控制装置、控制输入决定方法以及控制输入决定程序与流程

发动机及配件附件的制造及其应用技术1.本公开涉及控制装置、控制输入决定方法以及控制输入决定程序。2.本技术基于在2020年3月30日在日本专利局申请的特愿2020-060045号来主张优先权，将其内容引用于此。背景技术：3.在发电用燃气轮机中，通过遵循pid控制等经典的反馈控制和预先设定的表格设定来使各种致动器动作、并由此控制燃气轮机输出、废气温度这样的主要的状态量的方法广泛普及。但在这样的经典的控制手法中，存在不能发挥充分的控制性的情况。作为解决其的手段之一，提出模型预测控制。例如，在专利文献1中，公开了用ekf(扩展卡尔曼滤波器)推定状态参数、使用预测模型来将控制输入最优化的手法。4.现有技术文献5.专利文献6.专利文献1：jp特开2005-248946号公报技术实现要素：7.发明要解决的课题8.但专利文献1公开的手法是用于确保劣化、故障下的性能的最优化方法，并非用于使通常的运转动作下的控制性能提升的最优化方法。例如，即使预测模型使用基于热平衡条件设定了一个以上的系数的预测式来进行运算，若该一个以上的系数固定化，就也存在如下情况：在由于工作条件的变化而产生相对热平衡条件的过渡性的偏离的情况下，得不到充分的预测精度。9.例如，在燃气轮机的控制中进口导流叶片开度(igvdeg)为50％的情况下和为100％的情况下，由于工作条件大幅差异，因此热平衡条件也改变。为此，预测模型所使用的预测式的一个以上的系数优选对应于工作条件适宜更新。10.鉴于上述的事情，本公开的目的在于，提供能通过对应于工作条件更新预测模型的预测式中所含的一个以上的系数来使预测精度提升的控制装置等。11.用于解决课题的手段12.本公开所涉及的控制装置用于控制燃气轮机，所述控制装置具备：预测部，其构成为使用预测模型来对与预测范围内的向所述燃气轮机的控制输入对应的所述燃气轮机的将来的状态量进行预测；最优化部，其构成为使用所述预测部中的预测结果来进行所述预测范围的至少一部分中的所述控制输入的最优化；存储部，其用于存储按每个所述燃气轮机的工作条件示出所述控制输入相对于所述状态量的变化速度的灵敏度的灵敏度信息；将与所述预测范围内设想的所述工作条件对应的所述灵敏度信息从所述存储部读出，更新所述预测模型中所使用的所述状态量的预测式的一个以上的系数。13.本公开所涉及的控制输入决定方法包含如下步骤：预测模型对与预测范围内的向燃气轮机的控制输入对应的所述燃气轮机的将来的状态量进行预测；使用所述预测的步骤中的预测结果，来进行所述预测范围的至少一部分中的所述控制输入的最优化；存储部存储按每个所述燃气轮机的工作条件示出所述控制输入相对于所述状态量的变化速度的灵敏度的灵敏度信息；和将与所述预测范围内设想的所述工作条件对应的所述灵敏度信息从所述存储部读出，更新所述预测模型中所使用的所述状态量的预测式的一个以上的系数。14.本公开所涉及的控制输入决定程序使计算机执行如下工序：使用预测模型，来对与预测范围内的向燃气轮机的控制输入对应的所述燃气轮机的将来的状态量进行预测；使用进行所述预测的工序中的预测结果，来进行所述预测范围的至少一部分中的所述控制输入的最优化；使存储部存储按每个所述燃气轮机的工作条件示出所述控制输入相对于所述状态量的变化速度的灵敏度的灵敏度信息；将与所述预测范围内设想的所述工作条件对应的所述灵敏度信息从所述存储部读出，更新所述预测模型中所使用的所述状态量的预测式的一个以上的系数。15.发明的效果16.根据本公开，能提供能通过对应于工作条件更新预测模型的预测式中所含的一个以上的系数来使预测精度提升的控制装置等。附图说明17.图1是概略地表示一实施方式所涉及的燃气轮机的结构的图。18.图2是概略地表示一实施方式所涉及的控制装置的结构的框图。19.图3是用于说明一实施方式所涉及的控制装置所执行的最优化的原理的概略图。20.图4是表示存储于一实施方式所涉及的控制装置的性能表格的一例的图。21.图5是表示一实施方式所涉及的燃气轮机的轮机入口温度与燃烧效率的关系性的一例的图表。22.图6是用于说明一实施方式所涉及的控制装置的功能的框图。具体实施方式23.以下参考附图来说明几个实施方式。但作为实施方式记载或在附图中示出的结构部件的尺寸、材质、形状、其相对的配置等并不意在将发明的范围限定于此，只是单纯的说明例。24.例如，“在某方向上”、“沿着某方向”、“平行”、“正交”、“中心”、“同心”或“同轴”等表征相对的或绝对的配置的表现不仅严密地表征这样的配置，还表征带有公差、或能得到相同功能的程度的角度、距离相对位移的状态。25.例如，“相同”、“相等”以及“均质”等表征事物是相等的状态的表现不仅严密表征相等的状态，还表征存在公差、或能得到相同功能的程度的差的状态。26.例如，四边形状、圆筒形状等表征形状的表现不仅表征几何学上严密的意义下的四边形状、圆筒形状等形状，相还表征在能得到相同效果的范围内包含凹凸部、倒角部等的形状。27.另一方面，“拥有”、“备置”、“具备”、“包含”或“具有”一个构成要素这样的表现并非将其他构成要素的存在除外的排他性的表现。28.(燃气轮机)29.以下对一实施方式所涉及的控制装置100的控制对象即燃气轮机2的一例进行说明。图1是概略表示一实施方式所涉及的燃气轮机2的结构的图。如图1所示，发电装置1具备燃气轮机2和发电机7。30.燃气轮机2是发电用燃气轮机。燃气轮机2具备：用于生成压缩空气的压缩机3；使用压缩空气以及燃料来使燃烧气体产生的燃烧器4；和构成为通过燃烧气体而旋转驱动的涡轮5。31.压缩机3经由旋转轴8a与涡轮5连接。压缩机3通过涡轮5的旋转能量而旋转驱动，生成压缩空气。在压缩机3的入口侧设置进口导流叶片igv。空气的流入量通过进口导流叶片igv的开度来调整。进口导流叶片igv的开度基于进口导流叶片开度控制指令igvcso来控制。将在压缩机3生成的压缩空气供给到燃烧器4。32.对燃烧器4供给压缩机3中生成的压缩空气和燃料，通过使燃料燃烧，来使涡轮5的工作流体即燃烧气体产生。供给到燃烧器4的燃料的流量通过对应于燃料流量指令cso调整开度的流量调整阀来调整。燃烧气体被从燃烧器4送到后级的涡轮5。33.涡轮5被燃烧器4中生成的燃烧气体驱动。涡轮5通过旋转轴8b与发电机7连接。发电机7构成为通过涡轮5的旋转能量进行发电。34.(控制装置的结构)35.以下说明一实施方式所涉及的控制装置100。图2是概略地表示一实施方式所涉及的控制装置100的结构的框图。控制装置100是用于控制燃气轮机2的装置。36.控制装置100例如是具备cpu(central processing unit，中央处理器)、ram(random access memory，随机存取存储器)、rom(read only memory，只读存储器)等的计算机。在控制装置100中，通过处理器(cpu)执行存储于存储器(ram或rom)的程序(例如控制输入决定程序)，来实现后述的各种功能。37.如图2所示那样，控制装置100具备预测部110、最优化部120、存储部130、更新部140、状态量取得部150、目标值轨道取得部160、以及表格更新部170。38.预测部110构成为使用预测模型来对预测范围(prediction horizon)中的与向燃气轮机2的控制输入对应的燃气轮机2的将来的状态量进行预测。控制输入包含燃料流量指令cso和进口导流叶片开度控制指令igvcso。状态量例如包含燃气轮机2中的燃料流量gf、空气流量g1、输出gtmw、轮机入口温度t1t、叶片通道温度bpt以及废气温度tex的信息。39.另外，控制输入可以是包含燃料流量指令cso和进口导流叶片开度控制指令igvcso的至少一方的控制输入。状态量可以是与上述的信息不同的信息，也可以是包含上述的信息当中至少一个信息的信息。另外，燃气轮机2的输出gtmw可以是发电机7的输出。此外，本公开中也将“燃气轮机的输出”仅称作“输出”。40.最优化部120构成为使用预测部110中的预测结果来进行预测范围的至少一部分中的控制输入的最优化。最优化部120将预测范围中的控制输入输入到预测部110，并取得预测结果。41.存储部130存储按每个燃气轮机2的工作条件示出控制输入相对于状态量的变化速度的灵敏度的灵敏度信息。此外，存储部130存储后述的制约(限制)条件、预测模型和控制输入决定程序。灵敏度信息如后述那样，包含第1灵敏度信息和第2灵敏度信息。另外，灵敏度信息可以是后述的性能表格。42.更新部140将与预测范围内设想的工作条件对应的灵敏度信息从存储部130读出，将预测模型中所使用的状态量的预测式的一个以上的系数更新。与预测范围内设想的工作条件对应的灵敏度信息可以是与当前的工作条件对应的灵敏度信息。43.状态量取得部150构成为从传感器等取得燃气轮机2的状态量。44.目标值轨道取得部160构成为取得状态量当中的至少一个参数的目标值轨道。目标值轨道取得部160，可以构成为取得上述的状态量当中的燃气轮机2的输出gtmw和轮机入口温度t1t的至少一方的参数的目标值轨道。45.表格更新部170构成为基于实际运用时取得的实绩数据来更新存储于存储部130的性能表格。例如，初始状态的性能表格基于设计信息来作成。之后，基于实际运用时取得的实绩数据来更新性能表格。46.(预测模型)47.说明预测部110所使用的预测模型。在几个实施方式中，预测模型可以如以下说明的那样，构成为使用以线性模型记述的状态空间模型。48.首先，说明预测式中的用语的定义。x(k)是当前时刻k处的状态量向量。x(k)可以认为是以多个状态量为要素的矩阵。u(k)是当前时刻k处的控制输入向量。y(k)是当前时刻k处的观测输出向量。y(k)可以认为是以多个状态量当中的几个状态量中的控制量为要素的矩阵。z(k)是当前时刻k处的评价输出向量。a、b、cy、cz是构成状态方程式的矩阵。矩阵a、b是以预测式中所含的一个以上的系数为要素的矩阵。若更新一个以上的系数，就更新矩阵a、b。49.通过这样的定义，作为时刻的函数，能认为如下那样的关系式成立。这些算式能作为预测式来使用。50.x(k+1)＝ax(k)+bu(k)…(1)51.y(k)＝cyx(k)…(2)52.z(k)＝czx(k)…(3)53.式(1)的x(k+1)是将来的状态量向量。另外，时刻的单位可以是控制周期。即，x(k+1)可以是设想为比当前时刻k超前1次控制周期的情况的将来的状态量向量。54.根据式(1)，能基于当前时刻k处的状态量向量x(k)、当前时刻k处的控制输入向量u(k)以及矩阵a、b来运算将来的状态量向量x(k+1)。通过重复这样的运算，还能取得设想为比当前时刻k超前任意的i次控制周期的情况的将来的状态量向量x(k+i)。55.根据式(2)，能基于当前时刻的状态量向量x(k)以及矩阵cy来运算当前时刻k处的观测输出向量y(k)。根据式(3)，能基于当前时刻的状态量向量x(k)以及矩阵cz来运算当前时刻k处的评价输出向量z(k)。此外，通过组合式(1)～式(3)，还能运算与将来的状态量向量x(k+i)对应的观测输出向量y(k+i)以及评价输出向量z(k+i)。56.在此，可以将距燃气轮机2的运转中的热平衡的平衡点(也可以是平衡点近旁)的差认为是状态量x。在该情况下，状态量向量x可以定义为以燃料流量gf、空气流量g1、输出gtmw、轮机入口温度t1t、叶片通道温度bpt以及废气温度tex的距平衡点的差即dgf、dg1、dgtmw、dt1t、dtbp、以及dtex为要素的矩阵。控制输入u可以定义为以与燃料流量指令cso以及igv开度控制指令igvcso的状态量(距平衡点的差)对应的dcso、digvdeg为要素的矩阵。57.更详细地，dgf、dg1、dgtmw、dt1t、dtbp以及dtex能通过以下的微分方程式示出。例如，gf-gf0相当于燃料流量gf的距平衡点的差，dgf相当于d(gf-gf0)。dx/dt表示状态量x的变化速度。例如，d(gf-gf0)/dt表示燃料流量gf的变化速度。关于其他状态量也能同样认为。58.(gf-gf0)+τgf×d(gf-gf0)/dt＝k_gf_cso×(cso-cso0)…(4)59.(g1-g10)+τg1×d(g1-g10)/dt＝k_g1_igv×(igvdeg-igvdeg0)…(5)60.(gtmw-gtmw0)+τgtmw×d(gtmw-gtmw0)/dt＝k_gtmw_gf×(gf-gf0)+k_gtmw_g1×(g1-g10)…(6)61.(t1t-t1t0)+τt1t×d(t1t-t1t0)/dt＝k_t1t_gf×(gf-gf0)+k_t1t_g1×(g1-g10)…(7)62.(tbp-tbp0)+τtbp×d(tbp-tbp0)/dt＝k_tbp_gf×(gf-gf0)+k_tbp_g1×(g1-g10)…(8)63.(tex-tex0)+τtex×d(tex-tex0)/dt＝k_tex_gf×(gf-gf0)+k_tex_g1×(g1-g10)…(9)64.式(4)、(5)是表示状态量x的变化速度与控制输入u的关系的第1灵敏度信息。从这些式获知相对于状态量的变化速度x的控制输入u的灵敏度。式(6)～(9)是表示作为第1状态量的gf以及g1与作为第2状态量的gtmw、t1t、tbp以及tex的变化速度的关系的第2灵敏度信息。τgf、τg1、τgtmw、τt1t、τtbp、τtex是各个时间常数。65.在这些灵敏度信息中包含灵敏度系数k_gf_cso、k_g1_igv、lgtmw_gf、k_t1t_gf、k_t1t_g1、k_tbp_gf、k_tbp_g1、k_tex_gf、k_tex_g1。例如，灵敏度系数k_gf_cso是表示燃料流量gf相对于燃料流量指令cso的变化的灵敏度的系数。其他灵敏度系数也同样是表示前方的参数相对于后方的参数的变化的灵敏度的系数。另外，也可以如后述那样，加进燃烧效率ηη来补正这些灵敏度系数当中的第2灵敏度系数k_gtmw_gf、k_t1t_gf、k_tbp_gf、k_tex_gf。66.若将式(4)～式(9)整理来做出矩阵形式，在对状态量向量x进行了时间微分的状态方程式在以下的式(10)示出。若使观测输出向量y成为矩阵形式，则在以下的式(11)示出。若使评价输出向量z成为矩阵形式，则在以下的式(12)示出。67.[0068][0069][0070](最优化)[0071]以下具体说明最优化部120所进行的最优化的一例。图3是用于说明一实施方式所涉及的控制装置100所执行的最优化的原理的概略图。图3的上方的图表表示控制量等的时间上的推移，下方的图表表示控制输入的时间上的推移。控制量例如是燃气轮机2的输出gtmw和轮机入口温度t1t。另外，在图3的上方的图表中，作为控制量而示出输出gtmw的推移。[0072]在图3的上方的图表中，以实线示出的y(t)表示观测输出，以点线示出的z(t)表示评价输出。换言之，y(t)是到当前时刻k为止的实绩的推移，z(t)表示当前时刻k以后的将来(即时刻k+i)的预测结果的推移。r(k+i|k)表示工作线即目标值轨道。该目标值轨道由目标值轨道取得部160取得。优选目标值轨道和控制量的轨道接近。[0073]横轴是时间轴，在图3的上方的图表和下方的图表中，时间轴是共通的。在时间轴中，从评价开始时刻k+hw到时刻k+hp的区间是预测范围。从当前时刻k到时刻k+hu的区间是控制范围(control horizon)。与预测范围相比，控制范围是更短的时间。[0074]在图3的下方的图表中，以实线示出控制输入u(t)的实绩的推移，以虚线示出当前时刻k以后的控制输入u(t)的推移。作为对应于下方的图表中的当前时刻k以后的控制输入u(t)来预测的控制量，确定上方的图表中的评价输出z(t)的推移。[0075]最优化部120对于控制范围内的控制输入u(t)决定控制输入u(t)，以使得其值变化，对于预测范围当中的控制范围以后的控制输入u(t)决定控制输入u(t)，以使得其值成为固定。例如，如图3所示那样，在从当前时刻k到时刻k+hu的区间，控制输入u(t)的值变化，与此相对，在从时刻k+hu到时刻k+hp的区间，控制输入u(t)的值是固定的。[0076]固定值可以是刚才的控制输入u(k+hu)的值。即，固定值的计算可以省略。另外，固定值可以如图3所示那样，是在预测范围的结束时(时刻k+hp)将评价输出z(t)计算成与表示目标值轨道的基准r(k+i|k)一致的控制输入u(t)的值。[0077]最优化部120将所决定的预测范围内的控制输入输入到预测部110。其结果，能得到评价输出z(t)的推移。另外，输入到预测部110前决定的控制输入，并不是决定为最优的控制输入的，而是作为最优的控制输入的候补暂时决定的。即，图3的下方的图表中的虚线部分表示最优化计算中途的控制输入u(t)。[0078]例如，若将实际使用的控制输入u(t)设为当前时刻紧后的1控制周期(即从当前时刻k到时刻k+hw)的量，则预测范围是从当前时刻的1控制周期后到11控制周期后的量，控制范围是当前时刻起5控制周期的量。在该情况下，对于到下5步为止的控制输入，设定运算值，之后的下5步的控制输入设定固定值。基于这样的控制输入，来预测到下11步为止的状态量和控制量。[0079]最优化部120可以构成为基于依赖于目标值轨道与控制量(参数)的偏差的评价函数，来进行控制输入u(t)的最优化。例如，最优化部120可以参考上述的预测结果的同时，决定最优的控制输入u(t)，以使得，评价函数变小。[0080]在此，评价函数可以是包含表示预测范围内的目标值轨道与控制量的误差的第1项目和表示控制范围内的控制输入u(t)的变化量的累积值的第2项目的函数。例如，评价函数可以是如下的式(13)所示的v。[0081][0082]式(13)所示的评价函数v是对各个l2范数(距离)进行加权的权重矩阵。q是状态权重矩阵，r是控制权重矩阵。具体地，q是将针对燃气轮机2的输出gtmw的权重、针对燃空比即轮机入口温度t1t的权重、针对叶片通道温度bpt的权重以及针对废气温度tex的权重排列成对角分量并使其他矩阵要素为零的矩阵。r是将针对燃料流量指令cso变化的权重以及针对igv开度控制指令igvcso变化的权重排列成对角分量并使其他矩阵要素为零的矩阵。这些q和r是给控制性带来影响的参数。若使q相对于r相对更大，则虽然控制中的快速响应性提升，但稳定性降低。反之，若使r相对更大，则虽然控制中的快速响应性降低，但稳定性提升。[0083]最优化部120可以构成为基于用于制约控制输入u(t)的变化率、控制输入u(t)的绝对值和状态量x的绝对值的任意一者以上的制约条件来进行控制输入u(t)的最优化。在该情况下，例如，能决定控制输入u(t)，以使得满足燃气轮机2的运转上的制约条件。[0084]作为控制输入u(t)的变化率的制约条件，例如可以设定用于满足-10(％/sec)＜燃料流量指令cso的变化率＜10(％/sec)的制约条件。作为控制输入u(t)的变化率的制约条件，例如可以设定用于满足-10(deg/sec)《进口导流叶片开度控制指令igvcso的变化率＜10(deg/sec)的制约条件。[0085]作为控制输入u(t)的绝对值的制约条件，例如可以设定用于满足0(％)《燃料流量指令cso的绝对值＜100(％)的制约条件。作为控制输入u(t)的绝对值的制约条件，例如可以设定用于满足-8(deg)＜进口导流叶片开度控制指令igvcso的绝对值＜46(deg)的制约条件。作为状态量x的绝对值的制约条件，例如可以设定用于满足轮机入口温度不足1650℃这样的条件的制约条件。这些制约条件可以组合来运用。[0086]控制装置100可以构成为在每个控制周期执行预测状态量x的处理、更新矩阵a、b中所含的一个以上的系数的处理、和将控制输入u(t)最优化的处理。即，可以每当经过1控制周期，控制装置100就执行这些处理。[0087](系数的更新)[0088]以下具体说明更新部140的预测式的系数更新的一例。如上述那样，更新部140将与预测范围内设想的工作条件对应的灵敏度信息从存储部130读出，更新预测模型中所使用的状态量的预测式的一个以上的系数。[0089]与预测范围内设想的工作条件对应的灵敏度信息可以是与当前的工作条件对应的灵敏度信息。灵敏度信息可以是燃气轮机2的性能表格。图4是表示存储于一实施方式所涉及的控制装置100的性能表格的一例的图。[0090]例如，性能表格是将表示大气温度的信息、表示进口导流叶片开度的信息、表示燃气轮机2的输出的信息、表示轮机入口温度的信息和表示废气温度的信息作为状态量并相互建立关联的信息表格。例如，可以如图4所示那样，按每个大气温度具有信息表格，以该大气温度为条件的多个状态量在该信息表格内建立关联。[0091]在图4所示的示例中，大气温度为30℃的情况下的进口导流叶片开度igv(deg)的值、燃气轮机2的输出gtmw(mw)的值、轮机入口温度t1t(℃)的值和废气温度tex(℃)的值建立关联。另外，在图4中仅记载了4个状态量，但也可以对于其他状态量(例如空气流量g1、燃料流量gf等)也建立关联。图4中省略，但在性能表格中，能读取使某状态量变化的情况下的其他状态量的值。即，在表的纵向上值是连续的。[0092]性能表格可以如图4所示那样是表示各个状态量的数值的离散的数据。但作为工作条件，可以不仅使用性能表格所示的离散的数值，还使用它们之间的线性补足值。此外，也可以如上述那样，由表格更新部170基于运用时的实绩数据来更新存储于存储部130的性能表格。[0093]工作条件是表示性能表格中所含的状态量当中的状态量取得部150所取得的一个以上的状态量的信息。例如，应作为工作条件而取得的状态量是大气温度、输出gtmw、进口导流叶片开度igvdeg、轮机入口温度t1t和废气温度tex当中任意3个。在图4所示的示例中，由于使用每个大气温度的信息表格，因此工作条件当中的大气温度的取得是必须的。在图4中，4个状态量位于左方，省略其他状态量。这意味着，只要获知4个状态量当中的工作条件，其他状态量也能从信息表格附随地取得。[0094]在性能表格中例如包含多个灵敏度系数k_gf_igv、k_gtmw_gf、k_gtmw_g1、k_t1t_gf、k_t1t_g1、k_tbp_gf、k_tbp_g1、k_tex_gf、k_tex_g1。如上述那样，灵敏度系数是表示前方的参数相对于记号所示的后方的参数的变化的灵敏度的系数。这些灵敏度系数能通过性能表格内的数值彼此的除法运算来取得。[0095]更新部140能从这样的性能表格即灵敏度信息取得预测式中所含的一个以上的系数。更新部140能使用所取得的系数来更新预测式的系数(即矩阵a、b)。[0096]图5是表示一实施方式所涉及的燃气轮机2的轮机入口温度t1t与燃烧效率ηη的关系性的一例的图表。如图5所示那样，燃烧效率ηη根据轮机入口温度t1t而变化。燃烧效率η的变化给与燃料流量gf相关的灵敏度系数(第2灵敏度系数)带来较大影响。[0097]为此，更新部140优选基于燃烧效率η相对于轮机入口温度t1t的变化率，来补正表示燃料流量gf相对于输出gtmw、轮机入口温度t1t、叶片通道温度tbp以及废气温度tex当中一个以上的状态量的变化的灵敏度的系数(第2灵敏度系数)。例如，更新部140可以构成为对于性能表格中所含的灵敏度系数当中的第2灵敏度系数k_gtmw_gf、k_t1t_gf、k_tbp_gf、k_tex_gf加进燃气轮机2的燃烧效率η来进行补正。[0098](控制装置100的功能)[0099]以下说明控制装置100的功能。图6是用于说明一实施方式所涉及的控制装置100的功能的框图。[0100]首先，控制装置100取得观测输出(gf、g1、gtmw、t1t、tbp、tex的实测值)。状态量取得部150从这些观测输出取得gf、g1、gtmw、t1t、tbp、tex的状态量。此外，观测输出可以在最优化部120中作为外扰观测器的输入数据使用。外扰观测器的输出数据可以使用在最优化中的公式化(即，预测式的系数更新、评价函数的计算)中。[0101]此外，控制装置100取得现状的输出目标值和最终的输出目标值。这些可以是基于由用户操作确定的值得到的值。目标值轨道取得部160从这些目标值取得目标值轨道。预测部110基于从状态量取得部150输入的状态量，使用预测模型来进行将来的状态量的预测。这时，更新部140可以基于存储部130的灵敏度信息来更新预测式的系数。此外，更新部140使用目标值轨道和预测模型来进行评价函数v的运算式的公式化。最优化部120在得到预测结果的同时，计算评价函数来进行控制输入的最优化。在决定了最优的控制输入的情况下，输出该控制输入(例如cso、igvcso)。[0102]如此地，控制装置100决定最优的控制输入。这样的控制输入决定方法可以基于控制输入决定程序执行。此外，控制装置100可以构成为对应于最优化部120最优化过的控制输入，来执行燃气轮机2的控制。[0103]本公开并不限定于上述的实施方式，还包含在上述的实施方式加进变形的形态、适宜组合多个实施方式的形态。[0104](汇总)[0105]上述各实施方式记载的内容例如如以下那样掌握。[0106](1)本公开所涉及的控制装置(100)是用于控制燃气轮机(2)的控制装置，具备：预测部(110)，其构成为使用预测模型来对与预测范围内的向所述燃气轮机(2)的控制输入对应的所述燃气轮机(2)的将来的状态量进行预测；最优化部(120)，其构成为使用所述预测部(110)中的预测结果来进行所述预测范围的至少一部分中的所述控制输入的最优化；存储部(130)，其用于存储按每个所述燃气轮机(2)的工作条件示出所述控制输入相对于所述状态量的变化速度的灵敏度的灵敏度信息；和更新部(140)，其将与所述预测范围内设想的所述工作条件对应的所述灵敏度信息从所述存储部(130)读出，更新所述预测模型中所使用的所述状态量的预测式的一个以上的系数。[0107]根据上述(1)所述的结构，由于能对应于工作条件更新预测式的一个以上的系数的同时进行最优化，因此，能进行更动态的最优计算。其结果，预测精度提升，能使控制性能提升。[0108](2)在一些实施方式中，在上述(1)所述的结构基础上，所述控制装置(100)构成为按每个控制周期执行预测所述状态量的处理、更新所述一个以上的系数的处理和将所述控制输入最优化的处理。[0109]根据上述(2)所述的结构方法，由于按每个控制周期进行控制输入的重新评估，因此，预测精度提升。[0110](3)在一些实施方式中，在上述(1)或(2)所述的结构基础上，所述最优化部(120)对于比所述预测范围短的控制范围内的所述控制输入，决定所述控制输入以使得其值变化，对于所述预测范围当中的所述控制范围以后的所述控制输入，决定所述控制输入以使得其值成为固定，将所决定的所述预测范围内的所述控制输入输入到所述预测部(110)。[0111]根据上述(3)所述的结构，由于在比控制范围长的预测范围内预测至远的将来的基础上决定控制输入，因此最优化的精度提升。此外，在上述结构中，决定控制输入，以使其到控制范围为止值进行变化，在这以后决定为固定值。为此，能抑制运算量并对重要度高的马上将来的控制输入确保最优化的精度。[0112](4)在一些实施方式中，在上述(1)到(3)任一者所述的结构基础上，所述控制装置(100)具备：目标值轨道取得部(160)，其构成为取得所述状态量当中的至少一个参数的目标值轨道，所述最优化部(120)决定最优的所述控制输入，以使得评价函数变小，所述评价函数包含表示所述预测范围内的所述目标值轨道与控制量的误差的第1项目和表示控制范围内的所述控制输入的变化量的累积值的第2项目。[0113]根据上述(4)所述的结构，能决定控制输入，以使得控制量以接近于目标值轨道的轨道推移，并且抑制控制输入的累积的变化量。在该情况下，能使控制中的精度和稳定性提升。[0114](5)在一些实施方式中，在上述(1)到(4)任一者所述的结构基础上，所述状态量包含所述燃气轮机(2)中的燃料流量、空气流量、输出、轮机入口温度、叶片通道温度或废气温度当中至少一个信息，所述控制输入包含燃料流量指令和进口导流叶片开度控制指令的至少一方的指令。[0115]根据上述(5)所述的结构，能决定在燃气轮机(2)的控制中合适的控制输入。[0116](6)在一些实施方式中，在上述(1)到(5)任一者所述的结构基础上，所述控制装置(100)具备：目标值轨道取得部(160)，其构成为取得所述状态量当中的所述燃气轮机(2)的输出和轮机入口温度的至少一方的参数的目标值轨道，所述最优化部(120)基于依赖于所述目标值轨道与所述参数的偏差的评价函数来进行所述控制输入的最优化。[0117]燃气轮机(2)谋求负载响应特性的改善。关于这点，根据上述(6)所述的结构，能对于负载响应特性的控制性能上重要的指标的燃气轮机(2)的输出和轮机入口温度的至少一方取得目标值轨道，进行最优化。[0118](7)在一些实施方式中，在上述(1)到(6)任一者所述的结构基础上，所述控制装置(100)还具备：状态量取得部(150)，其构成为取得所述燃气轮机(2)的所述状态量，所述存储部(130)存储所述燃气轮机(2)的性能表格，作为所述灵敏度信息，所述性能表格是将表示大气温度的信息、表示进口导流叶片开度的信息、表示所述燃气轮机(2)的输出的信息、表示轮机入口温度的信息和表示废气温度的信息作为所述状态量相互建立关联的信息表格，所述工作条件是表示所述性能表格中所含的所述状态量当中由所述状态量取得部(150)取得的3个所述状态量的信息。[0119]根据上述(7)所述的结构，由于能基于与燃气轮机(2)的控制性能关联的状态量来取得一个以上的系数，因此能决定在燃气轮机(2)的控制中合适的控制输入。[0120](8)在一些实施方式中，在上述(7)所述的结构基础上，所述控制装置(100)具备：表格更新部(170)，其基于实际运用时取得的实绩数据，来更新所述性能表格。[0121]根据上述(8)所述的结构，由于即使是有经年劣化、特性变化的情况，也基于实绩数据不断更新性能表格，因此，能抑制控制性能的降低。[0122](9)在一些实施方式中，在上述(1)到(8)任一者所述的结构基础上，所述状态量包含所述燃气轮机(2)中的燃料流量、空气流量、输出、轮机入口温度、叶片通道温度或废气温度当中至少一个信息，所述更新部(140)基于燃烧效率相对于所述轮机入口温度的变化率，来补正表示所述输出、所述轮机入口温度、所述叶片通道温度以及所述废气温度当中的一个以上的所述状态量相对于所述燃料流量的变化的灵敏度的系数。[0123]在燃气轮机(2)中，在轮机入口温度低从而燃烧效率低的情况下，存在即使使燃料流量增加也得不到设为目标的输出的情况。关于这点，根据上述(9)所述的结构，由于对应于燃烧效率相对于轮机入口温度的变化率来补正系数，因此能使预测精度提升。[0124](10)在一些实施方式中，在上述(1)到(9)任一者所述的结构基础上，所述最优化部(120)基于用于制约所述控制输入的变化率、所述控制输入的绝对值和所述状态量的绝对值的任意一个以上的制约条件，来进行所述控制输入的最优化。[0125]根据上述(10)所述的结构，能决定控制输入，以使得满足燃气轮机(2)的运转上的制约条件。[0126](11)在一些实施方式中，在上述(1)到(10)任一者所述的结构基础上，所述控制装置(100)构成为对应于所述最优化部(120)最优化过的所述控制输入来执行燃气轮机(2)的控制。[0127]根据上述(11)所述的结构，能有效利用控制装置(100)的预测精度来控制燃气轮机(2)。[0128](12)本公开所涉及的控制输入决定方法包含如下步骤：预测模型对与预测范围内的向燃气轮机(2)的控制输入对应的所述燃气轮机(2)的将来的状态量进行预测；使用进行所述预测的步骤中的预测结果，来进行所述预测范围的至少一部分中的所述控制输入的最优化；存储部(130)存储按每个所述燃气轮机(2)的工作条件示出所述控制输入相对于所述状态量的变化速度的灵敏度的灵敏度信息；和，将与所述预测范围内设想的所述工作条件对应的所述灵敏度信息从所述存储部(130)读出，更新所述预测模型中所使用的所述状态量的预测式的一个以上的系数。[0129]根据上述(12)所述的方法，由于能对应于工作条件更新预测式的一个以上的系数的同时进行最优化，因此能进行更动态的最优计算。其结果，预测精度提升，能使控制性能提升。[0130](13)本公开所涉及的控制输入决定程序，使计算机执行如下工序：使用预测模型，来与预测范围内的向燃气轮机(2)的控制输入对应的所述燃气轮机(2)的将来的状态量进行预测；使用进行所述预测的工序中的预测结果，来进行所述预测范围的至少一部分中的所述控制输入的最优化；使存储部(130)存储按每个所述燃气轮机(2)的工作条件示出所述控制输入相对于所述状态量的变化速度的灵敏度的灵敏度信息；将与所述预测范围内设想的所述工作条件对应的所述灵敏度信息从所述存储部(130)读出，更新所述预测模型中所使用的所述状态量的预测式的一个以上的系数。[0131]根据上述(13)所述的程序，由于能在对应于工作条件更新预测式的一个以上的系数的同时进行最优化，因此能进行更动态的最优计算。其结果，预测精度提升，能使控制性能提升。[0132]附图标记的说明[0133]1 发电装置[0134]2 燃气轮机[0135]3 压缩机[0136]4 燃烧器[0137]5 涡轮[0138]7 发电机[0139]8a、8b 旋转轴[0140]100 控制装置[0141]110 预测部[0142]120 最优化部[0143]130 存储部[0144]140 更新部[0145]150 状态量取得部[0146]160 目标值轨道取得部[0147]170 表格更新部









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!