CZ29434U1 - Systém pro řízení fluidního kotle v režimu oxyfuel - Google Patents
Systém pro řízení fluidního kotle v režimu oxyfuel Download PDFInfo
- Publication number
- CZ29434U1 CZ29434U1 CZ2015-31892U CZ201531892U CZ29434U1 CZ 29434 U1 CZ29434 U1 CZ 29434U1 CZ 201531892 U CZ201531892 U CZ 201531892U CZ 29434 U1 CZ29434 U1 CZ 29434U1
- Authority
- CZ
- Czechia
- Prior art keywords
- block
- fluidized bed
- boiler
- flue gas
- oxyfuel
- Prior art date
Links
- 230000009471 action Effects 0.000 claims description 21
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 10
- 239000003546 flue gas Substances 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 230000001537 neural effect Effects 0.000 claims description 7
- 239000000446 fuel Substances 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 3
- 238000005243 fluidization Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims 1
- 238000002485 combustion reaction Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 101100167365 Caenorhabditis elegans cha-1 gene Proteins 0.000 description 1
- MYMOFIZGZYHOMD-UHFFFAOYSA-N Dioxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 description 1
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004449 solid propellant Substances 0.000 description 1
- 239000002594 sorbent Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/34—Indirect CO2mitigation, i.e. by acting on non CO2directly related matters of the process, e.g. pre-heating or heat recovery
Landscapes
- Fluidized-Bed Combustion And Resonant Combustion (AREA)
Description
Oblast techniky
Technické řešení se týká systému pro řízení fluidního kotle v režimu oxyfuel, zejména u kotle na pevná paliva s fluidní vrstvou, kde se pro spalování používá místo spalovacího vzduchu okysličovadlo s vyšším podílem kyslíku, teoreticky až čistý kyslík.
Dosavadní stav techniky
Technologie oxyfuel spalování ve stacionární fluidní vrstvě je nová technologie ve fázi výzkumu, pro kterou ještě nejsou vyřešeny metody automatického řízení základních parametrů oxyfuel spalovacího procesu a ani nejsou známy spolehlivé matematicko-fyzikální modely oxyfuel spalovacího procesu, na jejichž základě by bylo možné řízení realizovat. Fluidační poměry, výslednou teplotu fluidní vrstvy, a koncentrace nejdůležitějších plynných produktů spalování CO2 a O2 u konkrétního zařízení s aktuálním palivem, jehož kvalita se mění a není v provozu ani přesně známa, nelze dodnes spolehlivě namodelovat obecně platným modelem na základě matematickofyzikálních analýz. Vzhledem k těmto problémům je alternativní možnost využívat reálná provozní data pro natrénování dočasně platných adaptivních modelů a využívat tyto modely při řízení a regulaci oxyfuel spalovacího procesu ve fluidní vrstvě.
Podstata technického řešení
Výše uvedené nedostatky jsou do značné míry odstraněny systémem pro řízení fluidního kotle v režimu oxyfuel, podle tohoto technického řešení. Jeho podstatou je to, že na místě vstupu paliva je kotel opatřen akčním prvkem, který je propojen s výpočetním zařízením opatřeném vstupem žádaných hodnot a dalším vstupem parametrů odhadnutých statických charakteristik a/nebo parametrů odhadnutých charakteristik trendů regulovaných veličin z bloku natrénovaných neuronových modelů z reálných dat. Dále je ke kotli připojen snímač regulovaných veličin, vybraných ze skupiny snímač rychlosti íluidace a/nebo snímač teploty fluidní vrstvy a/nebo snímač koncentrace CO2 ve spalinách a/nebo snímač koncentrace O2 ve spalinách, propojený s blokem.
Mezi snímačem regulovaných veličin a blokem je s výhodou umístěn opravný blok pro odstranění vadných hodnot akčního prvku a/nebo filtrační blok pro potlačení šumu a nekorelovaných dějů mezi akčními zásahy a regulovanými veličinami. Akční prvek je ve výhodném provedení propojen s přívodem recirkulovaných spalin a/nebo přívodem kyslíku a/nebo přívodem paliv.
Technické řešení spočívá ve využití měřených vstupních a výstupních provozních veličin specifických pro oxyfuel spalovací proces ve fluidní vrstvě pro získání prediktivních modelů, na jejichž základě se budou odhadovat dočasné statické charakteristiky, a tak nastavovat základní parametry oxyfuel spalovacího procesu ve fluidní vrstvě. Použité akční zásahy jsou zejména: množství recirkulovaných spalin, přiváděné množství kyslíku, přiváděné množství paliva, a případně další související akční zásahy, jako je např. množství odváděného materiálu fluidní vrstvy, množství zpětné recyklace inertního materiálu nebo množství přiváděného sorbentu pro aditivní odsiřování.
Předmětem předkládaného řešení jsou zejména regulované veličiny, které jsou specifické pro oxyfuel spalovací proces ve fluidní vrstvě, a to zejména: rychlost fluidace, teplota fluidní vrstvy, koncentrace CO2 ve spalinách, koncentrace O2 ve spalinách a případně další související regulované veličiny, který jsou např. koncentrace dalších znečišťujících látek - CO, NOX, SO2 nebo tlaková ztráta fluidní vrstvy.
Modely na bázi neuronových sítí jsou trénovány z výše uvedených dat. Tato data jsou získána buďto z předchozích měřených stavů, nebo při nemožnosti jejich využití či podle potřeby, z aktuálních dat měřených na právě probíhajícím procesu.
Z těchto dat se vytváří dočasné modely regulovaných veličin, na jejichž základě se odhadují aktuální charakteristiky oxyfuel spalovacího procesu ve fluidní vrstvě, tj. odhadují se statické cha-1 CZ 29434 Ul rakteristiky, tj. závislosti ustálených stavů regulovaných veličin na akčních zásazích, případně charakteristiky okamžitých trendů regulovaných veličin v závislosti na akčních zásazích.
Konkrétní kroky řešení jsou zejména natrénování neuronových modelů jako dočasně platných modelů vlivu akčních zásahů na regulované veličiny, sestavení statických charakteristik a charakteristik trendů regulovaných veličin v závislosti na jednotlivých akčních zásazích za pomoci neuronových modelů, pokud tyto modely nepředstavují statické nebo trendové charakteristiky rovnou, a nastavení nových akčních zásahů na základě vyhodnocení aktuálních statických a případně trendových charakteristik s ohledem na aktuální žádané hodnoty. Toto vyhodnocení je možné provést algoritmicky na základě kriteriálního vyhodnocení nebo expertním pravidlovým systémem.
Objasněni výkresu
Systém pro řízení fluidního kotle v režimu oxyfuel podle tohoto technického řešení bude podrobněji popsán na konkrétním příkladu provedení s pomocí přiloženého výkresu, kde je na Obr. 1 znázorněno schéma příkladného řešeni.
Příklad uskutečnění technického řešeni
Princip i příklad technického řešení je ukázán a zároveň i demonstrován na Obr. 1, kde první blok představuje fluidní kotel I, další blok jsou hodnoty akčních zásahů akčního prvku 7 definovaných výše a v dalším bloku jsou hodnoty regulovaných veličin definovaných výše snímačem 8.
V opravném bloku 2 se realizuje odstranění vadných hodnot akčních zásahů akčního prvku 7 a regulovaných veličin snímačem 8, včetně např. výpadků senzorů, apod. Další opravný blok 9 představuje opravené hodnoty akčních zásahů a ještě další opravný blok 10 uvádí opravené hodnoty regulovaných veličin. Filtrační blok 3 provádí filtraci pro potlačení šumu a nekorelovaných dějů mezi akčními zásahy a regulovanými veličinami, například metodami Analýza hlavních komponent - Principal Component Analysis (PCA) nebo Singulární rozklad - Singulár Value Decomposition (SVD).
Opravný blok 2 a filtrační blok 3 jsou nezávisle na sobě volitelné, tj. nemusí být nutně implementovány a jejich pořadí je zaměnitelné, tj. filtrační blok 3 může v některých případech předcházet opravný blok 2. Blok 4 představuje natrénování neuronových modelů jako dočasně platných statických charakteristik kotle 1 pro odhad závislostí ustálených regulovaných veličin na akčních zásazích, nebo alespoň pro odhad trendů regulovaných veličin v závislosti na akčních zásazích. Jako neuronové modely jsou použity lineární modely a při nedosažení vyhovující přesnosti natrénování a testování pro naměřená data, lze nasadit například polynomické neuronové modely s kvadratickou nelinearitou, které jsou nelineární modely, nicméně lineární v parametrech. Tím mají oproti konvenčním neuronovým sítím tu výhodu, že jejich trénování, tj. optimalizace, je lineární úloha - v případě příliš velkého počtu prvků stavového vektoru lze například použít neuronovou síť typu MLP (vícevrstvá perceptonová síť), která už ale není lineární v parametrech. Trénovacím algoritmem může být například algoritmus Levenberg-Marquardt nebo Resilient Backpropagation.
Na dalším vstupu 13 jsou parametry odhadnutých statických charakteristik, nebo parametry odhadnutých charakteristik trendů regulovaných veličin, případně obojí, které společně s žádanými hodnotami na vstupu 6 vstupují do výpočetního zařízení 5. Výpočetní zařízení 5 potom provádí výpočet nových akčních zásahů algoritmicky na základě kriteriálního vyhodnocení nebo expertním pravidlovým systémem tak, aby nové akční zásahy na základě odhadnutých charakteristik v bloku 4 zajišťovaly splnění uživatelsky volitelného kritéria pro dosažení žádaných hodnot na vstupu 6, nebo alespoň přiblížení se jejich optimální konfiguraci.
-2CZ 29434 Ul
Průmyslová využitelnost
Systém pro řízení fluidního kotle v režimu oxyfuel podle tohoto technického řešení nalezne uplatnění při stavbě nových nebo retrofitech stávajících kotlů s fluidní vrstvou, kde bude aplikována oxyfuel technologie např. pro záchyt CO2 ze spalin.
Claims (3)
1. Systém pro řízení fluidního kotle (1) v režimu oxyfuel, vyznačující se tím, že na místě vstupu paliva je kotel (1) opatřen akčním prvkem (7), který je propojen s výpočetním zařízením (5) opatřeným vstupem (6) žádaných hodnot a dalším vstupem (13) parametrů odhadnutých statických charakteristik a/nebo parametrů odhadnutých charakteristik trendů regulovalo ných veličin z bloku (4) natrénovaných neuronových modelů z reálných dat, a dále je ke kotli (1) připojen snímač (8) regulovaných veličin, vybraných ze skupiny rychlost fluidace, teplota fluidní vrstvy, koncentrace CO2 ve spalinách a koncentrace O2 ve spalinách, propojený s blokem (4).
2. Systém podle nároku 1, vyznačující se tím, že mezi snímačem (8) regulovaných veličin a blokem (4) je umístěn opravný blok (2) pro odstranění vadných hodnot akčního
15 prvku (7) a/nebo filtrační blok (3) pro potlačení šumu a nekorelovaných dějů mezi akčními zásahy a regulovanými veličinami.
3. Systém podle nároku 1 nebo 2, v y z n a č u j í c í se tím, že akční prvek (7) je propojen s přívodem recirkulovaných spalin a/nebo přívodem kyslíku a/nebo přívodem paliva.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CZ2015-31892U CZ29434U1 (cs) | 2015-12-14 | 2015-12-14 | Systém pro řízení fluidního kotle v režimu oxyfuel |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CZ2015-31892U CZ29434U1 (cs) | 2015-12-14 | 2015-12-14 | Systém pro řízení fluidního kotle v režimu oxyfuel |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CZ29434U1 true CZ29434U1 (cs) | 2016-05-16 |
Family
ID=56020054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CZ2015-31892U CZ29434U1 (cs) | 2015-12-14 | 2015-12-14 | Systém pro řízení fluidního kotle v režimu oxyfuel |
Country Status (1)
| Country | Link |
|---|---|
| CZ (1) | CZ29434U1 (cs) |
-
2015
- 2015-12-14 CZ CZ2015-31892U patent/CZ29434U1/cs not_active IP Right Cessation
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1463979B1 (en) | Method for removal of pid dynamics from mpc models | |
| US20190108454A1 (en) | Harnessing machine learning & data analytics for a real time predictive model for a fcc pre-treatment unit | |
| US7117045B2 (en) | Combined proportional plus integral (PI) and neural network (nN) controller | |
| Dittmar et al. | Robust optimization-based multi-loop PID controller tuning: A new tool and its industrial application | |
| JP2008544374A (ja) | Ｍｐｃモデルによるオンライン・ダイナミックアドバイザ | |
| Luo et al. | Adaptive critic design-based robust neural network control for nonlinear distributed parameter systems with unknown dynamics | |
| JP5155690B2 (ja) | 石炭焚きボイラのガス濃度推定装置及びガス濃度推定方法 | |
| CN106575104A (zh) | 使用无线过程信号的模型预测控制 | |
| Prasad et al. | Plant-wide predictive control for a thermal power plant based on a physical plant model | |
| CN102460018B (zh) | 尤其矿物燃料锅炉燃烧室内燃烧过程的控制方法和燃烧系统 | |
| CN102841539A (zh) | 基于多模型预测控制的亚临界协调控制方法 | |
| JP2007264796A (ja) | プラント制御方法及びプラント制御装置 | |
| KR20160047430A (ko) | 유량 제어 장치 및 유량 제어 프로그램 | |
| DE102014115726A1 (de) | Dampftemperatursteuerung unter verwendung eines modellbasierten temperaturausgleichs | |
| Li et al. | Developing variable moving window PLS models: Using case of NOx emission prediction of coal-fired power plants | |
| Sha et al. | Physics informed integral neural network for dynamic modelling of solvent-based post-combustion CO2 capture process | |
| KR20130117661A (ko) | 증기 발전소의 제어를 위한 모델 변수들을 결정하는 방법 및 장치, 증기 발생기용 제어 유닛 및 컴퓨터 프로그램 제품 | |
| JP2017125495A (ja) | 出力−排出物パラメータに関するガスタービンの調節における装置特有の確率的制御、関連の制御システム、コンピュータプログラム製品、及び方法 | |
| CZ29434U1 (cs) | Systém pro řízení fluidního kotle v režimu oxyfuel | |
| JP6467185B2 (ja) | 廃棄物焼却プラントの運転制御方法 | |
| CN101859102A (zh) | 燃煤锅炉的气体浓度推断方法以及气体浓度推断装置 | |
| JP2017110651A (ja) | 出力−排出物パラメータに関するガスタービンの調節における確率的制御、関連の制御システム、コンピュータプログラム製品、及び方法 | |
| CN114428457A (zh) | 一种用于含时延系统的鲁棒自抗扰控制方法 | |
| CN112327604A (zh) | 一种前馈补偿的预期动态pi及pid控制方法 | |
| López et al. | A tuning procedure for the cascade proportional integral retarded controller |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FG1K | Utility model registered |
Effective date: 20160516 |
|
| MK1K | Utility model expired |
Effective date: 20191214 |