DE102019127135B4 - Vorrichtung zum Managen der Verbrennungsoptimierung und Verfahren dafür - Google Patents

Vorrichtung zum Managen der Verbrennungsoptimierung und Verfahren dafür Download PDF

Info

Publication number
DE102019127135B4
DE102019127135B4 DE102019127135.5A DE102019127135A DE102019127135B4 DE 102019127135 B4 DE102019127135 B4 DE 102019127135B4 DE 102019127135 A DE102019127135 A DE 102019127135A DE 102019127135 B4 DE102019127135 B4 DE 102019127135B4
Authority
DE
Germany
Prior art keywords
combustion
boiler
optimization
real
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
DE102019127135.5A
Other languages
English (en)
Other versions
DE102019127135A1 (de
Inventor
Sang Gun NA
Jwa Young Maeng
Jee Hun Park
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 Enerbility Co Ltd
Original Assignee
Doosan Enerbility 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 Enerbility Co Ltd filed Critical Doosan Enerbility Co Ltd
Publication of DE102019127135A1 publication Critical patent/DE102019127135A1/de
Application granted granted Critical
Publication of DE102019127135B4 publication Critical patent/DE102019127135B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22STEAM GENERATION
    • F22BMETHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B35/00Control systems for steam boilers
    • F22B35/18Applications of computers to steam boiler control
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N5/00Systems for controlling combustion
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22STEAM GENERATION
    • F22BMETHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B37/00Component parts or details of steam boilers
    • F22B37/02Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
    • F22B37/38Determining or indicating operating conditions in steam boilers, e.g. monitoring direction or rate of water flow through water tubes

Abstract

Vorrichtung zum Managen der Verbrennungsoptimierung, die umfasst:ein Verbrennungsmanagement (110), das konfiguriert ist, die Echtzeitdaten zu sammeln, die in Echtzeit von einem Kesselsystem gemessen werden, das einen Kessel und einen Verbrennungs-Controller, der konfiguriert ist, die Verbrennung des Kessels zu regeln, umfasst, und durch das Analysieren der gesammelten Echtzeitdaten zu bestimmen, ob eine Verbrennungsoptimierung auszuführen ist;eine Modellschicht (300), die eingerichtet ist, um ein Verbrennungsmodell und einen Verbrennungs-Controller basierend auf Lerndaten zu erzeugen; undeine Optimalschicht (400), die konfiguriert ist, um ein optimales Verbrennungsmodell und einen optimalen Verbrennungs-Controller auszuwählen und um einen optimalen Sollwert für die Verbrennungsoptimierung unter Verwendung des ausgewählten optimalen Verbrennungsmodells und des ausgewählten optimalen Verbrennungs-Controllers zu berechnen und ein Regelsignal gemäß dem berechneten optimalen Sollwert auszugeben.

Description

  • HINTERGRUND
  • Gebiet
  • Vorrichtungen und Verfahren, die mit den beispielhaften Ausführungsformen konsistent sind, beziehen sich auf eine Optimierungsmanagementtechnik und insbesondere auf eine Vorrichtung zum Managen der Verbrennungsoptimierung eines Kessels und ein Verfahren dafür.
  • Beschreibung des Standes der Technik
  • Ein Kessel eines Kohlekraftwerks erwärmt Wasser unter Verwendung der exothermen Reaktion, die während der Kohleverbrennung stattfindet, und erzeugt den für die Leistungserzeugung erforderlichen Dampf. Zu diesem Zeitpunkt wird verunreinigtes Abgas, wie z. B. Stickstoffoxid, erzeugt, wobei, falls die Menge des erzeugten Gases groß ist, die Behandlungskosten, um sie zu managen, zunehmen, wobei sich im Fall einer unvollständigen Verbrennung der Verbrennungswirkungsgrad verringert und die Leistungserzeugungs-/Betriebskosten zunehmen. Entsprechend ist die Verbrennungsoptimierung des Kessels des Kohlekraftwerks erforderlich.
  • Beim Optimieren der Verbrennung des Kessels des Kohlekraftwerks ist es notwendig, zu bestimmen, ob eine Verbrennungsoptimierung gemäß einem Zustand des Kessels des Kraftwerks auszuführen ist. Falls die Bestimmung falsch ist, kann die Verbrennungsbedingung des Kessels instabil werden, wobei der Wirkungsgrad des Kessels und des gesamten Kraftwerks verringert werden kann, wobei dadurch die Notabschaltungssituation des Kraftwerks verursacht wird. Entsprechend ist es notwendig, eine Technik zu entwickeln, die den Zustand des Kessels des Kraftwerks bestätigt und geeignet bestimmt, ob die Verbrennungsoptimierung auszuführen ist.
  • DE 10 2007 061 604 A1 offenbart ein Verfahren zum Betreiben eines Kraftwerks, wobei der Betrieb des Kraftwerks durch Eingabegrößen beeinflussbar ist und mindestens eine Eingabegröße als vorgebbare Stellgröße ausgebildet ist, dadurch gekennzeichnet, dass ein die Eingabegrößen und mindestens eine Ausgabegröße umfassendes, eine Abhängigkeit der Ausgabegröße von den Eingabegrößen beschreibendes Betriebsmodell vorgegeben wird, wobei mittels des Betriebsmodells in Abhängigkeit von den Eingabewerten für die Eingabegrößen Vorhersagen eines Ausgabewerts für die mindestens eine Ausgabegröße ermittelbar ist; eine von mindestens einer Ausgabegröße abhängige und mindestens eine Optimierungsgröße beschreibende Kostenfunktion vorgegeben wird; mittels eines Optimierers ein optimierter Stellwert für die mindestens eine Stellgröße derart ermittelt wird, dass die Kostenfunktion ein Optimum annimmt, falls ein der Stellgröße zugeordneter Eingabewert des Betriebsmodells den Stellwert annimmt; falls der optimierte Stellwert von einem aktuellen Stellwert der Stellgröße abweicht, die Stellgröße des Kraftwerks auf den ermittelten Stellwert gestellt wird.
  • US 2016 / 0 091 203 A1 offenbart ein Verfahren zum Anpassen einer Verbrennung eines Kessels, umfassend das Sammeln von Abgasparametern, die den Verbrennungsstatus des Kessels angeben; Bestimmen, ob die Abgasparameter des Kessels einem voreingestellten Optimierungsziel entsprechen; und Optimieren der Verbrennung, wenn die Abgasparameter nicht mit dem voreingestellten Optimierungsziel übereinstimmen, indem ein Modell aus einem Modellspeicher basierend auf einem aktuellen Kesselzustand ausgewählt wird, wobei das Modell einer Beziehung zwischen Modelleingangsvariablen und den Abgasparametern entspricht; Bestimmen mindestens einer optimierten Modelleingangsvariablen des Kessels zum Realisieren des Optimierungsziels basierend auf dem ausgewählten Modell; und Einstellen der Aktuatoren des Kessels gemäß der optimierten Modelleingangsvariablen.
  • ZUSAMMENFASSUNG
  • Die Aspekte einer oder mehrerer beispielhafter Ausführungsformen stellen eine Vorrichtung zum Managen der Verbrennungsoptimierung, die einen Zustand eines Kessels bestätigen und bestimmen kann, ob die Verbrennungsoptimierung auszuführen ist, und ein Verfahren dafür bereit.
  • Zusätzliche Aspekte werden teilweise in der folgenden Beschreibung dargelegt und teilweise aus der Beschreibung offensichtlich oder können durch die Praxis der beispielhaften Ausführungsformen erlernt werden.
  • Die Aufgaben werden durch den Gegenstand der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen sind Gegenstand abhängiger Ansprüche.
  • Gemäß einem Aspekt einer beispielhaften Ausführungsform wird eine Vorrichtung zum Managen der Verbrennungsoptimierung bereitgestellt, die enthält: eine Datensammeleinrichtung, die konfiguriert ist, Echtzeitdaten zu sammeln, die in Echtzeit von einem Kesselsystem gemessen werden, das einen Kessel und einen Verbrennungs-Controller, der konfiguriert ist, die Verbrennung des Kessels zu regeln, enthält, ein Management, das konfiguriert ist, basierend auf den Echtzeitdaten zu bestimmen, ob eine Verbrennungsoptimierung des Kessels auszuführen ist, und eine Ausführungseinrichtung, die konfiguriert ist, in Reaktion auf das Bestimmen, dass die Verbrennungsoptimierung des Kessels möglich ist, einen Regelbefehl zu erzeugen und den Regelbefehl an den Verbrennungs-Controller zu senden, um die Verbrennungsoptimierung des Kessels auszuführen.
  • Das Management kann durch das Analysieren der Betriebsdaten in den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels gemäß einer vorgegebenen Bedingung auszuführen ist, durch das Analysieren eines Zustandsbinärwerts in den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels gemäß der vorgegebenen Bedingung auszuführen ist, oder durch eine wissensbasierte Analyse, die einen vorgegebenen Bereich der Betriebsdaten in den Betriebsdaten und einen Wert aufgrund eines Einflusses zwischen den Betriebsdaten berücksichtigt, bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist.
  • Das Management kann ein Kesselmanagement, das konfiguriert ist, durch das Analysieren der Echtzeitdaten zu bestimmen, ob ein Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, und ein Verbrennungsregelungsmanagement, das konfiguriert ist, durch Analysieren der Echtzeitdaten zu bestimmen, ob ein Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, enthalten.
  • Falls das Kesselmanagement bestimmt, dass der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, und das Verbrennungsregelungsmanagement bestimmt, dass der Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, kann die Ausführungseinrichtung den erzeugten Regelbefehl an den Verbrennungs-Controller senden, um die Verbrennungsoptimierung auszuführen.
  • Die Echtzeitdaten können die Betriebsdaten und einen Zustandsbinärwert enthalten, die von dem Kessel und dem Verbrennungs-Controller gemessen werden.
  • Gemäß einem Aspekt einer weiteren beispielhaften Ausführungsform wird eine Vorrichtung zum Managen der Verbrennungsoptimierung bereitgestellt, die enthält: ein Verbrennungsmanagement, das konfiguriert ist, die Echtzeitdaten zu sammeln, die in Echtzeit von einem Kesselsystem gemessen werden, das einen Kessel und einen Verbrennungs-Controller, der konfiguriert ist, die Verbrennung des Kessels zu regeln, enthält, und durch das Analysieren der gesammelten Echtzeitdaten zu bestimmen, ob eine Verbrennungsoptimierung auszuführen ist, und eine Optimalschicht, die konfiguriert ist, einen Sollwert für die Verbrennungsoptimierung unter Verwendung des Verbrennungs-Controllers zu berechnen und ein Regelsignal gemäß dem berechneten Sollwert auszugeben.
  • Das Verbrennungsmanagement kann eine Datensammeleinrichtung, die konfiguriert ist, die Echtzeitdaten zu sammeln, ein Management, das konfiguriert ist, basierend auf den Echtzeitdaten zu bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist, und eine Ausführungseinrichtung, die konfiguriert ist, in Reaktion auf das Bestimmen, dass die Verbrennungsoptimierung des Kessels möglich ist, einen Regelbefehl zu erzeugen und den Regelbefehl an den Verbrennungs-Controller zu senden, um die Verbrennungsoptimierung des Kessels auszuführen, enthalten.
  • Das Management kann durch das Analysieren der Betriebsdaten in den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels gemäß einer vorgegebenen Bedingung auszuführen ist, durch das Analysieren eines Zustandsbinärwerts in den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels gemäß der vorgegebenen Bedingung auszuführen ist, oder durch eine wissensbasierte Analyse, die einen vorgegebenen Bereich der Betriebsdaten in den Betriebsdaten und einen Wert aufgrund eines Einflusses zwischen den Betriebsdaten berücksichtigt, bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist.
  • Das Management kann ein Kesselmanagement, das konfiguriert ist, durch das Analysieren der Echtzeitdaten zu bestimmen, ob ein Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, und ein Verbrennungsregelungsmanagement, das konfiguriert ist, durch das Analysieren der Echtzeitdaten zu bestimmen, ob ein Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, enthalten.
  • Falls das Kesselmanagement bestimmt, dass der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, und das Verbrennungsregelungsmanagement bestimmt, dass der Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, kann die Ausführungseinrichtung den erzeugten Regelbefehl an den Verbrennungs-Controller senden, um die Verbrennungsoptimierung auszuführen.
  • Die Echtzeitdaten können die Betriebsdaten und einen Zustandsbinärwert enthalten, die von dem Kessel und dem Verbrennungs-Controller gemessen werden.
  • Die Optimalschicht kann eine Auswahleinrichtung für das optimale Modell/den optimalen Controller, die konfiguriert ist, irgendein Verbrennungsmodell und irgendeinen Verbrennungs-Controller unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern, die vorher basierend auf den Echtzeitdaten erzeugt worden sind, auszuwählen, und einen Verbrennungsoptimierungsalgorithmus, der konfiguriert ist, den Sollwert durch das Eingeben der Echtzeitdaten in das ausgewählte Verbrennungsmodell und den ausgewählten Verbrennungs-Controller zu berechnen und das Regelsignal gemäß dem berechneten Sollwert auszugeben, enthalten.
  • Die Auswahleinrichtung für das optimale Modell/den optimalen Controller kann das Verbrennungsmodell, das den kleinsten Unterschied zwischen den Echtzeitdaten und den durch das Verbrennungsmodell geschätzten Schätzdaten aufweist, unter den mehreren Verbrennungsmodellen auswählen.
  • Gemäß einem Aspekt noch einer noch weiteren beispielhaften Ausführungsform wird ein Verfahren zum Managen der Verbrennungsoptimierung bereitgestellt, das enthält: Empfangen von Echtzeitdaten, die in Echtzeit von einem Kesselsystem gemessen werden, das einen Kessel und einen Verbrennungs-Controller, der konfiguriert ist, die Verbrennung des Kessels zu regeln, enthält, durch eine Datensammeleinrichtung, Bestimmen basierend auf den Echtzeitdaten, ob eine Verbrennungsoptimierung des Kessels auszuführen ist, durch ein Management und Erzeugen und Senden eines Regelbefehls in Reaktion auf das Bestimmen, dass die Verbrennungsoptimierung des Kessels möglich ist, an den Verbrennungs-Controller, um die Verbrennungsoptimierung des Kessels auszuführen, durch eine Ausführungseinrichtung.
  • Das Bestimmen kann das Bestimmen durch das Analysieren der Betriebsdaten in den Echtzeitdaten, ob die Verbrennungsoptimierung des Kessels gemäß einer vorgegebenen Bedingung auszuführen ist, das Bestimmen durch das Analysieren eines Zustandsbinärwerts in den Echtzeitdaten, ob die Verbrennungsoptimierung des Kessels gemäß der vorgegebenen Bedingung auszuführen ist, oder das Bestimmen durch eine wissensbasierte Analyse, die einen vorgegebenen Bereich der Betriebsdaten in den Betriebsdaten und einen Wert aufgrund eines Einflusses zwischen den Betriebsdaten berücksichtigt, ob die Verbrennungsoptimierung des Kessels durch auszuführen ist, durch ein Management enthalten.
  • Das Bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist, kann das Bestimmen durch das Analysieren der Echtzeitdaten, ob ein Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, durch ein Kesselmanagement des Managements und das Bestimmen durch das Analysieren der Echtzeitdaten in Reaktion auf das Bestimmen, dass der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, ob ein Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, durch ein Verbrennungsregelungsmanagement des Managements enthalten.
  • Das Senden des Regelbefehls an den Verbrennungs-Controller kann das Senden des erzeugten Regelbefehls an den Verbrennungs-Controller enthalten, um die Verbrennungsoptimierung auszuführen, falls das Kesselmanagement bestimmt, dass ein Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, und das Verbrennungsregelungsmanagement bestimmt, dass ein Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann.
  • Die Echtzeitdaten können die Betriebsdaten und einen Zustandsbinärwert enthalten, die von dem Kessel und dem Verbrennungs-Controller gemessen werden.
  • Das Verfahren zum Managen der Verbrennungsoptimierung kann ferner das Auswählen irgendeines Verbrennungsmodells und irgendeines Verbrennungs-Controllers unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern, die vorher basierend auf den Echtzeitdaten erzeugt worden sind, durch eine Auswahleinrichtung für das optimale Modell/den optimalen Controller und das Berechnen eines Sollwertes durch das Eingeben der Echtzeitdaten in das ausgewählte Verbrennungsmodell und den ausgewählten Verbrennungs-Controller und das Ausgeben eines Regelsignals gemäß dem berechneten Sollwert durch einen Verbrennungsoptimierungsalgorithmus enthalten.
  • Das Auswählen des Verbrennungsmodells und des Verbrennungs-Controllers kann das Auswählen des Verbrennungsmodells, das den kleinsten Unterschied zwischen den Echtzeitdaten und den Schätzdaten, die durch das Verbrennungsmodell geschätzt werden, aufweist, unter den mehreren Verbrennungsmodellen durch die Auswahleinrichtung für das optimale Modell/den optimalen Controller enthalten.
  • Wie oben beschrieben worden ist, ist es gemäß einer oder mehreren beispielhaften Ausführungsformen möglich, gemäß dem Kesselzustand des Kraftwerks geeignet zu bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist, um die Verbrennungsoptimierung des Kessels nur in der erforderlichen Situation auszuführen und dadurch den Kessel effizient zu managen.
  • Figurenliste
  • Die obigen und andere Aspekte werden aus der folgenden Beschreibung der beispielhaften Ausführungsformen bezüglich der beigefügten Zeichnungen offensichtlicher; es zeigen:
    • 1 einen Blockschaltplan zum Erklären einer Konfiguration einer Vorrichtung zur Verbrennungsoptimierung gemäß einer beispielhaften Ausführungsform;
    • 2 einen Ablaufplan zum Erklären eines Verfahrens zum Optimieren der Verbrennung gemäß einer beispielhaften Ausführungsform;
    • 3 einen Blockschaltplan zum Erklären einer Konfiguration einer Vorrichtung zum Managen der Verbrennungsoptimierung gemäß einer beispielhaften Ausführungsform;
    • 4 einen Ablaufplan zum Erklären eines Verfahrens zum Managen der Verbrennungsoptimierung gemäß einer beispielhaften Ausführungsform; und
    • 5 eine graphische Darstellung, die eine Computervorrichtung gemäß einer beispielhaften Ausführungsform zeigt.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Im Folgenden werden verschiedene Modifikationen und verschiedene Ausführungsformen bezüglich der beigefügten Zeichnungen ausführlich beschrieben, so dass die Fachleute auf dem Gebiet die Offenbarung leicht ausführen können. Es sollte jedoch selbstverständlich sein, dass die verschiedenen Ausführungsformen nicht dazu dienen, den Schutzumfang der Offenbarung auf die spezifische Ausführungsform einzuschränken, sondern sie so interpretiert werden sollten, dass sie alle Modifikationen, Äquivalente und Alternativen der Ausführungsformen enthalten, die innerhalb des Erfindungsgedankens und Schutzumfangs enthalten sind, die hier offenbart sind. Um die Offenbarung in den Zeichnungen deutlich zu veranschaulichen, können einige der Elemente, die für das vollständige Verständnis der Offenbarung nicht wesentlich sind, weggelassen werden, wobei sich gleiche Bezugszeichen überall in der Beschreibung auf gleiche Elemente beziehen.
  • Die in der Offenbarung verwendete Terminologie dient nur dem Zweck des Beschreibens der spezifischen Ausführungsformen und ist nicht vorgesehen, um den Schutzumfang der Offenbarung einzuschränken. Es ist vorgesehen, dass die Ausdrücke „ein“, „eine“ und „der/die/das“ in der Einzahl die Ausdrücke in der Mehrzahl ebenso enthalten, wenn es der Kontext nicht deutlich anders angibt. In der vorliegenden Offenbarung sollten Begriffe, wie z. B. „umfasst“, „enthält“ oder „weisen/weist auf‟ so ausgelegt werden, dass sie benennen, dass es derartige Merkmale, ganze Zahlen, Schritte, Operationen, Komponenten, Teile und/oder Kombinationen daraus gibt, und das Vorhandensein oder die Möglichkeit des Hinzufügens eines oder mehrerer anderer Merkmale, ganzer Zahlen, Schritte, Operationen, Komponenten, Teile und/oder Kombinationen daraus nicht ausschließen.
  • Außerdem führt ein „Modul“ oder ein „Teil“ in der Offenbarung wenigstens eine Funktion oder Operation aus, wobei diese Elemente als Hardware oder Software oder als eine Kombination aus Hardware und Software implementiert sein können. Ferner können mehrere „Module“ oder „Teile“ in wenigstens ein Modul integriert sein und als wenigstens ein Prozessor implementiert sein, mit Ausnahme der „Module“ oder „Teile“, die als spezifische Hardware implementiert sein müssen.
  • Ausdrücke, wie z. B. „wenigstens einer von“, wenn sie einer Liste von Elementen vorangehen, modifizieren die gesamte Liste der Elemente und modifizieren nicht die einzelnen Elemente der Liste. Der Ausdruck „wenigstens eines von a, b und c“ sollte z. B. als nur a, nur b, nur c, sowohl a als auch b, sowohl a als auch c, sowohl b als auch c, alle von a, b und c oder irgendwelche Variationen der obenerwähnten Beispiele enthaltend verstanden werden.
  • 1 ist ein Blockschaltplan zum Erklären einer Konfiguration einer Vorrichtung zur Verbrennungsoptimierung gemäß einer beispielhaften Ausführungsform.
  • In 1 kann eine Verbrennungsoptimierungsvorrichtung 10 gemäß einer beispielhaften Ausführungsform eine Managementschicht 100, eine Datenschicht 200, eine Modellschicht 300 und eine Optimalschicht 400 enthalten.
  • Die Managementschicht 100 ist konfiguriert, die Verbrennungsoptimierung, ein Verbrennungsmodell und einen Verbrennungs-Controller durch das Sammeln der aktuell gemessenen Echtzeitdaten für die Kesselverbrennung und das Analysieren der gesammelten Echtzeitdaten zu managen. Das heißt, die Managementschicht 100 managt durch das Analysieren der gemessenen Daten, ob die Verbrennungsoptimierung auszuführen ist und ob das Verbrennungsmodell und der Verbrennungs-Controller abzustimmen sind. Zu diesem Zweck kann die Managementschicht 100 ein Verbrennungsmanagement 110 und ein Selbstabstimmungsmanagement (Modell/Controller) 120 enthalten.
  • Das Verbrennungsmanagement 110 ist konfiguriert, die Verbrennungsoptimierung zu managen. Ein Kesselsystem enthält einen Kessel und einen Verbrennungs-Controller zum Regeln der Verbrennung des Kessels. Das Verbrennungsmanagement 110 bestimmt basierend auf den Echtzeitdaten, die in Echtzeit von dem Kesselsystem gemessen werden, ob die Verbrennungsoptimierung auszuführen ist. Hier enthalten die Echtzeitdaten die Betriebsdaten und den Zustandsbinärwert des Kessels. Die Betriebsdaten enthalten einen Wert, der durch mehrere Sensoren bezüglich des Kessels gemessen wird, und einen Regelwert zum Regeln des Kessels. Der Zustandsbinärwert ist ein Merkerwert, der angibt, ob sich eine Änderung des Zustands eines auf den Kessel bezogenen Parameters außerhalb eines vorgegebenen Bereichs befindet. Das heißt, der Zustandsbinärwert besteht aus Daten, die einen Grad der Änderung des Zustands, wie z. B. eine Variation der Ausgabe des Kessels, eine Variation der verwendeten Brennstoffmenge, eine Variation der Brennstoffzufuhrmenge, eine Variation der Wasserzufuhrmenge, eine Variation der Verbrennungsluftzufuhrmenge, eine Variation der Kohlezufuhrmenge, ob ein Rußbläser zu betreiben ist und ob eine Kesselschutzlogik zu implementieren ist, anzeigen. Falls z. B. die Verbrennungsluftzufuhrmenge innerhalb eines vorgegebenen Bereichs von dem aktuellen Wert fluktuiert, behält der Zustandsbinärwert der Verbrennungsluftzufuhrmenge „0“ bei, falls sich aber die Verbrennungsluftzufuhrmenge ändert, indem sie den vorgegebenen Bereich vom aktuellen Wert übersteigt, kann der Zustandsbinärwert in „1“ geändert werden.
  • Das Selbstabstimmungsmanagement (Modell/Controller) 120 ist konfiguriert, das Verbrennungsmodell und den Verbrennungs-Controller zu managen. Das Selbstabstimmungsmanagement (Modell/Controller) 120 bestimmt basierend auf den in Echtzeit gemessenen Echtzeitdaten, ob das Verbrennungsmodell und der Verbrennungs-Controller abzustimmen sind und ob die Verbrennungsoptimierung auszuführen ist. Hier arbeiten ein Verbrennungsmodell-Entwurfsalgorithmus 310 und ein Verbrennungs-Controller-Entwurfsalgorithmus 320 nur, wenn das Selbstabstimmungsmanagement (Modell/Controller) 120 bestimmt, ein Abstimmen auszuführen. Wenn andererseits das Selbstabstimmungsmanagement (Modell/Controller) 120 bestimmt, kein Abstimmen auszuführen, arbeiten der Verbrennungsmodell-Entwurfsalgorithmus 310 und der Verbrennungs-Controller-Entwurfsalgorithmus 320 nicht. Die Datenschicht 200 ist konfiguriert, die Daten vorzuverarbeiten und zu sortieren, um die Lerndaten zu erzeugen, die für den Entwurf des Verbrennungsmodells und des Verbrennungs-Controllers erforderlich sind. Das heißt, die Datenschicht 200 extrahiert die für den Entwurf des Verbrennungsmodells und des Verbrennungs-Controllers erforderlichen Lerndaten aus den aktuell gemessenen Echtzeitdaten für die Kesselverbrennung und den vorher gemessenen und gespeicherten Vergangenheitsdaten für die Kesselverbrennung. Die Datenschicht 200 kann einen Datenvorprozessor 210 und einen Datenanalysator 220 enthalten.
  • Der Datenvorprozessor 210 verarbeitet die Daten einschließlich der Echtzeitdaten und der Vergangenheitsdaten vor. Der Datenvorprozessor 210 führt wenigstens eine Vorverarbeitung einer Signalwiederherstellung, einer Filterung und einer Ausreißerverarbeitung aus. Hier bedeutet die Signalwiederherstellung das Wiederherstellen fehlender Daten; bedeutet die Filterung das Filtern der für die Bedingung geeigneten Daten auf der Grundlage eines Basiswissens oder der Daten; und bedeutet die Ausreißerverarbeitung eine Operation des Löschens der Daten, die einen oberen Grenzwert übersteigen oder einen unteren Grenzwert unterschreiten. Diese Vorverarbeitung kann im Voraus das Rauschen in den Daten entfernen oder die Daten entfernen, die das Entwerfen oder das Abstimmen des Verbrennungsmodells und des Verbrennungs-Controllers ungünstig beeinflussen können.
  • Der Datenanalysator 220 leitet die Lerndaten durch das Analysieren der vorverarbeiteten Daten ab. Der Datenanalysator 220 analysiert eine Korrelation zwischen den Daten basierend auf einem Kennzeichen der Daten, ordnet die Daten in Clustern an und wählt die Eingangsdaten, deren Korrelationsgrad ein vorgegebener Wert oder größer ist, für den Entwurf des Verbrennungsmodells durch die Korrelationsanalyse für die Modellausgangsdaten aus. Entsprechend können die Eingangsdaten und die ihnen entsprechenden Zieldaten abgeleitet werden. Ferner führt der Datenanalysator 220 das Abtasten zum Sortieren der Daten in einem stationären Zustand, das für den Entwurf des Verbrennungsmodells und des Verbrennungs-Controllers erforderlich ist, durch eine Musteranalyse der Daten aus.
  • Die Modellschicht 300 ist konfiguriert, das Verbrennungsmodell und den Verbrennungs-Controller basierend auf den Lerndaten zu erzeugen. Die Modellschicht 300 kann den Verbrennungsmodell-Entwurfsalgorithmus 310 und den Verbrennungs-Controller-Entwurfsalgorithmus 320 enthalten.
  • Der Verbrennungsmodell-Entwurfsalgorithmus 310 entwirft das Verbrennungsmodell, das einer der wichtigsten Faktoren zum Optimieren der Kesselverbrennung ist. Der Verbrennungsmodell-Entwurfsalgorithmus 310 erzeugt das Verbrennungsmodell basierend auf den Lerndaten. Das heißt, der Verbrennungsmodell-Entwurfsalgorithmus 310 bildet das Verbrennungsmodell zum Ausgeben von Vorhersagedaten, die Faktoren, wie z. B. die Leistungserzeugungsausgabe, den Verbrennungszustand einschließlich der Temperatur des Dampfes und des Abgases, die Zusammensetzung des Abgases (z. B. Kohlenmonoxid, Stickstoffoxid) und die Restsauerstoffmenge nach der Verbrennung, vorhersagen, die wichtige Variable für die Verbrennung sind, basierend auf den Eingangsdaten einschließlich der Echtzeitdaten und den Vergangenheitsdaten, wie z. B. der Kraftstoffeingangsmenge, der Lufteingangsmenge, der Wassereingangsmenge und der Lufttemperatur.
  • Das Verbrennungsmodell gemäß einer beispielhaften Ausführungsform wird basierend auf wenigstens einem von mehreren parametrischen Modellen, die ein Übertragungsfunktionsmodell und ein Zustandsraummodell enthalten, und mehreren nichtparametrischen Modellen erzeugt. Tabelle 1 im Folgenden zeigt ein Beispiel des parametrischen Modells und des nichtparametrischen Modells gemäß der beispielhaften Ausführungsform. Tabelle 1
    parametrisches Model Übertragungsfunktion Gleichungsfehler autoregressiv exogen (ARX)
    nichtlinear autoregressiv exogen (NARX)
    endliche Impulsantwort (FIR)
    autoregressiv mit gleitendem Mittelwert exogen (ARMAX): pseudolineares Regressionsmodell
    autoregressiv (AR)
    autoregressiv mit gleitendem Mittelwert (ARMA)
    autoregressiv autoregressiv exogen (ARARX): verallgemeinertes Modell kleinster Quadrate
    autoregressiv autoregressiv mit gleitendem Mittelwert exogen (ARARMAX): erweitertes Matrixmodell
    Ausgangsfehler Ausgangsfehler (OE)
    Box und Jenkins (BJ)
    Zustandsraum linear zeitinvariant (LTI), linear zeitveränderlich (LTV)
    lineares Modell, nichtlineares Modell
    kontinuierliche Zeit, diskrete Zeit, Verzögerungszeit
    Eingrößensystem (SISO), Mehrgrößensystem (MIMO)
    stochastisches Modell, deterministisches Modell
    robust, offener Regelkreis, geschlossener Regelkreis
    nichtparametrisches Modell nichtparametrisch (Datensatztyp)
    Impulsantwort
    Sprungantwort
    Frequenzübertragungsfunktion
    Baum
    neuronales Netz (NN): FF, FB, radiale Basisfunktion, faltend, gepulst, tiefes NN (tiefes bayessches Netz), rekurrentes NN
  • Ferner kann das Verbrennungsmodell unter Verwendung wenigstens eines der in Tabelle 2 im Folgenden aufgelisteten Optimierungsalgorithmen abgeleitet werden. Tabelle 2
    parametrisches Modell Vorhersagefehlerverfahren (PEM) Verfahren der maximalen Wahrscheinlichkeit (MLM) Verfahren der kleinsten Quadrate (LSM) - diskontinuierliches Verfahren der kleinsten Quadrate - Offline-Verfahren der kleinsten Quadrate erweitertes Verfahren der kleinsten Quadrate (ELSM) verallgemeinertes Verfahren der kleinsten Quadrate (GLSM) rekursives Verfahren der kleinsten Quadrate (RLS) Verfahren der Instrumentvariable (IVM) Hauptkomponentenanalyse (PCA) dynamische Hauptkomponentenanalyse (DPCA) teilweise kleinste Quadrate (PLS) unterraumbasiertes Zustandsraummodell Identifikations- (4SID-) Verfahren (+ Singulärwertzerlegung (SVD)) (+ QR-Zerlegung) - N4SID-Verfahren - Mehrvariable-Ausgangsfehler-Zustandsraum- (MOESP-) Verfahren Analyse kanonischer Zufallsvariable (CVA) Singulärwertzerlegung Verfahren der minimalen Verwirklichung (MRM)
    nichtparametrisches Modell Einschwingverhaltensverfahren Korrelationsanalyse Frequenzgangverfahren Spektralanalyseverfahren Verfahren der empirischen Schätzung der Übertragungsfunktion (ETFE) Lernen des einlagigen/mehrlagigen Perzeptrons, Backpropagation, Gradientenverfahren schichtenweises Vortraining: Auto-Codierer, Bolzmann-Maschine
  • Der Verbrennungs-Controller-Entwurfsalgorithmus 320 entwirft den Verbrennungs-Controller, der einer der wichtigsten Faktoren für das Optimieren der Kesselverbrennung ist, basierend auf den Lerndaten. Der entworfene Verbrennungs-Controller dient dazu, den optimalen Sollwert für eine optimale Verbrennungsregelung zu erzeugen. Zu diesem Zeitpunkt wird das Verbrennungsmodell verwendet, um den optimalen Sollwert zu erzeugen. Der Verbrennungs-Controller leitet die Vorhersagedaten basierend auf den Eingangsdaten einschließlich der Echtzeitdaten und der Vergangenheitsdaten durch das Verbrennungsmodell ab und leitet den optimalen Sollwert bezüglich der abgeleiteten Vorhersagedaten ab.
  • Die Optimalschicht 400 ist konfiguriert, das optimale Verbrennungsmodell und den optimalen Verbrennungs-Controller auszuwählen und den optimalen Sollwert für die Verbrennungsoptimierung unter Verwendung des ausgewählten Verbrennungsmodells und des ausgewählten Verbrennungs-Controllers zu berechnen. Die Optimalschicht 400 kann eine Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller und einen Verbrennungsoptimierungsalgorithmus 420 enthalten.
  • Die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller wählt unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern, die vorher basierend auf den Analyseergebnissen der Echtzeitdaten erzeugt worden sind, das optimale Verbrennungsmodell und den optimalen Verbrennungs-Controller aus.
  • Die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller analysiert die Echtzeitdaten und die Vergangenheitsdaten. Hier enthält die Analyse 1) die basiswissensbasierte Datenanalyse und 2) die datenbasierte Analyse. Im Ergebnis der Datenanalyse können die Informationen über ein Muster der Echtzeitdaten, eine Änderung der Leistungserzeugungsausgabe, eine Wirkungsgradbedingung und eine Ansteuerbedingung abgeleitet werden. Die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller wählt basierend auf den gemäß dem Ergebnis der Datenanalyse abgeleiteten Informationen ein optimales Verbrennungsmodell aus, das für die Verbrennungsregelung zu verwenden ist. Ferner wählt die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller unter Verwendung des Ergebnisses der Datenanalyse und des Verbrennungsmodells einen optimalen Verbrennungs-Controller für die Verbrennungsoptimierung aus.
  • Der Verbrennungsoptimierungsalgorithmus 420 berechnet den optimalen Sollwert für die Verbrennungsoptimierung durch das Eingeben der Echtzeitdaten in das Verbrennungsmodell und den Verbrennungs-Controller, die durch die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller ausgewählt worden sind, und gibt Regelsignal gemäß dem berechneten Sollwert aus. Hier enthält der Sollwert einen unter Verwendung der Sollwerte und des manuellen Bias im aktuellen DCS berechneten optimalen Regelsollwert und einen dem Regelsollwert zugeordneten Hilfswert.
  • 2 ist ein Ablaufplan zum Erklären eines Verfahrens zum Optimieren der Verbrennung gemäß einer beispielhaften Ausführungsform.
  • In 2 sammelt das Verbrennungsmanagement 110 der Managementschicht 100 die aktuell gemessenen Echtzeitdaten für die Kesselverbrennung eines Kraftwerks (Operation S110). Diese Echtzeitdaten enthalten die Betriebsdaten und den Zustandsbinärwert des Kessels. Die Betriebsdaten enthalten einen durch mehrere Sensoren bezüglich des Kessels gemessenen Wert und einen Regelwert zum Regeln des Kessels. Der Zustandsbinärwert ist ein Merkerwert, der angibt, ob sich eine Änderung des Zustands des auf den Kessel bezogenen Parameters außerhalb eines vorgegebenen Bereichs befindet. Hier besteht der Zustandsbinärwert aus Daten, die den Grad der Änderung des Zustands, wie z. B. eine Variation der Ausgabe des Kessels, eine Variation der verwendeten Brennstoffmenge, eine Variation der Brennstoffzuführmenge, eine Variation der Wasserzufuhrmenge, eine Variation der Verbrennungsluftzufuhrmenge, eine Variation der Kohlezufuhrmenge, ob ein Rußbläser zu betreiben ist und ob eine Kesselschutzlogik zu betreiben ist, anzeigen. Falls z. B. die Verbrennungsluftzuführmenge innerhalb eines vorgegebenen Bereichs vom aktuellen Wert fluktuiert, behält der Zustandsbinärwert der Verbrennungsluftzufuhrmenge „0“ bei, falls sich aber die Verbrennungsluftzufuhrmenge ändert, indem sie den vorgegebenen Bereich vom aktuellen Wert übersteigt, kann der Zustandsbinärwert in „1“ geändert werden.
  • Das Verbrennungsmanagement 110 bestimmt basierend auf den gesammelten Daten, ob die Optimierung gemäß einer vorgegebenen Bedingung auszuführen ist, (Operation S120). Zu diesem Zeitpunkt kann das Verbrennungsmanagement 110 durch die betriebsdatenbasierte Analyse, die zustandsbinärwertbasierte Analyse und die Analyse, die das Wissen und die Erfahrung des Experten widerspiegelt, bestimmen, ob die Optimierung auszuführen ist. Gemäß der Analyse, die das Wissen und die Erfahrung des Experten widerspiegelt, ist es z. B. möglich, gemäß dessen, ob der Bereich der spezifischen Betriebsdaten, wie z. B. des NOx, des CO und des Einheitslastbedarfs, und der Wert gemäß dem Einfluss zwischen den Daten normal sind, zu bestimmen, ob die Optimierung auszuführen ist. Das Verbrennungsmanagement 110 kann ableiten, ob die Optimierungsregelung des Kessels anwendbar ist und ob die Verbrennungsoptimierung ausgeführt werden kann, und kann bestimmen, die Optimierung auszuführen, wenn zwei Werte wahr sind.
  • Falls in der Operation S120 bestimmt wird, die Optimierung auszuführen, bestimmt das Selbstabstimmungsmanagement (Modell/Controller) 120 der Managementschicht 100 basierend auf wenigstens einem der Echtzeitdaten, ob die Verbrennungsoptimierung auszuführen ist und ob das Lernen für das Abstimmen des Verbrennungsmodells und des Verbrennungs-Controllers auszuführen ist, ob das Verbrennungsmodell und der Verbrennungs-Controller abzustimmen sind, (Operation S130).
  • Falls in der Operation S130 bestimmt wird, das Abstimmen auszuführen, erzeugt die Datenschicht 200 durch das Vorverarbeiten und Sortieren der aktuell gemessenen Echtzeitdaten und der vorher gemessenen Vergangenheitsdaten die für den Entwurf des Verbrennungsmodells und des Verbrennungs-Controllers erforderlichen Lerndaten (Operation S140). Der Datenvorprozessor 210 der Datenschicht 200 führt die Vorverarbeitung für die aktuell gemessenen Echtzeitdaten und die vorher gemessenen Vergangenheitsdaten aus (Operation S140). Zu diesem Zeitpunkt kann der Datenvorprozessor 210 wenigstens eine von einer Signalwiederherstellung zum Wiederherstellen fehlender Daten, einer Filterung zum Filtern der Daten, die eine vorgegebene Bedingung erfüllen, basierend auf einem Basiswissen oder den Daten, und einer Ausreißerverarbeitung zum Löschen der Daten, die den oberen Grenzwert übersteigen oder den unteren Grenzwert unterschreiten, durch eine Vorverarbeitung ausführen. Entsprechend werden die Daten usw., die das Entfernen des Rauschens in den Kennzeichendaten oder das Entwerfen des Verbrennungsmodells und des Verbrennungs-Controllers nachteilig beeinflussen können, im Voraus gelöscht. Ferner führt der Datenanalysator 220 der Datenschicht 200 das Abtasten des Sortierens nur der wichtigen Daten des stationären Zustands, die zum Entwerfen des Verbrennungsmodells und des Verbrennungs-Controllers erforderlich sind, durch die Musteranalyse der Daten aus, wobei er die Eingangsvariable, deren Korrelationsgrad ein vorgegebener Wert oder größer ist, zum Entwerfen des Verbrennungsmodells durch die Korrelationsanalyse usw. für die Ausgangsvariable des Verbrennungsmodells und des Verbrennungs-Controllers auswählt, (Operation S140). Das heißt, der Datenanalysator 220 erzeugt die Lerndaten durch das Abtasten und die Auswahl der Eingangsvariable.
  • Als Nächstes erzeugt der Verbrennungsmodell-Entwurfsalgorithmus 310 der Modellschicht 300 das Verbrennungsmodell basierend auf den Lerndaten (Operation S150). Das Verbrennungsmodell gemäß einer beispielhaften Ausführungsform kann basierend auf wenigstens einem des parametrischen Modells, das das Übertragungsfunktionsmodell und das Zustandsraummodell enthält, und des nichtparametrischen Modells, wie sie in Tabelle 1 gezeigt sind, erzeugt werden. Der Verbrennungsmodell-Entwurfsalgorithmus 310 kann durch das Anwenden der Lerndaten auf wenigstens eines des parametrischen Modells und des nicht-parametrischen Modells das Verbrennungsmodell unter Verwendung wenigstens eines der Optimierungsalgorithmen, wie sie in Tabelle 2 gezeigt sind, ableiten. Dieses Verbrennungsmodell ist konfiguriert, Faktoren, wie z. B. die Leistungserzeugungsausgabe, den Verbrennungszustand einschließlich der Temperatur des Dampfes und des Abgases, die Zusammensetzung des Abgases (z. B. Kohlenmonoxid, Stickstoffoxid) und die Restsauerstoffmenge nach der Verbrennung, die wichtige Variable für die Verbrennung sind, basierend auf der Eingabe, wie z. B. der Kraftstoffeingangsmenge, der Lufteingangsmenge, der Wassereingangsmenge und der Lufttemperatur, vorherzusagen.
  • Der Verbrennungs-Controller-Entwurfsalgorithmus 320 der Modellschicht 300 leitet den Verbrennungs-Controller basierend auf den Lerndaten ab (Operation S160). Der entworfene Verbrennungs-Controller dient dazu, den Sollwert für die optimale Verbrennungsregelung zu erzeugen. Das Verbrennungsmodell wird verwendet, um den optimalen Sollwert zu erzeugen.
  • Die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller der Optimalschicht 400 wählt das optimale Verbrennungsmodell und den optimalen Verbrennungs-Controller basierend auf dem Analyseergebnis der aktuell gemessenen Echtzeitdaten aus den mehreren vorher erzeugten Verbrennungsmodellen und Verbrennungs-Controllern aus (Operation S170).
  • Die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller wählt zuerst das Verbrennungsmodell durch das Analysieren der Echtzeitdaten aus (Operation S170). Hier wählt die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller das Verbrennungsmodell mit dem kleinsten Rest, z. B. dem Unterschied zwischen den aktuell gemessenen Echtzeitdaten für die Kesselverbrennung und den durch das Verbrennungsmodell geschätzten Schätzdaten, unter den mehreren Verbrennungsmodellen aus. Danach wählt die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller den Verbrennungs-Controller basierend auf dem ausgewählten Verbrennungsmodell aus.
  • Ferner berechnet der Verbrennungsoptimierungsalgorithmus 420 der Optimalschicht 400 den optimalen Sollwert für die Verbrennungsoptimierung durch das Eingeben der aktuell gemessenen Echtzeitdaten in das vorher ausgewählte Verbrennungsmodell und den vorher ausgewählten Verbrennungs-Controller, wobei er das Regelsignal gemäß dem berechneten Sollwert ausgibt, (Operation S180). Hier enthält der Sollwert den Regelsollwert und den dem Regelsollwert entsprechenden Hilfswert.
  • 3 ist ein Blockschaltplan zum Erklären einer Konfiguration einer Vorrichtung zum Managen der Verbrennungsoptimierung gemäß einer beispielhaften Ausführungsform.
  • In 3 kann das Verbrennungsmanagement 110 der Managementschicht 100 eine Datensammeleinrichtung 111, ein Management 113 und eine Ausführungseinrichtung 115 enthalten.
  • Ein Kesselsystem enthält einen Kessel und einen Verbrennungs-Controller, der konfiguriert ist, die Verbrennung des Kessels zu regeln. Die Datensammeleinrichtung 111 empfängt die Echtzeitdaten, die in Echtzeit vom Kesselsystem gemessen werden. Hier enthalten die Echtzeitdaten die Betriebsdaten und den Zustandsbinärwert des Kessels. Die Betriebsdaten enthalten einen Wert, der durch mehrere Sensoren bezüglich des Kessels gemessen wird, und einen Regelwert zum Regeln des Kessels. Der Zustandsbinärwert ist ein Merkerwert, der angibt, ob sich die Änderung des Zustands des auf den Kessel bezogenen Parameters außerhalb eines vorgegebenen Bereichs befindet. Zu diesem Zeitpunkt besteht der Zustandsbinärwert aus Daten, die den Grad der Änderung des Zustands, wie z. B. eine Variation der Ausgabe des Kessels, eine Variation der verwendeten Brennstoffmenge, eine Variation der Brennstoffzufuhrmenge, eine Variation der Wasserzufuhrmenge, eine Variation der Verbrennungsluftzufuhrmenge, eine Variation der Kohlezufuhrmenge, ob ein Rußbläser zu betreiben ist oder ob eine Kesselschutzlogik zu betreiben ist, anzeigen. Falls z. B. die Verbrennungsluftzufuhrmenge innerhalb eines vorgegebenen Bereichs vom aktuellen Wert fluktuiert, behält der Zustandsbinärwert der Verbrennungsluftzufuhrmenge „0“ bei, falls sich aber die Verbrennungsluftzufuhrmenge ändert, indem sie den vorgegebenen Bereich vom aktuellen Wert übersteigt, kann der Zustandsbinärwert auf „1“ geändert werden.
  • Das Management 113 bestimmt basierend auf den Echtzeitdaten, ob die Verbrennungsoptimierung des Kessels auszuführen ist. Zu diesem Zeitpunkt kann das Management 113 durch das Analysieren der Betriebsdaten in den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels gemäß einer vorgegebenen Bedingung auszuführen ist. Ferner kann das Management 113 durch das Analysieren des Zustandsbinärwerts in den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels gemäß der vorgegebenen Bedingung auszuführen ist. Ferner kann das Management 113 durch die wissensbasierte Analyse, die gleichzeitig den Bereich der spezifischen Betriebsdaten und den Wert aufgrund des Einflusses zwischen den spezifischen Betriebsdaten berücksichtigt, bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist. Diese wissensbasierte Analyse legt eine Bedingung auf der Grundlage des Wissens und der Erfahrung des Experten fest und führt die Analyse gemäß dieser Bedingung aus. Die wissensbasierte Analyse analysiert z. B., ob die Werte, wie z. B. des NOx, des CO und des Einheitslastbedarfs, in den normalen Wertebereich der vorgegebenen Bedingung fallen.
  • Das Management 113 kann ein Kesselmanagement 113a und ein Verbrennungsregelungsmanagement 113b enthalten.
  • Das Kesselmanagement 113a bestimmt durch das Analysieren der Echtzeitdaten, ob der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann.
  • Das Verbrennungsregelungsmanagement 113b bestimmt durch das Analysieren der Echtzeitdaten, ob der Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann. Hier bestimmt das Verbrennungsregelungsmanagement 113b durch das Analysieren der Echtzeitdaten, um die Integrität des gesamten Kesselsystems und die Integrität jedes Moduls des Kesselsystems zu analysieren, ob das Kesselsystem die Verbrennungsoptimierung ausführen kann. Das Verbrennungsregelungsmanagement 113b kann z. B. die Integrität des Verbrennungs-Controllers durch das Analysieren der Echtzeitdaten dadurch bestimmen, ob die Hardware-Operationen, wie z. B. der Systembetriebsmittelzustand und die normale Kommunikationsverfügbarkeit, normal sind. Ferner kann das Verbrennungsregelungsmanagement 113b die Integrität jedes Moduls des Verbrennungs-Controllers durch das Analysieren der Echtzeitdaten dadurch bestimmen, ob der Software-Betrieb, wie z. B. das Vorhandensein des Verbrennungsmodells, normal ist.
  • Falls das Kesselmanagement 113a bestimmt, dass der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, und gleichzeitig das Verbrennungsregelungsmanagement 113b bestimmt, dass der Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, sendet die Ausführungseinrichtung 115 durch das Erzeugen des Regelbefehls einen Regelbefehl, damit der Verbrennungs-Controller die Verbrennungsoptimierung ausführt.
  • 4 ist ein Ablaufplan zum Erklären eines Verfahrens zum Managen der Verbrennungsoptimierung gemäß einer beispielhaften Ausführungsform.
  • In 4 empfängt die Datensammeleinrichtung 111 des Verbrennungsmanagements 110 die Echtzeitdaten, die in Echtzeit vom Kesselsystem gemessen werden, (Operation S210). Hier enthält das Kesselsystem den Kessel und den Verbrennungs-Controller, der konfiguriert ist, die Verbrennung des Kessels zu regeln. Ferner enthalten die Echtzeitdaten die Betriebsdaten und den Zustandsbinärwert, die von dem Kessel und dem Verbrennungs-Controller gemessen werden.
  • Die Betriebsdaten enthalten einen Wert, der durch mehrere Sensoren bezüglich des Kessels gemessen wird, und einen Regelwert zum Regeln des Kessels. Der Zustandsbinärwert ist ein Merkerwert, der angibt, ob sich die Änderung des Zustands des auf den Kessel bezogenen Parameters außerhalb eines vorgegebenen Bereichs befindet. Zu diesem Zeitpunkt besteht der Zustandsbinärwert aus Daten, die den Grad der Änderung des Zustands, wie z. B. eine Variation der Ausgabe des Kessels, eine Variation der verwendeten Brennstoffmenge, eine Variation der Brennstoffzufuhrmenge, eine Variation der Wasserzufuhrmenge, eine Variation der Verbrennungsluftzufuhrmenge, eine Variation der Kohlezufuhrmenge, ob ein Rußbläser zu betreiben ist oder ob eine Kesselschutzlogik zu betreiben ist, anzeigen. Falls z. B. die Verbrennungsluftzufuhrmenge innerhalb eines vorgegebenen Bereichs vom aktuellen Wert fluktuiert, behält der Zustandsbinärwert der Verbrennungsluftzufuhrmenge „0“ bei, falls sich aber die Verbrennungsluftzufuhrmenge ändert, indem sie den vorgegebenen Bereich vom aktuellen Wert übersteigt, kann der Zustandsbinärwert auf „1“ geändert werden.
  • Das Management 113 kann basierend auf den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist. Zu diesem Zeitpunkt kann das Management 113 durch das Analysieren der Betriebsdaten in den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels gemäß einer vorgegebenen Bedingung auszuführen ist. Ferner kann das Management 113 durch das Analysieren des Zustandsbinärwerts in den Echtzeitdaten bestimmen, ob die Verbrennungsoptimierung des Kessels gemäß einer vorgegebenen Bedingung auszuführen ist. Ferner kann das Management 113 durch die wissensbasierte Analyse, die gleichzeitig den Bereich der spezifischen Betriebsdaten und den Wert aufgrund des Einflusses zwischen den spezifischen Betriebsdaten berücksichtigt, bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist. Diese wissensbasierte Analyse legt eine Bedingung auf der Grundlage des Wissens und der Erfahrung des Experten fest und führt die Analyse gemäß dieser Bedingung aus. Die wissensbasierte Analyse analysiert z. B., ob die Werte, wie z. B. des NOx, des CO und des Einheitslastbedarfs, in den normalen Wertebereich der vorgegebenen Bedingung fallen.
  • Das Kesselmanagement 113a des Managements 113 bestimmt z. B. durch das Analysieren der Echtzeitdaten, ob der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, (Operation S220). Falls in der Operation S220 bestimmt wird, dass der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, geht er zu einer Operation S230 weiter. Falls sie andererseits nicht möglich ist, geht er zu einer Operation S250 weiter, um die Verbrennungsoptimierung des Kessels nicht auszuführen.
  • Das Verbrennungsregelungsmanagement 113b des Managements 113 bestimmt durch das Analysieren der Echtzeitdaten, ob der Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, (Operation S230). Hier bestimmt das Verbrennungsregelungsmanagement 113b durch das Analysieren der Echtzeitdaten, um die Integrität des gesamten Kesselsystems und jedes Moduls des Kesselsystems zu analysieren, ob das Kesselsystem die Verbrennungsoptimierung des Kessels ausführen kann. Das Verbrennungsregelungsmanagement 113b kann z. B. die Integrität des Verbrennungs-Controllers durch das Analysieren der Echtzeitdaten dadurch bestimmen, ob die Hardware-Operationen, wie z. B. der Systembetriebsmittelzustand und die normale Kommunikationsverfügbarkeit, normal sind. Ferner kann das Verbrennungsregelungsmanagement 113b die Integrität jedes Moduls des Verbrennungs-Controllers durch das Analysieren der Echtzeitdaten dadurch bestimmen, ob der Software-Betrieb, wie z. B. das Vorhandensein des Verbrennungsmodells, normal ist.
  • Falls in der Operation S230 bestimmt wird, dass die Verbrennungsoptimierung des Kessels ausgeführt werden kann, geht er zu einer Operation S240 weiter. Falls es andererseits nicht möglich ist, geht er zu einer Operation S250 weiter, um die Verbrennungsoptimierung des Kessels nicht auszuführen.
  • Weil das Kesselmanagement 113a bestimmt hat, dass die Optimierungsregelung auf den Kessel angewendet werden kann, und gleichzeitig das Verbrennungsregelungsmanagement 113b bestimmt hat, dass der Verbrennungs-Controller die Verbrennungsoptimierung des Kessels ausführen kann, sendet die Ausführungseinrichtung 115 durch das Erzeugen des Regelbefehls einen Regelbefehl, damit der Verbrennungs-Controller die Verbrennungsoptimierung des Kessels ausführt, (Operation S240).
  • 5 ist eine graphische Darstellung, die eine Computervorrichtung gemäß einer beispielhaften Ausführungsform zeigt. Die Computervorrichtung TN100 kann eine in der vorliegenden Offenbarung beschriebene Vorrichtung (z. B. eine Vorrichtung zum Managen der Verbrennungsoptimierung, eine Verbrennungsoptimierungsvorrichtung usw.) sein.
  • In 5 kann die Computervorrichtung TN100 wenigstens einen Prozessor TN 110, einen Sender/Empfänger TN 120 und einen Datenspeicher TN 130 enthalten, Die Computervorrichtung TN100 kann ferner einen Speicher TN140, eine Eingangsschnittstelle TN150, eine Ausgangsschnittstelle TN160 usw. enthalten. Die in der Computervorrichtung TN100 enthaltenen Komponenten können durch einen Bus TN170 verbunden sein, um eine Kommunikation dazwischen auszuführen.
  • Der Prozessor TN110 kann einen Programmbefehl ausführen, der in wenigstens einem des Datenspeichers TN130 und des Speichers TN140 gespeichert ist. Der Prozessor TN110 kann eine Zentraleinheit (CPU), eine Graphikverarbeitungseinheit (GPU) oder einen dedizierten Prozessor, in dem die Verfahren gemäß einer beispielhaften Ausführungsform ausgeführt werden, enthalten. Der Prozessor TN110 kann konfiguriert sein, die Prozeduren, Funktionen, Verfahren usw., die im Zusammenhang mit einer beispielhaften Ausführungsform beschrieben sind, zu implementieren Der Prozessor TN110 kann jede Komponente der Computervorrichtung TN100 steuern.
  • Sowohl der Datenspeicher TN130 als auch der Speicher TN140 können verschiedene Informationen speichern, die auf den Betrieb des Prozessors TN110 bezogen sind. Sowohl der Datenspeicher TN130 als auch der Speicher TN140 können aus wenigstens einem von einem flüchtigen Speichermedium und einem nichtflüchtigen Speichermedium bestehen. Der Datenspeicher TN130 kann z. B. aus wenigstens einem von einem Festwertspeicher (ROM) und einem Schreib-Lese-Speicher (RAM) bestehen.
  • Der Sender/Empfänger TN120 kann ein verdrahtetes Signal oder ein drahtloses Signal senden oder empfangen. Der Sender/Empfänger TN120 kann mit einem Netz verbunden sein, um eine Kommunikation auszuführen.
  • Unterdessen können verschiedene Verfahren gemäß einer oben beschriebenen beispielhaften Ausführungsform in der Form des durch verschiedene Computermittel lesbaren Programms implementiert sein, um in einem computerlesbaren Aufzeichnungsmedium aufgezeichnet zu sein. Hier kann das Aufzeichnungsmedium Programmbefehle, Datendateien, Datenstrukturen usw. allein oder in Kombination enthalten. Die in dem Aufzeichnungsmedium aufgezeichneten Programmbefehle können jene sein, die für eine beispielhafte Ausführungsform speziell entworfen und konfiguriert worden sind, oder können außerdem den Fachleuten auf dem Gebiet der Computer-Software bekannt und für die Fachleute auf dem Gebiet der Computer-Software verfügbar sein. Das Aufzeichnungsmedium kann z. B. ein Magnetmedium, wie z. B. eine Festplatte, eine Diskette und ein Magnetband, ein optisches Medium, wie z. B. einen CD-ROM und eine DVD, ein magneto-optisches Medium, wie z. B. eine Floptical-Disk, und Hardware-Vorrichtungen, die speziell konfiguriert sind, den Programmbefehl zu speichern und auszuführen, wie z. B. ein ROM, ein RAM und ein Flash-Speicher, enthalten. Die Beispiele des Programmbefehls können nicht nur Drähte in einer Maschinensprache, wie z. B. jene, die durch einen Kompilierer erzeugt werden, sondern außerdem Drähte in einer höheren Programmiersprache, die durch einen Computer unter Verwendung eines Interpreters oder dergleichen ausgeführt werden können, enthalten. Eine derartige Hardware-Vorrichtung kann konfiguriert sein, als ein oder mehrere Software-Module zu arbeiten, um den Betrieb einer beispielhaften Ausführungsform auszuführen, und umgekehrt.

Claims (15)

  1. Vorrichtung zum Managen der Verbrennungsoptimierung, die umfasst: ein Verbrennungsmanagement (110), das konfiguriert ist, die Echtzeitdaten zu sammeln, die in Echtzeit von einem Kesselsystem gemessen werden, das einen Kessel und einen Verbrennungs-Controller, der konfiguriert ist, die Verbrennung des Kessels zu regeln, umfasst, und durch das Analysieren der gesammelten Echtzeitdaten zu bestimmen, ob eine Verbrennungsoptimierung auszuführen ist; eine Modellschicht (300), die eingerichtet ist, um ein Verbrennungsmodell und einen Verbrennungs-Controller basierend auf Lerndaten zu erzeugen; und eine Optimalschicht (400), die konfiguriert ist, um ein optimales Verbrennungsmodell und einen optimalen Verbrennungs-Controller auszuwählen und um einen optimalen Sollwert für die Verbrennungsoptimierung unter Verwendung des ausgewählten optimalen Verbrennungsmodells und des ausgewählten optimalen Verbrennungs-Controllers zu berechnen und ein Regelsignal gemäß dem berechneten optimalen Sollwert auszugeben.
  2. Vorrichtung zum Managen der Verbrennungsoptimierung nach Anspruch 1, wobei das Verbrennungsmanagement (110) umfasst eine Datensammeleinrichtung (111), die konfiguriert ist, die Echtzeitdaten zu sammeln; ein Management (113), das konfiguriert ist, basierend auf den Echtzeitdaten zu bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist; und eine Ausführungseinrichtung (115), die konfiguriert ist, in Reaktion auf das Bestimmen, dass die Verbrennungsoptimierung des Kessels möglich ist, einen Regelbefehl zu erzeugen und den Regelbefehl an den Verbrennungs-Controller zu senden, um die Verbrennungsoptimierung des Kessels auszuführen.
  3. Vorrichtung zum Managen der Verbrennungsoptimierung nach Anspruch 2, wobei das Management (113) durch das Analysieren der Betriebsdaten in den Echtzeitdaten bestimmt, ob die Verbrennungsoptimierung des Kessels gemäß einer vorgegebenen Bedingung auszuführen ist, durch das Analysieren eines Zustandsbinärwerts in den Echtzeitdaten bestimmt, ob die Verbrennungsoptimierung des Kessels gemäß der vorgegebenen Bedingung auszuführen ist, oder durch eine wissensbasierte Analyse, die einen vorgegebenen Bereich der Betriebsdaten in den Betriebsdaten und einen Wert aufgrund eines Einflusses zwischen den Betriebsdaten berücksichtigt, bestimmt, ob die Verbrennungsoptimierung des Kessels auszuführen ist.
  4. Vorrichtung zum Managen der Verbrennungsoptimierung nach Anspruch 2 oder 3, wobei das Management (113) umfasst ein Kesselmanagement (113a), das konfiguriert ist, durch das Analysieren der Echtzeitdaten zu bestimmen, ob ein Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann; und ein Verbrennungsregelungsmanagement (113b), das konfiguriert ist, durch das Analysieren der Echtzeitdaten zu bestimmen, ob ein Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann.
  5. Vorrichtung zum Managen der Verbrennungsoptimierung nach Anspruch 4, wobei, falls das Kesselmanagement (113 a) bestimmt, dass der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, und das Verbrennungsregelungsmanagement (113b) bestimmt, dass der Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, die Ausführungseinrichtung (115) den erzeugten Regelbefehl an den Verbrennungs-Controller sendet, um die Verbrennungsoptimierung auszuführen.
  6. Vorrichtung zum Managen der Verbrennungsoptimierung nach einem der Ansprüche 2 bis 5, wobei die Echtzeitdaten die Betriebsdaten und einen Zustandsbinärwert enthalten, die von dem Kessel und dem Verbrennungs-Controller gemessen werden.
  7. Vorrichtung zum Managen der Verbrennungsoptimierung nach einem der vorhergehenden Ansprüche, wobei die Optimalschicht (400) umfasst: eine Auswahleinrichtung (410) für das optimale Modell/den optimalen Controller, die konfiguriert ist, irgendein Verbrennungsmodell und irgendeinen Verbrennungs-Controller unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern, die vorher basierend auf den Echtzeitdaten erzeugt worden sind, auszuwählen; und einen Verbrennungsoptimierungsalgorithmus, der konfiguriert ist, den Sollwert durch das Eingeben der Echtzeitdaten in das ausgewählte Verbrennungsmodell und den ausgewählten Verbrennungs-Controller zu berechnen und das Regelsignal gemäß dem berechneten Sollwert auszugeben.
  8. Vorrichtung zum Managen der Verbrennungsoptimierung nach Anspruch 7, wobei die Auswahleinrichtung (410) für das optimale Modell/den optimalen Controller das Verbrennungsmodell, das den kleinsten Unterschied zwischen den Echtzeitdaten und den durch das Verbrennungsmodell geschätzten Schätzdaten aufweist, unter den mehreren Verbrennungsmodellen auswählt.
  9. Verfahren zum Managen der Verbrennungsoptimierung, das umfasst: Empfangen von Echtzeitdaten, die in Echtzeit von einem Kesselsystem gemessen werden, das einen Kessel und einen Verbrennungs-Controller enthält, der konfiguriert ist, die Verbrennung des Kessels zu regeln, durch eine Datensammeleinrichtung (111), Bestimmen basierend auf den Echtzeitdaten, ob eine Verbrennungsoptimierung des Kessels auszuführen ist, durch ein Management (113); Erzeugen eines Verbrennungsmodells und eines Verbrennungs-Controllers basierend auf Lerndaten, durch eine Modellschicht (300); Auswählen eines optimalen Verbrennungsmodells und eines optimalen Verbrennungs-Controllers und Berechnen eines optimalen Sollwerts für die Verbrennungsoptimierung unter Verwendung des ausgewählten optimalen Verbrennungsmodells und des ausgewählten optimalen Verbrennungs-Controllers durch eine Optimalschicht (400); und Ausgeben eines Regelsignals gemäß dem berechneten optimalen Sollwert, durch die Optimalschicht (400).
  10. Verfahren zum Managen der Verbrennungsoptimierung nach Anspruch 9, wobei das Bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist, das Bestimmen durch das Analysieren der Betriebsdaten in den Echtzeitdaten, ob die Verbrennungsoptimierung des Kessels gemäß einer vorgegebenen Bedingung auszuführen ist, das Bestimmen durch das Analysieren eines Zustandsbinärwerts in den Echtzeitdaten, ob die Verbrennungsoptimierung des Kessels gemäß der vorgegebenen Bedingung auszuführen ist, oder das Bestimmen durch eine wissensbasierte Analyse, die einen vorgegebenen Bereich der Betriebsdaten in den Betriebsdaten und einen Wert aufgrund eines Einflusses zwischen den Betriebsdaten berücksichtigt, ob die Verbrennungsoptimierung des Kessels durch auszuführen ist, umfasst.
  11. Verfahren zum Managen der Verbrennungsoptimierung nach Anspruch 9 oder 10, wobei das Bestimmen, ob die Verbrennungsoptimierung des Kessels auszuführen ist, umfasst Bestimmen durch das Analysieren der Echtzeitdaten, ob ein Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, durch ein Kesselmanagement (113a) des Managements (113); und Bestimmen, durch das Analysieren der Echtzeitdaten in Reaktion auf das Bestimmen, dass der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, ob ein Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann, durch ein Verbrennungsregelungsmanagement (113b) des Managements (113).
  12. Verfahren zum Managen der Verbrennungsoptimierung nach Anspruch 11, ferner umfassend: Erzeugen und Senden eines Regelbefehls in Reaktion auf das Bestimmen, dass die Verbrennungsoptimierung des Kessels möglich ist, an den Verbrennungs-Controller, um die Verbrennungsoptimierung des Kessels auszuführen, durch eine Ausführungseinrichtung (115), wobei das Senden des Regelbefehls an den Verbrennungs-Controller umfasst Senden des erzeugten Regelbefehls an den Verbrennungs-Controller, um die Verbrennungsoptimierung auszuführen, falls das Kesselmanagement bestimmt, dass der Zustand des Kessels die Verbrennungsoptimierung des Kessels ausführen kann, und das Verbrennungsregelungsmanagement bestimmt, dass der Zustand des Verbrennungs-Controllers, der konfiguriert ist, die Verbrennung des Kessels zu regeln, die Verbrennungsoptimierung des Kessels ausführen kann.
  13. Verfahren zum Managen der Verbrennungsoptimierung nach einem der Ansprüche 9 bis 12, wobei die Echtzeitdaten die Betriebsdaten und einen Zustandsbinärwert enthalten, die von dem Kessel und dem Verbrennungs-Controller gemessen werden.
  14. Verfahren zum Managen der Verbrennungsoptimierung nach einem der Ansprüche 9 bis 13, das ferner umfasst Auswählen irgendeines Verbrennungsmodells und irgendeines Verbrennungs-Controllers unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern, die vorher basierend auf den Echtzeitdaten erzeugt worden sind, durch eine Auswahleinrichtung (410) für das optimale Modell/den optimalen Controller und Berechnen eines Sollwertes durch das Eingeben der Echtzeitdaten in das ausgewählte Verbrennungsmodell und den ausgewählten Verbrennungs-Controller und Ausgeben eines Regelsignals gemäß dem berechneten Sollwert durch einen Verbrennungsoptimierungsalgorithmus.
  15. Verfahren zum Managen der Verbrennungsoptimierung nach einem der Ansprüche 9 bis 14, wobei das Auswählen des Verbrennungsmodells und des Verbrennungs-Controllers umfasst Auswählen des Verbrennungsmodells, das den kleinsten Unterschied zwischen den Echtzeitdaten und den Schätzdaten, die durch das Verbrennungsmodell geschätzt werden, aufweist, unter den mehreren Verbrennungsmodellen durch die Auswahleinrichtung (410) für das optimale Modell/den optimalen Controller.
DE102019127135.5A 2018-11-26 2019-10-09 Vorrichtung zum Managen der Verbrennungsoptimierung und Verfahren dafür Active DE102019127135B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0147790 2018-11-26
KR1020180147790A KR102107586B1 (ko) 2018-11-26 2018-11-26 연소 최적화를 관리하기 위한 장치 및 이를 위한 방법

Publications (2)

Publication Number Publication Date
DE102019127135A1 DE102019127135A1 (de) 2020-05-28
DE102019127135B4 true DE102019127135B4 (de) 2023-05-17

Family

ID=70545873

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019127135.5A Active DE102019127135B4 (de) 2018-11-26 2019-10-09 Vorrichtung zum Managen der Verbrennungsoptimierung und Verfahren dafür

Country Status (4)

Country Link
US (1) US11629856B2 (de)
KR (1) KR102107586B1 (de)
CN (1) CN111219733B (de)
DE (1) DE102019127135B4 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113467392B (zh) * 2021-06-18 2024-03-26 中国大唐集团科学技术研究院有限公司中南电力试验研究院 一种燃煤锅炉开环燃烧控制优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007061604A1 (de) 2007-12-20 2009-06-25 Alstom Technology Ltd. Optimierung des Betriebs eines Kraftwerks
US20160091203A1 (en) 2014-09-26 2016-03-31 General Electric Company System and method for combustion tuning

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5452687A (en) * 1994-05-23 1995-09-26 Century Controls, Inc. Microprocessor-based boiler sequencer
US7819334B2 (en) * 2004-03-25 2010-10-26 Honeywell International Inc. Multi-stage boiler staging and modulation control methods and controllers
US20110093182A1 (en) 2008-05-08 2011-04-21 Borgwarner Beru Systems Gmbh Estimating engine parameters based on dynamic pressure readings
JP5452906B2 (ja) * 2008-11-25 2014-03-26 株式会社タクマ 燃焼炉の燃焼制御システムおよびその燃焼制御方法
KR101041467B1 (ko) * 2008-12-30 2011-06-16 두산중공업 주식회사 보일러 최적 연소조정 시스템
KR101545335B1 (ko) 2014-08-01 2015-08-19 주식회사 코비 인공신경망 및 퍼지 기법을 이용한 우수 펌프 제어시스템
KR101810968B1 (ko) 2016-07-29 2017-12-20 두산중공업 주식회사 인공신경망 기반 보일러 모델을 포함하는 발전소 보일러 연소 압터마이저, 및 이를 포함하는 발전소 보일러
CN106247396B (zh) * 2016-08-25 2018-11-20 河北思路科技有限公司 一种燃烧器优化燃烧的控制系统
CN108592080B (zh) * 2018-03-01 2019-10-15 中国神华能源股份有限公司 锅炉燃烧控制系统和方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007061604A1 (de) 2007-12-20 2009-06-25 Alstom Technology Ltd. Optimierung des Betriebs eines Kraftwerks
US20160091203A1 (en) 2014-09-26 2016-03-31 General Electric Company System and method for combustion tuning

Also Published As

Publication number Publication date
US20200166205A1 (en) 2020-05-28
KR102107586B1 (ko) 2020-05-07
CN111219733A (zh) 2020-06-02
CN111219733B (zh) 2022-02-18
DE102019127135A1 (de) 2020-05-28
US11629856B2 (en) 2023-04-18

Similar Documents

Publication Publication Date Title
DE102019126310B4 (de) System und Verfahren zum Optimieren der Verbrennung eines Kessels
DE102019127133B4 (de) Vorrichtung zum Erzeugen von Lerndaten zur Verbrennungsoptimierung und Verfahren dafür
DE102007017039B4 (de) Robuste Prozessmodellidentifikation bei modellbasierten Steuerungstechniken
DE102019115320A1 (de) Analysevorrichtung unter Verwendung eines erlernten Modells und Verfahren dafür
DE102019126286A1 (de) System und Verfahren zum Optimieren der Verbrennung eines Kessels
DE102019127154B4 (de) Vorrichtung zur Verbrennungsoptimierung und Verfahren dafür
DE102019001760A1 (de) Informationsverarbeitungsgerät, maschinelle lernvorrichtungund system
DE102020202870A1 (de) Verfahren zur Validierung und Auswahl auf maschinellem Lernen basierender Modelle zur Zustandsüberwachung einer Maschine
DE102019127135B4 (de) Vorrichtung zum Managen der Verbrennungsoptimierung und Verfahren dafür
EP2082294B1 (de) Verfahren und vorrichtung zur identifikation einer verzögerungsbehafteten regelstrecke, regeleinrichtung und computerprogrammprodukt
DE102019126293B4 (de) System und Verfahren zum Regeln des Betriebs eines Kessels
DE102007026314A1 (de) Verfahren zur Steuerung und/oder Regelung eines Brennstoffzellensystems
DE102020117979A1 (de) Vorrichtung und verfahren zum wählen eines optimalen kesselverbrennungsmodells
EP4022408A1 (de) Verfahren und vorrichtung zum analysieren eines ablaufprozesses
DE112020006810T5 (de) Betriebszustands-klassifikationssystem und betriebszustands-klassifikationsverfahren
DE102019115293A1 (de) Vorrichtung zum Optimieren der Strömungsanalyse und Verfahren dafür
WO2022162060A1 (de) Big-data für fehlererkennung in batteriesystemen
EP4150422A1 (de) System und verfahren zur bestimmung einer ursache einer betriebsanomalie einer maschine sowie computerprogramm und elektronisch lesbarer datenträger
EP3942372A1 (de) Verfahren zur validierung von systemparametern eines energiesystems, verfahren zum betrieb eines energiesystems sowie energiemanagementsystem für ein energiesystem
DE102019127145A1 (de) Vorrichtung zum Diagnostizieren einer Analyse und Verfahren dafür
WO2023194492A1 (de) Verfahren zur überwachung eines elektrochemischen systems und ein elektrochemisches system
DE102014219771A1 (de) Verfahren zum Ermitteln des Energiebedarfs einer Produktionsmaschine oder eines aus mehreren Produktionsmaschinen bestehenden Produktionssystems sowie zur Durchführung des Verfahrens geeignetes Messgerät
WO2019206574A1 (de) Verfahren zur ermittlung einer auslegung eines energiesystems sowie energiesystem
EP4043969A1 (de) Regelung einer energietechnischen anlage
DE102019115303A1 (de) Strömungsanalysevorrichtung und Verfahren dafür

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R081 Change of applicant/patentee

Owner name: DOOSAN ENERBILITY CO., LTD., CHANGWON-SI, KR

Free format text: FORMER OWNER: DOOSAN HEAVY INDUSTRIES & CONSTRUCTION CO., LTD., CHANGWON-SI, GYEONGSANGNAM-DO, KR

R018 Grant decision by examination section/examining division
R020 Patent grant now final