-
HINTERGRUND
-
Gebiet
-
Vorrichtungen und Verfahren, die mit den beispielhaften Ausführungsformen konsistent sind, beziehen sich auf eine Optimierungstechnik und insbesondere auf eine Vorrichtung zur 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 es erforderlich, eine Technik zum Verringern des Abgases zu entwickeln, während der Verbrennungswirkungsgrad erhöht wird.
-
DE 10 2007 061 604 A1 beschreibt ein Verfahren zur Optimierung eines Betriebs eines Kraftwerks, insbesondere eines Dampfkraftwerks, wobei der Betrieb des Kraftwerks durch mindestens eine vorgebbare Stellgröße beeinflussbar ist. Mittels eines auf einem Betriebsmodell basierenden Optimierers wird ein optimierter Stellwert für die mindestens eine Stellgröße derart ermittelt, dass eine vorgebbare Kostenfunktion ein Optimum annimmt, falls ein der Stellgröße zugeordneter Eingabewert des Betriebsmodells den optimierten Stellwert annimmt. Zumindest falls der optimierte Stellwert von einem aktuellen Stellwert der Stellgröße abweicht, wird das Kraftwerk mit dem ermittelten Stellwert betrieben. Das Betriebsmodell umfasst Eingabegrößen und Ausgabegrößen, wobei das Betriebsmodell zumindest implizit eine Abhängigkeit der Ausgabegrößen von den Eingabegrößen beschreibt. In einem Beispiel umfasst das Betriebsmodell ein neuronales Netz.
-
US 2016/0091203 A1 beschreibt ein Verfahren zum Einstellen der Verbrennung, umfassend das Sammeln von Abgasparametern durch eine Sensoranordnung, die den Verbrennungsstatus eines Kessels anzeigen; 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 Erfindung ist in Anspruch 1 und dem nebengeordneten Anspruch angegeben. Ausführungsformen der Erfindung ergeben sich aus den Unteransprüchen. Die Aspekte einer oder mehrerer beispielhafter Ausführungsformen stellen eine Vorrichtung zur Verbrennungsoptimierung, die ein Abgas sogar verringern kann, während sie den Verbrennungswirkungsgrad erhöht, 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.
-
Gemäß einem Aspekt einer beispielhaften Ausführungsform wird eine Vorrichtung zur Verbrennungsoptimierung eines Kessels bereitgestellt, die enthält: eine Managementschicht, die konfiguriert ist, aktuell gemessene Echtzeitdaten für die Kesselverbrennung zu sammeln und durch das Analysieren der gesammelten Echtzeitdaten zu bestimmen, ob eine Verbrennungsoptimierung auszuführen ist und ob ein Verbrennungsmodell und ein Verbrennungs-Controller abzustimmen sind, eine Datenschicht, die konfiguriert ist, die Lerndaten, die für das Entwerfen des Verbrennungsmodells und des Verbrennungs-Controllers erforderlich sind, aus den Echtzeitdaten und vorher gemessenen Vergangenheitsdaten für die Kesselverbrennung abzuleiten, eine Modellschicht, die konfiguriert ist, das Verbrennungsmodell und den Verbrennungs-Controller durch die Lerndaten zu erzeugen, und eine Optimalschicht, die konfiguriert ist, einen Sollwert für die Verbrennungsoptimierung unter Verwendung eines ausgewählten Verbrennungsmodells und eines ausgewählten Verbrennungs-Controllers unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern, die das erzeugte Verbrennungsmodell und den erzeugten Verbrennungs-Controller umfassen, zu berechnen und ein Regelsignal gemäß dem berechneten Sollwert auszugeben.
-
Die Managementschicht kann ein Verbrennungsmanagement, das konfiguriert ist, die Echtzeitdaten zu sammeln und durch das Analysieren der gesammelten Echtzeitdaten zu bestimmen, ob die Verbrennungsoptimierung auszuführen ist, und ein Selbstabstimmungsmanagement, das konfiguriert ist, basierend auf dem Analyseergebnis zu bestimmen, ob das Verbrennungsmodell und der Verbrennungs-Controller abzustimmen sind, enthalten.
-
Die Datenschicht kann einen Datenvorprozessor, der konfiguriert ist, eine Vorverarbeitung für die Daten, die die Echtzeitdaten und die Vergangenheitsdaten enthalten, auszuführen, und einen Datenanalysator, der konfiguriert ist, durch das Analysieren der vorverarbeiteten Daten die Lerndaten, die zum Entwerfen des Verbrennungsmodells und des Verbrennungs-Controllers erforderlich sind, abzuleiten, enthalten.
-
Der Datenvorprozessor kann wenigstens eine von einer Signalwiederherstellung, die fehlende Daten wiederherstellt, einer Filterung, die die Daten, die eine vorgegebene Bedingung erfüllen, basierend auf einem Basiswissen oder den Daten filtert, und einer Ausreißerverarbeitung, die die Daten löscht, die einen oberen Grenzwert übersteigen oder einen unteren Grenzwert unterschreiten, ausführen.
-
Die Modellschicht kann einen Verbrennungsmodell-Entwurfsalgorithmus, der konfiguriert ist, das Verbrennungsmodell basierend auf den Lerndaten zu erzeugen, und einen Verbrennungs-Controller-Entwurfsalgorithmus, der konfiguriert ist, den Verbrennungs-Controller basierend auf den Lerndaten zu erzeugen, enthalten.
-
Die Optimalschicht kann eine Auswahleinrichtung für das optimale Modell/den optimalen Controller, die konfiguriert ist, durch das Analysieren der Echtzeitdaten das Verbrennungsmodell und den Verbrennungs-Controller, die gemäß einer vorgegebenen Regel am besten übereinstimmen, unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern auszuwählen, und einen Verbrennungsoptimierungsalgorithmus, der konfiguriert ist, einen Regelsollwert durch das ausgewählte Verbrennungsmodell und den ausgewählten Verbrennungs-Controller abzuleiten, enthalten.
-
Die Auswahleinrichtung für das optimale Modell/den optimalen Controller kann das Verbrennungsmodell mit dem kleinsten Unterschied zwischen den aktuell gemessenen Echtzeitdaten für die Kesselverbrennung und den Schätzdaten, die durch das Verbrennungsmodell geschätzt werden, unter den mehreren Verbrennungsmodellen auswählen.
-
Gemäß einem Aspekt einer weiteren beispielhaften Ausführungsform wird eine Vorrichtung zur Verbrennungsoptimierung eines Kessels bereitgestellt, die enthält: eine Datenschicht, die konfiguriert ist, die Lerndaten, die für das Entwerfen eines Verbrennungsmodells und eines Verbrennungs-Controllers erforderlich sind, aus den aktuell gemessenen Echtzeitdaten für die Kesselverbrennung und den vorher gemessenen Vergangenheitsdaten für die Kesselverbrennung abzuleiten, eine Modellschicht, die konfiguriert ist, das Verbrennungsmodell und den Verbrennungs-Controller durch die Lerndaten zu erzeugen, und eine Optimalschicht, die konfiguriert ist, irgendein Verbrennungsmodell durch das Analysieren der Echtzeitdaten aus mehreren Modellen auszuwählen, einen Sollwert für die Verbrennungsoptimierung unter Verwendung des ausgewählten Verbrennungs-Controllers nach dem Auswählen irgendeines Verbrennungs-Controllers unter den mehreren Verbrennungs-Controllern basierend auf dem ausgewählten Verbrennungsmodell zu berechnen, und ein Regelsignal gemäß dem berechneten Sollwert auszugeben.
-
Die Datenschicht kann einen Datenvorprozessor, der konfiguriert ist, Daten, die die Echtzeitdaten und die Vergangenheitsdaten enthalten, vorzuverarbeiten, und einen Datenanalysator, der konfiguriert ist, die Lerndaten, die für das Entwerfen des Verbrennungsmodells und des Verbrennungs-Controllers erforderlich sind, durch das Analysieren der vorverarbeiteten Daten abzuleiten, enthalten.
-
Der Datenvorprozessor kann wenigstens eine einer Signalwiederherstellung, die fehlende Daten wiederherstellt, einer Filterung, die die Daten, die eine vorgegebene Bedingung erfüllen, basierend auf einem Basiswissen oder den Daten filtert, und einer Ausreißerverarbeitung, die die Daten löscht, die einen oberen Grenzwert übersteigen oder einen unteren Grenzwert unterschreiten, ausführen.
-
Die Modellschicht kann einen Verbrennungsmodell-Entwurfsalgorithmus, der konfiguriert ist, das Verbrennungsmodell basierend auf den Lerndaten zu erzeugen, und einem Verbrennungs-Controller-Entwurfsalgorithmus, der konfiguriert ist, den Verbrennungs-Controller basierend auf den Lerndaten zu erzeugen, enthalten.
-
Die Optimalschicht kann eine Auswahleinrichtung für das optimale Modell/den optimalen Controller, die konfiguriert ist, das Verbrennungsmodell und den Verbrennungs-Controller, die gemäß einer vorgegebenen Regel am besten übereinstimmen, durch das Analysieren der Echtzeitdaten unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern auszuwählen, und einen Verbrennungsoptimierungsalgorithmus, der konfiguriert ist, einen Regelsollwert durch das ausgewählte Verbrennungsmodell und den ausgewählten Verbrennungs-Controller abzuleiten, enthalten.
-
Die Auswahleinrichtung für das optimale Modell/den optimalen Controller kann das Verbrennungsmodell mit dem kleinsten Unterschied zwischen den aktuell gemessenen Echtzeitdaten für die Kesselverbrennung und den Schätzdaten, die durch das Verbrennungsmodell geschätzt werden, unter den mehreren Verbrennungsmodellen auswählen.
-
Gemäß einem Aspekt noch einer weiteren beispielhaften Ausführungsform wird ein Verfahren zum Optimieren der Verbrennung bereitgestellt, das enthält: Sammeln der aktuell gemessenen Echtzeitdaten für die Kesselverbrennung und Bestimmen durch das Analysieren der gesammelten Echtzeitdaten, ob ein Verbrennungsmodell und ein Verbrennungs-Controller abzustimmen sind, durch eine Managementschicht, Ableiten von Lerndaten aus den Echtzeitdaten und vorher gemessenen Vergangenheitsdaten für die Kesselverbrennung in Reaktion auf das Bestimmen, dass die Managementschicht bestimmt, um abzustimmen, durch eine Datenschicht, Erzeugen des Verbrennungsmodells und des Verbrennungs-Controllers unter Verwendung der Lerndaten durch eine Modellschicht, Berechnen eines Sollwerts für die Verbrennungsoptimierung durch das ausgewählte Verbrennungsmodell und den ausgewählten Verbrennungs-Controller unter mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern, die das erzeugte Verbrennungsmodell und den erzeugten Verbrennungs-Controller enthalten, durch eine Optimalschicht und Ausgeben eines Regelsignals gemäß dem berechneten Sollwert durch die Optimalschicht.
-
Das Ableiten der Lerndaten kann das Vorverarbeiten der Daten, die die Echtzeitdaten und die vorher gemessenen Vergangenheitsdaten enthalten, durch einen Datenvorprozessor der Datenschicht und das Ableiten der Lerndaten, die für das Entwerfen des Verbrennungsmodells und des Verbrennungs-Controllers erforderlich sind, durch das Analysieren der vorverarbeiteten Daten durch einen Datenanalysator der Datenschicht enthalten.
-
Das Vorverarbeiten kann das Ausführen wenigstens einer von einer Signalwiederherstellung, die fehlende Daten wiederherstellt, einer Filterung, die die Daten filtert, die eine vorgegebene Bedingung erfüllen, basierend auf einem Basiswissen oder den Daten und einer Ausreißerverarbeitung, die die Daten löscht, die einen oberen Grenzwert übersteigen oder einen unteren Grenzwert unterschreiten, durch den Datenvorprozessor enthalten.
-
Das Erzeugen des Verbrennungsmodells und des Verbrennungs-Controllers kann das Erzeugen des Verbrennungsmodells basierend auf den Lerndaten durch einen Verbrennungsmodell-Entwurfsalgorithmus der Modellschicht und das Erzeugen des Verbrennungs-Controllers basierend auf den Lerndaten durch einen Verbrennungs-Controller-Entwurfsalgorithmus der Modellschicht enthalten.
-
Das Berechnen des Sollwerts für die Verbrennungsoptimierung kann das Auswählen des Verbrennungsmodells durch das Analysieren der Echtzeitdaten durch eine Auswahleinrichtung für das optimale Modell/den optimalen Controller der Optimalschicht, das Auswählen des Verbrennungs-Controllers basierend auf dem ausgewählten Verbrennungsmodell durch die Auswahleinrichtung für das optimale Modell/den optimalen Controller und das Ableiten eines Regelsollwerts durch das ausgewählte Verbrennungsmodell und den ausgewählten Verbrennungs-Controller durch einen Verbrennungsoptimierungsalgorithmus der Optimalschicht enthalten.
-
Das Auswählen des Verbrennungsmodells kann das Auswählen des Verbrennungsmodells mit dem kleinsten Unterschied zwischen den aktuell gemessenen Echtzeitdaten für die Kesselverbrennung und den Schätzdaten, die durch das Verbrennungsmodell geschätzt werden, unter den mehreren Verbrennungsmodellen durch die Auswahleinrichtung für das optimale Modell/den optimalen Controller enthalten.
-
Das Verfahren zum Optimieren der Verbrennung kann ferner nach dem Bestimmen, ob abzustimmen ist, in Reaktion auf das Bestimmen, dass die Managementschicht bestimmt, nicht abzustimmen, das Berechnen des Sollwerts für die Verbrennungsoptimierung durch das Verbrennungsmodell und den Verbrennungs-Controller, die aus den vorher gespeicherten mehreren Verbrennungsmodellen und mehreren Verbrennungs-Controllern ausgewählt sind, durch die Optimalschicht und das Ausgeben des Regelsignals gemäß dem berechneten Sollwert durch die Optimalschicht enthalten.
-
Wie oben beschrieben worden ist, ist es gemäß einer oder mehreren beispielhaften Ausführungsformen möglich, das Abgas sogar zu verringern, während der Verbrennungswirkungsgrad durch die Verbrennungsoptimierung maximal aufrechterhalten wird.
-
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 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 hier offenbarten Schutzumfangs enthalten 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. Die Managementschicht 100 kann 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. Hier besteht der Zustandsbinärwert 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 Verbrennungsluftzuführmenge 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 jedoch 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. Die Filterung bedeutet das Filtern der für die Bedingung geeigneten Daten basierend auf einem Basiswissen oder den Daten. Die Ausreißerverarbeitung bedeutet 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 dem 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 wird verwendet, um 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 auszuwählen.
-
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 oben beschriebenen 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. Danach wird ein optimaler Regelsollwert oder ein ihm zugeordneter Hilfswert unter Verwendung der Sollwerte und des manuellen Bias im aktuellen DCS berechnet.
-
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 eines 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 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 S 130).
-
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 der Signalwiederherstellung zum Wiederherstellen fehlender Daten, der Filterung zum Filtern der Daten, die eine vorgegebene Bedingung erfüllen, basierend auf einem Basiswissen oder den Daten, und der Ausreißerverarbeitung zum Löschen der Daten, die einen oberen Grenzwert übersteigen oder einen 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.
-
Als Nächstes leitet der Verbrennungs-Controller-Entwurfsalgorithmus 320 der Modellschicht 300 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.
-
Als Nächstes wählt die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller der Optimalschicht 400 das optimale Verbrennungsmodell und den optimalen Verbrennungs-Controller basierend auf dem Analyseergebnis der aktuell gemessenen Echtzeitdaten unter den mehreren vorher erzeugten Verbrennungsmodellen und Verbrennungs-Controllern aus (Operation S170).
-
Die Auswahleinrichtung 410 für das optimale Modell/den optimalen Controller wählt 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 (Operation S 180). Zu diesem Zeitpunkt kann der Verbrennungsoptimierungsalgorithmus 420 den Regelsollwert und den ihm zugeordneten Hilfswert berechnen.
-
3 ist eine graphische Darstellung, die eine Computervorrichtung gemäß einer beispielhaften Ausführungsform zeigt. Die Computervorrichtung TN100 nach 3 kann eine in der vorliegenden Offenbarung beschriebene Vorrichtung (z. B. eine Verbrennungsoptimierungsvorrichtung usw.) sein.
-
In 3 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.
-
Während bezüglich der beigefügten Zeichnungen eine oder mehrere beispielhafte Ausführungsformen beschrieben worden sind, ist es für die Fachleute auf dem Gebiet selbstverständlich, dass verschiedene Modifikationen und Änderungen der Form und der Einzelheiten darin vorgenommen werden können, ohne vom Schutzumfang abzuweichen, wie er durch die beigefügten Ansprüche definiert ist. Entsprechend sollte die Beschreibung der beispielhaften Ausführungsformen nur in einem beschreibenden Sinn und nicht, um den Schutzumfang der Ansprüche einzuschränken, ausgelegt werden, wobei viele Alternativen, Modifikationen und Variationen für die Fachleute auf dem Gebiet offensichtlich sind.
