[发明专利]设备控制装置

说明书

技术领域

本发明涉及火力发电设备等的设备控制装置。

背景技术

在设备控制装置中，处理来自作为控制对象的设备的测量信号，并计算出给予控制对象的操作信号。在控制装置中安装计算操作信号的算法，以使设备的测量信号满足其目标值。

作为用于设备的控制的算法有PI(比例·积分)控制算法。PI控制是将设备的测量信号与其目标值的偏差乘以比例增益后的值，再与对偏差进行时间积分后的值进行加运算，从而导出给予控制对象的操作信号。使用PI控制的控制算法能够以框图可视化，并明确可知其工作原理或工作原因。通常，此种框图由控制逻辑设计者制成，不会执行设计者不想要的工作。PI控制为稳定且安全的控制算法，也有很多实际成绩。

但是，在设备运转方式的变更或环境的变化等无法事先预期的条件下，运转设备的情况下，需要变更控制逻辑等操作。

另一方面，为适应设备的运转方式或环境的变化，自动地修正变更控制算法，也能够使用适应控制或学习算法控制设备。作为使用学习算法对设备进行控制的方法的一例，提出了涉及使用强化学习法的控制装置的技术的方案(例如，参照专利文献1)。该控制装置具备预测控制对象的特性的模型，和学习模型的输入的生成方法，以使模型的输出达到其目标值的学习机构。

锅炉是高度达到数十米的大的构造物，难以把握内部产生的现象。此外锅炉内，燃料的燃烧反应、燃烧气体中的成分的反应、气体及水·蒸汽的流动、传热现象等多种现象复合地产生。从而，为抑制派出气体中的有害物质的产生，在硬件方面、控制方面开发了各种技术。

以往，在锅炉设备控制的领域中，主流是以PID(比例·积分·微分)控制为基本的控制逻辑。在该情况下，作为控制的指标的蒸汽温度、蒸汽压力、气体中成分的浓度等测量场所与锅炉的大小相比很少，难以把握锅炉内的分布。

增多测量场所在制造成本的方面难以实现，假设即使增加测量场所，也难以从测量信息中了解上述的复合现象。

此外，也提出了通过以神经元网络为代表的带有教师的学习功能或，由非专利文献1中所述的强化学习法形成的带有教师的学习功能，能够灵活地对应设备的特性的技术的方案，但无论在哪种情况下，难以确认作为学习结果的操作与现象的因果关系，所以存在对于新的操作的可靠性差的问题。

此外，在操作员教育的方面，能够用模拟训练用模拟装置学习锅炉对于操作的响应。作为本技术有专利文献2。专利文献2开发出：保管有由计算机图形学制成的各种燃烧炉燃烧图案的火焰模型，并通过在产生周期性的图像时，从数据的中途进行重复，由此表示燃烧炉燃烧火焰的样子，以加深训练者的现象理解。

专利文献1：日本专利特开2000-35956号公报(第3～4页，图3)

专利文献2：日本专利特许3764585号公报(权利要求1)

非专利文献：强化学习(Reinforcement Learning)，三上贞芳·皆川雅章共译，森北出版株式会社，2000年12月20日出版

如果使用专利文献1中记载的技术，则能够适应设备的运转方式或环境的变化，自动地修正/变更控制算法。

但是，为评价学习结果的妥当性，需要人详细地分析学习结果。此外，为安全地运转设备，需要确认修正/变更后的算法正常工作。

即，在设备控制中利用能够适应设备的运转方式或环境的变化的学习算法，为安全地运转设备必须提高学习算法的可靠性。

此外，如上述的现有技术所述，操作者难以了解锅炉内的复杂的举动、复合现象。因此，根据情况有可能实施不合适的控制操作，不仅安全上不优选，因为控制性能没有充分地发挥，所以也有可能增加有害物质的排出量。

此外，特别在具有学习功能的控制方法中，通常学习结果多为黑箱，因此存在学习结果的可靠性欠缺的问题。

此外，在专利文献2记载的技术中，能够易于把握燃烧炉火焰的状态，但对于氮氧化物(NOx)、一氧化碳(CO)等的有害成分的产生并未直接揭示因果关系。

发明内容

本发明的目的在于提供一种具备为提高学习算法的可靠性，设备的操作员能够容易地确认学习结果的机构的设备控制装置。

本发明的另一目的在于，解决以上的问题，并提供一种通过显示以易于理解控制操作与锅炉内的现象之间的关系，从而提高控制操作可靠性的锅炉设备的控制装置或与锅炉设备的控制相关的操作员训练用装置。