CN101052926B - 空气污染控制工艺的模型预测控制 - Google Patents
空气污染控制工艺的模型预测控制 Download PDFInfo
- Publication number
- CN101052926B CN101052926B CN2005800370629A CN200580037062A CN101052926B CN 101052926 B CN101052926 B CN 101052926B CN 2005800370629 A CN2005800370629 A CN 2005800370629A CN 200580037062 A CN200580037062 A CN 200580037062A CN 101052926 B CN101052926 B CN 101052926B
- Authority
- CN
- China
- Prior art keywords
- model
- control
- value
- flue gas
- controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 150
- 230000008569 process Effects 0.000 title claims abstract description 118
- 238000003915 air pollution Methods 0.000 title claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 22
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 10
- 231100000719 pollutant Toxicity 0.000 claims abstract description 10
- 239000002002 slurry Substances 0.000 claims description 257
- 238000005516 engineering process Methods 0.000 claims description 193
- 239000010440 gypsum Substances 0.000 claims description 188
- 229910052602 gypsum Inorganic materials 0.000 claims description 188
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 186
- 239000003546 flue gas Substances 0.000 claims description 144
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 122
- 239000006028 limestone Substances 0.000 claims description 101
- 235000019738 Limestone Nutrition 0.000 claims description 100
- 229910021529 ammonia Inorganic materials 0.000 claims description 93
- 238000007599 discharging Methods 0.000 claims description 75
- 238000007254 oxidation reaction Methods 0.000 claims description 69
- 230000003647 oxidation Effects 0.000 claims description 65
- 239000000126 substance Substances 0.000 claims description 52
- 238000003860 storage Methods 0.000 claims description 22
- 238000006477 desulfuration reaction Methods 0.000 claims description 19
- 230000023556 desulfurization Effects 0.000 claims description 19
- 230000002829 reductive effect Effects 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 210000001357 hemopoietic progenitor cell Anatomy 0.000 claims description 10
- 238000001167 microscope projection photolithography Methods 0.000 claims description 10
- 238000002425 crystallisation Methods 0.000 claims description 9
- 239000003085 diluting agent Substances 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 3
- 239000000809 air pollutant Substances 0.000 claims description 2
- 231100001243 air pollutant Toxicity 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 43
- 238000010521 absorption reaction Methods 0.000 description 105
- 238000005096 rolling process Methods 0.000 description 91
- 230000006870 function Effects 0.000 description 88
- 239000003570 air Substances 0.000 description 68
- 239000007788 liquid Substances 0.000 description 63
- 238000005259 measurement Methods 0.000 description 62
- 230000033228 biological regulation Effects 0.000 description 48
- 239000007921 spray Substances 0.000 description 39
- 238000012545 processing Methods 0.000 description 38
- 238000005360 mashing Methods 0.000 description 35
- 230000008676 import Effects 0.000 description 31
- 238000005457 optimization Methods 0.000 description 28
- 230000007774 longterm Effects 0.000 description 23
- OSGAYBCDTDRGGQ-UHFFFAOYSA-L calcium sulfate Chemical compound [Ca+2].[O-]S([O-])(=O)=O OSGAYBCDTDRGGQ-UHFFFAOYSA-L 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 21
- 230000001276 controlling effect Effects 0.000 description 21
- 239000007789 gas Substances 0.000 description 20
- 230000005611 electricity Effects 0.000 description 19
- 239000006096 absorbing agent Substances 0.000 description 18
- 238000013459 approach Methods 0.000 description 18
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 18
- 238000006243 chemical reaction Methods 0.000 description 18
- 239000001301 oxygen Substances 0.000 description 18
- 229910052760 oxygen Inorganic materials 0.000 description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 15
- 230000006835 compression Effects 0.000 description 15
- 238000007906 compression Methods 0.000 description 15
- 239000000243 solution Substances 0.000 description 14
- 241001596784 Pegasus Species 0.000 description 12
- GBAOBIBJACZTNA-UHFFFAOYSA-L calcium sulfite Chemical compound [Ca+2].[O-]S([O-])=O GBAOBIBJACZTNA-UHFFFAOYSA-L 0.000 description 12
- 238000004891 communication Methods 0.000 description 12
- 235000010261 calcium sulphite Nutrition 0.000 description 11
- 239000013505 freshwater Substances 0.000 description 11
- 239000002671 adjuvant Substances 0.000 description 10
- 235000011132 calcium sulphate Nutrition 0.000 description 10
- 239000001175 calcium sulphate Substances 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 9
- 238000011144 upstream manufacturing Methods 0.000 description 9
- 238000005406 washing Methods 0.000 description 9
- 230000002860 competitive effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 150000003839 salts Chemical class 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 239000003245 coal Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 239000003595 mist Substances 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000013486 operation strategy Methods 0.000 description 7
- 150000007524 organic acids Chemical class 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000006722 reduction reaction Methods 0.000 description 7
- 230000001105 regulatory effect Effects 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 239000003054 catalyst Substances 0.000 description 6
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000008025 crystallization Effects 0.000 description 6
- 239000000428 dust Substances 0.000 description 6
- 239000006101 laboratory sample Substances 0.000 description 6
- 239000010410 layer Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 238000002156 mixing Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 239000000376 reactant Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- ODINCKMPIJJUCX-UHFFFAOYSA-N Calcium oxide Chemical compound [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 4
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 4
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 4
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 4
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 4
- 239000004744 fabric Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000011777 magnesium Substances 0.000 description 4
- 229910052749 magnesium Inorganic materials 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 241000701044 Human gammaherpesvirus 4 Species 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000011545 laboratory measurement Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008450 motivation Effects 0.000 description 3
- 238000013086 organic photovoltaic Methods 0.000 description 3
- 239000013618 particulate matter Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 208000018591 proliferative vasculopathy and hydranencephaly-hydrocephaly syndrome Diseases 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 2
- 239000005864 Sulphur Substances 0.000 description 2
- 235000011941 Tilia x europaea Nutrition 0.000 description 2
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 239000000292 calcium oxide Substances 0.000 description 2
- 235000012255 calcium oxide Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001311 chemical methods and process Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005367 electrostatic precipitation Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000004571 lime Substances 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000003071 parasitic effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000012367 process mapping Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 150000003388 sodium compounds Chemical class 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- WWILHZQYNPQALT-UHFFFAOYSA-N 2-methyl-2-morpholin-4-ylpropanal Chemical compound O=CC(C)(C)N1CCOCC1 WWILHZQYNPQALT-UHFFFAOYSA-N 0.000 description 1
- 241000590419 Polygonia interrogationis Species 0.000 description 1
- LSNNMFCWUKXFEE-UHFFFAOYSA-N Sulfurous acid Chemical compound OS(O)=O LSNNMFCWUKXFEE-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- XHCLAFWTIXFWPH-UHFFFAOYSA-N [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] XHCLAFWTIXFWPH-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 1
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 1
- 235000011130 ammonium sulphate Nutrition 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 238000010531 catalytic reduction reaction Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000012717 electrostatic precipitator Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 235000012204 lemonade/lime carbonate Nutrition 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000033116 oxidation-reduction process Effects 0.000 description 1
- 238000001139 pH measurement Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 238000001824 photoionisation detection Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- AKEJUJNQAAGONA-UHFFFAOYSA-N sulfur trioxide Inorganic materials O=S(=O)=O AKEJUJNQAAGONA-UHFFFAOYSA-N 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 description 1
- 230000000699 topical effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- GPPXJZIENCGNKB-UHFFFAOYSA-N vanadium Chemical compound [V]#[V] GPPXJZIENCGNKB-UHFFFAOYSA-N 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- 229910001935 vanadium oxide Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2257/00—Components to be removed
- B01D2257/30—Sulfur compounds
- B01D2257/302—Sulfur oxides
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2257/00—Components to be removed
- B01D2257/40—Nitrogen compounds
- B01D2257/404—Nitrogen oxides other than dinitrogen oxide
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T436/00—Chemistry: analytical and immunological testing
- Y10T436/12—Condition responsive control
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- General Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Economics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Analytical Chemistry (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Treating Waste Gases (AREA)
- Feedback Control In General (AREA)
- Ventilation (AREA)
- Sampling And Sample Adjustment (AREA)
- Separation Of Gases By Adsorption (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
- Enzymes And Modification Thereof (AREA)
Abstract
一种控制器(610),具有多工艺参数(MPPs)(625),其用于指导空气污染控制系统(620)的运行的,所述空气污染控制系统进行用于控制污染物排放的工艺。MPPs(625)中的一个或多个是可控工艺参数(CTPPs),MPPs中的一个是由该系统(620)排放的污染物的量(AOP)(640)。所限定的AOP(640)值(AOPV)表示目标或对所排放的(640)的实际值(AV)的限制。控制器(610)包括神经网络工艺模型或者非神经网络工艺模型,其表示每一个CTPP(615)和所排放的(640)之间的关系。控制处理器(630)具有逻辑,以基于该模型来预测对每一个CTPP(615)的当前值的变化将会如何影响所排放的AOP(640)的未来AV,基于所预测的所述变化的影响和基于AOPV来在一个CTPP(615)中选择所述变化中的一个,和根据为所述CTPP(615)选择的变化来指导该一个CTPP(615)的控制。
Description
相关申请
本申请与下列申请有关:美国申请序号×××[代理人案号3156-046A],与本申请同时提交,题为OPTIMIZED AIR POLLUTIONCONTROL(最优化空气污染控制);美国申请序号×××[代理人案号3156-046E],与本申请同时提交,题为COST BASED CONTROL OFAIR POLLUTION CONTROL(空气污染控制的成本控制);美国申请序号×××[代理人案号3156-046H],与本申请同时提交,题为CONTROLOF ROLLING OR MOVING AVERAGE VALUES OF AIRPOLLUTION CONTROL EMISSIONS TO A DESIRED VALUE(空气污染控制排放相对于期望值的滚动或移动均值的控制);美国申请序号×××[代理人案号3156-046I],与本申请同时提交,题为CASCADEDCONTROL OF AN AVERAGE VALUE OF A PROCESSPARAMETER TO A DESIRED VALUE(工艺参数均值相对于期望值的级联控制);美国申请序号×××[代理人案号3156-046J],与本申请同时提交,题为MAXIMIZING PROFIT AND MINIMIZING LOSSES INCONTROLLING AIR POLLUTION(控制空气污染的利润最大化和损失最小化);美国申请序号×××[代理人案号3156-046K],与本申请同时提交,题为MAXIMIZING REGULATORY CREDITS INCONTROLLING AIR POLLUTION(在控制空气污染中最优化规章信用)。
发明背景
技术领域
本发明通常涉及工艺控制。更具体地说,本发明涉及用于工艺强化控制的技术,如用于空气污染控制的那些。所述工艺的实例包括但不局限于湿法和干法烟道气脱硫(WFGD/DFGD)、经选择性催化还原(SCR)的氮氧化物脱除和经静电沉淀(ESP)的微粒脱除。
背景
湿法烟道气脱硫
如所述,存在若干空气污染控制工艺,以构成讨论的基础;将突出强调WFGD工艺。WFGD工艺是在电力工业中从烟道气中脱除SO2所最通常使用的工艺。图1是一幅框图,其概括描述了用于从脏烟道气中脱除SO2的湿法烟道气脱硫(WFGD)子系统,所述烟道气例如由化石燃料(如煤)产生(火力发电子系统),并且所述湿法烟道气脱硫(WFGD)子系统产生了工业级副产物,如具有下述性质的副产物,所述性质将使其能够在最小化处理成本下进行处理或者所述性质使其对于工业利用而言是可销售的。
在美国,目前WFGD优选的副产物是工业级石膏,其具有较高品质(纯度为95+%),适用于墙板,所述墙板继而用于住宅和办公建筑。在欧盟和亚洲,高品质(约92%)的工业级石膏也是WFGD的目前优选的副产物,但其更通常用于水泥和化肥的生产。然而,如果市场对于较高品质的石膏需求下降的话,作为WFGD副产物产生的工业级石膏的品质可能被降低以满足最小成本处理所需的更少品质规定。在这方面,处理成本可被最小化,如果例如,石膏品质适用于居住地填埋或适用于回填区域,其中发电中所使用的煤开采于此。
如图1所示,脏的、担载SO2的烟道气112从燃煤发电系统110的锅炉或省煤器(未示)排放到空气污染控制系统(APC)120.通常,进入APC120的脏烟道气112不仅仅含有SO2,而且包含其它所谓的污染物如NOx和颗粒物质。在通过WFGD子系统处理前,进入APC120的脏烟道气112首先被送往其它APC子系统122以便从脏烟道气112中脱除NOx和颗粒物质。例如,脏烟道气可以经由选择性催化还原(SCR)子系统(未示)处理以脱除NOx并且经由静电沉降器子系统(EPS)(未示)或过滤器(未示)以脱除颗粒物质。
从其它APC子系统122排放的担载SO2的烟道气114被送往WFGD子系统130。通过吸收塔132处理担载SO2的烟道气114。如本领域技术人员应该理解的,烟道气114中的SO2具有高酸浓度。因此,吸收塔132运行以使担载SO2的烟道气114与液体浆料148接触,所述液体浆料148的pH水平比烟道气114的pH水平高。
应该认识到大多数常规WFGD子系统包括图1中所述类型的WFGD处理单元。由于多种原因,这的确如此。例如,如本领域目前所掌握的,具有喷淋吸收塔的WFGD处理单元具有某些WFGD工艺所希望的工艺特征。然而,可以使用具有其它吸收/氧化设备配置的WFGD处理单元(如果期望的话)来代替图1中所述的那个,并且这种WFGD处理单元仍然提供了相似的烟道气脱硫功能并且从这种应用中存在的高级工艺控制改进中获得相似的益处。为了清楚简明,这种讨论将参考图1所述的普通喷淋塔,但是应该注意到所述概念可应用于其它WFGD配置。
在逆流吸收塔132中进行处理时,烟道气114中的SO2将与富含碳酸钙的浆料(石灰石和水)148反应以形成亚硫酸钙,其基本上是一种盐,由此从烟道气114中脱除SO2。脱除SO2的烟道气116从吸收塔132排放到排气烟囱117或下游的蒸汽处理设备(未示)。所得的经转化的浆料144被送往结晶器134,其中使盐结晶。结晶器134和吸收塔132通常存在于单个塔中,而在它们之间没有物理上的分离,虽然存在着不同的功能(气相吸收和液相结晶),但是两种功能在同一工艺容器中存在。从这里,含结晶盐的石膏浆料146被从结晶器134送到脱水单元136。另外,循环浆料148(其可能或未必包含与石膏浆料146浓度相同的结晶盐)被从结晶器134通过泵133被送回到吸收塔132以继续吸收循环。
压气机150使环境空气152加压以产生用于结晶器134的氧化空气154。氧化空气154与浆料在结晶器134中混合以将亚硫酸钙氧化为硫酸钙。每个硫酸钙分子与两个水分子结合而形成通常被称为石膏160的化合物。如所述,石膏160从WFGD处理单元130中排出并且被卖给例如建筑级墙板的厂商。
来自脱水单元136的回收的水167被送往混合器/泵140,其中它与来自研磨机170的新鲜的被磨碎的石灰石174混合以产生石灰石浆料。因为一些工艺水损失到石膏160和废液169中,所以添加来自新鲜水源164的额外的新鲜水162以维持石灰石浆料密度。另外,废物如灰从WFGD处理单元130中经由废液169排出。废物,例如,可被送往灰池或者以另一种方式处理。
总之,担载SO2的烟道气114中的SO2在吸收塔132的浆料接触区域中被浆料148吸收,然后在结晶器134中结晶和氧化并且在脱水单元136中脱水而形成期望的工艺副产物,其在本实施例中,是商品级石膏160。担载SO2的烟道气114在数秒内通过吸收塔132。通过结晶器134使被转化的浆料144中的盐全部结晶可能需要8小时至20+小时。因此,结晶器134具有大容积,其用作结晶浆料的储藏。循环浆料148被泵送回到吸收塔的顶部以回收额外的SO2。
如图所示,浆料148被进料到吸收塔132的上部.塔132典型地引入了多个液位(level)的喷淋喷嘴以将浆料148进料到塔132中.吸收器132,通常以逆流配置运行:在吸收塔中浆料喷淋向下流动并且与向上流动的担载SO2的烟道气114接触,所述向上流动的担载SO2的烟道气114已被进料到吸收塔的下部。
新鲜的石灰石172,其来自石灰石料源176,首先在研磨机170(典型地球磨机)中被磨碎,然后与回收的水167和新鲜/补给水162在混合器140中混合以形成石灰石浆料141。控制被磨碎的石灰石174和水162经由阀163至混合器/罐140的流量以在混合器/罐140中维持足够的新鲜的石灰石浆料141的库存。调整新鲜的石灰石浆料141至结晶器134的流量以维持适当的浆料148的pH值,这反过来控制了从烟道气114中脱除的SO2的量。WFGD工艺典型地实现了92-97%的来自烟道气的SO2的脱除,虽然本领域技术人员会认识到,但是使用某些技术并且将有机酸添加到浆料中,SO2的脱除可提高到大于97%。
如上所述,常规WFGD子系统使浆料再循环。虽然一些废水和其它废物将通常在石膏制备中产生,但是水在可能的程度上被回收并且用于补充新鲜的石灰石浆料,由此使废物和成本最小化,这将使得对工艺水进行处理。
应当认识到,因为石灰石在大多数地点可容易地大量得到,所以其通常在煤气脱硫工艺中用在反应物。然而,其它反应物,如生石灰或钠化合物,可替代石灰石来使用。这些其它反应物通常更昂贵并且目前不能与石灰石反应物进行成本竞争。然而,极小改变混合器140和上游反应物料源,现有的石灰石WFGD可使用生石灰或钠化合物进行运行。事实上,大多数WFGD系统包括石灰备用子系统,使得如果石灰石输送存在问题和/或研磨机170存在扩展维护问题的话,WFGD仍可以运行。
图2更进一步详述图1中所述的WFGD子系统的某些方面。如图所示,脱水单元136可以包括初级脱水单元136A和二级脱水单元136B。初级脱水单元136A优选地包括用于分离石膏和水的旋液分离器。二级脱水单元136B优选地包括用于干燥石膏的带式干燥机。如前所述,烟道气114进入吸收塔132,典型地从一侧,并且向上流动通过石灰石浆料雾(其被喷淋进入吸收塔的上部)。在离开吸收塔前,烟道气通过除雾器(ME)(未示),所述除雾器位于吸收塔132的顶部;除雾器将烟道气物流中的夹带液体和固体脱除。为使除雾器保持清洁而没有固体,将ME水洗涤200施加到除雾器。如应被理解,使用来自新鲜水源164的水,ME洗涤200使ME在吸收塔132中保持清洁。ME洗涤水200是进料到WFGD子系统130的最纯的水。
如上所述,石灰石浆料雾从流过吸收塔132的烟道气中吸收了大百分数的SO2(例如92-97%)。在吸收SO2后,浆料喷淋下降到结晶器134。在一种实际实施中,吸收塔132和结晶器134常常位于单个整体结构中,在该结构中,吸收塔直接位于结晶器的上方。在这种实施中,浆料简单地喷淋下降到整体结构的底部从而被结晶。
石灰石浆料与SO2在结晶器134中反应而生成石膏(脱水硫酸钙)。如前所述,强制压缩氧化空气154被用来在氧化中进行协助,该氧化以如下反应进行:
SO2+CaCO3+1/2O2+2H2O→CaSO4-2H2O+CO2(1)
通过压气机150,氧化空气154被强制通入结晶器134中。氧化空气提供了将亚硫酸钙转化为硫酸钙所需的额外的氧气。
吸收塔132用来完成获得环境规定所要求的高脱除效率所需要的烟道气/液体浆料的密切接触.逆流敞开的喷淋吸收塔提供了石灰石-石膏WFGD工艺所特别希望的特征:它们是固有可靠的,具有比其它塔型WFGD处理单元组分更低的堵塞潜能,导致了低压降,并且从投资成本和运行成本来看是成本高效的.
如图2所示,水源164典型地包括用于储藏足够量新鲜水的水罐164A。此外,典型地包括一个或多个用于将ME洗涤200加压至吸收塔132的泵164B和一个或多个用于将新鲜水流162加压至混合器140的泵164C。混合器140包括混合槽140A和再一个浆料泵140B以将新鲜的石灰石浆料141运送到结晶器134。需要一个或多个额外的非常大的浆料泵133(参见图1)以将来自结晶器134的浆料148提升到吸收塔132顶部中的多个喷淋液位(level)。
如以下所进一步描述的,典型地,石灰石浆料148经由被置于吸收塔132的各液位处的喷淋喷嘴(未示)进入吸收塔132。当满负载时,大多数WFGD子系统使用至少一个备用的浆料泵133运行。在低负载时,常常可能使用较少数量的浆料泵133而获得所需的SO2脱除效率。存在着显著的经济剌激以减少浆料泵133的泵负载。这些泵是一些世界上最大的泵,它们由电力驱动,而所述电力可以否则直接卖到电网(寄生电力负载,parasitic power load)。
在初级脱水器单元136A中,典型地使用旋液分离器,使石膏160与石膏浆料146中的液体分离。旋液分离器的溢流和/或初级脱水器单元136A的一个或多个其它组分包含少量固体。如图2所示,这种溢流浆料146A返回到结晶器134。回收的水167被送回到混合器140以制备新鲜的石灰石浆料。其它废物168通常从初级脱水器单元136A送往灰池210。底流浆料202被送往次级脱水器单元136B(其通常是带式过滤器的形式),在此它被干燥而生成石膏副产物160。此外,来自次级脱水器单元136B的回收的水167返回到混合器/泵140。如图1所示,采取手工或其它石膏样品161并分析,一般地每几小时进行一次,以确定石膏160的纯度。石膏纯度的非直接在线测量通常是可行的。
如图1所示,比例积分微分(PID)控制器180通常与前馈控制器(FF)190结合使用以控制WFDG子系统的运行。过去,PID控制器指导气动模拟控制函数。如今,使用数学公式化,PID控制器指导数字控制函数。FF190/PID控制器180的目标是控制浆料pH值,基于确定的联系。例如,在调节如图1所示的阀199和从结晶器134流到吸收塔132的浆料148的测量的pH值之间可能存在着确定的联系。如果是这样的话,控制阀199使得浆料148的pH值相应于期望值186,该期待值通常被称为设定点(SP)。
FF190/PID控制器180将调整石灰石浆料141通过阀199的流量,基于pH值设定点,以增加或减少由pH值传感器182所测量的浆料148的pH值。如应理解的是,这是通过以下方式实现的:FF/PID控制器将相应的控制信号181和191(其产生阀调整指令,如流量控制SP196)传送至流量控制器(其优选是阀199的一部分)。响应流量控制SP196,流量控制器又指导调节阀199以改变从混合器/泵140到结晶器134的石灰石浆料141的流量。
本实例显示了使用FF控制器190和PID控制器180结合的pH值控制。一些装置将不包括FF控制器190。
在本实例中,根据石灰石流量控制算法(其表示从结晶器134流到吸收塔132的浆料148的测量的pH值183之间的确定的联系),通过处理来源于pH值传感器182的测量的浆料pH值183,PID控制器180产生PID控制信号181.该算法一般地存储在PID控制器180,虽然这并不绝对.控制信号181可以表示,例如,对于阀199的阀设定点(VSP)或对于离开阀199的被磨碎的石灰石浆料141的流量的实测值设定点(MVSP).
如本领域目前所掌握的,PID控制器180所用的算法具有比例元件、积分元件和微分元件。PID控制器180首先计算期望的SP和实测值之间的差异以确定误差。PID控制器接下来将该误差应用到该算法的比例元件中,其对于PID控制器或者对于PID控制器中的每一个(如果在WFGD子系统中使用多个PID控制器的话)来说是可调整的定值。PID控制器一般地将误差乘以调谐因子(tuning factor)或工艺增益(process gain)以获得调整阀199的比例函数。
然而,如果PID控制器180不具有调谐因子或工艺增益的校正值的话,或者如果工艺状况变化时,比例函数将是不精确的。由于这种不精确性,PID控制器180所产生的VSP或MVSP实际上将具有与期望SP相应的VSP或MVSP的偏差(offset)。因此,使用积分元件随时间,PID控制器180使用累积误差。积分元件是一种时间因子。此外,PID控制器180将调谐因子或工艺增益乘以累积误差以消除偏差。
现在转向微分元件。微分元件是与连续变化有关的加速因子。在实践中,微分元件很少在用于控制WFGD工艺的PID控制器中使用。这是因为应用微分元件对于这类控制应用来说不特别有益。因此,用于WFGD子系统中的大多数控制器实际上是PI控制器。然而,本领域技术人员将认识到,如果期望的话,PID控制器180可以容易地配置以必要的逻辑以便以常规方式使用微分元件。
总之,存在着三种调谐定值,其可以由常规PID控制器使用以将某一工艺值(如进入吸收塔132的循环浆料148的pH值)控制至某一设定点(如新鲜的石灰石浆料141至结晶器134的流量)。无论使用何种设定点,其总是根据工艺值确定而不是根据期望的结果,如从吸收塔132排出的烟道气116中剩余的SO2的值。换言之,设定点是在工艺期限(term)内识别的,必要的是受控工艺值可直接测量以便PID控制器能够控制它。虽然算法的确切形式可能随不同的设备销售商变化,但是在超过75年的过程工业中一直使用着基本PID控制算法。
再参考图1和2,基于从PID控制器180和FF控制器190接收的指令,流量控制器产生信号,其引起阀199打开或关闭,由此增加或降低被磨碎的石灰石浆料141的流量。流量控制器连续控制阀调整直到阀199已打开或关闭以匹配VSP或着流自阀1992的石灰石浆料141的量的实测值匹配MVSP。
在如上所述的示范性常规WFGD控制中,基于期望的pH值设定点186,控制浆料148的pH值。为进行该控制,PID180从传感器182接收工艺值,即浆料148的pH值183的实测值。PID控制器180处理该工艺值以向阀199产生指令181从而调整来自混合器/罐140的新鲜的石灰石浆料141的流量,所述新鲜的石灰石浆料141具有比结晶器浆料144更高的pH值,由此调整浆料148的pH值。如果指令181导致进一步打开阀199,更多的石灰石浆料141将从混合器140流来并流入结晶器134,导致浆料148的pH值增加。另一方面,如果指令181导致关闭阀199,较少的石灰石浆料141将从混合器140流来并因此流入结晶器134,导致浆料148的pH值减小。
另外,WFGD子系统可以加入前馈回路,其使用前馈单元190来实施以便确保稳定运行。如图1所示,进入吸收塔132的烟道气114中的SO2189的浓度值将通过传感器188测量并输入到前馈单元190。包括FF控制元件的的许多WFGD系统可以将进入的烟道气SO2浓度189与来自发电系统110的发电机负载的测量值结合以确定进口SO2的量而不仅仅是浓度,然后使用进口SO2的这一量作为FF190的输入。前馈单元190用作具有时间延迟的比例元件。
在所述示范性的实施中,前馈单元190接收一序列的来自传感器188的SO2测量189。前馈单元190比较目前所接收的浓度值与在目前所接收的值之前刚接收的浓度值。如果前馈单元190确定SO2实测浓度已发生变化,例如1000-1200ppm,其将配置以逻辑使阶跃函数平稳化,由此避免运行中的突变。
前馈回路显著改善了正常运行的稳定性,因为浆料148的pH值和流到结晶器134的石灰石浆料141的量之间的关系是高度非线性的,而PID控制器180实际上是线性控制器。因此,在没有前馈回路的情况下,PID180难以使用相同的调谐定值来对各种pH值提供足够的控制。
通过控制浆料148的pH值,PID控制器180影响了从担载SO2的烟道气114中的SO2的脱除和由WFGD子系统产生的石膏副产物160的品质。通过增加新鲜的石灰石浆料141的流量来增加浆料pH值使得从担载SO2的烟道气114中脱除的SO2的量增加。另一方面,增加石灰石浆料141的流量,以及因此浆料148的pH值,使吸收后SO2的氧化变慢,因此亚硫酸钙转化为硫酸钙,这又将导致所生产的石膏160的品质降低。
因此,存在着从担载SO2的烟道气114中脱除SO2和保持石膏副产物160所需品质的矛盾的控制目标。即,可能在满足SO2排放要求而石膏品质要求之间存在着矛盾。
图3详述了参考图1和2所述的WFGD子系统的其它方面。如图所示,担载SO2的烟道气114经由孔310进入吸收塔132的底部,不含SO2的烟道气116经由孔312从吸收塔132的上部离开。在这一示范性的常规实施中,显示了具有多个浆料喷淋液位(level)的逆流吸收塔。如图所示,ME洗涤200进入吸收塔132而通过洗涤喷淋器(未示)分散。
还显示了多个吸收塔浆料喷嘴306A、306B和306C,其每个具有浆料喷淋器308A、308B或308C,它们将浆料喷淋到烟道气中以吸收SO2。浆料148从图1所示的结晶器134中泵送,通过多个泵133A、133B和133C,其每一个将浆料向上泵送至浆料喷嘴306A、306B或306C的液位(level)中的一个不同处。应当理解的是虽然显示了3个不同液位(level)的浆料喷嘴和喷淋器,但是喷嘴和喷淋器的数目会变化,取决于特定的实施。
进入吸收塔132的液体浆料148的流速与离开吸收塔132的烟道气116的流速的比值通常表示为L/GL/G是WFGD子系统的关键设计参数之一。
烟道气116(充满着蒸气)的流速,称为G,是来自WFGD处理单元130上游的发电系统110的进口烟道气112的函数。因此,G未被且不能被控制,但必须在WFGD工艺中解决。所以,为了改变L/G,必须调整“L”。调整运行中的浆料泵的数目和这些浆料泵的连接情况(line-up)来控制液体浆料148至WFGD吸收塔132的流速,称为L。例如,只要两个泵将要运行,那么使泵运行至上部的两个喷淋器液位(level)和使泵运行至顶部和底部的喷淋器液位(level)将产生不同的“L”。
可能通过控制浆料泵133A、133B和133C的运行来调整“L”。单独的泵可被打开或关闭以调整液体浆料148至吸收塔132的流速和将液体浆料148引入吸收塔的处的有效高度。如果浆料在更高处被引入塔中,浆料与烟道气具有更长的接触时间,使得脱除更多的SO2,但这种额外SO2的脱除是在增加功率消耗以泵送浆料至更高的喷淋液位(level)的代价下实现的.应该认识到泵的数目越大,这种控制的难度(granularity)越大.
泵133A-133C,其是旋转设备极大的零部件,可以自动或手动启动或制动。在美国,最常见的是,这些泵由子系统操作员手动控制。在欧洲,更常见的是自动启动/制动旋转设备如泵133A-133C。
如果由于发电系统110运行方面的变化而使进入WFGD处理单元130的烟道气114的流速变化,那么WFGD子系统操作员可以调整一个或多个泵133A-133C的运行。例如,如果烟道气流速将降至设计负载的50%时,操作员或着控制系统中的特定逻辑可以关闭一个或多个泵(其把浆料泵送至一个或多个喷淋液位(level)处的喷淋液位(level)喷嘴)。
虽然未显示在图3中,应该认识到与泵和浆料喷嘴有关的额外的喷淋液位(level)常常在另一个泵或其它与初级喷淋液位(level)有关的浆料喷嘴和/或浆料喷淋器的维护期间被提供使用。这种额外的喷淋液位(level)的添加提高了吸收塔以及由此的子系统的投资成本。因此,一些WFGD物主将决定除去这种额外的喷淋液位(level)并避免这种增加的投资成本,而是将有机酸添加到浆料中以强化其在上述维护周期期间从烟道气中吸收并由此脱除SO2的能力。然而,这些添加剂往往是昂贵的并因此其的使用将导致更高的运行成本,其可以随时间抵消(offset)投资成本的节省。
如上述反应式1所述,为吸收SO2,在烟道气中的SO2和浆料中的石灰石之间必须发生化学反应。在吸收塔中,该化学反应的结果是形成了亚硫酸钙。在结晶器134中,亚硫酸钙被氧化而形成硫酸钙(石膏)。在该化学反应期间,消费了氧气。为提供足够氧气和强化反应速度,通过将压缩空气154吹入结晶器134中的液体浆料而添加额外的O2。
更具体地说,如图1所示,环境空气152被压缩而形成压缩空气154,并通过压气机(例如风扇)150而被强制进入结晶器134,以便氧化从结晶器134返回到吸收塔132的循环浆料148中的亚硫酸钙,石膏浆料146被送到脱水系统136用于进一步的处理。为了方便调整氧化空气154的流量,压气机150可具有速度或负载控制机构。
优选地,结晶器134中的浆料具有过量的氧气。然而,存在着可被浆料吸收或容纳的氧气总量的上限。如果浆料内O2水平太低,在浆料中将停止CaSO3至CaSO4的化学氧化。当这发生时,通常称为石灰石阻塞(limestone blinding)。一旦发生石灰石阻塞时,石灰石停止溶解到浆料溶液中并且SO2脱除可能显著下降。某些矿物痕量存在也可能显著使亚硫酸钙的氧化和/或石灰石溶解变慢而造成石灰石阻塞。
因为溶于浆料中的O2的量是不可测的参数,如果不采取适当预防措施的话,在常规WFGD子系统中,浆料可能变得对O2急需。在夏季月份中,这更是如此,那时较高的环境气温使环境空气152的密度变低并且减少了由压气机150在最大速度或负载下能够使氧化空气154强制进入结晶器134的量。另外,如果从烟道气流中脱除的SO2的量显著增加,要求相应量的额外的O2以氧化SO2。因此,浆料可能实际上变得急需O2,因为至WFGD处理单元的SO2的流量增加。
必需的是在设计比值内注入足量的压缩空气154以氧化被吸收的SO2。如果可能的话,调整压气机150速度或负载,在较低SO2负载和/或在较冷的环境气温周期期间调低压气机150是所期望的,因为节能的原因。当压气机150达到最大负载时,或者非可调压气机150的全部O2正被利用时,不可能氧化递增增加的SO2。在峰值负载下,或者在没有正确跟踪SO2脱除的压气机150速度控制的情况下,可能在结晶器134中造成O2短缺。
然而,因为不能够测量浆料中的O2,对于常规WFGD子系统运行来说,浆料中O2的水平未被用作约束条件。因此,当结晶器134内的浆料变得急需O2时,没有办法正确地监控。因此,如果出现石膏副产物160的品质显著下降,操作员最多假定浆料变得急需O2并且使用他们最佳判断来控制压气机150的速度或负载和/或减少SO2吸收效率以便使被强制进入浆料的O2与必须被氧化的被吸收的SO2平衡。因此,在常规WFGD子系统中,使被强制进入浆料的O2与从烟道气中吸收所要求的SO2平衡最多是基于操作员的判断。
总之,对于公用工程应用的大WFGD子系统的常规控制通常在分布式控制系统(DCS)中进行并且一般地包括开关控制逻辑以及FF/PID反馈控制回路。所控制的参数限于浆料pH水平、L/G比和强制氧化空气的流量。
pH值必须被保持在某一范围内以确保SO2的高溶解度(即SO2除效率)、高品质(纯度)石膏和防止结垢。运行pH值范围是设备和运行状况的函数。通过调整新鲜的石灰石浆料141至结晶器134的流量来控制pH值。基于由传感器所检测的浆料的实测pH值来调整石灰石浆料流量。在一般的实施中,包括在DCS中的PID控制器和任选FF控制器级联至石灰石浆料流量控制器。对于pH值控制应用来说,使用标准/默认PID算法。
液气比(L/G)是流到吸收塔132的液体浆料148与烟道气流量114的比值。对于给定组的子系统变量,要求最小L/G比值以获得期望的SO2吸收,基于液体浆料148中的SO2的溶解度。当烟道气114流量变化或当液体浆料148流量变化时,L/G比值变化,前者一般发生在浆料泵133被打开或关闭时。
亚硫酸钙氧化形成硫酸钙(即石膏)是通过使用结晶器134的反应罐中的额外的氧来强制氧化而得到强化的。通过将空气吹入结晶器134中的浆料溶液而引入额外的氧。由于氧化不完全,亚硫酸盐-石灰石阻塞可能发生,导致差的石膏品质,以及随后可能的较低的SO2脱除效率和废水中的高化学需氧量(COD)。
常规WFGD工艺控制方案包括标准控制块,其具有独立而不是整合的目标。现在,操作员,与工程技术人员商议,必须设法提供工艺的总的最佳控制。为提供这种控制,操作员必须考虑各种目标和约束条件。
最小化WFGD运行成本-发电厂的运行只是因为要为他们的物主产生利润。因此,有益的是以最低的适宜成本,同时考虑工艺、规章和副产物品质约束条件以及商业环境来运行WFGD子系统。
最大化SO2脱除效率-清洁空气规则确定了SO2脱除要求。由于工艺、规章和副产物品质约束条件以及商业环境,应当运行WFGD子系统以适度高效地脱除SO2。
满足石膏品质规定-销售作为副产物的石膏减轻了WFGD运行成本并且很大程度上依赖于副产物纯度,满足期望的规定。由于工艺、规章和副产物品质约束条件以及商业环境,应当运行WFGD子系统以产生适当品质的石膏副产物。
防止石灰石阻塞-负载波动和燃料硫含量变化可能引起烟道气114中的SO2的偏移。在没有适当补偿调整的情况下,这可能导致浆料中高亚硫酸盐浓度,其又导致石灰石阻塞,较低的吸收塔132SO2脱除效率,差的石膏品质和废水中的高化学需氧量(COD)。应当运行WFGD子系统以防止石灰石阻塞(binding),由于工艺约束条件的原因。
在一般的运行序列中,WFGD子系统操作员确定WFGD工艺的设定点以使这些竞争性目标和约束条件平衡,基于常规运行程序和对WFGD工艺的认识.设定点通常包括pH值和浆料泵133和氧化空气压气机150的运行状态.
在WFGD工艺中存在着复杂的相互作用和动力学;结果,操作员选择保守的运行参数,以便WFGD子系统能够满足/超越有关SO2脱除和石膏纯度的硬性约束条件。在进行这些保守的选择时,操作员常常(若非一直的话)牺牲最低成本的运行。
例如,图4显示了作为pH值函数的SO2脱除效率和石膏纯度。pH值升高时,SO2脱除效率升高,然而石膏纯度降低。因为操作员关心于改善SO2脱除效率和石膏纯度,操作员必须确定某一pH值的设定点,即这些竞争性目标间的折衷。
另外,在大多数情况下,操作员被要求满足所确保的石膏纯度水平,例如95%纯度。因为图4所示关系的复杂性、缺乏石膏纯度的直接在线测量、石膏结晶的长时间动力学和运行中的随机变化,操作员常常选择输入某一pH值设定点,该设定点将确保在任何情况下石膏纯度水平高于所规定的约束条件。然而,由于确保石膏纯度,操作员常常牺牲了SO2脱除效率。例如,基于图4中的图表,操作员可以选择pH值为5.4,以确保在石膏纯度95%的约束条件以上有1%的缓冲。然而,由于选择这一pH值设定点,操作员牺牲了3%的SO2脱除效率。
当SO2负载,即烟道气114流量从最大值降至中值时,操作员面对相似的折衷问题。在这种转变期间的某一点,切断一个或多个浆料泵133来节能可能是有益的,因为泵的连续运行可仅提供稍好的SO2脱除效率。然而,因为大多数操作员并不十分清楚动力成本和SO2脱除效率间的关系,操作员一般地将采取保守方法。使用这种方法,即使关掉一个或多个浆料泵133将更有益的话,操作员也未必调整浆料泵133的连接情况。
还众所周知的是许多规章排放允许提供瞬时排放限制和某种形式的滚动平均排放限制。滚动平均排放限制是在一定移动或滚动的时间窗内的瞬时排放值的均值。时间窗可以短至1小时或长至1年。一些典型的时间窗是1小时、3小时、8小时、24小时、1个月和1年。考虑动态的工艺偏移,瞬时排放限制一般地高于滚动平均限制。然而,在瞬时排放限值下连续运行将导致破坏滚动平均限制。
通常,PID180控制排放至瞬时限制,其相对简单。为此,工艺的运行约束条件,即瞬时值,被良好地设定在实际的规章排放限制以内,因此提供了安全边际。
另一方面,控制排放至滚动平均限制是较复杂的。滚动均值的时间窗不断地向前移动。因此,在任何给定时间,若干时间窗是活动的,在一定时间周期内从给定时间向后跨越一个时间窗,而另一个时间窗在一定时间周期内从给定时间向前跨越。
通常,通过简单地维持瞬时限制所用的PID180中的运行约束集和实际的规章排放限制之间的足够边际或者通过考虑滚动平均限制利用操作员判断来设定运行约束条件,操作员试图将排放控制到滚动平均限制。在任何一种情况中,都没有清楚地控制滚动平均限制,因此不能确保与滚动平均限制的依从性或者预防成本高的过度依从性。
选择性催化还原系统:
简要地,转向另一个示范性的空气污染控制工艺,用于NOx脱除的选择性催化还原(SCR)系统,可以看出类似的运行难题。SCR工艺的概述示于图20中。
以下工艺概述出自“Control of Nitrogen Oxide Emissions:SelectiveCatalytic Reduction(SCR)”,Topical Report Number 9,Clean CoalTechnology,U.S Dept.of Energy,1997:
工艺概述
主要由NO以及较小量的NO2组成的NOx通过与NH3在催化剂上在氧气存在下反应而转化为氮气。少量SO2(在锅炉中通过煤中的硫的氧化而生成)在SCR催化剂上被氧化为三氧化硫(SO3)。此外,副反应可以产生不期望的副产物:硫酸铵(NH4)2SO4和硫酸氢铵NH4HSO4。存在着控制这些副产物形成的复杂关系,但是通过适当控制工艺状况可以使它们最小化。
氨泄漏
SCR反应器下游的烟道气中的未反应的NH3称为NH3泄漏。必要的是保持NH3泄漏低于5ppm、优选地2-3ppm以使(NH4)2SO4和NH4HSO4的形成最小化,后者可能引起下游设备的堵塞和锈蚀。使用高硫煤的话,这是更大的问题,该问题由较高SO3水平引起的,所述较高SO3水平起因于燃料硫含量和SO2在SCR反应器中的反应造成的较高初始SO3水平。
运行温度
催化剂成本占SCR单元的投资成本的15-20%;因此,有必要在尽可能高的温度下运行以便使空速最大化而因此使催化剂体积最小化。同时,有必要使SO2至SO3的氧化速率最小化,该氧化反应比SCR反应对温度更敏感。使用钛和钒氧化物催化剂的SCR工艺的最佳运行温度约为650-750°F大多数装置使用省煤器旁路以将烟道气在当烟道气温度低时(如低负载运行)的周期内在期望的温度提供给反应器。
催化剂
SCR催化剂用陶瓷材料制成的,所述陶瓷材料是载体(二氧化钛)和活性组分(钒和有时钨的氧化物)的混合物。如今使用的SCR催化剂的两种主要形状是蜂窝状和板状的。蜂窝状形式通常是具有催化剂的挤出陶瓷,所述催化剂或者遍及整个结构加入(均匀)或者涂覆在底物上。在板状几何形状中,支持材料一般地涂覆有催化剂。当处理含粉尘的烟道气时,反应器一般地是垂直的,烟道气向下流动。催化剂一般地设置在一系列2-4个床或层中。为较好利用催化剂,通常使用3或4个层,考虑到附加层,其不是最初安装的。
当催化剂活性下降时,额外的催化剂被安置在反应器中的可得的空间内。当钝化延续时,在旋转底座上替代催化剂,每次一层,从顶部开始。这种策略导致催化剂利用最大化。对催化剂进行周期性烟灰吹除以除去沉积物,使用蒸汽作为清洁剂。
化学过程
以下给出SCR工艺的化学过程:
4NO+4NH3+O2→4N2+6H2O
2NO2+4NH3+O2→3N2+6H2O
副反应是
SO2+1/2O2→SO3
2NH3+SO3+H2O→(NH4)2SO4
NH3+SO3+H2O→NH4HSO4
工艺说明
如图20所示,脏烟道气112离开发电系统110.该烟道气可由其它空气污染控制(APC)子系统122处理,然后进入选择性催化还原(SCR)子系统2170.在离开SCR后并且在离开烟囱117前,烟道气也可由其它APC子系统(未示)处理.进口烟道气中的NOx使用一个或多个分析器2003.担载NOx的烟道气2008通过氨(NH3)注入栅2050。通过氨/稀释空气混合器2070使氨2061与稀释空气2081混合。通过注入栅2050使混合物2071计量进入烟道气中。稀释空气压气机2080将环境空气152供给到混合器2070中,氨存储和供应子系统将氨供给到混合器2070。担载NOx的烟道气、氨和稀释空气2055进入SCR反应器2002并且通过SCR催化剂。SCR催化剂促进了用氨将NOx还原为氮气和水。不含NOx的烟道气2008离开SCR反应器2002并且经由可能地其它APC子系统(未示)和烟囱117离开该装置。
在离开SCR反应器2002的不含NOx的烟道气物流2008上或者在烟囱117中,可能存在额外的NOx分析器2004。实测NOx出口值2111与实测NOx进口值2112结合以计算NOx脱除效率2110。NOx脱除效率定义为从烟道气脱除的进口NOx的百分比。
将计算的NOx脱除效率2022输入到规章控制系统中,其重置氨流速设定点2021A为氨/稀释空气混合器2070并且最终为氨注入栅2050。
SCR工艺控制
常规SCR控制系统依靠如图20所示的级联控制系统。内部PID控制器回路2010用于控制进入混合器2070的氨流量2014。外部PID控制器回路2020用于控制NOx排放。操作员负责使NOx排放脱除效率设定点2031输入外部回路2020。如图21所示,可使用选择器2030将上限约束条件2032置于由操作员输入的设定点2031。此外,常常使用用于负载的前馈信号2221(未示于图21中),以便控制器可以适当地处理负载变化。对于这种实施,负载传感器2009产生了发电系统110的实测负载2809。这种实测负载2809被送到控制器2220,其产生信号2221。信号2221与氨流量设定点2021A结合而形成调整的氨流量设定点2021B,其被送到PID控制器2010。PID2010将设定点2021和实测氨流量2012结合以形成氨流量VP2011,其控制提供给混合器2070的氨的数量。
这种控制器的优点是:
1、标准控制器:使用简单标准控制器设计来强制SCR厂商和催化剂卖主所规定的要求。
2、DCS型控制器:结构较简单,其可以在单元DCS中实施并且其是将强制设备和催化剂运行要求的成本最低的控制选择方案。
SCR运行的挑战:
许多运行参数影响SCR运行:
·进口NOx负载,
·NOx∶氨的局部摩尔比,
·烟道气温度,和
·催化剂品质、可得性和活性。
与图20的控制方案有关的运行挑战包括以下:
1、氨泄漏测量:将氨泄漏维持低于规定的约束条件对于SCR运行来说是至关重要的.然而,常常未计算或在线测量氨泄漏.即使氨泄漏测量是可行的,其通常未直接包括在控制回路中.因此,SCR运行的最关键变量之一未被测量.SCR的运行目标是获得期望的NOx脱除水平并且氨“泄漏”最小.氨“泄漏”定义为在不含NOx的烟道气物流中未反应的氨的数量.虽然,与氨泄漏中的氨的实际量有关的经济成本很小,但是存在着显著的氨泄漏的负面影响.
·氨可与烟道气中的SO3反应形式盐,其在空气预热器的传热表面上沉积。不仅这减小了通过空气预热器的传热,而且它还吸引灰,其进一步减小了传热。在某些点处,空气预热器的传热已下降至这种程度,其中预热器必须歇工以进行清理(洗涤)。至少,空气预热器洗涤产生了单元减额(unit de-rate)事件。
·氨还被吸收在催化剂中(催化剂可被看作一种氨海绵体)。烟道气/NOx负载中的突减导致异常高的短期氨泄漏。这正是一种瞬变状况,为一般的控制系统力所不及。虽然本质上是瞬变的,这种泄漏的氨仍与SO3结合并且盐在空气预热器上沉积(即使短时间),动态瞬变能够显著地将盐层堆积在空气预热器上(并且促进飞灰的吸引)。
·氨也被定义为一种空气污染物。虽然氨泄漏是极低的,但是氨是非常芳香的,所以即使较痕量也可能产生局部区域的气味问题。
·氨被吸收到飞灰上。如果飞灰的氨浓度变得太高,可能存在着与处理飞灰有关的显著高的成本。
2、NOx脱除效率设定点:在没有氨泄漏测量的情况下,操作员/工程技术人员常常保存地设定NOx脱除效率设定点2031以良好地将氨泄漏维持在低于泄漏约束条件以下。通过保守地选择NOx设定点,操作员/工程师减小了SCR的总的脱除效率。保守的NOx脱除效率的设定点可能确保氨泄漏约束条件不被破坏,但其还导致低于若系统在接近氨泄漏约束条件下运行时可能达到的效率。
3、温度对SCR的影响:使用标准控制系统,控制SCR进口气体温度的意图是不明显的。通常实施一些确保气体温度在可接受限制范围之内的方法,通常防止氨注入,如果温度低于最小限制时。在大多数情况中没有试图实际上控制或最优化温度。此外,没有基于温度也没有基于温度曲线来改变NOx设定点。
4、NOx和流速曲线:锅炉运行和管道作业有助于产生跨越SCR面的不均匀的NOx分布。为最低的氨泄漏,NOx∶氨比值必须被控制,在没有均匀混合的情况下,这种控制必须是局部的以避免高氨泄漏点。令人遗憾地,NOx分布曲线不仅是管道作业的函数,还是锅炉运行的函数。所以,锅炉运行的变化影响了NOx的分布。标准控制器没有解释SCR的NOx进口和速度曲线很少是均匀或静态的这一事实。这导致了在管道横截面的某些部分过多注入了化学试剂以确保在其它区域中足够的化学试剂。结果对于给定的NOx脱除效率,增加了氨泄漏。此外,操作员/工程技术人员常常通过降低NOx设定点来响应分布不均。
应当理解的是NOx进口和出口分析器2003和2004可以是单个分析器或者某种形式的分析列阵。除平均NOx浓度外,多个分析值将提供有关NOx分布/曲线的信息。为利用额外的NOx分布信息,将需要多个具有某种智能的氨流量控制器2010以在注入栅不同区域之间动态分布总氨流量,使得氨流量更接近匹配局部NOx浓度。
5、动态控制:标准控制器还不能提供有效的动态控制。也就是说,当SCR的进口状况变化,因此需要调节氨注入速率时,未必,NOx还原效率的反馈控制将能够防止该工艺变量显著的偏移。快速的负载瞬变和工艺时间延迟是动态事件,其可能引起显著的工艺偏移。
6、催化剂退化:随着时间催化剂退化,使得SCR的脱除效率下降而增加了氨泄漏。控制系统需要考虑这种退化以便最大化NOx脱除率。
7、滚动平均排放:许多规章排放允许提供瞬时排放限值和某种形式的滚动平均排放限值.考虑动态工艺偏移,瞬时排放限制高于滚动平均限值;在瞬时排放限制下连续运行将导致破坏滚动平均限制.滚动平均排放限制是在一定移动或滚动的时间窗内的瞬时排放值的均值.时间窗可以短至1小时或者长至1年.一些典型的时间窗是1小时、3小时、24小时、1个月和1年.在标准控制器中没有考虑过滚动平均的自动控制.大多数NOx排放许可约束返回到区域性8小时滚动平均环境空气NOx浓度限制.
操作员一般地设定SCR的期望的NOx脱除效率设定点2031并且基于来自飞灰的很少的样品信息进行较小调整。使用很小的努力来在负载瞬变期间改善SCR的动态控制或者最优化SCR的运行。由于与WFGD最佳运行有关的那些类似的商业、规章/信用和工艺问题的原因,选择最佳的瞬时以及(如果可能的话)滚动平均NOx脱除效率也是难以捉摸和变化的问题。
其它APC工艺显示出与下列因素有关的问题:
·控制/最优化工艺的动态运行,
·控制副产物/副产品的品质,
·控制滚动平均排放,和
·最佳化APC资产。
其它工艺中的这些问题类似于WFGD和SCR的上述讨论中所详述的问题。
发明内容
根据本发明,一种控制器指导空气污染控制系统的运行,所述空气污染控制系统进行用来控制污染物排放的工艺。空气污染控制系统可以是湿法烟道气脱硫(WFGD)系统、选择性催化还原(SCR)系统或另一种类型的空气污染控制系统。该工艺具有多工艺参数(MPPs),其中的一个或多个是可控工艺参数(CTPPs),其中的一个是由该系统排放的污染物的量(AOP)。被限定的AOP值(AOPV)表示目标或对所排放的AOP的实际值(AV)的限制。
控制器包括神经网络工艺模型或非神经网络工艺模型。在任何一种情况下,该模型将表示至少一个CTPP中的每一个和所排放的AOP之间的关系。如果期望的话,该模型可包括基本原理模型、混合模型或回归模型。控制器还包括控制处理器,其可以是个人电脑(PC)或另一类型的计算设备或者形成其的一部分,并且有时可被称为多变量工艺控制器。控制处理器被配置以逻辑,例如软件程序或另一种类型的程序逻辑,以便基于该一个模型来预测对CTPPs中的至少一个中的每一个的当前值的变化将会如何影响所排放的AOP的未来AV。基于所预测的所述变化的影响和基于AOPV,处理器然后在至少一个CTPP中选择所述变化中的一个;和根据为所述CTPP选择的变化来指导该一个CTPP的控制。如果该模型是非神经网络工艺模型,控制处理器也可具有逻辑以基于表示MPPs的在先AVs的经验数据来导出该模型。
优选地,该控制器包括数据存储介质,其可以是电子、光学或某些其它类型的,其被配置以存储相应于所排放的AOP的在先AVs的历史数据。如果是这样的话,控制处理器可以也基于所存储的历史数据来在该一个CTPP中选择一个变化。
有利地,控制处理器具有逻辑,以基于该模型来预测对至少一个CTPP中的每一个的当前值的变化将会如何影响非工艺参数(如与为进行该工艺而运行系统有关的参数,例如功率的量或该工艺所用反应物的成本)的未来值.在这种情况下,可能对控制处理器所期望的是也基于非工艺参数在该一个CTPP中选择一个变化.
例如,该系统可能是湿法烟道气脱硫(WFGD)系统,其接收担载SO2的湿烟道气,施加石灰石浆料以从所接收的担载SO2的湿烟道气中脱除SO2和由此控制SO2的排放,并且排出脱硫烟道气。如果是这样的话,AOP可能是排出的脱硫烟道气中的SO2的量,至少一个CTPP可包括相应于所施加的石灰石浆料的pH值的参数和相应于所施加的石灰石浆料分布的参数中的一个或多个。
在一些情况下,WFGD系统还将施加氧化空气以使从所接收的担载SO2的湿烟道气中被脱除的SO2结晶,由此产生作为从所接收的担载SO2的湿烟道气中脱除SO2的副产物的石膏。在这种情况下,至少一个CTPP可包括相应于所施加的石灰石浆料的pH值的参数、相应于所施加的石灰石浆料分布的参数和相应于所施加的氧化空气的量的参数中的一个或多个。基于该一个模型,控制处理器可以预测对每一个CTPP的当前值的变化将会如何影响所生产出的石膏副产物的未来品质。也基于对所生产出的石膏副产物品质的约束条件,控制处理器也将有利地在该一个CTPP中选择一个变化。
另一方面,该系统可以是选择性催化还原(SCR)系统,其接收担载NOx的烟道气,施加氨和稀释空气以从所接收的担载NOx的烟道气中脱除NOx,由此控制NOx的排放,并且排出被还原的NOx烟道气。如果是这样的话,AOP通常将是排出的烟道气中的NOx的量,待控制的CTPP可以是相应于所施加的氨的量的参数。在这种情况下,控制处理器可以也基于该模型来预测对所述参数的当前值的变化将会如何影响排出烟道气中的NOx的未来量,并且基于对排出烟道气中的NOx的量的约束条件来选择该一个变化。
附图说明
图1是一幅框图,其描述了常规湿法烟道气脱硫(WFGD)子系统的概述。
图2更详细描述了图1中所述的WFGD子系统的某些方面。
图3更详细描述了图1中所述WFGD子系统的其它方面。
图4是SO2脱除效率与石膏纯度对比的图表,作为pH值的函数。
图5A描述了WFGD约束条件盒,其中WFGD工艺性能在舒适范围内。
图5B描述了具有根据本发明优化的WFGD工艺性能的图5A的WFGD约束条件盒。
图6描述了根据本发明的示范性的MPC控制结构的功能框图。
图7描述了适用于图6结构中的示范性的MPC控制器和估计器的元件。
图8更详细地描述了根据本发明的图7所示的MPC控制器的处理单元和存储磁盘。
图9描述了引入到如图8所述的MPC控制器的估计器的功能框图。
图10描述了根据本发明的多层MPCC结构。
图11A描述了根据本发明的由多层MPC控制器呈现给用户的界面屏幕。
图11B描述了根据本发明由多层MPC控制器呈现的另一界面屏幕,用于回顾,修正和/或添加计划停机。
图12描述了根据本发明的图10的多层MPCC结构的扩展图。
图13描述了根据本发明的具有WFGD工艺DCS的、引入估计器的、MPCC接口的功能框图。
图14A描述了根据本发明监控MPCC控制的DCS屏幕。
图14B描述了根据本发明的另一用于输入实验室和/或其它值的DCS屏幕。
图15A描述了根据本发明的WFGD子系统,其中该子系统的总运行由MPCC控制。
图15B描述了根据本发明的MPCC,其控制图15A中所示的WFGD子系统。
图16更详细描述了根据本发明的图15A中所示的WFGD子系统的某些方面,其相应于图2中所示的那些。
图17更详细描述了根据本发明的图15A中所示的WFGD子系统的其它方面,其相应于图3中所示的那些。
图18仍更详细地描述了根据本发明的图15A中所示的WFGD子系统的其它方面。
图19更详细地描述了根据本发明的图15B中所示的MPCC的某些方面。
图20是一幅框图,其描述了一般的选择性催化还原(SCR)单元的概述。
图21描述了SCR子系统的常规工艺控制方案。
图22详细描述了根据本发明的MPC控制器的处理单元和存储磁盘。
图23A描述了根据本发明的SCR子系统,其中该子系统的总运行由MPCC控制。
图23B更详细地描述了根据本发明的图23A中所示的MPCC的某些方面。
具体实施方式
如所述,高效运行的WFGD和类似子系统现在比以前复杂很多。此外,因为另外的竞争压力和污染物规章,这种复杂性可能将在今后继续增加。常规工艺控制策略和技术不能应付这些复杂性,由此不能最佳控制这种运行。
在子系统有用的使用寿命内动态变化的商业环境中,期望在任何给定时间使子系统运行的商业价值最大化。这种资产优化可能是基于甚至在常规工艺控制策略中未被考虑的因素。例如,在其中市场存在着交易规章信用的商业环境中,高效的子系统运行可能要求可以产生另外的规章信用并将其卖出以使子系统价值最大化,尽管为产生这种信用可能导致另外的运行成本。
操作成本,与简单的使SO2吸收最大化、使运行成本最小化并且满足副产物品质规定的策略不同,可使用一种更复杂的策略来优化子系统运行,而不管是否SO2吸收最大化、运行成本最小化或副产物品质规定被满足。此外,不仅可以提供工具以基本上改善子系统控制,如改善的子系统控制可以完全自动化。因此,运行可被自动化而且不仅运行参数和约束条件可被优化,而且商业环境也可被优化。当产生的规章信用的市场价值小于为产生这种信用的子系统另外的运行成本时,子系统可被自动控制以在非常接近于规章许可水平或精确地在规章许可水平进行运行。然而,当产生的规章信用的市场价值大于为产生这种信用的子系统另外的运行成本时,子系统也可被自动控制以调整这种运行使得在低于规章许可水平进行运行并由此产生规章信用。实际上,自动控制能够指导子系统运行以脱除尽可能多的SO2直至边际美元价值,即其中排放信用价值等于产生该信用的运行成本。
总之,优化WFGD和类似的子系统的运行需要考虑不仅复杂的工艺和规章因素,而且还要考虑复杂的商业因素以及这些不同类型的因素间的动态变化.优化可能需要考虑局部的商业因素(例如多个WFGD处理单元中的一个离线)和/或区域的商业因素(例如区域内运行的另一实体的WFGD处理单元离线)乃至全局的商业因素.在优化运行中,例如长期和短期SO2规章信用的广泛和动态变化的市场价格也可能需要被考虑进来。
因此,控制应当优选地能够调整运行以使SO2脱除在规章许可下最小化,或者使SO2脱除最大化。能够进行这种调整将使子系统物主能够利用规章信用价值的动态变化并且将一个子系统所产生的信用用来抵消由另一个其的子系统造成的超出许可的运行或者利用另一子系统物主购买规章信用的需要来抵消该子系统的超出许可的运行。此外,控制还应当优选地再次能够调整运行,一旦产生进一步的规章信用不再有益的时候。换言之,在受到设备、工艺、规章和商业约束条件的情况下,控制系统应当连续地优化APC资产的运行。
因为,没有超出石膏副产物所需纯度的动机,所以控制应当优选地促进运行优化以使石膏副产物的品质与石膏品质规定或其它销售约束条件匹配。优化控制应当通过根据期望的SO2吸收水平和石膏产量需求来预期和指导调整O2水平的动作,从而便于避免石灰石阻塞。
如上所述,将排放控制到滚动平均是复杂的问题。这是因为,至少部分地,滚动平均的时间窗永远向前移动,并且在任何给定的时间,多个时间窗是活动的。一般地,活动窗口从给定时间延伸至过去的时间并且其它活动窗口从给定时间延伸至未来的时间。
滚动平均排放的管理需要将在滚动平均时间窗期间的全部排放集成。因此,相对滚动平均目标进行优化排放需要对于全部“活动的”时间窗,选择瞬时排放目标,其考虑了实际过去的排放和预测未来的排放或操作计划。
例如,优化4小时滚动平均需要检查多个时间窗,其中第一个在过去3小时59分钟开始并且在当前时间停止,其最后一个开始于当前时间而在未来4小时结束。应该公认的是使用每时间窗1分钟的“分辨率”,优化这种较短的4小时滚动平均将包括选择满足479个时间窗的约束条件的瞬时目标。
确定单个集成时间窗的滚动平均排放目标包括首先在集成时间窗中计算过去排放的总量,然后例如为单个集成时间窗的提示(reminder)预测未来排放速率(其将得到在该单个集成时间窗处于或者低于滚动平均限制期间的平均排放)。未来排放及时从当前点开始。然而,为了精确,未来排放还必须包括在单个集成时间窗提示(reminder)期间预测来自运行的排放。
应当理解的是,时间窗越长,预测未来排放将更难。例如,在接下来数小时内,来自运行的排放能够被相当准确的预测,但是在接下来11个月内来自运行的排放更难以预测,因为必须考虑例如季节变化和计划停机等因素。另外,对于非计划停机或子系统上设置的能力限制,可能必须添加安全边际。
因此,为优化WFGD工艺,例如最小化运行成本和/或最大化SO2脱除,同时将该工艺保持在运行约束条件内,必须自动确定WFGD工艺的最佳设定点。
在以下详述的本发明实施方案中,基于模型的多变量预测控制(MPC)方法被用于提供WFGD工艺的最佳控制。通常,MPC技术提供了多输入多输出的工艺动态控制。本领域技术人员将认识到,MPC技术最初在19世纪70年代后期被开发。该领域的技术创新持续至今。MPC包括许多基于模型的控制技术或方法。与常规PID类型的反馈控制系统可能的相比,这些方法使得控制工程师能够更有效地处理复杂相互作用动态的工艺。MPC技术能够控制线性和非线性工艺。
全部MPC体系明确地使用动态模型来预测工艺的未来行为。然后为使目标函数最小化而计算特定的控制动作。最后,实施滚动时域(receding horizon),由此在每一时间增量,所述滚动时域朝未来移动一个增量。此外,在每个增量,施加第一控制信号,其相应于在该步骤计算的序列的控制动作。对于控制工程师来说,存在着许多可得的商业程序如Generalized Predictive Control(GPC),Dynamic MatrixControl(DMC)和Pegasus′Power PerfecterTM。Comancho和Bordons在Model Predictive Control.Springer-Verlag London,Ltd.1999中提供了极好的关于MPC主题的概述。
而Lennart Ljund的System Identification.Theory for the User,Prentice-Hall,Inc.2nd Edition,1999是关于工艺动态建模的经典著作,其是实际上实施MPC所需的。
在管理模式中,MPC技术是最常使用以进行通常由操作员操作的运行,而不是代替由DCS实施的基本底层规章控制。MPC技术能够自动地使用数学方法来平衡竞争性目标和工艺约束条件来为工艺提供最佳设定点。
MPC将一般地包括如下部件:
动态模型:用于预测的动态模型,例如非线性动态模型。使用装置的参量和阶式试验,容易地开发了这种模型。动态模型的高品质是极好优化和控制性能的关键。
动态识别:使用装置阶式试验来识别工艺动力学,或者工艺随时间如何变化。基于这些阶式试验,基于优化的算法用来识别装置的动力学。
稳态优化:稳态优化器用来寻找工艺的最佳运行点。
动态控制:动态控制器用来计算在稳态解附近最佳控制的移动。使用优化器来计算控制移动。优化器用来使用户规定的成本函数最小化,该成本函数受到一组约束条件的约束。使用工艺的动态模型来计算成本函数。基于模型,可以对工艺进行成本函数和约束条件、最佳控制移动的计算。
动态反馈:MPC控制器使用动态反馈来更新模型。通过使用反馈,干扰、模型失调和传感器噪音的影响可被大大减小。
先进的调谐部件:MPC控制器提供了一组完整的调谐能力。对于受操控的变量,用户可以设置期望值和系数;移动罚因子;下限和上限;变化约束条件的速率;和上下硬约束条件。用户还可以使用稳态优化器的输出来设置受操控的变量的期望值。对于受控变量来说,用户可以设置期望值和系数;误差权重;限制;优先考虑的硬约束条件和轨迹漏斗(trajectory funnel)约束条件。
模拟环境:为初期试验和控制器的调谐提供了离线模拟环境。模拟环境使得能够调查模型失配和干扰排除能力。
在线系统:MPC控制算法优选在标准化软件服务器中实施,该服务器可以在标准商用操作系统中运行。该服务器通过标准化接口与DCS通信。工程师和操作员可以有利地使用图形用户界面(GUI)来观察MPC算法的输出预测。
健全的误差处理:用户规定了MPC算法应如何响应输入和输出中的误差。如果误差发生在关键(critical)变量中或者上次先前已知的优良值可用于非关键(non-critical)变量的话,可以关掉该控制器。通过适当地处理误差,可以最大化控制器可用时间的运行。
虚拟在线分析器:如果工艺变量的直接测量是不可行的话,该环境提供了实施基于软件的虚拟在线分析器(VOA)的底层结构。使用这种MPC工具,使用来自装置(包括,如果合适的话,试验室数据)的历史数据,可以开发期望的工艺变量的模型。该模型然后可以输入实时工艺变量并且实时预测不可测的工艺变量。然后在模型预测控制器中,可以使用这种预测。
优化WFGD工艺
如下文中所详述的,根据本发明,可以改善SO2脱除效率。也就是说,当满足所需或期望的约束条件,例如石膏纯度约束条件、瞬时排放极限和滚动排放极限时,来自单元的SO2脱除率可以被最大化和/或优化。此外,还可以使运行成本最小化或优化。例如,当WFGD的烟道气负载减少时,可以自动关掉浆料泵。另外,还可以动态调整氧化空气流量和SO2脱除以预防石灰石阻塞的状况。如与常规受控WFGD工艺相比时,使用本文所述的MPC控制器,可以更接近约束条件来管理WFGD工艺,并且获得增强性能。
图5A和5B描述了WFGD“约束条件”盒500和550。如图所示,通过识别工艺和设备约束条件505-520,使用多个独立变量(MVs)和被识别的约束条件(即独立/受控变量)之间的基于工艺的稳态关系,有可能根据MV将约束条件映射到普通的“空间”上。该空间实际上是n维空间,其中n等于自由度的数目或者问题中受操控的MV的数目。然而,如果为了举例说明,我们假定我们具有两个自由度,即两个MVs,然后使用二维(X-Y)图能够表示系统约束条件和关系。
有利地,工艺和设备约束条件限定非零解空间,其被显示为可行运行区域525。该空间中的任何解将满足对WFGD子系统的约束条件。
全部WFGD子系统显示了一定的可变度。参考图5A,一般常规运行策略将适宜地把可行解空间525的舒适范围530置于普通WFGD子系统可变性内,这将通常确保安全运行。将运行保持在舒适范围530内使得运行远离不可行/不期望运行的区域,即,远离可行区域525外部的区域。一般地,将分布式控制系统(DCS)警报设置在可测量约束条件的限制处或其附近以向操作员发出悬而未决的问题的警报。
虽然的确在可行空间525中的任一点都满足系统约束505-520,但在可行空间525中的不同点并不具有相同操作成本、SO2吸收效率或石膏副产物生产能力。为最大化利润、SO2吸收效率或石膏副产物的生产/品质,或者为最小化成本,需要识别可行空间525内运行的经济最佳点。
根据本发明,工艺变量和维持或改变这些变量值的成本或益处例如能够用于产生表示利润的目标函数,其有时能够被考虑成负成本。如图5B所示,使用线性、二次或非线性规划求解技术,如下文所详述,有可能识别最佳可行解点555,例如可行运行区域525内的最小成本或最大利润解点。因为约束条件和/或成本可以在任何时间变化,有利地实时(例如每次MPC控制器执行时)再识别最佳可行解点555。
因此,本发明有利于使工艺运行从在舒适范围530内的常规运行点自动再定向到最佳运行点555,或者当成本约束条件变化时,从最佳运行点555到另一最佳运行点。一旦确定了最佳点,计算为使工艺移位到最佳运行点的MVs值所需的变化这些新的MV值变成目标值。这些目标值是稳态值并且没有解释工艺动力学。然而,为了安全地移动工艺,工艺动力学也需要被控制和管理,这将把我们带到下一点。
为使工艺从原运行点移动到新最佳运行点,使用预期性工艺模型、反馈和高频率的执行。使用MPC技术,预测了动态途径或受控变量(CVs)的轨迹。通过使用这种预测和管理受操控的MV调整,不仅在当前时间,而且在未来,例如在不久的将来,有可能管理CVs的动态途径。可以计算CVs的新目标值。然后,由于CV预测轨迹和新CV目标值间的差异,还可以计算在期望的时域内的动态误差。同样,使用最优化理论,可以计算最小化误差的最佳途径。应当理解的是,在实践中优选允许工程师权重误差,以便使一些CVs比其它的受到更严格控制。预测工艺模型还允许控制从一个运行点到下一个运行点的途径或轨迹,所以,当移动到新最佳运行点时,可以避免动态问题。
总之,当可能需要优化工艺以获得几乎任何期望的结果时,本发明允许在几乎可行运行区域525内的任一点进行运行。也就是说,可以优化工艺:是否目标获得了最低的可能排放、最高的品质或副产物数量、最低的操作成本或一些其它结果。
为紧密地到达最佳运行点555,MPC优选地降低工艺可变性,以便小的偏差不破坏约束条件。例如,通过使用预测工艺模型、反馈和高频率的执行,MPC可以显著降低受控工艺的工艺可变性。
稳态和动态模型
如前一段落所述,稳态和动态模型用于MPC控制器。在本节中,将进一步描述这些模型。
稳态模型:对于某一组输入来说,工艺的稳态是由该组相关的工艺值描述的状态,如果全部输入保持定值达长周期,该工艺将获得,使得输入的先前值不再影响该状态。对于WFGD来说,因为处理单元中的结晶器的大处理能力和其中较慢反应,到达稳态的时间一般地为48小时左右。稳态模型用来预测与一组工艺输入的稳态有关的工艺值。
基本原理稳态模型:开发稳态模型的一种方法是使用一组方程式,这些方程式基于对工艺的工程认识而得出的。这些方程式可以表示工艺输入和输出之间的已知的主要关系。已知的物理、化学、电学和工程方程式可被用来导出这组方程式。因为这些模型基于已知的原理,所以他们被称为基本原理模型。
大多数工艺最初使用基本原理技术和模型进行设计。这些模型通常是足够精确以在舒适范围(如上所述参考图5A)内提供安全运行。然而,提供高精度基于基本原理的模型常常是既费时又费钱的。此外,未知的影响常常对基本原理模型的精度具有明显的影响。因此,常常使用备选方法来构筑高精度稳态模型。
经验模型:经验模型基于从工艺中收集的实际数据。使用数据回归技术来构筑经验模型以确定模型输入和输出之间的关系。常常,在一系列装置试验中收集数据,其中移动单独的输入以记录它们对输出的影响。这些装置试验可持续数天至数周以便收集足够多的经验模型数据。
线性经验模型:线性经验模型是通过对一组输入和输出数据进行拟合得到高维度中的直线或平面而产生的.通常可得的拟合这种模型的算法,例如Excel提供了一种回归算法,其根据一组经验数据来拟合直线.神经网络模型:神经网络模型是另一类型的经验模型.神经网络能够将一组经验数据拟合为比直线更复杂的曲线.神经网络模型的结构和训练算法是受到生物学启发的.神经网络由若干结点组成,这些结点模拟神经元的基本功能.结点按权重连接,这些权重模拟了大脑中神经元之间的基本相互作用.使用训练算法来设置权重,这些训练算法模拟大脑中的学习过程.使用基于神经网络的模型,与使用线性经验模型所能够获得的相比,更加丰富和复杂的模型可被开发.使用神经网络模型,能够表示输入(Xs)与输出(Ys)间的关系.在本文中,将来提及的神经网络或神经网络模型应被理解为基于神经网络的工艺模型.
混合模型:混合模型包括从基本原理或已知的关系和经验关系中获得的元素的结合。例如,X和Y之间的关系的形式可以是已知的(基本原理元素)。关系或方程式包括许多定值。这些定值中的一些可以使用基本原理知识来确定。从基本原理确定其它定值将是非常困难的和/或费钱的。然而,使用X和Y的实际工艺数据和基本原理知识来构筑回归问题以确定未知定值的值是相对容易和廉价的。这些未知的定值表示了混合模型中的经验/回归的元素。回归是比经验模型小很多的,并且混合模型的经验本质是更小的,因为模型形式和一些定值是基于支配物理关系的基本原理所确定的。
动态模型:动态模型表示了随时间输入变化对输出的影响。尽管仅使用了稳态模型来预测最终工艺的静止状态,但是使用动态模型来预测从一个稳态到另一个稳态的途径。使用基本原理知识、经验数据或两者结合可以开发出动态模型。然而,在大多数情况下,使用从一系列重要变量的阶式试验收集的经验数据来开发模型,这些重要变量影响了工艺状态。
Pegasus Power Perfecter模型:大多数MPC控制器仅允许使用线性经验模型,即由线性经验稳态模型和线性经验动态模型组成的模型。Pegasus Power PerfecterTM允许将线性、非线性、经验和基本原理模型结合而产生最终的用于控制器中的模型,因此其优选用于实施MPC。将不同类型的模型结合以产生Pegasus Power Perfecter所用的最终模型的一种算法描述于美国专利5,933,345中。
WFGD子系统结构
图6描述了具有模型预测控制的WFGD子系统结构的功能框图。控制器610引入了为计算WFGD工艺620的受操控的MVs615(例如pH值和氧化空气)的实时设定点所需的逻辑。控制器610使这些计算基于所观察的工艺变量(OPVs)625,如MVs的状态,干扰变量(DVs)和受控变量(CVs)。此外,一组参考值(RVs)640,其一般地具有一个或多个相关的调谐参数,将还用于计算受操控的MVs615的设定点。
估计器630,其优选是虚拟在线分析器(VOA),引入为产生估计工艺变量(EPVs)635所需的逻辑。EPVs一般地是不能被正确测量的工艺变量。估计器630实施该逻辑以基于OPVs的当前和过去值来产生WFGD工艺的EPVs的操作状态的实时估计。应当理解的是,OPVs可以包括DCS工艺测量和/或实验室测量。例如,如上所述石膏的纯度可以基于实验室测量来确定。估计器630可以有利地为各种WFGD工艺问题提供警报。
可以在软件中或者以其它方式实施控制器610和估计器630逻辑。应当理解的是,如果期望的话,在单个计算机处理中可以容易地实施控制器和估计器,如本领域技术人员所熟知的。
模型预测控制控制器(MPCC)
使用模型预测控制器(MPCC),优选实施图6的控制器610.MPCC提供了WFGD工艺的实时的多输入多输出的动态控制.基于所观察的和估计的PVs625和635,MPCC计算了一组MVs的设定点.WFGDMPCC可以使用由以下测量的这些值中的任一个、任何组合或者全部:
·pH值探针
·浆料密度传感器
·温度传感器
·氧化还原电位(ORP)传感器
·吸收器液位(absorber level)传感器
·SO2进口和出口/烟囱传感器
·进口烟道气速度感传器
·吸收器化学物质(Cl、Mg、Fl)的实验室分析
·石膏纯度的实验室分析
·石灰石碎度(Grind)和纯度的实验室分析
WFGD MPCC也可使用用于控制以下的计算设定点中的任一个、或任何组合或全部:
·石灰石进料器
·石灰石粉碎机
·石灰石浆料流量
·化学添加剂/反应物进料器/阀
·氧化空气流量控制阀或节气闸或压气机
·pH值阀或设定点
·循环泵
·补充水添加和脱除阀/泵
·吸收器化学物质(Cl、Mg、Fl)
WFGD MPCC因此可以控制以下Cvs中的任一个、或任何组合或全部:
·SO2脱除效率
·石膏纯度
·pH
·浆料密度
·吸收器液位(level)
·石灰石碎度和纯度
·运行成本
MPC方法提供了柔性以在一个统一的控制器中最佳计算WFGD工艺的全部方面。在运行WFGD中的主要挑战是通过平衡以下竞争目标来最大化运行利润和最小化运行损失:
·相对于期望的约束条件限制(例如当合适的时候,最大化SO2脱除信用的一种或多种的许可限制),将SO2脱除率维持在适当的脱除率。
·相对于期望的约束条件限制(例如石膏纯度规定限制),将石膏纯度维持在适当的值。
·相对于期望的限制(例如最小化电力消耗成本),将运行成本维持在适当的水平。
图7描述了示范性的MPCC700,其包括控制器和估计器,类似于参考图6所描述的那些.如下文所详述,MPCC 700能够平衡如上所述的竞争目标。在优选的实施中,MPCC 700引入了Pegasus PowerPerfecter TM MPC逻辑和基于神经网络的模型,然而其它逻辑和基于非神经网络的模型可以替代使用,如果这样是期望的话,如上所述和如本领域技术人员所要理解的。
如图7所示,MPCC 700包括处理单元705,以及多个I/O端口715和磁盘存储单元710。磁盘存储710单元可以是任何合适类型中的一种或多种装置,并且可利用电、磁、光或其它形式的存储介质。还应理解的是,虽然描述了较少数目的I/O端口,但是对于特定的实施,根据情况,处理单元可包括尽可能多或少的I/O端口。还应当理解的是,来自DCS和被返回到DCS的设定点的工艺数据可以被封装在一起,并且使用标准计算机内部通信协议来作为单个消息传送,虽然底层的数据通信功能对运行MPCC来说是必不可少的,但是该实施的详细情况对于本领域技术人员是公知的并且与本文中所解决的控制问题无关。处理单元705与磁盘存储单元710通信,以便经由通信连接712存储和取回数据。
MPCC 700还包括一个或多个用于接收用户输入(例如操作员输入)的输入装置。如图7所示,键盘720和鼠标725便于将命令或数据手工输入到处理单元705(经由通信连接722和727和I/O端口715)。MPCC700还包括显示器730,其将信息显示给用户。处理单元705将待呈现给用户的信息通信在显示器730上(经由通信连接733)。除便于用户输入通信外,I/O端口715还便于非用户输入通信到处理单元705(经由通信连接732和734),以及从处理单元715经由通信连接734和736的指令通信(例如,所产生的控制指令)。
处理单元、逻辑和动态模型
如图8所示,处理单元705包括处理器810、存储器820和接口830(其便于经由图7的通信连接732-736接收和传送I/O信号805)。存储器820一般地是随机存取存储器(RAM)。接口830便于经由键盘720和/或鼠标725实现处理器810和用户之间的相互作用,以及实现如下文所述在处理器810和其他装置之间的相互作用。
还如图8中所示,磁盘存储单元710存储估计逻辑840、预测逻辑850、控制发生器逻辑860、动态控制模型870和动态估计模型880。根据存储模型执行存储逻辑以控制WFGD子系统使得优化运行,如下文所详述的。磁盘存储单元710还包括用于存储接收或计算的数据的数据存储885和用于保存SO2排放历史的数据库890。
以下表1中示出了控制矩阵,该控制矩阵列出了由MPCC 700使用以便平衡上述三个目标的输入和输出。
SO<sub>2</sub>脱除 | 石膏纯度 | 运行成本 | |
操控变量 | |||
PH | X | × | |
压气机空气Amps | × | X |
SO<sub>2</sub>脱除 | 石膏纯度 | 运行成本 | |
循环泵Amps | X | X | |
干扰变量 | |||
进口SO<sub>2</sub> | X | ||
烟道气速度 | X | ||
氯化物 | X | × | |
镁 | X | × | |
氟化物 | X | × | |
石灰石碎度和纯度 | × | X | |
内部动力成本 | X | ||
石灰石成本 | X | ||
石膏价格 | X |
表1:控制矩阵
在本文所述的示范性的实施中,MPCC 700用来控制包括SO2脱除率、石膏纯度和运行成本的CVs。操控MVs(其包括pH水平、氧化空气压气机的负载和循环泵的负载)的设定点以控制CVs。MPCC 700还考虑了许多DVs。
当满足一组约束条件时,MPCC 700必须平衡与CVs有关的三个竞争目标。竞争目标被制定成目标函数,其使用编码在MPCC逻辑中的非线性规划最优化技术来最小化。通过对这些目标中的每一个输入权重因子,例如使用键盘720或鼠标725,WFGD子系统操作员或其他用户能够规定目标中的每一个的相对重要性,取决于特定的情况。
例如,在某种情况下,SO2脱除率可以比石膏纯度和运行成本的权重大,运行成本可以比石膏纯度的权重大。在其它情况下,运行成本可以比石膏纯度和SO2脱除率的权重大,石膏纯度可以比SO2脱除率的权重大。在另外以下情况下,石膏纯度可以比SO2脱除率和运行成本的权重大。可以规定许多权重的结合。
基于规定的权重,MPCC 700将控制WFGD子系统的运行,使得子系统在最佳点运行,例如图5B中所示的最优点555,同时仍满足适当一组的约束条件,例如图5B中所示的约束条件505-520。
对于这种特定的实例,约束条件是以下表2中所识别的那些。这些约束条件代表了与如上所述的CVs和MVs有关的类型。
受控变量 | 最小约束条件 | 最大约束条件 | 期望值 |
SO<sub>2</sub>脱除 | 90% | 100% | 最大化 |
石膏纯度 | 95% | 100% | 最小化 |
运行成本 | 无 | 无 | 最小化 |
操控变量 | 最小约束 | 最大约束 | |
PH | 5.0 | 6.0 | 计算值 |
压气机 | 0% | 100% | 计算值 |
循环泵#1 | 关 | 开 | 计算值 |
循环泵#2 | 关 | 开 | 计算值 |
循环泵#3 | 关 | 开 | 计算值 |
循环泵#4 | 关 | 开 | 计算值 |
表2:受控变量和操控变量的约束条件
动态控制模型
如上所述,MPCC 700需要动态控制模型870,具有表1的控制矩阵中所示的输入-输出结构。为了开发这种动态模型,最初开发了基本原理模型和/或基于WFGD工艺装置试验的经验模型。使用上述技术能够开发基本原理模型和/或经验模型。
对于所述示范性的WFGD子系统,对于SO2脱除率和石膏纯度的WFGD工艺的稳态模型(基本原理模型或经验模型)被优选开发。使用基本原理方法,基于WFGD工艺输入和输出之间的已知的基本关系,开发了稳态模型。使用神经网络方法,通过从各种运行状态的实际工艺中收集经验数据,开发了稳态SO2脱除率和石膏纯度模型。使用这种经验数据训练一种基于神经网络的模型,其可以捕捉工艺的非线性。还注意到,虽然基于神经网络的模型在某些实施中可能是优选的,但是使用这种模型不是强制性的。相反,如果期望的话,可以使用基于非神经网络的模型,并且甚至在某些实施中可能是优选的。
此外,根据基本原理开发了运行成本的稳态模型。简单地,成本因素用来开发总的成本模型。在所述示范性的实施中,各种原材料(例如石灰石)的成本和电力成本乘以它们各自用量合计开发了总成本模型。通过SO2脱除信用价格乘以SO2脱除吨数以及石膏价格乘以石膏吨数来确定收入模型。运行利润(或损失)可以通过收入减去成本而确定。取决于泵的驱动器(定速对变速),优化泵的连接情况可以包括二元关-开决定;这可能需要二次优化步骤以完全评价不同泵的连接情况选择。
即使精确的稳态模型可被开发出来并且其可适于基于稳态优化的解决方案,但是这种模型不包含工艺动力学,因此不特别适用于MPCC
700。因此,在WFGD子系统上进行阶式试验以收集实际的动态工艺数据。阶式试验响应数据用于构筑用于WFGD子系统的经验动态控制模型870,其被处理器810存储在磁盘存储单元710,如图8所示。
动态估计模型和虚拟在线分析器
图6举例说明了估计器(如引入MPCC 700中的那个)如何在WFGD工艺的总的先进控制中使用。在MPCC 700中,估计器优选形式是虚拟在线分析器(VOA)。图9更详细描述了引入MPCC 700中的估计器。
如图9所示,所观察的MVs和DVs被输入到WFGD子系统的经验动态估计模型880中,其用于在处理器810中执行估计逻辑840。在这点上,处理器810根据动态估计模型880来执行估计逻辑840。在这种情况下,估计逻辑840计算CVs的当前值,例如SO2脱除效率、石膏纯度和运行成本。
表3显示了动态估计模型880的结构。应该注意到用于MPCC 700中的控制矩阵和动态估计模型880具有相同的结构。
SO<sub>2</sub>脱除 | 石膏纯度 | |
操控变量 | ||
PH | X | × |
压气机空气Amps | × | |
循环泵Amps | X | |
干扰变量 | ||
进口SO<sub>2</sub> | ||
烟道气速度 | ||
氯化物 | × | × |
镁 | × | × |
氟化物 | × | × |
石灰石纯度和碎度 | × |
表3:估计器的工艺模型
对于SO2脱除和石膏纯度来说,估计逻辑840执行的输出是开环值。使用上述开发动态控制模型870的相同方法来开发用于VOA的动态估计模型880。应该注意到尽管动态估计模型880和动态控制模型870基本上相同,但是这些模型用于极不同的目的。在执行估计逻辑840中处理器810使用动态估计模型880来产生工艺变量(PVs)的当前值的准确预测,例如估计的CVs940。在执行预测逻辑850中由处理器810使用动态控制模型870以最佳计算图6中所示的受操控的MV设定点615。
如图9所示,从估计块920提供了反馈回路930,其表示了处理器810产生的估计CVs,作为估计逻辑840执行的结果。因此,CVs的最佳估计经由反馈回路930反馈到动态估计模型880。来自估计器在前迭代的CVs的最佳估计被用作起点,用于使当前迭代的动态估计模型880产生偏差。
确认块910表示所观察的CVs950(例如来自传感器测量和实验室分析),通过使用估计逻辑840执行的结果的处理器810,根据动态估计模型880,和所观察的MVs和DVs960的值的确认。由块910表示的确认还用于识别潜在的石灰石阻塞的状况。例如,如果所观察的MVs是由一个pH值传感器测量的pH值,基于根据动态估计模型880估计的pH值,实测pH值的确认910可以指出pH值传感器失效。如果所观察的SO2脱除、石膏纯度或pH值被识别为有误差,那么处理器810在判断920中将不使用该值。相反,将反而使用代替值,优选地基于动态估计模型的判断获得的输出。此外,警报可被送到DCS。
为计算估计920,处理器810将基于动态估计模型880的估计逻辑840的执行结果和所观察的和所确认的CVs结合。Kalman过滤方法优选用来将估计结果与所观察、确认的数据结合。在这种情况下,所确认的SO2脱除率,其由进口和出口SO2传感器所计算,与所产生的脱除率值结合而获得真实的SO2脱除的估计值。因为SO2传感器的精度,在所产生的值内,估计逻辑840优选将更偏向于所观察的数据的过滤版本。
石膏纯度仅仅最多每数小时测量一次。处理器810还将新观察的石膏纯度与所产生的所估计的石膏纯度值结合。在石膏样品测量之间的周期内,处理器810,根据动态估计模型880,将进行石膏纯度的开环更新估计,基于所观察的MVs和DVs960的变化。因此,处理器810还对石膏纯度实施了实时估计。
最后,处理器810执行估计逻辑840,根据动态估计模型880,以计算WFGD的运行成本。因为,没有成本的直接在线测量,处理器810有必要实施运行成本的实时估计。
排放管理
如上所述,在美国颁发的运行许可通常对瞬时排放和滚动平均排放都设置了限制。存在着两类滚动平均排放问题,其有利地在WFGD子系统控制中通过MPCC 700解决。当滚动平均时间窗小于或等于由MPCC 700的处理器810执行的预测逻辑850的时域时,出现了第一类问题。当滚动平均时间窗大于预测逻辑850的时域时,出现了第二类问题。
单层MPCC结构
第一类问题,短时间窗问题,是这样解决的,改造MPCC 700的普通结构以集成排放滚动平均作为在由MPCC 700实施的控制中的另外的CV.更具体地说,预测逻辑850和控制发生器逻辑860将稳态状况处理为工艺约束条件,其必须被维持在许可限制或其以下,而不是作为经济约束条件,并且还将强制动态控制途径,其将合适时间窗中的滚动平均的当前和未来值维持在许可限制或其以下.这样,MPCC700具有了排放滚动平均的调谐配置.
干扰变量的考虑
此外,对于如计划的运行事件(例如负载变化)等因素的DVs,其将在适当时域内影响排放,在预测逻辑850中并因而在WFGD工艺的MPCC 700控制中进行了解释。在实践中,实际的DVs,存储在存储磁盘单元710中作为数据885的一部分,将基于WFGD子系统的类型和子系统所采用的特定运行原则(例如基本负载Vs变动)来变化。DVs能够经由使用键盘720和鼠标725由操作员所输入的输入或者由控制发生器逻辑860自身或者经由接口830由外部计划系统(未示)来时时调整。
然而,DVs一般地不是处于一种容易地由操作员或其它用户调整的形式中。因此,运行计划接口工具优选作为预测逻辑850的一部分提供以辅助操作员或其它用户设置和维持DVs。
图11A和11B描述了用于输入计划停机的显示器730上所呈现的接口。如图11A所示,呈现了屏幕1100,其向操作员或其它用户显示了设计发电系统运行因子和设计WFGD子系统运行因子。还显示了各种按钮,其允许用户输入一个或多个新的计划停机,并显示早先输入的计划停机供回顾或修正。
如果使用鼠标725选择允许用户输入计划停机的按钮,那么图11B中所示的屏幕1110将呈现给用户。然后使用键盘720,用户可以输入各种的有关新的计划停机的细节,如图所示。通过点击所提供的添加停机按钮,添加了新的计划停机作为DV并且由预测逻辑850所解释。实施这种接口的逻辑设置了适当的DVs以便未来运行计划通信到MPCC处理单元705。
无论哪一种实际的DVs,DVs的功能将是相同的,其将计划的运行事件的影响嵌入到预测逻辑850,其然后可被MPCC处理器810执行来预测滚动平均排放CV的未来动态和稳态状况。因此,MPCC 700执行预测逻辑850以计算预测的排放滚动平均。预测的排放滚动平均又用作控制发生器逻辑860的输入,其被MPCC处理器810执行以解释在控制计划中的计划的运行事件。这样,MPCC 700具有考虑到计划的运行事件的排放滚动平均的调谐配置,因此尽管由于计划的运行事件,其还是具有在滚动平均排放许可限制内控制WFGD运行的能力。
双层MPCC结构
第二类问题,长时间窗问题,有利地使用两层MPCC方法而得到解决。在这种方法中,MPCC 700包括多个、优选两个级联控制器处理器。
现在参考图10,参考单层结构,以如上所述的方式第一层控制器处理单元(CPU)705A运行来解决短期或者短时间窗问题。如图10所示,CPU 705A包括处理器810A。处理器810A执行存储在磁盘存储单元710A上的预测逻辑850A以在等于短期适当时域的时间窗内提供动态滚动平均排放管理。表示短期的或适当的控制时域滚动平均排放目标的CV被存储在CPU 705A的存储装置单元710A中作为数据885A的一部分。
CPU 705A还包括存储器820A和接口830A,其类似于如上所述的存储器820和接口830,参考图8。接口830A接收MPCC 700I/O信号子集,即I/O信号805A。存储磁盘单元710A还存储估计逻辑840A和动态估计模型880A、控制发生器逻辑860A和动态控制模型870A、和SO2排放历史数据库890A,参考图8,全部这些在上文进行了描述。CPU 705A还包括计时器1010,一般地为处理器时钟.计时器1010的功能将在下文进行详述.
第二层CPU 705B运行以解决长期或长时间窗问题。如图10所示,CPU 705B包括处理器810B。处理器810B执行预测逻辑850B以另外提供动态滚动平均排放管理。然而,执行预测逻辑850B,考虑滚动平均排放约束条件的全部未来时间窗来管理动态滚动平均排放,并且对于第一层CPU 705A,确定最佳短期或适当的时域,滚动平均排放目标,即最大限值。因此,CPU 705B用作长期滚动平均排放优化器,并且在全部未来时间窗内,在排放滚动平均的控制的适当的时域内,预测了排放滚动平均。
表示长期时域滚动平均排放的CV被存储在磁盘存储单元710B中作为数据885B的一部分。CPU 705B还包括存储器820B和接口830B,其类似于如上所述的存储器820和接口830。接口830B接收MPCC 700I/O信号子集,即I/O信号805B。
尽管图10中的双层结构包括多个CPUs,应该认识到如果期望的话,多层预测逻辑能够在其他方面实施。例如,在图10中,第一层MPCC 700由CPU 705A表示,第二层MPCC 700由CPU 705B表示。然而,单个CPU,例如图8的CPU 705,可用于执行预测逻辑850A和预测逻辑850B,因此考虑所预测的最佳长期滚动平均排放,确定最佳短期或适当的时域滚动平均排放目标,来解决长期或长时间窗问题,并且考虑所确定的目标,优化短期或适当期限的滚动平均排放。
如上所述,CPU 705B关注了长期时域,有时称为控制时域,相应于滚动平均的时间窗。有利地,考虑滚动平均排放的全部未来时间窗,CPU 705B管理动态滚动平均排放,并且确定最佳短期滚动平均排放限制。CPU 705B以足够快的频率执行,使其能够在较短周期内捕捉运行计划的变化。
CPU 705B将短期或适当期限的滚动平均排放目标用作为MV,该目标被CPU 705A看作CV,并且将长期排放滚动平均看作CV。长期排放滚动平均因此在磁盘存储单元710B中作为数据885B的一部分存储。预测逻辑850B将稳态状况处理为工艺约束条件,其必须被维持在许可限制或其以下,而不是作为经济约束条件,并且还将强制动态控制途径,其将合适时间窗中的滚动平均的当前和未来值维持在许可限制或其以下。这样,MPCC 700具有了排放滚动平均的调谐配置。
此外,对于如计划的运行事件(例如负载变化)等因素的DVs,其将在适当的时域内影响排放,在预测逻辑850B中并因而在WFGD工艺的MPCC 700控制中进行了解释。在实践中,在实践中,实际的DVs,存储在存储磁盘单元710B中作为数据885B的一部分,将基于WFGD子系统的类型和子系统所采用的特定运行原则来变化,并且能够由操作员或者由执行控制发生器逻辑860B的CPU 705B或者经由接口830B由外部计划系统(未示)来调整。然而,如上所述,DVs一般地不是处于一种容易地由操作员或其它用户调整的形式中,因此,运行计划接口工具,如图11A和11B中所示的,优选作为预测逻辑850A和/或850B的一部分提供以辅助操作员或其它用户设置和维持DVs。
然而,这里也是的,无论哪一种实际的DVs,DVs的功能将是相同的,其将计划的运行事件的影响嵌入到预测逻辑850B,其然后可被MPCC处理器810B执行来预测长期滚动平均排放CV的未来动态和稳态状况。
因此,考虑到控制计划中的计划的运行事件,CPU 705B执行预测逻辑850B以确定最佳短期或适当期限的滚动平均排放限制.经由通信连接1000,最佳短期或适当期限的滚动平均排放限制被送到CPU705A.这样,MPCC 700具有考虑到计划的运行事件的优化排放滚动平均的调谐配置,因此尽管由于计划的运行事件,其还是具有在滚动平均排放许可限制内优化控制WFGD运行的能力。
图12描述了多层MPCC结构的扩展图。如图所示,操作员或其它用户利用远程控制终端1220以经由通信连接1225和1215和工艺历史数据库1210和MPCC 700通信。MPCC 700包括图10的CPU 705A和CPU 705B,其经由通信连接1000互相连接。与WFGD工艺有关的数据经由通信连接1230传送到工艺历史数据库1210,其存储这种数据作为历史工艺数据。如下文所进一步描述的,必要的存储数据从那1210经由通信连接1215取回并且由CPU 705B处理。与WFGD工艺有关的必要的数据还被传送到CPU 705A,经由通信连接1235,并且被CPU705A处理。
如前所述,CPU 705A从CPU 705B经由通信连接1000接收CV运行目标,其相应于当前期望的长期滚动平均目标。对于由执行预测逻辑850B的CPU 705B产生的长期滚动平均来说,该通信的滚动平均目标是优化的目标。CPU 705A和CPU 705B间的通信以和MPC控制器和实时优化器间的通信同样的方式处理。
CPU 705A和CPU 705B有利地具有一种信号交换协议,其保证了如果CPU 705B停止将长期滚动平均的优化的目标送到CPU 705A,那么CPU 705A将退后(fall-back)或者脱钩(shed),一种针对长期滚动平均约束条件的明智和保守的运行策略。预测逻辑850A可以包括用于建立这种协议的工具,由此保证必要的信号交换和脱钩。然而,如果预测逻辑850A不包括这种工具,那么能够以本领域技术人员熟知的方式改造DCS的典型特征和功能以实施所需的信号交换和脱钩。
关键的问题是确保CPU 705A一贯地使用及时的,即新鲜的-不陈旧的长期滚动平均目标。每一次,CPU 705B执行预测逻辑850B时,它将计算新鲜的、新的长期滚动平均目标。CPU 705A从CPU 705B经由通信连接1000接收新的目标。基于新的目标的接收,CPU 705A执行预测逻辑850A以重置计时器1010。如果CPU 705A未能及时从CPU
705B经由通信连接1000接收新的目标,那么计时器1010暂停或终止。基于计时器1010的终止,CPU 750A,根据预测逻辑,将当前长期滚动平均目标看作是陈旧的并且脱钩回到安全运行策略,直到它从CPU
705B接收新鲜的新的长期滚动平均目标。
优选地,最小计时器设置略长于CPU 705B的执行频率以便适应计算机负载/调度问题。由于许多实时优化器的非调度运行,通常常规实践是将通信计时器设置为至控制器稳态时间的1/2至两倍。然而,由于调度了由CPU 705B进行的预测逻辑的执行,设置计时器1010的推荐准则不是稳态优化连接的那种,但是应当例如,不大于在CPU705B上运行的控制器的执行频率的两倍加大约3至5分钟。
如果CPU 705A确定了当前的长期滚动平均目标是陈旧的并且脱钩,那么长期滚动平均约束条件必须被重置。在CPU 705B没有供给新鲜的新的长期滚动平均目标的情况下,CPU 705A没有长期指导或目标。因此,在这种情况下,CPU 705A增加了工艺运行的安全边际。
例如,如果滚动平均周期较短,例如4-8小时,并且子系统在基本负载状况下运行,那么根据预测逻辑850A,CPU 705A可以增加陈旧的滚动平均脱除目标达3-5wt%.在这种情况下,这种增加应当为连续运行建立足够的安全边际.对于实施该增加所需的操作员输入来说,所需的全部是将单个值,例如3wt%,输入到预测逻辑中.
另一方面,如果滚动平均周期较长,例如24或更多小时,和/或子系统在非定值负载下运行,那么根据预测逻辑850A,CPU 705A可以脱钩回到保守的目标。对于CPU 705A,能够这样做的一种方法是在滚动平均时间窗的整个周期内,在计划的子系统负载或其以上,使用假定的定值运行。基于这种定值运行,CPU 705A然后可以计算定值排放目标,并且增加小的安全边际或舒适因子,其可由现场管理确定。为在CPU 705A中实施这种解决方案,预测逻辑850A必须包括所述功能。然而,应该认识到,如果期望的话,设置这种保守目标的功能可在DCS中而非CPU 705A中实施。还将能够在第一层控制器705A中将保守目标作为二次CV来实施,并且仅仅当短期滚动平均目标1000是陈旧的时候,才启动这种CV。
因此,如果滚动平均周期较短或较长,和/或子系统在定值或非定值负载下运行,优选地预测逻辑850A包括脱钩-限制,以便不需要操作员动作。然而,还可以使用其它技术以建立脱钩限制,只要在当CPU705B没有提供新鲜的、新的长期滚动平均目标时的周期内,该技术相对于滚动平均约束条件建立了安全/保守性的运行。
应当注意到,无论CPU 705B是否恰当地运行或向CPU 705A供给新鲜的、新的长期滚动平均目标,在工艺历史数据库1210中,由MPCC700跟踪实际的SO2排放。因此,即使当CPU 705B未运行或者恰当地与CPU 705A通信的时候,所存储的排放也可被CPU 705B使用以跟踪并且解释所存在的SO2排放。然而,在CPU 705B再次运行并且能够恰当地通信时,根据预测逻辑850B,其将再优化滚动平均排放并且增减被CPU 705A利用的当前的滚动平均排放目标以便为在停机期间存在的实际的排放进行调整,并且经由通信连接1000向CPU 705A提供新鲜的、新的长期滚动平均目标。
在线实施
图13描述了具有用于WFGD工艺620的DCS 1320的MPCC 1300的接口的功能框图。MPCC1300引入了控制器1305(其可能类似于图6的控制器610)和估计器1310(其可能类似于图6的估计器630)。如果期望的话,MPCC 1300可以是图7和8中所示的MPCC。还可以使用多层结构配置MPCC 1300,如图10和12中所示的。
如图所示,经由数据接口1315,控制器1305和估计器1310连接到DCS 1320,该数据接口1315可以是图8的接口830的一部分。在这种优选的实施中,使用Pegasus(TM)数据接口(PDI)软件模块来实施数据接口1315。然而,这不是强制性的并且可以使用一些其它接口逻辑来实施数据接口1315。数据接口1315为被操控的MVs和读取的PVs发送设定点。设定点可作为图8的I/O信号805被发送。
在这种优选的实施中,使用Pegasus(TM)Power Perfecter(PPP)来实施控制器1305,前者由三个软件组件构成:数据服务器组件、控制器组件和图形用户界面(GUI)组件。数据服务器组件用来与PDI通信并且收集与控制应用有关的局部数据。考虑动态控制模型870,控制器组件执行预测逻辑850以进行模型预测控制算法计算。例如在显示器730上,GUI组件显示了这些计算的结果,并且提供了用于调谐控制器的接口。此外,Pegasus(TM)Power Perfecter的使用不是强制性的并且可以使用一些其它控制器逻辑来实施控制器1305。
在这种优选的实施中,Pegasus(TM)运行时间应用引擎(RAE)软件模块实施估计器1310.RAE直接与PDI和PPP通信.RAE被认为提供许多使其成为一种非常有成本效益的进行VOA的环境的特征.误差检查逻辑功能、心搏监控、通信和计算机处理监控能力和报警装置全部有利地在RAE中实施.然而同样地,Pegasus(TM)运行时间应用引擎的使用不是强制性的并且可以使用一些其它估计器逻辑来实施估计器1315。还有可能的是,如本领域技术人员会认识到的,如果期望的话,在WFGD 620的DCS中实施功能等效的VOA。
优选地在一个处理器(例如图8的处理器810或图10的810A)上执行控制器1305、估计器1310和PDI 1315,所述处理器,使用以太网连接,被连接到包括WFGD工艺620的DCS 1320的控制网络上。目前,一般地,该处理器操作系统是微软WindowsTM的,虽然这不是强制性的。处理器也可是大容量工作站计算机组件或其它类型计算机的一部分,如图7中所示的。无论如何,处理器和其相关的存储器必须具备足够的计算能力和存储能力以执行进行先进的如本文所述的WFGD控制所需的逻辑。
DCS修正
如上所述参考图13,执行预测逻辑850的控制器处理器经由接口1315接口到用于WFGD工艺620的DCS 1320。为便于适当接口控制器1305和DCS 1320,常规DCS将一般地需要修正。因此,DCS 1320有利地是以本领域中十分清楚的方式被修正的常规DCS,使得其将包括如下所述的特征。
DCS 1320有利地被改造,即一般使用软件用必要的逻辑程序化,使操作员或其它用户能够从DCS接口屏幕进行以下功能:
·在自动和手动之间改变PPP的CONTROL MODE(控制模式)。
·观察CONTROLLER STATUS(控制器状态)。
·观察WATCHDOG TIMER(监控计时器)(“HEARTBEAT(心搏)”)的状态。
·观察MV性质:STATUS(状态)、MIN(最小值)、MAX(最大值)、CURRENT VALUE(当前值)。
·ENABLE(启动)每一个MV或者将MV关掉。
·观察CV性质:MIN(最小值)、MAX(最大值)和CURRENTVALUE(当前值)。
·输入石膏纯度、吸收器化学物质和石灰石特征的实验室值。
作为用户获取这种功能的辅助,DCS 1320被改造以显示两个新的屏幕,如图14A和14B所示。图14A中的屏幕1400由操作员或其它用户使用以监控MPCC控制,图14B中的屏幕1450由操作员或其它用户使用以输入实验室和其它值,如可能是适当的话。
为了方便起见,避免不必要的理解本发明的复杂性,对以下描述来说,从控制矩阵中排除了例如运行成本等的项目。然而,应当理解的是运行成本是容易的,并且可能在很多情况下优选被包括在控制矩阵中。此外为了方便起见并且简化讨论,循环泵被处理为DVs,而不是MVs。此外,本领域技术人员将认识到,在很多情况下,可能优选将循环泵处理为MVs。最后,应当注意到在以下讨论中假设WFGD子系统具有两个吸收塔和两个相关的MPCCs(WFGD子系统中每个吸收器的MPCC的一个实例)。
先进控制DCS屏幕
现在参考图14A,如图所示,屏幕1400包括CONTROLLERMODE(控制器模式),其是操作员/用户选择的标签,能够是自动或手动的。在AUTO(自动)中,执行预测逻辑850的控制器1305,例如Pegasus(TM)Power Perfecter,计算MV移动并且执行控制发生器逻辑860以将指导实施这些移动的控制信号至DCS 1320。
执行预测逻辑850的控制器1305不会计算MV移动,除非启动了该变量,即所称的AUTO(自动)。执行预测逻辑850的控制器1305,例如Pegasus(TM)Power Perfecter,包括监控计时器或“心搏”功能,其监控通信接口1315和DCS 1320的完整性。警报指示(未示)将呈现在屏幕上,如果通信接口1315失效的话。执行预测逻辑850的控制器1305将认识警报状态,基于警报状态,将启动脱钩全部已启动的(即有效的选择)至下层DCS配置。
屏幕1400还包括PERFECTER STATUS(PERFECTER状态),其表明预测逻辑850是否已经由控制器1305成功地执行。GOOD(优良)状态(如图所示)是控制器1305继续运行所需要的。执行预测逻辑850的控制器1305将认识BAD(坏)状态并且对认识BAD(坏)状态进行响应,将断开全部有效的连接并且脱钩,即将控制返回到DCS 1320。
如图所示,MVs用以下信息标题显示:
ENABLED(启动的)-这个字段可由操作员或其它用户的输入设置到执行预测逻辑850的控制器1305来启动或不启动每一个MV。不启动MV相应于将MV调至关状态。
SP(设定点)-表明预测逻辑850的设定点。
模式(MODE)-表明预测逻辑850是否将适当的MV认识为开启、挂起、或完全关闭。
MIN LMT-显示了MV的预测逻辑850所使用的最小限制。应当注意到,优选地这些值不能被操作员或其它用户改变。
MAX LMT-显示了MV的预测逻辑850所使用的最大限制。同样,优选地这些值不能被改变。
PV-显示了如预测逻辑850所认出的每一个MV的最新值或当前值。
屏幕1400进一步包括MV状态字段指示的细节,如下:
执行预测逻辑850的控制器1305将仅仅调整特定的MV,如果其MODE(模式)是ON(开启)时。为此存在必须满足四个状况。第一,启动盒必须由操作员或其它用户选择。DCS 1320必须是自动模式。脱钩状况必须是假的,如由执行预测逻辑850的控制器1305计算的。最后,挂起状况必须是假的,如由执行预测逻辑850的控制器1305计算的。
执行预测逻辑850的控制器1305将变化并且显示HOLD(挂起)的MV模式状态,如果存在不会允许控制器1305调整该特定MV的状况的话。当处于挂起(HOLD)状态时,控制器1305,根据预测逻辑850,将维持MV的当前值,直到其能清除该挂起状态。对于保持挂起的MV状态,必须满足四个状况。第一,启动盒必须由操作员或其它用户选择。DCS 1320必须是自动模式。脱钩状况必须是假的,如由执行预测逻辑850的控制器1305计算的。最后,挂起状态必须是真的,如由执行预测逻辑850的控制器1305计算的。
如果基于任何以下状况,将不允许控制器调整特定的MV的状况存在的话,执行预测逻辑850的控制器1305将MV模式状态变为关闭(off),并且在关闭(off)模式状态上显示。第一,控制方式的启动盒由操作员或其它用户取消选定。DCS模式不是自动,例如处于手动。任何脱钩状况是真的,如由执行预测逻辑850的控制器1305计算的。
执行预测逻辑850的控制器1305将认识到在预定的优先周期内(例如在最后12小时)的各种脱钩状况,包括估计器1310执行的失效和输入实验室值的失效。如果执行预测逻辑850的控制器1305确定了任何上述脱钩状况是真的,它将MV的控制返回到DCS 1320。
还如图14A中所示,CVs用以下信息标题显示:
PV-表明控制器1305接收的CV的最新传感值。
LAB(实验室)-表明最新的实验室检测值以及控制器1305接收的样品的时间。
ESTIMATE(估计)-表明基于动态估计模型执行估计逻辑840的估计器1310所产生的当前或最近的CV估计。
MIN-显示CV的最小限制。
MAX-显示CV的最大限制。
此外,屏幕1400还对CVs的估计值显示了在运行的某一预定过去周期内,例如在运行的过去24小时内的趋势图。
实验室样品输入窗体
现在参考图14B,将标准实验室样品输入窗体DCS屏幕1450显示给操作员或其它用户。这个屏幕能够由操作员或其它用户使用,输入实验室样品检测值,其将由图13的估计器1310,根据估计逻辑840和动态估计模型880处理,参考图8如前所述。
如图14B所示,以下值随估计器1310产生的相关时间标志一起输入。
单元1实验室样品值:
·石膏纯度
·氯化物
·镁
·氟化物
单元2实验室样品值:
·石膏纯度
·氯化物
·镁
·氟化物
单元1和单元2结合的实验室样品值:
·石膏纯度
·石灰石纯度
·石灰石碎度
操作员或其它用户输入实验室检测值以及相关的样品时间,例如使用图7中所示的键盘720。在输入这些值后,操作员将起动更新按钮,例如使用图7中所示的鼠标725。起动更新按钮将使得估计器1310在估计逻辑840下一次执行期间更新这些参数的值。应当注意到,如果期望的话,这些实验室检测值可以另外以数字化形式经由MPCC处理单元的接口(例如图8中所示的接口830)从适当的实验室自动输入到MPCC 1300。此外,MPCC逻辑可以容易地改造,例如程序化,以自动起动由更新按钮表示的更新功能,所述更新按钮响应从适当的一个或多个实验室以数字化形式的检测值的接收。
为确保适当的控制WFGD工艺,石膏纯度的实验室检测值应该每8-12小时更新一次。因此,如果纯度未在该时间周期内更新,MPCC1300优选被配置,例如用必要的逻辑程序化,来脱钩控制并且发布警报。
此外,吸收器化学物质值和石灰石特征值应该至少一周更新一次.还有,如果这些值未及时更新,MPCC1300优选被配置以发布警报.
确认逻辑将包含在由估计器1310执行的估计逻辑840中以确认操作员的输入值。如果这些值未正确输入,估计器1310,根据估计逻辑840,将恢复到早先值,并且早先值将继续在图14B中显示,并且动态估计模型不会更新。
总WFGD运行控制
现在将参考图15A、15B、16、17、18和19来描述由上述任何类型的MPCC控制WFGD子系统的总运行。
图15A描述了发电系统(PGS)110和空气污染控制(APC)系统120,其类似于图1所描述的,相同的附图标记识别指相同的系统元素,其中一些未必在下文中进一步描述以避免不必要的重复。
如图所示,WFGD子系统130′包括多变量控制,其在这个示范性的实施中是由MPCC1500实施的,这可能是类似于以上所述的MPCC
700或1300,并且如果期望的话,其可以引入图10-12所述的类型的多层结构。
担载SO2的烟道气114被从其它APC子系统122送到吸收塔132。环境空气152被压气机150压缩并且作为压缩氧化空气154′送到结晶器134。传感器1518检测环境状况1520的实测(值)。实测环境状况1520可以例如包括温度、湿度和大气压。压气机150包括压气机负载控制1501,其能够提供当前压气机负载值1502并且能够修正当前压气机负载,基于所接收的压气机负载SP1503。
还如图所示,石灰石浆料148′,由浆料泵133从结晶器134泵送到吸收塔132。浆料泵133中的每一个包括泵状态控制1511和泵负载控制1514。泵状态控制1511能够提供当前泵状态值1512,例如表明泵的开/关状态,并且基于所接收的泵状态SP1513来改变泵的当前状态。泵负载控制1514能够提供当前泵负载值1515并且基于泵负载SP 1516改变当前泵负载。从混合器和罐140至结晶器134的新鲜的石灰石浆料141′的流量由流量控制阀199控制,基于浆料流量SP196′。如以下所详述,浆料流量SP 196′的基础是基于pH值SP186′确定的PID控制信号181′。流到结晶器134的新鲜的浆料141′用来调整WFGD工艺中所用的浆料的pH值,因此控制从进入吸收塔132的担载SO2的烟道气114中脱除SO2。
如以前所述,担载SO2的烟道气114进入吸收塔132的底部。SO2在吸收塔132中从烟道气114中脱除。清洁的烟道气116′,其优选不含SO2,从吸收塔132例如送到烟囱117。SO2分析器1504,如图所示在吸收塔132的出口,但是可以位于烟囱117或吸收塔132下游的另一位置,检测出口SO21505的实测(值)。
在子系统130′的控制侧上,WFGD工艺的多变量工艺控制器,即图15B中所示的MPCC 1500,接收各种输入。MPCC 1500的输入包括实测浆料pH值183、实测进口SO2189、压气机负载值1502、实测出口SO21505、实验室检测的石膏纯度值1506、实测PGS负载1509、浆料泵状态值1512、浆料泵负载值1515和实测环境状况值1520。如下所详述,这些工艺参数输入,以及其它输入(包括非工艺输入1550和约束条件输入1555),和计算估计的参数输入1560被MPCC 1500使用以产生受控参数设定点(SPs)1530。
运行中,SO2分析器188,位于WFGD吸收塔132或其上游,检测烟道气中的进口SO2114的实测(值)。进口SO2的实测值189被输送到前馈单元190和MPCC 1500.发电系统(PGS)110的负载还被PGS负载传感器1508检测,并且作为实测PGS负载1509输送到MPCC1500.另外,SO2分析器1504检测离开吸收塔132的烟道气中的出口SO2的实测(值)。出口SO2的实测值1505还被输送到MPCC 1500。
估计石膏品质
现在再参考图19,MPCC 1500的参数输入包括反映吸收塔132内的早先状况的参数。这些参数可以由MPCC 1500使用而产生和更新用于石膏的动态估计模型。用于石膏的动态估计模型可以例如形成动态估计模型880的一部分。
由于没有实用方法以直接在线测量石膏纯度,所以,与MPCC 1500的估计器1500B执行的估计逻辑(例如估计逻辑840)结合,能够使用动态石膏估计模型来计算石膏品质的估计(值),示为计算石膏纯度1932。估计器1500B优选是虚拟在线分析器(VOA)。虽然控制器1500A和估计器1500B显示为被安放在一个单元中,应该认识到,如果期望的话,控制器1500A和估计器1500B可以分别安放并且由单独组件形成,只要控制器1500A和估计器1500B单元适当地连接以启动所需的通信。石膏品质1932的计算估计(值)也可反映基于石膏品质实验室测量的由估计逻辑做出的调整,显示为石膏纯度值1506,MPCC 1500的输入。
然后,由估计器1500B将所估计的石膏品质1932传递到MPCC1500的控制器1500A。控制器1500A使用所估计的石膏品质1932以更新动态控制模型,例如动态控制模型870。根据动态控制模型870,由控制器1500A执行预测逻辑例如预测逻辑850,以比较所调整估计的石膏品质1932和表示期望石膏品质的石膏品质约束条件。期望石膏品质一般地由石膏销货合同规定来确定。如图所示,石膏品质约束条件是作为石膏纯度要求1924的MPCC 1500的输入作为数据885存储。
执行预测逻辑的控制器1500A确定是否需要调整WFGD子系统130’的运行,基于比较结果。如果是这样的话,所估计的石膏品质1932和石膏品质约束条件1924之间所确定的差异被由控制器1500A执行的预测逻辑所使用,确定对WFGD子系统运行所要做出的所需调整,以便获得在石膏品质约束条件1924内的石膏160′的品质。
维持与石膏品质要求的依从性
为使石膏160′品质与石膏品质约束条件1924保持一致,对WFGD运行的所需调整,如由预测逻辑确定的,被输送到控制发生器逻辑,例如控制发生器逻辑860,其还被控制器1500A执行。控制器1500A执行控制发生器逻辑以产生控制信号,其相应于石膏160′品质所需要的提高或降低。
这些控制信号可以例如引起对一个或多个图15A中所示的阀199、浆料泵133和压气机150的运行的调整,以便WFGD子系统工艺参数,例如从结晶器134流到吸收塔132的浆料148′的实测pH值,其由图15A中pH值传感器182所检测的实测浆料pH值183表示,相应于期望的设定点(SP),例如期望的pH值。浆料148′的pH值183的这种调整将又导致石膏副产物160′(其实际上由WFGD子系统130′产生)品质和由估计器1500B计算的所估计的石膏品质1932的变化,以更好地相应于期望石膏品质1924。
现在再参考图16,其更详细描述了新鲜水源164、混合器/罐140和脱水单元136的结构和运行。如图所示,新鲜水源164包括水罐164A,其中ME洗涤200由泵164B泵送到吸收塔132并且新鲜水源162由泵164C泵送到混合罐140A。
通过添加MPCC 1500,没有改变脱水单元136的运行和控制。
通过添加MPCC 1500,没有改变石灰石浆料制备区域(包括研磨机170和混合器/罐140)的运行和控制。
现在参考图15A、15B和16,控制器1500A可以例如执行控制发生器逻辑以指导石灰石浆料141′至结晶器134的流量的变化。流到结晶器134的浆料141的量通过打开和关闭阀199而控制。打开和关闭阀199由PID180控制。控制阀199运行的PID180的运行是基于输入浆料pH值设定点的。
因此,为恰当地控制浆料141′至结晶器134的流量,控制器1500A确定浆料pH值设定点,其将使石膏160的品质与石膏品质约束条件1924保持一致。如图15A和16所示,所确定的浆料pH值设定点,显示为pH值SP186,被送到PID180。PID180然后控制阀199的运行以修正浆料流量141′使得与所接收的pH值SP186′一致。
为控制阀199的运行,基于所接收的浆料pH值SP186和pH值传感器182所测量的浆料141的所接收的pH值183,PID180产生PID控制信号181′。PID控制信号181′与前馈(FF)控制信号191结合,后者由FF单元190产生。如本领域目前所掌握的,基于烟道气114的实测进口SO2189(其接收自位于吸收塔132上游的SO2分析器188)产生FF控制信号191。PID控制信号181′和(FF)控制信号191在求和块192结合,其一般地被包括在通信至阀199的DCS输出块中作为嵌入部件。离开求和块192的结合的控制信号由浆料流量设定点196′表示。
浆料流量设定点196′被送到阀199。通常,阀199包括另一PID(未示),基于所接收的浆料流量设定点196′,其指导阀199的实际的打开或关闭以修正通过阀的浆料141’的流量。无论如何,基于所接收的浆料流量设定点196′,阀199被打开或关闭以增大或减小浆料141′的量,并因此增大或减小流到结晶器134的浆料240的量,其又修正结晶器134中浆料的pH值和由WFGD子系统130生产的石膏160的品质。
如果适当的话,可以使用熟知的技术,将在确定何时以及是否MPCC 1500将在PID180重置/更新pH值设定点和/或PID180将在阀199重置/更新石灰石浆料流量设定点中所要考虑的因素程序化到MPCC 1500和/或PID180中。如本领域技术人员所理解的,例如PID180性能和pH值传感器182精度等因素通常在所述确定中被考虑。
在动态控制模型870中,根据石膏品质控制算法或对照表,通过处理从结晶器134流到吸收塔132的浆料148′的实测pH值(其接收自pH值传感器182,由浆料pH值183表示),控制器1500A产生pH值SP186′。算法或对照表表示了石膏160′的品质和实测pH值183之间确定的联系。
根据石灰石流量控制算法或对照表,通过处理接收自控制器1500A的pH值SP186和接收自pH值传感器182的浆料148的实测pH值(由浆料pH值183表示)之间的差别(deference),PID180产生PID控制信号181′。这种算法或对照表表示了来自混合器/罐140的浆料141′的量的变化量和从结晶器134流到吸收塔132的浆料148’的实测pH值183的变化量之间确定的联系。也许值得注意的是,尽管在图16中所示的示范性实施方案中,从研磨机170流至混合罐140A的被磨碎的石灰石174的数量通过单独的控制器(未示)来管理,如果有益的话,这还可以由MPCC 1500控制。另外,虽然没有被显示,如果期望的话,MPCC1500还可以控制在混合罐140A中的添加剂至浆料的分配。因此,基于从MPCC 1500的控制器1500A所接收的pH值SP186′,PID180产生一种信号,其使得阀199打开或关闭,由此增大或降低新鲜的石灰石浆料至结晶器134的流量。PID连续控制阀调整,直到流过阀199的石灰石浆料141′的量匹配由石灰石浆料流量设定点196’表示的MVSP。应当理解的是,优选地由作为阀199的一部分而包含的PID(未示)进行这种匹配。然而,另外,这种匹配可以由PID180完成,基于所测量的和从阀传送回的流量体积数据。
维持与SO2脱除要求的依从性
通过控制浆料148′的pH值,MPCC 1500可以控制从含SO2的烟道气114中脱除SO2以及由WFGD子系统产生的石膏副产物160′的品质。通过增加通过阀199的新鲜的石灰石浆料141′的流量增加浆料148′的pH值将导致增加从担载SO2的烟道气114中由吸收塔132脱除的SO2的数量。另一方面,降低通过阀199的石灰石浆料141′的流量降低了浆料148′的pH值。降低流到结晶器134的被吸收的SO2(现在的形式是亚硫酸钙)的数量还将导致在结晶器134较高百分数的亚硫酸钙被氧化为硫酸钙,因此获得了较高的石膏品质。
因此,在两个主要控制目标中存在着一种紧张关系,第一个目标是从担载SO2的烟道气114中脱除SO2,第二个目标是生产具有所需品质的石膏副产物160′。也就是说,可能在满足SO2排放要求和石膏规定之间存在着冲突。
现在再参考图17,其更详细描述了浆料泵133和吸收塔132之间的结构和操作。如图所示,浆料泵133包括多个单独的泵,在这个示范性实施方案中显示为浆料泵133A、133B和133C,其将浆料148′从结晶器134泵送到吸收塔132。如前所述,参考图3,泵133A-133C中的每一个将浆料送到吸收塔浆料液位(level)喷嘴306A、306B和306C的多个液位(level)中的不同一个。浆料液位(level)306A-306C中的每一个将浆料送到浆料喷淋器308A、308B和308C的多个液位(level)中的不同一个。浆料喷雾器308A-308C喷淋浆料,在这种情况下,将浆料148′喷淋到担载SO2的烟道气114(其在气体进口孔310进入吸收塔132)中,以吸收SO2。然后,在吸收器出口孔312,清洁的烟道气116′从吸收塔132排出。如前所述,ME喷淋洗涤200被送入吸收塔132。应该认识到虽然显示了3个不同液位(level)的浆料喷嘴和喷淋器以及3个不同的泵,但是各液位(level)的喷嘴和喷淋器的数目和泵的数目能够并且很可能变化,取决于特定的实施。
如图15A所示,对于动态控制模型的输入来说,泵状态值1512从泵状态控制1511反馈到MPCC 1500,如开/关切换,泵负载值1515从泵负载控制1514反馈到MPCC 1500,例如马达。再如图所示,通过MPCC 1500,泵状态设定点1513(例如切换开或关指令)被输送到泵状态控制1511并且泵负载设定点1516被输送到泵负载控制1514以控制泵133A-133C中的每一个的状态(例如开或关)和负载,由此控制浆料148被泵送至哪一个液位(level)的喷嘴和泵送到每一个液位(level)的喷嘴的浆料148的数量。应当认识到,在大多数当前的WFGD应用中,浆料泵133不包括可变负载能力(仅仅是开/关),所以泵负载设定点1516和负载控制1514对于MPCC 1500的使用或调整来说将是不可行的。
如图17中所述的示范性的实施中所详述的,泵状态控制1511包括单独的对于每个泵的泵状态控制,使用附图标记1511A、1511B和1511C表示。同样地,泵负载控制1514包括单独的对于每个泵的泵状态控制,使用附图标记1514A、1514B和1514C表示。单独的泵状态值1512A、1512B和1512C被分别从泵状态控制1511A、1511B和1511C输送到MPCC 1500以指出浆料泵的当前状态。同样,单独的泵状态值1515A、1515B和1515C被分别从泵负载控制1514A、1514B和1514C输送到MPCC 1500以指出浆料泵的当前状态。基于泵状态值1512A、1512B和1512C,MPCC 1500执行预测逻辑850,确定泵133A、133B和133C中的每一个的当前状态,由此确定通常所说的泵连接情况,在任何给定时间。
如上所述,进入吸收塔132的液体浆料148′的流速与进入吸收塔132的烟道气114的流速的比值通常表示为L/G。L/G是WFGD子系统的关键设计参数之一。因为烟道气114的流速,称为G,一般地由发电系统110的运行设置在WFGD处理单元130′的上游,其没有并且不能被控制。然而,液体浆料148′的流速,称为L,可以由MPCC 1500,基于G值,来控制。
其中这样做的一种做法是通过控制浆料泵133A、133B和133C的运行。单独的泵由MPCC 1500控制,通过将泵状态设定点1513A、1513B和1513C分别发布到泵133A的泵状态控制1511A、泵133B的1511B和泵133C的1511C以获得期望的泵连接情况,由此获得其中浆料148将输入吸收塔132的液位(level)。如果在WFGD子系统中可行的话,MPCC 1500还可以将泵负载控制设定点1516A、1516B和1516C分别发布到泵133A的1514A泵133B的1514B和泵133C的1514C,以在每一个有效的喷嘴液位(level)处获得进入吸收塔132的浆料148的期望的流量。因此,通过控制浆料148′被泵送到哪个液位(level)的喷嘴306A-306C和泵送到每一个液位(level)的喷嘴的浆料148的数量,MPCC 1500控制液体浆料148′到吸收塔132的流速L。应该认识到泵的数目越大和喷嘴液位(level)越高,上述控制的难度(granularity)越大。
将浆料148′泵送到更高液位(level)的喷嘴,例如喷嘴306A,将使浆料(其从浆料喷淋器308A喷淋)具有与担载SO2的烟道气114较长的接触时间。与在较低喷淋液位(level)处进入吸收器的浆料相比,这又将导致该浆料从烟道气114中吸收较多量的SO2。另一方面,将浆料泵送到更低液位(level)的喷嘴,例如喷嘴306C,将使浆料148′(其从浆料喷淋器308C喷淋)具有与担载SO2的烟道气114较短的接触时间。这又将导致该浆料从烟道气114中吸收较少量的SO2。因此,使用相同量和组成的浆料148′,将从烟道气114中脱除较多或较少量的SO2,这取决于浆料被泵送到的喷嘴的液位(level)。
然而,与将液体浆料148′泵送到较低液位(level)的喷嘴的泵所需的相比,将液体浆料148′泵送到较高液位(level)的喷嘴,例如喷嘴306A,需要较多功率,由此较高运行成本。因此,通过泵送更多液体浆料至较高液位(level)的喷嘴来增加吸收,并因此从烟道气114中脱硫,增加了WFGD子系统的运行成本。
泵133A-133C是极大的旋转设备。这些泵可以通过由发布泵状态SPs的MPCC1500自动地或者通过子系统操作员或其它用户手动地启动或停机。如果由于发电系统110运行方面的变化而使进入吸收塔132的烟道气114的流速变化,那么MPCC 1500(其根据动态控制模型870执行预测逻辑850)和控制发生器逻辑860将调整一个或多个浆料泵133A-133C的运行。例如,如果烟道气流速降至设计负载的50%的话,MPCC可以发布一个或多个泵状态SPs以关闭,即关掉,当前正将浆料148′泵送到一个或多个喷淋液位(level)处的吸收塔喷嘴的一个或多个泵,和/或发布一个或多个泵负载控制SPs以减小当前正将浆料泵送到一个或多个喷淋液位(level)处的吸收塔喷嘴的一个或多个泵的泵负载。
另外,如果包括作为混合器/泵140的一部分或者作为单独子系统(直接地将有机酸进料到工艺中)的有机酸等的分配器(未示),那么MPCC 1500也可另外发布控制SP信号(未示)以减少被分配到浆料中的有机酸或其他相似添加剂的数量,从而降低浆料吸收并因此从烟道气中脱除SO2的能力。应该认识到这些添加剂往往是相当昂贵的,因此它们的使用相对受到限制,至少在美国。同样,SO2脱除和运行成本之间存在着冲突:添加剂是昂贵的,但是添加剂可以显著地强化SO2脱除而对石膏纯度影响很小或没有影响。如果WFGD子系统包括添加剂注入子系统,因此适当允许MPCC 1500控制和其它WFGD工艺变量协调的添加剂注入,以便MPCC 1500使WFGD工艺最低可能的运行成本下运行同时仍在设备、工艺和规章约束条件内。通过输入所述添加剂成本至MPCC 1500中,这种成本因素可被归入动态控制模型并且在指导WFGD工艺的控制中由执行预测逻辑来考虑。
避免石灰石阻塞
如前所述,为了将被吸收的SO2氧化而形成石膏,在吸收塔132中在浆料中在SO2和石灰石之间必须发生化学反应。在这个化学反应期间,氧气被消耗形成硫酸钙。进入吸收塔132的烟道气114是乏O2的,所以另外的O2是被添加到流到吸收塔132的液体浆料中。
现在再参考图18,压气机150,通常表示为风扇,压缩环境空气152。所得压缩氧化空气154′被送到结晶器134并且在结晶器134中施加浆料,所述结晶器134将被泵接到吸收器132,如前所述并参考图17。在结晶器134中将压缩氧化空气154′添加到浆料产生循环浆料148′,其从结晶器134流到吸收器132,所述吸收器132具有增加的氧含量,这将有利于氧化并因此形成硫酸钙。
优选地,在浆料148′中存在过量的氧气,不过应该认识到,可被浆料吸收或容纳的氧气的总量存在着上限。为便于氧化,期望的是在浆料中使用大量过量的O2来运行WFGD。
还将认识到如果浆料中的O2浓度变得太低,烟道气114中的SO2和浆料148′中的石灰石的化学反应将变慢并且最终停止发生。当这发生时,通常称为石灰石阻塞。
在结晶器134中溶于可循环浆料中的O2的数量不是可测量的参数。因此,动态估计模型880优选地包括溶解浆料O2的模型。根据动态估计模型880,由MPCC 1500的估计器1500B执行的估计逻辑(例如估计逻辑840)计算在结晶器134中在可循环浆料中的溶解O2的估计(值)。所计算的估计(值)被传递到MPCC 1500的控制器1500A,其使用所计算的估计(值)来更新动态控制模型,例如动态控制模型870。控制器1500A然后执行预测逻辑,例如预测逻辑850,其比较所估计的溶解浆料O2值和溶解浆料O2值的约束条件,后者已被输入到MPCC 1500中。溶解浆料O2值的约束条件是图15B中所示的约束条件1555之一,并且在图19中更具体地描述为溶解浆料O2要求1926。
基于比较的结果,仍执行预测逻辑的控制器1500A,确定是否需要任何WFGD子系统130′运行的调整以便确保泵送到吸收塔132的浆料148不变得急需O2。应该认识到确保浆料148′具有足够的量的溶解O2,还有助于确保SO2排放和石膏副产物的品质继续满足所需的排放和品质约束条件。
如图15A和18所示,压气机150包括负载控制机构1501,其有时称为压气机变速机构,其可以调整氧化空气至结晶器134的流量.负载控制机构1501可用于调整压气机150的负载和因此进入结晶器134的压缩氧化空气154的数量,由此便于任何所需的考虑比较结果的对WFGD子系统130运行的调整.优选地,负载控制机构1501的运行直接地由控制器1500A控制.然而,如果期望的话,负载控制机构1501可以由子系统操作员手动控制,这是基于来自指导操作员进行适当的负载控制机构的手动控制的控制器1500A的输出.无论哪种情况,基于比较结果,根据动态控制模型870,控制器1500A执行预测逻辑850以确定是否需要对进入结晶器134的压缩氧化空气154的总量进行调整,以确保被泵送到吸收塔132的浆料148′不变得急需O2,并且如果是这样的话,调整该数量。控制器1500A然后,考虑到由MPCC 1500从负载控制机构1501收到的压气机负载值,执行控制发生器逻辑,例如控制发生器逻辑860,以产生控制信号,该控制信号用于指导负载控制机构1501来修正压气机150的负载从而将进入结晶器134的压缩氧化空气154′的数量调整至期望的量,这将确保被泵送到吸收塔132的浆料148’不变得急需O2。
如前所述,O2的急需在夏季期间是特别关注的,这时热量降低了可被压气机150强制进入结晶器134的压缩氧化空气154′的数量。由控制器1500A执行的预测逻辑850可以例如确定,压气机150的速度或负载,其被输入至MPCC 1500作为压气机负载值1502,应该被调整以按照所确定的量增加进入结晶器134的压缩氧化空气154′的量。由控制器1500A执行的控制发生器逻辑然后确定压气机负载SP1503,其将导致压缩氧化空气154′的期望增加的量。优选地,压气机负载SP1503从MPCC 1500传送到负载控制机构1501,其指导压气机150负载的增加(相应于压气机负载SP1503),由此避免石灰石阻塞和确保SO2排放和石膏副产物的品质在适当的约束条件内。
增加压气机150的速度或负载将当然还增加压气机的功率消耗,因此增加WFGD子系统130′的运行成本。当控制WFGD子系统130′运行时,成本的这种增加还优选地被MPCC 1500监控,由此提供对控制压气机150以仅将必要量的压缩氧化空气154’送入结晶器134的经济剌激。
如图19所示,当前功率的成本/单位,描述为单位功率成本1906,优选被输入MPCC 1500作为图15B中所示的非工艺输入1550之一,并且还被包括在动态控制模型870中。使用这个信息,基于压缩氧化空气154′至结晶器134的流量的调整,MPCC 1500的控制器1500A还可以计算运行成本的变化并且将其显示给子系统操作员或其它人员。
因此,假如存在过剩的压气机150能力,控制器1500A将一般地控制压缩氧化空气154′至结晶器134的流量以确保其足以避免阻塞(binding)。然而,如果压气机150在全负载下运行,并且流到结晶器134的压缩氧化空气154′的数量仍不足以避免阻塞(binding),即需要添加空气(氧气)以氧化全部吸收在吸收塔132中的SO2,那么控制器1500A将需要实施另一控制策略。在这方面,一旦SO2被吸收到浆料中,它必须被氧化为石膏,然而,如果没有额外的氧气来氧化边际的SO2,那么最好不吸收SO2,因为如果被吸收的SO2不能被氧化的话,最后石灰石阻塞将出现。
在这种情况下,控制器1500A具有另一选项,其能够在控制WFGD子系统130′运行中实行,以确保不发生阻塞(binding)。更具体地说,根据动态控制模型870和控制发生器逻辑860执行预测逻辑850的控制器1500A能够控制PID180,以便调整流到结晶器134的浆料141′的pH水平,由此控制被泵送到吸收塔132的浆料148′的pH水平。通过指导被泵送到吸收塔132的浆料148′的pH水平的下降,将减少另外的边际的SO2吸收并且能够避免阻塞(binding)。
能够由控制器1500A实施的另一个备选策略是在图15B中所示的约束条件1555之外运行.具体来说,控制器1500A可以实施这样的控制策略,在这种控制策略下,没有在结晶器134中氧化同样多的浆料148′中的SO2。因此,将降低结晶器134中所需的O2的数量。然而,此举又将降低由WFGD子系统130′生产的石膏副产物160′的纯度。使用这种策略,控制器1500A在控制WFGD子系统130′运行中无视一个或多个约束条件1555。优选地,控制器将对清洁的烟道气116′中的SO2维持硬性排放约束条件,其被描述为图19中的出口SO2许可要求1922,而无视并且降低了石膏副产物160的规定纯度,其在图19中被描述为石膏纯度要求1924。
因此,一旦已经达到最大压气机能力限制,控制器1500A可以控制WFGD子系统130′运行以降低进入吸收塔132的浆料148′的pH值并且由此使SO2吸收下降低至排放限制,即出口SO2许可要求1922。然而,如果更进一步降低SO2的吸收将引起破坏出口SO2许可要求1922并且压气机能力不足以提供氧化全部必须被脱除的所吸收的SO2的所需量的空气(氧气),那么物理设备,例如压气机150和/或结晶器134,是尺寸过小的并且不可能满足SO2脱除要求和石膏纯度。因为MPCC1500不能“创造”所需的额外的氧,它必须考虑备选策略。在这种备选策略下,控制器1500A控制WFGD子系统130′运行以维持SO2脱除的当前水平,即满足出口SO2许可要求1922,并且生产满足放宽石膏纯度约束条件的石膏,即满足小于输入石膏纯度要求1924的石膏纯度要求。有利地,控制器1500A将使降低的石膏纯度要求和期望的石膏纯度要求1924之间的偏差最小化。应当理解的是,对于控制器1500A来说,更进一步的备选方案是根据混合策略(其将实施以上所述的两个方面)控制WFGD子系统130′运行。这些备选控制策略可以通过在MPCC 1500中设置标准调谐参数来实施。
MPCC运行
如上所述,MPCC 1500能够在分布式控制系统(DCS)中控制用于公用工程应用的大WFGD子系统。能够被MPCC 1500控制的参数几乎是无限制的,但优选地包括以下中的至少一个或多个:(1)进入吸收塔132的浆料148′的pH值,(2)将液体浆料148′输送至吸收塔132的不同液位(level)的浆料泵连接情况和(3)进入结晶器134的压缩氧化空气154′的数量。如将被认可的,包含基本工艺关系的动态控制模型870将被MPCC 1500利用以指导WFGD工艺的控制。因此,在动态控制模型870中建立的关系对于MPCC 1500来说是最重要的。在这方面,动态控制模型870涉及各种参数(例如pH值和氧化空气水平)、各种约束条件(例如石膏纯度和SO2脱除水平),正是这些关系允许WFGD子系统130′的动态和柔性控制,如将在下文进一步详述。
图19更详细地描述了MPCC 1500的控制器1500A所输入和使用的优选的参数和约束条件。如下所详述,控制器1500A执行预测逻辑,例如预测逻辑850,根据动态控制模型870并且基于输入参数和约束条件,来预测WFGD工艺的未来状态并且指导WFGD子系统130’的控制使得优化WFGD工艺。控制器1500A然后执行控制发生器逻辑,例如控制发生器逻辑860,根据来自预测逻辑的控制指令,以产生并且发布控制信号从而控制WFGD子系统130′的特定元素。
如前所述参考图15B,输入参数包括实测工艺参数1525、非工艺参数1550、WFGD工艺约束条件1555、和由根据动态估计模型880执行估计逻辑(例如估计逻辑840)的MPCC估计器1500B计算的估计的参数1560。
在优选的图19中所示的实施中,实测工艺参数1525包括环境状况1520、实测发电系统(PGS)负载1509、实测进口SO2189、压气机负载值1502、实测浆料pH值183、实测出口SO21505、实验室实测石膏纯度1506、浆料泵状态值1512和浆料泵负载值1515。WFGD工艺约束条件1555包括出口SO2许可要求1922、石膏纯度要求1924、溶解浆料O2要求1926和浆料pH值要求1928。非工艺输入1550包括调谐因子1902、当前SO2信用价格1904、当前单位功率成本1906、当前有机酸成本1908、当前石膏售价1910和未来运行计划1950。由估计器1500B计算的所估计的参数1560包括计算石膏纯度1932、计算溶解浆料O21934、和计算浆料pH值1936。因为包括非工艺参数输入,例如当前单位功率成本1906,MPCC 1500可以不仅基于工艺的当前状态,而且基于工艺之外的事物状态来指导WFGD子系统130′的控制。
确定附加SO2吸收能力的可得性
参考图17如前所述,MPCC 1500可以控制泵133A-133C的状态和负载并由此控制浆料148至吸收塔132的不同液位(level)的流量。MPCC 1500还可以基于当前泵连接情况和当前泵负载值1515A-1515C计算泵133A-133C的当前功率消耗,另外基于计算功率消耗和当前单位功率成本1906计算当前泵的运行成本。
MPCC 1500优选被配置以执行预测逻辑850,根据动态控制模型870并且基于当前泵状态值1512A-1512C和当前泵负载值1515A-1515C,以确定泵133A-133C可得的附加能力。然后基于可得的附加泵能力,MPCC 1500确定可通过调整泵的运行(例如打开泵以改变泵连接情况或增加泵的功率)来脱除的SO2的附加量。
确定对于脱除可得的SO2的附加量
如上所述,除了由传感器188检测的实测进口SO2组成189以外,发电系统(PGS)110的负载1509优选由负载传感器1508检测并且作为实测参数输入到MPCC 1500。PGS负载1509可以例如表示在发电系统110中消耗的煤的BTUs的测量(值)或者由发电系统110产生的功率的数量。然而,PGS负载1509还可以表示发电系统110或相关发电工艺的一些其它参数,只要所述其它参数测量适当地相应于进口烟道气负载的话,例如燃煤发电系统或工艺的一些参数(其适当地相应于前往WFGD子系统130′的进口烟道气的数量)。
MPCC 1500优选被配置以根据动态控制模型870执行预测逻辑850,从而确定进口烟道气负载,即,吸收塔132进口处的烟道气114的体积或质量,其相应于PGS负载1509。MPCC 1500可以例如,基于PGS负载1509,计算吸收塔132处的进口烟道气负载。或者,PGS负载1509本身可以用作进口烟道气负载,无论在哪种情况下,没有计算的必要性。无论如何,然后MPCC 1500将确定从烟道气114中有效脱除的SO2的附加量,基于实测进口SO2组成189、进口烟道气负载和实测出口SO21505。
应当认识到进口烟道气负载可以被直接测量并且输入到MPCC1500中,如果这样是期望的话。也就是说,被送往吸收塔132的进口烟道气114的体积或质量的实测值能够任选地被位于吸收塔132上游的并且另一个APC子系统122下游的传感器(未示)来检测并且输送到MPCC 1500。在这种情况下,可能不需要MPCC 1500来确定相应于PGS负载1509的进口烟道气负载。
瞬时和滚动平均SO2脱除约束条件
如参考图12所述,工艺历史数据库1210例如包括SO2排放历史数据库890,如参考图8所述。工艺历史数据库1210与MPCC1500互相连接。应当理解的是MPCC 1500可以是例如图8所示类型的,或者可以是多层类型控制器,例如如图10所示的双层控制器.
SO2排放历史数据库890储存表示SO2排放的数据,不仅仅根据在上一个滚动平均周期内的SO2的组成而且还根据在上一个滚动平均周期内所排放的SO2的磅数。因此,除经由从SO2分析器1504输入的实测出口SO21505获取表示当前SO2排放的信息外,通过互连到工艺历史数据库1210,MPCC 1500还获取了表示SO2排放的历史信息,即经由SO2排放历史数据库890在上一个滚动平均时间窗内的实测出口SO2。应该认识到,虽然当前SO2排放相应于单一值,但是在上一个滚动平均时间窗内的SO2排放相应于在合适时间周期内的SO2排放的动态移动。
确定附加的SO2氧化能力的可得性
如图19所示和如上所述,MPCC 1500的输入是以下(1)-(4)的实测值:(1)出口SO21505,(2)实测压气机负载1502,其相应于进入结晶器134的氧化空气的数量,(3)浆料泵状态值1512,即泵连接情况,和浆料泵负载值1515,其相应于流到吸收塔132的石灰石浆料的数量,(4)流到吸收塔132的浆料的实测pH值183。另外,MPCC 1500的输入是对以下(1)-(3)的限制要求:(1)石膏副产物160′的纯度1924,(2)在结晶器134中的浆料中的溶解O21926,其相应于为确保足够的氧化和避免石灰石阻塞所需的浆料中的溶解O2的数量,和(3)离开WFGD子系统130′的烟道气116中的出口SO21922。当今,出口SO2许可要求1922将一般地包括瞬时SO2排放和滚动平均SO2排放两个约束条件。此外,MPCC 1500的输入是非工艺输入,其包括(1)单位功率成本1906,例如单位电力成本,和(2)SO2信用价格1904的当前和/或预期的值,其表示所述规章信用可被出售的价格。此外,MPCC 1500计算以下(1)-(3)的估计(值):(1)石膏副产物160′的当前纯度1932,(2)在结晶器134内浆料中的溶解O21934,和(3)流到吸收塔132的浆料的pH值1936。
根据动态控制逻辑执行预测逻辑的MPCC 1500处理这些参数以确定吸收塔132中与浆料反应的SO2的数量。基于这种确定,MPCC1500可以接下来确定用于氧化亚硫酸钙形成硫酸钙的在结晶器134中仍在浆料中可得的非溶解O2的数量。
确定是否施加附加的可得的能力
如果MPCC 1500已经确定吸收和氧化附加SO2的附加能力是可得的并且存在对于脱除可得的附加SO2,MPCC 1500还优选被配置以根据动态控制模型870执行预测逻辑850,从而确定是否控制WFGD子系统130′以调整运行来从烟道气114中脱除附加可得到的SO2。为作出这种确定,MPCC 1500可以例如确定是否这种SO2信用的产生和销售会增加WFGD子系统130′运行的收益性,因为改变运行以脱除附加的SO2(除了适用的政府规章实体所批准的运行许可所要求的以外,即除了出口SO2许可要求1922所要求的以外)以及出售所会获得的所得规章信用是更有收益的。
特别地,根据动态控制模型870执行预测逻辑850的MPCC 1500将确定WFGD子系统130′运行的必要变化以增加SO2的脱除。基于这种确定,MPCC 1500还将确定所会获得的所得附加规章信用的数目。基于所确定的运行变化和电力的当前或预期成本,例如单位功率成本1906,MPCC 1500另外将确定所产生的在WFGD子系统130′运行中被确定是必要变化所需的附加电力成本。基于这些随后的确定和所述信用的当前或预期价格,例如SO2信用价格1904,MPCC 1500将进一步确定是否产生附加规章信用的成本大于所述信用可被出售的价格。
如果例如,信用价格低,产生和销售附加信用未必有利。相反地,以满足适用的政府规章实体所批准的运行许可所需的最低水平脱除SO2将使成本最小化并由此最大化WFGD子系统130′运行的收益性,因为脱除仅仅最低限度地满足合适的政府规章机构所批准的运行许可的出口SO2许可要求1922所需要的SO2的量是更有收益的。如果在WFGD子系统130′的当前运行下已经产生了信用,MPCC 1500可以甚至指导WFGD子系统130′的运行变化以降低SO2的脱除并且因此停止更进一步SO2信用的产生,由此降低电力成本,由此带来运行的收益性。
确定运行的优先权
还如图19中所示,MPCC 1500还优选被配置以接收调谐因子1902作为另一个非工艺输入1550。根据动态控制模型870和调谐因子1902执行预测逻辑850的MPCC 1500可以对受控变量设置优先权,例如对每一个受控变量使用相应的权重。
在这方面,优选地,约束条件1555将酌情确定每一个受约束的参数限制的所需范围。因此例如,出口SO2许可要求1922、石膏纯度要求1924、溶解O2要求1926和浆料pH值要求1928将都具有上限和下限,MPCC 1500将在基于调谐因子1902的范围内维持WFGD子系统130′的运行。
评定未来WFGD工艺
根据动态工艺模型870执行预测逻辑850的MPCC 1500优选地首先估定工艺运行的当前状态,如上所述。然而,该评估无须在那里停止。MPCC 1500还优选地被配置以根据动态工艺模型870执行预测逻辑850,从而评估在WFGD子系统130′运行没有变化的条件下工艺运行将移动到的位置。
更具体地说,基于动态控制模型870和工艺历史数据库1210中存储的历史工艺数据之间的关系,MPCC 1500评估工艺运行的未来状态。历史工艺数据包括SO2历史数据库中的数据以及其它表示在一定预定时间周期内WFGD工艺中早先出现的事情的数据。作为这种评估的一部分,MPCC 1500确定WFGD子系统130′运行的当前途径,以及因此在未对运行进行变化的条件下与WFGD工艺有关的各种参数的未来值。
如本领域技术人员所理解的,MPCC 1500优选地确定,以类似于上述的方式,附加的SO2吸收能力的可得性、对于脱除可得的SO2的附加量、附加SO2氧化能力的可得性和基于所确定的未来参数值是否施加附加的可得的能力。
实施用于WFGD子系统运行的运行策略
MPCC 1500可被用作实施多个运行策略的平台,对底层工艺模型和工艺模型中的工艺控制关系没有影响。MPCC 1500使用目标函数以确定运行目标。目标函数包括根据工艺模型中的关系的工艺信息,然而它还包括调谐因子或权重。确定由工艺模型在目标函数中表示的工艺关系。调谐因子可在每一次执行控制器前进行调整。约束于工艺限制或约束条件,控制器算法可以最大化或最小化目标函数的值以确定目标函数的最佳值。工艺值的最佳运行目标对于从最佳解到目标函数的控制器来说是可得的。调整目标函数中的调谐因子或权重改变了目标函数值,并因而改变了最佳解。通过施加适当的标准或策略以设置目标函数调谐定值,使用MPCC 1500有可能实施不同的运行策略。一些更常见的运行策略可以包括:
·资产优化(利润最大化/成本最小化),
·污染物脱除最大化,
·在控制问题中操控变量的移动最小化
优化WFGD子系统运行
基于期望的运行标准和适当调谐的目标函数和调谐因子1902,MPCC 1500将执行预测逻辑850,根据动态工艺模型870并且基于适当的输入或计算参数,以首先确定WFGD子系统130′的长期运行目标。MPCC 1500然后将映射最佳过程,例如最佳轨迹和途径,从工艺变量(操控和受控变量)的当前状态至这些工艺变量相应确定的长期运行目标的。MPCC 1500接下来根据确定的长期运行目标和最佳过程映射以产生控制指令来修正WFGD子系统130′运行。最后,基于控制指令,执行控制发生器逻辑860的MPCC 1500产生控制信号并通信至WFGD子系统130′。
因此,根据动态控制模型870和当前实测和计算的参数数据,基于所选目标函数,例如根据当前电力成本或者规章信用价格,MPCC1500进行WFGD子系统130′运行的第一次优化以确定期望的目标稳态。根据动态控制模型870和工艺历史数据,MPCC 1500然后进行WFGD子系统130′运行的第二次优化以确定动态途径,沿该动态途径使工艺变量从当前状态移动到期望的目标稳态。有利地,由MPCC 1500执行的预测逻辑确定一种途径,该途径将有利于通过MPCC 1500控制WFGD子系统130′运行使得尽可能快地将工艺变量移动到每一个工艺变量的期望目标状态,同时在沿动态途径的每一个点处使每一个工艺变量的期望目标状态和每一个工艺变量的实际当前状态之间的误差或偏差最小化。
因此,MPCC 1500不仅解决了当前瞬间时间(T0)的控制问题,而且解决了在其中工艺变量从当前状态(T0处)到目标稳态(Tss处)移动的周期期间所有其它瞬间时间处的控制问题。这允许通过遍历从当前状态至目标稳态的整个途径来优化工艺变量的移动。当相比于使用常规WFGD控制器(早先背景中所述的PID)来移动工艺参数时,这又提供了附加的稳定性。
优化控制WFGD子系统是可能的,因为工艺关系在动态控制模型870中体现并且因为改变目标函数或非工艺输入(例如经济输入或变量调谐)不影响这些关系。因此,一旦确认了动态控制模型,有可能操控或改变MPCC 1500控制WFGD子系统130′的方式,由此在不同状况(包括不同的非工艺状况)下操控或改变WFGD工艺,而无需进一步考虑工艺水平。
再参考图15A和19,将对最大化SO2信用的目标函数和对于最大化收益性或最小化WFGD子系统运行损失的目标函数来描述WFGD子系统130′的控制的实例。本领域技术人员应该理解的是,通过产生其它运行方案的调谐因子,有可能优化、最大化或最小化WFGD子系统中的其它可控参数。
最大化SO2信用
为最大化SO2信用,根据动态控制模型870(具有目标函数,其中调谐定值被配置以最大化SO2信用)MPCC 1500执行预测逻辑850。应该认识到,从WFGD工艺的观点来看,最大化SO2信用要求SO2的回收最大化。
在目标函数中输入的调谐定值将允许目标函数平衡操控变量相对于SO2排放相互之间的变化的影响。
优化的净结果将是MPCC 1500将提升:
·通过增加浆料pH值设定点186′增加SO2脱除,和
·增加压气机氧化空气154′,以补偿被回收的附加的SO2
·受以下约束条件的约束:
·石膏纯度约束条件1924的下限。应该认识到这一般地将是这样的值,其提供在石膏纯度要求1924内的石膏纯度的最低容许限制以上的微小的安全边际。
·所需氧化空气154′的下限,和
·氧化空气压气机150的最高能力。
此外,如果允许MPCC 1500调整泵133连接情况,MPCC 1500将最大化浆料循环和有效的浆料高度,受泵133连接情况和负载约束条件的约束。
在这种运行方案下,MPCC 1500完全聚焦于增加SO2脱除以产生SO2信用。MPCC 1500将承兑(honor)工艺约束条件例如石膏纯度1924和氧化空气要求。但是,这种方案不提供电功率成本/价值和SO2信用价值之间的平衡。当SO2信用价值远超过电功率成本/价值时,这种方案将是适当的。
最大化收益性或最小化损失
MPCC 1500中的目标函数可被配置,以便它将最大化收益性或最小化损失。这种运行方案可称作“资产优化”方案。这种方案还需要精确的和最新的电功率、SO2信用、石灰石、石膏和任何添加剂(如有机酸)的成本/价值信息。
在控制器模型中与每一个变量有关的成本/价值因素被输入到目标函数中。然后,指导MPCC 1500中的目标函数以最小化成本/最大化利润。如果利润被定义为负成本,那么成本/利润变成了最小化目标函数的连续函数。
在这种方案下,目标函数将在其中产生附加SO2信用的边际价值等于产生该信用的边际成本的点处识别最小成本运行。应当注意到目标函数是约束最优化,所以最小化成本解将受以下约束条件的约束:
·最小SO2脱除(为与排放许可/目标相依从),
·最小石膏纯度,
·最小氧化空气要求,
·最大压气机负载,
·泵连接情况和负载限制,
·添加剂限制。
这种运行方案将对电力的价值/成本和SO2信用价值/成本的变化敏感。
为了最大受益,这些成本因素应该实时更新。
例如,假定在每一个控制器1500A执行前更新成本因素,因为电力需求在白天增加,所以所产生的电功率的现场价值(spot value)也增加。假定对于公用工程来说,有可能在这一现场价值出售附加功率并且在当时SO2信用价值基本上固定,如果存在一种将泵133和压气机150的功率转移到电网并同时仍维持最小SO2脱除的方法的话,那么存在着显著的经济剌激以将附加功率放到电网上。与MPCC 1500中的电功率目标函数有关的成本/价值因素将随着电力现场价值变化而变化,并且目标函数将到达新的满足运行约束条件但使用更少电功率的解。
相反地,如果SO2信用的现场价值增加,存在着附加的SO2信用的市场,并且电功率的成本/价值相对固定,那么通过受运行约束条件的约束来增加SO2脱除,MPCC 1500中的目标函数将响应这种变化。
在两个范例方案中,MPCC 1500将遵守全部运行约束条件,然后MPCC 1500中的目标函数将寻找其中SO2信用的边际价值等于产生该信用所需的边际成本的最佳运行点。
不可行运行
有可能有时WFGD子系统130′将给出一组约束条件1555和实测1525和估计1560的运行状况,对此没有可行解;如图5A和5B所示的可行运行区域525是零空间。当这出现时,没有解将满足系统的全部约束条件1555。这种情形可以定义为“不可行运行”,因为满足系统的约束条件是不可行的。
不可行运行可能是超出WFGD能力运行的结果,一种WFGD中或WFGD上游中的工艺紊乱。它也可能是WFGD和MPCC 1500系统的过度限制性的、不适当的和/或不正确的约束条件1555的结果。
在不可行运行周期期间,MPCC 1500中的目标函数集中于最小化加权误差的目标。每一个工艺约束条件1555在目标函数中出现。将权重期限(weighting term)施加到由受控/目标工艺值造成的约束条件限制的每一个误差或破坏。在控制器1500A试运行(commissioning)期间,实施工程师选择适当的误差权重期限值,以便在不可行运行周期期间内,目标函数将用最小的权重“放弃”约束条件,使得承兑更重要的约束条件。
例如,在WFGD子系统130′中,存在与出口SO21505有关的规章许可限制和与石膏纯度1506有关的销售规定。破坏SO2排放许可带来了罚款和其它明显的后果。破坏石膏纯度销售规定要求使石膏产物品质下降或再混合。产物品质下降不是所期望的选择,但是它对电站运行耐久性的影响比破坏排放许可对电站运行生活力的影响要小。因此,将设置调谐因子使得对SO2排放限制的约束条件具有更大的重要性、更大的权重,与对石膏纯度的约束条件相比。所以使用这些调谐因子,在不可行运行周期期间内,MPCC 1500中的目标函数将优先地维持SO2排放在SO2排放限制或其以下而破坏石膏纯度约束条件;MPCC1500将使对石膏纯度约束条件的破坏最小化,但它将这种变量的不可行性转移以维持更重要的排放限制。
报告操作员控制决策
MPCC 1500还优选地被配置以提醒操作员某些MPCC 1500的决定。此外,预测逻辑850、动态控制模型870或其它规划可被用来配置MPCC 1500以进行这种提醒。例如,MPCC可以发挥功能以指导警报发声或呈现正文或图像显示,使得操作员或其它用户知道MPCC 1500的某些决定,例如因为SO2信用是如此有价值的,所以在特定时间维持石膏品质低优先级的决定。
WFGD总结
总之,如上详述,已经描述用于WFGD工艺的基于优化的控制.这种控制有助于基于多输入、多输出模型(其使用工艺反馈进行更新)实时操控WFGD工艺的设定点.该优化能够考虑工艺的多个目标和约束条件.没有这种控制的话,操作员必须确定WFGD的设定点.由于工艺的复杂性,操作员常常选择次优设定点以平衡多个约束条件和目标.次优的设定点/运行导致损失的脱除效率、较高的运行成本和潜在的破坏品质约束条件.还描述了一种用于石膏纯度的虚拟在线分析.使用石膏纯度的实测工艺变量、实验室分析和动态估计模型,该虚拟在线分析计算了由WFGD工艺生产的石膏副产物纯度的在线估计(值).因为用于WFGD工艺所产生的石膏的纯度的在线传感器通常是不可得的,所以通常使用离线实验室分析来确定石膏纯度.然而,因为石膏纯度仅间或检测并且纯度必须维持在约束条件(一般地在石膏规定中设定)以上,所以工艺操作员常常使用WFGD工艺的设定点,这导致石膏纯度远高于所需的约束条件.这又导致了SO2脱除效率的牺牲和/或WFGD子系统不必要的功率消耗。通过在线估计石膏纯度,WFGD工艺的设定点能够被控制以确保石膏纯度更接近于纯度约束条件,因此有利于增加SO2脱除效率。
还如上所述,在控制回路中预先形成石膏纯度的虚拟在线分析,因此允许估计(值)被包括在反馈控制中,而不管使用模型预测控制(MPC)还是PID控制。通过向控制回路提供反馈,当运行时能够增加SO2脱除效率,使得生产出纯度更接近于适当纯度约束条件的石膏。
另外,以上还描述了用于运行成本的虚拟在线分析。如所公开的,该分析使用了WFGD工艺数据以及当前市场价格数据来在线计算WFGD工艺的运行成本。通常,操作员不考虑运行WFGD工艺的当前成本。然而,通过在线计算这种成本,操作员现在已被赋予跟踪工艺变化影响(例如设定点变化对运行成本的影响)的能力。
以上还详细描述了控制回路中运行成本的虚拟在线分析的性能,因此允许估计(值)被包括在反馈控制中,不管使用MPC或是PID。这种反馈控制能够因此被锻炼以使运行成本最小化。
以上还描述了一种技术,用来施用MPC控制以优化WFGD工艺的运行,以便使SO2脱除效率最大化,运行成本最小化和/或实现期望的石膏纯度高于约束条件。这种控制可以利用反馈回路中的石膏纯度和/或运行成本的虚拟分析,如上所述,并能够例如自动优化SO2脱除效率和/或WFGD工艺的运行成本。
描述了必要的以及可选参数。使用所公开的参数,本领域技术人员能够以常规方式施用熟知的技术以开发适当WFGD工艺的适当模型,这又能够被例如控制WFGD工艺的MPCC1550使用以优化WFGD工艺的运行。可以开发用于石膏纯度、SO2脱除效率和/或运行成本以及各种其它因素的模型。基于根据本文所述的原理/系统和工艺所开发的模型,能够执行常规MPC或其它逻辑以优化WFGD工艺。因此,克服了WFGD工艺常规控制的限制,例如使用PIDs(其限于单输入/单输出结构并严格依靠工艺反馈,而不是工艺模型)的。通过将模型包括在反馈回路中,与先前可能的相比,WFGD工艺控制能够甚至被进一步强化以例如使运行维持在更接近于约束条件,具有更低的变化。
还在工艺控制和WFGD工艺的虚拟在线分析内容中描述了使用WFGD工艺的基于神经网络的模型。如上详述的,WFGD工艺的输入-输出关系显示了一种非线性关系,因此有利的是使用非线性模型,因为这种模型将最好地表示工艺的非线性。此外,还描述了使用来自WFGD工艺的经验数据所导出的其它模型的开发。
以上还详细描述了用于WFGD工艺控制和虚拟分析的组合模型(其考虑了基本原理和经验工艺数据)的应用。虽然WFGD工艺的某些元素是熟知的,并且可以使用基本原理模型进行建模,但是其它元素并非十分清楚,因此最适宜地使用历史经验工艺数据进行建模。通过使用基本原理和经验工艺数据的结合,可以快速地开发精确模型,而无需对工艺的全部元素进行阶式试验。
上文还详细描述了确认WFGD工艺中所用的传感器测量(值)的技术。如所述的,能够代替非确认的测量(值),由此避免由于WFGD工艺的不准确的传感器测量(值)造成的不适当的控制。通过确认和代替坏的测量(值),基于正确的工艺值,现在WFGD工艺能够连续运行。
还详细描述了滚动排放的控制。因此,考虑到本发明公开内容,能够控制WFGD工艺使得能够恰当地维持一个或多个工艺的滚动排放平均值。使用单个控制器或者多个级联控制器能够实施MPC以控制工艺。使用所述技术,WFGD工艺能够被控制,例如,使得同时考虑和维持多个滚动平均值,同时使运行成本最小化。
SCR子系统结构:
重点描述MPCC对SCR的应用证明本发明可用于其它环境和实施。SCR的主要控制目标包括:
·NOx脱除-为依从规章或资产优化而制定该目标,
·控制氨泄漏,和
·最小成本运行-管理SCR催化剂和氨的使用。
同样,可以使用与WFGD一起讨论的类似的测量和控制方法论:
测量:如所讨论的,氨泄漏是一个重要的控制参数,其未被经常测量。如果没有直接测量氨泄漏,有可能从进口和出口NOx测量(值)2112和2111以及流到SCR 2012的氨来计算氨泄漏。这种计算的精度值得怀疑,因为它需要精确和可重复的测量并且包括评价大数目之间的小差异。在没有直接测量氨泄漏的情况下,另外使用虚拟在线分析器技术以指导氨泄漏的计算,从而产生较高保真度的氨泄漏估计(值)。
在VOA中的第一步骤估计了催化剂潜能(反应系数)和通过SCR催化剂的空间速度相关方差(SVCV,space velocity correlation variance)。使用进口烟道气流量、温度、催化剂全部运行时间和进口NOx和出口NOx的数量来计算这些。催化剂潜能和SVCV的计算是对许多样品的时间平均。催化剂潜能缓慢变化,因此使用许多数据点来计算该潜能,而SVCV更常变化,所以使用相对少的数据点来计算SVCV。给定催化剂潜能(反应系数)、空间速度相关方差(SVCV)和进口NOx,使用图9中所示的技术能够计算氨泄漏的估计(值)。
如果氨泄漏硬件传感器是可得的,从这种传感器至工艺模型的反馈回路将用于自动使VOA产生偏差。将使用VOA以显著降低硬件传感器的一般有噪音的输出信号。
最后,应当注意到能够使用SCR运行成本的虚拟在线分析器。如以前段落所述,由基本原理开发运行成本模型。同样,使用虚拟在线分析器能够在线计算运行成本,图9中所示的技术被用于VOA。
控制:MPCC被用于SCR控制问题以完成控制目标。类似于8的图22显示了SCR MPCC 2500的MPCC结构。由于与图8相类似,没有必要详细讨论图22,MPCC 2500将从上文图8的讨论中得到理解。图23A显示了将MPCC 2500应用于SCR子系统2170′。SCR子系统2170′规章控制方案的最大变化是用MPCC 2500代替了图20中所示的NOx脱除PID控制器2020和负载前馈控制器2220的功能。MPCC 2500直接地计算氨流量SP 2021A′,供氨流量控制器(PID 2010)使用。
MPCC 2500可以调整一个或多个氨流量以控制NOx脱除效率和氨泄漏.假如具有足够多的进口和出口NOx分析器2003和2004的测定值以及来自氨分析器2610的氨泄漏测量(值)2611以确定NOx脱除效率和氨曲线信息,MPCC 2500将控制总的或平均的NOx脱除效率和氨泄漏及曲线值。NOx脱除效率和氨泄漏曲线中的多个值的协调控制使得明显减小了平均工艺值的变化。较少的变化转化为系统内较少的“热”停机。这种曲线控制需要至少某种形式的曲线测量和控制,即,一个以上NOx进口、NOx出口和氨泄漏测量(值)和一个以上可动态调整的氨流量。需要承认的是,在没有必需的输入(测量值)和控制措施(氨流量)的情况下,MPCC 2500将不能实施曲线控制和捕获所产生的益处。
从MPCC 2500的观点来看,与曲线控制有关的附加参数增加了控制器的尺寸,但是没有改变总的控制方法、方案和目标。因此,接下来的讨论将考虑SCR子系统的控制,而没有曲线调整。
图23B显示MPCC 2500的概况。
优化SCR子系统运行
基于期望的运行标准和适当调谐的目标函数和调谐因子2902,MPCC 2500将执行预测逻辑2850,根据动态控制模型2870并且基于适当的输入或计算参数,以首先确定SCR子系统2170′的长期运行目标。MPCC 2500然后将映射最佳过程,例如最佳轨迹和途径,从工艺变量(操控和受控变量)的当前状态至这些工艺变量相应确定的长期运行目标的。MPCC 2500接下来根据确定的长期运行目标和最佳过程映射以产生控制指令来修正SCR子系统2170′运行。最后,基于控制指令,执行控制发生器逻辑2860的MPCC 2500产生控制信号并通信至SCR子系统2170′。
因此,根据动态控制模型和当前实测和计算的参数数据,基于所选目标函数,例如根据当前电力成本或者规章信用价格,MPCC 2500进行SCR子系统2170′运行的第一次优化以确定期望的目标稳态。根据动态控制模型和工艺历史数据,MPCC 2500然后进行SCR子系统2170′运行的第二次优化以确定动态途径,沿该动态途径使工艺变量从当前状态移动到期望的目标稳态。有利地,由MPCC 2500执行的预测逻辑确定一种途径,该途径将有利于通过MPCC 2500控制SCR子系统2170′运行使得尽可能快地将工艺变量移动到每一个工艺变量的期望目标状态,同时在沿动态途径的每一个点处使每一个工艺变量的期望目标状态和每一个工艺变量的实际当前状态之间的误差或偏差最小化。
因此,MPCC 2500不仅解决了当前瞬间时间(T0)的控制问题,而且解决了在其中工艺变量从当前状态(T0处)到目标稳态(Tss处)移动的周期期间所有其它瞬间时间处的控制问题。这允许通过遍历从当前状态至目标稳态的整个途径来优化工艺变量的移动。当相比于使用常规SCR控制器(早先所述的PID)来移动工艺参数时,这又提供了附加的稳定性。
优化控制SCR子系统是可能的,因为工艺关系在动态控制模型2870中体现并且因为改变目标函数或非工艺输入(例如经济输入或变量调谐)不影响这些关系。因此,一旦确认了动态控制模型,有可能操控或改变MPCC 2500控制SCR子系统2170′的方式,由此在不同状况(包括不同的非工艺状况)下操控或改变WFGD工艺,而无需进一步考虑工艺水平。
再参考图23A和23B,将对最大化NOx信用的目标函数和对于最大化收益性或最小化SCR子系统运行损失的目标函数来描述SCR子系统2170′的控制的实例.本领域技术人员应该理解的是,通过产生其它运行方案的调谐因子,有可能优化、最大化或最小化SCR子系统中的其它可控参数.
最大化NOx信用
为最大化NOx信用,根据动态控制模型2870(具有目标函数,其中调谐定值被配置以最大化NOx信用)MPCC 2500执行预测逻辑2850。应该认识到,从SCR工艺的观点来看,最大化NOx信用要求NOx的回收最大化。
在目标函数中输入的调谐定值将允许目标函数平衡操控变量相对于NOx排放变化的影响。
优化的净结果将是MPCC 2500将:
·通过增加氨流量设定点而增加NOx脱除,其受以下约束条件的约束:
·最大氨泄漏。
在这种运行方案下,MPCC 2500完全聚焦于增加NOx脱除以产生NOx信用。MPCC 2500将承兑氨泄漏的工艺约束条件。但是,这种方案不提供氨或氨泄漏成本/价值和NOx信用价值之间的平衡。当NOx信用价值远超过氨和氨泄漏成本/价值时,这种方案将是适当的。
最大化收益性或最小化损失
MPCC 2500中的目标函数可被配置,以便它将最大化收益性或最小化损失。这种运行方案可称作“资产优化”方案。这种方案还需要精确的和最新的电功率、NOx信用、氨和任何氨泄漏对下游设备的影响的成本/价值信息。
在控制器模型中与每一个变量有关的成本/价值因素被输入到目标函数中。然后,指导MPCC 2500中的目标函数以最小化成本/最大化利润。如果利润被定义为负成本,那么成本/利润变成了最小化目标函数的连续函数。
在这种方案下,目标函数将在其中产生附加NOx信用的边际价值等于产生该信用的边际成本的点处识别最小成本运行。应当注意到目标函数是约束最优化,所以最小化成本解将受以下约束条件的约束:
·最小NOx脱除(为与排放许可/目标依从),
·最小氨泄漏,
·最小化氨使用
这种运行方案将对电力的价值/成本和NOx信用的价值/成本的变化敏感。为了最大受益,这些成本因素应该实时更新。
例如,假定在每一个控制器执行前更新成本因素,因为电力需求在白天增加,所以所产生的电功率的现场价值也增加。假定对于公用工程来说,有可能在这一现场价值出售附加功率并且在当时NOx信用价值基本上固定,那么将存在明显最小化氨泄漏的动机,因为这将使空气预热器保持更洁净并使得更高效的发电。存在着显著的经济剌激以将附加功率放到电力网上。与MPCC 2500中的电功率目标函数有关的成本/价值因素将随着电力现场价值变化而变化,并且目标函数将到达新的满足运行约束条件但使用更少电功率的解。
相反地,如果NOx信用的现场价值增加,存在着附加的NOx信用的市场,并且电功率的成本/价值相对固定,那么通过受运行约束条件的约束来增加NOx脱除,MPCC 2500中的目标函数将响应这种变化。
在两个范例方案中,MPCC 2500将遵守全部运行约束条件,然后MPCC 2500中的目标函数将寻找其中一种NOx信用的边际价值等于产生该信用所需的边际成本的最佳运行点.
总结:
本领域技术人员还将认识到,虽然根据一个或多个优选的实施方案在上文中描述了本发明,但本发明不受其限制。上述发明的各种特征和方面可单独或共同使用。进一步地,尽管在特定环境中和对于特定目的,例如湿法烟道气脱硫(WFGD)和简述选择性催化还原(SCR),已经详述了本发明的实施,但是本领域技术人员将认识到其可用性不受此限制,并且本发明能够有利地在许多环境和实施中使用。因此,以下所述的权利要求应该在考虑本文中所公开的本发明的全部实质和精神的情况下进行理解。
Claims (24)
1.一种用于指导空气污染控制系统的运行的控制器,所述空气污染控制系统进行用于控制污染物排放的工艺,其具有多工艺参数MPPs,MPPs中的一个或多个是可控工艺参数CTPPs,且MPPs中的一个是由该系统排放的污染物的量AOP,并且具有所限定的AOP值AOPV,其表示目标或对所排放的AOP的实际值AV的限制,所述控制器包括:
神经网络工艺模型和非神经网络工艺模型中的一个模型,其表示所述至少一个CTPPs中的每一个和所排放的AOP之间的关系;和
控制处理器,其用逻辑来配置,以基于该一个模型来预测对一个或多个CTPPs中的至少一个中的每一个的当前值的变化将会如何影响所排放的AOP的未来AV,基于所预测的所述变化的影响和基于AOPV来在所述至少一个CTPP中的一个中选择所述变化中的一个,和根据为所述CTPP选择的变化来指导该一个CTPP的控制。
2.权利要求1的控制器,其中:
该一个模型表示至少一个CTPP中的每一个和所排放的AOP之间的非线性关系。
3.权利要求1的控制器,其中:
该一个模型是非神经网络工艺模型;并且
所述控制处理器被进一步用逻辑配置以基于表示MPPs的在先AVs的经验数据来导出该一个模型。
4.权利要求1的控制器,其还包括:
数据存储介质,其被配置以存储相应于所排放的AOP的在先AVs的历史数据;
其中,所述控制处理器被进一步用逻辑配置以也基于所存储的历史数据来在该一个CTPP中选择该一个变化。
5.权利要求1的控制器,其中:
该一个模型包括基本原理模型、混合模型或回归模型。
6.权利要求1的控制器,其中:
控制处理器用进一步的逻辑配置,以基于该一个模型来预测对至少一个CTPP中的每一个的当前值的变化将会如何也影响非工艺参数的未来值。
7.根据权利要求6的控制器,其中:
所述非工艺参数是与为进行该工艺而进行的系统运行有关的参数。
8.权利要求1的控制器,其中:
所述控制处理器用进一步的逻辑配置,以还基于非工艺参数来在所述一个CTPP中选择所述一个变化。
9.根据权利要求8的控制器,其中:
所述非工艺参数是与为进行该工艺而进行的系统运行有关的参数。
10.权利要求1的控制器,其中:
该系统是湿法烟道气脱硫WFGD系统,其接收担载SO2的湿烟道气,施加石灰石浆料以从所接收的担载SO2的湿烟道气中脱除SO2和由此控制SO2的排放,并且排出脱硫烟道气;
所述至少一个CTPP包括相应于所施加的石灰石浆料的pH值的参数和相应于所施加的石灰石浆料的分布的参数中的一个或多个;和
AOP是排出的脱硫烟道气中的SO2的量。
11.根据权利要求10的控制器,其中:
WFGD系统还施加氧化空气以使从所接收的担载SO2的湿烟道气中被脱除的SO2结晶,由此制造作为从所接收的担载SO2的湿烟道气中脱除SO2的副产物的石膏;
所述至少一个CTPP包括相应于所施加的石灰石浆料的pH值的参数、相应于所施加的石灰石浆料的分布的参数和相应于所施加的氧化空气的量的参数中的一个或多个;
所述控制处理器用进一步的逻辑来配置,以也基于该一个模型来预测对至少一个CTPP中的每一个的当前值的变化将会如何影响所生产出的石膏副产物的未来品质,并且也基于对所生产出的石膏副产物的品质限制来在该一个CTPP中选择该一个变化。
12.权利要求1的控制器,其中:
该系统是选择性催化还原SCR系统,其接收担载NOx的烟道气,施加氨和稀释空气以从所接收的担载NOx的烟道气中脱除NOx,由此控制NOx的排放,并且排出被还原的NOx烟道气;
所述至少一个CTPP包括相应于所施加的氨的量的参数中的一个或多个;和
AOP是排出的烟道气中NOx的量。
13.根据权利要求12的控制器,其中:
控制处理器用进一步的逻辑来配置,以也基于该一个模型来预测对所述参数的当前值的变化将会如何影响排出烟道气中的NOx的未来量,并且基于对排出烟道气中的NOx的量的限制来选择该一个变化。
14.一种用于指导控制空气污染物排放的工艺的运行的方法,其具有多工艺参数MPPs,MPPs中的一个或多个是可控工艺参数CTPPs,MPPs中的一个是由该系统排放的污染物的量AOP,并且具有所限定的AOP值AOPV,其表示目标或对所排放的AOP的实际值AV的限制,所述方法包括:
基于神经网络工艺模型和非神经网络工艺模型中的一个模型,来预测对一个或多个CTPPs中的至少一个的当前值的变化将会如何影响所排放的AOP的未来AV,所述模型表示至少一个CTPP中的每一个和所排放的AOP之间的关系;
基于所预测的所述变化的影响和基于AOPV来在至少一个CTPP中的一个中选择所述变化中的一个;和
根据为所述CTPP选择的变化来指导该一个CTPP的控制。
15.根据权利要求14的方法,其中该一个模型是非神经网络工艺模型,并且还包括:
基于表示MPPs的在先AVs的经验数据,导出该一个模型。
16.根据权利要求14的方法,其还包括:
存储相应于所排放的AOP的在先AVs的历史数据;
其中也基于所存储的历史数据来选择该一个CTPP中的一个变化。
17.根据权利要求14的方法,其中:
该一个模型包括基本原理模型、混合模型或回归模型。
18.根据权利要求14的方法,其还包括:
基于该一个模型,预测对至少一个CTPP中的每一个的当前值的变化将会如何也影响非工艺参数的未来值。
19.根据权利要求18的方法,其中:
非工艺参数是与进行所述工艺行为有关的参数。
20.根据权利要求18的方法,其中:
还基于非工艺参数,来在所述一个CTPP中选择所述一个变化。
21.根据权利要求14的方法,其中:
该工艺是湿法烟道气脱硫WFGD工艺,其施加石灰石浆料以从担载SO2的湿烟道气中脱除SO2并由此控制SO2的排放,并且排出脱硫烟道气;
所述至少一个CTPP包括相应于所施加的石灰石浆料的pH值的参数和相应于所施加的石灰石浆料的分布的参数中的一个或多个;和
AOP是排出的脱硫烟道气中的SO2的量。
22.根据权利要求21的方法,其中WFGD工艺还施加氧化空气以使从担载SO2的湿烟道气中被脱除的SO2结晶,由此产生作为从担载SO2的湿烟道气中脱除SO2的副产物的石膏,至少一个CTPP包括相应于所施加的石灰石浆料的pH值的参数、相应于所施加的石灰石浆料的分布的参数和相应于所施加的氧化空气的量的参数中的一个或多个;并且其还包括:
基于该一个模型,预测对至少一个CTPP中的每一个的当前值的变化将会如何影响所生产出的石膏副产物的未来品质;
其中,也基于对于所生产出的石膏副产物的品质限制,选择该一个CTPP中的该一个变化。
23.根据权利要求14的方法,其中:
该工艺是选择性催化还原SCR工艺,其施加氨和稀释空气以从担载NOx的烟道气中脱除NOx,由此控制NOx的排放,并且排出被还原的NOx烟道气;
所述至少一个CTPP包括相应于所施加的氨的量的参数;和
AOP是排出的烟道气中NOx的量。
24.根据权利要求23的方法,其还包括:
基于该一个模型,预测对所述参数的当前值的变化将会如何影响排出的烟道气中NOx的未来量;
其中,基于对排出的烟道气中NOx的量的限制,来选择该一个变化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/927,243 US7536232B2 (en) | 2004-08-27 | 2004-08-27 | Model predictive control of air pollution control processes |
US10/927,243 | 2004-08-27 | ||
PCT/US2005/027762 WO2006026059A1 (en) | 2004-08-27 | 2005-08-03 | Model predictive control of air pollution control processes |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101052926A CN101052926A (zh) | 2007-10-10 |
CN101052926B true CN101052926B (zh) | 2010-05-05 |
Family
ID=35124580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2005800370629A Active CN101052926B (zh) | 2004-08-27 | 2005-08-03 | 空气污染控制工艺的模型预测控制 |
Country Status (14)
Country | Link |
---|---|
US (6) | US7536232B2 (zh) |
EP (5) | EP2290485B1 (zh) |
JP (1) | JP2008511906A (zh) |
KR (1) | KR100969174B1 (zh) |
CN (1) | CN101052926B (zh) |
AU (1) | AU2005280476B2 (zh) |
BR (1) | BRPI0514442A (zh) |
CA (1) | CA2577090C (zh) |
ES (1) | ES2449474T3 (zh) |
MX (1) | MX2007002200A (zh) |
NO (1) | NO333425B1 (zh) |
PL (2) | PL2290485T3 (zh) |
RU (1) | RU2379736C2 (zh) |
WO (1) | WO2006026059A1 (zh) |
Families Citing this family (100)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7765794B2 (en) * | 2001-05-04 | 2010-08-03 | Nco2 Company Llc | Method and system for obtaining exhaust gas for use in augmenting crude oil production |
US7194320B2 (en) * | 2003-06-05 | 2007-03-20 | Neuco, Inc. | Method for implementing indirect controller |
US20060052902A1 (en) * | 2004-08-27 | 2006-03-09 | Neuco, Inc. | Method and system for SNCR optimization |
US7500437B2 (en) * | 2004-08-27 | 2009-03-10 | Neuco, Inc. | Method and system for SCR optimization |
WO2006036819A2 (en) * | 2004-09-24 | 2006-04-06 | Neuco, Inc. | Method and system for increasing efficiency of fgd operation in fossil fuel boilers |
US7389773B2 (en) | 2005-08-18 | 2008-06-24 | Honeywell International Inc. | Emissions sensors for fuel control in engines |
US20070233326A1 (en) * | 2006-03-31 | 2007-10-04 | Caterpillar Inc. | Engine self-tuning methods and systems |
JP2009542777A (ja) * | 2006-07-13 | 2009-12-03 | 4エスツェー アクチェンゲゼルシャフト | ベンゾピラノピラゾール |
US7490505B2 (en) * | 2006-08-15 | 2009-02-17 | General Electric Company | Methods and systems for predicting emissions |
US7949417B2 (en) | 2006-09-22 | 2011-05-24 | Exxonmobil Research And Engineering Company | Model predictive controller solution analysis process |
WO2008064539A1 (fr) * | 2006-11-30 | 2008-06-05 | Jiangang Yao | Contrôle et concentration en temps réel de centres de production pour des économie de l'énergie de réseau et la réduction des émissions de so2 |
US7826909B2 (en) * | 2006-12-11 | 2010-11-02 | Fakhruddin T Attarwala | Dynamic model predictive control |
GB2459594B (en) * | 2007-03-12 | 2012-02-08 | Emerson Process Management | Method and apparatus for generalized performance evaluation of equipment using achievable performance derived from statistics and real-time data |
US8209956B2 (en) * | 2007-07-31 | 2012-07-03 | Caterpillar Inc. | SCR emissions control system |
EP2188678A1 (en) * | 2007-08-17 | 2010-05-26 | Institutt For Energiteknikk | System and method for empirical ensemble-based virtual sensing |
US8001769B2 (en) * | 2007-08-20 | 2011-08-23 | Caterpillar Inc. | Control of SCR system having a filtering device |
US7992380B2 (en) * | 2007-08-23 | 2011-08-09 | Caterpillar Inc. | Emission control system implementing reduction agent injection |
ATE486308T1 (de) * | 2007-10-12 | 2010-11-15 | Powitec Intelligent Tech Gmbh | Regelkreis zur regelung eines prozesses, insbesondere verbrennungsprozesses |
JP4430100B2 (ja) * | 2007-12-25 | 2010-03-10 | 本田技研工業株式会社 | 制御装置 |
US7931466B2 (en) * | 2008-06-24 | 2011-04-26 | Equistar Chemicals, Lp | Flare gas flammability control |
US8060290B2 (en) | 2008-07-17 | 2011-11-15 | Honeywell International Inc. | Configurable automotive controller |
US8438430B2 (en) * | 2008-08-21 | 2013-05-07 | Vmware, Inc. | Resource management system and apparatus |
US8200347B2 (en) * | 2009-01-22 | 2012-06-12 | Mitsubishi Electric Research Laboratories, Inc. | Method and apparatus for hybrid resetting states proportional-integral-derivative and lag controllers |
NO329798B1 (no) * | 2009-02-16 | 2010-12-20 | Inst Energiteknik | System og fremgangsmate for empirisk ensemblebasert virtuell sensing av svevestovpartikler |
US8110029B2 (en) * | 2009-05-08 | 2012-02-07 | Alstom Technology Ltd | Integrated mercury control system |
US20110045422A1 (en) * | 2009-08-21 | 2011-02-24 | Alstom Technology Ltd | Optical flue gas monitor and control |
US8620461B2 (en) | 2009-09-24 | 2013-12-31 | Honeywell International, Inc. | Method and system for updating tuning parameters of a controller |
ES2842967T3 (es) * | 2010-04-19 | 2021-07-15 | Abb Schweiz Ag | Método y sistema para actualizar un modelo en un controlador predictivo por modelo |
US8504175B2 (en) * | 2010-06-02 | 2013-08-06 | Honeywell International Inc. | Using model predictive control to optimize variable trajectories and system control |
EP2606402A4 (en) * | 2010-08-18 | 2014-05-14 | Mfg Technology Network Inc | COMPUTER DEVICE AND METHOD FOR REAL-TIME OPTIMIZATION OF MULTIPLE UNITS |
US8755941B2 (en) | 2010-09-02 | 2014-06-17 | General Electric Company | Model based tempering air control and enhancement of exhaust for select catalytic reduction |
US20120282564A1 (en) * | 2011-05-03 | 2012-11-08 | Electric Power Research Institute, Inc. | METHODS FOR REDUCING NOx IN SCR FOSSIL-FUEL FIRED BOILERS |
US8751413B2 (en) | 2011-07-26 | 2014-06-10 | General Electric Company | Fuzzy logic based system monitoring system and method |
US10203667B2 (en) * | 2011-09-01 | 2019-02-12 | Honeywell International Inc. | Apparatus and method for predicting windup and improving process control in an industrial process control system |
US9677493B2 (en) | 2011-09-19 | 2017-06-13 | Honeywell Spol, S.R.O. | Coordinated engine and emissions control system |
US9650934B2 (en) | 2011-11-04 | 2017-05-16 | Honeywell spol.s.r.o. | Engine and aftertreatment optimization system |
US20130111905A1 (en) | 2011-11-04 | 2013-05-09 | Honeywell Spol. S.R.O. | Integrated optimization and control of an engine and aftertreatment system |
US9181878B2 (en) | 2011-12-19 | 2015-11-10 | Honeywell International Inc. | Operations support systems and methods for calculating and evaluating engine emissions |
US20130191076A1 (en) * | 2012-01-20 | 2013-07-25 | General Electric Company | System and method for monitoring, diagnostics, and prognostics |
AT512479B1 (de) * | 2012-02-10 | 2013-11-15 | Andritz Energy & Environment Gmbh | Verfahren zur feinstoffreduktion im rea-gips |
US10018356B2 (en) * | 2012-07-12 | 2018-07-10 | The Babcock & Wilcox Company | System and method for controlling one or more process parameters associated with a combustion process |
US10222769B2 (en) | 2012-10-12 | 2019-03-05 | Emerson Process Management Power & Water Solutions, Inc. | Method for determining and tuning process characteristic parameters using a simulation system |
US9228511B2 (en) | 2012-10-19 | 2016-01-05 | Cummins Inc. | Engine feedback control system and method |
ITCO20120056A1 (it) * | 2012-11-07 | 2014-05-08 | Nuovo Pignone Srl | Metodo per operare un compressore in caso di malfunzionamento di uno o piu' segnali di misura |
US20160158701A1 (en) * | 2013-01-14 | 2016-06-09 | Babcock & Wilcox Power Generation Group, Inc. | Controlling aqcs parameters in a combustion process |
WO2015013636A1 (en) * | 2013-07-25 | 2015-01-29 | Babcock & Wilcox Power Generation Group, Inc. | Controlling aqcs parameters in a combustion process |
CN103421719B (zh) * | 2013-08-13 | 2016-01-27 | 沈阳药科大学 | 一株放线菌波卓链霉菌及其应用 |
US9910413B2 (en) | 2013-09-10 | 2018-03-06 | General Electric Technology Gmbh | Automatic tuning control system for air pollution control systems |
CN103521048A (zh) * | 2013-10-17 | 2014-01-22 | 太仓康茂电子有限公司 | 尾气处理方法 |
US10006315B2 (en) * | 2014-03-28 | 2018-06-26 | General Electric Company | System and method for improved control of a combined cycle power plant |
US9594359B2 (en) * | 2014-04-14 | 2017-03-14 | Honeywell International Inc. | Feedback control for reducing flaring process smoke and noise |
US11615221B1 (en) | 2014-05-08 | 2023-03-28 | The United States Of America, As Represented By The Secretary Of The Navy | Method for modeling the spread of contaminants in marine environments |
CN104607042B (zh) * | 2014-12-26 | 2017-11-17 | 东南大学 | 一种基于约束预测控制的scr脱硝系统及方法 |
EP3051367B1 (en) | 2015-01-28 | 2020-11-25 | Honeywell spol s.r.o. | An approach and system for handling constraints for measured disturbances with uncertain preview |
EP3056706A1 (en) | 2015-02-16 | 2016-08-17 | Honeywell International Inc. | An approach for aftertreatment system modeling and model identification |
EP3091212A1 (en) | 2015-05-06 | 2016-11-09 | Honeywell International Inc. | An identification approach for internal combustion engine mean value models |
EP3734375B1 (en) | 2015-07-31 | 2023-04-05 | Garrett Transportation I Inc. | Quadratic program solver for mpc using variable ordering |
US10272779B2 (en) | 2015-08-05 | 2019-04-30 | Garrett Transportation I Inc. | System and approach for dynamic vehicle speed optimization |
US10415492B2 (en) | 2016-01-29 | 2019-09-17 | Garrett Transportation I Inc. | Engine system with inferential sensor |
CN105842609B (zh) * | 2016-03-30 | 2018-08-10 | 江苏大学 | 一种柴油机scr系统控制单元硬件电路检测装置 |
US10124750B2 (en) | 2016-04-26 | 2018-11-13 | Honeywell International Inc. | Vehicle security module system |
US10036338B2 (en) | 2016-04-26 | 2018-07-31 | Honeywell International Inc. | Condition-based powertrain control system |
US20180024508A1 (en) | 2016-07-25 | 2018-01-25 | General Electric Company | System modeling, control and optimization |
JP6859633B2 (ja) * | 2016-09-05 | 2021-04-14 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
EP3548729B1 (en) | 2016-11-29 | 2023-02-22 | Garrett Transportation I Inc. | An inferential flow sensor |
CN106527143B (zh) * | 2016-12-07 | 2019-02-15 | 吉林师范大学 | 基于数据驱动预测控制的scr系统尿素喷射控制方法 |
US10976471B2 (en) * | 2017-03-07 | 2021-04-13 | International Business Machines Corporation | Post-processing air quality forecasts |
CN106991507A (zh) * | 2017-05-19 | 2017-07-28 | 杭州意能电力技术有限公司 | 一种SCR入口NOx浓度在线预测方法及装置 |
US11161075B2 (en) * | 2017-09-12 | 2021-11-02 | General Electric Company | System and method for optimized operation of flue gas desulfurization unit |
US11057213B2 (en) | 2017-10-13 | 2021-07-06 | Garrett Transportation I, Inc. | Authentication system for electronic control unit on a bus |
CN109932899B (zh) * | 2017-12-15 | 2022-02-08 | 蓝星(北京)技术中心有限公司 | 化工产品生产中反应温度的优化控制方法及系统 |
WO2019185152A1 (en) * | 2018-03-29 | 2019-10-03 | Ammann Schweiz Ag | Emission control of an asphalt mixing plant |
KR102113398B1 (ko) * | 2018-09-21 | 2020-05-20 | 한국서부발전 주식회사 | 석회석 슬러리의 이송 및 탈수 시스템 |
US10626817B1 (en) | 2018-09-27 | 2020-04-21 | General Electric Company | Control and tuning of gas turbine combustion |
EP3857315A4 (en) * | 2018-09-28 | 2022-07-06 | University of New Brunswick | STATELESS DISCRETE PREDICTIVE CONTROL |
CN109343367A (zh) * | 2018-10-26 | 2019-02-15 | 齐鲁工业大学 | 一种基于神经网络预测控制烟气脱硫的方法 |
CN109343349B (zh) * | 2018-11-01 | 2023-08-22 | 大唐环境产业集团股份有限公司 | 一种基于喷氨量补偿器的scr烟气脱硝优化控制系统和方法 |
CN112180815A (zh) * | 2019-07-01 | 2021-01-05 | 苏州五蕴明泰科技有限公司 | 控制废弃物燃烧过程中二氧化碳排放量的方法 |
CN110496507B (zh) * | 2019-08-12 | 2021-07-13 | 厦门邑通软件科技有限公司 | 一种湿法脱硫工艺中拟合亚硫酸钙浓度的方法 |
WO2021071692A1 (en) | 2019-10-07 | 2021-04-15 | St. Jude Medical, Cardiology Division, Inc. | Catheter including wire management cap and methods of assembling same |
CN110687790B (zh) * | 2019-10-30 | 2022-03-18 | 杭州电子科技大学 | 一种城市排水系统防止污水溢出的优化控制方法 |
CN111036044B (zh) * | 2019-12-10 | 2022-07-26 | 江西艾维斯机械有限公司 | 一种基于深度强化学习的零耗气吸附式干燥机的控制方法 |
CN111589301A (zh) * | 2020-05-29 | 2020-08-28 | 广东电科院能源技术有限责任公司 | 燃煤电厂scr脱硝性能预测方法、装置、设备和存储介质 |
CN111613019B (zh) * | 2020-06-18 | 2022-07-22 | 大唐环境产业集团股份有限公司 | 防止脱硫烟气so2超标排放的预警方法 |
CN112023650A (zh) * | 2020-08-12 | 2020-12-04 | 北京国电龙源环保工程有限公司 | 一种全工况自适应的pH调节系统 |
CN112034795A (zh) * | 2020-08-18 | 2020-12-04 | 北京国电龙源环保工程有限公司 | 一种基于数据模型和机理运算的氧化风系统控制方法 |
CN111921377B (zh) * | 2020-09-25 | 2021-01-26 | 大唐环境产业集团股份有限公司 | 基于机理与数据驱动的scr脱硝喷氨控制方法及系统 |
CN112631127B (zh) * | 2020-11-11 | 2022-11-04 | 华能国际电力股份有限公司营口电厂 | 一种scr氮氧化物含量预测控制方法和系统 |
CN112418284B (zh) * | 2020-11-16 | 2024-08-27 | 华北电力大学 | 一种全工况电站scr脱硝系统的控制方法及系统 |
CN112774433A (zh) * | 2020-12-31 | 2021-05-11 | 华能山东发电有限公司烟台发电厂 | 一种火电厂scr系统喷氨控制方法和设备 |
CN112947616B (zh) * | 2021-01-29 | 2022-03-01 | 华能国际电力股份有限公司营口电厂 | 一种基于趋势预判的湿法脱硫pH值智能约束控制方法 |
CN112844894B (zh) * | 2021-02-05 | 2022-06-17 | 山东九旭机械科技有限公司 | 一种液压聚脲喷涂系统 |
RU2760762C1 (ru) * | 2021-03-26 | 2021-11-30 | федеральное государственное бюджетное образовательное учреждение высшего образования "Северо-Западный государственный медицинский университет им. И.И. Мечникова" Министерства здравоохранения Российской Федерации | Способ прогнозирования времени достижения допустимого уровня концентрации аммиака, выделяющегося в ходе многосуточного процесса эмиссии из строительных материалов в воздух помещений вновь выстроенного здания |
CN113759727B (zh) * | 2021-09-30 | 2023-08-29 | 中国航发控制系统研究所 | 航空发动机多变量控制器的综合优化设计方法 |
CN114036832A (zh) * | 2021-11-04 | 2022-02-11 | 奥星制药设备(石家庄)有限公司 | 一种基于大数据的批次过程建模与最终产品质量预测方法 |
US12043810B2 (en) | 2021-12-07 | 2024-07-23 | Saudi Arabian Oil Company | Control scheme for amine contactor |
CN114740713B (zh) * | 2021-12-31 | 2024-08-09 | 北京工业大学 | 一种湿法烟气脱硫过程的多目标优化控制方法 |
CN116392930B (zh) * | 2023-04-24 | 2023-08-29 | 浙江浙能迈领环境科技有限公司 | 船舶尾气脱硫工艺及其系统 |
CN117309036A (zh) * | 2023-08-28 | 2023-12-29 | 佛山职业技术学院 | 一种智能化电力基建环境监测方法及系统 |
CN118500756A (zh) * | 2024-07-15 | 2024-08-16 | 中汽研汽车检验中心(昆明)有限公司 | 装载机排放因子高原检测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0296500A1 (en) * | 1987-06-23 | 1988-12-28 | Nippon Kokan Kabushiki Kaisha | Method for removing hydrogen chloride from exhaust gas discharged from incinerator |
US5386373A (en) * | 1993-08-05 | 1995-01-31 | Pavilion Technologies, Inc. | Virtual continuous emission monitoring system with sensor validation |
US6168709B1 (en) * | 1998-08-20 | 2001-01-02 | Roger G. Etter | Production and use of a premium fuel grade petroleum coke |
EP1382905A1 (en) * | 2002-07-19 | 2004-01-21 | Abb Research Ltd. | Determining an input material mix for a kiln |
Family Cites Families (92)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4164546A (en) * | 1974-12-19 | 1979-08-14 | Exxon Research & Engineering Co. | Method of removing nitrogen oxides from gaseous mixtures |
JPS5843332B2 (ja) | 1977-03-08 | 1983-09-26 | 石川島播磨重工業株式会社 | 排煙脱硫石膏回収法用酸化塔 |
JPS5536369A (en) | 1978-09-07 | 1980-03-13 | Shizuoka Prefecture | Production of fabric having embossed wrinkle on surface thereof |
US4487784A (en) * | 1982-02-22 | 1984-12-11 | Babcock-Hitachi Kabushiki Kaisha | Limestone-gypsum flue gas desulfurization process |
US4423018A (en) * | 1982-06-23 | 1983-12-27 | Monsanto Company | Buffered flue gas scrubbing system using adipic acid by-product stream |
US4622922A (en) * | 1984-06-11 | 1986-11-18 | Hitachi, Ltd. | Combustion control method |
JPH084709B2 (ja) * | 1986-04-23 | 1996-01-24 | バブコツク日立株式会社 | 湿式排煙脱硫制御装置 |
US5171552A (en) * | 1989-07-19 | 1992-12-15 | Hitachi Zosen Corporation | Dry processes for treating combustion exhaust gas |
US5282261A (en) * | 1990-08-03 | 1994-01-25 | E. I. Du Pont De Nemours And Co., Inc. | Neural network process measurement and control |
US5167009A (en) * | 1990-08-03 | 1992-11-24 | E. I. Du Pont De Nemours & Co. (Inc.) | On-line process control neural network using data pointers |
US5212765A (en) * | 1990-08-03 | 1993-05-18 | E. I. Du Pont De Nemours & Co., Inc. | On-line training neural network system for process control |
US5184497A (en) | 1991-11-13 | 1993-02-09 | S.A.R.G. Research Associates, Ltd. | Magazine for automatic feed blind rivet setting tool |
US5280756A (en) * | 1992-02-04 | 1994-01-25 | Stone & Webster Engineering Corp. | NOx Emissions advisor and automation system |
US5548526A (en) * | 1992-03-11 | 1996-08-20 | Vlsi Technology, Inc. | Timing model and characterization system for logic simulation of integrated circuits |
US5249954A (en) * | 1992-07-07 | 1993-10-05 | Electric Power Research Institute, Inc. | Integrated imaging sensor/neural network controller for combustion systems |
US6002839A (en) * | 1992-11-24 | 1999-12-14 | Pavilion Technologies | Predictive network with graphically determined preprocess transforms |
US6243696B1 (en) * | 1992-11-24 | 2001-06-05 | Pavilion Technologies, Inc. | Automated method for building a model |
US5479573A (en) * | 1992-11-24 | 1995-12-26 | Pavilion Technologies, Inc. | Predictive network with learned preprocessing parameters |
US5729661A (en) * | 1992-11-24 | 1998-03-17 | Pavilion Technologies, Inc. | Method and apparatus for preprocessing input data to a neural network |
CA2157198A1 (en) * | 1993-03-02 | 1994-09-15 | James David Keeler | Method and apparatus for analyzing a neural network within desired operating parameter constraints |
US5539638A (en) * | 1993-08-05 | 1996-07-23 | Pavilion Technologies, Inc. | Virtual emissions monitor for automobile |
JP3025147B2 (ja) | 1994-05-17 | 2000-03-27 | 三菱重工業株式会社 | 湿式排煙脱硫装置 |
US5635149A (en) * | 1994-06-09 | 1997-06-03 | Abb Environmental Systems Division Of Abb Flakt, Inc. | Wet scrubbing method and apparatus for removing sulfur oxides from combustion effluents |
JP2989484B2 (ja) * | 1994-08-18 | 1999-12-13 | 三菱重工業株式会社 | 湿式排煙脱硫装置 |
JP3272565B2 (ja) * | 1995-04-21 | 2002-04-08 | 三菱重工業株式会社 | 排煙処理装置 |
JPH08318123A (ja) * | 1995-05-26 | 1996-12-03 | Mitsubishi Heavy Ind Ltd | スラリ濃縮槽及び湿式排煙脱硫装置の吸収塔 |
JP3332678B2 (ja) * | 1995-08-03 | 2002-10-07 | 三菱重工業株式会社 | 湿式排煙脱硫装置 |
JPH09179604A (ja) * | 1995-09-13 | 1997-07-11 | Toshiba Corp | プラントの運転制御システム及び方法 |
US5608552A (en) * | 1995-12-26 | 1997-03-04 | Hughes Electronics | Liquid crystal display having an off-axis full-color holographic filter |
JP3263586B2 (ja) * | 1995-12-26 | 2002-03-04 | 享三 須山 | 排煙処理システム |
US6047221A (en) * | 1997-10-03 | 2000-04-04 | Pavilion Technologies, Inc. | Method for steady-state identification based upon identified dynamics |
US6493596B1 (en) * | 1996-05-06 | 2002-12-10 | Pavilion Technologies, Inc. | Method and apparatus for controlling a non-linear mill |
US5933345A (en) * | 1996-05-06 | 1999-08-03 | Pavilion Technologies, Inc. | Method and apparatus for dynamic and steady state modeling over a desired path between two end points |
US6278899B1 (en) * | 1996-05-06 | 2001-08-21 | Pavilion Technologies, Inc. | Method for on-line optimization of a plant |
US6438430B1 (en) * | 1996-05-06 | 2002-08-20 | Pavilion Technologies, Inc. | Kiln thermal and combustion control |
EP0810363B1 (en) * | 1996-05-28 | 2004-07-28 | Matsushita Electric Industrial Co., Ltd. | Air/fuel ratio control apparatus that uses a neural network |
JP3337380B2 (ja) * | 1996-10-17 | 2002-10-21 | 三菱重工業株式会社 | 排煙処理方法 |
JPH10132890A (ja) | 1996-10-31 | 1998-05-22 | Hitachi Ltd | 故障点標定方法および装置 |
US5832411A (en) * | 1997-02-06 | 1998-11-03 | Raytheon Company | Automated network of sensor units for real-time monitoring of compounds in a fluid over a distributed area |
HUP9800244A2 (hu) | 1997-03-21 | 1999-06-28 | Von Roll Umwelttechnik Aktiengesellschaft | Eljárás és készülék egy kezelőanyag beadagolási mennyiségének szabályozására égésfolyamatok füstgázaiban a nitrogén-monoxid-tartalom csökkentésére |
US5993345A (en) * | 1997-10-27 | 1999-11-30 | Borg-Warner Automotive, Inc. | Compression fixed ratio chain |
US6714877B1 (en) * | 1998-03-24 | 2004-03-30 | Exergetic Systems Llc | Method for correcting combustion effluent data when used for input-loss performance monitoring of a power plant |
US6187278B1 (en) * | 1998-09-08 | 2001-02-13 | Marsulex Environmental Technologies, Llc | Process for controlling ammonia slip in the reduction of sulfur dioxide emission |
US6507774B1 (en) * | 1999-08-24 | 2003-01-14 | The University Of Chicago | Intelligent emissions controller for substance injection in the post-primary combustion zone of fossil-fired boilers |
US6542852B2 (en) * | 1999-09-15 | 2003-04-01 | General Electric Company | System and method for paper web time-to-break prediction |
US6611726B1 (en) * | 1999-09-17 | 2003-08-26 | Carl E. Crosswhite | Method for determining optimal time series forecasting parameters |
US6675064B1 (en) * | 1999-09-27 | 2004-01-06 | University Of Kentucky Research Foundation | Process for the physical segregation of minerals |
CN1245638C (zh) * | 1999-10-15 | 2006-03-15 | 德卡尔博遗传学公司 | 作物性能分析的方法和系统 |
JP3422738B2 (ja) * | 2000-01-14 | 2003-06-30 | 三菱重工業株式会社 | 排ガス脱硫方法およびそのシステム |
JP2001249705A (ja) | 2000-03-03 | 2001-09-14 | Toshiba Corp | プロセスシミュレータ応用非線形制御装置およびその方法 |
DE60113073T2 (de) * | 2000-03-10 | 2006-08-31 | Smiths Detection Inc., Pasadena | Steuerung für einen industriellen prozes mit einer oder mehreren multidimensionalen variablen |
US6304812B1 (en) * | 2000-04-28 | 2001-10-16 | Ford Global Technologies, Inc. | Calibration optimization method |
US7247279B2 (en) * | 2000-08-01 | 2007-07-24 | Enviroscrub Technologies Corporation | System for removal of pollutants from a gas stream |
US6882940B2 (en) * | 2000-08-18 | 2005-04-19 | Cygnus, Inc. | Methods and devices for prediction of hypoglycemic events |
KR100847056B1 (ko) * | 2000-09-21 | 2008-07-17 | 도레이 가부시끼가이샤 | 시트의 제조방법, 시트의 두께제어장치 및 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 |
US7302313B2 (en) * | 2001-02-07 | 2007-11-27 | Aircuity, Inc. | Air quality monitoring systems and methods |
MXPA03007505A (es) * | 2001-03-02 | 2003-12-04 | Powitec Intelligent Tech Gmbh | Metodo para controlar un proceso termodinamico en particular un proceso de combustion. |
US7079564B2 (en) * | 2001-04-09 | 2006-07-18 | Cymer, Inc. | Control system for a two chamber gas discharge laser |
US6761868B2 (en) * | 2001-05-16 | 2004-07-13 | The Chemithon Corporation | Process for quantitatively converting urea to ammonia on demand |
NL1018086C2 (nl) * | 2001-05-16 | 2002-11-26 | Asm Int | Werkwijze en inrichting voor het thermisch behandelen van substraten. |
US6735596B2 (en) * | 2001-06-07 | 2004-05-11 | Guy Charles Corynen | Computer method and user interface for decision analysis and for global system optimization |
US20030085179A1 (en) * | 2001-11-06 | 2003-05-08 | General Electric Company | Methods and systems for reducing waste and emissions from industrial processes |
JP2003144852A (ja) | 2001-11-08 | 2003-05-20 | Niigata Eng Co Ltd | 消化ガスを燃料とするガスエンジンの排ガス脱硝方法および排ガス脱硝装置 |
ATE391546T1 (de) * | 2001-11-09 | 2008-04-15 | Clean Diesel Tech Inc | Stufenlos einstellbare steuerung von umweltverschmutzung verringernden chemikalien für verbrennungsquellen |
US6746654B2 (en) * | 2001-12-06 | 2004-06-08 | Brown University Research Foundation | Dry and semi-dry methods for removal of ammonia from fly ash |
US6694900B2 (en) * | 2001-12-14 | 2004-02-24 | General Electric Company | Integration of direct combustion with gasification for reduction of NOx emissions |
GB2388922B (en) | 2002-01-31 | 2005-06-08 | Cambridge Consultants | Control system |
CA2480090C (en) * | 2002-04-05 | 2011-07-12 | E.I. Du Pont De Nemours And Company | Method and apparatus for controlling a gas-emitting process and related devices |
US7035834B2 (en) * | 2002-05-15 | 2006-04-25 | Caterpillar Inc. | Engine control system using a cascaded neural network |
US20040126286A1 (en) * | 2002-06-19 | 2004-07-01 | Deruyter John C. | Method and apparatus for reducing a nitrogen oxide |
US6845336B2 (en) * | 2002-06-25 | 2005-01-18 | Prasad S. Kodukula | Water treatment monitoring system |
US7093427B2 (en) * | 2002-11-21 | 2006-08-22 | Ford Global Technologies, Llc | Exhaust gas aftertreatment systems |
US6823253B2 (en) * | 2002-11-27 | 2004-11-23 | General Electric Company | Methods and apparatus for model predictive control of aircraft gas turbine engines |
DE10300298A1 (de) * | 2003-01-02 | 2004-07-15 | Daimlerchrysler Ag | Abgasnachbehandlungseinrichtung und -verfahren |
EP1606614A2 (en) * | 2003-03-26 | 2005-12-21 | E.I. Dupont De Nemours And Company | Apparatus for analyzing mixtures of gases |
EP1646440A4 (en) * | 2003-05-22 | 2010-04-14 | Doosan Babcock Energy Ltd | METHOD AND DEVICE FOR ZONING INJECTION OF CHEMICALS INTO AN OVEN CONVEYING TRAIN FOR REDUCING CONTAMINATION FROM FLUE GASES |
US7194320B2 (en) * | 2003-06-05 | 2007-03-20 | Neuco, Inc. | Method for implementing indirect controller |
US6856509B2 (en) * | 2003-07-14 | 2005-02-15 | Jen-Cheng Lin | Cartridge assembly of a water cooled radiator |
US7374736B2 (en) * | 2003-11-13 | 2008-05-20 | General Electric Company | Method to reduce flue gas NOx |
US7288233B2 (en) * | 2004-08-03 | 2007-10-30 | Breen Energy Solutions | Dry adsorption of oxidized mercury in flue gas |
US20060052902A1 (en) * | 2004-08-27 | 2006-03-09 | Neuco, Inc. | Method and system for SNCR optimization |
US7113835B2 (en) * | 2004-08-27 | 2006-09-26 | Alstom Technology Ltd. | Control of rolling or moving average values of air pollution control emissions to a desired value |
US7323036B2 (en) * | 2004-08-27 | 2008-01-29 | Alstom Technology Ltd | Maximizing regulatory credits in controlling air pollution |
US7117046B2 (en) * | 2004-08-27 | 2006-10-03 | Alstom Technology Ltd. | Cascaded control of an average value of a process parameter to a desired value |
US7500437B2 (en) * | 2004-08-27 | 2009-03-10 | Neuco, Inc. | Method and system for SCR optimization |
US7584024B2 (en) * | 2005-02-08 | 2009-09-01 | Pegasus Technologies, Inc. | Method and apparatus for optimizing operation of a power generating plant using artificial intelligence techniques |
US7371357B2 (en) * | 2005-04-27 | 2008-05-13 | Clean World Strategies Corp. | Process for removal of pollutants |
US8644961B2 (en) * | 2005-12-12 | 2014-02-04 | Neuco Inc. | Model based control and estimation of mercury emissions |
US7599750B2 (en) * | 2005-12-21 | 2009-10-06 | Pegasus Technologies, Inc. | Model based sequential optimization of a single or multiple power generating units |
DK1832809T3 (da) * | 2006-03-09 | 2011-10-03 | Abb Technology Ag | Styring af en affaldsforbrændingsproces |
US7756591B2 (en) * | 2006-04-25 | 2010-07-13 | Pegasus Technologies, Inc. | System for optimizing oxygen in a boiler |
US20080264036A1 (en) * | 2007-04-24 | 2008-10-30 | Bellovary Nicholas J | Advanced engine control |
-
2004
- 2004-08-27 US US10/927,243 patent/US7536232B2/en not_active Expired - Fee Related
- 2004-12-03 US US11/002,436 patent/US7862771B2/en not_active Expired - Fee Related
- 2004-12-03 US US11/002,439 patent/US7698004B2/en not_active Expired - Fee Related
- 2004-12-06 US US11/003,336 patent/US7860586B2/en not_active Expired - Fee Related
- 2004-12-07 US US11/004,837 patent/US7640067B2/en active Active
-
2005
- 2005-08-03 PL PL10185205T patent/PL2290485T3/pl unknown
- 2005-08-03 WO PCT/US2005/027762 patent/WO2006026059A1/en active Application Filing
- 2005-08-03 PL PL10184406T patent/PL2290482T3/pl unknown
- 2005-08-03 EP EP10185205.1A patent/EP2290485B1/en active Active
- 2005-08-03 KR KR1020077006976A patent/KR100969174B1/ko not_active IP Right Cessation
- 2005-08-03 MX MX2007002200A patent/MX2007002200A/es unknown
- 2005-08-03 EP EP20100184428 patent/EP2290483A3/en not_active Ceased
- 2005-08-03 EP EP20100185200 patent/EP2290484A3/en not_active Ceased
- 2005-08-03 EP EP10184406.6A patent/EP2290482B1/en active Active
- 2005-08-03 CN CN2005800370629A patent/CN101052926B/zh active Active
- 2005-08-03 CA CA2577090A patent/CA2577090C/en not_active Expired - Fee Related
- 2005-08-03 RU RU2007111132/09A patent/RU2379736C2/ru not_active IP Right Cessation
- 2005-08-03 EP EP05779342A patent/EP1782135A1/en not_active Ceased
- 2005-08-03 AU AU2005280476A patent/AU2005280476B2/en not_active Ceased
- 2005-08-03 JP JP2007529892A patent/JP2008511906A/ja active Pending
- 2005-08-03 BR BRPI0514442-6A patent/BRPI0514442A/pt not_active Application Discontinuation
-
2007
- 2007-01-25 ES ES11184428.8T patent/ES2449474T3/es active Active
- 2007-02-07 NO NO20070707A patent/NO333425B1/no not_active IP Right Cessation
-
2010
- 2010-11-02 US US12/917,985 patent/US8197753B2/en not_active Expired - Lifetime
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0296500A1 (en) * | 1987-06-23 | 1988-12-28 | Nippon Kokan Kabushiki Kaisha | Method for removing hydrogen chloride from exhaust gas discharged from incinerator |
US5386373A (en) * | 1993-08-05 | 1995-01-31 | Pavilion Technologies, Inc. | Virtual continuous emission monitoring system with sensor validation |
US6168709B1 (en) * | 1998-08-20 | 2001-01-02 | Roger G. Etter | Production and use of a premium fuel grade petroleum coke |
EP1382905A1 (en) * | 2002-07-19 | 2004-01-21 | Abb Research Ltd. | Determining an input material mix for a kiln |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101052926B (zh) | 空气污染控制工艺的模型预测控制 | |
CN101048709B (zh) | 最优化空气污染控制 | |
CN101048710B (zh) | 工艺参数均值相对于期望值的级联控制 | |
US7113835B2 (en) | Control of rolling or moving average values of air pollution control emissions to a desired value | |
US7634417B2 (en) | Cost based control of air pollution control | |
US7323036B2 (en) | Maximizing regulatory credits in controlling air pollution | |
US20060047607A1 (en) | Maximizing profit and minimizing losses in controlling air pollution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C56 | Change in the name or address of the patentee | ||
CP01 | Change in the name or title of a patent holder |
Address after: Baden, Switzerland Patentee after: ALSTOM TECHNOLOGY LTD Address before: Baden, Switzerland Patentee before: Alstom Technology Ltd. |