CN102713859B - 用于使电厂的热效率最大化的系统及方法 - Google Patents
用于使电厂的热效率最大化的系统及方法 Download PDFInfo
- Publication number
- CN102713859B CN102713859B CN201080059215.0A CN201080059215A CN102713859B CN 102713859 B CN102713859 B CN 102713859B CN 201080059215 A CN201080059215 A CN 201080059215A CN 102713859 B CN102713859 B CN 102713859B
- Authority
- CN
- China
- Prior art keywords
- power plant
- reversible
- equation
- continuum
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/021—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/02—Controlling, e.g. stopping or starting
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/18—Applications of computers to steam boiler control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/14—Combined heat and power generation [CHP]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/16—Combined cycle power plant [CCPP], or combined cycle gas turbine [CCGT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Thermal Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
用于使电厂的热效率最大化的方法,该方法包括从可用的测量数据中获得电厂的当前状态;获得表示电厂的当前状态的变量组;对变量应用约束组;生成代表电厂的修正状态的修正变量组;以及在数学模型中测试修正变量组的收敛性。生成修正变量组至少部分基于:欧拉方程、质量守恒方程以及可逆连续体的数学描述。还提供了相关的电厂热效率最大化系统以及计算机程序。
Description
背景技术
经验显示对热电厂进行实时调整而使效率显著增加是可行的。提供这样一种系统是有帮助的,该系统系统性地产生与一组独立测量的参数有关的电厂的热效率η的绝对最大值。在操作、安全、结构以及环境约束下,这些参数,又被称为变量,优选地可由操作者或工程师利用。该技术理想地适用于任何类型的能量转换电厂,尤其是热电厂。热电厂包括但不限于蒸汽涡轮、复合循环、热电联产电厂、狄赛尔(Diesel)循环以及核能。
本发明的目的是用于使电厂的热效率最大化,或者至少向公众提供有用的选择。
发明内容
在一个实施方式中,本发明包括使电厂的热效率最大化的方法,该方法包括:
从可用的测量数据中获得电厂的当前状态;
获得代表电厂的当前状态的变量组;
对变量应用约束组;
生成代表电厂的修正状态的修正变量组,生成步骤至少部分基于:
欧拉方程
以及质量守恒方程
以及可逆连续体的数学描述;以及
在数学模型中测试修正变量组的收敛性。
优选地,可逆连续体的数学描述包括:
可逆能量守恒方程
热力学状态方程
ρ=ρ(P,T,ck),h-Ts=g=g(P,T,ck),μk=μk(P,T,ck),k=1...N
优选地,可逆连续体的数学描述包括测地线方程
优选地,该方法还包括重复生成所述修正变量组以及在所述数学模型中测试所述修正变量组的步骤,直至所述修正变量组中的每个达到小于阈值方差的方差。
优选地,生成修正变量组的步骤至少部分基于方程
优选地,生成修正变量组的步骤至少部分基于方程
优选地,生成修正变量组的步骤至少部分基于方程
优选地,测试修正变量组的收敛性包括:
计算电厂在初始状态Aent处的每个可逆连续体的动能;
计算电厂在随后状态Aex处的每个可逆连续体的动能;以及
计算Aex处的动能与Aent处的动能之差。
优选地,测试修正变量组的收敛性包括将单独计算出的Aex处的动能与Aent处的动能之差的和最小化。
优选地,计算出的差中的一个或多个通过以下被正规化的方程来确定:
在另一实施方式中,本发明包括计算机可读媒介,其上存储有当由处理器执行时使处理器实现前述方法中任何一种的计算机可执行指令
在另一实施方式中,本发明包括电厂热效率最大化系统,其包括:
最小化器,配置为将约束组应用到变量组,变量代表电厂的当前状态;
解算器,被配置为生成代表电厂的修正状态的修正变量组,生成步骤至少部分基于:
欧拉方程
以及质量守恒方程
以及可逆连续体的数学描述;以及
收敛测试器,被配置为测试修正变量组的收敛性。
优选地,可逆连续体的所述数学描述包括:
可逆能量守恒方程
热力学状态方程
ρ=ρ(P,T,ck),h-Ts=g=g(P,T,ck),μk=μk(P,T,ck),k=1...N。
优选地,可逆连续体的数学描述包括测地线方程
优选地,解算器被配置为重复生成修正变量组以及在数学模型中测试修正变量组的步骤,直至修正变量组中的每个达到小于阈值方差的方差。
优选地,生成修正变量组的步骤至少部分基于方程
优选地,生成所述修正变量组的步骤至少部分基于方程
优选地,生成修正变量组的步骤至少部分基于方程
优选地,收敛测试器被配置为测试修正变量组的收敛性,包括:
计算电厂在初始状态Aent处的每个可逆连续体的动能;
计算电厂在随后状态Aex处的每个可逆连续体的动能;以及
计算Aex处的动能与Aent处的动能之差。
优选地,测试修正变量组的收敛性包括将单独计算出的Aex处的动能与Aent处的动能之差的和最小化。
优选地,计算出的差中的一个或多个通过以下被正规化的方程来确定:
在本说明书和权利要求书中使用的术语“包括”意思是“至少部分包括”,也就是说,当解释说明书和权利要求书中包含该术语的陈述时,在每个陈述中由以该术语为前言的特征全部需要存在,而且还存在其它特征。诸如“包括(comprise)”和“包括(comprised)”的相关术语应以类似方式解释。
如本文所使用的,术语“和/或”意思是“和”或者“或”,或者“和”以及“或”。
如本文所使用的,名词后的复数意思是该名词的复数和/或单数形式。
本发明还可广泛地存在于本申请的说明书中单独或共同地提及或指出的部件、元件和特征,和所述部件、元件或特征中的任意两个或多个的任何组合或全部组合,以及具有本发明所属技术领域中的公知等同本文中提及的特定整数,这些公知的等效被认为如同单独地提及那样并入本文。
在说明书中使用了以下定义:
A 表面积
Aentex 物质进入和离开控制体积的表面积
B,b 火用、比火用
Ck 化学物种k的浓度
H,Hf,b 焓、生成焓、比焓
化学物种k的扩散向量
Jj 化学反应j的速率
垂直于表面的单位向量
P 压力
每一体积的热相互作用的大小
S,s 熵、比熵
Ri 用于强度性质Ri=T等的一般记号
T 绝对温度
T 时间
u x方向上的速度
V 体积
速度向量
轴功输出(轴功率输出)速率,η热效率
ρ 密度
应力张量
ρk 物种k的密度
比势能
μ 化学势μk 物种k的化学势
附图说明
现将参照附图描述本发明,在附图中:
图1示出了用于使热效率最大化的优选形式的技术;
图2示出了用于使热效率最大化的技术的一种实现方案;
图3示出了优选形式的计算设备;
图4示出了第一实施方式的结果;
图5示出了第二实施方式的结果。
具体实施方式
电厂的热效率η定义如下:
其中,是轴功输出(轴功率输出)的速率,是燃料能量输入的速率,是其他能量输入,bf是与燃料生热值Cv相等的燃料比焓,是燃料质量流速,η以%(百分比)测量。
对于涡轮电厂来说,使用了被称为热耗率的倒数HRT的单位为Kwh/Kj或者Kj/Kj。
这些技术使与一组独立测量的参数(又称为变量)有关的η最大化(使HRT最小化)。这些变量可由操作者或工程师获得,以在操作、安全以及结构约束下进行操控。除了这些结构约束之外,还存在外部约束,诸如环境约束。变量是独立的,就其意义而言,一个或多个变量可以在不影响其他变量的情况下改变。如果负荷和Cv,被外部指定,那么将使最小化;然而,可将这种情况转换为指定那么将使最大化。
打算将以下技术应用于两个情景。
总所周知,max(η)等效于min其中为熵产生的总速率,T0是槽的温度,通常为环境(大气、海洋)的温度,是总的电厂的火用损失(exergy-loss)。给定的T0是环境约束的示例。在以下技术中,T0无需是固定的。相反,使用了相关数量的可逆功。
图1示出了用于最大化热效率的优选形式的技术。系统100以迭代方式工作。其把物理电厂100的当前实际状态105看作输入。数据获取系统115获得可用的测量数据。传统的质量与能量平衡计算被实行120。目的在于,基本上质量流率、温度、压力以及化学成分的每个有意义截面均已知。以这种方式,从可用的测量数据获得电厂的当前状态。电厂的实际状态构成整个电厂的全部有关热力学性质。电厂的实际状态在第一迭代开始处被提供给解算器(Solver)125。初始控制组或变量130包括温度、压力以及流速。这些通常由用户确定,用户决定变量应该是什么。每个变量的设定受到约束135。这些约束135被发送至最小化器(minimizer)140,随后被发送至解算器125。
解算器125输出数值解145,数值解145至少部分来自于数学模型150。解算器125被用于生成目标函数155的值,目标函数155随后由收敛测试器160按照收敛标准进行测试。测试器160确定目标函数155在(当前)第j次迭代处的值是否“充分接近于”其在第j-1次迭代处的值。如果是,那么满足标准,算法显示使电厂的效率最大化的变量的值。否则,这些值被反馈回最小化器140中,最小化器140将第j组变量馈送至解算器125。解算器125随后将第j个数值解145馈送至目标函数155,并且重复该过程。
系统100生成的变量的最终值也可馈送至电厂的控制系统,从而完全自动地实现η的最大化。
系统100还包括模拟器165。可见,解算器125在任何迭代处(即第j次)所给出的数值解对应于第j组变量所指定的电厂的实际状态。这些变量仅是能够独立变化的电厂参数。因此,可以对电厂的实际状态与最小化器140生成的变量的所有组合的对比进行制表(该表当然为多维度表)。此外,可以将最小化器140从循环中去除,并针对这些变量的任何数量的任意组合生成所述表。无论怎样,对于变量的任何一组值,该表都产生相应的电厂的实际状态。这个表是常规定义的模拟器。如果改变变量的值,则该表进行电厂状态的预测。
无论如何复杂,电厂构成由边界(也称为不连续)隔开的有限数量的连续体。这种系统被称为半连续的。在电厂中,这些连续体是遵循流体力学定律的工作流体的流动。其中最根本的是动量、质量、能量熵以及电荷的平衡。其中电荷的平衡与下述技术无关。这些平衡能够以积分形式或微分形式书写。用于质量和能量和动量的微分平衡方程通常能够以遵循守恒定律的发散形式书写。该名称来源于由于发散而导致的事实:所述平衡的积分形式为消没面积分。这可简单地称为“所进即所出(what goes in goes out)”。由于对下列所述内容的重要性例如考虑一般动量平衡:
偏微分方程(PDE)的上述系统是未确定的。组分(或唯象)方程补充这些PDE。其服从的基本组分系数和对称性是已知的。唯象系数的数值通常不是已知的;最重要的一点是,存在被制表但却并不是标准的经验值。无论哪种方法,存在唯象系数的假设通过不是守恒定律的熵平衡方程来实现。
仅对于可逆流动,熵平衡可简化为守恒定律。对于这种流体,熵产生率为零,即,其满足:
对于可逆流体,唯象系数全部消没。的流体被认为是理想流体。对于理想流体,动量平衡方程简化为运动的欧拉方程。众所周知,即使在理想流体的假设下,该组欧拉方程和质量守恒在速度场的3个分量、压力场以及密度场中也未确定。因此,对于各种应用,添加了一些其它假设以便更好地形成PDE系统。众所周知的是,等熵或等温流动、或者一些截取的状态方程。术语ρ=ρ(P)是最常使用之一。
参见图1,数学模型150包括欧拉方程、质量守恒以及热力学度量中的热力学测地场(Thermodynamic Geodesic Field,TGF)方程或直接可逆能量守恒(Reversible Energy Conservation,REC)方程。该数学模型精确地表示可逆流动。可以使用TGF或REC。对于本文所描述的技术,TGF和REC这两个方程是等效的。还可以使用被最佳地描述为REC或TGF的不同类型的其它方程。数学模型150的数值解是实际电厂的可逆等效的精确状态。受限于电厂的给定的热力学边界条件,可逆等效的功率输出可能最大。实际功率被指定为约束。由于损失简单地为可逆功率减实际功率,所以目的是通过操控变量来使可逆功率最小化。
模拟器165针对不同的变量组将解算器125的数值输出制表。这些表对应于实际电厂状态的预测。这是意外发现,因为连续流体流的许多模型全部调用钠维-斯托克斯(Navier-Stokes)方程(也是动量平衡),钠维-斯托克斯方程取决于2个经验唯象系数,而且对该方程进行求解还包含特别(ad-hoc)假设。这些方程耗费较多计算机资源,甚至可能不可解,或者难以与整个电厂集成,这是当前为什么不能使电厂效率最大化的主要原因。
该技术还要求通过连续体(continuum)的数学模型精确地预测在可逆流动的实际参数,但仅在连续体的终端处(即,在Aent,Aex处)。这是为简化付出的代价。然而,这也仅仅是性质能够被电厂工程师测量的位置。
将蒸汽涡轮看作电厂的子过程。其可被描述为单个连续体。作为过程的克劳修斯(Clausius)概念的有序对是进入和离开涡轮的截面(Aentex)的蒸汽的状态。
受给定结束状态约束的最大可能大小的功相互作用被可逆过程(可以为等熵涡轮)传输,其功率的一部分被转移以驱动卡诺(Carnot)热泵,卡诺热泵进而通过从贮存器(环境)抽取热来保持实际涡轮的Aentex(结束)状态。
等熵涡轮、卡诺热泵以及水库的总的熵产生率为零,因此该过程是可逆的。换句话说,实际涡轮由等熵涡轮加上被补偿以保持Aent,Aex热力学状态的卡诺热泵取代。
这些技术将所述原理应用到连续体。一般状态是,对于每个给定的(不可逆)连续体来说,存在传输最大功的可逆连续体,使得原始连续体的边界处的热力学性质的值被保持。对于实际可逆连续体而言,可逆连续体的这种替代在本文中被称为可逆掩蔽(ReversibleMasking)。
这些技术证明相反情况也成立,即可从可逆连续体恢复原始连续体。这是从预测的可逆连续体到预测的实际连续体的反演,其启用模拟器165的功能。
数学模型150不需要电厂维度的任何现有知识,或者任何其它(电厂部件的)特性,或者保存工作流体的热力学性质h、s、v的任何经验制表数据。该模型无需特别假设,因而是精确的。可以使用相同的数学模型作为单机,以针对动力学和稳态来预测最大功之外的电厂参数的变型。
该模型具有占用较少计算机资源且计算快速的潜力,并且具有普遍性。数学模型成功的关键在于对欧拉(Euler)的动量平衡方程的加强,如以下所示。
这种加强是无需参照外部系统(如环境)的、针对可逆过程(REC)的能量守恒方程。以下所描述的技术包括全部等效的、多个加强方程。
以下表述PDE的完整的适定性系统。对于可逆流来说,剪应力分量为零,因而方程(2)简化为欧拉方程。
受可变截面积限制的连续体的质量守恒
在以上方程中:
Mk是物种k的质量,
是物种k的扩散通量,以及
是总质量的每Kg化学反应j的千摩尔(Kmoles)数。
化学反应速率j为
对于可逆流的能量守恒(REC)方程
此外,存在热力学状态方程
ρ=ρ(P,T,ck),h-Ts=g=g(P,T,ck),μk=μk(P,T,ck),k=1...N。
对于具有适定性的系统,未知函数的数量必须等于微分方程的数量。未知函数为速度的3个分量、密度ρ、吉布斯(Gibbs)函数g、压力P、温度T,总共七个未知量。加上N个密度ρk、N个化学势μk,总共2N+7个未知量。存在3个欧拉动量守恒方程、1个能量可逆守恒方程、N个质量守恒方程、N个状态方程μk=μk(P,T,pj)、2个状态方程g=g(P,T,ρi),ρ=ρ(P,T,ρi)以及总共3+1+2N+2+1=2N+7。
讨论初始限于2个空间维度x、y以及时间t(2d+1),也就是说,未知函数在z方向上没有变化。考虑到给定截面积A(x,y,t)的分布以及空间x-y平面的区域f(x(t0),y(t0),t0)=0上的未知函数的初始值(在时间t=t0处),方程组(4)至(6)是适定性的,并且可以求解得到未知函数在任意时间t处的空间分布,即,针对在预定约束之间变化的全部x,y,t的P(x,y ,t),T(x,y,t),ρk(x,y,t),μk(x,y,t),ρ(x,y,t),g(x,y,t)的值。截面积A是这样的,对于任意的x,y,t平面,垂直于A的空间向量位于x,y,t空间上。换句话说,A沿任意形状的曲线与x-y平面相交。如果所述相交曲线是处处垂直于x轴的直线,那么流动为1d+1。这就是所谓的圆柱对称。
可替换地,可以用(应用了求和缩写法)的空间坐标中的测地线方程(TGF)来替代这3个动量守恒方程(Euler)
其中,q坐标处于伽利略(Galilean)2+1空间中,克里斯朵夫符号(Christoffel Symbol)处于诱导度量。这个诱导度量于年由WeinholdF.的1975Metric Geometry of Equilibrium Thermodynamics(随后II、III、IV、V)Journal of Chemical Physics(化学物理杂志)63:2479-2483中描述过。其被称为维因霍尔德(Weinhold)度量。该度量不是众所周知的,因而更优选地用热力学坐标中的N+2个测地线方程来替代N个质量守恒方程加能量可逆守恒方程加状态方程g=g(P,T,ck),在P,T,ρk的情况下,此处克里斯朵夫符号处于维因霍尔德度量,维因霍尔德度量可以从标准热力学性能函数和化学反应知识中得到
严格地来说,方程(4、5、6、8)是具有附加的2N+2个变量Rk的(2N+2)×2个方程。
方程(8)等效于参数t的二阶系统:
清楚地,方程(8)是对替代能量守恒方程和质量守恒方程的欧拉方程的加强。解实际上是相同的。两个方程的左手侧结构是相同的,即,速度的协变导数,但是处于不同的度量。虽然右手侧是不同的,但是解仍相同。无论怎样,解仅对可逆流有效。以下描述的是其如何应用到真实的可逆流。
电厂委任测量设备,从而能够单独通过积分能量和质量平衡来计算全部静态相关质量流速。这是因为效率监控对于电厂通常所处的静态来说是最重要的。为了最小化设施的成本,制造者在整个电厂上布置测量设备,使得基本连续体假设呈圆柱对称,因而实际为一维。例如,通常在涡轮入口主蒸汽管处存在一个温度计,在其出口处存在一个温度计,隐含地假设单个温度计代表截面温度分布。
如果实际连续体是一维静态的,那么为其可逆掩蔽,即,方程(4)至(6)的全部消没,而且速度以及其他性能仅在x方向上变化。因此,可逆守恒PDE可以简化为ODE,或者甚至进一步简化为代数方程。时间独立的1d动量平衡
对于1d静态来说,更方便的是与“扩散器一喷嘴理论”一起工作
其中,Ma是马赫(Mach)数。将其在x方向上以一维来书写
方程(11、12)是将动量和连续性结合的结果,因而可以用方程(12)来代替欧拉方程。
1d的质量守恒方程(5)为
存在化学反应但却是静态的,其简化为
对于存在化学反应的1d静态,可逆流能量守恒(REC)(6)为
测地线方程(8、9)保持不变,因为它们处于热力学空间中。对于给定电厂,空间坐标通常不可知。然而对于性能计算,这些是不相关的。一个正规化为间隔(-1;1)。为了求解N+3个一阶ODE(12、14、15)以及在2N+3个函数中的N个状态方程P(x),T(x),g(x),ρ(x),ρk(x),μk(x),u(x)。
为了求解这些方程,需要知晓关于可逆连续体的截面积A(x)。这通过将系统(12、14、15)与N个状态方程以及实际(真实的、不可逆的)连续体的积分能量与质量平衡结合在一起来获得,例如
此处应注意的细小但重要之处在于,质量流速对掩蔽的(可逆)连续体和实际连续体是公共的。功相互作用的额外大小仅将自身表示为速度上的差异。因此,是功和热相互作用(负荷)的实际大小。Δh是电厂连续体的Aentex处的焓差。附加的实际能量平衡方程与(12、14、15)结合,2N+3个未知函数加A(x)中的状态方程是适定的,A(x)随后通过图1所示的循环之后的迭代保持固定。
通过改变一阶ODE(12、14、15)在Aent(x=-1)处的初始条件P(x0),T(x0),g(x0),ρ(x0),ρk(x0),μk(x0),可以获得函数的新值P(x),T(x),g(x),ρ(x),ρk(x),μk(x),以及u(x)的新值。具体来说,获得Aex(x=1)处的值。这些预测是1d中的可逆连续体的数学模型的实质内容。
因此接下来,通过自由变量的值确定整个掩蔽的(可逆)电厂的状态。这决定了电厂的终端连续体Aent的初始条件。
对用于终端连续体的数学模型的求解给出其在Aex处的状态,该状态进而作为下一级联连续体的状态,如此进行下去,直至P(x),T(x),g(x),ρ(x),ρk(x),μk(x),u(x)的函数对组成电厂的全部连续体均已知。也就是说,整个掩蔽的(可逆)电厂的状态被简化。如果出现一个或多个连续体没有包含在级联中,那么或者存在更多的自由变量或者被排除的连续体组对于该变量来说是无关紧要的。
接下来,改变自由变量得到可逆电厂的新状态,如同从数学模型中期望的。图1中示出的围绕循环的每次迭代生成可逆电厂的新状态,可逆电厂的新状态得到新的最大功的值—目标函数被最小化。
使η最大化的目的等效于使全部电厂的能量损失的总和最小化。这些技术关注于最大功或最大功率的更原始概念。损失的恰当定义是损失功,即,最大功率(对应于在可逆电厂中传输的功的速率)与实际电功率输出之间的差异。由于实际电功率是预先确定的,故最小化可逆功将使损失最小化。
由掩蔽的(可逆)连续体传输的功(即可逆功)的最大速率为Aent、Aex处的动能的差。即
其中,对所有连续体求和;求和得到整个电厂的可逆功。对于给定的电负荷,作为待最小化的目标函数的和将使电厂的燃料流速在操作与环境约束下最小化。
以上描述的技术和系统包括2个主要部分:
1.作为实际电厂的可逆表示所传输的动能的速率的待最小化的目标函数。这种最小化等效于热力学损失的最小化。
2.精确地确定电厂的一个或多个部分中的损失的变化如何影响其余部分的精确数学模型。这些变化转而能够由操控变量而引起。可逆能量守恒方程或热力学测地场方程、加强的欧拉方程有助于模型的精确度。其本质上是假设在每个截面处与实际电厂具有相同热力学值的可逆电厂的数学模型。
与内置约束结合的数学模型的精确度保证系统生成的使η最大化的变量的值实际上在实践中可得到。
数学模型实际上可以模拟真实电厂,即使方程本身对应于可逆过程。除功流体的热力学性质之外,无需特别假设以及经验所得的列表数据。模型在计算资源上快速、轻便并且具有普遍性。
图2示出了实现上述技术的一个实施例200。电厂205包括蒸汽涡轮、复合循环、联产电厂、狄赛尔循环以及核能中的任何一个或多个。
电厂205与电厂档案210相关联。电厂档案被保持在计算机存储器或者次级存储器中。电厂档案包括用于电厂205的部分或全部部件的打上时间标记的效率数据。电厂档案210被用于确定当前电厂状态。
服务器配置215实现由图1中的解算器125执行的上述函数。服务器配置215例如包括至少一个显示设备、处理器、计算机存储器以及计算机网络部件。
分析效率的结果可以显示在与服务器配置215关联的显示设备上。该结果还可以在数据网络220上传输到由操作者操作的一个或多个客户端处理设备225。该结果可以显示在与客户设备225关联的显示设备上。数据也能够以硬拷贝方式产生于关联打印机设备中,或者保存在关联的次级存储器的数据文件中。
系统200的另一实施方式将来自电厂档案210的数据传输到服务器配置215。然后服务器215基于其已确定的收敛计算自动地调整电厂205的参数。
图3示出了在计算设备300的实施例形式的机器中的简化框图。服务器配置215是计算设备300的一个实施例。在一个实施方式中,服务器配置215作为独立计算设备而工作,独立计算设备具有允许其访问客户设施的当前值的网络连接。服务器配置215将设备自身以及通过网络的推荐报告给其它客户。在可选的实施方式中,上述技术全部在与电厂205关联的控制系统计算设备中执行。
在设备300中执行的计算机可执行指令组使得设备300进行以上描述的方法。优选地,计算设备300与其他设备连接。在设备与其它设备网络连接的情况下,该设备被配置为在服务器-客户网络环境中作为服务器或客户机工作。可选地,该设备可以在对等或者分布式网络环境中作为对等机工作。该设备还可以包括能够执行对该装置对待由机器采取的动作进行指定的指令组的任何其它装置。这些指令可以是顺序指令的或者其他指令。
在图3中示出了单个设备300。术语“计算设备”还包括独立或联合地执行一组或多组指令以进行上述方法中的任意一种或多种的机器的任意集合。
示例性的计算设备300包括处理器302。处理器的一个示例是中央处理单元或CPU。该设备还包括主系统存储器304和静态存储器306。处理器302、主存储器304以及静态存储器306通过数据总线308彼此进行通信。
计算设备300还包括数据输入设备310。在一个实施方式中,数据输入设备包括计算机键盘。设备310包括物理键盘和/或显示在触摸感应显示器(例如显示设备312)上的键盘表示。
计算设备300还可包括读取器单元314、网络接口设备316、显示设备312、光学媒体驱动器318、光标控制设备320、以及信号生成设备322。
读取器单元314能够接收机器可读媒介324,例如计算机软件326,机器可读媒介324上存储有一组或多组指令和数据结构。软件326使用上述方法或函数中的一种或多种。读取器单元314包括光盘驱动器和/或USB口。在这些情况下,机器可读媒介包括软盘和静态存储设备,例如指状驱动器。当使用光学媒体驱动器318时,机器可读媒介包括CD ROM。
在计算设备300执行的过程中,软件326还可完全或者至少部分驻留在主系统存储器304和/或处理器302中。在这种情况下,主存储器304和处理器302构成机器可读有形存储媒介。还可以通过网络接口设备316在网络328上发送或接收软件326。使用多种已知传输协议中的任何一种来进行数据传输。一个示例是超文本传输协议(http)。
在示例性实施方式中机器可读媒介324被示出为单一媒介。然而,该术语应该包括单一媒介或多重媒介。多重媒介的示例包括集中化或分布式数据库和/或关联缓存。这些多重媒介存储一组或多组计算机可执行指令。术语“机器可读媒介”还应包括能够存储、编码或实现用于机器执行的一组指令并且使得机器实施上述方法中的任意一种或多种的任何媒介。机器可读媒介还能够存储、编码或携带这些指令组使用的或者与这些指令组关联的数据结构。术语“机器可读媒介”包括固态存储器、光学媒介、磁性媒介以及载波信号。
在一个实施方式中,软件被安装且运行在计算设备300的客户端上。网络接口设备316需要与装置外中心服务器进行通信,例如提交数据结果和许可验证。
因为系统能够以单机模式运行,故在一些情况下不需要网络接口设备316和网络328。这意味着没有数据结果被提交给装置外中心服务器。
以上描述的技术已在正常操作环境下在电站进行测试。虽然电厂运行在恒定的功率输出下,但是通过本发明分析了设备数据并且计算了用于操作参数测量的新的推荐。然后电厂操作者将电厂参数调整为这些推荐,并观察到效率被改善。
图4示出了于2007年12月7日从13:30到21:00在Hundy电站运行的第一个实验。
上述系统推荐了改变,这些改变需要操作者改变恒温器流速、主蒸汽温度、回热器温度以及燃烧器倾斜角度。操作者介入开始于约15:50。观察到热耗率改进或降低了约2%。
图5示出了从2008年5月6日18:00开始至2008年5月17日04:00在Hundy电站运行的第二个实验。
上述技术推荐了恒温器流速、主蒸汽温度、回热器温度以及燃烧器倾斜角度的另一种组合。
操作者介入开始于22:00,并且观察到热耗率改善了1.5%到2%。
上述技术使电厂的热效率发生改变。在一个实施方式中,以上方程的结果可以由使用者(例如电厂操作者)手动地应用于电厂。这被称为开环应用。可选地,对电厂进行改变可以由与电厂关联的控制系统自动地应用。这被称为闭环系统。
以上描述的本发明包括其优选形式。对本领域技术人员而易见的修改和改进应并入本发明的范围,如同所附权利要求限定的那样。
Claims (6)
1.控制任何能量转换电厂的计算机实现方法,所述电厂具有多个测量参数,所述方法在操作结构经济约束和环境约束下相对于所述电厂的测量参数的子集使所述电厂的热效率最大化,所述测量参数可被操控并被称为变量;所述计算机是所述电厂的控制系统的整体部分,所述计算机既从所述控制系统的数据获取系统读取测量参数又将使值最大化的变量写入所述控制系统作为设定点,即闭环优化模式,或者仅在人类操作者应用所述变量的最大化值作为设定点时或者通过调整所述电厂自身从所述数据获取系统读取测量参数,即开环优化模式,所述方法包括以下步骤:
(1a)通过经由所述数据获取系统的接口的读取或者手动输入确定整个电厂的所有相关的测量热力学性质的组及其变量子集,其中所述变量子集中包括能够独立操控的测量参数;
(1b)通过相关平衡方程和具体表达式从依照步骤(1a)中的测量参数以及相应的热力学性质获得所述电厂的状态,所述电厂的状态包括整个电厂的全部相关热力学性质、以及能量质量和熵流、温度、压力、分压、摩尔数、液体和气体流速以及电输入和输出值、真实速度向量场;
(1c)通过步骤(1b)中所确定的电厂的状态在连续体机制的环境下将所述电厂分割为有限数量的真实、不可逆物理连续体,所述物理连续体可以传输或者可以不传输有用功,并且对应于组成如步骤(1b)中所建立的电厂的状态并满足质量守恒条件的所测量和所获得的参数的不连续;
(1d)在微分几何的环境下,对步骤(1c)中所建立的每个真实连续体构成从热力学坐标所生成的热力学流形到空间和时间坐标所生成的伽利略流形的区域的等距的、在热力学度量中的地图;
(1e)利用依照步骤(1c)所确定的对物理连续体的分割以及依照所述电厂的实际硬件的物理真实布置,将电厂模型构造为互联的物理连续体,连接物理连续体在图形理论环境下被展示为能够简化为平面图形的图形,其中每个边界充当边缘,每个连续体充当节点;
(1f)在真实连续体以及可逆连续体假设依照前述步骤的热力学性质以及质量流速的相同边界值并且它们的导数在边界处是连续且相等的约束下,将被分割的真实、不可逆物理连续体转换为相应的可逆连续体,或者真实连续体的可逆掩蔽,以使得遵循常规的平衡方程以及组分方程的系统的被分割的可逆真实连续体被转换成遵循微分方程的系统的被分割的可逆掩蔽替换,所述微分方程的系统不包括任何组分方程,但是包括唯一描述所述可逆连续体的热力学度量中的热力学测地场TGF方程或者直接可逆能量守恒REC方程;
(1g)通过将从步骤(1f)得到的被分割的可逆掩蔽替换映射到步骤(1e)中构造的电厂模型来构造等同可逆的电厂,使得步骤(1e)中的图形被保持,即,在图形理论的环境下通过相同的关联矩阵将不可逆真实连续体的真实电厂的分割映射到可逆掩蔽替换方程的分割;
(1h)根据整个可逆连续体上的速度向量场对步骤(1g)的映射方程求解当前电厂状态,并且将求出的解的值存储在所述可逆连续体所限定的空间中,
(1i)在每个可逆掩蔽的边界上,通过从根据步骤(1h)得到的速度向量场获得的动能的面积分来构造待最小化的被称为损失的目标函数,向积分输入边界处的步骤(1e)中的值的速度场、密度场,输出物质离开和进入所述可逆掩蔽的边界之间的动能差,从全部动能增量的和中减去真实的电厂传输的实际功;
(1j)使用来自步骤(1g)的被求解方程利用可逆模型模拟所述电厂,并且在模拟中调整控制设定点以确定与步骤(1i)中构造的损失最小化相对应的变量,从而根据预定的目标函数使所述电厂的热效率最大化,
(1k)将使根据步骤(1i)构造的目标函数最小化的、根据步骤(1j)得到的变量应用到真实的能量转换电厂。
2.一种通过改变如在权利要求1中限定的变量子集来生成电厂和可逆速度场的修正状态的方法,所述方法至少部分基于依照步骤(1e)的电厂配置,并由依照步骤(1f)的可逆掩蔽以及依照步骤(1g)的相继可逆电厂的叠加,所述方法是通过如下的解算器实现的,其中所述解算器包括:
(2a)欧拉动量平衡方程;以及
(2b)质量守恒方程;以及
(2c)可逆能量守恒方程;以及
(2d)热力学状态方程;或者
(2e)热力学测地场方程;
(2f)以及求出同步方程的数值解的模块;
(2a)至(2e)至少部分基于中心方案法、或直线法或其简化版本,受约束于被修正的边界条件。
3.模拟器,包括存储从如权利要求2中的(2f)中限定的所述模块流出的数据的可读媒质模块,所述模拟器用于模拟真实的能量转换电厂的热力学性质。
4.通过在权利要求2中限定的解算器计算出的可逆速度场的数据流、获得在权利要求1的步骤(1f)中限定的每个可逆连续体的动能差的方法,所述数据流被提供到对围绕每个可逆连续体的表面的动能进行数值积分的模块中,其中所述方法是通过将全部所述动能差相加产生目标函数来实现的。
5.用于获得包括如权利要求1中的步骤(1f)中限定的全部可逆掩蔽的全部动能积分之和的目标函数的方法,其中所述方法是通过将所述动能积分之和对其变量进行最小化来实现的。
6.一种用于前述权利要求中任一项的、使电厂热效率约束最大化的装置,所述装置被配置为实现如权利要求1所述的方法,即,被配置为从可用测量数据中获得电厂的当前状态;获得所述测量数据的子集;对所述变量应用约束组;生成可逆电厂的修正状态,其中所述可逆电厂在步骤(1g)中被限定为修正的变量组的函数,所述生成可逆电厂的修正状态的步骤至少部分基于步骤(1f)中的可逆连续体的数学模型;以及测试所述修正的变量组的收敛性,所述装置包括以下模块和数据流:
(6a)根据权利要求1所述的方法与数据获取系统互联或者进行手动输入,以依照步骤(1a)确定整个电厂上的全部相关测量热力学性质组的初始值的模块;其中,测量数据和变量子集流动到可读媒质模块;
(6b)通过存储在(6a)的模块中的、依照步骤(1a)的测量参数以及相应的热力学性质生成步骤(1b)中所限定的电厂的初始状态的模块;
(6c)至少部分基于检查进入连续体的质量流的边界面的每个组合相对于离开连续体的质量流的边界面的全部组合的质量守恒,依照步骤(1c)构造对物理连续体进行分割的模块;其中每个连续体被简化为圆柱对称,而且所述电厂在图形理论的环境下被展示为平面图形,其中互联的物理连续体的每个边界充当边缘,每个连续体充当节点,而且所得到的电厂模型如在步骤(1e)中所限定;
(6d)收敛测试器模块,其能够作为最小化器程序的一部分,在所述最小化器程序中,如权利要求2中所述的解算器、如权利要求3中所述的模拟器以及依照如权利要求5中所述的目标函数按此顺序应用到模块(6c)的电厂模型和修正变量组,随后检查所述修正变量组是否达到小于阈值方差的方差;如果收敛测试失败,那么被存储在如权利要求3所述的模拟器中的目标函数的修正数值以及电厂的变量和状态均被提供给最小化模块,
(6e)最小化模块,其生成如权利要求中所限定的变量组的修正值,所述修正值被馈送至如权利要求2中所述的解算器,以及
(6f)重复(6d)所描述的收敛测试以生成电厂的另一修正状态和可逆速度场,并且对步骤(1i)中所限定的和依照权利要求5中生成的所产生的修正目标函数进行测试,并且在收敛测试器模块(6d)中测试修正变量组的方差是否小于阈值方差;如果实现,那么
(6g)通过依照如权利要求1所述的闭环优化模式或开环优化模式,将作为优化器输出的模块(6f)中生成的变量值在物理上连续地应用到能量转换电厂上,从而必然导致步骤(1i)中所限定的且依照(6d)生成的目标函数最小化,使得所述真实电厂的热效率最大化;如果权利要求1中所述的约束是给定的功率输出,那么所述热效率的最大化将自身表示为燃料消耗的最小化,而如果所述燃料消耗被指示为外部约束,那么所述热效率的最大化将自身表示为功率输出的最大化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US25951609P | 2009-11-09 | 2009-11-09 | |
US61/259,516 | 2009-11-09 | ||
PCT/NZ2010/000222 WO2011056081A2 (en) | 2009-11-09 | 2010-11-08 | System and method for maximising thermal efficiency of a power plant |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102713859A CN102713859A (zh) | 2012-10-03 |
CN102713859B true CN102713859B (zh) | 2015-04-29 |
Family
ID=43970604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080059215.0A Active CN102713859B (zh) | 2009-11-09 | 2010-11-08 | 用于使电厂的热效率最大化的系统及方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9436168B2 (zh) |
EP (1) | EP2510441B1 (zh) |
JP (1) | JP5963677B2 (zh) |
CN (1) | CN102713859B (zh) |
WO (1) | WO2011056081A2 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140012551A1 (en) * | 2012-07-03 | 2014-01-09 | Christopher Laughman | System and Method for Determining Thermodynamic Parameters |
CN103217292B (zh) * | 2013-03-29 | 2016-12-28 | 国家电网公司 | 发电机组热经济指标的实时监测方法和监测系统 |
CN103216281B (zh) * | 2013-04-19 | 2014-12-10 | 国家电网公司 | 一种热电联产机组及其运行效率的评价方法 |
US9658260B2 (en) * | 2013-09-04 | 2017-05-23 | Abb Schweiz Ag | Power system state estimation using a two-level solution |
EP3367606B1 (en) * | 2017-02-24 | 2019-09-18 | Secure-IC SAS | Automatic insertion of masking into an algorithm |
US12000608B2 (en) * | 2017-07-27 | 2024-06-04 | Tyco Fire & Security Gmbh | Central plant control system with setpoints modification based on physical constraints |
EP3547048A1 (de) * | 2018-03-27 | 2019-10-02 | Linde Aktiengesellschaft | Verfahren zum dimensionieren einer prozessanlage |
CN109992921B (zh) * | 2019-04-12 | 2020-09-15 | 河北工业大学 | 一种燃煤电厂锅炉热效率的在线软测量方法及系统 |
EP3805993A1 (en) * | 2019-10-10 | 2021-04-14 | Siemens Aktiengesellschaft | Generation of graph-structured representations of brownfield systems |
CN112364525B (zh) * | 2020-11-27 | 2023-09-12 | 广东能源集团科学技术研究院有限公司 | 一种汽轮机热耗计算程序自动生成方法及系统 |
CN113267994B (zh) * | 2021-04-23 | 2023-05-05 | 湖南省湘电试验研究院有限公司 | 基于三级控制串联的火电机组主汽压力控制方法及系统 |
US11886157B2 (en) | 2022-03-10 | 2024-01-30 | Saudi Arabian Oil Company | Operational optimization of industrial steam and power utility systems |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4630189A (en) * | 1983-06-10 | 1986-12-16 | Kabushiki Kaisha Toshiba | System for determining abnormal plant operation based on whiteness indexes |
JP2001117606A (ja) * | 1999-10-19 | 2001-04-27 | Kawasaki Heavy Ind Ltd | 火力プラントにおける適応制御方法及び装置 |
CN1519765A (zh) * | 2002-12-27 | 2004-08-11 | ��ʽ���綫֥ | 用于发电厂的操作支持系统 |
CN101202469A (zh) * | 2007-09-25 | 2008-06-18 | 宋振群 | 基于嵌入式系统的配电变压器远程监测终端 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5845041B2 (ja) | 1973-04-20 | 1983-10-06 | 株式会社日立製作所 | プラントの最適化制御方法 |
JPS5716719A (en) * | 1980-07-04 | 1982-01-28 | Hitachi Ltd | Method and equipment for controlling steam temperature in thermal power plant |
JPS5840610A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840605A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840613A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840616A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840608A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840604A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840609A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840612A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840615A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840607A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | プラント効率最適化制御方法 |
JPS5840614A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840603A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840611A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS5840606A (ja) | 1981-09-04 | 1983-03-09 | Hitachi Ltd | 火力発電プラントの効率最適化制御方法 |
JPS59148904A (ja) * | 1983-02-16 | 1984-08-25 | Hitachi Ltd | 計算制御装置 |
US5873251A (en) * | 1995-09-13 | 1999-02-23 | Kabushiki Kaisha Toshiba | Plant operation control system |
US5841652A (en) | 1996-04-03 | 1998-11-24 | Scap Europa, S.A. | Adaptive-predictive control and optimization system |
US6868368B1 (en) | 1998-03-24 | 2005-03-15 | Exergetic Systems, Llc | Method for improving the control of power plants when using input/loss performance monitoring |
WO2004084371A1 (ja) * | 1998-08-31 | 2004-09-30 | Kaoru Fujita | 発電プラントの最適化制御方法及び最適化制御装置 |
KR20050007938A (ko) * | 2003-07-12 | 2005-01-21 | 두산중공업 주식회사 | 원자력 발전소 구조물의 열해석 방법 |
CN1902714A (zh) * | 2003-10-29 | 2007-01-24 | 东京电力株式会社 | 核电站热效率诊断系统、核电站热效率诊断程序和核电站热效率诊断方法 |
JP4575176B2 (ja) * | 2005-01-17 | 2010-11-04 | 株式会社日立製作所 | 排熱回収ボイラの発生蒸気推定方法及び発電設備の保全計画支援方法 |
US7584024B2 (en) | 2005-02-08 | 2009-09-01 | Pegasus Technologies, Inc. | Method and apparatus for optimizing operation of a power generating plant using artificial intelligence techniques |
EP2400359B1 (en) * | 2006-06-23 | 2014-07-02 | Saudi Arabian Oil Company | System, method, and program product for targeting and optimal driving force distribution in energy recovery systems |
WO2008112823A1 (en) * | 2007-03-12 | 2008-09-18 | Emerson Process Management Power & Water Solutions, Inc. | Use of statistical analysis in power plant performance monitoring |
WO2009156299A2 (en) * | 2008-06-26 | 2009-12-30 | Alstom Technology Ltd | A method of estimating the maximum power generation capacity and for controlling a specified power reserve of a single cycle or combined cycle gas turbine power plant, and a power generating system for use with said method |
JP2012037143A (ja) * | 2010-08-06 | 2012-02-23 | Osaka Gas Co Ltd | エネルギー変換機器性能評価システム |
-
2010
- 2010-11-08 JP JP2012537834A patent/JP5963677B2/ja active Active
- 2010-11-08 WO PCT/NZ2010/000222 patent/WO2011056081A2/en active Application Filing
- 2010-11-08 US US13/508,719 patent/US9436168B2/en active Active
- 2010-11-08 CN CN201080059215.0A patent/CN102713859B/zh active Active
- 2010-11-08 EP EP10828599.0A patent/EP2510441B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4630189A (en) * | 1983-06-10 | 1986-12-16 | Kabushiki Kaisha Toshiba | System for determining abnormal plant operation based on whiteness indexes |
JP2001117606A (ja) * | 1999-10-19 | 2001-04-27 | Kawasaki Heavy Ind Ltd | 火力プラントにおける適応制御方法及び装置 |
CN1519765A (zh) * | 2002-12-27 | 2004-08-11 | ��ʽ���綫֥ | 用于发电厂的操作支持系统 |
CN101202469A (zh) * | 2007-09-25 | 2008-06-18 | 宋振群 | 基于嵌入式系统的配电变压器远程监测终端 |
Also Published As
Publication number | Publication date |
---|---|
JP5963677B2 (ja) | 2016-08-03 |
CN102713859A (zh) | 2012-10-03 |
US9436168B2 (en) | 2016-09-06 |
JP2013510365A (ja) | 2013-03-21 |
EP2510441A1 (en) | 2012-10-17 |
US20120283886A1 (en) | 2012-11-08 |
EP2510441A4 (en) | 2018-03-28 |
EP2510441B1 (en) | 2021-05-26 |
US20130238149A2 (en) | 2013-09-12 |
WO2011056081A2 (en) | 2011-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102713859B (zh) | 用于使电厂的热效率最大化的系统及方法 | |
Lewandowski et al. | Analytic prediction of baryonic effects from the EFT of large scale structures | |
Duchaine et al. | Analysis of high performance conjugate heat transfer with the openpalm coupler | |
CN108573089A (zh) | 利用3d cad点云自动创建流体模型的系统和方法 | |
Feng et al. | Preserving the film coefficient as a parameter in the compact thermal model for fast electrothermal simulation | |
CN108573090A (zh) | 用于将流体模型与计算机辅助设计(cad)图重叠和整合的系统和方法 | |
CN108573525A (zh) | 用于跨学科流体建模的多流体模型工具 | |
US20170147719A1 (en) | Space Exploration with Quantitative Pruning and Ranking System and Method | |
Neugebauer et al. | VR tools for the development of energy-efficient products | |
Klein et al. | Scale similarity based models and their application to subgrid scale scalar flux modelling in the context of turbulent premixed flames | |
Komperda et al. | A hybrid discontinuous spectral element method and filtered mass density function solver for turbulent reacting flows | |
Miller et al. | Automation of common building energy simulation workflows using Python | |
Angelilli et al. | Large eddy simulation with flamelet progress variable approach combined with artificial neural network acceleration | |
Fang et al. | The independent set perturbation adjoint method: A new method of differentiating mesh‐based fluids models | |
Schwarz et al. | A comparative study of mixed least-squares FEMs for the incompressible Navier-Stokes equations | |
Chakraborty et al. | Statistical behavior and modeling of the flame normal vector in turbulent premixed flames | |
Mohammadi et al. | Wall functions in computational fluid mechanics | |
Doan et al. | Convolutional autoencoder for the spatiotemporal latent representation of turbulence | |
Spinelli et al. | Leveling out interface temperature for conjugate heat transfer problems | |
Luo et al. | The smart robot crafting approach to computing materials | |
Burghardt et al. | Coupled adjoints for conjugate heat transfer in variable density incompressible flows | |
Blizard et al. | A Graph-Based Technique for the Automated Control-Oriented Modeling of District Heating Networks | |
Kiani-Oshtorjani | Real-time efficient computational approaches for hydraulic components and particulate energy systems | |
Moura et al. | On a stochastic regularization technique for ill-conditioned linear systems | |
Singaravel et al. | Deep Component-Based Neural Network Energy Modelling for Early Design Stage Prediction |
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 |