KR20070055572A - 공기 오염 제어 프로세스들의 모델 예측 제어 - Google Patents
공기 오염 제어 프로세스들의 모델 예측 제어 Download PDFInfo
- Publication number
- KR20070055572A KR20070055572A KR1020077006976A KR20077006976A KR20070055572A KR 20070055572 A KR20070055572 A KR 20070055572A KR 1020077006976 A KR1020077006976 A KR 1020077006976A KR 20077006976 A KR20077006976 A KR 20077006976A KR 20070055572 A KR20070055572 A KR 20070055572A
- Authority
- KR
- South Korea
- Prior art keywords
- flue gas
- control
- model
- wfgd
- slurry
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 400
- 230000008569 process Effects 0.000 title claims abstract description 336
- 238000003915 air pollution Methods 0.000 title claims abstract description 17
- 239000002002 slurry Substances 0.000 claims abstract description 299
- 239000010440 gypsum Substances 0.000 claims abstract description 181
- 229910052602 gypsum Inorganic materials 0.000 claims abstract description 181
- 239000003546 flue gas Substances 0.000 claims abstract description 156
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 153
- 239000006028 limestone Substances 0.000 claims abstract description 110
- 235000019738 Limestone Nutrition 0.000 claims abstract description 109
- 230000008859 change Effects 0.000 claims abstract description 59
- 238000013528 artificial neural network Methods 0.000 claims abstract description 21
- 239000000356 contaminant Substances 0.000 claims abstract description 7
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 180
- 229910021529 ammonia Inorganic materials 0.000 claims description 90
- 239000006227 byproduct Substances 0.000 claims description 42
- 230000001590 oxidative effect Effects 0.000 claims description 30
- 230000003647 oxidation Effects 0.000 claims description 21
- 238000007254 oxidation reaction Methods 0.000 claims description 21
- 230000002829 reductive effect Effects 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 14
- 238000006477 desulfuration reaction Methods 0.000 claims description 11
- 230000023556 desulfurization Effects 0.000 claims description 11
- 238000010531 catalytic reduction reaction Methods 0.000 claims description 10
- 238000010790 dilution Methods 0.000 claims description 7
- 239000012895 dilution Substances 0.000 claims description 7
- 238000013270 controlled release Methods 0.000 claims 1
- 238000013500 data storage Methods 0.000 claims 1
- 238000013022 venting Methods 0.000 claims 1
- 210000001357 hemopoietic progenitor cell Anatomy 0.000 abstract description 15
- 238000001167 microscope projection photolithography Methods 0.000 abstract description 15
- 239000006096 absorbing agent Substances 0.000 description 122
- 230000006870 function Effects 0.000 description 79
- 239000003570 air Substances 0.000 description 63
- 238000005096 rolling process Methods 0.000 description 53
- 238000005259 measurement Methods 0.000 description 38
- 238000005457 optimization Methods 0.000 description 35
- 230000001105 regulatory effect Effects 0.000 description 35
- 238000011156 evaluation Methods 0.000 description 34
- 239000003054 catalyst Substances 0.000 description 32
- 238000004891 communication Methods 0.000 description 30
- 238000012545 processing Methods 0.000 description 29
- 239000007921 spray Substances 0.000 description 25
- 238000013210 evaluation model Methods 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 22
- 239000007788 liquid Substances 0.000 description 21
- 230000007774 longterm Effects 0.000 description 21
- 238000010248 power generation Methods 0.000 description 21
- 238000003860 storage Methods 0.000 description 21
- OSGAYBCDTDRGGQ-UHFFFAOYSA-L calcium sulfate Chemical compound [Ca+2].[O-]S([O-])(=O)=O OSGAYBCDTDRGGQ-UHFFFAOYSA-L 0.000 description 20
- 230000033001 locomotion Effects 0.000 description 20
- 239000000243 solution Substances 0.000 description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 20
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 18
- 230000001276 controlling effect Effects 0.000 description 18
- 239000001301 oxygen Substances 0.000 description 18
- 229910052760 oxygen Inorganic materials 0.000 description 18
- 238000010521 absorption reaction Methods 0.000 description 17
- 239000010410 layer Substances 0.000 description 16
- 238000012360 testing method Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 15
- 241001596784 Pegasus Species 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 14
- 230000008901 benefit Effects 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 13
- 239000000654 additive Substances 0.000 description 12
- GBAOBIBJACZTNA-UHFFFAOYSA-L calcium sulfite Chemical compound [Ca+2].[O-]S([O-])=O GBAOBIBJACZTNA-UHFFFAOYSA-L 0.000 description 12
- 235000010261 calcium sulphite Nutrition 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000013475 authorization Methods 0.000 description 11
- 230000007423 decrease Effects 0.000 description 11
- 239000000523 sample Substances 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 10
- 238000004886 process control Methods 0.000 description 10
- 241001470561 Arracacha virus V Species 0.000 description 9
- 230000009471 action Effects 0.000 description 9
- 230000006399 behavior Effects 0.000 description 9
- 230000005611 electricity Effects 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 208000002267 Anti-neutrophil cytoplasmic antibody-associated vasculitis Diseases 0.000 description 8
- 241000702421 Dependoparvovirus Species 0.000 description 8
- 239000012080 ambient air Substances 0.000 description 8
- 239000013505 freshwater Substances 0.000 description 8
- 238000002347 injection Methods 0.000 description 8
- 239000007924 injection Substances 0.000 description 8
- 238000005086 pumping Methods 0.000 description 8
- 150000003839 salts Chemical class 0.000 description 8
- 239000003245 coal Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000002156 mixing Methods 0.000 description 7
- 150000007524 organic acids Chemical class 0.000 description 7
- 239000000843 powder Substances 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000006722 reduction reaction Methods 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 7
- 241000702423 Adeno-associated virus - 2 Species 0.000 description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 238000002425 crystallisation Methods 0.000 description 6
- 230000008025 crystallization Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 239000003595 mist Substances 0.000 description 6
- 239000000376 reactant Substances 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000001052 transient effect Effects 0.000 description 6
- PHBQDVOLZRHPOJ-UHFFFAOYSA-N 3-ethenylsulfonyl-n-[(3-ethenylsulfonylpropanoylamino)methyl]propanamide Chemical compound C=CS(=O)(=O)CCC(=O)NCNC(=O)CCS(=O)(=O)C=C PHBQDVOLZRHPOJ-UHFFFAOYSA-N 0.000 description 5
- 239000010883 coal ash Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 239000011593 sulfur Substances 0.000 description 5
- 229910052717 sulfur Inorganic materials 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 239000002351 wastewater Substances 0.000 description 5
- 241001655883 Adeno-associated virus - 1 Species 0.000 description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- ODINCKMPIJJUCX-UHFFFAOYSA-N Calcium oxide Chemical compound [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 4
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 4
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 4
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 4
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 4
- 230000004913 activation Effects 0.000 description 4
- 239000002956 ash Substances 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 239000011777 magnesium Substances 0.000 description 4
- 229910052749 magnesium Inorganic materials 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004540 process dynamic Methods 0.000 description 4
- 230000008929 regeneration Effects 0.000 description 4
- 238000011069 regeneration method Methods 0.000 description 4
- AKEJUJNQAAGONA-UHFFFAOYSA-N sulfur trioxide Chemical compound O=S(=O)=O AKEJUJNQAAGONA-UHFFFAOYSA-N 0.000 description 4
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000004090 dissolution Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 235000005985 organic acids Nutrition 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 239000000292 calcium oxide Substances 0.000 description 2
- 235000012255 calcium oxide Nutrition 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 230000009849 deactivation Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005367 electrostatic precipitation Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013086 organic photovoltaic Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 238000001824 photoionisation detection Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000007086 side reaction Methods 0.000 description 2
- 239000011734 sodium Substances 0.000 description 2
- 229910052708 sodium Inorganic materials 0.000 description 2
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- LSNNMFCWUKXFEE-UHFFFAOYSA-N Sulfurous acid Chemical compound OS(O)=O LSNNMFCWUKXFEE-UHFFFAOYSA-N 0.000 description 1
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- XHCLAFWTIXFWPH-UHFFFAOYSA-N [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] XHCLAFWTIXFWPH-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- BIGPRXCJEDHCLP-UHFFFAOYSA-N ammonium bisulfate Chemical compound [NH4+].OS([O-])(=O)=O BIGPRXCJEDHCLP-UHFFFAOYSA-N 0.000 description 1
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 1
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 1
- 235000011130 ammonium sulphate Nutrition 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- LVGQIQHJMRUCRM-UHFFFAOYSA-L calcium bisulfite Chemical compound [Ca+2].OS([O-])=O.OS([O-])=O LVGQIQHJMRUCRM-UHFFFAOYSA-L 0.000 description 1
- 229910000019 calcium carbonate Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 229910010293 ceramic material Inorganic materials 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000012717 electrostatic precipitator Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000033116 oxidation-reduction process Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 239000011236 particulate material Substances 0.000 description 1
- CBHCDHNUZWWAPP-UHFFFAOYSA-N pecazine Chemical compound C1N(C)CCCC1CN1C2=CC=CC=C2SC2=CC=CC=C21 CBHCDHNUZWWAPP-UHFFFAOYSA-N 0.000 description 1
- 239000011505 plaster Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- 102000037983 regulatory factors Human genes 0.000 description 1
- 108091008025 regulatory factors Proteins 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 description 1
- 229910001935 vanadium oxide Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2257/00—Components to be removed
- B01D2257/30—Sulfur compounds
- B01D2257/302—Sulfur oxides
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2257/00—Components to be removed
- B01D2257/40—Nitrogen compounds
- B01D2257/404—Nitrogen oxides other than dinitrogen oxide
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T436/00—Chemistry: analytical and immunological testing
- Y10T436/12—Condition responsive control
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Analytical Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Treating Waste Gases (AREA)
- Feedback Control In General (AREA)
- Ventilation (AREA)
- Sampling And Sample Adjustment (AREA)
- Separation Of Gases By Adsorption (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
- Enzymes And Modification Thereof (AREA)
Abstract
오염물의 방출을 제어하기 위한 프로세스를 실행하는 공기 오염 제어 시스템(620)의 동작을 지시하기 위한 제어기(610)는 다수의 프로세스 파라미터(MPP)(625)들을 가진다. 하나 이상의 MPP(625)들은 제어가능한 프로세스 파라미터(CTPP)(615)이며, MPP(625)들 중 하나는 시스템(620)에 의해 방출된 많은 양의 오염물(AOP)(640)이다. 정의된 AOP(640) 값(AOPV)은 방출된 것(640)의 실제 값(AV)에 대한 목적 또는 한계를 나타낸다. 제어기(610)는 각각의 CTPP(615)와 방출된 것(640) 사이의 관계를 나타내는 신경망 프로세스 모델 또는 비-신경망 프로세스 모델 중 하나를 포함한다. 제어 프로세서(630)는 상기 모델에 기초하여 각각의 CTPP(615)의 현재 값에 대한 변화가 방출된 AOP(640)의 미래 AV에 어떻게 영향을 주는지 예측하고 상기 변화의 예측된 영향 및 AOPV에 기초하여 하나의 CTPP(615)에서의 변화들 중 하나를 선택하며, 상기 CTPP(615)에 대한 선택된 변화에 따라 하나의 CTPP(615)의 제어를 지시하기 위한 로직을 갖는다.
공기 오염, 신경망, 연도 가스, 석고, 석회석, 슬러리
Description
본 발명은 본원과 함께 출원된 "MODEL PREDICTIVE CONTROL OF AIR POLLUTION CONTROL PROCESS"이란 제목의 미국 특허 출원 일련 번호 제＿＿호(대리인 문서 번호 3156-046), "OPTIMIZED AIR POLLUTION CONTROL"이란 제목의 미국 특허 출원 일련 번호 제＿＿호(대리인 문서번호 3156-046A), "COST BASED CONTROL OF AIR POLLUTION CONTROL"이란 제목의 미국 특허 출원 일련 번호 제＿＿호(대리인 문서번호 3156-046E), "CONTROL OF ROLLING OR MOVING AVERAGE VALUES OF AIR POLLUTION CONTROL EMISSIONS TO A DESIRED VALUE"이란 제목의 미국 특허 출원 일련 번호 제＿＿호(대리인 문서번호 3156-046H), "MAXIMIZING PROFIT AND MINIMIZING LOSSES IN CONTROLLING AIR POLLUTION"이란 제목의 미국 특허 출원 일련 번호 제＿＿호(대리인 문서번호 3156-046J), "MAXIMIZING REGULATORY CREDITS IN CONTROLLING AIR POLLUTION"이란 제목의 미국 특허 출원 일련 번호 제＿＿호(대리인 문서번호 3156-046K)에 관련되어 있다.
본 발명은 일반적으로 프로세스 제어에 관한 것이다. 더욱 상세하게는, 본 발명은 공기 오염 제어에 이용되는 것과 같은 프로세스들의 개선된 제어에 대한 기 술들에 관한 것이다. 이러한 프로세스들의 예들은 습식 및 건식 연도가스 탈황(wet and dry flue gas desulfurization: WFGD/DFGD), 선택적 촉매 환원(SCR)을 통한 질소 산화물 제거, 및 정전기 침전(ESP)을 통한 입자상 제거를 포함하나 이에 한정되는 것은 아니다.
<습식 연도 가스 탈황>
공지된 바와 같이, 논의의 기초를 형성하기 위해, 몇몇의 공기 오염 제어 프로세스들이 있다: WFGD 프로세스가 주목받고 있다. WFGD 프로세스는 발전 산업에서 연도 가스로부터 SO2를 제거하기 위해 가장 일반적으로 이용되는 프로세스이다. 도 1은 화석 연료 예컨대 석탄, 발전 시스템에 의해 생성되는 것과 같은 건조한 연도 가스로부터 SO2를 제거하고, 최소의 폐기 비용으로 폐기되도록 하는 특성을 갖거나 또는 상업적 용도로 판매가 가능하도록 하는 특성을 갖는 것과 같은 상업적 수준의 부산물을 생산하는 습식 연도 가스 탈황(WFGD) 서브시스템의 개요를 설명한 블록도이다.
미국에서, 현재 선호되는 WFGD의 부산물은 벽판 재료에 이용하기에 적합한 비교적 높은 품질(95+% 순도)을 갖는 상업적 수준의 석고이며, 이는 가정 및 사무실 건축에 차례로 이용되고 있다. 고품질(~92%)의 상업적 수준의 석고는 또한 현재 유럽과 아시아에서 선호되는 WFGD의 부산물이지만, 보다 일반적으로는 시멘트 및 비교에 사용하기 위해 생산되고 있다. 그러나, 시장에서 보다 높은 품질의 석고가 감소된다면, 최소의 비용의 폐기에 요구되는 보다 덜 까다로운 품질 사양들을 충족시키기 위해 WFGD 부산물로서 생성되는 상업적 수준의 석고의 품질은 최소의 비용의 폐기에 요구되는 보다 덜 까다로운 품질 사양들을 충족시키기 위해 감소될 수 있다. 이에 관하여, 폐기 비용은 예컨대 석고 품질이 발전에 이용되는 석탄이 수거되었던 되메워진 영역들 혹은 주거용 매립지를 위해 적절하다면 최소화될 수 있다.
도 1에 도시된 바와 같이, 먼지, SO2가 함유된 건조 연도 가스(112)가 석탄 발전 시스템(110)의 보일러 또는 이코노마이저(economizer)(미도시)로부터 공기 오염 제어 시스템(APC)(120)으로 배출된다. 일반적으로 APC(120)로 주입되는 건조 연도 가스(112)는 SO2가 있을 뿐만 아니라 그 밖의 NOx 및 미립자 물질과 같은 이른바 오염물을 포함하고 있다. WFGD 서브 시스템에 의해 처리되기 전에, APC(120)로 주입되는 건조 연도 가스(112)는 NOx 및 미립자 물질을 건조 연도 가스(112)로부터 제거하기 위하여 먼저 다른 APC 서브시스템들(122)로 향한다. 예를 들어, 건조 연도 가스는 NOx를 제거하는 선택적 촉매 환원(SCR) 서브시스템(미도시)을 통해 처리되고, 및 미립자 물질을 제거하는 필터(미도시) 또는 전기 집진기 서브 시스템(EPS)(미도시)을 통해 처리될 수 있다.
다른 APC 서브시스템들(122)로부터 배출된 SO2 함유 연도 가스(114)는 WFGD 서브시스템(130)으로 향한다. SO2 함유 연도 가스(114)는 흡수장치 타워(132)에 의 해 처리된다. 연도 가스(114) 내의 SO2는 고 산성 농도를 갖는다는 것을 당업자는 이해할 수 있을 것이다. 따라서, 흡수장치 타워(132)는 SO2 함유 연도 가스(114)를 연도 가스(114)보다 높은 pH 레벨을 갖는 액체 슬러리(148)와 접하여 위치시키도록 동작한다.
대부분의 종래 WFGD 서브시스템들은 도 1에 도시된 유형의 WFGD 처리 유닛을 포함한다는 것을 인식할 수 있을 것이다. 이것은 많은 이유들로 인해 진실하다. 예를 들어, 기술 분야에서 잘 알려진 바와 같이, 스프레이 흡수장치 타워들을 갖는 WFGD 처리 유닛들은 WFGD 프로세스에 대해 원하는 특정 프로세스 특성들을 갖는다. 그러나, 다른 흡수/산화 장치 구성들을 갖는 WFGD 처리 유닛들은, 원한다면, 도 1에 도시된 것을 대신하여 이용될 수 있고, 여전히 유사한 연도 가스 탈황 기능을 제공할 수 있으며, 본원에서 제공되는 향상된 프로세스 제어 개선들로부터 유사한 이점들을 달성할 수 있다. 간략화 및 명확화를 위해, 본 논의는 도 1에 도시된 일반적인 스프레이 타워를 참조할 것이지만, 제시된 사상들은 다른 WFGD 구성들에 적용될 수 있다는 것을 주의해야 한다.
역류 흡수장치 타워(132)에서의 처리 동안, 연도 가스(114) 내의 SO2는 탄산칼슘이 풍부한 슬러리(148)(석회석 및 물)와 반응하여 근본적으로 염인 아황산칼슘을 형성하여, 이에 의해 연도 가스(114)로부터 SO2를 제거할 수 있다. SO2가 제거된 연도 가스(116)가 흡수장치 타워(132)로부터 배출 스택(117) 또는 다운-스팀 처리 장치(미도시)로 배출된다. 결과적으로 변형된 슬러리(144)는 결정화기(134)로 보내 지고, 여기서 염은 결정화된다. 결정화기(134) 및 흡수장치(132)는 전형적으로 그들 사이의 어떠한 물리적 분리가 없는 단일의 타워에 있다 - 진행하는 상이한 기능들(기체 상태에서의 흡수 및 액체 상태에서의 결정화)이 있는 반면, 두 기능들은 동일한 프로세스 용기에서 일어난다. 여기에서부터, 결정화된 염을 포함하는 석고 슬러리(146)가 결정화기(134)로부터 탈수 유닛(136)으로 전달된다. 덧붙여, 석고 슬러리(146)와 동일한 농도의 결정화된 염을 포함하거나 또는 포함하지 않는 재활용 슬러리(148)는 펌프들(133)을 통해 결정화기(134)로부터 향하고 흡수장치 타워(132)로 되돌아가 흡수 순환을 계속한다.
송풍기(150)는 주변 공기(152)를 가압하여 결정화기(134)를 위한 산화 공기(54)를 생성한다. 산화 공기(154)는 결정화기(134)에서 슬러리와 혼합되어, 아황산칼슘으로 황산칼슘을 산화시킨다. 황산칼슘의 각각의 분자는 2개의 물 분자들과 결합하여 석고(160)라고 일반적으로 부르는 혼합물을 형성한다. 도시된 바와 같이, 석고(160)는 WFGD 처리 유닛(130)으로부터 제거되고, 예컨대 건축용 벽-보드의 제조자들에게 판매된다.
탈수 유닛(136)으로부터 재생된 물(167)은 믹서/펌프(140)로 향하고, 여기에서 그라인더(170)로부터의 새로운 분말 석회석(174)과 결합하여 석회석 슬러리를 생성한다. 일부 프로세스 용수는 석고(160) 및 폐수(169) 모두로 소실되기 때문에, 석회석 슬러리 밀도를 유지하기 위해서 신선한 용수 소스(164)로부터 추가의 신선한 물(162)이 더해진다. 덧붙여, 재(ash)와 같은 폐기물이 폐수(169)를 통해 WFGD 처리 유닛(130)으로부터 제거된다. 폐기물은 예컨대 재 연못(ash pond)으로 전달되 거나 다른 방식으로 폐기될 수 있다.
요약하면, SO2 함유 연도 가스(114) 내의 SO2는 흡수장치 타워(132)의 슬러리 접촉 영역에서 슬러리(148)에 의해 흡수되고, 그 후 결정화기(134)에서 결정화 및 산화되며, 탈수 유닛(136)에서 탈수되어 원하는 프로세스 부산물, 이 예에서는 상업적 수준의 석고(160)를 형성한다. SO2 함유 연도 가스(114)는 약 수초동안 흡수 장치 타워(132)를 지난다. 결정화기(134)에 의해 변형된 슬러리(144) 내의 염의 완전한 결정화는 8 내지 20+ 시간을 필요로 한다. 따라서, 결정화기(134)는 슬러리 저장소 결정화로 동작하는 큰 부피를 갖는다. 재생 슬러리(148)는 추가의 SO2를 복구하기 위하여 흡수장치의 상부로 펌핑된다.
도시된 바와 같이, 슬러리(148)는 흡수장치 타워(132)의 상부 부분으로 공급된다. 타워(132)는 전형적으로 슬러리(148)를 타워로 공급하기 위해 복수 레벨의 스프레이 노즐들을 포함한다. 흡수장치(132)는 역류 구성으로 동작한다: 슬러리 스프레이는 흡수장치에서 아래 방향으로 흘러, 흡수장치 타워의 아랫부분으로 공급되어 위로 흐르는 SO2 함유 연도 가스(114)와 접촉하게 된다.
석회석 소스(176)로부터의 새로운 석회석(172)은 그라인더(170)(전형적으로 볼밀)에서 먼저 갈리고, 다음 믹서(140)에서 재생 용수(167) 및 새로운/보충 용수(142)와 혼합되어 석회석 슬러리(141)를 형성한다. 밸브(163)를 통한 믹서/탱크(140)로의 분말 석회석(174) 및 물(162)의 흐름은 믹서/탱크(140)에서 새로운 석회석 슬러리(141)의 충분한 재고를 유지하도록 제어된다. 결정화기(134)로의 새로 운 석회석 슬러리(141)의 흐름은 슬러리(148)에 대한 적절한 pH 농도를 유지하도록 조정되며, 이는 연도 가스(114)로부터 제거되는 SO2의 양을 차례로 제어한다. WFGD 처리는 전형적으로 연도 가스로부터 92~97%의 SO2를 제거하며, 당업자는 유기산을 슬러리에 첨가하고 특정의 기술들을 이용함으로써 SO2 제거가 97% 이상으로 증가할 수 있다는 것을 이해할 수 있을 것이다.
전술된 바와 같이, 종래의 WFGD 서브시스템들은 슬러리를 재순환시킨다. 어느 정도의 폐수 및 그 밖의 폐기물이 전형적으로 석고의 제조시 생성될 수 있지만, 물은 가능한 정도까지 회수되고, 새로운 석회석 슬러리를 보충하는데 이용되어, 그로 인해 프로세스 용수를 처리하는데 발생되는 비용과 폐기물을 최소화할 수 있다.
석회석은 많은 지역에서 대량으로 용이하게 가용하기 때문에, 그것은 보통 석탄 가스 탈황 처리시 반응물로 이용된다는 것을 이해할 수 있을 것이다. 그러나, 생석회 또는 나트륨 혼합물과 같은 다른 반응물들이 석회석을 대신하여 택일적으로 이용될 수 있다. 이들 다른 반응물들은 전형적으로 매우 고가이고, 현재로서는 석회석 반응물과 가격 경쟁이 되지 않는다. 그러나, 믹서(140) 및 업스트림 반응물 소스들에 대한 약간의 변형들로, 기존의 석회석 WFGD가 생석회 또는 나트륨 혼합물을 이용하여 운영될 수 있다. 사실, 대부분의 WFGD 시스템들은 석회석 백업 서브시스템을 포함하고 있어, 석회석 공급에 문제가 있거나, 및/또는 그라인더(170)에 계속 장기간에 걸친 유지보수가 생기면, WFGD는 운용될 수 있도록 한다.
도 2는 도 1에 도시된 WFGD 서브시스템의 특정 양상들을 더욱 상술한 것이 다. 도시된 바와 같이, 탈수 유닛(136)은 제 1 탈수 유닛(136A)과 제 2 탈수 유닛(136B)을 포함할 수 있다. 제 1 탈수 유닛(136A)은 석고와 물을 분리하기 위한 하이드로사이클론(hydrocyclone)을 포함하는 것이 바람직하다. 제 2 탈수 유닛(136B)은 석고를 건조시키기 위한 벨트 건조기를 포함하는 것이 바람직하다. 전술된 바와 같이, 연도 가스(114)는 전형적으로 측면으로부터 흡수장치(132)로 들어가고, 흡수장치 타워의 상부 부분으로 분무되는 석회석 슬러리 미스트(mist)를 통해 위로 흐른다. 흡수장치를 빠져나가기 전에, 연도 가스는 흡수장치(132)의 상부에 위치된 미스트 제거기(mist eliminator: ME)(미도시)를 통과한다; 미스트 제거기는 비말동반된(entrained) 액체 및 고체들을 연도 가스 스트림으로부터 제거한다. 미스트 제거기를 고체가 없는 상태로 유지하기 위하여, ME 물 세척(200)이 미스트 제어기에 가해진다. 이해될 수 있는 바와 같이, ME 세척(200)은 새로운 용수 소스(164)로부터의 물을 가지고 흡수장치 타워(132) 내에서 ME를 청결하게 유지한다. ME 물 세척(200)은 WFGD 서브시스템(130)에 공급된 가장 순수한 물이다.
전술한 바와 같이, 석회석 슬러리 미스트는 흡수장치 타워(132)를 통해 흐르는 연도 가스로부터 많은 비율(예컨대, 92-97%)의 SO2를 흡수한다. SO2를 흡수한 뒤, 슬러리 스프레이는 결정화기(134)로 떨어진다. 실제 구현예에서, 흡수장치 타워(132) 및 결정화기(134)는 흡수장치 타워가 구조 내에서 결정화기 위에 직접 위치된 상태로 종종 하나의 단일 구조에 수용된다. 이러한 구현예들에서, 슬러리 스프레이는 단순히 단일 구조의 바닥으로 떨어져 결정화된다.
석회석 슬러리는 SO2와 반응하여 결정화기(134) 안에서 석고(건조된 황산칼슘)를 생성한다. 전술된 바와 같이, 가해진 압축 산화 공기(154)가 다음 반응에 일어나는 산화를 돕기 위하여 이용된다:
SO2 + CaCO3 + 1/2 O2 + 2H2O -> CaSO4·2H2O+CO2 (1)
산화 공기(154)는 송풍기(150)에 의해 결정화기(134) 안으로 가해진다. 산화 공기는 아황산칼슘을 황산칼슘으로 변환하는데 필요한 추가적인 산소를 제공한다.
흡수장치 타워(132)는 환경적 사양들에 의해 요구되는 높은 제거 효율들을 이루는데 필수적인 친밀한 연도 가스/액체 슬러리 접촉을 달성하는데 이용된다. 역류 개방-스프레이 흡수 장치 타워들은 특히 석회석-석고 WFGD 처리에 대한 바람직한 특성들을 제공한다: 그들은 근본적으로 신뢰성 있고, 다른 타워-기반의 WFGD 처리 유닛 구성 요소들보다 더 낮은 플러그 전위를 가지며, 낮은 압력 저하를 유도하며, 자본 및 운영 비용 관점 모두로부터 비용 효율적이다.
도 2에 도시된 바와 같이, 용수 소스(164)는 전형적으로 충분한 양의 신선한 물을 저장하기 위한 물 탱크(164A)를 포함한다. 또한, 전형적으로 ME 세척(200)을 흡수장치 타워(132)로 가압하기 위한 하나 이상의 펌프들(164B) 및 믹서(140)로 신선한 물 흐름(162)을 가압하기 위한 하나 이상의 펌프들(164C)이 포함되어 있다. 믹서(140)는 혼합 탱크(140A) 및 새로운 석회석 슬러리(141)를 결정화기(134)로 이동시키는 하나 이상의 슬러리 펌프들(140B) 및 혼합 탱크(140A)를 포함한다. 하나 이상의 부가적인 매우 큰 슬러리 펌프들(133, 도 1 참조)이 결정화기(134)로부터 흡수장치 타워(132) 상부의 복수의 스프레이 레벨들로 슬러리(148)를 올리는데 요구된다.
후술되는 바와 같이, 전형적으로, 석회석 슬러리(148)는 흡수장치 타워(132)의 다양한 레벨들에 위치된 스프레이 노즐들(미도시)을 통해 흡수장치 타워(132)로 들어간다. 전부하(full load)에서, 대부분의 WFGD 서브시스템들은 적어도 하나의 예비 슬러리 펌프(133)로 동작한다. 감소된 부하에서, 요구된 SO2 제거 효율을 감소된 개수의 슬러리 펌프들(133)로 달성하는 것이 종종 가능하다. 슬러리 펌프들(133)의 펌핑 부하를 감소시키는데 중요한 경제적 동기가 있다. 이 펌프들은 세상에서 가장 큰 펌프들 중의 일부이며, 전력 공급망(power grid)(parasitic power load, 기생 전력 부하)으로 직접 팔릴 수 있는 전기에 의해 구동된다.
석고(160)는 전형적으로 하이드로사이클론을 이용하여 제 1 탈수기 유닛(136A)에서 석고 슬러리(146) 내의 액체들로부터 분리된다. 하이드로사이클론 및/또는 하나 이상의 제 1 탈수기 유닛(136A)의 다른 구성요소들의 오버플로우는 소량의 고체들을 포함한다. 도 2에 도시된 바와 같이, 이 오버플로우 슬러리(146A)가 결정화기(134)로 반환된다. 재생된 물(167)은 새로운 석회석 슬러리를 만들기 위해 믹서(140)로 다시 보내진다. 다른 폐기물(168)은 보통 제 1 탈수기 유닛(136A)으로부터 재 연못(210)으로 보내진다. 언더플로우 슬러리(202)는 종종 벨트 필터의 형태를 갖는 제 2 탈수기 유닛(136B)으로 향하고, 여기에서 건조되어 석고 부산물(160)을 만들어낸다. 다시, 제 2 탈수 유닛(136B)으로부터의 재생된 물(167)은 믹서/펌프(140)로 반환된다. 도 1에 도시된 바와 같이, 솜씨 또는 다른 석고 샘플들(161)이 석고(160)의 순도를 결정하기 위하여 보통 수 시간마다 취해지고 분석된다. 석고 순도의 직접적인 온라인 측정은 종래에 이용되지 못하였다.
도 1에 도시된 바와 같이, 비례 적분 미분(PID) 제어기(180)는 WFDG 서브시스템의 동작을 제어하기 위해 피드포워드(feedforward) 제어기(FF,190)와 함께 이용된다. 역사적으로, PID 제어기들은 뉴매틱(pneumatic) 아날로그 제어 기능들을 지시했다. 오늘날, PID 제어기들은 공식들을 수학적으로 이용하여 디지털 제어 기능들을 지시한다. FF(190)/PID 제어기(180)의 목적은 확립된 연계에 기초하여 슬러리 pH를 제어하는 것이다. 예를 들어, 도 1에 도시된 밸브(199)의 조정 및 결정화기(134)로부터 흡수장치 타워(132)로 흐르는 슬러리(148)의 측정된 pH 값 사이에 확립된 연계가 있을 수 있다. 만약 그렇다면, 밸브(199)는 슬러리(148)의 pH가 설정값은(SP)이라고도 하는 원하는 값(186)에 대응하도록 제어된다.
FF(190)/PID 제어기(180)는 pH 설정값은에 기초하여 밸브(199)를 통하는 석회석 슬러리(141)의 흐름을 조정하여 pH 센서(182)에 의해 측정된 슬러리(148)의 pH 값을 증가 또는 감소시키도록 한다. 이해될 수 있는 바와 같이, 이것은 각각의 제어 신호들(181,191)을 전송하는 FF/PID 제어기에 의해 달성되며, 이 신호들은 흐름 제어 SP(196)와 같이 도시된 밸브 조정 명령을 발생시켜 밸브(199)의 일부인 흐름 제어기로 전달되도록 한다. 흐름 제어 SP(196)에 응답하여, 흐름 제어기는 믹서/펌프(140)로부터 결정화기(134)로 석회석 슬러리(141)의 흐름을 조정하기 위하여 밸브(199)의 조정을 차례로 지시한다.
본 예는 FF 제어기(190) 및 PID 제어기(180)의 조합을 이용한 pH 제어를 보여준다. 몇몇 설치들에서는 FF 제어기(190)를 포함하지 않을 수 있다.
본 예에서, PID 제어기(180)는 결정화기(134)로부터 흡수장치 타워(132)로 흐르는 슬러리(148)의 측정된 pH 값(183) 사이의 확립된 연계를 나타내는 석회석 흐름 제어 알고리즘에 따라 pH 센서(182)로부터 수신된 측정된 슬러리 pH 값(183)을 처리함으로써, PID 제어 신호(181)를 생성한다. 이 알고리즘은 필수적이지는 않지만, 전형적으로 PID 제어기(180)에 저장된다. 제어 신호(181)는 예컨대, 밸브(199)에 대한 밸브 설정값은(VSP) 또는 밸브(199)를 빠져나가는 분말 석회석 슬러리(141)의 흐름에 대한 측정된 값 설정값은(MVSP)을 나타낼 수 있다.
본 기술 분야에서 주지된 바와 같이, PID 제어기(180)에 의해 이용되는 알고리즘은 비례 요소(element), 적분 요소, 및 미분 요소를 갖는다. PID 제어기(180)는 먼저 에러를 결정하기 위하여 원하는 SP와 측정값 사이의 차이를 계산한다. PID 제어기는 다음으로 에러를 알고리즘의 비례 요소에 적용하는데, 이는 PID 제어기 또는 복수의 PID 제어기들이 WFGD 서브시스템에 이용되는 경우 각각의 PID 제어기에 대해 조정가능한 상수이다. PID 제어기는 전형적으로 밸브(199)의 조정을 위한 비례 함수를 얻기 위해 에러를 튜닝 인자 또는 프로세스 이득을 곱한다.
그러나, PID 제어기(180)가 튜닝 인자 또는 프로세스 이득에 대한 정확한 값을 갖고 있지 않거나, 또는 프로세스 조건들이 변한다면, 비례 함수는 부정확할 것이다. 이 부정확성 때문에, PID 제어기(180)에 의해 생성되는 VSP 또는 MVSP가 실제로 원하는 SP에 대응하는 VSP 또는 MVSP로부터 오프셋을 가질 것이다. 따라서, PID 제어기(180)는 적분 요소를 이용하여 시간에 걸쳐 축적된 에러를 인가한다. 적분 요소는 시간 인자이다. 여기에서 다시, PID 제어기(180)는 오프셋을 제거하기 위하여 축적된 에러를 튜닝 인자 또는 프로세스 이득과 곱한다.
이제 미분 요소로 돌아가면, 미분 요소는 지속적인 변화와 연관된 가속 인자이다. 실제로, 미분 요소는 WFGD 프로세스들을 제어하는데 이용되는 PID 제어기들에 드물게 응용된다. 이것은 미분 요소의 응용이 이런 유형의 제어 애플리케이션에 대해 특히 유리하지 않기 때문이다. 따라서, WFGD 서브시스템들에 대해 이용되는 대부분의 제어기들은 실제로 PI 제어기들이다. 그러나, 당업자는 원한다면, PID 제어기(180)가 종래의 방식으로 미분 요소를 응용하기 위해 필요한 로직(logic)으로 용이하게 구성될 수 있다는 것을 알 것이다.
요약하면, 3개의 튜닝 상수들이 있으며. 이들은 종래의 PID 제어기들에 의해 응용되어, 흡수장치 타워(132)로 들어가는 재생 슬러리(148)의 pH와 같은 프로세스 값을 결정화기(134)로의 새로운 석회석 슬러리(141)의 흐름과 같은 설정값으로 제어한다. 어떠한 설정값이 이용되든지, 그것은 흡수장치 타워(132)로부터 배출되는 연도 가스(116)에 잔존하는 SO2의 값과 같이, 바라던 결과의 관점이 아니라, 프로세스 값의 관점으로 항상 확립된다. 다른 방법으로 설명하면, 설정값은 프로세스 관점에서 식별되고, PID 제어기가 그것을 제어할 수 있기 위해서 제어된 프로세스 값이 직접 측정 가능한 것이어야 할 필요가 있다. 알고리즘의 정확한 형태는 장비 벤더에 따라 바뀔 수 있지만, 기본적인 PID 제어 알고리즘은 75년 이상 프로세스 산 업계에서 잘 이용되어 왔다.
다시 도 1 및 도 2를 참조하면, PID 제어기(180) 및 FF 제어기(190)로부터 수신된 명령에 기초하여, 흐름 제어기는 밸브(199)가 개폐되도록 하는 신호를 생성하고, 이에 의해 분말 석회석 슬러리(141)의 흐름이 증가 또는 감소한다. 흐름 제어기는 밸브(1992)로/로부터 흐르는 석회석 슬러리(141) 양의 측정된 값이 MVSP에 정합되거나 또는 VSP에 정합되도록 밸브(199)가 개폐될 때까지 밸브 조정의 제어를 계속한다.
전술한 예시적인 종래의 WFGD 제어에서, 슬러리(148)의 pH는 원하는 pH 설정값(186)에 기초하여 제어된다. 제어를 수행하기 위하여, PID(180)는 프로세스 값 즉, 센서(182)로부터 슬러리(148)의 pH 값의 측정값을 수신한다. PID 제어기(180)는 프로세스 값을 처리하여, 믹서/탱크(140)로부터 결정화기 슬러리(144)보다 높은 pH를 갖는 새로운 석회석 슬러리(141)의 흐름을 조정하기 위해 밸브(199)에 대한 명령들(181)을 생성하며, 이에 의해 슬러리(148)의 pH를 조정한다. 명령들(181)이 밸브(199)를 더 개방하도록 하면, 더 많은 석회석 슬러리(141)가 믹서(140)로부터 결정화기(134)로 흘러가며, 이에 의해 슬러리(148)의 pH가 증가하게 된다. 다른 한편으로, 명령들(181)이 밸브(199)가 닫히도록 하면, 더 적은 석회석 슬러리(141)가 믹서(140)로부터 결정화기(134)로 흘러가며, 이에 의해 슬러리(148)의 pH가 감소하게 된다.
덧붙여, WFGD 서브시스템은 안정된 동작을 보장하기 위하여 피드 포워드 유닛(190)을 이용하여 구현되는 피드 포워드 루프를 포함할 수 있다. 도 1에 도시된 바와 같이, 흡수장치 타워(132)로 들어가는 연도 가스(114) 내의 SO2의 농도 값(189)이 센서(188)에 의해 측정되고, 피드 포워드 유닛(190)에 입력된다. FF 제어 소자를 포함하는 많은 WFGD 서브시스템들은 인입하는 연도 가스 SO2 농도(189)와, 발전 시스템(110)으로부터의 발전기 부하의 측정을 결합하여, 농도보다는 유입 SO2의 양을 결정하고, 그 후, 이 유입 SO2의 양을 FF(190)의 입력으로 이용한다. 피드 포워드 유닛(190)은 시간 지연을 갖는 비례 요소로서 기능한다.
논의되고 있는 예시적인 구현예에서, 피드 포워드 유닛(190)은 센서(188)로부터 일련의 SO2 측정들을 수신한다. 피드 포워드 유닛(190)은 현재 수신된 농도 값과 현재 수신된 값 바로 전에 수신된 농도 값을 비교한다. 피드 포워드 유닛(190)이 측정된 SO2의 농도의 변화가 예컨대, 백만 당 1000~1200 부분들(1000-1200 parts per million)로부터 발생하였다고 결정하면, 계단 함수(step function)을 평활하게 하는 로직으로 구성되며, 이에 의해 동작 중의 급작스런 변화를 회피할 수 있다.
슬러리(148)의 pH 값과 결정화기(134)로 흐르는 석회석 슬러리(141)의 양 사이의 관계가 상당히 비선형적이고, PID 제어기(180)는 효과적인 선형 제어기이기 때문에, 피드 포워드 루프는 보통의 동작들의 안정성을 극적으로 향상시킨다. 따라서, 피드 포워드 루프가 없다면, PID(180)가 동일한 튜닝 상수들로 광범위한 pH들에 걸쳐 적절한 제어를 제공하는 것은 매우 어렵다.
슬러리(148)의 pH를 제어함으로써, PID 제어기(180)는 SO2 함유 연도 가 스(114)로부터의 SO2의 제거 및 WFGD 서브시스템에 의해 생산되는 석고 부산물(160)의 질 모두를 얻을 수 있다. 새로운 석회석 슬러리(141)의 흐름을 증가시킴으로써 슬러리 pH의 증가는 SO2 함유 연도 가스(114)로부터 제거되는 SO2의 양을 증가시킬 수 있다. 다른 한편, 석회석 슬러리(141)의 흐름을 증가시키고 따라서 슬러리(148)의 pH를 증가시킴으로써, 흡수 이후의 SO2 산화를 늦출 수 있고, 따라서 아황산칼슘에서 황산칼슘으로의 변형을 늦출 수 있고, 이는 낮은 품질의 석고(160)가 생산되게 한다.
따라서, SO2 함유 연도 가스(114)로부터 SO2를 제거하고, 석고 부산물(160)의 요구되는 질을 유지하는 것에 대한 상충하는 제어 목적들이 있다. 즉, SO2 방출 요구조건들과 석고 품질 요구조건들 사이의 충돌이 있을 수 있다.
도 3은 도 1 및 도 2를 참조하여 설명된 WFGD 서브시스템의 양상들을 더욱 상세화한다. 도시된 바와 같이, SO2 함유 연도 가스(114)는 구멍(310)을 통해 흡수장치 타워(132)의 바닥 부분으로 들어가고, SO2가 없는 연도 가스(116)가 구멍(312)을 통해 흡수장치 타워(132)의 상부 부분으로부터 배출된다. 이 예시적인 종래의 구현예에서, 복수의 슬러리 스프레이 레벨들을 갖는 역류 흡수장치 타워가 도시되어 있다. 도시된 바와 같이, ME 세척(200)이 흡수장치 타워(132)로 들어가고, 세척 스프레이 장치(미도시)에 의해 분산된다.
SO2를 흡수하도록 슬러리를 연도 가스로 분무하는 슬러리 스프레이 어(308A,308B,및 308C)를 각각 갖는 복수의 흡수장치 타워 슬러리 노즐들(306A,306B, 및 306C)이 또한 도시되어 있다. 슬러리(148)는 도 1에 도시된 결정화기(134)로부터 복수의 펌프들(133A,133B, 및 133C)에 의해 펌핑되고, 이 펌프들 각각은 슬러리 노즐들(306A,306B, 및 306C)의 레벨들 중 상이한 하나까지 슬러리를 펌핑한다. 3개의 상이한 레벨들의 슬러리 노즐들 및 스프레이어들이 도시되었으나, 특정 구현예에 따라 노즐들 및 스프레이어들의 개수가 변경될 수 있음을 이해해야 한다.
흡수장치(132)를 떠나는 연도 가스(116)의 흐름 레이트에 대한 흡수장치(132)로 들어가는 액체 슬러리(148)의 흐름 레이트의 비는 일반적으로 L/G로서 특성화된다. L/G는 WFGD 서브시스템들의 주요 디자인 파라미터들 중 하나이다.
G로 표시되는, (수증기 포화된) 연도 가스(116)의 흐름 레이트는 WFGD 처리 유닛(130)의 발전 시스템(110) 업스트림으로부터의 유입 연도 가스(112)의 함수이다. 따라서, G는 제어되지 않고, 제어될 수 없지만, WFGD 처리에서 처리되어야 한다. 따라서, L/G에 영향을 주기 위해, "L"은 조정되어야 한다. 동작 중인 슬러리 펌프들의 수 및 이들 슬러리 펌프들의 정렬을 조정함으로써 L로 지시되는, WFGD 흡수장치 타워(132)로의 액체 슬러리(148)의 흐름 레이트를 제어할 수 있다. 예를 들어, 오직 2개의 펌프들이 동작한다면, 상위 2개의 스프레이어 레벨들에 대한 펌프들을 동작시키는 것과, 최상 및 최하위 스프레이어 레벨들에 대한 펌프들을 동작시키는 것은 상이한 "L"들을 생성한다.
슬러리 펌프들(133A,133B, 및 133C)의 동작을 제어함으로써 "L"을 조정하는 것이 가능하다. 각각의 펌프들은 액체 슬러리(148)가 흡수장치 타워로 유입되는 효과적인 높이 및 흡수장치 타워(132)로의 액체 슬러리(148)의 흐름 레이트를 조정하기 위해 턴온 또는 턴오프된다. 슬러리가 타워로 유입되는 높이가 더 높을수록, 연도 가스와의 더 많은 접촉시간을 가질 수 있으며, 이로 인해 더 많은 SO2의 제거가 가능하지만, 이러한 부가적인 SO2 제거는 더 높은 스프레이 레벨로 슬러리를 펌핑하기 위해 증가된 전력 소비가 불가피하다. 펌프들의 수가 많을수록, 이러한 제어의 입상(granularity)이 더 많아진다는 것을 이해할 수 있을 것이다.
회전 장비(rotating equipment)의 극히 많은 부분들인 펌프들(133A-133C)은 자동으로 또는 수동으로 시동되거나 정지될 수 있다. 미국에서, 흔히, 이러한 펌프들은 서브시스템 운영자에 의해 수동으로 제어된다. 유럽에서 이러한 펌프들(133A-133C)과 같은 회전 장비의 시동/정지를 자동화하는 것이 더욱 일반적이다.
WFGD 처리 유닛(130)에 들어가는 연도 가스(114)의 흐름 레이트가 발전 시스템(110) 동작시의 변화에 의해 변경된다면, WFGD 서브시스템 운영자는 펌프들(133A-133C) 중 하나 이상의 동작을 조정할 것이다. 예를 들어, 연도 가스 흐름 레이트가 디자인 부하의 50%로 떨어지도록 하려고 하면, 운영자 또는 제어 시스템의 특별한 로직은 하나 이상의 스프레이 레벨에서의 스프레이 레벨 노즐들에 슬러리를 펌핑하는 하나 이상의 펌프들을 중단시킬 것이다.
도 3에 도시되지는 않았지만, 연관된 펌프들 및 슬러리 노즐들을 갖는 여분의 스프레이 레벨들이 다른 펌프, 또는 다른 슬러리 노즐들 및/또는 주요 스프레이 레벨들과 연관된 슬러리 스프레이어들의 유지보수 동안의 이용을 위해 종종 제공된다. 이러한 여분의 스프레이 레벨의 추가는 흡수장치 타워 및 서브시스템의 자본 비용을 가중시킨다. 따라서, 몇몇 WFGD 소유주들은 여분의 스프레이 레벨을 제거하고, 이 가중되는 자본 비용을 회피하도록 결정할 것이며, 대신 이러한 유지보수 기간 동안 연도 가스로부터 SO2를 흡수하여 제거하는 성능을 향상시키기 위해 슬러리에 유기산들을 첨가하려고 한다. 그러나, 이러한 첨가물들은 고가인 경향이 있고, 따라서 이것들의 이용은 운영 비용을 증가시켜, 시간이 경과 할수록 자본 비용면에서 절약된 것을 상쇄시킬 것이다.
상기 수식 1에 표시된 바와 같이, SO2를 흡수하기 위해서는, 화학적 반응이 연도 가스의 SO2 및 슬러리의 석회석 사이에서 일어나야 한다. 흡수장치에서의 화학 반응의 결과는 아황산칼슘의 형성이다. 결정화기(134)에서, 아황산칼슘은 황산칼슘(석고)을 형성하기 위해 산화된다. 이 화학 반응 동안, 산소가 소비된다. 충분한 산소를 공급하고 반응 속도를 증가시키기 위하여, 결정화기(134)의 액체 슬러리로 압축 공기(154)를 송풍함으로써 추가적인 O2가 더해진다.
보다 상세하게는, 도 1에 도시된 바와 같이, 주변 공기(152)가 압축되어 압축 공기(154)를 형성하고, 결정화기(134)로부터 흡수장치(132)로 리턴된 재생 슬러리(148) 및 후속 처리를 위해 탈수 시스템(136)으로 보내지는 석고 슬러리(146) 내의 아황산칼슘을 산화하기 위하여, 송풍기 예컨대 팬(fan)에 의해 결정화기(134) 안으로 들어간다. 산화 공기(154)의 흐름의 조정을 용이하게 하기 위하여, 송풍 기(150)는 속도 또는 부하 제어 메카니즘을 가질 수 있다.
바람직하게는, 결정화기(134)의 슬러리는 과도 산소를 갖는다. 그러나, 슬러리에 의해 흡수되거나 유지될 수 있는 산소의 양에는 상한이 있다. 슬러리 내부의 O2 레벨이 너무 낮게 된다면, 슬러리 내에서의 CaSO3의 CaSO4로의 화학적 산화가 중단될 것이다. 이것이 일어날 때, 그것은 일반적으로 석회석 블라인딩(limestone blinding)이라 한다. 일단 석회석 블라인딩이 일어나면, 석회석은 슬러리 용액으로 용해되는 것을 중지하고, SO2 제거는 급격하게 감소될 것이다. 소량의 어떤 광물들의 존재는 또한, 아황산칼슘의 산화를 급격히 감소하고, 및/또는 석회석 용해도를 감소시켜 석회석 블라인딩을 생성한다.
슬러리에 용해된 O2의 양은 측정될 수 있는 파라미터가 아니기 때문에, 슬러리는 적절한 예방책이 취해지지 않으면 종래의 WFGD 서브시스템들에서 O2가 부족하게 될 수도 있다. 이것은 특히 더 높은 주변 대기 온도가 주변 공기(152)의 밀도를 낮추고 송풍기(150)에 의해 최대 속도 또는 부하로 결정화기(134) 안으로 들어가는 산화 공기(154)의 양을 감소시키는 여름철 동안 두드러진다. 덧붙여, 연도 가스로부터 제거된 SO2의 양이 크게 증가한다면, 대응하는 부가적인 O2의 양이 SO2를 산화시키기 위해 요구된다. 따라서, 슬러리는 WFGD 처리 유닛으로의 SO2 흐름의 증가로 인해 O2가 부족하게 될 수도 있다.
흡수된 SO2를 산화시키기 위해, 디자인 비율들(ratios) 내에서, 충분한 압축 공기(154)를 주입하는 것이 필요하다. 송풍기(150) 속도 또는 부하 조정이 가능하다면, 서늘한 주변 공기 온도 기간 동안 및/또는 송풍기(150)를 더 낮은 SO2 부하들로 낮추는 것이 에너지를 절약할 수 있기 때문에 바람직하다. 송풍기(150)가 최대 부하에 이르거나 또는 조정할 수 없는 송풍기(150)의 모든 O2가 이용되고 있을 때, SO2의 증가된 증가분을 산화하는 것이 불가능하다. 최대 부하에서, 또는 SO2 제거를 정확하게 추적하는 송풍기(150) 속도 제어가 없다면, 결정화기(134) 내에서의 O2 부족이 생길 수 있다.
그러나, 슬러리 내의 O2를 측정하는 것은 불가능하기 때문에, 슬러리의 O2의 레벨은 종래의 WFGD 서브시스템 운영상에 제약사항으로 이용되지 않는다. 따라서, 결정화기(134) 내의 슬러리가 O2가 부족해지는 때를 정확하게 모니터링하는 방법이 없다. 따라서, 운영자들은 기껏, 석고 부산물(160)의 질에 있어 인지될 수 있을 정도의 감소가 있는 경우에 슬러리가 O2가 부족해지고 있다고 추측할 수 있고, 그들의 최선의 판단을 이용하여 송풍기(150)의 속도 또는 부하를 제어하고 및/또는 산화되어야 하는 흡수된 SO2와 슬러리로 강제되고 있는 O2 사이의 균형을 이루기 위해 SO2 흡수 효율을 감소시킬 것이다. 따라서, 종래 WFGD 서브시스템들에서, 슬러리 안으로 강제되는 O2가 연도 가스로부터 흡수될 것이 요구되는 SO2와 균형을 이루도록 하는 것은 기껏해야 운영자의 판단에 기초된다.
요약하면, 실용 애플리케이션을 위한 대형 WFGD 서브시스템들의 종래 제어는 일반적으로 배포된 제어 시스템(distributed control system, DCS) 내에서 수행되고, 일반적으로 FF/PID 피드백 제어 루프들뿐만 아니라 온-오프 제어 로직으로 이루어진다. 제어되는 파라미터들은 슬러리 pH 레벨, L/G 비율, 및 강제된 산화 공기의 흐름으로 한정된다.
pH는 SO2의 높은 용해율(즉, SO2 제거 효율), 높은 품질(순도)의 석고, 및 스케일 증가의 방지를 보장하기 위해 일정 범위 내에서 유지되어야 한다. 동작하는 pH 범위는 장비 및 동작 조건들의 함수이다. pH는 결정화기(134)로의 새로운 석회석 슬러리(141)의 흐름을 조정함으로써 제어된다. 석회석 슬러리 흐름 조정은 센서에 의해 검출된 슬러리의 측정된 pH에 기초한다. 전형적인 구현예에서, PID 제어기 및, 선택적으로, DCS에 포함된 FF 제어기가 석회석 슬러리 흐름 제어기에 연속된다. 표준/디폴트 PID 알고리즘이 pH 제어 애플리케이션에 이용된다.
액체-대-가스 비율(L/G)은 흡수장치 타워(132)로 흐르는 액체 슬러리(148) 대 연도 가스 흐름(114)의 비율이다. 서브시스템 변수들의 주어진 세트에 대해, 액체 슬러리(148) 내의 SO2의 용해도에 기초하여 원하는 SO2 흡수를 이루기 위해 최소의 L/G 비율이 요구된다. L/G 비율은 연도 가스(114) 흐름이 변하거나, 또는 전형적으로 슬러리 펌프들(133)이 턴온 또는 턴오프될 때 일어나는 액체 슬러리(148) 흐름의 변동시 변한다.
황산칼슘, 즉 석고를 형성하는 아황산칼슘의 산화는, 결정화기(134)의 반응 탱크에 추가된 산소로 강화된 산화에 의해 증가된다. 추가의 산소는 결정화기(134) 내의 슬러리 용액에 공기를 송풍하여 도입된다. 불충분한 산화로, 아황산-석회석 블라인딩이 발생할 수 있고, 이에 의해 불량한 석고 품질을 유발하고, 잠재적으로 이어서 SO2 제거 효율을 낮추며, 폐수 내에 높은 화학적 산소 요구량(COD)을 유발한다.
종래의 WFGD 프로세스 제어 방법은 통합된 목적들보다는 독립적인 목적들을 갖는 표준 제어 블록들로 구성된다. 현재, 엔지니어링 스태프와 상담하여, 운영자는 프로세스의 전반적인 최적의 제어를 제공하도록 노력해야만 한다. 그러한 제어를 제공하기 위하여, 운영자는 다양한 목적들 및 제약조건들을 고려해야 한다.
최소화된 WFGD 운영 비용들- 발전소는 그 소유자의 이익을 생성하는 것 이외의 다른 이유로 운영되지 않는다. 따라서, 프로세스, 단속 및 부산물 품질 제약조건들 및 사업 환경을 고려하면서 WFGD 서브시스템을 가장 낮은 적절한 비용으로 운영하는 것이 유리하다.
SO2 제거 효율의 최대화- 청정 공기 법규는 SO2 제거 요구사항을 확립한다. WFGD 서브시스템들은 프로세스, 단속 및 부산물 품질 제약조건들 및 사업 환경을 고려하여 적절히 효과적으로 SO2를 제거하도록 운영되어야 한다.
석고 품질 사양의 만족- 부산물로서 석고의 판매는 WFGD 운영 비용을 절감하고, 원하는 사양을 만족시키는 부산물 순도에 크게 의존한다. WFGD 서브시스템들은 프로세스, 단속 및 부산물 품질 제약조건들 및 사업 환경을 고려하여 적절한 품질 의 석고 부산물을 생산하도록 운영되어야 한다.
석회석 블라인딩(limestone blinding) 방지- 연료 유황 콘텐트(fuel sulfur content)에서의 부하 변동 및 변화가 연도 가스(114) 내의 SO2에서의 이탈(excursions)을 유발할 수 있다. 조정들을 적절히 보상하지 않으면, 이것은 슬러리 내에 높은 아황산 농도로 귀착할 수 있고, 그로 인해 석회석 블라인딩, 낮은 흡수장치 타워(132) SO2 제거 효율, 낮은 석고 품질, 및 폐수에서 높은 화학적 산소 요구량(COD)을 차례로 유발한다. WFGD 서브시스템들은 프로세스 제약조건을 고려하여 석회석 블라인딩을 방지하도록 운영되어야 한다.
전형적인 동작 시퀀스에서, WFGD 서브시스템 운영자는 이들 경합하는 목적들 및 제약조건들의 균형을 이루기 위해 WFGD 프로세스의 지식 및 종래 동작 절차에 기초하여 WFGD 프로세스의 설정값들을 결정한다. 이 설정값들은 보통 pH와 슬러리 펌프들(133) 및 산화 공기 송풍기(150)의 동작 상태를 포함한다.
WFGD 프로세스에는 복잡한 상호작용들 및 역학들이 있다; 결과적으로, 운영자는 보수적인 운영 파라미터들을 선택하여 WFGD 서브시스템이 SO2 제거 및 석고 순도에 관한 까다로운 제약조건들을 만족/달성할 수 있다. 이들 보수적인 선택들을 할 때, 운영자는 종종, 항상 그런 것은 아니지만, 최소-비용의 운영을 희생한다.
예를 들어, 도 4는 pH의 함수로서 SO2 제거 효율 및 석고 순도를 나타낸다. pH가 증가됨에 따라, SO2 제거 효율은 증가하지만 석고 순도는 감소한다. 운영자는 SO2 제거 효율 및 석고 순도 모두를 향상시키는 것에 관심이 있기 때문에, 운영자는 이들 경합하는 목적들 사이에 타협이 되는 pH에 대한 설정값을 결정해야 한다.
덧붙여, 대부분의 경우들에서, 운영자는 보장된 석고 순도 레벨, 예컨대 95% 순도를 만족시키기 위해 요구된다. 도 4에 도시된 관계들의 복잡성, 석고 순도의 직접적인 온-라인 측정의 부재, 석고 결정화의 장시간 역할들, 및 동작들에서의 랜덤한 변동으로 인해, 운영자는 종종 석고 순도 레벨이 임의의 환경들 하에서의 지정된 제약조건보다 큰 것을 보장하는 pH의 설정값을 입력하는 것을 선택한다. 그러나, 석고 순도를 보장함으로써, 운영자는 종종 SO2 제거 효율을 희생한다. 예를 들어, 도 4의 그래프에 기초하여, 운영자는 95%의 석고 순도 제약조건 이상의 1% 완충(cushion)을 보장하기 위해 5.4의 pH를 선택할 수 있다. 그러나, pH에 대해 이 설정값을 선택함으로써, 운영자는 SO2 선택 효율의 3%를 희생한다.
운영자는 SO2 부하 즉, 연도 가스(114) 흐름이 전체에서 반으로 떨어질 때 유사한 타협들에 직면한다. 이러한 변화 동안의 몇몇 순간에, 에너지를 절약하기 위하여 하나 이상의 슬러리 펌프들(133)을 중단하는 것이 유리할 수 있는데, 이는 펌프의 계속된 동작이 단지 약간 더 양호한 SO2 제거 효율을 제공할 수 있기 때문이다. 그러나, 전력 비용 및 SO2 제거 효율 사이의 관계는 대부분의 운영자들에게 주지되어 있지 못하기 때문에, 운영자들은 전형적으로 보수적인 접근방식을 취할 것이다. 이러한 접근방식을 이용하여, 하나 이상의 슬러리 펌프들(133)을 턴오프 하 는 것이 유리하더라도 운영자들은 슬러리 펌프(133) 배열을 조정하지 않을 것이다.
많은 규제 방출 인가들(regulatory emission permits) 은 일시적인 방출 제한들 및 몇몇 형태의 롤링-평균(rolling-average) 방출 제한들 모두를 제공한다는 것이 또한 잘 알려져 있다. 롤링-평균 방출 제한은 몇몇 이동하는, 또는 변동하는 시간-윈도우에 걸쳐 순간적인 방출들 값의 평균이다. 시간-윈도우는 1-시간만큼 짧거나 1년만큼 길 수도 있다. 몇몇 전형적인 시간-윈도우들은 1-시간, 3-시간, 8-시간, 24-시간, 1-달, 및 1-년이다. 동적인 프로세스 이탈들(excursions)을 허용하기 위하여, 순간적인 방출 제한은 전형적으로 롤링-평균 제한보다 크다. 그러나, 순간적인 방출 제한에서의 지속적인 동작은 롤링-평균 제한을 어기게 될 것이다.
종래에, PID(180)는 방출들을 순간적인 제한으로 제어하며, 이는 상대적으로 간단하다. 이것을 수행하기 위해, 프로세스에 대한 운영 제약조건들 즉, 순간적인 값은 실제의 규제 방출 제한 내로 설정되고, 이에 의해 안전 마진을 제공할 수 있다.
다른 한편으로, 방출들을 롤링-평균 제한으로 제어하는 것은 더욱 복잡하다. 롤링-평균을 위한 시간-윈도우는 계속해서 앞으로 이동하고 있다. 따라서, 임의의 주어진 시간에, 몇몇 시간-윈도우들은 활성이고, 주어진 시간으로부터 뒤로 한 주기의 시간에 걸쳐 하나의 시간-윈도우가 펼쳐지고, 주어진 시간으로부터 한 주기에 걸쳐 앞으로 또 다른 시간-윈도우가 펼쳐진다.
종래에, 순간적인 제한에 대한 PID(180)에서의 동작 제약사항 설정과 실제 규제하는 방출 제한 사이의 충분한 마진을 간단히 유지하거나, 또는 롤링-평균 제 한을 감안하여 동작 제약사항을 설정하기 위해 운영자 판단을 이용함으로써, 운영자는 방출을 롤링-평균 제한으로 제어하려고 한다. 어느 경우든, 롤링-평균 방출들에 대한 분명한 제어가 없고, 따라서 롤링-평균 제한으로의 순응을 보장하거나 또는 값비싼 과도 순응을 방지하는 방법이 없다.
선택적 촉매 환원 시스템
또 다른 예시적인 공기 오염 제어 프로세스로 간단히 돌아가면, NOx 제거, 유사한 동작 시도들을 위한 선택적 촉매 환원(SCR) 시스템이 식별될 수 있다. SCR 프로세스의 개략이 도 20에 도시되어 있다.
다음의 프로세스 개요는 1997년 미국의 에너지 부서에에서의 청정 석탄 기술의 주제 보고서 제9호 "Control of Nitrogen Oxide Emission: Selective Catalytic Reduction(SCR)"로부터 기인한다.
프로세스 개요
보다 적은 양의 NO2와 함께 주로 NO를 포함하는 NOx가 산소가 있는 상태에서 촉매를 통해 NH3와 반응하여 질소로 변환된다. 석탄 내의 유황의 산화에 의해 보일러에서 생산된 소량의 SO2는 SCR 촉매를 통해 삼산화황(SO3)으로 산화된다. 덧붙여, 부반응(side reaction)들은 원하지 않는 부산물들을 생산할 수 있다: 황산암모늄((NH4)2SO4) 및 중황산암모늄(NH4HSO4). 이들 부산물들의 형성을 지배하는 복잡한 관계들이 있지만, 그것들은 프로세스 조건들의 적절한 제어로 최소화될 수 있다.
암모니아 슬립(
slip
)
SCR 반응기의 연도 가스 다운스트림 내의 미반응 NH3는 NH3 슬립이라고 한다. 다운스트림 장치의 부식 및 플러깅을 유발할 수 있는 (NH4)2SO4 및 NH4HSO4 형성을 최소화하기 위해, NH3 슬립을 5 ppm, 바람직하게는 2-3 ppm 이하로 유지하는 것이 필수적이다. 연료 유황 콘텐트로 인한 더 높은 초기 SO3 레벨들 및 SCR 반응기에서의 SO2의 산화로부터 기인한 더 높은 SCO3 레벨들에 의해, 높은-유황 석탄들에 더 큰 문제가 있다.
동작 온도
촉매 비용은 SCR 유닛의 자본 비용의 15-20%를 구성한다; 따라서, 공간 속도를 최대화하고 따라서 촉매 부피를 최소화하기 위해 가급적 높은 온도에서 동작하는 것이 필수적이다. 동시에, SCR 반응보다 온도에 민감한 SO2의 SO3로의 산화 비율을 최소화하는 것이 필수적이다. 티타늄 및 바나듐 산화물 촉매들을 이용하는 SCR 프로세스의 최적 동작 온도는 약 650-750°F 이다. 대부분의 시설들은 이코노마이저 바이패스(economizer bypass)를 이용하여, 낮은 부하 동작과 같이 연도 가스 온도가 낮은 기간 동안 원하는 온도를 반응기들에 연도 가스를 제공한다.
촉매들
SCR 촉매들은 캐리어(티타늄 산화물) 및 활성 성분들(바나듐의 산화물들 및 어떤 경우에는, 텅스텐)의 혼합물인 세라믹 물질로 이루어진다. 오늘날 이용되는 SCR 촉매의 두 가지 주요 형태는 벌집과 판이다. 벌집 형태는 일반적으로 기판 상에 코팅된 또는 (균질의) 구조를 통해 포함된 촉매를 가진 압출 성형된 세라믹이다. 판 기하형상에서, 지지 물질은 일반적으로 촉매로 코팅된다. 먼지를 함유한 연도 가스를 처리할 때, 반응기들은 일반적으로 수직이고, 연도 가스는 아래로 흐른다. 촉매는 전형적으로 일련의 두 개 내지 네 개의 상들(beds) 또는 층들로 배열된다. 더 많은 촉매 이용을 위해, 초기에 설치되지 않은 추가적인 층을 제공하여, 3 또는 4 층들을 이용하는 것이 일반적이다.
촉매 활동이 쇠퇴함에 따라, 추가적인 촉매가 반응기 내의 가용 공간들 내에 설치된다. 불활성화가 계속됨에 따라, 촉매는 최상단에서 시작하여 한번에 하나의 층에 회전 바닥에 위치된다. 이 방법은 촉매 이용을 최대화할 수 있도록 한다. 촉매는 적층되는 것을 제거하기 위해 세제로서 스팀을 이용하여 주기적으로 제매(soot blowing)한다.
화학
SCR 프로세스의 화학은 다음과 같이 주어진다:
부 반응들은 다음과 같이 주어진다.
프로세스 설명
도 20에 도시된 바와 같이, 더러운 연도 가스(112)가 발전 시스템(110)을 떠난다. 이 연도 가스는 선택적 촉매 환원(SCR) 서브시스템(2170)에 들어가기 전에 다른 공기 오염 제어(APC) 서브시스템들(122)에 의해 처리된다. 연도 가스는 또한 SCR을 떠난 후 스택(117)을 벗어나기 전에 다른 APC 서브시스템들(미도시)에 의해 처리될 수 있다. 유입 연도 가스의 NOx는 하나 이상의 분석기들(2003)로 측정된다. NOx를 갖는 연도 가스(2008)는 암모니아(NH3) 주입 그리드(2050)를 통과한다. 암모니아(2061)는 암모니아/희석 공기 믹서(2070)에 의해 희석 공기(2081)와 혼합된다. 혼합물(2071)이 주입 그리드(2050)에 의해 연도 가스에 섞인다. 희석 공기 송풍기(2080)는 주변 공기(152)를 믹서(2070)에 제공하고, 암모니아 저장장치 및 공급 서브시스템(2060)은 암모니아를 믹서(2070)에 제공한다. NOx 함유 연도 가스, 암모니아 및 희석 공기(2055)는 SCR 반응기(2002)로 들어가고 SCR 촉매를 통해 전달된 다. SCR 촉매는 암모니아를 가진 NOx의 질소 및 물로의 환원을 촉진한다. NOx가 없는 연도 가스(2008)가 SCR 반응기(2002)를 떠나고, 잠재적으로 다른 APC 서브시스템들(미도시) 및 스택(117)을 통해 발전소를 빠져나간다.
SCR 반응기(2002) 또는 스택(117)에서 빠져나가는 NOx "없는" 연도 가스 스트림(2008)에 대한 추가적인 NOx 분석기들(2004)이 있다. 측정된 NOx 배출 값(2111)은 측정된 NOx 유입 값(2112)과 결합하여 NOx 제거 효율(2110)을 산출한다. NOx 제거 효율은 연도 가스로부터 제거된 유입 NOx의 퍼센트로 정의된다.
산출된 NOx 제거 효율(2022)은 암모니아 흐름 레이트 설정값(2021A)을 암모니아/희석 공기 믹서(2070) 및 최종적으로는 암모니아 주입 그리드(2050)로 리셋하는 규제 제어 시스템에 입력된다.
SCR
프로세스 제어들
종래의 SCR 제어 시스템은 도 20에 도시된 연속된 제어 시스템에 의존한다. 내부 PID 제어기 루프(2010)는 믹서(2070)로 암모니아 흐름(2014)을 제어하는데 이용된다. 외부 PID 제어기 루프(2020)는 NOx 방출들을 제어하는데 이용된다. 운영자는 NOx 방출 제거 효율 설정값(2031)을 외부 루프(2020)에 입력하는데 책임을 진다. 도 21에 도시된 바와 같이, 선택기(2030)가 운영자에 의해 입력된 설정값(2031)에 상위 제약조건을 두는데 이용된다. 덧붙여, 부하에 대한 피드포워드 신호(2221)(도 21에 미도시)는 종종, 제어기가 적절하여 부하 변화를 다룰 수 있도록 이용된다. 이러한 구현예들에 대해, 부하 센서(2009)는 발전 시스템(110)의 측정된 부하(2809)를 생성한다. 이 측정된 부하(2809)는 신호(2221)를 생성하는 제어기(2220)에 보내진다. 신호(2221)는 암모니아 흐름 설정값(2021A)과 결합되어, 조정된 암모니아 흐름 설정값(2021B)을 형성하고, 이는 PID 제어기(2010)에 보내진다. PID(2010)는 설정값(2021B)과 측정된 암모니아 흐름(2012)를 결합하여 암모니아 흐름(VP 2011)를 형성하며, 이는 믹서(2070)에 공급되는 암모니아의 양을 제어한다.
이 제어기들의 장점들은 다음과 같다:
1. 표준 제어기: 그것은 SCR 제조자 및 촉매 벤더에 의해 지정된 요구사항들을 이행하는데 이용되는 간단한 표준 제어기 디자인이다.
2. DCS-기반 제어기: 구조가 상대적으로 간단하다. 그것은 유닛의 DCS로 구현될 수 있고, 장비 및 촉매 운영 요구사항들을 이행하는 가장-저렴한 제어 옵션이다.
SCR
동작 도전들
많은 동작 파라미터들이 SCR 동작에 영향을 준다:
ㆍ 유입 NOx 부하,
ㆍ NOx 대 암모니아의 로컬 분자 비율,
ㆍ 연도 가스 온도, 및
ㆍ 촉매 품질, 가용성, 및 활성.
도 20의 제어 방법과 연관된 동작 도전들은 다음을 포함한다.
1. 암모니아 슬립 측정: 지정된 제약조건 미만으로 암모니아 슬립을 유지하는 것은 SCR의 동작에 중요하다. 그러나, 종종 암모니아 슬립의 계산 또는 온라인 측정이 없다. 암모니아 슬립 측정이 가용하더라도, 종종 제어 루프에 직접 포함되지 않는다. 따라서, SCR 동작의 가장 중요한 변수들 중 하나가 측정되지 않는다.
SCR에 대한 동작 목적은 최소의 암모니아 "슬립"으로 원하는 레벨의 NOx 제거를 달성하는 것이다. 암모니아 "슬립"은 NOx "없는" 연도 가스 스트림 내의 미반응된 암모니아의 양으로 정의된다. 암모니아 슬립 내의 실제적인 암모니아 양과 관련된 경제적인 비용이 거의 없지만, 암모니아 슬립의 대단히 부정적인 영향들이 있다.
ㆍ 암모니아는 연도 가스의 SO3와 반응하여 염을 형성할 수 있고, 이는 공기 예열기(preheater)의 열전달 표면들 위에 적층된다. 이 염은 공기 예열기를 가로지르는 열전달을 감소시킬 뿐만 아니라 또한 열전달을 감소시키는 재를 포획한다. 일정한 지점에서, 공기 예열기의 열전달은 예열기가 세정(세척)을 위한 서비스로부터 제거되어야 하는 지점까지 감소되었다. 최소에서, 공기 예열기 세척은 유닛 디-레이트(de-rate) 이벤트를 생성한다.
ㆍ 암모니아는 또한 촉매에 흡수된다(촉매는 암모니아 스펀지로 생각할 수 있다). 연도 가스/NOx 부하에서의 급격한 감소는 비정상적으로 높은 단기(short-term) 암모니아 슬립을 야기할 수 있다. 이것은 전형적인 제어 시스템의 범위 밖의 단순한 일시적인 조건(transient condition)이다. 본질상 일시적이라도, 이 슬립된 암모니아는 SO3 및 공기 예열기 상에 적층된 염과 결합한다- 짧은 수명이라도, 동적인 일시성은 공기 프리히터 상에 염 층을 두드러지게 형성할 수 있다(그리고, 석탄회의 포획을 촉진할 수 있다).
ㆍ 암모니아는 공기 오염물로 또한 정의된다. 암모니아 슬립은 매우 낮지만, 암모니아는 매우 향기가 강하고, 따라서 상대적으로 소량이라도 지역사회에 악취의 문제를 일으킬 수 있다.
ㆍ 암모니아는 석탄회에 흡착된다. 석탄회의 암모니아 농도가 매우 커지게 되면, 석탄회의 폐기와 관련된 상당한 비용이 있을 수 있다.
2. NOx 제거 효율 설정값: 암모니아 슬립 측정이 없다면, NOx 제거 효율 설정값(2031)은 종종 운영자/엔지니어링 스태프에 의해 슬립 제약조건 미만으로 암모니아 슬립을 유지하기 위해 보수적으로 설정된다. NOx에 대한 설정값을 보수적으로 선택함으로써, 운영자/엔지니어는 SCR의 전반적인 제거 효율을 감소시킨다. NOx 제거 효율의 보수적인 설정값은 암모니아 슬립 제약조건이 위배되지 않음을 보장할 수 있지만, 그러나 그것은 또한 시스템이 암모니아 슬립 제약조건 주변에서 동작되는 경우 가능한 것보다 더 낮은 효율을 야기한다.
3. SCR에 대한 온도 영향들: 표준 제어 시스템에서, SCR 유입 가스 온도를 제어하는 시도가 없다는 것은 분명하다. 일반적으로 가스 온도가 허용 한도 내에 있다는 것을 보장하는 몇몇 방법이 구현되고 있고, 보통 온도가 최소 한계보다 낮으면 암모니아 주입을 금지한다. 온도를 실제로 제어 또는 최적화하는 것은 대부분의 경우에서 시도되지 않는다. 또한, 온도 또는 온도 프로필에 기초하여 NOx 설정 값은 변화하지 않는다.
4. NOx 및 속도 프로필: 보일러 동작들 및 배관(ductwork)은 SCR의 면에 걸쳐 불균일한 NOx의 분포를 만드는데 기여한다. 최소의 암모니아 슬립에 대해, NOx 대 암모니아 비율은 제어되고 균일한 혼합이 없어야 하며, 이 제어는 높은 암모니아 슬립의 스팟들을 회피하기 위하여 국소적이어야 한다. 불행히도, NOx 분포 프로필은 배관이 아니라 보일러 동작의 함수이다. 그래서, 보일러 동작에서의 변화는 NOx 분포에 영향을 준다. 표준 제어기들은 SCR에 대한 NOx 유입 및 속도 프로필이 균일하거나 정적이지 않다는 사실을 설명하지 않는다. 이것은 다른 영역들에서의 적절한 시약을 보장하기 위하여, 도관 단면의 일 부분들에서의 시약의 과 주입을 유발한다. 결과는 주어진 NOx 제거 효율에 대해 증가된 암모니아 슬립이다. 다시, 운영자/엔지니어 스태프는 종종 NOx 설정값을 낮춤으로써 오-분포에 응답한다. NOx 유입 및 유출 분석기들(2003,2004)은 단일의 분석기 또는 몇몇 형태의 분석 어레이일 수 있다는 것을 이해해야만 한다. 평균 NOx 농도에 부가하여, 복수의 분석 값들이 NOx 분포/프로필에 관한 정보를 제공한다. 부가적인 NOx 분포 정보를 이용하기 위하여, 그것은 주입 그리드의 상이한 영역들 중에서 전체 암모니아 흐름을 동적으로 분포시켜 암모니아 흐름이 더욱 밀접하게 로컬 NOx 농도와 정합되도록 하는 지능적인 복수의 암모니아 흐름 제어기들(2010)을 요구한다.
5. 동적 제어: 표준 제어기는 또한 효과적인 동적 제어를 제공하지 않는다. 즉, SCR에 대한 유입 조건들이 변화하고 있고 따라서 암모니아 주입 레이트의 변화를 요구하는 경우, NOx 환원 효율의 피드백 제어가 이 프로세스 변수의 상당한 이 탈을 방지할 수 없을 것이다. 신속한 부하 과도 현상 및 프로세스 시간 지연들은 동적 이벤트들이며, 이는 상당한 프로세스 이탈을 유발할 수 있다.
6. 촉매 감소: 촉매는 시간 경과에 따라 감소하여, SCR의 제거 효율을 감소키고, 암모니아 슬립을 증가시킨다. 제어 시스템은 NOx 제거 레이트를 최대화하기 위하여 이 열화를 고려해야할 필요가 있다.
7. 롤링 평균 방출: 많은 규제 방출 인가들은 일시적이고 여러 형태의 롤링-평균 방출 제한들을 제공한다. 동적 프로세스 이탈들을 허용하기 위하여, 일시적인 방출 제한은 롤링 평균 제한보다 더 높다; 일시적인 방출 제한에서의 지속적인 동작은 롤링-평균 제한의 위배를 야기한다. 롤링-평균 방출 제한은 몇몇 이동하거나, 또는 변동하는 시간-윈도우에 걸쳐 순간적인 방출들 값의 평균이다. 시간-윈도우는 1-시간만큼 짧거나 1년만큼 길 수도 있다. 몇몇 전형적인 시간-윈도우들은 1-시간, 3-시간, 8-시간, 24-시간, 1-달, 및 1-년이다. 롤링 평균들의 자동 제어는 표준 제어기에서 고려되지 않는다. 대부분의 NOx 방출 인가들은 지역적인 8-시간 롤링 평균 주변 공기 NOx 농도 제한들에 묶여 있다.
운영자들은 전형적으로 SCR에 대한 원하는 NOx 제거 효율 설정값(2031)을 설정하고, 석탄회로부터의 드문 샘플 정보에 기초하여 작은 조정(minor adjustment)을 한다. 부하 과도 동안 SCR의 동적 제어를 향상시키거나 또는 SCR의 동작을 최적화하는데 들이는 노력이 거의 없다. 최적의 일시적이고, 가능하다면 롤링 평균 NOx 제거 효율을 선택하는 것은 또한, WFGD의 최적 동작과 관련된 것과 유사한 사업적, 규제/신용, 및 프로세스 문제들에 기인한 어렵고 변화하는 문제이다.
다른 APC 프로세스들은 다음 것들과 관련된 문제들을 나타낸다:
ㆍ 프로세스의 동적 동작의 제어/최적화,
ㆍ 부산물/공-생성물 품질의 제어,
ㆍ 롤링-평균 방출들의 제어, 및
ㆍ APC 자산의 최적화.
다른 프로세스들에서의 이들 문제들은 WFGD 및 SCR의 상기 논의에서 상세화된 것과 유사하다.
본 발명에 따르면, 다층 제어기는 프로세스를 수행하는 공기 오염 제어(APC) 또는 다른 유형의 시스템과 같은 시스템의 동작을 지시한다. 이 프로세스는 복수의 프로세스 파라미터(MPP)들을 갖고, 상기 MPP들 중 적어도 하나는 제어가능한 프로세스 파라미터(CTPP)이고, 상기 MPP들 중 하나는 목표 프로세스 파라미터(TPP)이다. 예를 들어, MPP들은 흡수장치 타워로 공급되는 석회석 슬러리의 pH, 결정화기로 공급되는 산화 공기의 양, 및 습식 연도 가스 탈황(WFGD) 시스템으로부터 배출되는 연도 가스 내의 SO2 양을 포함할 수 있다.
상기 프로세스는 또한, TPLAAV2 길이의 정의된 시간 기간에 걸친 상기 TPP의 실제 평균 값(AAV)에 관한 분명한 제한 또는 목적 또는 목표일 수 있는, 제 1 한계를 나타내는 정의된 목표 값(DTV)을 갖는다. 예를 들어, DTV는 12시간, 1일, 30일, 3달 또는 1년과 같은 어떤 정의된 시간 기간에 걸친, WFGD 시스템으로부터 배출되는 연도 가스 내에 포함된 SO2의 양과 같은, TPP의 AAV에 대한 규제 제한일 수 있다. AAV는 정의된 시간 기간에 걸쳐 TPP의 실제값(AV)들에 기초하여 산출된다. 종종, AV들은 정의된 빈도로 측정되는 실제 값들이다. 그러나, 몇몇 구현예들에서, 다른 측정된 프로세스 데이터로부터 TPP의 AV들을 계산하는 것이 바람직할 수 있다. 일반적으로, 상기 정의된 시간 기간 동안의 TPP의 AAV들는 다층 제어기의 외부 AV들로부터 산출된다.
종종 상부 또는 제 2 층 제어기로 불리고, 개인용 컴퓨터의 형태 또는 다른 유형의 컴퓨팅 디바이스의 형태를 갖는 제 1 로직 제어기는 로직, 예컨대 소프트웨어 프로그래밍 또는 또 다른 유형의 프로그램된 로직을 가지고 적어도 TPLAAV2의 길이를 갖고 현재 시간(T0)으로부터 상기 TPP가 정상 상태에 이르는 때인 또는 그에 앞선 미래 시간 TAVV2에 이르는 제 1 미래 시간 기간(FFTP)에 걸친 상기 TPP의 미래 평균값(FAV)들을 예측하도록 한다. 상기 FAV들은 (i) 적어도 TPLAAV2의 길이를 갖고 T-AAV2의 이전 시간으로부터 현재 시간(T0)에 이르는 제 1 이전 시간 기간(FPTP)에 걸친 다양한 시각들에서의 상기 TPP의 상기 AAV들, 예컨대 WFGD 시스템으로부터 배출되는 연도 가스 내의 SO2의 실제 평균값들, (ii) 상기 MPP들의 상기 현재 값들, 예컨대, WFGD 흡수장치로 공급되는 석회석 슬러리의 현재 pH 레벨, WFGD 흡수장치로 유입되는 석회석 슬러리의 현재 분포, 예컨대 현재 슬러리 펌프 배열, WFGD 시스템에 의해 배출되는 연도 가스 내에 포함된 현재 SO2의 양 및/또는 WFGD 결정화기에 유입되는 현재 산화 공기의 양, 및 (iii) DTV, 예컨대 TPLAAV2에 걸쳐 배출된 SO2의 양의 AAV에 대한 규제 제한에 기초하여 예측된다.
따라서, 제 1 로직 제어기는 FPTP를 걸친 TPP의 이전 AVVs를 조사하고, 이들 AVV들 및 MPP들의 현재 값들을 이용하여 FFTP에 걸친 TPP의 FAV들을 초기에 예측한다. 전형적으로, 예측된 FAV들은 FFTP에 걸친 TPP의 예측된 경로를 나타낸다. 유리하게, FPTP에 걸친 TPP의 AAV들을 나타내는 이력 데이터는 전기, 광학 또는 다른 유형의 저장 매체와 같은 저장 매체에 저장되어 제 1 로직 제어기에 의해 검색될 수 있다. 그렇다면, FPTP에 걸친 TPP의 AAV들은 제어기의 외부 AV들로부터 계산될 것이다.
제 1 로직 제어기는 초기 예측된 FAV들을 제어가능한 프로세스 파라미터들로서 다루고, 초기 예측된 FAV들을 DTV에 기초하여 조정한다. 조정된 값은 최종 예측된 FAV들로서 특성화될 수 있다. 바람직하게, FFTP에 걸친 예측된 FAV들은 FFTP에 걸친 FAV들 모두가 DTV에 따르도록 조정된다. 종종, 예측된 FAV들은 모두 또는 대부분이 조정된다. 그러나, 특정 경우들에 있어서, 오직 제한된 개수의 예측된 FAV들이 조정될 수 있다. 제 1 로직 제어기는 예측된 FAV들의 오직 일부 또는 모든 조정된 FAV들이 DTV에 따르도록, 또는 FFTP의 말단에서 조정된 예측된 FAV 만이 DTV에 따르도록 예측된 FAV들을 조정할 수 있다.
종종 하부 또는 제 1 층 제어기라 부르고, PC 또는 다른 유형의 컴퓨팅 디바이스의 형태를 갖는 제 2 로직 제어기는, 제 2 미래 시간 기간(SFTP) 동안 상기 TPP의 상기 AAV, 예컨대 WFGD 시스템으로부터 배출된 연도 가스 내의 SO2의 실제 평균값에 대한 제 2 한계를 나타내는 그 이상의 목표 값(FTV)을 확립한다. 상기 SFTP는 상기 TPLAAV2 길이보다 작은 TPLAAV1과 동일한 길이를 가지고, 상기 현재 시간(T0)으로부터 미래 시간(TAAV1)에 이른다. 즉, SFTP는 FFTP보다 더 짧다. 필수적이진 않지만, SFTP의 말단에 혹은 그 전에 즉, 그 내에 정상 상태에 이를 수 있다는 것을 이해해야 한다.
상기 FTV는 상기 FFTP에 걸친 상기 TPP의 상기 조정된 예측된 FAV들 중 하나 이상에 기초하여 확립된다. 바람직하게는, FTV는 현재 시간(T0)에 시작하여 시간(TAVV1)에 종료하는 시간들에 대응하는 조정된 예측된 FAV에 기초하여 확립된다. 즉, 제 2 로직 제어기는 바람직하게는 SFTP에 걸쳐 제 1 로직 제어기에 의해 예측되었던 TPP의 조정된 FAV들에 기초하여 FTV를 확립한다. 그러나, 원한다면, 미래 시간(TAVV1)에, 즉 단축된 시간 기간(TPLAVV1)에서의 또는 어떤 다른 이산 시간에서의 TPP의 조정된 예측된 FAV가 FTV를 확립하는데 이용될 수 있다.
제 2 로직 제어기는 또한 각각의 CTPP에 대한 목표 설정값, 예컨대 WFGD 흡수장치에 공급되는 석회석 슬러리의 pH 레벨, WFGD 흡수장치에 공급되는 석회석 슬러리의 분포, 및/또는 WFGD 결정화기에 공급되는 산화 공기의 양에 대한 설정값을, (i) 상기 길이 TPLAAV1을 갖고 이전 시간 T- AAV1으로부터 상기 현재 시간(T0)에 이르는 제 2 이전 시간 기간(SPTP)에 걸쳐 다양한 시각들에서의 상기 TPP의 상기 AAV들, 예컨대 WFGD 시스템으로부터 배출되는 연도 가스 내의 SO2의 AAV들, (ii) 상기 MPP들의 상기 현재 값들, 예컨대 WFGD 흡수장치에 공급되는 석회석 슬러리의 현재의 pH 레벨, WFGD 흡수장치에 공급되는 석회석 슬러리의 현재의 분포, WFGD 결정화기에 공급되는 산화 공기의 현재의 양, 및/또는 WFGD 시스템에 의해 배출되는 연도 가스 내의 SO2의 현재의 양, 및 (iii) 상기 FTV에 기초하여 결정하는 로직을 갖는다. 상기 제 2 로직 제어기는 추가적으로 상기 CTPP에 대한 상기 결정된 목표 설정값에 따라 각각의 CTPP의 제어를 지시하는 로직을 갖는다.
유리하게, 제 2 로직 제어기는 (i) 상기 SPTP에 걸쳐 다양한 시각들에서 상기 TPP의 상기 AVV들, (ii) 상기 MPP들의 상기 현재 값들, 및 (iii) FTV에 기초하여 SFTP에 걸친 TPP의 FAV들을 예측하는 로직을 더 갖는다. 그렇다면, 상기 각각의 CTPP에 대한 상기 목표 설정값은 또한, SFTP에 걸친 TPP의 예측된 FAV들에 기초하여, 예컨대 결정된 목표 설정값이 예측된 FAV들에 미치는 영향에 기초하여 결정될 수 있다.
제 2 로직 제어기가 SFTP에 걸친 다양한 시각들에서의 TPP의 FAV들 예컨대, WFGD 시스템으로부터 배출되는 연도 가스 내의 SO2의 FAV들을 (i) 상기 TPP의 상기 AVV들, 예컨대 WFGD 시스템으로부터 배출되는 연도 가스 내의 SO2의 AAV들, (ii) 상기 MPP들의 상기 현재 값들, 예컨대 WFGD 흡수장치에 공급되는 석회석 슬러리의 현재의 pH 레벨, WFGD 흡수장치에 공급되는 석회석 슬러리의 현재의 분포, WFGD 결정화기에 공급되는 산화 공기의 현재의 양, 및/또는 WFGD 시스템에 의해 배출되는 연도 가스 내의 SO2의 현재의 양, 및 (iii) 상기 결정된 각각의 CTPP에 대한 목표 설정값에 기초하여 예측하는 추가적인 로직을 갖는 것이 또한 바람직할 것이다. 즉, 제 2 로직 제어기는 또한 결정된 상기 각각의 CTPP에 대한 목표 설정값을 감안하여 TPP, 예컨대 배출된 연도 가스 내의 SO2의 미래 평균값들의 경로를 예측할 것이다.
본 발명은 각각 동일한 길이를 가지지만, 상이한 시작 시각과 상이한 종료 시각을 갖고 현재 시간에 또는 그 이후에 MTPs의 각각의 끝 시간을 갖는 복수의 이동 예컨대 롤링, 시간 기간들(MTPs)이 DTV에 따라야 하는 구현예들에 대해 특히 유용하다. 이러한 경우에, 유리하게 제 1 로직 제어기는 FFTP에 걸친 예측된 FAV들을 조정하고, 제 2 로직 제어기는 MTP들의 각각에 걸친 TPP의 AAV가 DTV에 따르도록 CTPP 각각에 대한 목표 설정값을 결정할 것이다.
바람직하게는, 마우스, 키보드, 또는 통신 포트와 같은 입력 디바이스가 상기 현재 시간(T0)에 또는 그 후에 일어날 예정인 이벤트를 상기 현재 시간(T0)에 또는 그 전에 입력하는데 이용될 수 있다. 이런 이벤트는 FFTP 및/또는 SFTP의 내부 또는 외부의 시간에 시작되도록 계획될 수 있다. 상기 입력 이벤트는 예를 들어, WFGD 시스템에 공급되는 SO2 함유 습식 연도 가스의 양에서의 변화와 같은 적어도 하나의 MPP들, 예컨대 시스템상의 부하에서의 변화와, 전력 비용, 규제 신용의 값, 및/또는 프로세스의 부산물 예컨대, WFGD 프로세스에 의해 생산되는 석고의 값과 같은 상기 프로세스를 수행하는 시스템의 동작과 연관된 적어도 하나의 비(non)-프로세스 파라미터(NPP)에서의 변화를 나타낸다. 그렇다면, 유리하게 상기 제 1 로직 제어기는 상기 입력 이벤트에 또한 기초하여 상기 FFTP에 걸쳐 상기 TPP의 상기 FAV들, 예컨대 WFGD 시스템에서 배출될 연도 가스 내의 SO2의 FAV들을 예측하는 또다른 로직을 가질 것이다. 또한 유리하게, 상기 제 2 로직 제어기는 상기 입력 이벤트에 기초하여 상기 각각의 CTPP에 대한 목표 설정값 예컨대, WFGD 흡수장치에 공급되는 석회석 슬러리의 pH 레벨, WFGD 흡수장치에 공급되는 석회석 슬러리의 분포, 및/또는 WFGD 결정화기에 공급되는 산화 공기의 현재의 양을 결정하는 또다른 로직을 가질 것이다.
바람직하게, 제어기는 또한 신경망 또는 비(non)-신경망 프로세스 모델을 포함한다. 그렇다면, 제 1 로직 제어기, 적용가능하다면 제 2 로직 제어기는, TPP의 FAV들을 예측할 것이고, 제 2 로직 제어기는 프로세스 모델에 따라 각각의 CTPP의 목표 설정값을 결정할 것이다. 어떤 모델이 사용되더라도, 그것은 TPP, 예컨대 WFGD 시스템으로부터 배출되는 탈황 연도 가스 내의 SO2의 양 및 적어도 하나의 CTPP 예컨대, 사용되는 석회석 슬러리의 pH에 대응하는 파라미터, WFGD 시스템에서 사용되는 석회석 슬러리의 분포에 대응하는 파라미터, 사이의 관계를 나타낼 것이다. 이용된 모델이 제 1 원리 모델, 하이브리드 모델, 또는 회귀 모델을 포함할 수 있다는 것을 이해해야만 한다.
더욱 실제적인 용어로, 본 발명은 서로 직렬연결된 2개의 다변수(multivariable) 프로세스 제어기들(MPCs)로 구성된다. 하위 레벨 MPC 또는 하층 MPC(LTMPC)는 프로세스를 제어하고, TPP에 대한 짧은-시간 AAV인 추가의 MPP를 포함한다. 이 하위 제어기에서의 롤링 시간 윈도우 또는 AAV의 기간은 하위 제어기에 의해 제어되고 있는 프로세스의 Tss 이하이다.
상위 레벨 MPC 또는 상층 MPC(UTMPC)는 TPP의 롤링 평균 윈도우에 연관된 시간 기간 이상인 Tss를 갖는다. 예를 들어, DTV가 30일 롤링 평균 값이라면, UTMPC의 Tss는 TPP와 연관된 30일 윈도우 이상일 것이다. UTMPC는 TPP의 시간 윈도우(Ttarget)에 걸쳐 계산되는 TPP에 대한 DTV를 포함한다. 대부분의 경우들에 있어서, UTMPC의 Tss는 TPP의 롤링 시간 윈도우와 같거나 이에 기초할 것이다. 왜냐하면, UTMPC의 주된 목적은 긴-기간(long-term) 롤링 평균을 제어하는 것이기 때문이며, 여기에서 긴-기간은 질문시 프로세스의 응답 시간보다 더 긴 것으로 정의된다. 따라서, 우리가 가진 것은 2-층 MPC 방법과, 튜닝 사양과 연관된 롤링 평균의 분명한 긴-시간 제어를 제공하기 위해 상층의 이용이다.
덧붙여, UTMPC는 MPP들의 적절한 세트를 포함하며, 이 중 하나는 LTMPC에 의해 TPP에 대한 AVV의 목표 즉, FTV로서 이용될 것이다. UTMPC에서 프로세스 모델들 및 로직은 TPP의 AVV/Tss와 TPP의 AVV/Ttarget을 연관킨다. UTMPC는 TPP의 AVV/Tss 목표를 조정하고 이 조정들을 제한들 예컨대 제약조건들로서 그 제어기 내의 LTMPC에 전송함으로써 TPP의 AVV/Ttarget을 제어한다.
두 제어기들은 제어기들의 정상-상태 시간들, LTMPC에서의 짧은 시간 및 ULMPC에서의 긴 시간에 걸쳐 TPPs에 대한 미래 평균값들을 예측하기 위하여 적어도 하나의 전체 롤링-평균 시간을 조사한다. 예측들은 벡터 또는 복수의 미래 값들이다.
AAV들의 분명한 제어는, 미래 값들이 원하는 목표 값(DTV)과 같거나, 그보다 작거나, 그보다 크도록 TPP들에 대한 완전한 복수의 미래 값들, 예컨대 FAV들을 제어하기 위해 MPC들을 튜닝하여 이루어진다.
가장 간략한 형태에서, UTMPC는 LTMPC에서의 TPP/AAV에 대한 현재의 제한/제약조건을 조정한다. 이 구성은 적절한 롤링 평균 제어를 제공할 것이다. 몇몇 MPC 시스템들은 제한들 예컨대 제약조건들에 대한 복수의 미래 값들 또는 벡터의 부하를 허용한다. 이 경우, UTMPC의 현재 움직임뿐만 아니라 T0(현재 시간)로부터 Tprocess(LTMPC에 대한 Tss)가지의 이동 계획의 전체 부분이 UTMPC로부터 LTMPC 내의 적절한 미래 제한 벡터로 다운로드된다. 이 기능이 MPC 툴에서 제공되고 이용될 때, 제어 동작은 LTMPC가 현재 및 미래 제어 동작을 더 잘 계획할 수 있게 되기 때문에 향상될 것이다.
도 1은 종래의 습식 연도 가스 탈황(WFGD) 서브시스템의 개요를 도시하는 블록도이다.
도 2는 도 1에 도시된 WFGD 서브시스템의 일정 양상들의 추가 상세사항들을 도시한 도면이다.
도 3은 도 1에 도시된 WFGD 서브시스템의 또 다른 양상을 더욱 상세화한 도 면이다.
도 4는 pH의 함수로서 SO2 제거 효율 대 석고 순도의 그래프이다.
도 5A는 컴포트존(comfort zone) 내에서의 WFGD 프로세스 성능을 갖는 WFGD 제약조건 박스를 도시한 도면이다.
도 5B는 본 발명에 따라, 최적화된 WFGD 프로세스 성능을 갖는 도 5a의 WFGD 제약조건 박스를 도시한 도면이다.
도 6은 본 발명에 따른, 예시적인 MPC 제어 구조의 기능적 블록도를 도시한다.
도 7은 도 6의 구조에서 이용되기에 적절한 예시적인 MPC 제어기 및 평가기의 구성요소들을 도시한다.
도 8은 본 발명에 따른, 도 7에 도시된 MPC 제어기의 처리 유닛 및 저장 디스크를 더욱 상세화 한다.
도 9는 도 8에 상세화된 MPC 제어기에 통합된 평가기의 기능적 블록도를 도시한다.
도 10은 본 발명에 따른, 다층의 MPCC 구조를 도시한다.
도 11A는 본 발명에 따라, 다층 MPC 제어기에 의해 사용자에게 제공되는 인터페이스 스크린을 도시한 도면이다.
도 11B는 본 발명에 따라, 계획된 공급 정지들의 리뷰, 수정 및/또는 추가에 대해 다층 MPC 제어기에 의해 제공되는 또 다른 인터페이스 스크린을 도시한 도면 이다.
도 12는 본 발명에 따라, 도 10의 다층 MPCC 구조의 확대도를 도시한 도면이다.
도 13은 본 발명에 따라, WFGD 프로세스에 대한 DCS와 함께 평가기를 포함한, MPCC의 인터페이싱의 기능적 블록도이다.
도 14A는 본 발명에 따라, MPCC 제어를 모니터링하기 위한 DCS 스크린을 도시한다.
도 14B는 본 발명에 따라 랩 및/또는 다른 값들에 들어가기 위한 또 다른 DCS 스크린을 도시한 도면이다.
도 15A는 본 발명에 따라, MPCC에 의해 제어되는 서브시스템의 전반적인 동작들을 갖는 WFGD 서브시스템을 도시한 도면이다.
도 15B는 본 발명에 따라, 도 15a에 도시된 WFGD 서브시스템을 제어하는 MPCC를 도시한 도면이다.
도 16은 도 2에 도시된 것에 대응하는, 본 발명에 따른 도 15a에 도시된 WFGD 서브시스템의 일정 양상들의 추가 상세사항들을 도시한 도면이다.
도 17은 도 3에 도시된 것에 대응하는, 본 발명에 따른 도 15a에 도시된 WFGD 서브시스템의 다른 양상들을 상세화한 도면이다.
도 18은 본 발명에 따른 도 15a에 도시된 WFGD 서브시스템의 또 다른 양상들을 더욱 상세화한 도면이다.
도 19는 본 발명에 따른 도 15b에 도시된 MPCC의 양상을 더욱 상세화한 도면 이다.
도 20은 전형적인 선택적 촉매 환원(SCR) 유닛의 개요를 도시한 블록도이다.
도 21은 SCR 서브시스템에 대한 종래의 프로세스 제어 방법을 도시한 도면이다.
도 22는 본 발명에 따른 MPC 제어기의 처리 유닛 및 저장 디스크를 상세화한 도면이다.
도 23A는 본 발명에 따라, MPCC에 의해 제어되는 서브시스템의 전반적 동작들을 갖는 SCR 서브시스템을 도시한 도면이다.
도 23B는 본 발명에 따라, 도 23a에 도시된 MPCC의 양상들을 더욱 상세화한 도면이다.
설명되는 바와 같이, WFGD의 효율적이고 효과적인 동작 및 유사한 서브시스템들은 이제 이전보다 더욱 복잡하다. 또한, 이 복잡성은 추가적인 경합하는 압력들 및 추가적인 오염물 규제가 있을 향후에 계속적으로 증가할 것이다 종래의 프로세스 제어 전략들 및 기술들은 이러한 복잡성을 다룰 수 없었고, 따라서 이러한 동작들의 최적의 제어를 할 수 없다.
서브시스템들의 유용한 동작 수명의 과정 동안 극적으로 변화하고 있는 사업 환경에서, 임의의 주어진 시간에 서브시스템 동작들의 상업적 가치를 극대화하는 것이 바람직하다. 이 자산 최적화는 종래 프로세스 제어 전략에서 고려되지 않은 사실들에 기초한다. 예를 들어, 시장이 규제 신용들(regulatory credits)을 거래하기 위해 존재하는 사업 환경에서, 이러한 신용들을 생성하는데 야기되는 추가적인 운영 비용들에도 불구하고, 효율적인 서브시스템 동작은 추가적인 규제 신용들이 생성되고 판매되어 서브시스템의 가치를 극대화할 수 있다는 것을 말해준다.
따라서, SO2 흡수를 극대화하고, 운영 비용들을 최소화하며, 부산물 품질 사양을 만족하는 단순한 전략이라기보다, 더욱 복잡한 전략이 SO2 흡수가 최대로 되는지, 운영 비용들이 최소로 되는지 또는 부산물 품질 사양이 만족되는지의 여부에 무관하게 서브시스템의 동작들을 최적화하기 위해 이용될 수 있다. 또한, 서브시스템 제어를 실질적으로 향상시키기 위한 도구들이 제공될 수 있으며, 예컨대 향상된 서브시스템 제어가 완전히 자동화될 수 있다. 따라서, 동작들은 동작 파라미터들 및 제약조건들뿐만 아니라, 사업적 환경에 대해 최적화되고 자동화될 수 있다. 생성된 규제 신용들의 시장 가치가 서브시스템이 그러한 신용들을 만들어내는데 드는 추가적인 운영 비용보다 작을 때, 서브시스템들은 규제 인가 레벨에 가장 근접하게 또는 정확히 맞게 동작하도록 자동으로 제어될 수 있다. 그러나, 생성된 규제 신용들의 시장 가치가 서브시스템이 그러한 신용들을 만들어내는데 드는 추가적인 운영 비용보다 클 때, 서브시스템은 또한 그러한 동작들이 규제 인가 레벨 미만에서 동작하도록 조정하기 위해 자동으로 제어될 수 있고, 그로 인해 실제로 규제 신용들이 생성된다. 실제로, 자동화된 제어는 마진 달러 가치에 이를 때까지 즉, 방출 신용의 가치가 신용을 창출하는데 드는 처리 비용과 동일할 때, 가능한 많은 SO2를 제 거하도록 동작할 것을 서브시스템에 지시할 수 있다.
요약하면, WFGD의 최적화된 동작 및 유사한 서브시스템들은 복잡한 프로세스 및 규제 인자들뿐만 아니라, 복잡한 사업 인자들 및 이들 상이한 유형의 인자들에서의 동적 변화들을 고려할 것을 요구한다. 최적화는 사업 인자들의 고려를 요구할 수 있으며, 이는 국소적인 것, 예컨대 오프-라인을 취하는 복수의 WFGD 처리 유닛들 중 하나일 수 있고, 및/또는 지역적인 것(regional) 예컨대, 지역 내에서의 오프-라인으로 처리되는 또다른 엔티티의 WFGD 처리 유닛 동작, 또는 글로벌인 것일 수 있다. 예컨대, 장기 및 단기 SO2 규제 신용들의 넓게 동적으로 변화하는 시장 가치들이 또한 동작들을 최적화하는데 고려될 필요가 있다.
따라서, 제어들은 바람직하게는 동작을 조정하여, 규제 인가에 따르도록 SO2 제거를 최소화하거나 또는 SO2 제거를 최대화할 수 있어야 한다. 이러한 조정 능력은 서브시스템 소유자가 규제 신용 가치의 동적 변화를 이용할 수 있도록 하고, 그 서브시스템들 중 다른 것에 의한 허용을 벗어난(out-of-permit) 동작을 오프셋하는 하나의 서브시스템과 함께 신용들을 생성할 수 있도록 하거나, 또는 그 서브시스템의 허용을 벗어난 동작을 오프셋하는 규제 신용들을 구입하기 위해 또 다른 서브시스템 소유자의 요구를 이용할 수 있게 해 준다. 또한, 제어들은 또한 바람직하게는, 추가 규제 신용들의 생성이 더 이상 유리하지 않는 즉시 다시 동작들을 조정할 수 있어야 한다. 달리 말하자면, 제어 시스템은 계속적으로 APC 자산의 동작을 장비, 프로세스, 규제, 및 사업 제약조건들에 맞게 최적화해야 한다.
석고 부산물의 요구된 순도를 초과할 동기가 없기 때문에, 제어들은 바람직하게는 석고 부산물의 품질을 석고 부산물의 사양 또는 다른 판매 제약조건들에 정합하기 위해 기능적 최적화를 촉진해야 한다. 최적화된 제어는 원하는 SO2 흡수 레벨 및 석고 생산 요구조건을 감안하여 O2 레벨을 조정하는 동작을 예상 및 지시함으로써 석회석 블라인딩의 회피를 용이하게 해야 한다.
전술된 바와 같이, 롤링-평균으로 방출을 제어하는 것은 복잡한 문제이다. 이것은 적어도 부분적으로 롤링-평균에 대한 시간-윈도우가 항상 앞으로 이동하고 있고, 임의의 주어진 시간에 복수의 시간-윈도우가 활성이기 때문이다. 전형적으로, 활성 윈도우들은 주어진 시간으로부터 과거의 시간으로 연장되고, 다른 활성 윈도우들이 주어진 시간으로부터 미래의 시간으로 연장된다.
롤링-평균 방출들의 관리는 롤링-평균의 시간 윈도우 동안의 모든 방출의 통합을 요구한다. 따라서, 롤링-평균 목적에 대해 방출을 최적화하기 위해 "활성" 시간-윈도우들 모두에 대해 실제 과거의 방출들 및 예견되는 미래 방출들 또는 동작 계획들을 고려하여 일시적인 방출 목적이 선택될 것을 요구한다.
예를 들어, 4-시간 롤링 평균의 최적화는 복수의 시간-윈도우들의 검사를 요구하며, 이것의 첫번째는 과거에서 3시간 59분에 시작하고, 현재 시간에 종료하며, 그 마지막 것은 현재 시간에 출발하여 4시간 후의 미래에 종료한다. 각 시간-윈도우의 1-분 "분해도"로 이 비교적-짧은 4-시간 롤링-평균의 최적화가 479 시간-윈도우들의 제약조건들 만족하는 일시적인 목적을 선택하는 것을 포함한다.
단일의 통합된 시간 윈도우에 대한 롤링-평균 방출 목적을 결정하는 것은 통합된 시간 윈도우에서의 총 과거 방출들은 우선 산출하고, 다음 예컨대 롤링-평균 제한에서 또는 그 아래에서 단일의 통합된 시간-윈도우 동안 평균 방출을 야기할 그 단일의 통합된 시간-윈도우의 나머지에 대한 미래 방출들의 비율을 예측하는 것을 포함한다. 미래의 방출들은 현재 시간에 시작한다. 그러나, 정확성을 위해, 미래 방출들은 또한 단일의 통합된 시간-윈도우의 나머지 동안의 동작들로부터의 방출의 예측을 포함해야 한다.
시간-윈도우가 길수록, 미래 방출을 예측하는 것을 더욱 어려워진다는 것을 이해할 수 있을 것이다. 예를 들어, 다음 수 시간에 걸친 동작들로부터의 방출들이 꽤 정확하게 예측될 수 있으나, 다음 11개월에 걸친 동작들의 방출들은 계절 변화 및 계획된 공급정지를 고려해야 하기 때문에 예측하기가 더욱 어렵다. 덧붙여, 서브시스템 상에 놓인 용량 제한들 또는 계획되지 않은 공급정지를 대비한 안전 마진을 더하는 것이 필요할 수도 있다.
따라서, WFGD 프로세스를 최적화하기 위하여 예로써, 프로세스를 동작 제약조건들 내에 유지하면서 운영 비용을 최소화하고 및/또는 SO2 제거를 최대화하기 위하여, WFGD 프로세스에 대한 최적의 설정값들이 자동으로 결정되어야 한다.
이하에 상세히 설명될 본 발명의 실시예들에서, 모델-기반의 다변수의 예측 제어(multivariable predictive control: MPC) 방법이 WFGD 프로세스의 최적 제어를 제공하는데 이용된다. 일반적으로, MPC 기술은 프로세스의 다입력, 다출력 동적 제어를 제공한다. MPC 기술은 원래 1970대 후반에 개발되었음을 당업자는 이해할 수 있을 것이다. 기술 분야에서 기술 혁신은 오늘날에도 계속되고 있다. MPC는 많은 모델-기반 제어 기술들 또는 방법들을 포함한다. 이 방법들은 제어 엔지니어가 복잡하고, 상호 작용하고, 동적인 프로세스를 종래 PID 타입의 피드백 제어 시스템에서 가능했던 것보다 더욱 효과적으로 처리할 수 있도록 해준다. MPC 기술들은 선형 및 비선형 프로세스들 모두를 제어할 수 있다.
모든 MPC 시스템들은 분명히 동적 모델들을 이용하여, 미래의 프로세스 실행을 예측한다. 특정 제어 동작이 목적 함수를 최소화하기 위하여 계산된다. 마지막으로, 엷어지는 수평선이 구현되며, 여기에서 각각의 시간 증분에서 수평선이 미래를 향하는 하나의 증분에 놓인다. 또한, 각각의 증분에서, 그 단계에서 계산된 시퀀스의 제어 동작에 대응하는 제 1 제어 신호의 애플리케이션이 이루어진다. 엔지니어들을 제어하는데 가용한 예컨대 Generalized Predictive Control(GPC), Dynamic Matrix Control(DMC) 및 페가수스의 Power PerfecterTM 와 같은 다수의 상업적 프로그램들이 있다. Comancho 및 Bordons는 1999년 Springer-Verlag London 사에서 발행한 Model Predictive Control에서 MPC의 제어에 대한 뛰어난 개관을 제공하고, 반면 Lennart Ljund의 1999년 Prentice-Hall사가 발행한 제 2판 System Identification, Theoryfor the User는 실제 MPC를 구현하는데 필수인 프로세스의 동적 모델링에 관한 고전 작품이다.
MPC 기술은 DCS에 의해 구현되는 기본적인 기초 규제 제어를 대체하기보다는 운영자에 의해 보통으로 처리된 동작들을 수행하는 관리 모드에서 가장 흔히 이용된다. MPC 기술은 자동으로, 프로세스에 대한 최적의 설정값을 제공하는 수학적 기술들을 이용하여, 경합하는 목적들과 프로세스 제약조건들의 균형을 이룰 수 있다.
MPC는 전형적으로 다음과 같은 특징들을 포함한다:
동적 모델들: 예측에 대한 동적 모델, 예컨대 비선형 동적 모델. 이 모델은 플랜트의 공정 테스트 및 파라메트릭 테스트를 이용하여 용이하게 개발된다. 동적 모델의 높은 품질은 뛰어난 최적화 및 제어 수행의 열쇠이다.
동적 식별: 프로세스 역동성 또는 시간 경과에 따른 프로세스의 변화 방법이 플랜트 공정 테스트들을 이용하여 식별된다. 이 공정 테스트들에 기초하여, 최적화-기반의 알고리즘이 플랜트의 역동성을 식별하는데 이용된다.
정상 상태 최적화(steady state optimization): 정상 상태 최적화기는 프로세스에 대한 최적의 동작점을 찾는데 이용된다.
동적 제어: 동적 제어기는 정상 상태 솔루션 주변의 최적 제어 움직임을 산출하는데 이용된다. 제어 움직임은 최적화기를 이용하여 계산된다. 최적화기는 제약조건들의 세트에 필요한 사용자 지정 비용 함수를 최소화하는데 이용된다. 비용 함수는 프로세스의 동적 모델을 이용하여 산출된다. 모델, 비용 함수 및 제약조건들에 기초하여, 최적 제어 움직임이 프로세스에 대해 산출될 수 있다.
동적 피드백: MPC 제어기는 동적 피드백을 이용하여 모델들을 업데이트한다. 피드백을 이용함으로써, 교란, 모델, 오정합(mismatch) 및 센서 잡음의 영향들이 크게 감소될 수 있다.
향상된 튜닝 특징들: MPC 제어기는 튜닝 능력들의 완전한 세트를 제공한다. 다루어진 변수들에 대해, 사용자는 원하는 값 및 계수; 즉, 움직임 처벌 인자; 하한 및 상한; 변화 제약조건의 레이트; 및 상부 및 하부 경도(hard) 제약조건들을 설정할 수 있다. 사용자는 또한 정상 상태 최적화기의 출력을 이용하여 다루어진 변수의 원하는 값을 설정한다. 제어된 변수들에 대해, 사용자는 원하는 값 및 계수; 즉, 에러 가중치들: 제한들; 우선순위가 부여된 안정된 궤도 깔대기(hard and trajectory funnel) 제약조건들을 설정할 수도 있다.
시뮬레이션 환경: 오프-라인 시뮬레이션 환경이 제어기의 초기 테스팅 및 튜닝을 위해 제공된다. 시뮬레이션 환경은 모델 부정합 및 교란 거절 능력의 조사를 허용한다.
온-라인 시스템: MPC 제어 알고리즘은 바람직하게는 표준 상업적 운영 시스템에서 동작될 수 있는 표준화된 소프트웨어 서버에서 구현된다. 서버는 표준화된 인터페이스를 통해 DCS와 통신한다. 엔지니어들 및 운영자들은 유리하게는 그래픽 사용자 인터페이스(GUI)를 이용하여 MPC 알고리즘의 출력 예측들을 볼 수 있을 것이다.
강건한 에러 핸들링: 사용자는 MPC 알고리즘이 입력들 및 출력들 상의 에러들에 어떻게 응답하는지를 지정한다. 제어기는 주요 변수들에 에러가 발생하면 턴오프될 수 있고, 또는 최근에 알려진 양호한 값이 중요하지 않은 변수들에 이용될 수 있다. 적절히 에러들을 핸들링하여, 제어기 가동시간 동작이 최대화될 수 있다.
가상 온-라인 분석기들: 프로세스 변수의 직접적인 측정들이 가용하지 않은 경우, 환경은 소프트웨어-기반의 가상 온-라인 분석기(VOA)를 구현하기 위한 기반 구조를 제공한다. MPC 툴을 이용하여, 원하는 프로세스 변수의 모델이 적절하다면 연구실 데이터를 포함하는 플랜트(plant)로부터의 이력(historical) 데이터를 이용하여 개발될 수 있다. 이후 모델에는 실시간 프로세스 변수들이 제공될 수 있고, 실시간으로 미측정된 프로세스 변수를 예측할 수 있다. 그 후, 이 예측은 모델 예측 제어기에서 이용될 수 있다.
WFGD
프로세스 최적화
보다 상세히 후술되는 바와 같이, 본 발명에 따라, SO2 제거 효율이 향상될 수 있다. 즉, 석고 순도 제약조건, 일시적인 방출 제한, 및 롤링 방출 제한과 같은 요구되거나 또는 원하는 제약조건들을 만족시키면서, 유닛으로부터의 SO2 제거 레이트가 최대화 및/또는 최적화될 수 있다. 또한, 운영 비용들이 또한 또는 택일적으로 최소화 또는 최적화될 수 있다. 예를 들어, 슬러리 펌프들은 WFGD로의 연도 가스 부하가 감소될 때 자동으로 턴오프될 수 있다. 부가적으로, 산화 공기 흐름 및 SO2 제거가 또한 또는 택일적으로 극적으로 조정되어 석회석 블라인딩 조건들을 방지할 수 있다. 여기에서 설명된 MPC 제어기를 이용하여, WFGD 프로세스는 제약조건들에 더욱 근접하게 관리될 수 있고, 종래의 제어된 WFGD 프로세스들과 비교하여 향상된 성능을 이룰 수 있다.
도 5A 및 도 5B는 WFGD "제약조건" 박스들(500,550)을 도시한다. 도시된 바 와 같이, 프로세스 및 장비 제약조건들(505-520)을 식별하고, 복수의 독립 변수(MV)들 및 식별된 제약조건들 즉, 종속/제어된 변수들 사이의 프로세스 기반의 정상-상태 관계들을 이용함으로써, MV들 관점에서 공통의 "공간"으로 제약조건들을 맵핑하는 것이 가능하다. 이 공간은 실제로 n 차원 공간이며, 여기에서 n은 문제가 되고 있는 다루어진 MV의 개수 또는 자유도의 차수와 같다. 그러나, 설명을 위해, 우리는 2차의 자유도 즉, 두 개의 MV들을 갖는다고 가정하면, 2차원의 (X-Y) 플롯을 이용하여 시스템 제약조건들 및 관계들을 나타내는 것이 가능하다.
유익하게, 프로세스 및 장비 제약조건들은 널(null)이 아닌 솔루션 공간과 경계를 짓고, 이는 실행가능한 동작 영역들(525)로서 도시되어 있다. 이 공간 내의 임의의 솔루션은 WFGD 서브시스템 상의 제약조건들을 만족할 것이다.
모든 WFGD 서브시스템들은 어느 정도의 가변성을 나타낸다. 도 5A를 참조하면, 전형적인 종래의 동작 전략은 보통의 WFGD 서브시스템 가변성을 실행가능한 솔루션 공간(525)의 컴포트존(comfort zone)에 위치시키는 것이다--이것은 일반적으로 안전한 동작을 보장한다. 동작들을 컴포트존(530) 내에 유지함으로써, 실행 불가능한/바라지않는 동작의 영역들로부터 즉, 실행가능한 영역(525)의 바깥 영역들로부터 동작들을 떨어뜨릴 수 있다. 전형적으로, 분포된 제어 시스템(DCS) 알람들이 미해결된 문제의 운영자들에게 경고하기 위하여 측정가능한 제약조건들의 한계들에서 또는 그 근처에 있다.
실행가능한 공간(525) 내의 임의의 점이 시스템 제약조건들(505-520)을 만족시킨다는 것은 사실이지만, 실행가능한 공간(525) 내의 상이한 점들은 동일한 운영 비용, SO2 흡수 효율 또는 석고 부산물 생산 능력을 갖지 않는다. 이익, SO2 흡수 효율 또는 석고 부산물의 품질/생산성을 극대화하는 것 또는 비용을 최소로 하는 것은 실행가능한 공간(525) 내에서의 동작을 위한 경제적으로 최적의 점을 식별할 것을 요구한다.
본 발명에 따라, 프로세스 변수들 및 이들 변수들의 값들을 유지 또는 변화시키는 것의 비용 또는 이익은, 예를 들어, 어떤 경우들에서는 음의 비용으로 간주될 수 있는 이익을 나타내는 목적 함수를 생성하는데 이용될 수 있다. 도 5B에 도시된 바와 같이, 선형, 정방형 또는 비선형 프로그래밍 솔루션 기술들을 이용함으로써, 이하에서 더욱 상세히 기술되는 바와 같이, 최적의 실현 가능한 솔루션 점(555) 예컨대, 실현 가능한 동작(525)의 영역 내의 최저-비용 또는 최대 이익 솔루션 점을 식별하는 것이 가능하다. 제약조건들 및/또는 비용들이 항상 변할 수 있기 때문에, 실시간으로 예컨대 MPC 제어기가 실행하는 매 순간에, 최적의 실현 가능한 솔루션 점(555)을 재-식별하는 것이 바람직하다.
따라서, 본 발명은 컴포트존(535) 내의 종래의 동작점으로부터 최적의 동작점(555)으로 및 최적의 동작점(555)으로부터 비용들의 제약조건에서 변화가 일어날 때의 또다른 최적의 동작점으로의 프로세스 실행의 자동 재-목표화를 용이하게 한다. 일단 최적의 점이 결정되면, 프로세스를 최적의 동작점으로 이동시키는 MV들의 값에서의 요구되는 변화가 계산된다. 이 새로운 MV 값들은 목표 값들이 된다. 목표 값들은 정상-상태 값들이고, 프로세스 역동성을 설명하지 않는다. 그러나, 안전하 게 프로세스를 이동시키기 위하여, 프로세스 역동성 역시 제어 및 관리될 필요가 있다-이것은 우리를 다음 지점으로 데려다 준다.
이전 동작점으로부터 새로운 최적 동작점으로 프로세스를 이동시키기 위하여, 예측 프로세스 모델들, 피드백, 및 고주파 실행이 응용된다. MPC 기술들을 이용하여, 제어되는 변수(CV)들의 동적 경로 또는 궤도가 예측된다. 이 예측을 이용하고, 현재에서의 뿐만 아니라 미래 예컨대 근접한-시기의 미래에서의 다루어진 MV 조정들을 관리함으로써, CV들의 동적 경로를 관리하는 것이 가능하다. CV들에 대한 새로운 목표 값들이 계산될 수 있다. 이후, 원하는 시간 수평선에 대한 동적 에러가 CV에 대해 예측된 경로 및 새로운 CV 목표 값 사이의 차이로서 산출될 수 있다. 다시 한번, 최적화 이론을 이용하여, 에러를 최소로하는 최적의 경로가 계산될 수 있다. 실제로 엔지니어는 몇몇 CV들이 다른 것들보다 더욱 엄격히 제어되도록 에러들을 가중하는 것이 허용되는 것이 바람직하다. 예측 프로세스 모델들이 또한 하나의 동작점으로부터 다음 경로로의 경로 또는 궤적의 제어를 허용한다-따라서 동적 문제들이 새로운 최적 동작점으로 이동하는 동안 회피될 수 있다.
요약하면, 본 발명은 동작들이 가상의 임의의 원하는 결과를 얻기 위한 프로세스를 최적화하는 것이 요구되듯이, 실현 가능한 동작(525)의 영역 내의 가상의 임의의 점에서 수행되도록 한다. 즉, 목적이 최저 가능 방출들, 가장 높은 품질 또는 부산물의 양, 최저 동작 비용 또는 그 밖의 다른 결과를 얻는 것인지의 여부에 상관없이 프로세스는 최적화될 수 있다.
최적 동작점(555)에 가까이 근접하기 위하여, MPC는 바람직하게 프로세스 가 변성을 감소시켜 작은 편차가 제약조건의 위배를 일으키지 않도록 한다. 예를 들어, 예측 프로세스 모델들, 피드백, 및 고주파 실행을 이용하여, MPC는 제어된 프로세스의 가변성을 극적으로 감소시킬 수 있다.
정상 상태 및 동적 모델들
이전 문단들에서 기술된 바와 같이, 정상 상태 및 동적 모델들이 MPC 제어기에 이용된다. 이 섹션에서, 이 모델들이 더 설명된다.
정상 상태 모델: 입력들의 특정 세트에 대한 프로세스의 정상 상태는, 입력들의 이전 값들이 더 이상 상태에 영향을 주지 않도록 모든 입력들이 장시간 동안 일정하게 유지된다면 프로세스가 이루는, 연관된 프로세스 값들의 세트에 의해 기술되는 상태이다. WFGD에 대해, 처리 유닛의 결정화기의 상대적으로 늦은 반응 및 큰 용량으로 인해, 정상 상태에 이르는 시간은 전형적으로 약 48 시간이다. 정상 상태 모델은 프로세스 입력들의 세트에 대한 정상 상태와 연관된 프로세스 값들을 예측하는데 이용된다.
제 1 원리 정상 상태 모델: 정상 상태 모델을 개발하기 위한 한 방법은 프로세스의 엔지니어링 지식에 기초하여 유도된 등식들의 세트를 이용하는 것이다. 이 등식들은 프로세스 입력들 및 출력들 사이의 알려진 기본적 관계를 표현한다. 알려진 물리, 화학, 전기, 및 엔지니어링 등식들이 이 등식들의 세트를 유도하는데 이용될 수 있다. 이 모델들은 알려진 원리에 기초하기 때문에, 그것들은 제 1 원리 모델이라고 한다.
대부분의 프로세스들은 원래 제 1 원리 기술들 및 모델들을 이용하여 디자인된다. 이 모델들은 일반적으로 매우 정확하여, 도 5A를 참조하여 전술한 바와 같이, 컴포트존 안에서 안전한 동작을 제공할 수 있다. 그러나, 매우 정확한 제 1 원리들 기반의 모델들을 제공하는 것은 때로 시간 소비적이고 고가이다. 덧붙여, 알려지지 않은 영향들이 종종 제 1 원리들 모델들의 정확성에 영향을 준다. 따라서, 택일적인 방법들이 매우 정확한 정상 상태 모델들을 만드는데 종종 이용된다.
경험 모델들: 경험 모델들은 프로세스로부터 수집된 실제의 데이터에 기초한다. 경험 모델은 모델 입력들 및 출력들 사이의 관계를 결정하기 위해 데이터 회귀(regression) 기술을 이용하여 만들어진다. 종종, 데이터는 개개의 입력들이 출력들에 대한 그들의 영향들을 기록하기 위해 이동되는 일련의 플랜트 테스트들로 수집된다. 이 플랜트 테스트들은 경험 모델들에 대한 충분한 데이터를 수집하기 위하여 수일부터 수 주까지 지속될 수 있다.
선형 경험 모델들: 선형 경험 모델들은 선 또는 더 큰 차원들의 평면을 입력 및 출력 데이터 세트에 맞춤으로써 생성된다. 이러한 모델들을 맞추기 위한 알고리즘들이 일반적으로 가용한데, 예컨대, 엑셀은 선을 경험 데이터 세트에 맞추기 위한 회귀 알고리즘을 제공한다.
신경망 모델들: 신경망 모델들은 경험 모델의 또다른 형태이다. 신경망들은 선보다 더 복잡한 곡선들이 경험 데이터의 세트에 맞춰지도록 한다. 신경망 모델에 대한 구조 및 훈련 알고리즘은 생물학적으로 영감이 얻어진 것이다. 신경망는 뉴런의 기본 기능성을 모델링하는 노드들을 포함한다. 노드들은 뇌에서 뉴런들 사이의 기본적인 상호 작용을 모델링하는 가중치들에 의해 연결된다. 가중치들은 뇌에서의 학습을 모방한 훈련 알고리즘을 이용하는 세트이다. 신경망 기반의 모델들을 이용하여, 선형 경험 모델들을 이용하여 달성될 수 있는 것보다는 더 풍부하고 복잡한 모델이 개발될 수 있다. 입력들(Xs) 및 출력들(Ys) 사이의 프로세스 관계들은 신경망 모델들을 이용하여 표현될 수 있다. 본 명세서에서 신경망들 또는 신경망 모델들에 대한 미래 참조들은 신경망-기반의 프로세스 모델들로 해석된다.
하이브리드 모델들: 하이브리드 모델들은 제 1 원리들로부터의 요소들의 결합 또는 알려진 관계들 및 경험 관계들을 포함한다. 예를 들어, Xs 및 Y 사이의 관계의 형태는 알려질 수 있다(제 1 원리 요소). 관계 또는 등식들은 복수의 상수들을 포함한다. 이 상수들 중 일부는 제 1 원리 지식을 이용하여 결정될 수 있다. 다른 상수들은 제 1 원리들로부터 결정하기 매우 어렵고 및/또는 비싸다. 그러나, 알려지지 않은 상수들에 대한 값들을 결정하는 회귀 문제를 구성하기 위하여, Xs 및 Y의 실제 프로세스 데이터 및 제 1 원리 지식을 이용하는 것을 비교적 용이하고 저렴하다. 이 알려지지 않은 상수들은 하이브리드 모델에서 경험/회귀 요소를 나타낸다. 회귀는 경험 모델보다 훨씬 더 작고, 하이브리드 모델의 경험적 속성은 훨씬 적은데, 왜냐하면 모델 형태 및 상수들 중 일부는 물리적 관계들을 지배하는 제 1 원리들에 기초하여 고정되기 때문이다.
동적 모델들: 동적 모델들은 시간 경과에 따른 입력들의 변화들이 출력들에 미치는 영향들을 나타낸다. 정상 상태 모델들이 프로세스의 최종 안정 상태를 예측하는데만 이용되는 반면, 동적 모델들은 하나의 정상 상태로부터 다른 정상 상태로 취할 경로를 예측하는데 이용된다. 동적 모델들은 제 1 원리들 지식, 경험 데이터 또는 이 두 가지의 조합을 이용하여 개발될 수 있다. 그러나, 대부분의 경우들에서, 모델들은 프로세스의 상태에 영향을 미치는 주요 변수들의 일련의 공정 테스트들로부터 수집된 경험 데이터를 이용하여 개발된다.
페가수스 파워 퍼펙터(perfecter) 모델: 대부분의 MPC 제어기들은 단지 모델들의 사용만을 허용한다. 즉 그 모델은 선형 경험 정상 상태 모델 및 선형 경험 동적 모델로 이루어진다. 페가수스 파워 퍼펙터TM는 제어기에서 이용되는 최종 모델을 생성하기 위하여 선형, 비선형, 경험, 및 제 1 원리들 모델들이 결합되도록 하고, 따라서 바람직하게는 MPC를 구현하는데 이용된다. 페가수스 파워 퍼펙터에 대한 최종 모델을 생성하기 위해 상이한 유형들의 모델들을 조합하는 일 알고리즘이 미국 특허 제5,933,3345호에 개시되어 있다.
WFGD
서브시스템 구조
도 6은 모델 예측 제어를 갖는 WFGD 서브시스템 구조의 기능적 블록도를 도시한다. 제어기(610)는 WFGD 프로세스(620)의 다루어진 MV(615)들, 예컨대 pH 및 산화 공기에 대한 실시간 설정값을 산출하는데 필수적인 로직을 포함한다. 제어기(610)는 이들 계산들을 관측된 프로세스 변수(OPV)(625)들, 예컨대 MV들의 상태, 교란 변수(DV)들, 및 제어된 변수(CV)들에 기초한다. 덧붙여, 일반적으로 하나 이상의 연관된 튜닝 파라미터들을 갖는 참조 값(RV)(640)들의 세트가 다루어진 MV(615)들의 설정값을 계산하는데 또한 이용될 수 있다.
바람직하게는 가상 온-라인 분석기(VOA)인 평가기(630)가 평가된 프로세스 변수(EPV)(635)들을 생성하는데 필요한 로직을 포함한다. 일반적으로 EPV들은 정확하게 측정될 수 없는 프로세스 변수들이다. 평가기(630)는 OPVs의 현재 및 과거 값들에 기초하여 WFGD 프로세스의 EPVs의 동작 상태의 실시간 평가를 생성하는 로직을 구현한다. OPV들은 DCS 프로세스 측정들 및/또는 랩 측정들을 모두 포함할 수 있다는 것을 이해해야만 한다. 예를 들어, 전술된 바와 같이, 석고의 순도는 랩 측정들에 기초하여 결정될 수 있다. 유리하게, 평가기(630)는 다양한 유형들의 WFGD 프로세스 문제들에 대한 경고들을 제공할 수 있다.
제어기(610) 및 평가기(630) 로직은 소프트웨어 또는 몇몇 다른 방식으로 구현될 수 있다. 원한다면, 제어기 및 평가기는 단일 컴퓨터 프로세스 내에서 용이하게 구현될 수 있다는 것을 이해해야 하며, 당업자는 용이하게 이해할 수 있을 것이다.
모델 예측 제어 제어기(
MPCC
)
도 6의 제어기(610)는 바람직하게 모델 예측 제어기(MPCC)를 이용하여 구현된다. MPCC는 WFGD 프로세스의 실시간 다입력, 다출력 동적 제어를 제공한다. MPCC는 관측된 및 평가된 PV들(625,635)의 값들에 기초하여 MV들의 세트에 대한 설정값들을 산출한다. WFGD MPCC는 다음의 것에 의해 측정된 값들 중 임의의 것 또는 임의의 것들의 조합 또는 모두를 이용할 수 있다:
ㆍ pH 프로브들
ㆍ 슬러리 밀도 센서들
ㆍ 온도 센서들
ㆍ 산화-환원 전위(ORP) 센서들
ㆍ 흡수장치 레벨 센서들
ㆍ SO2 유입 및 유출/스택 센서들
ㆍ 유입 연도 가스 속도 센서들
ㆍ 흡수장치 화학(Cl, Mg, Fl)의 랩 분석
ㆍ 석고 순도의 랩 분석
ㆍ 석회석 그리드 및 순도의 랩 분석
WFGD MPCC는 또한 다음을 제어하기 위한 계산된 설정값들 중 임의의 것 또는 임의의 것들의 조합 또는 모두를 이용할 수 있다:
ㆍ 석회석 피더
ㆍ 석회석 분쇄기들(pulverizers)
ㆍ 석회석 슬러리 흐름
ㆍ 화학적 첨가물/반응물 피더들/밸브들
ㆍ 산화 공기 흐름 제어 밸브들 또는 댐퍼들 또는 송풍기들
ㆍ pH 밸브 또는 설정값
ㆍ 재순환 펌프들
ㆍ 보급수 추가 및 제거 밸브들/펌프들
ㆍ 흡수장치 화학(Cl,Mg,Fl)
WFGD MPCC는 이에 의해 다음의 CV들 중 임의의 것 또는 임의의 것의 조합 또는 모두를 제어할 수 있다:
ㆍ SO2 제거 효율
ㆍ 석고 순도
ㆍ pH
ㆍ 슬러리 밀도
ㆍ 흡수장치 레벨
ㆍ 석회석 분말 및 순도
ㆍ 운영 비용들
MPC 방식은 하나의 통합된 제어기에서 WFGD 프로세스의 모든 양상들을 선택적으로 계산할 수 있는 유연성을 제공한다. WFGD를 동작시키는데 주된 도전은 다음의 경합하는 목적들의 균형을 이루어 운영 이익을 최대화하고, 운영 손실을 최소화하는 것이다.
ㆍ SO2 제거 레이트를 원하는 제약조건 한계, 예컨대 적절한 경우 SO2 제거 신용들을 최대화하는 한계들 또는 허용 한계들에 대해 적절한 레이트로 유지.
ㆍ 석고 순도를 원하는 제약조건 한계 예컨대 석고 순도 사양 한계에 대해 적절한 값으로 유지.
ㆍ 원하는 한계 예컨대, 최소 전기 소비 비용들에 대해 적절한 레벨로 운영 비용들을 유지.
도 7은 예시적인 MPCC(700)를 도시하며, 이는 도 6을 참조하여 설명된 것과 유사한 제어기 및 평가기 모두를 포함한다. 후술되는 바와 같이, MPCC(700)는 전술한 경합하는 목적들의 균형을 맞출 수 있다. 바람직한 구현예에서, 전술한 바와 같이 및 당업자가 이해할 수 있는 바와 같이, 원한다면 다른 로직 및 비-신경 기반의 모델들이 대신 이용될 수 있지만, MPCC(700)는 페가수스 파워 퍼펙터TM MPC 로직 및 신경 기반의 네트워크 모델들을 포함한다.
도 7에 도시된 바와 같이, MPCC(700)는 다수의 I/O 포트들(715)과 함께 처리 유닛(705) 및 디스크 저장 유닛(710)을 포함한다. 디스크 저장(710) 유닛은 임의의 적절한 유형 또는 유형들 중 하나 이상의 디바이스일 수 있고, 전자적, 자기적, 광학적, 또는 몇몇 다른 형태 또는 형태들의 저장 매체를 이용할 수 있다. 또한, 비교적 적은 수의 I/O 포트들이 설명되었지만, 처리 유닛은 특정 구현예에 적절한 만큼의 I/O 포트들 또는 많은 I/O 포트들을 포함할 수 있다는 것을 이해해야 한다. DCS로부터의 프로세스 데이터 및 DCS로 되돌아 전송된 설정값들이 함께 패키지화 되어, 표준 컴퓨터 간 통신 프로토콜들을 이용하여 단일의 메시지로서 전송될 수 있다는 것을 이해해야 한다- 기초 데이터 통신 기능성은 MPCC의 동작에 대해 필수적이지만, 상세한 구현예는 당업자에게 주지된 것이며 여기에서 언급된 제어 문제와 관련되지 않는다. 처리 유닛(705)은 통신 링크(712)를 통해 데이터를 저장 및 검색하기 위해 저장 유닛(710)과 통신한다.
MPCC(700)는 또한 사용자 입력들 예컨대 운영자 입력들을 수용하기 위한 하나 이상의 입력 디바이스들을 포함한다. 도 7에 도시된 바와 같이, 키보드(720) 및 마우스(725)는 통신 링크들(722,727) 및 I/O 포트들(715)을 통해 처리 유닛(705)으로 명령들 또는 데이터의 수동 입력을 용이하게 한다. MPCC(700)는 또한 사용자에게 정보를 제공하기 위한 디스플레이(730)를 포함한다. 처리 유닛(705)은 통신 링크(733)를 통해 디스플레이(730)상의 사용자에게 제공될 정보를 통신한다. 사용자 입력들의 통신을 용이하게 하는 것에 덧붙여, I/O 포트들(715)은 또한 통신 링크들(732)을 통한 처리 유닛(705)으로 비-사용자 입력들의 통신과 통신 링크들(734,736)을 통한 처리 유닛(715)으로부터 명령들의 통신 예컨대, 생성된 제어 명령들의 통신을 용이하게 한다.
처리 유닛, 로직 및 동적 모델들
도 8에 도시된 바와 같이, 처리 유닛(705)은 도 7의 통신 링크들(732-736)을 통한 I/O 신호들(805)의 수신 및 전송을 용이하게 하기 위한 프로세서(810), 메모리(820), 및 인터페이스(830)를 포함한다. 메모리(820)는 일반적으로 RAM 유형이 다. 인터페이스(830)는 후술되는 바와 같이 프로세서(810) 및 다른 디바이스들 사이뿐만 아니라, 키보드(720) 및/또는 마우스(725)를 통해 사용자 및 프로세서(810) 사이의 상호작용들을 용이하게 한다.
또한, 도 8에 도시된 바와 같이, 디스크 저장 유닛(710)은 평가 로직(840), 예측 로직(850), 제어 생성 로직(860), 동적 제어 모델(870), 및 동적 평가 모델(880)을 저장한다. 저장된 로직은 상세히 후술되는 바와 같이, 동작들을 최적화하도록 WFGD 서브시스템의 제어를 위해 저장된 모델들과 연관하여 실행된다. 디스크 저장 유닛(710)은 또한 수신된 또는 계산된 데이터의 저장을 위한 데이터 저장소(855) 및 SO2 방출의 이력을 유지하기 위한 데이터베이스(890)를 포함한다.
앞서 논의된 3가지 목적들을 균형있게 하기 위하여 MPCC(700)에 의해 이용되는 입력들 및 출력들을 리스트하는 제어 매트릭스가 아래 표 1에 도시된다.
| SO2 제거 | 석고 순도 | 운영 비용 | |
| 다루어진 변수들 | |||
| pH | × | × | |
| 송풍기 공기 전류 | × | × | |
| 재순환 펌프 전류 | × | × | |
| 교란 변수들 | |||
| 유입 SO2 | × | ||
| 연도 가스 속도 | × | ||
| 염화물 | × | × | |
| 마그네슘 | × | × | |
| 불화물 | × | × | |
| 석회석 순도 및 분말 | × | × | |
| 내부 전력 비용 | × | ||
| 석회석 비용 | × | ||
| 석고 가격 | × |
표 1 제어 매트릭스
여기에서 설명된 예시적인 구현예에서, MPCC(700)는 SO2 제거 레이트, 석고 순도 및 운영 비용들로 구성되는 CV들을 제어하는데 이용된다. pH 레벨, 산화 공기 송풍기 상의 부하, 및 재순환 펌프들 상의 부하에 대한 설정값이 CV들을 제어하는데 다루어진다. MPCC(700)는 또한 복수의 DV들을 고려한다.
MPCC(700)는 제약조건들의 세트를 관찰하면서도 CV들과 연관된 세 가지 경합 목적들을 균형있게 해야 한다. 경합 목적들은 MPCC 로직에 인코딩된 비선형 프로그래밍 최적화 기술을 이용하여 최소화된 목적 함수로 체계화된다. 예컨대 키보드(720) 또는 마우스(725)를 이용하여, 이들 목적들 각각에 대한 가중 인자들을 입력함으로써, WFGD 서브시스템 운영자 또는 다른 사용자는 특정 환경들에 따라 목적들 각각의 상대적인 중요성을 특정할 수 있다.
예를 들어, 어떤 환경들에서, SO2 제거 레이트는 석고 순도 및 운영 비용들에 비해 크게 가중될 수 있고, 운용 비용들이 석고 순도보다 더 크게 가중될 수 있다. 다른 환경들에서는, 운영 비용들이 석고 순도 및 SO2 제거 레이트보다 더 크게 가중될 수 있고, 석고 순도는 SO2 제거 레이트보다 더 크게 가중될 수 있다. 또 다른 환경들에서는, 석고 순도가 SO2 제거 레이트 및 운영 비용들보다 더 가중될 수 있다. 임의의 수의 가중 조합들이 특정될 수도 있다.
MPCC(700)는 특정된 가중들에 기초하여 WFGD 서브시스템의 동작들을 제어하여, 도 5B에 도시된 제약조건들(505-520)과 같은 제약조건들의 적용가능한 세트를 관찰하면서, 서브시스템이 최적점 예컨대 도 5B에 도시된 최적점(555)에서 동작할 수 있도록 한다.
이 특정 예에 대해, 제약조건들은 아래 표 2에 식별된 것들이다. 이 제약조건들은 전술된 CV들 및 MV들과 연관된 일반적인 유형이다.
| 제어된 변수들 | 최소 제약조건 | 최대 제약조건 | 원하는 값 |
| SO2 제거 | 90% | 100% | 최대 |
| 석고 순도 | 95% | 100% | 최소 |
| 운영 비용 | 없음 | 없음 | 최소 |
| 다루어진 변수 | 최소 제약조건 | 최대 제약조건 | |
| pH | 5.0 | 6.0 | 계산 |
| 송풍기 공기 | 0% | 100% | 계산 |
| 재순환 펌프 #1 | 오프 | 온 | 계산 |
| 재순환 펌프 #2 | 오프 | 온 | 계산 |
| 재순환 펌프 #3 | 오프 | 온 | 계산 |
| 재순환 펌프 #4 | 오프 | 온 | 계산 |
표 2 제어되고 다루어진 변수 제약조건들.
동적 제어 모델
전술된 바와 같이, MPCC(700)는 표 1의 제어 매트릭스에 도시된 입력-출력 구조를 갖는 동적 제어 모델(870)을 요구한다. 이러한 동적 모델을 개발하기 위하여, WFGD 프로세스의 플랜트 테스트들에 기초한 경험 모델 및/또는 제 1 원리들 모델이 우선 개발된다. 제 1 원리들 모델 및/또는 경험 모델들은 전술한 기술들을 이용하여 개발될 수 있다.
논의되고 있는 예시적인 WFGD 서브시스템의 경우에, SO2 제거 레이트 및 석고 순도에 대한 WFGD 프로세스의 정상 상태 모델(제 1 원리 또는 경험)이 바람직하게 개발된다. 제 1 원리 방법을 이용하면, 정상 상태 모델은 WFGD 프로세스 입력들 및 출력들 사이의 알려진 기본 관계들에 기초하여 개발된다. 신경망 방법을 이용하면, 정상 상태 SO2 제거 레이트 및 석고 순도 모델이 다양한 동작 상태들에서 실제 프로세스로부터의 경험 데이터를 수집함으로써 개발된다. 프로세스 비선형성을 공략할 수 있는 신경망 기반 모델은 이 경험 데이터를 이용하여 훈련된다. 신경망 기반의 모델이 어떤 구현예들에서는 바람직할 수 있지만, 이러한 모델의 이용이 필수적인 것은 아니라는 것을 주의한다. 오히려, 비-신경망 기반의 모델이 원하다면 이용될 수 있고, 특정 구현예들에서 오히려 선호될 수 있다.
덧붙여, 운영 비용들에 대한 정상 상태 모델이 제 1 원리들로부터 개발된다. 간단히, 비용 인자들은 총 비용 모델을 개발하는데 이용된다. 논의 중인 예시적인 구현예에서, 석회석과 같은 다양한 원료의 비용과 전력 비용이 그들 각각의 사용량으로 곱해져 총 비용 모델을 개발한다. 수입 모델이 SO2 제거 신용 비용을 SO2 제거 톤수를 곱하고, 석고 가격을 석고 톤수와 곱하여 결정된다. 운영 이익(또는 손실)은 수입에서 비용을 차감하여 결정될 수 있다. 펌프 드라이버(고정 대 가변 속도)에 따라, 펌프 배열의 최적화가 이진 오프-온 결정들을 포함할 수 있다; 이것은 상이한 펌프 배열 선택들을 완전히 평가하기 위한 2차 최적화 단계를 요구한다.
정확한 정상 상태 모델들이 개발될 수 있고, 정상 상태 최적화 기반 솔루션에 대해 적절할 수 있지만, 이러한 모델들은 프로세스 역동성을 포함하지 않으며, 따라서 MPCC(700)에서의 사용에 특히 적합하지 않다. 따라서, 공정 테스트들이 WFGD 서브시스템에서 수행되어, 실제 동적 프로세스 데이터를 모은다. 공정-테스트 응답 데이터는 WFGD 서브시스템에 대한 경험 동적 제어 모델(870)을 만드는데 이용되고, 이는 도 8에 도시된 바와 같이, 프로세서(810)에 의해 디스크 저장 유 닛(710)에 저장된다.
동적 평가 모델 및 가상 온-라인 분석기
도 6은 MPCC(700)에 포함된 평가기가 어떻게 WFGD 프로세스의 전반적으로 개선된 제어에 이용되는지를 보여준다. MPCC(700)에서, 평가기는 바람직하게 가상 온-라인 분석기(VOA)의 형태이다. 도 9는 MPCC(700)에 포함된 평가기를 보다 상세화 한다.
도 9에 도시된 바와 같이, 관측된 MV들 및 DV들은 프로세서(810)상에서 평가 로직(840)을 실행하는데 사용되는 WFGD 서브시스템에 대한 경험 동적 평가 모델(880)로 입력된다. 이에 관하여, 프로세서(810)는 동적 평가 모델(880)에 따라 평가 로직(840)을 실행한다. 이 경우, 평가 로직(840)은 CV들, 예컨대 SO2 제거 효율, 석고 순도, 및 운영 비용의 현재 값들을 산출한다.
표 3은 동적 평가 모델(880)에 대한 구조를 도시한다. 제어 매트릭스 및 MPCC(700)에 이용된 동적 평가 모델(880)이 동일한 구조를 갖는다는 것을 이해해야 한다.
| SO2 제거 | 석고 순도 | |
| 다루어진 변수들 | ||
| pH | × | × |
| 송풍기 공기 전류 | × | |
| 재순환 펌프 전류 | × | |
| 교란 변수들 | ||
| 유입 SO2 | ||
| 연도 가스 속도 | ||
| 염화물 | × | × |
| 마그네슘 | × | × |
| 불화물 | × | × |
| 석회석 순도 및 분말 | × |
표 3 평가기에 대한 프로세스 모델
평가 로직(840) 실행의 출력은 SO2 제거 및 석고 순도에 대한 개방 루프 값들이다. VOA에 대한 동적 평가 모델(880)이 동적 제어 모델(870)을 개발하는데 앞서 설명된 동일한 방법을 이용하여 개발된다. 동적 평가 모델(880) 및 동적 제어 모델(870)은 근본적으로 같지만, 모델들은 매우 상이한 목적으로 이용된다는 것을 이해해야 한다. 동적 평가 모델(880)은 프로세스 변수들(PVs) 예컨대, 평가된 CV(940)들의 현재 값들의 정확한 예측을 생성하도록 평가 로직(840)을 실행할 때 프로세서(810)에 의해 응용된다. 동적 제어 모델(870)은 도 6에 도시된 다루어진 MV 설정값들(615)을 선택적으로 계산하기 위해 예측 로직(850)을 실행할 때 프로세서(810)에 의해 응용된다.
도 9에 도시된 바와 같이, 피드백 루프(930)가 평가 블록(920)으로부터 제공되며, 이는 평가 로직(840)의 실행 결과로서 프로세서(810)에 의해 생성되는 평가된 CV들을 나타낸다. 따라서, CV들의 최상의 평가가 피드백 루프(930)를 통해 동적 평가 모델(880)로 피드백된다. 평가기의 이전 반복으로부터의 CV들의 최상의 평가는 현재 반복을 위한 동적 평가 모델(880)을 바이어싱하기 위한 시작점들로서 이용된다.
무효화 블록(910)은 동적 평가 모델(880)과 관측된 MV들 및 DV(960)들에 따라 평가 로직(840)의 실행의 결과를 이용하는 프로세서(810)에 의해 예컨대, 센서 측정들 및 랩 분석들로부터의 관측된 CV(950)들의 값들의 무효화를 나타낸다. 블록(910)에 의해 표현된 무효화는 또한 잠재적인 석회석 블라인딩 조건들을 식별하는데 이용된다. 예를 들어, 관측된 MV들이 pH 센서의 하나에 의해 측정된 pH 값이라면, 동적 평가 모델(880)에 따라 평가된 pH 값에 기초하여 측정된 pH의 무효화(910)는 pH 센서가 실패함을 나타낸다. 관측된 SO2 제거, 석고 순도 또는 pH가 에러인 것으로 식별되면, 프로세서(810)는 평가(920)시 값을 이용하지 않을 것이다. 오히려, 대체 값, 바람직하게는 동적 평가 모델에 기초한 평가로부터 기인한 출력이 대신 이용될 것이다. 덧붙여, 알람이 DCS에 전달된다.
평가(920)를 계산하기 위하여, 프로세서(810)는 동적 평가 모델(880)에 기초한 평가 로직(840)의 실행의 결과를 관측되고 유효화된 CV들과 결합한다. 칼만 필터(Kalman filter) 방법이 평가 결과를 관측되고 유효화된 데이터와 결합하는데 이용되는 것이 바람직하다. 이 경우, 유입 및 유출 SO2 센서들로부터 산출되는 유효화된 SO2 제거 레이트는 생성된 제거 레이트 값과 결합되어 참인(true) SO2 제거의 평가된 값을 생성한다. SO2 센서들의 정확성으로 인해, 평가 로직(840)은 바람직하게 는 생성된 값보다는 관측된 데이터의 필터링된 버전에 더 편중되어 있다.
석고 순도는 단지 기껏해야 몇 시간마다 측정된다. 프로세서(810)는 또한 생성된, 평가된 석고 순도값과 석고 순도의 새로운 관측들을 결합할 것이다. 석고 샘플 측정들 사이의 기간 동안, 프로세서(810)는 동적 평가 모델(880)에 따라 관측된 MV들 및 DV(960)들의 변경들에 기초하여 석고 순도의 개방-루프 업데이트 평가들을 실행한다. 따라서, 프로세서(810)는 또한 석고 순도에 대한 실시간 평가를 구현한다.
마지막으로, 프로세서(810)는 동적 평가 모델(880)에 따라 WFGD의 운영 비용을 계산하기 위하여 평가 로직(840)을 실행한다. 비용의 직접적인 온-라인 측정이 없기 때문에, 프로세서(810)는 반드시 운영 비용의 실시간 평가를 실시한다.
방출 관리
전술된 바와 같이, 미국에서 공포된 운영 인가들은 일반적으로 일시적인 방출들 및 롤링-평균 방출들 모두에 대한 한계들을 설정한다. WFGD 서브시스템의 제어시 MPCC(700)에 의해 유리하게 처리되는 두 가지 부류의 롤링-평균 방출 문제들이 있다. 첫 번째 부류의 문제는 롤링-평균의 시간-윈도우가 MPCC(700)의 프로세서(810)에 의해 실행된 예측 로직(850)의 시간-범위(horizon) 이하일 때 발생한다. 두 번째 부류의 문제는 롤링-평균의 시간-윈도우가 예측 로직(850)의 시간-범위보다 클 때 일어난다.
단일층
MPCC
구조
첫 번째 부류의 문제, 짧은 시간-윈도우 문제는, MPCC(700)에 의해 실시되는 제어에서 방출 롤링-평균을 추가적인 CV로서 통합하기 위하여 MPCC(700)의 보통 구조들을 채용함으로써 해결된다. 더욱 상세하게, 예측 로직(850) 및 제어 생성기 로직(860)은 정상-상태 조건을 경제적 제약조건으로 다루기보다는 인가 한계에 또는 미만에서 유지되어야 하는 프로세스 제약조건으로서 다룰 것이고, 또한 인가 한계에서 또는 내에서 적용가능한 시간-윈도우에서의 롤링-평균의 현재 및 미래 값들을 유지하는 동적 제어 경로를 실행할 것이다. 이 방법으로, MPCC(700)에는 방출 롤링-평균을 위한 튜닝 구성이 제공된다.
교란 변수들의 고려
또한, 적용가능한 범위 내에서 방출들에 영향을 주는, 계획된 동작 이벤트들 예컨대 부하 변경들과 같은 인자들에 대한 DV들이 예측 로직(850)에서 설명되고, 따라서 WFGD 프로세스의 MPCC(700) 제어에 있다. 실제로, 저장 디스크 유닛(710)에서의 데이터(885)의 일부로 저장되어 있는 실제의 DV들은 WFGD 서브시스템의 유형과, 서브시스템에 채택된 특정 동작 철학(operating philosophy) 예컨대, 베이스 부하 대 변동에 기초하여 변한다. DV들은 키보드(720) 및 마우스(725)를 이용하여 입력된 입력들을 통해 운영자에 의해, 또는 제어 생성기 로직(860) 자체에 의해, 또는 인터페이스(830)를 통한 외부 계획 시스템(미도시)에 의해 시시때때로 조정될 수 있다.
그러나, DV들은 일반적으로 운영자들 또는 다른 사용자들에 의해 용이하게 조정될 수 있는 형태가 아니다. 따라서, 동작 계획 인터페이스 툴이 바람직하게는, 운영자 또는 다른 사용자가 DV들을 설정 및 유지하는 것을 돕기 위해 예측 로직(850)의 일부로서 제공된다.
도 11A 및 11B는 계획된 공급정지의 입력을 위한 디스플레이(730) 상에 제공된 인터페이스를 도시한다. 도 11A에 도시된 바와 같이, 계획된 발전 시스템 실행 인자 및 계획된 WFGD 서브시스템 실행 인자를 운영자 또는 다른 사용자에게 디스플레이하는 스크린(1100)이 제공된다. 또한, 사용자가 하나 이상의 새로운 계획된 공급정지를 입력하고 리뷰 또는 수정을 위해 이전에 입력된 계획된 공급정지를 디스플레이할 수 있도록 하는 버튼들이 디스플레이된다.
사용자에게 계획된 공급정지를 입력할 수 있도록 하는 버튼이 마우스(725)를 이용하여 선택되면, 사용자는 도 11B에 도시된 스크린(1110)이 제공된다. 이후 사용자에게는 키보드(720)를 이용하여 도시된 바와 같은 새로운 계획된 공급정지에 관한 다양한 상세 내용을 입력할 수 있다. 제공된 추가 공급정지 버튼을 클릭함으로써, 새로운 계획된 공급정지가 DV로서 추가되고, 예측 로직(850)에 의해 책임져 진다. 이 인터페이스를 실시하는 로직은 적절한 DV들을 설정하여, 미래 동작 계획이 MPCC 처리 유닛(705)에 전달되도록 한다.
실제 DV들이 무엇이든지, DV들의 기능은 동일하며, 이는 계획된 동작 이벤트들의 영향을 예측 로직(850) 안으로 포함시키는 것이고, 이후 이것은 롤링-평균 방출 CV의 미래의 동적 및 정상-상태 조건들을 예측하는 MPCC 프로세서(810)에 의해 실행될 수 있다. 따라서, MPCC(700)는 예측된 방출 롤링-평균을 계산하기 위하여 예측 로직(850)을 실행한다. 예측된 방출 롤링 평균은 차례대로 제어 생성기 로직(860)에 입력으로서 이용되고, 이는 제어 계획에서 계획된 동작 이벤트들을 책임지는 MPCC 프로세서에 의해 실행된다. 이 방법으로, MPCC(700)에는 계획된 동작 이벤트들을 감안하여 방출 롤링-평균을 위한 튜닝 구성이 제공되고, 따라서 계획된 동작 이벤트들에도 불구하고 롤링-평균 방출 인가 제한 내에서 WFGD의 동작을 제어하는 능력이 제공된다.
2층
MPCC
구조
두 번째 부류의 문제, 긴 시간-윈도우 문제는 2층(two-tierd) MPCC 방법을 이용하여 유리하게 검토된다. 이 방법에서, MPCC(700)는 복수의, 바람직하게는 2개의, 직렬 제어 프로세서들을 포함한다.
도 10을 참조하면, 제 1 층 제어 처리 유닛(CPU)(705A)은 단일 윈도우 구조를 참조하여 전술된 방법으로 단기 또는 짧은 시간-윈도우 문제를 해결한다. 도 10에 도시된 바와 같이, CPU(705A)는 프로세서(810A)를 포함한다. 프로세서(810A)는 디스크 저장 유닛(710A)에 저장된 예측 로직(850A)을 실행하여, 적용가능한 시간 범위의 짧은 기간(short term)과 같은 시간-윈도우 내에서의 동적 롤링-평균 방출 관리를 제공한다. 짧은 시간 또는 적용가능한 제어 범위 롤링-평균 방출 목표를 나타내는 CV는 CPU(705A)의 저장 디바이스 유닛(710A)에 데이터(885A)의 일부로서 저장된다.
CPU(705A)는 또한 도 8을 참조하여 전술된 메모리(820) 및 인터페이스(830)와 유사한 메모리(820A) 및 인터페이스(830A)를 포함한다. 인터페이스(830A)는 MPCC(700) I/O 신호들 즉, I/O 신호들(805A)의 서브세트를 수신한다. 저장 디스크 유닛(710A)은 또한 평가 로직(840A) 및 동적 평가 모델(880A), 제어 생성기 로직(860A), 및 동적 제어 모델(870A), 및 SO2 방출 이력 데이터베이스(890A)를 저장하고, 이들 모두는 도 8을 참조하여 전술되었다. CPU(705A)는 또한 일반적으로 프로세서 클록인 타이머(1010)를 포함한다. 타이머(1010)의 기능은 이하에서 상세히 설명될 것이다.
제 2 층 CPU(705B)는 긴-기간, 또는 긴 시간-윈도우 문제를 해결하도록 동작한다. 도 10에 도시된 바와 같이, CPU(705B)는 프로세서(810B)를 포함한다. 프로세서(810B)는 예측 로직(850B)을 실행하여, 또한 동적 롤링-평균 방출 관리를 제공한다. 그러나, 예측 로직(850B)은 롤링-평균 방출 제약조건의 완전한 미래 시간-윈도우를 감안하여 동적 롤링-평균 방출을 관리하고, 제 1 층 CPU(705A)에 대한 최적의 짧은-시간 또는 적용가능한 시간 범위, 롤링-평균 방출 목표 즉, 최대 제한을 결정하기 위해 실행된다. 따라서, CPU(705B)는 긴-시간 롤링 평균 방출 최적화기로서 동작하고, 전체 미래 시간 윈도우에 대한 방출 롤링-평균의 제어를 위한 적용가능한 시간 범위에 대한 방출 롤링 평균을 예측한다.
긴-시간 시간 범위 롤링-평균 방출 제약조건을 나타내는 CV가 디스크 저장 유닛(710B)에 데이터(885B)의 일부로서 저장된다. CPU(705B)는 또한 전술된 메모 리(820) 및 인터페이스(830)와 유사한 메모리(820B)와 인터페이스(830B)를 포함한다. 인터페이스(830B)는 MPCC(700) I/O 신호들, 즉 I/O 신호들(805B)의 서브세트를 수신한다.
도 10의 2층 구조가 복수의 CPU들을 포함하고 있지만, 다층의 예측 로직이 원한다면 다른 방식들로 구현될 수 있다는 것을 이해할 수 있을 것이다. 예를 들어, 도 10에서, MPCC(700)의 제 1 층은 CPU(705A)에 의해 표시되고, MPCC(700)의 제 2 층은 CPU(705B)에 의해 표시된다. 그러나, 단일의 CPU, 예컨대 도 8의 CPU(705)가 예측 로직(850A) 및 예측 로직(850B) 모두를 실행하기 위해 이용될 수 있고, 이에 의해 긴-기간 또는 긴 시간-윈도우 문제를 해결하기 위하여, 예측된 최적의 긴-시간 롤링 평균 방출을 감안하여 최적의 짧은-기간 또는 적용가능한 시간 범위 롤링-평균 방출 목표를 결정하고, 결정된 목표를 감안하여 짧은-시간 또는 적용가능한 시간 롤링 평균 방출을 최적화한다.
전술된 바와 같이, CPU(705B)는 롤링 평균의 시간-윈도우에 대응하고 제어 범위라고도 하는 긴-시간 시간 범위를 살핀다. 유리하게, CPU(705B)는 롤링-평균 방출의 전체 미래 시간-윈도우를 감안하여 동적 롤링-평균 방출을 관리하고, 최적의 짧은-시간 롤링-평균 방출 제한을 결정한다. CPU(705B)는 비교적 짧은 기간에서의 동작 계획에 대한 변화들을 포착할 수 있을 정도로 충분히 빠른 빈도로 실행한다.
CPU(705B)는 CPU(705A)에 의해 CV를 MV로서 간주되는 짧은-기간 또는 적용가능한 기간 롤링 평균 방출 목표를 이용하며, 긴 시간 방출 롤링 평균을 CV로 간주 한다. 따라서 긴 기간 방출 롤링 평균은 디스크 저장 유닛(710B)의 일부로서 저장된다. 예측 로직(850B)은 정상-상태 조건을 경제적 제약조건으로 보다는 인가 한계에서 또는 이하로 유지되어야 하는 프로세스 제약조건으로 처리하며, 또한 인가 한계에서 또는 이하로 적용가능한 시간-윈도우에서의 롤링-평균의 현재 및 미래 값들을 유지하는 동적 제어 경로를 실행한다. 이 방법으로, MPCC(700)에는 방출 롤링-평균을 위한 튜닝 구성이 제공된다.
또한, 적용가능한 범위 내에서 방출들에 영향을 주는, 계획된 동작 이벤트들 예컨대 부하 변경들과 같은 인자들에 대한 DV들이 예측 로직(850)에서 책임지고, 따라서 WFGD 프로세스의 MPCC(700) 제어에서 책임져 진다. 전술한 바와 같이, 실제로 저장 디스크(710B)에 데이터(885B)의 일부로 저장되어 있는 실제의 DV들은 WFGD 서브시스템의 유형과, 서브시스템에 대해 채용된 특정 동작 철학(operating philosophy)에 기초하여 변하고, 운영자에 의해 또는 제어 생성기 로직(860B)을 실행하는 CPU(705B)에 의해, 또는 인터페이스(830B)를 통한 외부 계획 시스템(미도시)에 의해 조정될 수 있다. 그러나, 전술된 바와 같이, DV들은 일반적으로 운영자들 또는 다른 사용자들에 의해 용이하게 조정될 수 있는 형태가 아니며, 따라서, 도 11A 및 11B에 도시된 바와 같은 동작 계획 인터페이스 툴이 바람직하게는, 운영자 또는 다른 사용자가 DV들을 설정 및 유지하는 것을 돕기 위해 예측 로직(850A 및/또는 850B)의 일부로서 제공된다.
그러나, 다시 여기에서, 실제 DV들이 무엇이든지, DV들의 기능은 동일하며, 이는 계획된 동작 이벤트들의 영향을 예측 로직(850B) 안으로 포함시키는 것이고, 이는 긴 기간 롤링-평균 방출 CV의 미래의 동적 및 정상-상태 조건들을 예측하기 위해 MPCC 프로세서(810B)에 의해 실행될 수 있다.
따라서, CPU(705B)는 제어 계획에서의 계획된 동작 이벤트들을 감안하여 최적의 짧은-기간 또는 적용가능한 시간 롤링-평균 방출 제한을 결정하기 위해 예측 로직(850B)을 실행한다. 최적의 짧은-기간 또는 적용가능한 시간 롤링-평균 방출 제한이 통신 링크(1000)를 통해 CPU(705A)에 전송된다. 이 방법으로, MPCC(700)에는 계획된 동작 이벤트들을 감안하여 방출 롤링-평균을 최적화하는 튜닝 구성이 제공되고, 따라서 계획된 동작 이벤트들에도 불구하고 롤링-평균 방출 인가 제한 내에서 WFGD의 동작을 제어하는 능력이 제공된다.
도 12는 다층 MPCC 구조의 확장된 모습을 도시한다. 도시된 바와 같이, 운영자 또는 다른 사용자는 통신 링크들(1225,1215)을 통해 프로세스 이력 데이터베이스(1210) 및 MPCC(700)와 통신하기 위한 원격 제어 단말(1220)을 이용한다. MPCC(700)는 도 10의 CPU(705A) 및 CPU(705B)를 포함하고, 이들은 통신 링크(1000)를 통해 상호연결된다. WFGD 프로세스와 연관된 데이터는 통신 링크(1230)를 통해 프로세스 이력 데이터베이스(1210)에 전달되고, 이는 이 데이터를 이력 프로세스 데이터로서 저장한다. 이하에서 더욱 자세히 설명되는 바와 같이, 필요한 저장 데이터는 데이터베이스(1210)로부터 통신 링크(1215)를 통해 검색되고 CPU(705B)에 의해 처리된다. WFGD 프로세스와 연관된 필요한 데이터가 또한 통신 링크(1235)를 통해 CPU(705A)로 전달되고 처리된다.
전술한 바와 같이, CPU(705A)는 현재 원하는 긴 기간 롤링 평균 목표에 대응 하는 CV 동작 목표들을 CPU(705B)로부터 통신 링크(1000)를 통해 수신한다. 전달된 롤링 평균 목표는 예측 로직(850B)을 실행하는 CPU(705B)에 의해 생성되는 긴-기간 롤링 평균에 대한 최적화된 목표이다. CPU(705A) 및 CPU(705B) 사이의 통신은 MPC 제어기 및 실시간 최적화기 사이의 통신과 같은 방식으로 다루어진다.
CPU(705A) 및 CPU(705B)는 유익하게는 CPU(705B)가 긴-시간 롤링 평균에 대한 최적화된 목표들을 CPU(705A)에 전송하는 것을 중단하는지 여부를 보증하는 핸드쉐이킹 프로토콜(handshaking protocol)을 갖고, CPU(705A)는 긴-기간 롤링 평균 제약조건에 대한 지능적이고 보존적인 운영 전략으로 폴-백(fall-back) 또는 쉐드(shed)할 것이다. 예측 로직(850A)은 그러한 프로토콜을 구축하기 위한 툴(tool)을 포함할 수 있고, 이에 따라 필수적인 핸드쉐이킹 및 쉐딩(shedding)을 보증할 수 있다. 그러나 만약 예측 로직(850A)이 그러한 툴을 포함하지 않는 경우, DCS의 전형적인 특징들 및 기능성이 요구된 핸드쉐이킹 및 쉐딩을 구현하기 위해, 당업자에게 잘 알려진 방법으로 적응될 수 있다.
중요한 문제는 CPU(705A)가 끊임없이 적시의 즉, 신규의-진부하지 않은, 긴-시간 롤링 평균 목표를 사용하는 것을 보증하는 것이다. CPU(705B)가 예측 로직(705B)을 실행시킬 때마다, 그것은 신규의 새로운 긴-기간 롤링 평균 목표를 산출할 것이다. CPU(705A)는 통신 링크(1000)를 통해 CPU(705B)로부터 새로운 목표를 수신한다. 새로운 목표의 수신에 기초하여, CPU(705A)는 예측 로직(850A)을 실행시켜 타이머(1010)를 리셋시킨다. 만약 CPU(705A)가 통신 링크(1000)를 통해 CPU(705B)로부터 새로운 목표를 적시에 수신하지 못하는 경우, 타이머(1010)는 종 료, 또는 종결된다. 타이머(1010)의 종결에 기초하여, CPU(750A)는 예측 로직에 따라, 현재의 긴-기간 롤링 평균 목표를 진부한(stale) 것으로 간주하고, CPU(705B)로부터 신규의 새로운 긴-시간 롤링 평균 목표가 수신될 때까지 안전한 동작 전략으로 쉐드 백(shed back)한다.
아마도, 최소의 타이머 설정은 컴퓨터 부하/스케줄링 문제들을 적응시키기 위해 CPU(705B)의 실행 주파수보다 약간 길 것이다. 많은 실시간 최적화기들(real-time optimizers)의 비정기적인 동작(non-scheduled operation)으로 인해, 통신 타이머들을 제어기의 정상-상태로의 시간의 1/2에서 두 배까지 설정하는 것이 일반적인 관례이다. 그러나, CPU(705B)에 의한 예측 로직의 실행이 예정되기 때문에, 타이머(1010)의 설정을 위해 추천되는 가이드라인은 정상-상태 최적화 링크의 그것이 아니고, 예컨대 CPU(705B)에서 실행하는 제어기의 실행 주파수의 단지 2배에 3 내지 5분이 더해질 수 있다.
만약 CPU(705A)가 현재의 긴-시간 롤링 평균 목표가 진부하다고 결정하고 쉐딩한다면, 긴-기간 롤링 평균 제약조건은 리셋되어야 한다. 신규의 새로운 긴-시간 롤링 평균 목표를 제공하는 CPU(705B)가 없다면, CPU(705A)는 긴-시간 안내(guidance) 또는 목표를 가질 수 없다. 따라서, 이러한 경우 CPU(705A)는 프로세스 실행들의 안전성 마진을 증가시킨다.
예를 들어, 만약 롤링-평균 기간이 예컨대 4 내지 8시간으로 비교적 짧고, 서브시스템은 기준-부하 조건들(base-load conditions) 하에 동작한다면, CPU(705A)는 예측 로직(850A)에 따라, 진부한 롤링 평균 제거 목표를 3~5 w%(weight percent)까지 증가시킬 수 있다. 이러한 증가는 그러한 조건들 하에서, 계속되는 동작에 대한 충분한 안전성 마진을 수립할 수 있다. 증가를 구현하기 위해 필요한 운영자의 입력에 관해서, 필요한 것은 예측 로직에 대한 하나의 값, 예컨대 3 w%를 예측 로직의 엔트리이다. 한편, 만약 롤링 평균 시간이 예컨대 24시간 또는 그 이상의 시간으로 비교적 긴 경우, 및/또는 서브시스템이 비고정 부하(non-constant load) 하에 동작한다면, CPU(705A)는 예측 로직(850A)에 따라, 보존적 목표로 쉐드 백할 것이다. 이것을 가능하게 하는 하나의 방법으로, CPU(705A)가 계획된 서브시스템 부하에서 또는 그 이상에서 롤링 평균 시간 윈도우의 전체 기간에 걸쳐서 가정된 일정한 동작을 사용하는 것이다. CPU(705A)는 그 후에 그 일정한 동작에 기초하여 고정 방출 목표를 산출하고 사이트 관리자에 의해 결정될 수 있는 작은 안전성 마진 또는 쾌적 인자(comfort factor)를 더할 수 있다. CPU(705A)에서 이러한 해결법을 구현하기 위해, 예측 로직(850A)은 알려진 기능성을 포함해야만 한다. 그러나 만약 원한다면, 보전적 목표를 설정하는 이러한 기능성은 CPU(705A) 보다는 DCS에서 구현될 수 있는 것으로 인식될 수 있다. 또한 보존적 목표는 제 1 층(tier 1) 제어기(705A)에서 두 번째 CV로서 구현될 수 있고, 이 CV는 단지 짧은 기간 롤링 평균 목표(1000)가 진부한 때에 단지 활성화될 수 있다.
따라서, 롤링-평균 기간이 비교적 짧은지 또는 긴지 및/또는 서브시스템이 일정하거나 또는 비일정한 부하 하에서 동작하든지 여부에 관계없이, 예측 로직(850A)은 쉐드-한계들을 포함하여, 운영자의 동작이 요구되지 않도록 한다. 그러나, 다른 기술들이 또한 쉐드 한계를 구현하기 위해 적용될 수 있다 - 그 기술이 CPU(705B)가 신규하고 새로운 긴-기간 롤링 평균 목표들을 제공하지 않는 기간 동안, 롤링 평균 제약조건에 관해 안전한/보존적 동작을 수립하는 한.
실제의 SO2 방출들은 CPU(705B)가 적절히 동작하든지 또는 신규하고 새로운 긴-기간 롤링 평균 목표들을 CPU(705A)에 제공하든지 여부에 상관없이, 프로세스 이력 데이터베이스(1210)에서 MPCC(700)에 의해 추적된다는 것을 주의해야 한다. 따라서, 저장된 방출들은 CPU(705B)가 동작하지 않거나 CPU(705A)와 적절히 통신하지 못하는 때에도 발생하는 SO2 방출들에 대해 추적하고 설명하기 위해 CPU(705B)에 의해 사용될 수 있다. 그러나, CPU(705B)가 일단 다시 동작하고 적절히 통신할 수 있게 된 후에는, 예측 로직(850B)에 따라, 롤링 평균 방출들을 다시 최적화하고, 공급 정지 동안 발생되었던 실제의 방출들을 조정하기 위해 CPU(705A)에 의해 이용되는 현재의 롤링 평균 방출 목표를 증가 또는 감소시키며, 통신 링크(1000)를 통해 신규하고 새로운 긴-시간 롤링 평균 목표를 CPU(705A)에 제공할 것이다.
온라인
구현예
도 13은 WFGD 프로세스(620)에 대한 DCS(1320)와 MPCC(1300)의 인터페이싱의 기능적 블록도를 도시한 것이다. MPCC(1300)는 도 6의 제어기(610)와 유사할 수 있는 제어기(1305) 및 도 6의 평가기(630)와 유사할 수 있는 평가기(1310) 모두를 통합시킨다. MPCC(1300)는 만약 필요하다면, 도 7 및 도 8에서 도시된 MPCC가 될 수 있다. MPCC(1300)는 도 10 및 도 12에 도시된 바와 같이, 다층 구조를 사용하여 구 성될 수도 있다.
도시된 바와 같이, 제어기(1305) 및 평가기(1310)는 도 8의 인터페이스(830) 부분이 될 수 있는 데이터 인터페이스(1315)를 통해 DCS(1320)에 연결된다. 이러한 바람직한 구현예에서, 데이터 인터페이스(1315)는 Pegasus( TM ) 데이터 인터페이스(PDI) 소프트웨어 모듈을 사용하여 구현된다. 그러나, 이것은 필수적이지 않고, 데이터 인터페이스(1315)는 어떤 다른 인터페이스 로직을 사용하여 구현될 수 있다. 데이터 인터페이스(1315)는 조정된 MV들에 대한 설정값들을 전송하고 PV들을 판독한다. 설정값들은 도 8의 I/O 신호들(805)로 전송될 수 있다.
이러한 바람직한 구현예에서, 제어기(1305)는 세개의 소프트웨어 구성요소들로 구성된 Pegasus( TM ) 파워 퍼펙터(PPP, Pegasus( TM ) Power Perfecter)를 사용하여 구현된다: 데이터 서버 구성요소, 제어기 구성요소 및 그래픽 사용자 인터페이스(GUI) 구성요소. 데이터 서버 구성요소는 PDI와 통신하고 제어 애플리케이션에 관한 로컬 데이터를 모으는데 사용된다. 제어기 구성요소는 동적 제어 모델(870)을 고려하여 모델 예측 제어 알고리즘의 산출들을 수행하기 위해 예측 로직(850)을 실행한다. GUI 구성요소는 예컨대 디스플레이(730) 상에 이들 산출들의 결과들을 표시하고, 제어기를 조정하기 위한 인터페이스를 제공한다. 여기서 다시, Pegasus(TM) 파워 퍼펙터의 사용은 필수적이지 않으며, 제어기(1305)는 어떤 다른 제어기 로직을 사용하여 구현될 수 있다.
이러한 바람직한 구현예에서, 평가기(1310)는 Pegasus( TM ) 실행시간 애플리케이션 엔진(Pegasus( TM ) Run-time Application Engine: RAE) 소프트웨어 모듈을 사용하여 구현된다. RAE는 PDI 및 PPP와 직접 통신한다. RAE는 VOA를 호스팅하기 위한 매우 비용-효율적인 환경을 만드는 많은 특징들을 제공하는 것으로 간주된다. 에러 검사 로직에 대한 기능성, 심장 박동 모니터링, 통신 및 컴퓨터 프로세스 감시 능력, 및 알람 기능들은 RAE에서 모두 유익하게 구현된다. 그러나, 다시 한번, Pegasus(TM) 실행시간 애플리케이션 엔진의 사용은 필수적이지 않으며, 평가기(1315)는 어떤 다른 평가기 로직을 사용하여 구현될 수 있다. 당업자에 의해 인지되는 바와 같이, 만약 그것이 원한다면, WFGD(620)에 대해 DCS에서 기능적으로 등가의 VOA를 구현하는 것이 또한 가능하다.
제어기(1305), 평가기(1310), 및 PDI(1315)는 바람직하게는 예컨대 도 8의 프로세서(810) 또는 도 10의 프로세서(810A)와 같은 하나의 프로세서에서 실행되고, 그것은 이더넷 연결을 이용하여, WFGD 프로세서(620)에 대한 DCS(1320)를 포함하는 제어 네트워크에 연결된다. 현재, 프로세서 운영 시스템은 필수적이지는 않지만, 마이크로소프트 윈도우즈TM 기반이 일반적이다. 프로세서는 도 7에 도시된 예와 같이, 고전력의 워크스테이션 컴퓨터 어셈블리 또는 다른 유형의 컴퓨터의 부분이 될 수도 있다. 어쨌든 프로세서 및 그에 연관된 메모리는 여기서 설명된 바와 같이 진보된 WFGD 제어를 수행하는데 필요한 로직을 실행하기 위해 충분한 계산 전력 및 저장공간을 가져야 한다.
DCS 변경들
도 13을 참조하여 전술한 바와 같이, 예측 로직(850)을 실행하는 제어기 프로세서는 인터페이스(1315)를 통해 WFGD 프로세스(620)에 대한 DCS(1320)와 인터페이스한다. 제어기(1305)와 DCS(1320)의 적절한 인터페이스를 용이하게 하기 위해, 종래 DCS는 일반적으로 변경을 요구할 것이다. 따라서, DCS(1320)는 유익하게는 이 기술분야에서 잘 이해된 방법으로 변경된 종래 DCS 이며, 후술할 특징들을 포함하도록 한다.
DCS(1320)는 유리하게 적응된다. 즉, 운영자 또는 다른 사용자가 DCS 인터페이스 스크린으로부터 다음의 기능들을 수행하도록 하기 위해, 일반적으로 소프트웨어를 사용하여 필수적인 로직으로 프로그래밍 된다:
。PPP의 제어 모드를 자동 및 수동으로 전환.
。제어기 상태 보기.
。감시 타이머("심장박동")의 상태 보기.
。상태, 최소, 최대, 현재 값을 나타내는 MV 속성들 보기
。각각의 MV를 활성화 또는 각각의 MV를 오프로.
。최소, 최대, 및 현재 값을 나타내는 CV 특성들 보기.
。석도 순도, 흡수장치 화학 및 석회석 특성들에 관한 실험값들을 입력.
이러한 기능성들에 사용자의 액세스를 돕는 것으로서, DCS(1320)는 도 14A 및 도 14B에 도시된 바와 같이, 두개의 새로운 스크린들을 표시하도록 적응된다. 도 14A의 스크린(1400)은 MPCC 제어를 모니터하기 위해 운영자 또는 다른 사용자에 의해 사용되고, 도 14B의 스크린(1450)은 적당한 실험값들 및/또는 다른 값들을 입력하기 위해 운영자 또는 다른 사용자에 의해 사용된다.
본 발명의 이해를 위해 불필요한 복잡성을 피하고 편리함을 위해, 동작 비용들과 같은 항목들은 다름 설명을 위한 제어 매트릭스로부터 제외된다. 그러나, 동작 비용들은 쉽게, 그리고 많은 경우에 바람직하게는 제어 매트릭스에 포함될 수도 있는 것으로 이해될 것이다. 추가로, 논의를 편리하고 간편하게 하기 위해, 재순환 펌프들이 MV들이라기 보다는 DV로서 취급된다. 여기서 다시, 당업자라면 많은 경우에 있어서 재순환 펌프들이 MV들로서 취급될 수 있다는 것을 인지할 수 있을 것이다. 마지막으로, 후술하는 논의에서 WFGD 서브시스템은 두 개의 흡수장치 타워들 및 두 개의 연관된 MPCC들(WFGD 서브시스템에서 각각의 흡수장치에 대한 MPCC의 일예)을 갖는 것으로 가정된다는 것을 주의해야 한다.
진보된 제어 DCS 스크린들
도 14A를 참조하면, 스크린(1400)은 자동 또는 수동이 될 수 있는 운영자/사용자-선택 태그인, 제어기 모드를 포함한다. 자동에서, 예측 로직(850)을 실행하는 제어기(1305) 예를 들어, Pegasus( TM ) 파워 퍼펙터는 MV 움직임들을 계산하고, 이러 한 움직임들을 구현하는 제어 신호들을 DCS(1320)로 향하도록 하기 위해 제어 생성 로직(860)을 실행한다. 예측 로직(850)을 실행하는 제어기(1305)는 변수가 사용될 수 없는 경우 즉, 자동으로 지정되는 경우, MV 움직임들을 계산하지 않을 것이다.
예측 로직(850)을 실행하는 제어기(1305), 예컨대 Pegasus( TM ) 파워 퍼펙터는 DCS(1320)와의 통신 인터페이스(1315)의 무결성(integrity)을 모니터하는 감시 타이머 또는 "심장박동" 기능을 포함한다. 알람 표시기(indicator)(미도시)는 만약 통신 인터페이스(1315)가 실패하는 경우, 스크린상에 표시될 것이다. 예측 로직(850)을 실행하는 제어기(1305)는 알람 상태를 인지하고, 알람 상태에 기초하여 모든 가능한 즉, 낮은 레벨의 DCS 구성에 대한 활성화된 선택들로 쉐딩을 시작할 것이다.
스크린(1400)은 또한 퍼펙터 상태를 포함하는데, 이것은 예측 로직(850)이 제어기(1305)에 의해 성공적으로 실행되었는지 여부를 나타낸다. 양호(GOOD) 상태(미도시)는 제어기(1305)가 여전히 동작 중이도록 요청된다. 예측 로직(850)을 실행하는 제어기(1305)는 불량(BAD) 상태로 인지될 것이고, 불량 상태로 인지되는 것에 응답하여 모든 활성화된 연결들을 중단하고 쉐드, 즉 DCS(1320)로 제어를 리턴하게 될 것이다.
도시된 바와 같이, MV들은 후술하는 정보 제목들로 표시된다.
ENABLED - 이 필드는 운영자 또는 다른 사용자 입력에 의해 예측 로직(850)을 실행하는 제어기(1305)에 설정될 수 있으며, 각각의 MV를 활성화 또는 비활성화 시킨다. MV의 비활성화는 MV를 오프 상태로 전환하는 것에 대응한다.
SP - 예측 로직(850) 설정값을 나타냄.
MODE - 예측 로직(850)이 적용 가능한 MV를 온, 보류, 또는 완전 오프로 인지하는지 여부를 나타냄.
MIN LMT - MV를 위해 예측 로직(850)에 의해 사용된 최소 한계값을 표시한다. 이들 값들은 바람직하게는 운영자 또는 다른 사용자에 의해 변경할 수 없다는 것을 주의해야 한다.
MAX LMT - MV를 위한 예측 로직(850)에 의해 사용된 최대 한계값을 표시한다. 여기서 또, 이들 값들은 바람직하게는 변경될 수 없다.
PV - 예측 로직(850)에 의해 인지된 바와 같은, 각각의 MV의 최근 또는 현재의 값을 나타냄.
스크린(1400)은 또한 다음과 같은 MV 상태 필드 표시자들의 항목들을 포함한다: 예측 로직(850)을 실행하는 제어기(1305)는 모드가 온인 경우, 오직 특정 MV를 조정할 것이다. 이것이 발생하기 위해서는 네가지 조건들이 만족되어야 한다. 먼저, 활성화 박스는 운영자 또는 다른 사용자에 의해 선택되어야 한다. DCS(1320)는 자동 모드이어야 한다. 쉐드 조건들은 예측 로직(850)을 실행하는 제어기(1305)에 의해 계산된 바와 같이 거짓이어야 한다. 마지막으로, 보류 조건들은 예측 로직(850)을 실행하는 제어기(1305)에 의해 계산된 바와 같이 거짓이어야 한다.
제어기(1305)가 그 특정 MV를 조정하는 것을 허락하지 않는 조건들이 존재하다면, 예측 로직(850)을 실행하는 제어기(1305)는 HOLD의 MV 모드 상태를 변경 및 표시할 것이다. 보류(HOLD) 상태에서, 제어기(1305)는 예측 로직(850)에 따라, 보류 조건을 제거할 수 있을 때까지 MV의 현재의 값을 유지할 것이다. MV 상태를 보류 상태로 유지하기 위해 네 가지 조건들이 만족되어야 한다. 먼저, 활성화 박스가 운영자 또는 다른 사용자에 의해 선택되어야 한다. DCS(1320)은 자동 모드이어야 한다. 쉐드 조건들은 예측 로직(850)을 실행하는 제어기(1305)에 의해 계산된 바와 같이 거짓이어야 한다. 마지막으로, 보류 조건들은 예측 로직(850)을 실행하는 제어기(1305)에 의해 계산된 바와 같이 참이어야 한다.
제어기(1305)가 다음 조건들 중 임의의 조건들에 기초하여 그 특정 MV를 조정하는 것을 허락하지 않는 조건들이 존재하다면, 예측 로직(850)을 실행하는 제어기(1305)는 MV 모드 상태를 오프로 변경하고, 오프 모드 상태에서 표시할 것이다. 먼저, 활성화 박스가 운영자 또는 다른 사용자에 의해 선택 해제된다. DCS(1320)은 자동이 아닌, 예로써 수동이 된다. 임의의 쉐드 조건은 예측 로직(850)을 실행하는 제어기(1305)에 의해 계산된 바와 같이 참이다.
예측 로직(850)을 실행하는 제어기(1305)는 다양한 쉐드 조건들을 인지할 것이며, 이것은 평가기(1310)를 실행하는데 실패 및 미리 정의된 이전 기간, 예컨대 최근 12시간 동안, 실험값들을 입력하는데 실패를 포함한다. 만약 예측 로직(850)을 실행하는 제어기(1305)가 임의의 전술한 쉐드 조건들이 참인 것으로 결정한다면, MV의 제어를 DCS(1320)로 리턴할 것이다. 또한 도 14A에 도시된 바와 같이, CV들은 후술하는 정보 제목들로 표시된다.
PV - 제어기(1305)에 의해 수신된 CV의 최근 감지된 값을 나타냄.
LAB - 제어기(1305)에 의해 수신된 샘플의 시간과 함께 최근 실험 테스트 값을 나타냄.
ESTIMATE - 동적 평가 모델에 기초하여 평가 로직(840)을 실행하는 평가기(1310)에 의해 생성된 현재의 또는 가장 최근의 CV 추정값을 나타냄.
MIN - CV의 최소 한계값을 표시함.
MAX - CV의 최대 한계값을 표시함.
추가로, 스크린(1400)은 몇몇 미리 설정된 과거의 동작기간에 대해, 예컨대 지난 24시간 동안의 CV들의 예측된 값들에 대한 동작에 걸친 플롯들을 표시한다.
실험 샘플 입력 형식(Lab Sample Entry Form)
도 14B를 참조하면, 원형(prototype) 실험 샘플 입력 형식 DCS 스크린(1450)은 운영자 또는 다른 사용자에게 표시된다. 스크린은 도 8과 관련하여 전술한 바와 같이, 평가 로직(840) 및 동적 평가 모델(880)에 따라, 도 13의 평가기(1310)에 의해 처리되는 실험 샘플 테스트 값들을 입력하기 위해 운영자 또는 다른 사용자에 의해 사용될 수 있다.
도 14B에 도시된 바와 같이, 후술하는 값들은 평가기(1310)에 의해 생성된 관련 시간 스탬프와 함께 입력된다:
유닛 1 실험 샘플 값들:
* 석고 순도(Gypsum Purity)
* 염화물(Chloride)
* 마그네슘(Magnesium)
* 플루오르화물(Fluoride)
유닛 2 실험 샘플 값들:
* 석고 순도(Gypsum Purity)
* 염화물(Chloride)
* 마그네슘(Magnesium)
* 플루오르화물(Fluoride)
유닛 1 및 유닛 2의 결합된 실험 샘플 값들:
* 석도 순도(Gypsum Purity)
* 석회석 순도(Limestone Purity)
* 석회석 가루(Limestone Grind)
운영자 또는 다른 사용자는 실험 테스트 값들을 관련 샘플 시간과 함께, 예컨대, 도 7에 도시된 키보드(720)를 사용하여 입력한다. 이들 값들의 입력 후에, 운영자는 예컨대, 도 7에 도시된 마우스(725)를 사용하여 업데이트 버튼을 활성화시킬 것이다. 업데이트 버튼의 활성화는 평가 로직(840)의 다음 실행 동안 평가기(1310)로 하여금 이들 변수들에 대한 값들을 업데이트 하도록 할 것이다. 만약 원한다면, 이들 실험 테스트 값들은 대안적으로 도 8에 도시된 인터페이스(830)와 같은 MPCC 처리 유닛의 인터페이스를 통해, 디지털화된 형식으로 적용가능한 실험 으로부터 MPCC(1300)에 자동으로 공급될 것이다. 더욱이, MPCC 로직은 쉽게 적응될 수 있고, 예컨대 적용가능한 실험 또는 실험들로부터 디지털화된 형식의 테스트 값들의 수신에 응답하여 업데이트 버튼에 의해 나타내어지는 업데이트 기능을 자동으로 활성화하도록 프로그래밍 될 수 있다.
WFGD 프로세스의 적절한 제어를 보증하기 위해, 석고 순도에 대한 실험 테스트 값들은 매 8 내지 10시간 마다 업데이트되어야 한다. 따라서, 만약 순도가 그 시간주기에 업데이트되지 않으면, MPCC(1300)는 아마도 예컨대 제어를 쉐딩하고 알람을 발행하기 위해 필요한 로직으로 프로그래밍되도록 구성되는 것이 바람직하다.
더구나, 흡수장치 화학 값들 및 석회석 특성 값들은 적어도 일주일에 한번 업데이트 되어야 한다. 여기 또, 만약 이들 값들이 제시간에 업데이트되지 않으면, MPCC(1300)는 아마도 알람을 발행하도록 설정된다. 검증 로직은 운영자의 입력 값들을 검증하기 위해 평가기(1310)에 의해 실행된 검증 로직(840)에 포함된다. 만약 값들이 부정확하게 입력되면, 평가기(1310)는 평가 로직(840)에 따라, 이전 값들로 회복되고, 이전 값들은 도 14B에 계속하여 표시되며, 동적 평가 모델은 업데이트 되지 않을 것이다.
전체적인
WFGD
동작들 제어
상술된 임의의 유형들의, MPCC에 의한 WFGD 서브시스템의 전체 동작의 제어는, 도 15A, 15B, 16, 17, 18 및 19를 참조하여 설명될 것이다.
도 15A는 발전 시스템(power generation system: PGS)(110) 및 도 1을 참조 하여 설명한 것과 유사한 공기 오염 제어(air pollution control: APC) 시스템(120)을 도시하고 있으면, 여기서 동일한 탐조번호들은 시스템들의 동일한 요소들을 나타내며, 그 일부는 불필요한 중복을 피하기 위해 이하에서 더 설명되지 않을 것이다.
도시된 바와 같이, WFGD 시스템(130')은 다변수 제어를 포함하고, 이것은 본 전형적인 구현에서 MPCC(1500)에 의해 수행되고, 전술한 MPCC(700 또는 1300)와 유사할 수 있으며, 원한다면, 도 10 내지 12를 참조하여 설명한 다층 구조의 유형으로 통합될 수 있다.
SO2를 갖는 연도 가스는 다른 APC 서브시스템들(122)로부터 흡수장치 타워(132)로 향한다. 주변 공기(152)는 송풍기(150)에 의해 압축되고 압축된 산화 공기(154')로서 결정화기(134)로 향한다. 센서(1518)는 주변 조건들(1520)의 측정을 검출한다. 측정된 주변 조건들(1520)은 예컨대, 온도, 습도 및 기압을 포함할 수 있다. 송풍기(150)는 현재의 송풍기 부하 값(1502)을 제공하고 수신된 송풍 부하 SP(1503)에 기초하여 현재의 송풍기 부하를 수정할 수 있는 송풍기 부하 제어(1501)를 포함한다.
또한, 도시된 바와 같이, 석회석 슬러리(148')는 슬러리 펌프들에 의해 결정화기(134)로부터 흡수장치 타워(132)로 펌핑된다. 슬러리 펌프들(133)의 각각은 펌프 상태 제어(1511) 및 펌프 부하 제어(1514)를 포함한다. 펌프 상태 제어(1511)는 예컨대 펌프 온/오프 상태를 나타내는 현재 펌프 상태 값(1512)을 제공할 수 있고, 수신된 펌프 상태 SP(1513)에 기초하여 펌프의 현재의 상태를 변경할 수 있다. 펌프 부하 제어(1514)는 현재의 펌프 부하 값(1515)을 제공할 수 있고 펌프 부하 SP(1516)에 기초하여 현재의 펌프 부하를 변경할 수 있다. 믹서 & 탱크(140)으로부터 결정화기(134)로의 새로운 석회석 슬러리(141')의 흐름은 흐름 제어 밸브(199)에 의해 슬러리 흐름 SP(196')에 기초하여 제어된다. 슬러리 흐름 SP(196')는 후술하는 바와 같이, pH SP(186')에 기초하여 결정된 PID 제어 신호(181')에 기초한다. 결정화기(134)로 흐르는 새로운 슬러리(141')는 WFGD 프로세스에서 사용된 슬러리의 pH를 조정하고, 그러므로 흡수장치 타워(132)에 유입되는 SO2 함유 연도 가스(114)로부터 SO2의 제거를 제어하는 역할을 수행한다.
전술한 바와 같이, SO2 함유 연도 가스(114)는 흡수장치 타워(132)의 기저로 유입된다. SO2 는 흡수장치 타워(132)에서 연도 가스(114)로부터 제거된다. 청정 연도 가스(116')는 바람직하게는 SO2 가 제거되면, 흡수장치 타워(132)로부터 예컨대 스택(117)으로 행한다. SO2 분석기(1504)는 흡수장치 타워(132)의 배출구에 있는 것으로 도시되지만, 스택(117) 또는 흡수장치 타워(132)의 또 다른 위치 다운스트림에 위치할 수 있으며, 배출구 SO2(1505)의 측정을 검출한다.
서브시스템(130')의 제어 측에서, WFGD 프로세스를 위한 다변수 프로세스 제어기, 즉, 도 15B에 도시된 MPCC(1500)는 다양한 입력들을 수신한다. MPCC(1500)로의 입력들은 측정된 슬러리 pH(183), 측정된 주입구 SO2(189), 송풍기 부하 값(1502), 측정된 배출구 SO2(1505), 실험 테스트된 석고 순도 값(1506), 측정된 PGS 부하(1509), 슬러리 펌프 상태 값들(1512), 슬러리 펌프 부하 값들(1515), 및 측정된 주변 조건들 값(1520)을 포함한다. 후술하는 바와 같이, 이들 프로세스 파라미터 입력들은 비-프로세스(non-process) 입력들(1550) 및 제약조건 입력들(1555)을 포함하는 다른 입력들 및 계산된 평가된 파라미터 입력들(1560)과 함께 제어된 파라미터 설정값들(SP들)(1530)을 생성하기 위해 MPCC(1500)에 의해 사용된다.
동작시, SO2 분석기(188)는 WFGD 흡수장치 타워(132)의 업스트림에 위치하며, 연도 가스(114)에서 주입구 SO2의 측정을 검출한다. 주입구 SO2의 측정된 값(189)은 피드 포워드 유닛(190) 및 MPCC(1500)로 공급된다. 발전 시스템(PGS)(110)의 부하는 또한 PGS 부하 센서(1508)에 의해 검출되고, 측정된 PGS 부하(1506)로서, MPCC(1500)에 공급된다. 추가적으로, SO2 분석기(1504)는 흡수장치 타워(132)에서 나오는 연도 가스에서 배출구 SO2의 측정을 검출한다. 배출구 SO2의 측정된 값(1505)은 또한 MPCC(1500)로 공급된다.
석고 품질 평가(Estimating Gypsum Quality)
또한, 도 19를 참조하면, MPCC(1500)에 입력된 파라미터들은 흡수장치 타워(132) 내의 진행 조건들을 반영하는 파라미터들을 포함한다. 이러한 파라미터들 은 석고에 대한 동적 평가 모델을 생성 및 업데이트 하기 위해 MPCC(1500)에 의해 사용될 수 있다. 석고에 대한 동적 평가 모델은 예컨대 동적 평가 모델(880)의 일부를 형성할 수 있다.
온-라인으로 석고의 순도를 직접 측정할 수 있는 실제적인 방법이 없기 때문에, 동적 석고 평가 모델은 예컨대 평가 로직(840)과 같은, MPCC(1500)의 평가기(1500B)에 의해 실행되는 평가 로직과 함께, 계산된 석고 순도(1932)에서 보는 바와 같이, 석고 품질의 평가를 계산하기 위해 사용될 수 있다. 평가기(1500B)는 가상 온-라인 분석기(VOA)인 것이 바람직하다. 제어기(1500A) 및 평가기(1500B)가 단일 유닛에 수납되는 것으로 도시되었지만, 제어기(1500A) 및 평가기(1500B) 유닛들이 필요한 통신이 가능하도록 적절히 연결되는 한, 원한다면 제어기(1500A) 및 평가기(1500B)는 분리하여 수납되고, 분리된 구성요소들로 형성될 수 있음을 인지할 수 있을 것이다. 석고 품질(1932)의 계산된 평가는 석도 순도 값(1506)으로 도시된 바와 같이, MPCC(1500)으로 입력되는, 석고 품질 실험 측정들에 기초하여 평가 로직에 의한 조정을 반영할 수도 있다.
평가된 석고 품질(1932)은 그 후 평가기(1500B)에 의해 MPCC(1500)의 제어기(1500A)로 전달된다. 제어기(1500A)는 동적 제어 모델(870)과 같은, 동적 제어 모델을 업데이트 하기 위해 평가된 석고 품질(1932)을 사용한다. 예측 로직(850)과 같은 예측 로직은, 동적 제어 모델(870)에 따라, 조정된 평가된 석고 품질(1932)을 원하는 석고 품질을 나타내는 석고 품질 제약조건과 비교하기 위해 제어기(1500A)에 의해 실행된다. 원하는 석고 품질은 일반적으로 석고 판매 계약 사양에 의해 정 해진다. 도시된 바와 같이, 석고 품질 제약조건은 석고 순도 요건(1924)으로서 MPCC(1500)로 입력되고, 데이터(885)로서 저장된다.
제어기(1500A)는 예측 로직을 실행하며, 비교 결과들에 기초하여, WFGD 서브시스템(130')의 동작에 대한 조정이 필요한지 여부를 결정한다. 만약 그렇다면, 평가된 석고 품질(1932)과 석고 품질 제약조건(1924) 간의 결정된 차이는 제어기(1500A)에 의해 실행되는 예측 로직에 의해, 석고 품질 제약조건(1924) 내에서 석고(160')의 품질을 초래하는 WFGD 서브시스템 동작들에 수행되어야 하는 필요한 조정들을 결정하기 위해 사용된다.
석고 품질 요건들에 대한 지속적인 부응
석고 품질 제약 조건(1924)과 일치하는 석고(160')의 품질에 이르게 하기 위해, WFGD 동작들에 대한 필요한 조정들은 예측 로직에 의해 결정된 대로, 예컨대 제어기(1500A)에 의해 실행되는 제어 생성기 로직(860)을와 같은 제어 생성기 로직으로 공급된다. 제어기(1500A)는 석고(160')의 품질의 요구된 증가 또는 감소에 대응하는 제어 신호들을 생성하기 위해 제어 생성기 로직을 실행한다.
이러한 제어 신호들은 예컨대, 도 15A에 도시된 바와 같이, 하나 이상의 밸브(199), 슬러리 펌프들(133), 및 송풍기(150)의 동작을 조정할 수 있고, 따라서 WFGD 서브시스템 프로세스 파라미터, 도 15A에서 pH 센서(185)에 의해 검출된 측정된 슬러리 pH 값(183)에 의해 나타내어지는 예컨대 결정화기(134)로부터 흡수장치 타워(132)로 유입되는 슬러리(148')의 측정된 pH 값은 예컨대 원하는 pH 값과 같은 원하는 설정값(SP)에 대응한다. 슬러리(148')의 pH 값(183)의 이러한 조정은 원하 는 석고 품질(1924)에 더 잘 일치하도록, 실질적으로 WFGD 서브시스템(130')에 의해 생산되는 석고 부산물(160')의 품질 및 평가기(1500B)에 의해 계산된 평가된 석고 품질의 변경을 차례로 초래할 것이다.
도 16을 참조하면, 이것은 또한 신선한 용수 소스(164), 믹서/탱크(140) 및 탈수 유닛(136)의 구조 및 동작을 상세화한다. 도시된 바와 같이, 신선한 용수 소스(164)는 용수 탱크(164)를 포함하고, 이로부터 ME 세척(200)이 펌프(164B)에 의해 흡수장치 타워(132)로 펌핑되고, 신선한 용수 소스(162)는 펌프(164C)에 의해 믹싱 탱크(140A)로 펌핑된다.
탈수 유닛(136)의 동작 및 제어는 MPCC(1500)의 추가에 의해 변경되지 않는다.
그라인더(170) 및 믹서/탱크(140)를 포함하는 석회석 슬러리 준비 영역의 동작 및 제어는, MPCC(1500)의 추가에 의해 변경되지 않는다.
도 15A, 15B 및 16을 참조하면, 제어기(1500A)는 예컨대, 석회석 슬러리(141')의 흐름의 변화의 결정화기(134)로 향하도록 제어 생성기 로직을 실행할 수 있다. 결정화기(134)로 흐르는 슬러리(141')의 부피는 개방 및 폐쇄 밸브(199)에 의해 제어된다. 개방 및 폐쇄 밸브(199)는 PID(180)에 의해 제어된다. 밸브(199)의 동작을 제어하는 PID(180)의 동작은 입력 슬러리 pH 설정값에 기초한다.
따라서, 결정화기(134)로의 슬러리(141')의 흐름을 적절히 제어하기 위해, 제어기(1500A)는 석고 품질 제약요건(1924)과 일치하는 석고(160')의 품질을 이르게 하는 슬러리 pH 설정값을 결정한다. 도 15A 및 16에 도시된 바와 같이, 결정된 슬러리 pH 설정값은, pH SP(186')로 도시되고, PID(180)로 전송된다. PID(180)는 그 후 슬러리 흐름(141')를 수신된 pH SP(186')에 대응하도록 수정하기 위해 밸브(199)의 동작을 제어한다.
밸브(199)의 동작을 제어하기 위해, PID(180)는 수신된 슬러리 pH SP(186') 및 pH 센서(182)에 의해 측정된 수신된 슬러리(141')의 pH 값(183)에 기초하여, PID 제어 신호(181')를 생성한다. PID 제어 신호(181')는 FF 유닛(190)에 의해 생성된 피드 포워드(FF) 제어 신호(191)와 결합된다. 기술 분야에서 주지된 바와 같이, FF 제어 신호(191)는 흡수장치 타워(132)의 업스트림에 위치한 SO2 분석기(188)로부터 수취된 연도 가스(114)의 측정된 주입구 SO2(189)에 기초하여 생성된다. PID 제어 신호(181') 및 (FF) 제어 신호(191)는 합산 블록(192)에서 결합되며, 이것은 일반적으로 밸브(199)와 통신하는 DCS 출력 블록에 내장된 특징으로서 포함된다. 합산 블록(192)에서 출력되는 결합된 제어 신호들은 슬러리 흐름 설정값(196')로서 나타내어진다.
슬러리 흐름 설정값(196')는 밸브(199)로 전송된다. 종래에, 밸브를 통해 슬러리(141')의 흐름을 변경하기 위해, 밸브(199)는 수신된 슬러리 흐름 설정값(196')에 기초하여 밸브(199)의 실제적인 개방 또는 폐쇄를 지시하는 또 다른 PID(미도시)를 포함한다. 어쨌든, 수신된 슬러리 흐름 설정값(196')에 기초하여, 밸브(199)는 슬러리(141')의 부피 및 이에 따라 결정화기(134)에 흐르는 슬러리(240')의 부피를 증가 또는 감소시키기 위해 개방 또는 폐쇄되며, 이는 결정화 기(134)의 슬러리의 pH 및 WFGD 서브시스템(130')에 의해 생성된 석고(160')의 품질을 번갈아 수정하게 된다.
만약 MPCC(1500)가 PID(180)에 pH 설정값을 리셋/업데이트 하는 경우 및/또는 PID(180)가 밸브(199)에 석회석 슬러리 흐름 설정값을 리셋/업데이트 하는 경우를 결정하는데 고려되는 인자들은 잘 알려진 기술들을 사용하여 적용가능한 만큼 MPCC(1500) 및/또는 PID(180)에 프로그램 될 수 있다. 당업자에게 잘 이해되는 것과 같이, PID(180)의 성능 및 pH 센서(182)의 정확도와 같은 인자들은 일반적으로 그러한 결정들에서 고려된다.
제어기(1500A)는 슬러리 pH(183)로 표현되는, pH 센서(182)로부터 수신된, 결정화기(134)로부터 흡수장치 타워(132)로 흐르는 슬러리(148')의 측정된 pH 값을 석고 품질 제어 알고리즘 또는 룩-업 테이블에 따라, 동적 모델(870)에서 처리함으로써 pH SP(186')를 생성한다. 알고리즘 또는 룩-업 테이블은 석고(160')의 품질 및 측정된 pH 값(183) 간에 성립된 연계를 표현한다.
PID(180)는 제어기(1500A)로부터 수신된 pH SP(186')와 슬러리 pH(183)으로 표현되는 pH 센서(182)로부터 수신된 슬러리(148')의 측정된 pH 값 간의 복종을 석회석 흐름 제어 알고리즘 또는 룩-업 테이블에 따라 처리함으로써 PID 제어 신호(181')를 생성한다. 이러한 알고리즘 또는 룩-업 테이블은 믹서/탱크(140)로부터 흐르는 슬러리(141')의 부피의 변경 양과 결정화기(134)로부터 흡수장치 타워(132)로 흐르는 슬러리(148')의 측정된 pH 값(183)의 변경 양 간에 성립된 연계를 나타낸다. 도 16에 도시된 대표적인 실시예에 도시되었지만, 이것은 그라인더(170)로부 터 믹싱 탱크(140A)로 흐르는 가루가 된 석회석(174)의 양이 분리 제어기(미도시)에 의해 관리된다는 것은 주목할 만한 가치가 있을 것이며, 만약 유익하다면 이것은 MPCC(1500)에 의해 또한 제어될 수도 있다. 추가로, MPCC(1500)는 도시되지 않았지만, 원한다면, 믹싱 탱크(140A) 내의 슬러리에 첨가물들의 투여를 제어할 수도 있다. 따라서, MPCC(1500)의 제어기(1500A)로부터 수신된 pH SP(186')에 기초하여, PID(180)는 신호를 생성하고, 이것은 밸브(199)를 개방 또는 폐쇄하도록 함으로써, 결정화기(134)로의 신선한 석회석 슬러리의 흐름을 증가 또는 감소시킨다. PID는 밸브(199)를 통해 흐르는 석회석 슬러리(141')의 부피가 석회석 슬러리 흐름 설정값(196')에 의해 나타내어지는 MVSP 와 일치할 때까지 계속하여 밸브 조정을 제어한다. 아마도 일치는 밸브(199)의 일부로서 포함된 PID(미도시)에 의해 수행되는 것으로 이해될 것이다. 그러나, 대안적으로, 일치는 밸브로부터 측정 및 전송된 흐름 부피 데이터에 기초하여 PID(180)에 의해 수행될 수 있다.
SO
2
제거 요건들에 대한 지속적인 순응
슬러리(148')의 pH를 제어함으로써, MPCC(1500)는 WFGD 서브시스템에 의해 생성되는 석고 부산물(160')의 품질과 함께 SO2 함유 연도가스(114)로부터 SO2의 제거를 제어할 수 있다. 밸브(199)를 통해 신선한 석회석 슬러리(141')의 흐름을 증가시킴으로써 슬러리(148')의 pH의 증가는 SO2 함유 연도 가스(114)로부터 흡수장치 타워(132)에 의해 제거된 SO2 양의 증가를 초래할 수 있다. 한편, 밸브(199)를 통한 흐름 석회석 슬러리(141')의 감소는 슬러리(148')의 pH를 감소시킨다. 결정화기(134)로 흐르는 흡수된 SO2(여기서는 아황산칼슘의 형태)의 양의 감소는 결정화기(134)에서 아황산칼슘으로 산화되는 아황산칼슘의 비율이 더 높아지는 결과를 초래할 것이며, 따라서 석고 품질이 더 높아진다.
따라서, 두 개의 주요한 제어 목적들, SO2 함유 연도 가스(114)로부터 SO2를 제거하기 위한 제 1 목적과 요구되는 품질을 가진 석고 부산물(160')을 생성하기 위한 제 2 목적 사이에 긴장(tension)이 있다. 즉, SO2 방출 요건들 및 석고 명세 간을 일치시키는데 제어 충돌이 있을 수 있다.
도 17을 참조하면, 이것은 슬러리 펌프들(133) 및 흡수장치 타워(132)의 구조 및 동작을 보다 상세화한다. 도시된 바와 같이, 슬러리 펌프들(133)은 이러한 대표적인 실시예에서 슬러리 펌프들(133A, 133B 및 133C)로 도시된, 복수의 분리 펌프들을 포함하며, 이는 결정화기(134)로부터 흡수장치 타워(132)로 슬러리(148')를 펌프한다. 도 3을 참조하여 전술한 바와 같이, 각각의 펌프들(133A-133C)은 슬러리를 흡수장치 타워 슬러리 레벨 노즐들(306A, 306B 및 306C)의 복수의 레벨들 중 상이한 하나로 향하도록 한다. 각각의 슬러리 레벨(306A-306C)은 슬러리를 슬러리 스프레이어들(308A, 308B 및 308C)의 복수의 레벨들 중 상이한 하나로 향한다. 슬러리 스프레이어들(308A-308C)은 슬러리, 이 경우 가스 주입구(310)에서 흡수장치 타워(132)로 유입하는 SO2 함유 연도 가스(114)로 슬러리(148')를 분무하여 SO2를 흡수하도록 한다. 청정 연도 가스(116')는 이후 흡수장치 타워(132)로부터 흡수 장치 배출구(312)에 배출된다. 또한, 전술한 바와 같이, ME 스프레이 세척(200)은 흡수장치 타워(132)로 향한다. 3개의 상이한 레벨의 슬러리 노즐들 및 스프레이어들, 및 3개의 상이한 펌프들이 도시되었지만, 노즐들 및 스프레이들의 레벨들의 수 및 펌프들의 수는 특정 구현예에 매우 의존할 수 있고 아마도 그럴 것임을 인지할 수 있을 것이다.
도 15A에 도시된 바와 같이, 펌프 상태 값들(1512)은 펌프 상태 제어들(1511), 예컨대 온/오프 스위치들로부터 피드백되고, 펌프 부하 값들(1515)은 예컨대 모터와 같은 펌프 부하 제어들(1514)로부터 동적 제어 모델로 입력하기 위해 MPCC(1500)로 피드백된다. 또한 도시된 바와 같이, 펌프 상태 설정값들(1513), 예컨대 스위치 온 또는 오프 명령어들은 펌프 상태 제어들(1511)로 피드백되며, 펌프 부하 설정값들(1516)은 상태, 예컨대 온 또는 오프, 및 각 펌프들(133A-133C)의 부하를 제어하기 위해 MPCC(1500)에 의해 펌프 부하 제어들(1514)로 피드백된다. 그리고, 이에 따라 슬러리(148')가 펌핑되는 노즐들의 레벨들 및 노즐들의 각 레벨에 펌핑되는 슬러리(148')의 양을 제어한다. 대부분의 현재의 WFGD 애플리케이션들에서, 슬러리 펌프들(133)은 다양한 부하 능력들을 포함하지 않고 있음을(단지 온/오프) 인지해야 하며, 따라서 펌프 부하 설정값들(1516) 및 부하 제어들(1514)은 MPCC(1500)에 의한 사용 또는 조정에 이용될 수 없을 것이다.
도 17에 도시한 대표적인 실시예들에서 설명한 바와 같이, 펌프 상태 제어들(1511)은 참조번호들(1511A, 1511B 및 1511C)을 사용하여 식별된, 각 펌프에 대한 개별 펌프 상태 제어를 포함한다. 마찬가지로, 펌프 부하 제어들(1514)은 참조 번호들(1514A, 1514B 및 1514C)을 사용하여 식별된, 각 펌프에 대한 개별 펌프 상태 제어를 포함한다. 개별 펌프 상태 값들(1512A, 1512B, 및 1512C)은 그 슬러리 펌프의 현재의 상태를 나타내기 위해, 펌프 상태 제어들(1511A, 1511B, 및 1511C) 각각으로부터 MPCC(1500)에 공급된다. 유사하게, 개별 펌프 부하 값들(1515A, 1515B, 및 1515C)은 그 슬러리 펌프의 현재의 상태를 나타내기 위해, 펌프 부하 제어들(1514A, 1514B, 및 1514C) 각각으로부터 MPCC(1500)에 공급된다. 펌프 상태 값들(1512A, 1512B, 및 1512C)에 기초하여, MPCC(1500)는 각 펌프들(133A, 133B 및 133C)의 현재의 상태를 결정하기 위해, 예측 로직(850)을 실행하며, 따라서 이것을 임의 주어진 시간에서 공통적으로 펌프 배열(pump line-up)이라 부른다.
전술한 바와 같이, 흡수장치 타워(132)에 인입하는 연도 가스(114)의 흐름 레이트에 대한 흡수장치 타워(132)에 주입되는 액체 슬러리(148')의 흐름 레이트의 비율은, 공통적으로 L/G로서 특성화된다. L/G는 WFGD 서브시스템들에서 주요 디자인 파라미터들 중 하나이다. G로 지정된 연도 가스(114)의 흐름 레이트는 일반적으로 발전 시스템(110)의 동작에 의해 WFGD 처리 유닛(130')의 업스트림으로 설정되기 때문에, 제어되지 않고 또한 제어될 수 없다. 그러나, L로 지정된 액체 슬러리(148')의 흐름 레이트는 G 값에 기초하여 MPCC(1500)에 의해 제어될 수 있다.
이것을 달성하는 하나의 방법은 슬러리 펌프들(133A, 133B 및 133C)의 동작을 제어하는 것이다. 개별 펌프들은 원하는 펌프 배열을 얻기 위해, 펌프 상태 설정값들(1513A, 1513B 및 1513C)을 각각 펌프(133A)의 펌프 상태 제어(511A), 펌프(133B)의 펌프 상태 제어(511B), 및 펌프(133C)의 펌프 상태 제어(511C)를 발행 함으로써, MPCC(1500)에 의해 제어되고, 따라서 슬러리(148')는 레벨들에서 흡수장치 타워(132)로 주입될 것이다. 만약 WFGD 서브시스템에서 이용가능하다면, MPCC(1500)는 또한 각각의 활성 노즐 레벨에서 흡수장치 타워(132)로의 슬러리(148')의 흐름의 원하는 부피를 얻기 위해, 펌프 부하 제어 설정값들(1516A, 1516B 및 1516C)을 각각 펌프(133A)의 펌프 부하 제어(1514A), 펌프(133B)의 펌프 부하 제어(1514B), 및 펌프(133C)의 펌프 부하 제어(1514C)로 발행한다. 따라서, MPCC(1500)는 슬러리(148')가 펌핑되는 노즐들(306A-306C) 및 노즐들의 각 레벨로 펌핑되는 슬러리(148')의 양을 제어함으로써, 흡수장치 타워(132)로의 액체 슬러리(148')의 흐름 레이트, L을 제어한다. 펌프들 및 노즐들의 레벨들의 수가 많아질수록, 그러한 제어가 더욱 세세해지는 것이 인지될 것이다.
슬러리(148')를 더 놓은 레벨 노즐들, 예컨대 노즐들(306A)로 펌핑하는 것은 슬러리 스프레이어들(308A)로부터 분무된 슬러리가 SO2 함유 연도 가스(114)와 비교적 긴 접촉 기간을 가지도록 한다. 이것은 이번에는 더 낮은 스프레이 레벨들에서 흡수장치에 인입하는 슬러리보다 슬러리에 의해 연도 가스(114)로부터 비교적 더 많은 양의 SO2의 흡수를 번갈아 초래할 것이다. 한편, 슬러리를 더 낮은 레벨 노즐들, 예컨대 노즐들(306C)로 펌핑하는 것은 슬러리 스프레이어들(308C)로부터 분무된 슬러리가 SO2 함유 연도 가스(114)와 비교적 짧은 접촉 기간을 가지도록 한다. 이것은 슬러리에 의해 연도 가스(114)로부터 비교적 더 적은 양의 SO2의 흡수를 초래할 것이다. 따라서, 동일한 양 및 구성의 슬러리(148')를 가진 연도 가스(114)로 부터 제거되는 SO2의 더 많고 더 적은 양은 슬러리가 펌핑되는 노즐들의 레벨에 의존한다.
그러나, 더 높은 레벨 노즐들, 예컨대 노즐들(306A)에 액체 슬러리(148')를 펌핑하는 것은 더 낮은 레벨 노즐들, 예컨대 노즐들(306C)에 액체 슬러리(148')를 펌핑하는데 요구되는 것에 비해 비교적 많은 전력을 요구하고, 따라서 더 많은 동작 비용을 요구한다. 따라서, 흡수를 증가시키기 위해 더 많은 액체 슬러리를 더 높은 레벨 노즐들에 펌핑함으로써, 따라서 연도 가스(114)로부터의 황을 제거함으로써, WFGD 서브시스템의 동작 비용은 증가된다.
펌프들(133A-133C)은 회전 장비의 매우 큰 부분들이다. 이들 펌프들은 펌프 상태 SP들을 발행함으로써, MPCC(1500)에 의해 자동으로 시작 및 중단될 수 있거나, 또는 서브시스템 운영자 또는 다른 사용자에 의해 수동으로 시작 및 중단될 수 있다. 만약 흡수장치 타워(132)에 인입하는 연도 가스(114)의 흐름 레이트가 발전 시스템(110)의 동작의 변경으로 인해 변정된다면, 동적 제어 모델(870)에 따라 예측 로직(850) 및 제어 생성기 로직(860)을 실행하는 MPCC(1500)는 하나 이상의 슬러리 펌프들(133A-133C)의 동작을 조정할 것이다. 예를 들어, 만약 연도 가스 흐름 레이트가 디자인 부하의 50%로 떨어진다면, MPCC는 현재 슬러리(148')를 하나 이상의 스프레이 레벨들에서 흡수장치 타워 노즐로 펌핑하는 하나 이상의 펌프들을 셧다운, 즉 끄기 위해 하나 이상의 펌프 상태 SP들 및/또는 현재 슬러리를 하나 이상의 스프레이 레벨에서 흡수장치 노즐들로 펌핑하는 하나 이상의 펌프들의 펌프 부 하를 감소시키기 위해 하나 이상의 펌프 부하 제어 SP들을 발행할 것이다.
추가로, 만약 유기산 등을 위한 분배기(dispenser, 미도시)가 믹서/펌프(140)의 일부로서 또는 유기산을 직접 프로세스에 공급하는 분리된 서브시스템으로서 포함된다면, MPCC(1500)는 또한 또는 대안적으로 슬러리의 흡수 능력을 감소시키고 따라서 연도 가스로부터 SO2를 제거하기 위해 슬러리에 투여된 유기산 또는 다른 유사한 첨가물의 양을 감소시키기 위해 제어 SP 신호들(미도시)을 발행할 수 있다. 이들 첨가물들은 매우 비싼 경향이 있으며, 따라서 그들의 사용은 적어도 미국에서는 비교적 제한되어 왔음을 인지할 것이다. 다시 또, SO2 제거 및 동작 비용 간에 충돌이 있다: 첨가물들이 비싸지만, 첨가물들은 석고 순도에 거의 영향을 미치지 않으면서 SO2 제거를 상당히 향상시킬 수 있다. 만약, WFGD 서브시스템이 첨가물 주입 서브시스템을 포함한다면, MPCC(1500)가 여전히 장비, 프로세스, 및 규제 제약조건들 내에서 가장 낮은 가능한 동작 비용으로 WFGD 프로세스를 동작할 수 있도록, MPCC(1500)가 다른 WFGD 프로세스 변수들과 협력하여 첨가물 주입을 제어하도록 하는 것이 바람직할 것이다. MPCC(1500)에 그러한 첨가물들의 비용을 입력함으로써, 이 비용 인자는 동적 제어 모델에 포함될 수 있고 실행 예측 로직에 의해 WFGD 프로세스의 제어를 지시하는데 고려될 수 있다.
석회석 뭉침 방지(
Avoiding
Limestone Binding)
전술한 바와 같이, 흡수된 SO2가 석고를 형성하도록 산화시키기 위해, 화학 적 반응이 흡수장치 타워(132)에서 SO2와 슬러리의 석회석 간에 발생해야 한다. 이화학적 반응 동안, 산소는 황산칼슘을 형성하기 위해 소비된다. 흡수장치 타워(132)에 유입되는 연도 가스(114)는 O2가 부족하고, 따라서 추가적인 O2가 일반적으로 흡수장치 타워(132)에 유입되는 액체 슬러리에 첨가된다.
도 18을 참조하면, 일반적으로 팬(fan)으로 특성화되는 송풍기(150)는 주변 공기(152)를 압축한다. 결과적으로 압축된 산화 공기(154')는 결정화기(134)로 향하고, 도 17을 참조하여 전술한 바와 같이, 흡수장치(132)에 펌핑될 결정화기(134) 내의 슬러리에 적용된다. 결정화기(134) 내의 슬러리로의 압축된 산화 공기(154')의 추가는 결정화기(134)로부터 산화 및 황산 칼슘의 형성을 용이하게 할 향상된 산소 콘텐트를 갖는 흡수장치(132)로 흐르는 재순환된 슬러리(148')를 야기한다.
아마도, 슬러리에 의해 흡수 또는 유지될 수 있는 산소의 양의 상한 범위가 있음을 인지할지라도, 슬러리(148')에는 과잉 산소가 존재한다. 산화를 용이하게 하기 위해, 슬러리에 상당한 양의 과잉 O2를 함유하여 WFGD를 동작하는 것이 바람직하다.
슬러리 내의 O2 농도가 너무 낮으면, 연도 가스(114) 내의 SO2와 슬러리(148') 내의 석회석 사이의 화학 반응이 느려지고, 마침내 발생이 중단될 것이라는 것을 또한 이해할 수 있을 것이다. 이것이 일어날 때, 이것을 일반적으로 석회석 블라인딩(limestone blinding)이라 한다.
결정화기(134) 내의 재순환 가능한 슬러리에 용해된 O2의 양은 측정될 수 없는 파라미터이다. 따라서, 동적 측정 모델(880)은 바람직하게는 용해된 슬러리 O2의 모델을 포함한다. 평가 로직, 예컨대 MPCC(1500)의 평가기(1500B)에 의해 실행되는 평가 로직(840)은, 동적 평가 모델(880)에 따라, 결정화기(134)내의 재순환 가능한 슬러리에서의 용해된 O2의 평가를 계산한다. 계산된 평가는 MPCC(1500)의 제어기(1500A)로 전달되고, 이는 계산된 평가를 동적 제어 모델 예컨대, 동적 제어 모델(870)을 업데이트하는데 사용한다. 제어기(1500A)는 그 후 예측 로직, 예컨대 평가된 용해된 슬러리 O2 값과, MPCC(1500)에 입력되었던 용해된 슬러리 O2 값 제약조건을 비교하는 예측 로직(850)을 실행한다. 용해된 슬러리 O2 값 제약조건은 도 15B에 도시된 제약조건들(1555) 중 하나이고, 용해된 슬러리 O2 요구(1926)로서 도 19에 더욱 상세하게 도시되어 있다.
비교 결과에 기초하여, 예측 로직을 실행하는 제어기(1500A)는 WFGD 서브시스템(130')의 동작들에 대한 임의의 조정이 흡수장치 타워(132)에 펌핑되는 슬러리(148')가 O2가 모자라게 되지 않는다는 것을 보장하기 위하여 요구되는지를 결정한다. 슬러리(148')가 충분한 양의 용해된 O2를 가지고 있다는 것을 보장하는 것은 SO2 방출들 및 석고 부산물의 품질이 요구되는 방출들 및 품질 제약조건들을 계속해서 만족한다는 것을 보장하는데 도움을 준다.
도 15A 및 18에 도시된 바와 같이, 송풍기(150)는 부하 제어 메카니즘(1501)을 포함하는데, 이는 때때로 송풍기 속도 제어 메카니즘이라고 하며 결정화기(134)로의 산화 공기의 흐름을 조정할 수 있다. 부하 제어 메카니즘(1501)은 송풍기(150)의 부하 및 이에 따른 결정화기(134)로 유입되는 압출된 산화 공기(154')의 양을 조정하는데 이용될 수 있고, 이에 의해 비교 결과를 감안하여 WFGD 서브시스템(130')의 동작에 대한 임의의 요구되는 조정들을 용이하게 할 수 있다. 바람직하게, 부하 제어 메카니즘(1501)의 동작은 제어기(1500A)에 의해 직접 제어된다. 그러나, 원한다면, 부하 제어 메카니즘(1501)은 운영자에게 부하 제어 메카니즘의 적절한 수동 제어를 하도록 하는 제어기(1500A)로부터의 출력에 기초하여 서브시스템 운영자에 의해 수동으로 제어될 수 있다. 어떤 경우에서든, 비교 결과에 기초하여 제어기(1500A)는 동적 제어 모델(870)에 따라 예측 로직(850)을 실행하여, 흡수장치 타워(132)에 펌핑되는 슬러리(148')가 O2가 부족하지 않다는 것을 보장하기 위해 결정화기(134)에 들어가는 압축된 산화 공기(154')의 양에 대한 조정이 요구되는지를 결정하고, 만약 그렇다면, 조정 양을 결정한다. 그 후, 제어기(1500A)는 MPCC(1500)에 의해 부하 제어 메카니즘(1501)으로부터 수신된 송풍기 부하값(1502)을 감안하여 제어 생성기 로직(860)을와 같은 제어 생성기 로직을 실행하여, 흡수장치 타워(132)에 펌핑되는 슬러리(148')가 O2가 부족하지 않다는 것을 보장하는 원하는 양으로 결정화기(134)에 인입하는 압축된 산화 공기(154')의 양을 조정하기 위하여, 부하 제어 메카니즘(1501)에 송풍기(150)의 부하를 수정하도록 지시하는 제어 신호들을 생성하도록 한다.
전술된 바와 같이, O2 부족은 열이 송풍기(150)에 의해 결정화기(134)로 강제될 수 있는 압축된 산화 공기(154')의 양을 감소시키는 여름철 동안 특히 문제다. 제어기(1500A)에 의해 실행되는 예측 로직(850)은 예를 들어, 송풍기 부하값(1502)으로서 MPCC(1500)로 입력되는 송풍기(150)의 속도 또는 부하가 결정화기(134)에 들어가는 압축된 산화 공기의 부피를 결정된 양만큼 증가시키도록 조정되어야 한다는 것을 결정할 수 있다. 다음, 제어기(1500A)에 의해 실행되는 제어 생성기 로직은 송풍기 부하 SP(1503)를 결정하고, 이는 압축된 산화 공기(154')의 원하는 증가 부피를 야기한다. 바람직하게는 송풍기 부하 SP(1503)는 MPCC(1500)로부터 부하 제어 메카니즘(1501)으로 전달되고, 이는 송풍기 부하 SP(1503)에 대응하는 송풍기(150) 상의 부하의 증가를 지시하여, 이에 의해 석회석 블라인딩을 피하고, SO2 방출 및 석고 부산물의 품질이 적용가능한 제약조건들 내에 있다는 것을 보장할 수 있다.
송풍기(150)의 속도 또는 부하를 증가시킴으로써 송풍기의 전력 소비도 또한 증가되고, 따라서 WFGD 서브시스템(130')의 운영 비용도 증가한다. 비용상의 이러한 증가는 또한, WFGD 서브시스템(130')의 동작들을 제어하면서, MPCC(1500)에 의해 바람직하게 모니터링되고, 이에 의해 송풍기(150)가 오직 필요한 양만큼의 압축된 산화 공기(154')를 결정화기(134)로 보내도록 제어하기 위한 경제적 동기를 제공한다.
도 19에 도시된 바와 같이, 단위 전력 비용(1906)으로 도시된 현재의 비용/전력의 단위가 바람직하게는 도 15B에 도시된 비-프로세스 입력들(1550) 중 하나로서 MPCC(1500)에 입력되고, 동적 제어 모델(870)에 포함된다. 이 정보를 이용하여, MPCC(1500)의 제어기(1500A)는 또한 결정화기(134)로의 압축된 산화 공기(154')의 흐름의 조정에 기초한 운영상의 비용의 변화를 계산하고 서브시스템 운영자 또는 다른 사람들에게 디스플레이한다.
따라서, 초과 송풍기(150) 용량이 있다면, 제어기(1500A)는 전형적으로 결정화기(134)로의 압축된 산화 공기(154')의 흐름을 제어하여 그것이 블라인딩을 피하기에 충분하다는 것을 보장한다. 그러나, 송풍기(150)는 전체 부하로 동작하고 있고, 결정화기(134)로 흐르는 압축된 산화 공기(154')의 양이 블라인딩을 피하는데 여전히 불충분하다면, 즉, 추가 공기(산소)가 흡수장치 타워(132)에서 흡수되는 모든 SO2의 산화를 위해 필요하다면, 제어기(1500A)는 택일적인 제어 전략을 실시할 필요가 있을 것이다. 이에 관하여, SO2가 슬러리에 흡수되면, 그것은 석고로 산화된다-그러나, 주변(marginal) SO2를 산화하기 위한 추가적인 산소가 없다면, 흡수된 SO2가 산화될 수 없는 경우 석회석 블라인딩이 결국 일어나기 때문에 SO2를 흡수하지 않는 것이 최선이다.
이러한 환경들에서, 제어기(1500A)는 블라인딩이 일어나지 않는다는 것을 보장하기 위하여, WFGD 서브시스템(130')의 동작을 제어하는데 수행될 수 있는 다른 옵션을 갖는다. 더욱 상세하게는, 동적 제어 모델(870)에 따라 예측 로직(850) 및 제어 생성기 로직(860)을 실행하는 제어기(1500A)는 PID(180)가 결정화기(134)로 흐르는 슬러리(141')의 pH 레벨을 조정하도록 제어할 수 있고, 이에 의해 흡수장치 타워(132)에 펌핑되는 슬러리(148')의 pH 레벨을 제어할 수 있다. 흡수장치 타워(132)에 펌핑되는 슬러리(148')의 pH 레벨의 감소를 지시함으로써, 추가적인 주변 SO2 흡수가 감소될 수 있고 블라인딩이 회피될 수 있다.
83 페이지 ~
제어기(1500A)에 의해 구현될 수 있는 또다른 택일적인 전략은 도 15B에 도시된 제약조건들(1555)의 외부에서 동작하는 것이다. 특히, 제어기(1500A)는 결정화기(134)의 슬러리(148') 내의 많지 않은 SO2가 산화되는 제어 전략을 구현할 수 있다. 따라서, 결정화기(134)에서 요구되는 O2의 양은 감소될 것이다. 그러나, 이 동작은 WFGD 서브시스템(130')에 의해 생성된 석고 부산물(160')의 순도를 차례로 열화시킬 것이다. 이 전략을 이용하면, 제어기(1500A)는 WFGD 서브시스템(130')의 동작을 제어할 때 하나 이상의 제약조건들(1555)을 무시한다(override). 바람직하게는, 제어기는 도 19에서 배출구 SO2 인가 요건(1922)으로 도시된 청정 연도 가스(116') 내의 SO2에 대한 엄격한 방출 제약조건을 유지하고, 도 19에서 석고 순도 요건(1924)으로 도시된 석고 부산물(160')의 지정된 순도를 무시 및 효과적으로 낮춘다.
따라서, 최대 송풍기 용량 제한이 도달되었다면, 제어기(1500A)는 WFGD 서브시스템(130')의 동작이 흡수장치 타워(132)에 들어가는 슬러리(148')의 pH를 감소하도록 제어하고, 이에 의해 SO2 흡수를 방출 제한 즉, 유출 SO2 인가 요건(1922)으로 감소시킨다. 그러나, SO2 흡수의 임의의 추가적인 감소가 유출 SO2 인가 요건(1922)의 위배를 초래하고, 제거되어야 하는 흡수된 SO2 모두를 산화시키는데 필요한 공기(산소)의 양을 제공하기에 송풍기 용량이 불충분하다면, 물리적 장치 예컨대, 송풍기(150) 및/또는 결정화기(134)는 소형화되고, SO2 제거 요건 및 석고 순도 모두를 만족시키는 것이 불가능하다. MPCC(1500)는 요구된 추가 산소를 "생성"하지 못하기 때문에, 그것은 택일적인 전략을 고려해야만 한다. 이 택일적인 전략하에서, 제어기(1500A)는 WFGD 서브시스템(130')의 동작을 제어하여 현재의 SO2 제거 레벨을 유지 즉, 유출 SO2 인가 요건(1922)을 만족시키고, 완화된 석고 순도 제한조건 즉, 입력된 석고 순도 요건(1924) 미만인 석고 순도 요건을 만족하는 석고를 생산하도록 한다. 유리하게, 제어기(1500A)는 감소된 석고 순도 요건 및 원하는 석고 순도 요건(1924) 사이의 편차를 최소화한다. 제어기(1500A)가 전술한 양자(both)의 양상을 구현하는 하이브리드 전략에 따라, WFGD 서브시스템(130')의 동작을 제어하는 것이 또 다른 대안이라는 것을 이해해야만 한다. 이 택일적인 제어 전략들은 MPCC(1500)의 표준 튜닝 파라미터들을 설정함으로써 구현될 수 있다.
MPCC
동작들
전술된 바와 같이, MPCC(1500)는 배포된 제어 시스템(DCS) 내의 유틸리티 애플리케이션들에 대한 큰 WFGD 서브시스템들을 제어할 수 있다. MPCC(1500)에 의해 제어될 수 있는 파라미터들은 사실상 제한되지 않으며, 바람직하게는 다음 중 적어도 하나를 포함한다: (1) 흡수장치 타워(132)로 들어가는 슬러리(148')의 pH, (2) 액체 슬러리(148')를 흡수장치 타워(132)의 상이한 레벨들로 운반하는 슬러리 펌프 배열, 및 (3) 결정화기(134)로 들어가는 압축된 산화 공기(154')의 양. 이해될 수 있는 바와 같이, 그것은 WFGD 프로세스의 제어를 지시하는데 MPCC(1500)에 의해 이용되는 기본적인 프로세스 관계들을 포함하는 동적 제어 모델(870)이다. 따라서, 동적 제어 모델(870)에 확립된 관계들은 MPCC(1500)에 가장 중요하다. 이에 관하여, 동적 제어 모델(870)은 다양한 파라미터들 예컨대, pH 및 산화 공기 레벨들을 다양한 제약조건들 예컨대, 석고 순도 및 SO2 제거 레벨들에 연관시키고, 이하에서 더 서술되는 바와 같이 WFGD 서브시스템(130')의 동적 및 플렉서블한(flexible) 제어를 가능하게 하는 것이 이들 관계들이다.
도 19는 더욱 상세하게 MPCC(1500)의 제어기(1500A)에 의해 입력 및 이용되는 바람직한 파라미터들 및 제약조건들을 도시한다. 이하에서 더 설명되는 바와 같이, 제어기(1500A)는 동적 제어 모델(870)에 따라 및 입력된 파라미터들 및 제약조건들에 기초하여 예측 로직(850)과 같은 예측 로직을 실행하여, WFGD 프로세스의 미래 상태들을 예측하고, WFGD 프로세스를 최적화하도록 WFGD 서브시스템(130')의 제어를 지시한다. 다음, 제어기(1500A)는 제어 생성기 로직, 예컨대 제어 생성기 로직(860)을 예측 로직으로부터의 제어 명령들에 따라 실행하여, WFGD 서브시스템(130')의 특정 구성요소들을 제어하는 제어 신호들을 생성 및 발행한다.
도 15B를 참조하여 전술된 바와 같이, 입력 파라미터들은 측정된 프로세스 파라미터들(1525), 비(non)-프로세스 파라미터들(1550), WFGD 프로세스 제약조건들(1555), 및 평가 로직(840)과 같은 평가 로직을 동적 평가 모델(880)에 따라 실행하는 MPCC 평가기(1500B)에 의해 계산된 평가된 파라미터들(1560)을 포함한다.
도 19에 도시된 바람직한 구현예에서, 측정된 프로세스 파라미터들(1525)은 주변 조건들(1520), 측정된 발전 시스템(PGS) 부하(1509), 측정된 유입 SO2(189), 송풍기 부하값(1502), 측정된 슬러리 pH(183), 측정된 유출 SO2(1505), 실험 측정된 석고 순도(1506), 슬러리 펌프 상태값들(1512), 및 슬러리 펌프 부하값들(1515)을 포함한다. WFGD 프로세스 제약조건들(1555)은 유출 SO2 인가 요건(1922), 석고 순도 요건(1924), 용해된 슬러리 O2 요건(1926), 및 슬러리 pH 요건(1928)을 포함한다. 비-프로세스 입력들(1550)은 튜닝 인자들(1902), 현재 SO2 신용 가치(1904), 현재 단위 전력 비용(1906), 현재 유기산 비용(1908), 현재 석고 판매가(1910), 및 미래 운영 계획들(1950)을 포함한다. 평가기(1500B)에 의해 계산되는 평가된 파라미터들(1560)은 산출된 석고 순도(1932), 산출된 용해 슬러리 O2(1934), 및 산출된 슬러리 pH(1936)를 포함한다. 비-프로세스 파라미터 입력들 예컨대, 현재 단위 전력 비 용(1906)을 포함하기 때문에, MPCC(1500)는 프로세스의 현재 상태에 기초할 뿐만 아니라, 프로세스의 외부 문제들의 상태에 기초하여 WFGD의 제어를 지시할 수 있다.
추가 SO2 흡수 용량의 가용성 결정
도 17을 참조하여 전술된 바와 같이, MPCC(1500)는 펌프들(133A-133C)의 상태 및 부하를 제어할 수 있고, 이에 의해 흡수장치 타워(132)의 상이한 레벨들로의 슬러리(148') 흐름을 제어할 수 있다. MPCC(1500)는 또한 현재의 펌프 배열 및 현재 펌프 부하값들(1515A-1515C)에 기초하여 펌프들(133A-133C)의 현재 전력 소비를 계산할 수 있고, 덧붙여, 계산된 전력 소비 및 현재 단위 전력 비용(1906)에 기초하여 펌프들에 대한 현재의 운영 비용을 계산할 수 있다.
MPCC(1500)는 바람직하게는, 펌프들(133A-133C)의 가용한 추가 용량을 결정하기 위해 동적 제어 모델(870)에 따라서 현재 펌프 상태값들(1512A-1512C) 및 현재 펌프 부하값들(1515A-1515C)에 기초하여, 예측 로직을 실행하도록 구성된다. 그 후, MPCC(1500)는 결정된 가용한 추가 펌프 용량의 양에 기초하여, 펌프들의 동작을 조정함으로써 예컨대, 펌프의 배열을 변화시키기 위해 펌프를 턴온시키거나 또는 펌프의 전력을 증가시킴으로써 제거될 수 있는 추가적인 SO2의 양을 결정한다.
제거를 위해 이용가능한 추가적인 SO2 양의 결정
전술된 바와 같이, 센서(188)에 의해 검출된, 측정된 유입 SO2 혼합물(189)에 부가하여, 발전 시스템(PGS)(110)의 부하(1509)는 바람직하게는 부하 센서(1508)에 의해 검출되고, 또한 측정된 파라미터로서 MPCC(1500)에 입력된다. PGS 부하(1509)는 예를 들어, 발전 시스템(110)에 의해 생성되는 전력의 양 또는 소비되는 석탄의 BTUs의 측정을 나타낼 수 있다. 그러나, PGS 부하(1509)는 또한 예컨대, WFGD 서브시스템(130')으로 들어가는 유입 연도 가스의 양에 합리적으로 대응하는 석탄 연소 발전 시스템 또는 프로세스의 몇몇 파라미터와 같은 다른 파라미터 측정이 논리적으로 유입 연도 가스 부하에 대응한다면, 발전 시스템(110) 또는 관련된 발전 프로세스의 다른 파라미터를 나타낼 수 있다.
MPCC(1500)는 바람직하게는 PGS 부하(1509)에 대응하는 흡수장치 타워에서의 유입 연도 가스 부하 즉, 유입 연도 가스(114)의 부피 또는 질량을 결정하기 위해 동적 제어 모델(870)에 따라 예측 로직(850)을 실행하도록 구성된다. MPCC(1500)는 예를 들어, PGS 부하(1509)에 기초하여 흡수장치 타워(132)에서의 유입 연도 가스 부하를 산출할 수 있다. 택일적으로, PGS 부하(1509)는 자체로 유입 연도 가스 부하로 기능할 수 있으며, 이 경우에서 어떠한 계산도 불필요하다. 어떤 경우에서든, MPCC(1500)는 그 후, 측정된 유입 SO2 혼합물(189), 유입 연도 가스 부하, 및 측정된 유출 SO2(1505)에 기초하여 연도 가스(114)로부터의 제거에 이용할 수 있는 추가적인 SO2의 양을 결정할 것이다.
원한다면, 유입 연도 가스 부하는 직접적으로 측정되어 MPCC(1500)로 입력될 수 있다는 것을 이해해야 한다. 즉, 흡수장치 타워(132)로 향하는 유입 연도 가스(114)의 부피 또는 질량의 실제 측정은 선택적으로 흡수장치 타워(132)의 센서(미도시)가 위치된 업스트림 및 다른 APC 서브시스템들(122)의 다운스트림에 의해 감지되고, MPCC(1500)로 공급될 수 있다. 이 경우, MPCC(1500)는 PGS 부하(1509)에 대응하는 유입 연도 가스 부하를 결정할 필요가 없다.
일시적 및 롤링 평균 SO2 제거 제약조건들
도 12를 참조하여 설명된 바와 같이, 프로세스 이력 데이터베이스(1210)는 예컨대, 도 8을 참조하여 설명된 것과 같은 SO2 방출 이력 데이터베이스(890)를 포함한다. 프로세스 이력 데이터베이스(1210)는 MPCC(1500)에 상호연결된다. MPCC(1500)는 예컨대 도 8에 도시된 유형일 수 있고, 또는 도 10에 도시된 2층 제어기와 같은 다층 타입 제어기일 수 있다는 것을 이해해야 한다.
SO2 방출 이력 데이터베이스(890)는 SO2 혼합물의 관점뿐만 아니라, 마지막 롤링 평균 기간에 걸쳐 방출된 SO2의 무게의 관점에서 SO2 방출들을 나타내는 데이터를 저장한다. 따라서, 프로세스 이력 데이터베이스(1210)에 상호연결함으로써, SO2 분석기(1504)로부터 입력된 측정된 유출 SO2(1505)를 통해 현재 SO2 방출들을 나타내는 정보에 액세스하는 것에 부가하여, MPCC(1500)는 또한 SO2 방출들 즉, SO2 방출들 이력 데이터베이스(890)를 통해 마지막 롤링-평균 시간 윈도우에 걸쳐 측정 된 유출 SO2를 나타내는 이력 정보에 액세스한다. 현재 SO2 방출들이 단일의 값에 대응하더라도, 마지막 롤링-평균 시간 윈도우에 걸친 SO2 방출들은 적용가능한 시간 기간에 걸친 SO2 방출들의 동적 움직임에 대응한다는 것을 이해할 수 있을 것이다.
부가적인 SO2 산화 용량의 가용성 결정
도 19에 도시되고 전술된 바와 같이, MPCC(1500)의 입력은 다음 것들의 측정된 값들이다: (1) 유출 SO2(1505), (2) 결정화기(134)에 들어가는 산화 공기의 양에 대응하는 측정된 송풍기 부하(1502), (3) 슬러리 펌프 상태값들(1512) 즉, 펌프 배열, 및 흡수장치 타워(132)로 흐르는 석회석 슬러리의 양에 대응하는 슬러리 펌프 부하값들(1515), (4) 흡수장치 타워(132)로 흐르는 슬러리의 측정된 pH(183). MPCC(1500)의 추가적인 입력은 다음에 관한 제한 요건들이다: (1) 석고 부산물(160')의 순도(1924), (2) 석회석의 블라인딩을 피하고 충분한 산화를 보장하기 위해 필요한 슬러리 내에 용해된 O2의 양에 대응하는, 결정화기(134) 내에서 슬러리에 용해된 O2(1926), 및 (3) WFGD 서브시스템(130')을 빠져나가는 연도 가스(116') 내의 유출 SO2(1922). 오늘날, 유출 SO2 인가 요건(1922)은 전형적으로 일시적인 SO2 방출들 및 롤링 평균 SO2 방출들 모두에 대한 제약조건들을 포함할 것이다. 또한, MPCC(1500)의 입력은 다음을 포함하는 비(non)-프로세스 입력들이다: (1) 단위 전력 비용(1906) 예컨대, 전기 단위당 비용, 및 (2) 규제 신용이 팔리는 가치를 나타내는 현재 및/또는 기대되는 SO2 신용 가치의 값(1904). 또한, MPCC(1500)는 (1) 석고 부산물(160')의 현재 순도(1932), (2) 결정화기(134) 내에서 슬러리에 용해된 O2(1934), 및 (3) 흡수장치 타워(132)로 흐르는 슬러리의 pH(1936)의 평가를 산출한다.
동적 제어 로직에 따라 예측 로직을 실행하는 MPCC(1500)는 이들 파라미터들을 처리하여 흡수장치 타워(132)에서 슬러리에 의해 반응하는 SO2의 양을 결정한다. 이 결정에 기초하여, MPCC(1500)는 다음으로, 황산칼슘을 형성하는 아황산칼슘의 산화를 위해 결정화기(134)내의 슬러리에서 가용한 미-용해된 O2의 양을 결정할 수 있다.
추가의 가용 용량을 사용할 것인지의 결정
MPCC(1500)가 추가 용량이 추가 SO2를 흡수 및 산화하는데 가용하고, 제거를 위해 가용한 추가적인 SO2가 있다고 결정하면, MPCC(1500)는 또한 바람직하게는, 연도 가스(114)로부터 추가의 가용한 SO2를 제거하는 동작들을 조정하도록 WFGD 서브시스템(130')을 제어할지의 여부를 결정하기 위해 동적 제어 모델(870)에 따라 예측 로직(850)을 실행하도록 구성된다. 이 결정을 수행한다면, MPCC(1500)는 예를 들어 이러한 SO2 신용들의 생성 및 판매가 WFGD 서브시스템(130') 운영의 수익성을 증가시킬지를 결정할 것이다. 왜냐하면 적용가능한 정부 규제 엔티티에 의해 용인된 운영 인가에 의해 요구되는 것 이상의 즉, 유출 SO2 인가 요건(1922)에 의해 요구되는 것 이상의 추가적인 SO2를 제거하도록 동작들을 수정하고, 얻어진 결과적인 규제 신용들을 판매하는 것이 더욱 이득이 되기 때문이다.
특히, 동적 제어 모델(870)에 따라 예측 로직(850)을 실행하는 MPCC(1500)는 SO2의 제거를 증가시키기 위해 필요한 WFGD 서브시스템(130')의 동작들에서의 필요한 변화들을 결정한다. 이 결정에 기초하여, MPCC(1500)는 또한 얻어지는 결과적인 추가의 규제 신용들의 수를 결정할 것이다. 결정된 동작 변화들 및 혼재 또는 예측되는 전기 비용, 예컨대 단위 전력 비용(1906)에 기초하여, MPCC(1500)는 추가적으로 WFGD 서브시스템(130')에서의 변화들에 의해 요구되는 결과적인 추가의 전기 비용들을 결정할 것이다. 이 나중 결정들 및 현재 또는 기대되는 그러한 신용들의 가치 예컨대, SO2 신용 가치(1904)에 기초하여, MPCC(1500)는 추가의 규제 신용들을 생성하는 비용이 그러한 신용이 팔릴 수 있는 가치보다 큰지를 결정할 것이다.
예를 들어, 신용 가치가 낮다면, 추가의 신용들의 생성 및 판매는 이득이 되지 않을 것이다. 차라리, 적용가능한 정부의 규제 엔티티에 의해 용인된 운영 인가를 충족시키기 위해 필요한 최소의 레벨로 SO2를 제거하는 것이 비용을 최소화할 것이고, 이에 의해 WFGD 서브시스템(130)의 수익성을 최대화할 것이며, 이는 적용가능한 정부의 규제 엔티티에 의해 용인된 운영 인가의 유출 SO2 인가 요건(1922)을 최소로 만족시키도록 요구된 SO2의 양만 제거하는 것이 더욱 이익이 되기 때문이다. 신용들이 이미 WFGD 서브시스템(130') 현재 동작들 하에서 항상 생성되고 있다면, MPCC(1500)는 SO2의 제거를 감소시키고, 따라서 SO2 신용들의 그 이상의 생성을 중지시키기 위하여 WFGD 서브시스템(130')의 동작시의 변화들을 지시할 것이고, 이에 의해 전기 비용들 줄일 수 있고, 따라서 운영 수익률을 높일 수 있다.
동작 우선순위들의 확립
도 19에 도시된 바와 같이, MPCC(1500)는 또한 바람직하게는 비-프로세스 입력(1550)의 또 다른 것으로서 튜닝 인자들(1902)을 수신하도록 설정된다. 동적 제어 모델(870) 및 튜닝 인자들(1902)에 따라 예측 로직(850)을 실행하는 MPCC(1500)는 제어 변수들에 우선순위들, 예컨대 제어 변수들 각각에 대한 각각의 가중치를 설정할 수 있다.
이에 관하여, 바람직하게는, 제약조건들(1555)은 각각의 제약된 파라미터 한계에 대해 요구되는 범위를 적절히 확립할 것이다. 따라서, 예를 들어, 유출 SO2 인가 요건(1922), 석고 순도 요건(1924), 용해된 O2 요건(1926) 및 슬러리 pH 요건(1928)은 각각 상한 및 하한을 가지며, MPCC(1500)는 튜닝 인자들(1902)에 기초하여 범위 내에서 WFGD 서브시스템(130')의 동작들을 유지할 것이다.
미래
WFGD
프로세스의 평가
동적 프로세스 모델(870)에 따라 예측 로직(850)을 실행하는 MPCC(1500)는 바람직하게 우선, 전술된 바와 같은, 프로세스 실행들의 현재 상태를 평가한다. 그러나, 평가는 여기에 멈출 필요는 없다. MPCC(1500)는 또한 바람직하게는 WFGD 서브시스템(130') 동작들에 변화가 없는 경우 프로세스 실행들이 어디로 이동하는지를 평가하기 위해 동적 프로세스 모델(870)에 따라 예측 로직(850)을 실행하도록 구성된다.
더욱 상세하게는, MPCC(1500)는 동적 제어 모델(870) 및 프로세스 이력 데이터베이스(1210)에 저장된 이력 프로세스 데이터 내의 관계에 기초하여 프로세스 실행들의 미래 상태를 평가한다. 이력 프로세스 데이터는, 어떤 미리 정의된 기간에 걸쳐 WFGD 프로세스 내에서 이전에 발생했던 것을 나타내는 다른 데이터뿐만 아니라, SO2 이력 데이터베이스 내의 데이터를 포함한다. 이 평가의 일부로서, MPCC(1500)는 WFGD 서브시스템(130')이 동작하고 있는 현재 경로를 결정하고, 따라서 동작들에 어떤 변화도 없다면 다양한 파라미터들의 미래 값은 WFGD 프로세스에 연관된다.
이 기술 분야의 숙련자에 의해 이해된느 바와 같이, MPCC(1500)는 바람직하게, 전술된 것과 유사한 방식으로, 추가 SO2 흡수 용량의 가용성, 제거에 가용한 SO2의 추가적인 양, 추가의 SO2 산화 용량의 가용성, 및 결정된 미래 파라미터 값들에 기초하여 추가의 가용한 용량의 적용 여부를 결정한다.
WFGD
서브시스템 동작들에 대한 동작 전략의 구현
MPCC(1500)는 기초적인 프로세스 모델에 영향을 주지 않고 복수의 동작 전략들을 구현하고, 프로세스 모델에서의 제어 관계들을 처리하는 플랫폼으로서 이용될 수 있다. MPCC(1500)는 목적 함수를 이용하여 동작 목표들을 결정한다. 목적 함수는 프로세스 모델에서의 관계들에 대하여 프로세스에 대한 정보를 포함하나, 그것은 또한 튜닝 인자들 또는 가중치들을 포함한다. 목적 함수에서 나타내어진 프로세스 관계들이 프로세스 모델을 통해 고정된다. 튜닝 인자들은 제어기의 각각의 실행 전에 조정될 수 있다. 프로세스 한계들 또는 제약조건들 하에서, 제어기 알고리즘은 목적 함수의 값을 최대화 또는 최소화하여 목적 함수의 최적 값을 결정할 수 있다. 프로세스 값들에 대한 최적의 동작 목표들은 최적의 솔루션으로부터 목적 함수까지 제어기에 가용하다. 목적 함수에서 튜닝 인자들 또는 가중치들을 조정함으로써, 목적 함수 값과 최적의 솔루션을 변경할 수 있다. 목적 함수 튜닝 상수들을 설정하기 위하여 적절한 기준 또는 전략을 적용함으로써 MPCC(1500)을 이용하는 상이한 동작 전략들을 구현하는 것이 가능하다. 보다 일반적인 동작 전략들 중 일부는 다음을 포함할 것이다:
* 자산 최적화(이익 최대화/비용 최소화)
* 오염물 제거의 최대화
* 제어 문제에서 다루어진 변수들의 이동 최소화
WFGD
서브시스템 동작들의 최적화
원하는 동작 기준 및 적절히 튜닝된 목적 함수 및 튜닝 인자들(1902)에 기초하여, MPCC(1500)는 동적 프로세스 모델(870)에 따라서 그리고 적절한 입력 또는 계산된 파라미터들에 기초하여 예측 로직(850)을 실행하여, 먼저 WFGD 서브시스템(130')에 대한 장시간 동작 목표들을 확립한다. 다음으로 MPCC(1500)는 다루어지고 제어된 변수들에 대해, 프로세스들 변수들의 현재 상태로부터의 최적의 코스 예컨대, 최적의 궤적들 및 경로들을 이들 프로세스 변수들에 대한 각각의 확립된 장시간 동작 목표들에 맵핑한다. MPCC(1500)는 다음으로 제어 명령들을 생성하여 WFGD 서브시스템(130') 동작들을 확립된 장시간 동작 목표들 및 최적의 코스 맵핑에 따라 수정한다. 마지막으로, 제어 생성기 로직(860)을 실행하는 MPCC(1500)는 제어 명령들에 기초하여 제어 신호들을 생성 및 WFGD 서브시스템(130')에 전달한다.
따라서, MPCC(1500)는 동적 제어 모델(870)과 현재의 측정된 및 계산된 파라미터 데이터에 따라, 원하는 목표 정상 상태를 결정하기 위해 현재의 전기 비용들 또는 규제 신용 가치에 기초하여 선택하는 것과 같이, 선택된 목적 함수에 기초하여 WFGD 서브시스템(130') 동작들의 제 1 최적화를 수행한다. 그 후, MPCC(1500)는 동적 제어 모델(870) 및 프로세스 이력 데이터에 따라 WFGD 서브시스템(130') 동작들의 제 2 최적화를 수행하여 프로세스 변수들이 현재의 상태로부터 원하는 목표 정상 상태로 이동하는 동적 경로를 결정한다. 유리하게, MPCC(1500)에 의해 실행되는 예측 로직은 MPCC(1500)에 의한 WFGD 서브시스템(130') 동작들의 제어를 용이하게 하는 경로를 결정하여, 각각의 프로세스 변수의 원하는 목표 상태와 동적 경로 를 따르는 모든 지점에서의 각각의 프로세스 변수의 실제 현재 상태 사이의 에러 또는 오프셋을 최소화하면서도, 각각의 프로세스 변수의 원하는 목표 상태로 실제적으로 빠르게 프로세스 변수들을 이동시킨다.
따라서, MPCC(1500)는 프로세스 변수들이 T0에서의 현재 상태로부터 Tss에서의 목표 정상 상태로 이동하고 있는 기간 동안, 현재 순간의 시간(T0)에 대해서뿐만 아니라, 다른 모든 순간의 시간에 대한 제어 문제를 해결한다. 이것은 현재 상태로부터 목표 정상 상태에 이르는 전체 경로의 이동 전체에 걸쳐 프로세스 변수들의 이동이 최적화되도록 한다. 이것은 종래의 WFGD 제어기들 예컨대, 배경기술에서 이미 언급된 PID를 이용하는 프로세스 파라미터들의 이동들과 비교될 때 추가의 안정성을 제공한다.
WFGD 서브시스템의 최적화된 제어는, 프로세서 관계들이 동적 제어 모델(870)에 포함되고, 목적 함수 또는 비(non)-프로세스 입력들의 변화, 예컨대 경제적 입력들 또는 변수들의 튜닝이 이 관계들에 영향을 주지 않기 때문에 가능하다. 따라서, 동적 제어 모델이 인증되었다면, 프로세스 레벨의 추가적인 고려없이, 상이한 비-프로세스 조건들을 포함하는, 상이한 조건들 하에서 MPCC(1500)가 WFGD 서브시스템(130')을 제어하는 방법을 조종 및 변경하는 것이 가능하다.
다시 도 15A 및 19를 참조하면, WFGD 서브시브템(130')의 제어의 예들이 SO2 신용들을 최대화하는 목적 함수에 대해서 및 WFGD 서브시스템 동작들의 수익성을 최대화하거나 또는 손실을 최소화하는 목적 함수에 대해 기술될 것이다. 다른 동작 시나리오들에 대해 튜닝 인자들을 생성함으로써, WFGD 서브시스템에서의 다른 제어가능한 파라미터들을 최적화, 최대화, 또는 최소화하는 것이 가능하다.
SO2 신용들의 최대화
SO2 신용들을 최대화하기 위해, MPCC(1500)는 SO2 신용들을 최대화하도록 구성된 튜닝 상수들을 갖는 목적 함수를 가진 동적 제어 모델(870)에 따라 예측 로직(850)을 실행한다. WFGD 프로세스 관점으로부터 SO2 신용들을 최대화하는 것은 SO2의 복구가 최대화되는 것을 요구한다는 것을 이해할 수 있을 것이다.
목적 함수에 들어가는 튜닝 상수들은, 목적 함수가 SO2 방출들에 관해 다루어진 변수들에서의 변화의 영향들을 서로 균형있게 하도록 한다.
최적화의 궁극적인 결과는 MPCC(1500)가 다음을 증가시킨다는 것이다:
* 슬러리 pH 설정값(186')을 증가시켜 SO2 제거, 및
* 복구되고 있는 추가의 SO2를 보상하는 송풍기 산화 공기(154')의 증가
* 다음에 관한 제약사항들에 대한 영향:
* 석고 순도 제약사항(1924)에 대한 하한. 이것은 일반적으로 석고 순도 요건(1924) 내에서 석고 순도의 허용가능한 최저의 한계 이상의 안정성의 약간의 마진을 제공하는 값이라는 것을 이해할 수 있을 것이다.
* 요구된 산화 공기(154')에 대한 하한, 및
* 산화 공기 송풍기(150)의 최대 용량.
덧붙여, MPCC(1500)가 펌프(133) 배열을 조정하도록 허용된다면, MPCC(1500)는 펌프(133) 배열 및 부하에 관한 제약조건들 하에서 슬러리 순환 및 효과적인 슬러리 높이를 최대화할 것이다.
이런 동작 시나리오 하에서, MPCC(1500)는 SO2 신용들을 생성하기 위해 SO2 제거를 증가시키는데 전적으로 초점을 둘 것이다. MPCC(1500)는 석고 순도(1924) 및 산화 공기 요건들과 같은 프로세스 제약조건들을 존중할 것이다. 그러나, 이 시나리오는 전력의 비용/값 대 SO2 신용들의 가치 사이의 균형을 제공하지 않는다. 이 시나리오는 SO2 신용들의 가치가 전력의 비용/가치를 훨씬 초과할 때 적절할 것이다.
수익성 최대화 또는 손실 최소화
MPCC(1500)에서의 목적 함수는 수익성을 최대화하거나 손실을 최소화하도록 구성될 수 있다. 이 동작 시나리오는 "자산 최적화" 시나리오라 부를 수 있다. 이 시나리오는 또한 전력, SO2 신용들, 석회석, 석고, 및 유기산과 같은 임의의 첨가물들에 대한 정확하고 최신의 비용/가치 정보를 요구한다.
제어기 모델에서 변수들 각각과 연관된 비용/가치 인자들이 목적 함수에 들어간다. 다음, MPCC(1500)에서의 목적 함수는 비용을 최소화하고 이익을 최대화하는 것에 관련된다. 이익이 음의 비용으로 정의된다면, 비용/이익은 목적 함수가 최 소화하는 연속 함수가 된다.
이 시나리오 하에서, 목적 함수는 추가의 SO2 신용을 생성하는 것의 마지널(marginal) 가치가 그 신용을 생성하는 것의 주변 비용과 같은 점에서 최소 비용 동작을 식별할 것이다. 목적 함수는 제약된 최적화이고, 따라서 최소화 비용 솔루션은 다음에 관한 제약조건들에 종속될 것이라는 것을 주의해야 한다:
* 최소 SO2 제거(방출 인가들/목표들에 순응)
* 최소 석고 순도,
* 최소 산화 공기 요건,
* 최대 송풍기 부하,
* 펌프 배열 및 부하 제한들,
* 첨가물 제한들,
이 동작 시나리오는 전기의 가치/비용과 SO2 신용들의 가치/비용에서의 변화들에 민감할 것이다. 최대 수익을 위해, 이들 비용 인자들은 실시간으로 업데이트되어야 한다.
예를 들어, 비용 인자들이 제어기(1500A) 각각의 실행 전에 업데이트된다고 가정하면, 하루 동안 전기 수요가 증가할 때, 생성되는 전력의 스팟 값(spot value)이 또한 증가한다. 유틸리티가 이 스팟 값에서 추가의 전력을 판매하는 것이 가능하고, SO2 신용들의 값이 본질적으로 현재 순간에 고정된다고 가정하면, 최소의 SO2 제거를 유지하는 동안 펌프들(133) 및 송풍기(150)로부터의 전력을 그리드(grid)로 이동시키는 방법이 있는 경우, 추가의 전력을 그리드에 제공할 상당한 경제적 동기가 있다. MPCC(1500) 목적 함수에서의 전력과 연관된 비용/가치 인자는, 전기의 스팟 값이 변화함에 따라 변할 것이고, 목적 함수는 동작 제약조건들을 만족하나 적은 전력을 사용하는 새로운 솔루션에 도달할 것이다.
역으로, SO2 신용의 스폿 값이 증가하고, 추가의 SO2 신용들에 대한 시장이 있으며, 전력의 비용/가치가 비교적 일정하다면, MPCC(1500)의 목적 함수는 동작 제약조건들 하에서 SO2 제거를 증가시켜 이 변화에 응답할 것이다.
예시적인 시나리오들 모두에서, MPCC(1500)는 모든 동작 제약조건들을 준수하며, 그 후 MPCC(1500)의 목적 함수는 SO2 신용의 주변(marginal) 값이 신용을 생성하는데 요구되는 주변 비용과 같은 최적의 동작점을 찾을 것이다.
실행 불가능한 동작
종종 WFGD 서브시스템(130')에는 실행가능한 솔루션이 없는 제약조건들(1555) 및 동작 조건들의 세트, 측정된 파라미터들(1525) 및 평가된 파라미터들(1560)이 제공될 수 있다는 것이 가능하다; 도 5A 및 5B에 도시된 바와 같은 실행가능한 동작(525)의 영역이 널(null) 공간이다. 이것이 일어날 때, 솔루션은 시스템상의 모든 제약조건들(1555)을 만족시키지는 못할 것이다. 이 상황은 "실행 불가능한 동작"이라고 정의할 수 있는데, 시스템에 관한 제약조건들을 만족시키는 것 이 실행 불가능하기 때문이다.
실행 불가능한 동작은 WFGD의 능력 이상의 동작, WFGD 또는 WFGD의 업스트림에서의 프로세스 이상(upset)의 결과일 것이다. 그것은 또한 WFGD 및 MPCC(1500) 시스템에 관한 지나치게 엄격한, 부적절한, 및/또는 부정확한 제약조건들(1555)의 결과일 수 있다.
실행 불가능한 동작의 기간 동안, MPCC(1500)의 목적 함수는 가중된 에러를 최소화하는 목적에 초점을 맞춘다. 각각의 프로세스 제약조건(1555)은 목적 함수에서 나타난다. 가중 기간(weighting term)이 제어된/목표화된 프로세스 값에 의해 제약 조건 한계의 위배 또는 에러 각각에 인가된다. 제어기(1500A)가 동작하는 동안, 실시 엔지니어(들)는 더욱 중요한 제약조건들을 이행하기 위해 실행 불가능한 동작 기간 동안 최저 가중의 제약조건들에 대해 포기하도록, 에러 가중 조건(terms)에 대한 적절한 값들을 선택한다.
예를 들어, WFGD 서브시스템(130')에서, 유출 SO2(1505)에 연관된 규제 인가 제한들 및 석고 순도(1506)에 연관된 판매 사양이 있다. SO2 방출 인가의 위배는 과태료 및 다른 주요 파생 효과들을 야기한다. 석고 순도 판매 사양의 위배는 석고 제품의 등급 하락 또는 재-혼합을 요구한다. 물건의 등급을 낮추는 것은 바라는 옵션은 아니지만, 방출 인가의 위반보다는 발전소의 운영 생존에 적은 영향을 미친다. 따라서, 튜닝 인자들은 SO2 방출 제한에 관한 제약조건이 석고 순도에 관한 제약조건보다 더 중요하고 더 높은 가중치를 갖도록 설정될 것이다. 이러한 튜닝 인 자들과 함께, 실행 불가능한 동작의 기간들 동안, MPCC(1500)의 목적 함수는 편파적으로 SO2 방출들을 SO2 방출 제한에서 또는 그 이하로 유지할 것이고, 석고 순도 제약조건을 위반할 것이다; MPCC(1500)는 석고 순도 제약조건의 위반을 최소화하지만 그것은 더욱 중요한 방출 제한을 유지하기 위하여 실행불가능성을 이 변수로 옮길 것이다.
운영자들에게 제어 결정들을 통지
MPCC(1500)는 또한 바람직하게는 특정 MPCC(1500) 결정들으 ㅣ통지를 운영자들에게 제공하도록 구성된다. 여기에서 또한, 예측 로직(850), 동적 제어 모델(870), 또는 다른 프로그래밍이 MPCC(1500)가 이러한 통지를 제공하도록 구성하는데 이용될 수 있다. 예를 들어, MPCC는 알람 소리 또는 텍스트 또는 이미지 디스플레이의 프리젠테이션을 제공하여, 운영자들 또는 다른 사용자들이 MPCC(1500)의 특정 결정들 예컨대, SO2 신용들이 매우 비싸기 때문에 유지하는 석고 품질은 특정 시간에 낮은 우선순위를 가진다는 결정을 알 수 있도록 한다.
WFGD
요약
요약하면, 전술한 바와 같이, WFGD 프로세스를 위한 최적화-기반 제어가 설명되었다. 이 제어는 프로세스 피드백을 사용하여 업데이트 되는 다-입력, 다-출력 모델의 최적화에 기초하여, 실시간으로 WFGD 프로세스를 위한 설정값들의 조종을 용이하게 하다. 최적화는 프로세스에 대하 다수의 목적들 및 제약조건들을 고려할 수 있다. 이러한 제어 없이, 운영자는 WFGD에 대한 설정값을 결정해야 한다. 프로세스의 복잡성으로 인해, 운영자는 종종 복수의 제약조건들 및 목적들을 조화시키기 위해 차선의 설정값들을 선택한다. 차선의 설정값/동작은 제거 효율을 떨어뜨리고, 더 높은 동작 비용들 및 품질 제약조건들의 잠재적 위반을 초래한다.
또한 위에서는 석고 순도에 대한 가상 온-라인 분석이 설명되었다. 분석은 측정된 프로세스 변수들, 실험 분석 및 석고 순도에 대한 동적 평가 모델을 사용하여 WFGD 프로세스에 의해 생성된 석고 부산물의 순도의 온-라인 평가를 계산한다. WFGD 처리에 의해 생성된 석고 순도를 위한 온-라인 센서들은 종래에 이용가능하지 않으므로, 석고 순도를 결정하기 위해서는 오프-라인 실험 분석이 전형적으로 사용된다. 그러나 석고 순도는 단지 가끔 테스트 되고, 일반적으로 석고 명세에서 설정되는 순도는 제약조건을 넘어서 유지되어야 하기 때문에, 프로세스 운영자들은 종종 석고 순도가 요구되는 제약조건을 충분히 넘어서도록 하는 WFGD 프로세스를 위한 설정값들을 사용한다. 이것은 이번에는 SO2 제거 효율의 희생 및/또는 WFGD 서브시스템에 의한 불필요한 전력 소비를 초래한다. 석고 순도 온-라인 평가에 의해, WFGD 프로세스에 대한 설정값들은 석고 제약조건에 근접하는 석고 순도를 보증하기 위해 제어될 수 있고, 따라서, 증가된 SO2 제거 효율을 촉진한다.
전술한 바와 같이, 석고 순도의 가상 온-라인 분석은 제어 루프에서 실행되고, 모델 예측 제어(MPC)가 사용되는지 PID 제어가 사용되든지 여부에 상관없이, 따라서 평가들이 피드백 제어에 포함되도록 한다. 제어 루프에 피드백을 제공함으로써, SO2 제거 효율은 적용 가능한 순도 제약조건에 가까운 순도를 갖는 석고를 생산하기 위해 동작할 때 증가될 수 있다.
추가로 전술한 것은 동작 비용들에 대한 가상 온-라인 분석이다. 전술한 바와 같이, 분석은 WFGD 프로세스의 동작 비용들을 온-라인에서 계산하기 위해 현재의 시장 가격 데이터뿐만 아니라 WFGD 프로세스 데이터 또한 사용한다. 전형적으로, 운영자는 WFGD 프로세스를 동작하는 현재의 비용을 계산하지 않는다. 그러나, 그러한 비용을 온-라인에서 계산함으로써, 운영자들은 예컨대, 동작 비용상에서의 설정값들의 변경과 같은 프로세스 변경들의 효과들을 추적할 능력을 가지게 된다.
또한 제어 루프에서 동작 비용의 가상 온-라인 분석의 실행이 상술되었고, 따라서 MPC가 사용되든지 PID가 사용되는지에 상관없이, 추정들이 피드백 제어에 포함되도록 한다. 이 피드백 제어는 따라서 동작 비용들을 최소화하도록 실행될 수 있다.
또한 전술한 것은 최대 SO2 제거 효율, 최소 동작 비용들 및/또는 제약조건을 넘는 원하는 석고 순도를 위한 WFGD 프로세스의 동작을 최적화하기 위해 MPC 제어를 적용하기 위한 기술이다. 그러한 제어는 전술한 바와 같이, 석고 순도 및/또는 피드백 루프 내의 동작 비용의 가상 분석을 이용할 것이고, 예컨대 SO2 제거 효율 및/또는 WFGD 프로세스에 대한 동작 비용들의 자동 최적화를 가능하도록 한다.
선택적인 파라미터들뿐만 아니라 필요한 파라미터들이 설명되었다. 개시된 변수들을 가지고, 당업자라면 예컨대 WFGD 프로세스의 동작을 최적화하기 위해 WFGD 프로세스를 제어하는 MPCC(1550)에 의해 차례로 이용될 수 있는, 적용 가능한 WFGD 프로세스의 적절한 모델을 개발하기 위해 일반적인 방법에서 잘 알려진 기술을 적용할 수 있다. 석고 순도, SO2 제거 효율 및/또는 동작 비용들뿐만 아니라 다양한 다른 인자들에 대한 모델들이 개발될 수 있다. 종래의 MPC 및/또는 다른 로직은, WFGD 프로세스를 최적화하기 위해 여기서 설명한 원리들, 시스템들 및 프로세스들에 따라, 개발된 WFGD 프로세스 모델들에 기초하여 실행될 수 있다. 따라서, 예컨대 단일-입력/단일-출력 구조들에 제한되고 프로세스 모델들보다는 프로세스 피드백에 엄격하게 의존하는 PID들을 사용하는 WFGD 프로세스들의 종래의 제어의 제한들이 극복된다. 피드백 루프에 모델들을 포함함으로써, WFGD 프로세스 제어는 예를 들어, 이전에 가능했던 것보다 낮은 변화성을 갖는 제약조건들에 더 가까운 동작들을 유지하기 위해 훨씬 더 향상될 수 있다.
WFGD 프로세스를 위한 신경망 기반 모델들의 애플리케이션은 또한 프로세스 제어 및 WFGD 프로세스의 가상 온-라인 분석의 관점에서 설명되어 있다. 전술한 바와 같이, WFGD 프로세스의 입력 대 출력 관계들은 비선형 관계를 보여주고 있으며, 따라서 비선형 모델을 사용하는 것을 유리하게 하는데, 이는 그러한 모델이 프로세스의 비선형성을 잘 표현할 것이기 때문이다. 더욱이, WFGD 프로세스로부터 경험적 데이터를 사용하여 유도된 다른 모델들의 개발이 또한 설명되어 있다.
WFGD 프로세스의 제어 및 가상 분석을 위한 결합 모델의 애플리케이션은 제 1 원리들 및 경험적 프로세스 데이터 모두를 고려한 것으로, 또한 전술되었다. WFGD 프로세스의 일부 요소들이 잘 이해되고, 제 1 원리 모델들을 사용하여 모델링되는 반면, 다른 요소들은 그다지 잘 이해되지 않으며, 따라서 역사적 경험적 프로세스 데이터를 사용하여 가장 편리하게 모델링 된다. 제 1 원리들 및 경험적 프로세스 데이터의 결합을 사용함으로써, 정확한 모델이 프로세스의 모든 요소들을 단계를 나누어 테스트할 필요 없이 신속하게 개발될 수 있다.
WFGD 프로세스에서 사용된 센서 측정들을 검증하기 위한 기술이 또한 상세히 전술되어 있다. 전술한 바와 같이, 비-검증된 측정들은 대체될 수 있고, 따라서 WFGD 프로세스의 부정확한 센서 측정들을 일으키는 부적절한 제어를 피할 수 있다. 불량한 측정들을 검증 및 대체함으로써, WFGD 프로세스는 정확한 프로세스 값들에 기초하여 계속적으로 동작될 수 있다.
롤링 방출들의 제어가 또한 상세히 전술되어 있다. 따라서, 본 개시의 관점에서, WFGD 프로세스는 프로세스에 대한 하나 이상의 복수의 롤링 방출들 평균이 적절히 유지될 수 있도록 제어될 수 있다. MPC는 프로세스를 제어하기 위해 하나의 제어기 또는 복수의 직렬 제어기들을 사용하여 구현될 수 있다. 전술한 기술을 사용하여, WFGD 프로세스는 제어될 수 있고, 따라서 예컨대 복수의 롤링 평균들이 동시에 고려되고 유지될 뿐만 아니라 동시에 동작 비용들이 최소화된다.
SCR 서브시스템 구조(SCR Subsystem Architecture):
MPCC의 애플리케이션으로부터 SCR로의 주요부분들(highlights)은 다른 환경 들 및 구현들에 대한 본 발명의 유용성을 증명하기 위해 설명될 것이다. SCR에 대한 주요 제어 목적들은 다음을 포함한다:
＊ NOx 제거 - 규제 순응 또는 자산 최적화 중 어느 하나를 위한 목적,
＊ 암모니아 슬립(ammonia slip)의 제어, 및
＊ 최소 비용 동작 - SCR 촉매 및 암모니아 사용의 관리.
또 다시, WFGD와 함께 논의된 것과 유사한 측정 및 제어 방법론이 이용될 수 있다:
측정: 논의한 바와 같이, 암모니아 슬립은 자주 측정되지 않는 중요한 제어변수이다. 만약, 암모니아 슬립의 직접 측정이 없다면, 주입구 및 배출구 NOx 측정들(2112 및 2111) 및 SCR(2012)로 흐르는 암모니아로부터 암모니아 슬립을 계산하는 것이 가능하다. 정확하고 반복 가능한 측정들을 요구하고, 큰 수들 간의 작은 차이들이 평가하는 것이 수반되기 때문에, 이 계산의 정확성은 의심된다. 암모니아 슬립의 직접적 측정 없이, 보다 고성능(higher fidelity) 암모니아 슬립 평가를 생성하기 위해 암모니아 슬립의 직접적 계산에 더해서 가상 온-라인 분석기 기술들이 사용된다.
VOA에서 제 1 단계는 SCR 촉매에 걸쳐 촉매 지수(반응 계수) 및 공간 속도 상관 분산(space velocity correlation variance: SVCV)를 평가한다. 이것들은 주입구 연도 가스 흐름, 온도, 촉매의 총 동작시간, 및 주입구 NOx 및 배출구 NOx 의 양을 사용하여 계산된다. 촉매 지수 및 SVCV의 계산 모두는 다수의 샘플들에 걸쳐 시간 평균된다. 촉매 지수는 천천히 변경되고, 따라서 많은 데이터 포인트들은 지수를 계산하는데 사용되지만, 반면 SVCV는 더 자주 변경되며, 따라서 비교적 데이터 포인트들이 SVCV를 계산하는데 사용된다. 촉매 지수(반응 계수), 공간 속도 상관 분산(SVCV), 및 주입구 NOx는 주어지고, 암모니아 슬립의 평가는 도 9에 도시된 기술을 사용하여 계산된다.
만약, 암모니아 슬립 하드웨어 센서가 이용 가능하다면, 그러한 센서로부터 프로세스 모델로의 피드백 루프가 자동으로 VOA로 바이어스(bias) 하는데 사용될 것이다. VOA는 하드웨어 센서의 전형적인 잡음 출력 신호를 상당히 감소시키는데 사용될 것이다.
마지막으로, SCR의 동작 비용에 대한 가상 온-라인 분석기가 사용될 수 있음을 주의해야 한다. 이전 부분에서 개설한 바와 같이, 동작 비용들에 대한 모델은 제 1 원리들로부터 개발된다. 동작 비용들은 가상 온-라인 분석기를 사용하여 온-라인 상에서 계산될 수 있다 - 다시, 도 9에 도시된 기술은 VOA를 위해 사용된다.
제어 : MPCC는 제어 목적들을 달성하기 위해 SCR 제어 문제에 적용된다. 도 22는 SCR MPCC(2500)에 대한 MPCC 구조를 보여주는 도 8과 유사하다. 도 8과의 유사성으로 인해, 도 22의 상세한 설명은 필요하지 않으며, MPCC(2500)는 전술한 도 8의 논의로부터 이해될 수 있을 것이다. 도 23A는 SCR 서브시스템(2170')에 대한 MPCC(2500)의 애플리케이션을 보여주고 있다. SCR 서브시스템(2170') 규제 제어 방식에 가장 큰 변경은 도 20에 각각 도시된, NOx 제거 PID 제어기(2020) 및 부하 피드포워드 제어기(2220)의 기능이 MPCC(2500)로 대체된다는 것이다. MPCC(2500)는 직접적으로 암모니아 흐름 제어기(들)(PID(2010))에 의한 사용을 위한 암모니아 흐름 SP(2021A')를 계산한다.
MPCC(2500)는 NOx 제거 효율 및 암모니아 슬립을 제어하기 위해 하나 이상을 암모니아 흐름을 조정할 수 있다. NOx 제어 효율 및 암모니아 프로파일 정보를 구축하기 위해 주입구 및 배출구 NOx 분석기들(2003,2004) 및 암모니아 분석기(2610)로부터의 암모니아 슬립 측정(2611)을 갖는 충분한 측정값들이 제공된다면, MPCC(2500)는 전체 또는 평균 NOx 제거 효율 및 암모니아 슬립 및 또한 프로파일 값들을 제어할 것이다. NOx 제거 효율 및 암모니아 슬립 프로파일에서 복수의 값들의 통합 제어(Coordinated control)는 평균 프로세스 값들 주변의 변화(variability)를 상당히 감소시키게 한다. 더 낮은 변화는 시스템 내에서 보다 작은 "핫(hot)" 중단들로 번역된다. 이 프로파일 제어는 적어도 프로파일 측정 및 제어의 어떤 형식을 요구한다-하나 이상의 NOx 주입구, NOx 배출구 및 암모니아 슬립 측정 및 하나 이상의 동적으로 조정 가능한 암모니아 흐름. 필수적인 입력들(측정들) 및 제어 핸들들(암모니아 흐름들) 없이, MPCC(2500)는 프로파일 제어를 구현하고 결과적인 이익들을 획득할 수 없다는 것을 인식해야 한다.
MPCC(2500)의 관점에서, 프로파일 제어와 연관된 추가적인 변수들은 제어기의 크기를 증가시키지만, 전체적인 제어 방법론, 방식, 및 목적들은 변경되지 않는다. 따라서, 앞으로 논의될 사항은 프로파일 제어 없이 SCR 서브시스템의 제어를 고려할 것이다.
도 23B는 MPCC(2500)의 개요를 도시한다.
SCR 서브시스템 동작들의 최적화
원하는 동작 기준 및 적절히 튜닝된 목적 함수 및 튜닝된 요소들(2902)에 기초하여, MPCC(2500)는 동적 제어 모델(2870)에 따라서 그리고 적절한 입력 또는 계산된 파라미터들에 기초하여, SCR 서브시스템(2170')을 대한 장기간 동작 목표들을 먼저 구축하기 위해, 예측 로직(2850)을 실행할 것이다. 그 다음, MPCC(2500)는 조정되고 제어된 변수들 모두에 대한 프로세스 변수들의 현재의 상태에서, 이들 프로세스 변수들에 대해 각각의 구축된 장기간 동작 타켓들로, 예컨대, 최적 궤도 및 경로들과 같은 최적 코스를 만들 것이다. MPCC(2500)는 다음으로, 구축된 장기간 동작 목표들 및 최적 코스 매핑에 따라 SCR 서브시스템(2170') 동작들을 수정하기 위해 제어 지시어들을 생성한다. 마지막으로, MPCC(2500)는 제어 생성기 로직(2860)을 실행하고, 제어 명령들에 기초하여 제어 신호들을 생성 및 SCR 서브시스템(2170')으로 전달한다.
따라서, MPCC(2500)는 동적 제어 모델 및 현재의 측정 및 계산된 파라미터 데이터에 따라, 현재의 전기 비용들 또는 규제 신용 가격에 기초하여 선택된 하나와 같은 선택된 목적 함수에 기초하여, 원하는 목표 정상 상태를 결정하기 위해, SCR 서브시스템(2170') 동작들의 제 1 최적화를 실행한다. MPCC(2500)는 동적 제어 모델 및 프로세스 이력 데이터에 따라, 그 후 프로세스 변수들을 현재의 상태로부터 원하는 목표 정상 상태로 이동시키기 위한 동적 경로를 결정하기 위해, SCR 서브시스템(2170') 동작들의 제 2 최적화를 실행한다. 유익하게는, MPCC(2500)에 의 해 실행되는 예측 로직은, 동적 경로를 따르는 모든 포인트에서 각 프로세스 변수의 원하는 목표 상태와 각 프로세스 변수의 실제 현재의 상태 간의 에러 또는 오프셋을 최소화하면서, 각각의 프로세스 변수들의 원하는 목표 상태로 실행 가능한 만큼 신속하게 프로세스 변수들을 이동시키기 위해, MPCC(2500)에 의해 SCR 서브시스템(2170') 동작들의 제어를 용이하게 하는 경로를 결정한다.
따라서, MPCC(2500)는 현재 순간의 시간(TO) 동안뿐만 아니라 프로세스 변수들이 TO의 현재의 상태로부터 Tss의 목표 정상 상태로 이동하는 기간 동안의 모든 다른 순간들에도 제어 문제를 해결한다. 이것은 프로세스 변수들의 이동이 현재의 상태에서 목표 정상 상태에 가로지르는 전체 경로 전체에 걸쳐 최적화되는 것을 허용한다. 이것은 전술한 PID와 같은 종래의 SCR 제어기들을 사용하여 프로세스 파라미터들의 이동들을 비교할 때 추가적인 안정성을 차례로 제공한다.
프로세스 관계들이 동적 제어 모델(2870)에서 구현되고, 목적 함수 또는 예컨대 경제적 입력들 또는 변수들의 튜닝 등과 같은 비-프로세스 입력들의 변경이 이들 관계들에 영향을 미치지 않기 때문에, SCR 서브시스템의 최적화된 제어가 가능하다. 따라서, 동적 제어 모델이 검증되면, 프로세스 레벨의 추가적인 고려없이, 상이한 비-프로세스 조건들을 포함하는 상이한 조건들 하에서, MPCC(2500)가 SCR 서브 시스템(2170) 및 SCR 프로세스를 제어하는 방법을 조종 또는 변경하는 것이 가능하다.
다시 도 23A 및 23B를 참조하면, SCR 서브시스템(2170')의 제어의 예들은 NOx 신용들을 최대화하는 목적 함수 및 SCR 서브시스템 동작들의 수익을 최대화하 거나 손실을 최소화하는 목적 함수에 대해 설명될 것이다. 당업자라면, SCR 서브시스템에서, 다른 동작 시나리오를 위한 튜닝 인자들을 생성함으로써, 다른 제어 가능한 파라미터들을 최적화, 최대화, 또는 최소화하는 것이 가능함을 이해할 것이다.
NOx
신용 최대화(Maximizing
NOx
Credits)
NOx 신용을 최대화하기 위해, MPCC(2500)는 NOx 신용을 최대화하도록 설정된 튜닝된 상수값을 가지고 목적 함수을 갖는 동적 제어 모델(2870)에 따라, 예측 로직(2850)을 실행한다. SCR 프로세스의 관점으로부터, NOx 신용의 최대화는 NOx의 복구가 최대화됨을 요구한다는 것이 인지될 것이다.
목적 함수에 입력되는 튜닝 상수들은 목적 함수가 NOx 방출과 관련하여 조정된 변수들의 변경의 효과를 조화시키도록 할 것이다. 최적화의 최종 결과들은 MPCC(2500)가 증가 될 것이라는 것이다:
＊ 제약조건들 하에서 암모니아 흐름 설정값(들)를 증가시킴으로써 NOx 제거:
＊ 최대 암모니아 슬립.
이 동작 시나리오 하에서, MPCC(2500)는 NOx 신용을 생성하기 위해 NOx 제거를 증가시키는데 전체적으로 초점이 맞추어져 있다. MPCC(2500)는 암모니아 슬립에 대한 프로세스 제약조건을 존중할 것이다. 그러나, 이 시나리오는 암모니아 또는 암모니아 슬핍의 비용/값 대 NOx 신용의 값 간의 조화를 제공하지 않는다. 이 시나리오는 NOx 신용의 값이 암모니아 및 암모니아 슬립의 가격/값을 과도하게 초과하는 경우에 적절할 것이다.
수익의 최대화 또는 손실의 최소화
MPCC(2500)에서 목적 함수는 수익을 최대화하거나 손실을 최소화하도록 설정될 수 있다. 이 동작 시나리오는 "자산 최적화" 시나리오라 불릴 수 있다. 이 시나리오는 또한 전기 전력, NOx 신용, 암모니아, 및 다운스트림 장비의 암모니아 스립의 영향에 대한 정확하고 최신의(up-to-date) 비용/값 정보를 요구한다.
제어기 모델에서 각 변수들에 관한 비용/값 인자들이 목적 함수에 입력된다. 그 다음, MPCC(2500)에서 목적 함수는 비용을 최소화하고, 수익을 최대화하는 것에 관한 것이다. 만약 수익이 음의 비용(negative cost)으로 정의된다면, 비용/수익은 목적 함수를 최소화하기 위한 계속적 함수가 된다.
이 시나리오 하에서, 목적 함수는 추가적인 NOx 신용을 생성하는 한계 값(marginal value)이 그 신용을 생성하는 한계 비용(marginal cost)과 동일한 지점에서 최소 비용 동작을 확인할 것이다. 목적 함수는 제한된 최적화이므로, 최소 비용 솔루션은 다음에 대한 제약 조건들에 종속될 것임을 주의해야 한다.
＊ 최소 NOx 제거(방출 허용들/목표들로의 순응을 위한),
＊ 최소 암모니아 슬립,
＊ 암모니아 사용 최소화
이 동작 시나리오는 전기의 값/비용 및 NOx 신용의 값/비용 둘 모두의 변경에 민감할 것이다. 최대 수익을 위해, 이들 비용 인자들은 실-시간으로 업데이트 되어야 한다.
예를 들어, 비용 인자들이 각 제어기 실행 전에 업데이트 된다고 가정하면, 전기 요구량이 하루 동안 증가함에 따라, 생성되는 전기 전력의 스팟 값(spot value) 또한 증가한다. 현재의 순간에서 이 스팟 값 및 NOx 신용 값이 본질적으로 고정되는 지점에서 추가적인 전력을 판매하는 유틸리티가 가능한 것으로 가정하면, 그 후 이것은 공기 예열기를 더 깨끗하게 유지하고 전력 생성을 보다 효율적으로 하기 때문에, 암모니아 슬립을 최소화하기 위한 중요한 동기가 존재한다. 그리드에 추가적인 전력을 공급하기 위한 중요한 경제적 동기가 또한 존재한다. MPCC(2500) 목적 함수에서 전기 전력과 관련된 비용/값 인자는 전기의 스팟 값이 변할 때 변경될 것이고, 목적 함수는 적은 전기 전력을 사용하지만 동작 제약조건들에 부합하는 새로운 솔루션에 도달할 것이다.
반대로, 만약 NOx 신용의 스팟 값이 증가하면, 추가적인 NOx 신용을 위한 시장이 존재하게 되고, 전기 전력의 비용/값은 비교적 일정하며, MPCC(2500)에서의 목적 함수는 동작 제약조건들 하에서 NOx 제거를 증가시킴으로써 이러한 변경에 대응할 것이다.
예시적인 시나리오 모두에서, MPCC(2500)는 모든 동작 제약조건들을 관찰할 것이고, MPCC(2500)에서 목적 함수는 NOx 신용의 한계 값이 신용을 생성하기 위해 요구되는 한계 값과 일치하는 최적 동작 포인트를 구하게 될 것이다.
요약:
당업자라면, 본 발명이 하나 이상의 바람직한 실시예들의 관점에서 설명되었지만, 그에 한정되지 않는다는 것을 인지할 것이다. 전술한 발명의 다양한 특징들 및 양상들은 개별적으로 또는 결합되어 사용될 수 있다. 더욱이, 본 발명이 특정 환경 및 특정 목적들에서 그 실시예들의 문맥들을 자세히 설명하였으나, 예컨대 선택적인 촉매 환원(SCR)의 간략한 개요로 습식 연도 가스 탈황(WFGD)을 설명하였으나, 당업자라면 그들의 유용성이 그들에 한정되지 않으며, 본 발명은 임의의 수의 환경들 및 구현들에서 유용하게 이용될 수 있다는 것을 인지할 수 있을 것이다. 따라서, 이하에서 설명된 청구항들은 여기서 개시된 바와 같이 본 발명의 전체 생명과 사상의 관점에서 해석되어야 한다.
Claims (24)
- 오염물의 방출들을 제어하기 위한 프로세스를 실행하는 공기 오염 제어 시스템의 동작을 지시하는 제어기로서, 다수의 프로세스 파라미터(MPP)들을 가지고, 상기 MPP들 중 하나 이상은 제어 가능한 프로세스 파라미터(CTPP)들이고, 상기 MPP들 중 하나는 상기 시스템에 의해 방출된 오염물의 양(amount of pullutant: AOP)이며, 상기 방출된 AOP의 실제 값(AV)에 대한 목적 또는 한계를 나타내는 정의된 AOP 값(AOPV)를 갖는, 상기 제어기에 있어서,상기 적어도 하나의 CTPP 및 상기 방출된 AOP 사이의 관계를 나타내는 비-신경망 프로세스 모델 및 신경망 프로세스 모델 중 하나; 및상기 하나의 모델에 기초하여 상기 하나 이상의 CTPP들 중 적어도 하나에 대한 각각의 현재값에 대한 변화가 방출된 AOP의 미래 AV에 어떻게 영향을 미치는지 예측하고, 상기 변화의 예측된 영향 및 상기 AOPV에 기초하여 상기 적어도 하나의 CTPP의 하나에서의 변화들 중 하나를 선택하며, 상기 CTPP에 대한 상기 선택된 변화에 따라 상기 하나의 CTPP의 제어를 지시하기 위한 로직으로 구성된 제어 프로세서를 포함하는, 제어기.
- 제 1 항에 있어서,상기 하나의 모델은 상기 적어도 하나의 CTPP 각각과 상기 방출된 AOP 사이의 비선형 관계들을 나타내는, 제어기.
- 제 1 항에 있어서,상기 하나의 모델은 비-신경망 프로세스 모델이고,상기 제어 프로세서는 또한 상기 MPP들의 이전 AV들을 나타내는 경험 데이터에 기초하여 상기 하나의 모델을 유도하기 위한 상기 로직으로 구성되는, 제어기.
- 제 1 항에 있어서,상기 방출된 AOP의 이전 AV들에 대응하는 이력 데이터를 저장하기 위해 구성된 데이터 저장 매체를 더 포함하고,상기 제어 프로세서는 또한 상기 저장된 이력 데이터에 기초하여 상기 하나의 CTPP의 하나의 변경을 선택하기 위한 상기 로직으로 구성되는, 제어기.
- 제 1 항에 있어서,상기 하나의 모델은 제 1 원리 모델, 하이브리드 모델, 및 회귀(regression) 모델의 하나를 포함하는, 제어기.
- 제 1 항에 있어서,상기 제어 프로세서는 상기 하나의 모델에 기초하여 상기 적어도 하나의 CTPP의 각각의 상기 현재 값에 대한 변화가 또한 비-프로세스 파라미터의 미래 값에 어떻게 영향을 미치는지를 예측하기 위한 추가 로직으로 구성되는 제어기.
- 제 6 항에 있어서,상기 비-프로세스 파라미터는 상기 프로세스를 실행하기 위해 상기 시스템의 동작과 관련된 파라미터인, 제어기.
- 제 1 항에 있어서,상기 제어 프로세서는 또한 비-프로세스 파라미터에 기초하여 상기 하나의 CTPP의 상기 하나의 변화를 선택하기 위한 추가 로직으로 구성되는, 제어기.
- 제 8 항에 있어서,상기 비-프로세스 파라미터는 상기 프로세스를 실행하기 위해 상기 시스템의 동작과 관련된 파라미터인, 제어기.
- 제 1 항에 있어서,상기 시스템은 SO2 함유 습식 연도 가스를 수취하고, 상기 수취된 SO2 함유 습식 연도 가스로부터 SO2를 제거하기 하기 위해 석회석 슬러리를 사용하며, 그로 인해 SO2의 방출을 제어하고 탈황된 연도 가스를 배출하는 습식 연도 가스 탈황(WFGD) 시스템이고,상기 적어도 하나의 CTPP는 사용된 상기 석회석 슬러리의 pH에 대응하는 하 나 이상의 파라미터와 사용된 상기 석회석 슬러리의 분포에 대응하는 파라미터를 포함하며,상기 AOP는 상기 배출된 탈황된 연도 가스에서의 SO2의 양인, 제어기.
- 제 10 항에 있어서,상기 WFGD 시스템은 또한 상기 수취된 SO2 함유 습식 연도 가스로부터 제거된 상기 SO2를 결정화하기 위해 산화 공기를 사용하고, 그로 인해 상기 수취된 SO2 함유 습식 연도 가스로부터 상기 SO2의 제거의 부산물로서 석고를 생성하며,상기 적어도 하나의 CTPP는 상기 사용된 석회석 슬러리의 pH에 대응하는 상기 하나 이상의 파라미터, 상기 사용된 석회석 슬러리의 분포에 대응하는 상기 파라미터, 및 상기 사용된 산화 공기의 양에 대응하는 파라미터를 포함하고,상기 제어 프로세서는 상기 하나의 모델에 기초하여, 상기 적어도 하나의 CTPP의 각각의 상기 현재값에 대한 변화가 어떻게 상기 생성된 석고 부산물의 미래 품질에 영향을 미치는지를 예측하고, 상기 생성된 석고 부산물에 대한 품질 한계에 기초하여 상기 하나의 CTPP의 상기 하나의 변화를 선택하기 위한 추가 로직으로 구성되는, 제어기.
- 제 1 항에 있어서,상기 시스템은 NOX 함유 연도 가스를 수취하고, 상기 수취된 NOX 함유 연도가스로부터 NOX를 제거하기 위해 암모니아 및 희석 공기를 사용하고 그로 인해 NOX의 방출을 제어하고 환원된 NOX 연도 가스를 배출하는 선택적 촉매 환원(SCR) 시스템이고,상기 적어도 하나의 CTPP는 사용된 상기 암모니아의 양에 대응하는 하나 이상의 파라미터를 포함하며,상기 AOP는 상기 배출된 연도 가스에서의 NOX의 양인, 제어기.
- 제 12 항에 있어서,상기 제어 프로세서는 상기 하나의 모델에 기초하여, 상기 파라미터의 상기 현재 값에 대한 변화가 상기 배출된 연도 가스에서의 NOX의 미래의 양에 어떻게 영향을 미치는지 또한 예측하고, 상기 배출된 연도 가스에서의 NOX의 양에 대한 한계에 기초하여 상기 하나의 변화를 선택하기 위한 추가 로직으로 구성되는, 제어기.
- 오염물의 방출들을 제어하기 위한 프로세스의 성능을 지시하는 방법으로서, 다수의 프로세스 파라미터(MPP)들을 가지고, 상기 MPP들 중 하나 이상은 제어 가능한 프로세스 파라미터(CTPP)들이고, 상기 MPP들 중 하나는 시스템에 의해 방출된 오염물의 양(AOP)이며, 상기 방출된 AOP의 실제 값(AV)에 대한 목적 또는 한계를 나타내는 정의된 AOP 값(AOPV)을 갖는, 상기 성능 지시 방법에 있어서,상기 적어도 하나의 CTPP의 각각과 상기 방출된 AOP 사이의 관계를 나타내는 비-신경망 프로세스 모델 및 신경망 프로세스 모델의 하나에 기초하여, 상기 하나 이상의 CTPP들 중 적어도 하나의 현재 값에 대한 변화가 어떻게 방출된 AOP의 미래 AV에 영향을 미치는지 예측하는 단계;상기 변화의 예측된 영향 및 상기 AOPV에 기초하여 상기 적어도 하나의 CTPP의 하나에서의 변경들 중 하나를 선택하는 단계; 및상기 CTPP에 대한 상기 선택된 변화에 따라 상기 하나의 CTPP의 제어를 지시하는 단계를 포함하는, 성능 지시 방법.
- 제 14 항에 있어서,상기 하나의 모델은 비-신경망 프로세스 모델이며,상기 MPP들의 이전 AV들을 나타내는 경험 데이터에 기초하여 상기 하나의 모델을 유도하는 단계를 더 포함하는, 성능 지시 방법.
- 제 14 항에 있어서,상기 방출된 AOP의 이전 AV들에 대응하는 이력 데이터를 저장하는 단계를 더 포함하고,상기 하나의 CTPP에서의 상기 하나의 변화는 상기 저장된 이력 데이터에 또한 기초하여 선택되는, 성능 지시 방법.
- 제 14 항에 있어서,상기 하나의 모델은 제 1 원리 모델, 하이브리드 모델, 및 회귀 모델의 하나를 포함하는, 성능 지시 방법.
- 제 14 항에 있어서,상기 하나의 모델에 기초하여, 상기 적어도 하나의 CTPP의 각각에 대한 상기 현재값의 변화가 비-프로세스 파라미터의 미래 값에 또한 어떻게 영향을 미치는지 예측하는 단계를 더 포함하는, 성능 지시 방법.
- 제 18 항에 있어서,상기 비-프로세스 파라미터는 상기 프로세스의 성능과 관련된 파라미터인, 성능 지시 방법.
- 제 18 항에 있어서,상기 하나의 CTPP의 상기 하나의 변화는 비-프로세스 파라미터에 또한 기초하여 선택되는, 성능 지시 방법.
- 제 14 항에 있어서,상기 프로세스는 SO2 함유 습식 연도 가스로부터 SO2를 제거하기 위한 석회석 슬러리를 사용하고, 그로 인해 SO2의 방출을 제어하며 탈황된 연도 가스를 추출하는 습식 연도 가스 탈황(WFGD) 프로세스이고,상기 적어도 하나의 CTPP는 상기 사용된 석회석 슬러리의 pH에 대응하는 하나 이상의 파라미터와 상기 사용된 석회석 슬러리의 분포에 대응하는 파라미터를 포함하며,상기 AOP는 상기 배출된 탈황된 연도 가스에서의 SO2의 양인, 성능 지시 방법.
- 제 21 항에 있어서,상기 WFGD 프로세스는 또한 상기 SO2 함유 습식 연도 가스로부터 제거된 상기 SO2를 결정화하기 위해 산화 공기를 사용하고 그로 인해 상기 SO2 함유 습식 연도 가스로부터 상기 SO2의 제거의 부산물로서 석고를 생성하며, 상기 적어도 하나의 CTPP는 상기 사용된 석회석 슬러리의 pH에 대응하는 하나 이상의 파라미터, 상기 사용된 석회석 슬러리의 pH에 대응하는 파라미터, 및 상기 사용된 산화 공기의 양에 대응하는 파라미터를 포함하며,상기 하나의 모델에 기초하여 상기 적어도 하나의 CTPP의 각각에 대한 상기 현재값의 변화가 상기 생성된 석고 부산물의 미래 품질에 어떻게 영향을 미치는지 를 예측하는 단계를 더 포함하고,상기 하나의 CTPP에서의 상기 하나의 변화는 상기 생성된 석고 부산물에 대한 품질 한계에 또한 기초하여 선택되는, 성능 지시 방법.
- 제 14 항에 있어서,상기 프로세스는 NOX 함유 연도 가스로부터 NOX를 제거하기 위해 암모니아 및 희석 공기를 사용하고 그로 인해 NOX의 방출을 제어하며 환원된 NOX 연도 가스를 배출하는 선택적 촉매 환원(SCR) 프로세스이고,상기 적어도 하나의 CTPP는 상기 사용된 암모니아의 양에 대응하는 파라미터를 포함하며,상기 AOP는 상기 배출된 연도 가스에서의 NOX의 양인, 성능 지시 방법.
- 제 23 항에 있어서,상기 하나의 모델에 기초하여, 상기 파라미터의 상기 현재값의 변화가 어떻게 상기 추출된 연도 가스의 NOX의 미래 양에 영향을 미치는지를 예측하는 단계를 더 포함하고,상기 하나의 변화는 상기 배출된 연도 가스에서의 NOX의 양에 대한 한계에 기초하여 선택되는, 성능 지시 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/927,243 US7536232B2 (en) | 2004-08-27 | 2004-08-27 | Model predictive control of air pollution control processes |
| US10/927,243 | 2004-08-27 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20070055572A true KR20070055572A (ko) | 2007-05-30 |
| KR100969174B1 KR100969174B1 (ko) | 2010-07-14 |
Family
ID=35124580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020077006976A KR100969174B1 (ko) | 2004-08-27 | 2005-08-03 | 공기 오염 제어 프로세스들의 모델 예측 제어 |
Country Status (14)
| Country | Link |
|---|---|
| US (6) | US7536232B2 (ko) |
| EP (5) | EP2290484A3 (ko) |
| JP (1) | JP2008511906A (ko) |
| KR (1) | KR100969174B1 (ko) |
| CN (1) | CN101052926B (ko) |
| AU (1) | AU2005280476B2 (ko) |
| BR (1) | BRPI0514442A (ko) |
| CA (1) | CA2577090C (ko) |
| ES (1) | ES2449474T3 (ko) |
| MX (1) | MX2007002200A (ko) |
| NO (1) | NO333425B1 (ko) |
| PL (2) | PL2290485T3 (ko) |
| RU (1) | RU2379736C2 (ko) |
| WO (1) | WO2006026059A1 (ko) |
Families Citing this family (96)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7765794B2 (en) * | 2001-05-04 | 2010-08-03 | Nco2 Company Llc | Method and system for obtaining exhaust gas for use in augmenting crude oil production |
| US7194320B2 (en) * | 2003-06-05 | 2007-03-20 | Neuco, Inc. | Method for implementing indirect controller |
| US20060052902A1 (en) * | 2004-08-27 | 2006-03-09 | Neuco, Inc. | Method and system for SNCR optimization |
| US7500437B2 (en) * | 2004-08-27 | 2009-03-10 | Neuco, Inc. | Method and system for SCR optimization |
| US20060121616A1 (en) * | 2004-09-24 | 2006-06-08 | Neuco, Inc. | Method and system for increasing efficiency of FGD operation in fossil fuel boilers |
| US7389773B2 (en) | 2005-08-18 | 2008-06-24 | Honeywell International Inc. | Emissions sensors for fuel control in engines |
| US20070233326A1 (en) * | 2006-03-31 | 2007-10-04 | Caterpillar Inc. | Engine self-tuning methods and systems |
| AU2007274283A1 (en) * | 2006-07-13 | 2008-01-17 | 4Sc Ag | Benzopyranopyrazoles |
| US7490505B2 (en) * | 2006-08-15 | 2009-02-17 | General Electric Company | Methods and systems for predicting emissions |
| US7949417B2 (en) | 2006-09-22 | 2011-05-24 | Exxonmobil Research And Engineering Company | Model predictive controller solution analysis process |
| WO2008064539A1 (fr) * | 2006-11-30 | 2008-06-05 | Jiangang Yao | Contrôle et concentration en temps réel de centres de production pour des économie de l'énergie de réseau et la réduction des émissions de so2 |
| US7826909B2 (en) * | 2006-12-11 | 2010-11-02 | Fakhruddin T Attarwala | Dynamic model predictive control |
| CN101657765B (zh) * | 2007-03-12 | 2014-02-12 | 艾默生过程管理电力和水力解决方案有限公司 | 利用从统计和实时数据得到的可达到性能对设备进行通用性能评估的方法和装置 |
| US8209956B2 (en) * | 2007-07-31 | 2012-07-03 | Caterpillar Inc. | SCR emissions control system |
| US20100325071A1 (en) * | 2007-08-17 | 2010-12-23 | Institutt For Energiteknikk | System and method for empirical ensemble-based virtual sensing of gas emission |
| US8001769B2 (en) * | 2007-08-20 | 2011-08-23 | Caterpillar Inc. | Control of SCR system having a filtering device |
| US7992380B2 (en) * | 2007-08-23 | 2011-08-09 | Caterpillar Inc. | Emission control system implementing reduction agent injection |
| EP2048553B1 (de) * | 2007-10-12 | 2010-10-27 | Powitec Intelligent Technologies GmbH | Regelkreis zur Regelung eines Prozesses, insbesondere Verbrennungsprozesses |
| JP4430100B2 (ja) * | 2007-12-25 | 2010-03-10 | 本田技研工業株式会社 | 制御装置 |
| US7931466B2 (en) * | 2008-06-24 | 2011-04-26 | Equistar Chemicals, Lp | Flare gas flammability control |
| US8060290B2 (en) | 2008-07-17 | 2011-11-15 | Honeywell International Inc. | Configurable automotive controller |
| US8438430B2 (en) * | 2008-08-21 | 2013-05-07 | Vmware, Inc. | Resource management system and apparatus |
| US8200347B2 (en) * | 2009-01-22 | 2012-06-12 | Mitsubishi Electric Research Laboratories, Inc. | Method and apparatus for hybrid resetting states proportional-integral-derivative and lag controllers |
| NO329798B1 (no) * | 2009-02-16 | 2010-12-20 | Inst Energiteknik | System og fremgangsmate for empirisk ensemblebasert virtuell sensing av svevestovpartikler |
| US8110029B2 (en) * | 2009-05-08 | 2012-02-07 | Alstom Technology Ltd | Integrated mercury control system |
| US20110045422A1 (en) * | 2009-08-21 | 2011-02-24 | Alstom Technology Ltd | Optical flue gas monitor and control |
| US8620461B2 (en) | 2009-09-24 | 2013-12-31 | Honeywell International, Inc. | Method and system for updating tuning parameters of a controller |
| ES2842967T3 (es) * | 2010-04-19 | 2021-07-15 | Abb Schweiz Ag | Método y sistema para actualizar un modelo en un controlador predictivo por modelo |
| US8504175B2 (en) * | 2010-06-02 | 2013-08-06 | Honeywell International Inc. | Using model predictive control to optimize variable trajectories and system control |
| WO2012021995A1 (en) * | 2010-08-18 | 2012-02-23 | Manufacturing Technology Network Inc. | Computer apparatus and method for real-time multi-unit optimization |
| US8755941B2 (en) | 2010-09-02 | 2014-06-17 | General Electric Company | Model based tempering air control and enhancement of exhaust for select catalytic reduction |
| US20120282564A1 (en) * | 2011-05-03 | 2012-11-08 | Electric Power Research Institute, Inc. | METHODS FOR REDUCING NOx IN SCR FOSSIL-FUEL FIRED BOILERS |
| US8751413B2 (en) | 2011-07-26 | 2014-06-10 | General Electric Company | Fuzzy logic based system monitoring system and method |
| US10203667B2 (en) * | 2011-09-01 | 2019-02-12 | Honeywell International Inc. | Apparatus and method for predicting windup and improving process control in an industrial process control system |
| US9677493B2 (en) | 2011-09-19 | 2017-06-13 | Honeywell Spol, S.R.O. | Coordinated engine and emissions control system |
| US9650934B2 (en) | 2011-11-04 | 2017-05-16 | Honeywell spol.s.r.o. | Engine and aftertreatment optimization system |
| US20130111905A1 (en) | 2011-11-04 | 2013-05-09 | Honeywell Spol. S.R.O. | Integrated optimization and control of an engine and aftertreatment system |
| US9181878B2 (en) | 2011-12-19 | 2015-11-10 | Honeywell International Inc. | Operations support systems and methods for calculating and evaluating engine emissions |
| US20130191076A1 (en) * | 2012-01-20 | 2013-07-25 | General Electric Company | System and method for monitoring, diagnostics, and prognostics |
| AT512479B1 (de) * | 2012-02-10 | 2013-11-15 | Andritz Energy & Environment Gmbh | Verfahren zur feinstoffreduktion im rea-gips |
| US10018356B2 (en) * | 2012-07-12 | 2018-07-10 | The Babcock & Wilcox Company | System and method for controlling one or more process parameters associated with a combustion process |
| US10222769B2 (en) * | 2012-10-12 | 2019-03-05 | Emerson Process Management Power & Water Solutions, Inc. | Method for determining and tuning process characteristic parameters using a simulation system |
| US9228511B2 (en) | 2012-10-19 | 2016-01-05 | Cummins Inc. | Engine feedback control system and method |
| ITCO20120056A1 (it) * | 2012-11-07 | 2014-05-08 | Nuovo Pignone Srl | Metodo per operare un compressore in caso di malfunzionamento di uno o piu' segnali di misura |
| US20160158701A1 (en) * | 2013-01-14 | 2016-06-09 | Babcock & Wilcox Power Generation Group, Inc. | Controlling aqcs parameters in a combustion process |
| WO2015013636A1 (en) * | 2013-07-25 | 2015-01-29 | Babcock & Wilcox Power Generation Group, Inc. | Controlling aqcs parameters in a combustion process |
| CN103421719B (zh) * | 2013-08-13 | 2016-01-27 | 沈阳药科大学 | 一株放线菌波卓链霉菌及其应用 |
| US9910413B2 (en) | 2013-09-10 | 2018-03-06 | General Electric Technology Gmbh | Automatic tuning control system for air pollution control systems |
| CN103521048A (zh) * | 2013-10-17 | 2014-01-22 | 太仓康茂电子有限公司 | 尾气处理方法 |
| US10006315B2 (en) * | 2014-03-28 | 2018-06-26 | General Electric Company | System and method for improved control of a combined cycle power plant |
| US9594359B2 (en) * | 2014-04-14 | 2017-03-14 | Honeywell International Inc. | Feedback control for reducing flaring process smoke and noise |
| US11615221B1 (en) | 2014-05-08 | 2023-03-28 | The United States Of America, As Represented By The Secretary Of The Navy | Method for modeling the spread of contaminants in marine environments |
| CN104607042B (zh) * | 2014-12-26 | 2017-11-17 | 东南大学 | 一种基于约束预测控制的scr脱硝系统及方法 |
| EP3051367B1 (en) | 2015-01-28 | 2020-11-25 | Honeywell spol s.r.o. | An approach and system for handling constraints for measured disturbances with uncertain preview |
| EP3056706A1 (en) | 2015-02-16 | 2016-08-17 | Honeywell International Inc. | An approach for aftertreatment system modeling and model identification |
| EP3091212A1 (en) | 2015-05-06 | 2016-11-09 | Honeywell International Inc. | An identification approach for internal combustion engine mean value models |
| EP3125052B1 (en) | 2015-07-31 | 2020-09-02 | Garrett Transportation I Inc. | Quadratic program solver for mpc using variable ordering |
| US10272779B2 (en) | 2015-08-05 | 2019-04-30 | Garrett Transportation I Inc. | System and approach for dynamic vehicle speed optimization |
| US10415492B2 (en) | 2016-01-29 | 2019-09-17 | Garrett Transportation I Inc. | Engine system with inferential sensor |
| CN105842609B (zh) * | 2016-03-30 | 2018-08-10 | 江苏大学 | 一种柴油机scr系统控制单元硬件电路检测装置 |
| US10036338B2 (en) | 2016-04-26 | 2018-07-31 | Honeywell International Inc. | Condition-based powertrain control system |
| US10124750B2 (en) | 2016-04-26 | 2018-11-13 | Honeywell International Inc. | Vehicle security module system |
| US10565522B2 (en) | 2016-07-25 | 2020-02-18 | General Electric Company | System modeling, control and optimization |
| JP6859633B2 (ja) * | 2016-09-05 | 2021-04-14 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
| US11199120B2 (en) | 2016-11-29 | 2021-12-14 | Garrett Transportation I, Inc. | Inferential flow sensor |
| CN106527143B (zh) * | 2016-12-07 | 2019-02-15 | 吉林师范大学 | 基于数据驱动预测控制的scr系统尿素喷射控制方法 |
| US10976471B2 (en) * | 2017-03-07 | 2021-04-13 | International Business Machines Corporation | Post-processing air quality forecasts |
| CN106991507A (zh) * | 2017-05-19 | 2017-07-28 | 杭州意能电力技术有限公司 | 一种SCR入口NOx浓度在线预测方法及装置 |
| CN111316040A (zh) * | 2017-09-12 | 2020-06-19 | 通用电气公司 | 用于优化烟道气脱硫单元的操作的系统和方法 |
| US11057213B2 (en) | 2017-10-13 | 2021-07-06 | Garrett Transportation I, Inc. | Authentication system for electronic control unit on a bus |
| CN109932899B (zh) * | 2017-12-15 | 2022-02-08 | 蓝星（北京）技术中心有限公司 | 化工产品生产中反应温度的优化控制方法及系统 |
| WO2019185152A1 (en) * | 2018-03-29 | 2019-10-03 | Ammann Schweiz Ag | Emission control of an asphalt mixing plant |
| KR102113398B1 (ko) * | 2018-09-21 | 2020-05-20 | 한국서부발전 주식회사 | 석회석 슬러리의 이송 및 탈수 시스템 |
| US10626817B1 (en) | 2018-09-27 | 2020-04-21 | General Electric Company | Control and tuning of gas turbine combustion |
| WO2020061675A1 (en) * | 2018-09-28 | 2020-04-02 | University Of New Brunswick | Stateless discrete predictive controller |
| CN109343367A (zh) * | 2018-10-26 | 2019-02-15 | 齐鲁工业大学 | 一种基于神经网络预测控制烟气脱硫的方法 |
| CN109343349B (zh) * | 2018-11-01 | 2023-08-22 | 大唐环境产业集团股份有限公司 | 一种基于喷氨量补偿器的scr烟气脱硝优化控制系统和方法 |
| CN112180815A (zh) * | 2019-07-01 | 2021-01-05 | 苏州五蕴明泰科技有限公司 | 控制废弃物燃烧过程中二氧化碳排放量的方法 |
| CN110496507B (zh) * | 2019-08-12 | 2021-07-13 | 厦门邑通软件科技有限公司 | 一种湿法脱硫工艺中拟合亚硫酸钙浓度的方法 |
| WO2021071692A1 (en) | 2019-10-07 | 2021-04-15 | St. Jude Medical, Cardiology Division, Inc. | Catheter including wire management cap and methods of assembling same |
| CN110687790B (zh) * | 2019-10-30 | 2022-03-18 | 杭州电子科技大学 | 一种城市排水系统防止污水溢出的优化控制方法 |
| CN111036044B (zh) * | 2019-12-10 | 2022-07-26 | 江西艾维斯机械有限公司 | 一种基于深度强化学习的零耗气吸附式干燥机的控制方法 |
| CN111589301A (zh) * | 2020-05-29 | 2020-08-28 | 广东电科院能源技术有限责任公司 | 燃煤电厂scr脱硝性能预测方法、装置、设备和存储介质 |
| CN111613019B (zh) * | 2020-06-18 | 2022-07-22 | 大唐环境产业集团股份有限公司 | 防止脱硫烟气so2超标排放的预警方法 |
| CN112023650A (zh) * | 2020-08-12 | 2020-12-04 | 北京国电龙源环保工程有限公司 | 一种全工况自适应的pH调节系统 |
| CN112034795A (zh) * | 2020-08-18 | 2020-12-04 | 北京国电龙源环保工程有限公司 | 一种基于数据模型和机理运算的氧化风系统控制方法 |
| CN111921377B (zh) * | 2020-09-25 | 2021-01-26 | 大唐环境产业集团股份有限公司 | 基于机理与数据驱动的scr脱硝喷氨控制方法及系统 |
| CN112631127B (zh) * | 2020-11-11 | 2022-11-04 | 华能国际电力股份有限公司营口电厂 | 一种scr氮氧化物含量预测控制方法和系统 |
| CN112418284A (zh) * | 2020-11-16 | 2021-02-26 | 华北电力大学 | 一种全工况电站scr脱硝系统的控制方法及系统 |
| CN112774433A (zh) * | 2020-12-31 | 2021-05-11 | 华能山东发电有限公司烟台发电厂 | 一种火电厂scr系统喷氨控制方法和设备 |
| CN112947616B (zh) * | 2021-01-29 | 2022-03-01 | 华能国际电力股份有限公司营口电厂 | 一种基于趋势预判的湿法脱硫pH值智能约束控制方法 |
| CN112844894B (zh) * | 2021-02-05 | 2022-06-17 | 山东九旭机械科技有限公司 | 一种液压聚脲喷涂系统 |
| RU2760762C1 (ru) * | 2021-03-26 | 2021-11-30 | федеральное государственное бюджетное образовательное учреждение высшего образования "Северо-Западный государственный медицинский университет им. И.И. Мечникова" Министерства здравоохранения Российской Федерации | Способ прогнозирования времени достижения допустимого уровня концентрации аммиака, выделяющегося в ходе многосуточного процесса эмиссии из строительных материалов в воздух помещений вновь выстроенного здания |
| CN113759727B (zh) * | 2021-09-30 | 2023-08-29 | 中国航发控制系统研究所 | 航空发动机多变量控制器的综合优化设计方法 |
| CN116392930B (zh) * | 2023-04-24 | 2023-08-29 | 浙江浙能迈领环境科技有限公司 | 船舶尾气脱硫工艺及其系统 |
| CN117309036A (zh) * | 2023-08-28 | 2023-12-29 | 佛山职业技术学院 | 一种智能化电力基建环境监测方法及系统 |
Family Cites Families (96)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4164546A (en) * | 1974-12-19 | 1979-08-14 | Exxon Research & Engineering Co. | Method of removing nitrogen oxides from gaseous mixtures |
| JPS5843332B2 (ja) | 1977-03-08 | 1983-09-26 | 石川島播磨重工業株式会社 | 排煙脱硫石膏回収法用酸化塔 |
| JPS5536369A (en) | 1978-09-07 | 1980-03-13 | Shizuoka Prefecture | Production of fabric having embossed wrinkle on surface thereof |
| US4487784A (en) * | 1982-02-22 | 1984-12-11 | Babcock-Hitachi Kabushiki Kaisha | Limestone-gypsum flue gas desulfurization process |
| US4423018A (en) * | 1982-06-23 | 1983-12-27 | Monsanto Company | Buffered flue gas scrubbing system using adipic acid by-product stream |
| US4622922A (en) * | 1984-06-11 | 1986-11-18 | Hitachi, Ltd. | Combustion control method |
| JPH084709B2 (ja) * | 1986-04-23 | 1996-01-24 | バブコツク日立株式会社 | 湿式排煙脱硫制御装置 |
| JPS63319027A (ja) | 1987-06-23 | 1988-12-27 | Nkk Corp | 半乾式塩化水素除去装置の制御方法 |
| US5171552A (en) * | 1989-07-19 | 1992-12-15 | Hitachi Zosen Corporation | Dry processes for treating combustion exhaust gas |
| US5212765A (en) * | 1990-08-03 | 1993-05-18 | E. I. Du Pont De Nemours & Co., Inc. | On-line training neural network system for process control |
| US5282261A (en) * | 1990-08-03 | 1994-01-25 | E. I. Du Pont De Nemours And Co., Inc. | Neural network process measurement and control |
| US5167009A (en) * | 1990-08-03 | 1992-11-24 | E. I. Du Pont De Nemours & Co. (Inc.) | On-line process control neural network using data pointers |
| US5184497A (en) | 1991-11-13 | 1993-02-09 | S.A.R.G. Research Associates, Ltd. | Magazine for automatic feed blind rivet setting tool |
| US5280756A (en) * | 1992-02-04 | 1994-01-25 | Stone & Webster Engineering Corp. | NOx Emissions advisor and automation system |
| US5548526A (en) * | 1992-03-11 | 1996-08-20 | Vlsi Technology, Inc. | Timing model and characterization system for logic simulation of integrated circuits |
| US5249954A (en) * | 1992-07-07 | 1993-10-05 | Electric Power Research Institute, Inc. | Integrated imaging sensor/neural network controller for combustion systems |
| US5479573A (en) * | 1992-11-24 | 1995-12-26 | Pavilion Technologies, Inc. | Predictive network with learned preprocessing parameters |
| US5729661A (en) * | 1992-11-24 | 1998-03-17 | Pavilion Technologies, Inc. | Method and apparatus for preprocessing input data to a neural network |
| US6243696B1 (en) * | 1992-11-24 | 2001-06-05 | Pavilion Technologies, Inc. | Automated method for building a model |
| US6002839A (en) * | 1992-11-24 | 1999-12-14 | Pavilion Technologies | Predictive network with graphically determined preprocess transforms |
| WO1994020887A2 (en) * | 1993-03-02 | 1994-09-15 | Pavilion Technologies, Inc. | Method and apparatus for analyzing a neural network within desired operating parameter constraints |
| US5386373A (en) * | 1993-08-05 | 1995-01-31 | Pavilion Technologies, Inc. | Virtual continuous emission monitoring system with sensor validation |
| US5539638A (en) * | 1993-08-05 | 1996-07-23 | Pavilion Technologies, Inc. | Virtual emissions monitor for automobile |
| JP3025147B2 (ja) | 1994-05-17 | 2000-03-27 | 三菱重工業株式会社 | 湿式排煙脱硫装置 |
| US5635149A (en) * | 1994-06-09 | 1997-06-03 | Abb Environmental Systems Division Of Abb Flakt, Inc. | Wet scrubbing method and apparatus for removing sulfur oxides from combustion effluents |
| JP2989484B2 (ja) * | 1994-08-18 | 1999-12-13 | 三菱重工業株式会社 | 湿式排煙脱硫装置 |
| JP3272565B2 (ja) * | 1995-04-21 | 2002-04-08 | 三菱重工業株式会社 | 排煙処理装置 |
| JPH08318123A (ja) * | 1995-05-26 | 1996-12-03 | Mitsubishi Heavy Ind Ltd | スラリ濃縮槽及び湿式排煙脱硫装置の吸収塔 |
| JP3332678B2 (ja) * | 1995-08-03 | 2002-10-07 | 三菱重工業株式会社 | 湿式排煙脱硫装置 |
| JPH09179604A (ja) * | 1995-09-13 | 1997-07-11 | Toshiba Corp | プラントの運転制御システム及び方法 |
| US5608552A (en) * | 1995-12-26 | 1997-03-04 | Hughes Electronics | Liquid crystal display having an off-axis full-color holographic filter |
| JP3263586B2 (ja) * | 1995-12-26 | 2002-03-04 | 享三 須山 | 排煙処理システム |
| US6493596B1 (en) * | 1996-05-06 | 2002-12-10 | Pavilion Technologies, Inc. | Method and apparatus for controlling a non-linear mill |
| US6047221A (en) * | 1997-10-03 | 2000-04-04 | Pavilion Technologies, Inc. | Method for steady-state identification based upon identified dynamics |
| US5933345A (en) * | 1996-05-06 | 1999-08-03 | Pavilion Technologies, Inc. | Method and apparatus for dynamic and steady state modeling over a desired path between two end points |
| US6438430B1 (en) * | 1996-05-06 | 2002-08-20 | Pavilion Technologies, Inc. | Kiln thermal and combustion control |
| US6278899B1 (en) * | 1996-05-06 | 2001-08-21 | Pavilion Technologies, Inc. | Method for on-line optimization of a plant |
| EP0810363B1 (en) * | 1996-05-28 | 2004-07-28 | Matsushita Electric Industrial Co., Ltd. | Air/fuel ratio control apparatus that uses a neural network |
| JP3337380B2 (ja) * | 1996-10-17 | 2002-10-21 | 三菱重工業株式会社 | 排煙処理方法 |
| JPH10132890A (ja) | 1996-10-31 | 1998-05-22 | Hitachi Ltd | 故障点標定方法および装置 |
| US5832411A (en) * | 1997-02-06 | 1998-11-03 | Raytheon Company | Automated network of sensor units for real-time monitoring of compounds in a fluid over a distributed area |
| HUP9800244A2 (hu) | 1997-03-21 | 1999-06-28 | Von Roll Umwelttechnik Aktiengesellschaft | Eljárás és készülék egy kezelőanyag beadagolási mennyiségének szabályozására égésfolyamatok füstgázaiban a nitrogén-monoxid-tartalom csökkentésére |
| US5993345A (en) * | 1997-10-27 | 1999-11-30 | Borg-Warner Automotive, Inc. | Compression fixed ratio chain |
| US6714877B1 (en) * | 1998-03-24 | 2004-03-30 | Exergetic Systems Llc | Method for correcting combustion effluent data when used for input-loss performance monitoring of a power plant |
| US6168709B1 (en) * | 1998-08-20 | 2001-01-02 | Roger G. Etter | Production and use of a premium fuel grade petroleum coke |
| US6187278B1 (en) * | 1998-09-08 | 2001-02-13 | Marsulex Environmental Technologies, Llc | Process for controlling ammonia slip in the reduction of sulfur dioxide emission |
| US6507774B1 (en) * | 1999-08-24 | 2003-01-14 | The University Of Chicago | Intelligent emissions controller for substance injection in the post-primary combustion zone of fossil-fired boilers |
| US6542852B2 (en) * | 1999-09-15 | 2003-04-01 | General Electric Company | System and method for paper web time-to-break prediction |
| US6611726B1 (en) * | 1999-09-17 | 2003-08-26 | Carl E. Crosswhite | Method for determining optimal time series forecasting parameters |
| US6675064B1 (en) * | 1999-09-27 | 2004-01-06 | University Of Kentucky Research Foundation | Process for the physical segregation of minerals |
| CN1245638C (zh) * | 1999-10-15 | 2006-03-15 | 德卡尔博遗传学公司 | 作物性能分析的方法和系统 |
| JP3422738B2 (ja) * | 2000-01-14 | 2003-06-30 | 三菱重工業株式会社 | 排ガス脱硫方法およびそのシステム |
| JP2001249705A (ja) | 2000-03-03 | 2001-09-14 | Toshiba Corp | プロセスシミュレータ応用非線形制御装置およびその方法 |
| AU4733601A (en) * | 2000-03-10 | 2001-09-24 | Cyrano Sciences Inc | Control for an industrial process using one or more multidimensional variables |
| US6304812B1 (en) * | 2000-04-28 | 2001-10-16 | Ford Global Technologies, Inc. | Calibration optimization method |
| US7247279B2 (en) * | 2000-08-01 | 2007-07-24 | Enviroscrub Technologies Corporation | System for removal of pollutants from a gas stream |
| ATE392178T1 (de) * | 2000-08-18 | 2008-05-15 | Animas Technologies Llc | Vorrichtung zum vorhersagen von hypoglyecemiefällen |
| WO2002024434A1 (fr) * | 2000-09-21 | 2002-03-28 | Toray Industries, Inc. | Procede de fabrication d'une feuille, dispositif et programme permettant de reguler l'epaisseur d'une feuille et feuille ainsi obtenue |
| US7302313B2 (en) * | 2001-02-07 | 2007-11-27 | Aircuity, Inc. | Air quality monitoring systems and methods |
| WO2002077527A1 (de) * | 2001-03-02 | 2002-10-03 | Powitec Intelligent Technologies Gmbh | Verfahren zur regelung eines thermodynamischen prozesses, insbesondere eines verbrennungsprozesses |
| US7079564B2 (en) * | 2001-04-09 | 2006-07-18 | Cymer, Inc. | Control system for a two chamber gas discharge laser |
| NL1018086C2 (nl) * | 2001-05-16 | 2002-11-26 | Asm Int | Werkwijze en inrichting voor het thermisch behandelen van substraten. |
| US6761868B2 (en) * | 2001-05-16 | 2004-07-13 | The Chemithon Corporation | Process for quantitatively converting urea to ammonia on demand |
| US6735596B2 (en) * | 2001-06-07 | 2004-05-11 | Guy Charles Corynen | Computer method and user interface for decision analysis and for global system optimization |
| US20030085179A1 (en) * | 2001-11-06 | 2003-05-08 | General Electric Company | Methods and systems for reducing waste and emissions from industrial processes |
| JP2003144852A (ja) | 2001-11-08 | 2003-05-20 | Niigata Eng Co Ltd | 消化ガスを燃料とするガスエンジンの排ガス脱硝方法および排ガス脱硝装置 |
| WO2003039737A1 (en) * | 2001-11-09 | 2003-05-15 | Clean Diesel Technologies, Inc. | Continuously-variable control of pollution reducing chemicals for combustion sources |
| US6746654B2 (en) * | 2001-12-06 | 2004-06-08 | Brown University Research Foundation | Dry and semi-dry methods for removal of ammonia from fly ash |
| US6694900B2 (en) * | 2001-12-14 | 2004-02-24 | General Electric Company | Integration of direct combustion with gasification for reduction of NOx emissions |
| GB2388922B (en) * | 2002-01-31 | 2005-06-08 | Cambridge Consultants | Control system |
| EP1492945A1 (en) * | 2002-04-05 | 2005-01-05 | E. I. du Pont de Nemours and Company | Method and apparatus for controlling a gas-emitting process and related devices |
| US7035834B2 (en) * | 2002-05-15 | 2006-04-25 | Caterpillar Inc. | Engine control system using a cascaded neural network |
| US20040126286A1 (en) * | 2002-06-19 | 2004-07-01 | Deruyter John C. | Method and apparatus for reducing a nitrogen oxide |
| US6845336B2 (en) * | 2002-06-25 | 2005-01-18 | Prasad S. Kodukula | Water treatment monitoring system |
| DE60220041T2 (de) | 2002-07-19 | 2008-02-07 | Abb Research Ltd. | Bestimmung der Zusammenstellung eines Stoffgemisches zur Zufuhr in einen Ofen |
| US7093427B2 (en) * | 2002-11-21 | 2006-08-22 | Ford Global Technologies, Llc | Exhaust gas aftertreatment systems |
| US6823253B2 (en) * | 2002-11-27 | 2004-11-23 | General Electric Company | Methods and apparatus for model predictive control of aircraft gas turbine engines |
| DE10300298A1 (de) * | 2003-01-02 | 2004-07-15 | Daimlerchrysler Ag | Abgasnachbehandlungseinrichtung und -verfahren |
| KR20110115621A (ko) * | 2003-03-26 | 2011-10-21 | 이 아이 듀폰 디 네모아 앤드 캄파니 | 가스 혼합물의 분석 장치 |
| EP1646440A4 (en) * | 2003-05-22 | 2010-04-14 | Doosan Babcock Energy Ltd | METHOD AND DEVICE FOR ZONING INJECTION OF CHEMICALS INTO AN OVEN CONVEYING TRAIN FOR REDUCING CONTAMINATION FROM FLUE GASES |
| US7194320B2 (en) * | 2003-06-05 | 2007-03-20 | Neuco, Inc. | Method for implementing indirect controller |
| US6856509B2 (en) * | 2003-07-14 | 2005-02-15 | Jen-Cheng Lin | Cartridge assembly of a water cooled radiator |
| US7374736B2 (en) * | 2003-11-13 | 2008-05-20 | General Electric Company | Method to reduce flue gas NOx |
| US7288233B2 (en) * | 2004-08-03 | 2007-10-30 | Breen Energy Solutions | Dry adsorption of oxidized mercury in flue gas |
| US7117046B2 (en) * | 2004-08-27 | 2006-10-03 | Alstom Technology Ltd. | Cascaded control of an average value of a process parameter to a desired value |
| US7500437B2 (en) * | 2004-08-27 | 2009-03-10 | Neuco, Inc. | Method and system for SCR optimization |
| US7113835B2 (en) * | 2004-08-27 | 2006-09-26 | Alstom Technology Ltd. | Control of rolling or moving average values of air pollution control emissions to a desired value |
| US7323036B2 (en) * | 2004-08-27 | 2008-01-29 | Alstom Technology Ltd | Maximizing regulatory credits in controlling air pollution |
| US20060052902A1 (en) * | 2004-08-27 | 2006-03-09 | Neuco, Inc. | Method and system for SNCR optimization |
| US7584024B2 (en) * | 2005-02-08 | 2009-09-01 | Pegasus Technologies, Inc. | Method and apparatus for optimizing operation of a power generating plant using artificial intelligence techniques |
| US7371357B2 (en) * | 2005-04-27 | 2008-05-13 | Clean World Strategies Corp. | Process for removal of pollutants |
| US8644961B2 (en) * | 2005-12-12 | 2014-02-04 | Neuco Inc. | Model based control and estimation of mercury emissions |
| US7599750B2 (en) * | 2005-12-21 | 2009-10-06 | Pegasus Technologies, Inc. | Model based sequential optimization of a single or multiple power generating units |
| ATE514038T1 (de) * | 2006-03-09 | 2011-07-15 | Abb Technology Ag | Regelung eines abfallverbrennungsprozesses |
| US7756591B2 (en) * | 2006-04-25 | 2010-07-13 | Pegasus Technologies, Inc. | System for optimizing oxygen in a boiler |
| US20080264036A1 (en) * | 2007-04-24 | 2008-10-30 | Bellovary Nicholas J | Advanced engine control |
-
2004
- 2004-08-27 US US10/927,243 patent/US7536232B2/en not_active Expired - Fee Related
- 2004-12-03 US US11/002,439 patent/US7698004B2/en not_active Expired - Fee Related
- 2004-12-03 US US11/002,436 patent/US7862771B2/en not_active Expired - Fee Related
- 2004-12-06 US US11/003,336 patent/US7860586B2/en not_active Expired - Fee Related
- 2004-12-07 US US11/004,837 patent/US7640067B2/en active Active
-
2005
- 2005-08-03 EP EP20100185200 patent/EP2290484A3/en not_active Ceased
- 2005-08-03 BR BRPI0514442-6A patent/BRPI0514442A/pt not_active Application Discontinuation
- 2005-08-03 MX MX2007002200A patent/MX2007002200A/es unknown
- 2005-08-03 PL PL10185205T patent/PL2290485T3/pl unknown
- 2005-08-03 EP EP10185205.1A patent/EP2290485B1/en active Active
- 2005-08-03 EP EP20100184428 patent/EP2290483A3/en not_active Ceased
- 2005-08-03 CN CN2005800370629A patent/CN101052926B/zh active Active
- 2005-08-03 CA CA2577090A patent/CA2577090C/en not_active Expired - Fee Related
- 2005-08-03 AU AU2005280476A patent/AU2005280476B2/en not_active Ceased
- 2005-08-03 KR KR1020077006976A patent/KR100969174B1/ko not_active IP Right Cessation
- 2005-08-03 RU RU2007111132/09A patent/RU2379736C2/ru not_active IP Right Cessation
- 2005-08-03 WO PCT/US2005/027762 patent/WO2006026059A1/en active Application Filing
- 2005-08-03 EP EP05779342A patent/EP1782135A1/en not_active Ceased
- 2005-08-03 PL PL10184406T patent/PL2290482T3/pl unknown
- 2005-08-03 JP JP2007529892A patent/JP2008511906A/ja active Pending
- 2005-08-03 EP EP10184406.6A patent/EP2290482B1/en active Active
-
2007
- 2007-01-25 ES ES11184428.8T patent/ES2449474T3/es active Active
- 2007-02-07 NO NO20070707A patent/NO333425B1/no not_active IP Right Cessation
-
2010
- 2010-11-02 US US12/917,985 patent/US8197753B2/en active Active
Also Published As
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100932858B1 (ko) | 최적화된 공기 오염 제어 | |
| KR100879234B1 (ko) | 원하는 값으로 프로세스 파라미터의 평균값의 연속 제어 | |
| KR100969174B1 (ko) | 공기 오염 제어 프로세스들의 모델 예측 제어 | |
| US7113835B2 (en) | Control of rolling or moving average values of air pollution control emissions to a desired value | |
| US7323036B2 (en) | Maximizing regulatory credits in controlling air pollution | |
| US20060047526A1 (en) | Cost based control of air pollution control | |
| US20060047607A1 (en) | Maximizing profit and minimizing losses in controlling air pollution |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| J201 | Request for trial against refusal decision | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| B701 | Decision to grant | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20130628 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20140627 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20150619 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20160623 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20170627 Year of fee payment: 8 |
|
| LAPS | Lapse due to unpaid annual fee |