CN112215387A - 最佳锅炉燃烧模型选择装置及方法 - Google Patents

最佳锅炉燃烧模型选择装置及方法 Download PDF

Info

Publication number
CN112215387A
CN112215387A CN202010411511.8A CN202010411511A CN112215387A CN 112215387 A CN112215387 A CN 112215387A CN 202010411511 A CN202010411511 A CN 202010411511A CN 112215387 A CN112215387 A CN 112215387A
Authority
CN
China
Prior art keywords
boiler combustion
combustion model
model
optimal
boiler
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.)
Pending
Application number
CN202010411511.8A
Other languages
English (en)
Inventor
罗相建
孟佐泳
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.)
Doosan Heavy Industries and Construction Co Ltd
Original Assignee
Doosan Heavy Industries and Construction Co Ltd
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 Doosan Heavy Industries and Construction Co Ltd filed Critical Doosan Heavy Industries and Construction Co Ltd
Publication of CN112215387A publication Critical patent/CN112215387A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B35/00—Control systems for steam boilers
    • F22B35/008—Control systems for two or more steam generators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/02—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant
    • B60H1/03—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant and from a source other than the propulsion plant
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/02—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant
    • B60H1/03—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant and from a source other than the propulsion plant
    • B60H1/032—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant and from a source other than the propulsion plant from the cooling liquid of the propulsion plant and from a burner
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N5/00—Systems for controlling combustion
    • F23N5/26—Details
    • F23N5/265—Details using electronic means
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • G06F8/65—Updates
    • G06F8/654—Updates using techniques specially adapted for alterable solid state memories, e.g. for EEPROM or flash memories
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D2200/00—Heat sources or energy sources
    • F24D2200/06—Solid fuel fired boiler
    • F24D2200/062—Coal fired boilers

Abstract

本发明涉及一种最佳锅炉燃烧模型选择装置及方法，其在针对锅炉燃烧的多个锅炉燃烧模型中选择最佳锅炉燃烧模型来将储存了锅炉燃烧模型的存储器予以更新。本发明实施例的用来选择用于锅炉燃烧的最佳锅炉燃烧模型的最佳锅炉燃烧模型选择装置包括：存储器，储存预先导出的第一锅炉燃烧模型及预先导出的第二锅炉燃烧模型；处理器，在所述第一锅炉燃烧模型及所述第二锅炉燃烧模型中选择最佳锅炉燃烧模型，根据所选定的所述最佳锅炉燃烧模型的特性将储存在所述存储器的所述第二锅炉燃烧模型予以更新。

Description

最佳锅炉燃烧模型选择装置及方法
技术领域
本发明涉及一种最佳锅炉燃烧模型选择装置及方法，更具体地说，本发明涉及一种在针对锅炉燃烧的多个锅炉燃烧模型中选择最佳锅炉燃烧模型来将储存了锅炉燃烧模型的存储器予以更新的最佳锅炉燃烧模型选择装置及方法。
背景技术
煤炭火力发电厂的锅炉利用煤炭燃烧时发生的发热反应对水加热而生成用于发电的蒸汽。此时会发生诸如氮氧化物之类的污染性排气，该污染性排气的发生量多时处理该排气的成本会增加。更进一步，若煤炭燃烧属于不完全燃烧，则燃烧效率降低而使得发电/运行成本增加。因此，需要开发出一种既能提高燃烧效率又能减少污染性排气的锅炉燃烧优化装置。
发明内容
本发明旨在解决前述问题，本发明的目的是提供一种最佳锅炉燃烧模型选择装置及方法，其在针对锅炉燃烧的多个锅炉燃烧模型中选择最佳锅炉燃烧模型来将已经储存的锅炉燃烧模型予以更新。
除了前文提到的本发明的技术课题以外，本发明所属领域中具备一般知识者可以在下面的记载或者从其记载与说明中明确地了解到本发明的其它特征与优点。
为了达到所述目的，本发明实施例的用来选择用于锅炉燃烧的最佳锅炉燃烧模型的最佳锅炉燃烧模型选择装置包括：存储器，储存预先导出的第一锅炉燃烧模型及预先导出的第二锅炉燃烧模型；以及处理器，构成为在第一锅炉燃烧模型及第二锅炉燃烧模型中选择最佳锅炉燃烧模型；所述处理器根据选定的最佳锅炉燃烧模型的特性更新储存在所述存储器的第二锅炉燃烧模型。
再者，为了达到前面所述目的，本发明实施例的用来选择锅炉燃烧的最佳锅炉燃烧模型的最佳锅炉燃烧模型选择方法可以包括下列步骤：将预先导出的第一锅炉燃烧模型及预先导出的第二锅炉燃烧模型储存到存储器；以及处理器在第一锅炉燃烧模型及第二锅炉燃烧模型中选择最佳锅炉燃烧模型，根据选定的最佳锅炉燃烧模型的特性更新储存在所述存储器的第二锅炉燃烧模型。
本发明实施例的最佳锅炉燃烧模型选择装置及方法可以在多个锅炉燃烧模型中选择最佳锅炉燃烧模型。
而且，最佳锅炉燃烧模型选择装置及方法可以将储存在存储器的模型以选定的最佳锅炉燃烧模型予以自动更新。
除此之外，还能通过本发明的实施例掌握本发明的更多特征与优点。
附图说明
图1是说明本发明实施例的用于优化锅炉燃烧的锅炉燃烧优化装置的图。
图2是示出本发明实施例的最佳锅炉燃烧模型选择装置的构成的图。
图3是示出本发明实施例的第一锅炉燃烧模型被选定为最佳锅炉燃烧模型时存储器单元的更新的图。
图4是示出本发明实施例的第二锅炉燃烧模型被选定为最佳锅炉燃烧模型时存储器单元的更新的图。
图5是示出本发明实施例的第三锅炉燃烧模型被选定为最佳锅炉燃烧模型时存储器单元的更新的图。
图6是示出本发明实施例的最佳锅炉燃烧模型选择方法的图。
具体实施方式
为了使本发明所属技术领域中具有一般知识者能够轻易地实施本发明的实施例，下面结合附图详细说明。但本发明可以通过各种形态实现，因此不能限定于此处说明的实施例。
图1是说明本发明实施例的用于优化锅炉燃烧的锅炉燃烧优化系统的图。
请参阅图1，锅炉燃烧优化系统可以包括燃烧管理单元100、自动调整管理单元(模型/控制器)200、数据预处理单元300、数据分析单元400、燃烧模型设计算法单元500、燃烧控制器设计算法单元600、最佳模型/控制器选择单元700、燃烧优化算法单元800。
煤炭火力发电厂的锅炉利用燃烧煤炭时发生的发热反应对水加热而生成用于发电的蒸汽。此时会发生诸如氮氧化物之类的污染性排气，该污染性排气的发生量多时处理该排气的成本会增加。更进一步，若煤炭燃烧属于不完全燃烧，则燃烧效率降低而使得发电/运行成本增加。因此，既能提高燃烧效率又能减少污染性排气的锅炉燃烧优化系统如下。
首先，燃烧管理单元100可以对燃烧优化进行综合管理。具体地说，燃烧管理单元100能以实时测量或计算的标签数据信息为基础判断是否执行燃烧优化。而且，燃烧管理单元100在发电厂使用时能以发电输出、输出变化状态、吹灰器启动与否、锅炉逻辑动作之类的DCS值为基础判断是否执行燃烧优化。
而且，自动调整管理单元(模型/控制器)200可以管理燃烧模型与燃烧控制器。具体地说，自动调整管理单元(模型/控制器)200能以实时测量或计算的标签数据信息、燃烧优化实行与否、模型与控制器是否学习调整之类的信息为基础决定是否进行燃烧模型及燃烧控制器的调整。在此，自动调整管理单元(模型/控制器)200在判断为燃烧模型及燃烧控制器进行调整的情况下执行燃烧模型设计算法单元500及燃烧控制器设计算法单元600，而在判断为燃烧模型及燃烧控制器不进行调整则可以不执行燃烧模型设计算法单元500及燃烧控制器设计算法单元600。
而且，数据预处理单元300可以利用实时测量或计算的标签数据信息和已经储存的标签的数据信息进行数据前处理。具体地说，数据预处理单元300可以进行信号处理、正常数据处理(基于基础知识或基于数据)及离群值(outlier)处理等。凭此，数据预处理单元300可以清除数据内的噪声或者将生成燃烧模型或设计控制器时造成恶劣影响的数据予以清除。
而且，数据分析单元400可以进行下述采样：通过数据的模式分析只选出燃烧模型与控制器设计中所需要的正常状态的重要数据。而且，数据分析单元400可以为了燃烧模型的设计而通过相关关系分析之类的方法选择对模型输出变量给予重大影响的输入变量。
而且，燃烧模型设计算法单元500可以是一种设计燃烧模型的算法，该燃烧模型是优化锅炉燃烧时最重要的要素之一。燃烧模型设计算法单元500能设计出燃烧模型，该燃烧模型能以燃料投入量、空气投入量、空气温度、水投入量、空气温度之类的输入为基础预测出燃烧的重要变量即发电输出、包含蒸汽与排气的温度在内的燃烧状态、排气成分、燃烧后氧剩余量等要素。
而且，燃烧控制器设计算法单元600可以是一种设计燃烧控制器的算法，该燃烧控制器则是优化锅炉燃烧时最重要的要素之一。燃烧控制器设计算法单元600能使利用燃烧模型设计出来的燃烧控制器生成最佳目标值以便进行最佳燃烧控制。
而且，最佳模型/控制器选择单元700能以针对当前数据进行分析的结果为基础从先前制作的多个燃烧模型及燃烧控制器中选择最佳燃烧模型及燃烧控制器。
而且，燃烧优化算法单元800可以将当前数据输入到最佳燃烧模型及燃烧控制器后算出用于燃烧优化的最佳目标值。而且，燃烧优化算法单元800利用当前DCS的目标值与手册计算最佳控制目标值或相关辅助值。
本发明实施例的最佳锅炉燃烧模型选择装置相当于最佳模型/控制器选择单元700，能在多个燃烧模型中选择最佳模型并且将选定的最佳模型更新到存储器。
图2是示出本发明实施例的最佳锅炉燃烧模型选择装置的构成的图。
请参阅图2，本发明实施例的最佳锅炉燃烧模型选择装置700可以包括第一存储器单元710、第二存储器单元720、模型生成单元730、模型选择单元740及控制单元750。
第一存储器单元710与第二存储器单元720各自指的是能储存数据的领域，其可以各自指称存储器装置。根据实施例，第一存储器单元710与第二存储器单元720能以一个存储器装置实现或者以独立的存储器装置实现。
模型生成单元730、模型选择单元740及控制单元750能由至少一个处理器实现。根据实施例，模型生成单元730、模型选择单元740及控制单元750能由一个处理器实现，但本发明并不限定于此，能使模型生成单元730、模型选择单元740及控制单元750中的至少两个由一个处理器实现。
下面，本说明书所说明的模型生成单元730、模型选择单元740及控制单元750的功能与动作应阐释为其指的是由实现它的处理器所执行的功能及动作。例如，模型生成单元730的功能及动作指的是由实现为模型生成单元730的处理器所执行的功能及动作。
根据实施例，至少一个处理器可以执行储存了下述命令的程序，该命令指示模型生成单元730、模型选择单元740及控制单元750的功能及动作。
第一存储器单元710可以储存第一锅炉燃烧模型10。在此，第一锅炉燃烧模型10是现有的锅炉燃烧通常使用的燃烧模型，可以是预先设定的燃烧模型。例如，可以是通过长时间的实验及运转验证了其性能的燃烧模型。第一锅炉燃烧模型10可以在事先(例如，设计装置时)预先储存到第一存储器单元710，可以由管理员以手动方式(manually)更改或删除，但不能自动(automatically)更改或删除。例如，可以限制对第一存储器710的访问(Access)。而且，能将多个第一锅炉燃烧模型10储存到第一存储器单元710。
第二存储器单元720可以储存预先导出的第二锅炉燃烧模型20。在此，第二存储器单元720可以储存先前通过学习选定的最佳锅炉燃烧模型20。在此，储存在第一存储器单元710的第一锅炉燃烧模型10可以是经过长时间的实验得到验证的模型，储存在第二存储器单元720的第二锅炉燃烧模型20可以是通过学习选择的模型。即，相比于第一锅炉燃烧模型10，第二锅炉燃烧模型20可以是最新导出的模型。例如，第一锅炉燃烧模型10无法被最佳锅炉燃烧模型选择装置700自动更改，但是第二锅炉燃烧模型20可以被最佳锅炉燃烧模型选择装置700自动更改。而且，第二锅炉燃烧模型20可以按照成分(例如，碳成分等)或按照运行条件区分，第二存储器单元720可以储存按照成分或按照运行条件区分的第二锅炉燃烧模型20的数据组(set)。第二存储器单元720可以储存多个数据组，多个数据组则可以各自储存多个第二锅炉燃烧模型20。
而且，储存在第二存储器单元720的第二燃烧模型20可以按照其生成的顺序按序储存。例如，第二存储器单元720可以具有分级结构，第二存储器单元720可以按照锅炉燃烧模型的导出顺序以上位阶层到下位阶层的顺序予以储存。作为一例，最先导出的第二锅炉燃烧模型可以储存在第二存储器单元720的最上位阶层(例如，第一层)，紧接其后导出的第二锅炉燃烧模型可以储存在第二存储器单元720的最上位阶层后面的第二上位阶层(例如，第二层)。
模型生成单元730可以将用于锅炉燃烧的第三锅炉燃烧模型30输出到后述的模型选择单元740。根据实施例，模型生成单元730可以接收图1所示燃烧模型设计算法单元500所生成的第三锅炉燃烧模型30并予以输出。或者，模型生成单元730能自己生成第三锅炉燃烧模型30并且输出所生成的第三锅炉燃烧模型30。
在此，模型生成单元730能以和图1的燃烧模型设计算法单元500一样的方式生成第三锅炉燃烧模型30。例如，模型生成单元730能设计出燃烧模型，该燃烧模型能以燃料投入量、空气投入量、空气温度、水投入量、空气温度之类的输入为基础预测出燃烧的重要变量即发电输出、包含蒸汽与排气的温度在内的燃烧状态、排气成分、燃烧后氧剩余量等要素。
第三锅炉燃烧模型30可以储存在第三存储器单元。第三存储器单元可以由缓存存储器之类的挥发性存储器构成，这种情形下，第三锅炉燃烧模型30可以暂存到第三存储器单元30。而且，第三锅炉燃烧模型30可以储存在第二存储器单元720，这种情形下，如后所述地可以视情况删除第三锅炉燃烧模型30。
模型选择单元740可以在第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30中选择最佳燃烧模型。即，最佳锅炉燃烧模型可以是第一锅炉燃烧模型10中的一个，可以是第二锅炉燃烧模型20中的一个，也可以是第三锅炉燃烧模型30。在此，在没有生成第三锅炉燃烧模型30的情况下，模型生成单元740也可以在第一锅炉燃烧模型10与第二锅炉燃烧模型20中选择最佳燃烧模型。
具体地说，模型选择单元740可以针对锅炉所输出的数据的模式进行分析后生成用于模型验证的验证用数据。在此，锅炉所输出的数据可以是最新数据，是锅炉最近输出的数据。根据本发明的实施例，最新数据并不限定于最近输出的数据，还可以同时包括最近输出的数据之前的数据。例如，在最近输出的数据是第N个数据的情况下，最新数据可以表示第N个、第N-1个、第N-2个、第N-3个数据。在此，本发明不限制最新数据的个数，也可以预先设定。模型选择单元740可以通过最新数据和关于基本特性的数据生成用于模型验证的验证用数据，凭此，可以选择能反映发电厂(或锅炉)的最新运行数据的锅炉燃烧模型。
模型选择单元740可以将第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30各自的输出值和验证用数据进行比较，并且根据比较结果将和验证用数据之间的误差最小的锅炉燃烧模型选定为最佳锅炉燃烧模型。在此，验证用数据可以包括输入数据及输出数据，验证用数据的输入数据可以作为各锅炉燃烧模型10、20、30的输入数据被输入。
模型选择单元740可以将第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30各自的输出值与验证用数据之间的误差按照各模型以一个值表示。作为一例，模型选择单元740可以针对各模型的输出值与验证用数据之间的差异的平方值算出其平均值后以一个误差表示。而且，模型选择单元740可以针对各模型的输出值与验证用数据之间的差异的平方值算出其平均值并且算出针对该平均值的平方根后以一个误差表示。
而且，模型选择单元740可以计算各模型的输出值与验证用数据之间的差异的平方值的总和或者计算各模型的输出值与验证用数据之间的差异的绝对值的总和或平均值后以一个误差表示。
模型选择单元740可以将具有最小误差的锅炉燃烧模型选定为最佳锅炉燃烧模型。
而且，可以利用包含测试输入值/测试输出值的测试数据组验证(或评估)多个锅炉燃烧模型，可以根据验证结果，在多个锅炉燃烧模型中选择最佳锅炉燃烧模型。即，可以将测试输入值输入到多个锅炉燃烧模型并且从各个锅炉燃烧模型算出针对测试输入值的运算结果。而且，可以将各个锅炉燃烧模型所算出的运算结果和测试输出值进行比较后根据其误差验证锅炉燃烧模型。在此，模型选择单元720可以根据各个锅炉燃烧模型所算出的运算结果和测试输出值进行比较的结果将误差最小的锅炉燃烧模型选定为最佳锅炉燃烧模型。除此之外，可以通过很多种方法验证锅炉燃烧模型并进行选择。
控制单元750可以根据模型选择单元740所选定的最佳锅炉燃烧模型的特性更新第二存储器单元120。
具体地说，控制单元750可以根据模型选择单元740所选定的最佳锅炉燃烧模型和第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30中的哪一个模型相同而更新第二存储器单元720。
若模型选择单元740所选定的最佳锅炉燃烧模型是第一锅炉燃烧模型10，则控制单元750可以不更新第二存储器单元720。在此，控制单元750不将第三锅炉燃烧模型30储存到第二存储器单元720而是予以删除，因此能将第二存储器单元720的容量维持在一定量。在此，在没有生成第三锅炉燃烧模型30的状态下选择了最佳锅炉燃烧模型的情况下，可以省略控制单元750储存或删除第三锅炉燃烧模型30的动作。
而且，由于第一锅炉燃烧模型10是经过长时间的考验后得到验证的模型而第三锅炉燃烧模型30则是通过学习生成的模型，因此第一锅炉燃烧模型10被选定为最佳锅炉燃烧模型时不必储存没有经过验证的第三锅炉燃烧模型30。因此，通过删除第三锅炉燃烧模型30并且将储存在第一存储器单元710的第一锅炉燃烧模型10作为最佳锅炉燃烧模型利用，而能够优化锅炉燃烧。
而且，在模型选择单元740所选定的最佳锅炉燃烧模型是第二锅炉燃烧模型20的情况下，控制单元750能将最佳锅炉燃烧模型作为最新导出的锅炉燃烧模型储存到第二存储器单元720。即，在最佳锅炉燃烧模型是第二锅炉燃烧模型20的情况下，控制单元750能将最佳锅炉燃烧模型配置(或储存)到第二存储器单元720的最下位的阶层，因此能够改善储存在第二存储器单元720的第二锅炉燃烧模型20的性能。在此，控制单元750能删除第三锅炉燃烧模型30，通过删除第三锅炉燃烧模型30，能够使第二存储器单元720的容量维持一定量。在此，在没有生成第三锅炉燃烧模型30的状态下选择了最佳锅炉燃烧模型的情况下，可以省略控制单元750储存或删除第三锅炉燃烧模型30的动作。
而且，在模型选择单元740所选定的最佳锅炉燃烧模型是第三锅炉燃烧模型30的情况下，控制单元750可以将储存在第二存储器单元720的第二锅炉燃烧模型20中最先导出的锅炉燃烧模型删除并且将最佳锅炉燃烧模型作为最新导出的锅炉燃烧模型储存到第二存储器单元720。即，在最佳锅炉燃烧模型是第三锅炉燃烧模型30的情况下，控制单元750可以将储存在第二存储器单元720的第二锅炉燃烧模型20中最先导出的第二锅炉燃烧模型删除并且将选定为最佳锅炉燃烧模型的第三锅炉燃烧模型30储存到第二存储器单元720。即，可以将最先导出的第二锅炉燃烧模型更新为最近选择的第三锅炉燃烧模型30。此时，控制单元750可以将第三锅炉燃烧模型30储存到第二存储器单元720的最下位的阶层。
凭此，可以将第二存储器单元720的容量维持在一定量，根据本发明的实施例，先删除最先导出的第二锅炉燃烧模型20，因此将新导出的最佳锅炉燃烧模型作为最新导出的锅炉燃烧模型储存，由此能够防止其先被删除。也就是说，锅炉燃烧模型是通过和锅炉的最新数据进行比较而选择的，因此可以是和锅炉的最新状态最相似的模型。因此，将选定的最佳锅炉燃烧模型储存到第二存储器单元720的最下位的阶层，之后，可以将新选定的最佳锅炉燃烧模型再储存到第二存储器单元720的最下位的阶层。反复该步骤就能将和锅炉的最新数据相似的模型储存到第二存储器单元720的下位阶层。相反，储存在第二存储器单元720的上位阶层的第二锅炉燃烧模型20不被选择为最佳锅炉燃烧模型而无法更新到第二存储器单元720的下位阶层。这可以表示其和锅炉的最新状态不相似。因此，第三锅炉燃烧模型30被选定为最佳燃烧模型时，为了将第三锅炉燃烧模型30储存到第二存储器单元720而将第二存储器单元720的最上位阶层的第二锅炉燃烧模型删除。
而且，可以根据第二存储器单元720的容量而不删除储存在第二存储器单元720的第二锅炉燃烧模型20。例如，在第二存储器单元720的容量低于容许值并且将第三锅炉燃烧模型30选定为最佳锅炉燃烧模型的情况下，控制单元750不必删除第二锅炉燃烧模型20就能储存第三锅炉燃烧模型30。此时，第三锅炉燃烧模型30作为最新导出的锅炉燃烧模型可以储存到第二存储器单元20的最下位端。
图3是示出本发明实施例的第一锅炉燃烧模型被选定为最佳锅炉燃烧模型时存储器单元的更新的图。
请参阅图3，第一存储器单元710可以储存第一锅炉燃烧模型(Seed Model1～SeedModelN)10，第二存储器单元720则可以储存第二锅炉燃烧模型(Fruit Model1～FruitModelN)20。
模型选择单元740可以在储存在第一存储器单元710的第一锅炉燃烧模型10、储存在第二存储器单元720的第二锅炉燃烧模型20及模型生成单元730所输出的第三锅炉燃烧模型30中选择最佳锅炉燃烧模型。在此，模型选择单元740针对从锅炉提取的最新数据和第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30各自的输出值与验证用数据进行比较，根据比较结果，可以将和验证用数据之间的误差最小的锅炉燃烧模型选定为最佳锅炉燃烧模型。
在模型选择单元740所选定的最佳锅炉燃烧模型12是第一锅炉燃烧模型10的情况下，控制单元750可以不更新第一存储器单元710及第二存储器单元720。而且，控制单元750可以删除模型生成单元730所输出的第三锅炉燃烧模型30。
图4是示出本发明实施例的第二锅炉燃烧模型被选定为最佳锅炉燃烧模型时存储器单元的更新的图。
请参阅图4，第一存储器单元710可以储存第一锅炉燃烧模型(SM1～SMN)10，第二存储器单元720则可以储存第二锅炉燃烧模型(FM1～FMN)20。
模型选择单元740可以在储存在第一存储器单元710的第一锅炉燃烧模型10、储存在第二存储器单元720的第二锅炉燃烧模型20及模型生成单元730所输出的第三锅炉燃烧模型30中选择最佳锅炉燃烧模型。在此，模型选择单元740针对从锅炉提取的最新数据和第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30各自的输出值与验证用数据进行比较，根据比较结果，可以将和验证用数据之间的误差最小的锅炉燃烧模型选定为最佳锅炉燃烧模型。
在模型选择单元740所选定的最佳锅炉燃烧模型22是第二锅炉燃烧模型20的情况下，控制单元750能将最佳锅炉燃烧模型储存成第二存储器单元的最新导出的锅炉燃烧模型。具体地说，第二存储器单元720具有分级结构，越是先导出的第二锅炉燃烧模型越能储存到上位阶层。在选定的最佳锅炉燃烧模型22是第二锅炉燃烧模型20的情况下，控制单元750可以将选定为最佳锅炉燃烧模型的第二锅炉燃烧模型22储存到第二存储器单元720的最下位的阶层。此时，控制单元750可以删除模型生成单元730所输出的第三锅炉燃烧模型30。
图5是示出本发明实施例的第三锅炉燃烧模型被选定为最佳锅炉燃烧模型时存储器单元的更新的图。
请参阅图5，第一存储器单元710可以储存第一锅炉燃烧模型(SM1～SMN)10，第二存储器单元720则可以储存第二锅炉燃烧模型(FM1～FMN)20。
模型选择单元740可以在储存在第一存储器单元710的第一锅炉燃烧模型10、储存在第二存储器单元720的第二锅炉燃烧模型20及模型生成单元730所输出的第三锅炉燃烧模型30中选择最佳锅炉燃烧模型。在此，模型选择单元740针对从锅炉提取的最新数据和第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30各自的输出值与验证用数据进行比较，根据比较结果，可以将和验证用数据之间的误差最小的锅炉燃烧模型选定为最佳锅炉燃烧模型。
在模型选择单元740所选定的最佳锅炉燃烧模型是第三锅炉燃烧模型30的情况下，控制单元750将第二锅炉燃烧模型中最先导出的第二锅炉燃烧模型和最佳锅炉燃烧模型更换，由此更新第二存储器单元720。
在此，第二存储器单元720具有分级结构，越是先导出的第二锅炉燃烧模型越能储存到上位阶层。在最佳锅炉燃烧模型是第三锅炉燃烧模型30的情况下，控制单元750可以删除储存在第二存储器单元720的第二锅炉燃烧模型中最先导出的第二锅炉燃烧模型并且将选定为最佳锅炉燃烧模型的第三锅炉燃烧模型30储存到第二存储器单元720的最下位的阶层。
图6是示出本发明实施例的最佳锅炉燃烧模型选择方法的图。
请参阅图6，第一存储器单元可以储存第一锅炉燃烧模型(S10)。第一存储器单元710可以储存预先导出的第一锅炉燃烧模型10，第一锅炉燃烧模型10可以是先前通常用于锅炉燃烧的燃烧模型。在此，第一锅炉燃烧模型10具有分级结构，越是先导出的第一锅炉燃烧模型越能储存到上位阶层。
第二存储器单元可以储存第二锅炉燃烧模型(S20)。第二存储器单元720可以储存预先导出的第二锅炉燃烧模型20，第二锅炉燃烧模型20可以是预先选定为最佳锅炉燃烧模型的燃烧模型。在此，第二锅炉燃烧模型20具有分级结构，越是先导出的第二锅炉燃烧模型越能储存到上位阶层。
模型生成单元可以输出第三锅炉燃烧模型(S30)。在此，第三锅炉燃烧模型并不是每次都生成，因此可能会省略步骤30的动作。
模型选择单元可以在第一锅炉燃烧模型、第二锅炉燃烧模型及第三锅炉燃烧模型中选择最佳锅炉燃烧模型(S40)。
模型选择单元740可以针对从锅炉提取的最新数据与反映了基本特性的验证用数据与第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30各自的输出值进行比较。根据比较结果，模型选择单元740可以将和验证用数据之间的误差最小的锅炉燃烧模型选定为最佳锅炉燃烧模型。在此，在省略了步骤S30的动作的情况下，模型选择单元740可以在第一锅炉燃烧模型10及第二锅炉燃烧模型20中选择最佳锅炉燃烧模型。
控制单元可以根据模型选择单元所选定的最佳锅炉燃烧模型的特性更新第二存储器单元(S50)。
具体地说，控制单元750可以根据模型选择单元740所选定的锅炉燃烧模型是第一锅炉燃烧模型10、第二锅炉燃烧模型20及第三锅炉燃烧模型30中的哪一个模型而将储存在第二存储器单元720的第二锅炉燃烧模型予以更新。
即，在模型选择单元740所选定的最佳锅炉燃烧模型是第一锅炉燃烧模型10的情况下，控制单元750可以删除第三锅炉燃烧模型30并且不更新第二存储器单元720。
而且，在模型选择单元740所选定的最佳锅炉燃烧模型是第二锅炉燃烧模型20的情况下，控制单元750能将最佳锅炉燃烧模型作为最新导出的锅炉燃烧模型更新到第二存储器单元720。即，在最佳锅炉燃烧模型是第二锅炉燃烧模型20的情况下，控制单元750能将选定为最佳锅炉燃烧模型的第二锅炉燃烧模型储存到第二存储器单元720的最下位的阶层而更新第二存储器单元720，并且能删除第三锅炉燃烧模型30。
而且，在模型选择单元740所选定的最佳锅炉燃烧模型是第三锅炉燃烧模型30的情况下，控制单元750可以将储存在第二存储器单元720的第二锅炉燃烧模型20中最先导出的锅炉燃烧模型删除并且将最佳锅炉燃烧模型作为第二存储器单元720的最新导出的锅炉燃烧模型储存。即，在最佳锅炉燃烧模型是第三锅炉燃烧模型30的情况下，控制单元750可以将储存在第二存储器单元720的第二锅炉燃烧模型20中最先导出的第二锅炉燃烧模型删除并且将选定为最佳锅炉燃烧模型的第三锅炉燃烧模型30储存到第二存储器单元720。此时，控制单元750可以将第三锅炉燃烧模型30储存到第二存储器单元720的最下位的阶层。
如前所述，根据本发明的实施例，能实现最佳锅炉燃烧模型选择装置及方法，其可以在针对锅炉燃烧的多个锅炉燃烧模型中选择最佳锅炉燃烧模型后将储存了锅炉燃烧模型的存储器单元予以更新。
在不改变本发明的技术思想与必要特征的情形下，本发明所属技术领域的一般技术人员可以实施为其他具体实施形态，因此，前文说明的实施例在所有方面应理解成例示而非限定。前述详细说明不能用来限定本发明，本发明的范畴应由权利要求书界定。本发明的范围应解释成包括从权利要求书的意义、范畴及其等值概念所导出的一切修改与变形。
【符号说明】
700：最佳锅炉燃烧模型选择装置
710：第一存储器单元
720：第二存储器单元
730：模型生成单元
740：模型选择单元
750：控制单元

Claims (20)

1.一种最佳锅炉燃烧模型选择装置，用来选择用于锅炉燃烧的最佳锅炉燃烧模型，其特征在于，
包括：
存储器，构成为储存预先导出的第一锅炉燃烧模型及预先导出的第二锅炉燃烧模型；及
处理器，构成为在所述第一锅炉燃烧模型及所述第二锅炉燃烧模型中选择最佳锅炉燃烧模型；
所述处理器根据选定的所述最佳锅炉燃烧模型的特性更新所述存储器。
2.根据权利要求1所述的最佳锅炉燃烧模型选择装置，其特征在于，
所述处理器生成用于所述锅炉燃烧的第三锅炉燃烧模型，并且在所述第一锅炉燃烧模型、所述第二锅炉燃烧模型及所述第三锅炉燃烧模型中选择最佳锅炉燃烧模型。
3.根据权利要求1所述的最佳锅炉燃烧模型选择装置，其特征在于，
所述处理器通过在所述锅炉中测量的最新数据和关于基本特性的数据生成用于模型验证的验证用数据。
4.根据权利要求2所述的最佳锅炉燃烧模型选择装置，其特征在于，
所述处理器针对为了验证模型而生成的验证用数据与所述第一锅炉燃烧模型、所述第二锅炉燃烧模型及所述第三锅炉燃烧模型各自的输出值进行比较，并将和所述最新数据之间的误差最小的锅炉燃烧模型选定为所述最佳锅炉燃烧模型。
5.根据权利要求2所述的最佳锅炉燃烧模型选择装置，其特征在于，
所述处理器以下述计算式中的至少一个计算式计算各所述模型的输出值与验证用数据之间的误差：
针对各模型的输出值与验证用数据之间的差异的平方值算出其平均值后以一个误差表示的第一计算式；
针对各模型的输出值与验证用数据之间的差异的平方值算出其平均值，并针对平均值算出平方根后以一个误差表示的第二计算式；
针对各模型的输出值与验证用数据之间的差异的平方值算出其总和后以一个误差表示的第三计算式；
针对各模型的输出值与验证用数据之间的差异的绝对值算出其总和后以一个误差表示的第四计算式；以及
针对各模型的输出值与验证用数据之间的差异的绝对值算出其平均值后以一个误差表示的第五计算式。
6.根据权利要求2所述的最佳锅炉燃烧模型选择装置，其特征在于，
所述处理器根据选定的所述最佳锅炉燃烧模型和所述第一锅炉燃烧模型、所述第二锅炉燃烧模型及所述第三锅炉燃烧模型中的哪一个模型相同而更新所述存储器。
7.根据权利要求6所述的最佳锅炉燃烧模型选择装置，其特征在于，
在选定的所述最佳锅炉燃烧模型是所述第一锅炉燃烧模型的情况下，所述处理器不更新所述存储器。
8.根据权利要求6所述的最佳锅炉燃烧模型选择装置，其特征在于，
在选定的所述最佳锅炉燃烧模型是所述第二锅炉燃烧模型的情况下，所述处理器将所述最佳锅炉燃烧模型作为最新导出的锅炉燃烧模型储存到存储器。
9.根据权利要求6所述的最佳锅炉燃烧模型选择装置，其特征在于，
在选定的所述最佳锅炉燃烧模型是所述第三锅炉燃烧模型的情况下，所述处理器将储存在所述存储器的第二锅炉燃烧模型中最先导出的锅炉燃烧模型更换为所述最佳锅炉燃烧模型而更新所述存储器。
10.根据权利要求9所述的最佳锅炉燃烧模型选择装置，其特征在于，
在所述最佳锅炉燃烧模型是所述第三锅炉燃烧模型的情况下，所述处理器将储存在所述存储器的第二锅炉燃烧模型中最先导出的第二锅炉燃烧模型删除并且将所述最佳锅炉燃烧模型作为最新导出的锅炉燃烧模型储存到所述存储器。
11.根据权利要求1所述的最佳锅炉燃烧模型选择装置，其特征在于，
所述存储器具有分级结构，包含将锅炉燃烧模型按照导出的顺序以从上位阶层到下位阶层的顺序进行储存的存储器空间。
12.一种最佳锅炉燃烧模型选择方法，用来选择用于锅炉燃烧的最佳锅炉燃烧模型，其特征在于，
包括下列步骤：
将预先导出的第一锅炉燃烧模型与第二锅炉燃烧模型储存到存储器；
处理器在所述第一锅炉燃烧模型及所述第二锅炉燃烧模型中选择最佳锅炉燃烧模型；及
处理器根据选定的所述最佳锅炉燃烧模型的特性更新所述存储器。
13.根据权利要求12所述的最佳锅炉燃烧模型选择方法，其特征在于，
还包括所述处理器生成用于所述锅炉燃烧的第三锅炉燃烧模型的步骤，
在所述选择最佳锅炉燃烧模型的步骤中，
所述处理器在所述第一锅炉燃烧模型、所述第二锅炉燃烧模型及所述第三锅炉燃烧模型中选择最佳锅炉燃烧模型。
14.根据权利要求12所述的最佳锅炉燃烧模型选择方法，其特征在于，
在所述选择最佳锅炉燃烧模型的步骤中，
所述处理器通过在所述锅炉中测量的最新数据和关于基本特性的数据生成用于模型验证的验证用数据。
15.根据权利要求13所述的最佳锅炉燃烧模型选择方法，其特征在于，
在所述选择最佳锅炉燃烧模型的步骤中，
所述处理器针对为了验证模型而生成的验证用数据与所述第一锅炉燃烧模型、所述第二锅炉燃烧模型及所述第三锅炉燃烧模型各自的输出值进行比较，并将和所述最新数据之间的误差最小的锅炉燃烧模型选定为所述最佳锅炉燃烧模型。
16.根据权利要求13所述的最佳锅炉燃烧模型选择方法，其特征在于，
在所述选择最佳锅炉燃烧模型的步骤中，以下述计算式中的至少一个计算式计算各所述模型的输出值与验证用数据之间的误差：
针对各模型的输出值与验证用数据之间的差异的平方值算出其平均值后以一个误差表示的第一计算式；
针对各模型的输出值与验证用数据之间的差异的平方值算出其平均值，并针对平均值算出平方根后以一个误差表示的第二计算式；
针对各模型的输出值与验证用数据之间的差异的平方值算出其总和后以一个误差表示的第三计算式；
针对各模型的输出值与验证用数据之间的差异的绝对值算出其总和后以一个误差表示的第四计算式；以及
针对各模型的输出值与验证用数据之间的差异的绝对值算出其平均值后以一个误差表示的第五计算式。
17.根据权利要求13所述的最佳锅炉燃烧模型选择方法，其特征在于，
在所述第二锅炉燃烧模型的更新步骤中，
所述处理器根据选定的所述最佳锅炉燃烧模型和所述第一锅炉燃烧模型、所述第二锅炉燃烧模型及所述第三锅炉燃烧模型中的哪一个模型相同而将储存在所述存储器的所述第二锅炉燃烧模型予以更新。
18.根据权利要求17所述的最佳锅炉燃烧模型选择方法，其特征在于，
在所述第二锅炉燃烧模型的更新步骤中，
在选定的所述最佳锅炉燃烧模型是所述第一锅炉燃烧模型的情况下，所述处理器不更新所述存储器。
19.根据权利要求17所述的最佳锅炉燃烧模型选择方法，其特征在于，
在所述第二锅炉燃烧模型的更新步骤中，
在所述最佳锅炉燃烧模型是所述第二锅炉燃烧模型的情况下，所述处理器将所述最佳锅炉燃烧模型作为最新导出的锅炉燃烧模型储存到所述存储器。
20.根据权利要求17所述的最佳锅炉燃烧模型选择方法，其特征在于，
在所述第二锅炉燃烧模型的更新步骤中，
在所述最佳锅炉燃烧模型是所述第三锅炉燃烧模型的情况下，所述处理器将储存在所述存储器的第二锅炉燃烧模型中最先导出的锅炉燃烧模型更换为所述最佳锅炉燃烧模型而更新所述存储器。
CN202010411511.8A 2019-07-11 2020-05-15 最佳锅炉燃烧模型选择装置及方法 Pending CN112215387A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0083935 2019-07-11
KR1020190083935A KR102363444B1 (ko) 2019-07-11 2019-07-11 최적의 보일러 연소 모델 선정 장치 및 방법

Publications (1)

Publication Number Publication Date
CN112215387A true CN112215387A (zh) 2021-01-12

Family

ID=74058559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010411511.8A Pending CN112215387A (zh) 2019-07-11 2020-05-15 最佳锅炉燃烧模型选择装置及方法

Country Status (4)

Country Link
US (1) US11846416B2 (zh)
KR (1) KR102363444B1 (zh)
CN (1) CN112215387A (zh)
DE (1) DE102020117979A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102340069B1 (ko) * 2020-12-10 2021-12-17 가온플랫폼 주식회사 산업설비의 운전 효율 향상을 위한 딥러닝 기반 기화기의 최적 운전 및 감시 시스템
KR102536508B1 (ko) 2021-03-12 2023-05-26 한전케이피에스 주식회사 응답특성 선형화 해석을 통한 비율 제어기 동기화 튜닝 시스템 및 그 방법

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150058568A1 (en) * 2013-08-26 2015-02-26 International Business Machines Corporation HIERARCHICAL STORAGE FOR LSM-BASED NoSQL STORES
CN105444201A (zh) * 2014-09-26 2016-03-30 通用电气公司 燃烧优化的方法及其系统
US20160274978A1 (en) * 2015-03-16 2016-09-22 Rockwell Automation Technologies, Inc. Backup of an industrial automation plant in the cloud
CN108038306A (zh) * 2017-12-11 2018-05-15 太原理工大学 一种面向海量高维数据的电站锅炉燃烧建模及优化的方法
CN108573355A (zh) * 2018-05-08 2018-09-25 阿里巴巴集团控股有限公司 模型更新后替换运行的方法、装置、及业务服务器
US20190129918A1 (en) * 2017-10-31 2019-05-02 Samsung Sds Co., Ltd. Method and apparatus for automatically determining optimal statistical model
CN109902827A (zh) * 2019-01-18 2019-06-18 厦门快商通信息咨询有限公司 一种模型迭代更新方法及装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001255903A (ja) * 2000-03-14 2001-09-21 Toshiba Corp プロセス制御システム
JP5006947B2 (ja) * 2010-01-14 2012-08-22 本田技研工業株式会社 プラントの制御装置
KR20120076211A (ko) * 2010-12-29 2012-07-09 롯데알미늄 주식회사 보일러의 모델 설정방법
KR20160104481A (ko) * 2015-02-26 2016-09-05 두산중공업 주식회사 보일러 연소 제어 시스템
US10387775B2 (en) * 2015-09-09 2019-08-20 Emerson Process Management Power & Water Solutions, Inc. Model-based characterization of pressure/load relationship for power plant load control
US10839302B2 (en) * 2015-11-24 2020-11-17 The Research Foundation For The State University Of New York Approximate value iteration with complex returns by bounding
KR101955091B1 (ko) * 2017-05-15 2019-03-06 두산중공업 주식회사 이상 신호 복원 시스템 및 방법
US11474485B2 (en) * 2018-06-15 2022-10-18 Johnson Controls Tyco IP Holdings LLP Adaptive training and deployment of single chiller and clustered chiller fault detection models for connected chillers
US10955800B2 (en) * 2019-05-17 2021-03-23 Johnson Controls Technology Company Central plant control system, method, and controller with multi-level granular and non-granular asset allocation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150058568A1 (en) * 2013-08-26 2015-02-26 International Business Machines Corporation HIERARCHICAL STORAGE FOR LSM-BASED NoSQL STORES
CN105444201A (zh) * 2014-09-26 2016-03-30 通用电气公司 燃烧优化的方法及其系统
US20160091203A1 (en) * 2014-09-26 2016-03-31 General Electric Company System and method for combustion tuning
US20160274978A1 (en) * 2015-03-16 2016-09-22 Rockwell Automation Technologies, Inc. Backup of an industrial automation plant in the cloud
US20190129918A1 (en) * 2017-10-31 2019-05-02 Samsung Sds Co., Ltd. Method and apparatus for automatically determining optimal statistical model
CN108038306A (zh) * 2017-12-11 2018-05-15 太原理工大学 一种面向海量高维数据的电站锅炉燃烧建模及优化的方法
CN108573355A (zh) * 2018-05-08 2018-09-25 阿里巴巴集团控股有限公司 模型更新后替换运行的方法、装置、及业务服务器
CN109902827A (zh) * 2019-01-18 2019-06-18 厦门快商通信息咨询有限公司 一种模型迭代更新方法及装置

Also Published As

Publication number Publication date
US20210010671A1 (en) 2021-01-14
KR20210007449A (ko) 2021-01-20
DE102020117979A1 (de) 2021-03-25
KR102363444B1 (ko) 2022-02-16
US11846416B2 (en) 2023-12-19

Similar Documents

Publication Publication Date Title
US10732595B2 (en) Control parameter automatic-adjustment apparatus, control parameter automatic-adjustment method, and control parameter automatic-adjustment apparatus network
KR102130838B1 (ko) 보일러 연소 모델 구성 장치 및 방법
US20200175435A1 (en) System and method for optimizing combustion of boiler
CN112215387A (zh) 最佳锅炉燃烧模型选择装置及方法
US11262065B2 (en) System and method for optimizing combustion of boiler
JP5503563B2 (ja) プラントの制御装置及び火力発電プラントの制御装置
KR102245794B1 (ko) 보일러 연소 모델 자동 생성 장치 및 방법
US20050043921A1 (en) Neural network model for electric submersible pump system
KR102176765B1 (ko) 연소 최적화를 위한 학습 데이터를 생성하기 위한 장치 및 이를 위한 방법
KR102291800B1 (ko) 보일러 연소 모델 도출 장치 및 방법
KR102096558B1 (ko) 연소 최적화를 위한 장치 및 이를 위한 방법
JP2013137774A (ja) プロセスの状態予測方法およびプロセス状態予測システム
US11287126B2 (en) System and method for controlling operation of boiler
JP4546332B2 (ja) 運転支援装置および運転支援方法
CN113454542A (zh) 信息处理装置、信息处理方法、以及信息处理程序
RU2299995C2 (ru) Способ проведения анализа эффективности и затрат для энергоблока, система для его осуществления (варианты) и считываемая компьютером среда записи с записанной программой
KR102107586B1 (ko) 연소 최적화를 관리하기 위한 장치 및 이를 위한 방법
CN111275320B (zh) 一种发电机组的性能调整数据处理方法、系统和存储介质
US20190324414A1 (en) Control device of plant, plant, control method of plant, and computer readable storage medium recording control program of plant
KR20210101052A (ko) 학습 모델 기반의 가스 터빈 연소 시스템의 자동 튜닝을 위한 장치 및 이를 위한 방법
JP4318982B2 (ja) 制御方法及び制御装置、並びにプログラム
JP7125383B2 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
JP2003269112A (ja) プラントの起動予測制御装置
JP2013003795A (ja) 設定値管理装置、設定値管理方法及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination