特開 2023-138425 機械学習装置および排熱回収システム

(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】P2023138425

(43)【公開日】2023-10-02

(54)【発明の名称】機械学習装置および排熱回収システム

(51)【国際特許分類】

   F27D 19/00 20060101AFI20230922BHJP

   F27D 17/00 20060101ALI20230922BHJP

【ＦＩ】

F27D19/00 Z

F27D17/00 101A

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023038359

(22)【出願日】2023-03-13

(31)【優先権主張番号】202210259215.X

(32)【優先日】2022-03-16

(33)【優先権主張国・地域又は機関】CN

(71)【出願人】

【識別番号】000000974

【氏名又は名称】川崎重工業株式会社

(74)【代理人】

【識別番号】110000556

【氏名又は名称】弁理士法人有古特許事務所

(72)【発明者】

【氏名】雪岡 敦史

(72)【発明者】

【氏名】宮内 寛太

(72)【発明者】

【氏名】竹中 幸弘

(72)【発明者】

【氏名】槇 健良

(72)【発明者】

【氏名】山本 修示

(72)【発明者】

【氏名】野副 拓朗

(72)【発明者】

【氏名】田中 寿典

(72)【発明者】

【氏名】李 朝暉

(72)【発明者】

【氏名】陳 鳳銀

(72)【発明者】

【氏名】肖 杰玉

(72)【発明者】

【氏名】趙 峰娃

(72)【発明者】

【氏名】考 傳利

(72)【発明者】

【氏名】張 皓

(72)【発明者】

【氏名】李 娜

(72)【発明者】

【氏名】汪 寧

(72)【発明者】

【氏名】葛 海根

(72)【発明者】

【氏名】方 偉

(72)【発明者】

【氏名】周 健

【テーマコード（参考）】

4K056

【Ｆターム（参考）】

4K056AA12

4K056CA08

4K056DA02

4K056DA13

4K056DA39

4K056FA06

(57)【要約】

【課題】セメント焼成設備で発生した排ガスをボイラへ導く排ガスラインと、ボイラを迂回して排ガスラインに合流するバイパスラインの各ラインを流れる排ガス流量を最適化する。
【解決手段】排熱回収システムにおいて運転値の決定を機械学習する機械学習装置であって、機械学習装置は、運転値を制御器に出力する運転値出力部と、ボイラ入口ガス温度、ボイラからの蒸気流量および蒸気タービン発電機の発電出力値を含む状態値を取得する状態観測部と、運転値に基づき少なくとも１つのダンパを動作させた後に取得された状態値に含まれる発電出力値に関連する所定のエネルギ値に基づいて、報酬を計算する報酬計算部と、運転値と状態値と報酬とに基づいて、現在の状態値から制御器に出力する運転値を決定することを機械学習する学習部と、を備える。
【選択図】図４

【特許請求の範囲】

【請求項1】

排熱回収システムにおいて運転値の決定を機械学習する機械学習装置であって、
前記排熱回収システムは、
セメント原料を焼成する過程で排ガスを発生する排ガス発生部を有するセメント焼成設備と、
前記セメント焼成設備の外部において前記排ガスを大気に放出する放出設備と、
ボイラおよび排風機が設けられ、前記排ガス発生部で発生した排ガスの一部を、前記ボイラを通過させて前記放出設備へ導く排ガスラインと、
前記排ガス発生部で発生した排ガスの残りを、前記ボイラを迂回させて、前記排ガスラインにおける前記ボイラと前記放出設備の間に導くバイパスラインと、
前記排ガスラインおよび前記バイパスラインの少なくとも一方に設けられた少なくとも１つのダンパと、
前記運転値に基づき前記少なくとも１つのダンパを動作させる制御器と、
前記ボイラにおいて発生した蒸気により発電する蒸気タービン発電機と、を備え、
前記機械学習装置は、
前記運転値を前記制御器に出力する運転値出力部と、
前記ボイラへ流入する排ガスの温度と、前記ボイラから前記蒸気タービン発電機へ送る蒸気の流量と、前記蒸気タービン発電機の発電出力値と、を含む状態値を取得する状態観測部と、
前記運転値に基づき前記少なくとも１つのダンパを動作させた後に取得された前記状態値に含まれる前記発電出力値に関連する所定のエネルギ値に基づいて、報酬を計算する報酬計算部と、
前記運転値と、前記状態値と、前記報酬とに基づいて、現在の前記状態値から前記制御器に出力する前記運転値を決定することを機械学習する学習部と、を備える、機械学習装置。

【請求項2】

前記排熱回収システムは、前記蒸気タービン発電機により生成した電力を使用して稼働する補機を備え、
前記補機は、少なくとも前記排風機を含み、
前記エネルギ値は、前記蒸気タービン発電機の発電出力値から、前記補機の消費電力値を引いた値であり、
前記報酬計算部は、前記エネルギ値が所定の閾値を上回る場合にはプラスの報酬を計算し、前記エネルギ値が所定の閾値を下回る場合にはマイナスまたはゼロの報酬を計算する、請求項１に記載の機械学習装置。

【請求項3】

前記エネルギ値は、前記発電出力値自体であり、
前記報酬計算部は、前記エネルギ値が所定の閾値を上回る場合にはプラスの報酬を計算し、前記エネルギ値が所定の閾値を下回る場合にはマイナスまたはゼロの報酬を計算する、請求項１に記載の機械学習装置。

【請求項4】

前記セメント焼成設備は、セメント原料を予熱するプレヒータ（以下、ＰＨ）と、前記プレヒータで予熱された前記セメント原料を焼成するキルンと、前記キルンから出た焼成物を搬送しつつ急冷するエアクエンチングクーラ（以下、ＡＱＣ）とを有し、前記排ガス発生部は前記ＡＱＣであり、前記排ガスラインの上流側端部は、前記ＡＱＣの所定の高温部と接続されており、前記バイパスラインの上流側端部は、前記高温部よりも焼成物の搬送方向下流側に位置する前記ＡＱＣの低温部と接続されている、請求項１～３のいずれか１項に記載の機械学習装置。

【請求項5】

前記放出設備はＡＱＣ用放出設備であり、前記ボイラはＡＱＣ用ボイラであり、前記排風機はＡＱＣ用排風機であり、前記排ガスラインはＡＱＣ用排ガスラインであり、前記バイパスラインはＡＱＣ用バイパスラインであり、前記ダンパは入口ダンパであり、
前記排熱回収システムは、
前記セメント焼成設備の外部において前記排ガスを大気に放出するＰＨ用放出設備と、
ＰＨ用ボイラおよびＰＨ用排風機が設けられ、前記ＰＨで発生した排ガスの一部を、前記ＰＨ用ボイラを通過させて前記ＰＨ用放出設備へ導くＰＨ用排ガスラインと、
前記ＰＨで発生した排ガスの残りを、前記ＰＨ用ボイラを迂回させて、前記排ガスラインにおける前記ＰＨ用ボイラと前記ＰＨ用放出設備の間に導くＰＨ用バイパスラインと、
前記ＰＨ用排ガスラインおよび前記ＰＨ用バイパスラインの少なくとも一方に設けられた、開度変更可能な少なくとも１つのＰＨ用ダンパと、を更に備え、
前記蒸気タービン発電機は、前記ＡＱＣ用ボイラおよび前記ＰＨ用ボイラにおいて発生した蒸気により発電し、
前記運転値は、前記少なくとも１つのＰＨ用ダンパの開度を含む、請求項４に記載の機械学習装置。

【請求項6】

前記セメント焼成設備は、セメント原料を予熱するプレヒータ（以下、ＰＨ）と、前記プレヒータで予熱された前記セメント原料を焼成するキルンと、前記キルンから出た焼成物を搬送しつつ急冷するエアクエンチングクーラ（以下、ＡＱＣ）とを有し、前記排ガス発生部は前記ＰＨであり、前記排ガスラインの上流側端部は、前記ＰＨと接続されており、前記バイパスラインの上流側端部は、前記排ガスラインにおける前記ボイラより上流側と接続されている、請求項１～３のいずれか１項に記載の機械学習装置。

【請求項7】

前記学習部は、前記状態観測部が取得した前記状態値から特定された状態と、当該状態における前記運転値の決定とを引数で表現した価値関数を用いて、前記報酬が最大となるように前記価値関数を更新する、請求項１～３のいずれか１項に記載の機械学習装置。

【請求項8】

請求項１～３のいずれか１項に記載の機械学習装置を備える、前記排熱回収システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、セメント製造プロセスの排ガスから熱を回収する排熱回収システムで用いられる機械学習装置および排熱回収システムに関する。

【背景技術】

【0002】

セメント製造プロセスは、大きく分けて、セメント原料を乾燥・粉砕・調合する原料工程、原料から中間製品であるクリンカを焼成する焼成工程、および、クリンカに石こうを加えて粉砕してセメントに仕上げる仕上げ工程から成る。このうち焼成工程では、セメント原料は、先ず、プレヒータ（以下、「ＰＨ」とも称する）で予熱され、次いで、仮焼炉で仮焼され、続いて、キルン炉で焼成され、最後に、エアクエンチングクーラ（以下、「ＡＱＣ」とも称する）で冷却される。従来から、ＰＨやＡＱＣで発生した排ガス熱を回収し、回収した熱で発電する排熱回収システムが知られている。

【0003】

例えば特許文献１の図３に開示された排熱回収システムは、ＡＱＣで発生した排ガスから熱を回収するＡＱＣボイラが設けられた、ＡＱＣの高温部から煙突へ延びる排ガスラインと、ＡＱＣの低温部から延び、ＡＱＣボイラを迂回するバイパスラインとを備える。排ガスラインは、ＡＱＣ内の比較的高温（例えば平均３６０℃）の排ガスを排出し、バイパスラインは、ＡＱＣ内の比較的低温（例えば平均１１０℃）の排ガスを排出する。排ガスラインを通じてＡＱＣから排出された排ガスは、ＡＱＣボイラへ導かれる。ＡＱＣボイラでは、排ガスの熱によって過熱蒸気が発生し、過熱蒸気は、蒸気タービン発電機での発電に利用される。ＡＱＣボイラで熱が回収された排ガスは、バイパスラインにおいてＡＱＣから排出された排ガスと合流した後、集塵機を通過し、煙突から大気に放出される。

【0004】

また、この排熱回収システムは、ＡＱＣボイラを通過する排ガスラインおよびＡＱＣボイラを迂回するバイパスラインとは別に、ＰＨボイラを通過する排ガスラインと、ＰＨ排ガスラインから分岐してＰＨボイラを迂回するバイパスラインも備えている。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特許第５８９７３０２号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

上述のような排熱回収システムは、できるだけ大きなエネルギを生成するよう最適化されることが望ましい。このような方法としては、高温で且つ大量の排ガスがボイラに送られるように、例えばバイパスライン等に設けたダンパの開度を調節することなどが考えられる。ところが、ボイラへ流入する排ガスの流量および温度は、一方を上昇させると他方が低減し得る関係にある。

【0007】

例えば、ＡＱＣボイラを迂回するバイパスラインに開度調整可能なダンパが設けられている場合、ダンパの開度を減少させれば、このバイパスラインを通じてＡＱＣから排出される排ガス量は減少し、排ガスラインを通じてＡＱＣから排出される排ガス量は上昇する。しかし、バイパスラインを通じて比較的低温の排ガスがＡＱＣから排出されにくくなることで、ＡＱＣ内の温度分布が変動し、排ガスラインを通じてＡＱＣボイラへ流入する排ガスの温度は低下する。逆に、バイパスラインのダンパの開度を増大することで、ＡＱＣボイラに流入する排ガスの流量は減少するが、ＡＱＣボイラに流入する排ガスの温度は上昇する。さらに、キルンからＡＱＣへ供給されるクリンカ量は時々刻々と変動しており、その結果、ＡＱＣ内の排ガスの温度分布にも変動が生じている。このため、排ガスラインおよびバイパスラインを流れる排ガスの流量をどのように調節すれば最適なシステムを実現できるかを把握することは非常に困難であった。また、システムを最適化することの必要性は、ＰＨボイラを通過する排ガスラインとＰＨボイラを迂回するバイパスラインでも生じ得る。

【0008】

そこで、本発明は、セメント焼成設備で発生した排ガスをボイラへ導く排ガスラインと、ボイラを迂回して排ガスラインに合流するバイパスラインとを備える排熱回収システムにおいて、排ガスラインおよびバイパスラインを流れる排ガス流量の最適化するための機械学習装置および排熱回収システムを提供することを目的とする。

【課題を解決するための手段】

【0009】

本発明の一態様に係る機械学習装置は、排熱回収システムにおいて運転値の決定を機械学習する機械学習装置であって、
前記排熱回収システムは、セメント原料を焼成する過程で排ガスを発生する排ガス発生部を有するセメント焼成設備と、前記セメント焼成設備の外部において前記排ガスを大気に放出する放出設備と、ボイラおよび排風機が設けられ、前記排ガス発生部で発生した排ガスの一部を、前記ボイラを通過させて前記放出設備へ導く排ガスラインと、前記排ガス発生部で発生した排ガスの残りを、前記ボイラを迂回させて、前記排ガスラインにおける前記ボイラと前記放出設備の間に導くバイパスラインと、前記排ガスラインおよび前記バイパスラインの少なくとも一方に設けられた少なくとも１つのダンパと、運転値に基づき、前記少なくとも１つのダンパを動作させる制御器と、前記ボイラにおいて発生した蒸気により発電する蒸気タービン発電機と、を備え、
前記機械学習装置は、前記運転値を前記制御器に出力する運転値出力部と、前記ボイラへ流入する排ガスの温度と、前記ボイラから前記蒸気タービン発電機へ送る蒸気の流量と、前記蒸気タービン発電機の発電出力値と、を含む状態値を取得する状態観測部と、前記運転値に基づき前記少なくとも１つのダンパを動作させた後に取得された前記状態値に含まれる前記発電出力値に関連する所定のエネルギ値に基づいて、報酬を計算する報酬計算部と、前記運転値と、前記状態値と、前記報酬とに基づいて、現在の前記状態値から前記制御器に出力する前記運転値を決定することを機械学習する学習部と、を備える。

【0010】

また、本発明の一態様に係る排熱回収システムは、上記の機械学習装置を備えた前記排熱回収システムである。

【0011】

上記の機械学習装置および排熱回収システムによれば、できるだけ大きなエネルギを生成するような運転値を決定することを機械学習することができる。従って、機械学習装置の学習結果を用いて、現在の排熱回収システムの状態から決定した運転値に基づき、排ガスラインおよびバイパスラインの少なくとも一方に設けられた少なくとも１つのダンパを動作させることにより、排ガスからできるだけ大きなエネルギを生成するシステムを実現できる。

【発明の効果】

【0012】

本発明によれば、セメント焼成設備で発生した排ガスをボイラへ導く排ガスラインと、ボイラを迂回して排ガスラインに合流するバイパスラインとを備える排熱回収システムに対して、排ガスラインおよびバイパスラインを流れる排ガス流量の最適化するための機械学習装置および排熱回収システムを提案することができる。

【図面の簡単な説明】

【0013】

【図1】図１は、本発明の一実施形態に係る排熱回収システムの概略構成図である。

【図2】図２は、排熱回収システムにおける制御系のブロック図である。

【図3】図３は、強化学習アルゴリズムの基本的な概念を説明する図である。

【図4】図４は、機械学習装置の機能ブロック図である。

【図5】図５は、機械学習装置が行う機械学習（強化学習）の流れ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】

【0014】

［排熱回収システム］
以下、本発明の一実施形態に係る排熱回収システムについて図面を参照しながら説明する。排熱回収システム１では、セメント製造設備２においてセメントを製造する過程で発生する排ガスから熱を回収するシステムである。本実施形態に係る排熱回収システム１は、セメント製造設備２および発電設備３を備える。

【0015】

［セメント製造設備］
上述したように、セメント製造プロセスは、原料工程、焼成工程および仕上げ工程から成る。図１に示すように、セメント製造設備２は、原料工程を担う原料生成設備１０と、焼成工程を担う焼成設備２０を有する。

【0016】

原料生成設備１０は、石灰石、粘土などのセメント原料を乾燥・粉砕・調合して得られた粉体原料を生成する設備である。原料生成設備１０は、原料ミル１１、セパレータ１２およびサイロ１３を含む。原料ミル１１では、石灰石、粘土などが粉砕および乾燥される。なお、原料ミル１１には、後述するＰＨボイラ３０からの排ガスが流入され、セメント原料の乾燥に利用される。原料ミル１１で粉砕および乾燥されたセメント原料は、排ガスに同伴して排出されて、セパレータ１２へ流入する。セパレータ１２では、セメント原料が排ガスから分離されるとともに分級される。セパレータ１２で分離・分級されたセメント原料は、サイロ１３で混合および貯蔵され、サイロ１３から焼成設備２０へ供給される。なお、後述するように、セパレータ１２内の排ガスは、集塵機１４へと送られる。

【0017】

焼成設備２０は、原料生成設備１０にて得た粉体原料から、中間製品であるクリンカを焼成する設備である。焼成設備２０は、プレヒータ（ＰＨ）２１、仮焼炉２２、ロータリキルン２３、およびＡＱＣ２４を備える。

【0018】

ＰＨ２１は、直列的に接続された複数段のサイクロン集塵器を備える。ＰＨ２１では、ロータリキルン２３からの排熱が最下段のサイクロン集塵器から最上段のサイクロン集塵器へ向けて順に移動し、セメント原料が最上段のサイクロン集塵器から最下段のサイクロン集塵器へ向けて順に移動する。ＰＨ２１の最下段のサイクロン集塵器は、仮焼炉２２と接続されている。

【0019】

仮焼炉２２では、ＰＨ２１を出たセメント原料が、約９００℃の雰囲気で仮焼される。仮焼炉２２には、ＡＱＣ２４から仮焼炉２２へ排熱を送る仮焼炉用抽気ライン２２ａと、燃料等を仮焼炉２２へ供給する燃料供給ライン２２ｂとが接続されている。仮焼炉２２の出口は、ロータリキルン２３の入口と接続されている。

【0020】

ロータリキルン２３は、横長の円筒型の回転窯であって、原料入口から原料出口へ向かって僅かに下る勾配を付けて設置されている。ロータリキルン２３では、ＰＨ２１および仮焼炉２２で予熱・仮焼されたセメント原料を、ＡＱＣ２４の排熱およびバーナ２５の燃焼ガスによって焼成する。ロータリキルン２３の出口は、ＡＱＣ２４の入口２４ａと接続されている。

【0021】

ＡＱＣ２４では、ロータリキルン２３から出た高温（例えば約１４００℃）の焼成物が急冷される。具体的には、ロータリキルン２３の出口からＡＱＣ２４内に落下投入された焼成物は、ＡＱＣ２４内の図示しないコンベアにより出口２４ｂへ向かって搬送される。焼成物は、コンベアで搬送される間、コンベアの下方から冷却用空気が吹きつけられることによって冷却される。ＡＱＣ２４にて冷却された焼成物、すなわちクリンカは、出口２４ｂから出た後、図示しないクリンカコンベヤによりクリンカサイロへ送られる。

【0022】

ＡＱＣ２４内で高温の焼成物に対し吹き付けられた冷却用空気は、高温の排ガスとなる。ＡＱＣ２４内のガス温度は、焼成物の搬送方向に沿って出口２４ｂに近づくにつれ低くなる分布を形成している。例えば、ＡＱＣ２４の入口２４ａ近傍のガス温度は、約１３５０℃となっており、ＡＱＣ２４の出口２４ｂ近傍のガス温度は、約１００℃となっている。ただし、ＡＱＣ２４へのクリンカ供給量には振れ幅があるため、ＡＱＣ２４内の排ガスの温度に変動が生じている。また、ＡＱＣ２４内（より詳しくはＡＱＣ２４内における高温部２４ｃよりも焼成物の搬送方向上流側）には、排ガスの温度を計測する温度計８１が設けられている。

【0023】

［発電設備］
発電設備３は、プレヒータボイラ（以下、「ＰＨボイラ」とも称する）３０、エアクエンチングクーラボイラ（以下、「ＡＱＣボイラ」とも称する）４０、および蒸気タービン発電機５０を備える。

【0024】

（ＰＨボイラ）
ＰＨボイラ３０は、ＰＨ２１で発生した排ガスを加熱媒体とするボイラである。ＰＨボイラ３０は、ガス入口およびガス出口を有するボイラ本体３１を備える。ボイラ本体３１内には、熱交換器である過熱器３２および蒸発器３３が、ボイラ本体３１におけるガス入口からガス出口に向かってこの順に設置されている。また、ボイラ本体３１には、蒸気ドラム３４が付属されている。

【0025】

ＰＨボイラ３０は、ＰＨ２１から放出設備１６に延びる排ガスライン６１（ＰＨ用排ガスライン）に設けられている。具体的に、ロータリキルン２３の高温の排ガスが、仮焼炉２２およびＰＨ２１の順に流れ、その後、排ガスライン６１を通じてＰＨボイラ３０に導かれる。

【0026】

排ガスライン６１におけるＰＨボイラ３０より下流側には、排風機３５が設けられている。また、排ガスライン６１には、ＰＨボイラ３０を迂回させるバイパスライン６２（ＰＨ用バイパスライン）が接続されている。バイパスライン６２の上流側端部は、排ガスライン６１におけるＰＨボイラ３０より上流側に接続されており、バイパスライン６２の下流側端部は、排ガスライン６１におけるＰＨボイラ３０と排風機３５との間に接続されている。

【0027】

排ガスライン６１におけるバイパスライン６２の上流側端部とＰＨボイラ３０との間に、入口ダンパ６１ａが設けられている。バイパスライン６２には、バイパスダンパ６２ａが設けられている。また、排ガスライン６１におけるＰＨボイラ３０より上流側、より詳しくはバイパスライン６２の上流側端部より上流側には、排ガスの温度を計測する温度計８２が設けられている。また、排ガスライン６１におけるＰＨボイラ３０より下流側、より詳しくはＰＨボイラ３０とバイパスライン６２の下流側端部との間には、排ガスの温度を計測する温度計８３が設けられている。

【0028】

ＰＨボイラ３０で熱交換された後の排ガスおよびバイパスライン６２を流れる排ガスは、排風機３５により上述した原料ミル１１へ送られ、原料ミル１１の熱源として利用される。原料ミル１１へ供給されるセメント原料（被乾燥物）と、原料ミル１１から排出されるセメント原料（乾燥物）とが定期的にサンプリングされ、夫々の質量が測定される。原料ミル１１に供給されるセメント原料の水分量（水分率）は原料ミル１１における被乾燥物の質量と乾燥物の質量との差、即ち、原料ミル１１で減少した質量に基づいて求めることができる。本実施形態では、これらのセメント原料の質量測定器を、セメント原料の水分量を測定するための水分測定装置１７とする。但し、水分測定装置１７は上記に限定されない。また、排ガスライン６１における原料ミル１１とセパレータ１２との間には、原料ミル１１から流出する排ガスの温度を計測する温度計８７が設けられている。

【0029】

排ガスライン６１におけるセパレータ１２と放出設備１６との間には、集塵機１４および排風機１５が、排ガスの流れの上流から下流に向けてこの順番で設けられている。原料ミル１１でセメント原料の乾燥に利用された排ガスは、セパレータ１２へ送られた後、集塵機１４へ送られる。セパレータ１２から集塵機１４へ送られた排ガスは、集塵機１４で粉塵が分離されたのち、排風機１５により放出設備１６としての煙突へ送られて、大気に放出される。

【0030】

（ＡＱＣボイラ）
ＡＱＣボイラ４０は、ＡＱＣ２４で発生した排ガスを加熱媒体とするボイラである。ＡＱＣボイラ４０は、ガス入口およびガス出口を有するボイラ本体４１を備える。ボイラ本体４１内には、熱交換器である過熱器４２、蒸発器４３、および予熱器（エコノマイザ）４４が、ガス入口からガス出口に向かってこの順に設置されている。また、ボイラ本体４１には、蒸気ドラム４５が付属されている。

【0031】

ＡＱＣボイラ４０は、ＡＱＣ２４の高温部２４ｃから放出設備４８に延びる排ガスライン６３（ＡＱＣ用排ガスライン）が接続されている。ＡＱＣ２４の高温部２４ｃとは、ＡＱＣ２４における排ガス温度が比較的高温（例えば約３５０℃）である箇所である。例えば、ＡＱＣ２４の高温部２４ｃの平均温度は、ＡＱＣボイラ４０の許容温度範囲内にある。排ガスライン６３の上流側端部がＡＱＣ２４の高温部２４ｃに位置することで、比較的高温な排ガスが、排ガスライン６３を通じてＡＱＣ２４からＡＱＣボイラ４０に導かれ、ＡＱＣボイラ４０の加熱媒体として利用される。

【0032】

なお、ＡＱＣ２４には、上述した仮焼炉用抽気ライン２２ａが接続されている。仮焼炉用抽気ライン２２ａは、排ガスライン６３とＡＱＣ２４との接続位置よりも焼成物の搬送方向上流側でＡＱＣ２４と接続している。このため、仮焼炉用抽気ライン２２ａからは、排ガスライン６３を通じて排出される排ガスの温度よりも高い温度（例えば約６００℃）の排ガスが抽気される。

【0033】

排ガスライン６３におけるＡＱＣボイラ４０と放出設備４８との間には、集塵機４６および排風機４７が、排ガスの流れの上流から下流に向けてこの順番で設けられている。ＡＱＣ２４の低温部２４ｄからは、ＡＱＣボイラ４０を迂回させるバイパスライン６４（ＡＱＣ用バイパスライン）が延びている。ＡＱＣ２４の低温部２４ｄとは、ＡＱＣ２４における排ガス温度が比較的低温（例えば約１５０℃）である箇所であり、ＡＱＣ２４における高温部２４ｃよりも焼成物搬送方向下流側に位置している。バイパスライン６４の上流側端部は、ＡＱＣ２４の低温部２４ｄに接続されており、バイパスライン６４の下流側端部は、排ガスライン６３におけるＡＱＣボイラ４０と集塵機４６との間に接続されている。バイパスライン６４の上流側端部がＡＱＣ２４の低温部２４ｄに位置することで、比較的低温な排ガスが、バイパスライン６４を通じてＡＱＣ２４から排出される。

【0034】

排ガスライン６３におけるＡＱＣボイラ４０より上流側には、入口ダンパ６３ａが設けられている。バイパスライン６４には、バイパスダンパ６４ａが設けられている。排ガスライン６３の上流側端部とＡＱＣボイラ４０（ボイラ本体４１の入口）との間には、排ガスの温度を計測する温度計８４が設けられている。排ガスライン６３におけるＡＱＣボイラ４０（ボイラ本体４１の出口）とバイパスライン６４の下流側端部との間には、排ガスの温度を計測する温度計８８が設けられている。

【0035】

ＡＱＣボイラ４０から流出した排ガスおよびバイパスライン６４を流れる排ガスは、排風機４７により集塵機４６へ送られ、その後放出設備１６としての煙突へ送られて、大気に放出される。

【0036】

（蒸気タービン発電機）
蒸気タービン発電機５０は、蒸気タービン５１と発電機５２とを備える。蒸気タービン５１は、供給される蒸気によって駆動される。蒸気タービン５１は、多段式蒸気タービンであり、例えば、蒸気タービン５１の高圧段には高圧蒸気が供給され、蒸気タービン５１の低圧段には低圧蒸気が供給される。発電機５２は、蒸気タービン５１の回転軸の運動エネルギを電気エネルギに変換する。蒸気タービン発電機５０で生成した電力は、排熱回収システム１における補機（例えば排風機１５，３５，４７）の稼働に利用される。

【0037】

蒸気タービン５１で使用された蒸気は、冷却塔５３から送られる冷却水によって復水器５４で凝縮される。復水器５４で生成された復水は、ポンプ５５によりＡＱＣボイラ４０に送られる。ＡＱＣボイラ４０に供給された水は、予熱器４４で排ガスから熱を与えられて加熱される。予熱器４４で加熱された水は、ＡＱＣボイラ４０の蒸気ドラム４５、ＰＨボイラ３０の蒸気ドラム３４および高圧段フラッシャ５６に分配される。

【0038】

ＡＱＣボイラ４０の蒸気ドラム４５に供給された水は、蒸発器４３で加熱された後に蒸気ドラム４５に戻って気液分離する。蒸気ドラム４５の蒸気は、過熱器４２で飽和温度以上に加熱された後、蒸気タービン５１に導かれる。

【0039】

ＰＨボイラ３０の蒸気ドラム３４に供給された水は、蒸発器３３で加熱された後に蒸気ドラム３４に戻って気液分離する。蒸気ドラム３４の蒸気は、過熱器３２で飽和温度以上に加熱された後、蒸気タービン５１に導かれる。

【0040】

予熱器４４で加熱された水のうち、蒸気ドラム３４，４５に供給されなかった残りの水が高圧段フラッシャ５６に送られる。高圧段フラッシャ５６は、予熱器４４から送られる水を気液分離する。高圧段フラッシャ５６で生成された蒸気は、蒸気タービン５１（より詳しくは蒸気タービン５１の中圧段）に供給され、残った熱水は、低圧段フラッシャ５７に送られる。低圧段フラッシャ５７は、高圧段フラッシャ５６から送られる水を気液分離する。低圧段フラッシャ５７で生成された蒸気は、蒸気タービン５１（より詳しくは蒸気タービン５１の低圧段）に供給され、残った水は、復水器５４からの復水とともに予熱器４４に送られる。

【0041】

また、発電設備３は、ＰＨボイラ３０から蒸気タービン５１へ送る蒸気の流量を計測する蒸気流量計８５と、ＡＱＣボイラ４０から蒸気タービン５１へ送る蒸気の流量を計測する蒸気流量計８６を備える。

【0042】

（制御装置）
本実施形態に係る排熱回収システム１は制御装置７を備える。図２は、排熱回収システム１における制御系のブロック図である。図２に示すように、温度計８１，８２，８３，８４，８８で計測した温度、蒸気流量計８５，８６で計測した蒸気流量、および蒸気タービン発電機５０での発電出力値が、制御装置７へ送られる。排風機１５，３５，４７には、それぞれ、排風機１５，３５，４７の消費電力値を計測する消費電力計測器１５ａ，３５ａ，４７ａが設けられている。消費電力計測器１５ａ，３５ａ，４７ａで計測した消費電力値が、制御装置７へ送られる。

【0043】

また、制御装置７は、制御器７１および機械学習器７２を備える。制御器７１および機械学習器７２は、それぞれ、ＣＰＵ等の演算処理部と、不揮発性および揮発性の記憶部とを備える。制御器７１および機械学習器７２とは、情報の送受信が可能となるように電気的に接続される。なお、機械学習器７２は、制御器７１と分離して制御器７１の外部に設けられてもよく、この場合、機械学習器７２は、制御器７１とネットワーク等を介して接続されてもよい。

【0044】

制御器７１は、ダンパ６１ａ，６２ａ，６３ａ，６４ａおよび排風機１５，３５，４７を制御する。なお、制御器７１は、ダンパ６１ａ，６２ａ，６３ａ，６４ａを制御する制御ユニットと、排風機１５，３５，４７を制御する制御ユニットとを含んでもよい。機械学習器７２は、排熱回収システム１においてできるだけ大きなエネルギを生成するための機械学習を行なう。機械学習器７２は、ダンパ６１ａ，６２ａ，６３ａ，６４ａの開度の少なくとも１つを含む運転値を決定することを機械学習する。すなわち、制御対象であるダンパ６１ａ，６２ａ，６３ａ，６４ａおよび排風機１５，３５，４７のうちの一部が、機械学習器７２により出力される運転値に基づき制御され、残りは、記憶部に予め記憶されたプログラムおよび／またはデータに基づき制御される。

【0045】

以下に説明する例では、制御対象のうちバイパスダンパ６２ａ，６４ａが、機械学習器７２により出力される運転値に基づき制御されるものとして説明する。この場合、例えば、入口ダンパ６１ａ，６３ａは、セメント製造設備２が稼働する間、予め定めた設定開度（例えば開度１００％）となるよう制御器７１により制御される。また、排風機１５，３５，４７は、セメント製造設備２が稼働する間、予め定めた設定回転数（排風量）で稼働するよう制御器７１により制御される。

【0046】

排熱回収システム１の状態に対して、単純な演算式等を用いて、バイパスダンパ６２ａ，６４ａの開度をどのように調節すれば最適なシステムを実現できるのかを明示的に示すことは困難である。そこで、人工知能としての機械学習器７２は、報酬を与えるだけで目標到達のための行動を自動的に学習する強化学習のアルゴリズムを採用する。以下、機械学習器７２が行う機械学習について説明する。

【0047】

－機械学習方法－
図３は、強化学習アルゴリズムの基本的な概念を説明する図である。図３に示すように、強化学習では、学習する主体となるエージェント（制御装置７）と、制御対象となる環境（セメント製造設備２および発電設備３）とのやり取りにより、エージェントの学習が進行する。より具体的には、エージェントの学習に際し、次の（１）～（４）が繰り返される。
（１）エージェントが時刻ｔにおける環境の状態ｓ_tを観測すること。
（２）エージェントが観測結果と過去の学習に基づいて自分が取れる行動ａ_tを選択して、行動ａ_tを実行すること。
（３）行動ａ_tが実行されることで、環境の状態ｓ_tが次の状態ｓ_t+1へと変化し、この状態の変化に基づいて、エージェントが報酬ｒ_t+1を受け取ること。
（４）エージェントが状態ｓ_t、行動ａ_t、報酬ｒ_t+1および過去の学習の結果に基づいて学習を進めること。

【0048】

上記の（４）における学習では、エージェントは将来取得できる報酬ｒの量を判断するための基準となる情報として、状態ｓ_t，行動ａ_t，報酬ｒ_t+1のマッピングを獲得する。例えば、各時刻において取り得る状態の個数がｍ、取り得る行動の個数がｎとすると、行動を繰り返すことによって状態ｓ_tと行動ａ_tの組に対する報酬ｒ_t+1を記憶するｍ×ｎの２次元配列が得られる。そして、上記得られたマッピングに基づいて現在の状態や行動がどのくらい良いのかを示す関数である価値関数（評価関数）を用い、行動を繰り返す中で価値関数を更新していくことにより状態に対する最適な行動を学習していく。

【0049】

価値関数の一つとして知られる状態行動価値関数Ｑ（ｓ_t，ａ_t）は、ある状態ｓ_tにおいて行動ａ_tがどのくらい良い行動であるのかを示す。状態行動価値関数Ｑ（ｓ_t，ａ_t）は、状態と行動を引数とする関数として表現される。状態行動価値関数Ｑ（ｓ_t，ａ_t）は、行動を繰り返す中での学習において、ある状態における行動に対して得られた報酬や、行動により移行する未来の状態における行動の価値などに基づいて更新される。状態行動価値関数Ｑ（ｓ_t，ａ_t）の更新式は強化学習のアルゴリズムに応じて定義されており、例えば、代表的な強化学習アルゴリズムの１つであるＱ学習においては、状態行動価値関数Ｑ（ｓ_t，ａ_t）の更新式は、以下の数１で定義される。

【0050】

【数1】

【0051】

そして、上記の（２）における行動ａ_tの選択においては、過去の学習によって作成された価値関数を用いて現在の状態ｓ_tにおいて将来にわたっての報酬（ｒ_t+1＋ｒ_t+2＋…）が最適となる行動ａ_t（状態ｓ_tにおいて最も価値の高い行動ａ_t）を選択する。Ｑ学習においては、報酬（ｒ_t+1＋ｒ_t+2＋…）が最適となる行動ａ_tは、報酬（ｒ_t+1＋ｒ_t+2＋…）が最大となる行動ａ_tに相当し得る。

【0052】

強化学習のアルゴリズムとしては、Ｑ学習、ＳＡＲＳＡ法、ＴＤ学習、ＡＣ法など様々な手法が周知であるが、本発明に適用する方法としていずれの強化学習アルゴリズムが採用されてもよい。これらの強化学習アルゴリズムは周知であるから、本明細書における各アルゴリズムの更なる詳細な説明は省略する。

【0053】

また、価値関数の更新方法として、現在の状態ｓ_tに対して或る行動ａ_tを適用することにより状態ｓ_tが新たな状態ｓ_t+1に移行するたびに、価値関数の更新を行う学習方法（いわゆるオンライン学習）を採用しなくてもよい。例えば、現在の状態ｓ_tに対して或る行動ａ_tを適用することにより状態ｓ_tが新たな状態ｓ_t+1に移行するということを繰り返して、それら状態および行動を学習用データとして蓄積し、蓄積した学習用データを用いて価値関数を更新する、いわゆるバッチ学習やミニバッチ学習を採用してもよい。

【0054】

図４は、機械学習器７２の機能ブロック図である。図４に示す機械学習器７２は、状態観測部９１、状態値記憶部９２、報酬計算部９３、学習部９４、学習結果記憶部９５、および運転値出力部９６を備える。

【0055】

状態観測部９１は、セメント製造設備２および発電設備３の状態に関する様々な種類の値を、状態値として取得する。状態値記憶部９２は、状態観測部９１が取得した状態値を記憶し、記憶した状態値を、報酬計算部９３および学習部９４に出力する。

【0056】

状態値には、例えば、温度計８１の計測値（ＡＱＣ２４内上流側の排ガスの温度）、温度計８２の計測値（ＰＨボイラ３０へ流入する排ガスの温度）、温度計８３の計測値（ＰＨボイラ３０から流出した排ガスの温度）、温度計８４の計測値（ＡＱＣボイラ４０へ流入する排ガスの温度）、温度計８８の計測値（ＡＱＣボイラ４０から流出した排ガスの温度）、温度計８７の計測値（原料ミル１１の出口の排ガス温度）、蒸気流量計８５の計測値（ＰＨボイラ３０の蒸気流量）、蒸気流量計８６の計測値（ＡＱＣボイラ４０の蒸気流量）、蒸気タービン発電機５０の発電出力値、消費電力計測器１５ａ，３５ａ，４７ａの消費電力値などが含まれ得る。状態値には、排風機１５，３５，４７の入口または出口の排ガスの温度が含まれてもよい。状態値には、最新の運転で取得した値の他、過去の運転で取得した値が含まれてもよい。例えば状態値には、予め制御装置７に記憶された値が含まれてもよい。例えば状態値には、水分測定装置１７で計測したセメント原料の水分量が含まれてもよいし、入口ダンパ６１ａ，６３ａの設定開度が含まれてもよいし、排風機１５，３５，４７の各設定回転数（排風量）が含まれてもよい。状態値には、排風機１５，３５，４７の入口の排ガス温度が含まれてもよい。

【0057】

なお、図４に状態値の例が示されているが、状態値はこれに限定されない。すなわち、状態値記憶部９２に記憶される状態値に、図４に示した値の全てが含まれなくてもよいし、図４に示した値とは別の値を含んでもよい。

【0058】

報酬計算部９３は、予め設定された報酬条件に基づいて、状態値記憶部９２から取得した状態値を分析して報酬を計算する。報酬計算部９３は、計算した報酬を学習部９４に出力する。

【0059】

報酬条件は、強化学習における報酬を与える条件である。報酬条件は、操作者などによって予め機械学習器７２に設定される。例えば、報酬条件は、排熱回収システム１において生成されるエネルギが大きいと判定される場合には、生成されるエネルギが小さいと判定される場合に比べて大きい報酬を与えるように設定される。報酬には、例えば、プラスの報酬やマイナスの報酬、報酬なし（報酬ゼロ）などがある。

【0060】

本実施形態では、報酬条件に、排熱回収システム１において生成されるエネルギを評価する指標に応じた報酬を与えるように設定されている。具体的には、評価指標として、蒸気タービン発電機５０の発電出力値から、排熱回収システム１における補機の消費電力値を引いた値を用いる。つまり、排熱回収システム１において生成されるエネルギ値として、蒸気タービン発電機５０の発電出力値自体ではなく、発電出力値から補機の消費電力を引いた正味のエネルギ値が評価指標として設定されている。

【0061】

報酬計算部９３は、評価指標としてのエネルギ値が所定の閾値を上回る場合にはプラスの報酬を計算し、エネルギ値が所定の閾値を下回る場合にはマイナスまたはゼロの報酬を計算する。例えば、報酬計算部９３は、エネルギ値が所定の第１閾値より低く且つ別の第２閾値より高い場合にゼロの報酬を計算し、エネルギ値が第２閾値より低い場合にマイナスの報酬を計算してもよい。閾値は、シミュレーションや過去の運転結果などにより決定され、制御装置７の記憶部に予め記憶されている。

【0062】

ここで、評価指標の計算、すなわち報酬の計算には、蒸気タービン発電機５０により生成した電力を使用して稼働する全ての補機の消費電力が用いられなくてもよい。例えば、蒸気タービン発電機５０により生成した電力を使用して稼働する全ての補機の中で、消費電力が比較的大きい装置のみ報酬の計算に用いられてもよい。本例では、報酬の計算には、他の補機に比べて消費電力の大きい排風機１５，３５，４７の消費電力が用いられる。

【0063】

学習部９４は、状態値記憶部９２から取得した状態値および報酬計算部９３から取得した報酬に基づいて、運転値の決定を機械学習（強化学習）する。より詳しくは、学習部９４は、状態観測部９１が取得した状態値から特定された状態（状態値の組み合わせにより定義される状態ｓ_t）と、当該状態における運転値の決定とを引数で表現した価値関数（状態行動価値関数Ｑ（ｓ_t，ａ_t））を用いて、得られる報酬が最大となるように価値関数を更新する。

【0064】

学習結果記憶部９５は、学習部９４が学習した結果を記憶する。なお、学習結果としての価値関数を記憶する方法としては、近似関数を用いる方法や、配列を用いる方法を一般的に用いられる。但し、これらの方法以外にも、例えば状態が多くの状態を取るような場合には状態ｓ_t、行動ａ_tを入力として価値を出力する多値出力のＳＶＭやニューラルネットワーク等の教師あり学習器を用いる方法などが用いられてもよい。

【0065】

運転値出力部９６は、学習部９４が学習した結果と現在の状態値とに基づき、運転値を決定し、決定された運転値を制御器７１に出力する。

【0066】

なお、本例では、運転値はバイパスダンパ６２ａ，６４ａの開度であるが、運転値はこれに限定されない。上述したように、運転値は、ダンパ６１ａ，６２ａ，６３ａ，６４ａの開度の少なくとも１つを含んでいればよい。例えば、図４に運転値の例を示したように、運転値には、バイパスダンパ６２ａ，６４ａの開度に加えてまたは代わりに、入口ダンパ６１ａ，６３ａの各開度および排風機１５，３５，４７の各回転数の一部または全部が含まれ得る。

【0067】

次に、機械学習器７２が行う機械学習（強化学習）の流れを、図５を参照して説明する。

【0068】

機械学習が開始されると、状態観測部９１は環境（状態ｓ_t）を特定するための情報を状態値として取得する（ステップＳ０１）。状態値記憶部９２は、取得した状態値を記憶する（ステップＳ０２）。学習部９４は、状態観測部９１が取得した状態値に基づいて、現在の状態ｓ_tを特定する（ステップＳ０３）。学習部９４は、過去の学習結果とステップＳ０３で特定した状態ｓ_tとに基づいて行動ａ_tを選択する（ステップＳ０４）。行動ａ_tとは、定義された状態ｓ_tに応じた運転値の決定である。ここで、例えば、複数の運転値を選択可能な行動として用意しておき、過去の学習結果に基づいて将来に得られる報酬ｒが最も大きくなる行動ａを選択するようにしてもよい。運転値出力部９６は、ステップＳ０４で選択された行動ａ_tに基づいて、出力すべき運転値を決定し、決定された運転値を制御器７１へ出力する。制御器７１によって行動ａ_tが実行され（ステップＳ０５）、これに応じてセメント製造設備２および発電設備３が運転する。

【0069】

行動ａ_tが実行されて状態が移行した後、状態観測部９１が環境（状態ｓ_t+1）を特定するための情報を取得し（ステップＳ０６）、状態値記憶部９２がそれを状態値として記憶する（ステップＳ０７）。この段階においては、セメント製造設備２および発電設備３の状態は、時刻ｔから時刻ｔ＋１への時間的推移と共に、実行された行動ａ_tによって変化している。報酬計算部９３は、設定された報酬条件に基づいて、時刻ｔ＋１の状態値から報酬ｒ_t+1を求める（ステップＳ０８）。学習部９４は、ステップＳ０３で特定した状態ｓ_t、ステップＳ０４で選択した行動ａ_t、および、ステップＳ０８で算出した報酬ｒ_t+1に基づいて機械学習を進める（ステップＳ０９）。学習に用いられる価値関数については、適用する学習アルゴリズムに応じて決定する。学習結果記憶部９５は、学習部９４が学習した結果を記憶し（ステップＳ１０）、処理はステップＳ０３へ戻る。

【0070】

上述の通り、機械学習器７２では、機械学習（強化学習）を繰り返す。機械学習器７２による学習は、エネルギの生成に関して最適なシステムが実現されたことが確認された段階で（例えば、所定の期間、所定のエネルギを生成することが確認された段階で）完了させてもよい。

【0071】

学習が完了した学習データを用いて実際に排熱回収システム１の運転値を決定する際には、機械学習器７２は新たな学習を行なわないようにして、学習完了時の学習データをそのまま使用して繰り返し運転をするようにしてもよい。この場合、運転値出力部９６は、学習部９４が学習した結果（即ち、学習結果記憶部９５に記憶されている学習結果）と現在の状態値とに基づいて運転値を決定し、それを制御器７１へ出力する。

【0072】

以上に説明した通り、本実施形態に係る排熱回収システム１は、機械学習器７２（機械学習装置）を備えており、機械学習器７２は、運転値を制御器７１に出力する運転値出力部９６と、ＡＱＣボイラ４０へ流入する排ガスの温度と、ＡＱＣボイラ４０から流出する排ガスの温度と、ＰＨボイラ３０へ流入する排ガスの温度と、ＰＨボイラ３０から流出する排ガスの温度と、蒸気タービン発電機５０の発電出力値と、を含む状態値を取得する状態観測部９１と、運転値に基づきバイパスダンパ６２ａ，６４ａを動作させた後に取得された状態値に含まれる発電出力値に関連する所定のエネルギ値に基づいて、報酬を計算する報酬計算部９３と、運転値、状態値および報酬とに基づいて、現在の状態値から制御器７１に出力する運転値を決定することを機械学習する学習部９４と、を備える。

【0073】

本実施形態によれば、できるだけ大きなエネルギを生成するような運転値を決定することを機械学習することができる。従って、機械学習器７２の学習結果を用いて、現在の排熱回収システム１の状態から決定した運転値に基づき、バイパスライン６２，６４に夫々設けられたバイパスダンパ６２ａ，６４ａを動作させることにより、排ガスからできるだけ大きなエネルギを生成するシステムを実現できる。

【0074】

学習部９４は、状態観測部９１が取得した状態値から特定された状態と、当該状態における運転値の決定とを引数で表現した価値関数（状態行動価値関数Ｑ（ｓ_t，ａ_t））を用いて、報酬が最大となるように価値関数を更新するように構成されてよい。

【0075】

また、本実施形態では、機械学習器７２が、ＡＱＣボイラ４０およびＰＨボイラ３０の双方について、流入する排ガス量を調節する運転値の決定を学習する。このため、システム全体の最適化を図ることができる。

【0076】

また、機械学習器７２の報酬計算部９３は、報酬を計算するための評価指標として、蒸気タービン発電機５０の発電出力値から、排熱回収システム１における補機の消費電力値を引いた値を用いる。このため、正味の発電効率を向上することができる。

【0077】

以上に本発明の好適な実施の形態を説明したが、本発明の精神を逸脱しない範囲で、上記実施形態の具体的な構造および／又は機能の詳細を変更したものも本発明に含まれ得る。上記の排熱回収システム１の構成は、例えば、以下のように変更することができる。

【0078】

上記実施形態では、機械学習器７２が、ＡＱＣボイラ４０およびＰＨボイラ３０の双方について、流入する排ガス量を調節する運転値の決定を学習したが、本発明はこれに限定されない。

【0079】

例えば、上記実施形態では、機械学習器７２が、ＰＨ用バイパスダンパ６２ａの開度とＡＱＣ用バイパスダンパ６４ａの開度を含む運転値の決定を学習したが、機械学習器７２は、ＰＨ用入口ダンパ６１ａの開度および／またはＰＨ用バイパスダンパ６２ａの開度を含む運転値の決定を機械学習してもよい。つまり、ＡＱＣボイラ４０およびＰＨボイラ３０全体ではなく、ＰＨボイラ３０単体の熱回収率の向上を図る運転値の決定を機械学習してもよい。この場合、状態値には、ＰＨボイラ３０へ流入する排ガスの温度と、ＰＨボイラ３０から蒸気タービン発電機５０へ送る蒸気の流量と、蒸気タービン発電機５０の発電出力値とが含まれ得る。また、この場合、状態値には、ＰＨボイラ３０から流出する排ガスの温度が含まれ得る。

【0080】

また、例えば、機械学習器７２は、ＡＱＣ用入口ダンパ６３ａの開度および／またはＡＱＣ用バイパスダンパ６４ａの開度を含む運転値の決定を機械学習してもよい。つまり、ＡＱＣボイラ４０およびＰＨボイラ３０全体ではなく、ＡＱＣボイラ４０単体の熱回収率の向上を図る運転値の決定を機械学習してもよい。この場合、状態値には、ＡＱＣボイラ４０へ流入する排ガスの温度と、ＡＱＣボイラ４０から蒸気タービン発電機５０へ送る蒸気の流量と、蒸気タービン発電機５０の発電出力値とが含まれ得る。また、この場合、状態値には、ＡＱＣボイラ４０から流出する排ガスの温度が含まれ得る。

【0081】

また、上記実施形態では、評価指標としてのエネルギ値は、蒸気タービン発電機５０の発電出力値から、補機の消費電力値を引いた値であったが、評価指標としてのエネルギ値はこれに限られない。例えば、評価指標としてのエネルギ値は、蒸気タービン発電機５０の発電出力値自体であってもよい。

【符号の説明】

【0082】

１ ：排熱回収システム
２ ：セメント製造設備
３ ：発電設備
７ ：制御装置
１５ ：排風機
１６ ：放出設備
２０ ：焼成設備（セメント焼成設備）
２１ ：プレヒータ（ＰＨ）
２２ ：仮焼炉
２２ａ ：仮焼炉用抽気ライン
２２ｂ ：燃料供給ライン
２３ ：ロータリキルン
２４ ：エアクエンチングクーラ（ＡＱＣ）
３０ ：ＰＨボイラ
３５ ：排風機
４０ ：ＡＱＣボイラ
４７ ：排風機
４８ ：放出設備
５０ ：蒸気タービン発電機
６１ ：排ガスライン
６１ａ ：入口ダンパ
６２ ：バイパスライン
６２ａ ：バイパスダンパ
６３ ：排ガスライン
６３ａ ：入口ダンパ
６４ ：バイパスライン
６４ａ ：バイパスダンパ
７１ ：制御器
７２ ：機械学習器（機械学習装置）
９１ ：状態観測部
９２ ：状態値記憶部
９３ ：報酬計算部
９４ ：学習部
９５ ：学習結果記憶部
９６ ：運転値出力部

【図1】

【図2】

【図3】

【図4】

【図5】