DE19904974A1 - Verfahren zum Betreiben eines Dampferzeugers unter Einsatz eines Freilastrechners - Google Patents
Verfahren zum Betreiben eines Dampferzeugers unter Einsatz eines FreilastrechnersInfo
- Publication number
- DE19904974A1 DE19904974A1 DE1999104974 DE19904974A DE19904974A1 DE 19904974 A1 DE19904974 A1 DE 19904974A1 DE 1999104974 DE1999104974 DE 1999104974 DE 19904974 A DE19904974 A DE 19904974A DE 19904974 A1 DE19904974 A1 DE 19904974A1
- Authority
- DE
- Germany
- Prior art keywords
- steam generator
- dynamic model
- steam
- operating
- regulating
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/18—Applications of computers to steam boiler control
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Feedback Control In General (AREA)
Abstract
Die Erfindung bezieht sich auf ein Verfahren zum Betreiben eines Dampferzeugers einer Kraftwerksanlage unter Einsatz eines Freilastrechners, der ein dynamisches Modell des Dampferzeugers zur vorausschauenden Einstellung optimaler Führungsgrößen für die Steuerung des Dampferzeugerprozesses enthält. Dabei wird das dynamische Modell des lernfähigen Systems mittels neuronaler Netze (3 bis 3n) realisiert. Mittels dieses Modells werden nach einer Lernphase unter Berücksichtigung aktueller Prozeßdaten (2 bis 2n) Prognosedaten (4 bis 4n) für einen künftigen Zeitpunkt ermittelt und zu erwartende Materialspannungen (sigma(t¶0+1¶)) berechnet. Mittels eines übergeordneten Optimierungsverfahrens wird der Lastgradient im dynamischen Modell schrittweise erhöht, bis die prognostizierten Materialspannungen (sigma(t¶0+1¶)) an der Grenze der zulässigen Materialspannung (sigma¶critical¶) wenigstens einer Dampferzeugerkomponente (1 bis 1n) liegen. Der so ermittelte optimale Lastgradient (dP¶Heat¶/dt¶max¶) wird für weitere Verfahrensschritte ausgegeben.
Description
Die Erfindung bezieht sich auf ein Verfahren zum Betreiben eines Dampferzeugers
einer Kraftwerksanlage unter Einsatz eines Freilastrechners, der ein dynamisches
Modell des Dampferzeugers zur vorausschauenden Einstellung optimaler Führungs
größen für die Steuerung des Dampferzeugerprozesses enthält.
Solche Verfahren werden insbesondere zum Verkürzen von Anfahrvorgängen von
Dampferzeugern eingesetzt, wobei Führungsgrößen zur Steuerung des Prozesses
vorausschauend und dynamisch so eingestellt werden, daß in der Nähe der zulässi
gen material- und prozeßbedingten Lastgrenzen von kritischen dickwandigen Bau
teilen gearbeitet wird.
Bekannt sind sogenannte Modellverfahren, bei denen mit einem parallel zum Prozeß
betriebenen mathematischen Modell des Prozesses zur Ermittlung und Korrektur von
Führungsgrößen gearbeitet wird. Solche Verfahren können sowohl linear als auch
nichtlinear sein und eine prädiktive Ermittlung und Vorgabe der Führungsgrößen er
möglichen. Solche Verfahren sind insbesondere beschrieben in G. Kallina, "Voraus
schauender Freilastrechner für das optimale Anfahren von Dampferzeugern", VGB
Kraftwerkstechnik 75 (1995), Heft 7, Seiten 578 bis 582. Auch in DE 31 33 222 C2 ist
ein solches Modellverfahren beschrieben. Ein weiteres Verfahren mit Vorausberech
nung des gesamten Spannungszustandes ist in DE 34 01 948 A1 beschrieben.
Auf mathematischen Verfahren beruhende Vorgehensweisen bedingen einen gro
ßen Inbetriebnahmeaufwand. Eine Feinabstimmung der Parameter kann erst vor Ort
vorgenommen werden; das gleiche gilt auch für zusätzliche Parameter, die für die
jeweilige Anlage relevant sind, und für die jeweilige dynamische Verkopplung.
Auf mathematischen Modellen beruhende Anfahrsteuerungen können ferner auf
grund der vorgegebenen Parametrisierung nicht auf beispielsweise durch Verschleiß
bedingte langsame Veränderungen der Anlageneigenschaften reagieren. Dies führt
zu einer Zunahme des Schätzfehlers. Eine optimale Fahrweise mit minimalen Feh
lern kann nur erreicht werden, wenn in regelmäßigen Zeitabständen im Offline-
Betrieb ein Tuning der Anlagenparameter vorgenommen wird.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zum Betreiben eines
Dampferzeugers unter Einsatz eines Freilastrechners anzugeben, das eine verein
fachte Inbetriebnahme und eine Online-Adaption ermöglicht.
Diese Aufgabe wird durch ein Verfahren zum Betreiben eines Dampferzeugers einer
Kraftwerksanlage unter Einsatz eines Freilastrechners mit den im Anspruch 1 ange
gebenen Merkmalen gelöst.
Das Verfahren arbeitet unter Verwendung Neuronaler Netze, beispielsweise
dreischichtige RBF-Netzwerken mit n Neuronen, die an Hand bereits vorhandener
Prozeßdaten trainiert werden. Insbesondere wird in der Trainingsphase der Zu
sammenhang zwischen Lastgradient und Materialspannung für ausgewählte Pro
zeßzustände gelernt. Die dafür notwendigen Trainingsdaten werden automatisch
den vorhandenen Prozeßhistorien entnommen. Ein wesentlicher Vorteil eines Neu
romodells liegt in der Fähigkeit, bei Veränderungen in Anlageneigenschaften sich
automatisch an diese anzupassen. Durch eine periodische Abstimmung des Modells
mit dem Anlagenzustand, wobei ein erneutes Trainieren mit aktuellen Datensätzen
erfolgt, ist eine präzise Prädiktion gewährleistet, die sowohl für die Regelung als
auch für die Ofiline-Auswertung verwendet werden kann. Durch hohe Adaptionsfä
higkeit kann sich das Modell an Störungen und langsame Veränderungen innerhalb
der Anlage anpassen. Durch den Einsatz Neuronaler Netze für das Prozeßmodell
läßt sich der Engineering- und Inbetriebeaufwand erheblich reduzieren, da das Netz
selbständig in der Lage ist, das Modell zu bilden. Die notwendige Parametrierung
des Neuromodells, wie Anzahl Neuronen und Anzahl Schichten, wird durch entspre
chende Lernverfahren, wie z. B. neuron pruning, automatisch festgelegt. Lediglich die
Auswahl und Zusammenstellung der relevanten Datensätze bleiben als Engi
neeringaufwand übrig.
Zur Ermittlung eines maximal zulässigen Lastgradienten ist ein übergeordnetes Op
timierungsverfahren vorgesehen, das im Modell den Lastgradienten solange erhöht,
bis die prognostizierten Materialspannungen an der Grenze der zulässigen Material
spannungen der Komponenten liegen. Da das Verfahren echtzeitfähig ist, kann es
im laufenden Betrieb einer Anlage, insbesondere zur Anfahroptimierung eingesetzt
werden.
Eine weitere Beschreibung der Erfindung erfolgt nachstehend anhand eines in der
Zeichnung dargestellten Ausführungsbeispiels.
Fig. 1 zeigt Neuronale Netze 3 bis 3n zur Nachbildung einzelner Dampferzeuger
komponenten 1 bis 1n. Solchen Komponenten 1 bis 1n zugeordnete und erfaßte
Prozeßdaten, wie Dampftemperatur Tmedium, Stellgrößen x, y, Dampfdruck pmedium,
Dampfmassenstrom medium und Wärmeleistung PHeat sind zu Trainingssätzen 2 bis
2n zusammengefaßt und jeweils den Netzen 3 bis 3n zugeführt.
In einer Lernphase werden den Netzen 3 bis 3n aus vorausgegangenen Meßwert
erfassungen bekannte Daten zugeführt. Im Anschluß an die Lernphase sind die Net
ze 3 bis 3n in der Lage, nach Eingabe von Datensätzen 2 bis 2n, die zu einem aktu
ellen Zeitpunkt t0 erfaßt wurden, sowie eines aktuellen Lastgradienten (load gradient)
dPHeat/dt zum Zeitpunkt t0 jeweils entsprechende Vorhersagedatensätze 4 bis 4n für
einen Zeitpunkt t0+1, t0+2, . . . t0+n auszugeben. Die Abstände t0 und t0+1 entsprechen da
bei sinnvollen Abtastintervallen des Prozesses.
Auf der Basis der Vorhersagedatensätze 4 bis 4n und gespeicherter Materialpara
meter (materials parameters) 6 bis 6n werden in Berechnungseinheiten 5 bis 5n
Materialspannungen σ(t0+1) errechnet, die in den jeweiligen Komponenten 1 bis 1n
erwartet werden. Durch Vergleich an Vergleichsstellen 7 bis 7n mit zugehörigen kriti
schen Wärmespannungen σcritical werden je Komponente 1 bis in Abstandswerte
Δσ ermittelt. Mittels eines Auswahlgliedes 8 wird der kleinste Abstandswert Δσ er
mittelt und ausgegeben.
Mit Hilfe einer Entscheidungsstelle 9, in der geprüft wird, ob der Abstandswert Δσ
positiv ist, und mit Hilfe einer Optimierungsstufe 10 wird der Lastgradient dPHeat/dt so
lange schrittweise erhöht, bis die vom Modell prognostizierten Materialspannungen
an der Grenze der zulässigen Materialspannung wenigstens einer der Komponenten
liegen. Der so optimierte Lastgradient wird als maximal erlaubter Lastgradient
dPHeat/dtmax ausgegeben und somit einem Gesamtsystem zur Prozeßsteuerung zur
Verfügung gestellt.
Claims (1)
1. Verfahren zum Betreiben eines Dampferzeugers einer Kraftwerksanlage
unter Einsatz eines Freilastrechners, der ein dynamisches Modell des Dampferzeu
gers zur vorausschauenden Einstellung optimaler Führungsgrößen für die Steuerung
des Dampferzeugerprozesses enthält, dadurch gekennzeichnet, daß
- a) das dynamische Modell mittels mehrerer Neuronaler Netze (3 bis 3n) reali siert wird, die jeweils einzelne Dampferzeugerkomponenten (1 bis 1n) nach bilden und anhand bereits ermittelter Prozeßdaten trainiert werden, wofür bekannte und relevante Prozeßdaten (2 bis 2n, wie Dampftemperaturen, Stellgrößen, Dampfdrücke, Dampfmassenströme, und Wärmeleistungen) markanter Prozeßzustände zu Trainingssätzen zusammengefaßt und dem jeweiligen Neuronalen Netz (3 bis 3n) in einer Lernphase zugeführt werden,
- b) auf der Basis des so erlernten dynamischen Modells und unter Berücksichti gung der Prozeßdaten einer aktuellen Prozeßsituation (im Zeitpunkt t0) sowie des vorausgegangenen Prozeßverlaufs und des aktuellen Lastgradienten (dPHeat/dt) entsprechende Prognosedaten (4 bis 4n) je Komponente (1 bis 1n) für einen definierten nächsten Zeitpunkt (z. B. t0+1) ermittelt werden,
- c) auf der Basis der Prognosewerte (4 bis 4n) sowie gespeicherter Materialpa rameter (6 bis 6n) eine Berechnung zu erwartender Materialspannungen (σ(t0+1)) durchgeführt wird,
- d) mittels eines übergeordneten Optimierungsverfahrens im dynamischen Mo dell der Lastgradient so lange schrittweise erhöht wird, bis die prognostizier ten Materialspannungen (σ(t0+1) an der Grenze der zulässigen Material spannungen (σcritical) wenigstens einer Dampferzeugerkomponente (1 bis 1n) liegen und
- e) der so ermittelte optimale, maximal erlaubte Lastgradient (dPHeat/dtmax) für weitere Verfahrensschritte ausgegeben und/oder für eine Anfahroptimierung verwendet wird.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1999104974 DE19904974A1 (de) | 1999-02-06 | 1999-02-06 | Verfahren zum Betreiben eines Dampferzeugers unter Einsatz eines Freilastrechners |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1999104974 DE19904974A1 (de) | 1999-02-06 | 1999-02-06 | Verfahren zum Betreiben eines Dampferzeugers unter Einsatz eines Freilastrechners |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19904974A1 true DE19904974A1 (de) | 2000-08-10 |
Family
ID=7896725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE1999104974 Withdrawn DE19904974A1 (de) | 1999-02-06 | 1999-02-06 | Verfahren zum Betreiben eines Dampferzeugers unter Einsatz eines Freilastrechners |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19904974A1 (de) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10129141A1 (de) * | 2001-06-16 | 2002-12-19 | Abb Research Ltd | Steuer- und Regelverfahren un Regeleinrichtung zum An- oder Abfahren einer verfahrenstechnischen Komponente eines technischen Prozesses |
EP1647677A1 (de) * | 2004-10-12 | 2006-04-19 | Siemens Aktiengesellschaft | Verfahren zur Simulation des Betriebsverhaltens einer Dampfturbinenanlage |
EP1647676A1 (de) * | 2004-10-12 | 2006-04-19 | Siemens Aktiengesellschaft | Verfahren zur Simulation des Betriebsverhaltens einer Dampfturbinenanlage |
WO2009050230A2 (de) * | 2007-10-16 | 2009-04-23 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines kraftwerks |
WO2014040839A1 (de) * | 2012-09-17 | 2014-03-20 | Siemens Aktiengesellschaft | Verfahren zur rechnergestützten steuerung und/oder regelung eines technischen systems |
EP2996001A1 (de) * | 2014-09-10 | 2016-03-16 | Siemens Aktiengesellschaft | Verfahren zur rechnergestützten Analyse eines Datensatzes aus Beobachtungen |
DE102015213705A1 (de) * | 2015-07-21 | 2017-01-26 | Siemens Aktiengesellschaft | Verfahren und Assistenzsystem zum Steuern eines technischen Systems |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3401948A1 (de) * | 1983-01-21 | 1984-07-12 | Evt Energie- Und Verfahrenstechnik Gmbh, 7000 Stuttgart | Verfahren zum betrieb von dampferzeugern |
DE3133222C2 (de) * | 1981-08-21 | 1988-01-14 | Siemens Ag, 1000 Berlin Und 8000 Muenchen, De | |
DE19509412A1 (de) * | 1995-03-15 | 1996-10-02 | Siemens Ag | Verfahren und Vorrichtung zur Feuerungsregelung einer Dampferzeugeranlage |
DE19510343C2 (de) * | 1995-03-22 | 1997-05-28 | Vew En Ag | Verfahren zur sequentiellen Vorsteuerung eines Prozesses |
DE19547487A1 (de) * | 1995-12-19 | 1997-06-26 | Abb Patent Gmbh | Verfahren und Einrichtung zur Steuerung und Regelung der Leistung eines Dampfkraftwerkblocks |
-
1999
- 1999-02-06 DE DE1999104974 patent/DE19904974A1/de not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3133222C2 (de) * | 1981-08-21 | 1988-01-14 | Siemens Ag, 1000 Berlin Und 8000 Muenchen, De | |
DE3401948A1 (de) * | 1983-01-21 | 1984-07-12 | Evt Energie- Und Verfahrenstechnik Gmbh, 7000 Stuttgart | Verfahren zum betrieb von dampferzeugern |
DE19509412A1 (de) * | 1995-03-15 | 1996-10-02 | Siemens Ag | Verfahren und Vorrichtung zur Feuerungsregelung einer Dampferzeugeranlage |
DE19510343C2 (de) * | 1995-03-22 | 1997-05-28 | Vew En Ag | Verfahren zur sequentiellen Vorsteuerung eines Prozesses |
DE19547487A1 (de) * | 1995-12-19 | 1997-06-26 | Abb Patent Gmbh | Verfahren und Einrichtung zur Steuerung und Regelung der Leistung eines Dampfkraftwerkblocks |
Non-Patent Citations (1)
Title |
---|
KALLINA,G.: Vorausschauender Freilastrechner für das optimale Anfahren von Dampferzeugern. In: VGB Kraftwerkstechnik 75, 1995, H.7, S.578- S.582 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10129141A1 (de) * | 2001-06-16 | 2002-12-19 | Abb Research Ltd | Steuer- und Regelverfahren un Regeleinrichtung zum An- oder Abfahren einer verfahrenstechnischen Komponente eines technischen Prozesses |
EP1647677A1 (de) * | 2004-10-12 | 2006-04-19 | Siemens Aktiengesellschaft | Verfahren zur Simulation des Betriebsverhaltens einer Dampfturbinenanlage |
EP1647676A1 (de) * | 2004-10-12 | 2006-04-19 | Siemens Aktiengesellschaft | Verfahren zur Simulation des Betriebsverhaltens einer Dampfturbinenanlage |
WO2009050230A2 (de) * | 2007-10-16 | 2009-04-23 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines kraftwerks |
WO2009050230A3 (de) * | 2007-10-16 | 2013-05-02 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines kraftwerks |
WO2014040839A1 (de) * | 2012-09-17 | 2014-03-20 | Siemens Aktiengesellschaft | Verfahren zur rechnergestützten steuerung und/oder regelung eines technischen systems |
US9952566B2 (en) | 2012-09-17 | 2018-04-24 | Siemens Aktiengesellschaft | Method for controlling and/or regulating a technical system in a computer-assisted manner |
EP2996001A1 (de) * | 2014-09-10 | 2016-03-16 | Siemens Aktiengesellschaft | Verfahren zur rechnergestützten Analyse eines Datensatzes aus Beobachtungen |
US10521716B2 (en) | 2014-09-10 | 2019-12-31 | Siemens Aktiengesellschaft | Computer-assisted analysis of a data record from observations |
DE102015213705A1 (de) * | 2015-07-21 | 2017-01-26 | Siemens Aktiengesellschaft | Verfahren und Assistenzsystem zum Steuern eines technischen Systems |
US10857997B2 (en) | 2015-07-21 | 2020-12-08 | Siemens Aktiengesellschaft | Method and assistance system for controlling a technical system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102007001024B4 (de) | Verfahren zur rechnergestützten Regelung und/oder Steuerung eines technischen Systems insbesondere einer Gasturbine | |
EP2135140B1 (de) | Verfahren zur rechnergestützten steuerung und/oder regelung eines technischen systems | |
EP2519861B1 (de) | Verfahren zur rechnergestützten steuerung und/oder regelung eines technischen systems | |
EP1267229B1 (de) | Steuer- und Regelverfahren und Regeleinrichtung zum An- oder Abfahren einer verfahrenstechnischen Komponente eines technischen Prozesses | |
EP3662418B1 (de) | Verfahren und vorrichtung für maschinelles lernen in einer recheneinheit | |
EP3132317B1 (de) | Verfahren zur rechnergestützten anlagensteuerungsoptimierung mittels einem simulationsmodul | |
EP2376783B1 (de) | Simulationsgestütztes verfahren zur steuerung bzw. regelung von druckluftstationen | |
DE102014205627B3 (de) | Zustandsbeobachter für einen Dampferzeuger eines Dampfkraftwerks | |
DE3133222C2 (de) | ||
EP1543394A1 (de) | Vorrichtung und verfahren zur überwachung einer mehrere systeme umfassenden technischen anlage, insbesondere einer kraftwerksanlage | |
WO2012076306A1 (de) | Verfahren zur rechnergestützten modellierung eines technischen systems | |
DE102019214548A1 (de) | Steuervorrichtung und steuerverfahren | |
DE19904974A1 (de) | Verfahren zum Betreiben eines Dampferzeugers unter Einsatz eines Freilastrechners | |
EP2067080B1 (de) | Verfahren zum betreiben einer grosstechnischen anlage sowie leitsystem für eine grosstechnische anlage | |
EP3376026A1 (de) | Verfahren zur regelung der wirkleistungsabgabe eines windparks sowie ein entsprechender windpark | |
EP3719737A1 (de) | Computergestütztes energiemanagementverfahren und energiemanagementsystem | |
DE3418501C2 (de) | ||
WO2018091592A1 (de) | Einrichtung und verfahren zur bestimmung der parameter einer regeleinrichtung | |
DE102011076969B4 (de) | Verfahren zum rechnergestützten Lernen einer Regelung und/oder Steuerung eines technischen Systems | |
DE19841165A1 (de) | Verfahren zur Bestimmung eines Prozeßdatenvalidierungsmodells | |
DE19729632C1 (de) | Verfahren zur Einstellung mehrerer Regler zur Regelung eines aus gekoppelten Regelstrecken bestehenden Regelstreckensystems | |
WO2002084420A1 (de) | Verfahren und vorrichtung zur prozessgesteuerten modellierung einer verfahrenstechnischen anlage | |
EP3528063A1 (de) | Verfahren zur rechnergestützten erstellung eines prognosemodells zur prognose von einer oder mehreren zielgrössen | |
DE102022203504A1 (de) | Verfahren zur Überwachung eines Brennstoffzellensystems und ein Brennstoffzellensystem | |
EP4375768A1 (de) | Verfahren und maschinensteuerung zum steuern einer maschine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
8127 | New person/name/address of the applicant |
Owner name: ABB PATENT GMBH, 68526 LADENBURG, DE |
|
8139 | Disposal/non-payment of the annual fee |