[发明专利]成套设备的控制装置以及火力发电成套设备的控制装置

说明书

技术领域

本发明涉及成套设备的控制装置，特别涉及使用煤等的化石燃料发电的火力发电成套设备的控制装置。

背景技术

成套设备的控制装置，处理从作为控制对象的成套设备得到的状态量的测量信号，计算提供给控制对象的控制信号(操作信号)后传递给控制对象。在成套设备的所述控制装置上安装有计算操作信号的算法，以使成套设备的状态量的测量信号满足其目标值。

作为在成套设备的控制中使用的控制算法，有PI(比例·积分)控制算法。在PI控制中，在成套设备的状态量的测量信号与其目标值的偏差上乘以比例增益而得到的值上，加上对偏差进行时间积分而得到的值，导出给予控制对象的操作信号。

使用PI控制的控制算法，能够使用框线图等描述输入输出关系，所以容易明白输入和输出的因果关系，有很多的应用成果。但是，在成套设备的运转状态变更或者环境变化等事前想不到的条件下使成套设备运转的时，有时需要变更控制逻辑等操作。

另一方面，在能够适应成套设备的运转状态或者环境的变化的控制方式中，有使用自动修正控制算法或者参数值的自适应控制或者学习算法的控制方式。

作为使用学习算法导出成套设备的控制装置的操作信号的方法，一般是使用成套设备的测量数据或者以数值分析为基础构筑的数据，以统计方式处理这些数据来构筑推定成套设备的特性的统计模型，对于该统计模型自主学习最佳的控制逻辑的方法。

使用该自主学习的方法所得到的控制方式的性能依存于统计模型的推定精度。即，统计模型的特性越接近实际的成套设备特性，就越能得到和对于统计模型的控制结果同等的控制效果。因此，在使用学习算法的自适应控制技术中，构筑更高精度的统计模型成为课题。

作为提高统计模型的精度的技术，在专利文献1中记载了使用探索算法来最优化作为统计方法之一的RBF网络的基函数的半径参数的技术。

另外，在非专利文献1中记载了用RBF网络构成统计模型，通过以模型构筑用的数据特性(数据数量、维数、距离)为基础而导出的计算式决定其基函数的半径参数的技术。

在上述公知技术中，因为执行基于模型构筑用数据的特性的半径调整，所以与随意设定半径的情况相比，能够构筑与实际的成套设备特性更一致的统计模型。

在对于成套设备的控制装置应用专利文献1、以及非专利文献1中公开的技术的情况下，通过基于数据的统计模型的半径参数设定，与随意设定半径参数的情况相比，能够提高推定精度。

另一方面，在成套设备控制中，因为在通过控制引起操作条件变更后到特性稳定之前需要几分钟到十几分钟的时间，所以通过把该时间作为控制周期来变更操作条件，可以期待得到最大的效果。

因此，上述统计模型的参数调整、以及基于学习算法的控制逻辑的学习最好在该控制周期以内结束。

但是，在成套设备的控制装置中应用专利文献1的技术的情况下，在像专利文献1的技术那样使用最优化技术的半径参数的调整方法中，因为要使数据和统计模型的推定结果的误差最小化来探索半径参数，所以需要对应于探索次数反复进行误差评价。因为误差评价的次数与数据数量成比例增加，所以在数据量大的情况下计算成本增加，有可能无法在控制周期以内结束统计模型的参数调整。

与此相对，在非专利文献1的技术中，使用预先导出的计算式决定统计模型的半径参数，所以不需要反复进行误差评价，能够减小计算成本，在控制周期以内结束统计模型调整。另外在该技术中，以统计模型构筑用的数据以某种程度的等间隔分布为前提，把全部基底的半径参数设定为一样。

但是，在成套设备的控制装置中应用非专利文献1的技术的情况下，在成套设备的运转控制中，为满足性能保证值而以在最佳操作条件下稳定运转为前提，所以设想所获得的模型构筑用的数据的分布大体集中在接近最佳条件的区域中，另外，从遵守上述性能保证值的观点出发，多数情况下也不允许用于使数据等间隔分布的人为的操作。

而且，当模型构筑用的数据在某条件下集中分布时，通过设定成一样的半径参数，统计模型的基函数不能充分地覆盖输入空间，有推定精度显著降低的可能性。

【专利文献1】特开2005-115639号公报

【非专利文献1】北山、安田、山崎：“RBFネツトワ一クとParticle SwarmOptimization による統合的最適化”，電気学会論文誌C，Vol.128，No.4，pp.636-645(2008)

发明内容