CN103339441B - 用于氧燃料燃烧动力设备的优化综合控制 - Google Patents

用于氧燃料燃烧动力设备的优化综合控制 Download PDF

Info

Publication number
CN103339441B
CN103339441B CN201180066980.XA CN201180066980A CN103339441B CN 103339441 B CN103339441 B CN 103339441B CN 201180066980 A CN201180066980 A CN 201180066980A CN 103339441 B CN103339441 B CN 103339441B
Authority
CN
China
Prior art keywords
optimizer
oxy
flue gas
optimization
model
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.)
Expired - Fee Related
Application number
CN201180066980.XA
Other languages
English (en)
Other versions
CN103339441A (zh
Inventor
X.娄
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.)
General Electric Technology GmbH
Original Assignee
Alstom Technology AG
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 Alstom Technology AG filed Critical Alstom Technology AG
Publication of CN103339441A publication Critical patent/CN103339441A/zh
Application granted granted Critical
Publication of CN103339441B publication Critical patent/CN103339441B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23C—METHODS OR APPARATUS FOR COMBUSTION USING FLUID FUEL OR SOLID FUEL SUSPENDED IN  A CARRIER GAS OR AIR 
    • F23C9/00—Combustion apparatus characterised by arrangements for returning combustion products or flue gases to the combustion chamber
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23C—METHODS OR APPARATUS FOR COMBUSTION USING FLUID FUEL OR SOLID FUEL SUSPENDED IN  A CARRIER GAS OR AIR 
    • F23C9/00—Combustion apparatus characterised by arrangements for returning combustion products or flue gases to the combustion chamber
    • F23C9/003—Combustion apparatus characterised by arrangements for returning combustion products or flue gases to the combustion chamber for pulverulent fuel
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23L—SUPPLYING AIR OR NON-COMBUSTIBLE LIQUIDS OR GASES TO COMBUSTION APPARATUS IN GENERAL ; VALVES OR DAMPERS SPECIALLY ADAPTED FOR CONTROLLING AIR SUPPLY OR DRAUGHT IN COMBUSTION APPARATUS; INDUCING DRAUGHT IN COMBUSTION APPARATUS; TOPS FOR CHIMNEYS OR VENTILATING SHAFTS; TERMINALS FOR FLUES
    • F23L7/00—Supplying non-combustible liquids or gases, other than air, to the fire, e.g. oxygen, steam
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23L—SUPPLYING AIR OR NON-COMBUSTIBLE LIQUIDS OR GASES TO COMBUSTION APPARATUS IN GENERAL ; VALVES OR DAMPERS SPECIALLY ADAPTED FOR CONTROLLING AIR SUPPLY OR DRAUGHT IN COMBUSTION APPARATUS; INDUCING DRAUGHT IN COMBUSTION APPARATUS; TOPS FOR CHIMNEYS OR VENTILATING SHAFTS; TERMINALS FOR FLUES
    • F23L7/00—Supplying non-combustible liquids or gases, other than air, to the fire, e.g. oxygen, steam
    • F23L7/007—Supplying oxygen or oxygen-enriched air
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2223/00—Signal processing; Details thereof
    • F23N2223/40—Simulation
    • 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
    • Y02E20/34—Indirect CO2mitigation, i.e. by acting on non CO2directly related matters of the process, e.g. pre-heating or heat recovery

Abstract

一种用于优化氧燃料动力设备的控制系统包括：优化器，其与氧燃料动力设备通信，氧燃料动力设备操作以使二氧化碳从烟气流再循环到锅炉；控制平台，其操作以控制氧燃料动力设备；以及模拟器，该模拟器操作以模拟氧燃料动力设备的性能。

Description

用于氧燃料燃烧动力设备的优化综合控制
技术领域
本公开涉及用于氧燃料燃烧(oxy-fuel combustion)动力设备的优化综合控制。特别地，本公开涉及用于氧燃料粉煤动力设备或氧燃料循环流化床动力设备的优化综合控制。
背景技术
氧燃料燃烧系统使用氧气而不是空气用于主燃料的燃烧以产生烟气，烟气主要包括水蒸气和二氧化碳。这导致带有超过80%体积二氧化碳浓度的烟气。虽然烟气的三分之二在该系统内再循环，但其余部分(主要由二氧化碳和水蒸气以及少量的氩气、氮气、氧化氮和氧化硫组成)被清理、压缩和随后运输到储存装置或到其它应用。
图1描绘了一种配置成允许氧燃烧的示例性动力设备100。动力设备100大体包括空气分离单元200、锅炉300和烟气处理系统400。空气分离单元200与锅炉300和烟气处理系统400流体连通。锅炉300和烟气处理系统400位于空气分离单元的下游，烟气处理系统400位于锅炉300的下游。空气分离单元200从空气分离出氮气且将富氧气体传送到锅炉300。锅炉300与蒸汽涡轮302连通且将蒸汽供应给涡轮302以驱动它。来自锅炉300的烟气被排放到烟气干燥器304和到静电除尘器306。
从静电除尘器306发出的干燥且无微粒的烟气的一部分再循环到锅炉300，在此其与额外的进入空气(其富含氧气且无氮气)混合且传送到锅炉300。未再循环的烟气的其余部分(其富含二氧化碳)被进一步处理以移除水分，并且然后在压缩机308中经受压缩，且在封存(sequestration)设施310中封存。
存在与在动力设备中部署氧燃料燃烧相关联的一些新的挑战性问题。这些问题中的一些在下文中列出。
在动力设备中使用氧燃料燃烧系统以实现二氧化碳的更容易捕获导致了优于不使用氧燃料消耗的相当动力设备的额外能量消耗。这种额外能量消耗主要源自于空气分离单元中的能量消耗(约25%至约30%)和烟气再循环(约5%至约10%)。这种能量消耗的增加导致了自动力设备的减小输出。
由于使用富含氧气的气体，当氧气与再循环烟气的比例变化时发生燃烧变化。这提供了控制动力设备的新挑战。
对设备系统的外部干扰，诸如电负载需求或二氧化碳产生的变化，将影响空气分离单元200、锅炉300和烟气处理系统400。由于烟气再循环和动力设备的闭合回路控制与电负载需求或与二氧化碳产生有关联，这些变化造成空气分离单元200、锅炉300和烟气处理系统400的功能变化。
为了改进设备的功能效率和为了最小化电负载需求变化或二氧化碳产生变化的效果，希望使用控制系统，其能够合作地用于改进能量生成同时改进二氧化碳封存。
发明内容
在本文中公开了一种用于优化氧燃料动力设备的控制系统，该控制系统包括：优化器，其与氧燃料动力设备通信，氧燃料动力设备操作以使氧化碳从烟气流再循环到锅炉；该控制平台，控制平台操作以控制氧燃料动力设备；以及模拟器，该模拟器操作以模拟氧燃料动力设备的性能。
在本文中公开了一种方法，其包括：模拟与电网连通的氧燃料动力设备中的空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器以及涡轮发电机的性能；从模拟的性能生成空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器的性能的模型；测量空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器的输出；以及，通过比较模拟的性能与实际性能来优化空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器以及涡轮发电机的性能。
附图说明
图1描绘了配置成允许氧燃烧的示例性动力设备；
图2反映了当烟气再循环时用于控制和优化动力设备性能的示例性氧燃料经济优化器和控制系统；
图3反映了在优化的氧燃料二氧化碳燃烧设备中的模型过程控制器的操作的一些实施例；
图4描绘了图2的氧燃料设备经济优化器的示例性实施例；
图5示出了氧燃料锅炉模型预测控制器的结构，其可为使用氧燃料锅炉模型的监督最佳控制器。
具体实施方式
现在将参考附图在下文中更全面地描述发明，在附图中示出了各种实施例。然而，本发明可以许多不同形式实施且不应解释为限于本文陈述的实施例。而是，提供这些实施例，使得本公开将是透彻且完整的，并且将向本领域技术人员全面传达本发明的范围。相同的附图标记在全文中表示相同的元件。
将了解，当元件被称作在另一元件“上”时，其可直接在另一元件上或者居间元件可存在于其间。相反，当元件被称作“直接在”另一元件上时，不存在居间元件。如本文所用的，术语“和/或”包括相关联的列出项目中的一个或多个的任何和所有组合。
将了解，虽然在本文中可使用术语第一、第二、第三等来描述各种元件、构件、区域、层和/或部段，但这些元件、构件、区域、层和/或部段不应受这些术语限制。这些术语仅仅用来区分一个元件、构件、区域、层或部段与另一元件、构件、区域、层或部段。因此，在不偏离本发明的教导的情况下，下文讨论的第一元件、构件、区域、层或部段可被称作第二元件、构件、区域、层或部段。
本文所用的术语仅仅出于描述特定实施例的目的，且并不意图为限制性的。如本文所用，单数形式“一”、“一个”和“该”意图也包括复数形式，除非上下文清楚地指出为其它。还将了解，术语“包括”和/或“包括……的”或者“包含”和/或“包含……的”当在本说明书中使用时，规定所陈述的特征、区域、整体、步骤、操作、元件和/或构件的存在，但并不排除一个或多个其它特征、区域、整体、步骤、操作、元件、构件和/或其群组的存在。
而且，在本文中可使用相对术语例如“下”或“底部”和“上”或“顶部”来描述如附图所示的一个元件与另一元件的关系。将了解，相对术语意图涵盖除了在附图中描绘的方位之外的该装置的不同方位。例如，如果在附图之一中的装置为颠倒的，那么被描述为在其它元件“下”侧上的元件将被定向为在其它元件“上”侧上。因此，示例性术语“下”可涵盖“下”和“上”两个方位，取决于图的特定方位。类似地，如果在附图之一中的装置为颠倒的，那么描述为在其它元件“下方”或“之下”的元件将定向于其它元件“上方”。因此，示例性术语“下方”或“之下”可涵盖上方和下方两个方位。
除非另外定义，本文所用的所有术语(包括技术和科学术语)具有与本发明所属领域的技术人员通常理解的相同含义。还将了解，诸如在常用字典中定义的那些术语应被解释为具有与其在相关领域和本公开的上下文中的含义相一致的含义，并且不会以理想化或过于正式的意义来解释，除非在本文中如此定义。
在本文中参考作为理想实施例的示意图的截面图来描述示例性实施例。因此，由于例如制造技术和/或公差，预期存在与图示形状的偏差。因此，本文描述的实施例不应理解为限于本文中示出的区域的特定形状，而是包括例如由于制造造成的形状偏差。例如，被图示或描述为平坦的区域通常可具有粗糙的和/或非线性的特征。此外，所图示的尖角可为倒圆的。因此，附图所示的区域在性质上是示意性的，并且其形状并不意图说明区域的精确形状且并不意图限制本权利要求的范围。
在文中公开了一种用于控制基于氧燃料燃烧的二氧化碳捕获动力设备的综合系统，其包括非线性控制器和优化器，并且其组合稳态经济优化器与动态优化器。综合系统可有利地用于多种动力设备中且可用于合并寿命延长的控制、排放优化、经济优化和负载斜升(load ramping)控制。其也可用于包括故障检测器，该故障检测器便于对整个动力设备的容错控制策略(fault control tolerant strategy)。在示例性实施例中，其可用于氧燃料二氧化碳燃烧设备中。
在本文中还公开了一种控制基于氧燃料燃烧的二氧化碳捕获动力设备的方法，其包括非线性控制器和优化器。在一个实施例中，该方法包括：模拟与电网连通的氧燃料动力设备中的空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器、以及涡轮发电机的性能。从模拟的性能生成空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器、以及涡轮发电机的性能的模型。测量空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器、以及涡轮发电机的输出。比较该模型与实际输出，并且然后通过比较模拟性能与实际性能而优化空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器以及涡轮发电机的性能。
在动力设备中使用综合过程优化系统产生了一些优点。通过使用协调包括发电过程、锅炉设计过程和设备布局的动力设备的各种特征的优化器，可显著改进动力设备的效率，并且可最小化二氧化碳捕获的负面影响。在一个实施例中，通过在综合且共同受控且彼此通信的设备的不同部分之间使用过程优化器，可控制且最小化二氧化碳捕获的负面影响。在示例性实施例中，通过优化涉及发电如氧气产生、煤供给、烟气清洁和再循环的处理结合涉及设备设计如锅炉设计和蒸汽循环布局的处理，可有效地控制且最小化二氧化碳捕获的负面影响。
发电过程的实时优化将帮助动力设备维持竞争裕度，通过考虑单元动态性能以及电、燃料、吸附剂的变化市场价格、主要排放(二氧化碳、氧化氮、二氧化硫、汞、微粒物等)的贸易价格和与维护成本有关的构件寿命延长。
图2反映了当烟气再循环时(即，在氧燃料二氧化碳燃烧动力设备中)用于控制和优化动力设备性能的示例性氧燃料经济优化器和控制系统500(下文中，控制系统500)。在一个实施例中，动力设备可为粉煤动力设备或循环流化床动力设备。控制系统500包括与分布式控制系统平台800通信的模拟器700。分布式控制系统平台800与主控制器和优化器900通信。在一个实施例中，模拟器700、分布式控制系统平台800和优化器900彼此操作通信。在示例性实施例中，模拟器700、分布式控制系统平台800和优化器900彼此电通信。优化器900包括与设备主控制器952通信的设备经济优化器950。经济优化器为多变量优化器。
模拟器700包括模拟图1所示的动力设备的构件的行为的多个模拟器。空气分离单元模拟器708模拟空气分离单元200的性能。由氧燃料锅炉模拟器710模拟氧燃料锅炉300的性能。后端过程模拟器分别模拟烟气干燥器304、静电除尘器306和烟气冷凝器400的性能。第一模拟器702模拟烟气干燥器304的性能。第二模拟器704模拟静电除尘器306的性能。第三模拟器706模拟烟气冷凝器400的性能。
第一模拟器702、第二模拟器704和第三模拟器706、空气分离单元模拟器708和氧燃料锅炉模拟器710经由第一原理方程式(例如，质量、动量和能量平衡)和经由线性和非线性模型来模拟相应构件的性能。模拟器可为稳态过程模拟器或动态模拟器。建模和模拟包括常微方程式(ODE)、代数方程式(AE)和偏微分方程式(PDE)的任意组合。此外，在组合了简化第一原理模型与数据驱动模型的混合动态模型结构中使用经验建模方法，例如，神经网络(NN)，如带有外因输入的非线性自回归网络(NARX)、带有外因输入的非线性自回归移动平均(NARMAX)、小波网络模型和维纳-哈默斯坦模型。另外，使用线性化模型和非线性模型两者的多变量模型预测控制(MPC)向动态优化提供解。主模拟器720与第一模拟器702、第二模拟器704和第三模拟器706、空气分离单元模拟器708和氧燃料锅炉模拟器710中的每一个通信。主模拟器720在从动装置(即，第一模拟器702、第二模拟器704和第三模拟器706、空气分离单元模拟器708和氧燃料锅炉模拟器710)的设置期间是有用的，并且用于检查从动装置的功能。其通常用于测试且用作从动装置的诊断工具。
模拟器中的每一个(即，第一模拟器702、第二模拟器704和第三模拟器708、空气分离单元模拟器708和氧燃料锅炉模拟器710)可为动态模拟器，其使用先进的技术来模拟实际氧燃料处理。具体而言，动态模拟器可为基于ROM(降阶模型)的模拟器。
图2中描绘的优化过程使用并行的过程性能和控制系统设计分析。通过使用过程性能模拟器和动态模拟器两者，预测、评价且因此有效地优化该优化设备性能和操作参数。过程性能模拟器包括例如使用理论和经验模型(诸如设计标准的过程模型和/或回归模型和基于操作数据库的NN模型)的热动态、热经济和排放预测，但并不限于此。
动态模拟器包括第一原理模型，或备选地，例如组合的第一原理和数据驱动经验模型和/或小波网络模型以及控制逻辑模拟模块。对于寿命延长控制，包括材料模型，从而允许材料损坏预测和寿命延长控制模拟。
现在再次参考图2，分布式控制系统平台800控制空气分离单元200、锅炉300、烟气干燥器304、静电除尘器306和烟气冷凝器400。分布式控制系统平台800与优化器900通信。优化器900包括与设备主控制器950通信的设备经济优化器952。设备优化器952在线检索来自分布式控制系统平台800的数据且处理其以用于过程模型的预测。优化器计算最佳目标值且将它们传回到分布式控制系统平台800以用于实时执行。目标值可超过现有分布式控制系统平台800设定点或者向现有设定点添加偏离来证实它们为新计算的目标值。操作约束将应用于优化计算中。
如上文指出的，分布式控制系统800包括控制系统平台802，其控制空气分离单元200、锅炉300、烟气干燥器304、静电除尘器306和烟气冷凝器400和/或涡轮发电系统(未示出)。在一个实施例中，控制系统平台802可通过如图2所示的个别控制系统来控制动力设备100的相应部分。在另一实施例中，可使用捆包控制器来控制空气分离单元200、锅炉300、烟气干燥器304、静电除尘器306和烟气冷凝器400。
氧燃料设备主控制器950与用于空气分离单元200的模型过程控制器908和用于锅炉300的模型过程控制器910通信。氧燃料设备主控制器950也与相应的优化器，即分别用于烟气干燥器304、静电除尘器306和烟气冷凝器400的第一优化器(最佳控制器)902、第二优化器(最佳控制器)904和第三优化器(最佳控制器)906通信。设备经济优化器952也与设备主控制器950且与第一优化器902、第二优化器904和第三优化器906通信。由于确定优化设备性能和操作参数可涉及到多个迭代以在一些设计场景间进行选择，因而可包括额外优化器(未示出)，使得在由设备经济优化器952优化之前对过程性能和控制系统设计进行预先优化。
图3和图4反映了在优化氧燃料二氧化碳燃烧设备中模型过程控制器的操作的一些实施例。在操作中，模型过程控制器850从动力设备100接收氧燃料过程输出参数104。氧燃料过程输出参数104包括但不限于负载需求、功率和气体(例如H2、N2、CO2和/或合成气)流率。使用设定点714和预定参数716，模型过程控制器850优化建模设备参数并且基于它向设备100提供优化的氧燃料过程输入控制参数102。在示例性实施例中，优化氧燃料过程输入控制参数102为固体运输库存控制变量，但备选示例性实施例并不限于此。例如，优化的氧燃料过程输入控制参数102可为反应器温度控制变量、环路温度控制变量、炉温度控制变量、负载斜升控制变量、设备启动逻辑算法、反应器压力变量、反应器差压变量、设备停机控制逻辑算法和燃料/空气/石灰石/蒸汽比例，但备选示例性实施例并不限于前述列表。
模型过程控制器850包括模型部分818、估计器820和优化器822。虽然图3的模型过程控制器850与动力设备100通信，但其可与设备的其它较小部分中的任一个通信，例如锅炉或空气分离单元，并且可用于控制设备的这些较小部分。例如，模型过程控制器850可为用于空气分离单元200的模型过程控制器908且带有用于锅炉300的模型过程控制器910，如图1所示。数据通信可通过使用带有分布式控制系统平台的OPC(用于过程控制的对象链接和嵌入)来进行，但并不限于此。
在一个实施例中，模型过程控制器850可包括从第一原理方程式(如质量、动量和能量平衡)导出的线性或非线性动态建模和模拟。而且，在组合了简化第一原理模型与数据驱动模型的混合动态模型结构中使用经验建模方法，例如非线性神经网络。在示例性实施例中，模型过程控制器利用当前设备控制系统构件，例如现有的比例-积分-微分(PID)控制器，以利用具有优化能力的基于模型的预测控制来补充和/或替换当前的设备控制系统。更具体而言，根据示例性实施例的模型过程控制器850的模型部分818包括非线性稳态模型和一个或多个线性或非线性动态模型。此外，稳态模型和/或动态模型可各自使用适应性、模糊和/或NN建模技术和/或第一原理建模技术，以将氧燃料动力设备的复杂、非线性的多相流动和化学反应建模。
图4描绘了图2的氧燃料设备经济优化器952的示例性实施例。氧燃料设备经济优化器952与图1的动力设备100通信。在示例性实施例中，氧燃料设备经济优化器952包括多变量优化器912，其执行动力设备100的总体基于经济的优化。更具体而言，多变量优化器912关注与动力设备100相关联的器械的热经济性能、排放减少和/或控制以及寿命延长标准。多变量优化器912使用非线性模型或线性模型来优化动力设备的性能。在示例性实施例中，多变量优化器912使用非线性模型来优化动力设备的性能。
为了执行动力设备100的基于经济的优化，多变量优化器912分别通过成本计算算法918和收入计算算法920接收动力设备100的输入参数102和输出参数104，如图4所示。在示例性实施例中，输入参数102包括但不限于燃料流量、吸附剂流量、空气流量、水流量、石灰石流量、固体循环速率等。输出参数104包括功率生成速率、排放信用额、寿命延长、过程蒸汽(作为输出产物)、CO2利用、CO2捕获(配置为负收入)、CO2储存(配置为负收入)等。
多变量优化器912从成本计算算法918和收入计算算法920接收输出以基于诸如下列的约束来确定动力设备100的优化的操作参数解：例如，预定操作约束924、市场约束926和环境约束928。并未描绘但也可包括于图4中的其它约束为与由于国家/州排放法规或特定用户贸易惩罚(关于基于二氧化碳纯度方面的品质或者过程蒸汽在压力/温度和纯度方面的品质的产品保险)所造成的、可引入到成本目标函数(例如，贸易惩罚)内的控制促动器或硬约束(排放限制)、软约束相关联的约束。
在示例性实施例中，成本计算算法918合计一组预定个别成本因子Ci与输入参数102的个别输入Xi的乘积，而收入计算算法920合计一组预定个别收入因子Pi与输出参数104的个别输出Yi的乘积。个别成本因子Ci包括例如辅助功率成本、石灰石成本和燃料成本等。个别收入因子Pi包括例如排放信用额和寿命延长信用额等。
多变量优化器912使用分布式控制系统914和先进过程控制(APC)数据输入/输出系统916将优化的操作参数解应用于动力设备100，如图4所示。因此，动力设备100在最佳总体基于经济的操作点下操作。
在一个实施例中，多变量优化器912可使用任何非线性优化求解器，只要其能结合具体设备模型和相关联约束来工作。经由故障检测器922的故障信息也可用于优化。故障可与反馈过程、传感器、控制器、促动器或动力设备的其它部分相关联。典型过程故障可包括气体泄漏、阀堵塞、阀泄漏或堵塞、对于烟气过程或水/蒸汽过程的压力平衡的损失、较差燃烧稳定性、粉碎机运行故障、ASU和GPU运行故障、烟气再循环环路运行故障、炉温度/压力太高或太低、违反燃烧排放限制等。可经由混合整体优化将故障信息引入到优化过程中。
在图5中示出了氧燃料动力设备100的一般输入参数102和输出参数104。图5示出了用于氧燃料锅炉模型预测控制器的结构，其可为使用氧燃料锅炉模型的监督最佳控制器。如在图5中看出，输入参数102和输出参数104可在燃烧参数和与水/蒸汽过程有关的参数之间分割。燃烧过程的一般输入为燃料、吸附剂和PA-氧气(主氧气流)和SA-氧气(次氧气流)，而燃烧过程的一般输出为烟气速率、燃烧器温度、氧化氮、二氧化硫和二氧化碳的出口质量。
到氧燃料燃烧中的水/蒸汽过程的一般输入为给水、喷水和以兆瓦计的功率需求。氧燃料燃烧中的流/水过程的一般输出为蒸汽流量、蒸汽温度、蒸汽质量和鼓筒(drum)/分离器水平和压力部分金属温度(若适用)。
用于图4的氧燃料锅炉模型过程控制器的优化问题可在数学上在方程式(1)中如下陈述：
  (1)
服从图4中的操作条件和以下数学条件：
  (2)
  (3)
  (4)
其中为预测输出向量，为输出状态设定点向量，u为输入向量，为控制移动向量，Np和Nc(Nc＜Np)分别为预测和控制水平线，Q(>0)、R(≥0)和S(≥0)为对称加权矩阵。J为用于优化的成本目标函数。在模型预测控制公式中使用二次成本函数。成本函数可为线性成本函数，并且取决于对于给定设备系统、子系统或构件用公式表达的问题。
对于非线性模型，状态估计器若需要可为扩展卡尔曼滤波器(EKF)或无味(unscented)卡尔曼滤波器(UKF)。因此，多变量优化器904可为任何非线性优化器，只要其能结合具体单元模型和估计器工作。
总之，根据示例性实施例的过程设计和控制优化包括多变量、非线性工具，其对氧燃料动力设备提供综合的、动态的和稳态的性能和控制设计优化。因此，设备排放显著地减少和/或有效地最小化，同时总体经济设备效率显著地改进，从而导致较低的总体操作成本。
虽然已参考各种示例性实施例描述了本发明，但本领域技术人员将了解，在不偏离本发明的范围的情况下，可做出各种变化且等效物可用于替换本发明的元件。此外，可做出许多修改以在不偏离本发明的实质范畴的情况下使特定情形或材料适应于本发明的教导。因此，本发明并不意图限于作为执行本发明所设想的最佳实施方式而公开的特定实施例，而是，本发明将包括落入所附权利要求的范围内的所有实施例。

Claims (30)

1.一种用于优化氧燃料动力设备的控制系统，所述控制系统包括：
优化器，其与所述氧燃料动力设备通信，所述氧燃料动力设备操作以使二氧化碳从烟气流再循环到锅炉；
控制平台，所述控制平台操作以控制所述氧燃料动力设备；以及
模拟器，所述模拟器操作以模拟所述氧燃料动力设备的性能；
所述优化器用以优化在方程式(1)中数学陈述的优化问题：
  (1)
服从由方程式(2)、(3)和(4)表示的一组数学条件：
  (2)
  (3)
  (4)
其中为预测输出向量，为输出状态设定点向量，u为输入向量，为控制移动向量，Np和Nc(Nc＜Np)分别为预测和控制水平线，Q(>0)、R(≥0)和S(≥0)为对称加权矩阵，并且J为用于优化的成本目标函数。
2.根据权利要求1所述的控制系统，其特征在于，所述优化器进一步优化收入计算算法，所述收入计算算法基于所述氧燃料动力设备的多个输入参数向所述优化器提供收入输入；以及成本计算算法，其基于所述氧燃料动力设备的多个输出参数向所述优化器提供成本输入；其中所述优化器基于所述收入输入和所述成本输入中的至少一个确定优化的操作参数解，并且向所述氧燃料动力设备供应所述优化的操作参数解。
3.根据权利要求2所述的控制系统，其特征在于，所述多个输入参数包括下列中的至少一个：燃料流量、吸附剂流量、空气流量、水流量、石灰石流量和固体循环速率，并且所述多个输出参数包括下列中的至少一个：功率生成速率、二氧化碳利用、二氧化碳捕获、二氧化碳储存、烟气速率、燃烧器温度、氧化氮、二氧化硫和二氧化碳的出口质量。
4.根据权利要求2所述的控制系统，其特征在于，所述收入计算算法进一步基于排放信用额和寿命延长信用额中的至少一个来向所述优化器提供所述收入输入。
5.根据权利要求2所述的控制系统，其特征在于，所述成本计算算法进一步基于辅助功率成本、石灰石成本和燃料成本中的至少一个来向所述优化器提供所述成本输入。
6.根据权利要求1所述的控制系统，其特征在于，所述优化器为执行所述氧燃料动力设备的基于经济的优化的多变量优化器。
7.根据权利要求1所述的控制系统，其特征在于，所述控制平台包括多个控制器，且其中所述模拟器包括多个模拟器。
8.根据权利要求7所述的控制系统，其特征在于，所述多个控制器中的至少一个控制器为模型预测控制器。
9.根据权利要求8所述的控制系统，其特征在于，所述模型预测控制器为非线性模型预测控制器。
10.根据权利要求9所述的控制系统，其特征在于，所述非线性模型预测控制器包括模型部分、可操作地连接到所述模型部分的模拟器部分、以及可操作地连接到所述模型部分的优化器部分。
11.根据权利要求9所述的控制系统，其特征在于，所述非线性模型预测控制器包括状态估计器。
12.根据权利要求11所述的控制系统，其特征在于，所述状态估计器为扩展卡尔曼滤波器和无味卡尔曼滤波器。
13.根据权利要求10所述的控制系统，其特征在于，所述模型部分包括下列中的至少一个：稳态模型、动态模型、适应性模型、模糊模型和神经网络模型，所述模拟器部分包括降阶建模模拟器，且其中所述优化器部分包括下列中的至少一个：多变量优化器、基于梯度的优化器或者随机优化器。
14.根据权利要求13所述的控制系统，其特征在于，所述优化器部分为遗传算法优化器或嵌套分区优化器。
15.根据权利要求2所述的控制系统，其特征在于，所述优化器基于所述收入输入和所述成本输入中的至少一个来确定优化的操作参数解，并且向所述氧燃料动力设备的控制平台供应所述优化的操作参数解。
16.根据权利要求2所述的控制系统，其特征在于，所述优化器计算目标值且将这些目标值供应给所述控制平台以用于实时执行。
17.根据权利要求2所述的控制系统，其特征在于，所述优化器在线检索来自所述控制平台的数据且处理其以用于过程模型中的预测。
18.根据权利要求1所述的控制系统，其特征在于，所述优化器包括多个优化器。
19.根据权利要求1所述的控制系统，其特征在于，所述优化器包括用于烟气干燥器的第一优化器、用于静电除尘器的第二优化器以及用于烟气冷凝器的第三优化器。
20.根据权利要求1所述的控制系统，其特征在于，所述控制平台包括多个控制器。
21.根据权利要求1所述的控制系统，其特征在于，所述控制平台控制空气分离单元、锅炉、烟气干燥器、静电除尘器和烟气冷凝器以及涡轮发电机。
22.根据权利要求1所述的控制系统，其特征在于，所述模拟器包括用于空气分离单元的模拟器和用于锅炉的模拟器。
23.根据权利要求1所述的控制系统，其特征在于，所述优化器基于收入输入和成本输入中的至少一个确定优化的操作参数解，并且向所述氧燃料动力设备的控制平台供应所述优化的操作参数解。
24.根据权利要求1所述的控制系统，其特征在于，所述优化器计算目标值且将所述目标值供应给所述控制平台以用于实时执行。
25.根据权利要求1所述的控制系统，其特征在于，所述优化器在线检索来自所述控制平台的数据且处理其以用于过程模型中的预测。
26.根据权利要求1所述的控制系统，其特征在于，所述优化包括通过线性方程式或者并非二次形式方程式的其它形式来优化所述成本目标函数。
27.一种方法，包括：
模拟氧燃料动力设备中的空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器的性能；
从所述模拟的性能生成所述空气分离单元、所述锅炉、所述烟气干燥器、所述静电除尘器和/或所述烟气冷凝器的性能的模型；
测量所述空气分离单元、所述锅炉、所述烟气干燥器、所述静电除尘器和/或所述烟气冷凝器的输出；以及
通过比较所述模拟的性能与实际性能，优化所述空气分离单元、所述锅炉、所述烟气干燥器、所述静电除尘器和/或所述烟气冷凝器以及涡轮发电机的性能；
所述优化包括优化方程式(1)的成本目标函数：
  (1)
服从由方程式(2)、(3)和(4)表示的一组数学条件：
  (2)
  (3)
  (4)
其中为预测输出向量，为输出状态设定点向量，u为输入向量，为控制移动向量，Np和Nc(Nc＜Np)分别为预测和控制水平线，Q(>0)、R(≥0)和S(≥0)为对称加权矩阵，并且J为用于优化的成本目标函数。
28.根据权利要求27所述的方法，其特征在于，所述优化包括计算最佳目标值且将这些最佳目标值供给到控制平台以用于实时执行。
29.根据权利要求27所述的方法，其特征在于，所述优化包括基于收入输入和成本输入中的至少一个来确定优化的操作参数解。
30.根据权利要求27所述的方法，其特征在于，所述优化包括通过线性方程式或者并非二次形式方程式的其它形式来优化所述成本目标函数。
CN201180066980.XA 2010-12-07 2011-11-08 用于氧燃料燃烧动力设备的优化综合控制 Expired - Fee Related CN103339441B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US12/962,368 2010-12-07
US12/962,368 US8755916B2 (en) 2010-12-07 2010-12-07 Optimized integrated controls for oxy-fuel combustion power plant
US12/962368 2010-12-07
PCT/US2011/059686 WO2012078284A1 (en) 2010-12-07 2011-11-08 Optimized integrated controls for oxy-fuel combustion power plant

Publications (2)

Publication Number Publication Date
CN103339441A CN103339441A (zh) 2013-10-02
CN103339441B true CN103339441B (zh) 2015-09-09

Family

ID=44971114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180066980.XA Expired - Fee Related CN103339441B (zh) 2010-12-07 2011-11-08 用于氧燃料燃烧动力设备的优化综合控制

Country Status (9)

Country Link
US (1) US8755916B2 (zh)
EP (1) EP2649369A1 (zh)
KR (1) KR101484496B1 (zh)
CN (1) CN103339441B (zh)
AU (1) AU2011338906B2 (zh)
CA (1) CA2820216C (zh)
RU (1) RU2559416C2 (zh)
TW (1) TWI453360B (zh)
WO (1) WO2012078284A1 (zh)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8914134B2 (en) * 2011-11-09 2014-12-16 General Electric Company Systems and methods for predicting transient operational characteristics of a power plant
US20150107247A1 (en) * 2013-10-18 2015-04-23 Alstom Technology Ltd Control system for oxy fired power generation and method of operating the same
US9127572B2 (en) 2013-10-18 2015-09-08 Alstom Technology Ltd. Oxy fired power generation system and method of operating the same
CN103615739B (zh) * 2013-11-27 2015-11-18 广东电网公司电力科学研究院 燃烧锅炉运行控制方法与系统
TWI557390B (zh) * 2014-09-04 2016-11-11 臺灣塑膠工業股份有限公司 機爐電控制系統
US20160209031A1 (en) 2015-01-20 2016-07-21 Alstom Technology Ltd Model-based controls for a furnace and method for controlling the furnace
CN104615114B (zh) * 2015-01-27 2018-05-25 华北电力大学 一种循环流化床的炉内脱硫优化控制方法
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
JP6522445B2 (ja) * 2015-06-30 2019-05-29 三菱日立パワーシステムズ株式会社 制御パラメータ最適化システム及びそれを備えた運転制御最適化装置
WO2017105366A1 (en) * 2015-12-17 2017-06-22 Turkiye Petrol Rafinerileri Anonim Sirketi Tupras Energy network management and optimization system
CN106501452A (zh) * 2016-10-21 2017-03-15 中国特种设备检测研究院 集成烟气排放和功率曲线测试的燃烧器热态测试装置
US10452041B2 (en) 2017-03-31 2019-10-22 General Electric Company Gas turbine dispatch optimizer real-time command and operations
CN107066770A (zh) * 2017-06-12 2017-08-18 华东理工大学 基于gpu加速的工业装置蒸汽系统在线优化方法
US20190056702A1 (en) * 2017-08-21 2019-02-21 General Electric Company Model-based machine learing control system and method for tuning power production emissions
KR101963045B1 (ko) * 2017-11-03 2019-03-28 극동대학교 산학협력단 퍼지 적응형 무향칼만필터를 적용한 비선형 제트엔진의 제어 장치
JP6540787B1 (ja) * 2017-12-28 2019-07-10 横河電機株式会社 装置、方法、およびプログラム
US11512848B2 (en) * 2018-03-05 2022-11-29 The Governors Of The University Of Alberta Systems and methods for real-time steam quality estimation
JPWO2019208773A1 (ja) * 2018-04-27 2020-08-27 三菱日立パワーシステムズ株式会社 ボイラの運転支援装置、ボイラの運転支援方法、及びボイラの学習モデルの作成方法
US10626817B1 (en) * 2018-09-27 2020-04-21 General Electric Company Control and tuning of gas turbine combustion
KR102096558B1 (ko) 2018-11-26 2020-04-02 두산중공업 주식회사 연소 최적화를 위한 장치 및 이를 위한 방법
KR102094288B1 (ko) 2018-11-30 2020-03-27 두산중공업 주식회사 보일러의 연소 최적화 연산을 위한 시스템 및 방법
KR102106827B1 (ko) 2018-11-30 2020-05-06 두산중공업 주식회사 보일러 연소의 최적화를 위한 시스템 및 방법
KR102108015B1 (ko) 2018-11-30 2020-05-08 두산중공업 주식회사 보일러 운전을 제어하기 위한 시스템 및 방법
CN110026068B (zh) * 2019-04-08 2021-07-09 东南大学 一种基于神经网络逆控制的大型燃煤电站co2捕集系统及前馈控制方法
US10901376B2 (en) * 2019-04-11 2021-01-26 Johnson Controls Technology Company Building management system with self-optimizing control modeling framework
EP3736518A1 (de) * 2019-05-09 2020-11-11 Linde GmbH Verfahren zum betreiben einer verfahrenstechnischen anlage
CN110657423B (zh) * 2019-09-30 2021-12-03 国网山东省电力公司电力科学研究院 冷烟气再循环系统的耦合智能控制系统及其构建方法
CN110673485B (zh) * 2019-10-21 2020-11-24 京东城市(南京)科技有限公司 用于燃烧控制的模型训练方法、装置、电子设备以及介质
CN111289683B (zh) * 2020-03-05 2022-08-09 内蒙古汇能集团长滩发电有限公司 一种火电煤粉燃烧效率检测系统
CN113240155A (zh) * 2021-04-16 2021-08-10 国网河北省电力有限公司沧州供电分公司 预测碳排放量的方法、装置及终端
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
CN113996158A (zh) * 2021-08-16 2022-02-01 国能(山东)能源环境有限公司 炉外脱硫的控制方法、装置、电子设备及存储介质
US11905817B2 (en) * 2021-12-16 2024-02-20 Saudi Arabian Oil Company Method and system for managing carbon dioxide supplies using machine learning

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5724805A (en) * 1995-08-21 1998-03-10 University Of Massachusetts-Lowell Power plant with carbon dioxide capture and zero pollutant emissions
US6223519B1 (en) * 1999-02-11 2001-05-01 Bp Amoco Corporation Method of generating power using an advanced thermal recuperation cycle
US7654320B2 (en) * 2006-04-07 2010-02-02 Occidental Energy Ventures Corp. System and method for processing a mixture of hydrocarbon and CO2 gas produced from a hydrocarbon reservoir
EP2182283A2 (en) * 2008-10-31 2010-05-05 Hitachi Ltd. Oxyfuel combustion boiler plant and control method for the same

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994020887A2 (en) 1993-03-02 1994-09-15 Pavilion Technologies, Inc. Method and apparatus for analyzing a neural network within desired operating parameter constraints
EP1217473A1 (en) * 2000-12-21 2002-06-26 Abb Research Ltd. Optimizing plant control values of a power plant
RU2352984C2 (ru) * 2003-09-12 2009-04-20 Вольво Аэро Корпорейшн Оптимизация последовательных комбинаторных процессов
US7599750B2 (en) 2005-12-21 2009-10-06 Pegasus Technologies, Inc. Model based sequential optimization of a single or multiple power generating units
WO2008011427A2 (en) 2006-07-17 2008-01-24 Syntha Corporation Calculating and predicting performance of power generating unit
US8200369B2 (en) 2007-03-12 2012-06-12 Emerson Process Management Power & Water Solutions, Inc. Use of statistical analysis in power plant performance monitoring
RU80044U1 (ru) * 2007-05-17 2009-01-20 Открытое Акционерное Общество "Первая Генерирующая Компания Оптового Рынка Электроэнергии" (Оао "Огк-1") Система управления генерирующими мощностями
RU2007139972A (ru) * 2007-10-29 2009-05-10 Закрытое акционерное общество "Техсистем груп" (RU) Способ оптимизации режимов работы электростанций
US8374709B2 (en) * 2008-03-03 2013-02-12 Alstom Technology Ltd Control and optimization system
US8352148B2 (en) * 2008-05-21 2013-01-08 General Electric Company System for controlling input profiles of combined cycle power generation system
KR101360790B1 (ko) 2009-04-22 2014-02-11 한국전력공사 발전소 계측기 성능 감시 예측 방법
RU2010107509A (ru) * 2010-03-01 2011-09-10 Владимир Михайлович Летун (RU) Способ оптимального управления режимом загрузки основного оборудования тепловой электростанции (тэс)

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5724805A (en) * 1995-08-21 1998-03-10 University Of Massachusetts-Lowell Power plant with carbon dioxide capture and zero pollutant emissions
US6223519B1 (en) * 1999-02-11 2001-05-01 Bp Amoco Corporation Method of generating power using an advanced thermal recuperation cycle
US7654320B2 (en) * 2006-04-07 2010-02-02 Occidental Energy Ventures Corp. System and method for processing a mixture of hydrocarbon and CO2 gas produced from a hydrocarbon reservoir
EP2182283A2 (en) * 2008-10-31 2010-05-05 Hitachi Ltd. Oxyfuel combustion boiler plant and control method for the same

Also Published As

Publication number Publication date
RU2559416C2 (ru) 2015-08-10
CN103339441A (zh) 2013-10-02
KR101484496B1 (ko) 2015-01-20
CA2820216C (en) 2016-01-05
WO2012078284A1 (en) 2012-06-14
RU2013130996A (ru) 2015-01-20
US20120143382A1 (en) 2012-06-07
AU2011338906B2 (en) 2015-07-16
AU2011338906A1 (en) 2013-07-04
KR20130089283A (ko) 2013-08-09
TWI453360B (zh) 2014-09-21
EP2649369A1 (en) 2013-10-16
TW201250176A (en) 2012-12-16
US8755916B2 (en) 2014-06-17
CA2820216A1 (en) 2012-06-14

Similar Documents

Publication Publication Date Title
CN103339441B (zh) 用于氧燃料燃烧动力设备的优化综合控制
Wu et al. Solvent-based post-combustion CO2 capture for power plants: A critical review and perspective on dynamic modelling, system identification, process control and flexible operation
AU2009223437B2 (en) Apparatus for optimizing a chemical looping combustion plant using a model predictive controller
US8755940B2 (en) Modeling and control optimization system for integrated fluidized bed combustion process and air pollution control system
Havlena et al. Application of model predictive control to advanced combustion control
Jin et al. Optimization and control for CO2 compression and purification unit in oxy-combustion power plants
He et al. Dynamic modeling and advanced control of post-combustion CO2 capture plants
CN108227488B (zh) 基于滑模预测控制的超超临界火电机组协调控制方法
Rossi et al. Artificial neural networks and physical modeling for determination of baseline consumption of CHP plants
Jin et al. Dynamic modeling and control for pulverized-coal-fired oxy-combustion boiler island
He et al. Development and implementation of advanced control strategies for power plant cycling with carbon capture
Liao et al. Flexible operation of large-scale coal-fired power plant integrated with solvent-based post-combustion CO2 capture based on neural network inverse control
Zhuo et al. Hierarchical Takagi-Sugeno fuzzy hyperbolic tangent static model control for a circulating fluidized bed boiler thermal power unit
Saez et al. Fuzzy predictive supervisory control based on genetic algorithms for gas turbines of combined cycle power plants
JP2009222332A (ja) ボイラを備えたプラントの制御装置、及びボイラを備えたプラントの制御方法
Spinelli et al. An optimal hierarchical control scheme for smart generation units: an application to combined steam and electricity generation
Lima et al. Advanced control strategies for IGCC plants with membrane reactors for CO2 capture
Velut et al. Short-term production planning for district heating networks with JModelica. org
Śladewski et al. Close loop optimisation of large CHP based on approximation model
Righetti Control and optimization of the start-up of a combined cycle power plant
Abdul Manaf MANAGEMENT DECISION SUPPORT SYSTEM OF SOLVENT-BASED POST-COMBUSTION CARBON CAPTURE
Lou et al. Integrated controls design optimization
Havlena et al. Model-Based Predictive Control of a Circulating Fluidized Bed Combustor
Pandurangan Optimization and Supervisory Control of Cogeneration Systems

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C56 Change in the name or address of the patentee
CP01 Change in the name or title of a patent holder

Address after: Baden, Switzerland

Patentee after: GENERAL ELECTRIC TECHNOLOGY GmbH

Address before: Baden, Switzerland

Patentee before: Alstom Technology Ltd.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150909

Termination date: 20211108