ演算手段２６０と同様にニューラルネットワークを用いて計算する。図８にニューラルネットワークの構成例を示す。入力データは流線データ演算手段２６０と同じである。ネットワークは図９に示した各断面位置毎に構成する。出力データは断面位置の温度、ＣＯ濃度、ＮＯｘ濃度、酸素濃度であり、断面における各計算格子の値を教師データとして学習する。

計算格子数が多く、学習時間が過大になる場合は、断面における格子長を大きくするように再構成し、再構成した格子内に含まれる複数格子の平均値とする。

ウインドウ２６７はウインドウ２６６及び２６８に表示する条件を設定する画面例である。ウインドウ２６７上部はウインドウ２６６の設定用、下部はウインドウ２６８の設定用である。

ウインドウ２６７の上部左側５００にはバーナ及びエアポートの配置図があり、流線を描画するエアポートまたはバーナを選択することができる。図９ではエアポート１とバーナＡ１が選択されている。上部右側では、最上段５０１に指定断面位置でのガス濃度が所定の条件を満たす流線を選択する３つのボタン、「ＣＯ大」「ＮＯｘ大」「Ｏ_２低」がある。これらの何れかのボタンを選択すると、予め設定された各成分濃度の基準値と比較して条件を満たす流線データのみを表示することができる。これらの処理は条件適合データ抽出手段２６２で実行する。

右側中段５０２には、ウインドウ２６６の流線データを色分けまたは濃淡表示する指標をＣＯ濃度，ＮＯｘ濃度，Ｏ_２（酸素）濃度、ガス温度、流速から選択するボタンがあり、選択されたデータが表示される。図９では流速が選択されている。また、「描画／クリア」ボタンを押すとウインドウ２６６に表示されている画像の上に新たに指定したデータが追加されて表示される。再度「描画／クリア」ボタンを押すと最後に追加したデータのみが消去される。

右側下段左５０３にある「ＡＬＬ」ボタンを押すと全バーナ及びエアポートを起点とする流線をすべて表示する。「クリア」ボタンを押すと表示されている流線が全て消去される。

右側下段右５０４の「描画（新規）」ボタンを押すとウインドウ２６６が新たなウインドウとして表示される。その結果、図１２に示すように流速、温度、ＣＯ濃度等の異なるデータを同時表示できる。また、「連動」ボタンを押すと、図１２に示した何れかのウインドウで回転操作を行うと、他のウインドウの画像も連動して回転表示されるようになっており、異なる複数の指標でボイラ内の状態を確認することができる。

ウインドウ２６７下部の種類選択ボタン５０５はウインドウ２６８に表示するデータの種類をＣＯ濃度，ＮＯｘ濃度，Ｏ_２（酸素）濃度で選択するものである。位置選択ボタン５０６は図９に示したＡ〜Ｅまでの全断面位置から表示する断面位置を選択するものである。

右側上段「描画／クリア」ボタン５０７を押すとウインドウ２６８に表示されているデータが消去される。再度「描画／クリア」ボタンを押すと選択されているデータが描画される。また「描画（追加）」ボタン５０８を押すと、ウインドウ２６８が別ウインドウとして複数ウインドウ表示される。

右側下段「ＡＬＬ」ボタン５０９を押すと、図９に示したように全ての設定断面位置のデータが表示される。

以上で説明した本発明の機能を利用して、過去のデータを分析することもできる。図１１にＣＯ濃度，ＮＯｘ濃度の運転実績データのトレンド表示画面例を示した。画面上段にＣＯ濃度のトレンドグラフ３３０が表示され、下段にＮＯｘ濃度のトレンドグラフ３３１が表示される。表示されているデータは運転実績データベース２４０に格納されている。マウスで時刻指定線３３２を左右に移動させて選択する時刻を指定できる。選択した日付と時刻は領域３１０に表示される。

また、画面の下部には指定した時刻におけるＣＯ，ＮＯｘの濃度分布（計測値）が表示される。画面右下ボタン５１０の「解析結果表示」ボタンを押すと、図１０に示した画面に選択時刻の流線予想データ及び指定断面におけるガス濃度分布等を表示することができる。

この機能を用いて、過去の運転実績を分析することで、操作の妥当性の確認、予想値と計測値の傾向の違い等が把握できる。また、運転員の教育にも活用できる。プラントまたは制御装置の故障等のトラブル時には、手動操作で運転する場合があり、その際には運転員の判断が重要となる。そのため、運転操作と現象との関係を理解・習得しておくことが望ましい。

図１３に示した画面は運転訓練または手動運転の際の支援機能である。火炉の前・後のバーナ及びエアポートの燃料流量、空気流量を画面の左右に棒グラフとデジタル数値で表示している。オペレータはこれを参考にして、探索のための操作量の変更値を設定できる。

操作量の変更は右側の棒グラフをマウス操作で上下させても、デジタル数値をキーボードから入力しても良い。棒グラフと表示されたデジタル数値は互いにリンクしている。

操作量の変更値を設定後、「操作量変更設定」ボタン３３３を押すことで、入力した数値が制御指令値となる。また、「解析予想」ボタン３３４を押すと、画面下部に現状と操作量変更時の流線予想図を比較して表示する。また、図９及び図１０に示したガス濃度分布の予想値を表示させても良い。運転員はこの結果を見ながら適切と判断する操作量を決定することができる。

本発明の実施形態に係る制御装置の構成を説明する図である。 火力発電プラントの構成を説明する図である。 強化学習の概念を説明する図である。 強化学習手段の構成を説明する図である。 バーナ、エアポート及びガス濃度計測位置を説明する図である。 流線データ演算手段の第一の構成例を説明する図である。 流線データ演算手段の第二の構成例を説明する図である。 ガス流路断面における分布情報学習・予想手段の構成例を説明する図である。 ガス流路断面の設定位置及び各断面における濃度分布の表示例を説明する図である。 流線データとガス性状分布データの表示画面及びそれらの表示条件設定画面の例を説明する図である。 ガス濃度実績データのトレンド表示及び時刻設定の画面例を説明する図である。 複数種類の流線データの表示画面例を説明する図である。 バーナ、エアポートの燃料及び空気量の設定とそれに対応するガス流線予想画面例を説明する図である。

符号の説明

１００…制御対象プラント、２００…制御装置、２２０…入出力インターフェース、２２１…入出力手段、２２３…表示画面、２３０…基本操作指令演算手段、２４０…運転実績データベース、２５０…補正手段、２５５…現象可視化手段、２６０…流線データ演算手段、２６１…流線データ補間手段、２６２…条件適合データ抽出手段、２６５…流線描画手段、２８０…操作指令決定手段、２９０…強化学習手段、４００…数値解析演算手段。

Claims (13)

1. ボイラを有するプラントの制御装置において、
   前記ボイラ内で生じる少なくともガス流動現象を含む数値解析結果を用いて、少なくともバーナへ供給する燃料流量及び空気流量と、バーナ以外の空気供給ポートに供給する空気流量とを入力データとし、前記バーナ及び前記空気供給ポートから供給されたガスの流れの軌跡である流線の位置データを出力データとするように入力データと出力データとの関係を学習する流線データ演算手段と、
   前記流線データ演算手段にて出力された流線の位置データを受け取り、表示画面に画像として描画するための演算処理をする流線描画手段と、
   前記流線描画手段によって画像化された前記バーナ及び前記空気供給ポートから供給されたガスの流線を画面上に表示する画像表示手段とを具備したことを特徴とするボイラプラントの制御装置。
2. 請求項１に記載のボイラプラントの制御装置において、
   前記流線データ演算手段にて出力された流線位置の離散データ間を補間する流線データ補間手段を有し、
   前記流線描画手段は、前記流線データ演算手段にて出力された流線の位置データに前記流線データ補間手段にて計算した補間データを加えたデータを受け取り、表示画面に画像として描画するための演算処理をすることを特徴とするボイラプラントの制御装置。
3. 請求項１に記載のボイラプラントの制御装置において、
   前記流線データ演算手段にて出力された流線位置データのうち、指定した条件に適合する流線位置データを抽出する条件適合データ抽出手段を有し、
   前記流線描画手段は、前記条件適合データ抽出手段にて抽出されたデータを受け取り、表示画面に画像として描画するための演算処理をすることを特徴とするボイラプラントの制御装置。
4. 請求項１に記載のボイラプラントの制御装置において、
   前記流線データ演算手段にて出力された流線位置データのうち、指定した条件に適合する流線位置データを抽出する条件適合データ抽出手段と、
   前記条件適合データ抽出手段にて選択された流線位置の離散データ間を補間する流線データ補間手段とを有し、
   前記流線描画手段は、前記条件適合データ抽出手段にて選択されたデータに前記流線データ補間手段にて計算した補間データを加えたデータを受け取り、表示画面に画像として描画するための演算処理をすることを特徴とするボイラプラントの制御装置。
5. 請求項３に記載のボイラプラントの制御装置において、
   前記ボイラ内のガス流路の所定の位置及び所定の流路領域における一酸化炭素濃度、酸素濃度、窒素酸化物濃度、硫黄酸化物濃度、水銀濃度、揮発性有機化合物濃度および未燃燃料濃度のうちから選ばれた少なくとも一つの値を、前記条件適合データ抽出手段における指定条件の指標とすることを特徴とするボイラプラントの制御装置。
6. 請求項４に記載のボイラプラントの制御装置において、
   前記ボイラ内のガス流路の所定の位置及び所定の流路領域における一酸化炭素濃度、酸素濃度、窒素酸化物濃度、硫黄酸化物濃度、水銀濃度、揮発性有機化合物濃度および未燃燃料濃度のうちから選ばれた少なくとも一つの値を、前記条件適合データ抽出手段における指定条件の指標とすることを特徴とするボイラプラントの制御装置。
7. 請求項１〜４のいずれかに記載のボイラプラントの制御装置において、
   前記流線データ演算手段が、前記バーナへ供給する燃料流量および空気流量と、前記空気供給ポートへ供給する空気流量と時間のデータを入力データとし、前記バーナ及び前記空気供給ポートを起点とする流線の座標データ、その座標位置における流速、ガス温度、酸素濃度、一酸化炭素濃度および窒素酸化物濃度を出力データとして、前記バーナまたは前記空気供給ポートから供給されたガスの流れの軌跡を計算するニューラルネットであることを特徴とするボイラプラントの制御装置。
8. 請求項７に記載のボイラプラントの制御装置において、
   前記ニューラルネットがバーナ毎およびバーナ以外の空気供給ポート毎に分割されていることを特徴とするボイラプラントの制御装置。
9. ボイラを有するプラントの制御装置において、
   前記ボイラ内で生じる少なくともガス流動現象を含む数値解析結果を用いて、バーナ及びバーナ以外の空気供給ポートから供給されたガス流れの軌跡である流線を画面上に表示する画像表示手段を具備したことを特徴とするボイラプラントの制御装置。
10. 請求項１〜９のいずれかに記載のボイラプラントの制御装置において、
    前記画像表示手段で、少なくともバーナへ供給する燃料流量と空気流量、バーナ以外の空気供給ポートに供給する空気流量の計測値または制御指令値の一部または全部と、前記バーナ及び前記空気供給ポートから供給された前記ガスの流線画像とを同時に表示することを特徴とするボイラプラントの制御装置。
11. 請求項１〜１０のいずれかに記載のボイラプラントの制御装置において、
    前記画像表示手段で、前記ボイラ内のガス流路の所定の位置及び所定の流路領域における一酸化炭素濃度、酸素濃度、窒素酸化物濃度、硫黄酸化物濃度、水銀濃度、揮発性有機化合物濃度、未燃燃料濃度のうちから選ばれた少なくとも一つの値の予想値および計測値の少なくとも一方を表示することを特徴とするボイラプラントの制御装置。
12. 請求項１〜１１のいずれかに記載のボイラプラントの制御装置において、
    少なくともバーナへ供給する燃料流量と空気流量、バーナ以外の空気供給ポートに供給する空気流量の一部または全部の情報と、ボイラ内ガス流路の所定の位置における一酸化炭素濃度、酸素濃度、窒素酸化物濃度、硫黄酸化物濃度、水銀濃度、揮発性有機化合物濃度、未燃燃料濃度のうちから選ばれた少なくとも一つの値との関係を学習する学習手段を有し、
    前記学習手段で学習した学習結果に基づいて決定された、バーナへ供給する燃料流量と空気流量、バーナ以外の空気供給ポートに供給する空気流量の一部または全部の制御指令値が、学習済みの前記流線データ演算手段に入力され、ボイラ内部のガス流動の予想値が出力されるようにしたことを特徴とするボイラプラントの制御装置。
13. ボイラを有するプラントの運転員訓練用装置において、
    前記ボイラの内部の現象をビジュアル化して、制御操作とボイラ内で生じる現象との関係を表示できるようにした現象可視化手段と、前記現象可視化手段にて画像化された前記関係を画面上に表示する画像表示手段を備え、
    前記現象可視化手段のなかに、前記ボイラ内で生じる少なくともガス流動現象を含む数値解析結果を用いて、少なくともバーナへ供給する燃料流量及び空気流量と、バーナ以外の空気供給ポートに供給する空気流量とを入力データとし、前記バーナ及び前記空気供給ポートから供給されたガスの流れの軌跡である流線の位置データを出力データとするように入力データと出力データとの関係を学習する流線データ演算手段と、前記流線データ演算手段にて出力された流線の位置データを受け取り、表示画面に画像として描画するための演算処理をする流線描画手段を備え、
    前記流線描画手段によって画像化された前記バーナ及び前記空気供給ポートから供給されたガスの流線を、前記画像表示手段の画面上に表示するようにしたことを特徴とするボイラプラントの運転員訓練用装置。

Images