JP2907672B2 - プロセスの適応制御方法およびプロセスの制御システム - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、プロセス適応制御方法
および制御システムに係り、特に、プロセスが分布定数
系の場合でもプロセスの特性に適応して、良好な制御特
性を得るのに好適なプロセス適応制御方法および制御シ
ステムに関する。

【０００２】

【従来の技術】制御対象となるプロセスには、その制御
上の特徴として、応答の遅れが大きいものがある。例え
ば、火力プラントの制御上の特徴は、蒸気温度の応答の
遅れが大きいことである。例えば、主蒸気温度の時定数
は、１０分から２０分程度である。したがって、通常の
フィードバック制御では、負荷指令が大きく変化する
と、主蒸気温度が大きく変動し、タービンの熱ストレス
を増大させ、寿命が減少するという問題がある。このた
め、火力プラントは、制御が難しいとされている。

【０００３】これに対処するため、火力プラントのモデ
ルを制御システムに内蔵し、このモデルを用いてプラン
トの近い将来の動きを予測して、この予測結果に基づい
て操作量を決定することが提案されている。また、プロ
セスのモデルを内蔵し、このモデルを使用して操作量を
決定する制御方法においては、モデルの構築およびモデ
ルのパラメータ調整が必要になる。そのための方法が提
案されている。すなわち、（１）Ｙ．Ｓａｔｏ，ｅｔ
ａｌ．，”Ｓｔｅａｍ ＰｒｅｄｉｃｔｉｏｎＣｏｎｔ
ｒｏｌ ｆｏｒ Ｔｈｅｒｍａｌ Ｐｏｗｅｒ Ｐｌａ
ｎｔ，”ＩＥＥＥ／ＰＥＳ １９８４ Ｗｉｎｔｅｒ
Ｍｅｅｔｉｎｇ，Ｄａｌｌａｓ，Ｔｅｘａｓ．Ｕ．Ｓ．
Ａ．Ｊａｎｕａｒｙ ２９−Ｆｅｂｒｕａｒｙ ３，１
９８４．、（２）佐藤、他，「カルマン・フィルタによ
るボイラ蒸気温度予測制御」、第１８回ＳＩＣＥ（計測
自動制御学会）学術講演会、１２０１、昭和５４年８月
２９日〜９月１日、（３）Ｙ．Ｓａｔｏ，ｅｔ ａ
ｌ．，”Ｓｔｅａｍ Ｔｅｍｐｅｒａｔｕｒｅ Ｐｒｅ
ｄｉｃｔｉｏｎ Ｃｏｎｔｒｏｌ ｆｏｒ Ｔｈｅｒｍ
ａｌ Ｐｏｗｅｒ Ｐｌａｎｔ”，ＩＥＥＥ Ｔｒａｎ
ｓ．ｏｎ ＰｏｗｅｒＡｐｐａｒａｔｕｓ ａｎｄ Ｓ
ｙｓｔｅｍｓ，Ｖｏｌ．ＰＡＳ−１０３，Ｎｏ．９，Ｓ
ｅｐｔｅｍｂｅｒ（１９８４），ｐｐ．２３８２−２３
８７，に記載されているプロセス適応制御方法がある。
これらの文献では、このプロセス適応制御方法を、火力
プラントに適用している。これらで用いられる予測モデ
ルは、最終段過熱器の特性を物理式で表した集中定数化
モデルである。このモデルは、前段過熱器の出口蒸気温
度を外乱として、最終段過熱器の出口蒸気温度すなわち
主蒸気温度を予測している。

【０００４】

【発明が解決しようとする課題】ところで、最近、電力
需要の増大と共に、昼夜の電力需要の格差も増大してき
ている。そのため、大容量の火力プラントでも、負荷追
従運転（中間負荷運用）およびＤＳＳ（Ｄａｉｌｙ Ｓ
ｔａｒｔ Ｓｔｏｐ）運転が要求されるようになってき
ている。これらの要求に伴い、火力プラント制御システ
ムに対して、起動時制御特性および負荷追従特性の向上
が求められている。

【０００５】しかし、従来の予測制御では、これに対し
て十分に対応することが困難となっている。それは、従
来の予測制御では、上述した文献に記載されているよう
に、火力プラントを集中定数化モデルで近似しているこ
とによる。

【０００６】火力プラントは、火炉水壁、１次過熱器、
２次過熱器、３次過熱器等の複数の熱交換器で構成され
る。これらの熱交換器の中を、上流から下流に向かって
水が流れるうちに、燃焼ガスのエネルギーを吸収して蒸
気となり、さらに過熱蒸気となる。すなわち、火力プラ
ントは、分布定数系である。それにもかかわらず、上記
従来技術では、火力プラントの最終段過熱器を集中定数
化モデルで近似し、このモデルにより火力プラントの近
い将来の動きを予測して、この予測結果に基づいて操作
量を決定している。

【０００７】そのため、予測に、前段過熱器の出口蒸気
温度の変化を考慮できないので、予測性能および制御性
の向上が望めないという問題がある。すなわち、従来技
術は、本来分布定数系である火力プラントを集中定数化
モデルで近似しているため、プラントの特性を精度よく
模擬することができない。そのため、このようなモデル
で火力プラントの近い将来の動きを予測しても、予測精
度の向上に限界があり、制御性の向上にも限界がある。

【０００８】本発明の第１の目的は、分布定数系からな
るプラントの特性を精度よく模擬できるモデルを用いて
プロセスを制御することができるプロセス適応制御方法
を提供することにある。

【０００９】また、第２の目的は、分布定数系からなる
プラントの特性を精度よく模擬できるモデルを用いてプ
ロセスを制御することができるプロセス制御システムを
提供することにある。

【００１０】

【課題を解決するための手段】上記目的を達成するた
め、本発明の一態様によれば、プロセスのモデルを内蔵
し、このモデルを使用して制御量の予測値を求め、この
予測値に基づいて操作量を決定するプロセスの適応制御
方法において、前記プロセスを、当該プロセスの流れに
沿う、２つ以上のサブプロセスで構成し、かつ、各サブ
プロセスを、それぞれについて個別に物理式に基づく集
中定数化モデルで構成すると共に、サブプロセスごと
に、前記集中定数化モデルに対してカルマン・フィルタ
を構成して、このカルマン・フィルタで、状態量および
その誤差を推定し、 上流側のサブプロセスのモデルによ
って得られる当該サブプロセスの状態量の予測値を、下
流側のサブプロセスのモデルの入力変数の少なくとも一
部とし、上流側のサブプロセスについてそのモデルによ
り状態量の予測値を求め、得られた状態量の予測値を下
流側のサブプロセスのモデルに入力して、当該サブプロ
セスの状態量の予測値を求め、これを最下流のサブプロ
セスの状態量の予測値が求まるまで実行し、かつ、前記
上流側のサブプロセスの状態量の予測値を求める演算か
ら最下流のサブプロセスの状態量の予測値を求める演算
までの一連の演算を、予め定められた回数繰り返し、前
記各サブプロセスについて得られた状態量の予測値のう
ち少なくとも最下流のサブプロセスについて得られた状
態量の予測値に基づいて、前記プロセスの操作量を決定
することを特徴とするプロセスの適応制御方法が提供さ
れる。

【００１１】また、本発明の他の態様によれば、 プロセ
スの操作量を決定して当該プロセスを制御するプロセス
制御システムにおいて、 プロセスをその流れに沿って構
成する、２つ以上のサブプロセスのモデルを内蔵し、こ
れらのモデルを使用して、プロセスの状態量を予測する
状態量予測システムと、 プロセスに対する目標値、およ
び、前記予測されたプロセスの状態量に基づいて、プロ
セスに対する操作量を決定する操作量決定システムとを
備え、前記状態量予測システムは、 前記サブプロセス対
応に設けられ、各サブプロセスのモデルとして予め与え
られた物理式で状態量の予測値を求める、２つ以上の予
測値演算手段と、 前記サブプロセスごとに、前記集中定
数化モデルに対して構成され、状態量およびその誤差を
推定するカルマン・フィルタと、 前記２つ以上の予測値
演算手段について、上流側の予測値演算手段で得られた
サブプロセスの状態量の予測値を、下流側の予測値演算
手段の入力変数の少なくとも一部として、下流側の予測
値演算手段が演算を実行するよう、順次演算を実行さ
せ、かつ、前記上流側のサブプロセスに対応する予測値
演算手段での予測値を求める演算から下流側のサブプロ
セスに対応する予測値演算手段での予測値を求める演算
までの一連の演算を、予め定められた回数繰り返させ
て、プロセスの状態量の予測値を求めるよう制御する手
段とを有することを特徴とするプロセス適応制御システ
ムが提供される。

【００１２】

【００１３】

【００１４】

【００１５】

【００１６】

【作用】本発明が適用されるプロセスとして、例えば、
火力プラントを想定することができる。この場合、火力
プラントの各熱交換器のモデルを、物理式に基づく集中
定数化モデルで構成すると共に、各モデル毎にカルマン
・フィルタを構成するので、本来分布定数系である各熱
交換器の特性を精度よく模擬できる。また、これらの各
熱交換器のモデルを統合して使用し、火力プラントの近
い将来の動きを予測するので、予測精度の向上が達成で
きる。また、この予測結果に基づいて操作量を決定する
ので、制御性の向上も達成できる。

【００１７】

【００１８】

【００１９】

【００２０】

【実施例】以下、本発明の実施例について、図面を参照
して説明する。先ず、本実施例における制御対象である
火力プラントの概要について説明する。図２は、石炭焚
き火力プラントの例を示した説明図である。

【００２１】押込みファン１０１からの空気は、空気予
熱器１０２を通って予熱され、１次空気ファン１０３に
よって加速されて石炭ミル１０７内に送風される。一
方、石炭バンカ１０４内の石炭は、給炭機モータ１０５
により駆動される給炭機１０６により前記石炭ミル１０
７内に運搬される。石炭ミル１０７によって微粉状とな
った石炭は、空気流と共にボイラ１２６内のバーナ１２
７に送られ、ここで燃焼する。

【００２２】節炭器（ＥＣＯ）１３０、火炉水冷壁１０
８（ＷＷ）および１次過熱器（１ＳＨ）１０９を通った
水は、この燃焼ガスにより蒸気となる。この蒸気は、１
次スプレ（ＳＰ１）１１６を通り、２次過熱器（２Ｓ
Ｈ）１１０で過熱され、２次スプレ（ＳＰ２）１２０を
通り、３次過熱器（３ＳＨ）１１１で更に過熱されて、
主蒸気配管および主蒸気加減弁１２１を通って、高圧タ
ービン１２２に入る。高圧タービン１２２を出た蒸気
は、１次再熱器１１２および２次再熱器１１３により再
過熱され、中・低圧タービン１２３に送られる。

【００２３】発電機１２４は、高圧タービン１２２と中
・低圧タービン１２３とにより駆動され発電する。中・
低圧タービン１２３を出た蒸気は、復水器１２５により
復水される。この復水は、給水ポンプ１１７により、再
びボイラ１２６の節炭器１３０に送られる。また、給水
ポンプ１１７を出た給水は、１次スプレ制御弁１１５お
よび２次スプレ制御弁１１９を介して、１次スプレ１１
６および２次スプレ１２０に送られる。また、給水ポン
プ１１７を出た給水は、再熱スプレ制御弁１３１を介し
て再熱スプレ（ＳＰ３）１３２に送られる。なお、ボイ
ラ１２６には、燃焼ガスを再循環させるガス再循環ファ
ン１１４が設けられている。また、ボイラ１２６には、
排ガスを制御するための誘引ファン１１８が設けられて
いる。

【００２４】また、この火力プラントには、プラントの
状態を検出するための各種センサが設けられている。す
なわち、図２に示すように、主蒸気圧力（Ｐ_MS）を測定
するセンサＳ１と、１次過熱器出口蒸気温度（Ｔ_1SH）
を測定するセンサＳ２と、排ガス中のＯ₂量（Ｏ₂）を測
定するセンサＳ３と、火炉圧力（Ｐ_WW）を測定するセン
サＳ４と、２次過熱器出口蒸気温度（Ｔ_2SH）を測定す
るセンサＳ５と、主蒸気温度（Ｔ_MS）を測定するセンサ
Ｓ６と、再熱蒸気温度（Ｔ_RS）および１次再熱器出口蒸
気温度（Ｔ_1RH）を測定するためのセンサＳ７およびＳ
９と、発電機１２４の発電量（ＭＷ）を検出するセンサ
Ｓ８とが設けられている。また、図示していないが、１
次過熱器１０９、２次過熱器１１０および３次過熱器１
１１には、それぞれ入口または出口に、蒸気流量、圧力
および温度を測定する流量、圧力および温度センサが設
けられている。同様に、１次再熱器１１２および２次再
熱器１１３についても、それぞれ入口または出口に、蒸
気流量、圧力および温度を測定する流量、圧力および温
度の各センサが設けられている。前記各センサＳ１−Ｓ
９と、これらの流量、圧力および温度の各センサの出力
信号は、後述するマスタ制御部およびサブループ制御部
に送られる。前記再熱スプレ１３２は、非常用のもので
あって、温度が制限値を超えたときのみスプレを使用す
る。

【００２５】本実施例では、これらのセンサ情報に基づ
いて、火力プラントの制御を行なう。本実施例における
制御は、機能的には、マスタ制御部と、それに基づくサ
ブループ制御部とで構成される。図７に、その概要を示
す。

【００２６】図７に示すように、マスタ制御部１０００
では、主蒸気圧力等の応答が速い部分の制御を行なう通
常制御系（１１００系）と、主蒸気温度等の応答が遅い
部分についての予測制御を行なう予測制御系（１２００
系）とを有する。通常制御系には、主蒸気圧力制御部１
１０１、ガスＯ₂制御部１１０２および火炉圧力制御部
１１０３と、負荷指令の入力を受け付けて、それに対応
してタービン制御およびボイラ制御のためのデマンド操
作指令を出力するユニットマスタ１１０４とを有する。
予測制御系は、１次過熱器出口蒸気温度制御部１２０
１、２次過熱器出口蒸気温度制御部１２０２、主蒸気温
度制御部１２０３および再熱蒸気温度制御部１２０４の
各制御処理機能部が設けられている。

【００２７】また、通常制御系には、前記ユニットマス
タ１１０４のデマンド操作指令について、前記主蒸気圧
力制御部１１０１からの操作量により補正して、給水制
御のための操作指令を出力する補正部１１０５と、前記
補正部１１０５の出力について、１次過熱器出口蒸気温
度制御部１２０１からの操作量により補正して、燃料制
御のための操作指令を出力する補正部１１０６と、前記
補正部１１０６の出力について、ガスＯ₂制御部１１０
２からの操作量により補正して、空気制御のための操作
指令を出力する補正部１１０７と、前記補正部１１０７
の出力について、火炉圧力制御部１１０３からの操作量
により補正して、排ガス制御のための操作指令を出力す
る補正部１１０８と、前記補正部１１０５の出力につい
て、２次過熱器出口蒸気温度制御部１２０２からの操作
量により補正して、１次スプレ制御のための操作指令を
出力する補正部１１０９と、前記補正部１１０５の出力
について、主蒸気温度制御部１２０３からの操作量によ
り補正して、２次スプレのための操作指令を出力する補
正部１１１０と、前記補正部１１０５の出力について、
再熱蒸気温度制御部１２０４からの操作量により補正し
て、再循環ガス制御のための操作指令を出力する補正部
１１１１とが設けられる。

【００２８】前記ユニットマスタ１１０４は、発電量に
関する経済負荷配分制御（ＥＬＤ：Economic Load Disp
atching cntrol）に関する指令と、周波数の自動調整制
御（ＡＦＣ：Automatic Frequency Cntrol）に関する指
令とを受けて、当該火力プラントにおける負荷変化率、
負荷変化幅の制限、および、周波数についての補正を行
なって、それらに対応する操作指令を演算して出力す
る。

【００２９】１次過熱器出口蒸気温度制御部１２０１、
２次過熱器出口蒸気温度制御部１２０２、主蒸気温度制
御部１２０３および再熱蒸気温度制御部１２０４の各処
理機能部は、それぞれ対応するセンサからの情報に基づ
いて、それぞれの目標値についての操作量を演算して、
出力する。同図７において、二重線で示すブロック内の
処理部は、制御量の決定に際して、予測制御を行なう。

【００３０】サブループ制御部２０００には、前記ユニ
ットマスタ１１０４の出力信号とセンサＳ８からの発電
量を示す信号とを受けて、主蒸気加減弁１２１を制御す
るタービン制御部２００１と、前記補正部１１０５の出
力信号を受けて給水ポンプ１１７を制御する給水制御部
２００２と、前記補正部１１０６の出力信号を受けて給
炭機モータ１０５を制御する燃料制御部２００３と、前
記補正部１１０７の出力信号を受けて押込みファン１０
３を制御する空気制御部２００４と、前記補正部１１０
８の出力信号を受けて誘引ファン１１８を制御する排ガ
ス制御部２００５と、前記補正部１１０９の出力信号を
受けて１次スプレ制御弁１１５を制御する１次スプレ制
御部２００６と、前記補正部１１１０の出力信号を受け
て２次スプレ制御弁１１９を制御する２次スプレ制御部
２００７と、前記補正部１１１１の出力信号を受けてガ
ス再循環ファン１１４を制御する再循環ガス制御部２０
０８とを有する。

【００３１】これらは、例えば、図８に示すようなハー
ドウエアシステム構成となる。すなわち、前記マスタ制
御部１０００の通常制御系の機能を分担して処理する第
１のマスタ制御コントローラ１１００と、予測制御系の
機能を分担して処理する第２のマスタ制御コントローラ
１２００と、サブループ制御部２０００の各処理部を構
成する、タービン制御コントローラ２０１０、給水制御
コントローラ２０２０、燃料制御コントローラ２０３
０、空気制御コントローラ２０４０、排ガス制御コント
ローラ２０５０、１次スプレ制御コントローラ２０６
０、２次スプレ制御コントローラ２０７０および再循環
ガス制御コントローラ２０８０とを有する。これらの各
コントローラは、伝送用ネットワークで接続され、互い
に信号の授受を行なう。また、本実施例では、予測制御
で使用する予測モデルのチューニングを行なうためのモ
デルチューニングシステム１３００が、前記伝送用ネッ
トワーク１５００に接続される。これらのコントローラ
およびチューニングシステムは、それぞれコンピュータ
システムで構成される。それらのコンピュータシステム
は、図示していないが、例えば、中央処理ユニット、メ
モリ、インタフェース等を有する構成のものが用いられ
る。

【００３２】なお、図９に示すように、モデルチューニ
ングシステムを第２のマスタ制御コントローラ１２００
において処理する構成としてもよい。

【００３３】火力プラントの制御量のうち制御が難しい
のは、蒸気温度である。例えば、１次過熱器出口蒸気温
度Ｔ_1SH、２次過熱器出口蒸気温度Ｔ_2SH、主蒸気温度Ｔ
_MSおよび再熱蒸気温度Ｔ_RSの４つがそれである。また、
これらの蒸気温度の制御のために、燃料流量Ｆ_f，１次
スプレ流量Ｆ_SP1，２次スプレ流量Ｆ_SP2および再循環ガ
ス流量Ｆ_grfの４つの操作量がある。本発明は、これら
を予測制御により制御するようにしたものである。そし
て、その際に、従来にない予測モデルを用いたことに特
徴がある。

【００３４】次に、本発明の予測制御を、前記した火力
プラントの蒸気温度制御に適用した実施例について説明
する。

【００３５】図１に、本発明の一実施例の構成の概要を
示す。本実施例は、火力プラント１の蒸気温度の目標値
の予測値を求める目標値予測システム２、蒸気温度の予
測値を求める蒸気温度予測システム３および目標値の予
測値と蒸気温度の予測値に基づいて操作量を決定する操
作量決定システム４と、蒸気温度予測のためのモデルの
パラメータをチューニングするモデル・チューニング・
システム５と、予測システムの予測値を用いるか、制御
量を直接用いるかの選択を行なうスイッチ６とを備えて
構成される。目標値予測システム２、蒸気温度予測シス
テム３、操作量決定システム４およびスイッチ６は、前
記予測制御系の処理を実行する第２のマスタ制御コント
ローラ１２００において実現される。また、モデル・チ
ューニング・システム５は、モデルチューニングシステ
ムを構成するコンピュータ１３００によって実現され
る。

【００３６】目標値予測システム２は、蒸気温度の目標
値ｒの近い将来値を(1)式により予測する。ここでは、
１次過熱器出口蒸気温度Ｔ_1SH、２次過熱器出口蒸気温
度Ｔ_{2 SH}、主蒸気温度Ｔ_MSおよび再熱蒸気温度Ｔ_RSのそ
れぞれの目標値＾ｒ₁、＾ｒ₂、＾ｒ₃および＾ｒ₄を算出
する。

【００３７】

【数１】

【００３８】ここで、 ＾ｒ₁（ｋ，ｎ）：現在時点ｋにおいて、１次過熱器出
口蒸気温度Ｔ_1SHの目標値ｒ₁のｎサンプリング先の予測
値 ＾ｒ₂（ｋ，ｎ）：現在時点ｋにおいて、２次過熱器出
口蒸気温度Ｔ_2SHの目標値ｒ₂のｎサンプリング先の予測
値 ＾ｒ₃（ｋ，ｎ）：現在時点ｋにおいて、主蒸気温度Ｔ
_MSの目標値ｒ₃のｎサンプリング先の予測値 ＾ｒ₄（ｋ，ｎ）：現在時点ｋにおいて、再熱蒸気温度
Ｔ_RSの目標値ｒ₄のｎサンプリング先の予測値 ｒ_i（ｋ） ：蒸気温度の目標値ｒ_iの現在時点ｋに
おける値（ｉ＝１〜４） ａ_i（ｋ） ：蒸気温度の目標値ｒ_iの現在時点ｋにおけ
る変化率（ｉ＝１〜４） △Ｔ ：サンプリング周期 なお、本実施例では、目標値を近い将来の予測により決
定しているが、本発明は、これに限定されない。

【００３９】蒸気温度予測システム３は、蒸気温度系の
モデルを使用して、蒸気温度の近い将来値を予測する。
蒸気温度系のモデルは、図３に示すように、火力プラン
ト１の各熱交換器のモデルを無駄時間要素３０１および
３０３と、物理式に基づく集中定数化モデル３０４との
組合せにより構成している。また、本実施例では、熱交
換器は、水・蒸気系で、上流側から下流側に順次接続さ
れ、水・蒸気の状態変化が上流側から下流側に伝達され
る構成となっている。本実施例では、これらの各熱交換
器のモデルを統合して使用し、蒸気温度の近い将来値を
予測する。

【００４０】集中定数系のモデルは、各熱交換器の水・
蒸気系およびガス系に対してエネルギ保存式により表わ
される。また、ガス温度については、ガス温度計算モデ
ル３０６が用いられる。このガス温度計算モデル３０６
は、燃料流量Ｆ_fと、空気流量Ｆ_aと、ガス再循環流量Ｆ
_grfとに基づいて、ガス温度を計算する。

【００４１】なお、物理式に基づく集中定数化モデル３
０４に対して、カルマン・フィルタ３０５が構成され
る。このカルマン・フィルタ３０５により状態変数の値
を推定し、この推定値に基づいて前記各熱交換器のモデ
ルを統合して使用し、蒸気温度の近い将来値を予測す
る。

【００４２】図３に示す前段の集中定数化モデル（ｉ）
３０４には、蒸気流量Ｆｓが無駄時間要素３０２を介し
て、蒸気温度θ_si-lが無駄時間要素３０１を介して、お
よび、ガス温度θ_gi-lが無駄時間要素３０３を介してそ
れぞれ入力され、該モデル（ｉ）３０４は、蒸気温度θ
_siを出力する。また、後段の集中定数化モデル（ｉ＋
１）３０４には、蒸気流量Ｆｓが無駄時間要素３０２を
介して、前段から出力された蒸気温度θ_siが無駄時間要
素３０１を介して、および、ガス温度θ_giが無駄時間要
素３０３を介してそれぞれ入力される。該モデル（ｉ＋
１）３０４は、蒸気温度θ_si+1を出力する。なお、図３
では、熱交換器を２段分示しているが、本発明は、これ
に限定されない。

【００４３】無駄時間要素３０１、３０２および３０３
は、本実施例では、図４に示すように１次遅れ要素をカ
スケード接続して構成される３次遅れ要素で近似してい
る。無駄時間要素３０１を構成する各１次遅れ要素の各
時定数は、本実施例の場合、Ｔ₁＝１５秒を想定してい
る。無駄時間要素３０２を構成する各１次遅れ要素の各
時定数は、Ｔ₂＝５秒を想定している。また、無駄時間
要素３０３を構成する各１次遅れ要素の各時定数は、Ｔ
₃＝３０秒を想定している。従って、無駄時間要素３０
１の場合、その時定数は４５秒程度となり、また、無駄
時間要素３０３の場合、その時定数は１５０秒程度とな
る。一方、無駄時間要素３０２の場合、その時定数は、
１５秒程度となり、比較的小さい。従って、無駄時間要
素３０２は、省略することもできる。

【００４４】熱交換器における集中定数化モデルは、図
１０に示すモデルを想定して、エネルギ保存の法則より
導かれる。図１０に示すモデルは、熱交換器の管壁を構
成するメタルの一方側に蒸気が、他方側にガスが流れ、
ガスから蒸気へメタル（図１０において、斜線で示す部
分）を介して熱が伝達される状態を想定している。ここ
では、入口ガス温度θ_gini、ガス流量Ｆ_giのガスが熱交
換器のメタルと接触して、メタルに伝熱量Ｑ_gmiの熱を
与えて、出口温度θ_giとなって流出する。一方、入口蒸
気温度θ_sini、蒸気流量Ｆ_siの蒸気が熱交換器のメタル
と接触して、メタルから伝熱量Ｑ_msiの熱を受けて、出
口温度θ_siとなって流出する。ガス流量Ｆ_{g i}すなわち、
ボイラ・ガス流量Ｆ_gBFは、後述するように、空気流量
Ｆ_a、燃料流量Ｆ_fおよび再循環ガス流量Ｆ_grfの合計で
ある。

【００４５】このような物理モデルに基づいて、集中定
数化モデル式は、後述するようにエネルギ保存の法則か
ら導かれる（２）および（３）式により表わされる。

【００４６】なお、以下の数式で使用される記号は、下
記の通りである。

【００４７】Ｖ：容積 γ：比重量 Ｈ：エンタルピ Ｆ：流量 Ｑ：伝熱量 Ｍ：重量 Ｃ：比熱 θ：温度 Ｐ：圧力 Ａ：伝熱面積 α：対流熱伝達率 β：輻射熱伝達率 また、サフィックスは、下記の通りである。

【００４８】ｓ：水・蒸気 ｇ：ガス ｍ：メタル ｇｍ：ガスからメタル ｍｓ：メタルから水・蒸気 ｉ：ｉ番目の熱交換器 水・蒸気系、すなわち、熱交換器の管内部流体のエネル
ギ保存式は、（２）式で表わされる。また、管メタル系
のエネルギ保存式は、（３）式で与えられる。

【００４９】

【数２】

【００５０】

【数３】

【００５１】ここで、Ｖ_si：熱交換器の管内部流体（水
・蒸気）の容積（ｍ³） γ_si：管内部流体（水・蒸気）の比重量（ｋｇ／ｍ³） Ｈ_si：管内部流体（水・蒸気）の出口エンタルピ（ｋｃ
ａｌ／ｋｇ） Ｈ_sini：管内部流体（水・蒸気）の入口エンタルピ（ｋ
ｃａｌ／ｋｇ） Ｆ_si：管内部流体（水・蒸気）の流量（ｋｇ／ｓ） Ａ_msi：管メタルから管内部流体（水・蒸気）への伝熱
面積（ｍ²） Ａ_gmi：管外部流体（ガス）から管メタルへの伝熱面積
（ｍ²） α_msi：管メタルから管内部流体（水・蒸気）への対流
熱伝達率（ｋｃａｌ／ｍ²・ｓ・℃） α_gmi：管外部流体（ガス）から管メタルへの対流熱伝
達率（ｋｃａｌ／ｍ²・ｓ・℃） Ｍ_mi：熱交換器の管メタルの重量（ｋｇ） Ｃ_mi：管メタルの比熱（ｋｃａｌ／ｋｇ・℃） θ_mi：管メタルの温度（℃） θ_si：管内部流体（水・蒸気）の出口温度（℃） θ_gini：管外部流体（ガス）の入口温度（℃）_i ：ｉ番目の熱交換器 また、熱交換器の管外部流体（ガス）は、管内部流体お
よびメタル部の応答に比べると、その応答が極めて速
い。従って、ここでは、ガス系は、静的にエネルギ保存
式が成立つとして考える。このため、熱交換器入口ガス
温度θ_giniは、次式で与えられる。

【００５２】

【数４】

【００５３】ここで、η ：燃料発熱効率 Ｈ_u：燃料発熱量（ｋｃａｌ／ｋｇ） Ｆ_f：燃料流量（ｋｇ／ｓ） Ｈ_a：空気エンタルピ（ｋｃａｌ／ｋｇ） Ｆ_a：空気流量（ｋｇ／ｓ） Ｈ_grf：再循環ガスのエンタルピ（ｋｃａｌ／ｋｇ） Ｆ_grf：再循環ガス流量（ｋｇ／ｓ） Ｃ_pg：ガス比熱（ｋｃａｌ／ｋｇ・℃） β_WW：火炉輻射熱伝達係数 Ｆ_gBF：ボイラ・ガス流量（ｋｇ／ｓ） Ｑ_WW：火炉水壁熱吸収量（ｋｃａｌ／ｓ） Ｑ_HEX：火炉水壁以外のガス側上流熱交換器の総熱吸収
量（ｋｃａｌ／ｓ） なお、前記空気エンタルピＨ_aは、空気の比熱をＣ_pa、
空気の温度をθ_aとすると、 Ｈ_a≒Ｃ_pa・θ_a で与えられる。また、再循環ガスのエンタルピＨ
_grfは、ガスの比熱をＣ_pg、ガスの節炭器付近での温度
をθ_geとすると、 Ｈ_grf≒Ｃ_pg・θ_ge で与えられる。

【００５４】熱交換器の水・蒸気系の伝熱を定圧過程と
近似すると、次式が成り立つ。なお、以下では熱交換器
の番号ｉは省略する。

【００５５】

【数５】

【００５６】ここで、Ｃ_ps：定圧比熱（ｋｃａｌ／ｋｇ
・℃） Ｈ_so：基準エンタルピ（ｋｃａｌ／ｋｇ） なお、ここでは、（７）式を、次式で近似する。

【００５７】 Ｃ_ps＝（ΔＨ_s／Δθ_s）_p ……（８） （５）、（６）式を（２）式に代入して、整理すると、
次式が得られる。

【００５８】

【数６】

【００５９】また、（３）式を変形すると、次式が得ら
れる。

【００６０】

【数７】

【００６１】（９）、（１０）式をまとめると、次式が
得られる。

【００６２】

【数８】

【００６３】

【数９】

【００６４】ここで、Ａ_ij：状態遷移行列の要素 Ｂ_ij：駆動行列の要素 なお、前記（１１）、（１２）式のｘ₁およびｕ₂は、測
定可能な量であり、ｘ₂は、測定できない量である。ま
た、管メタルからの水・蒸気への熱伝達率α_msおよび管
外部流体（ガス）から管メタルへの熱伝達率α_gmは、次
式で近似する。

【００６５】 α_ms＝ｆ（Ｆ_s） ……（２３） α_gm＝ｆ（Ｆ_gBF） ……（２４） （１１）、（１２）式を離散時間表現すると、次式に示
すようになる。これが予測モデルを示す物理式である。
なお、本明細書において、“_M”の記号は、その量がマ
トリクスで表現される量であることを示す。

【００６６】 Ｘ_M（ｋ）＝Ａ_MＸ_M（ｋ−１）＋Ｂ_MＵ_M（ｋ−１） ……（１０ａ） ここで、Ａ_M：状態遷移マトリクス（モデル） Ｂ_M：駆動マトリクス（モデル） Ｘ_M（ｋ）：ｋサンプリング時点の状態量（モデル） Ｘ_M（ｋ−１）：ｋ−１時点の状態量（モデル） Ｕ_M（ｋ−１）：ｋ−１時点の操作量（モデル） 次に、カルマン・フィルタによる状態量の推定と、誤差
の推定を示す。ここで、ｋサンプリング時点の状態量の
推定値を〜Ｘ_M（ｋ）、モデル誤差をε（ｋ）としたと
きの、ｋサンプリング時点の状態量の最ゆう推定値＾Ｘ
_M（ｋ）を求める。

【００６７】 ＾Ｘ_M（ｋ）＝Ａ_MＸ_M（ｋ−１）＋Ｂ_MＵ_M（ｋ−１）＋ε（ｋ）…（１０ｂ） ε（ｋ）＝Ｋ｛Ｘ_M（ｋ）−〜Ｘ_M（ｋ）｝ ……（１０ｃ） 〜Ｘ_M（ｋ）＝Ａ_M＾Ｘ_M（ｋ−１）＋Ｂ_MＵ_M（ｋ−１） ……（１０ｄ） ここで、Ｋ：カルマン・ゲイン 前記モデル式を用いて、各熱交換器単体のモデルをブロ
ック線図で表わすと、図４に示すようになる。すなわ
ち、熱交換器単体のモデルは、燃料流量Ｆ_f、空気流量
Ｆ_aおよびガス再循環流量Ｆ_grfと、火炉水壁熱吸収量Ｑ
_WWおよび火炉水壁以外のガス側上流熱交換器の総熱吸収
量Ｑ_HEXとに基づいて、ガス温度θ_ginを計算するガス温
度計算モデル３０６と、熱交換器の入口蒸気温度を管内
部流体（水・蒸気）の入口エンタルＨ_sinに変換する変
換部３０７と、エンタルＨ_sin、蒸気流量Ｆ_sおよびガス
温度θ_ginをそれぞれ近似的に３次遅れを与える無駄時
間要素３０１、３０２および３０３と、集中定数化モデ
ル３０４と、カルマン・フィルタ３０５とで構成され
る。

【００６８】また、予測モデルの全体構成は、図５に示
すようになる。図５では、給水ポンプ１１７から送られ
る水が節炭器（ＥＣＯ）１３０を経て火炉水壁（ＷＷ）
１０８で加熱されて、１次過熱器１０９、１次スプレ１
１６、２次過熱器１１０、２次スプレ１２０、３次過熱
器１１１および主蒸気加減弁１２１を経て、高圧タービ
ン１２２に送られる。ここで、各過熱器１０９、１１０
および１１１では、ガス温度計算により求められるガス
温度θ_g1SH、θ_g2SHおよびθ_g3SHが与えられて、前記物
理式により、それぞれの出口蒸気温度が算出される。ま
た、高圧タービン１２２を出た蒸気は、１次再熱器１１
２、再熱スプレ１３２および２次再熱器１１３を経て低
圧タービン１２３に送られる。ここで、１次再熱器１１
２および２次再熱器１１３では、ガス温度計算により求
められるガス温度θ_g1RHおよびθ_{g2 RH}が与えられて、前
記物理式により、それぞれの出口蒸気温度が算出され
る。

【００６９】ここで、予測は、前記（１０ｂ）式を用い
て、ｋサンプリング時点で、ｎサンプリング先の制御量
＾Ｘ_M（ｋ，ｎ）を求めることにより行なう。

【００７０】 ＾Ｘ_M（ｋ，１）＝Ａ_M＾Ｘ_M（ｋ）＋Ｂ_MＵ_M（ｋ）＋ε（ｋ） ＾Ｘ_M（ｋ，２）＝Ａ_M＾Ｘ_M（ｋ，１）＋Ｂ_MＵ_M（ｋ）＋ε（ｋ） ・ ・ ・ ＾Ｘ_M（ｋ，ｎ）＝Ａ_M＾Ｘ_M（ｋ，ｎ−１）＋Ｂ_MＵ_M（ｋ）＋ε（ｋ） このようにして、行なわれる予測特性について、検討す
る。ここでは、最終段の過熱器のみについて集中定数化
モデルを構成して予測を行なう場合と、本実施例の無駄
時間要素と集中定数化モデルとを組み合わせたもので予
測を行なう場合とを比較する。同じ操作量に対して、そ
の応答特性を測定すると、図１１（ａ）に示すようにな
る。同図から明らかなように、集中定数化モデルのみで
予測を行なう場合には、プラントの応答より応答が速く
なっっているため、誤差εが大きくなっている。そのた
め、誤差εによる引き戻し作用も大きくなり、予測精度
が悪くなる（同図（ｂ））。一方、無駄時間要素と集中
定数化モデルとを組み合わせたものは、制御量の応答
が、プラントの応答特性と近似しているため、誤差εが
小さくなり、引き戻し作用も小さく、予測制度が向上す
る（同図（ｃ））。

【００７１】なお、本実施例においては、予測制御と通
常制御を並置し、予測値の誤差が予め定めた範囲に入る
ときのみ予測制御を行なうようにしている。図１のスイ
ッチ６は、この目的のために設けられている。誤差が大
きい場合には、通常のＰＩ（比例・積分）制御を行な
い、誤差が小さくなったら、本発明の予測制御に切り替
える。

【００７２】なお、本実施例は、コンピュータにより演
算されて実行される。そのため、モデル式は、（１０
ａ）式に示したように、離散時間表現される。そこで、
モデル式を離散時間表現する場合について、少し詳細に
説明する。

【００７３】前記エネルギ保存式から導かれる熱伝達式
モデル（１１）、（１２）式を離散時間表現し、マトリ
クスの要素で示すと、次式が得られる。

【００７４】

【数１０】

【００７５】次に、（２５）式を用いてカルマン・フィ
ルタ３０５により状態変数の推定を行なう場合につい
て、説明する。熱伝達式モデルの離散時間表現である
（２５）式を用いて、蒸気温度を予測するには、状態変
数である蒸気温度θ_sおよび管メタル温度θ_mの予測開始
時点の値が必要である。しかし、管メタル温度θ_mは、
計測できないので、推定値を用いることになる。本実施
例では、この管メタル温度θ_mの推定に、カルマン・フ
ィルタを適用する。

【００７６】カルマン・フィルタを適用するため、（２
５）式を次式で表わす。

【００７７】 Ｘ_M（ｋ）＝Φ_M（ｋ−１）・Ｘ_M（ｋ−１） −Ｈ_M（ｋ−１）・Ｕ_M（ｋ−１）……（２６）

【００７８】

【数１１】

【００７９】ここで、Ｘ_M（ｋ）：ｋサンプリング時点
の状態変数ベクトル（蒸気温度θ_s、管メタル温度θ_m） Φ_M（ｋ−１）：ｋ−１サンプリング時点の状態遷移行
列 Ｈ_M（ｋ−１）：ｋ−１サンプリング時点の駆動行列 Ｕ_M（ｋ−１）：ｋ−１サンプリング時点の操作量 また、（２６）式で表わされるシステムの観測過程は、
次式で表わされるものとする。

【００８０】 Ｙ_M（ｋ）＝Ｃ_M・Ｘ_M（ｋ）＋Ｖ_M（ｋ） ……（３１） ここで、Ｙ_M（ｉ）：ｋサンプリング時点における観測
ベクトル（蒸気温度θ_sに対応） Ｘ_M（ｋ）：状態変数ベクトル（蒸気温度θ_s、管メタル
温度θ_m） Ｖ_M（ｋ）：観測ノイズ・ベクトル Ｃ_M ：観測行列 （２６）式、（３１）式のカルマン・フィルタは、次式
により構成される。なお、ここで、’は、転置マトリク
スを意味する。

【００８１】 ＾Ｘ_M（ｋ）＝〜Ｘ_M（ｋ） ＋Ｐ_M（ｋ）・Ｃ_M’・Ｗ_M~¹｛Ｙ_M（ｋ）−Ｃ_M・〜Ｘ_M（ｋ）｝ ……（３２） 〜Ｘ_M（ｋ）＝Φ_M（ｋ−１）・＾Ｘ_M（ｋ−１） ＋Ｈ_M（ｋ−１）・Ｕ_M（ｋ−１） ……（３３） Ｐ_M（ｋ）＝｛Ｍ_M~¹（ｋ）＋Ｃ_M’・Ｗ_M~¹・Ｃ_M｝~¹ ……（３４） Ｍ_M（ｋ）＝Φ_M（ｋ−１）・Ｐ_M（ｋ−１）・Φ_M’（ｋ−１） ＋Ｈ_M（ｋ−１）・Ｕ_M（ｋ−１）・Ｈ_M’（ｋ−１）…（３５） ここで、＾Ｘ_M（ｋ）：ｋサンプリング時点の制御量Ｘ_M
（ｋ）の最ゆう推定値 〜Ｘ_M（ｋ）：ｋサンプリング時点の制御量Ｘ_M（ｋ）の
推定値 次に、操作量決定システム４について説明する。操作量
決定システム４は、目標値の近い将来の予測値と蒸気温
度の近い将来の予測値に基づいて操作量を決定する。本
実施例では、ＰＩ制御を行なっている。そのアルゴリズ
ムを数１４に示す。

【００８２】

【数１２】

【００８３】ここで、 ｋ_pi：比例ゲイン ｋ_Ii：積分ゲイン △ｕ_i（ｋ）：現在時点ｋにおける操作量ｕ_iの変化分 モデル・チューニング・システム５は、蒸気温度系のモ
デルの特性が火力プラントの特性に合うようにモデル・
パラメータをチューニングする。このモデル・チューニ
ング・システム５の構成を図６に示す。次に、この図に
従って、チューニング・アルゴリズムについて説明す
る。

【００８４】先ず、火力プラントの制御量と予測モデル
により推定した制御量の推定値との誤差、すなわちモデ
ル誤差が小さくなるように山登り法によりモデル・パラ
メータをチューニングし、このチューニング結果を収
集、記憶する。

【００８５】次に、この山登り法によるモデル・チュー
ニング結果を教師データとし、ニューラル・ネットワー
ク（ニューロ）にモデル・チューニング・ルールを学習
させる。この学習により、モデル・チューニング・ルー
ルを習得した後は、ニューラル・ネットワークにより予
測モデルのパラメータをチューニングする。

【００８６】また、同様にして、前記山登り法によるモ
デル・チューニング結果に基づいて、モデル・チューニ
ング・ルールをファジィ・ルールとして抽出し、この抽
出したファジィ・ルールにより予測モデルのパラメータ
をチューニングする。

【００８７】なお、前記のファジィ・ルール作成に、モ
デル・チューニング・ルールを習得したニューラル・ネ
ットワークを利用することもできる。すなわち、学習済
みのニューラル・ネットワークの入出力特性からファジ
ィ・ルールを作成することもできる。

【００８８】モデルチューニングは、プラント（シミュ
レータでもよい）の時間応答データを取り込んで、これ
に基づいて、静特性のチューニングを行ない、ついで、
動特性のチューニングを行なう。このチューニングは、
例えば、マスタ制御コントローラを用いて行なうことが
できるが、別のコンピュータシステム上で行なってもよ
い。

【００８９】静特性のチューニングは、負荷レベルを一
定幅ずつ変え、各負荷レベルごとに行なう。図１５に示
すように、まず、現在の負荷レベルを取り込む（ステッ
プ１５０１）。プロセス量を取り込む（ステップ１５０
２）。ここでは、各熱交換器毎に、Ｆ_s、θ_s、Ｐ_s、
Ｆ_g、Ｐ_g、θ_g等を取り込む。これらの量に基づいて、
水・蒸気のエンタルピ（Ｈ_s）分布を求める（ステップ
１５０３）。すなわち、各熱交換器の入口および出口に
おける水・蒸気のエンタルピ（Ｈ_s）を求める。さら
に、水・蒸気の吸収熱量（Ｑ_ms、Ｑ_gm）分布を推定する
（ステップ１５０４）。Ｑ_ms、Ｑ_gmは、これらは、系が
バランスしているときには、等しくなる。

【００９０】次に、ガスのエンタルピ（Ｈ_g）分布を推
定する。これは、温度が測定できる部分での温度とガス
の比熱とを使ってもとめる（ステップ１５０５）。温度
が測定できる部分としては、例えば、節炭器の近傍があ
る。また、ガスの温度（θ_g）の分布を推定する（ステ
ップ１５０６）。これは、前記エンタルピの分布と比熱
を用いて推定する。さらに、メタルの温度（θ_m）分布
を推定する（ステップ１５０７）。最後に、熱伝達率
（α_ms、α_gm、β_gm）を推定する（ステップ１５０
８）。

【００９１】次に、動特性のチューニングについて説明
する。図１６に示すように、プラント（シミュレータ）
に対して、ステップ入力、ランプ入力等を与えて、それ
に対するプラントの時間応答データを取り込む（ステッ
プ１６０１）。入力としては、例えば、燃料流量を増加
する指令を与え、これに対する１次過熱器出口の蒸気温
度の変化のデータを取り込む。また、モデルにたいして
は、例えば、設計的に定まる初期パラメータをセットす
る（ステップ１６０２）。そして、モデルに、プラント
の操作量および制御量を与え、モデルの初期状態を推定
する（ステップ１６０３）。その後、モデルに、ステッ
プ入力、ランプ入力等を与えて、それに対する時間応答
を計算する（ステップ１６０４）。プラントと、モデル
との時間応答の誤差を計算する（ステップ１６０５）。
そして、この誤差が予め定めた範囲に収束しているか否
か判定するステップ（ステップ１６０６）。収束してい
ない場合には、モデルのパラメータの修正を行なう（ス
テップ１６０７）。この修正は、例えば、山登り法、フ
ァジィ推論、ニューラルネットワーク等を用いて行なう
ことができる。そして、ステップ１６０３からの手順を
繰り返して、誤差が一定の範囲に収束した時点で、チュ
ーニングを終了する。

【００９２】次に、山登り法によるモデルのパラメータ
の修正について、説明する。図１７、１８に、その一例
を示す。図１７は、モデルのチューニングを行なうシス
テムの構成の一例である。この例では、火力プラント
（シミュレータでもよい）１と、本発明の予測モデルに
よる予測システム３とに、操作量Ｕ_Mを入力する。これ
に対応して、火力プラント１からは状態量Ｘ_Mが、ま
た、予測システム（モデル：ｍのサフィックスで示す）
３からは、予測される状態量Ｘ_mMが出力される。モデル
チューニングシステム５は、これらの誤差ｅ_Mを取り込
み、それを、次式により積分して、その積分値の大きさ
により評価する。そして、その積分値が最小となるよう
に、山登り法により、パラメータを修正する。

【００９３】

【数１３】

【００９４】図１８は、シンプレックス法を制約条件が
ある場合に適用できるように拡張したコンプレックス法
の原理を示す。このコンプレックス法は、ｎ次元空間の
（ｎ＋１）個の点の集合によってシンプレックス（ｓｉ
ｍｐｌｅｘ）を形成し、このうち関数値の最も大きな１
点について、残りの点で張られる超平面に関する鏡像を
とって、新たなシンプレックスを形成し、この新たなシ
ンプレックスにおいて、同様の操作を行なって、また、
新たなシンプレックスを形成することを繰り返して、関
数値の極小点に達する方法である。なお、図１８におい
て、評価値の大きさは、等高線で表わされる。この例で
は、極小値を求めるので、等高線は、山ではなく、谷を
表わす。また、同図において、斜線部分は、制約条件を
表わす。点が、制約条件にかかる場合、それを外すよう
に定める。

【００９５】図１８に示す例は、二つのパラメータＰ１
およびＰ２について、山登り法による修正を実行する例
である。すなわち、まず、パラメータＰ１およびＰ２の
初期値を与える。これには、例えば、設計値を用いるこ
とができる。また、乱数を発生させて与えてもよい。こ
の点を、図１８における座標点１とする。次に、座標点
２および３を乱数により発生させる。ついで、これらの
３点のパラメータを、それぞれ火力プラントのシミュレ
ータおよびモデル３に設定して、それぞれの状態量の誤
差を求めて、前記（３６）式の積分を行なう。このう
ち、最も関数値の大きい点（ここでは、１とする）につ
いて、点２および３が平面に、点１の鏡像点を求める。
ここでは、これを４とする。そして、点２、３および４
で新たなシンプレックスを構成する。そして、点４につ
いての、前記積分を実行して、その積分値を、点２およ
び３と比較して、前記と同じ操作を繰り返す。なお、点
４が、制約条件を満たさない場合には、その点を手前に
ずらした位置を新たに点４とする。このようにして、順
次、評価値の高い、本実施例では、誤差に小さいパラメ
ータの組合せを探索する。

【００９６】なお、山登り法の詳細に関しては、”Ｍ．
Ｊ．Ｂｏｘ，Ａ Ｎｅｗ Ｍｅｔｈｏｄ ｏｆ Ｃｏｎ
ｓｔｒａｉｎｅｄ Ｏｐｔｉｍｉｚａｔｉｏｎ ｗｉｔ
ｈＯｔｈｅｒ Ｍｅｔｈｏｄｓ，Ｔｈｅ ｃｏｍｐｕｔ
ｅｒ Ｊ．Ｖｏｌ８，Ｎｏ１（１９８５），ｐｐ．４２
−５２”および”志水 清孝著，システム制御と数理計
画法（昭和４６年２月１０日発行）７６−７９頁”を参
照されたい。

【００９７】このようにして、最適なパラメータを見つ
けだすことができる。本実施例では、チューニングを要
するパラメータとしては、無駄時間要素の時定数があ
る。本例は、プラントの運転データを利用して、山登り
法によりモデルのパラメータを調整するので、パラメー
タ調整の自動化及び調整時間の短縮ができる。

【００９８】この山登り法による修正データを利用し
て、より効率的に修正を行なうため、ファジィルールを
構築して、修正を行なう方法について、説明する。図１
９に、その一例を示す。

【００９９】図１９には、ファジィ推論システムの構成
の一例を示す。このシステムは、モデルチューニングシ
ステム５に搭載することができる。このシステムは、フ
ァジィルールを記述するファジィルール部１９０１と、
各ルールの前件部および後件部の適合度を決定するため
のメンバシップ関数を記憶するメンバシップ関数部１９
０２と、入力変数にたいして、メンバシップ関数によっ
て定まる適合度に基づいて、ファジィルールにより推論
を行なうファジィ推論エンジン部１９０３とを有する。

【０１００】本実施例では、図２０（Ａ）に示すよう
に、燃料流量の増加に対するプラントの１次過熱器の蒸
気温度が目標値の６２％に達する立上り時間Ｔ（実線で
示す）に対するモデルの立上り時間Ｔｍ（破線で示す）
の比（Ｔｍ／Ｔ）に着眼して、それに基づくルールを記
述して、このルールに、試運転やシミュレーションで得
られる前記比（Ｔｍ／Ｔ）について、同図（Ｂ）に示す
ように、予め定めたメンバシップ関数の適合度に応じ
て、ルールを適用し、ファジィ推論を行い、パラメータ
をチューニングする。

【０１０１】ファジィルール部１９０１には、例えば、
次のようなルールが記憶される。ここでは、無駄時間要
素３０３の時定数Ｔ₃を修正係数Ｃ₃を用いて修正する例
を示す。 ルール１：（Ｔｍ／Ｔ）が小ならば、Ｔ₃の修正係数Ｃ₃
を大きくする。 ルール２：（Ｔｍ／Ｔ）が適正ならば、Ｔ₃の修正係数
Ｃ₃は適正。 ルール３：（Ｔｍ／Ｔ）が大ならば、Ｔ₃の修正係数Ｃ₃
を小さくする。

【０１０２】ファジィ推論エンジン部１９０３では、図
２１に示すように、入力された（Ｔｍ／Ｔ）を、図２０
（Ｂ）に示す（Ｔｍ／Ｔ）のメンバシップ関数にあては
めて、その適合度を求める。そして、得られた適合度
を、修正係数Ｃ₃のメンバシップ関数にあてはめて、そ
の適合度に含まれる部分面積について、重心を求め、そ
の重心の位置に相当する修正係数を決定する。同図に示
す例では、ルール１および２に適合度を有するので、そ
れぞれの後件部の適合度に含まれる領域の面積全体につ
いて、重心計算を行なう。

【０１０３】ここでは、１次過熱器についてのみ示した
が、これを他の過熱器についても同様に適用することが
できる。その場合、メンバシップ関数、ルールをそれぞ
れにあわせて作成すればよい。

【０１０４】なお、ファジィ推論モデルの作成は、例え
ば、図２２に示すように行なわれる。すなわち、まず、
対象についてのデータを収集する（ステップ２２０
１）。そして、入出力変数間の定性的関係を抽出する
（ステップ２２０２）。ここでは、どのような変数を選
ぶかの選択をも行なう。さらに、ファジィルールおよび
メンバシップ関数を作成する（ステップ２２０３）。以
上により、モデル構造が決定される。そして、ファジィ
ルールおよびメンバシップ関数を調整して、モデルパラ
メータの同定を行なう（ステップ２２０４）。

【０１０５】このように、本例によれば、パラメータを
修正する係数が決定されるので、それに応じてパラメー
タの修正が自動的に行なえる。また、本例は、プラント
の運転データを利用して、ファジィ推論によりモデルの
パラメータを調整するので、パラメータ調整の自動化及
び調整時間の短縮ができる。なお、山登り法と比較し
て、ファジィ推論は、後で述べるニューラル・ネットワ
ークと同様、調整時間の、より一層の短縮ができる。

【０１０６】モデルのパラメータの修正は、ファジィ法
のほか、ニューラルネットワークを用いて行なうことも
できる。この場合には、ルールの作成は、過去のデータ
を学習させることにより行なう。

【０１０７】次に、ニューラルネットワークによるパラ
メータの修正について、説明する。ニューラルネットワ
ークでは、パラメータの修正についての過去のデータを
予め学習させることにより、パラメータの修正を行なう
ことができる。図２３に、その構成を示す。図２３に示
す例では、１次過熱器、２次過熱器および３次過熱器に
ついて、それぞれ立上り時間比（Ｔ_m1SH／Ｔ_1SH、Ｔ
_m2SH／Ｔ_2SH、Ｔ_m3SH／Ｔ_3SH）を入力して、それぞれに
対応する修正係数Ｃ_31SH、Ｃ_32SHおよびＣ_33SHが得られ
る。図２４に、それらの立上り時間比の関係を示す。

【０１０８】ニューラルネットワークモデルは、例え
ば、図２５に示す手順で作成することができる。すなわ
ち、データを収集して（ステップ２５０１）、変数の選
択を含めて、入出力変数を決定する（ステップ２５０
２）。そして、ニューラルネットワークの層数およびユ
ニット数を決定して、構造を決める（ステップ２５０
２）。これで、モデル構造が決定される。次に、バック
プロパゲーションにより、学習を行なって、ニューラル
ネットワークの各ニューロンの重み係数を調整する（ス
テップ２５０４）。

【０１０９】この例では、プラントの運転データを利用
して、ニューラル・ネットワークによりモデルのパラメ
ータを調整するので、パラメータ調整の自動化及び調整
時間の短縮ができる。なお、山登り法と比較して、ニュ
ーラル・ネットワークは、調整時間のより一層の短縮が
できる。

【０１１０】以上に述べた実施例では、複数の熱交換器
をサブプロセスとして構成されるプロセスについて、各
サブプロセスのモデルとして、無駄時間要素と、物理式
により集中定数化モデルとを組み合わせたものを用いた
ものである。本発明のモデルは、１つのプロセスのみの
プロセスについても適用できることはいうまでもない。

【０１１１】また、本発明は、複数のサブプロセスから
なるプロセスに適用するに際し、無駄時間要素を省略す
る構成とすることもできる。さらに、このとき各サブプ
ロセスを、複数の集中定数化モデルで構成することもで
きる。

【０１１２】本発明の効果を示すためにシミュレーショ
ン結果を示す。図１２に、その一例の構成を示し、図１
３に、シミュレーション結果を示す。

【０１１３】図１２は、変圧貫流ボイラに適用した本実
施例の構成を示す。本実施例は、１次過熱器、２次過熱
器および３次過熱器をそれぞれサブプロセスとして、そ
れらに対応した集中定数化モデルと無駄時間要素をカス
ケードに接続して組み込んだ予測モデル６０１を有する
ものである。このモデル６０１により、１次過熱器出口
蒸気温度、２次過熱器出口蒸気温度および主蒸気温度の
近い将来値を予測して、この予測結果を用いて、ＰＩ制
御により、それぞれ１次スプレ量、燃料流量、２次スプ
レ量を操作する。

【０１１４】図１３は、図１２に示す実施例において現
在値を用いたフィードバック制御（ＰＩＤ制御）時の予
測モデルの評価結果を示す。図１３に示す評価は、変圧
貫流ボイラの実規模シミュレータを用いて行なったもの
である。図１３には、１次過熱器出口蒸気温度、２次過
熱器出口蒸気温度および主蒸気温度の５分先の蒸気温度
を破線で、実温度を実線で示す。この図から分かるよう
に、主蒸気温度の予測値は、実温度のほぼ５分前に変化
しており、良好な予測値が得られている。

【０１１５】次に、図１２に示す実施例において、予測
値を用いた予測制御の評価結果を図１４に示す。評価の
方法は、図１３の場合と同じである。

【０１１６】図１４から分かるように、本実施例では、
主蒸気温度の変動が、現在値フィードバック制御時の１
／３から１／２に抑えられており、大いに制御性が向上
することが分かる。

【０１１７】また、前述した実施例は、火力プラントの
例であるが、本発明は、これに限定されないことはいう
までもない。原子力プラント、化学プラント等にも適用
できる。また、前述した実施例では、予測と操作量決定
を１つのコントローラ上で行なうようにしたが、それぞ
れ別のコントローラで行なうようにすることもできる。

【０１１８】

【発明の効果】本発明によれば、プロセスを２つ以上の
サブプロセスで構成し、各サブプロセスを集中定数化モ
デルで構成して、上流側の演算結果を下流側に入力させ
て、順次演算すると共に、その一連の演算を予め定めた
回数繰り返すことにより状態量の予測を行うため、プロ
セスが分布定数系であってもその特性を精度よく模擬で
き、予測精度を向上することができ、かつ、サブプロセ
スごとに集中定数化モデルに対してカルマン・フィルタ
を構成するため、演算負荷を低減することができる。

【０１１９】

【０１２０】

【図面の簡単な説明】

【図１】本発明の一実施例の構成の概要を示すブロック
図。

【図２】火力プラントの概要を示す説明図。

【図３】本発明の実施例の蒸気温度予測システムの詳細
を示すブロック図。

【図４】本発明の実施例の予測部の詳細を示すブロック
図。

【図５】本発明の実施例の水・蒸気とガス温度との関係
を示す説明図。

【図６】本発明の実施例を構成するチューニングシステ
ムの詳細を示す説明図。

【図７】本発明の実施例の構成する火力プラント制御シ
ステムの機能構成を示すブロック図。

【図８】前記図７に示すシステムのハードウエア構成の
一例を示すブロック図。

【図９】前記図７に示すシステムのハードウエア構成の
他の例を示すブロック図。

【図１０】熱交換器の集中定数化モデルの原理を示す説
明図。

【図１１】本実施例による応答特性の比較を示すグラ
フ。

【図１２】本発明の実施例の蒸気温度制御部分の構成を
示すブロック図。

【図１３】図１２のシステムにおいて、現在値による制
御を行なって、その変化を見るために予測モデルを用い
た場合の応答を示すグラフ。

【図１４】図１２のシステムにおいて予測モデルによる
予測値を用いて制御した場合のシミュレーション評価を
示すグラフ。

【図１５】本発明のプロセス制御における予測モデルの
静特性のチューニングの処理フローを示すフローチャー
ト。

【図１６】本発明のプロセス制御における予測モデルの
動特性のチューニングの処理フローを示すフローチャー
ト。

【図１７】本発明のプロセス制御における予測モデルの
パラメータを、山登り法によりチューニングする際のシ
ステム構成の概要を示すブロック図。

【図１８】前記山登り法によるパラメータのチューニン
グの原理を示す説明図。

【図１９】本発明のプロセス制御における予測モデルの
パラメータを、ファジィ推論法によりチューニングする
際のシステム構成の概要を示すブロック図。

【図２０】ファジィ推論によりパラメータをチューニン
グする際の原理を示す説明図。

【図２１】パラメータのチューニングをファジィ推論で
行なう場合の手順を示す説明図。

【図２２】パラメータのチューニングを行なうためのフ
ァジィ推論モデルを構築する手順を示すフローチャー
ト。

【図２３】本発明のプロセス制御における予測モデルの
パラメータを、ニューラルネットワーク法によりチュー
ニングする際のシステム構成の概要を示すブロック図。

【図２４】ニューラルネットワーク法によりパラメータ
をチューニングする際の原理を示す説明図。

【図２５】パラメータのチューニングを行なうためのニ
ューラルネットワークモデルを構築する手順を示すフロ
ーチャート。

フロントページの続き (72)発明者 遠山 栄二 茨城県日立市大みか町五丁目２番１号 株式会社 日立製作所 大みか工場内 (72)発明者 木村 亨 茨城県日立市大みか町五丁目２番１号 株式会社 日立製作所 大みか工場内 (56)参考文献 特開 平４−205604（ＪＰ，Ａ) 特開 平２−301805（ＪＰ，Ａ) 特開 昭63−128401（ＪＰ，Ａ) 渡辺慶二、外１名、「入・出力にむだ 時間を含むシステムの制御」、システム と制御、昭和59年、第28巻、第５号、 Ｐ．269−277 (58)調査した分野(Int.Cl.⁶，ＤＢ名) G05B 13/00 - 13/04 F22B 35/18 F01K 13/02 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】 プロセスのモデルを内蔵し、このモデル
   を使用して制御量の予測値を求め、この予測値に基づい
   て操作量を決定するプロセスの適応制御方法において、 前記プロセスを、当該プロセスの流れに沿う、２つ以上
   のサブプロセスで構成し、かつ、各サブプロセスを、そ
   れぞれについて個別に物理式に基づく集中定数化モデル
   で構成すると共に、サブプロセスごとに、前記集中定数
   化モデルに対してカルマン・フィルタを構成して、この
   カルマン・フィルタで、状態量およびその誤差を推定
   し、 上流側のサブプロセスのモデルによって得られる当該サ
   ブプロセスの状態量の予測値を、下流側のサブプロセス
   のモデルの入力変数の少なくとも一部とし、上流側のサ
   ブプロセスについてそのモデルにより状態量の予測値を
   求め、得られた状態量の予測値を下流側のサブプロセス
   のモデルに入力して、当該サブプロセスの状態量の予測
   値を求め、これを最下流のサブプロセスの状態量の予測
   値が求まるまで実行し、かつ、前記上流側のサブプロセ
   スの状態量の予測値を求める演算から最下流のサブプロ
   セスの状態量の予測値を求める演算までの一連の演算
   を、予め定められた回数繰り返し、前記各サブプロセス
   について得られた状態量の予測値のうち少なくとも最下
   流のサブプロセスについて得られた状態量の予測値に基
   づいて、前記プロセスの操作量を決定することを特徴と
   するプロセスの適応制御方法。
2. 【請求項２】 請求項１に記載のプロセスの適応制御方
   法において、 前記各サブプロセスのモデルを、無駄時間要素と物理式
   に基づく集中定数化モデルとの組合せにより構成し、上
   流側のサブプロセスのモデルの物理式で求められる状態
   量の予測値を、下流側のサブプロセスの無駄時間要素を
   介して、該下流側のサブプロセスのモデルの物理式に入
   力することを特徴とするプロセスの適応制御方法。
3. 【請求項３】 プロセスの操作量を決定して当該プロセ
   スを制御するプロセス制御システムにおいて、 プロセスをその流れに沿って構成する、２つ以上のサブ
   プロセスのモデルを内蔵し、これらのモデルを使用し
   て、プロセスの状態量を予測する状態量予測システム
   と、 プロセスに対する目標値、および、前記予測されたプロ
   セスの状態量に基づいて、プロセスに対する操作量を決
   定する操作量決定システムとを備え、 前記状態量予測システムは、 前記サブプロセス対応に設けられ、各サブプロセスのモ
   デルとして予め与えられた物理式で状態量の予測値を求
   める、２つ以上の予測値演算手段と、前記サブプロセスごとに、前記集中定数化モデルに対し
   て構成され、状態量およびその誤差を推定するカルマン
   ・フィルタと、 前記２つ以上の予測値演算手段について、上流側の予測
   値演算手段で得られたサブプロセスの状態量の予測値
   を、下流側の予測値演算手段の入力変数の少なくとも一
   部として、下流側の予測値演算手段が演算を実行するよ
   う、順次演算を実行させ、かつ、前記上流側のサブプロ
   セスに対応する予測値演算手段での予測値を求める演算
   から下流側のサブプロセスに対応する予測値演算手段で
   の予測値を求める演算までの一連の演算を、予め定めら
   れた回数繰り返させて、プロセスの状態量の予測値を求
   めるよう制御する手段とを有することを特徴とするプロ
   セス適応制御システム。
4. 【請求項４】 請求項３記載のプロセス制御システムに
   おいて、 前記状態量予測システムは、各サブプロセスのモデルとして、 無駄時間要素と前記物
   理式との組合せにより構成されるモデルを内蔵し、 上流側の予測値演算手段により求められた 状態量の予測
   値を、下流側のサブプロセスの無駄時間要素を介して当
   該下流側の予測値演算手段に入力させることを特徴とす
   るプロセス適応制御システム。