[0001] 本发明涉及一种最优化系统。

[0002] 已提供有在对生产过程的状态进行监视控制之时，通过将过程最优化来提高生产效率的系统(例如，参照以下的专利文献1～3)。在以下的专利文献3中，揭示了在对过程进行控制的多个本地控制器的上位侧配置有进行过程整体的最优化的全局优化器的最优化系统。在该最优化系统中，全局优化器从本地控制器、过程收集最优化所必要的过程的状态、限制等信息，在考虑了与其他的本地控制器的配合的基础上，进行对于过程整体的最优化，将目标值发送给各本地控制器。各本地控制器一边考虑对于自身控制器所负责的范围内的变量的限制，一边进行控制以使得这些变量接近从全局优化器接收到的目标值。

[0003] 现有技术文献

[0004] 专利文献

[0005] 专利文献1：日本特开2005－092584号公报

[0006] 专利文献2：日本特表2002－534729号公报

[0007] 专利文献3：美国专利第612255号说明书

[0038] [本发明的原理]

[0039] 在说明本发明的实施形态之前，对本发明的原理进行说明。本发明可以在包含全局优化器和本地控制器的最优化系统实现。本发明的原理为，在这样的最优化系统中，事先对达到上述的最优化机会损失状态的情况进行检测，在检测到上述的最优化机会损失状态的情况下，进行控制以抑制最优化的机会损失。

[0040] 在该最优化系统中，例示性地，通过全局优化器和本地控制器这两者计算出用于本地控制器的控制的各变量的目标值。以下，将通过全局优化器算出的目标值称为“全局目标值”，将通过本地控制器算出的目标值称为“稳定目标值”。

[0041] 在此，机会损失是在处于过渡状态的稳定目标值变为与全局优化器的最优化的意图相反的值时产生的。作为避免这样的机会损失的方法之一，想到有利用本地控制器计算出稳定目标值以避免发生机会损失的方法。但是，采用这样的方法的话，需要事先研究可能发生的机会损失的模式，为了避免发生机会损失而钻研本地控制器的逻辑、设定。对于这样的钻研，即使是熟知过程的技术人员也需要在研究上花费大量的劳力。进一步地，由于最优化系统的适用对象多为大规模且复杂的过程，所以进行这样的钻研自身就非常困难。本发明计算出被预测为由本地控制器实际算出的稳定目标值，对该稳定目标值和全局目标值进行比较以检测机会损失状态，从而对机会损失进行抑制。由此，不需要花费大量劳力的的事先研究就能够抑制机会损失。

[0042] 机会损失状态的检测是通过比较全局目标值和稳定目标值来进行的。具体来说，根据全局目标值和稳定目标值是否以相对于变量的当前值的正负方向为基准被设定为相反方向，来判定是否到了机会损失状态。

[0043] 例如，在对于本地控制器的控制量的全局目标值被设定得比当前值大，稳定目标值被设定得比当前值小的情况下，全局目标值和稳定目标值就被设定为相反方向，由此判定到了机会损失状态。

[0044] 另一方面，在对于本地控制器的控制量的全局目标值被设定得比当前值大，稳定目标值被设定得也比当前值大的情况下，则全局目标值和稳定目标值就被设定为相同方向，由此判定未到机会损失状态。

[0045] 另外，机会损失状态的检测并不限定于基于全局目标值和稳定目标值的控制方向来进行判定，只要能够采用一些基准比较全局目标值和稳定目标值来进行机会损失状态的检测即可。例如，可以基于全局目标值与稳定目标值之差的大小来进行判定。在这种情况下，全局目标值与稳定目标值之差比阈值大时，则可以判定为到了机会损失状态，全局目标值和稳定目标值之差在阈值以下时，则可以判定未到机会损失状态。

[0046] 在已检测出机会损失状态的情况下，修正稳定目标值以抑制机会损失。具体来说，修正被判定为到了机会损失状态的变量的稳定目标值以使其靠近全局目标值。参照图1以及图2具体地进行说明。图1的(A)是示出在某时刻使本地控制器的操作量MV单位量增加了的情况下，本地控制器的控制量CV在增加方向瞬间变化的图。图1的(B)是示出在上述某时刻使本地控制器的干扰变量DV单位量增加了的情况下，本地控制器的控制量CV在增加方向上渐渐变化的图。作为干扰变量DV，例如是从其他的本地控制器输出的控制量。

[0047] 在这样的最优化系统中，在设定了最优化运算用的评价函数以使得控制量CV和干扰变量DV这两者都最大化的情况下，全局优化器的最优化的结果例如如图2所示。

[0048] 图2的(A)是示出根据评价函数设定目标值以使得干扰变量DV最大化的图。图2的(B)是示出本地控制器的操作量MV的目标值被设定为与本地控制器的控制量CV增加的方向相反的减少方向的图。增加操作量MV的话，由于与干扰变量DV的增加的协同作用，控制量CV超过上限值，所以向与增加方向相反的减少方向设定操作量MV的目标值。

[0049] 图2的(C)是示出控制量CV的全局目标值GV和稳定目标值SV被设定为相反方向的图。也就是说，在本发明中，在这样的情况下，被判定为到了机会损失状态，对控制量CV的稳定目标值SV进行修正以使得其接近全局目标值GV。

[0050] 作为将被判定为到了机会损失状态的控制量CV的稳定目标值SV修正为接近全局目标值GV的手段，例举有例如，在本地控制器决定稳定目标值时所采用的最优化运算用的评价函数中增加使控制量CV接近全局目标值的评价函数、或者降低使操作量MV接近全局目标值的评价函数的权重等。另外，由于只要能够修正评价函数以变更具有相关关系的变量彼此相对的平衡即可，所以可以提高或降低具有相关关系的变量之中的某一变量的权重，也可以变更两变量的权重的平衡。又，机会损失的对象并不限定为控制量CV，也可以是操作量MV。

[0051] 接下来，参照附图对本发明的实施形态进行说明。但是，以下说明的实施形态只是例示，不排除以下未明示的各种变形或技术的适用。即，本发明可以在不脱离起主旨的范围内进行各种变形来实施。

[0052] [第一实施形态]

[0053] 参照图3，对第一实施形态中的最优化系统的构成进行说明。如图3所示，最优化系统1具备：具有最优化部21的全局优化器2、具有机会损失检测部31以及目标值修正部32的机会损失控制装置3、以及具有控制部41的本地控制器4。

[0054] 最优化部21将用于控制部41对控制对象(过程)5进行的控制的变量最优化，计算出该变量的全局目标值。本发明的最优化部21的特征在于，利用本地控制器4的连接关系，进行通过单体的本地控制器4无法实现的、涉及稳定状态的过程整体的最优化。另外，在本实施形态中，采用过程(尤其是生产制造过程)作为控制对象的例示进行说明，但控制对象并不限定于此，例如可以是发电装置、能源装置、热源设备。

[0055] 具体来说，最优化部21基于被设定的评价函数以及成为各变量的基准的值(成为最优化的原点的值)进行系统整体的最优化。作为成为各变量的基准的值，可以采用例如过程的当前值、稳定预测值(例如不进行控制的情况下的稳定状态的过程的预测值)。

[0056] 作为最优化的手法，例如，可以采用公知的线性规划法、二次规划法，但只要是确定全局目标值的手法，可以采用任何手法。

[0057] 最优化部21从所算出的全局目标值中选择成为对于本地控制器4设定目标值的对象的变量(以下，也称为“目标值设定对象变量”。)。目标值设定对象变量例如可以是所有的操作量MV，也可以是操作量MV的一部分和控制量CV的一部分的组合，也可以是所有的控制量CV。尤其是，优选为选择充分必要的目标值设定对象变量以使得所有的变量接近全局目标值。这是因为，如果超出必要地增加目标值设定对象变量的话，则可能会发生控制变得不稳定等缺点。

[0058] 机会损失检测部31对是否为最优化机会损失状态进行检测。最优化机会损失状态是指，在至稳定状态之前的过渡状态下，与按照由最优化部21算出的目标值执行控制部41的控制相比，能够将控制对象的控制状态进一步提高至最优的状态的状态。

[0059] 机会损失检测部31还具有第二最优化部311，该第二最优化部311将用于控制部41的控制的变量最优化，计算出该变量的稳定目标值。

[0060] 机会损失检测部31对最优化部21所算出的全局目标值和稳定目标值进行比较，对是否为最优化机会损失状态进行检测。

[0061] 作为例示，以相对于当前值的正负方向为基准，在基于全局目标值的控制方向和基于稳定目标值的控制方向为相反方向的情况下，机会损失检测部31判定为最优化机会损失状态。

[0062] 另外，机会损失检测部31可以在全局目标值与稳定目标值之差比阈值大的情况下，判断为最优化机会损失状态。

[0063] 以下，对机会损失检测部31的功能进行具体说明。

[0064] 只要是使目标值设定对象变量尽可能地接近全局目标值那样的最优化，在机会损失检测部31计算出稳定目标值的方法可以是任何方法，例如，可以采用将以下的式(1)所示那样的全局目标值与稳定目标值之差的平方作为评价函数来进行最小化的二次规划法。

[0065] 【数式1】

[0066] …式(1)

[0067] 在式(1)中，y是控制量CV的稳定目标值，yi是第i个控制量CV的稳定目标值、Gyi是第i个控制量CV的全局目标值，u是操作量MV的稳定目标值，uj是第j个操作量MVG (y)
的稳定目标值，uj是第j个操作量MV的全局目标值，q i是对于第i个控制量CV的评价(u)
函数的权重，q j是对于第j个操作量MV的评价函数的权重，Ty、Tu分别是控制量CV、操作量MV的目标值设定对象变量的索引集合。权重可以基于全局优化器2中的评价函数的平衡由全局优化器2来决定，也可以预先设定。

[0068] 此时，在y和u之间被赋予由以下的式(2)所表示的限制条件。

[0069] y－y0＝G(u－u0)…式(2)

[0070] 在式(2)中，G是M行N列的矩阵(M是控制量CV的数、N是操作量MV的数)，是表示控制量CV的变化相对于操作量MV的变化量的比例的矩阵。y0、u0是最优化的原点，虽然可以赋予任意的动作点，但也可以利用过程的当前值、考虑了过程的干扰等影响的稳定预测值(例如不进行控制的情况下的稳定状态的过程的预测值)等。又，式(2)在线性系统是成立的，但在包含非线性的系统中，通过在围绕原点进行线性近似等可以使得式(2)成立。

[0071] 又，对于所有或者一部分的控制量CV以及操作量MV，有时赋予以下的式(3)、(4)所示那样的上限值、下限值。

[0072] 【数式2】LO HI

[0073] y i≤yi≤y i…式(3)LO HI

[0074] u j≤uj≤u j…式(4)HI LO HI LO

[0075] 在式(3)、(4)中，y i、y i是yi的上限值、下限值，u j、u j是uj的上限值、下限值。在最优化运算中，将评价函数最小化以使得y、u不超过这些上限值、下限值。在没找到不超过这些上限值、下限值的解的情况下，可以放宽上限值、下限值的一部分来求解。

[0076] 该最优化运算可以以本地控制器4为单位个别地进行，也可以以系统整体一次性地集中进行。在以系统整体进行的情况下，与最优化部21的最优化不同，进行不考虑本地控制器4之间的连接关系的最优化运算。该最优化运算的结果为，求出目标值设定对象变量的包含稳定目标值的所有变量的稳定状态下的值。在例如以某变量的过程值或者稳定预测值为基准，该值出现于全局目标值的反方向的情况下，则判定为该变量到了机会损失状态。T T T T T T

[0077] 具体来说，在将稳定状态下的各变量的值设为y＝y 1、y2、···、yM、u＝u 1、T Tu2、···、uN时，通过式(5)成立的控制量CV和式(6)成立的操作量MV来判定到了机会损失状态。

[0078] (yTi－y(0)i)×(yGi－y(0)i)＜0…式(5)

[0079] (uTj－u(0)j)×(uGj－u(0)j)＜0…式(6)

[0080] 在式(5)、(6)中，y(0)i、u(0)j是第i个控制量CV、第j个操作量MV的最优化的原点的值。

[0081] 另外，在基于全局目标值与稳定目标值之差，对是否到了机会损失状态进行判定的情况下，例如，可以设定阈值S，通过式(7)、(8)成立的控制量CV和操作量MV来判定到了机会损失状态。

[0082] (yTi－yGi)2＞S…式(7)

[0083] (uTj－uGj)2＞S…式(8)

[0084] 关于阈值S，可以对每一个变量、每一个本地控制器4、或者系统整体设定一个值。阈值S未必为常数，也可以根据例如评价函数的权重、自稳定目标值的原点的距离等使阈值S变化。又，也可以通过“或”、“与”或者多数决定等形式组合上述的多个判定方法。

[0085] 图3所示的目标值修正部32在机会损失检测部31检测到为最优化机会损失状态的情况下，对目标值进行修正以使得控制状态更接近最优的状态。

[0086] 目标值修正部32在修正了问题的基础上再次执行用于算出本地控制器4所执行的稳定目标值的最优化运算，由此重新确定稳定目标值。以下进行具体说明。

[0087] 最初，对被检测出为机会损失状态的变量以及与该变量有关系的变量的评价函数进行修正。例如，在对应于某控制量CV的yk被检测出为机会损失状态的情况下，将有关yk的评价函数设为式(9)。

[0088] V(y)k(yk)＝q(y)k(yk－yGk)2…式(9)

[0089] 式(9)的意思是，在yk为目标值设定对象变量的情况下不变更评价函数，在yk不是目标值设定对象变量的情况下重新设为目标值设定对象变量。

[0090] 接着，提取出与yk有关系的操作量MV。具体来说，提取出已知yk的值通过操作而变化的操作量MV。例如通过提取对应于在与增益矩阵G的yk对应的行中有0以外的值的列的操作量MV，可以提取出这样的操作量MV。作为那样的操作量MV，在提取了例如uk的情况下，将其评价函数设为式(10)。

[0091] V(u)k(uk)＝a×q(u)k(uk－uGk)2…式(10)

[0092] 在式(10)中，q(u)k是最优化运算中的评价函数的权重，a是用于消弱评价函数的系数(0以上且小于1)，其通过设定而被赋予。关于a的赋予方法，可以是例如对系统整体赋予一个a、对于每一个本地控制器赋予一个a、对于每一个变量赋予一个a等方法中的任一种。

[0093] 目标值修正部32的最优化运算是执行将不需要修正的评价函数(未检测到机会损失、且与被检测到机会损失的变量没有关系的变量的评价函数)与修正对象的评价函数的和设为新的评价函数的最优化运算。

[0094] 在目标值修正部32的最优化运算中，被赋予与机会损失检测部31的最优化运算相同的限制条件、上限值以及下限值。又，目标值修正部32的最优化运算可以以本地控制器4为单位进行，也可以系统整体一次性集中进行。

[0095] 关于已被机会损失检测部31判定到了机会损失状态的变量，通过目标值修正部32的最优化运算算出的稳定目标值向至少比已被机会损失检测部31算出的稳定目标值接近全局目标值的方向被算出，更优选为向以最优化的原点为基准接近全局目标值的方向被算出。

[0096] 图3所示的控制部41基于已由目标值修正部32修正的稳定目标值对控制对象(过程)5进行控制。

[0097] 如上所述，根据第一实施形态中的最优化系统1，通过具有最优化部21，能够将用于控制对象(过程)的控制的变量最优化，并计算出变量的目标值，通过具有机会损失检测部31，能够对是否为最优化机会损失状态进行检测，通过具有目标值修正部32，可以在被检测为最优化机会损失状态的情况下，对目标值进行修正以使得控制状态更接近最优的状态，通过具有控制部41，能够基于被修正了的目标值对控制对象(过程)进行控制。

[0098] 因此，根据第一实施形态中的最优化系统1，不进行复杂的设定就能够提高尤其是处于达到稳定状态之前的过渡状态时的最优性。

[0099] 又，在第一实施形态的最优化系统1中，能够通过利用已设的全局优化器2以及本地控制器4，并新设置机会损失控制装置3来构筑系统，因此能够极力抑制对于已设的全局优化器2以及本地控制器4的变更。

[0100] [第二实施形态]

[0101] 参照图4，对第二实施形态的最优化系统进行说明。在上述的第一实施形态中，对采用全局优化器2、机会损失控制装置3、本地控制器4来构成最优化系统1的情况进行了说明，但在第二实施形态中，对采用全局优化器2和本地控制器4来构成最优化系统1的情况进行说明。

[0102] 第二实施形态的最优化系统1与第一实施形态中的最优化系统1的不同点在于，本地控制器4具有在第一实施形态中机会损失控制装置3所具有的机会损失检测部31以及目标值修正部32。

[0103] 第二实施形态的机会损失检测部31以及目标值修正部32被适用于自身本地控制器4的最优化运算这一点与被适用于机会损失控制装置3的最优化运算的第一实施形态的功能是不同的，但其他功能与第一实施形态的功能相同，所以省略其说明。

[0104] 根据第二实施形态的最优化系统1，发挥了与第一实施形态的最优化系统1相同的效果，且与第一实施形态的最优化系统1相比较，具有能够省略不需要的最优化运算，能够基于用于控制的最新的过程状态对机会损失进行检测这样的效果。

[0105] [第三实施形态]

[0106] 参照图5，对第三实施形态的最优化系统进行说明。在上述的第二实施形态中，对本地控制器4具有在第一实施形态中机会损失控制装置3所具有的机会损失检测部31以及目标值修正部32的情况进行了说明，但在第三实施形态中，对全局优化器2具有在第一实施形态中机会损失控制装置3所具有的机会损失检测部31以及目标值修正部32的情况进行说明。

[0107] 第三实施形态的机会损失检测部31以及目标值修正部32在通过机会损失检测部31以及目标值修正部32来修正最优化部21所算出的全局目标值并输出给本地控制器4这一点上与第一实施形态的机会损失检测部31以及目标值修正部32的功能是不同的，但其他的功能与第一实施形态的功能相同，所以省略其说明。

[0108] 根据第三实施形态的最优化系统1，发挥了与第一实施形态的最优化系统1相同的效果，且具有能够照原样利用已设的本地控制器4这样的效果。

[0109] 符号说明

[0110] 1…最优化系统

[0111] 2…全局优化器

[0112] 3…机会损失控制装置

[0113] 4…本地控制器

[0114] 5…控制对象

[0115] 21…最优化部

[0116] 31…机会损失检测部

[0117] 32…目标值修正部

[0118] 41…控制部

[0119] 311…第二最优化部。