JP7216566B2 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents
情報処理装置、情報処理方法、および情報処理プログラム Download PDFInfo
- Publication number
- JP7216566B2 JP7216566B2 JP2019027562A JP2019027562A JP7216566B2 JP 7216566 B2 JP7216566 B2 JP 7216566B2 JP 2019027562 A JP2019027562 A JP 2019027562A JP 2019027562 A JP2019027562 A JP 2019027562A JP 7216566 B2 JP7216566 B2 JP 7216566B2
- Authority
- JP
- Japan
- Prior art keywords
- predicted value
- prediction
- value
- control
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
<情報処理装置の構成>
本実施形態に係る情報処理装置について、図1から図5に基づいて説明する。図1は、本実施形態に係る情報処理装置1の要部構成の一例を示すブロック図である。情報処理装置1は、プラントにおける所定のプロセスに関する所定のパラメータの予測値を算出する装置である。
過熱器の構成例と該過熱器に対応する予測モデルについて図2に基づいて説明する。図2は、3段階で蒸気を過熱する過熱器Bと過熱器Bに対応する予測モデルの例を示す図である。また、図2には、ゴミの焼却により発生した熱により蒸気を発生させるボイラAについても併せて示している。
蒸気過熱プロセスを含め、プラントにおける各種プロセスには、様々な因子が関与しているため、機械学習に用いる教師データにも様々な因子を含めることが望ましい。ただし、プラントで測定される実測データは、一部の数値範囲について欠損していたり、未記録であったりする場合がある。このため、教師データとして複数種類の実測データを用いることにより、様々な因子を反映させた学習済みモデルを生成した場合、一部の数値範囲の入力データに対する出力データの精度が落ちることがある。
図4は、情報処理装置1による蒸気出口温度の予測結果と蒸気温度の実測値を示す図である。図示のように、情報処理装置1による蒸気出口温度の予測結果(実線)は、蒸気出口温度の実測値(破線)とよく整合しており、情報処理装置1の予測精度が高いことがわかる。なお、図4において、温度が大きく下がっている箇所が2カ所あり、これらの箇所においては予測結果と実測値とがやや乖離している。
次に、本実施形態に係る情報処理装置1が実行する処理の流れを図5に基づいて説明する。図5は、本実施形態に係る情報処理装置1が実行する処理(情報処理方法)の一例を示すフローチャートである。
本発明の他の実施形態について以下説明する。なお、説明の便宜上、上記実施形態1にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。これは実施形態3以降も同様である。
運転モード特定部14による運転モードの特定について図7に基づいて説明する。図7は、通常運転期間とスートブロー運転期間における蒸気出口温度と高圧蒸気溜め内の圧力(以下、単に圧力と呼ぶ)の時系列変化の例を示す図である。なお、同図の上側のグラフが圧力の時系列変化を示し、同図の下側のグラフが蒸気出口温度の時系列変化を示している。
本実施形態では、プラント制御部16による制御の詳細、特にプラント制御部16に含まれるFB制御部161とMPC部162による制御の詳細について説明する。図8は、FB制御部161とMPC部162による制御の詳細を説明する図である。
本発明のさらに他の実施形態について図9に基づいて説明する。図9は、本実施形態の情報処理装置1の要部構成の一例を示すブロック図である。本実施形態の情報処理装置1は、実施形態1の情報処理装置1(図1参照)と比べて、第1予測部12、第2予測部13、および予測値決定部15が、第1制御値算出部21、第2制御値算出部22、および制御値決定部23にそれぞれ変わっている点で異なる。
上記各実施形態では、通常運転モードとSB運転モードとで使用するモデルを切り替える例を説明したが、対象となるプラントにおいて特徴的な任意の運転モードについて、同様の使用モデル切り替えを行う構成とすることができる。また、プラントにおけるパラメータ予測には、例えば、プラントにおいて行われる制御指令(上記実施形態の例では調整弁の開度の制御指令)を考慮したモデルと、制御指令を考慮しないモデルを用いてもよい。この場合、制御指令が行われている期間には制御指令を考慮したモデルを用いて予測を行い、制御指令が行われない期間には制御指令を考慮しないモデルを用いて予測を行えばよい。
情報処理装置1の制御ブロック(特に制御部10に含まれる各部)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、ソフトウェアによって実現してもよい。
本発明の一態様に係る情報処理装置は、プラントにおける所定のプロセスをモデル化した数理モデルを用いて当該プロセスに関する所定のパラメータの予測値である第1予測値を算出する第1予測部と、機械学習により上記プロセスをモデル化した学習済みモデルを用いて上記パラメータの予測値である第2予測値を算出する第2予測部と、上記第1予測値および上記第2予測値の少なくとも何れかに基づいて、上記パラメータの予測値を決定する予測値決定部と、を備えている。
11 入力データ生成部
12 第1予測部
13 第2予測部
14 運転モード特定部
15 予測値決定部
16 プラント制御部
21 第1制御値算出部
22 第2制御値算出部
23 制御値決定部
Claims (9)
- プラントにおける所定のプロセスをモデル化した、機械学習によらない予測モデルである数理モデルを用いて当該プロセスに関する所定のパラメータの予測値である第1予測値を算出する第1予測部と、
機械学習により上記プロセスをモデル化した学習済みモデルを用いて上記パラメータの予測値である第2予測値を算出する第2予測部と、
上記第1予測値および上記第2予測値の少なくとも何れかに基づいて、上記パラメータの予測値を決定する予測値決定部と、を備え、
上記予測値決定部は、
上記第2予測部が上記学習済みモデルに入力した入力データが、上記学習済みモデルの機械学習に用いた教師データの範囲内であれば、上記第2予測値を上記パラメータの予測値と決定し、
上記第2予測部が上記学習済みモデルに入力した入力データが、上記学習済みモデルの機械学習に用いた教師データの範囲外であれば、上記第1予測値を上記パラメータの予測値と決定することを特徴とする情報処理装置。 - 上記プラントの運転モードを特定する運転モード特定部を備え、
上記第1予測部は、上記運転モード特定部が特定した運転モードに応じた上記数理モデルを用いて上記第1予測値を算出し、
上記第2予測部は、上記運転モード特定部が特定した運転モードに応じた上記学習済みモデルを用いて上記第2予測値を算出する、ことを特徴とする請求項1に記載の情報処理装置。 - 上記数理モデルおよび上記学習済みモデルの少なくとも何れかに対する入力データの少なくとも一部を他の数理モデルを用いて算出する入力データ生成部を備えていることを特徴とする請求項1または2の何れか1項に記載の情報処理装置。
- 上記予測値決定部が決定した上記予測値に基づいて上記プラントを制御するプラント制御部を備えていることを特徴とする請求項1から3の何れか1項に記載の情報処理装置。
- 上記所定のプロセスには、第1のサブプロセスと、該第1のサブプロセスの後に行われる第2のサブプロセスが含まれており、
上記プラント制御部は、上記第1のサブプロセスに関して、上記予測値決定部が決定した上記予測値を所定の目標値に近付けるための制御を行うと共に、上記第2のサブプロセスに関して、上記予測値決定部が決定した上記予測値を所定の目標値に近付けるための制御を行うことを特徴とする請求項4に記載の情報処理装置。 - プラントにおける所定のプロセスの制御に用いる第1制御値を、機械学習によらない予測モデルである数理モデルを用いて算出する第1制御値算出部と、
上記プロセスを機械学習によりモデル化した学習済みモデルを用いて上記プロセスの制御に用いる第2制御値を算出する第2制御値算出部と、
上記第1制御値および上記第2制御値の少なくとも何れかに基づいて、上記プラントの制御に用いる制御値を決定する制御値決定部と、
上記制御値に基づいて、上記プラントを制御するプラント制御部と、を備え、
上記制御値決定部は、
上記第2制御値算出部が上記学習済みモデルに入力した入力データが、上記学習済みモデルの機械学習に用いた教師データの範囲内であれば、上記第2制御値を上記プラントの制御に用いる制御値と決定し、
上記第2制御値算出部が上記学習済みモデルに入力した入力データが、上記学習済みモデルの機械学習に用いた教師データの範囲外であれば、上記第1制御値を上記プラントの制御に用いる制御値と決定する、ことを特徴とする情報処理装置。 - 上記プラントの運転モードを特定する運転モード特定部を備え、
上記プラント制御部は、上記運転モード特定部が特定した運転モードに基づいて上記プラントを制御することを特徴とする請求項6に記載の情報処理装置。 - 情報処理装置による情報処理方法であって、
プラントにおける所定のプロセスをモデル化した、機械学習によらない予測モデルである数理モデルを用いて当該プロセスに関する所定のパラメータの予測値である第1予測値を算出する第1予測ステップと、
機械学習により上記プロセスをモデル化した学習済みモデルを用いて上記パラメータの予測値である第2予測値を算出する第2予測ステップと、
上記第1予測値および上記第2予測値の少なくとも何れかに基づいて、上記パラメータの予測値を決定する予測値決定ステップと、を含み、
上記予測値決定ステップでは、
上記第2予測ステップにて上記学習済みモデルに入力した入力データが、上記学習済みモデルの機械学習に用いた教師データの範囲内であれば、上記第2予測値を上記パラメータの予測値と決定し、
上記第2予測ステップにて上記学習済みモデルに入力した入力データが、上記学習済みモデルの機械学習に用いた教師データの範囲外であれば、上記第1予測値を上記パラメータの予測値と決定する、ことを特徴とする情報処理方法。 - 請求項1に記載の情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、上記第1予測部、上記第2予測部、および上記予測値決定部としてコンピュータを機能させるための情報処理プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019027562A JP7216566B2 (ja) | 2019-02-19 | 2019-02-19 | 情報処理装置、情報処理方法、および情報処理プログラム |
EP20759105.8A EP3929669A4 (en) | 2019-02-19 | 2020-02-19 | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND INFORMATION PROCESSING PROGRAM |
CN202080015286.4A CN113454542A (zh) | 2019-02-19 | 2020-02-19 | 信息处理装置、信息处理方法、以及信息处理程序 |
PCT/JP2020/006428 WO2020171104A1 (ja) | 2019-02-19 | 2020-02-19 | 情報処理装置、情報処理方法、および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019027562A JP7216566B2 (ja) | 2019-02-19 | 2019-02-19 | 情報処理装置、情報処理方法、および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020135374A JP2020135374A (ja) | 2020-08-31 |
JP7216566B2 true JP7216566B2 (ja) | 2023-02-01 |
Family
ID=72143974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019027562A Active JP7216566B2 (ja) | 2019-02-19 | 2019-02-19 | 情報処理装置、情報処理方法、および情報処理プログラム |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3929669A4 (ja) |
JP (1) | JP7216566B2 (ja) |
CN (1) | CN113454542A (ja) |
WO (1) | WO2020171104A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7313170B2 (ja) * | 2019-03-20 | 2023-07-24 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理システム、および医用情報処理方法 |
JP7304401B1 (ja) | 2021-12-20 | 2023-07-06 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 支援装置、支援方法および支援プログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000181526A (ja) | 1998-12-16 | 2000-06-30 | Chugoku Electric Power Co Inc:The | プラント状態推定・予測装置及び方法 |
JP2000222005A (ja) | 1999-02-03 | 2000-08-11 | Hitachi Ltd | プロセスの制御装置 |
JP5282269B2 (ja) | 2009-03-24 | 2013-09-04 | コニカミノルタ株式会社 | 画像読取装置および画像形成装置 |
US20170068886A1 (en) | 2015-09-09 | 2017-03-09 | Emerson Process Management Power & Water Solutions, Inc. | Model-based characterization of pressure/load relationship for power plant load control |
JP2018506807A (ja) | 2015-02-27 | 2018-03-08 | エナジー テクノロジーズ インスティテュート エルエルピー | 建物内の環境管理システムを制御するための方法および装置 |
JP2018119924A (ja) | 2017-01-27 | 2018-08-02 | オークマ株式会社 | 診断装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3056324B2 (ja) * | 1992-04-01 | 2000-06-26 | 株式会社日立製作所 | 学習/想起方法および装置 |
JP2005242524A (ja) | 2004-02-25 | 2005-09-08 | Ebara Corp | 処理プラント設備の運転制御方法及び運転制御装置 |
JP4974330B2 (ja) * | 2006-02-28 | 2012-07-11 | 株式会社日立製作所 | 制御装置 |
US10025301B2 (en) * | 2014-08-29 | 2018-07-17 | General Electric Company | Method and system of adaptive model-based control for multiple-input multiple-output plants |
CN107110545B (zh) * | 2015-01-30 | 2018-07-24 | 三菱电机株式会社 | 空调管理装置 |
JP6598876B2 (ja) * | 2015-12-10 | 2019-10-30 | 三菱電機株式会社 | 電力制御装置、運転計画立案方法、及び、プログラム |
JP2018160078A (ja) * | 2017-03-22 | 2018-10-11 | パナソニックIpマネジメント株式会社 | 異常検知装置及び異常検知方法 |
-
2019
- 2019-02-19 JP JP2019027562A patent/JP7216566B2/ja active Active
-
2020
- 2020-02-19 CN CN202080015286.4A patent/CN113454542A/zh active Pending
- 2020-02-19 WO PCT/JP2020/006428 patent/WO2020171104A1/ja unknown
- 2020-02-19 EP EP20759105.8A patent/EP3929669A4/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000181526A (ja) | 1998-12-16 | 2000-06-30 | Chugoku Electric Power Co Inc:The | プラント状態推定・予測装置及び方法 |
JP2000222005A (ja) | 1999-02-03 | 2000-08-11 | Hitachi Ltd | プロセスの制御装置 |
JP5282269B2 (ja) | 2009-03-24 | 2013-09-04 | コニカミノルタ株式会社 | 画像読取装置および画像形成装置 |
JP2018506807A (ja) | 2015-02-27 | 2018-03-08 | エナジー テクノロジーズ インスティテュート エルエルピー | 建物内の環境管理システムを制御するための方法および装置 |
US20170068886A1 (en) | 2015-09-09 | 2017-03-09 | Emerson Process Management Power & Water Solutions, Inc. | Model-based characterization of pressure/load relationship for power plant load control |
JP2018119924A (ja) | 2017-01-27 | 2018-08-02 | オークマ株式会社 | 診断装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113454542A (zh) | 2021-09-28 |
EP3929669A4 (en) | 2022-11-23 |
JP2020135374A (ja) | 2020-08-31 |
WO2020171104A1 (ja) | 2020-08-27 |
EP3929669A1 (en) | 2021-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11789417B2 (en) | Method for determining and tuning process characteristic parameters using a simulation system | |
US11232376B2 (en) | System and method for optimizing combustion of boiler | |
Liu et al. | Neuro-fuzzy generalized predictive control of boiler steam temperature | |
US7400935B2 (en) | Method for implementing indirect controller | |
JPH03164804A (ja) | プロセス制御システム及び発電プラントプロセス制御システム | |
US11262065B2 (en) | System and method for optimizing combustion of boiler | |
JP2010514986A (ja) | 技術システムの、とりわけガスタービンの、計算機支援による閉ループ制御および/または開ループ制御のための方法 | |
JP7216566B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
US20160230699A1 (en) | Combined cycle power generation optimization system | |
Rossi et al. | Artificial neural networks and physical modeling for determination of baseline consumption of CHP plants | |
US20070135938A1 (en) | Methods and systems for predictive modeling using a committee of models | |
Wang et al. | Stochastic configuration network based cascade generalized predictive control of main steam temperature in power plants | |
US11761623B2 (en) | Apparatus for combustion optimization and method therefor | |
Tavoosi et al. | A new recurrent radial basis function network-based model predictive control for a power plant boiler temperature control | |
US11287126B2 (en) | System and method for controlling operation of boiler | |
Ding et al. | Optimizing boiler control in real-time with machine learning for sustainability | |
US11475186B2 (en) | Apparatus and method for deriving boiler combustion model | |
US11629856B2 (en) | Apparatus for managing combustion optimization and method therefor | |
JPWO2020121494A1 (ja) | 演算装置、アクション決定方法、及び制御プログラム | |
Eremenko et al. | On applying neural tuner to PI-controller parameters calculation for heating furnaces control | |
Vansovits et al. | Identification of industrial water boiler for model predictive control of district heat plant | |
Adili et al. | Flame Failures and Recovery in Industrial Furnaces: A Neural Network Steady‐State Model for the Firing Rate Setpoint Rearrangement | |
Mukarromah et al. | Modeling of Level Control System using IMC-PID Tuning Method with Filter Tuning Factor Variation on Steam Drum Boiler of Power Plant | |
JP7125383B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Prasad | On fusion of PCA and a physical model‐based predictive control strategy for efficient load‐cycling operation of a thermal power plant |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220107 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220829 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221222 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230110 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7216566 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |