CN103792933A - 利用仿真系统确定和调谐过程特征参数的方法 - Google Patents

利用仿真系统确定和调谐过程特征参数的方法 Download PDF

Info

Publication number
CN103792933A
CN103792933A CN201310489427.8A CN201310489427A CN103792933A CN 103792933 A CN103792933 A CN 103792933A CN 201310489427 A CN201310489427 A CN 201310489427A CN 103792933 A CN103792933 A CN 103792933A
Authority
CN
China
Prior art keywords
emulation
variable
value
model
described process
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
CN201310489427.8A
Other languages
English (en)
Other versions
CN103792933B (zh
Inventor
X·程
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 CN103792933A publication Critical patent/CN103792933A/zh
Application granted granted Critical
Publication of CN103792933B publication Critical patent/CN103792933B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total 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]
    • G05B19/41885—Total 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
    • 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
    • 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
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种过程特性参数确定系统，采用过程模型和调谐模块，在不直接测量过程特性参数的情况下，准确地确定工厂内的过程的特性参数值，并可以在线操作或在过程正在运行的任何时刻自动确定过程特性参数的正确值。这个过程特性参数值可以是热交换器的热传输系数的值，可以随后用来确定一个更精确的仿真结果和／或作出其他的在线过程决定，例如过程控制决定，过程操作模式决定，如实施吹灰操作等的过程维护决定。

Description

利用仿真系统确定和调谐过程特征参数的方法
技术领域
本发明一般涉及在发电厂，工业制造工厂、材料加工厂和其他类型的工厂中确定准确的过程特性参数值，更具体地说，涉及使用可调节仿真系统确定过程特性参数。
背景技术
在一般来说，应用于发电厂，工业制造工厂，材料加工厂和其他类型的工厂的过程包括一个或多个和多个现场设备通过模拟、数字、模拟／数字结合，或无线通信信道或线路连接的控制器。这些现场设备可以是，例如阀门、阀门定位器、开关、发送器(例如温度，压强，液位传感器和流速传感器)、燃烧器、热交换器、炉、锅炉、涡轮等，其位于工厂环境内且执行过程功能，如开启或关闭阀门，测量过程参数，发电，燃料燃烧，加热水等，来响应由控制器产生和发送的控制信号。智能现场设备，如符合任何公知的Fieldbus协议的现场设备，也可以执行控制计算，报警功能，和一般由工厂控制器或在其内实施的其他功能。工厂控制器也通常位于工厂内的环境中，接收由现场设备产生的代表过程测量结果的信号和／或其它和现场设备相关的信息，并执行控制应用，该应用运行例如不同的控制模块以作出过程控制决定，基于所接收到的信息产生过程控制信号，并与如
Figure BSA0000096374850000011
和
Figure BSA0000096374850000012
Fieldbus的现场设备中执行的控制模块或块相配合在控制器内的控制模块通过通信线路或网络发送过程控制信号到所述现场设备，从而控制所述过程的操作。
来自现场设备和控制器的信息通常是通过一条数据高速通道被传输到一个或多个其它计算机设备，如操作员工作站，个人计算机，数据库，报告产生器，集中式数据库等等，这些设备通常放置在控制室或其它远离恶劣的工厂环境的地方。这些计算机设备也可以运行应用程序，例如，使操作员能够执行关于所述过程的功能，如改变过程控制例程的设置，修改控制器或现场设备中的控制模块的操作，检视当前的过程状态，检视现场设备和控制器产生的报警，执行辅助过程，如吹灰过程或其它维护过程，保持和更新配置数据库，等等。
作为一个例子，由艾默生过程管理销售的
Figure BSA0000096374850000021
控制系统，包括由位于过程工厂中不同的地方的不同设备存储和执行的多个应用。一个配置应用程序，它驻留在一个或多个工程师／操作员工作站，使用户能够创建或更改过程控制模块，并通过数据高速通道下载这些过程控制模块至专用的分布式控制器。通常情况下，这些控制模块是由通信互连的功能块所组成的，所述功能块是面向对象编程协议中的对象，这些功能块根据输入执行控制方案中的功能，并提供输出给控制方案中的其他功能块。配置应用程序也可以允许设计者创建或更改操作员界面，所述界面被检视应用用来将数据显示给操作员，并使操作员能在过程控制例程中更改设置，如设定点。每一个专用控制器以及在某些情况下现场设备，可以存储并执行控制器应用，所述应用运行被分配和下载的控制模块，以实现实际的过程控制功能。检视应用，这可以在一个或多个操作员的工作站上运行，通过数据高速通道接收来自控器应用的数据，并通过用户界面把数据呈现给过程控制系统设计员，操作员或用户。数据库应用通常由数据库设备存储和执行，该数据库设备收集和储存通过数据高速通道提供的部分或全部数据，而配置数据库应用可以进而使连接到数据高速通道的计算机存储过程控制程序例程的当前配置和与之相关的数据。
然而，在许多行业中，为了更好地控制工厂，为了了解提出的控制或维护操作实际上会如何影响工厂等等，构造一个用于对工厂(包括连接在工厂内的各种工厂设备和控制网络)操作进行仿真的仿真系统是可取的和必要的。这样的仿真系统可以响应如设置点，测试新的控制例程，执行优化，执行培训活动等新的或不同的控制变量用来测试工厂的各种操作。其结果是，许多不同类型的工厂仿真系统已被提出并在过程工厂中使用。
在过程工厂仿真领域，过程仿真器的设计通常是基于一个第一原理为基础的模型或经验数据模型。基于第一原理的模型，也称为一个高保真模型，基于第一原理的物理定律，如众所周知的质量，能量和动量守恒定律，对设备和过程建模。基于第一原理的模型所描述的物理过程往往是复杂的，并可以使用偏微分方程和／或微分代数方程表示。这些方程可以描述过程或设备性能和／或这些属性的变化。在许多基于第一原理的模型中，方程是模块化的，使这些方程可以用于对特定部件和／或多设备或多过程系统中的过程建模。因此，设备和／或过程可以在模型中很容易地通过替换模型中的方程被改变和／或更新。然而，由于基于第一的原理的模型无法考虑到在任何特定时间过程设备或过程环境的实际特性或属性的不确定性，使得所述基于第一原理的模型受制于建模误差。在许多情况下，这些过程特性是简单地由工厂操作员估计，或使用一些其他手动或离线估计技术估计获得。
另一方面，基于经验数据的模型，通常也被称为黑盒模型，是通过按照设计的试验施加测试输入到一个实际的过程系统，然后测量对应于测试输入的测试输出，从而生成建模的公式或等式。基于所述输入和输出，会生成定义所述输入和输出之间关系的方程或其它模型，从而建立一个过程或设备的模型。在这种方法中，经验公式可能会比基于第一原理的方程更容易获得，并且经验方程可能会比基于第一原理的方程更好地捕捉和表示动态瞬变现象。然而，必须设计、实施、执行特殊的实验以获取足以产生用于开发模型的准确和多样化的经验数据。此外，该工厂通常必须经过一段时间的运行来开发模型，这可以是昂贵和费时的。另外，设备变更或更换时，必须开发新的经验模型，这也是耗时和昂贵的。再有，经验模型无法考虑到工厂环境中的变化或由于工厂设备的老化或使用产生的过程工厂设备的缓慢或渐进的变化。换句话说，经验模型在产生的时候能够考虑到固有的过程特性，但这些模型是无法轻易的改变以考虑随着时间的推移过程特性所产生的变化。
因此，无论使用何种过程建模方法，为了利用模型进行仿真的目的，常常需要对该过程仿真模型进行足够精确的调谐和／或调整。例如，在许多情况下，所创建的仿真模型包括和不可测量的过程变量或特性(例如过程或过程设备中的固有性质)相关的因素，所述过程变量或特性在本文中称为过程特性参数，其随着时间变化，例如，设备的磨损，工厂环境中的变化，等等。虽然有许多其他这样的过程特性参数，所述过程特性参数的一个例子就是用于对工厂内热交换器建模的热传送系数。在许多情况下，这些过程特性参数在工厂中是不可测量的，能够准确地确定这些过程的特性参数却是重要的，因为这些过程的特性参数值不仅会影响仿真的准确性，而且也可用于做出如控制操作和维护操作的其他操作的决定。
举一个例子，作为发电过程的一部分，许多发电厂过程(以及其他类型的过程的应用)利用热交换器从一个流体介质传递热能到另一种流体介质。对于仿真和控制的目的很重要的是，在任何特定时间确定有多少能量在流体之间的转移，从而该设备的效率和由此产生的温度变化可以准确地被仿真、评估或理解，从而能够确定适当的控制和／或维护操作。已知的是热交换器的热传送效率以及在热交换器中产生的介质温度变化在很大程度上受所述热交换器(如在热交换器的导热率和热电容)的材料属性、热交换器表面面积、热交换管的厚度、换热器的几何形状、以及各种运行时条件的影响。在这些因素中，材料属性，表面积，管的厚度，和配置的几何形状可以被认为是设计数据，基于该设计数据，根据已知的数学原理，可确定“设计”的热交换器的热传输系数。然而，通常设计信息只提供了相在任何特定时间工厂内的特定热交换器的实际热传输系数的粗糙近似。在过程工厂中设计的热传输系数与实际所用的热交换器的热传输系数不同是因为设计数据不考虑其他的原因，通常是过程工厂中改变或影响热传输系数的变化因素，从而在工厂操作过程中影响或改变热交换器的效率。事实上，实际的运行环境通常包括许多不同的直接影响“实际”的热传输系数的因素，这反过来又影响“实际”的传热效率和流出所述热交换器的流体的“实际的”最后温度。例如，作为粗煤的燃烧和飞灰的烟道气进入一个热交换器内的结果，烟尘积聚或沉积在热交换器表面上，这种煤烟的热传递特性极大地影响热交换器内产生温度的变化效率。此外，随着时间的推移烟尘积聚和吹灰操作(即实施不时除去在热交换器内的烟灰积聚)改变管的厚度，这也影响了热交换器的效率和温度分布。因此，为了考虑到出现在实际运行情况时的不可测量因素或现象，在过程仿真和控制中的热交换器的“实际”的热传输系数需要调谐或调整到不同于设计的热交换器的热传输系数的值。
为了解决这个问题，目前行业中的惯例是通过根据收集的工厂历史数据进行离线计算，调谐和调节在热交换器模型(通常是基于第一原理的模型)中的热传输系数。然而，以这种方式计算或确定的热传输系数会导致模型更新的延迟，这意味着，在实时的情况下，该模型通常没有被及时调整。此外，这种延迟可能会导致不正确的调整，因为在历史数据的收集和基于按照所述历史数据调整或调节热传输系数而进行的工厂运行之间，热传输系数可能已经改变。
发明内容
一种过程特性参数确定系统，能够精确的确定工厂中存在的实际过程特性参数值，而无需直接对所述过程特性参数进行测量，并且可以在线操作或当所述过程在运转时自动的提供在所述过程正在进行的操作中所述过程特性的当前值。如此确定的过程特性参数值可以随后被用于实现对更精确的仿真结果的确定和／或作出其他的在线过程决定，例如过程控制决定，过程维护决定，过程操作模式决定，等等。
过程特性参数确定单元包括工厂，设备或过程模型，例如基于第一原理的模型，包括或采用至少一个过程特性参数用于确定预测的过程变量输出，还包括调谐模块，基于实际的工厂操作来调谐或改变在所述过程模型中的过程特性参数，从而自动的调整在所述过程模型中采用的过程特性参数，以促使所述过程变量的预测值与所测得的或实际的工厂操作相匹配。过程特性参数确定系统因此自动的确定使得所述过程模型的输出与所测得的工厂操作匹配或遵从所测得的工厂操作的一个或多个过程特性参数的值，从而在例如工厂的在线操作中实现对过程特性参数的迅速自动确定。如此确定或调谐的过程特性参数可以随后被用于进行更好或更准确的仿真，并且还可以被用于进行其他控制或维护流程。例如，当采用此处所述的过程特性参数确定系统确定热交换器的热传送系数时，该热传送系数可以被用于确定进行吹灰或所述热交换器的其他维护流程的时间，从而提高工厂操作效率，降低由不必要的吹灰操作等引发的热交换器的耗损和撕裂。当根据过程特性参数的值或状态有不同类型的控制更适于控制所述过程时，所述热传送系数还可以或替代性的被用于进行更好的或不同类型的控制。进而，所确定的过程特性参数可以被用于决定是否使工厂或工厂的一些部分进行操作，或者改变工厂或工厂的一些部分的操作模式，从而例如使工厂的操作有更好的收益。
另外，仿真系统及方法定义或采用过程模型，例如基于第一原理的模型，用于对工厂或例如部件、设备、控制系统等工厂相关部分的操作建模。所述过程模型包括体现了过程特性参数的一个或多个变量，所述过程特性参数被用于所述建模或被用于确定或影响所述模型的输出。所述过程模型随后可以在工厂中被采用，仿真系统和方法将所述过程模型的输出与测得的或经确定的工厂变量(可以是测得的过程变量或控制信号)加以比较，从而确定所述仿真或建模的过程变量与所测得的过程变量值之间的差值。所述仿真系统与方法随后可以在调谐模块中采用该差值，从而调整用于所述过程模型中的过程特性参数的值，从而使得所述过程模型的输出与所述测得的过程变量值相匹配。其实，所述调谐模块负责对所述过程特性参数进行反馈补偿，从而使得所述过程变量的模型输出趋向所述测得的过程变量值。当所述过程模型的输出与所述测得的过程变量值相匹配或接近时，所述仿真系统和方法可以指示所述过程特性参数的值是正确的，并且可以将该过程特性参数值提供给控制器、用户界面系统、或另一仿真系统，用于对过程进行控制，向用户加以显示，对所述过程进行更准确的仿真，等等。另外，所述过程特性参数值可以被用于(手动或自动)作出其他决定，例如控制决定，维护决定(例如是否对热交换器进行吹灰操作)，或商业决定(例如在当前状态下是否继续操作工厂抑或因为继续操作已经不再能带来收益而停止操作)。
实际上，仿真系统的自动、在线调谐方法对模型预测的过程变量值，例如温度交换器输出的温度曲线，以及测得的所述过程变量的值，例如实时测得的工厂的所述温度交换器输出的温度，之间的差值进行监视。所述调谐方法利用基于所述差值进行操作的反馈控制器，逐渐的调整所述仿真系统中所采用的过程模型的过程特性参数值，例如热传送系数，直到所述建模的过程变量值与实际或测得的过程变量值(例如在所述过程中测得的温度)相匹配。当两种变量值相匹配时，该模型的过程特性参数值(例如建模的热传送系数)可以被视为在该时刻或短时间内是准确的。进而，当所述仿真和调谐流程是实时进行的情况下，新计算出的过程特性参数值(例如热传送系数)可以被视为自适应的跟踪实际的过程特性参数(例如工厂的实际热传送系数)。因此，所述机制可以协助为工厂提供更好的控制以及维护流程，因为该机制对影响控制或维护操作的需要的工厂(例如设备)特性进行了准确的建模或确定。
附图说明
图1所示为示例性过程工厂以及控制网络的框图，例如发电厂，其中的仿真系统可以被用于计算或预测一个或多个过程特性参数
值；
图2所示为基于锅炉的发电厂的锅炉蒸汽循环的各种组件的框图，其中可以采用图1所示工厂中的仿真系统进行仿真；
图3所示为分布式仿真系统的一组仿真模块框图，用于对图2中所示的发电厂的锅炉蒸汽循环操作进行仿真；
图4所示为在与过程相连接的情况下图3所示的仿真系统的第一示例仿真模块框图，其中所述仿真模块包括过程模型以及调谐模块，所述调谐模块用于基于工厂操作条件确定用于所述过程模型中的过程特性参数的正确值；
图5所示为在与过程相连接的情况下图3所示的仿真系统的第二示例仿真模块框图，其中所述仿真模块包括过程模型以及调谐模块，所述调谐模块用于基于工厂操作条件确定用于所述过程模型中的过程特性参数的正确值；
图6所示为图4中仿真模块的操作范例示意图。
具体实施方式
图1所示为工厂10为示例性过程工厂和控制网络(例如与发电厂、工业制造厂、化学处理厂等相关的工厂)的简要示意图，其中可以设有过程特性参数确定单元和仿真系统。工厂10包括具有一个或多个控制器12的分布式控制系统，每个控制器通过输入／输出(I／O)设备或卡18连接到一个或多个现场设备14和16，所述输入／输出(I／0)设备或卡18可以是例如Fieldbus接口、
Figure BSA0000096374850000081
接口、
Figure BSA0000096374850000082
接口、标准4-20毫安接口等。所述控制器12还通过如以太网链路之类的数据高速通道24耦接到一个或多个主机或工程师／操作员工作站20、21和22。数据库28可以与数据高速通道24相连，并且用作数据资料库来收集和储存参数、过程变量(包括过程变量测试结果以及控制信号)状态以及其他与控制器12和工厂10中的现场设备14和16相关的数据。另外或可替代的，数据库28可以作为储存下载和储存在控制器12以及现场设备14和16中的工厂10中的过程控制系统的当前配置的配置数据库。控制器12、I／O卡18以及现场设备14和16通常位于并且有时分布在苛刻的工厂环境中，工程师／操作员工作站20、21和22以及数据库28通常位于控制室或其他不甚苛刻、并且可以便于由控制或维护人员访问的环境中。
如已知的，每个控制器12，例如Emerson Process ManagementPower and Water Solutions公司销售的
Figure BSA0000096374850000091
控制器，储存和执行控制器应用，该控制器应用采用任何数量的不同的独立运行的控制模块29来实现控制策略。每个控制模块29可以由通常的功能块组成，每个功能块是总体控制例程的一部分或子例程，并且与其他功能块(通过通信链路)配搭操作，从而实现在工厂10中的过程控制循环。众所周知，功能块可以是、但不必然是面向对象编程协议中的对象，通常执行一种输入功能，例如与发射机、传感器或其他过程参数测量装置相关的功能；或执行一种控制功能，例如与执行比例-积分-微分(PID)、模糊逻辑控制等的控制例程相关的控制功能；或执行一种输出功能，用于控制例如阀门等设备的操作，从而在过程工厂10内执行一些物理功能。当然，还存在一些混合的或者其他类型的复杂功能块，如模型预测控制器(MPC)、优化器等。
在图1所示的工厂10中，链接到控制器12的现场设备14和16可以是标准的4-20毫安设备，也可以是包括处理器和存储器的智能现场设备，例如
Figure BSA0000096374850000092
或Fieldbus现场设备，或者也可以是所需的其他类型的现场设备。这些设备，例如Fieldbus现场设备(图1中附图标记16所代表的)，可以储存和执行与控制器12中体现的控制策略相关的模块或子模块，例如功能块。图1中位于两个不同Fieldbus现场设备16之间的功能块30可以被执行，所述对功能块30的执行与在控制器12中的控制模块29的执行相配搭，从而实现一个或多个过程控制循环，正如众所周知的那样。当然，现场设备14和16可以是任何类型的设备，例如传感器、阀门、发射机、定位器等，并且I／O设备18可以是符合例如
Figure BSA0000096374850000094
Fieldbus等任何希望的通信或控制器协议的任何类型的I／O设备。
此外，在已知的方式中，工作站20-22中的一个或多个包括用户界面应用，使得例如操作员、配置工程师、维护人员等的用户能够与工厂10中的过程控制网络进行交互。特别的，所示的工作站22包括存储器34用于储存一个或多个用户界面应用35，该应用可以在工作站22中的处理器46中执行，用于与数据库28、控制模块29、或其他在控制器12或I／O接口设备18中的例程通信，还可以用于与现场设备14和16以及该等现场设备中的控制模块30进行通信，从而从工厂获取信息，例如与工厂设备或所述控制系统正在进行的状态相关的信息。用户界面应用35可以对上述所收集到的信息进行处理和／或在与一个或多个工作站20-22相关的显示设备37上加以显示。上述经过收集、处理和／或显示的信息可以是例如过程状态信息、工厂内部产生的警报和警示、维护数据等。同样的，一个或多个应用39可以在工作站20-22中被储存和执行，以进行配置活动，例如产生或配置在工厂中将要执行的模块29和30，也可以进行控制操作者活动，例如改变工厂内的设定值或其他控制变量等，还可以执行维护应用或功能，例如运行工厂中的吹灰机，启动工厂内的控制器调谐，运行阀门或其他设备维护流程等。当然，例程35和39的数目和类型并不限于此处所提供的描述，如果需要，其他数目和类型的过程控制和维护相关的例程也可以在工作站20-22中被存储和实现。
图1所示的工作站20-21，数据库28以及一些控制器12还可以包括可以在工厂中实现的过程特性参数确定系统和／或仿真系统的组件，正如图1所示。如果需要，所述过程特性参数确定系统可以作为仿真系统的一部分或在仿真系统的内部执行，所述仿真系统可以是集中式仿真系统，在这种情况下所述仿真系统组件可以在其中一个操作者工作站20-22中存储和执行，例如在控制器12中、在数据库28或在任何其他工厂10中或与工厂10进行通信的计算机或过程设备中。在另一方面，仿真系统可以是分布式仿真系统，在这种情况下仿真系统组件可以被储存在与工厂10相关的各种不同的设备之中，例如现场设备14和16、控制器12、用户界面20-22、数据库28等。
在一个例子中，工作站20包括一组仿真支持应用40，包括仿真配置应用，用户界面应用和数据结构，用于采用过程特性参数确定单元以此处所记载的方式对过程工厂10进行仿真。总的来说，仿真应用40使用户能够产生、实现并且检视图1所示计算机网络系统中的各仿真组件中所进行的仿真的结果。更具体的，分布式仿真系统可以包括多个分布的仿真模块42，这些模块位于在图1所示的计算机网络中各个不同的计算设备(也被称为分路(drop))中。每个仿真模块42都储存了一个模型，用于对单个的工厂组件或组件组的操作进行仿真，并且仿真模块42与用于对工厂10的更大部分进行仿真的另一模块进行直接通信。任何具体的仿真模块42可以被用于对工厂10的任何部分进行仿真，包括蓄水池、热交换器、控制器等，或一组设备，例如一个单元。进而，仿真模块42可以位于所述计算机网络的各个不同的设备或分路中并在其中被执行，并且可以通过例如通信总线24进行通信从而在仿真模块42之间传送数据，从而对更大范围的工厂设备进行仿真。当然，任何所需数目的模拟模块42可以位于任何特定的分路，并且每条分路可以独立于其他分路执行仿真模块42，从而实现分布式仿真。然而，如果需要，与任何特定仿真相关的全部仿真模块42可以在同一计算机设备(即一条分路)中进行存储和执行，并且仍然采用此处所描述的方式加以实现。
任何经授权的用户(例如配置工程师、操作者或其他类型的用户)可以访问仿真应用40，并且通过产生一组仿真模块42以及将这些模块42下载到工厂中或计算机网络中的不同的分路，来访问仿真应用40，仿真应用40可以被用于产生和配置仿真系统的具体实例。如图1所示，多个分布的仿真模块42可以被下载到并在工作站20-22、控制器12、数据库28和／或任何其他连接到通信网络24的计算机设备或处理设备中执行。如果需要，仿真模块42可以位于并在其他处理设备中执行，这些其他处理设备间接的连接到网络24，例如可以在现场设备16中，在商业局域网(LAN)中，或甚至在连接到网络24中的设备之一的广域网(WAN)中。进而，尽管图1中的总线或网络24显示为主要的通信网络用于连接实现仿真模块的各分路，但是也可以采用其他类型的通信网络连接各分路，包括任何需要的LAN、WAN、因特网、无线网络等。
分布的仿真模块42在下载后可以各自执行，但是要互相配搭操作，从而对工厂或组件以及工厂内的设备进行仿真，所述配搭操作被控制块29和39以及其他在控制器12中执行的控制例程、还可能包括现场设备14和16所控制。这样的分布式仿真系统可以使用户通过仿真应用组40中的用户界面应用进行关于工厂10的不同仿真和预测活动。如果需要，分布式仿真系统可以对图1所示的正在操作的工厂或其一部分进行仿真，或者也可以对并没有被实际建造的工厂进行仿真。重要的，如此处进一步记载的，一个或多个仿真模块42可以包括或执行过程特性参数确定单元或技术以准确确定在仿真模块的过程模型中采用的过程特性参数的当前值。包括过程特性参数确定单元或实现过程特性参数确定技术的仿真模块42可以将所确定的或当前的过程特性参数的值提供给其他仿真模块42、一个或多个用户工作站20-22、一个或多个用户界面应用35、一个或多个维护、控制或配置应用39、或甚至一个或多个用于控制工厂的控制器应用29。这些各种不同的应用可以采用任何需要或有用的方式接收并利用所确定的过程特性参数，例如通过用户界面应用35向用户显示过程特性参数的当前值以使得用户能够进行维护、仿真或控制行为，通过自动进行控制行为(例如调谐控制器、改变控制器模式等)或维护动作(例如实现一个或多个维护流程，例如对热交换器进行吹灰操作)或商业行为(例如决定在当前模式下工厂是继续操作还是因为这样做不再盈利而停止操作)等。
作为过程特性确定单元可以被用做仿真系统的一部分的工厂的一个更具体的示例，图2所示为锅炉100的锅炉蒸汽循环框图，锅炉100可以被例如通过例如图1所示的过程工厂或控制网络实现的热发电厂采用。锅炉100包括多个部分，各种形式的蒸汽或水汽例如过热的蒸汽、再加热蒸汽等流经这些部分。尽管图2所示的锅炉100包括多个水平放置的锅炉部分，在实际应用中，这些部分中的一个或多个可以被竖直放置，特别是因为在锅炉的各部分(例如水冷壁吸收部分)对蒸汽进行加热的烟道气是沿竖直方向上升的。
在任何情况下，图2所示的锅炉100包括水冷壁吸收部分102，主过热吸收部分104，过热吸收部分106，以及再加热部分108，所有的部分包括各种热交换器109a-109d。另外，锅炉100包括一个或多个减热器110和112，以及节能器部分114。由锅炉100产生的主要的蒸汽被用于驱动高压(HP)涡轮116，来自于再加热部分108的热的再加热蒸汽被用于驱动中压(IP)涡轮118。典型的，锅炉100还可以被用于驱动图2中未示出的低压(LP)涡轮。
水冷壁吸收部分102主要负责产生蒸汽，其包括数条管道，蒸汽通过这些管道进入圆筒。进入水冷壁吸收部分102的供给水可以是通过节能器部分114被泵入的。在水冷壁吸收部分102中时，所述供给水吸收了大量的热量。例如，在传统的圆筒状锅炉中，水冷壁吸收部分102具备蒸汽筒，其中承载了水和蒸汽，并且需要对圆筒中的水位加以仔细控制。在所述蒸汽筒上部收集的蒸汽被供给主过热吸收部分104，并且随后被供给过热吸收部分106，这两部分一起采用各种热交换器109a和109b使得蒸汽温度上升至非常高的水平。在所述圆筒底部的水被再循环并被在热交换器109c中被进一步加热。来自过热吸收部分106的主蒸汽输出驱动高压涡轮116以发它。
当主蒸汽对HP涡轮116加以驱动时，所耗尽的蒸汽被导入再加热吸收部分108，并在热交换器109d中对该蒸汽进行进一步的加热，并且来自再加热吸收部分108的热的再加热蒸汽输出被用于驱动IP涡轮118。减热器110和112可以被用于将最终的蒸汽温度控制在所需的设定值。最终，来自IP涡轮118的蒸汽可以通过LP涡轮(未示出)被供给蒸汽冷凝器(未示出)，其中所述蒸汽被冷凝至液态，并且循环自多个锅炉供给泵对供给水泵入锅炉作为下一个循环的开始。节能器部分114位于锅炉释放出的热耗尽气流中，并且利用高温气体将多余热量在所述供给水进入水冷壁吸收部分102之前传导给所述供给水。
图3所示为一组可以用于或采用分布式方式实现的仿真模块42，用于对图2所示的锅炉蒸汽循环操作进行仿真。正如所能理解的那样，各个仿真模块42可以包括或实现过程参数特性确定单元或在工厂中确定过程参数特性值的技术。具体的，图3中的各仿真模块42可以确定图2中各热交换器109a-109d的当前或正确的热传送系数值。
如图3所示，分布式仿真模块42包括针对图2所示的每个主要工厂要素的分离的仿真模块，包括水冷壁吸收仿真模块102S，主过热吸收仿真模块104S，过热吸收仿真模块106S，再加热吸收仿真模块108S，减热器仿真模块110S和112S，节能器仿真模块114S，涡轮仿真模块116S和118S。当然，这些仿真模块包括工厂要素模型，这些模型可以采用第一原理公式、或任何其他需要的模型例如经验模型的形式，对所述要素的操作加以建模从而基于所提供的输入为图2所示的相应的工厂设备产生仿真输出。正如所能理解的那样，这些过程模型在某种方式上包括或采用过程特性参数，例如热交换器109a-109d的热传送系数，用于对工厂的相关部分加以建模。尽管图3示出了针对图2中每个主要工厂组件的分立的仿真模块，也可以为图2中这些组件的子组件制作仿真模块，也可以产生针对图2中的多个工厂组件的组合的单一的仿真模块。
因此，总的来说，图3中所示的示例性分布式仿真技术和系统采用了数个分立的仿真模块，其中每个仿真模块对所仿真(这里指的是工厂要素仿真模块)或模型的过程或工厂中的不同活动组件进行建模或加以体现。在操作中，每个仿真模块可以在公共的机器或处理器中或者不同的机器或处理器中分别执行，从而实现并行和分布式的处理。因此，例如图3中所示的不同仿真模块可以在图1所示的各个不同的工作站20-22，图1中的控制器12，图1中的现场设备16，图1中的数据库28等中执行。
如上所述，且如图3所示，图3中的每个仿真模块包括一个或多个可执行的模型202，用于将与工厂要素或管道相关的操作建模，并且这些仿真模块被操作用于实现这些模型202，从而基于传输给工厂要素的输入(以液体、固体、控制信号等形式)对工厂要素的操作进行仿真。在大多数情况下，所述仿真模块会基于来自于上游仿真模块的输入指示(例如液体输入、气体输入、液压、温度等)来进行仿真，并且产生一个或多个输出指示，对过程或工厂要素的输出(例如采用液体输出形式，例如气体输出，例如液体温度、压强等)加以指示。工厂要素仿真模块中所采用的模型202可以是第一原理模型或任何针对特定的待仿真设备的其他适当类型的模型。然而，为了实现此处所描述的过程特性参数确定技术，多个仿真模块102S至118S可以与过程变量测量结果(采用传感器测量结果、过程控制器输入和输出形式等)绑定或从被仿真的工厂接收这些测量结果。
图3中的分布式仿真系统也被描述为包括位于上述工厂要素仿真模块之间的管道仿真模块P1-P8。一般来说，管道仿真模块P1-P8充当仿真边界模块，负责对其他仿真模块间的流动建模，提供由下游仿真模块至上游仿真模块的反馈，以及实施质量流和动量平衡方程从而均衡由不同的工厂要素仿真模块102S-118S执行的仿真。管道仿真模块P1-P8包括用于执行该流动建模的模型202，例如，实施质量流和动量平衡例程以平衡不同仿真模块102S-118S之间的质量流、压强等等的模块。也如图3所示，不同的仿真模块102S-118S和P1-P8通过输入和输出210相连接。美国专利申请公开No.2011／0131017，尤其是该专利申请的图3-8的描述中，更详细地提供了图3的分布式仿真系统的详细操作，其内容在这里明确引入作为参考。然而，在本案中，仿真模块102S-118S或甚至仿真模块P1-P8中的一个或多个包括使用过程特性参数以执行建模或预测的过程模型，并且这些仿真模块包括用于调谐过程特性参数的调谐器，调谐方式为促使过程模型的过程特性参数与实际过程中的过程特性参数的实际值匹配、相等或非常近似。
现在参考图4，以仿真模块400的形式描述了过程特性参数确定单元，其耦合至过程404，并位于上游仿真边界模块406和下游仿真边界模块408之间。仿真模块400可以是，例如，如果需要可以是仿真模块102S-118S中的任意一个，而边界模块406和408可以是图3中仿真模块P1-P8中任意合适的一个。然而，这些要素也可以是其他类型的仿真模块和边界模块。为了清楚起见，由仿真系统产生的仿真的或预测的信号或值在图4和5中用虚线显示，而过程控制信号(例如，在过程控制系统中确定或由过程控制系统测量的信号或值)在图4和5中用实线指示。
一般来说，仿真模块400，在本案中是分布式仿真系统的一部分，包括过程模型410、差值单元或加法器412，以及仿真模型调谐器单元414，它们协同工作以确定过程模型410使用的过程特性参数的值。在此例中，过程404可以是实时操作的在线过程，仿真模块400通过通信信道或线路连接至过程404。在这种情况下，仿真模块400实时接收来自过程404的数据(例如控制信号数据和测量的过程变量数据)或像过程404在线操作一样，因此在设备中存储和执行仿真模块400是有利的，仿真模块400实施过程404的过程控制器以减少在工厂的仿真和控制系统中的设备之间的数据通信。可替代地，过程404可以是通过例如数据资料库(如图1的数据资料库28)连接至仿真模块400的离线过程。在这种情况下，仿真模块400接收过去从过程404采集并存储在数据资料库28中的数据，这将有益于在数据资料库设备中存储和执行模拟模块400，从而减少模拟和控制系统中的数据通信。
如图4所示，过程模型410通过输入线或通信信道或连接416接收来自上游仿真边界模块406的模型输入，上游仿真边界模块406可以是例如图3中的分布式仿真系统的其他仿真模块中的一个，仿真模块400通信连接至上游仿真边界模块406。更进一步，过程模型410通过输入线或通信信道或连接418接收来自过程控制器420的控制信号输出，过程控制器420作为过程404的一部分操作以控制过程404或过程404中的要素，如阀门、燃烧器、流体流动等等。一般来说，输入线418处提供的控制器输出(过程控制信号)通过过程控制器420接收，或从过程控制器420接收，过程控制器420控制或影响由过程模型410建模的过程404的部分(例如，过程404中的设备)。可以理解的是，过程模型410可以是任何类型的过程模型，包括基于第一原理的模型，或黑箱或经验模型。例如，作为建模过程(基于第一原理的模型)的一部分，过程模型可以基于或实施第一原理数学方程，或是，例如，基于传递函数的模型、神经网络模型、模型预测控制(MPC)模型、回归模型、偏最小二乘法(PLS)模型等等(都是经验模型的示例)。在图4的示例中，过程模型410是仿真模块400中的过程模型单元的主要或唯一部分。在任何情况下，过程模型410以某种形式包括一个或多个过程特性参数，这些参数被用作过程模型410的一部分以执行过程404的建模。例如，当过程模型410对例如图2中的供热系统的热交换器109a-109d中的一个或多个进行建模时，用在过程模型410中的过程特性参数可以是过程404中的热交换器的热传送系数。在经验模型，如基于传递函数的模型的情况下，过程特性参数可以是例如模型的增益(该增益被视为反映过程特性)。
如图4所示，差值单元412(其可以是简单的加法电路或算法)包括两个输入，并在一个输入端接收来自模型410的、以例如由过程模型410发展的预测过程变量值的形式的输出，并在另外一个输入端接收过程模型410正在估计的同一过程变量的测量的过程变量值(在过程404中测量)。可以理解的，过程模型410基于来自控制系统420的信息(如传送至过程404的过程控制信号)、基于来自仿真边界模块406的信息(如过程模型410基于当前的过程条件做出对过程变量的预测所需的流速和其他上游过程变量)、基于内部存储的过程模型，以及在一些情况下，基于来自仿真边界模块408的信息，来产生过程变量的预测。差值确定单元412确定提供的两个输入之间的差值或误差，两个输入为来自过程404的测量过程变量值和由过程模型402产生的预测过程变量值，并且提供误差信号至仿真模型调谐器414。可以理解的，在过程404中测量的过程变量和由过程模型410预测的过程变量与相同的过程变量相关，并且，在模型410对热交换器的操作进行建模的示例中，可以是热交换器输出处的流体温度。当然，由模型410预测的过程变量值和在过程404中测量的过程变量值可以是包括控制信号的任意其他过程变量。在此例子中，假设由过程模型410预测的过程变量值和在过程404中测量的过程变量值是非受控的过程变量，也就是说，不受过程404的控制系统420直接控制的过程变量。尽管如此，也可以提供受控的过程变量的测量的和预测的值至单元412。
仿真模型调谐器414包括调谐器逻辑425，调谐器逻辑425以驱动或使得差值单元412产生的差值或误差信号至0的方式操作，以对过程模型410中使用的过程特性参数的值进行调谐。尤其的，仿真模型调谐器414的调谐器逻辑425可以更改用于过程模型410中的过程特性参数(例如热交换器的热传送系数)的值，从而使得过程模型410输出的预测过程变量值更加精确或与过程404的实际测量过程变量值更匹配。当然，仿真模型调谐器414的调谐器逻辑425能够以任何已知或希望的方式(譬如逐步地，以固定或可变步长或其他)改变或调整过程模型410中的或过程模型410使用的过程特性参数值，并且可以基于存储于仿真模型调谐器414中的预定规则集合或控制例程进行上述操作。因此，例如，仿真模型调谐器414的调谐器逻辑425可以存储例如指示如何最好地根据误差信号修改过程特性参数的值，并且这些规则可以指示例如正误差信号应使得过程特性参数值在一个方向上进行改变，而负误差信号应使得过程特性参数值在反方向上进行改变。此外，仿真模型调谐器414的调谐器逻辑425可以包括并使用任意种反馈控制例程，譬如，比例、积分和／或微分(PID)控制例程，来确定改变过程特性参数的最佳方式，该方式可以随时间最好地驱动过程模型410，从而产生与过程404的测量的过程变量值匹配或相等的预测过程变量值。
在任何情况下，随着时间，通过适应性地调谐或改变过程模型410中的过程特性参数值，从而驱使过程模型410的预测过程变量输出与在过程404中测量的过程变量值匹配，仿真模型调谐器414确定过程404中的过程特性参数的实际值。因此，当仿真模型调谐器414实际使过程模型410中的过程特性参数达到一个值，该值导致过程模型410的输出处的预测过程变量值与来自过程404的针对同一过程变量的测量过程变量匹配，导致差值单元412输出0或接近0的误差信号，仿真模型调谐器414实际上决定了出现在、存在于或与过程404的当前状态相关联的过程特性参数的实际值。
如图4所示，仿真模块400可以提供过程特性参数的当前值和其他所需或相关的模型参数或是通过通信信道、线路或其他连接输出至下游仿真边界模块408的输出，譬如流体流量、温度、压强等，该输出可以在下一个或下游仿真要素中使用。尽管如此，仿真模块400也可能或相反提供过程特性参数的当前值至例如图1的过程工厂10内的其它任意的仿真模块或其它任意的应用或用户，该过程特性参数的当前值以任意希望的方式，通过一个或多个与过程控制网络相关联的通信信道、连接或线路应用于这些其他应用中。
当然，虽然图4中所述的过程特性参数值确定单元被描述为作为分布式仿真系统中的一个要素的分布式仿真模块400的一部分，然而该过程特性参数值确定单元也可以作为独立单元使用，以确定任意特定的过程特性。另外，关于图4所述的过程特性参数确定单元也可以是集中式仿真系统的一部分，在集中式仿真系统中，对工厂或过程的一大部分，或单独位置处的整个工厂或过程执行仿真。因此，在仿真模块400中使用的过程特性确定单元也可以作为集中式仿真系统的一部分实施，而不是作为图4描述的分布式仿真系统的一部分。
图4中指示的过程404是在线操作过程，因此，在这种情况下，过程特性参数值确定单元在线确定过程特性参数值，换言之，在线或在进行中或实时操作过程404期间。尽管如此，过程特性参数确定单元也可以通过数据资料库，譬如图1中的数据资料库28，通信耦合至过程404，以接收之前收集到的过程404的数据，从而离线操作以确定某时刻与存储在资料库28中的过程404的实际测量值相关联的过程404的过程特性参数。换言之，过程特性确定单元可以实时地且在过程404正在进行的操作期间操作，以实时确定过程特性参数值，但其也可以离线实施或基于历史上或之前收集并存储的、测量的过程变量和控制系统输入输出以及其他过程模型410的操作必须的数据形式的过程变量数据进行实施。
图5示出了过程特性参数确定单元的另一个实施例，其作为仿真模块500的一部分再次被示出，在本例子中，其可被用于根据测得的或受控的过程变量确定过程特性参数值。如图5所示，仿真模块500连接至过程504并且位于上游仿真边界模块506和下游仿真边界模块508之间。仿真模块500包括过程模型单元，过程模型单元包括过程模型510，其类似于图4中的过程模型410，并且仿真模块500包括差值单元512和仿真模型调谐器514，他们的运行分别类似图4中的单元412和414。通过输入线或者通信连接516，上游仿真边界模块506向过程模型510提供必要信息以用于过程模型510的运行，信息包括，例如，仿真流量，材料，温度，压力，设定等，如上游仿真模块确定或使用的。相似的，这些信息有时也由下游仿真边界模块508提供。
然而，如图5所示，代替从过程504接收控制系统输出和从该控制系统输出预测一个非受控过程变量(如图4的仿真模块400所执行的)的预测值，过程模块510生成一个受控过程变量的预估或者估值，并且向仿真控制器520A(其可以是过程模型510的一部分或者是仿真模块500的过程模型单元的一部分)提供该预测的过程变量值。更具体的，仿真模块500的过程模型单元包括仿真控制器520A，其从过程504的过程控制系统接收受控过程变量的控制器设置点并且接收由过程模型510所形成的受控过程变量的预测值。仿真控制器520A运行以仿真由实际过程控制器520B执行的控制行为或者活动，过程控制器520B用于使用受控过程变量的相同设置点来控制过程504。当然，仿真控制器520A包括控制器逻辑524A，其运行方式与过程控制器520B的实际控制器逻辑524B相同，也即，使用相同的逻辑，调谐因子、增益、设定等，因为仿真控制器520A的目的是在过程504的运行中，基于受控过程变量的预测值(如过程模型510输出的)而非受控过程变量实际的或测得的值，对实际控制器520B的操作进行仿真。
如图5所示，通过仿真过程控制器520A形成的预测或仿真的控制信号值也被提供回过程模型510，过程模型510使用这些控制信号值来产生受控过程变量的估计值。而且，实际过程控制器520B也接受控制设置点和来自过程504的受控过程变量的测量作为反馈输入，并且使用这些信号以希望的或已知的方式执行过程控制。因此，可以理解，实际控制器520B和仿真控制器520A使用相同的控制参数和控制技术来执行控制并且由此基于来自过程504的受控过程变量的实际测量或者基于来自过程模型510的受控过程变量的预测值产生控制信号(即，实际控制信号或仿真控制信号)。当然，实际过程控制器520B产生实际控制信号以提供给工厂或过程504，而仿真过程控制器520A产生仿真控制信号，该仿真控制信号被提供回给过程模型510以使得过程模型510产生受控过程变量的预测值作为输出。
如图5所示，从实际过程控制器520B和仿真过程控制器520A输出的控制信号作为输入被提供给差值单元512的两个输入，其产生一个表示控制器520A和520B的输出(过程控制信号值)之间差值的误差信号。然后，该差值或误差信号被提供给仿真模型调谐器514，该仿真模型调谐器514类似于图4中的仿真模型调谐器414，其使用调谐器逻辑525来更改或改变模型510中的过程特性参数的值以试图驱动仿真控制器520A的输出，从而符合或匹配实际过程控制器520B的输出。仿真模型调谐器514的调谐器逻辑525可以以如图4中调谐器414所描述的相似的方式来运行并且因此能够以任何希望的方式来运行以更改或改变过程模型510中的过程特性参数的值。当然，当仿真模型调谐器514使得仿真过程控制器520A的输出等于或者接近于实际过程控制器520B的输出，差值单元512生成零或者接近于零的值，其指示模型510的过程特性参数值是真实的或实际的值，如其过程504中存在的一样，当然，在这种情况下，模型510输出的受控过程变量的预测值应该等于或者近似于在过程504中实际测得的受控过程变量值，正如，理想地，控制器520A和520B对这些值进行相同的操作以产生相同的控制信号(实际的或仿真的)，这些控制信号被传送给差值检测单元512。
类似于图4的系统，过程模型510(或者仿真模块500作为一个整体)可以通过任何希望的通信通道或连接向下游仿真边界模块508提供其输出，该输出包括流量，温度等，以及如果需要，还包括过程特性参数的电流值，下游仿真边界模块是实施过程参数特性确定单元的仿真元件或模块500的下游。因此，可以理解的是，图4的系统使用非受控过程变量的测量值以及如过程模型410所产生的非受控过程变量的预测值，使得过程特性参数值被确定下来，而图5的系统使用受控过程变量的测量和如过程模型510所产生的受控过程变量的预测值，使得过程特性参数值被确定下来。在第二种情况下，过程控制器520B输出的控制信号(如过程504内测得的或确定的)和由仿真过程控制器520A所生成的控制信号被相互比较来确定过程模型中的过程特性参数是否被设定成与实际过程的特性相关联的正确的或实际的值。当然，在所有或多数其他方式中，图5中的元件与图4中相应的元件是相同或相似的。
图6示出的图表600表示了图4的过程特性参数确定系统的运行的仿真实施例，所述过程特性参数确定系统被用于确定热交换器的热传递系数，电厂的锅炉系统产生的废气被作为输入提供给热交换器以产生或加热被传送至热交换器的输出的蒸汽，其中该蒸汽被用于驱动一个或多个电厂的涡轮机。更具体的，锅炉的超级加热器部分被选作演示样机。图6的图表600包括上方的线602，其表示随着时间的变化从热交换器输出的仿真的热废气温度，中间的线604，其表示随着时间的变化在热交换机的输出处的相对冷的仿真的蒸汽温度(其基于进入热交换机的废气的温度曲线图)，以及下方的线606，其表示热交换机的金属和蒸汽之间的仿真热传递系数，该系数由当用于对热交换器的操作进行建模时图4的系统确定。
本示例显示，在开始阶段，仿真的废气出口的温度是1269.9F，仿真的蒸汽出口的温度是1195.9F，并且仿真的超级加热器热传递系数(从金属到蒸汽)是0.005。然而，来自测量的实际蒸汽温度是1185F。此后，仿真模型调谐器414被启动并且，如线606所指示的，热传递系数被调谐器414逐渐调节至最终值0.0031，同时仿真的蒸汽温度最终稳定为1185F。
更具体的，在图6中通过点划线表示的时间610处，当热交换机中的废气与线602的温度曲线匹配时，过程特性参数确定系统被启动并且其模型调谐器414开始基于由过程模型产生的测得的蒸汽温度和该蒸汽温度的预测值(线604)之间的差值来调整热交换机的模型中的热传递系数(例如，本例子中的基于第一原则的模型)。
如图6所示，经过大约50到60分钟的时间，仿真模型调谐器414以驱动由过程模型(线604)预测的温度等于或近似于测得的蒸汽温度的方式，来调整热传递系数(线606)，如在热交换机的过程模型中所用的。而且，即使输入废气和工厂内测得的蒸汽温度随着时间的变化而变化，仿真系统也能够这样做。需要注意，如图6所示，如在过程模型中所使用的，热传递系数花费了相对短的时间段达到稳定状态，在该稳定状态，该系数反映了过程内的热交换机的实际热传递系数。而且，仿真系统在过程的持续或在线(或仿真的在线)操作期间，能够继续形成热传递系数的准确的和最新的值。因此，在本例中，如图6中所示的，在大约20到30分钟之后，热交换机(线606)的热传递系数被非常准确地确定并且变化很小，从而表明由仿真模型调谐器414确定的热传递系数匹配过程内的该过程特性的实际值并且因此准确地表示了过程内的情况。
当然，尽管图6的例子被示为使用以在热交换机的输出处测得的和预测的蒸汽温度的形式的受控过程变量来确定以热交换机的热传递系数的形式的过程特性参数值，然而该过程特性参数及其他过程特性参数能够使用这些或其他过程变量来确定。
更进一步，用于过程特性参数确定单元或热交换器的仿真单元的过程变量的选择可以包括但不限于，所测量的或计算的过程输入(以热交换器入口蒸汽温度、压强和流量以及热交换器入口废气温度、压强和流量的形式)；所测量的或计算的过程输出(以热交换器出口蒸汽压强和流量以及热交换器出口废气压强和流量的形式)；以及以蒸汽温度或废气温度形式的匹配的变量。当然，在这些系统中，过程控制器可以是包括用在分布式控制系统(DCS)中的任意控制算法的任意类型的控制器，以及为了改变过程特性参数，仿真模型调谐器可以使用任意类型的控制例程，包括例如任意反馈类型的稳定控制例程或技术，如PID控制技术。然而，本文描述的系统不限于使用或用于热交换器中热传递系数的确定。
此外，如上面提到的，图4和5的系统400和500能够用于在线或离线操作中。当用于在线操作中时，仿真(或过程特性参数值确定)与过程操作同时发生，并且因此仿真系统立即收到执行仿真和调整所需的过程变量测量值和过程控制信号。然而，由于通信负载和执行仿真通常需要的数据量，为了减少在过程控制系统或工厂通信网络中的通信开销，如果仿真单元(或过程特性参数确定单元)存储在并执行于信息能够立即获得的工厂附近或工厂内的设备的处理器上是所希望的，如在执行过程的控制的过程控制器内或被建模的设备内，执行控制或执行正在仿真中使用的过程变量测量的现场设备等等。
当用于离线仿真系统中时，仿真组件或模块可以首先以输入的形式采集过程模型必需的过程数据(如过程控制器输入和输出、要预测的过程变量的过程变量测量值以及执行仿真的过程所需的任何其他数据)，并且可以将该数据存储在数据库中，如图1的数据资料库中。仿真单元或者过程特性参数确定单元然后可以使用数据库中所存储的数据来应用仿真和模型调谐技术，就像该数据是实时接收的那样。当然，在这种情况下，仿真系统并不局限于在与采集数据的时间帧相同的时间帧中操作，而是可以比实时更快或更慢的操作以自适应的改变过程模型中的过程特性参数，以使得过程模型输出与实际测量的过程输出相匹配。此外，在离线仿真中，数据是预先存储的，仿真模型调谐器可以在任意特定时间通过单次确定使得过程变量的预测值和过程变量的测量值匹配的过程特性参数的值，来实际的将过程参数调整到正确值。在这种情况下，过程模型和调谐器单元可以根据需要在单个时间周期或时间段中多次操作，以使得预测的过程变量值和实际的过程变量值之间的差为零或近似为零。
当然，过程模型410或510中所产生和使用的过程特性参数可以提供给用户或者例如图1的用户接口设备20-22中的一些其他应用，以使得用户或操作员能够基于所确定的这些值采取一些行动，或者使得用户能够在工厂中做出进一步的决定或选择。例如，操作员可以基于所确定的过程特性参数的值采取或实施控制行动或维护行动。例如，操作员可以基于所确定的过程特性参数的值，通过控制器应用实施控制调谐、通过维护应用实施维护过程，如吹灰，等等。进一步的，控制、维护或其他系统可以将所确定的过程特性参数与阈值进行比较，并且基于该确定，可以在工厂内自动采取一些行动，如设置或产生警报或警告以显示或发送给用户、自动启动控制或维护过程，等等。例如，在过程特性参数是热交换器的热传送系数的情况下，当热传送系数太低(低于预定阈值)时，用户可以手动的或者系统可以自动的实施维护或控制过程(如吹灰或控制器调谐)以提高热传送系数或在过程控制中补偿低热传送系数。当然，这只是通过确定过程中的过程特性参数所能够实施或影响的进一步行动的一些例子，还存在该值的其他可能的使用。
此外，通过上述讨论可以理解，本文所描述的过程特性参数确定单元不管是否作为仿真系统的一部分，都可以以各种不同形式实施。对于离线仿真应用，仿真和控制在不同平台(或计算机系统)操作，具有自动调谐的过程特性参数确定单元将通常需要利用历史数据。否则，将有大量现场或原始数据需要传输给仿真系统，使得仿真系统将必须开发专用的通信软件和数据链路。通过利用来自历史数据文件中的数据作为实际数据，仿真和过程特性参数确定计算可以像本文所述那样直接进行。另一方面，对于在线仿真应用，仿真和控制在同一平台(通常是DCS控制系统)操作，调谐所需的数据可以直接由仿真或过程特性参数确定单元从DCS高速通道读取。然后所确定的过程特性参数的结果值可以连续实时写入仿真模型中。
进一步的，在对模型的热传送系数进行调整的热交换器模型的在线仿真中，所确定的热传送系数可以用于智能吹灰或其他维护目的。特别是，通过以所建议的方式连续监控和调整热传送系数，可以实时检测传热区域的污垢情况。更高的热传送系数值将对应于更清洁的锅炉区域，反之亦然。结果是，由于可以利用连续的热传送系数计算来建议或推荐吹灰操作，所以该系统可用于实施智能吹灰(intelligent soot-blowing，ISB)应用。可以使用该方法来代替其他已知的、基于第一原理“清洁因子”计算方法或者经验数据驱动的“清洁因子”计算方法的热平衡。
更具体而言，在例如用于锅炉类发电站的实时仿真应用中，该方法使得能够根据总是在发生变化的运行时间锅炉情况，自动并且连续的确定热传送系数，通常不需要其他手动调谐或特殊的数据链路，或者第三方软件项目。在这种情况下，可能希望基于所确定的热交换器的热传送系数，手动或自动地执行吹灰操作。例如，当所确定的热传送系数(或其他过程特性参数或能量转移特性参数)低于预定阈值时，接收热传送系数并且执行比较的系统或应用可以设置警报或警告以显示给用户，指示需要执行吹灰操作。或者，系统或应用可以响应于比较而自动对热交换器启动吹灰操作。通过这种方式，由于这种方法帮助保证在需要时才执行吹灰操作，因此能够更有效的执行吹灰，但是由于该方法限制或阻止了当热交换器的热传送系数仍然在可接受范围内时启动吹灰操作，因此减少了不必要的吹灰操作的次数。
在一种情况下，可能在差值信号为零或接近零时(即，在零附近的预定阈值内，该阈值例如是用户可选择的)希望限制针对热传送系数和阈值之间进行的比较而自动启动吹灰操作或者向用户产生警报、警告或其他通知。即，执行吹灰决定的系统或应用还可以接收差值信号的值并且确定差值信号的大小何时低于阈值(即，接近零)或者可以接收由实施差值单元(例如分别是图4和图5中的412或512)的仿真模块所产生的差值信号的大小何时低于阈值(即，接近零)的指示，并且接收系统或应用可以操作以仅在差值信号接近零时启动手动或自动吹灰操作。这一检查防止在调谐和仿真系统尚未调谐(从而热传送系数可能仍不正确)时启动吹灰。
此外，本文描述的设计机制和计算技术并不限于热传送系数(其是能量转移系数的一种类型)建模和自动调谐。这些机制和技术还可以应用其他应用。例如，这些方法可以用于自动校准依赖于燃料加热值(或者BTU容量)的仿真模型中使用的燃料加热值(其也是一种能量转移系数)，以计算燃烧温度和／或产能量。在这种情况下，等价的控制输入可以是燃料流量，等价的过程／模型输出(要匹配的变量)可以选择为烟气温度或所产生的能量。然而，这种使用仅仅是这些技术如何用于确定过程特性参数的另一个例子，许多其他应用也是可能的。
虽然本文描述的过程特性参数确定和／或仿真系统可以用于任意希望类型的工厂，以例如仿真流过工厂的原料流量(液体、气体，甚至固体)，本文描述的一个示例性分布式仿真系统用于仿真使用分布式控制技术所控制的能量产生工厂。然而，本文描述的过程特性参数确定和仿真技术可以用于其他类型的工厂和控制系统，包括工业制造和过程工厂、水和废水处理工厂等，并且可以与中央控制系统或分布式控制系统一起使用。
当以软件实现时，本文描述的任意过程特性参数确定软件、仿真软件和／或仿真模块可以存储在任意计算机可读存储器中，如磁盘、激光盘或者其他存储介质中，存储在接收机或处理器的RAM或ROM中。类似的，这种软件或者这些模块可以使用任意一致的或希望的交付方法交付给用户、过程工厂或操作站，例如包括：在计算机可读盘或者任意其他便携式计算机存储机制上，或者通过通信信道，如电话线、因特网、万维网、任意其他局域网或广域网等(这种交付被视为与通过便携式存储介质提供这种软件相同或者可互换)。此外，这种软件可以直接提供而不进行调制或加密，或者可以在通过通信信道发送之前使用任意合适的调制载波和／或加密技术进行调制和／或加密。
虽然本文描述的示例性系统被公开为还包括在硬件上运行的软件和／或固件，但是应当注意，这种系统仅仅是说明性的，而不应当认为是限制性的。例如，可以设想，任意或所有这些硬件、软件和固件组件可以完全实现为硬件、完全实现为软件或者实现为硬件和软件的任意组合。因此，虽然本文描述的示例性系统被描述为以在一个或多个计算机设备的处理器上运行的软件来实现，然而本领域技术任意可以理解，所提供的实例并不是实现这些系统的唯一方式。
因此，虽然参考特定实例描述了本发明，这些实例仅仅是说明性的而并不意图限制本发明，对于本领域技术任意来说，在不脱离本发明的精神和范围的情况下，可以显而易见的对所公开的实施方式进行改变、增加或删除。

Claims (51)

1.一种用于在确定过程的过程特性的值时使用的过程特性参数确定系统，所述过程特性参数确定系统包括：
包括过程模型的过程模型单元，所述过程模型单元基于向所述过程模型的过程输入的集合并且基于反映过程的过程特性的过程特性参数对所述过程的操作进行建模，其中所述过程模型单元基于向所述过程模型的所述过程输入和所述过程特性参数形成过程变量的预测值；
耦接到所述过程模型单元和所述过程的差值单元，所述差值单元具有第一输入和第二输入，所述第一输入接收如在所述过程内测量或者确定的用于所述过程变量的过程变量值，所述第二输入接收如所述过程模型单元确定的所述过程变量的所述预测值，其中所述差值单元确定指示在所述第一输入与所述第二输入之间的差值的差值信号；以及
调谐器单元，基于所述差值信号改变所述过程模型的所述过程特性参数的值。
2.根据权利要求1所述的过程特性参数确定系统，其中所述调谐单元包括用于朝着零驱动所述差值信号的调谐器逻辑。
3.根据权利要求1所述的过程特性参数确定系统，其中所述过程模型是所述过程的基于第一原理的模型。
4.根据权利要求1所述的过程特性参数确定系统，其中所述过程模型是所述过程的经验模型。
5.根据权利要求1所述的过程特性参数确定系统，其中所述调谐器单元包括用于确定用来改变所述过程模型内的所述过程特性参数的值的方式的反馈控制逻辑。
6.根据权利要求1所述的过程特性参数确定系统，其中所述过程模型单元包括仿真过程控制器，所述仿真过程控制器具有用于产生仿真控制信号值作为所述过程变量的所述预测值的控制逻辑，其中所述过程模型产生又一过程变量的预测值，并且其中所述仿真过程控制器具有用于接收设置点的第一输入和用于从所述过程模型接收所述又一过程变量的所述预测值的第二输入，并且其中所述仿真过程控制器使用所述控制逻辑以基于所述设置点和所述又一过程变量的所述预测值形成所述仿真控制信号值作为所述过程变量的所述预测值。
7.根据权利要求6所述的过程特性参数确定系统，其中所述又一过程变量是所述过程内的受控过程变量，并且其中所述仿真过程控制器接收所述又一过程变量的所述预测值作为受控变量反馈信号并且从所述过程接收所述设置点作为用于所述又一过程变量的设置点。
8.根据权利要求6所述的过程特性参数确定系统，其中所述差值单元在所述第二输入接收所述仿真过程控制信号作为所述过程变量的所述预测值并且在所述第一输入从所述过程内的过程控制器接收控制信号作为所述过程变量值。
9.根据权利要求1所述的过程特性参数确定系统，其中所述差值单元是将所述第一和第二输入中的一个输入从所述第一和第二输入中的另一输入减去以产生所述差值信号的求和器。
10.根据权利要求1所述的过程特性参数确定系统，其中所述过程变量是所述过程内的未受控变量，并且其中所述过程模型单元产生所述过程变量的所述预测值作为所述未受控变量的预测值。
11.根据权利要求1所述的过程特性参数确定系统，其中所述过程变量是所述过程内的过程控制信号，并且其中所述过程模型单元产生所述过程变量的所述预测值作为所述过程控制信号的预测值。
12.一种对过程进行仿真的方法，所述方法包括：
使用包括过程模型的过程模型单元对所述过程的操作进行仿真以产生过程变量的预测值，所述过程模型单元基于向所述过程模型的过程输入的集合并且基于反映过程的过程特性的过程特性参数对所述过程的操作进行建模以基于向所述过程模型的所述过程输入和所述过程特性参数形成所述过程变量的所述预测值；
从所述过程获得所述过程变量的实际值；
确定在所述过程变量的所述实际值与所述过程模型单元产生的所述过程变量的所述预测值之间的差值；并且
基于所述差值信号调整所述过程模型的所述过程特性参数的值以朝着零驱动所述差值信号。
13.根据权利要求12所述的对过程进行仿真的方法，其中对所述过程的操作进行仿真以产生过程变量的预测值包括使用所述过程模型以产生所述过程内的未受控过程变量的预测值作为所述过程变量的所述预测值，并且其中从所述过程获得所述过程变量的实际值包括获得所述过程中的所述未受控过程变量的测量值。
14.根据权利要求12所述的对过程进行仿真的方法，其中对所述过程的操作进行仿真以产生过程变量的预测值包括使用所述过程模型以产生所述过程内的受控过程变量的预测值并且使用所述受控过程变量的所述预测值对所述过程的所述控制系统进行仿真以产生仿真控制信号值作为所述过程变量的所述预测值，并且其中从所述过程获得所述过程变量的实际值包括从所述过程内的过程控制器获得被形成用于控制所述受控过程变量的过程控制信号的值。
15.根据权利要求14所述的对过程进行仿真的方法，还包括获得所述过程内的所述过程控制器使用的设置点的值，并且其中对所述过程的所述控制系统进行仿真包括使用所述设置点值和所述受控过程变量的所述预测值以产生所述仿真控制信号值作为所述过程变量的所述预测值。
16.根据权利要求15所述的对过程进行仿真的方法，还包括在所述仿真过程控制器中使用与在所述过程内的所述过程控制器中使用的控制逻辑相同的控制逻辑。
17.根据权利要求12所述的对过程进行仿真的方法，其中调整所述过程模型的所述过程特性参数的值包括使用反馈控制路由以确定用来基于所述差值信号调整所述过程模型的所述过程特性参数的值的方式。
18.根据权利要求12所述的对过程进行仿真的方法，其中使用过程模型对所述过程的操作进行仿真以产生过程变量的预测值包括使用所述过程模型内的所述过程的基于第一原理的模型。
19.根据权利要求12所述的对过程进行仿真的方法，其中使用过程模型对所述过程的操作进行仿真以产生过程变量的预测值包括使用所述过程模型内的所述过程的基于经验的模型。
20.根据权利要求12所述的对过程进行仿真的方法，其中对所述过程的操作进行仿真包括产生未受控过程变量的预测值作为所述过程变量的所述预测值。
21.根据权利要求12所述的对过程进行仿真的方法，其中对所述过程的操作进行仿真包括产生过程控制信号的仿真值作为所述过程变量的所述预测值。
22.根据权利要求12所述的对过程进行仿真的方法，其中所述过程特性参数是热交换器的热传送系数。
23.根据权利要求12所述的对过程进行仿真的方法，还包括执行以下步骤：对所述过程的操作进行仿真以产生所述过程变量的所述预测值，从所述过程获得所述过程变量的所述实际值，确定在所述过程变量的所述实际值与所述过程变量的所述预测值之间的差值，并且在所述过程操作之时实时调整所述过程模型的所述过程特性参数的值。
24.根据权利要求12所述的对过程进行仿真的方法，还包括执行以下步骤：对所述过程的操作进行仿真以产生所述过程变量的所述预测值，从所述过程获得所述过程变量的所述实际值，确定在所述过程变量的所述实际值与所述过程变量的所述预测值之间的差值，并且基于数据库中存储的过程数据调整所述过程模型的所述过程特性参数的值。
25.根据权利要求12所述的对过程进行仿真的方法，还包括执行以下步骤：对所述过程的操作进行仿真以产生所述过程变量的所述预测值，从所述过程获得所述过程变量的所述实际值，确定在所述过程变量的所述实际值与所述过程变量的所述预测值之间的差值，并且在所述过程的操作之后基于数据库中存储的过程数据离线调整所述过程模型的所述过程特性参数的值。
26.一种确定过程设备的能量传送系数的方法，所述方法包括：
使用过程模型单元对过程内的所述过程设备的操作进行仿真以产生过程变量的预测值，所述过程模型单元使用过程模型，所述过程模型单元基于向所述过程模型的过程输入的集合并且基于所述过程设备的能量传送系数对所述过程设备的操作进行建模以基于向所述过程模型的所述过程输入和所述能量传送系数形成所述过程变量的所述预测值；
从所述过程获得所述过程变量的实际值；
确定在所述过程变量的所述实际值与所述过程模型单元产生的所述过程变量的所述预测值之间的差值；
基于所述差值信号调整所述过程模型的所述能量传送系数的值以朝着零驱动所述差值信号；并且
在所述差值信号接近零时确定所述过程设备的所述能量传送系数作为所述过程模型的所述能量传送系数。
27.根据权利要求26所述的确定过程设备的能量传送系数的方法，其中对所述过程设备的操作进行仿真以产生过程变量的预测值包括使用所述过程模型以产生所述过程内的未受控过程变量的预测值作为所述过程变量的所述预测值，并且其中从所述过程获得所述过程变量的实际值包括从所述过程获得所述未受控过程变量的测量值。
28.根据权利要求26所述的确定过程设备的能量传送系数的方法，其中对所述过程设备的操作进行仿真以产生过程变量的预测值包括使用所述过程模型以产生所述过程内的受控过程变量的预测值并且使用所述受控过程变量的所述预测值对所述过程设备的控制系统进行仿真以产生仿真控制信号值作为所述过程变量的所述预测值，并且其中从所述过程获得所述过程变量的实际值包括从用来控制所述过程设备的过程控制器获得被形成用于控制所述受控过程变量的过程控制信号的值。
29.根据权利要求26所述的确定过程设备的能量传送系数的方法，其中所述能量传送系数是热交换器的热传送系数。
30.根据权利要求26所述的确定过程设备的能量传送系数的方法，其中所述能量传送系数是燃料加热值。
31.根据权利要求26所述的确定过程设备的能量传送系数的方法，其中使用过程模型单元对所述过程内的所述过程设备的操作进行仿真以产生过程变量的预测值包括使用过程模型，所述过程模型是基于第一原理的过程模型。
32.一种执行过程的热交换器中的吹灰的方法，所述方法包括：
使用包括过程模型的过程模型单元对所述过程的所述热交换器的操作进行仿真以产生过程变量的预测值，所述过程模型单元基于向所述过程模型的过程输入的集合并且基于所述热交换器设备的热传送特性参数对所述热交换器的操作进行建模以基于向所述过程模型的所述过程输入和所述热传送特性参数形成过程变量的预测值；
从所述过程获得所述过程变量的实际值；
确定指示在所述过程变量的所述实际值与所述过程模型产生的所述过程变量的所述预测值之间的差值的差值信号；
基于所述差值信号调整所述过程模型的所述热传送特性参数的值以朝着零驱动所述差值信号；并且
使用所述过程模型的所述热传送特性参数以确定是否启动所述热交换器中的吹灰操作。
33.根据权利要求32所述的执行过程的热交换器中的吹灰的方法，其中使用所述热传送特性参数以确定是否启动吹灰操作包括比较所述热传送特性参数与阈值并且在所述热传送特性参数在所述阈值以下时启动吹灰操作。
34.根据权利要求33所述的执行过程的热交换器中的吹灰的方法，还包括在所述热传送特性参数在所述阈值以下时自动启动所述吹灰操作。
35.根据权利要求32所述的执行过程的热交换器中的吹灰的方法，其中使用所述热传送特性参数以确定是否启动吹灰操作包括比较所述热传送特性参数与阈值并且在所述热传送特性参数在所述阈值以下时自动通知用户需要启动吹灰操作。
36.根据权利要求32所述的执行过程的热交换器中的吹灰的方法，其中所述热传送特性参数反映所述热交换器的热传送效率。
37.根据权利要求32所述的执行过程的热交换器中的吹灰的方法，其中对所述热交换器的操作进行仿真以产生过程变量的预测值包括使用所述过程模型以产生所述过程内的未受控过程变量的预测值作为所述过程变量的所述预测值，并且其中从所述过程获得所述过程变量的实际值包括获得所述过程中的所述未受控过程变量的测量值。
38.根据权利要求32所述的执行过程的热交换器中的吹灰的方法，其中对所述热交换器的操作进行仿真以产生过程变量的预测值包括使用所述过程模型以产生所述过程内的受控过程变量的预测值并且使用所述受控过程变量的所述预测值对所述过程设备的控制系统进行仿真以产生仿真控制信号值作为所述过程变量的所述预测值，并且其中从所述过程获得所述过程变量的实际值包括从用来控制所述热交换器的过程控制器获得被形成用于控制所述受控过程变量的过程控制信号的值。
39.根据权利要求32所述的执行过程的热交换器中的吹灰的方法，其中使用所述过程模型的所述热传送特性参数以确定是否启动所述热交换器中的吹灰操作包括使用所述过程模型的所述热传送特性参数以仅在所述差值信号接近零时确定何时启动吹灰操作。
40.一种用于对过程的操作进行仿真的仿真系统，所述仿真系统包括：
多个仿真模块，所述仿真模块中的每个仿真模块存储于计算机可读介质中并且在处理器上可操作并且通信地连接到其它仿真模块中的一个或者多个仿真模块，其中所述仿真模块中的每个仿真模块包括执行对所述过程的不同部分进行建模的过程模型。
其中所述仿真模块中的一个仿真模块包括：
包括过程模型的过程模型单元，所述过程模型单元在处理器上执行以基于向所述过程模型的过程输入的集合并且基于反映与所述过程的特定部分关联的过程特性的过程特性参数对所述过程的所述特定部分的操作进行建模，其中所述过程模型单元在操作时基于向所述过程模型的过程输入和所述过程特性参数形成过程变量的预测值；
在处理器上执行并且耦接到所述过程模型单元和所述过程的差值单元，所述差值单元具有第一输入和第二输入，所述第一输入接收如在所述过程内测量或者确定的用于所述过程变量的过程变量值，所述第二输入接收如所述过程模型单元确定的所述过程变量的所述预测值，其中所述差值单元确定指示在所述第一输入与所述第二输入之间的差值的差值信号；以及
调谐器单元，所述调谐器单元在处理器上执行以基于所述差值信号改变所述过程模型的所述过程特性参数的值；并且
其中所述仿真模块中的所述一个仿真模块操作用于传达所述过程模型单元的输出作为向所述仿真模块中的另一仿真模块的输入。
41.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，其中所述过程模型是所述过程的所述特定部分的基于第一原理的模型。
42.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，其中所述过程模型单元包括仿真过程控制器，所述仿真过程控制器具有用于产生仿真控制信号值作为所述过程变量的所述预测值的控制逻辑，其中所述过程模型产生又一过程变量的预测值，并且其中所述仿真过程控制器具有用于接收设置点的第一输入和用于从所述过程模型接收所述又一过程变量的所述预测值的第二输入。
43.根据权利要求42所述的用于对过程的操作进行仿真的仿真系统，其中所述又一过程变量是所述过程内的受控过程变量，并且其中所述仿真过程控制器接收所述又一过程变量的所述预测值作为受控变量反馈信号并且从所述过程接收所述设置点作为用于所述又一过程变量的设置点。
44.根据权利要求43所述的用于对过程的操作进行仿真的仿真系统，其中所述差值单元在所述第二输入接收所述仿真过程控制信号作为所述过程变量的所述预测值并且在所述第一输入从所述过程内的过程控制器接收控制信号值作为所述过程变量值。
45.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，其中所述过程变量是所述过程内的未受控变量，并且其中所述过程模型单元产生所述过程变量的所述预测值作为所述未受控变量的预测值。
46.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，其中所述调谐器单元包括用于确定用来改变所述过程模型内的所述过程特性参数的值的方式的反馈控制逻辑。
47.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，其中所述过程变量是所述过程内的过程控制信号，并且其中所述过程模型单元产生所述过程变量的所述预测值作为所述过程控制信号的预测值。
48.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，其中在一个或者多个通信信道连接的分离计算机设备中存储和执行所述多个仿真模块。
49.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，其中所述多个仿真模块在所述过程的操作期间在线操作。
50.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，其中所述仿真模块中的所述一个仿真模块存储于与控制所述过程设备的所述特定部分关联的设备中。
51.根据权利要求40所述的用于对过程的操作进行仿真的仿真系统，还包括存储在所述过程中生成的过程数据的数据记事器，其中所述多个仿真模块通信地耦接到所述数据记事器以接收用于所述过程变量的所述过程数据以相对于所述过程的操作离线操作。
CN201310489427.8A 2012-10-12 2013-10-12 利用仿真系统确定和调谐过程特征参数的方法 Active CN103792933B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/650,296 2012-10-12
US13/650,296 US10222769B2 (en) 2012-10-12 2012-10-12 Method for determining and tuning process characteristic parameters using a simulation system

Publications (2)

Publication Number Publication Date
CN103792933A true CN103792933A (zh) 2014-05-14
CN103792933B CN103792933B (zh) 2019-05-07

Family

ID=49630213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310489427.8A Active CN103792933B (zh) 2012-10-12 2013-10-12 利用仿真系统确定和调谐过程特征参数的方法

Country Status (7)

Country Link
US (3) US10222769B2 (zh)
CN (1) CN103792933B (zh)
CA (2) CA3169197A1 (zh)
DE (1) DE102013111259A1 (zh)
GB (1) GB2508491B (zh)
HK (1) HK1198215A1 (zh)
PH (1) PH12013000300A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108614444A (zh) * 2018-06-13 2018-10-02 北京天时前程自动化工程技术有限公司 热力站系统运行状态的可视化评价方法及系统
CN111737635A (zh) * 2020-07-01 2020-10-02 华电潍坊发电有限公司 一种基于数据轨迹曲线预测未来数据曲线趋势的方法
CN112567302A (zh) * 2018-08-13 2021-03-26 西门子股份公司 过程控制单元和用于在过程间交换过程变量的方法

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8248252B2 (en) 2008-11-21 2012-08-21 Schechter Tech, Llc Remote monitoring system
WO2014152701A1 (en) 2013-03-15 2014-09-25 United Technologies Corporation Compact aero-thermo model based control system
US9881250B2 (en) * 2013-06-07 2018-01-30 Fisher Controls International Llc Methods and apparatus for RFID communications in a process control system
US20150184549A1 (en) * 2013-12-31 2015-07-02 General Electric Company Methods and systems for enhancing control of power plant generating units
US9767232B2 (en) * 2014-01-30 2017-09-19 Schechter Tech, Llc Temperature monitoring with simulated thermal buffer computed at a base station
US9500532B2 (en) * 2014-01-30 2016-11-22 Schechter Tech, Llc Temperature monitoring with simulated thermal buffer
IT1424136B (it) * 2014-04-17 2016-09-07 Bartucci S.p.A. Metodo per il controllo di forni di riscaldo
US10303134B2 (en) 2015-04-10 2019-05-28 Fisher Controls International Llc Methods and apparatus for multimode RFST communications in process control systems
US9247322B1 (en) 2015-05-29 2016-01-26 Schechter Tech, Llc Low-power user interface device for environmental monitoring system
US9959158B2 (en) 2015-10-13 2018-05-01 Honeywell International Inc. Methods and apparatus for the creation and use of reusable fault model components in fault modeling and complex system prognostics
JP6650786B2 (ja) * 2016-03-03 2020-02-19 三菱日立パワーシステムズ株式会社 制御パラメータ自動調整装置、制御パラメータ自動調整方法、及び制御パラメータ自動調整装置ネットワーク
US10401237B2 (en) 2016-05-13 2019-09-03 Digi International Inc. Environmental sensor certification system
US10606254B2 (en) 2016-09-14 2020-03-31 Emerson Process Management Power & Water Solutions, Inc. Method for improving process/equipment fault diagnosis
JP6747218B2 (ja) * 2016-09-28 2020-08-26 横河電機株式会社 プラントシミュレーション装置およびプラントシミュレーション方法
US20180351816A1 (en) * 2017-06-02 2018-12-06 Yan Li Methods and apparatus for parameter tuning using a cloud service
WO2019046972A1 (en) * 2017-09-11 2019-03-14 Enero Solutions Inc. DYNAMIC HEAT RELEASE CALCULATION FOR ENHANCED FEEDBACK CONTROL OF COMBUSTION PROCESS BASED ON SOLID FUEL
JP7090243B2 (ja) * 2018-05-08 2022-06-24 千代田化工建設株式会社 プラント運転条件設定支援システム、学習装置、及び運転条件設定支援装置
CN112424705A (zh) * 2018-07-13 2021-02-26 西门子股份公司 过程控制预测模型调整方法、装置和过程控制器
EP3608741B1 (en) * 2018-08-09 2024-05-01 ABB Schweiz AG Method associated with a simulation model of a process module, computer program product, and non-volatile data storage medium
CN110059359A (zh) * 2019-03-21 2019-07-26 江苏东方国信工业互联网有限公司 一种基于大数据分析的控制炉体工艺的系统及其方法
CN110398902B (zh) * 2019-06-19 2021-09-24 上海机电工程研究所 光电信号仿真误差分析方法
JP7442305B2 (ja) * 2019-11-26 2024-03-04 東京エレクトロン株式会社 制御システム、制御方法、制御プログラム、および処理システム
US10678196B1 (en) * 2020-01-27 2020-06-09 King Abdulaziz University Soft sensing of a nonlinear and multimode processes based on semi-supervised weighted Gaussian regression
US11769066B2 (en) 2021-11-17 2023-09-26 Johnson Controls Tyco IP Holdings LLP Building data platform with digital twin triggers and actions
US11906951B2 (en) 2021-09-16 2024-02-20 Saudi Arabian Oil Company Method and system for managing model updates for process models
US11934966B2 (en) * 2021-11-17 2024-03-19 Johnson Controls Tyco IP Holdings LLP Building data platform with digital twin inferences
EP4187333A1 (de) * 2021-11-24 2023-05-31 Siemens Aktiengesellschaft Verfahren und anordnung zum überwachen oder steuern einer maschine
CN114676585A (zh) * 2022-04-08 2022-06-28 南方电网科学研究院有限责任公司 新能源机组控制保护实时数字仿真模型优化方法及装置
GB2624036A (en) * 2022-11-07 2024-05-08 Infrasalience Ltd Bespoke digital twin for chemical plant control
CN117330205B (zh) * 2023-10-23 2024-05-14 广州市资拓科技有限公司 一种idc的环境监测预警方法及系统、存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4679808A (en) * 1985-03-15 1987-07-14 Nissan Motor Co., Ltd. Vehicle motion estimating system
US5181482A (en) * 1991-12-13 1993-01-26 Stone & Webster Engineering Corp. Sootblowing advisor and automation system
WO2002086640A1 (en) * 2001-04-19 2002-10-31 Isis Innovation Limited System and method for monitoring and control
US20030185100A1 (en) * 2002-03-29 2003-10-02 Schlumberger Technology Corporation Assessing a solids deposit in an oilfield pipe
JP2004028948A (ja) * 2002-06-28 2004-01-29 Ricoh Co Ltd 駆動伝達系の動的伝達特性決定方法及び記録媒体
CN1598720A (zh) * 2003-06-05 2005-03-23 费舍-柔斯芒特系统股份有限公司 具有非线性预测性能的多输入/多输出控制块
US20060047564A1 (en) * 2004-08-27 2006-03-02 Alstom Technology Ltd. Estimating an economic parameter related to a process for controlling emission of a pollutant into the air
EP1705542A1 (en) * 2005-03-24 2006-09-27 Abb Research Ltd. Estimating health parameters or symptoms of a degrading system
US20070078529A1 (en) * 2005-09-30 2007-04-05 Fisher-Rosemount Systems, Inc. On-line adaptive model predictive control in a process control system
US20080201054A1 (en) * 2006-09-29 2008-08-21 Caterpillar Inc. Virtual sensor based engine control system and method
US20080288198A1 (en) * 2005-06-06 2008-11-20 Emerson Process Management Power & Water Solutions, Inc. Method and Apparatus for Generalized Performance Evaluation of Equipment Using Achievable Performance Derived from Statistics and Real-Time Data
US20100023464A1 (en) * 2008-07-24 2010-01-28 University Of Massachusetts Amherst Systems and methods for parameter adaptation
GB2464181A (en) * 2008-10-07 2010-04-14 Emerson Process Management Two-Stage Model Predictive Control Technique
CN101925866A (zh) * 2008-01-31 2010-12-22 费希尔-罗斯蒙特系统公司 具有用来补偿模型失配的调节的鲁棒的自适应模型预测控制器

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5112215A (en) * 1991-06-20 1992-05-12 Physical Sciences, Inc. Apparatus for combustion, pollution and chemical process control
US5877954A (en) 1996-05-03 1999-03-02 Aspen Technology, Inc. Hybrid linear-neural network process control
US7058617B1 (en) 1996-05-06 2006-06-06 Pavilion Technologies, Inc. Method and apparatus for training a system model with gain constraints
US6047221A (en) 1997-10-03 2000-04-04 Pavilion Technologies, Inc. Method for steady-state identification based upon identified dynamics
US5764509A (en) 1996-06-19 1998-06-09 The University Of Chicago Industrial process surveillance system
US6434435B1 (en) 1997-02-21 2002-08-13 Baker Hughes Incorporated Application of adaptive object-oriented optimization software to an automatic optimization oilfield hydrocarbon production management system
US20030049356A1 (en) * 1998-06-03 2003-03-13 Nielsen Jorgen Tage Method of pasteurizing, monitoring PU-uptake, controlling PU-up-take and apparatus for pasteurizing
US6941287B1 (en) 1999-04-30 2005-09-06 E. I. Du Pont De Nemours And Company Distributed hierarchical evolutionary modeling and visualization of empirical data
US20020179493A1 (en) * 1999-08-20 2002-12-05 Environmental & Energy Enterprises, Llc Production and use of a premium fuel grade petroleum coke
US7024253B2 (en) * 2000-08-21 2006-04-04 Honeywell International Inc. Auto-tuning controller using loop-shaping
US20050187643A1 (en) 2004-02-19 2005-08-25 Pavilion Technologies, Inc. Parametric universal nonlinear dynamics approximator and use
US8036869B2 (en) 2003-09-30 2011-10-11 Tokyo Electron Limited System and method for using first-principles simulation to control a semiconductor manufacturing process via a simulation result or a derived empirical model
US7536232B2 (en) * 2004-08-27 2009-05-19 Alstom Technology Ltd Model predictive control of air pollution control processes
US7546558B2 (en) 2004-09-29 2009-06-09 Synopsys, Inc. Method and apparatus for determining a process model that uses feature detection
EP1818746A1 (en) 2006-02-10 2007-08-15 ALSTOM Technology Ltd Method of condition monitoring
US7451122B2 (en) 2006-03-29 2008-11-11 Honeywell International Inc. Empirical design of experiments using neural network models
US8560283B2 (en) 2009-07-10 2013-10-15 Emerson Process Management Power And Water Solutions, Inc. Methods and apparatus to compensate first principle-based simulation models
US8622115B2 (en) * 2009-08-19 2014-01-07 Alstom Technology Ltd Heat transfer element for a rotary regenerative heat exchanger
US9606531B2 (en) 2009-12-01 2017-03-28 Emerson Process Management Power & Water Solutions, Inc. Decentralized industrial process simulation system
US8892477B2 (en) * 2011-12-09 2014-11-18 Brad Radl Method and system for fuzzy constrained sootblowing optimization

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4679808A (en) * 1985-03-15 1987-07-14 Nissan Motor Co., Ltd. Vehicle motion estimating system
US5181482A (en) * 1991-12-13 1993-01-26 Stone & Webster Engineering Corp. Sootblowing advisor and automation system
WO2002086640A1 (en) * 2001-04-19 2002-10-31 Isis Innovation Limited System and method for monitoring and control
US20030185100A1 (en) * 2002-03-29 2003-10-02 Schlumberger Technology Corporation Assessing a solids deposit in an oilfield pipe
JP2004028948A (ja) * 2002-06-28 2004-01-29 Ricoh Co Ltd 駆動伝達系の動的伝達特性決定方法及び記録媒体
CN1598720A (zh) * 2003-06-05 2005-03-23 费舍-柔斯芒特系统股份有限公司 具有非线性预测性能的多输入/多输出控制块
US20060047564A1 (en) * 2004-08-27 2006-03-02 Alstom Technology Ltd. Estimating an economic parameter related to a process for controlling emission of a pollutant into the air
EP1705542A1 (en) * 2005-03-24 2006-09-27 Abb Research Ltd. Estimating health parameters or symptoms of a degrading system
US20080288198A1 (en) * 2005-06-06 2008-11-20 Emerson Process Management Power & Water Solutions, Inc. Method and Apparatus for Generalized Performance Evaluation of Equipment Using Achievable Performance Derived from Statistics and Real-Time Data
US20070078529A1 (en) * 2005-09-30 2007-04-05 Fisher-Rosemount Systems, Inc. On-line adaptive model predictive control in a process control system
US20080201054A1 (en) * 2006-09-29 2008-08-21 Caterpillar Inc. Virtual sensor based engine control system and method
CN101925866A (zh) * 2008-01-31 2010-12-22 费希尔-罗斯蒙特系统公司 具有用来补偿模型失配的调节的鲁棒的自适应模型预测控制器
US20100023464A1 (en) * 2008-07-24 2010-01-28 University Of Massachusetts Amherst Systems and methods for parameter adaptation
GB2464181A (en) * 2008-10-07 2010-04-14 Emerson Process Management Two-Stage Model Predictive Control Technique

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108614444A (zh) * 2018-06-13 2018-10-02 北京天时前程自动化工程技术有限公司 热力站系统运行状态的可视化评价方法及系统
CN112567302A (zh) * 2018-08-13 2021-03-26 西门子股份公司 过程控制单元和用于在过程间交换过程变量的方法
CN111737635A (zh) * 2020-07-01 2020-10-02 华电潍坊发电有限公司 一种基于数据轨迹曲线预测未来数据曲线趋势的方法
CN111737635B (zh) * 2020-07-01 2024-03-19 华电潍坊发电有限公司 一种基于数据轨迹曲线预测未来数据曲线趋势的方法

Also Published As

Publication number Publication date
US20140107993A1 (en) 2014-04-17
US11789417B2 (en) 2023-10-17
PH12013000300B1 (en) 2015-05-18
CA2829788C (en) 2023-09-19
HK1198215A1 (zh) 2015-03-13
CA2829788A1 (en) 2014-04-12
US20220155736A1 (en) 2022-05-19
GB201317611D0 (en) 2013-11-20
CN103792933B (zh) 2019-05-07
CA3169197A1 (en) 2014-04-12
PH12013000300A1 (en) 2015-05-18
US11237531B2 (en) 2022-02-01
GB2508491A (en) 2014-06-04
US20190196425A1 (en) 2019-06-27
GB2508491B (en) 2020-11-25
US10222769B2 (en) 2019-03-05
DE102013111259A1 (de) 2014-04-17

Similar Documents

Publication Publication Date Title
CN103792933A (zh) 利用仿真系统确定和调谐过程特征参数的方法
CN101158872B (zh) 在操作过程环境中更新及使用动态过程仿真
Aste et al. Building Automation and Control Systems and performance optimization: A framework for analysis
CN103809438B (zh) 用于基于模型的控制和优化的安全模型
CN102707622B (zh) 用于优化的图形语言和使用
CN106990759B (zh) 用于使用云计算技术来布置工业工厂仿真器的方法和装置
EP2500787B1 (en) Transparent models for large scale optimization and control
US8897900B2 (en) Graphical language for optimization and use
CN101477332B (zh) 工厂的控制装置及工厂的控制方法
CH710432A2 (de) Verfahren zum Betrieb von Kraftwerk-Wärmeerzeugungseinheiten.
CN102081358A (zh) 改善的分布式工业过程仿真系统
CN101529354A (zh) 焦化加热器中的异常情况预防
DE102015120446A1 (de) Verfahren und Systeme zur Verbesserung der Steuerung von Kraftwerksgeneratoreinheiten
CN103038714A (zh) 跟踪模拟方法
Merino et al. Real Time Optimization for steam management in an evaporation section
Kestering et al. Model predictive control of power plant cycling using Industry 4.0 infrastructure
Stock et al. HVAC performance evaluation and optimization algorithms development for large buildings
Maasoumy et al. Smart buildings in the smart grid: Contract-based design of an integrated energy management system
Ferrarini et al. Experimental model validation and predictive control strategy for an industrial fire-tube boiler
Talib et al. Heating Ventilation and Air Conditioning Systems Performance Optimization Using a Two-Level Optimization Approach.
EP3401597A1 (en) Fuel submetering using firing rate signals
Fuhrmann EEnneerrggyy MMaannaaggeemmeenntt ffoorr IInndduussttrriiaall PPllaannttss wwiitthh TThheerrmmaall BBaattcchh PPrroocceesssseess
TW202008280A (zh) 流體輸配管線網路內感測元件的布建決策裝置及其方法
Rhode Tampa electric neural network sootblowing
CN117647011A (zh) 一种利用伴生气优化的撬装式原油加热装置及其控制方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant