JP2005078545A - プロセスモデルの調整方法及び調整装置 - Google Patents

Abstract

【課題】 プロセス運転予測、プロセス診断、最適運転等を支援できるプロセスモデルの調整方法及び調整装置を実現する。
【解決手段】 実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整方法において、実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行う。
【選択図】 図１

Description

本発明は、化学、石油化学、石油、電力、ガス、鉄鋼、薬品、食品、ごみ焼却、リサイクル、上下水道、マイクロプロセス等の製造プロセスを対象とし、これらのプロセス解析、プロセス運転予測、プロセス診断、プロセスモデルと状態（運転、最適化、訓練等）の自動生成、最適化、最適運転等を行うために、プロセスモデルを用いてオンラインでもオフラインでもプロセスモデルパラメータを調整するプロセスモデルの調整方法及び調整装置に関するものである。

（従来例１）
図５は従来におけるモデル予測制御等で用いられているモデル構築システムの構成例を示した図である。
図５で、実プロセス１に入力された操作量ｕと実プロセス１が出力した制御量ｙは、プロセスインターフェース２を介して解析手段３に取り込まれる。また、プロセス運転データ４もプロセスインターフェース２を介して解析手段３に取り込まれる。解析手段３は取り込まれたデータを解析する。

調整手段５は、解析手段３の解析結果をもとに、線形モデル６に基づいてモデルのパラメータを推定する。推定にあたっては、例えばプロセスの応答を１次遅れ要素と無駄時間要素で近似する。推定したモデルパラメータはデータベース７に保存する。
このようにしてモデルパラメータを推定し、推定したモデルパラメータを設定したプロセスモデルを用いてプロセス運転予測、プロセス診断、最適運転等を行う。

（従来例２）
他のプロセスモデルの調整装置では、モデルの非線形性に基づいて非線形簡易モデルを表現し、非線形簡易モデルを利用してモデルのパラメータを推定する。非線形簡易モデルは、経験的非線形モデル、ニューラルネットワークやファジー等でモデルを構築するものも含む。

（従来例３）
他のプロセスモデルの調整装置では、実プロセスの物質収支、熱収支に基づくモデルを構築し、モデルを利用してモデルのパラメータを推定する。

特開２００１−２４９７０５号公報 特開２００２−３７３００２号公報

従来例１では、非線形性プロセスで運転を行うと、実プロセスとプロセスモデルの間にずれが発生し、プロセス診断、最適化、最適運転には利用できない。

従来例２では、小規模で精度よいモデルが構築されていれば、限られた範囲で状態推定や最適化が可能となる。しかし、中規模以上では運転予測、プロセス診断、最適運転には利用できない。

従来例３では、物性計算法等が組み込まれていれば、多くの目的に利用できるが、厳密なアクチュエータ、機器モデル、センサモデルを組み込んで実時間で動作できるものはほとんどない。あるとしても機器の静的パラメータ（機器が定常運転されている状態を決定するために利用されている物質量や係数）をプロセスの定常運転状態データから計算することまでしかできない。

このようなことから従来技術では、精度の高い運転予測、定常最適化、最適運転（動的最適化など）を達成することができるモデルおよびそれを可能にするモデルパラメータ推定または更新法を持ったシステムは存在しない。

本発明は上述した問題点を解決するためになされたものであり、精密プロセスモデルを持ち、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行うことにより、プロセスモデルを実プロセスに近い高精度プロセスモデルになるように調整でき、プロセス運転予測、プロセス診断、最適運転等を支援できるプロセスモデルの調整方法及び調整装置を実現することを目的とする。

このような課題を達成するために、本発明は次のとおりの構成になっている。

（１）実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整方法において、
実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行うことを特徴とするプロセスモデルの調整方法。

（２）前記静的パラメータの調整では、プロセスモデルの定常的なバランスを考慮して静的パラメータを調整することを特徴とする（１）記載のプロセスモデルの調整方法。

（３）前記動的パラメータの調整では、プロセスがどのように動くかというダイナミクスを予め考慮して動的パラメータを調整することを特徴とする（１）記載のプロセスモデルの調整方法。

（４）前記動的パラメータの調整では、プロセスに信号を入力したときの応答特性を考慮して動的パラメータを調整することを特徴とする（１）記載のプロセスモデルの調整方法。

（５）前記プロセスモデルは動的パラメータと静的パラメータを区別する機能を備えたことを特徴とする（１）乃至（４）のいずれかに記載のプロセスモデルの調整方法。

（６）実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整装置において、
実プロセスから得たデータをもとに、プロセスモデルの静的パラメータを調整する第１の調整手段と、
実プロセスから得たデータをもとに、プロセスモデルの動的パラメータを調整する第２の調整手段と、
を有することを特徴とするプロセスモデルの調整装置。

以上説明したことから明らかなように、本発明によれば次のような効果がある。
精密プロセスモデルを持ち、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行う。これにより、プロセスモデルを実プロセスに近い高精度プロセスモデルになるように調整でき、次の効果が得られる。
（ａ）高精度のプロセス運転予測を可能とする。
（ｂ）機器の性能劣化、異常などにつながる状態やパラメータ調整により、継続的プロセス診断が行え、効率的な定期修繕、リプレース、安全運転が行える。
（ｃ）プロセスモデルと状態の自動生成機能により、多くの用途に利用可能なエンジニアリングコストを削減できる。
（ｄ）高精度で大規模プラントの最適化を支援できる。
（ｅ）高度で最適なプラント運転の達成を支援できる。

以上説明したように本発明により、プロセス運転予測、プロセス診断、最適運転等を支援できるプロセスモデルの調整方法及び調整装置を実現した。

以下、図面を用いて本発明を詳細に説明する。
図１は本発明の一実施例を示す構成図である。
図１で、精密モデルを利用したプロセスモデル１０は、機器ごとの物理モデルや熱量モデルを持つものを対象にしている。取り扱う物質の物性情報や計算方法等を選択できるモデルがある。プロセスモデル１０はシミュレータをもとに実対象に合わせて作りこんだモデルであり、プラントの挙動に対しては精度高く表現できるもので実現されている。プロセスモデル１０には、機器の物理パラメータ、特性パラメータ（動的パラメータ、静的パラメータ）が設定され、高度なモデルは取り扱う物質データ、物性計算法まで設定されている。

実プロセス１１は、プロセスモデル１０と同範囲を対象に考える。実プロセス１１における外乱情報、操作量、制御量（直接得た測定値、測定値を演算して得た分析値を含む）、ソフトセンサやオブザーバなどの計算量もプロセスモデル１０でデータとして利用できる。データは通常多いほうが精度の高いモデル調整が可能となる。
オフラインの場合には、実プロセス１１のデータがデータベースやテキストファイルなどの形態で使用できればよい。実データがない場合には、プロセスモデルのパラメータを自動調整して設計に利用することができる。

プロセスデータインターフェース１２とは、分散型制御システムのデータをオンラインで逐次参照する機能を持つ。プロセスデータインターフェース１２は、ＯＰＣインターフェースであってもよい。プロセスデータインターフェース１２は、データベースから必要なデータを時系列で取り出す。オフラインでは、プロセスデータインターフェース１２はデータ収集パッケージに対するインターフェースとなり、プロセスモデル１０の運転時に必要なデータを参照可能とする。

データ収集手段１３は、実プロセス運転データ（操作量、状態量、制御量）やシミュレータ運転データを即時または未来に再利用できる装置である。データ収集手段１３は、通常はデータベースで実現する。
実行手段１４は、プロセスモデル１０を実時間または、加速状態等で運転をする運転指令機能を持つ。プロセスモデル１０が運転指令に対して運転を実行する。

定常運転状態構築手段１５は、プロセスモデル１０において定常状態を生成するために何を入力として利用するかとそのデータ量を設定する。また、定常運転状態構築手段１５は、プロセスモデル１０の構造から全体のバランス状態を生成する。通常は、データが不足するため、定常運転状態構築手段１５は未設定項目は通常値を利用するか、入力を促す。さらに、計算する際の評価関数を与えてその値が小さくなる状態を各モデル機器の静的パラメータも含めて自動的に計算する。また、外部から与えられた量にアンバランスがある場合にも同様にして状態とパラメータを計算する。

調整手段１６は、実プロセス運転データとシミュレーション運転により各モデル機器の動的・静的パラメータを計算する。実計算においては、時系列の誤差に関する評価関数（重みつき線形、指数乗、方向性評価など任意）を小さくしたり、時系列データの変動形状の近似評価などを利用してパラメータを調整、検索する。

パラメータの検索のしかたは、厳密モデルまたは簡易モデルになったプロセスモデルを利用し、検索対象のパラメータと応答に対して相関を持つ操作量に対して、相関のある測定値への応答の変化を感度（影響度合い）として利用する。過去に同様な状態があった場合には、その状態情報を与えて参考にする。また、評価を小さくするように、数値解析的に行う方法や評価量、状態などによりニューラルネットワークで学習および推定する方法も可能である。

評価手段１７は、調整手段１６で利用している評価を計算したり、データ収集手段１３で得られているデータのバランスが明らかに誤っていないか、変動が大きすぎたりしないかなどを評価する。
データベース１８は調整手段１６で利用する状態と計算結果を蓄える。
請求範囲でいう第１の調整手段の調整は主に定常運転状態構築手段１５が行い、調整手段１６も関与する。第２の調整手段の調整は調整手段１６が行う。

図２はパラメータを調整する手順を示したフローチャートである。フローチャートの処理手順に従って動作を説明する。

（Ａ１）プロセスデータインターフェース１２とデータ収集手段１３を経由して得られる情報をもとに、調整手段１６は、プロセスモデル１０のプロセス状態生成を定常運転状態構築手段１５に指令する。

（Ａ２）定常運転状態構築手段１５はプロセスモデル１０と協調しプラント状態Ｓ１を生成する。ここで不足情報（外乱、事前の誤差情報等）がある場合には、その情報を別途設定する。

（Ａ３）生成されたプラント状態Ｓ１または後の作業で構築したプラント状態Ｓ２をもとに、実プロセスに加える操作量ｕをプロセスモデル１０にも加える設定をする。プロセスモデル１０に加える操作量をｕｓで表す。調整手段１６からシミュレーションを行うように実行手段１４に指令し、プロセスモデル１０と実プロセス１１を運転させる。

（Ａ４）運転中は、プロセスモデル１０、実プロセス１１、プロセスデータインターフェース１２、データ収集手段１３、実行手段１４、調整手段１６、評価手段１７が動作している。ここで、評価手段１７は、プロセスの制御量ｙ、プロセスモデル１０の制御量ｙｓ、プロセスモデル１０の状態量ｘｓを監視して状態が大きくずれる場合には、後述するパラメータ調整の処理Ａ６に移動する。

（Ａ５）運転評価でプロセスモデル１０と実プロセス１１のデータが基準値内であれば運転を継続し、パラメータ調整運転が必要なくなれば終了とする。

（Ａ６）パラメータ調整では、調整手段１６がデータベース１８と連携し、参考データが存在すれば過去の運転によるパラメータと調整方法をもとにプロセスモデル１０のモデルパラメータを変更する。プラント状態Ｓ２ですでに調整しているときは、プラント状態Ｓ１や過去のプラント状態Ｓ２とそのときの調整パラメータとその結果をデータ収集手段１３から取り出しパラメータを再変更する。

変更されたパラメータをもとにプロセスモデル１０の状態を生成するため、処理Ａ１に戻り操作を継続する。推定状態をプラント状態Ｓ２とする。

処理Ａ１〜Ａ４で変更修正されたパラメータを、そのときの状態とともにデータベース１８に保存し再利用できるようにする。また、操作量、状態量、制御量の時系列情報もともに保存する。

図３は図２の処理Ａ２、図４は図２の処理Ａ６の具体的処理手順を示したフローチャートである。
図３はプロセスモデルの状態を作成する手順を示したフローチャートである。図４はプロセスモデルのパラメータの調整手順を示したフローチャートである。

図３のフローチャートの処理手順を説明する。
（Ｂ１）定常運転状態構築手段１５は、プロセスモデル１０に対して、操作量ｕｓ、制御量ｙｓ、外乱ｄのデータを与え、定常状態の計算を指示する。
（Ｂ２）定常運転状態構築手段１５は、与えられた静的パラメータと操作量ｕｓ、制御量ｙｓ、外乱ｄの値より、現在のパラメータ近傍で既存の評価を最小にするプロセスモデル１０の運転状態を作成する。

（Ｂ３）プロセスモデル１０でパラメータの検索が終了したかを判断する。
（Ｂ４）検索が終了したときは、評価量がこれまでに最も小さいものを利用して定常状態を作成する。
（Ｂ５）検索が終了しないときは、プロセスモデル１０で静的パラメータを評価量を小さくするように検索する。

静的パラメータの調整では、プロセスモデルの定常的なバランスを考慮して静的パラメータを調整する。

図４のフローチャートの処理手順を説明する。
（Ｃ１）現在における操作量ｕｓ、制御量ｙｓ、外乱ｄの値と、過去のデータで規定範囲内の状態におけるパラメータの計算結果を検索する。
（Ｃ２）検索で得られたパラメータより求めたプロセス状態で計算誤差を比較し、小さい方を記憶する。
（Ｃ３）規定範囲内でのパラメータデータはないか判断する。あるときは処理Ｃ２へ戻る。

（Ｃ４）パラメータデータがないときは、調整可能な動的パラメータデータはないか判断する。
（Ｃ５）動的パラメータデータがないときは、評価量がこれまで最も小さい静的パラメータ、動的パラメータをデータベースに保存する。
（Ｃ６）動的パラメータデータがあるときは、プロセスモデルの動的パラメータを評価量を小さくするように変更して処理Ｃ５へ戻る。

動的パラメータの調整では、プロセスがどのように動くかというダイナミクスを予め考慮して動的パラメータを調整する。例えば、動的パラメータを変更してプロセスに信号を入力したときに、プロセスモデル１０、データ収集手段１３、実行手段１４を利用して得た応答特性を考慮して動的パラメータを調整する。

図３と図４のフローチャートに示すようにプロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行う。

なお、実施例の構成に限らず複数の構成要素の機能を１つの構成要素にまとめてもよい。例えば、プロセスモデル１０と定常運転状態構築手段１５、調整手段１６と評価手段１７、データ収集手段１３とデータベース１８をそれぞれ１つの構成要素にしてもよい。

また、小規模な対象であれば、測定器の出力の補正に本発明を利用できる。複数のセンサを組み合わせることで情報が蓄積され、高精度、高信頼センサになる。

オフラインの場合すなわち実プロセス１１はなくプロセス運転データ１９がある場合には、プロセス運転を加速し高速にパラメータ計算を行わせることができる特徴を持つため、状態に依存するようなパラメータを、同様な状態での実運転データを利用してすばやい調整が可能となる。

一部の機器をリプレースしてもこれまでに蓄積した情報の多くをそのままに残し、モデルや状態を効率的に構築することができるようにしてもよい。

プロセスモデル自体が動的パラメータと静的パラメータを区別する機能を備えていてもよい。

本発明の一実施例を示す構成図である。 パラメータを調整する手順を示したフローチャートである。 図２の処理Ａ２の具体的処理手順を示したフローチャートである。 図２の処理Ａ６の具体的処理手順を示したフローチャートである。 従来におけるモデル予測制御等で用いられているモデル構築システムの構成例を示した図である。

符号の説明

１０ プロセスモデル
１１ 実プロセス
１３ データ収集手段
１４ 実行手段
１５ 定常運転状態構築手段
１６ 調整手段
１７ 評価手段

Claims (6)

1. 実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整方法において、
   実プロセスから得たデータをもとに、プロセスモデルの静的パラメータの調整と動的パラメータの調整をそれぞれ別個に行うことを特徴とするプロセスモデルの調整方法。
2. 前記静的パラメータの調整では、プロセスモデルの定常的なバランスを考慮して静的パラメータを調整することを特徴とする請求項１記載のプロセスモデルの調整方法。
3. 前記動的パラメータの調整では、プロセスがどのように動くかというダイナミクスを予め考慮して動的パラメータを調整することを特徴とする請求項１記載のプロセスモデルの調整方法。
4. 前記動的パラメータの調整では、プロセスに信号を入力したときの応答特性を考慮して動的パラメータを調整することを特徴とする請求項１記載のプロセスモデルの調整方法。
5. 前記プロセスモデルは動的パラメータと静的パラメータを区別する機能を備えたことを特徴とする請求項１乃至４のいずれかに記載のプロセスモデルの調整方法。
6. 実プロセスをシミュレーションするプロセスモデルを調整するプロセスモデルの調整装置において、
   実プロセスから得たデータをもとに、プロセスモデルの静的パラメータを調整する第１の調整手段と、
   実プロセスから得たデータをもとに、プロセスモデルの動的パラメータを調整する第２の調整手段と、
   を有することを特徴とするプロセスモデルの調整装置。
   

Images