KR20090037829A

KR20090037829A - 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프

Info

Publication number: KR20090037829A
Application number: KR1020080099668A
Authority: KR
Inventors: 프란츠 빈트리히; 폴커 슈테판; 슈테펜 뮐러
Original assignee: 포위텍 인텔리전트 테크놀로지스 게엠베하
Priority date: 2007-10-12
Filing date: 2008-10-10
Publication date: 2009-04-16
Also published as: ATE486308T1; DE502007005484D1; EP2048553A1; PL2048553T3; US20090105852A1; EP2048553B1; ES2352976T3

Abstract

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프로서, 제어된 시스템(3), 상기 제어된 시스템(3)으로부터 관찰값(x)을 기록하기 위한 하나 이상의 측정 소자(5), 상기 제어된 시스템(3) 상에 작용하고 작용값(z)에 의해 제어 가능한 하나 이상의 조정 소자(9), 및 상기 측정 소자(5)와 상기 조정 소자(9)에 연결된 조절기(11)를 갖고, 상기 조절기(11)는 특히 프로세스 모델 유닛(11b)에 저장된 프로세스 모델에 의해 상기 관찰값(x)의 하나 이상의 확률 분포(P(x))로부터 상기 시스템의 예상되는 미래 상태들의 분포의 세트{P(y_i)}를 예측하고, 상기 타겟값(y) 및/또는 분포(P(y))에 기초하여 상기 시스템의 예상되는 미래 상태들의 분포의 세트를 평가하며, 특히 선택 유닛(11d)에서 상기 타겟값(y)을 얻기에 적절한 작용값(z)의 하나 이상의 확률 분포(P(z))를 선택하고, 상기 조정 소자(9)를 제어한다.

Description

프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프 {CONTROL LOOP FOR REGULATING A PROCESS, IN PARTICULAR A COMBUSTION PROCESS}

본 발명은 청구항 제 1 항의 전제부에서 설명된 특징을 갖는 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프에 관한 것이다.

이러한 형태의 공지된 제어 루프에서, 조절기(regulator)는 질량 유동, 온도 분포 및 화염 이미지에 관련된 데이터를 측정하는 프로세스를 주로 수행한다. 뛰어난 조절 결과를 얻기 위해, 무엇 보다도 이 시스템의 상태에 대한 가능한 많은 정보를 수집하는 것이 중요하다. 이 데이터는 스칼라(scalar)이고, 이로부터 신경 네트워크(neural network)를 이용하여 미래 상태의 예측이 계산된다. 설치 형태에 따라, 데이터의 양을 감소시키는 것에 민감하다는 것을 증명할 수 있고 이에 의해 긴 시간의 예측에 이용 가능한 능력을 계산한다.

본 발명의 작업은 시작에서 언급된 형태의 제어 루프를 향상시키는 것이다. 이 작업은 청구항 제 1 항에서 설명된 특징들을 갖는 제어 루프에 의해 해결된다. 추가적인 유리한 실시예들은 종속항에 나타나 있다.

이 프로세스의 확률적 태양들이 고려될 수 있는데, 이는 프로세스 모델을 이용할 때 이 조절기가 관찰 값들의 적어도 하나의 가능성 분포로부터 시스템의 예상되는 미래 상태들의 분포의 일 세트를 예측하기 때문이다; 이후 이는 이러한 상태들을 타겟값 및/또는 그 분포에 기초하여 평가하고 적절한 작용값(action value)의 적어도 하나의 확률 분포를 선택한다. 개별적인 스칼라 평균값(individual scalar mean value)이 처리될 뿐만 아니라 확률 분포의 도움으로 각각의 경우에 개별적인 예상의 불확실성 뿐만 아니라 가장 예상되는 측정 및 예측값을 판단하는 것이 가능하다. 모든 가능한 값들의 전체 범위에 걸친 상태들을 조사하는 것은 확률 분포의 몇몇 특징적인 값들의 목적된 이용에 의해 대체된다. 결과적으로 조절이 향상되고 특히 더욱 빨라지며 더욱 정확해진다. 지금까지, 이러한 베이시안 통계학(Bayesian statistics)은 신경 네트워크에서 또는 프로세스 기술에서 이용되지 않았다. 확률 분포에 필요한 메모리는 적절한 근사에 의해 감소될 수 있다. 조절기는 논리적이거나 또는 구조적인 유닛일 수 있다.

본 발명은 다양한 정적 열역학 설비(stationary thermodynamic installatinos), 특히 석탄으로 가열된, 오일로 가열된, 또는 가스로 가열된, 전력 생성 플랜트, 폐기물 소각, 폐기물 분리 또는 폐기물 분류 플랜트 및 시멘트 공장(cement works)과 같은 설비에서 이용될 수 있다.

본 발명은 도면에서 도시된 예시적 실시예에 기초하여 이하에서 더욱 자세하게 설명된다.

예시적 실시예에서, 플랜트(1)는 제어 루프에 의해 조절되도록 제공된다. 플랜트(1)는, 제어된 시스템(3), 제어된 시스템(3)의 측정 데이터를 기록하는 적어도 하나의 그리고 바람직하게 다수의 서로 다른 측정 소자(5), 상기 제어된 시스템(3) 상에 작용할 수 있는 적어도 하나의 그리고 바람직하게는 다수의 서로 다른 조정 소자(9), 및 측정 소자(5) 및 조정 소자(9)에 연결된 조절기(11)를 포함하고, 이에의해 제어 루프를 형성한다.

제어된 시스템(3)에는, 간략히 물질(G)로서 지칭되는 변환될 물질, 예를 들어 석탄, 오일, 가스와 같은 연료, 다른 주요 연료, 폐기물 또는 다른 부수적 연료(또한, 시멘트 공장의 경우에 석회)뿐만 아니라 간략히 에어(L)로서 지칭되는 주요 에어(주요 산소) 및 부수적 에어(부수적 산소)가 공급되고, 이러한 공급은 조절기(11)에 의해 조절되는 조정 소자(9)에 의해 제어된다. 제어된 시스템(3)의 코어는 연소 프로세스가 일어나는 퍼니스(13)로 이루어진다. 측정 소자(5)는 제어된 시스템(3)의 가능한 많은 측정값들을 기록하는데, 예를 들어 연소 프로세스에 의해만들어진 화염 바디(F)의 이미지, 가능하게 퍼니스(13)의 벽으로부터의 방사(emission), 다른 열적 이미지, 온도, 압력, 물질(G)의 질량 유동, 에어(L)의 질량 유동, 그리고 시멘트 공장에서 냉각 시멘트 및 폐기물 가스의 측정값, 폐기물 가스에서 오염 농도의 측정값, 및 시멘트 공장의 경우에 시멘트의 품질의 측정으로서 자유 석회(free lime)의 농도(FCAO)와 같은 측정값을 기록한다.

조절기(11)는 적어도 하나의 그리고 바람직하게는 다수의 입력 변환기(11a), 프로세스 모델 유닛(11b), 평가 유닛(11c), 선택 유닛(11d), 출력 변환기(11e), 및 작용 생성기(action generator; 11f)를 갖는다. 또한, 조절기(11)는 바람직하게 언급된 다른 부품들과 평행하게 연결된 종래의 조절 유닛(11g)을 갖는다.

이후에는 관찰값(x)이라고 지칭되는 측정 소자(5)에 의해 기록된 측정값은 상태 변수들이고, 이는 시간의 함수, 즉 x = x(t),로서 시스템의 실제 상태를 설명한다. 연관된 입력 변환기(11a)에서, 확률 분포 P = P(x)가 이러한 시간 의존적인 관찰값(x)으로부터 형성된다. 이러한 목적을 위해, 가장 간단한 경우에, 예를 들어 퍼니스(13)의 온도와 같은 관찰값(x)의 관련 값 범위는 개별적인 단계들도 다시 나눠지고, 이러한 시간 간격에 걸쳐 관찰값(x)이 측정되며 x(t)(교점(nodes)을 갖는 막대그래프)의 개별적인 측정의 빈도에 따라 개별적인 단계들을 통해 P(x)가 결정된다. 평균의 일정한 관찰값(x)의 가장 간단한 경우에, 불연속된 가우시안 정규 분포가 변동 및 다른 통계학적 현상에 의해 얻어진다. 이후 이 시스템의 실제 상태는 프로세스 모델 유닛(11b)으로의 입력 및 확률 분포 P = P(x)의 총계에 의해 설명되며, 이 경우 바람직하게 신경 네트워크의 형태로 구현된 적어도 하나의 프로세스 모델, 및 바람직하게 다수의 상호 경쟁하는(inter-competing) 프로세스 모델이 저장된다.

작용 생성기(11f)는 가능한 작용값들의 세트{z_i}를 생성한다. 이 값들은 평가 전략에 기초하여 또는 랜덤하게(몬테 카를로) 선택될 수 있다. 가능한 작용값들의 세트{z_i}로부터, 다른(또는 동일한) 입력 변환기(11a)가 연관된 분포의 세트{P(z_i)}를 형성한다. 이러한 분포는 관찰값(x)에 대한 분포와 동일한 방법으로 결정된다. 가능한 작용값들에 지정된 분포들의 세트{P(z_i)}는 프로세스 모델 유닛(11b)으로 입력된다.

이 프로세스 모델 유닛(11b)에 포함된 소위 베이시안 프로세스 모델은 이하에서 추가적으로 설명되는 방식으로 원래 훈련되고 바람직하게 연속적으로 향상된다; 베이시안 프로세스 모델을 이용하여, 시스템의 예상되는 미래(실제) 상태에 대한 예측이 분포 P(x) 및 {P(z_i)}로부터 만들어지고, 이러한 예측은 지정된 분포의 세트{P(y_i)}의 형태로 표현되며 평가 유닛(11c)으로 입력된다. 특히 낮은 오염 농도의 잔류물의 낮은 폐기물 가스 또는 주요 연료의 낮은 소비와 같은 다른 최적 타겟 및 예정된 설정포인트 값과 같은 타겟값(y)은 확률 분포 P = P(y)로 직접적으로 도는 바람직하게 변환 이후 평가 유닛(11c)으로 입력된다. 평가 유닛(11c)은 타겟값(y)의 확률 분포 P(y)와 관련하여 시스템의 예상되는 미래 상태들의 분포의 세트{P(y_i)}를 평가한다. 개별적인 평가는 예를 들어 스칼라와 같은 품질(quality)(q_i)에 의해 표현될 수 있고, 이에 의해 평가 유닛(11c)은 품질의 세 트{q_i}를 출력한다. 선택 유닛(11d)은 최대 품질(qi), 일반적으로 가장 큰 수치값을 가진 q_i를 선택하고, 세트{P(z_i)}로부터 타겟값 y 또는 P(y)에 더 가까운 시스템의 상태를 가져와야만 하는 작용값(z)의 적절한 확률 분포 P = P(z)로서 이러한 q_i에 원인이 되는 분포를 취한다.

출력 변환기(11e)에서, 개별적인 작용값(z)은 확률 분포 P = P(z)로부터 형성되고, 구체적인 작용들이 이에 지정되며, 이후 이에 기초하여 제어된 조정 소자(9)가 지정된 작용들을 수행한다. 이에 의해 제어 루프가 닫힌다. 예를 들어 밸브 세팅과 같은 가우시안 정규 분포 P = P(z)의 가장 간단한 경우에, 이 피크값에 대응하는 구체적인 밸브 세팅이 얻어진다. 또한, 중심 또는 이와 유사한 것(centroid or similar)이 이용될 수도 있다. 더욱 복잡한 경우에, 세팅의 순서는 서로 매치되는 작용값(z)의 순서를 초래할 것이다.

추가적으로 제공될 수 있는 종래의 조절기 유닛(11g)은 응급 상황 또는 다른 경우에 있어서 적절한 유닛으로서 또는 개별적인 조정 소자(9)를 위한 조절 기능의 일부를 가정할 수 있고, 이에 의해 입력 변환기(11a), 프로세스 모델 유닛(11b), 평가 유닛(11c), 선택 유닛(11d), 및 출력 변환기(11e) 그리고 작용 생성기(11f)를 우회한다.

확률 분포(P)의 이용은 예를 들어 가장 예상되는 예측값과 같은 개별적인 값과 떨어진 확률 국면(aspects) 및 성질을 더 잘 고려하는 것을 가능하게 하고, 연관된 불확실성, 예를 들어 이러한 예상값의 흩어짐이 포함된다. 확률 분포를 위한 프로세스 모델은 프로세스 모델이 전방 및 평행한 후방 계산을 위해 이중 방향적으로 그리고 다중 단계 예상을 위해 반복적으로 이용될 수 있는 방식으로 바람직하게 구성된다. 흩어짐이 알려진 때, 분별 가능한 종결 기준들(criteria)이 다중 단계 예상을 위해 선택될 수도 있다.

시스템에서 매우 비선형 관계 때문에, 일반적으로 가우시안 정규 분포 대신 더욱 복잡한 확률 분포(P)가 각각의 경우에 일어날 것이고, 이는 다수의 국부적 최대값(local maxima)을 가능하게 포함할 수 있다. 본 발명은 타겟된 관찰값(x)을 평가하고 작용값(z)을 선택하는데 이용될 수 있기 때문에, 이는 타겟값(y)에 더욱 빠르게 접근하는 것을 가능하게 한다.

프로세스 모델 유닛(11b)에서 프로세스 모델을 훈련하기 위해, 관찰값(x) 및 실제 작용값(z)은 연관된 입력 변환기(11a)에서 프로세스 모델 유닛(11b)으로 입력된 분포 P(x) 및 P(z)로 변환된다. 또한, 시스템의 예상되는 미래 실제 상태의 분포의 세트{P(y_i)}는 타겟값(y)의 분포 P(y)와 유사하게 평가 유닛(11c)으로 입력된다. 공지된 방식으로, 결정된 예측 오차가 이용되고 이에 의해 프로세스 모델을 적응시키는데 예를 들어 신경 네트워크에서 링크들을 적응시킨다. 상호 경쟁하는 프로세스 모델 및/또는 상호 경쟁하는 조절기는 동시에 훈련되는 것이 가능할 수 있다.

분별 가능한 프로세싱을 허용하기 위해, 분포의 매우 고차원의 가능성(가능성 밀도 분포)은 매우 결정된(resolved) 형태로 저장되지 않아야 하고 근사되어야 하는데, 예를 들어 이러한 근사는 매개변수 확률 분포에 의해(parametric probability distribution)(몇몇 특징적인 파라미터에 의해 특징지어짐), "그래픽 모델"에 의해(함수 시스템으로부터 몇 개의 함수에 의해 특징지어짐), 입자 필터(몬테 카를로 방법)에 의해, 또는 이용되는 신경 네트워크에 의해 저장되어야 한다(예를 들어 방사상 기초 함수 네트워크).

도 1은 작동시 조절기의 블록 회로도이다.

도 2는 훈련된(trained) 조절기의 블록 회로도이다.

도 3은 예시적 실시예의 개략도이다.

도 4는 확률 분포의 개략도이다.

* 도면 부호 리스트

1 플랜트 3 제어된 시스템 5 측정 소자

9 조정 소자 11 조절기 11a 입력 변환기

11b 프로세스 모델 유닛 11c 평가 유닛 11d 선택 유닛

11e 출력 변환기 11f 작용 생성기 11g 종래 조절 유닛

13 퍼니스 F 화염 바디 G 물질

L 에어 P 확률 분포 q_i 품질

x 관찰값 y 타겟값 z 작용값

{} 세트

Claims

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프로서,

제어된 시스템(3), 상기 제어된 시스템(3)의 관찰값(x)을 기록하기 위한 하나 이상의 측정 소자(5), 상기 제어된 시스템(3) 상에 작용하고 작용값(z)에 의해 제어 가능한 하나 이상의 조정 소자(9), 및 상기 측정 소자(5)와 상기 조정 소자(9)에 연결된 조절기(11)를 갖고,

상기 조절기(11)가 상기 측정 소자(5)의 관찰값(x)을 분석하고, 타겟값(y)에 기초하여 상기 관찰값(x)에 의해 설명된 상기 시스템의 상태를 평가하며, 상기 타겟값(y)을 얻기 위해 적절한(appropriate) 작용값(z)을 선택하고, 상기 조정 소자(9)를 제어하며,

상기 조절기(11)는 특히 프로세스 모델 유닛(11b)에 저장된 프로세스 모델에 의해 상기 관찰값(x)의 하나 이상의 확률 분포(P(x))로부터 상기 시스템의 예상되는(probable) 미래 상태들의 분포의 세트{P(y_i)}를 예측하고, 상기 타겟값(y) 및/또는 분포(P(y))에 기초하여 상기 시스템의 예상되는 미래 상태들의 분포의 세트를 평가하며, 특히 선택 유닛(11d)에서 적절한 작용값(z)의 하나 이상의 확률 분포(P(z))를 선택하는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 1 항에 있어서,

상기 조절기(11)가 상기 관찰값(x)으로부터 상기 관찰값(x)의 하나 이상의 확률 분포(P(x))를 생성하는 입력 변환기(11a)를 갖는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 1 항 또는 제 2 항에 있어서,

상기 조절기(11)가 상기 작용값(z)의 확률 분포(P(z))로부터 하나 이상의 작용값(z)을 생성하는 출력 변환기(11e)를 갖는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 2 항 또는 제 3 항에 있어서,

상기 조절기가 상기 입력 변환기(11a), 상기 다양한 유닛들(11b, 11c, 11d) 및 상기 출력 변환기(11e)를 우회하는(bypass) 종래의 조절 유닛(11g)을 갖는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 1 항 내지 제 4 항에 있어서,

작용 생성기(action generator; 11f)가 가능한 작용값의 세트{z_i}를 생성하고 및/또는 상기 가능한 작용값의 세트로부터 입력 변환기(11a)가 상기 프로세스 모델 유닛(11b)으로 입력되는 지정된 분포의 세트{P(z_i)}를 형성하는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 1 항 내지 제 5 항에 있어서,

품질(qi)에 의해, 상기 평가 유닛(11c)이 상기 타겟값(y) 및/또는 타겟값의 분포(P(y))에 기초하여 상기 시스템의 예상되는 미래 상태들의 분포의 세트{P(y_i)}를 평가하는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 1 항 내지 제 6 항에 있어서,

상기 프로세스 모델이 상기 프로세스 모델 유닛(11b)에서 신경 네트워크로서 구현되는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 1 항 내지 제 7 항에 있어서,

상기 프로세스 모델이 상기 프로세스 모델 유닛(11b)에서 전방으로 및 후방으로의 계산(forward and backward calculation)을 위해 구성되는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 1 항 내지 제 8 항에 있어서,

상기 제어된 시스템(3)이 상기 연소 프로세스에 의해 물질(G)을 변환시키기 위한 퍼니스(13)를 가지고, 에어(L)가 공급되며, 하나 이상의 화염 바디(F)가 형성되는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.
제 1 항 내지 제 9 항에 있어서,

상기 조정 소자(9)가 적어도 물질(G) 및/또는 에어(L)의 공급을 제어함에 의해 상기 제어된 시스템(3) 상에 작용하는 것을 특징으로 하는,

플랜트(1), 특히 전력 생성 플랜트, 폐기물-처리/소각 플랜트 또는 시멘트 공장에서, 프로세스, 특히 연소 프로세스를 조절하기 위한 제어 루프.