试验规划装置以及试验规划方法与流程

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

技术实现要素：

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

为了达成上述课题，本发明的试验规划装置对发电设备的模型数据提示多个输入参数的试验条件，所述试验规划装置的特征在于，具备：提示所述多个输入参数的试验条件的输入参数提示部；将所述输入参数的试验条件向规定发电设备的虚拟的动作的模型数据适用来运算虚拟工艺值的模拟部；取得将所述输入参数的试验条件对所述发电设备设定并进行实际运转而得到的实际工艺值的实际工艺值取得部；对所述模型数据进行修正处理的模型数据学习部；和输出适用所述试验条件而得到的所述虚拟工艺值以及所述实际工艺值的输出控制部，关于所述输入参数的试验条件，将所述多个输入参数基于针对各实际工艺值的各输入参数的相互的关系分类成多个参数群，所述输入参数提示部从所述多个参数群选择了一个学习对象参数群，提示将该学习对象参数群的输入参数设为变量、将剩余的其他参数群设为非学习对象参数群、将该非学习对象参数群的输入参数设为固定值的试验条件，所述模型数据学习部在所述实际工艺值与所述虚拟工艺值的背离处于预先确定的容许范围外的情况下，使用所述实际工艺值对所述模型数据进行修正处理。

将输入参数基于各输入参数的相互的关系预先编组成多个参数群，进行虚拟工艺值与实际工艺值的比较，其中虚拟工艺值利用将学习对象参数群的输入参数设为变量、将非学习对象参数群的输入参数设为固定值的试验条件。而且，由于若背离为容许范围内，就不需要模型数据的修正，若为容许范围外就对模型数据进行修正，因此与进行输入参数的全组合数的试验来寻找最佳值并将模型数据一口气地进行修正的情况比较，能减少试验次数。此外，由于虚拟工艺值与实际工艺值的背离越小则模型数据的精度越高，技术人员通过参考从输出控制部输出的背离而易于认识模型数据的精度，易于掌握使哪个输入参数变化而模型数据怎样变化。

此外也可以，所述输入参数提示部在从所述多个参数群选择了新的学习对象参数群的情况下提示新的试验条件，在该新的试验条件中，将该新的学习参数群的输入参数设为变量，关于过去选择为学习对象参数群而进行的输入参数将使用该学习对象参数群提示的试验条件当中试验结果相对良好的试验条件的输入参数设为固定值。

上述“相对良好”，是指实际工艺值或虚拟工艺值更接近发电设备的工艺值的目标值(最佳值)。

由此，在依次变更学习对象参数群的同时提高新的试验条件时，已经选择为学习对象参数群的输入参数采用试验结果良好的值作为固定值，因此能提示发电设备的运转结果更加易于变得良好的试验条件。

此外也可以，所述发电设备是锅炉，所述参数群通过将所述多个输入参数按照从所述锅炉的燃烧气体的下游侧向上游侧的顺序以多个区域区划而构成，所述输入参数提示部按照所述顺序选择所述学习对象参数群。

技术人员更易于认识相同参数群中所含的输入参数的种类、学习参数的选择顺序。进而能实现遵循赋予锅炉的实际工艺值的输入参数的相互的关系的编组。

此外也可以，还具备：根据对所述学习对象参数群中所含的各输入参数设定的变量的个数来遵循预先确定的学习试行次数决定条件决定学习试行次数的学习试行次数决定部。

上述所谓“学习试行次数决定条件”，例如可以是为了算出相对于用统计上的手法试行学习对象参数群内的全部组合的情况下的可靠性视作统计学上有一定以上的可靠性的试验次数而设的条件。由此由于缩小范围到比学习对象参数群内的输入参数的全部组合少的学习试行次数，因此能进一步减少试验次数，并能有效率地提高模型数据的精度。

此外也可以，在所述实际工艺值与使用进行过所述修正处理的模型数据由所述模拟部运算的虚拟工艺值的背离处于预先确定的容许范围外的情况下，所述输入参数提示部变更所述学习对象参数群的被设为变量的输入参数的间隔或范围。

在修正处理后的模型数据的精度尚不良好的情况下，变更被设为学习对象参数群的变量的输入参数的间隔或范围。由此，即使在输入参数提示部初次提示的试验条件下不能充分获得模型数据的精度的情况下，也能进一步提示适合的试验条件来使模型数据的精度提高。

此外本发明的试验规划方法提示发电设备的模型数据用的试验条件，所述试验规划方法的特征在于，包括如下步骤：取得基于针对将所述多个输入参数对发电设备设定并进行实际运转而得到的实际工艺值的各输入参数的相互的关系被分类成多个参数群的多个输入参数；提示将所述多个参数群当中选择的1个学习对象参数群的输入参数设为变量、将其他非学习对象参数群的输入参数设为固定值的多个输入参数的试验条件；取得将所述输入参数的试验条件对所述发电设备设定并进行实际运转而得到的实际工艺值；将所述输入参数的试验条件向所述模型数据适用来运算虚拟工艺值；在所述实际工艺值与所述虚拟工艺值的背离为预先确定的容许范围外的情况下，使用所述实际工艺值对所述模型数据执行修正处理；输出对修正后的所述模型数据适用所述试验条件的而得到的所述虚拟工艺值以及所述实际工艺值。

由此，与进行输入参数的全组合数的试验来寻找最佳值并将模型数据一口气进行修正的情况比较，能减少试验次数。此外，技术人员通过参考背离而易于认识模型数据的精度，易于掌握使哪个输入参数而模型数据怎样变化。

发明效果

根据本发明，能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。上述以外的课题、结构以及效果通过以下的实施方式的说明得以明确。

附图说明

图1是表征锅炉的概略结构图。

图2是试验规划装置的硬件结构图。

图3是试验规划装置的功能框图。

图4是表示试验规划装置的动作的流程的流程图。

图5是表示试验规划装置的动作的流程的流程图。

图6是输入参数的组划分的说明图。

图7是表示试验条件的初次设定例的图。

图8是虚拟工艺值与实际工艺值的相关图。

图9是表示评分换算数据例的图。

图10是表示试验条件的第2次设定例的图。

具体实施方式

以下，基于附图来详细说明本发明的实施方式。另外，在用于说明实施方式的全部图中对具有相同功能的构件标注相同或关联的附图标记，省略其重复的说明。并不由以下的实施方式限定本发明，此外，在有多个实施方式的情况下，还包含将各实施方式组合而构成的方案。

以下，说明试验规划装置提示规定作为发电设备设置于火力发电厂的锅炉的虚拟的动作的模型数据用的试验条件的示例，但发电设备并不限定于锅炉。

图1是表征上述锅炉的概略结构图。图1所示的锅炉1例如是如下那样的燃煤锅炉：使固体燃料燃烧，使用将煤粉碎的粉煤作为微粉燃料(固体燃料)，通过火炉的燃烧喷燃器来使该粉煤燃烧，能将通过该燃烧产生的热与供水、蒸汽进行热交换来生成蒸汽。

锅炉1具有火炉11、燃烧装置12和烟道13。火炉11例如形成方筒的中空形状，沿着铅直方向而设置。火炉11中，壁面由蒸发管(导热管)和将蒸发管连接的散热片构成，通过与供水、蒸汽进行热交换来抑制火炉壁的温度上升。具体地，在火炉11的侧壁面，多个蒸发管例如沿着铅直方向配置，在水平方向并排配置。散热片将蒸发管与蒸发管之间闭塞。火炉11在炉底设置倾斜面，在倾斜面设置炉底蒸发管而成为底面。

燃烧装置12设于构成该火炉11的火炉壁的铅直下部侧。在本实施方式中，该燃烧装置12具有装备于火炉壁的多个燃烧喷燃器(例如21、22、23、24、25)。例如该燃烧喷燃器(喷燃器)21、22、23、24、25沿着火炉11的周向以均等间隔配设多个。但火炉的形状、一个级中的燃烧喷燃器的数量、级数并不限定于本实施方式。

该各燃烧喷燃器21、22、23、24、25经由粉煤提供管26、27、28、29、30与粉碎机(粉煤机/磨粉机)31、32、33、34、35连结。煤在为图示的运送系统被运送，若被投入该粉碎机31、32、33、34、35，就在这里被粉碎成给定的微粉的大小，能将粉碎的煤(粉煤)和运送用空气(1次空气)一起从粉煤提供管26、27、28、29、30提供到燃烧喷燃器21、22、23、24、25。

此外，火炉11在各燃烧喷燃器21、22、23、24、25的装备位置设置风箱36，在该风箱36连结空气管道37b的一端部，另一端部在连结点37d与提供空气的空气管道37a连结。

此外，在火炉11的铅直方向上连结烟道13，在该烟道13配置用于生成蒸汽的多个热交换器(41、42、43、44、45、46、47)。为此，通过燃烧喷燃器21、22、23、24、25对火炉11内喷射粉煤燃料与燃烧用空气的混合气来形成火炎，生成燃烧气体并使其流向烟道13。然后，通过燃烧气体将在火炉壁以及热交换器(41～47)流过的供水、蒸汽加热来生成过热蒸汽，提供生成的过热蒸汽来使未图示的蒸汽轮机旋转驱动，能使与蒸汽轮机的旋转轴连结的未图示的发电机旋转驱动来进行发电。此外，该烟道13连结废气通路48，设有用于进行燃烧气体的净化的脱硝装置50、在从送风机38向空气管道37a送气的空气与在废气通路48送气的废气之间进行热交换的热风炉49、煤灰处理装置51、引风送风机52等，在下游端部设有烟囱53。

火炉11是在粉煤的运送用空气(1次空气)以及从风箱36投入到火炉11的燃烧用空气(2次空气)的燃料过剩燃烧后新投入燃烧用空气(燃尽风)来进行燃料稀薄燃烧的所谓2级燃烧方式的火炉。为此，在火炉11中具备燃尽风端口39，在燃尽风端口39连结空气管道37c的一端部，另一端部在连结点37d与提供空气的空气管道37a连结。

从送风机38对空气管道37a送气的空气通过在热风炉49与燃烧气体热交换而被加温，在连结点37d分岔成经由空气管道37b向风箱36引导的2次空气和经由空气管道37c向燃尽风端口39引导的燃尽风。

图2是试验规划装置210的硬件结构图。试验规划装置210包含CPU(Central Processing Unit，中央处理器)211、RAM(Random Access Memory，随机存取存储器)212、ROM(Read Only Memory，只读存储器)213、HDD(Hard Disk Drive，硬盘驱动器)214、输入输出接口(I/F)215、以及通信接口(I/F)216，将它们经由总线217相互连接而构成。在输入输出接口(I/F)215分别连接键盘等输入装置218以及显示器、打印机等输出装置219。此外试验规划装置210的通信I/F216以及锅炉1也可以经由网络100连接，与存储介质201例如存储卡连接，取得后述的实际工艺值。另外，试验规划装置210的硬件结构并不限定于上述，也可以由控制电路与存储装置的组合构成。

图3是试验规划装置210的功能框图。试验规划装置210包含输入参数提示部211a、模拟部211b、实际工艺值取得部211c、模型数据学习部211d、评分算出部211e、学习试行次数决定部211f以及输出控制部211g。这些各构成要素可以通过CPU211将预先存放于ROM213或HDD214的实现各功能的软件载入到RAM212上并执行，软件和硬件协作构成，也可以由实现各功能的控制电路构成。进而试验规划装置210包含输入参数存储部214a、模型数据存储部214b、试验结果存储部214c、以及评分换算数据存储部214d。在试验结果存储部214c中包含试验条件存储区域214c1、虚拟工艺值存储区域214c2、实际工艺值存储区域214c3以及评分存储区域214c4，各存储区域相互建立关系而构成。上述各存储部以及存储区域可以构成在RAM212、ROM213或HDD214的一部分区域。

参考图4到图10来说明试验规划装置210的动作。图4以及图5是表示试验规划装置210的动作的流程的流程图。图6是输入参数的组划分的说明图。另外，图6中不区分虚拟工艺值以及实际工艺值，仅记载为工艺值。图7是表示试验条件的初次设定例的图。图8是虚拟工艺值与实际工艺值的相关图。图9是表示评分换算数据例的图。图10是表示试验条件的第2次设定例的图。

在以下的处理之前，图3所示的试验条件存储区域214c1预先基于针对各工艺值的各输入参数的相互的关系将模拟所用的输入参数编组成多个参数群并存储。

在本实施方式中，考虑输入参数的相互的关系对工艺值的影响。此外，还考虑锅炉内的输入参数的位置(与输入参数有关系的设备的位置、变更输入参数的情况下的影响范围的位置等)。例如在本实施方式中，将各输入参数的相互关系对工艺值的影响少的输入参数预先设为多个编组的参数群。然后，该参数群将多个输入参数沿着从锅炉1的燃烧气体的下游侧向上游侧的顺序以多个区域区划而构成。通过将结果从进一步决定的燃烧气体的下游侧的区域中的工艺值依次划分为今后结果被决定的燃烧气体的上游侧的区域，能实现遵循输入参数的相互关系的编组，因此从编组后的参数群得到的工艺值的精度提高。为此，在本实施方式中，如图6所示以多个区域区划，例如输入参数群G1包含锅炉出口近旁(例如从火炉11出口到热交换器41近旁)的输入参数的值pA1、pA2。此外，输入参数群G2包含从锅炉出口到喷燃器(例如从火炉11出口到燃烧喷燃器21近旁)的输入参数的值pB1、pB2，输入参数群G3包含喷燃器(例如燃烧喷燃器21、22、23、24、25近旁)的输入参数的值pC1，输入参数群G4包含与燃料提供设备(例如粉碎机31、32、33、34、35近旁)相关的输入参数的值pD1、pD2、pD3。

在模型数据存储部214b存储用于运算7种类的虚拟工艺值vA、vB、vC、vD、vE、vF、vG(图6中不区分虚拟工艺值以及实际工艺值，仅记载为工艺值A、工艺值B、··工艺值G)的7个模型数据fA(p)、fB(p)、fC(p)、fD(p)、fE(p)、fF(p)、fG(p)。

对各模型数据fA(p)、fB(p)、fC(p)、fD(p)、fE(p)、fF(p)、fG(p)应用全部输入参数的值pA1、pA2、pB1、pB2、pC1、pD1、pD2、pD3来算出7个虚拟工艺值vA、vB、vC、vD、vE、vF、vG。

这里，各输入参数有相对关系强的(向针对各输入参数的实际工艺值响应性、值的变化率等高的)参数和相对关系低的(向针对各输入参数的实际工艺值的响应性、值的变化率等低的)参数，基于相互的关系向多个参数群进行编组。从上述燃烧气体起依次将输入参数进行编组的结果，输入参数群G1形成针对实际工艺值rA、rB、rC、rD、rE(图6中不区分虚拟工艺值以及实际工艺值，仅记载为工艺值A、工艺值B、··工艺值G)的响应性、值的变化率等比较的高。相对关系强的输入参数的值pA1、pA2的集合。同样地，输入参数群G2形成针对实际工艺值rA、rC、rD、rE、rF的相对关系强的输入参数的值pB1、pB2的集合。输入参数群G3包含针对实际工艺值rA、rF、rG的相对关系强的输入参数的值pC1而形成。输入参数群G4作为包含针对实际工艺的值rA、rF的相对关系强的输入参数的值pD1、pD2、pD3的集合而形成。

作为上述输入参数的具体例，在锅炉1的情况下有燃烧用空气的提供量、喷燃器角度、燃料提供设备的工作台数、燃尽风端口的阀开度(燃尽风提供流量)，作为工艺值的具体例，有环境负载量(NOx、CO的浓度)、设备效率、部件温度、蒸汽温度、导热管金属温度温度等。

回到图4，对表示试验规划装置210的动作的流程的流程图进行说明。首先，输入参数提示部211a参考试验条件存储区域214c1，将多个参数群当中1个决定为学习对象参数群，将这以外决定为非学习对象参数群，取得各输入参数(S101)。特别在本实施方式的示例中，输入参数提示部211a按照从燃烧气体的下游侧的区域向上游侧的区域的顺序来选择学习对象参数群。因而，初次的试验条件提示如图7的示例所示，将学习对象参数群决定为输入参数群G1，将非学习对象参数群决定为输入参数群G2、G3、G4。

学习试行次数决定部211f根据学习对象参数群中所含的输入参数的种类数以及各输入参数的变量的数量来决定学习试行次数n(S102)。在图7的示例中，输入参数群G1的变量的种类数为pA1和pA2这2个，变量的数量为试验条件1、2、3这3个，因此若要执行G1的全部变量的组合的试验，需要以在3²(3×3)9型式的试验条件下进行模拟。为此，学习试行次数决定部211f使用统计上的手法，遵循预先确定的学习试行次数决定条件来决定比网罗了全部变量的组合的试验次数少的学习试行次数n。本例中设为n＝3。

输入参数提示部211a决定用于用在学习试行次数决定部211f决定的n次试验中的试验条件、即n型式的试验条件的各输入参数，将试验条件进行提示(S103)。在本例中，在3型式的试验条件1～3的全部中，输入参数群G1的参数作为变量，输入参数群G2、G3、G4的参数作为固定值。该固定值可以使用各输入参数的标准的值、设计值，此外可以使用预想为最佳值的值。

输入参数提示部211a将提示的n型式的试验条件存储到试验条件存储区域214c1，并输出到输出控制部211g。

从输出控制部211g输出的n型式的试验条件在锅炉1实际进行试运转，得到实际工艺值rAk～rGk(k＝1～n)。实际工艺值取得部211c经由网络100、存储介质201、此外输入装置218取得该实际工艺值rAk～rGk(S104)，存储到实际工艺值存储区域214c3。

模拟部211b从试验条件存储区域214c1读出各试验条件，将它们应用到为了运算各虚拟工艺值vAk～vGk而设的模型数据fA(p)、fB(p)…、fG(p)，来运算各个虚拟工艺值vAk～vGk。然后输出控制部211g输出试验条件和适用情况的情况下的虚拟工艺值以及实际工艺值(S105)。

模型数据存储部214b存储与虚拟工艺值的种类数同数的对应于虚拟工艺值vA～vG的种类决定的模型数据fA(p)、fB(p)…、fG(p)。模拟部211b依次将试验条件k(pA1k、pA2k、pB1k、pB2k、pC1k、pD1k、pD2k、pD3k)适用于各模型数据，通过下式(1)来算出试验条件k的各虚拟工艺值vAk～vGk。

[数学式1]

在式(1)中，在试验条件1～3下，pA1k、pA2k是变量，pB1k、pB2k、pC1k、pD1k、pD2k、pD3k是固定值。

模型数据学习部211d按各工艺值的每个种类毕竟奥虚拟工艺值以及实际工艺值，对全部工艺值判断是否虚拟工艺值与实际工艺值的背离(虚拟工艺值与实际工艺值的差的绝对值)作为给定值处于预先确定的容许范围(以下略记为“容许范围”)内(S106)。若有哪怕一个成为容许范围外的模型数据(S106/“否”)，就仅修正成为容许范围外的模型数据并生成修正后的模型数据(S107)。在图7的示例中生成修正后的模型数据fAa(p)。

图8是虚拟工艺值以及实际工艺值的相关图。图表1是通过试验条件1、2、3在锅炉1进行试运转而得到的实际工艺值、例如根据描绘rA1、rA2、rA3的点生成的图表(例如基于最小平方法)。以该图表为中心，设置模型数据fA(p)的修正的需要与否判断中所用的容许范围。并且若虚拟工艺值包含在该容许范围内，则模型数据fA(p)不需要修正，若未包含在内，则模型数据学习部211d对模型数据fA(p)进行修正，以使得针对输入参数能得到实际工艺值rA1，并生成修正后的模型数据fAa(p)。对其他模型数据，也以与模型数据fA(p)同样的程序进行修正需要与否的判断，并在需要修正要的情况下进行修正。

模型数据学习部211d使用修正后的模型数据再度执行模拟处理，运算修正后的虚拟工艺值。输出控制部211g将适用于修正后的模型数据的试验条件、这时的虚拟工艺值和实际工艺值输出(S108)。在图7的示例中，对修正后的模型数据fAa(p)应用试验条件1～3再度算出虚拟工艺值vA1a、vA2a、vA3a。若该虚拟工艺值vA1a、vA2a、vA3a与实际工艺值rA、rB、rC的背离进入容许范围(S109/“是”)，则设为合适地进行了修正，将存储于模型数据存储部214b的模型数据fA(p)改写成修正后的模型数据fAa(p)(S110)，回到步骤S106。

若以修正后的模型数据中得到的虚拟工艺值例如上述虚拟工艺值vA1a、vA2a、vA3a未进入实际工艺值rA、rB、rC的容许范围(S109/“否”)，则执行再试验条件提示处理(S111)。

在再试验条件提示处理(S111)中，在实际工艺值与使用修正后的模型数据由模拟部211b运算的虚拟工艺值的背离处于预先确定的容许范围外的情况下，输入参数提示部211a变更被作为学习对象参数群的变量的输入参数的间隔或范围，提示再度试验条件。然后使用再提示的试验条件执行步骤S104到步骤S111。之后回到步骤S106。

模型数据学习部211d若全部虚拟工艺值以及与其对应的实际工艺值的背离为容许范围内(S106/“是”)，则不需要模型数据的修正。为此如图5所示，输入参数提示部211a判定是否剩有未选择为学习对象参数群的输入参数群(S112)，若剩有，则开始利用新的学习对象参数群的试验条件的提示处理(S112/“否”)。

为此评分算出部211e使用在评分换算数据存储部214d预先设定的评分换算数据(参考图9)来算出利用在步骤S101选择的学习对象参数群的试验条件1～k的评价评分，并存储到评分存储区域214c4(S113)。

图9是表示评分换算数据的一例的图。各实际工艺值设为随着从给定的目标远离而评分的值变小，在各实际工艺值的特性中例示工艺值越小则评分的值越增加的情形。在评分换算数据存储部214d中存储与各实际工艺值rA～rG的种类各自对应的评分换算数据。评分算出部211e读出实际工艺值rA1，使用与实际工艺值rA1对应的评分换算数据来算出针对实际工艺值rA1的评分。同样地算出针对全部实际工艺值rB1～rG1的评分。然后，使用根据在试验条件1下得到的各实际工艺值算出的评分的总计值来算出试验条件1的整体评分。同样地也算出试验条件2、3的整体评分。

上述中，使用实际工艺值来算出各试验条件的整体评分，虚拟工艺值只要与实际工艺值的背离处于容许范围内，就可以对虚拟工艺值进行打分，算出各试验条件的整体评分。

输入参数提示部211a参考存储于评分存储区域214c4的评价评分，选择试验结果更接近实际工艺值的给定的目标值(最佳值)而相对良好的评价评分，期望选择最良好的评价评分(S114)。

输入参数提示部211a选择下一新的学习对象参数群例如输入参数群G2(S115)，学习试行次数决定部211f根据输入参数群G2中所含的输入参数的种类数以及变量的数量来新决定学习试行次数n(S116)。

输入参数提示部211a提示由新决定的学习试行次数n和同数的型式数构成的新的试验条件(S117)。

在本步骤中，新选择的学习对象参数群的输入参数作为变量，已经选择为学习对象参数群的输入参数群的输入参数(例如输入参数群G1)使用如下那样的输入参数：根据使用预先设定的评分换算数据算出的评价评分选择为与更接近实际工艺值的给定的目标值(最佳值)的最佳条件最接近的试验条件的输入参数。在图10的示例中，将试验条件设为第2次的设定，将新的学习对象参数群设为输入参数群G2，将输入参数的值pB1k、pB2k设为变量，将非学习对象参数群的1者的输入参数群G1的输入参数设为判断为最佳条件的试验条件3的输入参数的值pA13、pA23，将输入参数群G3、G4的输入参数的值设为固定值pC1f、pD1f、pD2f。

在将全部输入参数群选择为学习对象参数群并结束的情况下(S112/“是”)，将一系列处理结束。

作为发电设备设置于火力发电厂的锅炉的运转中所用的输入参数例如有10项目以上的大量，工艺值也大量。并且如变更某输入参数就变得良好的工艺值和变差的工艺值混合存在，运转控制复杂，因此作为运转支援的一环，有时构成规定锅炉的虚拟的动作的模型数据，进行利用其的模拟。为了提高该模拟的精度，在多阶段设定输入参数并进行试运转时，试行的试验条件越增加则试运转的时间越长，另一方面，由于若没有特别的根据就减少试验条件，模型数据的精度就会变差，因此有希望合适地设定试验条件的要求。

根据本实施方式，将输入参数基于各输入参数的相互的关系预先编组成多个参数群。例如将各输入参数的相互关系对工艺值的影响少的输入参数预先进行编组来做出多个输入参数群。学习对象参数群的输入参数作为变量，关于非学习对象参数群的输入参数，根据利用设为固定值的试验条件的虚拟工艺值与实际工艺值的比较，最初修正模型数据，若找到最佳值，就将其用作固定值，在依次变更学习对象参数群的同时修正模型数据。为此，与不对输入参数预先进行编组地进行输入参数的全组合数的试验来找到最佳值并一口气修正模型数据的情况比较，能减少试验次数。此外，通过和试验条件一起输出实际工艺值以及虚拟工艺值，技术人员易于掌握使哪个输入参数变化而模型数据怎样变化。此外技术人员易于根据实际工艺值以及虚拟工艺值的背离的大小掌握模型数据的精度。

此外，通过将多个输入参数按照从锅炉的燃烧气体的下游侧向上游侧的顺序以多个区域进行区划，按照该顺序选择学习对象参数群，技术人员更易于认识相同参数群中所含的输入参数的种类。进而，由于能实现遵循赋予锅炉的实际工艺值的输入参数的相互的关系的编组，因此从编组的参数群得到的工艺值的精度得以提高。

此外，由于由学习试行次数决定部211f缩小范围成比学习对象参数群内的输入参数的全部组合(例如3²＝9型式)少的学习试行次数(例如3次)，因此索勒输入参数的编组的效果带来的试验次数的减低以外，还能谋求进一步的试验次数的减低，并有效率地提高模型数据的精度。

此外，由于在修正后模型数据的精度不充分的情况下，输入参数提示部211a变更被设为学习对象参数群的变量的输入参数的间隔或范围来提示新的试验条件，因此能进行修正后的模型数据的精度不良的改善。

上述实施方式并不限定本发明，不脱离本发明的主旨的各种变更方案包含在本实施方式中。例如在图4的步骤S104、S105，可以将实际工艺值的取得和虚拟工艺值的运算顺序交换。此外，也可以不进行步骤S105、步骤S108中实际工艺值的取得和虚拟工艺值对技术人员的输出，取代为在试验规划装置内部进行例如实际工艺值的取得和将虚拟工艺值输出到模型数据学习部的方案。此外评分算出部211e的评价评分的算出只是试验结果良好的条件的提取例，也可以不使用评分而使用实际工艺值以及虚拟工艺值的实际值来提取良好的试验条件。

进而，也可以在作为发电设备而与锅炉不同的运转设备的模型数据的学习中适用本发明。

此外也可以构成为输入参数提示部211a将提示的试验条件从输出控制部211g输出到输出装置219，技术人员能视觉辨识随时提示的试验条件。也可以进一步构成为，技术人员能对提示的试验条件经由输入装置218进行修正操作。

符号说明

1 锅炉

100 网络

210 试验规划装置

211a 输入参数提示部

211b 模拟部

211c 实际工艺值取得部

211d 模型数据学习部

211e 评分算出部

211f 学习试行次数决定部

214a 输入参数存储部

214b 模型数据存储部

214c 试验结果存储部

214d 评分换算数据存储部。