CN102081358A - 改善的分布式工业过程仿真系统 - Google Patents

改善的分布式工业过程仿真系统 Download PDF

Info

Publication number
CN102081358A
CN102081358A CN2010105841749A CN201010584174A CN102081358A CN 102081358 A CN102081358 A CN 102081358A CN 2010105841749 A CN2010105841749 A CN 2010105841749A CN 201010584174 A CN201010584174 A CN 201010584174A CN 102081358 A CN102081358 A CN 102081358A
Authority
CN
China
Prior art keywords
emulation module
emulation
module
mass rate
physics
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.)
Granted
Application number
CN2010105841749A
Other languages
English (en)
Other versions
CN102081358B (zh
Inventor
X·程
R·W·克法特
温成涛
B·E·伊德斯蒂
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
Publication of CN102081358A publication Critical patent/CN102081358A/zh
Application granted granted Critical
Publication of CN102081358B publication Critical patent/CN102081358B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/32Operator till task planning
    • G05B2219/32345Of interconnection of cells, subsystems, distributed simulation
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/32Operator till task planning
    • G05B2219/32357Simulation of material handling, flexible conveyor system fcs
    • 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
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及改善的分布式工业过程仿真系统。一种高逼真度的分布式工厂仿真技术包括多个分离的仿真模块,其可在不同的水滴或计算设备中分离地存储和执行。这些仿真模块相互直接通信来执行对工厂的精确仿真,而无需中央协调器来协调仿真系统的运行。至少一些仿真模块,当开始执行时,执行质量流量平衡,考虑与相邻的仿真模块相关联的过程变量,从而确保在整个仿真系统中压力、温度和流量的平衡(即质量流量守恒)。在动态情况下,瞬态海量存储中继技术用于解释经过由仿真模块所仿真的非存储式设备的质量流量中的瞬时变化。再者,位于不同的水滴中的相邻仿真模块使用后台处理任务来相互直接通信,这简化了相邻仿真模块之间的通信,无需中央协调器。

Description

改善的分布式工业过程仿真系统 
技术领域
本文呈现的发明一般地涉及对发电工厂、工业制造工厂、处理工厂和其它类型的工厂的操作进行仿真,并且,更具体地,涉及执行包含物料流程的工厂操作的改善的仿真的分布式仿真系统。 
背景技术
分布式过程控制系统,诸如通常用于发电、化工制造、石油加工、工业制造或其他类型的工厂,通常包括一个或多个控制器,其通过模拟、数字、模拟/数字组合、或无线总线通信地耦接到多个现场设备。现场设备,可能是,例如,阀、阀定位器、开关、变送器(例如温度、压力、液位和流量传感器)、燃烧器、热交换器、锅炉等,都处在厂区环境内,并响应于由控制器所形成和发送的控制信号而执行过程功能,诸如开启或关闭阀、测量过程参数等。智能现场设备,诸如符合任意著名的现场总线协议的现场设备,还可以执行通常由工厂控制器或在工厂控制器内实现的控制计算、报警功能以及其他常用功能。工厂控制器,通常也处在工厂环境内,接收指示由现场设备所产生的过程测量的信号和/或与现场设备有关的其他信息,并且执行控制应用程序,该应用程序例如运行控制不同的控制模块,这些控制模块做出过程控制决定,基于所接收的信息生成过程控制信号,以及与在现场设备诸如HART 
Figure BSA00000383343100011
和FOUNDATION 
Figure BSA00000383343100012
现场总线现场设备中执行的控制模块或块进行协调。控制器内的控制模块经由通信线路或网络将过程控制信号发送到现场设备,从而控制过程的操作。 
来自现场设备和控制器的信息通常是通过数据高速专线提供到一个或多个其他电脑设备,诸如操作员工作站、个人计算机、数据历史记录、报表生成器、中央数据库等,通常放在控制室或其他远离恶劣的 厂区环境的位置。这些电脑设备还可以运行应用,其可以,例如,使操作员能够执行过程方面的功能,诸如改变过程控制例程的设置、修改在控制器或现场设备内的控制模块的操作、查看过程的当前状态、查看由现场设备和控制器产生的报警、保存和更新配置数据库等。 
例如,由艾默生过程管理公司销售的Ovation
Figure BSA00000383343100021
控制系统,包括存储于位于过程工厂内的各种地方的不同设备之内并由其执行的多个应用。配置应用,其驻留于一个或多个操作员工作站,使用户能够创建或更改过程控制模块并且通过数据高速专线下载这些过程控制模块到专用的分布式控制器。通常,这些控制模块由通信地互连的功能块组成,这些功能块是在面向对象程序设计协议中的对象,并且基于到其的输入执行控制方案内的功能并向控制方案内的其它功能块提供输出。配置应用还可以允许设计师创建或更改操作员界面,该操作员界面由查看应用使用以向操作员显示数据并且使操作员能够改变过程控制例程中的设置,诸如设定点。各个专用控制器和,在某些情况下,现场设备,存储并执行控制器应用,其运行被分配和下载到那儿的控制模块,从而实现实际过程控制功能。查看应用,其可以在一个或多个操作员工作站上运行,经由数据高速专线接收来自控制器应用的数据和向使用用户界面的过程控制系统的设计者、操作员或用户显示这些数据。数据历史记录应用通常存储在数据历史记录设备中并由其执行,以收集和存储经数据高速专线提供的部分或全部数据,而配置数据库应用可以在另一台连接到高速数据专线上的计算机上执行,以存储当前过程控制例程配置和与之相关联的数据。替代地,配置数据库可以位于与配置应用程序相同的工作站中。 
许多工业希望实施仿真系统来仿真工厂的操作(包括各种工厂设备和在工厂内连接的控制网络)。这样的仿真系统可用以测试工厂响应于新的或不同的控制变量诸如设置点的操作、测试新的控制例程、执行优化、执行训练活动等。且作为结果,许多不同类型的工厂仿真系统被提出并运用到过程工厂中。然而,通常只有最复杂的仿真系统能够执行过程工厂的高逼真度的仿真,因为复杂的过程被实现,在工厂内不断变 化的条件包括随着时间推移设备的损耗和在工厂内出现的不明扰动变量。 
当仿真商用工业过程装置时,常见且众所周知的是使用物理定律的第一原理(first principle)物理定律或方程式来实现仿真模型,在这种情况下,开发复杂的第一原理方程组来仿真各种工厂装置,并且仿真器在任何特定的仿真周期中同时求解全部或大部分的模型方程。牛顿迭代法是仿真技术中众所周知的例子,其同时求解许多第一原理方程式以执行仿真。事实上,这类方程式求解机制,在很多情况下,被视为高逼真度仿真的必要条件。然而,与这种仿真方法相关联的主要缺点是,物理模型复杂且计算成本高,尤其是当要建模的系统是高度地非线性和交互性的。且作为结果,这些仿真系统必须使用集中式非线性方程求解器来执行仿真,以便能够同时求解所有的耦合的非线性方程。不幸的是,这项技术常常是缓慢、计算上效率不高、数值上不可靠的。 
大规模的、动态过程系统的分布式仿真被实施以试图克服与集中式仿真系统技术相关联的一些问题。在分布式仿真系统中,各种仿真任务遍及许多不同的设备(如处理器)被执行,并且这些仿真任务被彼此分离地或独立地实施(执行)。这样的分布式仿真系统与集中式仿真系统相比提供了许多优势,包括空间去耦、时间去耦、积分去耦和并行处理。特别是,分布式仿真系统通过将较大的仿真问题分解成一组较小的子问题而提供了空间去耦,从而允许在不影响其它仿真模块下对一个模块进行改变、更新或增加。分布式仿真系统还通过允许对不同的动态模块使用不同的积分步长而提供时间去耦,这意味着这些系统能为难解的仿真问题提供更好的数值可靠性、更高的计算效率,而无需在各个仿真模块都实施激进的积分步长。分布式仿真系统提供积分器去耦,因为分离的仿真模块可以使用在不同的模块中相互间不同的特定的和定制的积分方法,从而使不同的数学技术能够用于求解不同的过程模型。分布式仿真系统还使并行处理的使用成为可能,因为不同的仿真模块能够同时在分布式计算机网络上被实施。此特征还允许容易的故障排除,因为问题通常能够关于某一仿真模块局部地被识别。 
关于过程和动力系统的分布式仿真已经进行了许多研究,例如,Brosilow C、Yin-Chang,“Simulation of Large Scale Dynamic Systems I”,Computers and Chemical Engineering,11:241-253,1987,开发了使用直接替代、外推法和牛顿型迭代来执行仿真的算法。然而,需要协调器保持仿真同步,因为需要协调器来为各个动态模块设定时间跨度并且计算子系统之间的互连。尽管协调器允许各个模块具有不同的积分算法和步长,但是仍需要协调器来管理仿真子系统。另一方面,Secchi AR、MorariM、Biscala Jr EC,“The Waveform Relaxation Method in ConcurrentDynamic Process Simulation”、Computer and Chemical Engineering,17:683-704,1993,使用可高度并行化的波形松弛(wave relaxation,WR)方法研究了低指数微分方程(differential equations,DAE)的并行解。实现了DAEs在并行的机器上使用WR方法的并行解。在这里,雅可比迭代法被使用,这意味着在每次迭代的开始,每一个模型被提供以互连功能的更新的向量。然而,在这种情况下,仍需要中央协调器来保证全局收敛。 
Paloschi J,Zitney SE,“Parallel Dynamic Simulation of IndustrialChemical Processes on Distributed-Memory Computers”,AICHE年会,洛杉矶,加州,1997年,描述了平行模块化求解方案来解决分布式存储器计算机上的在全厂或多厂的问题。这种方法将大型的超级工厂主导(master)分割成并行执行的更小的相互关联的子工厂从属(slave)。为所有的互连的切割变量提供初始值,而子工厂仿真并行产生新的切割值。全部仿真的连通性由超级工厂的流程图提供,其中每个单元代表一个子工厂。对于稳态仿真,主导使用逐次代入或牛顿法收敛仿真。对于动态仿真,主导同步子工厂积分。在共同的时间跨度中,通过适当的积分法和步长序列,子工厂被并行积分。 
Abbel-Jabbar N、Carnahan B、Kravaris C、“A MultirateParallel-Modular Algorithm for Dynamic Process Simulation UsingDistributed Memory Multicomputers”、计算机与化学工程,23:733-761,1999年,描述了可以在大型的、信息传递、并行计算机(多计算机)上 高效地实现的用于并行实施模块化积分的协调算法。该算法是基于一个动态的、块雅可比类迭代,以及用于近似在不同时间点上的互连输入变量的三次样条插值。通过这种方法,在积分期间的处理器间的通信被免除。然而,模块积分必须在各个时间跨度上迭代,直至所有模块积分收敛于满足跌代求解的全局误差准则。因此,该算法通过使用主从模式而实现。 
重要的是,这些分布式模拟技术中的每一个都采用主-从(客户-服务器)结构,因此,这些方法要求中央协调器(服务器)了解整体流程图或流程表,以及当各子系统的积分在客户端计算机上执行时,协调不同模块之间的互连变量的流动。且作为结果,这些算法可能无法有效地处理当各子系统的数目很大时的情况,因为在这种情况下,服务器端承担繁重的运算负荷。特别是,中央协调器必须在瞬态级计算并打破质量和能量平衡,这给中央服务器带来了高运算负荷,尤其是在庞大系统中。当然,如果服务器有了太重的运算负荷,该仿真系统速度变慢,并且未必能够实时运行。另一个潜在问题是可用的通信带宽可能不够。特别是,在同步点(即,在中央服务器),网络通信负载可能是巨大的,需要很高的硬件实施成本。 
还已知一些不需要中央协调器(服务器)的策略。特别是,MayerS,“On the Pressure and Flow-Rate Distributions in Tree-Like andArterial-Venous Networks,”数学生物期刊,58(4):753-785,1996年,公开了一种高效的算法,其计算在任意树形网络中的稳态流的压力和流速分布。在给定树形拓扑结构、各部分的导率和在边界节点上的压力分布时,使用基于理想高斯消去法的简单递归技术来获得解。使用此算法的迭代法被建议为能够对包含两个相互连结的树形网络的任意的源-汇(diverging-converging)网络中的压力和流速分布进行求解。获得许多树形网络特殊解,对此通用算法被简化或者能够被压力和流速分布的闭形解所替代。然而,虽然这种方法可能对生物的应用很有用,但对通常的工业应用并不十分有用,因为压力-流量关系是通过简单的线性关系来建模的。此外,这种方法是只对稳态应用是准确的,因为它没有将在 动态瞬态期间的流量的失配考虑在内。 
Garcia-Osorio V,Ydstie BE,“Distributed,Asynchronous and HybridSimulation of Process Networks Using Recording Controllers”,InternationalJournal of Robust and Nonlinear Control,14(2):227-248,2003年12月,描述了物理上不同的处理单元的分布式仿真网络。各个处理单元利用自身的积分例程和在某个固定或可变的通信间隔时间上同步的不同子系统间发送的信息来求解。然后这些状态被调和并且仿真进入下一个步骤。所有的子单元由记录控制器在仿真的最后一个步骤同步,该记录控制器记录和控制子系统间互连处的质量平衡。然而,这种记录机制实质上是积分的控制动作,这种方法引入了额外的动态,这有效地延长了过程动态响应的时间跨度和响应的传递,使得这种方法对于包含快速动作的机电设备(如泵、风机、阀等)的过程是不实用的。再者,记录控制器方式使用的是两个边界压力的简单平均,这使它不可能检测到诸如阀完全关闭的动作。再者,整定参数的数量随着网络大小增长而按比例增长。因此,如果系统未恰当地进行整定,则新引入的记录控制器可能造成系统不稳定。 
发明内容
高逼真度的分布式的工厂仿真技术以这样的方式执行实时仿真或者对过程或工厂网络的预测,即使用分布式仿真模块组而无需中央协调器去协调系统的操作,并且在稳态和动态两种条件下精确地解决在分布式场所处的质量和流量平衡。特别是,在此所描述的仿真系统包括任意数量的分离的仿真模块,其中的每一个实施第一原理模型或其它类型的模型来对工厂组件的操作建模。更特别的是,该仿真系统包括工厂元素仿真模块,其建模各种工厂组件,诸如罐、热交换器等,该仿真系统还可能包括管道仿真模块,其建模在过程或工厂内的连接元素,诸如管道等,其操作以将物料流从一个工厂元素输送到另一个工厂元素。 
重要的是,各个仿真模块实现质量流量、压力和/或温度平衡方程式,该方程式考虑上游或下游仿真模块的压力、流速、和/或温度等, 因此不需要中央协调器就能平衡质量流量。特别是,各个仿真模块与上游和下游的仿真模块进行通信并实施模型方程式,其确保跨越上游和下游组件或在上游和下游组件之间质量流量守恒。这些仿真模块由此消除了中央协调器的需要,该协调器为所有的分布式仿真模块追踪流量或实施质量平衡方程式。更进一步地是,在实施质量流量平衡方程的过程中,仿真模块从下游过程元素仿真模块向上游过程元素仿真模块提供反馈,使得下游元素中的改变,诸如流量关闭阀的设置中的改变,能够在上游元素中被识别出并建模,而不需要在仿真系统中使用全局变量,而且也不需要中央协调器。 
更进一步的是,仿真系统实施识别出仿真模块中例如由瞬态或动态条件造成的临时质量不平衡的程序,并且使用使质量随时间推移且跨越多重仿真模块守恒的方式处理这些瞬态质量不平衡,从而在存在动态改变时提供精确的工厂仿真而且无需中央协调器。特别是,各个与非海量存储设备(例如管道)相关联的仿真模块识别作为动态或瞬态流动情况(例如质量流量的增加或减少的情况)的结果的其输入与其输出之间的质量流量的不一致,并且向上游或下游的仿真模块传达该质量不平衡的量。通过仿真系统的许多周期,由与非海量存储设备相关联的仿真模块检测到的质量不平衡从而转移并且积聚到与海量存储设备相关联的仿真模块(如罐),在那里质量实际上积聚或减少。与海量存储设备相关联的仿真模块通过仿真系统长时间的操作能够接受并且平衡这些瞬态质量。此特征保证了在通过这些元素的质量流量的动态改变期间,作为通过非海量存储设备的质量流量的建模的结果,质量既没有增加也没有丢失。 
此外,在此所描述的仿真系统使用具有存储器结构的仿真模块,该存储器结构存储并且实现上游和下游的仿真模块间信息的通信,而不需要在仿真模块间执行全局通信调用,并且不需要了解和追踪系统内流动路径的中央协调器。由分布式仿真模块使用的存储器和通信程序实现直接连接的仿真模块(如任意一组直接相连的上游和下游仿真模块)间的直接的和即时的通信,这进而简化了仿真系统内的通信,同时还保证 当仿真模块执行时,在任何特定的仿真模块内执行建模所需的上游和下游信息即时可用。 
附图说明
图1是分布式工厂和位于诸如发电厂的工厂内的过程控制网络的方框图,包括一个或多个操作员工作站、控制器或虚拟控制器,其实施包括配置一组被配置成精确仿真工厂操作的分布式仿真模块的仿真系统; 
图2是可以使用图1的分布式仿真系统的、典型的基于锅炉的发电厂的锅炉蒸汽循环的各种组件的方框图; 
图3是一组被配置成仿真图3的发电厂的锅炉蒸汽循环的操作的分布式仿真系统的分布式仿真模块的方框图; 
图4示出管道仿真模块,其通信地连接在以热交换器仿真模块的形式的两个工厂元素仿真模块间以执行在这两个工厂仿真模块间的质量流量平衡; 
图5示出管道仿真模块,该管道仿真模块通信地连接在工厂元素仿真模块和以分离器仿真模块的形式的结点仿真模块间,该结点仿真模块依次连接到三个下游工厂元素仿真模块,以及该管道仿真模块实现在上游和下游工厂元素仿真模块间的质量流量平衡; 
图6示出一组非海量存储仿真模块,其连接在上游和下游海量存储仿真模块间,以说明考虑由在工厂内的瞬态或动态情况期间仿真质量流量而产生的质量差异的方式; 
图7示出流结点仿真模块,其以分离器形式被放置在上游和下游工厂元素仿真模块间,以示出考虑由在经过分离器的瞬态或动态情况期间的质量流量而产生的质量差异的方式;并且 
图8示出在相邻的分布式仿真模块间的通信的方式,该相邻的分布式仿真模块驻留于不同的分布式控制系统水滴中,该水滴能够用于图1的分布式仿真系统。 
具体实施方式
现参考图1,在细节的抽象程度上示出了工厂10的示例性分布式控制网络,诸如与发电厂、工业制造工厂、处理工厂等相关联的。工厂10包括具有一个或多个控制器12的分布式控制系统,其中各个控制器都是经由输入/输出(I/O)设备或卡18连接到一个或多个现场设备14和16,该输入/输出(I/O)设备或卡18可以是例如Fieldbus接口、Profibus 
Figure BSA00000383343100091
接口、HART 
Figure BSA00000383343100092
接口、标准4-20毫安接口等。控制器12还经由可以是例如以太网链接的数据高速专线24耦接到一个或多个主机或操作员工作站20、21和22。数据库28可以连接到高速数据专线24,并且作为数据历史记录操作来收集和存储与工厂10内的控制器12和现场设备14、16相关联的参数、状态和其它数据。附加地或替代地,控制器28可以作为配置数据库操作,该配置数据库存储工厂10内过程控制系统的当前配置,如下载到并存储在控制器12和现场设备14、16内的。虽然控制器12、I/O卡18和现场设备14、16通常位于或遍布于时常恶劣的工厂环境,但是操作员工作站20、21和22以及数据库28常常位于易于控制员或维修人员访问的控制室或其它较不恶劣的环境中。 
如已知的,各个控制器12,其举例来说可以是由艾默生过程管理电力和水力解决方案公司(Emerson Process Management Power andWater Solution,Inc.)销售的Ovation 
Figure BSA00000383343100093
控制器,存储并且执行控制器应用,该应用使用任意数量的不同的、独立地执行的控制模块或块29来实现控制策略。每个控制模块29能够由通常所称的功能块组成,其中每个功能块是总体控制例程的部分或者子例程并且与其它功能块一起操作(经由被称为链接的通信)以实现在过程工厂10中的过程控制环。众所周知,功能块,其可以不必要是面向对象编程协议中的对象,通常执行输入功能、控制功能或者输出功能其中一项,所述输入功能是诸如与变送器、传感器或其他过程参数测量设备相关联的那些,所述控制功能是诸如执行比例-积分-微分(PID)、模糊逻辑等控制的控制例程相关联的那些,所述输出功能控制诸如阀的某个设备的操作以执行过程工厂10中的某个物理的功能。当然存在混合的和其它类型的复杂功能块, 诸如模型预测控制器(MPC)、优化器等。 
在图1示出的工厂10中,连接到控制器12的现场设备14和16可以是标准4-20毫安的设备,也可以是智能现场设备,诸如HART 
Figure BSA00000383343100101
Profibus 
Figure BSA00000383343100102
或FOUNDATION 
Figure BSA00000383343100103
Fieldbus现场设备,其包括了处理器和存储器,或者也可以是任意其它期望类型的现场设备。这些设备的其中一些,诸如Fieldbus现场设备(在图中以参考数字16标出),可存储和执行与在控制器12中实现的控制策略相关联的模块或子模块,诸如功能块。功能块30,其在图1中示出为放置在两个不同的Fieldbus现场设备16中,与在控制器12中的控制模块29的执行一起执行以实现一个或多个过程控制环,如众所周知的。当然,现场设备14和16也可以是任何类型的设备,诸如传感器、阀、变送器、定位器等,并且I/O设备18也可以是符合诸如HART 
Figure BSA00000383343100104
Fieldbus、Profibus 
Figure BSA00000383343100105
等任意期望的通信或控制协议的任意类型的I/O设备。 
更进一步地,在已知的方式中,一个或多个工作站22-22可包括用户界面应用,使诸如操作员、配置工程师、维修人员等的用户能够与工厂10内过程控制网络交互。特别是,工作站22被示为包括可以存储一个或多个用户界面应用35的存储器34,所述用户界面应用可在工作站22内的处理器46上被执行来与数据库28、在控制器12的控制模块29或其它例程或者I/O设备18、与现场设备14和16以及在这些现场设备内的模块30等通信,从而获得来自工厂的信息,诸如与工厂设备或控制系统的不断发展中的状态相关的信息。用户界面应用35可在与一个或多个工作站20-22相关联的显示设备37上处理和/或显示这些收集的信息。所收集的、处理的和/或显示的信息例如可以是过程状态信息、在发电厂内生成的警报或警告、维护数据等。同样地,一个或多个应用39可以在工作站20-22中被存储并执行来执行配置活动,诸如创建或配置工厂内执行的模块29和30的,从而在工厂内执行控制操作员活动,诸如改变设定点或其它控制变量等。当然例程35和39的数量和类型不只仅限于此处所提供的描述,并且如需要的话,其它过程控制有关的例程的数量和类型也可在工作站20-22中被存储和执行。 
图1中的工作站20-21、数据库28和一些控制器12也被示为包括可在诸如图1中分布式计算机网络中实施的分布式仿真系统的组件。尤其是,工作站20被示为包括一组仿真支持应用40,其可包括仿真配置应用、用户界面应用和数据结构以用于以在此所描述的方式执行过程工厂10的仿真。一般而言,仿真应用40使得用户在图1中的计算机网络系统中能够创建、使用和查看分布式仿真系统的结果。更具体地说,分布式仿真系统包括可位于图1的计算机网络上的各种不同计算设备(也叫做水滴(drop))的各种分布式仿真模块42。各个仿真模块42存储了被实施以仿真单个工厂组件或组件群的操作的模型,并且仿真模块42相互直接通信来实现工厂10的较大部分的仿真。任何特定的仿真模块42可用于来仿真工厂10的任一部分或部件,包括参与处理或物料流量的工厂装置诸如罐、热交换器、控制器等的、或者装置组诸如单元的特定部分。更进一步地,仿真模块42可以位于计算机网络上的各种不同的设备或水滴内并在其内执行,并且可以例如经由通信总线24通信以在仿真模块42间发送数据,从而执行较大工厂装置群或组的仿真。当然,任何期望数量的仿真模块42可位于任何特定的水滴中,并且各个水滴会独立于其它水滴而执行其中的模块42,以便实施分布式仿真。然而,如果需要,与任何特定的仿真相关联的所有仿真模块42可以存储在同一种计算设备(如在单个水滴中)内并由其执行,并且还是以在此所描述的方式实现。 
仿真模块40可由任意授权用户(诸如配置工程师、操作员或其它类型的用户)访问,也可用于创建和配置分布式仿真系统的特定的实例,这是通过创建一组仿真模块42并且将这些仿真模块42下载到在工厂或计算机网络内的不同水滴上来实现的。如图1所示,分布式仿真模块42中的多个可以下载到连接到通信网络24的工作站20-22、控制器12、数据库28和/或其它计算机设备或处理设备并在其中实施。如有需要,仿真模块42也可以位于间接连接到通信网络24的其它设备并在其中实施,诸如在现场设备16中、在连接到网络24上的设备之一的商务局域网(LAN)或者甚至是广域网(WAN)中。更进一步,尽管总线24 在图1中被示为用来连接实施仿真模块的各种不同水滴的主要通信网络,然而其它类型的通信网络也能够被用来连接水滴,包括任意期望的LAN、WAN、英特网、无线网络等。 
一旦被下载,当受控制模块29和30和在控制器12并且也许是现场设备14、16内执行的其它控制例程控制时,仿真模块42单独地执行但相互协作运行来执行工厂或在工厂内的组件和装置。这样的分布式仿真系统使得用户能够执行关于工厂10的不同的仿真和预测行为,经由在一套仿真应用40中的用户界面应用。如果需要,分布式仿真系统也可以仿真运行的工厂或其任意部分,诸如图1所示出的,或也可仿真实际尚未建成的工厂。 
虽然现有技术分布式仿真系统包括在具有使用第一原理算法的仿真组件的分离的计算设备中执行的仿真组件,但是这些现有技术仿真系统在提供分离的仿真组件间的协调方面存在困难,因为需要在不同的分离组件之间平衡质量流量和使压力、温度等均衡或匹配。这尤其在这样的现有技术仿真系统中成为问题,即在此系统中下游组件影响上游组件的质量流速和压力。例如,一组工厂组件的下游阀的关上或关闭影响上游组件的质量流量和压力,而仿真系统必须考虑这些改变。在过去,分布式仿真系统(如过程控制仿真系统)通常不能够使下游的改变在上游组件的模型得以识别,至少在分布式模块中,因为模块的计算首先在上游组件中执行,并且其中的结果被传送到下游组件以在下游组件的建模中使用。因为信息流总是从上游组件到下游组件,对下游组件的设置所作改变不能被上游组件的模型所考虑。为了在仿真质量流量时解决这个问题,通常使用中央协调器来管理下游改变和考虑这些改变,以及来执行在各种不同的分布式仿真元素间的质量流量和压力平衡。 
在此所述的分布式仿真系统,在另一方面,实施分布式仿真技术,其个别地求解过程模块以致于如有需要,所有主要装置或组件模型都能够基于第一原理方程式,而同时考虑下游改变并且求解了分布式仿真模块本身处的质量和动量平衡。此外,在分布式仿真系统中,模型方程式可被按序地求解而不需要严格的执行顺序并且不需要中央协调器的使 用,这有效地简化了求解和故障检测过程并且同时也为将来的修改和扩展提供更多的灵活性,因为系统构架本质上是分布式的。 
如上所述,由分布式仿真方式所产生的困难之一是需要在不同的装置组件仿真模块中同步交互的信息。特别是,因为模型方程式是基于单独组件的特征而分离地求解的,无法确保一个模型计算的运算结果与由在另一模块中的执行的运算所产生的条件相匹配。这个问题的一个简单的例子能够以两个级联蒸汽/烟道排气热交换器(通常用于工业锅炉系统)的例子示出,其中第一热交换器的蒸汽流的出口通过管道(或管道系统)与第二热交换器的入口连接。在系统的任何状态下,两个热交换器入口/出口连接必须具有匹配的蒸汽流速(忽略管道动态特性),因为蒸汽没有其它的出入方式。然而,如果每个热交换器的第一原理模型方程式被单独地求解,则两个热交换器得到的质量流速可能不一致。 
在实施这一按序的求解机制中的另一困难与组件执行次序的定向性有关。在通常的拖放类型的通过图行化构造的控制方案中,每个单独的组件在一个方向被按序地解决。一个组件将它的计算输出发送到下一个连接着的组件的输入。然而,上游组件不会考虑到来自下游的计算结果(即使任一中间结果)。换句话说,如果没有自下游组件到上游组件的明确的反馈,任一在下游组件中的过程改变都不会反映在上游组件中,除非定义大量全局变量。然而,通常不希望在过程控制系统或工厂控制系统中使用全局变量,特别是在分布式控制系统中,因为这样的全局变量约束分布式组件的操作并且可能造成问题,其通常被构造为能够赋值且使用任意局部变量而不需要担心妨碍系统中的其它组件。 
为了在通过图形构造的商用仿真环境中使这个办法尽可能地接近高逼真度,在此所述的分布式仿真系统中执行和实施了三个策略。第一,实施管涌机制,用以调和所有连接的路径中的流量。第二,所有在运行中被系统利用的值都被安放在被称为记录的数据结构中,所述记录是相关值的聚集。系统采用了唯一的被称为系统ID的数字标识来标识所有记录。每个仿真算法块被分配一个记录,其用于安放有关该仿真块模型的所有配置信息。此外,一旦模型算法的系统ID是已知的,不仅 是存储于它的记录中的配置信息是可访问的,而且由仿真模块或它的相关联的建模算法在运行期间计算出的所有动态信息也可访问。这些算法记录系统ID能够被用来使一种类型的在算法或仿真块间的过程间通信变得容易。在一种情况下,仿真算法的系统ID在图形控制构造者环境中可被分配信号引脚,其允许用户将信号连接在一起来定义信息路径。使用这种方法,用户能够通过简单地将算法记录信号连接在一起来定义在两个仿真模块或算法块之间的液流(如水、蒸汽或任一其它类的介质的流动)。 
第三,在离散时间的计算机实施中,快速采样率被用以减少组件到组件传输延迟,尤其当传播方向与按序的执行顺序不同时。利用分布式控制系统平台的分布式本质的优点几乎可以保证满足这一要求。理论上,对仿真系统的任何期望的模型增强、扩展或增加,都可以通过增加另一个处理单元到网络系统来提供。 
尽管此处所述的仿真系统能够被用于任何期望类型的工厂来仿真通过工厂的物料流(液体、气体或者甚至是固体),一个示例性分布式仿真系统在此被描述为,被用于仿真使用分布式仿真技术来控制的发电厂。然而,此处所述的分布式仿真技术能够被用于其他类型的工厂和控制系统,包括工业制造和处理工厂、水和污水处理厂等,并且能够用于中央执行的控制系统或用作分布式控制系统。 
图2示出的可由例如热电厂使用的典型的锅炉100的锅炉蒸汽循环的结构图。锅炉100包括各种零件,蒸汽或水以各种形式诸如过热蒸汽、再热蒸汽等流过这些零件。虽然图2中所示的锅炉100有各种水平地坐落的锅炉零件,但是在实际实施中,这些零件中的一个或多个也可垂直放置,特别是因为加热在诸如水冷壁式吸收零件的各种锅炉零件中的蒸汽的烟道气体垂直上升。 
在任何情况下,图2中示出的锅炉100包括水冷壁式吸收零件102,初级过热吸收零件104、过热吸收零件106和再热零件108。另外,锅炉100包括一个或多个过热减低器110和112和经济器零件114。由锅炉100产生的主蒸汽用于驱动高压(HP)涡轮机116,而从再热零件108 出来的烫的再热蒸汽用于驱动中压(IP)涡轮机118。通常,锅炉100也用于驱动低压(LP)涡轮机,这在图2中未示出。 
水冷壁式吸收零件102,其主要负责产生蒸汽,包括若干管道,蒸汽通过这些管道进入锅筒。进入水冷壁式吸收零件102的给水可以通过经济器零件114汲水。当在水冷壁式吸收零件102中时,给水吸收大量的热量。水冷壁式吸收零件102具有蒸汽锅筒,其包含水和蒸汽两者,并且要小心地控制在锅筒中的水位。在蒸汽锅筒顶部所收集的蒸汽被供给到初级过热吸收零件104,并且然后到过热吸收零件106,其一起将蒸汽温度升到很高的水平。从过热吸收零件106输出的主蒸汽驱动高压涡轮机116来发电。 
一旦主蒸汽驱动HP涡轮机116,排出蒸汽按路线到达再热吸收零件108,并从再热零件108输出的烫的再热蒸汽被用于驱动IP涡轮机118。过热减低器110和112可被用于将最后的蒸汽温度控制到需要的设定点。最后,来自IP涡轮机118的蒸汽可以通过LP涡轮机(此处未示出)汲取到蒸汽冷凝器(此处未示出),在那里蒸汽凝结成液体的形式,并且循环再次开始,其中在下一个循环中各种锅炉进给泵抽取给水。经济器零件114位于从锅炉离开的热的排出蒸汽的流程中,并且在给水进入水冷壁式吸收零件102前,使用该热气体来传递额外的热量到给水。 
图3示出的一组仿真模块42,其可以以分布式的方式使用或实施,以仿真图2的蒸汽锅炉循环的操作。正如图3中能够看到的,分布式仿真模块42包括分离的仿真模块以用于每个在图2中所描绘的主要工厂元素,包括水冷壁式吸收仿真模块102S、初级过热吸收仿真模块104S、过热吸收仿真模块106S、再热吸收仿真模块108S、过热降温器仿真模块110S和112S、经济器仿真模块114S和涡轮机仿真模块116S和118S。当然,这些仿真模块包括工厂元素模型,其可以是以第一原理方程式的、或者是任何其它所期望的模型的类型的形式,其建模这些元素的操作以便基于所提供的输入而为图2的相应工厂设备产生仿真输出。虽然图3中为每个图2中的主要工厂组件都示出了一个分离的仿真模块,但是仿真模块能够用于图2中的这些组件的子组件或者单个的仿真 模块能够结合多个图2中的工厂组件而被创建。 
然而,正如图3所示出的,分布式仿真系统还包括管道仿真模块P1-P8,其放置在上述的工厂元素仿真模块之间。管道仿真模块P1-P8的一般操作将在下面更详细地描述,但首要地负责对工厂元素仿真模块间的流量进行建模、提供从下游仿真模块到上游仿真模块的反馈、并且实施质量流量和动量平衡方程式来均衡由不同的工厂元素仿真模块所执行的仿真。因此,一般而言,在此所述的分布式仿真技术和系统使用了若干分离的仿真模块,其中每个仿真模块建模或代表在被仿真的过程或工厂中的不同的激活的组件(在此称作工厂元素仿真模块)或者建模或代表在工厂内的连接元素(在此称作管道仿真模块)。在操作期间,每个仿真模块可被分离地执行,无论是在共同的机器或处理器中或者在分离的机器或处理器中,从而实现了并行和分布式地处理。因而,例如,图3中的不同的仿真模块能够在图1的工作站20-22、图1的控制器12、图1的现场设备16、图1的数据库28等中的不同的且各种各样的多个中被执行。 
如上所示,并且如图3中所示的,图3的仿真模块中的每一个包括一个或多个可执行的模型202来建模相关联的工厂元素或管道的操作,并且仿真模块操作以实施这些模型202来基于递送到工厂元素的(以液体、固体、控制信号等形式的)输入来仿真工厂元素。在大多数情况下,仿真模块将基于来自上游仿真模块的输入(如液体输入、气体输入等)的指示而执行仿真,并且将产生一个或多个输出指示,指示过程或工厂元素的输出(如以液体或气体的输出形式等)。在工厂元素仿真模块中使用的模型202可以是用于被仿真的装置的特定部分的第一原理模型或任意其它适合类型的模型。图3中的管道仿真模块P1-P8也包括模型202和一组方程式,其执行质量流量和动量平衡例程来平衡在不同的过程仿真元素间的质量流量、压力等。 
重要地是,图3中一个或多个模型202被设计和配置为使用一个或多个与上游和/或下游仿真模块相关联的过程变量(如压力、温度、流速等)来对工厂元素的操作进行建模,并且操作以平衡在仿真模块之 间的压力、流速、温度等,从而保证横跨多个仿真模块的质量守恒等。此外,特定仿真模块的模型在执行与它相关联的工厂元素的仿真中使用下游信息(如来自下游仿真模块的压力,流速,温度等),信息自动地从上游元素流向下游元素,并且这些信息然后在下一个仿真循环/周期期间被考虑,使得整体仿真更精确。 
因此,如上所述,有两种基本类型的仿真模块,包括过程元素仿真模块和管道仿真模块。如在此所使用的,过程元素仿真模块对在其入口和出口处之外执行质量流量增加或减少的或执行机械能增加或减少的工厂元素进行仿真,尽管其它工厂元素也可以由过程元素仿真模块建模。过程仿真元素的例子包括热交换器、锅炉、过热机、罐等。如此处所使用的,管道仿真模块的概念包括所有类型的连接设备,其不具有质量流量增加或减少或任何机械或热能增加或减少,除了在其入口和出口处之外。管道仿真模块可包括但不限于:实际管道(长或短)、阀,结点/分离器等的仿真。基本上,管道仿真模块用于在仿真技术中引进一个机会来实施分布式仿真模块间的质量流量平衡操作。在实施这些平衡方程式的过程中,管道仿真模块还提供自下游仿真模块到上游仿真模块的反馈,从而不使用或不需要中央协调器,就能够将在下游组件中改变的事件或变量以相对快速的方式反映到上游仿真模块中并影响上游仿真模块。 
为了在不需要中央协调器的情况下正常操作,图3中的每个仿真模块直接从它紧接着的上游和下游的仿真模块接收信息,而该信息表明与这些上游和下游仿真模块相关联的或者在这些上游和下游仿真模块中计算的某些过程和控制变量信息。为了实施此通信结构,图3中的每个仿真模块包含一个或多个存储装置位置210,其唯一地与仿真模块相关联和绑定并且存储来自上游和/或下游仿真模块的信息以供仿真模块在其建模过程中使用。此存储和通信结构的细节将在下面更详细地描述。 
在任何情况下,图3中的仿真模块的每一个,包括管道仿真模块P1-P8,可以如此方式执行在两个或更多的相关联的仿真模块的输入和 输出之间的质量流量平衡,以致于在整个仿真中小的计算误差能够被校正或考虑,并且以致于下游工厂元素仿真模块的改变能够在上游工厂元素仿真模块中被使用或反映。一般而言,每个仿真模型202使用紧接着的上游的一个或多个仿真组件和紧接着的下游的一个或多个仿真组件二者的过程变量,诸如压力、温度、流速等,来平衡这些上游和下游组件的输出之间的质量流量和其它变量,从而保证仿真结果在多个仿真组件上被平衡(如使质量守恒)。 
图4所示的简化的仿真系统300的部分将用来说明与上游和下游工厂元素仿真模块相协作的管道仿真模块的操作,以说明管道仿真模块能够利用上游和下游的仿真变量来执行质量流量平衡的一种方式。正如将要看到的,图4中的示例性仿真系统300包括由管道仿真模块306互连的两个过热器工厂元素仿真模块302和304。第一(上游)过热器仿真模块302的出口与第二(下游)过热器仿真模块304的入口分别使用流道引脚以流道连到管道模块306的入口和出口。这种配置允许各种液流值作为信息向量在仿真模块302-306的算法之间传递,并且还允许管道仿真算法访问下游连接的仿真模块304中的模型算法所计算出的输出压力。 
一般而言,与工厂元素仿真模块302和304相关联的算法以使用下游变量值的方式计算出口变量,诸如压力,从而提供更精确的仿真,因为使用本技术跨越多个仿真模块地调和了过程变量诸如压力、温度、和流速。例如,在管道仿真模块306中的管道建模算法被构建用于调和不同组件之间的流速(在此例中是在过热器302和304之间),并且管道仿真模块306的输出压力Px充当关键调和因素。 
在操作期间,在过热器仿真模块302和304中运行的模型为过热器302和过热器304计算分别表示为P1和P2的出口压力。过热器304的输入压力表示为PX。 
在这个例子中,每个仿真模块302和304中的算法以一种以下会更详细描述的方式公布其计算出的输出压力,作为算法共享的存储器的一部分。且作为结果,任何特定部件的出口压力可以由在流动通道中直 接连在它前面(上游)的算法访问。在图4的仿真安排中,用于仿真模块304的过热器模型计算输出压力P2,而用于仿真模块302的过热器模型计算输出压力P1。假设管道元素306是无损的,压力P1和Px应该是一样的。在一个非无损的管道情况下,两个压力P1和Px将不相等,而将相差在管道元素的两个末端的压力差(或跨越管道元素的压力损失)。 
然而,因为每个装置模型(或每个装置零件的模型)是单独地计算的,所以不能保证,在每个采样时间内,一个特定装置的出口流量都与下一个下游装置入口流量相等。因此,调和机制必须到位,以确保这些质量流速匹配。此机制是通过连接的管道仿真模块306内的对出口压力Px的计算来实施的。可由管道仿真模块306执行以调和图4中在仿真模块302和304间的压力和质量流量的计算将在下文中讨论。 
在这个例子中,方程(1)设置流进管道元素306中的质量流量和流出管道元素306的质量流量彼此相等,这必定是在具有无损管道的稳态情况下的情形。 
m · in = m · out - - - ( 1 )
对于仿真中的每一个管道元素,在方程式(1)中的关系假设在稳态下有效。也就是说,流入和流出管道的质量流量相等。然而,通过管道元素306的质量流量能够被表示为在流动通道中两点间压力差的平方根的函数。这一压力和流量间的二次关系是重要的考量,因为它更精准地建模了工厂的物理操作。对于图4中的第一过热器302,这种关系表现为以下公式(2)。 
m · 1 = K pipe · ( P 1 - P x ) - - - ( 2 )
同样地,通过图4中的第二过热器304的质量流量由公式(3)给出。 
m · 2 = K sh 2 · ( P x - P 2 ) - - - ( 3 )
这两个方程(2)和(3)中,每个K值代表了相应组件的导率,并且是相关联的组件的物理属性的函数。这些K值能够从组件的物理数据中计算出,能够通过实证的测试数据或以任何其它期望的方式来确定,并且这些值可以被包括在用于管道仿真模块306所使用的管道模仿算法的配置参数中。现在,能够通过将方程式(2)和方程式(3)代入方程式(1)而计算出压力Px,其结果是: 
P x = p 1 · ( K p ) 2 + p 2 · ( K sh 2 ) 2 ( K p ) 2 + ( K sh 2 ) 2 - - - ( 4 )
这里,压力Px是压力P1和P2的加权平均数。一旦获得压力Px,能够利用方程式(2)和(3)计算出在管道元素306的两端的相应的流速,这个过程被称为流量调和。重要的是,要注意此计算未假设流向已知。相反,流动方向是完全依赖于在压力P1和P2值之间的差。更进一步,将予以了解的,管道元素306的操作,在计算第二过热器仿真元素304的入口压力Px以及流入和流出第二过热器仿真元素304的质量流速中,平衡了在仿真元素302和304之间的质量流量和压力方程式,从而保证整个系统的精确的仿真,而无论各种模型是在分离的计算设备中执行的。 
如果需要,使用例如低通滤波器,动态特性可以附加到由管道仿真元素306执行的压力和质量流量的计算中。在这种情况下,该管道出口压力和流量的动态特性能够通过将计算出的压力Px传递到低通滤波器而被附加。优选地,滤波器参数应该是可调的以允许对不同的动态特性进行建模。 
无论如何,重要的是要注意,由管道仿真模块306实施的调和过程基于这些点的压力来调整或计算从上游模块302出口流向下游模块 304输出的流量,如由仿真模块302和304内的模型所确定的。此外,因为在仿真模块306中的管道算法使用了与下游元素相关联的压力,在此是下游元素304的出口的压力,计算离开上游元素的流量并在某些情况下调整上游元素的输出处的压力,所以下游元素304的操作中的改变固有地被传输给上游元素,该上游元素在其下一计算周期内使用该质量流速和输出压力。因此,在下游元素中的诸如质量流量、压力、温度等变量的改变在连续的仿真循环/周期中被传送到上游,并且在上游元素的下一仿真执行循环/周期中被反映到上游元素的建模中。 
更通用的建模例子现将连同图5一起被示出,其中管道仿真模型被用于对连同下游组件的流量分离器设备的操作进行建模。在这种情况下,入口组件(上游组件)502连接到管道元素504的入口,并且管道元素504的出口连接到分离(或混合)结点元素506。分离结点元素506被如此建模以致在结点入口和出口处的所有压力都相同。正如图4的例子中,输入仿真组件502和所有输出仿真组件508(分离结点506的下游)分别以按序的方式计算或执行与其相关联的模型计算。这些组件能够代表或建模任何装置或装置的任何部分包括实际管道本身。为了制定出易解的方程组,并不失一般性,假定围绕结点506的所有流动的方向是事先已知的。下面的推导假设流向如图5中的箭头所示。 
假设在管道元素504入口处和在管道元素504出口处的质量流量在稳定状态下相等。该流量值也等于结点506的所有结点出口流量总和(质量平衡)。因而, 
m · 1 = Σ i = 2 n m · i - - - ( 1 A )
用于计算管道入口流量的方程式与上述方程式(2)相同,并且能够在这种情况下重写如下 
m · 1 = K 1 · P 1 - P x - - - ( 2 A )
其中K1是管道导率。 
用于计算结点分离后的质量流量中的每一个的方程式以与方程 式(3)相类似的方式推导出。 
m · i = K i · P x - P i , ( i = 2 , . . . , n ) - - - ( 3 A )
其中Ki是相应设备的导率 
因此,根据方程式1A, 
K 1 · P 1 - P x = Σ i = 2 n K i · P x - P i - - - ( 5 )
该方程式不得不依靠非线性求解器来获得PX的值。求解用于PX的方程式的一种方法如下: 
步骤1:初始化 
如果计算是在第一次,那么, 
P x = Σ i = 1 n ( P i · K i 2 ) Σ i = 1 n K i 2 - - - ( 6 )
否则,初始的Px(k)=Px(k-1). 
步骤2:线性化 
线性化允许以快速方式求解近似的Px。这种快速求解所得的Px能够被用作非线性求解过程中的下一步的初始值,或其能够被直接用作最终解。 
步骤2.1:选择从步骤1获得的Px(k)作为线性化操作点。将Px(k)定义为P0。同时,为标记方便,设 
Figure BSA00000383343100224
在这种情况下,在线性化操作点的流速能够被计算为: 
f 10 = K 1 P 1 - P 0
f i 0 = K i P 0 - P i , ( i = 2 , . . . , n )
其中P1和Pi是压力变量的最近的可用的计算(依赖于算法执行次序) 
步骤2.2:针对线性化区域内的流速: 
K 1 2 ( P 1 - P x ) = f 1 2 ≈ f 10 2 + 2 f 10 ( f 1 - f 10 ) ⇒ f 1 = K 1 2 ( P 1 - P x ) + f 10 2 2 f 10
K i 2 ( P x - P i ) = f i 2 ≈ f i 0 2 + 2 f i 0 ( f i - f i 0 ) ⇒ f i = K i 2 ( P x - P i ) + f i 0 2 2 f i 0 , ( i = 2 , . . . , n )
根据方程式1A: 
K 1 2 ( P 1 - P x ) + f 10 2 2 f 10 = Σ i = 2 n K i 2 ( P x - P i ) + f i 0 2 2 f i 0
Px现在能够被求解为: 
P x = { Σ i = 1 n ( K i 2 P i 2 f i 0 + f i 0 2 ) } / Σ i = 1 n K i 2 2 f i 0
该PX能够被直接用作解,或者能够被用作下一步的初始条件。 
步骤3:用上一步求出的Px作为初始条件,并且用方程式(5)求出Px。当然,一旦Px的值被计算出,通过管道元素504和每个下游元素508的质量流量能够很容易被确定。 
作为以上呈现的一般情况的特殊情况,较普遍的情况是在管道配置中使用三向结点。在这种情况下,Px的值能够用闭合解析公式来获得。计算推导能够概述如下, 
从质量平衡方程式开始: 
K 1 P 1 - P x = K 2 P x - P 2 + K 3 P x - P 3
获得以下方程式: 
A · P x 2 + B · P x + C = 0
其中: 
A = K 1 4 + K 2 4 + K 3 4 + 2 K 1 2 K 2 2 + 2 K 1 2 K 3 2 - 2 K 2 2 K 3 2
B = - 2 · ( K 1 4 P 1 + K 2 4 P 2 + K 3 4 P 3 + K 1 2 K 2 2 P 1 + K 1 2 K 3 2 P 1 + K 2 2 K 1 2 P 2 + K 3 2 K 1 2 P 3 - K 2 2 K 3 2 P 2 - K 2 2 K 3 2 P 3 )
C = K 1 4 P 1 2 + K 2 4 P 2 2 + K 3 4 P 3 2 + 2 K 1 2 K 2 2 P 1 P 2 + 2 K 1 2 K 3 2 P 1 P 3 - 2 K 2 2 K 3 2 P 2 P 3
随后,Px能够用标准二次方程式公式求解。 
P x = - B ± B 2 - 4 AC 2 A
对于在这种情况下的分离式结点,选择以上方程式中的平方根前面的减号。 
虽然以上的方程式是为分离器结点而写的,但是混合结点算法能够以直接的和类似的方式写出,只要选择在方程式中的平方根前面的加号。当然,一旦压力Px被求出,质量流量能够被计算以调和通过分离式结点从上游元素到下游元素的质量流量。 
尽管几个示例性质量流速和压力平衡算法在此被描述为用于管道仿真模块,能够开发类似的质量流量和压力平衡算法以用于在此所述的仿真模块中使用的其它类型的组件,包括例如罐、热交换器等。 
在一种情况下,罐模型可通过使用下游组件变量来实施压力和流速平衡以执行在相邻仿真模块之间的或跨越相邻仿真模块的压力、温度或质量流量平衡。在罐模型中,质量平衡方程式可写作: 
dM/dt=m_in-m_out 
其中,“d”代表导数,M是罐中的全部质量,t是时间,m_in是流入罐的流量,以及m_out是流出罐的流量。 
入口和出口流量的计算能够通过以下管道公式来执行: 
m_in=K1*(P_in-P_tank_in)1/2
m_out=K2*(P_tank_out-P_next)1/2
其中K1和K2是罐单元和下一个连接单元的入口流量导率,P_in是罐入口管道入口处的入口压力,P_tank_in是罐入口管道出口处的压力,P_tank_out是罐出口管道入口处的压力,并且P_next是罐出口管道出口处的压力。在这种情况下,出口管道是下一个下游模块。因此,在此,P_next是下游单元的压力信息,在这种情况下再次示出,罐仿真模块如何并入下游信息从而从下游元素向上游元素提供反馈信息。 
在任何情况下,质量流速和压力和温度的平衡方程式的组能够被推导和应用于其它各种其它仿真组件,包括传感器(如压力、流量、温度等传感器)、从左边(上游)来的边界条件、到右边(下游)的边界 条件、常规马达、常规罐、常规管道(如用于蒸汽、水等)、结点(常规水/蒸汽结点)、通气管(如用于空气或烟道气体)、常规空气/烟道气体结点、通用阀(如用于蒸汽/水)、通用气流调节器(如用于空气/燃气)、通用离心泵、通用离心风机(用于强制通风或引风系统)、通用轴流式风机、熔炉(许多不同类型)、蒸汽锅筒、流行的水平给水加热器、除气器、热交换器(用于过热器和/或再热器)、通用冷凝器、冷却塔、粉碎机(例如,通用盆式辊磨机)、涡轮、机械轴(集总的)、发电机、电路断路器、同步指示器、流量分离器、流量分离器结点、流体混合器、流体混合器连接、汽封冷凝器、单向阀、空气预热器或任何其它数量的工厂元素。 
当上述仿真方法在稳态条件下运转良好使得能通过使用一组分布式仿真模块实现精确的分布式仿真,并且不需要中央协调器时,期望对此技术稍做修改以用于考虑或实现在动态条件下的精确仿真。特别是,在某些实例中,可能有利的是,当使用上述管涌概念来执行分布式仿真时,实施在此被称作瞬态海量存储中继(transient mass storage relay,TMSR)技术。TMSR技术在处理总质量不平衡的问题中尤其有利。当在执行动态条件下执行上述按序的仿真机制时和/或当仿真封闭的环路或循环系统时,可能会遇到所述总质量不平衡的问题。 
TMSR技术的需要和实施方式通过利用在图6中的仿真图表600中更详细地示出,其中质量流量经过一连串的非存储设备606、608、610、612、614从上游存储设备602(在此以罐为例)行进或流动到下游存储设备604(在此以第二罐为例)。在此,管道被用作非存储设备608-612的例子,尽管不执行海量存储的其他类型的设备能够同样地或替代地在仿真中使用。不失一般性,与管道仿真元素608-612相关联的管道(分别为管道1、管道2和管道3)的导率在图6的示例性系统中分别地被表示为K1、K2和K3,通过管道1、管道2和管道3的流量分别地被表示为f1、f2和f3,并且与仿真元素608-612相关联的三个管道的入口和出口压力分别地表示为P0、P1、P2和P3。 
在任何给定时刻,一个特定管道的出口流量应等于连接在下游的 管道的入口流量,即fi_out=f(i+1)_in。在任何给定的计算机采样时间,假定执行顺序按照丛上游元素到下游元素的设备排列顺序。例如,用于管道1的仿真模块608将在用于管道2的仿真模块610前被执行等。在下面的讨论中,顶部的帽子表示当前的最新的计算结果,而不是在以前的采样时间所计算的结果。例如, 
Figure BSA00000383343100261
表示当前更新的值,而不是以前计算的值P。 
基于上面详尽解释的定义,每个单独组件的压力和流量的计算,从管道1开始,能够安排如下(以执行顺序): 
P ^ 1 = K 1 2 P ^ 0 + K 2 2 P 2 K 1 2 + K 2 2
F 1 _ in = K 1 P ^ 0 - P ^ 1
F 1 _ out = K 2 P ^ 1 - P 2 - - - ( 7 )
P ^ 2 = K 2 2 P ^ 1 + K 3 2 P 3 K 2 2 + K 3 2
F 2 _ in = K 2 P ^ 1 - P ^ 2
F 2 _ out = K 3 P ^ 2 - P 3 - - - ( 9 )
在理想状态下: 
F1_in=F1_out=F2_in=F2_out
然而,这种条件只在稳定的状态下是真的,在动态瞬变中 
Figure BSA00000383343100271
因此,将方程式组(7)和(8)作比较得到 
F1_in=F1_otu≠F2_in=F2_out
当然,这种条件在动态瞬变期间产生质量不平衡,并且如此的质量不平衡将以两种方式中的一个或两个方式反映到仿真中。第一,相比于同时求解所有方程式的仿真,此仿真可能以稍微不同的解而结束。在这种情况下,不对称质量的量可能从一个存储设备转移(或看起来像是“泄露”)到另一个存储设备。第二,对于封闭式循环系统,这种情形可能操作而使得系统中的总质量看起来在经过长期的持续的动态瞬变后增加或减少。随着所选择的采样时间变小,质量不平衡的量也开始相应地减少。然而,实际计算机实施禁止任意小的采样时间(即,是不可能获得的) 
为了校正在动态瞬变期间人为引起的质量不平衡,TMSR技术为每个非存储组件(如,为每个管道)引入了瞬态海量存储。例如,用于管道2的瞬态海量存储能够定义为: 
S2=F1_out-F2_out
一旦被定义,瞬态海量存储能够被如下处理。在动态瞬变(例如,当阀移动时)期间,总会有一些质量不平衡的量。如果元素(例如,管道)的瞬态海量存储S是正的,那么该元素的仿真模块转储该海量存储到紧接着的上游设备,而如果瞬态海量存储S是负的,那么此仿真系统转储该瞬态质量到紧接着的下游设备。在非存储设备转储其瞬态海量存储到上游或下游设备后,该设备将与其相关联的瞬态海量存储复位为零。(当然,上游设备是指与正常流动路径方向相反的方向上的设备,而下游设备是指在正常流动路径方向上的设备)。用于各个非存储设备的每个算法(仿真模块)在每个执行周期执行同一程序,从而瞬态海量存储最终到达海量存储设备(例如罐)。在此,海量存储设备是这样的组件(具 有仿真算法),即该组件能够明确地处理方程式dM/dt=flow_in-flow_out(其中M是该设备内的总质量)。例如,用于罐、锅筒、热交换器等的仿真模块能够执行此操作。在这种方式下,所有失去的或增加的质量泄漏(在非存储设备内)将返回到该质量所属的地方(即,在存储设备内),并且用户在前端不会看到这些平衡动作,因为所有其他管道计算在同一时间照常继续。因此,在图6的例子中,在管道仿真元素610中所计算的正的瞬态海量存储S2将被转移到仿真元素608(上游),如由箭头615所示出的。因为仿真元素608仿真非存储设备(如管道),在其下一个执行周期中,仿真元素608转储其正的瞬态海量存储S1到上游仿真元素606。当然,瞬态海量存储S1将包括在上个周期从仿真模块610转储的瞬时海量存储以及任何为仿真模块608的当前执行周期所计算出的新的质量不平衡。因此,瞬态海量存储S1可能与瞬态海量存储S2不同。如由上游箭头615所示出的,瞬态海量存储S2,当为正时,最终被转移到仿真模块602,其仿真海量存储设备(例如罐),它能够在其下个执行周期中处理该瞬态质量。 
以类似的方式,在管道仿真元素610中所计算出的负的瞬态海量存储S2将被转移到仿真元素612(下游),如由箭头617所示出的。由于仿真元素612仿真非存储设备(例如管道),在其下个执行周期中,仿真元素612转储其负的瞬态海量存储S3(这可能是瞬态海量存储S2加上作为管道仿真模块612的操作的结果而计算的附加的瞬态海量存储)至下游仿真元素614。如由下游箭头617所示出的,瞬态海量存储S2,当为负时,最终被转移到仿真模块604,其用于仿真海量存储设备(例如罐),其能够在其下个执行周期中处理该瞬态质量。 
瞬态海量存储中继方法的规则,当在图6的系统使用时,能够简单地概括为以下伪代码 
如果 
S ^ 2 > 0
那么 
S ^ 1 = S 1 + S ^ 2
S ^ 2 = 0
否则 
S ^ 3 = S 3 + S ^ 2
S ^ 2 = 0
该TMSR技术还能够应用在分离器设备中,诸如在图5中所示出的。特别是,图7示出分离器设备700,其将输入设备702(设备1)连接到两个下游输出设备704、706(设备2和3)。流量f1从输入设备702进入分离器设备700并且分裂成两个标作流量f2和f3的流出流量。在此,各个设备702、704和706中的瞬态海量存储能够分别地表示为S1,S2和S3,并且在分离器中的瞬态海量存储能够表示为S。随后,在分离器结点中的瞬态海量存储为, 
S=f1-f2-f3
随后,用于该分离器结点模块的一个TMSR规则能够被描述为以下伪代码: 
如果 
S ^ > 0
那么 
S ^ 1 = S 1 + S ^
S ^ = 0
否则 
S ^ 2 = S 2 + ( f 2 / f 1 ) S ^
S ^ 3 = S 3 + ( f 3 / f 1 ) S ^
S ^ = 0
在上述的例子中,在分离器700结点中确定的瞬态海量被以根据 出口作为总入口流量百分比的分支流量而按比例分配的方式中继到下游设备704和706,当然,此处描述的TMSR方法能够类似地应用于混合结点以及任何结点或其他有两个具有以上入口或出口的设备。 
如图3所示,各分布式仿真模块42包括一个或多个存储器210以供相邻(即紧接着的上游和下游)仿真模块间的通信使用,从而无需使用中央协调器就能实现这些模块之间的直接通信。特别是,这些直接通信能够被实施以提供在一个仿真模块中计算或者与一个仿真模块相关联的、在相邻仿真模块(上游和/或下游)中所需要的数据,从而执行在相邻仿真模块中的建模任务。该数据可以包括,例如,仿真模块输入和输出以及各种内部参数,包括,例如,计算出的入口和出口压力(例如图4和5的压力P0、P1、P2,Pn和Px)、流速(例如,通过管道和在图4和5中管道的下游组件的质量流速、图6和7的流速f1、f2等)、瞬时海量存储值(例如,图6中的瞬态海量存储值S1、S2等)、温度、或任何其他与一个为相邻的仿真元素所需以便使用上述的概念来建模的仿真元素相关联的过程变量值、设定点,配置设置等。 
特别是,仿真模块或执行仿真模块的处理使用存储器210来执行在不同的水滴或不同的仿真模块间的局部存储交换。这种用于局部存储交换任务的机制可以类似于在处理器上运行的、执行到备份的复制的任务(这一任务以规定的时间间隔发生,并且以备份的目的而简单地将数据复制到已知的存储位置)。然而,在这种情况下,执行特定仿真模块的处理器复制预定的数据值(例如,输入和/或输出压力、流量值、瞬时海量存储值等)到与上游和下游的仿真模块相关联(和由其使用)的已知的存储位置。当然,不同的数据可以复制到不同的仿真模块中,因为只需要从一个仿真模块向上游或下游仿真模块复制为该上游或下游仿真模块所需的数据。在任意特定情况下将要被复制的数据能够在仿真系统的配置期间被设置或指定。因此,取代在首要位置和备份水滴之间复制大量的局部数据,此处所述的仿真通信技术只需要少量局部存储数据的转移,主要用于在水滴间进行连接的仿真算法。 
正如将要理解,当仿真模块被放置在分离的处理设备中、甚至在 相同的处理设备中时,相邻仿真模块通过简单地将数据写入到分配给各自的上游或下游仿真模块的或者与相应的上游或下游仿真模块相关联的存储位置中来向上游和向下游传输数据,使得当仿真模块执行时,数据即时地提供给上游或下游仿真模块。当然,数据能够传输到相同处理设备内的存储器或者经由两个不同设备间的通信网络而传输到不同的处理设备中的存储器。此通信机制简单,因为每个仿真模块将来自该仿真模块的最新数据传输到要使用该数据的上游和下游仿真模块,而不需要大量通信开销,也不需要在任何两个设备(或甚至是任意两个仿真模块)间发送大量的数据。 
此外,使用局部存储水滴210的通信的过程能够用与实际过程控制器执行复制到备份的任务相同的方式来实现,因为该通信任务与所有其他控制任务并行地运行。然而,在虚拟控制器(即仿真控制器)中,不需要复制到备份的任务,因此这个任务能够由仿真局部存储复制(simulation local memory copy)任务(在此称为SIMLMCPY任务)取代,该SIMLMACPY任务在处理器中作为专门的后台任务定期执行,以在虚拟控制器设备中的仿真模块之间或在具有相邻仿真模块的不同水滴之间复制所需的数据。 
在一个情况中,此通信技术可按与图8一起示出的以下程序来实施,图8示出了两个相邻仿真模块801和802的局部存储器210,其放置在不同的水滴(如,不同的处理设备)中。专用的局部存储器传输算法(LMTSF)805被创建并且与各个仿真模块801和802相关联。LMTSF算法805只用于连接仿真水滴,并且表现如存储缓冲器一样。LMTSF算法805被放置于始发水滴和接收水滴两者中,并且这两个算法通过唯一的标识(ID)相互知道。然而,此ID并不是SID或LID,相反,在仿真系统被创建时或在仿真模块801和802被创建或下载到水滴时,此ID号可由用户放置到每个算法805中(也许在某一域中)。一旦下载,所有LMTSF算法805及与之相关联的ID号注册在处理器中运行的仿真局部存储复制(SIMLMCPY)任务,从而当SIMLMCPY任务作为后台任务在处理器中运行时,SIMLMCPY算法通过使用LMTSF算法来执 行局部存储交换。 
之后,在每次循环时,在水滴的处理器中的SIMLMCPY任务将来自每个始发LMTSF的局部存储复制到临时缓冲器(如图8示出的缓冲器810),然后到相应的接收LMTSF。同样的动作在从接收LMTSF到始发LMTSF之间执行,从而确保每个始发和接收对(上游和下游仿真模块)彼此间交流所需的数据。此外,此过程在每对相邻仿真模块间执行,因此,在仿真系统的每个执行周期中,每组相邻仿真模块在其间通信数据,接收仿真模块需要或使用这些数据以在下个执行周期执行建模。这种通信系统不再需要追踪在所有不同水滴中的仿真模块之间的通信流量或过程流量的中央协调器,因为每个仿真都知道并能够直接地与和此仿真模块上游地和下游地直接相连的仿真模块进行通信。 
当然,上述的通信方案假定SIMLMCPY任务能够对所有的仿真算法以特定的进行排序,并通过唯一的标识号找出相连的LMTSF算法。这种通信方案还假定SIMLMCPY任务能够通过水滴号和算法SID和LID来访问每个仿真模块的LMTSF算法的局部存储空间。当然,其它在相邻仿真模块间执行通信的方式也能够使用或代替,以保证与分布式仿真系统相关联的不同仿真模块之间的通信。 
当被实施时,在此所描述的仿真软件和分布式仿真模块中的任一个可以存储在任何计算机可读存储器诸如磁盘、光盘或其他存储介质上、在计算机或处理器的RAM或ROM中等。同样地,可以使用任何已知或期望的交付方法包括,例如,在计算机可读盘或其它便携式计算机存储机制上或者通过通信信道诸如电话线、因特网、万维网、任何其他局域网或广域网等(该交付被视为和经由便携式式存储介质来提供软件相同或可互换),来将软件或模块交付给用户、过程工厂或操作员工作站。此外,该软件可以直接提供而不进行调制或加密,或者也可以在通过通信信道传输之前,使用任何合适的调制载波和/或加密技术来进行调制和/或加密。 
虽然本发明参照具体的例子来描述,但是这些具体的例子只是示例性的而并不限制本发明,对于本领域普通技术人员来说显而易见的 是,在未背离本发明的精神和范围的情况下,可以对公开的实施例进行改变、增加或删除。 

Claims (35)

1.用于对质量流过的一组物理工厂元素的操作进行仿真的分布式仿真系统,包括:
计算机网络,其包含多个和通信地耦接所述多个水滴的通信网络,其中,所述多个水滴中的每一个包含处理器;以及
多重由处理器实施的仿真模块,所述多重仿真模块中的每一个包括对所述物理工厂元素中的不同的一个物理工厂元素的操作建模的过程模型,其中所述仿真模块中的第一仿真模块和所述仿真模块中的第二仿真模块位于所述多个水滴中的不同的水滴中,
其中,所述仿真模块中的所述第一仿真模块对所述一组物理工厂元素中的第一物理工厂元素的操作建模,以及所述仿真模块中的所述第二仿真模块对所述一组物理工厂元素中的第二物理工厂元素的操作建模,所述一组物理工厂元素中的所述第二物理工厂元素放置在所述一组物理工厂元素中的所述第一物理工厂元素的下游,其中所述第一仿真模块的过程模型使用由所述第二仿真模块计算的过程变量值以产生与由所述第一仿真模块所建模的所述物理工厂元素的操作相关联的输出,并且其中所述第一和第二仿真模块相互通信计算出的过程变量信息,以执行在所述第一个物理工厂元素和所述第二个物理工厂元素间的质量流量的仿真。
2.如权利要求1所述的仿真系统,其中所述第一仿真模块实施一个或多个质量流量平衡方程式以确定到所述第二仿真模块的输入。
3.如权利要求2所述的仿真系统,其中到所述第二仿真模块的所述输入包括由所述第二仿真模块所建模的所述物理工厂元素中的所述第二物理工厂元素的输入处的压力值。
4.如权利要求2所述的仿真系统,其中到所述第二仿真模块的所述输入包括与由所述第二个仿真模块所建模的所述物理工厂元素中的所述第二物理工厂元素的所述输入相关联的质量流速。
5.如权利要求1所述的仿真系统,其中所述第一仿真模块包含对所述工厂内的物理的管道元素的操作建模的模型。
6.如权利要求1所述的仿真系统,其中所述第一仿真模块包含对所述工厂内的物理的罐元素的操作建模的模型。
7.如权利要求1所述的仿真系统,其中所述第一仿真模块的所述过程模型将压力和流量之间的关系建模为二次关系。
8.如权利要求1所述的仿真系统,其中所述第一仿真模块与不执行海量存储的第一物理工厂元素相关联,并且其中所述第一仿真模块包含临时质量流量存储算法,该算法确定作为动态改变的结果的在所述第一物理工厂元素的输入与输出之间的质量流量上的不平衡,并且存储质量流量上的不平衡的值。
9.如权利要求8所述的仿真系统,其中所述临时质量流量存储算法将在所述第一仿真模块的特定的执行周期期间确定的所述存储的质量流量上的不平衡发送到另一个仿真模块,并且将所述第一仿真模块内的所述存储的质量流量上的不平衡设为零。
10.如权利要求9所述的仿真系统,其中当所述存储的质量流量上的不平衡的值大于零时,所述临时质量流量存储算法发送所述存储的质量流量上的不平衡到上游仿真模块,并且其中当所述存储的质量流量上的不平衡的值小于零时,所述临时质量流量存储算法发送所述存储的质量流量上的不平衡到下游仿真模块。
11.如权利要求1所述的仿真系统,其中所述水滴中的至少一个水滴包含通信例程,其作为后台进程实施在位于所述水滴中的所述至少一个水滴处的仿真模块和位于不同的水滴处的上游或下游仿真模块之间的通信。
12.如权利要求1所述的仿真系统,其中位于特定的水滴处的所述仿真模块中的至少一个仿真模块存储通信算法,该算法操作以提供从所述仿真模块中的所述一个仿真模块到另一个上游或下游仿真模块的变量的通信,其中所述通信算法存储用于为所述第一仿真模块的唯一的标识,其用于将信息通信到所述另一个上游或下游仿真模块。
13.如权利要求10所述的仿真系统,其中所述第一仿真模块的所述过程模型是第一原理模型。
14.用于仿真质量流过的一组物理工厂元素的操作的方法,包括:
创建一组能够分离地执行的仿真模块,所述一组仿真模块中的每一个包含对所述物理工厂元素中的不同的一个物理工厂元素的操作建模的过程模型;
将所述能够分离地执行的仿真模块中的不同的仿真模块存储在计算机网络中的多个通信地互联的水滴中,从而所述能够分离地执行的仿真模块中的第一仿真模块与所述一组能够分离地执行的仿真模块中的第二仿真模块位于不同的水滴中;
其中,在水滴中执行时,仿真模块执行相关联的过程模型以对相关联的物理工厂元素的操作建模,并且与一个或多个紧邻的上游仿真模块或者一个或多个紧邻的下游仿真模块直接通信以将过程变量数据提供给所述一个或多个紧邻的上游仿真模块或者所述一个或多个紧邻的下游仿真模块,并且所述一组仿真模块中的特定的一个仿真模块的过程模型使用由下游仿真模块计算出的过程变量的值以产生与由所述一组仿真模块中的所述特定的一个仿真模块所建模的所述物理工厂元素的操作相关联的输出,从而执行在所述一组仿真模块的所述特定的一个仿真模块和所述下游仿真模块间的质量流量平衡。
15.如权利要求14所述的仿真一组物理工厂元素的操作的方法,其中所述一组仿真模块中的所述特定的一个仿真模块与物理管道元素相关联。
16.如权利要求14所述的仿真一组物理工厂元素的操作的方法,其中所述一组仿真模块中的所述特定的一个仿真模块实施一个或多个质量流量平衡方程式以确定到所述下游仿真模块的压力或温度输入。
17.如权利要求16所述的仿真一组物理工厂元素的操作的方法,包含使用一个或多个质量流量平衡方程式,其将压力和流量之间的关系建模为二次关系。
18.如权利要求14所述的仿真一组物理工厂元素的操作的方法,进一步包括:使用所述一组仿真模块中的特定的一个仿真模块来仿真不执行海量存储的第一物理工厂元素的操作,并且包括在所述一组仿真模块中的所述特定的一个仿真模块内确定作为动态改变的结果的在所述第一物理工厂元素的输入与输出间的质量流量上的不平衡,并且将质量流量上的所述不平衡的值临时地存储为与所述一组仿真模块中的所述特定的一个仿真模块相关联。
19.如权利要求18所述的仿真一组物理工厂元素的操作的方法,进一步包括:在一个或多个连续的执行周期中,将在所述一组仿真模块中的所述特定的一个仿真模块的第一执行周期期间确定的所述存储的质量流量上的不平衡发送到一个或多个紧邻的仿真模块,并且将所述一组仿真模块中的所述特定的一个仿真模块的所述存储的质量流量上的不平衡设为零。
20.如权利要求14所述的仿真一组物理工厂元素的操作的方法,其中存储所述仿真模块包括存储一组仿真模块,其包括与不执行海量存储的第一物理工厂元素相关联的第一仿真模块,和与执行海量存储的第二物理工厂元素相关联的第二仿真模块,并且进一步地包括在所述第一仿真模块处确定,作为动态改变的结果的在所述第一物理工厂元素中的输入和输出之间的质量流量上的不平衡,并将由所述第一仿真模块所确定的所述在质量流量上的不平衡发送到所述第二仿真模块以用于在所述第二仿真模块中处理。
21.如权利要求20所述的仿真一组物理工厂元素的操作的方法,其中将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第二仿真模块包括,通过一个或多个中间仿真模块而将所述质量流量上的不平衡从所述第一仿真模块发送到所述第二仿真模块,其中所述中间仿真模块中的每一个与不执行海量存储的物理工厂元素相关联。
22.如权利要求20所述的仿真一组物理工厂元素的操作的方法,其中存储所述仿真模块包括存储第二仿真模块,其通信地连接到所述第一仿真模块的上游,并且其中将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第二仿真模块包括,当由所述第一仿真模块所确定的所述质量流量上的不平衡为正时,将由所述第一仿真模块所确定的所述质量流量上的不平衡向上游发送到所述第二仿真模块。
23.如权利要求20所述的仿真一组物理工厂元素的操作的方法,其中存储所述仿真模块包括存储第二仿真模块,其通信地连接到所述第一仿真模块的下游,并且其中将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第二仿真模块包括,当由所述第一仿真模块所确定的所述质量流量上的不平衡为负时,将由所述第一仿真模块所确定的所述质量流量上的不平衡向下游发送到所述第二仿真模块。
24.如权利要求18所述的仿真一组物理工厂元素的操作的方法,其中存储所述仿真模块包括存储一组仿真模块,其包括与不执行海量存储的第一物理工厂元素相关联的第一仿真模块,所述第一仿真模块通信地放置在第二仿真模块的下游并且通信地放置在第三仿真模块的上游,其中所述第二和第三仿真模块与执行海量存储的物理工厂元素相关联,以及进一步包括在所述第一个仿真模块处确定作为动态改变的结果的在所述第一物理工厂元素的输入和输出间的质量流量上的不平衡,并且当所述质量流量上的不平衡为正时,将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第二仿真模块以用于在所述第二仿真模块中处理,而当所述质量流量上的不平衡为负时,将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第三仿真模块以用于在所述第三仿真模块中处理。
25.如权利要求14所述的仿真一组物理工厂元素的操作的方法,进一步包括将在位于第一水滴处的特定的仿真模块和位于第二水滴处的上游或下游仿真模块之间的通信实施为在所述第一和第二水滴中的每一个中的后台进程。
26.如权利要求14所述的仿真一组物理工厂元素的操作的方法,包括在各个仿真模块存储唯一的标识并且使用所述唯一的标识在紧邻的上游或下游仿真模块对之间通信信息,从而提供各对紧邻的仿真模块之间的直接通信。
27.用于对质量流过的一组物理工厂元素的操作进行仿真的分布式仿真系统,包括:
多重由处理器实施的仿真模块,所述多重仿真模块中的每一个包含对所述物理工厂元素中的不同的一个物理工厂元素的操作建模的过程模型,其中所述仿真模块中的第一仿真模块和所述仿真模块中的第二仿真模块位于计算机网络的一组水滴中的不同的水滴中并且通过与所述计算机网络相关联的通信网络相互通信;
其中,在所述仿真系统的操作中,所述仿真模块中的每一个,按照与所述仿真模块相关联的物理工厂元素物理地相互耦接以实现质量流的次序,直接地、通信地耦接到一个或多个上游或下游仿真模块,使得通信地耦接的仿真模块的相邻对相互直接地通信信息,并且其中所述仿真模块中的至少一个仿真模块实施过程模型,该过程模型使用从下游仿真模块接收的过程变量信息来执行质量流量平衡方程式以平衡在所述仿真模块中的所述至少一个仿真模块和所述下游仿真模块间的质量流量。
28.如权利要求27所述的分布式的仿真系统,其中所述质量流量平衡方程式将压力和质量流量之间的关系建模为二次关系。
29.如权利要求27所述的分布式的仿真系统,其中所述仿真模块中的所述至少一个仿真模型的所述过程模型使用从所述下游模块接收的压力过程变量信息来确定所述仿真模块中的所述至少一个仿真模块的输出。
30.如权利要求27所述的分布式仿真系统,其中所述多重仿真模块包括与不执行海量存储的第一物理工厂元素相关联的第一仿真模块,所述第一仿真模块通信地放置在第二仿真模块的下游并且通信地放置在第三仿真模块的上游,其中所述第二和第三仿真模块与执行海量存储的物理工厂元素相关联,并且其中所述第一仿真模块确定作为动态改变的结果的在所述第一物理工厂元素的输入和输出之间的质量流量上的不平衡,并且当所述质量流量上的不平衡为正时,将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第二仿真模块以用于在所述第二仿真模块中处理,而当所述质量流量上的不平衡为负时,将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第三仿真模块以用于在所述第三仿真模块中处理。
31.如权利要求27所述的分布式仿真系统,其中多重仿真模块包括与不执行海量存储的第一物理工厂元素相关联的第一仿真模块,和与执行海量存储的第二物理工厂元素相关联的第二仿真模块,并且其中,所述第一仿真模块确定作为动态改变的结果的在所述第一物理工厂元素的输入和输出之间的质量流量上的不平衡,并且将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第二仿真模块以用于在所述第二仿真模块中处理。
32.如权利要求31所述的分布式仿真系统,其中所述第一仿真模块经由一个或多个中间仿真模块而将由所述第一仿真模块所确定的所述质量流量上的不平衡发送到所述第二仿真模块,其中所述中间仿真模块中的每一个与不执行海量存储的物理工厂元素相关联。
33.如权利要求27所述的分布式仿真系统,进一步包括在所述水滴的每一个处的通信算法,其执行在位于分离的水滴中的紧邻的仿真模块之间的通信,作为在所述水滴处的所述处理器内的后台任务。
34.如权利要求33所述的分布式仿真系统,其中在特定的水滴处的所述仿真模块中的至少一个仿真模块存储唯一地标识所述仿真模块中的所述一个仿真模块的标识,并且其中,在所述特定的水滴处的所述通信算法使用在所述特定的水滴处的所述仿真模块中的所述至少一个仿真模块的标识,来执行在所述特定的水滴处的所述仿真模块中的所述至少一个仿真模块和与在所述仿真模块中的所述至少一个仿真模块紧邻的另一个水滴处的仿真模块之间的通信,从而执行在不同的水滴处的相邻仿真模块对之间的通信。
35.如权利要求27所述的分布式仿真系统,其中,在所述仿真系统的各个执行周期期间,通信地连接的上游和下游仿真模块中的紧邻的对将在所述上游仿真模块处计算的数据从所述上游仿真模块通信到所述下游仿真模块,并且将在所述下游仿真模块处计算的数据通信到所述上游仿真模块。
CN201010584174.9A 2009-12-01 2010-12-01 改善的分布式工业过程仿真系统 Active CN102081358B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/628,821 US9606531B2 (en) 2009-12-01 2009-12-01 Decentralized industrial process simulation system
US12/628,821 2009-12-01

Publications (2)

Publication Number Publication Date
CN102081358A true CN102081358A (zh) 2011-06-01
CN102081358B CN102081358B (zh) 2016-04-06

Family

ID=43431728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010584174.9A Active CN102081358B (zh) 2009-12-01 2010-12-01 改善的分布式工业过程仿真系统

Country Status (6)

Country Link
US (1) US9606531B2 (zh)
CN (1) CN102081358B (zh)
CA (1) CA2722663C (zh)
DE (1) DE102010060924A1 (zh)
GB (1) GB2475956B (zh)
HK (1) HK1155534A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102854870A (zh) * 2012-05-09 2013-01-02 上海西门子工业自动化有限公司 一种分布式控制系统和数据报表生成方法
CN103257630A (zh) * 2012-02-13 2013-08-21 爱默生过程管理电力和水解决方案公司 混合顺序和同时过程仿真系统
CN103794109A (zh) * 2012-11-01 2014-05-14 同济大学 具有仿真培训功能的电力控制系统及其仿真培训方法
CN103943452A (zh) * 2014-04-28 2014-07-23 南方科技大学 一种等离子体处理的工艺控制方法及装置
CN106940533A (zh) * 2017-04-11 2017-07-11 上海交通大学 一种基于云超实时仿真平台与硬件在环的实时决策方法
CN107113189A (zh) * 2014-10-24 2017-08-29 霍尼韦尔国际公司 用于计算用以支持级联模型预测控制(mpc)的代理极限的装置和方法
CN103246247B (zh) * 2012-02-02 2017-09-08 爱默生过程管理电力和水解决方案公司 分布式工业过程仿真系统中实时求解压强流动参数的方法
CN109074059A (zh) * 2016-04-27 2018-12-21 Abb瑞士股份有限公司 用于生产线的试车和优化的方法和系统
CN109844672A (zh) * 2016-08-24 2019-06-04 西门子股份公司 用于测试自主系统的方法
CN110573973A (zh) * 2017-04-26 2019-12-13 诺沃皮尼奥内技术股份有限公司 用于对物理装备的操作进行建模的方法和系统
CN110580373A (zh) * 2018-06-07 2019-12-17 能力中心-虚拟车辆研究公司 预处理协同仿真方法和装置
CN117235950A (zh) * 2023-11-15 2023-12-15 上海叁零肆零科技有限公司 基于牛顿迭代法的天然气管网稳态仿真方法、介质及设备

Families Citing this family (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8790517B2 (en) * 2007-08-01 2014-07-29 Rockwater Resource, LLC Mobile station and methods for diagnosing and modeling site specific full-scale effluent treatment facility requirements
US8504175B2 (en) * 2010-06-02 2013-08-06 Honeywell International Inc. Using model predictive control to optimize variable trajectories and system 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
US9335042B2 (en) 2010-08-16 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Steam temperature control using dynamic matrix control
US8630830B1 (en) * 2010-10-11 2014-01-14 The Boeing Company Thermal analysis system
US20120197617A1 (en) * 2011-01-31 2012-08-02 Muris Mujagic Co-Simulation with Peer Negotiated Time Steps
US9677493B2 (en) 2011-09-19 2017-06-13 Honeywell Spol, S.R.O. Coordinated engine and emissions control system
US9163828B2 (en) 2011-10-31 2015-10-20 Emerson Process Management Power & Water Solutions, Inc. Model-based load demand control
US20130111905A1 (en) 2011-11-04 2013-05-09 Honeywell Spol. S.R.O. Integrated optimization and control of an engine and aftertreatment system
US9650934B2 (en) 2011-11-04 2017-05-16 Honeywell spol.s.r.o. Engine and aftertreatment optimization system
EP2626754A1 (de) * 2012-02-07 2013-08-14 GfR - Gesellschaft für Regelungstechnik und Energieneinsparung mbH Simulationsumgebung für eine Gebäudeautomation
JP5561299B2 (ja) * 2012-03-23 2014-07-30 横河電機株式会社 プロセス制御システム
DE102012207897A1 (de) * 2012-05-11 2013-11-14 Redios-Tec Gmbh Brennofen
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
DE102012112842A1 (de) * 2012-12-21 2014-06-26 Endress + Hauser Gmbh + Co. Kg System und Verfahren zum Einsatz in der Automatisierungstechnik
EP2778816B1 (en) * 2013-03-12 2015-10-07 ABB Technology AG System and method for testing a distributed control system of an industrial plant
WO2014146686A1 (de) * 2013-03-19 2014-09-25 Siemens Aktiengesellschaft Werkzeug und verfahren zur simulation einer technischen anlage
US9501300B2 (en) 2013-09-16 2016-11-22 General Electric Company Control system simulation system and method
US10489212B2 (en) 2013-09-26 2019-11-26 Synopsys, Inc. Adaptive parallelization for multi-scale simulation
WO2015048400A1 (en) 2013-09-26 2015-04-02 Synopsys, Inc. Estimation of effective channel length for finfets and nano-wires
US10402520B2 (en) 2013-09-26 2019-09-03 Synopsys, Inc. First principles design automation tool
US20160162625A1 (en) 2013-09-26 2016-06-09 Synopsys, Inc. Mapping Intermediate Material Properties To Target Properties To Screen Materials
US10516725B2 (en) 2013-09-26 2019-12-24 Synopsys, Inc. Characterizing target material properties based on properties of similar materials
US9836563B2 (en) 2013-09-26 2017-12-05 Synopsys, Inc. Iterative simulation with DFT and non-DFT
US10521521B2 (en) * 2013-10-14 2019-12-31 Aveva Software, Llc Shared repository of simulation models
DE102013224700A1 (de) * 2013-12-03 2015-06-03 Siemens Aktiengesellschaft Vorrichtung und Verfahren zur Änderung von Betriebseinstellungen einer technischen Anlage
CN103955139A (zh) * 2014-04-21 2014-07-30 哈尔滨汽轮机厂有限责任公司 采用集散控制系统实现重型燃气轮机仿真的方法
US9733629B2 (en) 2014-07-21 2017-08-15 Honeywell International Inc. Cascaded model predictive control (MPC) approach for plantwide control and optimization
US10379503B2 (en) 2014-07-21 2019-08-13 Honeywell International Inc. Apparatus and method for calculating proxy limits to support cascaded model predictive control (MPC)
CN104268074B (zh) * 2014-09-05 2017-09-01 北京广利核系统工程有限公司 一种基于dcs系统应用软件在线调试方法
JP6509537B2 (ja) * 2014-12-04 2019-05-08 三菱日立パワーシステムズ株式会社 プラントシミュレータ及びプラントシミュレータの演算割り当て方法
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
US20160275217A1 (en) * 2015-03-17 2016-09-22 Schlumberger Technology Corporation Efficient simulation of oilfield production systems
EP3091212A1 (en) 2015-05-06 2016-11-09 Honeywell International Inc. An identification approach for internal combustion engine mean value models
US9971856B2 (en) 2015-05-28 2018-05-15 International Business Machines Corporation CFD modeling of a bounded domain with viscous region partitioning
US10083259B2 (en) 2015-05-28 2018-09-25 International Business Machines Corporation Bounded domain modeling with specified boundary conditions and mass balancing
EP3101500B1 (de) * 2015-06-02 2024-02-14 Siemens Aktiengesellschaft Steuersystem für eine verteilte prozesssteuerung einer technischen anlage und ein verfahren zur steuerung einer technischen anlage
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
US10078735B2 (en) 2015-10-30 2018-09-18 Synopsys, Inc. Atomic structure optimization
US10734097B2 (en) 2015-10-30 2020-08-04 Synopsys, Inc. Atomic structure optimization
US10415492B2 (en) 2016-01-29 2019-09-17 Garrett Transportation I Inc. Engine system with inferential sensor
IL244937A (en) * 2016-04-05 2017-07-31 Musman Lior Global optimization and network load balancing
US10036338B2 (en) 2016-04-26 2018-07-31 Honeywell International Inc. Condition-based powertrain control system
US10124750B2 (en) 2016-04-26 2018-11-13 Honeywell International Inc. Vehicle security module system
US11199120B2 (en) 2016-11-29 2021-12-14 Garrett Transportation I, Inc. Inferential flow sensor
US10268170B2 (en) * 2017-01-03 2019-04-23 General Electric Company Validation of control command in substantially real time for industrial asset control system threat detection
US10466684B2 (en) 2017-05-25 2019-11-05 Honeywell International Inc. Apparatus and method for adjustable identification of controller feasibility regions to support cascaded model predictive control (MPC)
US11057213B2 (en) 2017-10-13 2021-07-06 Garrett Transportation I, Inc. Authentication system for electronic control unit on a bus
US10908562B2 (en) 2017-10-23 2021-02-02 Honeywell International Inc. Apparatus and method for using advanced process control to define real-time or near real-time operating envelope
GB2570115B (en) * 2018-01-10 2022-12-21 Spiro Control Ltd Process control system and method
EP3540530B1 (de) * 2018-03-15 2022-10-19 Siemens Aktiengesellschaft Verfahren und anordnung zum steuern eines technischen systems
DE102018116823A1 (de) * 2018-07-11 2020-01-16 Samson Aktiengesellschaft System zum Bestimmen eines Real-Prozessparameters wenigstens eines Real-Feldgeräts, Verfahren zum Bestimmen eines Real-Prozessparameters wenigstens eines Real-Feldgeräts, Real-Feldgerät sowie Real-Strömungsstrecke einer prozesstechnischen Anlage
CN110763995B (zh) * 2018-07-25 2021-10-08 中国石油化工股份有限公司 一种抽汽热电机组蒸汽压力控制模拟系统
US11971710B2 (en) * 2021-11-12 2024-04-30 Pani Energy Inc Digital model based plant operation and optimization

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1497403A (zh) * 2002-10-22 2004-05-19 费舍-柔斯芒特系统股份有限公司 加工厂中的智能过程模块和对象
CN1542575A (zh) * 2002-10-22 2004-11-03 费舍-柔斯芒特系统股份有限公司 处理设备中图像显示元件、过程模块和控制模块的集成
US20080027704A1 (en) * 2006-07-28 2008-01-31 Emerson Process Management Power & Water Solutions, Inc. Real-time synchronized control and simulation within a process plant
CN101158872A (zh) * 2006-10-02 2008-04-09 费舍-柔斯芒特系统股份有限公司 在操作过程环境中更新及使用动态过程仿真

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6907383B2 (en) * 1996-03-28 2005-06-14 Rosemount Inc. Flow diagnostic system
JP4676900B2 (ja) 2006-02-22 2011-04-27 島津システムソリューションズ株式会社 分散制御システム用シミュレータ
JP4987382B2 (ja) * 2006-08-09 2012-07-25 富士通テン株式会社 分散型シミュレーションシステム、シミュレータ識別方法、及び、分散型シミュレーションシステムの管理装置
US8069021B2 (en) 2007-09-28 2011-11-29 Rockwell Automation Technologies, Inc. Distributed simulation and synchronization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1497403A (zh) * 2002-10-22 2004-05-19 费舍-柔斯芒特系统股份有限公司 加工厂中的智能过程模块和对象
CN1542575A (zh) * 2002-10-22 2004-11-03 费舍-柔斯芒特系统股份有限公司 处理设备中图像显示元件、过程模块和控制模块的集成
US20080027704A1 (en) * 2006-07-28 2008-01-31 Emerson Process Management Power & Water Solutions, Inc. Real-time synchronized control and simulation within a process plant
CN101158872A (zh) * 2006-10-02 2008-04-09 费舍-柔斯芒特系统股份有限公司 在操作过程环境中更新及使用动态过程仿真

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FABRICIUS S.M.O.等: "Modelica Library for Hybrid Simulation of Mass Flow in Process Plants", 《2ND INTERNATIONAL MODELICA CONFERENCE,PROCEEDINGS》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246247B (zh) * 2012-02-02 2017-09-08 爱默生过程管理电力和水解决方案公司 分布式工业过程仿真系统中实时求解压强流动参数的方法
CN103257630A (zh) * 2012-02-13 2013-08-21 爱默生过程管理电力和水解决方案公司 混合顺序和同时过程仿真系统
CN103257630B (zh) * 2012-02-13 2017-09-05 爱默生过程管理电力和水解决方案公司 混合顺序和同时过程仿真系统
CN102854870A (zh) * 2012-05-09 2013-01-02 上海西门子工业自动化有限公司 一种分布式控制系统和数据报表生成方法
CN102854870B (zh) * 2012-05-09 2014-10-22 上海西门子工业自动化有限公司 一种分布式控制系统和数据报表生成方法
CN103794109B (zh) * 2012-11-01 2016-04-20 同济大学 具有仿真培训功能的电力控制系统及其仿真培训方法
CN103794109A (zh) * 2012-11-01 2014-05-14 同济大学 具有仿真培训功能的电力控制系统及其仿真培训方法
CN103943452B (zh) * 2014-04-28 2016-04-27 南方科技大学 一种等离子体处理的工艺控制方法及装置
CN103943452A (zh) * 2014-04-28 2014-07-23 南方科技大学 一种等离子体处理的工艺控制方法及装置
CN107113189A (zh) * 2014-10-24 2017-08-29 霍尼韦尔国际公司 用于计算用以支持级联模型预测控制(mpc)的代理极限的装置和方法
CN109074059A (zh) * 2016-04-27 2018-12-21 Abb瑞士股份有限公司 用于生产线的试车和优化的方法和系统
US11556118B2 (en) 2016-08-24 2023-01-17 Siemens Aktiengesellschaft Method for testing an autonomous system
CN109844672A (zh) * 2016-08-24 2019-06-04 西门子股份公司 用于测试自主系统的方法
CN109844672B (zh) * 2016-08-24 2022-08-12 西门子股份公司 用于测试自主系统的方法
CN106940533B (zh) * 2017-04-11 2020-01-03 上海交通大学 一种基于云超实时仿真平台与硬件在环的实时决策方法
CN106940533A (zh) * 2017-04-11 2017-07-11 上海交通大学 一种基于云超实时仿真平台与硬件在环的实时决策方法
CN110573973A (zh) * 2017-04-26 2019-12-13 诺沃皮尼奥内技术股份有限公司 用于对物理装备的操作进行建模的方法和系统
CN110573973B (zh) * 2017-04-26 2022-12-13 通用电气公司 用于对物理装备的操作进行建模的方法和系统
CN110580373A (zh) * 2018-06-07 2019-12-17 能力中心-虚拟车辆研究公司 预处理协同仿真方法和装置
CN110580373B (zh) * 2018-06-07 2023-09-15 虚拟汽车研究有限公司 预处理协同仿真方法和装置
CN117235950A (zh) * 2023-11-15 2023-12-15 上海叁零肆零科技有限公司 基于牛顿迭代法的天然气管网稳态仿真方法、介质及设备
CN117235950B (zh) * 2023-11-15 2024-01-30 上海叁零肆零科技有限公司 基于牛顿迭代法的天然气管网稳态仿真方法、介质及设备

Also Published As

Publication number Publication date
US20110131017A1 (en) 2011-06-02
DE102010060924A1 (de) 2011-06-09
CA2722663C (en) 2018-03-13
US9606531B2 (en) 2017-03-28
GB201019645D0 (en) 2010-12-29
GB2475956A (en) 2011-06-08
GB2475956B (en) 2015-02-25
HK1155534A1 (zh) 2012-05-18
CA2722663A1 (en) 2011-06-01
CN102081358B (zh) 2016-04-06

Similar Documents

Publication Publication Date Title
CN102081358B (zh) 改善的分布式工业过程仿真系统
CN103246247B (zh) 分布式工业过程仿真系统中实时求解压强流动参数的方法
Ordys et al. Modelling and simulation of power generation plants
CN103792933B (zh) 利用仿真系统确定和调谐过程特征参数的方法
CN102621945B (zh) 基于火力发电机组最优工况的效率动态寻优运行闭环优化控制方法
CN105512388B (zh) 一种基于labview的亚临界火电机组增强激励仿真建模方法
GB2475200A (en) Updating a process simulation in a process plant.
CN103257630A (zh) 混合顺序和同时过程仿真系统
Orozco et al. A new methodology of thermodynamic diagnosis, using the thermoeconomic method together with an artificial neural network (ANN): A case study of an externally fired gas turbine (EFGT)
Dipama et al. A grid based multi-objective evolutionary algorithm for the optimization of power plants
Liu et al. An overview of modelling and simulation of thermal power plant
Szega et al. An optimization of redundant measurements location for thermal capacity of power unit steam boiler calculations using data reconciliation method
Mohamed et al. Mathematical modelling for coal fired supercritical power plants and model parameter identification using genetic algorithms
Heussen et al. Representing causality and reasoning about controllability of multi-level flow-systems
Neuman Power plant and boiler models for operator training simulators
CN106444419B (zh) 一种基于性能数据的自抗扰控制硬件在线闭环仿真控制方法
Kordestani et al. Predictive control of large steam turbines
Heo et al. A multi-agent system-based intelligent identification system for power plant control and fault-diagnosis
Neuman et al. Principles of Smart Grids on the generation electrical and thermal energy and control of heat consumption within the District Heating Networks
Shirakawa Development of a thermal power plant simulation tool based on object orientation
Fedor et al. Power systems emulator based on DCS
Al-Momani Multiple Processes Modeling and Simulation of Cleaner Supercritical Thermal Power Plants Using the Grey Wolf Optimizer
Chalarca Castro Simulation of a Comprehensive Heat Recovery Steam Generator
CN117592300A (zh) 新型发电机组的数字孪生建模方法、装置、设备及介质
Pandurangan et al. Optimization of co-generation system operation

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