特開 2023-130937 指標値算出装置、指標値算出方法、および指標値算出プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023130937

(43)【公開日】2023-09-21

(54)【発明の名称】指標値算出装置、指標値算出方法、および指標値算出プログラム

(51)【国際特許分類】

   F22B 37/38 20060101AFI20230913BHJP

【ＦＩ】

F22B37/38 E

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2022035536

(22)【出願日】2022-03-08

(71)【出願人】

【識別番号】000005119

【氏名又は名称】日立造船株式会社

(74)【代理人】

【識別番号】110000338

【氏名又は名称】弁理士法人 ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ

(72)【発明者】

【氏名】植田 全紀

(72)【発明者】

【氏名】白石 裕司

(72)【発明者】

【氏名】南 一彦

(72)【発明者】

【氏名】勝木 誠

(72)【発明者】

【氏名】原田 浩希

(57)【要約】

【課題】入手しやすいデータから伝熱管の腐食に関する指標値を算出する。
【解決手段】指標値算出装置（１）は、ボイラの燃料の硫黄含有量および塩素含有量を特定する含有量特定部（１０１）と、学習済みモデル（１１３）を用いて含有量特定部（１０１）が特定する硫黄含有量および塩素含有量から伝熱管の腐食に関する指標値を算出する指標値算出部（１０３）と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

ボイラの燃料の硫黄含有量および塩素含有量を特定する含有量特定部と、
燃料の硫黄含有量および塩素含有量を説明変数とし、当該燃料を燃焼させたときに発生する排熱を回収する伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルを用いて、前記含有量特定部が特定する硫黄含有量および塩素含有量から前記指標値を算出する指標値算出部と、を備える指標値算出装置。

【請求項2】

前記学習済みモデルの説明変数には、前記燃料の燃焼時に排出される排出ガスの温度である排ガス温度と、前記伝熱管の管壁温度とが含まれている、請求項１に記載の指標値算出装置。

【請求項3】

前記伝熱管に関する熱計算により前記排ガス温度と前記管壁温度とを算出する温度算出部を備え、
前記指標値算出部は、前記学習済みモデルを用いて、前記温度算出部が算出する前記排ガス温度および前記管壁温度と、前記含有量特定部が特定する硫黄含有量および塩素含有量とから、前記指標値を算出する、請求項２に記載の指標値算出装置。

【請求項4】

対象施設が備えるボイラにおいて排熱を回収する伝熱管に付着する灰の組成を特定する組成特定部と、
前記対象施設または他の施設におけるボイラの伝熱管に付着する灰の組成を説明変数とし、当該伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルを用いて、前記組成特定部が特定する組成から、前記対象施設における前記指標値を算出する指標値算出部と、を備える指標値算出装置。

【請求項5】

前記組成特定部は、前記伝熱管に付着する灰の組成として、当該灰における硫黄含有量と塩素含有量を少なくとも特定する、請求項４に記載の指標値算出装置。

【請求項6】

前記組成特定部は、前記伝熱管に付着する灰の組成として、当該灰におけるアルカリ金属の含有量を少なくとも特定する、請求項４または５に記載の指標値算出装置。

【請求項7】

前記組成特定部は、前記伝熱管に付着する灰の組成として、当該灰における重金属の含有量を少なくとも特定する、請求項４から６の何れか１項に記載の指標値算出装置。

【請求項8】

１または複数の情報処理装置が実行する指標値算出方法であって、
ボイラの燃料の硫黄含有量および塩素含有量を特定する含有量特定ステップと、
燃料の硫黄含有量および塩素含有量を説明変数とし、当該燃料を燃焼させたときに発生する排熱を回収する伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルを用いて、前記含有量特定ステップで特定される硫黄含有量および塩素含有量から前記指標値を算出する指標値算出ステップと、を含む指標値算出方法。

【請求項9】

１または複数の情報処理装置が実行する指標値算出方法であって、
対象施設が備えるボイラにおいて排熱を回収する伝熱管に付着する灰の組成を特定する組成特定ステップと、
前記対象施設または他の施設におけるボイラの伝熱管に付着する灰の組成を説明変数とし、当該伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルを用いて、前記組成特定ステップで特定される組成から、前記対象施設における前記指標値を算出する指標値算出ステップと、を含む指標値算出方法。

【請求項10】

請求項１に記載の指標値算出装置としてコンピュータを機能させるための指標値算出プログラムであって、前記含有量特定部および前記指標値算出部としてコンピュータを機能させるための指標値算出プログラム。

【請求項11】

請求項４に記載の指標値算出装置としてコンピュータを機能させるための指標値算出プログラムであって、前記組成特定部および前記指標値算出部としてコンピュータを機能させるための指標値算出プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ボイラにおいて排熱を回収する伝熱管の腐食に関する指標値を算出する指標値算出装置等に関する。

【背景技術】

【0002】

燃料を燃焼させた排熱を利用して発電を行う発電プラントに設けられているボイラでは、水管や過熱器管等の伝熱管により排熱を回収する。このような伝熱管は、長期間にわたって高温状態にさらされるうえ、燃料に含まれる腐食成分の影響等も受けるため、腐食が進みやすい。このため、実用に耐えない程度まで伝熱管の腐食が進んでしまわないように、伝熱管の継続的な管理と、適切な頻度での補修や交換が必要になる。

【0003】

伝熱管の管理に関する先行技術としては、例えば下記の特許文献１が挙げられる。下記の特許文献１には、ボイラの燃焼ガス中の塩化水素濃度の測定値等からボイラ伝熱管の寿命を予測する技術が開示されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特許第６８７１６６２号

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、上述のような従来技術には、予測に用いるデータの入手が容易ではないという問題がある。具体的には、特許文献１の技術では、ボイラの燃焼ガス中の塩化水素濃度を連続して測定すると共にその積算値を算出し、予め求めた相関係数と算出した積算値とに基づいてボイラ伝熱管の肉厚を推測している。このため、ボイラの燃焼ガス中の塩化水素濃度をある程度の期間連続して測定する必要がある。このように、特許文献１の技術では、予測に用いるデータの入手が容易であるとはいえない。

【0006】

本発明の一態様は、入手しやすいデータから伝熱管の腐食に関する指標値を算出することが可能な指標値算出装置等を実現することを目的とする。

【課題を解決するための手段】

【0007】

上記の課題を解決するために、本発明の一態様に係る指標値算出装置は、燃料の硫黄含有量および塩素含有量を特定する含有量特定部と、燃料の硫黄含有量および塩素含有量を説明変数とし、当該燃料を燃焼させたときに発生する排熱を回収する伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルを用いて、前記含有量特定部が特定する硫黄含有量および塩素含有量から前記指標値を算出する指標値算出部と、を備える。

【0008】

また、上記の課題を解決するために、本発明の他の態様に係る指標値算出装置は、対象施設が備えるボイラにおいて排熱を回収する伝熱管に付着する灰の組成を特定する組成特定部と、前記対象施設または他の施設におけるボイラの伝熱管に付着する灰の組成を説明変数とし、当該伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルを用いて、前記組成特定部が特定する組成から、前記対象施設における前記指標値を算出する指標値算出部と、を備える。

【0009】

そして、上記の課題を解決するために、本発明の一態様に係る指標値算出方法は、１または複数の情報処理装置が実行する指標値算出方法であって、ボイラの燃料の硫黄含有量および塩素含有量を特定する含有量特定ステップと、燃料の硫黄含有量および塩素含有量を説明変数とし、当該燃料を燃焼させたときに発生する排熱を回収する伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルを用いて、前記含有量特定ステップで特定される硫黄含有量および塩素含有量から前記指標値を算出する指標値算出ステップと、を含む。

【0010】

また、上記の課題を解決するために、本発明の他の態様に係る指標値算出方法は、１または複数の情報処理装置が実行する指標値算出方法であって、対象施設が備えるボイラにおいて排熱を回収する伝熱管に付着する灰の組成を特定する組成特定ステップと、前記対象施設または他の施設におけるボイラの伝熱管に付着する灰の組成を説明変数とし、当該伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルを用いて、前記組成特定ステップで特定される組成から、前記対象施設における前記指標値を算出する指標値算出ステップと、を含む。

【発明の効果】

【0011】

本発明の一態様によれば、入手しやすいデータから伝熱管の腐食に関する指標値を算出することが可能になる。

【図面の簡単な説明】

【0012】

【図1】本発明の実施形態１に係る指標値算出装置の構成例を示すブロック図である。

【図2】ごみ焼却施設における伝熱管の配置と構成を示す図である。

【図3】２次過熱器と３次過熱器の内部を通過する蒸気の流れと、２次過熱器と３次過熱器の周囲を通過する排ガスの流れを示す図である。

【図4】上記指標値算出装置が実行する処理の一例を示すフローチャートである。

【図5】本発明の実施形態２に係る指標値算出装置の構成例を示すブロック図である。

【図6】上記指標値算出装置が実行する処理の一例を示すフローチャートである。

【発明を実施するための形態】

【0013】

〔実施形態１〕
（装置構成）
図１は、本実施形態に係る指標値算出装置１の構成例を示すブロック図である。指標値算出装置１は、燃料を燃焼させたときに発生する排熱を回収してボイラに伝達するための伝熱管の腐食に関する指標値を算出する装置である。

【0014】

指標値算出装置１は、例えば、発電用のボイラを備えたごみ焼却施設における伝熱管の腐食に関する指標値を算出することもできる。この場合、燃料はごみ（廃棄物）ということになる。また、指標値算出装置１は、例えば、バイオマス燃料を燃やして発電する発電施設における伝熱管の腐食に関する指標値を算出することもでき、この場合、燃料はバイオマス燃料ということになる。

【0015】

図示のように、指標値算出装置１は、指標値算出装置１の各部を統括して制御する制御部１０と、指標値算出装置１が使用する各種データを記憶する記憶部１１を備えている。また、指標値算出装置１は、指標値算出装置１が他の装置と通信するための通信部１２、指標値算出装置１に対する各種データの入力を受け付ける入力部１３、および指標値算出装置１が各種データを出力するための出力部１４を備えている。

【0016】

また、制御部１０には、含有量特定部１０１、温度算出部１０２、および指標値算出部１０３が含まれている。そして、記憶部１１には、運転データ１１１、温度算出式１１２、および学習済みモデル１１３が記憶されている。

【0017】

含有量特定部１０１は、伝熱管の腐食に関する指標値を算出する対象となる対象施設におけるボイラの燃料の硫黄含有量および塩素含有量を特定する。ボイラの燃料がごみすなわち廃棄物である場合、含有量特定部１０１は、焼却するごみの硫黄含有量および塩素含有量を特定する。例えば、焼却するごみに含まれる硫黄の重量パーセント濃度（ごみに含まれる硫黄成分の重量を、当該ごみの重量から水分の重量を除いた乾燥重量で除した値をパーセントに直した値）を硫黄含有量としてもよい。なお、含有量を示す指標値としてどのようなものを適用するかは任意である。例えば、含有量を示す指標値として、予め定めた基準値に対する比を用いてもよい。塩素含有量についても同様である。硫黄含有量および塩素含有量は入力部１３を介して入力されてもよいし、通信部１２を介した通信により他の装置から取得されてもよい。

【0018】

温度算出部１０２は、伝熱管に関する熱計算により、燃料の燃焼時に排出される排出ガスの温度である排ガス温度と伝熱管の管壁温度とを算出する。排ガス温度および管壁温度の算出方法は、後記「排ガス温度の算出方法」および「管壁温度の算出方法」の項目で説明する。

【0019】

指標値算出部１０３は、伝熱管の腐食に関する指標値を算出する。より詳細には、指標値算出部１０３は、学習済みモデル１１３を用いて、含有量特定部１０１が特定する硫黄含有量および塩素含有量と、温度算出部１０２が算出する排ガス温度および管壁温度から指標値を算出する。なお、排ガス温度および管壁温度を用いることは必須ではない。

【0020】

指標値算出部１０３が算出する指標値は、伝熱管の腐食に関するものであればよい。例えば、指標値算出部１０３は、伝熱管の腐食の進行度合いを予測する指標値として、伝熱管の減肉速度すなわち伝熱管の厚さが所定期間にどの程度薄くなるかを示す指標値を算出してもよい。また、例えば、指標値算出部１０３は、算出した減肉速度と、伝熱管の現在の肉厚と、伝熱管の最小限の肉厚とに基づき、伝熱管の残り寿命を示す指標値を算出してもよい。同様にして、指標値算出部１０３は、所定期間における減肉量や、所定期間後の伝熱管の肉厚等の予測値を指標値として算出することもできる。なお、伝熱管の残り寿命を目的変数とする学習済みモデル１１３を構築してもよく、この場合、指標値算出部１０３は、上述のような計算を介さずに伝熱管の残り寿命を算出することができる。

【0021】

運転データ１１１は、指標値算出の対象となる対象施設における運転データであり、排ガス温度と管壁温度を算出するために用いられる。また、温度算出式１１２は、排ガス温度と管壁温度を算出するための数式である。温度算出式１１２および運転データ１１１の詳細は、後記「排ガス温度の算出方法」および「管壁温度の算出方法」の項目で説明する。

【0022】

学習済みモデル１１３は、伝熱管の腐食に関する指標値を算出するためのモデルである。より詳細には、学習済みモデル１１３は、燃料の硫黄含有量および塩素含有量を説明変数とし、当該燃料を燃焼させたときに発生する排熱を回収する伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルである。指標値算出の対象となる対象施設で取得されたデータを用いて機械学習されたものであってもよいし、他の施設で取得されたデータを用いて機械学習されたものであってもよい。学習済みモデルの詳細は後記「学習済みモデルについて」の項目で説明する。

【0023】

以上のように、指標値算出装置１は、ボイラの燃料の硫黄含有量および塩素含有量を特定する含有量特定部１０１と、燃料の硫黄含有量および塩素含有量を説明変数とし、当該燃料を燃焼させたときに発生する排熱を回収する伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデル１１３を用いて、含有量特定部１０１が特定する硫黄含有量および塩素含有量から指標値を算出する指標値算出部１０３と、を備える。

【0024】

燃料の硫黄含有量および塩素含有量は、伝熱管の腐食に与える影響が大きいことが分かっているから、上記の構成によれば、伝熱管の腐食に関する指標値を算出することができる。また、燃料の硫黄含有量および塩素含有量は、指標値算出の対象となる対象施設を稼働させなくても特定することが可能であり、比較的入手しやすいデータである。したがって、上記の構成によれば、比較的入手しやすいデータから伝熱管の腐食に関する指標値を算出することができるという効果を奏する。例えば、上記の構成によれば、指標値算出の対象となる施設の設計段階等において伝熱管の腐食に関する指標値を算出し、その指標値を設計に反映させることも可能になる。

【0025】

（学習済みモデルについて）
上述のように、学習済みモデル１１３は、燃料の硫黄含有量および塩素含有量を説明変数とし、当該燃料を燃焼させたときに発生する排熱を回収する伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルである。

【0026】

学習済みモデル１１３の説明変数には、燃料の硫黄含有量および塩素含有量が少なくとも含まれていればよく、これら以外にも伝熱管の腐食に関連のある各種情報を説明変数に含めることが可能である。本実施形態では、燃料の硫黄含有量および塩素含有量に加えて、燃料の燃焼時に排出される排出ガスの温度である排ガス温度（より正確には伝熱管の周囲の排ガス温度）と、伝熱管の管壁温度についても説明変数とする例を説明する。排ガス温度と管壁温度も伝熱管の腐食に与える影響が大きいことが分かっているから、上記の構成によれば、伝熱管の腐食に関する高精度な指標値を算出することができる。

【0027】

また、上述のように、指標値算出装置１は、伝熱管に関する熱計算により排ガス温度と管壁温度とを算出する温度算出部１０２を備えていてもよい。この場合、指標値算出部１０３は、説明変数に排ガス温度と管壁温度が含まれる学習済みモデル１１３を用いて、温度算出部１０２が算出する排ガス温度および管壁温度と、含有量特定部１０１が特定する硫黄含有量および塩素含有量とから指標値を算出する。

【0028】

排ガス温度と管壁温度は、通常、指標値算出の対象となる対象施設を稼働させて実測する必要があるが、上記の構成によれば、伝熱管に関する熱計算により排ガス温度と伝熱管の管壁温度を算出する。このため、上記の構成によれば、指標値算出の対象となる施設を稼働させなくても伝熱管の腐食に関する指標値を算出することができる。

【0029】

無論、排ガス温度と管壁温度は必ずしも指標値算出装置１が算出する必要はなく、指標値算出装置１のユーザが入力部１３を介して入力した、あるいは通信部１２を介した通信により他の装置から取得した排ガス温度と管壁温度を用いて指標値を算出してもよい。この場合、温度算出部１０２は省略してもよい。

【0030】

学習済みモデル１１３は、説明変数と目的変数との関係を示す教師データを用いた機械学習により構築すればよい。教師データは、指標値算出の対象となる対象施設で使用された燃料の硫黄含有量および塩素含有量や、当該施設で収集された運転データから算出された（あるいは当該施設で収集された）排ガス温度および管壁温度と、当該施設における指標値の値（例えば減肉速度）とを対応付けたものであってもよい。このように、指標値算出の対象となる施設で収集されたデータを教師データとして用いることにより、当該施設における指標値の算出精度を高めることができる。

【0031】

なお、学習済みモデル１１３の説明変数である硫黄含有量等の値や、目的変数である指標値の値は、一般的な発電施設であれば概ね共通した傾向を示す。このため、特定の施設で収集されたデータを教師データとして機械学習された学習済みモデル１１３であっても、その施設でしか利用できないものとはならず、他の施設における指標値の算出にも利用できる汎用的なものとなる。

【0032】

つまり、学習済みモデル１１３の教師データは指標値算出の対象となる対象施設で取得されたデータであってもよいし、他の施設で取得されたデータであってもよい。ただし、何れの場合であっても、施設の運転条件が伝熱管の腐食に影響するのであれば、少なくともそのような運転条件については対象施設と同等にして取得されたデータを教師データとすることが好ましい。例えば、対象施設の蒸気温度を４００度として運転することが決まっている場合、蒸気温度４００度あるいはそれに近い条件下で取得されたデータを教師データとして構築した学習済みモデル１１３を用いることが好ましい。

【0033】

学習済みモデル１１３の学習アルゴリズムは、上述のような説明変数から目的変数を導出できるようなものであればよく、特に限定されない。例えば、ニューラルネットワークやサポートベクターマシン等の学習アルゴリズムを適用してもよい。また、例えば、ＥＬＭ（Extreme Learning Machine）のような順伝搬型ニューラルネットワークを適用してもよい。学習済みモデル１１３としてＥＬＭを適用することにより、比較的少ない教師データにより実用に足りる精度の指標値を算出できることが本発明者らの実験で確認されている。

【0034】

なお、指標値算出装置１は、学習済みモデル１１３の生成や、その機械学習に用いる上述のような教師データの生成を行ってもよい。この場合、教師データを生成する教師データ生成部と、学習済みモデル１１３を生成する学習部とを図１の制御部１０に追加すればよい。

【0035】

（伝熱管の配置と構成について）
指標値算出装置１は、発電用のボイラを備えたごみ焼却施設における伝熱管の腐食に関する指標値を算出することもできる。以下では、図２に基づいて、ごみ焼却施設５における伝熱管の配置と構成について説明する。図２は、ごみ焼却施設５における伝熱管の配置と構成を示す図である。

【0036】

図２に示すごみ焼却施設５では、燃焼室５１内でごみを燃焼させる。ごみの燃焼によって生じた高温の排ガスは、燃焼室５１の上方に設けられた流路５２に流れ込むようになっている。また、燃焼室５１および流路５２の壁面は水管壁５３となっている。水管壁５３は、図２に部分的に拡大して示すように、断熱壁５３２の内側に水管５３１を配した構成となっている。水管５３１の内部は水が循環するようになっている。

【0037】

また、流路５２には、ボイラ給水を予熱する排ガスエコノマイザ５４、水管５３１の内部の循環水を蒸発させて蒸気にする蒸気ドラム５５、１次過熱器５６、２次過熱器５７、および３次過熱器５８が設けられている。１次過熱器５６は、図２に拡大して示すように、入口部５６１から出口部５６３まで一続きになった過熱器管５６２により構成されている。なお、図示は省略しているが、２次過熱器５７および３次過熱器５８も１次過熱器５６と同様に蛇行する一続きの過熱器管で構成されている。

【0038】

水管５３１は、排ガスエコノマイザ５４に接続されており、排ガスにより温められた水管５３１内の循環水は排ガスエコノマイザ５４に供給される。この循環水は、排ガスエコノマイザ５４でさらに加温されて蒸気ドラム５５に供給され、蒸気ドラム５５はこの循環水を蒸発させて蒸気に変える。

【0039】

蒸気ドラム５５が発生させた蒸気は、１次過熱器５６に供給されて過熱される。より詳細には、蒸気ドラム５５が発生させた蒸気は、１次過熱器５６の入口部５６１から過熱器管５６２内に入り、過熱器管５６２内で過熱されて出口部５６３から排出される。続いて、過熱された蒸気は２次過熱器５７で再び過熱され、その後３次過熱器５８でさらに過熱された上で、図示しない蒸気タービンに供給される。蒸気タービンはこの過熱蒸気により回転し、この回転動力を利用して発電が行われる。

【0040】

このように、ごみ焼却施設５では、燃焼室５１内でごみを燃焼させることによって生じた排熱が、水管５３１および１次過熱器５６～３次過熱器５８内の過熱器管によって回収される。つまり、水管５３１および１次過熱器５６～３次過熱器５８内の過熱器管は、排熱を回収する伝熱管である。指標値算出装置１は、このような水管５３１や過熱器管の腐食に関する指標値を算出することができる。

【0041】

（排ガス温度の算出方法）
温度算出部１０２による排ガス温度の算出方法を図３に基づいて説明する。図３は、２次過熱器５７Ａと３次過熱器５８Ａの内部を通過する蒸気の流れと、２次過熱器５７Ａと３次過熱器５８Ａの周囲を通過する排ガスの流れを示す図である。なお、図示していないが、２次過熱器５７Ａに対して排ガスの流れ方向の下流側には１次過熱器が配置されている。

【0042】

図に示す３次過熱器５８Ａは、２次過熱器５７Ａと隣接して設けられている。図３に一点鎖線の矢印で示すように、２次過熱器５７Ａに入った蒸気は、２次過熱器５７Ａの内部を通過した後、３次過熱器５８Ａに入り、３次過熱器５８Ａの内部を通過して、３次過熱器５８Ａから放出される。一方、排ガスは３次過熱器５８から２次過熱器５７Ａに向かって流れる。

【0043】

図３では、２次過熱器５７Ａの入り口における排ガス温度をＴ_{ｇ，２,ｉｎ}（℃）、２次過熱器５７Ａの出口における排ガス温度をＴ_{ｇ，２,ｏｕｔ}（℃）と表している。同様に、３次過熱器５８Ａの入り口における排ガス温度をＴ_{ｇ，３,ｉｎ}（℃）、３次過熱器５８Ａの出口における排ガス温度をＴ_{ｇ，３,ｏｕｔ}（℃）と表している。

【0044】

上記の各温度のうち、３次過熱器５８Ａの入り口における排ガス温度Ｔ_{ｇ，３,ｉｎ}は、３次過熱器５８Ａの入り口付近に温度計を設けることにより計測することができる。また、３次過熱器５８Ａの出口における排ガス温度Ｔ_{ｇ，３,ｏｕｔ}は、排ガスの比熱ｃ（kJ/m³N℃）と、３次過熱器５８Ａの出口における排ガスのエンタルピｈ_{ｇ，３，ｏｕｔ}（kJ/m³N）を用いて下記の数式（１）のように表すことができる。なお、比熱ｃは定数である。

【0045】

【数1】

【0046】

また、２次過熱器５７Ａの入り口における排ガス温度Ｔ_{ｇ，２,ｉｎ}は、Ｔ_{ｇ，３,ｏｕｔ}と等しいとみなすことができる。つまり、Ｔ_{ｇ，２,ｉｎ}＝Ｔ_{ｇ，３,ｏｕｔ}の関係が成り立つ。そして、２次過熱器５７Ａの出口における排ガス温度Ｔ_{ｇ，２,ｏｕｔ}は、排ガスの比熱ｃ（kJ/m³N℃）と、２次過熱器５７Ａの出口における排ガスのエンタルピｈ_{ｇ，２，ｏｕｔ}（kJ/m³N）を用いて下記の数式（２）のように表すことができる。

【0047】

【数2】

【0048】

また、数式（１）におけるｈ_{ｇ，３，ｏｕｔ}は、排ガス流量Ｆ（m³N/h）、３次過熱器５８Ａの入り口における排ガスのエンタルピｈ_{ｇ，３，ｉｎ}（kJ/m³N）、蒸気流量Ｖ（m³N/h）、３次過熱器５８Ａの入り口における蒸気エンタルピｈ_{ｖ，３，ｉｎ}（kJ/m³N）、および３次過熱器５８Ａの出口における蒸気エンタルピｈ_{ｖ，３，ｏｕｔ}（kJ/m³N）を用いて下記の数式（３）のように表すことができる。なお、排ガス流量Ｆと蒸気流量Ｖは計測可能である。

【0049】

【数3】

【0050】

また、上記数式（３）におけるｈ_{ｇ，３，ｉｎ}は、排ガスの比熱ｃ（kJ/m³N℃）とＴ_{ｇ，３,ｉｎ}から下記の数式（４）により算出することができる。つまり、ｈ_{ｇ，３，ｉｎ}は、計測したＴ_{ｇ，３,ｉｎ}に定数である比熱ｃを乗じることにより算出することができる。

【0051】

【数4】

【0052】

また、数式（２）におけるｈ_{ｇ，２，ｏｕｔ}は、下記の数式（５）で表される。なお、ｈ_{ｖ，２，ｉｎ}（kJ/m³N）は２次過熱器５７Ａの入り口における蒸気エンタルピであり、ｈ_{ｖ，２，ｏｕｔ}（kJ/m³N）は２次過熱器５７Ａの出口における蒸気エンタルピである。

【0053】

【数5】

【0054】

また、蒸気エンタルピは、蒸気圧力と蒸気温度から算出することができ、蒸気圧力と蒸気温度は計測することができる。したがって、温度算出部１０２は、３次過熱器５８Ａにおける蒸気圧力と蒸気温度の計測値を用いて、蒸気エンタルピｈ_{ｖ，３，ｏｕｔ}、ｈ_{ｖ，３，ｉｎ}を算出し、算出したこれらの値と、排ガス流量Ｆおよび蒸気流量Ｖの計測値と、Ｔ_{ｇ，３,ｉｎ}の計測値と排ガスの比熱の積であるｈ_{ｇ，３，ｉｎ}（上記数式（４））とを上記数式（３）に代入することにより、ｈ_{ｇ，３，ｏｕｔ}を算出することができる。そして、温度算出部１０２は、算出したｈ_{ｇ，３，ｏｕｔ}を上記数式（１）に代入することにより、排ガス温度Ｔ_{ｇ，３,ｏｕｔ}を算出することができる。

【0055】

また、温度算出部１０２は、２次過熱器５７Ａにおける蒸気圧力と蒸気温度の計測値を用いて、蒸気エンタルピｈ_{ｖ，２，ｏｕｔ}、ｈ_{ｖ，２，ｉｎ}を算出し、算出したこれらの値と、上述のようにして算出したｈ_{ｇ，３，ｏｕｔ}と、排ガス流量Ｆおよび蒸気流量Ｖの計測値とを上記数式（５）に代入することにより、ｈ_{ｇ，２，ｏｕｔ}を算出することができる。そして、温度算出部１０２は、算出したｈ_{ｇ，２，ｏｕｔ}を上記数式（２）に代入することにより、排ガス温度Ｔ_{ｇ，２,ｏｕｔ}を算出することができる。

【0056】

なお、上記の計算に用いる数式は、温度算出式１１２として記憶部１１に記憶させておけばよい。また、上記の計算に用いる各計測値は、運転データ１１１として入力すればよい。

【0057】

（管壁温度の算出方法）
続いて、管壁温度の算出方法を説明する。過熱器管の管壁温度をＴ_ｍ（℃）、当該過熱器管の周囲の排ガス温度をＴ_ｇ（℃）とすると、管壁温度Ｔ_ｍは、排ガス温度Ｔ_ｇと、伝熱量Ｑ（kcal/h）と、過熱器管の外径ｒ_２と、ガス熱伝達率α_ｇ（kcal/m²h℃）と、過熱器管の長さＬ（m）とを用いて下記の数式（６）のように表される。

【0058】

【数6】

【0059】

また、伝熱量Ｑは、熱通過率Ｋ（kcal/mh℃）と、排ガス温度をＴ_ｇと、過熱器管内の流体温度Ｔ_ｆ（℃）、および過熱器管の長さＬとを用いて下記の数式（７）のように表される。

【0060】

【数7】

【0061】

そして、数式（６）の伝熱量Ｑに数式（７）の右辺を代入することにより下記の数式（８）が導かれる。

【0062】

【数8】

【0063】

また、熱通過率Ｋは、ガス熱伝達率α_ｇと、過熱器管の外径ｒ_２（m）と、過熱器管の内径ｒ_１（m）と、熱伝導率λ（kcal/mh℃）と、過熱器管内の流体の熱伝達率α_ｆ（kcal/m²h℃）とを用いて下記の数式（９）のように表される。

【0064】

【数9】

【0065】

上記数式（８）、（９）において、熱伝導率λ、ガス熱伝達率α_ｇ、流体の熱伝達率α_ｆ、内径ｒ_１、および外径ｒ_２は、何れも定数である。したがって、数式（９）から熱通過率Ｋも定数となる。よって、温度算出部１０２は、上述のようにして算出した排ガス温度をＴ_ｇと流体温度Ｔ_ｆを上記数式（８）に代入することにより、管壁温度Ｔ_ｍを算出することができる。

【0066】

例えば、３次過熱器５８Ａの出口付近の管壁温度Ｔ_{ｍ，３，ｏｕｔ}を算出する場合、温度算出部１０２は、３次過熱器５８Ａの出口付近の排ガス温度Ｔ_{ｇ，３，ｏｕｔ}と、熱通過率Ｋと、３次過熱器５８Ａの出口付近の流体（すなわち蒸気）温度Ｔ_{ｆ，３，ｏｕｔ}を上記数式（８）に代入する。数式（８）は、温度算出式１１２として記憶部１１に記憶させておけばよく、Ｔ_{ｆ，３，ｏｕｔ}は、運転データ１１１として入力すればよい。

【0067】

（処理の流れ）
指標値算出装置１が実行する処理の流れ（指標値算出方法）について図４に基づいて説明する。図４は、指標値算出装置１が実行する処理の一例を示すフローチャートである。なお、以下では、図３に示した３次過熱器５８Ａが備える過熱器管の腐食に関する指標値を算出する例を説明する。

【0068】

Ｓ１１では、温度算出部１０２が、運転データ１１１の入力を受け付ける。運転データ１１１は入力部１３を介して入力されてもよいし、通信部１２を介した通信により他の装置から入力されてもよい。具体的には、運転データ１１１には、上記「排ガス温度の算出方法」で説明した、排ガス温度および管壁温度を算出するために用いる各種の計測値が含まれている。

【0069】

Ｓ１２では、温度算出部１０２が、Ｓ１１で入力された運転データ１１１と、温度算出式１１２とを用いて、３次過熱器５８Ａ付近の排ガス温度と、３次過熱器５８Ａの過熱器管の管壁温度を算出する。例えば、温度算出部１０２は、上記「排ガス温度の算出方法」で説明したように数式（１）～（５）と運転データ１１１とを用いて、３次過熱器５８Ａの出口における排ガス温度Ｔ_{ｇ，３,ｏｕｔ}を算出してもよい。そして、温度算出部１０２は、上記「管壁温度の算出方法」で説明したように、算出した排ガス温度Ｔ_{ｇ，３,ｏｕｔ}および運転データ１１１と数式（８）とを用いて、３次過熱器５８Ａの過熱器管の管壁温度Ｔ_ｍを算出してもよい。

【0070】

Ｓ１３では、含有量特定部１０１が、対象施設におけるボイラの燃料の硫黄含有量および塩素含有量を特定する。例えば、ボイラの燃料が焼却されるごみである場合、Ｓ１３では当該ごみの硫黄含有量および塩素含有量が特定される。硫黄含有量および塩素含有量は入力部１３を介して入力されてもよいし、通信部１２を介した通信により他の装置から取得されてもよい。また、Ｓ１３で特定される硫黄含有量および塩素含有量は、実際に燃料（例えばごみ）を分析して特定されたものであってもよいし、一般的な燃料の組成等を基に算出した想定値であってもよい。

【0071】

Ｓ１４では、指標値算出部１０３が、学習済みモデル１１３を用いて、Ｓ１２で算出された排ガス温度および管壁温度と、Ｓ１３で特定された硫黄含有量および塩素含有量から、３次過熱器５８Ａの過熱器管の腐食に関する指標値を算出する。具体的には、指標値算出部１０３は、排ガス温度、管壁温度、硫黄含有量、および塩素含有量を学習済みモデル１１３に入力することにより、学習済みモデル１１３から指標値が出力される。これにより、図４の処理は終了する。なお、指標値算出部１０３は、算出した指標値を記憶部１１に記憶してもよいし、出力部１４に出力させてもよいし、通信部１２を介して他の装置に送信してもよい。

【0072】

以上のように、本実施形態に係る指標値算出方法は、ボイラの燃料の硫黄含有量および塩素含有量を特定する含有量特定ステップ（Ｓ１３）と、燃料の硫黄含有量および塩素含有量を説明変数とし、当該燃料を燃焼させたときに発生する排熱を回収する伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデル１１３を用いて、Ｓ１３で特定される硫黄含有量および塩素含有量から指標値を算出する指標値算出ステップ（Ｓ１４）と、を含む。このように、本実施形態に係る指標値算出方法によれば、燃料の硫黄含有量および塩素含有量という入手しやすいデータから伝熱管の腐食に関する指標値を算出することができる。

【0073】

〔実施形態２〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

【0074】

（装置構成）
本実施形態に係る指標値算出装置２の構成を図５に基づいて説明する。図５は、指標値算出装置２の構成例を示すブロック図である。指標値算出装置２は、実施形態１の指標値算出装置１と同様に、燃料を燃焼させたときに発生する排熱を回収してボイラに伝達するための伝熱管の腐食に関する指標値を算出する装置である。

【0075】

指標値算出装置２は、実施形態１の指標値算出装置１と比べて、制御部１０および記憶部１１がそれぞれ制御部２０および記憶部２１に変っている点で相違している。制御部２０には、組成特定部２０１と指標値算出部２０２が含まれている。また、記憶部２１には学習済みモデル２１１が記憶されている。

【0076】

組成特定部２０１は、ボイラにおいて排熱を回収する伝熱管に付着する灰の組成を特定する。例えば、組成特定部２０１は、伝熱管に付着した灰を成分分析することにより特定された、当該灰に含まれる各成分の重量パーセント濃度を灰の組成として特定してもよい。なお、組成特定部２０１が特定する組成の詳細は後記「学習済みモデルについて」の項目で説明する。

【0077】

灰の組成は、入力部１３を介して入力されてもよいし、通信部１２を介した通信により他の装置から取得されてもよい。なお、灰の組成は、実際に伝熱管に付着した灰を上述のように分析して特定されたものであってもよいし、設計想定値（施設の設計上そのような組成となると想定される値）であってもよい。

【0078】

指標値算出部２０２は、伝熱管の腐食に関する指標値を算出する。より詳細には、指標値算出部２０２は、学習済みモデル２１１を用いて、組成特定部２０１が特定する灰の組成から指標値を算出する。算出する指標値は実施形態１と同様に伝熱管の腐食に関するものであればよく、例えば、指標値算出部２０２は、減肉速度や伝熱管の残り寿命等を示す指標値を算出してもよい。

【0079】

学習済みモデル２１１は、実施形態１の学習済みモデル１１３と同様に、伝熱管の腐食に関する指標値を算出するためのモデルである。学習済みモデル２１１の説明変数はボイラの伝熱管に付着する灰の組成であり、この点で学習済みモデル１１３と相違している。学習済みモデル２１１は、指標値算出の対象となる対象施設で取得されたデータを用いて機械学習されたものであってもよいし、他の施設で取得されたデータを用いて機械学習されたものであってもよく、この点については学習済みモデル１１３と同様である。

【0080】

以上のように、指標値算出装置２は、対象施設が備えるボイラにおいて排熱を回収する伝熱管に付着する灰の組成を特定する組成特定部２０１と、対象施設または他の施設におけるボイラの伝熱管に付着する灰の組成を説明変数とし、当該伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデル２１１を用いて、組成特定部２０１が特定する組成から、対象施設における指標値を算出する指標値算出部２０２と、を備える。

【0081】

伝熱管に付着する灰の組成は、伝熱管の腐食に相関があることが分かっているから、上記の構成によれば、伝熱管の腐食に関する指標値を算出することができる。また、上記の構成によれば、灰の組成という比較的入手しやすいデータから伝熱管の腐食に関する指標値を算出することができるという効果を奏する。

【0082】

（学習済みモデルについて）
学習済みモデル２１１は、伝熱管に付着する灰の組成を説明変数とし、当該伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデルである。学習済みモデル２１１の説明変数は、灰を構成する全成分の組成を示すものであってもよいし、一部の成分の組成を示すものであってもよい。組成特定部２０１は、学習済みモデル２１１の説明変数となっている成分の含有量を特定する。

【0083】

例えば、組成特定部２０１は、伝熱管に付着する灰の組成として、当該灰における硫黄含有量と塩素含有量を少なくとも特定してもよい。伝熱管に付着する灰における硫黄含有量および塩素含有量は、伝熱管の腐食に強い相関があることが分かっているから、上記の構成によれば、伝熱管の腐食に関する高精度な指標値を算出することができる。

【0084】

また、例えば、組成特定部２０１は、伝熱管に付着する灰の組成として、当該灰におけるアルカリ金属の含有量を少なくとも特定してもよい。伝熱管に付着する灰におけるアルカリ金属の含有量は、伝熱管の腐食に相関があることが分かっているから、上記の構成によれば、伝熱管の腐食に関する高精度な指標値を算出することができる。なお、伝熱管に付着する灰に含まれるアルカリ金属としては、例えばナトリウム、カリウム等が挙げられる。

【0085】

さらに、例えば、組成特定部２０１は、伝熱管に付着する灰の組成として、当該灰における重金属の含有量を少なくとも特定してもよい。伝熱管に付着する灰における重金属の含有量は、伝熱管の腐食に相関があることが分かっているから、上記の構成によれば、伝熱管の腐食に関する高精度な指標値を算出することができる。なお、伝熱管に付着する灰に含まれる重金属としては、例えば銅、亜鉛、鉛等が挙げられる。

【0086】

また、伝熱管に付着する灰に含まれる主要な成分全ての組成を説明変数とする学習済みモデル２１１を用いてもよい。この場合、組成特定部２０１は、上述の硫黄、塩素、ナトリウム、カリウム、銅、亜鉛、および鉛に加えて、酸素、マグネシウム、アルミニウム、ケイ素、リン、およびカルシウム等の含有量を特定してもよい。

【0087】

実施形態１の学習済みモデル１１３と同様に、学習済みモデル２１１は、説明変数と目的変数との関係を示す教師データを用いた機械学習により構築すればよい。教師データは、指標値算出の対象となる施設または他の施設で採取された灰の組成と、当該施設における指標値の値（例えば減肉速度）とを対応付けたものであってもよい。また、学習済みモデル１１３と同様に、学習済みモデル２１１のアルゴリズムは、上述のような説明変数から目的変数を導出できるようなものであればよく、特に限定されない。

【0088】

また、指標値算出装置２は、学習済みモデル２１１の生成や、その機械学習に用いる上述のような教師データの生成を行ってもよい。この場合、教師データを生成する教師データ生成部と、学習済みモデル２１１を生成する学習部とを図５の制御部２０に追加すればよい。

【0089】

（処理の流れ）
指標値算出装置２が実行する処理の流れ（指標値算出方法）について図６に基づいて説明する。図６は、指標値算出装置２が実行する処理の一例を示すフローチャートである。なお、以下では、図２に示したごみ焼却施設５における過熱器管５６２の腐食に関する指標値を算出する例を説明する。

【0090】

Ｓ２１では、組成特定部２０１が、過熱器管５６２に付着した灰の組成を特定する。灰の組成は入力部１３を介して入力されてもよいし、通信部１２を介した通信により他の装置から入力されてもよい。上述のように、Ｓ２１で特定される灰の組成は、実際に過熱器管５６２に付着した灰を分析して特定されたものであってもよいし、設計想定値であってもよい。

【0091】

Ｓ２２では、指標値算出部２０２が、学習済みモデル２１１を用いて、Ｓ２１で特定された灰の組成から過熱器管５６２の腐食に関する指標値を算出する。具体的には、指標値算出部２０２は、灰の組成すなわち灰に含まれる各成分の含有量を学習済みモデル２１１に入力することにより、学習済みモデル２１１から指標値が出力される。これにより、図６の処理は終了する。なお、指標値算出部２０２は、算出した指標値を記憶部２１に記憶してもよいし、出力部１４に出力させてもよいし、通信部１２を介して他の装置に送信してもよい。

【0092】

以上のように、本実施形態に係る指標値算出方法は、対象施設が備えるボイラにおいて排熱を回収する伝熱管に付着する灰の組成を特定する組成特定ステップ（Ｓ２１）と、対象施設または他の施設におけるボイラの伝熱管に付着する灰の組成を説明変数とし、当該伝熱管の腐食に関する指標値を目的変数として機械学習することにより構築された学習済みモデル２１１を用いて、Ｓ２１で特定される組成から、対象施設における指標値を算出する指標値算出ステップ（Ｓ２２）と、を含む。これにより、灰の組成という入手しやすいデータから伝熱管の腐食に関する指標値を算出することができる。

【0093】

〔変形例〕
上述の実施形態で説明した各処理の実行主体は任意であり、上述の例に限られない。例えば、図４に示した指標値算出方法は、指標値算出装置１の代わりに複数の情報処理装置が実行する構成としてもよい。例えば、図４のＳ１１およびＳ１２の処理を１つの情報処理装置に実行させ、当該情報処理装置が算出した排ガス温度および管壁温度を他の情報処理装置に出力するようにしてもよい。この場合、他の情報処理装置がＳ１３およびＳ１４の処理を行えばよい。図６に示した指標値算出方法についても同様であり、指標値算出装置２の代わりに複数の情報処理装置が実行する構成としてもよい。

【0094】

〔ソフトウェアによる実現例〕
指標値算出装置１および２（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロック（特に制御部１０および２０に含まれる各部）としてコンピュータを機能させるためのプログラム（指標値算出プログラム）により実現することができる。

【0095】

この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。

【0096】

上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。

【0097】

また、上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。

【0098】

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

【符号の説明】

【0099】

１ 指標値算出装置
１０１ 含有量特定部
１０２ 温度算出部
１０３ 指標値算出部
１１３ 学習済みモデル
２ 指標値算出装置
２０１ 組成特定部
２０２ 指標値算出部
２１１ 学習済みモデル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】