KR102224152B1 - Air supply guide system for combustion optimization using flue gas virtual sensors - Google Patents

Air supply guide system for combustion optimization using flue gas virtual sensors Download PDF

Info

Publication number
KR102224152B1
KR102224152B1 KR1020200014291A KR20200014291A KR102224152B1 KR 102224152 B1 KR102224152 B1 KR 102224152B1 KR 1020200014291 A KR1020200014291 A KR 1020200014291A KR 20200014291 A KR20200014291 A KR 20200014291A KR 102224152 B1 KR102224152 B1 KR 102224152B1
Authority
KR
South Korea
Prior art keywords
module
virtual sensor
exhaust gas
efficiency
data
Prior art date
Application number
KR1020200014291A
Other languages
Korean (ko)
Inventor
고성근
Original Assignee
(주)테크다스
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 (주)테크다스 filed Critical (주)테크다스
Priority to KR1020200014291A priority Critical patent/KR102224152B1/en
Application granted granted Critical
Publication of KR102224152B1 publication Critical patent/KR102224152B1/en

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N3/00—Regulating air supply or draught
    • F23N3/002—Regulating air supply or draught using electronic means
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N5/00—Systems for controlling combustion
    • F23N5/003—Systems for controlling combustion using detectors sensitive to combustion gas properties
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2225/00—Measuring
    • F23N2225/08—Measuring temperature
    • F23N2225/10—Measuring temperature stack temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2900/00—Special features of, or arrangements for controlling combustion
    • F23N2900/05001—Measuring CO content in flue gas

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

The present invention relates to a control output value provision system using a virtual sensor, which comprises: a reception unit which receives data from a data storage apparatus; a pre-processing module which removes noise from the data received by the reception unit; a failure diagnosis module which diagnoses a failure of a measuring sensor from the data from which the noise is removed by the pre-processing module; a virtual sensor module which inputs the output data of the failure diagnosis module into a certain virtual sensor model, and predicts the quality of products; another virtual sensor module which inputs the output data of the failure diagnosis module into a certain virtual sensor model, and predicts the content of exhaust gas substances; a process module which predicts changes in the carbon monoxide and exhaust gas temperature on the changes in the content with special emphasis on the oxygen content of the virtual sensor module; an efficiency calculation module which inputs the exhaust gas oxygen content predicted by the virtual sensor module and the carbon monoxide and exhaust gas temperature predicted by the process model module, and calculates the efficiency of a combustion facility; and an optimization module which repeatedly calculates the virtual sensor module, the process model module, and the efficiency calculation module, and is able to obtain the highest efficiency. According to an embodiment of the present invention, the system is able to determine an air injection volume which makes it possible to have the maximum combustion efficiency, and to output the information on a terminal. The present invention aims to provide the air injection volume determination system which is able to lower costs and eliminate failures.

Description

가상센서를 이용한 연소설비 최고 효율의 공기 주입량 결정 시스템{Air supply guide system for combustion optimization using flue gas virtual sensors}Air supply guide system for combustion optimization using flue gas virtual sensors}

본 발명은 가상센서를 이용한 연소설비 최고 효율의 공기 주입량 결정 시스템에 관한 것이다. 더욱 상세하게는 공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치로부터 연소설비의 운전 관련 데이터를 제공받고, 측정센서의 고장을 진단하고, 가상센서를 이용하여 배기가스 성분의 함량을 예측하고, 최대의 연소 효율을 가능하게 하는 공기 주입량을 결정하여 단말기로 출력하는 가상센서를 이용한 연소설비 최고 효율의 공기 주입량 결정 시스템에 관한 것이다.The present invention relates to a system for determining an air injection amount of the highest efficiency in a combustion facility using a virtual sensor. In more detail, it receives the operation-related data of the combustion facility from the real-time data storage device installed in the factory computer network, diagnoses the failure of the measurement sensor, uses a virtual sensor to predict the content of exhaust gas components, and maximizes combustion efficiency. The present invention relates to a system for determining an air injection amount of the combustion facility with the highest efficiency using a virtual sensor that determines the amount of air injection that enables the air to be injected and outputs it to a terminal.

연소설비의 효율 최적화를 위해서는 적정한 양의 연소용 공기 주입이 필수적이다. 연소용 공기를 적게 공급하면 불완전 연소로 인해 폭염(Deflagration)의 위험이 생기고, 미연소 양만큼 효율이 저하된다. In order to optimize the efficiency of the combustion facility, it is essential to inject an appropriate amount of combustion air. If less combustion air is supplied, there is a risk of deflagration due to incomplete combustion, and efficiency decreases as much as the amount of unburned.

반면에 연소용 공기를 많이 주입하면 NOx의 함량이 증가하고, 과잉 공기에 따른 효율 손실이 발생한다. On the other hand, when a large amount of combustion air is injected, the content of NOx increases, and efficiency loss occurs due to excess air.

그러므로 적정한 공기 주입량을 결정하려면 기본적으로 배기가스의 산소, 일산화탄소와 카본 등의 미연소 성분의 농도를 알아야 할 필요가 있다. Therefore, it is necessary to know the concentration of unburned components such as oxygen, carbon monoxide, and carbon in the exhaust gas in order to determine an appropriate amount of air injection.

따라서 종래에는 고정식 온라인 하드웨어 분석기를 이용하여 실시간으로 배기가스를 계측하는데 가격이 수억원 대로 비싸고, 노이즈로 인해 정확성이 결여되며, 고장이 잦아 유지보수에 비용이 많이 든다. Therefore, conventionally, a fixed online hardware analyzer is used to measure exhaust gas in real time, and the price is high in hundreds of millions of dollars, lacks accuracy due to noise, and frequent failures, resulting in high maintenance costs.

본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 연소설비의 배기가스를 하드웨어 분석기 대신에 머신러닝 소프트웨어인 가상센서(Virtual Sensor) 기술을 이용하여 예측하여 하드웨어 분석기 가격의 30% 이하로 비용이 저렴하며, 유지보수가 크게 필요하지 않고, 고장이 없는 가상센서를 이용한 연소설비 최고 효율의 공기 주입량 결정 시스템을 제공하는 것이다.The technical problem to be achieved by the present invention is to improve the conventional inconvenience, and by predicting the exhaust gas of the combustion facility using a virtual sensor technology, which is a machine learning software, instead of a hardware analyzer, 30% of the hardware analyzer price. Below, the cost is inexpensive, maintenance is not required, and there is no failure to provide a system for determining the most efficient air injection amount of a combustion facility using a virtual sensor.

또한, 본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치로부터 연소설비의 운전 관련 데이터를 제공받고, 측정센서의 고장을 진단하고, 가상센서를 이용하여 배기가스 성분의 함량을 예측하고, 최대의 연소 효율을 가능하게 하는 공기 주입량을 결정하여 단말기로 출력하는 가상센서를 이용한 연소설비 최고 효율의 공기 주입량 결정 시스템을 제공하는 것이다.In addition, the technical problem to be achieved by the present invention is to improve the conventional inconvenience, receive operation-related data of the combustion facility from a real-time data storage device installed in a factory computer network, diagnose a failure of a measurement sensor, and a virtual sensor. It is to provide a system for determining the amount of air injection of the combustion facility with the highest efficiency using a virtual sensor that predicts the content of exhaust gas components using and outputs the air injection amount that enables the maximum combustion efficiency to a terminal.

또한, 본 발명이 이루고자 하는 기술적 과제는 종래의 불편한 점을 개선하고자 하는 것으로, 가상센서를 이용하여 배기가스 성분의 함량을 예측하여 배기가스 측정 비용을 절감하고 연소효율을 최대화하도록 공기 주입량을 결정하여 가상센서를 이용한 연소설비 최고 효율의 공기 주입량 결정 시스템을 제공하는 것이다.In addition, the technical task to be achieved by the present invention is to improve the conventional inconvenience, by predicting the content of exhaust gas components using a virtual sensor to reduce the cost of exhaust gas measurement and to determine the amount of air injected to maximize combustion efficiency. It is to provide a system for determining the most efficient air injection amount of combustion facilities using a virtual sensor.

이러한 과제를 해결하기 위한 연소설비 효율 최적화 시스템은,Combustion facility efficiency optimization system to solve these problems,

공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치로부터 연소설비의 운전 관련 데이터를 제공받고, 측정센서의 고장을 진단하고, 가상센서를 이용하여 배기가스 성분의 함량을 예측하고, 최대의 연소 효율을 가능하게 하는 공기 주입량을 결정하여 단말기로 출력하는 가상센서를 이용한 연소설비 최고 효율의 공기 주입량 결정 시스템으로서,It receives the operation-related data of the combustion facility from the real-time data storage device installed in the factory computer network, diagnoses the failure of the measurement sensor, predicts the content of exhaust gas components using a virtual sensor, and enables maximum combustion efficiency. As a system for determining the amount of air injected in the combustion facility with the highest efficiency using a virtual sensor that determines the amount of air injected and outputs it to the terminal,

상기 데이터 저장 장치로부터 데이터를 제공받는 수신부; A receiving unit receiving data from the data storage device;

상기 수신부에서 수신한 데이터의 잡음을 제거하는 전처리 모듈; A pre-processing module for removing noise from data received by the receiving unit;

상기 전처리 모듈에서 잡음이 제거된 데이터로부터 측정센서의 고장을 진단하고 보정을 하는 고장진단 모듈; A failure diagnosis module for diagnosing and correcting a failure of the measurement sensor from the data from which noise has been removed by the preprocessing module;

상기 고장진단 모듈의 출력 데이터를 소정의 가상센서 모델에 입력하여 배기가스 성분의 함량을 예측하는 가상센서 모듈;A virtual sensor module for predicting the content of exhaust gas components by inputting the output data of the fault diagnosis module into a predetermined virtual sensor model;

상기 가상센서 모듈의 산소 함량을 중심으로 함량 변화에 대해 일산화탄소와 배기가스 온도의 변화를 예측하는 공정 모듈; A process module for predicting a change in temperature of carbon monoxide and exhaust gas with respect to a change in content based on the oxygen content of the virtual sensor module;

상기 가상센서 모듈에서 예측한 배기가스 산소 함량과 상기 공정 모델 모듈에서 예측한 일산화탄소와 배기가스 온도를 입력하여 연소설비의 효율을 계산하는 효율 계산 모듈; An efficiency calculation module for calculating an efficiency of a combustion facility by inputting the exhaust gas oxygen content predicted by the virtual sensor module and carbon monoxide and exhaust gas temperatures predicted by the process model module;

상기 가상센서 모듈과 공정 모델 모듈, 효율 계산 모듈을 소정회수 반복적으로 계산하여 그중에서 최고의 효율을 얻을 수 있는 공기 주입량을 결정하는 최적화 모듈; An optimization module that repeatedly calculates the virtual sensor module, the process model module, and the efficiency calculation module a predetermined number of times to determine an air injection amount capable of obtaining the highest efficiency among them;

상기 최적화 모듈의 공기 공급량 값을 단말기로 송신하는 송신부를 포함한다.And a transmitter for transmitting the air supply amount value of the optimization module to the terminal.

상기 고장진단 모듈은 측정센서의 고장으로 판단되면 예측값으로 측정값을 대신하는 것을 특징으로 한다.The failure diagnosis module is characterized in that, when it is determined that the measurement sensor has failed, the measurement value is replaced with a predicted value.

상기 최적화 모듈은 비선형 최적화 기법을 적용하여 가장 최고의 효율을 달성하기 위하여 필요한 공기 주입량을 결정하는 것을 특징으로 한다.The optimization module is characterized in that a nonlinear optimization technique is applied to determine the amount of air injected to achieve the highest efficiency.

본 발명의 실시예에서는, 공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치로부터 연소설비의 운전 관련 데이터를 제공받고, 측정센서의 고장을 진단하고, 가상센서를 이용하여 배기가스 성분의 함량을 예측하고, 최대의 연소 효율을 가능하게 하는 공기 주입량을 결정하여 단말기로 출력하는 가상센서를 이용한 연소설비 최고 효율의 공기 주입량 결정 시스템을 제공할 수 있다.In an embodiment of the present invention, the operation-related data of the combustion facility is received from the real-time data storage device installed in the factory computer network, the failure of the measurement sensor is diagnosed, the content of the exhaust gas component is predicted using the virtual sensor, and the maximum It is possible to provide a system for determining the air injection amount of the combustion facility with the highest efficiency using a virtual sensor that determines the amount of air injection that enables the combustion efficiency of the device and outputs it to the terminal.

또한, 본 발명의 실시예에서는, 가상센서를 이용하여 배기가스 성분의 함량을 예측하여 배기가스 측정 비용을 절감하고 연소효율을 최대화하도록 공기 주입량을 결정하여 연소설비의 에너지 절감을 실시하는 최적화 시스템을 제공할 수 있다.In addition, in an embodiment of the present invention, an optimization system for reducing energy consumption of combustion facilities by determining the amount of air injected to maximize combustion efficiency and reducing exhaust gas measurement cost by predicting the content of exhaust gas components using a virtual sensor is provided. Can provide.

도 1은 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 측정센서 고장진단을 개념적으로 나타낸 도면이다.
도 3 및 도 4는 본 발명의 실시예에 따른 가상센서를 이용한 배기가스 산소, 일산화탄소, 배기가스 온도를 계산하는데 적용되는 관계식의 도면이다.
도 5 및 6은 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 일산화탄소 함량과 배기가스 온도의 기준모델을 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 일산화탄소와 배기가스 온도를 결정하는 방법을 나타낸 도면이다.
도 8은 연소설비의 효율을 계산하는데 필요한 효율 손실 항목을 나타낸 도면이다. 효율은 (100 - L1 - L2 -L3 - L4 - L5 - L6 - L7 - L8)로 계산한다.
도 9는 연소효율의 최소값을 찾는 알고리즘을 수학적으로 나타낸 도면이다.
도 10은 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 연소효율 손실을 최소로 하는, 즉 연소효율을 최대로 하는 최적화의 개념을 나타낸 도면이다. 1 is a configuration diagram of a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.
2 is a view conceptually showing a measurement sensor failure diagnosis in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.
3 and 4 are diagrams of relational expressions applied to calculate exhaust gas oxygen, carbon monoxide, and exhaust gas temperatures using a virtual sensor according to an embodiment of the present invention.
5 and 6 are diagrams showing reference models of carbon monoxide content and exhaust gas temperature in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.
7 is a view showing a method of determining carbon monoxide and exhaust gas temperatures in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.
8 is a diagram showing an efficiency loss item required to calculate the efficiency of a combustion facility. The efficiency is calculated as (100-L1-L2 -L3-L4-L5-L6-L7-L8).
9 is a diagram showing mathematically an algorithm for finding the minimum value of combustion efficiency.
10 is a view showing the concept of optimization of minimizing combustion efficiency loss, that is, maximizing combustion efficiency, in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art may easily implement the present invention. However, the present invention may be implemented in various different forms and is not limited to the embodiments described herein. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and similar reference numerals are attached to similar parts throughout the specification.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. Throughout the specification, when a part "includes" a certain component, it means that other components may be further included rather than excluding other components unless specifically stated to the contrary.

도 1은 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템의 구성도이다.1 is a configuration diagram of a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.

도 2는 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 측정센서 고장진단을 개념적으로 나타낸 도면이다.2 is a view conceptually showing a measurement sensor failure diagnosis in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.

도 3 및 도 4는 본 발명의 실시예에 따른 가상센서를 이용한 배기가스 산소, 일산화탄소, 배기가스 온도를 계산하는데 적용되는 관계식의 도면이다.3 and 4 are diagrams of relational equations applied to calculate exhaust gas oxygen, carbon monoxide, and exhaust gas temperatures using a virtual sensor according to an embodiment of the present invention.

도 5 및 6은 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 일산화탄소 함량과 배기가스 온도의 기준모델을 나타낸 도면이다.5 and 6 are diagrams showing reference models of carbon monoxide content and exhaust gas temperature in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.

도 7은 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 일산화탄소와 배기가스 온도를 결정하는 방법을 나타낸 도면이다. 7 is a view showing a method of determining carbon monoxide and exhaust gas temperatures in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.

도 8은 연소설비의 효율을 계산하는데 필요한 효율 손실 항목을 나타낸 도면이다. 효율은 (100 - L1 - L2 -L3 - L4 - L5 - L6 - L7 - L8)로 계산한다.8 is a diagram showing an efficiency loss item required to calculate the efficiency of a combustion facility. The efficiency is calculated as (100-L1-L2 -L3-L4-L5-L6-L7-L8).

도 9는 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 연소효율의 최소값을 찾는 알고리즘을 수학적으로 나타낸 도면이다.9 is a diagram showing mathematically an algorithm for finding a minimum value of combustion efficiency in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.

도 10은 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템에서 연소효율 손실을 최소로 하는, 즉 연소효율을 최대로 하는 최적화의 개념을 나타낸 도면이다. 10 is a view showing the concept of optimization of minimizing combustion efficiency loss, that is, maximizing combustion efficiency, in a combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 실시예에 따른 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템은,Referring to Figure 1, the combustion facility efficiency optimization guide system using a virtual sensor according to an embodiment of the present invention,

공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치(200)로부터 데이터를 제공받아 연소효율 손실을 최소로 하는, 즉 연소효율을 최대로 하는 제어값을 결정하여 단말기(300)로 출력하는 가상센서를 이용한 연소설비 효율 최적화 가이드 시스템(100)으로서,Combustion facility using a virtual sensor that receives data from the real-time data storage device 200 installed in the factory computer network, determines a control value that minimizes combustion efficiency loss, that is, maximizes combustion efficiency, and outputs it to the terminal 300 As the efficiency optimization guide system 100,

상기 데이터 저장 장치(200)로부터 데이터를 제공받는 수신부(110); A receiving unit 110 receiving data from the data storage device 200;

상기 수신부(110)에서 수신한 데이터의 잡음을 제거하는 전처리 모듈(120); A pre-processing module 120 for removing noise from data received by the receiving unit 110;

상기 전처리 모듈(120)에서 잡음이 제거된 데이터로부터 측정센서의 고장을 진단하고 보정을 하는 고장진단 모듈(130); A failure diagnosis module 130 for diagnosing and correcting a failure of the measurement sensor from the data from which noise has been removed by the preprocessing module 120;

상기 고장진단모듈(130)의 출력 데이터를 소정의 가상센서 모델에 입력하여 배기가스의 산소, 일산화탄소, 온도를 예측하는 가상센서 모듈(140);A virtual sensor module 140 for predicting oxygen, carbon monoxide, and temperature of exhaust gas by inputting the output data of the fault diagnosis module 130 into a predetermined virtual sensor model;

상기 가상센서 모듈(140)의 산소 예측값을 기준으로 일산화탄소와 온도 예측값을 기준모델과 비교를 통해 결정하거나 아래 최적화 모듈(170)에서 결정한 산소를 기준으로 기준모델과 비교를 통해 일산화탄소와 온도를 결정하는 공정 모듈(150);To determine carbon monoxide and temperature by comparing the predicted value of carbon monoxide and temperature with the reference model based on the predicted oxygen value of the virtual sensor module 140, or by comparing with the reference model based on the oxygen determined by the optimization module 170 below. Process module 150;

상기 공정 모듈(150)에서 예측한 배기가스의 산소, 일산화탄소, 온도를 입력하여 연소설비의 효율 손실을 계산하는 모듈(160);A module 160 for calculating an efficiency loss of a combustion facility by inputting oxygen, carbon monoxide, and temperature of the exhaust gas predicted by the process module 150;

상기 연소효율 손실 계산 모듈(160)에서 계산한 연소효율 손실을 최적화 기법에 적용하여 최소의 효율 손실을 찾지 못하면 배기가스의 산소 함량을 변화하여 공정 모듈(150)부터 다시 계산하도록 하거나, 최소의 효율 손실을 찾으면 그 때의 공기 주입량을 최종 결정하는 최적화 모듈(170); If the combustion efficiency loss calculated by the combustion efficiency loss calculation module 160 is applied to the optimization technique, and the minimum efficiency loss is not found, the oxygen content of the exhaust gas is changed and recalculated from the process module 150, or the minimum efficiency An optimization module 170 that finally determines the amount of air injected at that time when the loss is found;

상기 제어모듈(170)의 최적의 공기 주입량 값을 단말기로 송신하는 송신부(180)를 포함한다.And a transmitter 180 for transmitting the optimum air injection amount value of the control module 170 to the terminal.

수신부(110)는, 공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치(200)로부터 가상센서 시스템이 요구하는 운전 데이터를 수신한다. The receiving unit 110 receives driving data requested by the virtual sensor system from the real-time data storage device 200 installed in the factory computer network.

전처리 모듈(120)은 수신부(110)에서 수신한 데이터에서 센서가 갖는 잡음을 무디게 하거나 제거한다. The preprocessing module 120 blunts or removes noise from the sensor from the data received by the receiver 110.

잡음을 무디게 하기 위해서는 지수가중이동평균(Exponential Weighted Mean Average) 필터를 크기가 큰 피크를 제거하기 위해서는 대역밴드(Band-pass) 필터를 사용한다. An Exponential Weighted Mean Average filter is used to blunt the noise, and a band-pass filter is used to remove large peaks.

측정센서가 고장으로 인해 실제와 다른 값을 출력하면 이 값을 받아 계산하는 가상센서도 실제와 다른 값을 출력한다. 따라서 고장진단모듈(130)은 측정센서의 고장을 미리 식별하고 보정하는 과정을 수행한다. If the measuring sensor outputs a value different from the real one due to a failure, the virtual sensor that receives this value and calculates it also outputs a different value from the real one. Therefore, the failure diagnosis module 130 performs a process of identifying and correcting a failure of the measurement sensor in advance.

도 2와 같이, 머신러닝 모델에 의한 예측값 (xpred)이 실제 센서값 (x)과 비교하여 그 차이(R)가 3σ보다 크면 그 측정센서는 고장으로 판별한다. σ는 과거 데이터를 통해 구한 예측값(xpred)과 과거 데이터의 실제 센서값 (x)의 차이의 표준편차를 의미한다. As shown in FIG. 2, if the predicted value (x pred ) by the machine learning model is compared with the actual sensor value (x) and the difference (R) is greater than 3σ, the measurement sensor is determined as a failure. σ means the standard deviation of the difference between the predicted value (x pred ) obtained from past data and the actual sensor value (x) of past data.

도 4와 같이, 센서의 고장으로 판단되면 예측값(xpred)으로 측정값 (x)을 대신한다. 예측값을 계산하는 머신러닝 모델은 가상센서를 구하는 방법과 동일하며, 하기에서 설명한다.As shown in FIG. 4, when it is determined that the sensor is malfunctioning, the measured value (x) is replaced by the predicted value (x pred ). The machine learning model for calculating the predicted value is the same as the method for obtaining a virtual sensor, and will be described below.

가상센서 모듈(140)은 센서 고장진단 과정을 거친 센서값을 가상센서 모델에 입력하여 배기가스의 산소함량, 일산화탄소 함량, 온도를 예측한다. The virtual sensor module 140 predicts the oxygen content, carbon monoxide content, and temperature of the exhaust gas by inputting a sensor value that has undergone a sensor failure diagnosis process into a virtual sensor model.

가상센서 모듈에서 산소함량, 일산화탄소 함량, 온도를 예측하기 위해 사용하는 가상센서 모델은 과거의 운전 데이터에 대해 차수감축 모델로 구분되는 PLS(Partial Least Square) 기법을 적용하여 사전에 구한 것이다. 즉, 가상센서 모델은 PLS 기법을 통해 구한 선형 모델이다. The virtual sensor model used to predict the oxygen content, carbon monoxide content, and temperature in the virtual sensor module was obtained in advance by applying the PLS (Partial Least Square) method, which is classified as a reduction model, to the past operation data. That is, the virtual sensor model is a linear model obtained through the PLS technique.

이렇게 구한 선형 모델에 센서 고장진단 과정을 거친 센서값을 실시간 운전 데이터로 입력하여 배기가스 성분 중 산소와 일산화탄소 함량과 배기가스의 온도를 예측한다. 배기가스 성분 중 산소와 일산화탄소 함량과 배기가스의 온도는 뒤의 효율손실 계산 모듈(160)에서 효율손실을 계산하기 위해 필요한 데이터이다. In the linear model thus obtained, the sensor value, which has undergone a sensor failure diagnosis process, is input as real-time operation data to predict the content of oxygen and carbon monoxide in the exhaust gas component and the temperature of the exhaust gas. The content of oxygen and carbon monoxide among the exhaust gas components and the temperature of the exhaust gas are data necessary for calculating the efficiency loss in the efficiency loss calculation module 160 later.

PLS 기법은 특히 노이즈 제거 기능이 우수하여 노이즈로 인해 어려움을 겪는 공장 데이터를 처리하는데 효과적이다. PLS는 X와 Y 각각에 대해 주성분분석(Principal Component Analysis, PCA)을 이용하여 주성분(Principal Components, PC)을 구한 후 X와 Y 각각의 주성분을 다시 선형으로 관련 짖는다. The PLS technique is particularly effective in processing factory data that suffers from noise due to its excellent noise removal function. PLS calculates the principal components (PC) using Principal Component Analysis (PCA) for each of X and Y, and then linearly relates the principal components of X and Y again.

여기서, X는 독립변수로서 공정 데이터의 행렬을 나타내며, Y는 종속변수로서 예측하고자 하는 배기가스 성분 중 산소와 일산화탄소 함량과 배기가스의 온도의 행렬을 나타낸다. PCA는 자료의 중요한 변동을 나타낼 수 있도록 원래 변수의 선형결합으로 표현되는 새로운 변수인 주성분을 구해준다. Here, X denotes a matrix of process data as an independent variable, and Y denotes a matrix of oxygen and carbon monoxide content and exhaust gas temperature among exhaust gas components to be predicted as dependent variables. PCA calculates the principal component, a new variable expressed as a linear combination of the original variables, so as to represent significant fluctuations in the data.

PLS에서는 종속변수 Y에 대해서도 PCA를 적용한 후 X와 Y의 관계식을 도 3과 같이 선형식으로 나타낸다. In PLS, after applying PCA to the dependent variable Y, the relationship between X and Y is expressed in a linear expression as shown in FIG. 3.

그리고 선정된 변수들에 대하여 PLS 선형모델에서 각 변수의 계수인 가중치를 독립변수와 종속변수간 공분산을 최대화 설명하면서 상호적으로 직교인 가중 벡터를 얻게 한다. And for the selected variables, the weight, which is the coefficient of each variable in the PLS linear model, is explained to maximize the covariance between the independent variable and the dependent variable to obtain a mutually orthogonal weight vector.

다음, 가중치 (W={w1, w2,….. , wp)}는 도 4와 같이 구한다.Next, the weight (W={w 1 , w 2 ,....., w p )} is calculated as shown in FIG. 4.

이렇게 다수의 변수들과 그에 대한 가중치로 만들어진 PLS 선형모델은 실측값과의 비교를 통하여 적합성 기준(예, 신뢰구간 90%)안에 들어올 시 가상센서 모델로 사용하게 된다. In this way, the PLS linear model made with a number of variables and their weights is used as a virtual sensor model when it falls within the suitability criterion (eg, 90% confidence interval) through comparison with the measured values.

공정 모듈(150)은 배기가스의 일산화탄소와 온도 모델을 구하는 모듈로서 가상센서 모듈(140)에서 출력되는 산소 함량, 일산화탄소 함량, 배기가스 온도 예측값을 통과하면서 기준 모델(Reference Model)과 비례적으로 평행한 상관식을 공정 모델로 구한다. The process module 150 is a module that obtains carbon monoxide and temperature models of exhaust gas, passing through the predicted values of the oxygen content, carbon monoxide content, and exhaust gas temperature output from the virtual sensor module 140, and is proportionally parallel to the reference model. Find a correlation equation as a process model.

공정 모듈(150)에서 사용하는 기준 모델은 도 5의 배기가스 산소 함량에 대한 일산화탄소 상관식과 도 6의 배기가스 배기사스 산소 함량에 대한 온도의 상관식이다. The reference model used in the process module 150 is a correlation equation of carbon monoxide with respect to the oxygen content of exhaust gas in FIG. 5 and a correlation equation of temperature with respect to oxygen content of exhaust gas exhaust gas in FIG. 6.

산소 함량과 일산화탄소 함량의 상관관계와 산소 함량과 배기가스 온도의 상관관계를 각각 비선형식으로 표현하고, 과거의 데이터들을 이용하여 주어진 비선형식에 대해 확률적으로 가장 근사하도록 최소자승법(Least Square)으로 상수를 결정함으로써 기준 모델을 결정한다. The correlation between oxygen content and carbon monoxide content and the correlation between oxygen content and exhaust gas temperature are expressed in a nonlinear format, respectively, and the least square method is used to approximate the most probabilistically for a given nonlinear format using past data. Determine the reference model by determining the constant.

본 발명의 공정 모듈(150)에서는 산소 함량에 대한 일산화탄소 함량의 상관관계가 비선형관계에 있으므로 지수함수( y = a exp(b x))를 사용하며, 지수함수의 상수 a와 b를 최소자승법으로 구하고, 산소 함량에 대한 배기가스 온도의 상관관계가 선형 관계로 가정할 수 있으므로 일차함수( y = a x + b )를 사용하며, 일차함수의 상수 a와 b를 최소자승법으로 구한다.In the process module 150 of the present invention, since the correlation between the oxygen content and the carbon monoxide content is non-linear, an exponential function (y = a exp(bx)) is used, and the constants a and b of the exponential function are obtained by the least squares method. , Since the correlation of the temperature of the exhaust gas to the oxygen content can be assumed to be a linear relationship, the linear function (y = ax + b) is used, and the constants a and b of the linear function are obtained by the least squares method.

가상센서 모듈(140)에서 출력되는 산소 함량을 x축으로, 가상센서 모듈(140)에서 출력되는 일산화탄소를 y축으로 하는 기준점을 설정하고, 도 7과 같이 기준점을 통과하면서 기준 모델(Reference Model)과 비례 관계를 유지하는 상관식을 구함으로써 공정 모델을 구한다. A reference point is set with the oxygen content output from the virtual sensor module 140 as the x-axis and the carbon monoxide output from the virtual sensor module 140 as the y-axis, and passing through the reference point as shown in FIG. The process model is obtained by finding a correlation that maintains a proportional relationship with.

좀 더 자세히 설명하면, 도 7과 같이 x축인 산소의 함량 변화에 대해 기준점을 통과하면서 기준 모델(Reference Model) 대비 비율(a/b)이 일정하다고 가정한 상관식을 통해 일산화탄소를 결정하는 것으로 공정 모델을 구성한다. In more detail, as shown in FIG. 7, the process is to determine carbon monoxide through a correlation equation that assumes that the ratio (a/b) relative to the reference model is constant while passing through the reference point with respect to the change in the oxygen content of the x-axis. Construct the model.

이렇게 구성한 상관식을 이용하여, 횡축의 산소 값이 주어지면 이에 대응하는 일산화탄소 함량을 결정한다. 이때, 배기가스 온도도 같은 방식으로 공정 모델을 이용하여 값을 결정한다.Using the correlation equation constructed in this way, when an oxygen value on the horizontal axis is given, the corresponding carbon monoxide content is determined. At this time, the exhaust gas temperature is also determined in the same way using a process model.

효율 손실 계산 모듈(160)은 주어진 산소 함량에 대해 공정 모듈(150)에서 결정한 일산화탄소 함량과 배기가스 온도를 입력하여 연소효율 손실을 계산한다. The efficiency loss calculation module 160 calculates the combustion efficiency loss by inputting the carbon monoxide content and exhaust gas temperature determined by the process module 150 for a given oxygen content.

도 8에 의해 효율 손실 항목을 나타냈으며, 이를 합한 값이 연소효율 손실이다.The efficiency loss items are shown in Fig. 8, and the sum of them is the combustion efficiency loss.

최적화 모듈(170)은 효율 손실 계산 모듈(160)에서 계산한 연소효율 손실이 주어진 산소 범위 내에서 최소값인지를 확인하여 최소값이면 이에 대한 공기 유량을 결정하여 최적화 알고리즘 실행을 완성하고, 연소효율 손실이 주어진 산소 범위 내에서 최소값이 아니면 새로운 배기가스 산소 함량을 결정하여 공정 모듈(150)부터 소정 회수 반복계산(Iteration)을 실시한다. 이러한 소정 회수는 필요에 따라 설정이 가능하다.The optimization module 170 checks whether the combustion efficiency loss calculated by the efficiency loss calculation module 160 is the minimum value within a given oxygen range, and if it is the minimum value, determines the air flow rate for the minimum value to complete the execution of the optimization algorithm, and the combustion efficiency loss is If it is not the minimum value within the given oxygen range, a new exhaust gas oxygen content is determined, and a predetermined number of iterations are performed from the process module 150. This predetermined number of times can be set as needed.

최적화 알고리즘으로 SLSQP(sequential least squares programming)을 사용하며 1988년 Dieter Kraft가 제안했다. 제약조건과 상하한선 경계가 있는 비선형 최적화 문제를 풀 때 사용하고 목적함수를 2차방정식에 근사하여 문제를 단순화하는 것이 특징이다. SLSQP (sequential least squares programming) is used as an optimization algorithm and proposed by Dieter Kraft in 1988. It is used to solve nonlinear optimization problems with constraints and upper and lower bounds, and is characterized by simplifying the problem by approximating the objective function to a quadratic equation.

본 발명에서는 연소효율 손실이 목적함수이며 이를 최소로 하는 해를 구한다. In the present invention, the loss of combustion efficiency is an objective function, and a solution to minimize it is obtained.

목적함수를 최소화하기 위해 Quasi-Newton method를 사용하기 때문에 이차 미분을 필요로 하는 Newton method보다 계산적인 부담이 훨씬 적다. 이차 미분을 근사하는 행렬(B)을 사용하고 B를 업데이트하면서 점진적으로 최적점을 찾는다. Since the Quasi-Newton method is used to minimize the objective function, the computational burden is much less than the Newton method, which requires a second derivative. We use a matrix (B) that approximates the second derivative and gradually find the optimal point while updating B.

이때, 최적점을 찾는 알고리즘은 도 9와 같이 실행한다.At this time, the algorithm for finding the optimal point is executed as shown in FIG. 9.

그리고 이러한 최적화의 개념을 도 10에 도시하였으며, 효율손실곡선의 최저점에서 공기 유량 또는 CSV, SQL을 결정하면 된다.And the concept of such optimization is shown in Fig. 10, and the air flow rate, CSV, or SQL can be determined at the lowest point of the efficiency loss curve.

이후, 송신부(180)는 최적화 모듈(170)에서 결정한 공기 유량을 값을 직접 수치로 출력하거나, CSV, SQL을 이용하여 단말기로 송신하여 다른 시스템이 이를 읽어 들일 수 있도록 한다.Thereafter, the transmission unit 180 directly outputs the value of the air flow rate determined by the optimization module 170 as a numerical value, or transmits it to the terminal using CSV or SQL so that other systems can read it.

이상의 본 발명의 실시예에서는, 공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치로부터 연소설비의 운전 관련 데이터를 제공받고, 측정센서의 고장을 진단하고, 가상센서를 이용하여 배기가스 성분의 함량을 예측하고, 최대의 연소 효율을 가능하게 하는 공기 주입량을 결정하여 단말기로 출력할 수 있다.In the above embodiment of the present invention, operation-related data of a combustion facility is provided from a real-time data storage device installed in a factory computer network, a failure of a measurement sensor is diagnosed, and a content of an exhaust gas component is predicted using a virtual sensor, The amount of air injected that enables maximum combustion efficiency can be determined and output to the terminal.

또한, 가상센서를 이용하여 배기가스 성분의 함량을 예측하여 배기가스 측정 비용을 절감하고 연소효율을 최대화하도록 연소설비의 에너지 절감을 실시하는 공기 주입량을 자동으로 제공할 수 있다.In addition, by predicting the content of the exhaust gas component using a virtual sensor, it is possible to automatically provide an air injection amount for energy saving of a combustion facility so as to reduce the cost of measuring exhaust gas and maximize combustion efficiency.

이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다. The embodiments of the present invention described above are not implemented only through an apparatus and a method, but may be implemented through a program that realizes a function corresponding to the configuration of the embodiment of the present invention or a recording medium in which the program is recorded. Implementation can be easily implemented by an expert in the technical field to which the present invention belongs from the description of the above-described embodiment.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.Although the embodiments of the present invention have been described in detail above, the scope of the present invention is not limited thereto, and various modifications and improvements by those skilled in the art using the basic concept of the present invention defined in the following claims are also provided. It belongs to the scope of rights.

Claims (3)

공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치로부터 데이터를 제공받아 제품의 품질 규격을 만족하도록 조작변수의 제어 값을 결정하여 단말기로 출력하는 가상센서를 이용한 제어 출력값 제공 시스템으로서,
공장 컴퓨터 네트워크에 설치된 실시간 데이터 저장 장치로부터 연소설비의 운전 관련 데이터를 제공받아 최적의 연소효율을 가능하게 하는 공기 주입량을 단말기로 출력하는 가상센서를 이용한 최고 효율 달성 공기 주입량 출력값 제공 시스템으로서,
상기 데이터 저장 장치로부터 데이터를 제공받는 수신부;
상기 수신부에서 수신한 데이터의 잡음을 제거하는 전처리 모듈;
상기 전처리 모듈에서 잡음이 제거된 데이터로부터 측정센서의 고장을 진단하는 고장진단 모듈;
상기 고장진단 모듈의 출력 데이터를 소정의 가상센서 모델에 입력하여 배기가스 성분의 함량을 예측하는 가상센서 모듈;
상기 가상센서 모듈의 산소 함량에 대해 일산화탄소와 배기가스 온도를 예측하는 공정 모듈;
상기 가상센서 모듈에서 예측한 배기가스 산소 함량과 일산화탄소 및 배기가스 온도를 입력하여 연소설비의 효율 손실을 계산하는 효율 손실 계산 모듈;
상기 가상센서 모듈과 공정 모델 모듈, 효율 계산 모듈을 반복적으로 계산하여 최고의 효율을 얻을 수 있는 공기 주입량을 결정하는 최적화 모듈;
상기 최적화 모듈의 공기 공급량 값을 단말기로 송신하는 송신부를 포함하는 가상센서를 이용한 최고 효율의 공기 주입량 제공 시스템.As a control output value providing system using a virtual sensor that receives data from a real-time data storage device installed in a factory computer network, determines a control value of a manipulated variable to satisfy the product quality standard and outputs it to a terminal,
As a system for providing the highest efficiency achieved air injection amount output value using a virtual sensor that receives the operation-related data of the combustion facility from the real-time data storage device installed in the factory computer network and outputs the air injection amount that enables the optimum combustion efficiency to the terminal,
A receiving unit receiving data from the data storage device;
A pre-processing module for removing noise from data received by the receiving unit;
A failure diagnosis module for diagnosing a failure of the measurement sensor from data from which noise has been removed by the preprocessing module;
A virtual sensor module for predicting the content of exhaust gas components by inputting the output data of the fault diagnosis module into a predetermined virtual sensor model;
A process module for predicting carbon monoxide and exhaust gas temperatures with respect to the oxygen content of the virtual sensor module;
An efficiency loss calculation module for calculating an efficiency loss of a combustion facility by inputting the exhaust gas oxygen content, carbon monoxide, and exhaust gas temperature predicted by the virtual sensor module;
An optimization module that repeatedly calculates the virtual sensor module, the process model module, and the efficiency calculation module to determine an air injection amount capable of obtaining the highest efficiency;
A system for providing the air injection amount of the highest efficiency using a virtual sensor including a transmitter that transmits the air supply amount value of the optimization module to a terminal. 제1항에 있어서,
상기 공정 모듈은 배기가스의 산소 함량에 대해 배기가스의 일산화탄소 함량과 배기가스의 온도를 예측하는 것을 특징으로 하는 가상센서를 이용한 최고 효율의 공기 주입량 제공 시스템.The method of claim 1,
The process module predicts the carbon monoxide content of the exhaust gas and the temperature of the exhaust gas with respect to the oxygen content of the exhaust gas. 제2항에 있어서,
상기 최적화 모듈은 상기 가상센서 모듈에서 출력되는 공기 주입량 출력값이 최대의 연소 효율을 가능하게 하는 공기 주입량을 결정하여 단말기로 출력하는 것을 특징으로 하는 가상센서를 이용한 최고 효율의 공기 주입량 제공 시스템.The method of claim 2,
The optimization module is a system for providing the air injection amount of the highest efficiency using a virtual sensor, characterized in that the air injection amount output value output from the virtual sensor module determines an air injection amount that enables maximum combustion efficiency and outputs it to a terminal.
KR1020200014291A 2020-02-06 2020-02-06 Air supply guide system for combustion optimization using flue gas virtual sensors KR102224152B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200014291A KR102224152B1 (en) 2020-02-06 2020-02-06 Air supply guide system for combustion optimization using flue gas virtual sensors

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200014291A KR102224152B1 (en) 2020-02-06 2020-02-06 Air supply guide system for combustion optimization using flue gas virtual sensors

Publications (1)

Publication Number Publication Date
KR102224152B1 true KR102224152B1 (en) 2021-03-08

Family

ID=75185126

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200014291A KR102224152B1 (en) 2020-02-06 2020-02-06 Air supply guide system for combustion optimization using flue gas virtual sensors

Country Status (1)

Country Link
KR (1) KR102224152B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102487540B1 (en) * 2021-09-03 2023-01-11 (주)테크다스 Matte grade optimization control system in cupper smelting process

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
인터넷 자료 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102487540B1 (en) * 2021-09-03 2023-01-11 (주)테크다스 Matte grade optimization control system in cupper smelting process

Similar Documents

Publication Publication Date Title
JP5765873B2 (en) Adaptive process control loop control device, process control system, and process control system control method
JP5203984B2 (en) Method and apparatus for analyzing and evaluating measurement data of a measurement system
US6459939B1 (en) Performance assessment of model predictive controllers
US8046090B2 (en) Apparatus and method for automated closed-loop identification of an industrial process in a process control system
US5740033A (en) Model predictive controller
US20120296605A1 (en) Method, computer program, and system for performing interpolation on sensor data for high system availability
CN101436057A (en) Numerical control machining tool heat error Bayes network compensation method
KR102224152B1 (en) Air supply guide system for combustion optimization using flue gas virtual sensors
CN110701796A (en) Energy-saving control system of hot water system based on cloud prediction algorithm
WO2022091291A1 (en) Information processing device, information processing method, and recording medium
Miletic et al. On-line statistical results analysis in real-time operations optimization
Dong et al. Emission monitoring using multivariate soft sensors
TW202100900A (en) Intelligent learning mechanism and adaptive regulation system for liquid gas filling
KR102222734B1 (en) Control output value providing system using virtual sensor
CN117743909A (en) Heating system fault analysis method and device based on artificial intelligence
Hines et al. Process and equipment monitoring methodologies applied to sensor calibration monitoring
CN111108738B (en) Data processing device, data analysis device, data processing system, and method for processing data
Zhu System identification for process control: Recent experience and outlook
CN112862180A (en) Denitration system inlet NOx concentration prediction method
CN117764422B (en) Intelligent energy-saving operation and maintenance management cloud platform
CN117871771B (en) Big data-based gas energy monitoring method
Trierweiler et al. Channel oriented approach for multivariable model updating using historical data
RU2757532C1 (en) Method for evaluating technical condition of flame tubes of gas turbine engine
KR102561073B1 (en) Smart Performance Monitoring System Using Real-time Efficiency Control Limit for Industrial Boilers
CN117554218B (en) Straight asphalt pouring type steel bridge surface composite beam test piece fatigue test device and method

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant