JP7647372B2

Movatterモバイル変換

Info

Publication number: JP7647372B2
Application number: JP2021101065A
Authority: JP
Inventors: 繭子川口; 智志桐生
Original assignee: Fuji Electric Co Ltd
Current assignee: Fuji Electric Co Ltd
Priority date: 2021-06-17
Filing date: 2021-06-17
Publication date: 2025-03-18
Anticipated expiration: 2041-06-17
Also published as: JP2023000319A

Description

本発明は、運用支援装置、運用支援方法、及びプログラムに関する。The present invention relates to an operation support device, an operation support method, and a program.

定常プラントシミュレータを用いて、ガスタービンや冷凍機等といった機器で構成されるエネルギープラントの最適な運用計画を作成する技術が従来から知られている。例えば、特許文献１には、エネルギーの負荷予測を行った上で、定常プラントシミュレータにより各機器の出力値を計算することで、エネルギーの負荷予測値に対するエネルギー供給（需給バランス）等を満足し、かつ、エネルギーコストが最小となる運用方法を決定する技術が開示されている。なお、この特許文献１では、負荷予測にはニューラルネットワーク、運用方法の決定には粒子群最適化（ＰＳＯ：Particle Swarm Optimization）と呼ばれる手法を使用している。Technology has been known for some time that uses a steady-state plant simulator to create an optimal operation plan for an energy plant composed of equipment such as gas turbines and chillers. For example, Patent Document 1 discloses a technology that performs an energy load prediction and then calculates the output value of each device using a steady-state plant simulator to determine an operation method that satisfies the energy supply (supply and demand balance) for the energy load prediction value and minimizes energy costs. In Patent Document 1, a neural network is used for the load prediction, and a method called Particle Swarm Optimization (PSO) is used to determine the operation method.

特開２００３－８４８０５号公報JP 2003-84805 A

しかしながら、従来技術では、機器の経年劣化等により実際の機器の出力値とシミュレータで計算した出力値との間の乖離が大きくなった場合（つまり、シミュレータの精度が低下した場合）には、その都度、シミュレータのパラメータ（例えば、機器の出力特性を表すパラメータ等）を補正する必要があった。However, in conventional technology, when the deviation between the actual output value of the equipment and the output value calculated by the simulator becomes large due to deterioration of the equipment over time (i.e., when the accuracy of the simulator decreases), it is necessary to correct the simulator parameters (e.g., parameters that represent the output characteristics of the equipment) each time.

本発明の一実施形態は、上記の点に鑑みてなされたもので、プラントの運用計画の作成に用いられるシミュレータのパラメータを自動的に補正することを目的とする。One embodiment of the present invention has been made in consideration of the above points, and aims to automatically correct the parameters of a simulator used to create a plant operation plan.

上記目的を達成するため、一実施形態に係る運用支援装置は、プラントの運用計画を作成する運用支援装置であって、前記プラントを構成する各機器の起動状態と入力値と出力値とが含まれる運用実績データを用いて、前記プラントの将来の需要を予測する予測部と、前記プラントの運用をシミュレーションするシミュレータを用いて、前記需要と前記プラントを構成する各機器の特性とを制約条件として所定の目的関数を最適化することで、前記プラントを構成する各機器の将来の起動状態及び入力値の計画を少なくとも表す前記運用計画を作成する最適化部と、前記運用計画を作成したときに前記シミュレータで計算された出力値と、前記プラントを実際に運用したときの出力値との差を用いて、前記シミュレータのパラメータを補正する補正部と、を有する。In order to achieve the above object, an operation support device according to one embodiment is an operation support device that creates an operation plan for a plant, and includes: a prediction unit that predicts future demand for the plant using operation performance data including the startup state, input values, and output values of each piece of equipment that constitutes the plant; an optimization unit that uses a simulator that simulates the operation of the plant to optimize a predetermined objective function with the demand and the characteristics of each piece of equipment that constitutes the plant as constraints, thereby creating the operation plan that at least represents a plan for the future startup state and input values of each piece of equipment that constitutes the plant; and a correction unit that corrects parameters of the simulator using the difference between the output value calculated by the simulator when the operation plan was created and the output value when the plant was actually operated.

プラントの運用計画の作成に用いられるシミュレータのパラメータを自動的に補正することができる。The simulator parameters used to create plant operation plans can be automatically corrected.

本実施形態に係る運用支援装置のハードウェア構成の一例を示す図である。FIG. 2 is a diagram illustrating an example of a hardware configuration of an operation support device according to the present embodiment.本実施形態に係る運用支援装置の機能構成の一例を示す図である。FIG. 2 is a diagram illustrating an example of a functional configuration of an operation support device according to the present embodiment.需給系統の一例を示す図である。FIG. 2 is a diagram illustrating an example of a supply and demand system.本実施形態に係る運用計画作成処理の一例を示すフローチャートである。11 is a flowchart illustrating an example of an operation plan creation process according to the present embodiment.本実施形態に係るシミュレータ補正処理の一例を示すフローチャートである。10 is a flowchart illustrating an example of a simulator correction process according to the present embodiment.

以下、本発明の一実施形態について説明する。本実施形態では、プラントの運用支援を目的として、プラントの最適な運用計画を作成すると共に、その運用計画の作成に用いられる定常プラントシミュレータのパラメータを自動的に補正することができる運用支援装置１０について説明する。One embodiment of the present invention will be described below. In this embodiment, anoperation support device 10 will be described that can create an optimal operation plan for a plant for the purpose of supporting the operation of the plant, and can automatically correct the parameters of a steady-state plant simulator used to create the operation plan.

＜運用支援装置１０のハードウェア構成＞
本実施形態に係る運用支援装置１０のハードウェア構成を図１に示す。図１に示すように、本実施形態に係る運用支援装置１０は、入力装置１０１と、表示装置１０２と、外部Ｉ／Ｆ１０３と、通信Ｉ／Ｆ１０４と、プロセッサ１０５と、メモリ装置１０６とを有する。これらの各ハードウェアは、それぞれがバス１０７を介して通信可能に接続されている。 <Hardware configuration of theoperation support device 10>
The hardware configuration of theoperation support device 10 according to this embodiment is shown in Fig. 1. As shown in Fig. 1, theoperation support device 10 according to this embodiment includes aninput device 101, adisplay device 102, an external I/F 103, a communication I/F 104, aprocessor 105, and amemory device 106. Each of these pieces of hardware is connected to each other via abus 107 so as to be able to communicate with each other.

入力装置１０１は、例えば、キーボードやマウス、タッチパネル、各種ボタン等である。表示装置１０２は、例えば、ディスプレイや表示パネル等である。なお、運用支援装置１０は、入力装置１０１及び表示装置１０２のうちの少なくとも一方を有していなくてもよい。Theinput device 101 is, for example, a keyboard, a mouse, a touch panel, various buttons, etc. Thedisplay device 102 is, for example, a display, a display panel, etc. Note that theoperation support device 10 does not necessarily have to have at least one of theinput device 101 and thedisplay device 102.

外部Ｉ／Ｆ１０３は、記録媒体１０３ａ等の外部装置とのインタフェースである。運用支援装置１０は、外部Ｉ／Ｆ１０３を介して、記録媒体１０３ａの読み取りや書き込み等を行うことができる。なお、記録媒体１０３ａとしては、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等がある。The external I/F 103 is an interface with external devices such as therecording medium 103a. Theoperation support device 10 can read and write data from and to therecording medium 103a via the external I/F 103. Examples of therecording medium 103a include a CD (Compact Disc), a DVD (Digital Versatile Disk), an SD memory card (Secure Digital memory card), and a USB (Universal Serial Bus) memory card.

通信Ｉ／Ｆ１０４は、運用支援装置１０を通信ネットワークに接続するためのインタフェースである。プロセッサ１０５は、例えば、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等の各種演算装置である。メモリ装置１０６は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ等の各種記憶装置である。The communication I/F 104 is an interface for connecting theoperation support device 10 to a communication network. Theprocessor 105 is, for example, various types of arithmetic devices such as a CPU (Central Processing Unit) or a GPU (Graphics Processing Unit). Thememory device 106 is, for example, various types of storage devices such as a HDD (Hard Disk Drive), an SSD (Solid State Drive), a RAM (Random Access Memory), a ROM (Read Only Memory), and a flash memory.

本実施形態に係る運用支援装置１０は、図１に示すハードウェア構成を有することにより、後述する各種処理を実現することができる。なお、図１に示すハードウェア構成は一例であって、運用支援装置１０は、例えば、複数のプロセッサ１０５を有していてもよいし、複数のメモリ装置１０６を有していてもよいし、その他の様々なハードウェアを有していてもよい。Theoperation support device 10 according to this embodiment has the hardware configuration shown in FIG. 1, and can realize various processes described below. Note that the hardware configuration shown in FIG. 1 is only an example, and theoperation support device 10 may have, for example,multiple processors 105,multiple memory devices 106, or various other hardware.

＜運用支援装置１０の機能構成＞
本実施形態に係る運用支援装置１０の機能構成を図２に示す。図２に示すように、本実施形態に係る運用支援装置１０は、データ取得部２０１と、需要予測部２０２と、最適化部２０３と、シミュレーション部２０４と、シミュレータ補正部２０５とを有する。これら各部は、例えば、運用支援装置１０にインストールされた１以上のプログラムがプロセッサ１０５に実行させる処理により実現される。特に、シミュレーション部２０４は、定常プラントシミュレータとして機能するプログラムがプロセッサ１０５に実行させる処理により実現される。なお、定常プラントシミュレータとはプラントの定常状態をシミュレーションするためのプログラム又はソフトウェアのことである。 <Functional configuration of theoperation support device 10>
A functional configuration of theoperation support device 10 according to this embodiment is shown in Fig. 2. As shown in Fig. 2, theoperation support device 10 according to this embodiment includes adata acquisition unit 201, ademand prediction unit 202, anoptimization unit 203, asimulation unit 204, and asimulator correction unit 205. Each of these units is realized, for example, by a process executed by theprocessor 105 of one or more programs installed in theoperation support device 10. In particular, thesimulation unit 204 is realized by a process executed by theprocessor 105 of a program that functions as a steady-state plant simulator. Note that the steady-state plant simulator is a program or software for simulating the steady state of a plant.

また、本実施形態に係る運用支援装置１０は、運用実績記憶部２０６を有する。運用実績記憶部２０６は、例えば、ＨＤＤやＳＳＤ等の補助記憶装置により実現される。なお、運用実績記憶部２０６は、例えば、運用支援装置１０と通信ネットワークを介して接続される記憶装置（データベースサーバ等）により実現されていてもよい。Theoperation support device 10 according to this embodiment also has an operationhistory storage unit 206. The operationhistory storage unit 206 is realized, for example, by an auxiliary storage device such as an HDD or SSD. Note that the operationhistory storage unit 206 may also be realized, for example, by a storage device (such as a database server) connected to theoperation support device 10 via a communication network.

運用実績記憶部２０６は、プラント２０（例えば、需給系統等）の過去の運用実績データを記憶する。ここで、運用実績記憶部２０６には、過去の時刻ｓ＝１，・・・，Ｓの運用実績データが少なくとも記憶されているものとする。ただし、Ｓはプラント２０の需要予測に用いられる運用実績データ数である。なお、時刻とはプラント２０の制御時刻（つまり、制御周期を時間幅に持つ時刻）を表す時刻インデックスのことである。The operationperformance storage unit 206 stores past operation performance data of the plant 20 (e.g., a supply and demand system, etc.). Here, it is assumed that the operationperformance storage unit 206 stores at least operation performance data for past times s = 1, ..., S. Here, S is the number of operation performance data used for demand forecasting of theplant 20. Note that time is a time index that indicates the control time of the plant 20 (i.e., the time that has a time span equal to the control period).

ここで、例えば、プラント２０を構成する各機器をｉ、時刻ｓにおける機器ｉの起動状態をｒ_ｉｓ∈｛０，１｝、入力値をｘ_ｉｓ、出力値をｙ_ｉｓとすれば、過去の時刻ｓの運用実績データは｛（ｒ_ｉｓ，ｘ_ｉｓ，ｙ_ｉｓ）｜ｉ＝１，・・・，Ｉ｝と表される。Ｉはプラント２０を構成する機器の総数である。また、ｒ_ｉｓ＝０は機器ｉが停止していることを表し、ｒ_ｉｓ＝１は機器ｉが起動していることを表す。 Here, for example, if each device constituting theplant 20 is i, the start-up state of the device i at time s is r_is ∈{0, 1}, the input value is x_is , and the output value is y_is , then the operational performance data at time s in the past is expressed as {(r_is , x_is , y_is )|i=1, ..., I}, where I is the total number of devices constituting theplant 20. Furthermore, r_is =0 indicates that the device i is stopped, and r_is =1 indicates that the device i is started.

なお、入力値ｘ_ｉｓ及び出力値ｙ_ｉｓはスカラーであってもよいし、ベクトルであってもよく、機器ｉの種類によって異なり得る。例えば、機器ｉがガスタービンである場合、入力値は燃料を表すスカラー、出力値は電力と蒸気を要素に持つベクトルとなる。一方で、例えば、機器ｉが冷凍機である場合、入力値は電力を表すスカラー、出力値は熱量（冷熱量）を表すスカラーとなる。 The input value x_is and the output value y_is may be a scalar or a vector, and may differ depending on the type of device i. For example, if device i is a gas turbine, the input value is a scalar representing fuel, and the output value is a vector having power and steam as elements. On the other hand, if device i is a chiller, the input value is a scalar representing power, and the output value is a scalar representing heat (amount of cold).

また、一般に、ｒ_ｉｓ＝０である場合（つまり、機器ｉが停止している場合）は、ｘ_ｉｓ＝０、ｙ_ｉｓ＝０であるが、例えば、余熱等によりｒ_ｉｓ＝０であってもｙ_ｉｓ＞０であることもあり得る。 Generally, when r_is =0 (that is, when device i is stopped), x_is =0 and y_is =0. However, for example, due to residual heat or the like, even if r_is =0, y_is >0 may be true.

上記の運用実績記憶部２０６に記憶される運用実績データは、例えば、プラント２０を構成する各機器ｉの起動状態、入力値、出力値をセンシングする各種センサ等から収集される。The operational performance data stored in the operationalperformance memory unit 206 is collected, for example, from various sensors that sense the start-up state, input values, and output values of each device i that constitutes theplant 20.

データ取得部２０１は、プラント２０の需要予測（負荷予測）に用いられる過去の運用実績データ｛（ｒ_ｉｓ，ｘ_ｉｓ，ｙ_ｉｓ）｜ｉ＝１，・・・，Ｉ，ｓ＝１，・・・，Ｓ｝を運用実績記憶部２０６から取得する。 Thedata acquiring unit 201 acquires past operation performance data {(r_is , x_is , y_is )|i=1, . . . , I, s=1, .

需要予測部２０２は、データ取得部２０１により取得された過去の運用実績データを用いて、将来の時刻ｔ＝１，・・・，Ｔにおけるプラント２０全体のエネルギー種別毎の需要（負荷）を予測する。すなわち、エネルギー種別をｋ、将来の時刻ｔにおけるエネルギー種別ｋの需要をＬ_ｔ^ｋとすれば、需要予測部２０２は、｛（Ｌ_ｔ^１，・・・，Ｌ_ｔ^Ｋ）｜ｔ＝１，・・・，Ｔ｝を予測する。ここで、Ｔは予測の最終時刻、Ｋはエネルギー種別数である。 Thedemand prediction unit 202 predicts the demand (load) for each energy type in theentire plant 20 at future times t = 1, ..., T, using the past operation performance data acquired by thedata acquisition unit 201. That is, if the energy type is k and the demand for energy type k at future time t is_Ltk^, thedemand prediction unit 202 predicts {(_Lt1 , ...,_LtK )|t =¹ , ...,^T }, where T is the final time of prediction and K is the number of energy types.

需要予測部２０２は、既知の手法（例えば、ディープラーニング、ニューラルネットワーク、ＰＬＳ（Partial Least Squares）回帰等）によりプラント２０全体のエネルギー種別毎の需要を予測すればよい。例えば、上記の特許文献１にはニューラルネットワークによりエネルギー種別毎の需要を予測する手法が記載されており、需要予測部２０２は、この手法によりプラント２０全体のエネルギー種別毎の需要を予測すればよい。この他にも、例えば、特開２０００－１３２２０３号公報、特開２００４－１７１５４８号公報、特開２０１５－１２５５９３号公報等に記載されている需要（負荷）予測手法によりエネルギー種別毎の需要を予測すればよい。なお、エネルギー種別としては、例えば、電力、熱、蒸気等が挙げられる。Thedemand prediction unit 202 may predict the demand for each energy type in theentire plant 20 using a known method (e.g., deep learning, neural network, PLS (Partial Least Squares) regression, etc.). For example, the above-mentioned Patent Document 1 describes a method for predicting the demand for each energy type using a neural network, and thedemand prediction unit 202 may predict the demand for each energy type in theentire plant 20 using this method. In addition, the demand for each energy type may be predicted using a demand (load) prediction method described in, for example, JP 2000-132203 A, JP 2004-171548 A, JP 2015-125593 A, etc. Examples of energy types include electricity, heat, steam, etc.

最適化部２０３は、需要予測部２０２により予測された需要を用いて、将来の時刻ｔ＝１，・・・，Ｔ'におけるプラント２０の最適な運用計画を作成する。ここで、Ｔ'は、運用計画として作成したい将来の時刻数であり、１≦Ｔ'≦Ｔであれば任意の整数値を設定可能である。Theoptimization unit 203 uses the demand predicted by thedemand prediction unit 202 to create an optimal operation plan for theplant 20 at future times t = 1, ..., T'. Here, T' is the number of future times for which an operation plan is to be created, and any integer value can be set as long as 1 ≤ T' ≤ T.

すなわち、最適化部２０３は、需要予測部２０２により予測された需要（エネルギー種別毎の需要予測）の需給バランスとプラント２０を構成する各機器の特性とを制約条件、プラント２０を構成する各機器ｉの起動状態と入力値とを状態変数｛（ｒ_ｉｔ，ｘ_ｉｔ）｜ｔ＝１，・・・，Ｔ'｝として、所定の目的関数を最小化するプラント最適化問題を非線形混合整数計画問題や線形混合整数計画問題等として定式化する。なお、機器の特性としては、例えば、機器の入出力限界（入出力上限）、起動・停止時間等が挙げられる。 That is, theoptimization unit 203 formulates a plant optimization problem for minimizing a predetermined objective function as a nonlinear mixed integer programming problem, a linear mixed integer programming problem, or the like, using the supply and demand balance of the demand (demand forecast for each energy type) predicted by thedemand prediction unit 202 and the characteristics of each device constituting theplant 20 as constraint conditions, and the start-up state and input value of each device i constituting_theplant 20 as state variables {(r_it , x it )|t=1, ..., T'}. Note that examples of the device characteristics include the input/output limits (upper input/output limits) and start/stop times of the device.

そして、最適化部２０３は、上記の状態変数値の初期値を生成した上で、以下の手順１～手順４により最適運用計画を作成し、オペレータ端末３０に送信する。なお、状態変数値の初期値はランダムに生成してもよいし、プラント２０の運用知識等に基づいてユーザが与えてもよい。Then, theoptimization unit 203 generates the initial values of the above state variable values, creates an optimal operation plan by following steps 1 to 4 below, and transmits the plan to the operator terminal 30. Note that the initial values of the state variable values may be generated randomly, or may be provided by the user based on operational knowledge of theplant 20, etc.

手順１：状態変数値をシミュレーション部２０４に入力する。これにより、シミュレーション部２０４では各機器ｉの出力値｛ｙ_ｉｔ｜ｔ＝１，・・・，Ｔ'｝が計算される。 Step 1: State variable values are input to thesimulation unit 204. As a result, thesimulation unit 204 calculates the output value {y_it |t=1, . . . , T'} of each device i.

手順２：シミュレーション部２０４で計算された出力値｛ｙ_ｉｔ｜ｔ＝１，・・・，Ｔ'｝を用いて、目的関数値を計算する。 Step 2: The output values {y_it |t=1, . . . , T′} calculated by thesimulation unit 204 are used to calculate the objective function values.

手順３：所定の最適化手法により目的関数値が小さくなるように状態変数値を更新する。Step 3: Update the state variable values using a specified optimization method to reduce the objective function value.

手順４：所定の終了条件を満たすか否かを判定し、当該終了条件を満たさない場合は上記の手順１に戻る。一方で、当該終了条件を満たす場合は現在の状態変数値を｛（ｒ_ｉｔ，ｘ_ｉｔ）｜ｔ＝１，・・・，Ｔ'｝を最適運用計画とする。なお、現在の状態変数値とそれに対応する出力値｛（ｒ_ｉｔ，ｘ_ｉｔ，ｙ_ｉｔ）｜ｔ＝１，・・・，Ｔ'｝を最適運用計画としてもよい。 Step 4: Determine whether a predetermined termination condition is satisfied, and if the termination condition is not satisfied, return to step 1 above. On the other hand, if the termination condition is satisfied, the current state variable values {(r_it , x_it )|t=1, ..., T'} are set as the optimal operation plan. Note that the current state variable values and the corresponding output values {(r_it , x_it , y_it )|t=1, ..., T'} may also be set as the optimal operation plan.

ここで、目的関数値としては、例えば、プラント２０全体の運用コスト（エネルギーコスト）、ＣＯ２排出量、メンテナンス時間等が挙げられる。最適化手法としては、例えば、非線形混合整数計画問題の場合はＢｒａｉｎＳｔｏｒｍＯｐｔｉｍｉｚａｔｉｏｎ、ＭｏｄｉｆｉｅｄＢｒａｉｎＳｔｏｒｍＯｐｔｉｍｉｚａｉｔｏｎ、ＢｒａｉｎＳｔｏｒｍＯｐｔｉｍｉｚａｔｉｏｎｗｉｔｈＤｉｆｆｅｒｅｎｔｉａｌＥｖｏｌｕｔｉｏｎ等といったメタヒューリスティクスが挙げれる。一方で、線形混合整数計画問題の場合は線形計画法等が挙げられる。Here, examples of the objective function value include the operating cost (energy cost) of theentire plant 20, CO2 emissions, and maintenance time. Examples of optimization methods include metaheuristics such as Brain Storm Optimization, Modified Brain Storm Optimization, and Brain Storm Optimization with Differential Evolution in the case of a nonlinear mixed integer programming problem. On the other hand, examples of optimization methods include linear programming in the case of a linear mixed integer programming problem.

また、終了条件としては、例えば、手順１～手順３の繰り返し回数が所定の回数に達したこと、目的関数値が収束したこと、等が挙げられる。In addition, examples of termination conditions include when steps 1 to 3 have been repeated a predetermined number of times, when the objective function value has converged, etc.

なお、上記の手順２で目的関数値の計算に出力値が必要な理由は、例えば、目的関数値としてプラント２０全体のエネルギーコストを考えた場合、エネルギー種別ｋのコストをｃ_ｋとすれば目的関数ＥはＥ＝Σｃ_ｋと表され、ｃ_ｋは時刻ｔ＝１～ｔ＝Ｔ'までのプラント２０全体におけるエネルギー種別ｋの出力値とその単位コストとの積で表されるためである。 The reason why output values are required to calculate the objective function value in step 2 above is that, for example, when considering the energy cost of theentire plant 20 as the objective function value, if the cost of energy type k is c_k , then the objective function E is expressed as E = Σc_k , and c_k is expressed as the product of the output value of energy type k in theentire plant 20 from time t = 1 to t = T' and its unit cost.

シミュレーション部２０４は、最適化部２０３から状態変数値｛（ｒ_ｉｔ，ｘ_ｉｔ，ｙ_ｉｔ）｜ｔ＝１，・・・，Ｔ'｝が入力されると、プラント２０のシミュレーション（定常状態における運用シミュレーション）を行って、各機器ｉの出力値｛ｙ_ｉｔ｜ｔ＝１，・・・，Ｔ'｝を計算する。このとき、シミュレーション部２０４は、ｒ_ｉｔ＝０の場合はｙ_ｉｔ＝０、ｒ＝１の場合はｙ_ｉｔ＝ｆ_ｉ（ｘ_ｉｔ；α_ｉ）により機器ｉの出力値を計算する。ここで、ｆ_ｉはシミュレーションパラメータα_ｉを持つ関数であり、機器ｉの出力特性を表す。本実施形態では、簡単のため、一例として、関数ｆ_ｉはｆ_ｉ（ｘ；α_ｉ）＝α_ｉ（ａ_ｉｘ＋ｂ_ｉ）という線形関数であるものとする。ａ_ｉ及びｂ_ｉは機器ｉの出力特性に応じて決まるパラメータである。ただし、ｆ_ｉが線形関数であることは一例であって、機器ｉの種類によってはｆ_ｉが非線形関数であってもよい。 When the state variable values {(r_it , x_it , y_it )|t=1, ..., T'} are input from theoptimization unit 203, thesimulation unit 204 performs a simulation of the plant 20 (operation simulation in a steady state) to calculate the output value {y_it |t=1, ..., T'} of each device i. At this time, thesimulation unit 204 calculates the output value of the device i by y_it =0 when r_it =0, and y_it =f_i (x_it ; α_i ) when r=1. Here, f_i is a function having a simulation parameter α_i and represents the output characteristic of the device i. In this embodiment, for simplicity, as an example, the function f_i is a linear function of f_i (x; α_i ) = α_i (a_i x + b_i )._{a i} and b_i are parameters determined according to the output characteristic of the device i. However, f_i being a linear function is just an example, and f_i may be a non-linear function depending on the type of device i.

シミュレータ補正部２０５は、最適運用計画が得られた際にシミュレーション部２０４で計算された出力値｛ｙ_ｉｔ｜ｔ＝１，・・・，Ｔ'｝と、当該最適運用計画に基づいてプラント２０を実際に運用した際の各機器の出力値との差を用いて、シミュレーションパラメータα_ｉを補正する。例えば、プラント２０を実際に運用した際の時刻ｔ＝１，・・・，Ｔ'における実際の各機器ｉの出力値をｙ'_ｉｔとすれば、シミュレータ補正部２０５は、各ｉ＝１，・・・，Ｉについて、ｔ＝１，・・・，Ｔ'に関する｜ｙ_ｉｔ－ｙ'_ｉｔ｜の和を最小化するようにシミュレーションパラメータα_ｉを補正する。 Thesimulator correction unit 205 corrects the simulation parameter α i using the difference between the output value {y_it |t=1, ..., T'} calculated by the simulation unit₂₀₄ when the optimal operation plan is obtained and the output value of each device when theplant 20 is actually operated based on the optimal operation plan. For example, if the actual output value of each device i at time t=1, ..., T' when theplant 20 is actually operated is y'_it , thesimulator correction unit 205 corrects the simulation parameter α_i for each i=1, ..., I so as to minimize the sum of |y_it -y'_it | for t=1, ..., T'.

＜運用支援装置１０が実行する処理＞
以下、運用支援装置１０が実行する処理として、運用計画作成処理とシミュレータ補正処理について説明する。なお、運用計画作成処理はプラント２０の最適運用計画を作成するための処理であり、シミュレータ補正処理は当該最適運用計画とプラント２０の実際の運用とに乖離がある場合に定常シミュレータのパラメータを補正するための処理である。 <Processing Executed byOperation Support Device 10>
Hereinafter, an operation plan creation process and a simulator correction process will be described as processes executed by theoperation support device 10. The operation plan creation process is a process for creating an optimal operation plan for theplant 20, and the simulator correction process is a process for correcting parameters of a steady-state simulator when there is a discrepancy between the optimal operation plan and the actual operation of theplant 20.

また、以下では、プラント２０として、主に、図３に示す需給系統を想定する。図３に示す需給系統は、燃料を入力して電力と蒸気を出力するガスタービン３０１と、燃料を入力して蒸気を出力するボイラ３０２と、電力を入力して熱を出力するターボ冷凍機３０３及び３０４と、蒸気を入力して熱を出力する蒸気吸収式冷凍機３０５及び３０６とで構成されるエネルギープラントであり、購入電力と購入燃料を入力、電力負荷と熱負荷と蒸気負荷を出力とする。これらの電力負荷、熱負荷、蒸気負荷は各種設備（例えば、生産設備等）で需要される。In the following, the supply and demand system shown in FIG. 3 is mainly assumed asplant 20. The supply and demand system shown in FIG. 3 is an energy plant consisting of agas turbine 301 that inputs fuel and outputs electricity and steam, aboiler 302 that inputs fuel and outputs steam,turbo chillers 303 and 304 that input electricity and output heat, andsteam absorption chillers 305 and 306 that input steam and output heat, and has inputs of purchased electricity and purchased fuel and outputs of electricity load, heat load, and steam load. These electricity loads, heat loads, and steam loads are required by various facilities (e.g., production facilities, etc.).

≪運用計画作成処理≫
本実施形態に係る運用計画作成処理について図４を参照しながら説明する。 <Operation plan creation process>
The operation plan creation process according to this embodiment will be described with reference to FIG.

まず、データ取得部２０１は、プラント２０の需要予測（つまり、図３に示す需給系統の電力負荷、熱負荷、蒸気負荷の予測）に用いられる過去の運用実績データを運用実績記憶部２０６から取得する（ステップＳ１０１）。First, thedata acquisition unit 201 acquires past operational performance data used for demand forecasting of the plant 20 (i.e., forecasting the power load, heat load, and steam load of the supply and demand system shown in FIG. 3) from the operational performance storage unit 206 (step S101).

次に、需要予測部２０２は、上記のステップＳ１０１で取得された過去の運用実績データを用いて、将来の時刻ｔ＝１，・・・，Ｔにおけるプラント２０全体のエネルギー種別毎の需要を予測する（ステップＳ１０２）。すなわち、需要予測部２０２は、｛（Ｌ_ｔ^１，Ｌ_ｔ^２，Ｌ_ｔ^３）｜ｔ＝１，・・・，Ｔ｝を予測する。ここで、Ｌ_ｔ^１は時刻ｔにおける電力負荷の予測値、Ｌ_ｔ^２は時刻ｔにおける熱負荷の予測値、Ｌ_ｔ^３は時刻ｔにおける蒸気負荷の予測値である。 Next, thedemand prediction unit 202 predicts the demand for each energy type in theentire plant 20 at future times t=1, ..., T using the past operation performance data acquired in^the above step S101 (step S102). That is, thedemand prediction unit 202 predicts {(_Lt1 ,_Lt2 ,_Lt3 )|^t =¹ , ...^, T}, where_Lt1 is the predicted value of the power load at time_t ,^Lt2 is the predicted value of the heat load at time t,^and_Lt3 is the predicted value of the steam load at time t.

次に、最適化部２０３は、上記のステップＳ１０２で予測された需要を用いて、将来の時刻ｔ＝１，・・・，Ｔ'におけるプラント２０の最適な運用計画を作成する（ステップＳ１０３）。Next, theoptimization unit 203 uses the demand predicted in step S102 above to create an optimal operation plan for theplant 20 at future times t = 1, ..., T' (step S103).

すなわち、最適化部２０３は、上記のステップＳ１０２で予測された｛（Ｌ_ｔ^１，Ｌ_ｔ^２，Ｌ_ｔ^３）｜ｔ＝１，・・・，Ｔ'｝と各機器の特性とを制約条件、プラント２０を構成する各機器ｉの起動状態と入力値とを状態変数｛（ｒ_ｉｔ，ｘ_ｉｔ）｜ｔ＝１，・・・，Ｔ'｝として、所定の目的関数を最小化するプラント最適化問題を非線形混合整数計画問題や線形混合整数計画問題等として定式化する。なお、プラント２０を構成する各機器ｉはそれぞれガスタービン３０１、ボイラ３０２、ターボ冷凍機３０３、ターボ冷凍機３０４、蒸気吸収式冷凍機３０５、蒸気吸収式冷凍機３０６に該当する。 That is, theoptimization unit 203 formulates a plant optimization problem for minimizing a predetermined objective function as^a nonlinear^mixed integer programming problem,^a linear mixed integer programming problem, or the like, using {(_Lt1 ,_Lt2 ,_Lt3 )|t=1, ..., T'} predicted in step S102 above and the characteristics of each device as constraint conditions, and the start-up state and input value of each device i constituting theplant 20 as state variables {(r_it , x_it )|t=1, ..., T'}. Note that each device i constituting theplant 20 corresponds to thegas turbine 301, theboiler 302, theturbo chiller 303, theturbo chiller 304, thesteam absorption chiller 305, and thesteam absorption chiller 306, respectively.

そして、最適化部２０３は、上記の状態変数値の初期値を生成した上で、上記の手順１～手順４により最適運用計画を作成する。なお、上述したように、上記の手順１ではシミュレーション部２０４により各機器ｉの出力値｛ｙ_ｉｔ｜ｔ＝１，・・・，Ｔ'｝が計算される。 Then, theoptimization unit 203 generates the initial values of the above state variable values, and creates an optimal operation plan by the above steps 1 to 4. As described above, in the above step 1, thesimulation unit 204 calculates the output value {y_it |t=1, ..., T'} of each device i.

次に、最適化部２０３は、上記のステップＳ１０３で作成された最適運用計画をオペレータ端末３０に送信する（ステップＳ１０４）。これにより、オペレータは、各時刻ｔ＝１，・・・，Ｔ'において、当該最適運用計画を参考にプラント２０の運用を制御することができる。Next, theoptimization unit 203 transmits the optimal operation plan created in step S103 to the operator terminal 30 (step S104). This allows the operator to control the operation of theplant 20 by referring to the optimal operation plan at each time t = 1, ..., T'.

≪シミュレータ補正処理≫
本実施形態に係るシミュレータ補正処理について図５を参照しながら説明する。ここで、以下では、時刻ｔ＝１，・・・，Ｔ'に関する最適運用計画がオペレータ端末３０に送信され、この最適運用計画を参考に各時刻ｔ＝１，・・・，Ｔ'でプラント２０の運用が制御されたものとする。したがって、運用実績記憶部２０６には、時刻ｔ＝１，・・・，Ｔ'の運用実績データ｛（ｒ'_ｉｔ，ｘ'_ｉｔ，ｙ'_ｉｔ）｜ｉ＝１，・・・，Ｉ，ｔ＝１，・・・，Ｔ'｝が記憶されているものとする。なお、ｒ'_ｉｔは時刻ｔにおける機器ｉの実際の起動状態、ｘ'_ｉｔは時刻ｔにおける機器ｉの実際の入力値、ｙ'_ｉｔは時刻ｔにおける機器ｉの実際の出力値を表す。 <Simulator correction process>
The simulator correction process according to this embodiment will be described with reference to Fig. 5. Here, hereinafter, it is assumed that an optimal operation plan for times t = 1, ..., T' is transmitted to the operator terminal 30, and the operation of theplant 20 is controlled at each time t = 1, ..., T' with reference to this optimal operation plan. Therefore, it is assumed that the operationresult storage unit 206 stores operation result data {(_r'it ,_x'it ,_y'it ) | i = 1, ..., I, t = 1, ..., T'} for times t = 1, ..., T'. Here,_r'it represents the actual start-up state of the device i at time t,_x'it represents the actual input value of the device i at time t, and_y'it represents the actual output value of the device i at time t.

まず、シミュレータ補正部２０５は、当該最適運用計画に対応する実際の出力値｛ｙ'_ｉｔ｜ｉ＝１，・・・，Ｉ，ｔ＝１，・・・，Ｔ'｝を運用実績記憶部２０６から取得する（ステップＳ２０１）。すなわち、シミュレータ補正部２０５は、各時刻ｔ＝１，・・・，Ｔ'において当該最適運用計画を参考にオペレータがプラント２０を実際に運用した際の出力値｛ｙ'_ｉｔ｜ｉ＝１，・・・，Ｉ，ｔ＝１，・・・，Ｔ'｝を取得する。

次に、シミュレータ補正部２０５は、当該最適運用計画が得られた際にシミュレーション部２０４で計算された出力値｛ｙ_ｉｔ｜ｔ＝１，・・・，Ｔ'｝と、上記のステップＳ２０１で取得した出力値｛ｙ'_ｉｔ｜ｉ＝１，・・・，Ｉ，ｔ＝１，・・・，Ｔ'｝との差を用いて、この際を最小化するシミュレーションパラメータα'_ｉを算出する（ステップＳ２０２）。すなわち、シミュレータ補正部２０５は、各ｉ＝１，・・・，Ｉについて、｜ｙ_ｉ１－ｙ'_ｉ１｜＋・・・＋｜ｙ_ｉＴ'－ｙ'_ｉＴ'｜を最小化するシミュレーションパラメータα'_ｉを算出する。これは、｜ｙ_ｉ１－ｙ'_ｉ１｜＋・・・＋｜ｙ_ｉＴ'－ｙ'_ｉＴ'｜を目的関数として既知の最適化手法により算出することが可能である。 First, thesimulator correction unit 205 acquires the actual output value {y'_it |i=1, ..., I, t=1, ..., T'} corresponding to the optimal operation plan from the operation result storage unit 206 (step S201). That is, thesimulator correction unit 205 acquires the output value {y'_it |i=1, ..., I, t=1, ..., T'} when the operator actually operates theplant 20 with reference to the optimal operation plan at each time t=1, ..., T'.

Next, thesimulator correction unit 205 calculates a simulation parameter α'i that minimizes the difference between the output value {y_it |t=1, ..., T'} calculated by thesimulation unit 204 when the optimal operation plan is obtained and the output value {y'_it |i=1, ..., I, t=1, ..., T'} acquired in the above step S201 (step S202). That is, thesimulator correction unit 205 calculates a simulation parameter_α'i that minimizes |y_i1 -y'_i1 |+ ... +|y_iT' -y'_iT' | for each i=1, ...,_I. This can be calculated by a known optimization method with |y_i1 -y'_i1 |+ ... +|y_iT' -y'_iT' | as the objective function.

次に、シミュレータ補正部２０５は、各ｉ＝１，・・・，Ｉについて、上記のステップＳ２０２で算出したシミュレーションパラメータα'_ｉを定常プラントシミュレータに反映するか否かを判定する（ステップＳ２０３）。シミュレータ補正部２０５は、例えば、｜α_ｉ－α'_ｉ｜が所定の閾値よりも大きい場合はシミュレーションパラメータα'_ｉを定常プラントシミュレータに反映すると判定し、一方で｜α_ｉ－α'_ｉ｜が当該閾値以下である場合はシミュレーションパラメータα'_ｉを定常プラントシミュレータに反映しないと判定する。なお、α_ｉは機器ｉに関する現在のシミュレーションパラメータである。 Next, thesimulator correction unit 205 judges whether or not to reflect the simulation parameter_α'i calculated in the above step S202 for each i=1, ..., I in the steady-state plant simulator (step S203). For example, when |α_i -_α'i | is greater than a predetermined threshold, thesimulator correction unit 205 judges to reflect the simulation parameter_α'i in the steady-state plant simulator, whereas when |α_i -_α'i | is equal to or less than the threshold, thesimulator correction unit 205 judges not to reflect the simulation parameter_α'i in the steady-state plant simulator. Here, α_i is a current simulation parameter related to the equipment i.

そして、シミュレータ補正部２０５は、上記のステップＳ２０３で定常プラントシミュレータに反映すると判定されたシミュレーションパラメータα'_ｉについて、定常プラントシミュレータに反映する（ステップＳ２０４）。すなわち、シミュレータ補正部２０５は、α_ｉ←α'_ｉとシミュレーションパラメータα_ｉを更新する。これにより、シミュレーションパラメータα_ｉが補正される。 Then, thesimulator correction unit 205 reflects the simulation parameter_α'i determined to be reflected in the steady-state plant simulator in the above step S203 in the steady-state plant simulator (step S204). That is, thesimulator correction unit 205 updates the_simulation parameter_αi to αi←_α'i . As a result, the simulation parameter_αi is corrected.

以上のように、本実施形態に係る運用支援装置１０は、オペレータによる実際の運用との差を用いてシミュレーションパラメータα_ｉを補正するため、例えば、プラント２０を構成する機器の経年劣化等に伴う特性変化も考慮した最適な運用計画を作成することが可能となる。 As described above, theoperation support device 10 according to this embodiment corrects the simulation parameter α_i using the difference from the actual operation by the operator, so that it becomes possible to create an optimal operation plan that also takes into account changes in characteristics due to deterioration over time of the equipment that constitutes theplant 20, for example.

＜変形例＞
以下、本実施形態の変形例について説明する。 <Modification>
A modification of this embodiment will now be described.

≪変形例１≫
図４のステップＳ２０４では最適運用計画をオペレータ端末３０に送信したが、例えば、定常プラントシミュレータがオペレータの実際の運用を精度良くシミュレーションしている場合には、最適運用計画に従って運用支援装置１０がプラント２０の運用を制御してもよい。なお、定常プラントシミュレータがオペレータの実際の運用を精度良くシミュレーションしている場合とは、例えば、直近の最適運用計画において、全てのｉについて（又は、所定の個数若しくは所定の比率以上のｉについて）、図５のステップＳ２０３で｜α_ｉ－α'_ｉ｜が所定の閾値以下である場合等が挙げられえる。 <Modification 1>
In step S204 in Fig. 4, the optimal operation plan was transmitted to the operator terminal 30, but for example, when the steady-state plant simulator accurately simulates the actual operation of the operator, theoperation support device 10 may control the operation of theplant 20 in accordance with the optimal operation plan. Note that a case in which the steady-state plant simulator accurately simulates the actual operation of the operator may be, for example, a case in which |α_i - α' i | is equal to or smaller than a predetermined threshold value in step S203 in Fig. 5 for all i (or for a predetermined number or a predetermined ratio or more of_i ) in the most recent optimal operation plan.

≪変形例２≫
図５のステップＳ２０４ではシミュレーションパラメータα_ｉをα_ｉ←α'_ｉと更新したが、例えば、重み付け和で更新してもよい。例えば、０＜γ_ｉ＜１を予め決められたパラメータとして、α_ｉ←γ_ｉα_ｉ＋（１－γ_ｉ）α'_ｉと更新してもよい。また、このとき、γ_ｉはすべてのｉに対して同一であってもよいし、異なっていてもよい。この変形例２を用いることで、現在のシミュレーションパラメータの値も考慮した上でその補正を行うことができるようになる。 <<Modification 2>>
In step S204 of Fig. 5, the simulation parameter_αi is updated as_αi ←_α'i , but it may be updated by a weighted sum, for example. For example, it may be updated as_αi ←_γiαi +(1-_γi )_α'i , with₀ <_γi <1 as a predetermined parameter. In this case,_γi may be the same for all i, or may be different. By using this modification 2, it becomes possible to perform the correction while taking into consideration the current simulation parameter value.

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。The present invention is not limited to the specifically disclosed embodiments above, and various modifications, changes, and combinations with known technologies are possible without departing from the scope of the claims.

１０運用支援装置
２０プラント
３０オペレータ端末
１０１入力装置
１０２表示装置
１０３外部Ｉ／Ｆ
１０３ａ記録媒体
１０４通信Ｉ／Ｆ
１０５プロセッサ
１０６メモリ装置
１０７バス
２０１データ取得部
２０２需要予測部
２０３最適化部
２０４シミュレーション部
２０５シミュレータ補正部
２０６運用実績記憶部 REFERENCE SIGNSLIST 10Operation support device 20 Plant 30Operator terminal 101Input device 102Display device 103 External I/F
103a Recording medium 104 Communication I/F
105Processor 106Memory device 107Bus 201Data acquisition unit 202Demand forecast unit 203Optimization unit 204Simulation unit 205Simulator correction unit 206 Operational performance storage unit

Claims

Translated fromJapanese

プラントの運用計画を作成する運用支援装置であって、
前記プラントを構成する各機器の起動状態と入力値と出力値とが含まれる運用実績データを用いて、前記プラントの将来の需要を予測する予測部と、
前記プラントの運用をシミュレーションするシミュレータを用いて、前記需要と前記プラントを構成する各機器の特性とを制約条件として所定の目的関数を最適化することで、前記プラントを構成する各機器の将来の起動状態及び入力値の計画を少なくとも表す前記運用計画を作成する最適化部と、
前記運用計画を作成したときに前記シミュレータで計算された出力値と、前記プラントを実際に運用したときの出力値との差を用いて、前記シミュレータのパラメータを補正する補正部と、
を有する運用支援装置。 An operation support device that creates a plant operation plan,
a prediction unit that predicts future demand for the plant using operation performance data including the start-up state, input values, and output values of each device that constitutes the plant;
an optimization unit that creates the operation plan, which represents at least a plan of a future start-up state and an input value of each device that configures the plant, by optimizing a predetermined objective function using a simulator that simulates the operation of the plant and setting the demand and characteristics of each device that configures the plant as constraint conditions;
a correction unit that corrects parameters of the simulator using a difference between an output value calculated by the simulator when the operation plan is created and an output value when the plant is actually operated;
An operational support device having the above configuration.

前記予測部は、
将来の時刻ｔ＝１，・・・，Ｔにおける前記需要を予測し、
前記最適化部は、
将来の時刻ｔ＝１，・・・，Ｔ'（ただし、１≦Ｔ'≦Ｔ）における各機器ｉの起動状態ｒ_ｉｔと入力値ｘ_ｉｔとが含まれる前記運用計画を作成し、
前記補正部は、
前記運用計画に含まれる起動状態ｒ_ｉｔと入力値ｘ_ｉｔとを前記シミュレータに入力することで計算された出力値ｙ_ｉｔと、時刻ｔにおいて前記プラントを実際に運用したときの機器ｉの出力値ｙ'_ｉｔとの差を用いて、前記差を最小化するように、前記パラメータを補正する、請求項１に記載の運用支援装置。 The prediction unit is
forecasting the demand at future times t=1, ..., T;
The optimization unit is
The operation plan is created, which includes the start-up state r_it and the input value x_it of each device i at future times t = 1, ..., T' (where 1 ≤ T' ≤ T),
The correction unit is
2. The operation support device according to claim 1, wherein the parameters are corrected so as to minimize a difference between an output value y_it calculated by inputting a start-up state r_it and an input value x_it included in the operation plan to the simulator, and an output value y'_it of an equipment i when the plant is actually operated at time t.

機器ｉに関する前記パラメータをα_ｉとして、
前記シミュレータは、
前記起動状態ｒ_ｉｔが、前記機器ｉが起動していないことを表す値である場合は、ｙ_ｉｔ＝０と計算し、
前記起動状態ｒ_ｉｔが、前記機器ｉが起動していることを表す値である場合は、前記パラメータα_ｉを持つ関数ｆ_ｉによりｙ_ｉｔ＝ｆ_ｉ（ｘ_ｉｔ；α_ｉ）と計算する、請求項２に記載の運用支援装置。 The parameter for device i is defined as α_i ,
The simulator comprises:
If the activation state r_it is a value indicating that the device i is not activated, y_it =0 is calculated;
3. The operation support device according to claim 2, wherein when the activation state r_it is a value indicating that the device i is activated, calculation is performed as y_it =f_i (x_it ; α_i ) using a function f_i having the parameter α_i .

前記補正部は、
前記差を最小化する前記パラメータの値α'_ｉを計算し、｜α_ｉ－α'_ｉ｜が所定の閾値よりも大きい場合は、α'_ｉを用いて、前記パラメータα_ｉを更新する、請求項３に記載の運用支援装置。 The correction unit is
4. The operation support device according to claim 3, further comprising: calculating a value_α'i of the parameter that minimizes the difference; and updating the parameter_αi using_α'i when |_αi -_α'i | is greater than a predetermined threshold value.

前記補正部は、
α_ｉ←α'_ｉにより前記パラメータα_ｉを更新する、請求項４に記載の運用支援装置。 The correction unit is
5. The operation support device according to claim 4, wherein the parameter α_i is updated by α_i ←α'_i .

前記補正部は、
α_ｉ←γ_ｉα_ｉ＋（１－γ_ｉ）α'_ｉ（ただし、０＜γ_ｉ＜１）により前記パラメータα_ｉを更新する、請求項４に記載の運用支援装置。 The correction unit is
_5. The operation support device according to claim 4, wherein the parameter_αi is updated by_αi ←_γiαi +(1-_γi )_α'i (where 0<_γi <1).

プラントの運用計画を作成する運用支援装置が、
前記プラントを構成する各機器の起動状態と入力値と出力値とが含まれる運用実績データを用いて、前記プラントの将来の需要を予測する予測手順と、
前記プラントの運用をシミュレーションするシミュレータを用いて、前記需要と前記プラントを構成する各機器の特性とを制約条件として所定の目的関数を最適化することで、前記プラントを構成する各機器の将来の起動状態及び入力値の計画を少なくとも表す前記運用計画を作成する最適化手順と、
前記運用計画を作成したときに前記シミュレータで計算された出力値と、前記プラントを実際に運用したときの出力値との差を用いて、前記シミュレータのパラメータを補正する補正手順と、
をコンピュータが実行する運用支援方法。 An operation support device that creates a plant operation plan,
a prediction step of predicting future demand for the plant using operation result data including the start-up state, input values, and output values of each device constituting the plant;
an optimization procedure for creating the operation plan, which represents at least a plan of a future start-up state and an input value of each device constituting the plant, by optimizing a predetermined objective function using a simulator that simulates the operation of the plant and setting the demand and characteristics of each device constituting the plant as constraint conditions;
a correction step of correcting parameters of the simulator using a difference between an output value calculated by the simulator when the operation plan is created and an output value when the plant is actually operated;
The operational support method is carried out by a computer.

プラントの運用計画を作成する運用支援装置に、
前記プラントを構成する各機器の起動状態と入力値と出力値とが含まれる運用実績データを用いて、前記プラントの将来の需要を予測する予測手順と、
前記プラントの運用をシミュレーションするシミュレータを用いて、前記需要と前記プラントを構成する各機器の特性とを制約条件として所定の目的関数を最適化することで、前記プラントを構成する各機器の将来の起動状態及び入力値の計画を少なくとも表す前記運用計画を作成する最適化手順と、
前記運用計画を作成したときに前記シミュレータで計算された出力値と、前記プラントを実際に運用したときの出力値との差を用いて、前記シミュレータのパラメータを補正する補正手順と、
をコンピュータに実行させるプログラム。 The operation support device that creates the plant operation plan
a prediction step of predicting future demand for the plant using operation result data including the start-up state, input values, and output values of each device constituting the plant;
an optimization procedure for creating the operation plan, which represents at least a plan of a future start-up state and an input value of each device constituting the plant, by optimizing a predetermined objective function using a simulator that simulates the operation of the plant and setting the demand and characteristics of each device constituting the plant as constraint conditions;
a correction step of correcting parameters of the simulator using a difference between an output value calculated by the simulator when the operation plan is created and an output value when the plant is actually operated;
A program that causes a computer to execute the following.