CN113167473A - 用于调控系统内过程、特别是发电站内燃烧过程的方法和装置 - Google Patents
用于调控系统内过程、特别是发电站内燃烧过程的方法和装置 Download PDFInfo
- Publication number
- CN113167473A CN113167473A CN201980076552.1A CN201980076552A CN113167473A CN 113167473 A CN113167473 A CN 113167473A CN 201980076552 A CN201980076552 A CN 201980076552A CN 113167473 A CN113167473 A CN 113167473A
- Authority
- CN
- China
- Prior art keywords
- utilization
- raw material
- feedstock
- process model
- adjustment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 269
- 230000008569 process Effects 0.000 title claims abstract description 219
- 238000002485 combustion reaction Methods 0.000 title claims description 35
- 239000002994 raw material Substances 0.000 claims abstract description 118
- 230000001105 regulatory effect Effects 0.000 claims abstract description 66
- 238000002203 pretreatment Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000013528 artificial neural network Methods 0.000 claims description 25
- 230000033228 biological regulation Effects 0.000 claims description 25
- 239000004568 cement Substances 0.000 claims description 15
- 238000004056 waste incineration Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 9
- 230000001276 controlling effect Effects 0.000 abstract description 6
- 230000009471 action Effects 0.000 description 19
- 238000009826 distribution Methods 0.000 description 14
- 239000003245 coal Substances 0.000 description 13
- 230000007774 longterm Effects 0.000 description 11
- 238000005457 optimization Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 9
- 230000002068 genetic effect Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000009063 long-term regulation Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000009064 short-term regulation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000002609 medium Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 230000007363 regulatory process Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/50—Control or safety arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N1/00—Regulating fuel supply
- F23N1/002—Regulating fuel supply using electronic means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/003—Systems for controlling combustion using detectors sensitive to combustion gas properties
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/18—Systems for controlling combustion using detectors sensitive to rate of flow of air or fuel
- F23N5/184—Systems for controlling combustion using detectors sensitive to rate of flow of air or fuel using electronic means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G2207/00—Control
- F23G2207/10—Arrangement of sensing devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G2207/00—Control
- F23G2207/20—Waste supply
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23K—FEEDING FUEL TO COMBUSTION APPARATUS
- F23K2200/00—Pretreatment and supply of solid fuel
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2221/00—Pretreatment or prehandling
- F23N2221/10—Analysing fuel properties, e.g. density, calorific
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2223/00—Signal processing; Details thereof
- F23N2223/36—PID signal processing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2225/00—Measuring
- F23N2225/26—Measuring humidity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2229/00—Flame sensors
- F23N2229/20—Camera viewing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2239/00—Fuels
- F23N2239/02—Solid fuels
-
- 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
-
- 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
- G05B13/048—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 using a predictor
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Feedback Control In General (AREA)
- Incineration Of Waste (AREA)
- Engine Equipment That Uses Special Cycles (AREA)
Abstract
本发明涉及对系统内的过程进行调控的方法和装置,所述过程包括原料的预处理、所述经预处理的原料的利用以及所述经预处理的原料的利用结果的检测,所述方法包括以下步骤:‑检测所述预处理的输入变量和输出变量(2、4);‑检测所述经预处理的原料的利用的输出变量(6);‑针对每至少两个不同的时间标度创建第一过程模型、第二过程模型和第三过程模型,其分别描述所述原料的预处理的调整(10)、所述经预处理的原料的利用的调整(12)或者所述原料的预处理的调整(10)和所述经预处理的原料的利用的调整(12)对所述经预处理的原料的利用的输出变量的影响;其中根据所述当前为所述系统内过程提供所述最佳预测的过程模型的预测对所述系统内的过程进行调控。
Description
技术领域
本发明涉及用于对系统内的过程、特别是发电站内的燃烧过程进行调控的方法和装置,其中所述待调控的过程包括原料的预处理、所述经预处理的原料的利用以及所述经预处理的原料的利用结果的检测。
背景技术
EP 1 364 163 B1公开了对燃烧过程进行调控的方法和装置,其中,借助传感器在燃煤发电站或垃圾焚烧炉的锅炉中测量说明锅炉中的系统状态的状态变量,在与这些传感器连接的计算机中将这些状态变量与在污染物浓度方面的优化目标进行比较,并且对连接至计算机形成控制回路以进行调控的调节装置进行控制,以便在系统中执行适用的调节动作。测定与优化目标独立的过程模型,该过程模型描述了在跃迁到下一时间点的状态变量的步骤中,在使用在先状态变量的信息以集成至时间情境的情况下,所述调节动作对系统的状态变量的影响并且借助对关于优化目标的状态变量进行评估的质量函数实现与优化目标独立的状况评估。
EP 1 396 770 B1公开了对热力学过程进行调控的方法和装置,其中,在系统中测量过程变量,结合经训练的当前过程模型在神经网络中计算这些过程变量,将其与优化目标进行比较并且在系统中执行适用的调节动作以对过程进行调控,其中时间上与正常调控操作并行地对所述过程进行自动分析,根据测得的模型相关的过程变量形成针对具有不同拓扑结构的神经网络的多个新过程模型,对不同类型的神经网络进行训练并在预测方面将其与当前过程模型进行比较,并且在这些新过程模型中的一个的预测精度更高的情况下,用新过程模型来替换当前过程模型。
EP 1 850 069 B1公开了用于对工厂,特别是发电站、垃圾焚烧厂或水泥厂,中的燃烧过程进行调控的方法和控制回路。在所述工厂中,在供应空气的情况下,借助燃烧过程在形成至少一个焰体的情况下对物料进行转化,其中使用至少一个以图像的方式检测所述焰体的观察装置和其他传感器来测定说明工厂中的系统状态的状态变量并且在计算机中进行评估,然后视需要选择适用的动作,以便对用于至少供应物料和/或空气的调节装置进行控制,其中在主控期间进行调控以达到状态变量的额定值和/或燃烧过程的稳定性。根据EP 1 850 069 B1,暂时从主控转换成故障调控,根据所述故障调控选择动作,以便在工厂中达到某些系统状态,在这些状态下,处于预定限值内的状态变量选择性地与最佳额定值有所偏差。
EP 1 890 207 B1公开了用于创建过程模型的方法和控制回路,所述过程模型用于对工厂,特别是发电站、垃圾焚烧厂或水泥厂中的燃烧过程,进行调控。在所述工厂中,在供应空气的情况下,借助燃烧过程在形成至少一个焰体的情况下对物料进行转化并且通过状态变量来说明工厂中的系统状态,其中在第一步骤中使用神经网络,在第二步骤中借助状态变量的包括输入通道的测量数据和至少一个输出通道的测量数据的测量数据对所述神经网络进行训练,在第三步骤中借助输入通道和输出通道的其他测量数据对所述神经网络进行测试,具体方式在于,通过所述神经网络在其时间曲线中借助数值预测输出通道,其中根据所述输出通道的预测值与所述输出通道的测量数据之间的偏差测定预测的标准偏差。在第四步骤中,通过根据在分位值间隔上的分布曲线的分布将至少一个输入通道的测量数据替换为相当于分布曲线下的面积份额的分布份额。在第五步骤中,借助每个分位值的分布重新计算输出通道的值并测定输出通道的计算值与相关测量数据的标准偏差,其中如果计算出的标准偏差与预测的标准偏差相比有所增大,则输入通道对于在第一步骤中所使用的且在第二步骤中所训练的神经网络而言较为重要。
EP 1 906 092 B1公开了用于对工厂,特别是发电站、垃圾焚烧厂或水泥厂,中的燃烧过程进行调控的方法和设备。在所述工厂中,在供应空气的情况下,借助燃烧过程对物料进行转化,通过状态变量来说明工厂中的系统状态并且至少借助控制回路进行调控。就至少一对相关状态变量而言,定义在相关状态变量的变化方面可比较的状态组,其中每组可比较状态就其传递函数而言通过标准控制器的参数进行表征,且其中将这些参数与实际状态的数据进行调整,且其中在工厂中的系统状态发生变化的情况下,选择最接近的一组可比较状态并将其通过参数进行表征的传递函数用于进行调控。
EP 1 967 792 B1公开了用于对工厂,特别是发电站、垃圾焚烧厂或水泥厂,中的燃烧过程进行调控的控制回路和方法。所述工厂具有用于在供应空气的情况下借助燃烧过程在形成至少一个焰体的情况下对物料进行转化的区段、至少一个以图像的方式检测所述焰体的观察装置以及其他用于测定输入数据的传感器、至少一个用于至少供应物料和/或空气的可通过输出数据进行控制的调节装置和用于相对目标值对输入数据进行评估且用于使用当前过程模型来测定输出数据的计算机。所述计算机具有特征提取器模块,特别是除正常调控之外,所述特征提取器模块还针对替代性的过程模型借助信息量从输入数据中提取对于目标值而言是可以提供信息的特征。
EP 2 048 553 B1公开了用于对工厂,特别是发电站、垃圾焚烧厂或水泥厂,中的过程,特别是燃烧过程,进行调控的控制回路。所述工厂具有一个区段、至少一个用于检测所述区段的观测值的测量装置、至少一个可被动作值控制的作用于所述区段的调节装置以及控制器,所述控制器与所述测量装置和所述调节装置连接并且对所述测量装置的观测值进行分析,结合目标值对所述区段的系统的通过观测值描述的状态进行评估,选择适用的动作值以实现目标值并控制所述调节装置。所述调控装置的特征在于,此控制器具有输入转换器,所述输入转换器根据观测值形成这些观测值的至少一个概率分布,此控制器具有动作生成器,所述动作生成器产生大量可能的动作值,另一或同一输入转换器由此形成大量所对应的分布,该控制器具有包括储存的过程模型的过程模型单元,该控制器借助所述过程模型根据所述观测值的概率分布以及设定给所述过程模型单元中的这些可能的动作值所对应的分布预测系统的可能的未来状态分布,该控制器特别是在评估单元中结合目标值和/或其分布对系统的可能的未来状态分布进行评估并且特别是在选择单元中选择适用的动作值的至少一个概率分布,该控制器具有输出转换器,所述输出转换器根据这些动作值的概率分布形成至少一个动作值,其中受到控制的调节装置基于这些动作值执行所对应的具体动作。
EP 2 080 953 B1公开了用于对工厂,特别是发电站、垃圾焚烧厂或水泥厂,中的燃烧过程进行调控的控制回路和方法。所述工厂具有用于在供应空气的情况下借助燃烧过程在形成至少一个焰体的情况下对物料进行转化的区段、至少一个以图像的方式检测所述焰体的观察装置、其他用于测定说明工厂中的系统状态的状态变量的传感器、至少一个用于评估这些状态变量的控制器和/或计算机以及一个过程模型,其选择适用的动作和用于供应物料和/或空气的可通过这些动作控制的调节装置。所述控制回路或方法的特征在于,所述过程模型具有用于不同过程动力学的专用函数逼近器,从中选择一个选择器,所选择的函数逼近器所对应的控制器用于对所述控制回路进行调控。
EP 2 422 246 B1公开了一种用于待调控的复杂实际过程,特别是用于对工厂,特别是发电站、垃圾焚烧厂或水泥厂,中的燃烧过程进行调控的调控系统。所述调控系统被分级划分成不同的等级,其中第一等级表示待调控的复杂实际过程并通过调控段而实现;第二等级表示与过程的接口并通过过程控制系统而实现;第三等级表示对过程的调控并通过至少一个主动控制器而实现;第四等级表示上位监测并通过主控制器而实现,其特征在于,所述主控制器适于对模拟调控段的模拟器进行训练,开发许多控制器以及在这些模拟器上进行测试,以便找到最佳的控制器,将其与所述主动控制器进行比较并且视需要对其进行更换,其中所述控制器包含新控制器以及先前曾是主动控制器的旧控制器,其中所述主动控制器使用调控段的实际值与额定值之间的调控偏差来测定调节变量。
前述方法、装置和控制回路涉及对工厂,特别是发电站、垃圾焚烧厂或水泥厂中的燃烧过程的调控。然而,就现有技术中已知的方法、装置和控制回路而言,未将待预处理的原料的预处理类型和方式对燃烧过程的影响以及燃烧过程的结果考虑在内。
发明内容
因此,本发明的目的在于提供用于对系统内的过程进行调控的方法和装置,所述过程特别是发电站、垃圾焚烧厂或水泥厂内的燃烧过程,其中所述待调控的过程包括原料的预处理、所述经预处理的原料的利用以及所述经预处理的原料的利用结果的检测并且对预定的调控目标进行优化。
本发明用以达成上述目的的解决方案在于一种对系统内的过程进行调控的方法,特别是发电站、垃圾焚烧厂或水泥厂内的燃烧过程,其中所述待调控的过程包括原料的预处理、所述经预处理的原料的利用以及所述经预处理的原料的利用结果的检测。其中,根据本发明的方法包括以下步骤:
-在第一预定时间段内检测所述原料的预处理的输入变量,
-在第二预定时间段内检测所述原料的预处理的输出变量,所述输出变量相当于所述经预处理的原料的利用的输入变量,以及
-在第三预定时间段内检测所述经预处理的原料的利用的输出变量,所述输出变量相当于所述经预处理的原料的利用结果。
其中,通过以下方式对所述系统内的过程进行调控:
-借助执行与所述原料的预处理相关的调节动作对所述原料的预处理进行调整,和/或
-借助执行与所述经预处理的原料的利用相关的调节动作对所述经预处理的原料的利用进行调整。
此外,根据本发明的方法还包括以下步骤:
-创建第一过程模型,其描述所述原料的预处理的调整对所述经预处理的原料的利用的输出变量的影响,
-创建第二过程模型,其描述所述经预处理的原料的利用的调整对所述经预处理的原料的利用的输出变量的影响,以及
-创建第三过程模型,其描述所述原料的预处理的调整以及所述经预处理的原料的利用的调整对所述经预处理的原料的利用的输出变量的影响。
根据本发明,针对至少两个不同的时间标度分别创建第一过程模型、第二过程模型和第三过程模型,其中在考虑到经预处理的原料的利用结果的调控目标的情况下,根据所创建的过程模型中的至少一个的预测,优选根据当前为系统内过程提供最佳预测的过程模型的预测,通过对原料预处理的调整和/或对经预处理的原料的利用的调整对系统内的过程进行调控。
根据本发明的对系统内的过程进行调控的方法,所述过程特别是发电站、垃圾焚烧厂或水泥厂内的燃烧过程,所述方法包括原料的预处理、所述经预处理的原料的利用以及所述经预处理的原料的利用结果的检测。所述原料的预处理例如包括原料的粉碎/磨碎、原料的预热和/或不同原料的混合。
根据本发明,在各个预定的时间段内检测所述原料的预处理的输入变量、所述原料的预处理的输出变量和所述经预处理的原料的利用的输出变量。例如通过传感器自动检测原料的预处理和/或经预处理的原料的利用的输出变量,或者借助自动或手动采样检测这些输出变量。
为了对系统内的过程进行调控,可以对原料的预处理和/或经预处理的原料的利用进行调整。例如通过对原料的粉碎/磨碎的调整、对原料的预热的调整和/或对不同原料的混合的调整来对原料的预处理进行调整。例如可以通过对氧气或其他物质的供应、对经预处理的原料的燃烧的调整或者通过对与燃烧锅炉相关的措施的调整来对经预处理的原料的利用进行调整。
其中,根据本发明的方法包括以下步骤:
-创建第一过程模型,其描述所述原料的预处理的调整对所述经预处理的原料的利用的输出变量的影响,
-创建第二过程模型,其描述所述经预处理的原料的利用的调整对所述经预处理的原料的利用的输出变量的影响,以及
-创建第三过程模型,其描述所述原料的预处理的调整以及所述经预处理的原料的利用的调整对所述经预处理的原料的利用的输出变量的影响。
所述第一过程模型描述了所述原料的预处理的调整对所述经预处理的原料的利用的输出变量的影响,即预处理中的调整对待调控的过程的最终结果的影响。所述第二过程模型描述了所述经预处理的原料的利用的调整对所述经预处理的原料的利用的输出变量的影响,即调整对经预处理的原料的利用的影响。所述第三过程模型结合了第一过程模型和第二过程模型并且描述了所述原料的预处理和所述经预处理的原料的利用的调整对所述经预处理的原料的利用的输出变量的影响。
本发明所基于的认识在于,在将调控目标考虑在内的情况下,通过上述过程模型中的一个以足够的精度对系统内的过程进行映射,以对系统内的过程进行调控。具体视当前过程情形而定,对原料的预处理的调整,或者对经预处理的原料的利用的调整,或者对原料的预处理的调整和经预处理的原料的利用的调整是实现调控目标以及在将来满足这些调控目标所必不可少的。
根据本发明,针对至少两个不同的时间标度分别创建第一过程模型、第二过程模型和第三过程模型。优选在短期和长期预测之间进行区分。
故障相关的短期变化和故障相关的长期变化的划分与系统内待进行调控的过程有关。因此,在发电站中的燃烧过程期间,故障相关的短期变化可能会持续数小时。优选在将系统中待调控的过程的时长考虑在内的情况下,将其细划分成故障相关的短期变化和故障相关的长期变化。
根据本发明,在考虑到经预处理的原料的利用结果的调控目标的情况下,根据所创建的过程模型中的至少一个、优选当前为系统内过程提供最佳预测的过程模型的预测,通过对所述原料的预处理的调整和/或对所述经预处理的原料的利用的调整对系统内的过程进行调控。
针对每至少两个不同的时间范围创建至少三个过程模型的优点在于,过程模型可用于针对经预处理的原料的利用结果的短期和长期调控方案,所述过程模型以足够的精度对系统中的过程进行映射,以便满足调控目标。
根据本发明的优选技术变型,针对三个不同的时间标度创建第一过程模型、第二过程模型和/或第三过程模型。如前所述,不同的时间标度与待调控的过程内的过程的短期和长期预测有关。第三时间标度还与系统内的过程的故障相关的预测有关。因此,结合第三时间标度能够确定是否由于故障而应进行调控或者所述故障是否对调控目标没有决定性的影响。借助这种故障相关的预测也可以得出是否可以排除故障或者是否必须实施维护措施等。
根据本发明的技术变型,在选择所创建的用于对系统内过程进行调控的过程模型中的一个时,首先确定相关的时间标度。本发明所基于的认识在于,经预处理的原料的利用的输出变量与调控目标的短期偏差不同于经预处理的原料的利用的输出变量与调控目标的长期偏差。因为三个长期过程模型的预测与三个短期过程模型的预测有所不同,所以根据本发明,首先在相关的时间标度方面进行选择。
根据本发明的技术变型,根据在第一预定时间段、第二预定时间段和第三预定时间段内所测得的输入和输出变量来确定相关的时间标度。在此情况下,优选将特别是输入和输出变量的变化考虑在内。因此,输出变量在较短时间段内的较大变化表明是短期时间标度相关的,而输出变量的缓慢而稳定的变化则表明是长期时间标度。
在本发明的优选技术变型中,将针对特定时间标度创建的过程模型相互比较,以便确定用于对系统内过程进行调控的过程模型。在识别出相关的时间标度之后,随后测定当前为系统内过程提供最佳预测的过程模型。在此情况下,优选将各个过程模型的当前和先前的预测与经预处理的原料的利用的特定相关输出变量进行比较并将其与调控目标进行比较。这样就能确定当前为系统内过程提供最佳预测的过程模型。
根据本发明的特别优选的技术变型,通过在神经网络中实现的算法选择用于对系统内过程进行调控的过程模型。其中,所述神经网络特别是基于进化策略、遗传算法、遗传编程或进化编程,或者优选在自主选择和/或优化过程的框架下,基于所述神经网络对所述过程模型进行训练。
使用神经网络的优点在于,基于所述神经网络的自主学习特性,所述过程模型的选择在过程持续时间内稳定增加。
根据本发明的有利的技术变型,至少部分自动地、优选完全自动地选择用于对系统内过程进行调控的过程模型。因此,例如在对有风险或与安全相关的过程进行控制时,可能需要和/或有利的是,虽然能自动选择用于对系统内过程进行调控的过程模型,但在使用新选择的过程模型之前需要有关操作人员进行手动操纵。
在一种技术变型中,根据本发明的方法包括检测所述原料的预处理的状态变量以及检测所述经预处理的原料的利用的状态变量的步骤。也就是说,不仅检测原料的预处理以及经预处理的原料的利用的输入和输出变量,而且还检测各个当前状态变量。这样就能提高根据本发明的方法的精确性。
根据本发明的有利的技术变型,在创建所述第一过程模型、第二过程模型和/或第三过程模型时,将所述原料的预处理的状态变量和/或所述经预处理的原料的利用的状态变量考虑在内,从而可以提高所创建的过程模型的预测精度。
例如,借助传感器自动检测这些状态变量,或者手动或自动地借助采样检测这些状态变量。
根据根据本发明方法的技术变型,连续地将所述所创建的过程模型与所述系统内待调控过程的特征进行匹配。所创建的过程模型的预测精度在过程持续期间因自主学习特性而稳定提高。
例如通过系统的试运行和/或通过专家知识来创建过程模型。在系统的试运行中,有利的是,有意与常规的状态变量有所偏差并且在所述过程中接近极限状态。特别有利的是,首先通过专家知识创建过程模型,然后通过具有不同状态的系统的试运行对所述过程模型进一步进行改进或训练。
根据本发明的有利的技术变型,借助计算机辅助的神经网络创建所述过程模型并且特别是连续地进行匹配(训练)。在此情况下,所述神经网络特别是基于进化策略、遗传算法、遗传编程或进化编程,或者优选在自主选择和/或优化过程的框架下,基于所述神经网络对这些过程模型进行训练。
使用神经网络的优点在于,基于神经网络的自主学习特性,过程模型的预测精度在过程持续时间内稳定提高。
在根据本发明方法的技术变型中,所述过程模型均将对所述原料的预处理的调整和/或对所述经预处理的原料的利用的调整对所述经预处理的原料的利用的输出变量的多个面向未来的假定影响考虑在内。因此,所创建的过程模型不仅将系统内当前过程情形和调控目标考虑在内,而且还将如何尽可能长期地满足这些调控目标考虑在内,优选在借助执行与原料的预处理相关的调节动作实现对原料的预处理的调整的最小化和/或借助执行与经预处理的原料的利用相关的调节动作实现对经预处理的原料的利用的调整的最小化的情况下。
有利地,实时实施所述方法以对系统内的过程进行调控。
根据本发明的特别优选的技术变型,所述过程模型基于计算流体力学的方法。
此外,本发明用以实现上述目的的解决方案还在于一种用于实施对系统内的过程,特别是发电站、垃圾焚烧厂或水泥厂内的燃烧过程,进行调控的方法的装置,其中所述装置包括至少一个计算装置、用于检测所述系统的变量的构件以及用于将调节动作传输至所述系统的接口。其中,所述装置例如可以构建为控制回路。有利地,所述装置集成至待调控的系统的过程控制中。
附图说明
下面结合实施例对本发明进行详细说明。其中:
图1示出发电站,借助根据本发明的方法对所述发电站的燃烧过程进行调控。
具体实施方式
根据本发明的方法用于对系统内的过程进行调控,特别是发电站1、垃圾焚烧厂或水泥厂内的燃烧过程。
图1所示发电站1包括装有粗粒精煤、中粒和细粒的多个煤仓3,从这些煤仓对至少一个磨机5进行供料。除了煤炭,原则上也可以使用或混合另一燃料。至少一个磨机5用于对储存在煤仓3中的材料进行预处理。
根据本发明的方法,在第一时间段内检测原料的预处理的输入变量2,即磨机5的输入变量。借助相应的传感器自动进行上述检测或者手动和/或自动地借助采样进行上述检测。
将至少一个磨机5所输出的煤炭K与一次空气LP一起供应至炉子9中的燃烧器7,其中一个磨机5优选为多个燃烧器7进行供料。
根据本发明,在第二预定时间段内检测原料的预处理的输出变量4,即在磨机5之后并且在炉子9之前磨碎的煤炭K的变量。借助相应的传感器自动进行上述检测或者手动和/或自动地借助采样进行上述检测。磨机5的煤炭K的输出变量相当于炉子9的煤炭K的输入变量。
借助炉子9的燃烧器7燃烧煤炭K,也就是说,在炉子9中使用煤炭。在此情况下,例如在燃烧器7下方将二次空气LS吹入炉中。根据本发明的方法,在第三预定时间段内检测经预处理的原料的利用的输出变量6,即煤炭K借助燃烧器7的燃烧。这相当于经预处理的原料的利用结果。
例如借助光学测量装置15检测经预处理的原料的利用的输出变量6,所述光学测量装置具有伸入炉中的管道镜17。管道镜17在所述测量装置的内部对燃烧器7的火焰11的图像进行成像,所述测量装置对所述图像进行进一步处理,进而产生经预处理的原料的利用的输出变量。作为替代或补充性方案,可以借助传感器和/或取样将燃烧过程的排气8作为经预处理的原料的利用的输出变量6进行检测。
通过对原料的预处理进行调整10,借助执行与原料的预处理相关(即在原料的磨碎方面)的调节动作对系统内的过程,即发电站1的炉子9中的燃烧,进行调控。作为替代或补充性方案,通过对经预处理的原料的利用进行调整12,借助执行与经预处理的原料的利用相关的调节动作对系统内的过程进行调控,例如通过对将二次空气LS供应至炉子9中进行调整。
将所测得的预处理的输入变量2、预处理的输出变量4以及经预处理的原料的利用的输出变量传输至计算装置31,所述计算装置适于对系统内的过程,即发电站1中的燃烧,进行调控。为此,由计算装置31借助与原料的预处理相关的调节动作的执行来对原料的预处理进行调整10和/或借助与经预处理的原料的利用相关的调节动作的执行来对经预处理的原料的利用进行调整12。
在计算装置31内创建描述原料的预处理的调整10对经预处理的原料的利用的输出变量6的影响的第一过程模型以及描述经预处理的原料的利用的调整12对经预处理的原料的利用的输出变量6的影响的第二过程模型。此外,在计算装置31中创建第三过程模型,所述第三过程模型描述了原料的预处理的调整10以及经预处理的原料的利用的调整12对经预处理的原料的利用的输出变量6的影响。
根据本发明,针对至少两个不同的时间标度分别创建第一过程模型、第二过程模型和第三过程模型。
在考虑到经预处理的原料的利用结果的调控目标的情况下,根据所创建的过程模型中的至少一个、优选当前为系统内过程提供最佳预测的过程模型的预测,通过对原料的预处理的调整10和/或对经预处理的原料的利用的调整12对系统内的过程进行调控。
针对每至少两个不同的时间标度创建至少三个过程模型的优点在于,过程模型可用于短期和长期调控方案,所述过程模型以足够的精度对系统中的过程进行映射,以便满足调控目标。
根据本发明的一种优选的技术变体,针对三个不同的时间标度创建第一过程模型、第二过程模型和/或第三过程模型。如前所述,不同的时间标度与待调控过程内的过程的短期和长期预测有关。第三时间标度还与系统内的过程的故障相关的预测有关。因此,结合第三时间标度能够确定是否由于故障而应进行调控或者所述故障是否对调控目标没有决定性的影响。借助这种故障相关的预测也可以得出是否可以排除故障或者是否必须实施维护措施等。
根据本发明的技术变型,在选择所创建的用于对系统内的过程进行调控的过程模型中的一个时,首先确定相关的时间标度。本发明所基于的认识在于,经预处理的原料的利用的输出变量与调控目标的短期偏差不同于经预处理的原料的利用的输出变量与调控目标的长期偏差。因为三个长期过程模型的预测与三个短期过程模型的预测有所不同,所以根据本发明,首先在相关的时间标度方面进行选择。
根据本发明的技术变型,根据在第一预定时间段、第二预定时间段和第三预定时间段内所测得的输入和输出变量2、4、6来确定相关的时间标度。在此情况下,优选将特别是输入和输出变量的变化考虑在内。因此,输出变量在较短时间段内的较大变化表明是短期时间标度相关的,而输出变量缓慢而稳定的变化则表明是长期时间标度。
在本发明的优选技术变型中,将针对特定时间标度创建的过程模型相互比较,以便确定用于对系统内过程进行调控的过程模型。在识别出相关的时间标度之后,随后测定当前为系统内过程提供最佳预测的过程模型。在此情况下,优选将各个过程模型的当前和先前的预测与经预处理的原料的利用的特定相关输出变量进行比较并将其与调控目标进行比较。这样就能确定当前为系统内过程提供最佳预测的过程模型。
根据本发明的特别优选的技术变型,通过在神经网络中实现的算法选择用于对系统内的过程进行调控的过程模型。其中,所述神经网络特别是基于进化策略、遗传算法、遗传编程或进化编程,或者优选在自主选择和/或优化过程的框架下,基于所述神经网络对过程模型进行训练。
使用神经网络的优点在于,基于神经网络的自主学习特性,过程模型的选择在过程持续时间内稳定增加。
根据本发明的有利的技术变型,至少部分自动地、优选完全自动地选择用于对系统内的过程进行调控的过程模型。
在一种技术变型中,根据本发明的方法包括检测原料的预处理的状态变量以及检测经预处理的原料的利用的状态变量的步骤。也就是说,不仅检测原料的预处理以及经预处理的原料的利用的输入和输出变量,而且还检测各个当前状态变量。这样就能提高根据本发明的方法的精确性。
根据本发明的有利的技术变型,在创建第一过程模型、第二过程模型和/或第三过程模型时,将原料的预处理的状态变量和/或经预处理的原料的利用的状态变量考虑在内,从而可以提高所创建的过程模型的预测精度。
例如借助传感器自动检测这些状态变量,或者手动或自动地借助采样进行检测。
根据根据本发明的方法的技术变型,连续地将所创建的过程模型与系统内待调控的过程的特征进行匹配。所创建的过程模型的预测精度在过程持续期间因自学习特性而稳定提高。
例如通过系统的试运行和/或通过专家知识来创建过程模型。在系统的试运行中,有利的是,有意与常规的状态变量有所偏差并且在过程中接近极限状态。特别有利的是,首先通过专家知识创建过程模型,然后通过具有不同状态的系统的试运行对所述过程模型进一步进行改进或训练。
根据本发明的有利的技术变型,借助计算机辅助的神经网络创建这些过程模型并且特别是连续地进行匹配(训练)。在此情况下,所述神经网络特别是基于进化策略、遗传算法、遗传编程或进化编程,或者优选在自主选择和/或优化过程的框架下,基于所述神经网络对这些过程模型进行训练。
使用神经网络的优点在于,基于神经网络的自主学习特性,过程模型的预测精度在过程持续时间内稳定提升。
在根据本发明的方法的技术变型中,这些过程模型均将原料的预处理的调整和/或经预处理的原料的利用的调整对经预处理的原料的利用的输出变量的多个面向未来的假定影响考虑在内。因此,所创建的过程模型不仅将系统内的当前过程情形和调控目标考虑在内,而且还将如何尽可能长期地满足这些调控目标考虑在内,优选在借助执行与原料的预处理相关的调节动作实现原料的预处理的调整10的最小化和/或借助执行与经预处理的原料的利用相关的调节动作实现经预处理的原料的利用的调整12的最小化的情况下。
有利地,实时实施所示方法以对系统内的过程进行调控。
根据本发明的特别优选的技术变型,这些过程模型基于计算流体力学方法。
附图标记表
1 发电站
2 检测预处理的输入变量
3 煤仓
4 检测预处理的输出变量
5 磨机
6 检测预处理的输出变量
7 燃烧器
8 燃烧过程的排气
9 炉子
10 原料的预处理的调整
11 火焰
12 经预处理的原料的利用的调整
15 测量装置
17 管道镜
31 计算装置
K 煤炭
LP 一次空气
LS 二次空气
Claims (10)
1.一种对系统内过程进行调控的方法,特别是发电站1、垃圾焚烧厂或水泥厂内的燃烧过程,其中所述待调控的过程包括原料的预处理、所述经预处理的原料的利用以及所述经预处理的原料的利用结果的检测,其中所述方法包括以下步骤:
-在第一预定时间段内检测所述原料的预处理的输入变量2,
-在第二预定时间段内检测所述原料的预处理的输出变量4,所述输出变量相当于所述经预处理的原料的利用的输入变量,以及
-在第三预定时间段内检测所述经预处理的原料的利用的输出变量6,所述输出变量相当于所述经预处理的原料的利用结果;
其中通过以下方式对所述系统内过程进行调控:
-借助执行与所述原料的预处理相关的调节动作对所述原料的预处理进行调整10,和/或
-借助执行与所述经预处理的原料的利用相关的调节动作对所述经预处理的原料的利用进行调整12;
其中所述方法还包括以下步骤:
-创建第一过程模型,其描述对所述原料的预处理的调整10对所述经预处理的原料的利用的输出变量的影响,
-创建第二过程模型,其描述对所述经预处理的原料的利用的调整12对所述经预处理的原料的利用的输出变量的影响,以及
-创建第三过程模型,其描述对所述原料的预处理的调整10以及对所述经预处理的原料的利用的调整12对所述经预处理的原料的利用的输出变量的影响;
其中针对至少两个不同的时间标度分别创建所述第一过程模型、第二过程模型和第三过程模型,
其中在考虑所述经预处理的原料的利用结果的调控目标的情况下,根据所创建的过程模型中的至少一个、优选当前为所述系统内过程提供最佳预测的过程模型的预测,通过对所述原料的预处理的调整10和/或对所述经预处理的原料的利用的调整12对所述系统内的过程进行调控。
2.根据权利要求1所述的方法,其中在选择所创建的用于对所述系统内过程进行调控的过程模型中的一个时,首先确定相关的时间标度。
3.根据权利要求2所述的方法,其中根据在所述第一预定时间段、第二预定时间段和第三预定时间段内测得的输入和输出变量确定所述相关的时间标度。
4.根据权利要求2或3所述的方法,其中将所述针对特定时间标度创建的过程模型相互比较,以确定用于对所述系统内过程进行调控的过程模型。
5.根据权利要求1至4中任一项所述的方法,其中通过在神经网络中实现的算法选择用于对所述系统内过程进行调控的过程模型。
6.根据权利要求1至5中任一项所述的方法,还包括以下步骤:
-检测所述原料的预处理的状态变量,
-检测所述经预处理的原料的利用的状态变量。
7.根据权利要求6所述的方法,其中在创建所述第一过程模型、第二过程模型和/或第三过程模型时,将所述原料的预处理的状态变量和/或所述经预处理的原料的利用的状态变量考虑在内。
8.根据权利要求1至7中任一项所述的方法,连续地将所创建的过程模型与系统内待调控过程的特征进行匹配。
9.根据权利要求1至8中任一项所述的方法,所述过程模型均将对所述原料的预处理的调整和/或对所述经预处理的原料的利用的调整对所述经预处理的原料的利用的输出变量的多个面向未来的假定影响考虑在内。
10.一种用于实施根据权利要求1至9中任一项所述的对系统内过程进行调控的方法的装置,所述过程特别是发电站1、垃圾焚烧厂或水泥厂内的燃烧过程,其中所述装置包括至少一个计算装置、用于检测所述系统的变量的构件以及用于将调节动作传输至所述系统的接口。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT102018000010468A IT201800010468A1 (it) | 2018-11-20 | 2018-11-20 | Metodo e dispositivo per controllare un processo all'interno di un sistema, in particolare un processo di combustione all'interno di una centrale elettrica |
IT102018000010468 | 2018-11-20 | ||
PCT/EP2019/081038 WO2020104255A1 (de) | 2018-11-20 | 2019-11-12 | Verfahren und vorrichtung zur regelung eines prozesses innerhalb eines systems, insbesondere eines verbrennungsprozesses innerhalb eines kraftwerks |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113167473A true CN113167473A (zh) | 2021-07-23 |
CN113167473B CN113167473B (zh) | 2024-05-28 |
Family
ID=65409405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980076552.1A Active CN113167473B (zh) | 2018-11-20 | 2019-11-12 | 一种对系统内燃烧过程进行调控的方法及装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210404657A1 (zh) |
EP (1) | EP3861256B1 (zh) |
CN (1) | CN113167473B (zh) |
IT (1) | IT201800010468A1 (zh) |
WO (1) | WO2020104255A1 (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002077527A1 (de) * | 2001-03-02 | 2002-10-03 | Powitec Intelligent Technologies Gmbh | Verfahren zur regelung eines thermodynamischen prozesses, insbesondere eines verbrennungsprozesses |
CN1743284A (zh) * | 2004-08-30 | 2006-03-08 | 徐宝安 | 一种以发电厂为中心的污水垃圾处理清洁生产系统 |
WO2007124981A1 (de) * | 2006-04-26 | 2007-11-08 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines mühlensystems |
EP1906092A1 (de) * | 2006-09-30 | 2008-04-02 | Powitec Intelligent Technologies GmbH | Verfahren zur Regelung eines Verbrennungsprozesses |
CN101358769A (zh) * | 2008-08-25 | 2009-02-04 | 浙江大学 | 一种油水混合物燃煤循环流化床加热装置 |
DE102007061604A1 (de) * | 2007-12-20 | 2009-06-25 | Alstom Technology Ltd. | Optimierung des Betriebs eines Kraftwerks |
CN101709914A (zh) * | 2009-11-23 | 2010-05-19 | 丁应斗 | 一种生物质能颗粒燃烧式烘干设备 |
WO2010121695A1 (de) * | 2009-04-22 | 2010-10-28 | Powitec Intelligent Technologies Gmbh | Regelsystem |
DE102010062204A1 (de) * | 2010-11-30 | 2012-05-31 | Siemens Aktiengesellschaft | Nutzung von Temperaturmessungen zur indirekten Messung von Prozessvariablen in Mahlanlagen |
CN103058537A (zh) * | 2012-12-30 | 2013-04-24 | 北京工业大学 | 基于环保、节能、安全的水泥生产周期在线监测控制方法 |
CN103593578A (zh) * | 2013-11-27 | 2014-02-19 | 中南大学 | 焦炉加热燃烧过程烟道吸力反馈设定方法 |
CN104807039A (zh) * | 2015-04-23 | 2015-07-29 | 华北电力大学 | 一种锅炉燃烧优化的变量降维建模方法 |
US20150371242A1 (en) * | 2014-06-23 | 2015-12-24 | Caterpillar Inc. | Systems and methods for prime product forecasting |
GB201521859D0 (en) * | 2014-12-15 | 2016-01-27 | Emerson Process Management | Model-based combined cycle power plant load control |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE366431T1 (de) | 2002-08-16 | 2007-07-15 | Powitec Intelligent Tech Gmbh | Verfahren zur regelung eines thermodynamischen prozesses |
ATE404823T1 (de) | 2006-04-25 | 2008-08-15 | Powitec Intelligent Tech Gmbh | Verfahren und regelkreis zur regelung eines verbrennungsprozesses |
ES2336351T3 (es) | 2006-08-17 | 2010-04-12 | Powitec Intelligent Technologies Gmbh | Metodo para elaborar un modelo de procedimiento. |
EP1967792B1 (de) | 2007-03-01 | 2014-12-17 | STEAG Powitec GmbH | Regelkreis zur Regelung eines Verbrennungsprozesses |
DE502007005484D1 (de) | 2007-10-12 | 2010-12-09 | Powitec Intelligent Tech Gmbh | Regelkreis zur Regelung eines Prozesses, insbesondere Verbrennungsprozesses |
EP2080953B1 (de) | 2008-01-15 | 2014-12-17 | STEAG Powitec GmbH | Regelkreis und Verfahren zum Erstellen eines Prozessmodells hierfür |
-
2018
- 2018-11-20 IT IT102018000010468A patent/IT201800010468A1/it unknown
-
2019
- 2019-11-12 CN CN201980076552.1A patent/CN113167473B/zh active Active
- 2019-11-12 WO PCT/EP2019/081038 patent/WO2020104255A1/de unknown
- 2019-11-12 US US17/309,346 patent/US20210404657A1/en active Pending
- 2019-11-12 EP EP19802171.9A patent/EP3861256B1/de active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002077527A1 (de) * | 2001-03-02 | 2002-10-03 | Powitec Intelligent Technologies Gmbh | Verfahren zur regelung eines thermodynamischen prozesses, insbesondere eines verbrennungsprozesses |
US20040044423A1 (en) * | 2001-03-02 | 2004-03-04 | Powitec Intelligent Technologies Gmbh | Method for controlling a thermodynamic process, in a particular a combustion process |
CN1743284A (zh) * | 2004-08-30 | 2006-03-08 | 徐宝安 | 一种以发电厂为中心的污水垃圾处理清洁生产系统 |
WO2007124981A1 (de) * | 2006-04-26 | 2007-11-08 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines mühlensystems |
EP1906092A1 (de) * | 2006-09-30 | 2008-04-02 | Powitec Intelligent Technologies GmbH | Verfahren zur Regelung eines Verbrennungsprozesses |
DE102007061604A1 (de) * | 2007-12-20 | 2009-06-25 | Alstom Technology Ltd. | Optimierung des Betriebs eines Kraftwerks |
CN101358769A (zh) * | 2008-08-25 | 2009-02-04 | 浙江大学 | 一种油水混合物燃煤循环流化床加热装置 |
WO2010121695A1 (de) * | 2009-04-22 | 2010-10-28 | Powitec Intelligent Technologies Gmbh | Regelsystem |
US20120065746A1 (en) * | 2009-04-22 | 2012-03-15 | Powitec Intelligent Technologies Gmbh | Control system |
CN101709914A (zh) * | 2009-11-23 | 2010-05-19 | 丁应斗 | 一种生物质能颗粒燃烧式烘干设备 |
DE102010062204A1 (de) * | 2010-11-30 | 2012-05-31 | Siemens Aktiengesellschaft | Nutzung von Temperaturmessungen zur indirekten Messung von Prozessvariablen in Mahlanlagen |
US20130248626A1 (en) * | 2010-11-30 | 2013-09-26 | Harald Held | Use of Temperature Measurements for Indirect Measurement of Process Variables in Milling Systems |
CN103058537A (zh) * | 2012-12-30 | 2013-04-24 | 北京工业大学 | 基于环保、节能、安全的水泥生产周期在线监测控制方法 |
CN103593578A (zh) * | 2013-11-27 | 2014-02-19 | 中南大学 | 焦炉加热燃烧过程烟道吸力反馈设定方法 |
US20150371242A1 (en) * | 2014-06-23 | 2015-12-24 | Caterpillar Inc. | Systems and methods for prime product forecasting |
GB201521859D0 (en) * | 2014-12-15 | 2016-01-27 | Emerson Process Management | Model-based combined cycle power plant load control |
CN104807039A (zh) * | 2015-04-23 | 2015-07-29 | 华北电力大学 | 一种锅炉燃烧优化的变量降维建模方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3861256C0 (de) | 2023-07-05 |
EP3861256A1 (de) | 2021-08-11 |
EP3861256B1 (de) | 2023-07-05 |
IT201800010468A1 (it) | 2020-05-20 |
WO2020104255A1 (de) | 2020-05-28 |
US20210404657A1 (en) | 2021-12-30 |
CN113167473B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100527025C (zh) | 过程控制系统 | |
US7966080B2 (en) | System for optimizing oxygen in a boiler | |
CN102364252B (zh) | 加热炉智能双交叉限幅燃烧自动控制方法 | |
CN101266462B (zh) | 利用免疫学概念的过程控制和优化技术 | |
KR20090037829A (ko) | 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프 | |
SK10812003A3 (sk) | Spôsob regulácie termodynamického procesu, predovšetkým procesu spaľovania | |
US20090182441A1 (en) | Control loop and method of creating a process model therefor | |
KR20080030484A (ko) | 연소 프로세스 조정 방법 | |
US20120065746A1 (en) | Control system | |
RU2523931C2 (ru) | Способ регулирования процесса горения, в частности, в топочном пространстве парогенератора, отапливаемого ископаемым топливом, и система сжигания | |
US7610252B2 (en) | Method for developing a process model | |
US8019446B2 (en) | Control loop for regulating a combustion process | |
WO2015035134A1 (en) | Combined cycle power generation optimization system | |
Xia et al. | An online case-based reasoning system for coal blends combustion optimization of thermal power plant | |
Vanderhaegen et al. | Predictive emissions monitoring using a continuously updating neural network | |
CN106677758B (zh) | 一种用于确定煤炭地下气化状态的系统及方法 | |
CN113167473B (zh) | 一种对系统内燃烧过程进行调控的方法及装置 | |
KR20070105244A (ko) | 연소 공정을 조절하기 위한 방법 | |
CN103870877A (zh) | 一种基于神经网络的锅炉燃烧智能控制系统及方法 | |
JP5452906B2 (ja) | 燃焼炉の燃焼制御システムおよびその燃焼制御方法 | |
US20080004722A1 (en) | Process-related systems and methods | |
CN115329659B (zh) | 废物焚烧炉二噁英排放实时预警及智能控制的方法及系统 | |
CN211526443U (zh) | 垃圾焚烧炉的自动燃烧控制系统 | |
Qiao et al. | Intelligent setting control for clinker calcination process | |
JP2009150626A (ja) | 燃焼炉の燃焼制御システムおよびその燃焼制御方法 |
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 | ||
GR01 | Patent grant |