[发明专利]试验规划装置以及试验规划方法

说明书

提供能通过少的试验案例数的学习数据在确认模型数据的精度的同时制作模型数据的装置以及方法。将多个输入参数基于针对各工艺值的各输入参数的相互的关系分类成多个参数群。输入参数提示部(211a)将多个参数群当中一者选择为学习对象参数群，提示将该输入参数设为变量、将非学习对象参数群的输入参数设为固定值的试验条件。模型数据学习部(211d)基于利用提示的试验条件的实际工艺值与虚拟工艺值的比较结果来修正模型数据。输入参数提示部(211a)选择新的学习对象参数，前次的学习对象参数群的输入参数提示将最佳的试验条件的输入参数作为固定值使用的新的试验条件。进而输出控制部(211g)输出适用试验条件而得到的实际工艺值以及虚拟工艺值。

技术领域

本发明涉及提示发电设备的模型数据用的试验条件的试验规划装置以及试验规划方法。

背景技术

在设置于火力发电厂的锅炉的运转时，作为使锅炉运转的结果的输出而得到各输出工艺值例如NOx或CO的浓度、各导热管的金属温度温度，需要设定大量操作输入参数，使得各输出工艺值成为最佳。若使操作输入参数的值变化，则输出工艺值改善的情况和变差的情况混合存在，进而根据运转条件，输出工艺值的变动也发生变化，因此存在锅炉的运转控制为复杂的实际情况。

为此，作为运转支援的一环有时使用锅炉内的举止模拟的模型数据。关于这一点，在专利文献1中公开了使用关于运转输入参数与输出工艺值的关系的运转数据，作为模型数据制作的学习数据来使用。

在先技术文献

专利文献

专利文献1：JP专利第4989421号公报

发明内容

发明要解决的课题

在新设锅炉、设备修正时进行试验运转，取得学习用数据。但是，操作输入参数有多个，若分别在多个阶段进行条件设定，则试验案例巨大。其结果是，试验期间变长，运转开始变晚。模型数据学习用参数进一步变多，需要时间、工夫。

另一方面，若没有根据减少试验案例，则基于模型数据的举止模拟的精度变差，存在不再成为运转的参考这样的课题。

关于这一点，在专利文献1中，与模型输入数量无关，为了在控制周期以内进行学习(参考同文献0012段)，将输入到模型的模型输入以及模型输出分割成多个组，使得各组的模型输出达成预先确定的目标值，来学习各组的模型输入的生成方法，(参考同文献0013段)，但此时不考虑针对组间的模型输入变化的顺序，因此存在如下的课题，在使多个组的模型输入变化的结果模型输出发生变化的情况下，无法掌握哪个模型输入的变化对模型输出的变化产生了影响。

此外，锅炉内的例如各燃烧喷燃器中的燃烧用空气和燃料的的燃烧行为复杂，作为锅炉的形式、使用的燃料、其他条件下结果的输出的各输出工艺值，NOx、CO的浓度、导热管表面温度、蒸汽温度等可能变化。虽然能使用神经网络等一口气地制作多变量输入―多变量输出模型数据，但在该情况下，还存在难以从技术人员根据经验、物理上的理论匹配的这一观点进行检查的课题。

本发明是为了解决上述课题而提出的，其目的在于，提供一种能通过少的试验案例数量的学习数据在确认模型数据的精度的同时制作模型数据的装置以及方法。

用于解决课题的手段