CN102023623B - 具有空气冷却式冷凝器的发电厂的优化控制 - Google Patents

具有空气冷却式冷凝器的发电厂的优化控制 Download PDF

Info

Publication number
CN102023623B
CN102023623B CN201010281787.5A CN201010281787A CN102023623B CN 102023623 B CN102023623 B CN 102023623B CN 201010281787 A CN201010281787 A CN 201010281787A CN 102023623 B CN102023623 B CN 102023623B
Authority
CN
China
Prior art keywords
factory
operating point
group
condenser
factories
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
Application number
CN201010281787.5A
Other languages
English (en)
Other versions
CN102023623A (zh
Inventor
P·N·弗朗希诺
F·C·赫夫
H·R·文恩
D·G·弗斯特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Emerson Process Management Power and Water Solutions Inc
Original Assignee
Emerson Process Management Power and Water Solutions Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Emerson Process Management Power and Water Solutions Inc filed Critical Emerson Process Management Power and Water Solutions Inc
Priority to CN201510063399.2A priority Critical patent/CN104570743B/zh
Publication of CN102023623A publication Critical patent/CN102023623A/zh
Application granted granted Critical
Publication of CN102023623B publication Critical patent/CN102023623B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/041Adaptive 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 in which a variable is automatically adjusted to optimise the performance
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01KSTEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K13/00General layout or general methods of operation of complete plants
    • F01K13/02Controlling, e.g. stopping or starting
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01KSTEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K9/00Plants characterised by condensers arranged or modified to co-operate with the engines
    • F01K9/003Plants characterised by condensers arranged or modified to co-operate with the engines condenser cooling circuits
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28HEAT EXCHANGE IN GENERAL
    • F28BSTEAM OR VAPOUR CONDENSERS
    • F28B1/00Condensers in which the steam or vapour is separate from the cooling medium by walls, e.g. surface condenser
    • F28B1/06Condensers in which the steam or vapour is separate from the cooling medium by walls, e.g. surface condenser using air or other gas as the cooling medium
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00Energy generation of nuclear origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Engine Equipment That Uses Special Cycles (AREA)

Abstract

用于使用空气冷却式冷凝器的设施厂的一种优化和控制系统,包括优化器,其具有确定用于与厂的最佳操作点相关的一组控制变量值的数值解算器和在将控制变量设置提供到厂控制器之前监视和修改这些控制变量设置的专家系统。数值解算器使用目标函数和一个或多个厂设备模型来确定最小化每单位由厂产生的有用能的成本的厂的操作点。作为确定最佳厂操作点的一部分,数值解算器可以结合所有在当前在厂处经受的特定环境条件下产生给定量的功率(负荷需求)所需要的,来确定空气冷却式冷凝器内的风扇的数量和/或速度。专家系统可以通过基于例如风扇的可使用性或运转状态、风扇和风扇马达的磨损等等确定在任意特定的时间要实际地使用哪些风扇来修改这些输出。

Description

具有空气冷却式冷凝器的发电厂的优化控制
技术领域
本专利大体上涉及用于控制设施厂或发电厂操作的控制系统,并且更具体地说,涉及执行包括空气冷却式冷凝器的设施厂或发电厂的最优控制的控制系统。
背景技术
发电厂或设施厂使用许多不同类型的发电方法中的任意一种来产生电,并且典型地基于它们用来产生电力的原始能量的类型来分类。发电方法包括,例如,热、核、风和水电能转换方法,等等。尽管使用这些各种不同类型的发电方法的电设施厂利用不同的实现技术来操作,但是这些厂总是在可应用于运用的特定方法的一组约束下操作。例如,热发电机的电输出是锅炉中产生的热的量的函数,其中热的量由每小时燃烧的燃料的量和类型决定。核电站的输出同样取决于对核裂变反应的控制,其使用控制杆以抑制裂变过程,以便产生期望水平的辐射和因此的热。在大多数情况下,在由约束允许的可能的操作特性范围内对于厂的特定操作特性的控制能够被实施,以便以更为优化的方式来运行厂,使得最大化厂内的发电效率,最小化操作厂的成本,等等。然而,在许多情况下,如此优化被至多以特定的形式实施。
基于热的发电厂是设施发电厂的最普遍的类型。如已知的,热发电机的输出取决于燃烧燃料所使用的锅炉的传热效率。尤其是,燃料燃烧的电力发电机典型地通过燃烧燃料以从经过锅炉内的许多管道和管的水产生蒸汽来操作。这里,蒸汽被用于驱动一个或多个蒸汽涡轮机,蒸汽涡轮机则产生电能。为了最大化热过程中产生的热的利用,设施厂锅炉典型地包括级联的热交换器部分,其中来自一个热交换器部分的热进入接着的热交换器部分。在这些类型的厂(即,使用锅炉或其他类似的蒸汽产生技术的发电厂)中遇到的影响厂的效率的约束的一个示例包括在锅炉的最终过热器和再热器出口处使用的蒸汽温度的设定点。典型地,这些设定点保持恒定,并且必须将蒸汽温度维持在接近于在所有负荷水平下的窄范围内的设定点的这些点,而不管流向锅炉的燃料流量。事实上,在电设施锅炉的操作过程中,对蒸汽温度的控制是关键的,因为离开锅炉并进入蒸汽涡轮机的蒸汽的温度处于最佳期望的温度是重要的。如果蒸汽温度太高,则可能因为各种冶金原因而产生对蒸汽涡轮机的叶片的损坏。另一方面,如果蒸汽温度太低,则可能包含同样可能损坏蒸汽涡轮机的部件的水质点。在这些类型的发电厂中,对蒸汽温度的控制通常是通过在最终热交换器部分,即,就位于蒸汽涡轮机之前的热交换器部分,之前的位置将饱和水喷入蒸汽流体来实现。各种温度传感器被设置在热交换器部分中和热交换器部分之间,以测量蒸汽温度,并且测量的蒸汽温度被用于确定进行喷洒的饱和水的量。然而,典型地通过以在使用最少量的燃料时将蒸汽温度保持在期望设定点的方式控制流向锅炉的燃料流量和在热交换器部分内喷水能够最优化厂的操作。
不管怎样,如以上所述,热以及核设施厂一般实施蒸汽循环,在该蒸汽循环中,蒸汽在锅炉或者核反应容器中产生并且被提供到一个或多个蒸汽涡轮机。在大多数情况下,管道将离开涡轮机的蒸汽引到一个或多个冷凝器,该一个或多个冷凝器冷却蒸汽,使得其回到液体形式,并且此液体随后被返回到锅炉或其他蒸汽发生器中,并且在锅炉或其他蒸汽发生器中再加热。许多不同类型的冷凝器能够被用于冷却蒸汽,且最普通或流行的类型的冷凝器为水冷式冷凝器,例如在许多直流水冷却系统或封闭再循环水冷却系统中使用的冷凝器。在大多数直流水冷却系统中,外部冷却水,例如海水、河水或湖水被用泵抽吸通过冷凝器内的热交换器。来自蒸汽的热被转移到热交换器内的冷却水,并且冷却水随后被返回到海洋、河、湖或其被取出的其他的源。在封闭再循环水冷却系统中,离开冷凝器的冷却水被用泵抽吸到,例如蒸发单元,其中水被冷却并且被再循环回到冷凝器中的热交换器。
如已知的,在使用水冷式冷凝器系统的发电厂中使用的新水或新鲜水的大部分被使用在冷凝器冷却循环中。事实上,使用直流冷却的许多老的发电厂加热大量的水,并且随后将带有少量体积损失的该水返回到河、湖或海洋。不幸的是,水通常是有限的或稀有的资源,而因此在任何特定的发电厂位置可能不能充足地供应。许多国家,例如中国,非常关心紧张的供水,并且在这些类型的发电厂中具有非常有限的用水。在一些区域中,尤其是干旱而且贫瘠的区域,对湖和河水的使用被严格地监管,而因此在发电厂冷却系统中使用大量的新鲜水可能是不可能的或可能是非常昂贵的。另外,直流水冷却系统,尽管因为它们将大部分的水返回到源而消耗非常少的水,但是仍然加热了水,这在许多情况下会导致不期望的环境影响。例如,2002EPRI报告发现,在燃烧矿物燃料、生物质或废物的厂处的典型的直流水冷却系统需要收回20,000到50,000gal./MWh(加仑每兆瓦小时),而其只消耗(损失)300gal./MWh。但是,由直流水冷却系统收回的大量的水能够夹带和撞击水生生物,并且将热释放到地表水,这可能具有不利的生态效应。结果,大多数美国司法现在不鼓励或禁止对使用直流水冷却系统的新发电厂的建设。
因此,越来越多的新发电厂被设计成使用闭环(再循环)冷却系统,其中再循环水被用于冷却冷凝器中的蒸汽,并且随后其自身利用,例如,蒸发过程来冷却。然而,因为再循环冷却系统通过塔或冷却池中的蒸发来冷却,所以它们比直流冷却系统消耗更多的水。尽管水收回和消耗的实际比率取决于发电技术和与特定厂相关的特定环境条件,但是根据2002EPRI报告,典型的使用闭环冷却系统的厂需要仅500到600gal./MWh的收回,而蒸发损失480gal./MWh。
尽管取得冷却水并将冷却水运送到这些类型的厂的成本能够改变,但是此成本不是不重要的。而且,在再循环冷却系统中,处理和处置冷却水的成本广泛地变化,取决于使用的原水的特性。例如,地表水可适合利用最少的处理来冷却,或者可能只需要去除悬浮的固体。尽管来自废水处理厂的流出物,其典型地被处理以使其适合于排出,通常具有相当高的质量,但是营养物和细菌可能限制废水在冷却系统中的使用,除非这样的水在发电厂中被预处理。甚至淡的地下水能够具有能够变成水垢的高浓度的溶解固体,除非它们在闭环冷却系统中被预处理去除。来自海洋或沿海区的盐水同样需要处理和/或使用特定的防腐材料以使其适合在发电厂中使用。来自煤和油生产的降级的水可能在厂冷却系统的使用中是可利用的,但是这些类型的水具有非常高的预处理要求。例如,对于从已用过的煤矿抽取的水,低pH值是一问题,而油和气井操作的废水能够具有高等级的盐、硅石和硬度。因此,许多水源必须被预处理,以在再循环水冷却系统中使用。而且,因为再循环冷却水还聚集冷却塔或冷却池中的溶解成分,所以这样的水如果要被排放到地表水的话,可能需要后处理。
不管怎样,因为水正在变成稀缺商品,并且在再循环冷却系统中使用水能够是昂贵的,所以厂设计者正在越来越多地考虑直接干式冷却系统,也称作空气冷却式冷凝器。一般来讲,直接干式冷却系统在一组翅管内冷凝涡轮机排汽,其被环境空气而不是地表水或再循环水外部地冷却。在这些干式冷却系统中,环境空气在冷凝器内循环,以便使用自然通风系统或使用电风扇来实施冷却。
自然通风系统使用能够超过例如300英尺高的、其底部设置有一系列的热交换器的双曲线塔。在此系统中,环境空气进入塔的底部外围,越过热交换器元件。加热的空气在塔内自然地上升,这在塔的底部产生通风,使得在塔的底部吸入更多的冷空气。重要的是,不需要风扇。但是,大型的双曲线塔使得自然通风选择成为生态位应用(nicheapplication),并且此类型的冷却系统典型地只能够被经济地使用在小发电厂位置。
另一个更为熟悉的直接干式冷却设计包括使用空气冷却式冷凝器,空气冷却式冷凝器使用驱动环境空气通过冷凝器的翅管结构的电马达驱动的风扇来操作。因为此类型的冷凝器系统能够被用在几乎任意位置而没有塔的附随成本,所以世界上约90%的干式冷却的发电厂使用带有机械通风,即电风扇,的空气冷却式冷凝器。而且,这些类型的空气冷却式冷凝器已经被用在联合循环厂和大型矿物燃料厂上。
当被设计时,特定厂的电驱动的空气冷却式冷凝器根据在厂内或在厂处希望的最大设计条件、最高载荷指数和最严峻的环境条件(例如,最高的温度)来制定尺寸。在这些条件下,典型地需要运行空气冷却式冷凝器的所有风扇,以在冷凝器内实施必要的冷却。然而,空气冷却式冷凝器的风扇在某种程度上可以是可控制的。例如,空气冷却式冷凝器的风扇可被设计并且安装有变频驱动器(VFD),以便能够连续地改变风扇的速度,或者这些风扇可被安装成能够运行在两个或多个固定速度下以允许调低风扇的固定速度风扇。但是,存在单一速度风扇,因为它们产生较低的安装成本,这有时成为厂设计者唯一关切的事。不管怎样,如果单一速度、多速或连续可变速度风扇被用在厂内,那么以不同于设计的最大负荷条件的任意特定的情况运行风扇以及运行这些风扇以在再循环系统内获得适当冷却的速度的最佳组合一般不知道并且不能轻易地预测,因为其包括求解决冷却系统的操作空间中的难以找到的多维点。而且,改变在冷凝器系统内运行的风扇的速度和数量可以改变蒸汽涡轮机处的背压,使得产生小于期望或设计的热耗率,该热耗率典型地被用作对厂效率的衡量。
因此,尽管使用电动的空气冷却式冷凝器的设施厂被设计成具有足够多的风扇以在全负荷下和在最差环境条件下(例如,最高的环境温度、最差的湿度,等等)操作,但是操作者一般不具有判断在较低然后最大的负荷下和/或在最有利的环境条件下要使用多少风扇以及要以什么速度运行风扇的任何能力。结果,为了安全,操作者往往会运行所有的风扇或做出关于在小于全负荷条件下要运行多少风扇的保守的猜测。不幸的是,运行空气冷却式冷凝器的电风扇会使用电能(由厂产生的),并且因此减少电厂的最终输出,从而增加了正在实施的发电成本。因此操作空气冷却式冷凝器的标准方法典型地导致比可能的效率低的厂,使得对于给定的能量输出导致要运行厂的成本较高。结合冷凝器损耗是蒸汽循环设施发电厂中最大可控制的损耗之一的事实与用于冷凝器冷却循环的循环水是发电厂的水的最大使用者的事实以及水通常是稀缺商品的事实,产生了对于更好地优化使用空气冷却式冷凝器的发电厂的需要。
发明内容
用于使用基于风扇的空气冷却式冷凝器的设施厂的一种优化和控制系统结合空气冷却式冷凝器的操作来控制厂处的发电系统的操作,以便以更佳的操作点来运行发电厂,例如,以最小化或减少每单位由厂产生的有用能例如每千瓦小时的成本。优化和控制系统包括具有确限定厂的最佳操作点的一组控制变量的值的数值解算器的优化器和在将这些设置提供到厂控制器之前监视和修改控制变量设置的专家系统。专家系统的输出被提供到厂控制器,厂控制器随后控制厂以如由优化器限定的最佳点运行。在一个实施方式中,优化器内的数值解算器使用目标函数和一个或多个厂设备模型来确定厂的最好或最佳操作点,以便,例如,最小化由厂产生的每千瓦小时的成本或者最小化诸如蒸汽能的其他有用能的生产成本。作为确定最佳厂操作点的一部分,数值解算器可以结合在锅炉或其他热过程中要燃烧的燃料的量、蒸汽涡轮机的输入处的蒸汽的期望温度等等、当前在厂处经受的特定环境条件下(例如,温度、湿度,等等)产生给定量的功率(负荷需求)所需要的所有来确定在厂的空气冷却式冷凝器内要运行的风扇的数量和/或在空气冷却式冷凝器中要使用的风扇的速度。专家系统可以通过基于,例如,风扇的可使用性或运转状态、风扇和风扇马达的磨损等等确定在任意特定的时间要实际地使用哪些风扇来使用或修改这些输出。专家引擎随后可以将这些修改的输出提供到控制器,该控制器控制厂以便以如由优化器的输出指定的或与优化器的输出有关的最佳操作点操作。
在一个实施方式中,优化器可以利用厂的模型以响应于不同的各组控制输入来建模和仿真厂的操作以便确定哪组控制输入导致厂的最佳性能,如由目标函数衡量的,来确定最佳操作点。代替或附加地,优化器可以使实际的厂控制器以不同的方式或者使用不同的控制设定点和操作参数来控制厂,并且随后测量这些不同设置的效果。优化器随后可以使用测量的厂反馈来确定厂的最佳操作。如果需要,优化器可以存储对于各种不同的发电厂功率输出、环境条件等等的之前确定的最佳操作点,并且当响应于例如,负荷需求或一个或多个环境条件上的改变、响应于厂设备的降级等等而为厂确定新的最佳操作点时,可以将这些之前确定的最佳操作点作为起始位置来使用。
附图说明
图1示出了使用空气冷却式冷凝器的电力发电系统的锅炉蒸汽循环的方框图;
图2示出了图1的系统中使用的空气冷却式冷凝器中的一个的示例的示意和机械简图;
图3示出了例如图1中的电力发电系统的示意性简图,其具有连接到监控控制器和优化器的部件;
图4示出了图3的优化器的方框图;以及
图5示出了由图4的优化器实施的优化循环的操作的流程图。
具体实施方式
现在参照图1,典型的能量产生系统10的蒸汽循环的方框图包括蒸汽发生器12和产生有用能18的蒸汽消耗器14(典型地以蒸汽涡轮机的形式)。蒸汽消耗器14在闭合的再循环回路16中连接到一组电风扇操作的空气冷却式冷凝器20。可由用于运送蒸汽和水的合适的管道和导管组成的再循环回路16还包括将冷凝器20中形成的液体(例如,水)返回到蒸汽发生器12的一个或多个锅炉进给泵22。
尽管蒸汽发生器12于此被描述成利用热原理(例如,通过燃烧燃料诸如石油、废燃料、生物质、木片,等等)操作以将水转变成蒸汽的锅炉系统,但是代替或除锅炉系统以外,可以使用其他类型的蒸汽发生器。例如,蒸汽发生器12可以是化石燃料锅炉(例如,煤)、联合循环热回收蒸汽发生器(HRSG)或者甚至核蒸汽发生器。而且,虽然蒸汽消耗器14于此被描述成产生,例如,有功功率、无功功率或两者的任意期望的组合的形式的电功率的蒸汽涡轮机,但是作为代替可以使用其他类型的蒸汽消耗器来产生其他类型的有用能,包括,例如,产生工艺蒸汽的工艺蒸汽设备。
不管怎样,在操作期间,蒸汽发生器12加热由锅炉进给泵22抽吸的液体(典型地水)以产生蒸汽。此蒸汽被提供到蒸汽消耗器14,蒸汽消耗器14在这种情况下是蒸汽涡轮机。蒸汽使蒸汽涡轮机14以许多熟知的方式中的任意一种产生电。流出蒸汽涡轮机14的蒸汽通过再循环回路16中的一系列的管道或导管提供到一组空气冷却式冷凝器单元20中的一个或多个,在一组空气冷却式冷凝器单元20中的一个或多个中,蒸汽被冷凝回到液体形式。一般来讲,蒸汽在这些单元的顶部处进入空气冷却式冷凝器单元20(如图1所示),在冷凝器单元20中的热交换器23内被转换回到液体形式,并且被收集在设置在空气冷却式冷凝器20的底部处的一组液体收集引流管、箱或管道24中。锅炉进给泵22随后将该液体抽回到蒸汽发生器12,用于在蒸汽循环中的再使用。如将要理解到的,冷凝器单元20中的每个包括电动的风扇25,电动的风扇25抽取环境空气通过冷凝器单元20的热交换器23,以便冷却在冷凝器单元20内流动的蒸汽。
图2更详细地示出了图1的空气冷却式冷凝器单元20中的一个的示例性实施方式。一般来讲,蒸汽通过设置在空气冷却式冷凝器单元20的顶部处的运送管道或导管26运送到空气冷却式冷凝器单元20。管道或导管26可以是图1的再循环回路16的一部分,并且可连接到图1的再循环回路16。蒸汽随后在一系列的管28中被向下传递经过空气冷却式冷凝器20的热交换器部分23,所述一系列的管28上具有散热片。构成热交换器23的翅管结构被布置成大致A形状的配置,如图2所示。热交换器部分23的一部分的放大的剖切图在图2中被示出,以描述具有管28和在管28上的散热片的一种可能的热交换器设计。然而,在热交换器23内使用其他的管和散热片结构是可能的。无论如何,散热片被暴露到环境空气,并且形成具有大量的表面面积的散热器。散热片因此运作以散去在经过管28的蒸汽中的热。尤其是,当蒸汽向下流进管28内部时,由于越过管28的外部翅片表面抽取的环境空气的冷却效果,蒸汽凝结。位于A形状框架的底部部分处的风扇25运转以抽取环境空气穿过由翅管28形成的热交换器结构23。冷凝物从管28排进冷凝歧管29中,并且随后在被用泵抽吸回到图1的锅炉之前排到冷凝箱(在图2中未显示)。因此,在图2中,蒸汽在管28的顶部处进入空气冷却式冷凝器20,向下流动通过管28,并且在管28内冷凝回到水。水被留存在热交换器部分23的底部处的歧管29中,从歧管29,水被用泵抽吸回到锅炉。
在操作期间,重要的是,通过由电动马达32提供动力的风扇25的运转,在管28的周围并且穿过设置在管28上的散热片而抽取环境空气。尤其是,马达32驱动或转动风扇25的叶片,叶片抽取环境空气穿过并且越过设置在管28上的散热片。当环境空气经过管28的散热片时,此空气吸收散热片中的热,并且因此从流动通过管28的蒸汽去除热。该传热操作则使得蒸汽回到液体形式(例如,水),其在空气冷却式冷凝器单元20的底部处收集在一个或多个歧管29中。水随后流到引流管24(图1),并且被泵抽吸到图1的蒸汽发生器12。
在许多情况下,空气冷却式冷凝器20在真空下操作,就如同常规的地表水冷凝器做的一样。空气和其他不可冷凝的气体从多个源进入蒸汽,包括通过系统边界的泄漏、以及从蒸汽涡轮机。不可冷凝的气体可被排到空气冷却式冷凝器20的叫做“第二”部分的分开部分中,该分开部分连接到将不可冷凝的气体排放到大气的真空泵或空气排出器(在图2中未显示)。一般来讲,基本上有两种类型的热交换器在如图2的空气冷却式冷凝器的空气冷却式冷凝器中使用,包括单排和多排热交换器。每个构思具有其自己的优点和缺点,但是单排设计固有地更适合于极端冰冻的环境条件。一般,也有三种在市场上可获取的管形状,包括圆形的、椭圆形的和扁平的。椭圆形的和扁平形的管是最复杂的,并且在几乎所有的条件下运行较好。然而,能使用任意类型的管结构和空气冷却式冷凝器设计。散热片形状同样在供应商之间变化。一些散热片类型不易于积垢,并且机械上更耐瞬变条件。但是,最好质量的散热片与裸管连接密切,这保证了与发电厂的预期寿命可比的有用的预期寿命。另一用于空气冷却式冷凝器的重要的设计因素是用以形成翅管28的材料。目前认为可靠用于发电厂中使用的两种类型的技术包括钎接于扁平裸管上并涂有铝的铝散热片以及椭圆形电镀翅管。
如将要理解到的,空气冷却式冷凝器20的马达32由与发电厂相关的控制器驱动,以控制冷凝器20的操作。在一些情况下,阀可以被设置在空气冷却式冷凝器20的每个的输入处,以便将空气冷却式冷凝器单元20流体连接或不连接到再循环回路16,从而使厂控制器能够如所期望地使用或不使用特定的冷凝器单元20。替代地或附加地,厂控制器可以通过控制特定空气冷却式冷凝器单元20内的风扇马达32的速度来控制该特定空气冷却式冷凝器单元20的使用。在一些情况下,厂控制器可以通过将特定的冷凝器单元20的风扇马达32关掉来控制该特定的冷凝器单元20不被使用,在这种情况下,空气冷却式冷凝器单元20将不提供冷凝操作或只提供最小限度的冷凝操作。在其他情况下,控制器除将冷凝器单元20的风扇马达32关掉以外,可控制截止阀以从再循环回路16隔离冷凝器单元20。
一般来讲,厂控制系统可操作风扇驱动的空气冷却式冷凝器20,以便基于当前负荷需要和环境条件同时操作所有的冷凝器20(例如,图1所示的所有的冷凝器20),或者在任意特定的时间仅仅操作冷凝器20的总数的子集。典型地,当厂以少于最大设计负荷和/或在好于厂设计所针对的最差环境条件的环境条件下操作时,能操作少于所有的空气冷却式冷凝器20的空气冷却式冷凝器20。在厂或蒸汽循环内的空气冷却式冷凝器20的实际操作能够被以许多方式控制或修改,包括通过控制不同的空气冷却式冷凝器20内的风扇25的速度和/或通过在任意特定的时间使用少于所有的空气冷却式冷凝器20的空气冷却式冷凝器20。例如,空气冷却式冷凝器20的总数的子集能够在特定的时间被运行,以便使用少于所有的空气冷却式冷凝器20的空气冷却式冷凝器20。附加地或替代地,任意特定的冷凝器单元20的风扇25的速度可以被修改或控制,以便改变由该特定冷凝器单元20执行的冷凝的量。在一些情况下,少于所有冷凝器单元20的子集的或所有冷凝器单元20的风扇25可以被操作处于相同的速度,或者替代地,空气冷却式冷凝器20中的不同空气冷却式冷凝器的风扇可以被操作处于不同的速度,使得不同冷凝器单元20的不同的风扇被不同地操作,以提供不同的冷凝程度。如以上所述,空气冷却式冷凝器20的马达32可以是变频马达,以便能够以任意期望的速度运行,或者这些马达可以是可选择的,以便以一个或多个不同的预置速度运行。除了风扇速度以外,可以使用每个风扇马达32的一个或多个(典型地三个)相上的电流和电压来控制和/或监控空气冷却式冷凝器20的风扇单元。另外,风扇25能够被反向运转,这在一些特殊的情况下可能是必须的。
当然,可以控制在任意特定时间上使用的空气冷却式冷凝器20的数量和这些冷凝器20的风扇25运行的速度,以便提供蒸汽循环的空气冷却式冷凝器部分的控制的粒度,从而在不同的发电厂操作条件下提供不同的冷凝量。一般来讲,厂控制器能够通过操作更多的空气冷却式冷凝器20和/或通过提高在任意特定时间上正在使用的冷凝器单元20的风扇25的速度来提供更大的冷凝。然而,当提供更大的冷凝作用时,这样的操作同样增加空气冷却式冷凝器20的电功率消耗,并且因此减小对于给定燃料燃烧的厂的功率输出。
一般来讲,在典型的水冷热发电厂中,基于制造商或安装者说明和建议,操作者运行厂或者设置厂内的控制器以得到额定热耗率或尽可能地接近额定热耗率。如已知的,热耗率是千瓦小时/单位燃料消耗的计量。在这些情况下,操作者典型地试图在各种预先确定的设置点上运行厂,以便实现特定的蒸汽流和蒸汽温度、特定的背压或涡轮机上的压降,等等,从而得到以额定热耗率的操作或尽可能接近额定热耗率的操作。因为操作者试图运行厂以便满足制造商或设计者提供的说明,操作者能够有效地改变以便不同地运行厂(并且因此更为最佳地)的控制参数非常少。事实上,操作者能够改变的控制参数的大多数典型地响应于负荷需要变化而按比例增减地一起改变,因为这些变量中的许多彼此紧密相关并且直接依赖于彼此。例如,锅炉中的燃料燃烧速率与进入涡轮机的蒸汽流紧密相关,并且改变一个会以可预知的方式改变另一个。重要的是,得到最合理的热耗率不一定意味厂在最佳地运行,尤其是空气冷却的发电厂,因为热耗率不考虑厂中的其他损失,例如辅助功率成本。因此,尽管厂操作者可以改变厂的操作以得到可能最佳的热耗率,但是这样的操作可能仍然不能最小化对于每单位产生的能量运行整个厂的成本。
因此,如将要理解到的,在许多情况下,厂操作者运行发电厂而不考虑尽力最优化厂的整个操作,而在实施最优化的地方,通过改变非常有限且可理解的一组变量来实施。例如,在一些水冷系统中,可能有有限数量的进给泵(例如,三台),该进给泵能够用于用泵抽吸冷却水通过锅炉循环的冷凝器。在这样的情况下,操作者可以选择运行这些泵中的一台、两台或者所有的三台,但是此选择典型地仅仅基于当前的负荷需要。即,如果当前的负荷小于额定负荷的三分之一,那么操作者可以选择运行一台泵,而如果当前的负荷大于额定负荷的三分之二,那么操作者将运行所有的三台泵。因为要操作的参数非常少,所以最优化厂的操作典型地是件简单的事情,以任何如此的最优化是可能的为限。
另一方面,使用空气冷却式冷凝器的发电厂典型地包括相当大数量的这些单元,这些单元中的每个包括独立可控的风扇和风扇马达。而且,在许多情况下,每个冷凝器单元的风扇可被控制以在两个或多个速度下运行,或者能变化地可控的,以在任意期望的速度下(高达风扇的额定速度)运行。因为这个事实,使用风扇驱动的空气冷却式冷凝器的发电厂(或其他类型的厂)的操作者在试图最优化厂的操作中有很多方式来改变或更改发电厂的操作,超过了最优化其他类型的厂的方式数。而且,因为风扇驱动的空气冷却式冷凝器相对于水冷式冷凝器系统典型地消耗更多的辅助功率,所以例如有更多的机会显著地减少运行使用风扇驱动的空气冷却式冷凝器的厂的辅助功率成本,超过了在水冷式厂中可获得的机会。事实上,已经意识到,在运行使用风扇驱动的空气冷却式冷凝器的厂中的选择数连同实际地减少这些厂中的辅助功率成本的增加的机会提供了最优化例如在厂的蒸汽循环中使用空气冷却式冷凝器的厂的操作的重要的机会。尤其是,发明者已经确定了,由设施厂的空气冷却式冷凝器单元内的风扇的数量和风扇的速度控制使成为可能的控制粒度造成减小厂的操作的成本的重要的机会,并且已经确定了,这些减小运行厂的成本的机会能够通过附加优化器来获得,优化器确定例如与在当前条件下操作整个厂以产生给定负荷的最小成本相关的厂的最佳操作点。
尤其是,已经确定了,对使用空气冷却式冷凝器的厂的最优化可以通过控制正在使用的空气冷却式冷凝器的数量和通过控制那些空气冷却式冷凝器的风扇的速度,以导致每单位由厂输送的功率的最小成本量的方式来实施,而无论此操作是否导致获得额定热耗率或甚至在厂内的最合理的热耗率。事实上,因为空气冷却式冷凝器单元的风扇需要相当大量的电能来运行,所以可运行冷凝器单元以便产生小于涡轮机上的典型期望的背压或压降或者产生小于最大可能的热耗率(因此减少了为相同的燃料负荷量由涡轮机14产生的功率)是可能的,而仍然最小化了在厂产生的每千瓦/小时电的成本。尤其是,因为与以小于要获得预设的背压所需的或换句话说小于要获得最大可能的热耗率所需的能力操作空气冷却式冷凝器相关的减小的能量,所以能实现此最佳的操作。控制空气冷却式冷凝器单元以实施小于冷凝的完全额定量或甚至小于为在涡轮机的输出处获得典型期望的热耗率所必需的冷凝量的能力提供了减小与厂发电相关的辅助功率成本的机会。用于最优化的此机会在不同类型的发电系统中一般是不存在的,例如在蒸汽循环的冷凝操作中不使用相当大的电能并且不包括在冷凝器系统内的使此类优化成为可能的相当大数量的控制变量的水冷式冷凝系统中。
图3描述了以上文建议的方式最优化的典型热设施厂50的示意图。如图3所示,锅炉单元52燃烧燃料以产生蒸汽,蒸汽被提供到蒸汽涡轮机54,该蒸汽涡轮机54运转以产生电的蒸汽涡轮机54。蒸汽流出蒸汽涡轮机54,并且流到一般由附图标记70表示的一组冷凝器单元。与冷凝器单元70相关的风扇72运转以使冷却空气经过冷凝器单元70内的管束76,如图3箭头所示。管束76内的蒸汽回到液体形式(即,水),并且流到空气冷却式冷凝器单元70的底部,在空气冷却式冷凝器单元70的底部,其被收集在收集箱78中。泵80将这样的水抽吸回到锅炉52,用于在锅炉蒸汽循环中再加热。
如图3所示,监控控制单元或控制器82被耦合到厂50内的电子和机械元件中的各种元件,以便实施对发电厂50的控制。一般来讲,控制器82可以是基于微处理器的控制器,例如由Emerson ProcessManagement Power and Water Solutions有限公式制造和出售的Ovation TM控制器、可编程逻辑控制器(PLC)或者典型地在发电厂中用来控制发电厂内的各种不同的设备的任意其他类型的控制器。如图3的示例配置所示,控制器82可以接收在目前和在将来的功率或负荷需求信号(显示出将要由设施厂输出的功率或显示出将要由设施厂内的特定发电单元输出的功率)。控制器82还可以接收显示环境条件,例如当前的空气温度、湿度等等的信号,该信号可由使用者输入或使用传感器(未显示)测量,并且需要该信号以实施对发电厂的适当的控制,以便能够满足期望的负荷需求。控制器82使用需求信号和显示环境条件的信号、以及诸如设定点和来自厂内的各种传感器(包括温度传感器、压力传感器、流量传感器,等等)的反馈信号的其他输入,来控制提供给锅炉52、在锅炉52内喷洒等等的燃料和空气混合物,从而提供对锅炉52的操作控制。控制器82还可控制泵80以控制通过锅炉52的适当的水流量,并且可以控制厂52的未在图3中具体示出的其他部分,例如在厂的蒸汽供应系统中的喷雾器,以便控制提供到蒸汽涡轮机54的输入的蒸汽的温度,等等。
然而,重要的是,控制器82被连接到空气冷却式冷凝器单元70内的风扇72,并且控制空气冷却式冷凝器单元70内的风扇72的运转(并且更具体地说是风扇72的风扇马达),并且可控制在任意特定的时间上操作哪些特定的风扇72和那些风扇72的速度。当然,控制器单元82可控制风扇72中的一些运转,而使一些其他的风扇72关掉和/或可控制各种不同的风扇72在不同的速度下运转,以便实施在冷凝器单元70的不同区域内的不同的冷凝程度。控制器82还可以接收来自风扇72、锅炉系统52、蒸汽涡轮机54、泵80、收集箱78中的液位传感器(未显示)以及来自厂50中的任意其他的传感器的反馈,以提供对这些单元的适当控制。
同样如图3所示,优化器单元86可以指示监控控制器82指定厂操作点,控制器82应该使厂50保持在该厂操作点处或控制器82应该驱动厂50到达该厂操作点。此操作点能包括任意数量的厂变量设定点和操作参数,包括例如,在锅炉中要使用的燃料燃烧率、在冷凝器单元70中要使用的风扇数量、对要使用的特定风扇72的识别、运行风扇72的速度和/或风扇72的各种其他的运转设置,例如要提供以运转风扇72的功率的最大量或功率的范围。另外,优化器86可以指定要通过控制器82实现的其他的操作参数,例如,设定点,包括例如,在蒸汽涡轮机54的输入处可获得的工艺蒸汽的量和温度、在蒸汽涡轮机54的输出处要实现的背压、蒸汽涡轮机54上的压降、提供给锅炉52的水的温度,等等。一般来讲,优化器86将建立要由控制器82使用的一组操作指标值、设定点和/或范围以控制对发电单元50的操作,以便以最少量的成本产生给定或期望量的功率(负荷),例如,以最少的全部成本提供厂50的必要的电力输出的方式。作为此过程的一部分,优化器86可以向控制器82提供各种设定点和操作控制设置。优化器86可基于在优化器86内实施的、识别发电厂50的最佳操作点的计算来确定这些设置。典型地,发电厂50的最佳操作将被限定成以最少的成本实现厂的期望的功率输出等级,或者换句话说,限定成以输送到电力网的每千瓦小时的最少单位成本在厂50的约束内实现负荷需求的厂操作点。当然,对于不同的功率负荷需求和周围环境条件,以及基于厂50内的各种不同的因素,例如风扇72中的不同的风扇不能使用、厂50中的设备老化,等等,将计算不同的最佳操作点或指标(其导致由厂产生的每千瓦小时的较低或最低的操作成本)。
尤其是,优化器86可考虑与运行厂50相关的成本,包括主要成本(例如,使用的燃料成本)以及辅助成本(例如,运行空气冷却式冷凝器70的成本)来提供将要由控制器82满足的指标设定点或操作参数,以实现对发电厂50的最佳的操作。优化器86可以,例如,指示控制器82运行冷凝器单元70内的少于所有风扇72的特定数量的风扇72,和/或可以指定运行风扇72的速度。值得注意的是,厂50的最佳操作点可能与获得典型地被认为在蒸汽涡轮机54的输出处为次最佳背压的背压有关系,因为这样的次最佳背压阻止涡轮机54获得期望的或额定的热耗率,从而导致了通常被认为在蒸汽涡轮机54中的功率的次最佳的生成。然而,优化器86可以迫使此类型的操作,因为其确定了由风扇72使用以在涡轮机54输出处获得期望背压的能量将增加产生由蒸汽涡轮机54输出的能量的全部成本(因为增加的辅助的功率成本),超过了与以之前被认为是次最佳操作点运行厂50有关的全部成本。换句话说,简单地运行厂50以获得期望或最小可能的热耗率或在蒸汽涡轮机54的输出处的期望背压可能不能导致对厂的最佳操作,这是因为与运行空气冷却式冷凝器70的风扇72相关的成本。
而且,优化器86可考虑可能在厂50中当前存在的各种操作条件,例如修理中的和因此不能使用的故障设备的存在(包括例如,一个或多个风扇72),来确定发电厂50的最佳操作点,确保厂50以不会导致厂设备损坏的方式(例如,保持特定数量的风扇开启,以便防止在特定环境条件下管束76内的水的冻结)来操作,等等。
图4详细阐述了优化器86的一种可能的配置。这里,优化器86包括对厂50、厂的部分和/或特定的厂设备建模的一组设备模型90和使用设备模型90以确定设施厂或发电厂50的最佳操作点的数值解算器92。一般来讲,设备模型90允许优化器86的数值解算器92响应于各种不同的控制输入或在各种不同的厂操作点来预测或估计厂50或厂的一部分,例如锅炉部分、蒸汽循环等等的操作。设备模型90能包括用于厂设备的不同件独立的模型或设备的总体模型,并且模型90能够是对厂50内的一个或多个设备的组或独立件的反应或操作建模的部件模型、单元模型和/或回路模型。模型90能够是任意合适类型的数学模型,包括基于免疫学的模型、基于神经元网络的模型、统计模型、回归模型、模型预测模型、一阶原理模型(first order principle model)、线性或非线性模型,等等。
同样如图4所示,数值解算器92使用存储的目标函数94,以便基于厂内的当前条件、与厂和厂的模型90相关的约束来确定厂50的各种不同的可能操作点的哪个为最优。数值解算器92还接收一组操作约束96,该组操作约束96指定不同的约束或限制(例如,当基于目标函数94确定最佳的厂操作点时,数值解算器92不能违背的限制或约束),数值解算器92必须于该约束或限制内操作。这些约束可包括任何限制、范围或与在厂内的任何设备或过程变量相关的优选的操作点,并且能够由用户、操作者、厂设计者或专家引擎指定,如以下详细所述。例如,这些约束可包括:与厂50内的水位相关的限制或范围、蒸汽和水温度、蒸汽压力、燃料流量、蒸汽流量、水流量和在厂50中使用的其他操作范围或设定点。约束96还可指定或识别在任意特定的时间将在厂50中使用的可用的或不可用的特定设备。例如,图3的风扇或空气冷却式冷凝器单元70的不同的几个可能不可用于在特定时间使用,因为这些单元可能故障、可能在维修中等等。在这样的情况下,约束96可包括维修安排或是以维修安排的形式,该维修安排指定厂设备的特定件何时被保养、修理或换句话说计划不能使用,从而指定了这些单元能和不能使用的时间。而且,约束96可包括对厂50内的哪些单元或设备在使用中或不能使用和厂50内的设备的可允许的操作范围或参数的指示。
操作约束96的一些可以指示厂中的当前条件98或受到厂中的当前条件98影响,并且当前条件98被作为操作约束提供到数值解算器92。可在厂中测量或感测的、或者可由用户或操作者输入的这些当前的厂条件98可包括,例如,对厂或厂的一部分的当前负荷需求(例如,要由厂50或厂50内的特定涡轮机54产生的功率或其他负荷)、环境温度、相关的环境湿度、对用于将来的负荷需求和环境条件的预测等等。在一些情况下,负荷需求能够被指定成由厂50或厂50的一部分输送的有功功率(百万瓦特)和无功功率(MMAR)中的任意一个或两个。然而,如果需要,负荷需求可被指定成其他类型的负荷,例如涡轮机功率需求或,在一些实例中的工艺蒸汽需求(例如,在运行锅炉52以产生过程中所需的工艺蒸汽的特定量的情况下)。
一般来讲,在操作中,数值解算器92使用设备模型90以仿真或建模当在当前的环境条件98下和在当前约束96内操作时,厂50在各种不同的操作点下的操作。数值解算器92随后为这些操作点的每个计算或求解目标函数94,以便通过最小化(或最大化)目标函数94来确定哪个操作点是最“优化的”。与最佳操作点相关的操作点的详情(例如,设定点、燃料燃烧率、要运行的风扇72的数量和速度,等等)随后被提供到专家系统100。当然,数值解算器92可以执行用于当前时间和用于将来任意多次的最优化计算,以便因此鉴于在负荷需求中的已知的未来变化、期望的环境条件变化、将使厂设备离线或使厂设备重新在线的维修活动等等来提供将被达到的操作点的轨迹。
尽管目标函数94能够是限定了用于确定厂50的最佳操作点的方法的任意类型或期望的函数,但是在典型的条件下,目标函数94将考虑在运行厂50中的可变成本的所有或大部分而以最少或最小美元-每千瓦小时的操作成本,来确定在当前环境条件98下满足厂50的当前负荷需求的厂50的可实现的操作点。这些可变成本可包括,例如,锅炉52所需的燃料的成本、运行厂50的再循环系统内的泵80的成本、运行厂50的空气冷却式冷凝器70的风扇72的成本,等等。在最优化计算期间,数值解算器92可建模或仿真厂50的操作(使用设备模型90),以确定最佳燃料和空气混合物或燃烧率、再循环泵80的最佳速度以及空气冷却式冷凝器内的风扇72的最佳使用,而这是通过确定这些和其他过程变量的特定组合来确定的,该特定组合最小化或减小目标函数94而仍然获得期望的负荷。当然,数值解算器92可通过使用例如迭代过程对相关过程或厂变量的各种不同的组合建模并且为每个建模的组合计算目标函数94以确定哪个组合(或操作点)导致目标函数94最小化(或最大化)而仍然不违背操作约束96中的任何一个就能允许在相关环境条件98下满足负荷需求的厂操作,来确定“最佳操作点”。因此,数值解算器92可以选择燃料燃烧率或燃料/空气混合物以在当前环境条件98下实现期望的功率输出,并且确定导致辅助功率的最小使用的最小数量的风扇72或风扇72的速度的组合(以及确定其他相关的厂操作变量值),同时仍然允许厂50在当前环境条件98下产生负荷需求而不违背操作约束96中的任何一个。数值解算器92可以随后将目标函数94应用到此操作点,以便为此操作点确定目标函数值。数值解算器92可以随后通过,例如,增加或减少燃料燃烧率,并且再一次确定在当前环境98和操作约束96下获得期望负荷所要使用的风扇的最小数量或速度,来改变燃料燃烧率。数值解算器92可以随后将目标函数94应用到此操作点,并且为此操作点确定目标函数值。数值解算器92可以继续通过,例如,迭代地改变燃料燃烧、燃料/空气混合物、在空气冷却式冷凝器70中使用的风扇72的数量、风扇72的速度、提供给风扇72的电功率等等,并且使用目标函数94评估这些操作点的每个以确定哪个操作点导致最小的(或最大的)目标函数值,来继续对建模的操作点做出改变。数值解算器92可选择最小化或最大化目标函数94的操作点作为用于发送到专家系统100的最佳操作点。这里,将要注意到,数值解算器92可以使用任意期望的例程,例如迭代例程,以便为可能用作实际最佳厂操作点的仿真选择各种不同的操作点。数值解算器92可以,例如,使用之前仿真的结果来指示改变各种变量以选择新的操作点的方式。然而,在大多数情况下,数值解算器92将不会建模或考虑每个可能的厂操作点,因为由能够被改变的过程变量的数量产生的多维空间导致太多潜在的操作点要被实际地考虑或测试。因此,选择最佳操作点,如在此论述中使用的,包括选择局部最佳操作点(例如,在厂50的操作点的局部区域中是最佳的一个),并且包括选择最小化或最大化目标函数94而不考虑非考虑的操作点的一组仿真的操作点中的一个。换句话说,选择或确定如于此使用的最佳操作点不限于选择在厂的整个多维操作空间上最小化或最大化目标函数94的操作点,但是在一些情况下这是可能的。
如将要理解到的,数值解算器92可确定,如由目标函数94计算的厂50的最佳操作点需要在调整厂中使用的热耗率和为获得该热耗率所必要的辅助功率成本(例如,运行空气冷却式冷凝器70的风扇72的成本)之间的权衡,从而在利用当前厂技术不能获得可达到的最佳热耗率的操作点上运行厂50。此操作导致厂50的显著地不同于厂当前被运行或“最优化”的方式的操作,因为目前在过程厂中获得“最佳的”性能所使用的方法是运行锅炉系统以产生期望的或预设的热耗率,而不考虑辅助成本。
如果需要,数值解算器92可以实现最小二乘法技术、线性规划(LP)技术、回归技术、混合整数线性规划技术、混合整数非线性规划技术或任意其他已知类型的分析,以便在已向数值解算器92提供当前环境条件98、约束96和负荷需求信息的假设下找出可实现的最小化(或最大化)目标函数94的厂50的操作点。在一个示例中,数值解算器92是使用目标函数94(可以由选择框102提供)以实施过程优化的线性规划(LP)优化器。替代地,数值解算器92可以是二次规划优化器,该二次规划优化器是具有线性模型和二次目标函数的优化器。一般来讲,目标函数94将指定与许多受控变量(一般称为过程或厂变量)中的每个相关的成本或利润,并且数值解算器92通过找出最大化或最小化目标函数94而同时在约束96内操作的一组厂变量值来为那些变量确定指标值。选择框102可以存储一组不同的可能的目标函数(这些中的每个数学上代表了限定对厂50的“最佳”操作的不同方式),以潜在地用作目标函数94,并且可基于例如用户输入提供存储目标函数中的一个以用作在数值解算器92中使用的目标函数94。例如,框102中的预存储的目标函数中的一个可被配置成减少操作厂50的成本,预存储的目标函数中的另一个可被配置成最小化厂50内的不希望的污染物质或气体的产生,而框102中的预存储的目标函数中的又一个可被配置成最大化由厂50产生的蒸汽。
用户或操作者可通过提供对要在操作者或用户终端(未显示)上使用的目标函数的指示来选择框102中的目标函数中的一个,该选择随后被提供到选择框102。响应于此输入,选择框102向框94提供选定的目标函数。当然,用户或操作者能够在设施厂50的操作期间改变正在使用的目标函数94。如果需要,在用户不提供或选择目标函数的情况下,可以使用缺省目标函数。
如以上所提到的,在操作期间,数值解算器92可以使用线性规划(LP)技术来实施优化。如已知的,线性规划是数学上的技术,用于求解最大化或最小化目标函数94的一组线性等式和不等式。当然,目标函数94可以表示类似成本或利润的经济值,但是也可表达代替或除了经济目标以外的其他目标。使用任何已知的或标准的LP算法或技术,数值解算器92通常迭代以确定最大化或最小化所选定的目标函数94的一组指标受控的厂变量,如果可能,同时导致产生满足约束或落入约束范围内的厂操作,并且同时产生所需的或期望的负荷、输出功率、工艺蒸汽,等等。
一旦数值解算器92确定了厂50的最佳操作点,那么专家系统100能够从安全和实施角度评估此操作点的可行性,并且如果需要,可基于存储在专家系统100中的或作为专家系统100的一部分的一组规则104来修改此解决方案或进一步限定此解决方案。在一些情况下,专家系统100可以存储规则104,规则104检查由数值解算器92提供的解决方案以确保对此解决方案的实施不会导致不安全的条件,或对于在厂50中或在厂50周围的人来说或对于在厂50内的设备来说。专家引擎100还可以存储帮助专家引擎100指定要使用的特定设备以实施由数值解算器92提供的解决方案的规则104。例如,专家引擎100可指定在特定的时间上要使用哪些特定的风扇72或冷凝器单元70运行,以实施由数值解算器92指定的解决方案。专家引擎100可以,例如,确定要使用哪些风扇72或冷凝器单元70,而这是基于在特定的时间这些单元中的哪些在使用中(因此阻止了图3控制器试图使用或控制正在被保养或不能使用的冷凝器单元70的风扇72)。专家引擎100还可以指定对冷凝器单元70的特定风扇72的使用,以防止对一个或多个风扇72的过度磨损或过度使用,从而延长了风扇72的寿命。因此,随着时间的推移,专家引擎100可以尝试平均哪些风扇72正在被使用,从而防止一个风扇72一直闲置(这对风扇马达不好)和/或防止另一风扇72一直被使用(这对风扇马达也不好)。在此情况下,专家引擎100可以防止数值解算器92一直使用最好的冷凝器单元70(即,最有效的冷凝器单元),这将导致对该冷凝器单元70的过度使用,同时还确保了最差的冷凝器单元70(即,最低效率的冷凝器单元70)以某个最小的程度或频率运行。专家引擎100还可以跟踪厂设备的使用,并且跟踪用于厂设备的预先安排的保养,并且可以强制图3的控制器82以比较重的负荷使用被安排在近期被保养的特定设备,以便在保养或修理活动之前最大化对该设备的使用。
另外,专家引擎100可以将不被数值解算器92考虑的附加的条件强加在厂50上。例如,在一些情况下,专家引擎100可以使空气冷却式冷凝器70的风扇72中的一些或所有以最低水平或以各种水平运行,以便防止空气冷却式冷凝器70内的水的冻结(例如,当在厂50出现寒冷的天气时),即使数值解算器92指定了,例如,在最佳解决方案中只需要使用冷凝器70中的一半。
除了修改数值解算器92的输出以外,专家引擎100在确定厂50的最佳操作点中可添加或指定数值解算器92要考虑的约束96。例如,专家引擎100可指定减少数量的能够在由数值解算器92提供的任何解决方案中使用的风扇72或冷凝器单元70,因为专家引擎100知道一定数量的这些单元出了故障或正在被保养,以便保护已经被大量使用了一段时间的特定风扇72的寿命,等等。同样地,专家引擎100可限制一个或多个风扇72在某些环境中能够运行的速度,可指定风扇72需要被运行的最小速度,等等。当然,专家引擎100能提供和修订将由数值解算器92使用的任意数量的不同的约束96,以便指示由数值解算器92提供的解决方案要满足由专家引擎100或由专家引擎100的规则104正在实施的标准或对策,例如保护厂设备的寿命,使得能够在厂50正在运行时对厂设备维护和修理,等等。
在一个情形中,数值解算器92可以确定并使用厂50需要以保持某一输出的期望的冷却水返回温度或期望的冷凝器背压。在此情形中,数值解算器92可确定风扇72的速度或要开启的泵80的数量,以保持厂50运行接近那些指标。在许多情形中,确定或限定能够被执行以便知道什么时候实现最佳配置的性能计算是可能的。在此情形,在找到最优的之前能够尝试各种设备组合。此方法可能需要在不同环境条件和/或负荷需求下收集大量的厂数据,相互关联这些结果并且随后存储这些结果,用于以后使用。
在另一实施方式中,专家引擎100能够通过指定将要在确定最佳操作点中使用或考虑使用的空气冷却式冷凝器单元的指标数量或冷凝器单元的范围来操纵数值解算器92。在此情形中,专家引擎100可以约束数值解算器92以使用,例如,可使用的冷凝器单元70的总数中的加八个或减二个冷凝器单元70。作为另一实施例,专家引擎100可指定用于冷凝器单元70的指标辅助功率预算或功率范围(例如5000±250kW),以便以此方式限制由数值解算器92确定的解决方案。此指标(操纵)能够通过经由约束框96将这些范围提供成在操作期间要由数值解算器92使用的约束96来实现。在另一情形中,数值解算器92在这些方面上能够不受约束地运行,但是能产生能在操作中使用的操作变量值的范围,并且专家引擎100能基于专家引擎100的规则104来在这些范围内选择操作点。例如,数值解算器92可指定如在值的范围中的最佳操作点,例如指定加八个或减二个冷凝器单元70的使用或替代地使用5000±250kW的辅助功率预算。专家引擎100可随后基于规则104或可被专家引擎100得到的其他信息来指定更为特定的值以在对厂的操作中使用和/或可指定在任意特定的时间上要使用哪些特定的冷凝器单元70。当然,数值解算器92和专家引擎100之间的交互作用可以以这些方式中的两个来实施,使得这些单元一起工作以基于目标函数94来确定厂的最佳或近似最佳的操作点,而仍然满足试图通过专家引擎100内的规则104来实施的目标。
在一种情形下,专家引擎100可使用对负荷需求、环境条件、保养条件等等的未来预测来选择在由数值解算器92提供的值的范围内的特定值。例如,如果专家引擎100知道负荷在未来将要减少,那么专家引擎100可选择接近由数值解算器92指定的范围的低端的值。另一方面,如果专家引擎100知道负荷将要增加,那么专家引擎100可选择接近由数值解算器92输出的范围的高端的值。
不管怎样,专家引擎100提供修改的(如果需要)设定点、和其他厂变量值,诸如要使用哪些风扇72、风扇72的速度、燃料燃烧水平、和要由厂控制器82使用以控制厂50在由数值解算器92确定的(并且由专家引擎100修改的)最佳操作点下运行的任意其他的厂变量指标值。
而且,在操作期间,数值解算器92和/或专家引擎100可将为过去对优化器86的运行而确定的解决方案连同与形成那些解决方案有关的或参与形成那些解决方案的相关特性,例如环境条件、负荷需求、约束等等,一起存储在存储器108中。以后,当求解目标函数94或换句话说在优化器86内运行以确定新的最佳操作点时,数值解算器92可以确定存储的之前的具有相似或具有最接近的一组条件的解决方案中的一个或多个,并且从该解决方案开始(例如,首先尝试该解决方案)作为厂用于当前的一组条件、约束等等的潜在最佳操作点。此特征辅助数值解算器92快速地限制在最佳的解决方案上,使得数值解算器92能够更快地操作,因为它从之前已经被确定为对于相似的一组条件、约束、负荷需求等等来说是最佳的点开始迭代。尤其是,尽管新的最佳解决方案可能因为厂设备中的变化、条件、约束等等方面的差异而不与之前存储的解决方案相同,但是新的解决方案可以相对地接近存储的解决方案(在多维空间中),使得数值解算器92通过其应用在检测不同的厂操作点中的迭代的方法而能够更快速地找出新的最佳解决方案。
另外,图4中描述的适应性智能框110基于在厂50中测量的条件或关于厂50中的条件的用户反馈来实施对设备模型90的适应。尤其是,适应性智能框110可以接收表示了厂50内的设备的各种不同件的操作状态的测量,以便检测出因为,例如,设备的降级和老化、对设备做出的修理等等而产生的设备性能上的变化。当然,用户可以输入厂操作数据、影响厂设备的操作的机械条件,或者可以指定关于由厂模型90使用的厂设备的其他信息。替代地或附加地,适应性智能框110在实施优化例程之后可以测量厂50的或厂50内的设备的实际性能,并且比较该性能和由设备模型90建模的或根据设备模型90预期的性能,并且可以随后改变设备模型90,以便更加准确地反映当前或测量的厂设备的操作。当然,适应性智能框110可以在设备水平、单元水平、回路水平等等上测量和适应模型90。如将要理解到的,设备模型90可以被改变以反映厂50的各种部件,包括锅炉52、空气冷却式冷凝器70等等的传热能力的变化。而且,适应性智能框110可以测量或评估作为一整体的所有单元70中的单独的冷凝器单元70的实际传热能力(包括,例如,冷凝器单元70中的风扇72的效率),并且可以改变这些单元的模型90以反映在这些单元的操作或效率上测得的或确定的变化。
如将要理解到的,由优化器86实施的任意优化将包括权衡,并且将基于减少解决方案的可能的范围(即,厂50的操作点)的约束和限制。除了负荷需求和硬件的物理限制以外,这些约束还包括实际的考虑,例如不可使用的设备或者设置在手动模式下的设备以及因为其他的操作关系(例如,防止设备冻结,等等)而必须运行的设备。在以上公开的优化设计中,由厂设计者采用的不同的方法也将限制可能的解决方案。例如,如果厂被设计有用于空气冷却式冷凝器70的许多的全速电风扇,则没有风扇72能够在低速下运行,所以由数值解算器92实施的关于风扇72的最佳使用的优化变成了在运行附加风扇72的额外电功率和作为使用该风扇72的结果而获得的冷凝器背压的附加利益之间的权衡的折半查找。然而,甚至此简化的机会能够从以上描述的优化方法获益,因为此方法的基于模型的部件能够认识到当前的条件,将它与之前存储的近似最佳比较,并且将过程移动到此起始点。在向此起始点移动后,考虑到如以上所提到的其他约束,优化过程能够改进操作选择,以实现更好地满足目标函数94的操作点。而且,此优化方法负责和允许对具有取代条件(override condition)的专家规则104的实施。如以上所述,如此的规则104可包括,例如,对于每那么多兆瓦特小时的产生的电功率,每个风扇必须运行最小和最大的时间量,以便延长风扇72的寿命、防止冷凝器单元70中的冻结,等等。
事实上,专家系统100与由数值解算器92实施的基于模型的优化相组合允许优化器86随着时间的推移认识操作实践并且易于被操作实践约束。此方法还使得新的空气冷却式冷凝器传热模式和在厂的设计阶段期间不明显而随着时间的推移被确定的约束成为可能,以便,全面地,对操作的最佳实践能够被确定和实现,甚至在厂50已经被构建成之后。当然,基于模型的认知的替代应用能够包括对厂50的各种区域上的传热和性能降级的监控。在这种情况下,厂50可能需要附加的现场设备(例如,传感器),用于确定中间温度测量和做出这些性能确定所需的其他的测量。然而,能够利用附加的数据以确定表现欠佳的设备或与空气冷却式冷凝器70相关的其他潜在的健康问题(例如,某些区域可能需要例如被清理)。防冻同样是保护管不受损坏的重要的模式。
而且,环境空气的温度和环境空气中的湿度将影响空气冷却式冷凝器的冷却性能。因此,增加空气的湿度含量和冷却空气将提高性能,使得允许运行较少的风扇72,产生较少的辅助功率成本。如此的优势可通过提供具有入口“润湿器(fogger)”的厂来实现,上述“润湿器”例如是用以调节用于燃气轮机的空气以便将湿气加入流过冷凝器单元70的空气的那些润湿器。在此情况下,使用润湿器单元的程度可包括在由优化器86传送到厂控制器82的最佳操作点中。
图5描述了流程图120,其描述了图4优化器86的一种可能的操作循环。一般来讲,优化器86可响应于负荷需求上的变化、环境条件98上的变化或者甚至操作约束96中的一个或多个上的变化(其可以由用户输入、专家引擎100的独立动作、厂设备状态上的变化、由例如智能框110等等实施的设备模型90中的一个或多个上的变化而产生)而操作或实施操作循环。因此,例程120内的框122确定可能需要新的优化程序的系统中的变化,包括在约束96、环境条件98、负荷需求、请求新的优化循环的用户输入等等中的一个上的变化。如以上所述,专家系统100也能够通过向框122发送信号以开始程序,或者通过基于专家系统100可能具有的新的信息来改变约束96中的一个或多个来直接地开始新的优化程序。如果检测不到变化,那么框122继续检查变化直到检测到变化为止。替代地,框122可以在预定的时间段之后开始新的优化程序,或者可以使得优化器86作为后台程序不断地运行。
不管怎样,当开始新的优化程序时,框124确定起始或初始的操作点,以便用作根据新的条件(例如,对约束的、负荷需求、环境条件等等的新设置)的可能的厂操作点。在一种情形中,框124可以访问图4的最佳点存储器108,并且找到一个或多个之前确定的最佳点(为对约束、负荷需求等等的不同设置而确定的),并且使用这些点中的一个作为用于当前优化程序的起始操作点。这里,框124可以确定哪个存储的最佳点被确定用于最接近于当前条件的负荷需求、环境条件,等等。在另一情形中,框124可以确定多个之前确定的点(例如,两个或多个),并且基于在存储点的负荷需求、约束、环境条件等等和用于当前条件的那些负荷需求、约束、环境条件等等之间的差异来在这些点之间插值,以确定起始厂操作点。在基于此确定选定了起始操作点之后,该起始操作点可以是各种不同的存储点的加权总和或在存储于存储器108中的操作点之间的插值,框124向数值解算器例序提供该起始操作点。
利用厂和设备模型90以及与正在被检查的操作点相关的厂变量或设定点和条件,框126执行数值解算器例程92以对厂的操作建模。数值解算器例程92可以改变或调整厂控制变量,以便,例如,获得建模的厂的操作,该建模的厂的操作在相关的环境条件下满足了所需的负荷需求。一般来讲,数值解算器92确定,正在被检查的操作点是否因为厂能够被操作以在相关的条件和约束下产生期望的负荷需求而是可行的。当操作点已经被确定其在相关环境条件98下实际地满足了负荷需求而没有违背约束96中的任何一个时,框128将目标函数94应用到操作点,以确定与该操作点相关的目标函数值。此操作点和其相关的目标函数值可随后被存储在存储器中。
框130随后通过,例如,确定存储的操作点中的任何一个是否具有低于某一阈值的目标函数值、某一数量的操作点是否已经被分析、用于最后两个或多个被分析的操作点的目标函数值上的变化是否低于特定的阈值、局部目标函数值最小值是否已经达到,或使用任意其他期望的标准来确定是否应该确定新的操作点。如果要确定新的操作点,那么框132改变与之前分析的操作点中的一个相关的厂变量、设定点、操作条件等等中的一个或多个,以便确定要分析的新的厂操作点。一般来讲,框132可以改变要使用的冷凝器单元的数量(在当前可使用的那些中的)、要用来运行冷凝器单元、泵等等的辅助功率的量、冷凝器单元中的一个或多个风扇的速度、要在冷凝器中使用的喷雾,等等。框132还可以基于之前分析的操作点的目标函数分析的结果(以便以最小化,例如,目标函数的方向迭代地移动或改变厂变量)或以任意其他期望的方式来改变一个或多个厂变量或设定点,以便确定要分析的新的厂操作点。
当框132确定了要分析的新的操作点时,此点被提供到框126,框126随后将对此点的操作建模以确定此操作点是否可行,即在相关环境条件在相关约束内操作以满足负荷需求。如果需要的话,框126可以改变这些厂操作参数中的一些,例如燃料流量等等,以便使操作点满足负荷需求。如果框126能够确定可行的点(即,使在期望负荷需求下在约束内厂操作的一个),那么此点被提供到框128,用于由目标函数的分析。另一方面,如果框126确定提出的操作点不是可行的解决方案,因为其不能在当前环境条件下和在相关约束内获得期望的负荷需求,那么该点被标记成不可行的。无论怎样,由框126检查的或产生的任意可行的操作点会被提供到框128,以便被目标函数分析,并且此信息会被存储。识别新操作点、分析这些操作点的可行性以及为每个可行的操作点确定目标函数值的此迭代过程被重复用于任意数量的迭代或点。
然而,在某一点上,框134分析存储的操作点,并且选择具有最小(或在某些情况下最大)目标函数值的操作点作为最佳厂操作点。当,例如,已经达到局部最大值或最小值、已经满足特定数量的迭代或其他的标准等等时,可做出此确定。在框134基于目标函数值确定被分析的点中要使用的最好的或最佳操作点之后,此点被提供到专家系统100。在框138处,专家系统100应用存储的规则和逻辑来修改或充实由框134提供的解决方案。该专家引擎100可以,例如,将各种存储的规则应用到操作点,以便基于这些规则来修改操作点和/或以便当实施由框134提供的操作点时,选择特定的设备使用(例如,选择使用厂内哪个设备或风扇来实施由数值解算器提供的解决方案,等等)。在框140处,框140随后将此修改的操作点(例如,厂设定点和设备操作条件)作为厂的最佳操作点提供到厂控制器82。控制器82随后使用那些设定点和设备操作指令以在最佳操作点上控制厂的正在进行的或在线的操作。当然,图5的流程图只是示例性的,并且除了或代替在图5中具体所示的,可实施用于运行优化循环的其他类型的方法和例程。
尽管以上文字阐述了对于本发明的许多不同实施方式的详细描述,但是应该理解到,本发明的范围由在本专利所附的权利要求的文字所限定。详细描述被解释为只是示例性的,而不能描述本发明的每个可能的实施方式,因为描述每个可能的实施方式即便是可能的,也将是不实际的。可使用当前的技术或在本专利提交日期之后开发的技术来实施许多可替换的实施方式,这将仍然属于限定本发明的权利要求的范围。
因此,可以在于此描述和阐述的技术和结构上做出许多的修改和变化,而不偏离本发明的精神和范围。所以,应该理解到,于此描述的方法和装置只是说明性的,而不是对本发明的范围的限制。

Claims (35)

1.一种厂优化系统,用于在控制具有包括蒸汽发生器、蒸汽消耗器和耦合在所述蒸汽消耗器和所述蒸汽发生器之间的冷凝器系统的蒸汽循环的厂中使用,所述厂优化系统包括:
优化器,所述优化器包括计算单元和目标函数,其中,所述计算单元分析与所述蒸汽循环的操作相关的多个厂操作点中的每个,以便确定最佳地满足所述目标函数的初始厂操作点,其中,所述多个厂操作点中的每个包括用于一组蒸汽循环操作变量中的每个的值;以及
专家引擎,所述专家引擎存储一组规则,并且使用所述一组规则来调整与所述初始厂操作点相关的用于所述蒸汽循环操作变量的所述值中的一个或多个,以便确定用于在控制所述厂中使用的最佳厂操作点。
2.根据权利要求1所述的厂优化系统,其中,所述计算单元是混合整数线性规划优化器或者混合整数非线性规划优化器。
3.根据权利要求1所述的厂优化系统,其中,所述优化器还包括对在所述厂的所述蒸汽循环内的设备的操作建模的一组设备模型,并且其中,所述计算单元使用所述设备模型来预测所述厂的所述蒸汽循环在所述多个厂操作点中的每个处的操作。
4.根据权利要求1所述的厂优化系统,其中,所述计算单元接收与所述厂的操作限制相关的一组约束,并且其中,所述计算单元将所述多个厂操作点确定为不违背所述一组约束中的任意一个的厂操作点。
5.根据权利要求4所述的厂优化系统,其中,所述专家引擎基于所述专家引擎内的所述规则来确定所述一组约束中的一个或多个,并且向所述计算单元提供所确定的一组约束中的所述一个或多个。
6.根据权利要求1所述的厂优化系统,其中,所述优化器接收与所述厂的操作限制相关的一组约束、与所述厂的操作相关的一组环境条件和所述厂的输出需求,并且其中,所述计算单元将所述多个厂操作点确定为这样的厂操作点,即在该厂操作点,所述厂在所述环境条件下操作以产生所述输出需求而不违背所述一组约束中的任意一个。
7.根据权利要求1所述的厂优化系统,其中,所述目标函数指定评估厂操作点的方式,并且所述计算单元使用所述目标函数来分析所述多个厂操作点中的每个以便为所述多个厂操作点中的每个确定目标函数值,并且基于为所述多个厂操作点确定的所述目标函数值来选择所述多个厂操作点中的一个作为所述初始厂操作点。
8.根据权利要求1所述的厂优化系统,其中,所述蒸汽消耗器产生能量,并且其中,所述目标函数与确定每单位由所述蒸汽消耗器输出的能量的所述厂的所述蒸汽循环的最少操作成本相关。
9.根据权利要求1所述的厂优化系统,其中,所述冷凝器系统包括多个电驱动的空气冷却式冷凝器单元,并且其中,所述一组蒸汽循环操作变量中的至少一个是限定所述冷凝器系统的操作的冷凝器系统变量。
10.根据权利要求9所述的厂优化系统,其中,所述冷凝器系统变量包括要运行的所述电驱动的空气冷却式冷凝器单元的数量。
11.根据权利要求9所述的厂优化系统,其中,所述冷凝器系统变量包括运行所述电驱动的空气冷却式冷凝器单元中的一个的风扇的速度。
12.根据权利要求9所述的厂优化系统,其中,所述冷凝器系统变量包括用来运行所述电驱动的空气冷却式冷凝器单元中的一个或多个的功率预算。
13.一种厂控制和优化系统,用于在控制具有包括蒸汽发生器和多个电驱动的空气冷却式冷凝器单元的蒸汽循环的厂中使用,所述厂控制和优化系统包括:
厂控制器,所述厂控制器耦合到所述蒸汽发生器以及耦合到所述电驱动的空气冷却式冷凝器,以基于一组厂操作变量指标来控制所述蒸汽循环的操作;
优化器,所述优化器分析与所述厂的操作相关的多个厂操作点中的每个,以确定初始最佳厂操作点,其中,所述多个厂操作点中的每个包括用于一组厂操作变量中的每个的值,所述厂操作变量中的至少一个是与所述厂的所述蒸汽循环内的所述电驱动的空气冷却式冷凝器单元的操作相关的冷凝器变量;以及
专家引擎,所述专家引擎存储一组规则,并且使用所述一组规则和与所述初始最佳厂操作点相关的所述一组厂操作变量的所述值,以产生用于在所述厂控制器中使用的所述一组厂操作变量指标。
14.根据权利要求13所述的厂控制和优化系统,其中,所述优化器包括计算单元和目标函数,其中,所述计算单元分析所述多个厂操作点中的每个,以将所述初始最佳厂操作点确定为最佳地满足所述目标函数的厂操作点。
15.根据权利要求14所述的厂控制和优化系统,其中,所述优化器还包括对在所述厂的所述蒸汽循环内的设备的操作建模的一组设备模型,并且其中,所述计算单元使用所述设备模型来预测所述厂的所述蒸汽循环的在所述多个厂操作点中的每个处的操作。
16.根据权利要求14所述的厂控制和优化系统,其中,所述计算单元接收与所述厂的操作限制相关的一组约束,并且其中,所述计算单元将所述多个厂操作点确定为不违背所述一组约束中的任意一个的厂操作点。
17.根据权利要求16所述的厂控制和优化系统,其中,所述专家引擎基于所述专家引擎内的规则来确定所述一组约束中的一个或多个,并且向所述计算单元提供所确定的一组约束中的所述一个或多个。
18.根据权利要求14所述的厂控制和优化系统,其中,所述优化器接收与所述厂的操作限制相关的一组约束、与所述厂的操作相关的一组环境条件和所述厂的输出需求,并且其中,所述计算单元将所述多个厂操作点确定为这样的厂操作点,即在该厂操作点,所述厂在所述环境条件下操作以产生所述输出需求而不违背所述一组约束中的任意一个。
19.根据权利要求13所述的厂控制和优化系统,其中,所述厂操作变量指标中的一个包括要运行的所述电驱动的空气冷却式冷凝器单元的数量。
20.根据权利要求13所述的厂控制和优化系统,其中,所述厂操作变量指标中的一个包括运行所述电驱动的空气冷却式冷凝器单元中的一个的风扇的速度。
21.根据权利要求13所述的厂控制和优化系统,其中,所述厂操作变量指标中的一个包括要用来运行所述电驱动的空气冷却式冷凝器单元中的一个或多个的功率预算。
22.一种厂控制和优化系统,用于在控制具有带蒸汽发生器、蒸汽消耗器和具有耦合在所述蒸汽消耗器和所述蒸汽发生器之间的多个电驱动的空气冷却式冷凝器单元的冷凝器系统的厂蒸汽循环的厂中使用,所述厂控制和优化系统包括:
优化器,所述优化器分析与所述蒸汽循环的操作相关的多个操作点,以确定所述蒸汽循环的最佳操作点,其中,所述多个操作点中的每个包括用于一个或多个蒸汽循环操作变量的不同的一组值,所述蒸汽循环操作变量包括至少一个冷凝器系统操作变量;以及
厂控制器,所述厂控制器被耦合以控制所述蒸汽发生器和所述电驱动的空气冷却式冷凝器以由此控制所述厂蒸汽循环的所述操作,所述厂控制器还耦合到所述优化器以接收和使用与所述最佳操作点相关的用于所述一个或多个蒸汽循环操作变量的值,以便控制所述厂蒸汽循环的所述操作。
23.根据权利要求22所述的厂控制和优化系统,其中,所述优化器包括计算单元和专家引擎,所述计算单元确定与初始最佳操作点相关的一组操作值,所述专家引擎存储一组规则并使用所述一组规则来调整与所述初始最佳操作点相关的所述一组操作值,以便为所述最佳操作点确定所述蒸汽循环操作变量值。
24.根据权利要求23所述的厂控制和优化系统,其中,所述计算单元存储和使用目标函数来确定所述初始最佳操作点。
25.根据权利要求24所述的厂控制和优化系统,其中,所述蒸汽消耗器产生能量,并且其中,所述目标函数与确定每单位由所述蒸汽消耗器输出的能量的所述蒸汽循环的最少操作成本相关。
26.根据权利要求22所述的厂控制和优化系统,其中,所述至少一个冷凝器系统操作变量包括要运行的冷凝器单元的数量。
27.根据权利要求22所述的厂控制和优化系统,其中,所述至少一个冷凝器系统操作变量包括运行所述冷凝器单元中的一个或多个的一个或多个风扇的速度。
28.根据权利要求22所述的厂控制和优化系统,其中,所述至少一个冷凝器系统操作变量包括用来运行所述冷凝器单元中的一个或多个的功率预算。
29.一种优化厂的控制的方法,所述厂具有带蒸汽发生器、蒸汽消耗器和冷凝器系统的蒸汽循环,所述方法包括:
确定多个厂操作点,所述多个厂操作点中的每个包括与所述厂的所述蒸汽循环内的设备的操作相关的一个或多个操作变量;
利用目标函数分析所述多个厂操作点中的每个,以便将所述多个厂操作点中的一个确定为最佳地满足目标函数的初始最佳操作点;
基于所述初始最佳操作点来确定特定的一组厂控制指标值以在控制所述厂中使用,所述特定的一组厂控制指标值包括用于在控制所述厂的所述冷凝器系统中使用的指标值;以及
将所述特定的一组厂控制指标值提供到过程控制器,用于在控制所述厂中使用。
30.根据权利要求29所述的优化厂的控制的方法,其中,所述冷凝器系统包括耦合在所述蒸汽消耗器和所述蒸汽发生器之间的多个电驱动的空气冷却式冷凝器单元,并且其中,确定所述特定的一组厂控制指标值包括确定要在所述厂内运行的冷凝器单元的特定数量。
31.根据权利要求29所述的优化厂的控制的方法,其中,所述冷凝器系统包括耦合在所述蒸汽消耗器和所述蒸汽发生器之间的多个电驱动的空气冷却式冷凝器单元,并且其中,确定所述特定的一组厂控制指标值包括使用一组存储的规则和所述初始最佳操作点来确定对要在所述厂内运行的特定的冷凝器单元的识别。
32.根据权利要求29所述的优化厂的控制的方法,其中,所述冷凝器系统包括耦合在所述蒸汽消耗器和所述蒸汽发生器之间的多个电驱动的空气冷却式冷凝器单元,并且其中,确定所述特定的一组厂控制指标值包括使用一组存储的规则和所述初始最佳操作点来确定要在所述厂内运行所述冷凝器单元的风扇的速度。
33.根据权利要求29所述的优化厂的控制的方法,其中,所述冷凝器系统包括耦合在所述蒸汽消耗器和所述蒸汽发生器之间的多个电驱动的空气冷却式冷凝器单元,其中,所述初始最佳操作点包括用于在运行所述冷凝器系统中使用的功率预算,并且其中,确定所述特定的一组厂控制指标值包括使用一组存储的规则和所述初始最佳操作点来基于功率预算确定要在所述厂内运行的所述冷凝器单元的速度或数量。
34.根据权利要求29所述的优化厂的控制的方法,其中,所述冷凝器系统包括耦合在所述蒸汽消耗器和所述蒸汽发生器之间的多个电驱动的空气冷却式冷凝器单元,其中,所述初始最佳操作点包括要在所述厂内运行的冷凝器单元的数量的范围,并且其中,确定所述特定的一组厂控制指标值包括确定在冷凝器单元的所述数量的范围内的要在所述厂内运行的冷凝器单元的特定数量。
35.根据权利要求34所述的优化厂的控制的方法,其中,确定所述特定的一组厂控制指标值还包括将所述冷凝器单元的识别确定为要在所述厂内运行的冷凝器单元的所述特定数量。
CN201010281787.5A 2009-09-11 2010-09-13 具有空气冷却式冷凝器的发电厂的优化控制 Active CN102023623B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510063399.2A CN104570743B (zh) 2009-09-11 2010-09-13 具有空气冷却式冷凝器的发电厂的优化控制

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/558,236 US8433450B2 (en) 2009-09-11 2009-09-11 Optimized control of power plants having air cooled condensers
US12/558,236 2009-09-11

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201510063399.2A Division CN104570743B (zh) 2009-09-11 2010-09-13 具有空气冷却式冷凝器的发电厂的优化控制

Publications (2)

Publication Number Publication Date
CN102023623A CN102023623A (zh) 2011-04-20
CN102023623B true CN102023623B (zh) 2015-03-04

Family

ID=43037571

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201010281787.5A Active CN102023623B (zh) 2009-09-11 2010-09-13 具有空气冷却式冷凝器的发电厂的优化控制
CN201510063399.2A Active CN104570743B (zh) 2009-09-11 2010-09-13 具有空气冷却式冷凝器的发电厂的优化控制

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201510063399.2A Active CN104570743B (zh) 2009-09-11 2010-09-13 具有空气冷却式冷凝器的发电厂的优化控制

Country Status (5)

Country Link
US (1) US8433450B2 (zh)
CN (2) CN102023623B (zh)
CA (1) CA2714466C (zh)
DE (1) DE102010037450A1 (zh)
GB (2) GB2551913B (zh)

Families Citing this family (76)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8463441B2 (en) 2002-12-09 2013-06-11 Hudson Technologies, Inc. Method and apparatus for optimizing refrigeration systems
US8417392B2 (en) * 2009-07-23 2013-04-09 Siemens Industry, Inc. Qualification system and method for chilled water plant operations
CN102893227A (zh) * 2009-12-31 2013-01-23 Abb研究有限公司 用于调度电厂的负载的方法和控制系统
WO2011106712A2 (en) * 2010-02-26 2011-09-01 Dominion Engineering, Inc. Method and apparatus for evaluating repair and remediation alternatives for heat exchangers
US8682635B2 (en) * 2010-05-28 2014-03-25 Rockwell Automation Technologies, Inc. Optimal self-maintained energy management system and use
US8880202B2 (en) * 2010-07-09 2014-11-04 Emerson Process Management Power & Water Solutions, Inc. Optimization system using an iteratively coupled expert engine
US9335748B2 (en) 2010-07-09 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Energy management system
US9335042B2 (en) 2010-08-16 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Steam temperature control using dynamic matrix control
US9217565B2 (en) * 2010-08-16 2015-12-22 Emerson Process Management Power & Water Solutions, Inc. Dynamic matrix control of steam temperature with prevention of saturated steam entry into superheater
US9447963B2 (en) 2010-08-16 2016-09-20 Emerson Process Management Power & Water Solutions, Inc. Dynamic tuning of dynamic matrix control of steam temperature
US8874242B2 (en) * 2011-03-18 2014-10-28 Rockwell Automation Technologies, Inc. Graphical language for optimization and use
US20120239169A1 (en) * 2011-03-18 2012-09-20 Rockwell Automation Technologies, Inc. Transparent models for large scale optimization and control
US20130085683A1 (en) * 2011-10-01 2013-04-04 Javier D'Carlo Garcia Preventive Activated Sludge Microlife Interpreter
US9163828B2 (en) 2011-10-31 2015-10-20 Emerson Process Management Power & Water Solutions, Inc. Model-based load demand control
US8914134B2 (en) * 2011-11-09 2014-12-16 General Electric Company Systems and methods for predicting transient operational characteristics of a power plant
US20130159200A1 (en) * 2011-12-16 2013-06-20 Accenture Global Services Limited Method, system, and apparatus for servicing equipment in the field
CN102542120B (zh) * 2012-01-17 2013-04-10 浙江科维节能技术有限公司 一种节能式循环冷却水系统的设计方法
JP5790793B2 (ja) * 2012-01-23 2015-10-07 富士電機株式会社 空冷凝縮器およびそれを備えた発電装置
US20140372164A1 (en) 2012-01-26 2014-12-18 S.A. Armstrong Limited Method and System for Prioritizing a Plurality of Variable Speed Devices
US20150066458A1 (en) * 2012-03-28 2015-03-05 Westerngeco L.L.C. Providing an objective function based on variation in predicted data
US9879600B2 (en) * 2012-04-30 2018-01-30 General Electric Company Turbine component cooling system
CN102707618B (zh) * 2012-06-04 2014-06-11 上海化工研究院 基于天然气改质过程的降低热损失控制专家系统及其应用
US9002532B2 (en) * 2012-06-26 2015-04-07 Johnson Controls Technology Company Systems and methods for controlling a chiller plant for a building
WO2014001864A1 (en) * 2012-06-29 2014-01-03 Abb Technology Ltd. A method for optimization of control and fault analysis in a thermal power plant
US9411326B2 (en) * 2012-08-21 2016-08-09 General Electric Company Plant control optimization system including visual risk display
JP6150514B2 (ja) * 2012-12-14 2017-06-21 三菱電機株式会社 空気調和機
DK2749765T3 (da) * 2012-12-27 2022-01-10 Siemens Gamesa Renewable Energy As Vindmøllerotorvinge
US20140202151A1 (en) * 2013-01-21 2014-07-24 Alliance For Sustainable Energy, Llc Hybrid Air-Cooled Condenser For Power Plants and Other Applications
JP6086746B2 (ja) * 2013-02-14 2017-03-01 アネスト岩田株式会社 動力発生装置及びその運転方法
US20140238643A1 (en) * 2013-02-22 2014-08-28 General Electric Company System and method for cleaning heat exchangers
US9477214B2 (en) * 2013-03-07 2016-10-25 General Electric Company Plant control systems and methods
US9576259B2 (en) * 2013-08-13 2017-02-21 Siemens Industry, Inc. Systems, methods and apparatus for optimizing fuel mix, fuel allocation and scheduling of generator resources
US20150094869A1 (en) * 2013-09-30 2015-04-02 Siemens Industry, Inc. Systems, methods and apparatus for creating an operating schedule for multi-state generator resources
US9448001B2 (en) * 2013-10-31 2016-09-20 United Metal Products, Inc. Indirect cooling unit
EP2886811B1 (de) * 2013-12-20 2017-08-09 Orcan Energy AG Verfahren zur Regelung eines Kondensators in einer thermischen Kreisprozessvorrichtung und thermische Kreisprozessvorrichtung
US9886012B2 (en) 2014-03-26 2018-02-06 Rockwell Automation Technologies, Inc. Component factory for human-machine interface migration to a cloud platform
US9825949B2 (en) 2014-03-26 2017-11-21 Rockwell Automation Technologies, Inc. Device authentication to facilitate secure cloud management of industrial data
US9838476B2 (en) 2014-03-26 2017-12-05 Rockwell Automation Technologies, Inc. On-premise data collection and ingestion using industrial cloud agents
US9614963B2 (en) 2014-03-26 2017-04-04 Rockwell Automation Technologies, Inc. Cloud-based global alarm annunciation system for industrial systems
US9843617B2 (en) 2014-03-26 2017-12-12 Rockwell Automation Technologies, Inc. Cloud manifest configuration management system
US10095202B2 (en) 2014-03-26 2018-10-09 Rockwell Automation Technologies, Inc. Multiple controllers configuration management interface for system connectivity
US9971317B2 (en) 2014-03-26 2018-05-15 Rockwell Automation Technologies, Inc. Cloud-level industrial controller loop gain tuning based on industrial application type
US10208947B2 (en) * 2014-03-26 2019-02-19 Rockwell Automation Technologies, Inc. Cloud-level analytics for boiler networks
US9866635B2 (en) 2014-03-26 2018-01-09 Rockwell Automation Technologies, Inc. Unified data ingestion adapter for migration of industrial data to a cloud platform
US10386820B2 (en) 2014-05-01 2019-08-20 Johnson Controls Technology Company Incorporating a demand charge in central plant optimization
CN104749999B (zh) * 2015-03-20 2018-06-26 国电科学技术研究院有限公司 装配湿式冷却塔的汽轮发电机组冷端系统优化运行精确指导系统
US9927820B2 (en) 2015-04-09 2018-03-27 Honeywell International Inc. Heating, ventilation, and air conditioning system boiler controller
CN104964577B (zh) * 2015-06-30 2017-08-25 国网山东省电力公司电力科学研究院 一种应用于直接空冷系统中的辅助冷却装置及其控制方法
US10100679B2 (en) * 2015-08-28 2018-10-16 General Electric Company Control system for managing steam turbine rotor stress and method of use
US10387775B2 (en) * 2015-09-09 2019-08-20 Emerson Process Management Power & Water Solutions, Inc. Model-based characterization of pressure/load relationship for power plant load control
CN108292558B (zh) * 2015-11-27 2019-08-23 Abb瑞士股份有限公司 用于控制电力设备的冷却系统的方法和系统
WO2017132981A1 (en) 2016-02-05 2017-08-10 Abb Schweiz Ag Method and system for controlling cooling system of power equipment
US10545002B2 (en) 2016-04-10 2020-01-28 Forum Us, Inc. Method for monitoring a heat exchanger unit
US10480820B2 (en) * 2016-04-10 2019-11-19 Forum Us, Inc. Heat exchanger unit
US10514205B2 (en) 2016-04-10 2019-12-24 Forum Us, Inc. Heat exchanger unit
US10502597B2 (en) 2016-04-10 2019-12-10 Forum Us, Inc. Monitored heat exchanger system
US10533881B2 (en) 2016-04-10 2020-01-14 Forum Us, Inc. Airflow sensor assembly for monitored heat exchanger system
EP3287732B1 (en) * 2016-08-24 2019-10-02 SPG Dry Cooling Belgium Induced draft air-cooled condenser
US10764255B2 (en) 2016-09-21 2020-09-01 Rockwell Automation Technologies, Inc. Secure command execution from a cloud monitoring system to a remote cloud agent
US10465564B2 (en) * 2016-10-05 2019-11-05 General Electric Company System and method for higher plant efficiency
US10472994B2 (en) 2017-05-26 2019-11-12 Echogen Power Systems Llc Systems and methods for controlling the pressure of a working fluid at an inlet of a pressurization device of a heat engine system
CN110959066B (zh) * 2017-05-26 2023-01-10 艾克竣电力系统股份有限责任公司 用于控制热力发动机系统的加压装置的入口处的工作流体的压力的系统和方法
US11327473B2 (en) 2017-07-11 2022-05-10 Rockwell Automation Technologies, Inc. Dynamically reconfigurable data collection agent for fracking pump asset
US10482063B2 (en) 2017-08-14 2019-11-19 Rockwell Automation Technologies, Inc. Modular control manifest generator for cloud automation
US10416660B2 (en) 2017-08-31 2019-09-17 Rockwell Automation Technologies, Inc. Discrete manufacturing hybrid cloud solution architecture
US10838440B2 (en) 2017-11-28 2020-11-17 Johnson Controls Technology Company Multistage HVAC system with discrete device selection prioritization
US10838441B2 (en) 2017-11-28 2020-11-17 Johnson Controls Technology Company Multistage HVAC system with modulating device demand control
US11256244B2 (en) 2018-02-05 2022-02-22 Inventus Holdings, Llc Adaptive alarm and dispatch system using incremental regressive model development
CN111684369B (zh) * 2018-02-05 2023-08-04 施乐百有限公司 用于风扇或风扇总成的优化操作的方法
CN108717488A (zh) * 2018-05-17 2018-10-30 温州大学 一种强迫风冷散热系统热结构的多目标优化设计方法
MX2021005799A (es) 2018-12-13 2021-07-02 Baltimore Aircoil Co Inc Sistema de control de respuesta de falla de un arreglo de ventiladores.
CN109813135A (zh) * 2018-12-28 2019-05-28 浙江敏泰科技有限公司 一种氧化蒸汽换热系统
US11098962B2 (en) 2019-02-22 2021-08-24 Forum Us, Inc. Finless heat exchanger apparatus and methods
WO2020240592A2 (en) * 2019-05-29 2020-12-03 Tata Consultancy Services Limited Method and system for optimum coal selection and power plant optimization
US11946667B2 (en) 2019-06-18 2024-04-02 Forum Us, Inc. Noise suppresion vertical curtain apparatus for heat exchanger units
WO2021154613A1 (en) * 2020-01-30 2021-08-05 Optumsoft, Inc. Automatic generation of control decision logic for complex engineered systems from dynamic physical model

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5027751A (en) * 1990-07-02 1991-07-02 Westinghouse Electric Corp. Method and apparatus for optimized boiler operation
CN1807853A (zh) * 2006-01-11 2006-07-26 浙江大学 增压柴油机发电机组优化布置冷却组
US7190149B2 (en) * 2004-06-25 2007-03-13 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for determining actual reactive capability curves

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57116109A (en) * 1981-01-09 1982-07-20 Toshiba Corp Monitoring and controlling device for condensing turbine
JPS5843001A (ja) * 1981-09-07 1983-03-12 Hitachi Ltd 火力発電プラントの効率最適化制御方法
US4518035A (en) * 1983-02-14 1985-05-21 Hudson Products Corporation Air-cooled, vacuum steam condenser
US6128905A (en) * 1998-11-13 2000-10-10 Pacificorp Back pressure optimizer
EP1217473A1 (en) 2000-12-21 2002-06-26 Abb Research Ltd. Optimizing plant control values of a power plant
JP4064842B2 (ja) * 2003-03-06 2008-03-19 株式会社東芝 空冷式復水器、真空度制御システムおよび同制御方法
JP2005273655A (ja) * 2004-02-24 2005-10-06 Kubota Corp 発電制御方法とその装置
US7356383B2 (en) * 2005-02-10 2008-04-08 General Electric Company Methods and apparatus for optimizing combined cycle/combined process facilities
US20070055392A1 (en) * 2005-09-06 2007-03-08 D Amato Fernando J Method and system for model predictive control of a power plant
US7599750B2 (en) * 2005-12-21 2009-10-06 Pegasus Technologies, Inc. Model based sequential optimization of a single or multiple power generating units
CN101788789A (zh) * 2010-01-12 2010-07-28 北京交通大学 基于混沌混合优化算法的单元机组非线性预测控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5027751A (en) * 1990-07-02 1991-07-02 Westinghouse Electric Corp. Method and apparatus for optimized boiler operation
US7190149B2 (en) * 2004-06-25 2007-03-13 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for determining actual reactive capability curves
CN1807853A (zh) * 2006-01-11 2006-07-26 浙江大学 增压柴油机发电机组优化布置冷却组

Also Published As

Publication number Publication date
GB2473543A (en) 2011-03-16
DE102010037450A1 (de) 2011-04-07
CA2714466C (en) 2017-08-08
CN102023623A (zh) 2011-04-20
GB2551913A (en) 2018-01-03
CN104570743A (zh) 2015-04-29
CA2714466A1 (en) 2011-03-11
US8433450B2 (en) 2013-04-30
US20110066298A1 (en) 2011-03-17
GB201015015D0 (en) 2010-10-20
CN104570743B (zh) 2018-02-09
GB2473543B (en) 2018-05-09
GB201709951D0 (en) 2017-08-02
GB2551913B (en) 2018-05-09

Similar Documents

Publication Publication Date Title
CN102023623B (zh) 具有空气冷却式冷凝器的发电厂的优化控制
CN102331758B (zh) 用于运行工厂的能量管理系统、工厂管理系统及用于优化工厂的运行的方法
US7356383B2 (en) Methods and apparatus for optimizing combined cycle/combined process facilities
CN102331759B (zh) 使用迭代专家引擎的优化系统
CN102707621B (zh) 大规模优化和控制的透明模型
Gutiérrez-Arriaga et al. Multi-objective optimization of steam power plants for sustainable generation of electricity
HRP20170012T1 (hr) Način reguliranja postrojenja koja sadrži kogeneracijski uređaj i termodinamičke sustave namijenjene za klima uređaj i/ili grijanje
Zhang et al. Comprehensive economic analysis and multi-objective optimization of an integrated power and freshwater generation cycle based on flash-binary geothermal and gas turbine cycles
CN106855365A (zh) 运行优化的空冷凝汽器机组
US8682635B2 (en) Optimal self-maintained energy management system and use
Jabari et al. Robust optimal self-scheduling of potable water and power producers under uncertain electricity prices
Arslan et al. Hybrid modeling for the multi-criteria decision making of energy systems: An application for geothermal district heating system
Bergamini et al. Analysis of energy integration opportunities in the retrofit of a milk powder production plant using the Bridge framework
Crawford Automated dynamic control philosophy for sustainable energy savings on mine cooling systems
Čuček et al. Potential of total site process integration for balancing and decreasing the key environmental footprints
Najafi et al. Technical and economic analysis of ethylene production process with considering energy and water minimization through pinch technique
Chen et al. Performance prediction and optimization of the air‐cooled condenser in a large‐scale power plant using machine learning
Pan et al. Electricity gain via integrated operation of turbine generator and cooling tower using local model network
Pascoe Improved control processes to sustain electricity cost savings on a mine water reticulation system
Biermann Analysing the impact of pre-cooling on mine refrigeration systems
Dolotovsky et al. Information and analytical platform for evaluating the effectiveness and choosing directions for improving the energy and water supply systems of oil and gas chemical complexes
Yang et al. Intermediate pressure analysis of cascade heat pump system based on characteristic variable selection
KR20040100379A (ko) 순환수 계통 최적화 설계방법
CN103410575B (zh) 一种提高汽电共生设备发电效率的系统及其方法
Chen et al. Dynamic optimization method for cleaning cycle of condenser of nuclear power plant

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