EP2394031A2 - Verfahren zur anlagensteuerung in einer kraftwerksanlage - Google Patents

Verfahren zur anlagensteuerung in einer kraftwerksanlage

Info

Publication number
EP2394031A2
EP2394031A2 EP09779575A EP09779575A EP2394031A2 EP 2394031 A2 EP2394031 A2 EP 2394031A2 EP 09779575 A EP09779575 A EP 09779575A EP 09779575 A EP09779575 A EP 09779575A EP 2394031 A2 EP2394031 A2 EP 2394031A2
Authority
EP
European Patent Office
Prior art keywords
power plant
control
values
control device
control values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
EP09779575A
Other languages
English (en)
French (fr)
Other versions
EP2394031B1 (de
Inventor
Andreas Christidis
Klaus Wendelberger
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.)
Siemens AG
Original Assignee
Siemens AG
Siemens Corp
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 Siemens AG, Siemens Corp filed Critical Siemens AG
Publication of EP2394031A2 publication Critical patent/EP2394031A2/de
Application granted granted Critical
Publication of EP2394031B1 publication Critical patent/EP2394031B1/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K13/00—General layout or general methods of operation of complete plants
    • F01K13/02—Controlling, e.g. stopping or starting

Definitions

  • the invention relates to a method for system control in a power plant, in which for a plurality of sets of control values each of a set of environmental values on the one hand and the respective set of control values, on the other hand, a functional value of a target function based on a physical model is assigned to the respective sets, wherein the set of control values for forwarding to a control device of the power plant is selected, the associated function value meets a predetermined optimization criterion.
  • non-electrical energy for example in the form of fossil fuels is converted into electrical energy and made available to a power grid.
  • process control can also be optimized by using state-of-the-art process control technology, taking current boundary conditions into account.
  • different optimization criteria such as an increase in the degree of efficiency or a reduction in pollutant emissions may be desired.
  • such a method comprises a target function, which generates a scalar or vector-valued function value from a set of process values based on a physical model of the corresponding power plant.
  • the process values include those that are determined by external influences (environmental values), such as ambient and cooling water temperatures, and that change during operation.
  • the environmental values represent current boundary conditions that you have no influence on but that have an influence on the process.
  • the process values also include the control values, such as, for example, the position of an actuator or valve or the amount of fuel supplied, which can be influenced by operating personnel or an automated control device during ongoing operation of the power plant, i. H. within certain limits freely selectable process or state variables.
  • Each set of control values in conjunction with the ambient values yields a value of the target function that can be used to evaluate the respective set and usually the set of control values for forwarding to a control device of the power plant is selected, the associated function value meets a predetermined optimization criterion. In the case of a scalar function value, this can be, for example, the greatest or smallest functional value.
  • gradient methods are usually used for finding a minimum or maximum of the target function.
  • various methods such as the steepest descent method, the (quasi) Newton method, the sequential quadratic programming or the simplex algorithm are known.
  • Common is the gradient method in that starting from a starting value, a local maximum or minimum of the target function is found.
  • the physical models of power plants that yield the objective function of optimization are mostly non-linear and generally non-convex.
  • the gradient method may under certain circumstances be a local maximum or minimum, ie. H. find a locally optimized operating state of the power plant, but this does not ensure that it also the globally optimal operating condition is found.
  • the invention is therefore an object of the invention to provide a method for plant control in a power plant and a control device for a power plant, which at the lowest possible tax expenditure improved operation of the power plant with respect to a given optimization criterion such. B. allow an improvement in the efficiency or a reduction of emissions.
  • the number of sets of control values additionally comprises a set determined by a gradient method from the start set and its assigned function value, and a set selected by means of a random generator.
  • the invention is based on the consideration that an improved operation of the power plant would be possible if an optimized set of control values could also be found globally in determining the control values of the power plant with regard to the given optimization criterion such as increasing the efficiency and / or reducing emissions.
  • This could be done, for example, with a Monte Carlo method, which randomly selects control values and compares their functional values and optionally in another Step in the range of the best manipulated variable set another number of randomly selected control values checked.
  • a Monte Carlo method which randomly selects control values and compares their functional values and optionally in another Step in the range of the best manipulated variable set another number of randomly selected control values checked.
  • such a method is comparatively time-consuming and computationally intensive and therefore comparatively complex in terms of computation.
  • the comparatively faster gradient method should basically be retained, but extended in the manner of a hybrid structure by a random-based system, so that the finding of a global optimum of control values is also made possible.
  • An online optimization in the plant control of a power plant system makes it possible to determine an optimum set of control values at each operating time, which ensures particularly efficient operation of the power plant.
  • the selected set of control values is advantageously transferred in the control device at the individual control values respectively associated control devices of the power plant.
  • the objective function advantageously comprises a penalty function.
  • a penalty function is designed to provide a value of zero, provided that the restrictions are not violated, and contains a monotonically increasing relationship between the error from the restriction violation and its function value.
  • the method provides a set of manipulated variables in which the restrictions are not violated.
  • the method is thereby able to start even from an illegal starting value, the gradient method and thus the optimization, which is not always the case with other methods for the integration of restrictions. This allows a further simplification of the method.
  • the gradient serves as an indicator for the direction in which the respective manipulated variables must be changed in order to arrive at an optimum manipulated variable set. It is questionable, however, how far the control values need to be changed, ie which step size should be used in the application of the gradient method. This can be done, for example, by performing a one-dimensional optimization along the search direction in each iteration and thus finding a seemingly optimal step size. that will. However, this results in the search direction being orthogonal to the previous one, since the partial derivative at the current location after the previous search direction was minimized to zero by the one-dimensional optimization in the previous iteration.
  • a step size is advantageously predetermined by the gradient method before the respective determination of the set.
  • a predefined step size allows the gradient method to be carried out quickly and should be kept constant until an iteration (with a minimization) delivers a greater function value than the previous one. Then the step size is reduced and the process proceeds from the best value. As a result, a particularly fast execution of the method and a particularly efficient online optimization of the power plant operation is possible.
  • control device for a power plant with a random generator module and a gradient module, which data output side are connected to a comparison module, wherein the control device is designed for carrying out said method.
  • control device is used in a power plant with a control device and such with the control device data input side connected control device used.
  • the advantages achieved with the invention consist in particular in the fact that the additional consideration of a set of control values selected by means of a random generator makes it possible to find a global solution by means of the random number generator with the speed of the random number generator Gradient method is connected.
  • the random number generator generates potential starting values for the gradient method, which are adopted if they are better in the sense of the physical model of the objective function than the local optimum previously found by the gradient method.
  • the process Due to the cyclical application of the process and the use of current ambient values, which can be taken directly from the process control system, the process is online-enabled. If the operating status of the system changes, this information flows into the physical process model online and the optimization algorithm quickly finds the new optimum.
  • the process in the process control technology of a power plant can initially serve as an aid to the operating personnel, but can also be switched directly to corresponding actuators for automatic forwarding for a rapid reaction of the power plant control technology. As a result, a particularly efficient operation of a power plant plant is made possible with low technical effort.
  • FIG shows a schematic representation of the method for plant control of a power plant.
  • the method illustrated in the FIGURE optimizes cyclically repeating the control values for the power plant to achieve a particularly efficient operation of the power plant.
  • the process is online-capable, ie it can be integrated directly into the process control system and determine the currently optimum control values during operation.
  • One possible area of application is, for example, the optimization of the interval between the sootblowing processes in the boiler of the power plant and its duration and the cleaning intervals of the filters in the flue gas cleaning, where a consideration is drawn between a short-term malfunction and a longer-term increase in efficiency.
  • Two further optimization problems from the power plant area are the determination of the optimum cooling water mass flow, provided that this is regulated, and the litigation in the case of incineration in compliance with emission limits and plant-related restrictions.
  • the FIG shows the structure of the method as a block diagram.
  • the gradient module 1 is given starting values 3 by a memory module 5, from which the closest optimum is found in a number of steps or iterations with the aid of numerical differentiation.
  • the basis for this optimization is the functional values determined for each set of control values and ambient values on the basis of an objective function 7 based on a physical model.
  • the gradient method makes it possible to find a local optimum of control values for the operation of the power plant. However, in particular when there is a change in the ambient values which can not be influenced by the operating personnel, there may possibly be another global optimum which can not be found by the gradient method.
  • a random-number generator module 13 is provided which generates randomly distributed random values within its respective definition range for each control value 15 in each cycle.
  • the randomly generated set of control values 15 is evaluated via the target function 7 and supplied together with the function value of the target function 7 as a first input sentence to the comparison module 17, which receives as a second input set the determined by the gradient method sentence from the comparison memory module 11.
  • the comparison module 17 compares the function values of the two input sets and, in each calculation cycle, switches the input set to the output which has the smaller (larger) function value if minimization (maximization) is provided.
  • the addition of a second or further random number generator modules 13 may also be considered.
  • the output of the comparison module 17 is connected to a comparison memory module 19 which stores in the time window in which the gradient method is running the smallest or largest function value with the associated control values from the comparison module 17. If the gradient method converges, the stored set is transferred to the storage module 5 and from there to the control device 21 of the power plant, the storage module 5 being connected upstream of the gradient module 1 and delivering its starting values 3.
  • the newly found optimum which is present in the comparison memory modules 9 connected downstream of the gradient module 1, is relayed to the memory module 11 before the comparison module 17, and in the next cycle the comparison memory modules 9, 19 are reset.
  • the random number generator of each individual variable is based on the linear congruence generator and is a pseudo random generator, since the same random number sequence is used at each start. ge is output. Like many random number generators, the linear congruence generator works with the modulo function, which outputs the remainder of a division.
  • the recursive prescription of random numbers e [ ⁇ , l] and those of the random variables% e IULx 1 , LLx 1 ] describe Equations 1 and 2.
  • Table 1 lists the parameters used for the four random number generators in the block described:
  • the comparison module 17 has analog input sets / (X) 15 X 1 , and / (x) 2 , x 2 (and optionally / (Jc) 35 X 3 )) and a set of analogue input sets.
  • the third input is normally hidden and not connected, which means that the value is zero. So that this does not lead to a malfunction of the comparison module 17, internally at all inputs, if the value zero is present, this is replaced by the smallest (maximization) or largest (minimization) representable value, so that the desired functionality of the filtration is maintained. This must be taken into account in particular if the optimum sought is zero, since this is consequently not taken into account.
  • the memory module 5, 11 has an analog input set / (x) and x, a binary input SET and an analog output set fix) and x. Setting SET to 1 switches the value set at the input to the output, stores it at 0 when SET is reset, and stops at the output until the SET input is set to 1 again.
  • the comparison memory module 9, 19 has an analog input
  • 0 min setting of the optimization mode, a binary input SET, a binary input RS (RESET) and a set of analog outputs fixed) and x.
  • the set of values fix) and x are stored and output at the output, which so far has the largest (maximization) or smallest (minimization) function value depending on the type of optimization.
  • SET is set to 1
  • the input set will be fixed and x at the output set fixed) and x are switched on and stored on reset of SET to 0, as with memory module 5.
  • This sentence remains stored until at the input a sentence with a larger or smaller fix) is present and initially stored by the "SET" command Sentence replaced The binary "RESET" -
  • the gradient module 1 has for each control value X 1 (here: 4) three analog inputs for defining the upper (U Lx 1 ) and lower (LLx 1 ) limit and the starting value x is . Furthermore, there is an analog input fix) and for each control value X 1 an analog input fix + C 1 Ax 1 ). Finally, the construction
  • VDx are shifted.
  • the search direction results.
  • the normalized search direction is achieved by dividing the search direction vector (gradient) by the amount of the largest partial derivative such that the normalized main search component has the magnitude one.
  • the initial step size is formed from the domain of definition (U Lx 1 - LLx 1 ) of the control values with the largest partial partial derivative by multiplying this value by minstep.
  • the new vector x ' +1 results from the previous, normalized search direction, which is stretched over the step width. This procedure is repeated until the value of the objective function does not change steadily, but oscillates.
  • Steps is reduced internally by one and the method continues with a reduced step size.
  • the convergence criterion is fulfilled if the step size has reached zero or the value is reached In this case, the binary output "conv” becomes true and the gradient method can be restarted by actuating the "RS" input and new start values.
  • the optimization problem can be scaled. In this way, consideration is primarily given to the requirement of a specific accuracy of the solution, based on the definition range of the manipulated variables 15. Thus, the size of the smallest increment can be entered in the main search via "min-step". direction shortly before convergence. This is
  • step of the definition range of the control values 15, which has the largest partial derivative in the immediate vicinity of the optimum. This can be used to set the required accuracy of the solution.
  • the "steps” parameter defines the initial step size, which, based on the definition range of the control values 15 with the currently largest partial derivative, is “steps 1 ' 5 " larger than the final step width.
  • Equation 3 The penalty function p (e) is described by Equation 3:
  • a method for system control in a power plant in the above-mentioned embodiment meets the requirements for integrated use in process control technology and makes it possible to quickly find a globally optimal set of control values 15. Thus, a particularly efficient operation of the power plant is made possible with high efficiency and / or very low pollutant emissions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

Ein Verfahren zur Anlagensteuerung in einer Kraftwerksanlage, bei dem für eine Mehrzahl von Sätzen von Stellwerten (15) jeweils aus einem Satz von Umgebungswerten einerseits und dem jeweiligen Satz von Stellwerten (15) andererseits ein den jeweiligen Sätzen zugeordneter Funktionswert einer auf einem physikalischen Modell basierenden Zielfunktion (7) erzeugt wird, wobei derjenige Satz von Stellwerten (15) zur Weiterleitung an eine Steuereinrichtung (21) der Kraftwerksanlage ausgewählt wird, dessen zugeordneter Funktionswert ein vorgegebenes Optimierungskriterium erfüllt, soll bei möglichst geringem steuertechnischem Aufwand einen verbesserten Betrieb der Kraftwerksanlage bezüglich eines gegebenen Optimierungskriteriums wie z. B. eine Verbesserung des Wirkungsgrads oder eine Reduktion der Emissionen ermöglichen. Dazu umfasst die Anzahl von Sätzen von Stellwerten (15) zusätzlich zu einem Startsatz und einem von dem Startsatz und dessen zugeordnetem Funktionswert ausgehend mittels eines Gradientenverfahrens ermittelten Satzes weiterhin einen mittels eines Zufallsgenerators ausgewählten Satz.

Description

Beschreibung
Verfahren zur Anlagensteuerung in einer Kraftwerksanlage
Die Erfindung betrifft ein Verfahren zur Anlagensteuerung in einer Kraftwerksanlage, bei dem für eine Mehrzahl von Sätzen von Stellwerten jeweils aus einem Satz von Umgebungswerten einerseits und dem jeweiligen Satz von Stellwerten andererseits ein den jeweiligen Sätzen zugeordneter Funktionswert einer auf einem physikalischen Modell basierenden Zielfunktion erzeugt wird, wobei derjenige Satz von Stellwerten zur Weiterleitung an eine Steuereinrichtung der Kraftwerksanlage ausgewählt wird, dessen zugeordneter Funktionswert ein vorgegebenes Optimierungskriterium erfüllt.
In einem Kraftwerk wird nicht-elektrische Energie, beispielsweise in Form fossiler Brennstoffe in elektrische Energie umgewandelt und einem Stromnetz zur Verfügung gestellt. Je nach verwendetem Typ des benutzten Rohstoffs für die Erzeugung elektrischer Energie unterscheidet man beispielsweise Kohle- kraftwerke, Kernkraftwerke, Gas- und Dampfturbinenwerke etc.
Durch die weltweit steigende Nachfrage an Energie und der Verknappung fossiler Primärenergieträger steigt dabei derzeit der Preis für die maßgeblich zur Verstromung eingesetzten
Rohstoffe. Dazu kommen immer strengere Umweltauflagen bzgl. Feinstaub, NOx, SO2 und CO2. Daher wird angestrebt, die Effizienz der Kraftwerke, d. h. deren Wirkungsgrad zu erhöhen.
Neben der kostenintensiven Weiterentwicklung und Erneuerung von Anlagenkomponenten lässt sich durch eine moderne Prozess- leittechnik auch die Prozessführung unter Einbezug aktueller Randbedingungen optimieren. Dabei können unterschiedliche Optimierungskriterien wie z. B. eine Erhöhung des Wirkungs- grades oder eine Verminderung der Schadstoffemissionen gewünscht sein. Entscheidungen, die traditionell auf der Erfahrung des Bedienpersonals basierten, können dabei heute mit Hilfe von Rechnern und den entsprechenden Verfahren auf Grundlage physikalischer Modelle, welche den Kraftwerkspro- zess mathematisch modellieren, getroffen werden.
Üblicherweise umfasst ein derartiges Verfahren eine Ziel- funktion, welche auf Basis eines physikalischen Modells der entsprechenden Kraftwerksanlage aus einem Satz von Prozesswerten einen beispielsweise skalar- oder vektorwertigen Funktionswert erzeugt. Die Prozesswerte umfassen dabei einerseits solche, die durch äußere Einflüsse bestimmt werden (Umge- bungswerte) wie beispielsweise Umgebungs- und Kühlwassertemperatur, und die sich im laufenden Betrieb ändern. Die Umgebungswerte stellen also aktuelle Randbedingungen dar, auf die man keinen Einfluss hat, die aber einen Einfluss auf den Prozess haben.
Andererseits umfassen die Prozesswerte auch die Stellwerte wie beispielsweise Position eines Stellantriebes oder Ventils oder Menge des zugeführten Brennstoffs, die im laufenden Betrieb des Kraftwerks vom Bedienpersonal oder einer automati- sierten Steuereinrichtung beeinflusst werden können, d. h. in gewissen Grenzen frei wählbare Prozess- oder Zustandsgrößen . Jeder Satz von Stellwerten in Verbindung mit den Umgebungswerten ergibt einen Wert der Zielfunktion, der zur Bewertung des jeweiligen Satzes herangezogen werden kann und es wird üblicherweise der Satz von Stellwerten zur Weiterleitung an eine Steuereinrichtung der Kraftwerksanlage ausgewählt, dessen zugeordneter Funktionswert ein vorgegebenes Optimierungskriterium erfüllt. Im Falle eines skalaren Funktionswertes kann dies beispielsweise der größte oder kleinste Funktions- wert sein.
Um einen optimalen Satz von Stellwerten zur Steuerung der Kraftwerksanlage zu finden, werden üblicherweise Gradientenverfahren zum Finden eines Minimums oder Maximums der Ziel- funktion angewendet. Hierfür sind verschiedene Verfahren wie beispielsweise die Methode des steilsten Abstiegs, das (Quasi-) Newton-Verfahren, die sequentielle quadratische Programmierung oder der Simplexalgorithmus bekannt. Gemein ist den Gradientenverfahren dabei, dass ausgehend von einem Startwert ein lokales Maximum oder Minimum der Zielfunktion gefunden wird.
Die physikalischen Modelle von Kraftwerksanlagen, aus denen sich die Zielfunktion für die Optimierung ergibt, sind meist nicht linear und im Allgemeinen nicht konvex. Abhängig vom gewählten Startwert kann daher das Gradientenverfahren unter Umständen ein lokales Maximum oder Minimum, d. h. einen lokal optimierten Betriebszustand der Kraftwerksanlage finden, jedoch ist dabei nicht sichergestellt, dass dabei auch der global optimale Betriebszustand gefunden wird.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Anlagensteuerung in einer Kraftwerksanlage sowie eine Steuerungsvorrichtung für eine Kraftwerksanlage anzugeben, welche bei möglichst geringem steuertechnischem Aufwand einen verbesserten Betrieb der Kraftwerksanlage bezüglich eines gegebenen Optimierungskriteriums wie z. B. eine Verbesserung des Wirkungsgrads oder eine Reduktion der Emissionen ermöglichen .
Bezüglich des Verfahrens wird diese Aufgabe erfindungsgemäß gelöst, indem die Anzahl von Sätzen von Stellwerten zusätz- lieh zu einem Startsatz und einem von dem Startsatz und dessen zugeordneten Funktionswert ausgehend mittels eines Gradientenverfahrens ermittelten Satz weiterhin einen mittels eines Zufallsgenerators ausgewählten Satz umfasst.
Die Erfindung geht dabei von der Überlegung aus, dass ein verbesserter Betrieb der Kraftwerksanlage möglich wäre, wenn bei der Bestimmung der Stellwerte der Kraftwerksanlage hinsichtlich des gegebenen Optimierungskriteriums wie Wirkungsgraderhöhung und/oder Emissionsminderung auch global ein op- timierter Satz von Stellwerten gefunden werden könnte. Dies könnte beispielsweise mit einer Monte-Carlo-Methode geschehen, die zufallsbasiert Stellwerte auswählt und deren Funktionswerte vergleicht und gegebenenfalls in einem weiteren Schritt im Bereich des besten Stellwertsatzes eine weitere Anzahl von zufällig ausgewählten Stellwerten überprüft. Ein derartiges Verfahren ist jedoch vergleichsweise zeitaufwändig und rechenintensiv und daher auch rechentechnisch vergleichs- weise aufwändig. Daher sollte das vergleichsweise schnellere Gradientenverfahren grundsätzlich beibehalten werden, jedoch in der Art einer hybriden Struktur durch ein zufallsbasiertes System erweitert werden, so dass auch das Auffinden eines globalen Optimums von Stellwerten ermöglicht wird. Dies ist erreichbar, indem zusätzlich ein mittels eines Zufallsgenerators ermittelter Satz von Stellwerten und dessen zugeordneter Funktionswert der Zielfunktion während des Gradientenverfahrens eingebracht wird, und dieser zufällige Satz von Stellwerten beim Vergleich der Sätze von Stellwerten und deren je- weiligen Funktionswerten eingeht.
Durch die Kombination eines gradientenbasierten Verfahrens mit einem Zufallsmodell wird einerseits das Auffinden eines globalen Optimums für die Stellwerte für die Anlagensteuerung gewährleistet, andererseits eine vergleichsweise schnelle
Konvergenz des Optimierungsalgorithmus auf geeignete Stellwerte gesichert. Daher ist ein derartig ausgestalteter Algorithmus auch für eine Online-Optimierung im Kraftwerksprozess geeignet, d. h. für eine Anpassung der Stellwerte auf den je- weils optimalen Betriebszustand während des laufenden Betriebs der Kraftwerksanlage. Dazu wird das Verfahren vorteilhafterweise zyklisch wiederholend in der Art einer Schleife ausgeführt, wobei der ausgewählte Satz von Stellwerten eines Zyklus der Startsatz des auf diesen folgenden Zyklus ist. Da- durch kann auch während des Betriebs des Kraftwerks ein einmal eingestellter und gefundener Satz von Stellwerten weiter verbessert werden und es findet eine kontinuierliche Suche nach globalen Optima statt.
Dies ist insbesondere hinsichtlich der sich im Betrieb ändernden Umgebungsparameter von besonderem Nutzen. Ändert sich nämlich beispielsweise ein Umgebungsparameter wie beispielsweise die Kühlwassertemperatur, ist der eingestellte Satz von Stellwerten unter Umständen nicht mehr der optimale Satz von Stellwerten. In diesem Fall wird mittels des kontinuierlich ausgeführten Gradientenverfahrens der Satz von Stellwerten so weit geändert, dass wieder ein neues Optimum hinsichtlich der gewählten Optimierungskriterien eingestellt wird. Aufgrund des komplexen Zusammenhangs der Umgebungswerte mit dem Funktionswert der Zielfunktion kann sich jedoch bei einer Änderung der Umgebungswerte auch ein neues globales Optimum ergeben, welches mit einem reinen Gradientenverfahren nicht ge- funden werden würde, da dieses im lokalen Optimum verbleiben würde. Die Verbindung des zufallsbasierten Systems mit dem Gradientenverfahren in zyklischer Ausführung ermöglicht ein Auffinden eines neuen globalen Optimums im Betrieb. Dieses neue Optimum wird dann an eine Steuereinrichtung der Kraft- Werksanlage weitergeleitet und kann dort dem Betriebspersonal angezeigt werden und ermöglicht so ein schnelles Reagieren und damit einen besonders effizienten Betrieb der Kraftwerksanlage .
Eine Online-Optimierung in der Anlagensteuerung einer Kraftwerksanlage ermöglicht es, zu jedem Betriebszeitpunkt einen optimalen Satz von Stellwerten zu ermitteln, der einen besonders effizienten Betrieb der Kraftwerksanlage gewährleistet. Um diesen Satz von Stellwerten möglichst schnell der Anlagen- Steuerung der Kraftwerksanlage zukommen zu lassen, wird der ausgewählte Satz von Stellwerten vorteilhafterweise in der Steuereinrichtung an den einzelnen Stellwerten jeweils zugeordnete Stelleinrichtungen der Kraftwerksanlage übergeben. Durch eine derartige direkte Weiterleitung der Stellwerte an die entsprechenden Stelleinrichtungen wie beispielsweise die Brennstofffördereinrichtung wird eine besonders schnelle, automatische Optimierung des Kraftwerksbetriebes erreicht. Dabei ist kein Eingriff von Betriebspersonal mehr notwendig, so dass einerseits ein automatisierter Betrieb der Kraftwerks- anläge gewährleistet ist und andererseits eine besonders schnelle Weiterleitung der optimalen Stellwerte an die Stelleinrichtungen erfolgt. Der Betrieb einer Kraftwerksanlage unterliegt neben den äußeren Einflüssen, die durch die Umgebungswerte eingehen, auch weiteren Restriktionen, unter deren Berücksichtigung die Steuerung und Optimierung durchgeführt werden muss. Derartige Restriktionen können im einfachsten Fall Grenzen einzelner Variablen sein, wie beispielsweise des Kühlwassermassenstroms, oder aber komplexere Zusammenhänge. Diese lassen sich im physikalischen Modell beispielsweise durch Gleichungen oder Ungleichungen, in denen mehrere Variablen kombiniert auftreten, ausdrücken. Um auch derartige Restriktionen bei der Optimierung und Anlagensteuerung angemessen zu berücksichtigen, umfasst die Zielfunktion vorteilhafterweise eine Straffunktion . Eine derartige Straffunktion ist so aufgebaut, dass sie den Wert Null liefert, sofern die Restriktionen nicht verletzt sind, und einen monoton steigenden Zusammenhang zwischen dem Fehler aus der Restriktionsverletzung und ihrem Funktionswert enthält. Durch die Addition von Ziel- und Straffunktion ergibt sich so eine Modifizierung der Zielfunktion, an der die Optimierung durchgeführt wird. Durch diese erzwungene Verschlechterung der Zielfunktionswerte im unzulässigen Bereich liefert das Verfahren einen Satz von Stellwerten, bei dem die Restriktionen nicht verletzt werden. Außerdem ist das Verfahren dadurch in der Lage, auch von einem unzulässigen Startwert das Gradientenverfahren und damit die Optimierung zu beginnen, was bei anderen Verfahren zur Einbindung von Restriktionen nicht immer der Fall ist. Dies ermöglicht eine weitere Vereinfachung des Verfahrens.
Bei der Ermittlung eines Satzes von Stellwerten mittels des Gradientenverfahrens dient der Gradient als Indikator für die Richtung, in der die jeweiligen Stellwerte verändert werden müssen, um zu einem optimalen Stellwertsatz zu gelangen. Fraglich ist, wie weit die Stellwerte jedoch verändert werden müssen, d. h. welche Schrittweite bei der Anwendung des Gra- dientenverfahrens zur Anwendung kommen soll. Dies kann beispielsweise dadurch geschehen, dass in jeder Iteration eine eindimensionale Optimierung entlang der Suchrichtung durchgeführt wird und so eine scheinbar optimale Schrittweite gefun- den wird. Diese führt jedoch dazu, dass die Suchrichtung jeweils orthogonal zur vorherigen ist, da die partielle Ableitung an der aktuellen Stelle nach der vorherigen Suchrichtung durch die eindimensionale Optimierung in der vorangegangenen Iteration auf den Wert Null minimiert wurde. Dieser Effekt führt bei schmalen Tälern der Zielfunktion zu einem Zickzackverlauf mit sehr kleinen Schrittweiten und damit zu vielen Iterationen. Da aber gerade im Falle einer OnlineOptimierung eine schnelle Konvergenz angestrebt werden soll, da die Sätze von Stellwerten unmittelbar zum Einsatz in der Kraftwerksanlage kommen sollen, wird vorteilhafterweise vor der jeweiligen Ermittlung des Satzes mittels des Gradientenverfahrens eine Schrittweite vorgegeben. Eine vorgegebene Schrittweite ermöglicht eine schnelle Durchführung des Gradientenverfah- rens und sollte so lange konstant gehalten werden, bis eine Iteration (bei einer Minimierung) einen größeren Funktionswert liefert als die vorherige. Dann wird die Schrittweite verkleinert und von dem besten Wert das Verfahren weitergeführt. Dadurch ist eine besonders schnelle Ausführung des Verfahrens und eine besonders effiziente Online-Optimierung des Kraftwerksbetriebes möglich.
Bezüglich der Steuerungsvorrichtung wird die Aufgabe gelöst durch eine Steuerungsvorrichtung für eine Kraftwerksanlage mit einem Zufallsgeneratormodul und einem Gradientenmodul, welche Datenausgangsseitig mit einem Vergleichsmodul verbunden sind, wobei die Steuerungsvorrichtung für die Ausführung des genannten Verfahrens ausgelegt ist. Vorteilhafterweise kommt eine derartige Steuerungsvorrichtung in einer Kraft- Werksanlage mit einer Steuereinrichtung und einer derartigen mit der Steuereinrichtung dateneingangsseitig verbundenen Steuerungsvorrichtung zum Einsatz.
Die mit der Erfindung erzielten Vorteile bestehen insbesonde- re darin, dass durch die zusätzliche Berücksichtigung eines mittels eines Zufallsgenerators ausgewählten Satzes von Stellwerten die Möglichkeit des Auffindens einer globalen Lösung mittels des Zufallsgenerators mit der Schnelligkeit des Gradientenverfahrens verbunden wird. Über den Zufallsgenerator werden potentielle Startwerte für das Gradientenverfahren erzeugt, die übernommen werden, sofern sie - im Sinne des physikalischen Modells der Zielfunktion - besser sind als das vom Gradientenverfahren bisher gefundene lokale Optimum.
Durch die zyklische Anwendung des Verfahrens und der Verwendung aktueller Umgebungswerte, die direkt aus dem Prozess- leitsystem entnommen werden können, ist das Verfahren onlinefähig. Ändert sich der Betriebszustand der Anlage, so fließen diese Informationen online in das physikalische Prozessmodell ein und der Optimierungsalgorithmus findet schnell das neue Optimum. Dabei kann das Verfahren in der Prozessleittechnik eines Kraftwerks zunächst als Hilfestellung für das Bedienpersonal dienen, für eine schnelle Reaktion der Kraftwerks- leittechnik jedoch auch direkt an entsprechende Stellantriebe zur automatischen Weiterleitung eingeschaltet werden. Dadurch wird ein besonders effizienter Betrieb einer Kraftwerksanlage bei gering gehaltenem technischen Aufwand ermöglicht.
Ein Ausführungsbeispiel der Erfindung wird anhand einer
Zeichnung näher erläutert. Darin zeigt die FIG eine schematische Darstellung des Verfahrens zur Anlagensteuerung einer Kraftwerksanlage .
Das in der FIG dargestellte Verfahren optimiert zyklisch wiederholend die Stellwerte für die Kraftwerksanlage, um einen besonders effizienten Betrieb des Kraftwerks zu erreichen. Durch die zyklische Wiederholung ist das Verfahren onlinefähig, d. h., es kann direkt in die Prozessleittechnik inte- griert werden und während des Betriebs die momentan optimalen Stellwerte ermitteln. Ein möglicher Anwendungsbereich ist beispielsweise die Optimierung des Intervalls zwischen den Rußblasevorgängen im Kessel der Kraftwerksanlage sowie deren Dauer und die Säuberungsabstände der Filter in der Rauchgas- reinigung, wo zwischen kurzzeitiger Minderfunktion und längerfristiger Effizienzerhöhung abgewägt wird. Zwei weitere Optimierungsprobleme aus dem Kraftwerksbereich sind die Bestimmung des optimalen Kühlwassermassenstroms, sofern sich dieser regeln lässt, und die Prozessführung bei der Verbrennung unter Einhaltung von Emissionsgrenzen und anlagenbedingten Einschränkungen.
Die FIG zeigt den Aufbau des Verfahrens als Blockschaltbild. Dem Gradientenmodul 1 werden Startwerte 3 von einem Speichermodul 5 übergeben, von denen aus in einer Anzahl von Schritten bzw. Iterationen mit Hilfe numerischer Differentiation das nächstliegende Optimum gefunden wird. Basis für diese Op- timierung sind die zu jedem Satz von Stellwerten und Umgebungswerten anhand einer auf einem physikalischen Modell basierenden Zielfunktion 7 ermittelten Funktionswerte.
Dabei werden Restriktionen an die Stellwerte durch eine Straffunktion additiv in die Zielfunktion 7 eingebunden. Solange die Restriktionen eingehalten werden, liefert die Straffunktion den Wert Null, so dass keine Modifikation der Zielfunktion 7 erfolgt. Bei Verletzung der Restriktionen liefert die Straffunktion einen Wert größer (kleiner) Null, wenn es sich um ein Minimierungsproblem (Maximierungsproblem) handelt. Durch einen stetig steigenden (fallenden) Zusammenhang zwischen dem Fehler, der sich aus der Verletzung der Restriktionen ergibt, und dem Funktionswert der Straffunktion wird das Optimierungsverfahren, das mit der durch die Straffunkti- on modifizierten Zielfunktion 7 arbeitet, automatisch in
Richtung des gültigen Bereiches gelenkt, vorausgesetzt die Straffunktion hat eine betragsmäßig größere Steigung als die Zielfunktion. Um dies zu gewährleisten, wird eine stark ansteigende Straffunktion verwendet, wodurch ein Optimum der unmodifizierten Zielfunktion nur unter aktiver Berücksichtigung der Restriktionen innerhalb der geforderten Genauigkeit zum Optimum der Zielfunktion 7 wird.
Im Gradientenmodul 1 können bereits mehrere Iterationen des Gradientenverfahrens durchgeführt werden, so dass bereits hier ein besonders genauer Satz von Stellwerten eines lokalen Optimums gefunden werden kann. Der so gefundene Satz von Stellwerten wird zusammen mit den jeweils zugeordneten Funk- tionswerten der Zielfunktion 7 an ein Vergleichsspeichermodul 9 weitergegeben. Dieses vergleicht den aktuellen Funktionswert mit dem (im Sinne der Zielfunktion 7) bisher besten und schaltet in jedem Zyklus denjenigen Satz zum Speichermodul 11 durch, der den kleineren (größeren) Funktionswert besitzt, sofern es sich um eine Minimierung (Maximierung) handelt.
Das Gradientenverfahren ermöglicht das Finden eines lokalen Optimums von Stellwerten für den Betrieb der Kraftwerksanla- ge . Insbesondere bei einer Änderung der Umgebungswerte, die durch das Betriebspersonal nicht beeinflussbar sind, kann jedoch unter Umständen ein anderes globales Optimum vorliegen, welches durch das Gradientenverfahren nicht gefunden werden kann. Um auch in diesem Fall einen besonders effizienten Be- trieb der Kraftwerksanlage zu gewährleisten, ist ein Zufallsgeneratormodul 13 vorgesehen, welches in jedem Zyklus für jeden Stellwert 15 annähernd gleich verteilte Zufallswerte innerhalb ihres jeweiligen Definitionsbereiches generiert. Der zufällig generierte Satz von Stellwerten 15 wird über die Zielfunktion 7 ausgewertet und zusammen mit dem Funktionswert der Zielfunktion 7 als erster Eingangssatz dem Vergleichsmodul 17 zugeführt, welches als zweiten Eingangssatz den durch das Gradientenverfahren ermittelten Satz aus dem Vergleichsspeichermodul 11 erhält. Das Vergleichsmodul 17 ver- gleicht die Funktionswerte der zwei Eingangssätze und schaltet in jedem Rechenzyklus den Eingangssatz zum Ausgang durch, der den kleineren (größeren) Funktionswert besitzt, wenn eine Minimierung (Maximierung) vorgesehen ist.
Bei einer Erweiterung des Systems für die Behandlung einer größeren Anzahl an Stellwerten 15 kann auch die Hinzunahme eines zweiten oder weiterer Zufallsgeneratormodule 13 in Betracht gezogen werden. Damit lässt sich der mit der Anzahl der Stellwerte 15 exponentiell wachsende Optimierungsraum stochastisch intensiver durchsuchen, und damit die Auffindung des globalen Optimums beschleunigen. Der Ausgang des Vergleichsmoduls 17 ist mit einem Vergleichsspeichermodul 19 verbunden, welches in dem Zeitfenster, in dem das Gradientenverfahren läuft, den kleinsten bzw. größten Funktionswert mit den dazugehörigen Stellwerten aus dem Ver- gleichsmodul 17 speichert. Konvergiert das Gradientenverfahren, wird der gespeicherte Satz an das Speichermodul 5 und von dort an die Steuereinrichtung 21 der Kraftwerksanlage übergeben, wobei das Speichermodul 5 dem Gradientenmodul 1 vorgeschaltet ist und dessen Startwerte 3 liefert. Gleichzei- tig wird das neu gefundene Optimum, das in das in dem Gradientenmodul 1 nachgeschalteten Vergleichsspeichermodulen 9 vorliegt, an das Speichermodul 11 vor dem Vergleichsmodul 17 weitergegeben und im nächsten Zyklus werden die Vergleichsspeichermodule 9, 19 zurückgesetzt.
Durch diesen Aufbau wird ein gefundenes Optimum so lange unverändert in der Schleife gehalten, bis entweder aus dem sto- chastischen Teil ein besserer Stellwertesatz das Ergebnis des letzten Zyklus des Gradientenverfahrens ersetzt oder durch eine Veränderung der Umgebungswerte sich die Lage des Optimums verschoben hat.
Im Folgenden werden die einzelnen Module des Verfahrens detaillierter beschrieben.
Das Zufallsgeneratormodul 13 besitzt acht analoge Eingänge zum Angeben der oberen (ULx1) und unteren (LLx1) Grenze jedes Stellwerts 15 (hier: 4) . In jedem Rechenzyklus wird ein Satz aus Zufallsvariablen X1 (i = 1, 2, 3, 4) erzeugt, die an den vier Ausgängen anliegen, wobei jede einzelne Variable innerhalb ihres Definitionsbereiches annähernd gleichverteilt ist. Damit soll sichergestellt werden, dass der gesamte Definitionsbereich der Variablen abgedeckt wird, und somit die globale Optimierung erfolgreich ist.
Der Zufallsgenerator jeder einzelnen Variablen basiert auf dem linearen Kongruenzgenerator und ist ein Pseudozufalls- generator, da bei jedem Starten die gleiche Zufallszahlenfol- ge ausgegeben wird. So wie viele Zufallsgeneratoren arbeitet auch der lineare Kongruenzgenerator mit der Modulo-Funktion, die den Rest einer Division ausgibt. Die rekursive Bildungsvorschrift der Zufallszahlen e [θ, l] und die der Zufallsvariablen % e IULx1, LLx1] beschreiben die Gleichungen 1 und 2. In
Tabelle 1 sind die Parameter aufgeführt, die für die vier Zufallsgeneratoren im beschriebenen Baustein verwendet wurden:
j/+1 = ((ay1' + ö)mod m)modl (D
Tabelle 1: Im Zufallsgeneratormodul 17 verwendete Parameter
a b m
Variable 1 3, 14159265358 9793 2, 71 8281 82i 3459045 3
Variable 2 3,14159265358 9793 1, 52 6341 53t 365 8045 2
Variable 3 2,71828182845 9045 3, 14 1592 65358 9793 3
Variable 4 2,71828182845 9045 2, 26 8542 65i 358 2743 2
Für die Realisierung der Modulo-Funktion wurde von dem Ergebnis der Division der abgerundete Wert abgezogen, um den Rest zu erhalten. Das Abrunden geschieht durch eine Fallunterscheidung nach folgender Logik: Z0 = 0 wenn Zahl > 1 und Zahl < 2 Z1 = 1 wenn Zahl > 2 und Zahl < 3 Z2 = 2
abgerundete Zahl = ^z1
Bei dieser Vorgehensweise müssen die Parameter a, b und m so gewählt werden, dass alle möglichen Ergebnisse einem Fall in der Fallunterscheidung entsprechen, um eine annähernd gleichverteilte Zahlenfolge zu erhalten. Das Vergleichsmodul 17 besitzt analoge Eingangssets /(X)15X1, und /(x)2,x2 (und wahlweise /(Jc)35X3)) sowie einen Satz analo-
1 = max ger Ausgänge /(x),x . Der binäre Eingang dient der
0 = min
Festlegung der Minimierung oder Maximierung (1 = Maximierung, 0 = Minimierung), abhängig von der Zielfunktion. Durchgeschaltet wird jeweils (in jedem Zyklus) das Eingangsset /(Jc)75X7, bei dem /(Jc)7 am größten, wenn der Binäreingang wahr
(1) ist, bzw. am kleinsten, wenn der Binäreingang unwahr (0) ist .
Der dritte Eingang ist im Normalfall ausgeblendet und nicht angeschlossen, wodurch der Wert Null anliegt. Damit das nicht zu einer Fehlfunktion des Vergleichsmoduls 17 führt, wird intern an allen Eingängen, sofern der Wert Null anliegt, dieser durch den kleinsten (Maximierung) bzw. größten (Minimierung) darstellbaren Wert ersetzt, so dass die gewünschte Funktionalität der Filtration erhalten bleibt. Dies muss insbesondere beachtet werden, wenn das gesuchte Optimum bei Null liegt, da dies folglich nicht berücksichtigt wird.
Das Speichermodul 5, 11 besitzt ein analoges Eingangsset /(x)und x, einen binären Eingang SET und ein analoges Ausgangsset fix) und x . Durch das Setzen von SET auf 1 wird der am Eingang liegende Wertesatz an den Ausgang durchgeschaltet, bei Zurücksetzen von SET auf 0 gespeichert und liegt am Ausgang an bis der Eingang SET wieder auf 1 gesetzt wird.
Das Vergleichsspeichermodul 9, 19 besitzt ein analoges Ein-
1 = max gangsset /(x) und x, einen binären Eingang zur Fest-
0 = min legung der Optimierungsart, einen binären Eingang SET, einen binären Eingang RS (RESET) und einen Satz analoger Ausgänge fix) und x . Solange SET und RESET unwahr sind, wird der Wertesatz fix) und x gespeichert und am Ausgang ausgegeben, der bisher den größten (Maximierung) bzw. kleinsten (Minimierung) Funktionswert je nach Optimierungsart besitzt. Wird SET auf 1 gesetzt, wird der Eingangssatz fix) und x an den Ausgangs- satz fix) und x durchgeschaltet und bei Zurücksetzen von SET auf 0 gespeichert, wie beim Speichermodul 5. Dieser Satz bleibt gespeichert, bis am Eingang ein Satz mit einem größeren bzw. kleineren fix) anliegt und den vorerst durch den „SET"-Befehl gespeicherten Satz ersetzt. Der binäre „RESET"-
1 = max
Eingang setzt den Speicher auf den kleinsten ( =1) bzw.
0 = min
1 = max größten ( =0) darstellbaren Wert. Dieser Eingang ist 0 = min zur Initialisierung erforderlich und muss beim Starten des Algorithmus einmalig mit einem Puls betätigt werden. Ohne diese Maßnahme wäre der Initialwert des Speichers Null und würde evtl. keine neuen Werte speichern (z. B. bei einer Maximierung mit einer Zielfunktion, bei der alle Funktionswerte negativ sind) .
Das Gradientenmodul 1 besitzt für jeden Stellwert X1 (hier: 4) drei analoge Eingänge zur Festlegung der oberen (U Lx1) und unteren (LLx1) Grenze sowie des Startwertes xis . Weiterhin gibt es einen analogen Eingang fix) und für jeden Stellwert X1 einen analogen Eingang fix + C1Ax1) . Zuletzt besitzt der Bau-
1 = max stein weitere zwei binäre Eingänge und RS und vier
0 = min analoge Eingänge „Steps", „minstep", „1/Dx" und „Zykluszeit".
1 = max
Über den Eingang wird, wie zuvor beschrieben, die Op-
0 = min timierungsart vorgegeben und am Eingang „Zykluszeit" muss die Rechenzykluszeit, mit der der Optimierungsalgorithmus betrie- ben werden soll, in Sekunden vorgegeben werden. Über 1/Dx wird der Abstand der Stützstellen für die Bildung des Differenzquotienten vorgegeben und „Steps" sowie „minstep" gehen in die Schrittweitensteuerung ein, wie nachstehend beschrieben. Die Ausgänge bestehen aus einem binären Signal „Konv", welches wahr wird, wenn das Gradientenverfahren konvergiert ist, und zwei analogen Ausgängen X1 und X1 + Ax1 für jeden Stellwert. Das Gradientenverfahren bildet, wie der Name schon verrät, die partiellen Ableitungen der Zielfunktion nach den Stellwerten, um die Optimierungsrichtung zu ermitteln. Dazu werden, ausgehend von dem Ortsvektor x' , der in der ersten Ite- ration der Startwertvektor xs ist, Stützstellen gebildet, die
ULx -LLx, leweils in die Richtung eines Stellwertes X1 um
VDx verschoben sind. Durch die Auswertung der Zielfunktion an den Stützstellen und Bildung der diskretisierten partiellen Ableitungen, ergibt sich die Suchrichtung. Die normierte Such- richtung wird durch das Teilen des Suchrichtungsvektors (Gradient) , durch den Betrag der größten partiellen Ableitung erreicht, so dass die normierte Hauptsuchrichtungskomponente den Betrag eins hat. Die Anfangsschrittweite wird aus dem Definitionsbereich (U Lx1 - LLx1) der Stellwerte mit der größ- steps ' ten partiellen Ableitung gebildet, indem dieser mit minstep multipliziert wird. Der neue Vektor x'+1 ergibt sich aus dem vorherigen in Summe mit der über die Schrittweite gestreckten, normierten Suchrichtung. Dieses Verfahren wird so oft wiederholt, bis der Wert der Zielfunktion sich nicht stetig ändert, sondern oszilliert. Haben die nummerisch gebildeten Gradienten dreimal in Reihe ihr Vorzeichen gewechselt, wird der Wert „Steps" intern um eins reduziert und das Verfahren läuft mit verringerter Schrittweite weiter. Das Konvergenzkriterium ist erfüllt, wenn die Schrittweite den Wert Null erreicht hat, oder aber sich der Wert der Zielfunktion innerhalb von vier Iterationen nicht ändert. In dem Fall wird der Binärausgang „Konv" wahr und das Gradientenverfahren kann durch Betätigen des „RS"-Einganges und neuen Startwerten neu gestartet werden.
Durch Einbeziehung der Grenzen jedes einzelnen Stellwertes 15 lässt sich das Optimierungsproblem skalieren. Auf diese Art wird in erster Linie auf die Anforderung einer bestimmten Genauigkeit der Lösung, bezogen auf den Definitionsbereich der Stellwerte 15 Rücksicht genommen. So lässt sich über „min- step" die Größe der kleinsten Schrittweite in die Hauptsuch- richtung kurz vor Konvergenz angeben. Diese beträgt
(minstep) des Definitionsbereiches der Stellwerte 15, die in unmittelbarer Nähe des Optimums die größte partielle Ableitung aufweist. Darüber lässt sich die geforderte Genauigkeit der Lo- sung einstellen. Über den Parameter „steps" wird die Anfangsschrittweite festgelegt, die, bezogen auf den Definitionsbereich der Stellwerte 15 mit der momentan größten partiellen Ableitung, um „steps1' 5" größer ist als die Endschrittweite. Mit Hilfe dieser einfachen, heuristischen Schrittweitensteue- rung lässt sich die Konvergenzgeschwindigkeit deutlich beschleunigen .
Für die Einbindung der Straffunktionen sind ein binärer Ein-
1 = max gang zur Festlegung der Optimierungsart, zwei analoge 0 = min Eingänge e und /(Jc) und ein analoger Ausgang f(x) + p(e) vorgesehen. Hierbei ist e der Fehler durch Verletzung der Restriktionen und /(Jc) der Wert der Zielfunktion 7. Aus dem Fehler wird der Strafterm p(e) gebildet und bei einer Minimierung zur Zielfunktion 7 addiert bzw. bei einer Maximierung von der Zielfunktion 7 abgezogen. Die Straffunktion p(e) wird durch Gleichung 3 beschrieben:
Die Restriktionen der Form g(x)ι < 0 und g(x)2 > 0 werden als Verbundbausteine mit folgendem Pseudocode eingebunden:
wenn g(x)ι < 0
sonst wenn g(x)2 > 0 e2 = 0 sonst e2 = g(x)2
Für den selteneren Fall einer Restriktion in Form einer Gleichung h(x) = 0 kann diese durch zwei Ungleichungen Zz(X)1 < 0 und A(Jc)2 > 0 beschrieben werden.
Ein Verfahren zur Anlagensteuerung in einer Kraftwerksanlage in oben genannter Ausgestaltung genügt den Anforderungen für den integrierten Einsatz in der Prozessleittechnik und ermög- licht es, schnell einen global optimalen Satz von Stellwerten 15 zu finden. Somit wird ein besonders effizienter Betrieb der Kraftwerksanlage mit einem hohen Wirkungsgrad und/oder besonders geringen Schadstoffemissionen ermöglicht.

Claims

Patentansprüche
1. Verfahren zur Anlagensteuerung in einer Kraftwerksanlage, bei dem für eine Mehrzahl von Sätzen von Stellwerten (15) je- weils aus einem Satz von Umgebungswerten einerseits und dem jeweiligen Satz von Stellwerten (15) andererseits ein den jeweiligen Sätzen zugeordneter Funktionswert einer auf einem physikalischen Modell basierenden Zielfunktion (7) erzeugt wird, wobei derjenige Satz von Stellwerten (15) zur Weiter- leitung an eine Steuereinrichtung (21) der Kraftwerksanlage ausgewählt wird, dessen zugeordneter Funktionswert ein vorgegebenes Optimierungskriterium erfüllt, wobei die Anzahl von Sätzen von Stellwerten (15) zusätzlich zu einem Startsatz und einem von dem Startsatz und dessen zugeordnetem Funktionswert ausgehend mittels eines Gradientenverfahrens ermittelten Satzes weiterhin einen mittels eines Zufallsgenerators ausgewählten Satz umfasst.
2. Verfahren zur Anlagensteuerung in einer Kraftwerksanlage, bei dem das Verfahren nach Anspruch 1 zyklisch wiederholend in der Art einer Schleife ausgeführt wird, wobei der ausgewählte Satz von Stellwerten (15) eines Zyklus der Startsatz des auf diesen folgenden Zyklus ist.
3. Verfahren nach Anspruch 1 oder 2, bei dem der ausgewählte Satz von Stellwerten (15) in der Steuereinrichtung (21) an den einzelnen Stellwerten jeweils zugeordnete Stelleinrichtungen der Kraftwerksanlage übergeben wird.
4. Verfahren nach einem der Ansprüche 1 bis 3, bei dem die Zielfunktion (7) eine Straffunktion umfasst.
5. Verfahren nach einem der Ansprüche 1 bis 4, bei dem vor jeweiligen Ermittlung des Satzes mittels des Gradientenver- fahrens eine Schrittweite vorgegeben wird.
6. Steuerungsvorrichtung für eine Kraftwerksanlage mit einem Zufallsgeneratormodul (13) und einem Gradientenmodul (1), welche datenausgangsseitig mit einem Vergleichsmodul (17) verbunden sind, wobei die Steuerungsvorrichtung für die Ausführung des Verfahrens nach einem der Ansprüche 1 bis 5 ausgelegt ist.
7. Kraftwerksanlage mit einer Steuereinrichtung (21) und einer mit der Steuereinrichtung (12) dateneingangsseitig verbundenen Steuerungsvorrichtung nach Anspruch 6.
EP09779575.1A 2008-06-16 2009-05-28 Verfahren zur anlagensteuerung in einer kraftwerksanlage Active EP2394031B1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102008028527 2008-06-16
PCT/EP2009/056529 WO2010003735A2 (de) 2008-06-16 2009-05-28 Verfahren zur anlagensteuerung in einer kraftwerksanlage

Publications (2)

Publication Number Publication Date
EP2394031A2 true EP2394031A2 (de) 2011-12-14
EP2394031B1 EP2394031B1 (de) 2016-01-13

Family

ID=41507475

Family Applications (1)

Application Number Title Priority Date Filing Date
EP09779575.1A Active EP2394031B1 (de) 2008-06-16 2009-05-28 Verfahren zur anlagensteuerung in einer kraftwerksanlage

Country Status (4)

Country Link
US (1) US9206709B2 (de)
EP (1) EP2394031B1 (de)
CN (1) CN102177476B (de)
WO (1) WO2010003735A2 (de)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015218472A1 (de) * 2015-09-25 2017-03-30 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Betreiben eines technischen Systems
BE1027173B1 (nl) * 2019-04-05 2020-11-03 Atlas Copco Airpower Nv Werkwijze voor het regelen van een systeem voor vermogensopwekking, dergelijk systeem voor vermogensopwekking en compressorinstallatie omvattend dergelijk systeem voor vermogensopwekking
US12444943B1 (en) * 2024-10-25 2025-10-14 BrightNight Power LLC Co-optimization of dispatch of multiple types of renewable energy assets to simulate a renewable energy system

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3710990A1 (de) * 1986-04-02 1987-10-22 Hitachi Ltd Betriebssystem und verfahren zum anfahren eines waermekraftwerkes
EP0770232B1 (de) * 1994-07-08 1998-03-25 Siemens Aktiengesellschaft Führungssystem für eine kraftwerksanlage
US7146231B2 (en) * 2002-10-22 2006-12-05 Fisher-Rosemount Systems, Inc.. Smart process modules and objects in process plants
DE10309615A1 (de) 2003-03-05 2004-09-23 Siemens Ag Dynamische Verarbeitung von Datenverarbeitungsaufträgen
JP4575176B2 (ja) 2005-01-17 2010-11-04 株式会社日立製作所 排熱回収ボイラの発生蒸気推定方法及び発電設備の保全計画支援方法
US8055358B2 (en) * 2005-12-05 2011-11-08 Fisher-Rosemount Systems, Inc. Multi-objective predictive process optimization with concurrent process simulation
US7389151B2 (en) * 2006-03-06 2008-06-17 General Electric Company Systems and methods for multi-level optimizing control systems for boilers
US7848829B2 (en) * 2006-09-29 2010-12-07 Fisher-Rosemount Systems, Inc. Methods and module class objects to configure absent equipment in process plants

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2010003735A2 *

Also Published As

Publication number Publication date
EP2394031B1 (de) 2016-01-13
CN102177476B (zh) 2016-09-21
WO2010003735A2 (de) 2010-01-14
WO2010003735A3 (de) 2012-01-26
US9206709B2 (en) 2015-12-08
CN102177476A (zh) 2011-09-07
US20110160926A1 (en) 2011-06-30

Similar Documents

Publication Publication Date Title
EP2112568B1 (de) Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems
EP2880499B1 (de) Verfahren zur rechnergestützten steuerung und/oder regelung eines technischen systems
DE102019126310A1 (de) System und Verfahren zum Optimieren der Verbrennung eines Kessels
WO2014121863A1 (de) Verfahren und vorrichtung zur steuerung einer mit einer erneuerbaren energiequelle betreibbaren energieerzeugungsanlage
DE102008007700A1 (de) Verfahren zur rechnergestützten Exploration von Zuständen eines technischen Systems
DE102018212140A1 (de) Anlagensteuervorrichtung und Steuerverfahren dafür, Walzwerksteuervorrichtung und Steuerverfahren und Programm dafür
DE102012110421A1 (de) Modellbasierte Lastanforderungssteuerung
WO2013170843A1 (de) Verfahren zum trainieren eines künstlichen neuronalen netzes
DE102019126286A1 (de) System und Verfahren zum Optimieren der Verbrennung eines Kessels
AT512977A2 (de) Methode zur Ermittlung eines Modells einer Ausgangsgröße eines technischen Systems
DE102018129810A1 (de) Verfahren und Vorrichtung zur Steuerung einer Anzahl von energieeinspeisenden und/oder energieverbrauchender Einheiten
WO2012098170A1 (de) Simulationsmodell für eine Windenergieanlage sowie Erzeugung und Verwendung desselben
EP2394031B1 (de) Verfahren zur anlagensteuerung in einer kraftwerksanlage
WO2020207789A1 (de) Verfahren und vorrichtung zum ansteuern einer technischen einrichtung
EP2943841A1 (de) Verfahren zur rechnergestützten steuerung und/oder regelung eines technischen systems
DE102011075337A1 (de) Verfahren und Vorrichtung zur Ansteuerung einer Anlage
EP4285006B1 (de) Verfahren und einrichtung zur rechnergestützten steuerung und/oder regelung des betriebs eines energieerzeugungssystems, kombikraftwerk
WO2014026661A1 (de) Verfahren zur steuerung einer anlage
DE102022112606B3 (de) Computerimplementiertes Verfahren zur Kalibrierung eines technischen Systems
DE112020007149T5 (de) Zuordnungsunterstützungsprogramm, Zuordnungsunterstützungsvorrichtung, Zuordnungslernprogramm, Zuordnungslernvorrichtung und computerlesbares Speichermedium
DE102022132033A1 (de) Computerimplementiertes Verfahren zur Steuerung und/oder Regelung einer Ein-Kompressor-Station mit einem Kompressor
EP3664243A1 (de) Prädiktive betriebsplanung in einem mikronetz unter berücksichtigung von hochlastzeitfenstern eines hauptstromnetzes
DE102019215488A1 (de) Steuersystem für eine Werkzeugmaschine
WO2009150121A1 (de) Verfahren zur optimierten kraftwerkseinsatzplanung
WO2019096424A1 (de) Steuerung von microgrids

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20101208

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO SE SI SK TR

R17D Deferred search report published (corrected)

Effective date: 20120126

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SIEMENS AKTIENGESELLSCHAFT

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

INTG Intention to grant announced

Effective date: 20150727

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO SE SI SK TR

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: LANGUAGE OF EP DOCUMENT: GERMAN

REG Reference to a national code

Ref country code: AT

Ref legal event code: REF

Ref document number: 770666

Country of ref document: AT

Kind code of ref document: T

Effective date: 20160215

REG Reference to a national code

Ref country code: DE

Ref legal event code: R096

Ref document number: 502009012052

Country of ref document: DE

REG Reference to a national code

Ref country code: LT

Ref legal event code: MG4D

REG Reference to a national code

Ref country code: NL

Ref legal event code: MP

Effective date: 20160113

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: NL

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: NO

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160413

Ref country code: HR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: IT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: FI

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: GR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160414

Ref country code: ES

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: PL

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: LV

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: IS

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160513

Ref country code: PT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160513

Ref country code: BE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20160531

Ref country code: SE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: LT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

REG Reference to a national code

Ref country code: DE

Ref legal event code: R097

Ref document number: 502009012052

Country of ref document: DE

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: EE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: DK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: CZ

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: RO

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: SK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

26N No opposition filed

Effective date: 20161014

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: LU

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160528

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 20160528

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: CH

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20160531

Ref country code: LI

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20160531

REG Reference to a national code

Ref country code: IE

Ref legal event code: MM4A

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: BG

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160413

Ref country code: SI

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

Effective date: 20170131

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: FR

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20160531

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20160528

Ref country code: GB

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20160528

REG Reference to a national code

Ref country code: AT

Ref legal event code: MM01

Ref document number: 770666

Country of ref document: AT

Kind code of ref document: T

Effective date: 20160528

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: AT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20160528

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: HU

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT; INVALID AB INITIO

Effective date: 20090528

Ref country code: CY

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: MT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: TR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: MK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

Ref country code: MC

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20160113

REG Reference to a national code

Ref country code: DE

Ref legal event code: R081

Ref document number: 502009012052

Country of ref document: DE

Owner name: SIEMENS GAS AND POWER GMBH & CO. KG, DE

Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE

Ref country code: DE

Ref legal event code: R081

Ref document number: 502009012052

Country of ref document: DE

Owner name: SIEMENS ENERGY GLOBAL GMBH & CO. KG, DE

Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE

REG Reference to a national code

Ref country code: DE

Ref legal event code: R081

Ref document number: 502009012052

Country of ref document: DE

Owner name: SIEMENS ENERGY GLOBAL GMBH & CO. KG, DE

Free format text: FORMER OWNER: SIEMENS GAS AND POWER GMBH & CO. KG, 80333 MUENCHEN, DE

P01 Opt-out of the competence of the unified patent court (upc) registered

Effective date: 20231222

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20250528

Year of fee payment: 17