KR20130089283A - 산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어 - Google Patents

산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어 Download PDF

Info

Publication number
KR20130089283A
KR20130089283A KR1020137017619A KR20137017619A KR20130089283A KR 20130089283 A KR20130089283 A KR 20130089283A KR 1020137017619 A KR1020137017619 A KR 1020137017619A KR 20137017619 A KR20137017619 A KR 20137017619A KR 20130089283 A KR20130089283 A KR 20130089283A
Authority
KR
South Korea
Prior art keywords
optimizer
control system
flue gas
oxy
power plant
Prior art date
Application number
KR1020137017619A
Other languages
English (en)
Other versions
KR101484496B1 (ko
Inventor
신솅 로우
Original Assignee
알스톰 테크놀러지 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 알스톰 테크놀러지 리미티드 filed Critical 알스톰 테크놀러지 리미티드
Publication of KR20130089283A publication Critical patent/KR20130089283A/ko
Application granted granted Critical
Publication of KR101484496B1 publication Critical patent/KR101484496B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23C—METHODS OR APPARATUS FOR COMBUSTION USING FLUID FUEL OR SOLID FUEL SUSPENDED IN  A CARRIER GAS OR AIR 
    • F23C9/00—Combustion apparatus characterised by arrangements for returning combustion products or flue gases to the combustion chamber
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23C—METHODS OR APPARATUS FOR COMBUSTION USING FLUID FUEL OR SOLID FUEL SUSPENDED IN  A CARRIER GAS OR AIR 
    • F23C9/00—Combustion apparatus characterised by arrangements for returning combustion products or flue gases to the combustion chamber
    • F23C9/003—Combustion apparatus characterised by arrangements for returning combustion products or flue gases to the combustion chamber for pulverulent fuel
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23L—SUPPLYING AIR OR NON-COMBUSTIBLE LIQUIDS OR GASES TO COMBUSTION APPARATUS IN GENERAL ; VALVES OR DAMPERS SPECIALLY ADAPTED FOR CONTROLLING AIR SUPPLY OR DRAUGHT IN COMBUSTION APPARATUS; INDUCING DRAUGHT IN COMBUSTION APPARATUS; TOPS FOR CHIMNEYS OR VENTILATING SHAFTS; TERMINALS FOR FLUES
    • F23L7/00—Supplying non-combustible liquids or gases, other than air, to the fire, e.g. oxygen, steam
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23L—SUPPLYING AIR OR NON-COMBUSTIBLE LIQUIDS OR GASES TO COMBUSTION APPARATUS IN GENERAL ; VALVES OR DAMPERS SPECIALLY ADAPTED FOR CONTROLLING AIR SUPPLY OR DRAUGHT IN COMBUSTION APPARATUS; INDUCING DRAUGHT IN COMBUSTION APPARATUS; TOPS FOR CHIMNEYS OR VENTILATING SHAFTS; TERMINALS FOR FLUES
    • F23L7/00—Supplying non-combustible liquids or gases, other than air, to the fire, e.g. oxygen, steam
    • F23L7/007—Supplying oxygen or oxygen-enriched air
    • 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
    • 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
    • G05B13/042—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 in which a parameter or coefficient is automatically adjusted to optimise the performance
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2223/00—Signal processing; Details thereof
    • F23N2223/40—Simulation
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E20/00—Combustion technologies with mitigation potential
    • Y02E20/34—Indirect CO2mitigation, i.e. by acting on non CO2directly related matters of the process, e.g. pre-heating or heat recovery

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Regulation And Control Of Combustion (AREA)

Abstract

산소 연료 파워 플랜트를 최적화하기 위한 제어 시스템은 연도 가스 스트림으로부터 보일러로 이산화탄소를 재순환시키도록 동작하는 상기 산소 연료 파워 플랜트와 소통하는 옵티마이저(optimizer); 상기 산소 연료 파워 플랜트를 제어하도록 동작하는 제어 플랫폼; 및 상기 산소 연료 파워 플랜트의 성능을 시뮬레이션하도록 동작하는 시뮬레이터를 포함한다.

Description

산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어{OPTIMIZED INTEGRATED CONTROLS FOR OXY-FUEL COMBUSTION POWER PLANT}
본 발명은 산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어에 관한 것이다. 특히, 본 발명은 산소 연료 분쇄 석탄 파워 플랜트 또는 산소 연료 순환 유동화 베드 파워 플랜트를 위한 최적화된 통합 제어에 관한 것이다.
산소 연료 연소 시스템은 주로 수증기와 이산화탄소를 포함하는 연도 가스를 생성하기 위해 1차 연료의 연소를 위해 공기 대신 산소를 사용한다. 이는 80 체적%보다 큰 이산화탄소 농도를 갖는 연도 가스를 초래한다. 연도 가스의 2/3이 시스템 내에서 재순환되지만, 잔여 부분(주로 이산화탄소와 수증기, 그리고, 소량의 아르곤, 질소, 질소 산화물 및 황 산화물로 구성됨)은 세정, 압축 및 그 후 저장부 또는 다른 용례로 수송된다.
도 1은 산소 점화를 가능하게 하도록 구성된 예시적 파워 플랜트(100)를 도시한다. 파워 플랜트(100)는 일반적으로 공기 분리 유닛(200), 보일러(300) 및 연도 가스 처리 시스템(400)을 포함한다. 공기 분리 유닛(200)은 보일러(300) 및 연도 가스 처리 시스템(400)과 유체 소통한다. 보일러(300) 및 연도 가스 처리 시스템(400)은 공기 분리 유닛의 하류에 존재하고, 연도 가스 처리 시스템(400)은 보일러(300)의 하류에 배치된다. 공기 분리 유닛(200)은 질소로부터 외부 공기를 분리시키고, 산소 농후 가스를 보일러(300)에 전달한다. 보일러(300)는 증기 터빈(302)과 소통하고, 증기를 터빈(302)에 공급하여 이를 구동한다. 보일러(300)로부터의 연도 가스는 연도 가스 건조기(304)로, 그리고, 정전 침전기(306)로 배출된다.
정전 침전기(306)로부터 발산되는 건조되고 미립자가 없는 연도 가스의 일부는 보일러(300)로 재순환되고, 보일러에서 이는 추가적 유입 공기(산소가 농후하고 질소가 없는)와 혼합되고, 보일러(300)로 전달된다. 재순환되지 않는 연도 가스(이산화탄소 농후)의 잔여 부분은 습기를 제거하기 위해 추가로 처리되고, 그 후, 압축기(308)에서의 압축 및 분리 설비(310)에서의 격리(sequestration)를 받게 된다.
파워 플랜트에서 산소 연료 연소를 전개하는 것과 연계된 다수의 새로운 도전 과제가 존재한다. 이들 문제들의 일부는 다음과 같다.
이산화탄소의 더 용이한 포획을 가능하게 하기 위해 파워 플랜트에서 산소 연료 연소 시스템을 사용하는 것은 산소 연료 연소를 사용하지 않는 비견할만한 파워 플랜트보다 추가적인 에너지 소비를 초래한다. 이 추가적 에너지 소비는 주로 공기 분리 유닛에서의 에너지 소비(약 25 내지 약 30%)로부터, 그리고, 연도 가스 재순환(약 5 내지 약 10%)으로부터 발생한다. 에너지 소비의 이러한 증가는 파워 플랜트로부터의 출력 감소를 초래한다.
산소가 농후한 가스를 사용한 결과로서, 재순환된 연도 가스 비율에 대한 산소의 비율이 변할 때 발생하는 연소의 변화가 존재한다. 이는 파워 플랜트를 제어하기 위한 새로운 과제를 제공한다.
이산화탄소 생성 또는 전기적 부하 요구의 변화 같은 파워 시스템에 대한 외부적 교란은 공기 분리 유닛(200), 보일러(300) 및 연도 가스 처리 시스템(400)에 영향을 준다. 파워 플랜트의 폐루프 제어 및 연도 가스의 재순환은 전기적 부하 요구의 변화 또는 이산화탄소 생성과 상호 연계되기 때문에, 이들 변화는 공기 분리 유닛(200), 보일러(300) 및 연도 가스 처리 시스템(400)의 기능에 대한 변화를 유발한다.
플랜트의 기능의 효율을 증가시키기 위해, 그리고, 이산화탄소 생성의 변화나 전기적 부하 요구의 변화의 영향을 최소화하기 위해, 에너지 생성을 개선시키기 위해 협력 작용하면서 동시에 이산화탄소 격리를 개선시키는 제어 시스템을 사용하는 것이 바람직하다.
본 명세서에는 산소 연료 파워 플랜트를 최적화하기 위한 제어 시스템이 개시되어 있으며, 이 제어 시스템은 연도 가스 스트림으로부터 보일러로 이산화탄소를 재순환시키도록 동작하는 상기 산소 연료 파워 플랜트와 소통하는 옵티마이저(optimizer); 상기 산소 연료 파워 플랜트를 제어하도록 동작하는 제어 플랫폼; 및 상기 산소 연료 파워 플랜트의 성능을 시뮬레이션하도록 동작하는 시뮬레이터를 포함한다.
본 명세서에는 전력망과 소통하는 산소 연료 파워 플랜트의 공기 분리기, 보일러, 연도 가스 건조기, 정전 침전기 및/또는 연도 가스 응축기, 터빈 발전기의 성능을 시뮬레이션하는 단계; 상기 시뮬레이션된 성능으로부터 상기 공기 분리기 유닛, 상기 보일러, 상기 연도 가스 건조기, 상기 정전 침전기 및/또는 상기 연도 가스 응축기의 성능의 모델을 생성하는 단계; 상기 공기 분리 유닛, 상기 보일러, 상기 연도 가스 건조기, 상기 정전 침전기 및/또는 상기 연도 가스 응축기의 출력을 측정하는 단계; 그리고 상기 시뮬레이션된 성능을 실제 성능과 비교함으로써 상기 공기 분리 유닛, 상기 보일러, 상기 연도 가스 건조기, 상기 정전 침전기 및/또는 상기 연도 가스 응축기와 터빈 발전기의 성능을 최적화하는 단계를 포함하는 방법이 개시되어 있다.
도 1은 산소 점화를 가능하게 하도록 구성된 예시적 파워 플랜트를 도시하는 도면.
도 2는 연도 가스가 재순환될 때 파워 플랜트 성능을 제어 및 최적화하기 위한 예시적 산소 연료 경제성 옵티마이저 및 제어 시스템을 반영하는 도면.
도 3은 최적화된 산소 연료 이산화탄소 연소 플랜트의 모델 프로세스 제어기의 동작의 일부 실시예를 반영하는 도면.
도 4는 도 2의 산소 연료 플랜트 경제성 옵티마이저의 예시적 실시예를 도시하는 도면.
도 5는 임의의 산소 연료 보일러 모델을 사용하는 감독 최적화 제어기일 수 있는, 산소 연료 보일러 모델 예측 제어기를 위한 구조를 도시하는 도면.
이제, 다양한 실시예가 도시되어 있는 첨부 도면을 참조로 이하에 더 상세히 설명될 것이다. 그러나, 본 발명은 다수의 다양한 형태로 구현될 수 있으며, 본 명세서에 기재된 실시예에 한정되는 것으로 해석되지 않아야 한다. 대신, 이들 실시예는 본 발명이 전반적이고 완전하게 하도록 제공된 것이며, 당업자들에게 본 발명의 범주를 완전하게 전달하고자 하는 것이다.
일 요소가 다른 요소 "상에" 존재하는 것으로 지칭될 때, 이는 다른 요소 상에 직접적으로 존재할 수 있거나, 개입 요소가 그 사이에 존재할 수 있다는 것을 이해하여야 한다. 대조적으로, 일 요소가 다른 요소 "상에 직접적으로" 존재하는 것으로 지칭될 때, 어떠한 개입 요소도 존재하지 않는다. 본 명세서에서 사용될 때, 용어 "및/또는"은 연계되어 나열된 물품 중 하나 이상의 임의의, 그리고, 모든 조합을 포함한다.
비록, 용어 제1, 제2 및 제3 등이 본 명세서에서 다양한 요소, 구성요소, 영역, 층 및/또는 섹션을 설명하기 위해 사용될 수 있지만, 이들 요소, 구성요소, 영역, 층 및/또는 섹션은 이들 용어에 의해 제한되지 않아야 한다는 것을 이해할 것이다. 이들 용어는 단지 하나의 요소, 구성요소, 영역, 층 또는 섹션을 다른 요소, 구성요소, 영역, 층 또는 섹션으로부터 구별하기 위해 사용되는 것이다. 따라서, 후술된 제1 요소, 구성요소, 영역, 층 또는 섹션은 본 발명의 교시로부터 벗어나지 않고 제2 요소, 구성요소, 영역, 층 또는 섹션으로 명명될 수 있다.
본 명세서에 사용되는 용어는 단지 특정 실시예를 설명하는 목적을 위한 것이고, 제한을 의미하지 않는다. 본 명세서에서 사용될 때, 단수 형태 "일"은 내용상 달리 명백하게 나타나지 않는 한, 마찬가지로 복수 형태를 포함하는 것을 의도한다. 또한, 용어 "포함하다" 및/또는 "포함하는"이나, "내포하다" 및/또는 "내포하는"은 본 명세서에 사용될 때, 설명된 특징, 영역, 완전체, 단계, 동작, 요소 및/또는 구성요소의 존재를 명시하지만, 하나 이상의 다른 특징, 영역, 완전체, 단계, 동작, 요소, 구성요소 및/또는 그 그룹의 존재나 추가를 배제하지 않는다는 것을 추가로 이해하여야 한다.
또한, "하부" 또는 "저부"와 "상부" 또는 "상단" 같은 상대적 용어는 도면에 예시된 바와 같은 다른 요소에 대한 하나의 요소의 관계를 설명하기 위해 본 명세서에서 사용될 수 있다. 상대적 용어는 도면에 도시된 배향에 추가로 장치의 다른 배향을 포함하는 것을 의도한다는 것을 이해할 것이다. 예로서, 도면 중 하나의 장치가 반전되는 경우, 다른 요소의 "하부" 측부에 있는 것으로 설명된 요소는 이때 이 다른 요소의 "상부" 측부 상에 배향되어야 한다. 따라서, 예시적 용어 "하부"는 도면의 특정 배향에 따라서 "하부" 및 "상부"의 배향 양자 모두를 포함한다. 유사하게, 도면 중 하나에서 장치가 반전되는 경우, 다른 요소의 "아래" 또는 "밑에" 있는 것으로서 설명된 요소는 이때 다른 요소의 "위에" 배향되어야 한다. 따라서, 예시적 용어 "아래" 또는 "밑에"는 위 및 아래의 배향 양자 모두를 포함한다.
달리 정의되지 않는 한, 본 명세서에 사용되는 모든 용어(기술적 및 과학적 용어 포함)는 본 발명이 속하는 기술 분야의 당업자가 일반적으로 이해하는 의미와 동일한 의미를 갖는다. 또한, 일반적으로 사용되는 사전에 규정된 것들 같은 용어는 본 발명 및 관련 기술의 범주에서의 그 의미와 일관성있는 의미를 갖는 것으로 이해되어야 하며, 본 명세서에서 달리 명시적으로 규정되지 않는 한, 이상적인 또는 과도하게 공식적인 의미로 해석되지 않아야 한다.
예시적 실시예는 이상적인 실시예의 개략적 예시인 단면 예시도를 참조로 본 명세서에서 설명된다. 이 때문에, 예로서, 제조 기술 및/또는 공차의 결과로서 예시의 형상으로부터의 변형이 예상된다. 따라서, 본 명세서에 설명된 실시예는 본 명세서에 예시된 바와 같은 영역의 특정 형상에 한정되는 것으로서 해석되지 않아야 하며, 예로서, 제조로부터 초래되는 형상의 편차를 포함한다. 예로서, 평면으로서 예시 또는 설명된 영역은 통상적으로 거칠고 및/또는 비선형적인 특징을 가질 수 있다. 또한, 예시된 예리한 각도는 라운드형일 수 있다. 따라서, 도면에 예시된 영역은 본질적으로 개략적인 것이고, 그 형상은 영역의 정확한 형상을 예시하는 것을 의도하지 않으며, 제공된 청구범위의 범주를 제한하고자 하는 의도도 아니다.
본 명세서에는 비선형 제어기와 옵티마이저를 포함하고, 정상 상태(steady state) 경제성 옵티마이저를 동적 옵티마이저와 조합하는 산소 연료 연소 기반 이산화탄소 포획 파워 플랜트를 제어하기 위한 통합 시스템이 개시되어 있다. 통합 시스템은 다양한 파워 플랜트에 유리하게 사용될 수 있으며, 수명 연장 제어, 배기물 최적화, 경제적 최적화 및 부하 경사 제어(load ramping control)를 통합하기 위해 사용될 수 있다. 또한, 이는 전체 파워 플랜트를 위한 오류 제어 내성 전략을 용이하게 하는 오류 검출기를 포함하도록 사용될 수도 있다. 예시적 실시예에서, 이는 산소 연료 이산화탄소 연소 플랜트에 사용될 수 있다.
본 명세서에는 역시 비선형 제어기 및 옵티마이저를 포함하는 산소 연료 연소 기반 이산화탄소 포획 파워 플랜트를 제어하기 위한 방법이 개시되어 있다. 일 실시예에서, 이 방법은 공기 분리 유닛, 보일러, 연도 가스 건조기, 정전 침전기 및/또는 연도 가스 응축기 및 전력망과 소통하는 산소 연료 파워 플랜트의 터빈 발전기의 성능을 시뮬레이션하는 단계를 포함한다. 공기 분리 유닛, 보일러, 연도 가스 건조기, 정전 침전기 및/또는 연도 가스 응축기와 터빈 발전기의 성능의 모델은 시뮬레이션된 성능으로부터 생성된다. 공기 분리 유닛, 보일러, 연도 가스 건조기, 정전 침전기 및/또는 연도 가스 응축기와 터빈 발전기의 출력이 측정된다. 모델은 공기 분리 유닛, 보일러, 연도 가스 건조기, 정전 침전기 및/또는 연도 가스 응축기의 성능 및 실제 출력에 대해 비교되고, 그 후, 터빈 발전기가 시뮬레이션된 성능을 실제 성능과 비교함으로써 최적화된다.
파워 플랜트에 통합 공정 최적화 시스템을 사용하는 것은 다수의 장점을 생성한다. 파워 생성 공정, 보일러 설계 공정 및 플랜트 배치를 포함하는 파워 플랜트의 다양한 특징부를 조화시키는 옵티마이저를 사용함으로써, 파워 플랜트의 효율은 현저히 개선될 수 있고, 이산화탄소 포획의 부정적 영향이 최소화될 수 있다. 일 실시예에서, 통합되고 공동 제어되며 서로 소통하는 플랜트의 다양한 부분 사이에 공정 옵티마이저를 사용함으로써, 이산화탄소 포획의 부정적 영향이 제어 및 최소화될 수 있다. 예시적 실시예에서, 보일러 디자인 및 시스템 사이클 배치 같은 플랜트 디자인을 수반하는 공정과 조합하여 산소 생성, 석탄 공급, 연도 가스 세정 및 재순환 같은 파워 생성을 수반하는 최적화 공정에 의해, 이산화탄소 포획의 부정적 영향이 현저히 제어 및 최소화될 수 있다.
전기, 연료 및 흡수제의 변하는 시장 가격, 주요 배기물(이산화탄소, 질소 산화물, 이산화황, 수은, 미립자 물질 등)의 트레이드 가치, 및 유지 비용에 관련한 부품 수명 연장과, 유닛 동적 성능을 고려함으로써 파워 생성 공정의 실시간 최적화는 파워 플랜트 유지 경쟁 여유를 돕는다.
도 2는 연도 가스가 재순환 될 때(즉, 산소 연료 이산화탄소 연소 파워 플랜트에서) 파워 플랜트 성능을 제어 및 최적화하기 위한 예시적 산소 연료 경제성 옵티마이저 및 제어 시스템(500)(이하, 제어 시스템(500))을 반영한다. 일 실시예에서, 파워 플랜트는 분쇄 석탄 파워 플랜트 또는 순환 유동화 베드 파워 플랜트일 수 있다. 제어 시스템(500)은 분산 제어 시스템 플랫폼(800)과 소통하는 시뮬레이터(700)를 포함한다. 분산 제어 시스템 플랫폼(800)은 마스터 제어기 및 옵티마이저(900)와 소통한다. 일 실시예에서, 시뮬레이터(700), 분산 제어 시스템 플랫폼(800) 및 옵티마이저(900)는 서로 작동 통신한다. 예시적 실시예에서, 시뮬레이터(700), 분산 제어 시스템 플랫폼(800) 및 옵티마이저(900)는 서로 전기적으로 통신한다. 옵티마이저(900)는 플랜트 마스터 제어기(952)와 소통하는 플랜트 경제성 옵티마이저(950)를 포함한다. 경제성 옵티마이저는 다중변수 옵티마이저이다.
시뮬레이터(700)는 도 1에 도시된 파워 플랜트의 구성요소의 거동을 시뮬레이션하는 복수의 시뮬레이터를 포함한다. 공기 분리 유닛 시뮬레이터(708)는 공기 분리 유닛(200)의 성능을 시뮬레이션한다. 산소 연료 보일러(300)의 성능은 산소 연료 보일러 시뮬레이터(710)에 의해 시뮬레이션된다. 백엔드(back-end) 공정 시뮬레이터는 연도 가스 건조기(304), 정전 침전기(306) 및 연도 가스 응축기(400) 각각의 성능을 시뮬레이션한다. 제1 시뮬레이터(702)는 연도 가스 건조기(304)의 성능을 시뮬레이션한다. 제2 시뮬레이터(704)는 정전 침전기(306)의 성능을 시뮬레이션한다. 제3 시뮬레이터(706)는 연도 가스 응축기(400)의 성능을 시뮬레이션한다.
제1, 제2 및 제3 시뮬레이터(702, 704, 706), 공기 분리 유닛 시뮬레이터(708) 및 산소 연료 보일러 시뮬레이터(710)는 제1 원리 방정식(예를 들어, 질량, 운동량 및 에너지 균형)을 통해, 그리고, 선형 및 비선형 모델을 통해 각각의 구성요소의 성능을 시뮬레이션한다. 시뮬레이터는 정상 상태 공정 시뮬레이터 또는 동적 시뮬레이터일 수 있다. 모델링 및 시뮬레이션은 전미분 방정식(ODE), 대수 방정식(AE) 및 편미분 방정식(PDE)의 임의의 조합을 포함한다. 또한, 경험적 모델링 방법, 예를 들어, 외인성 입력을 갖는 비선형 자기회귀 네트워크(NARX), 외인성 입력을 갖는 비선형 자기회귀 이동 평균(NARMAX), 웨이블릿(wavelet) 네트워크 모델 및 바이너-해머스테인(Wiener-Hammerstein) 모델 같은 신경 네트워크(NN)가 데이터 유도 모델과 단순화된 제1 원리 모델을 조합하는 혼성 동적 모델 구조에 사용된다. 또한, 선형화된 모델 및 비선형 모델 양자 모두를 사용하는 다중변수 모델 예측 제어(MPC)는 동적 최적화에 대한 솔루션을 제공한다. 마스터 시뮬레이터(720)는 제1, 제2 및 제3 시뮬레이터(702, 704, 706), 공기 분리 유닛 시뮬레이터(708) 및 산소 연료 보일러 시뮬레이터(710) 각각과 소통한다. 마스터 시뮬레이터(720)는 슬레이브[즉, 제1, 제2 및 제3 시뮬레이터(702, 704, 706), 공기 분리 유닛 시뮬레이터(708) 및 산소 연료 보일러 시뮬레이터(710)]의 셋업 동안, 그리고, 슬레이브의 기능의 검사를 위해 유용하다. 이는 일반적으로 슬레이브를 위한 진단 도구로서 그리고 테스트를 위해 사용된다.
시뮬레이터(즉, 제1, 제2 및 제3 시뮬레이터(702, 704, 706), 공기 분리 유닛 시뮬레이터(708) 및 산소 연료 보일러 시뮬레이터(710) 각각은 동적 시뮬레이터일 수 있으며, 이는 진보된 기술을 사용하여 실제 산소 연료 공정을 시뮬레이션한다. 구체적으로, 동적 시뮬레이터는 ROM(감소 차수 모델; Reduced Order Model) 기반 시뮬레이터일 수 있다.
도 2에 도시된 최적화 공정은 병렬 공정 성능 및 제어 시스템 디자인 분석을 사용한다. 공정 성능 시뮬레이터 및 동적 시뮬레이터 양자 모두를 사용함으로써, 최적화된 플랜트 성능 및 동작 파라미터가 예측, 평가 및 그에 의해 효과적으로 최적화된다. 공정 성능 시뮬레이터는 디자인 표준의 공정 모델 및/또는 재귀 모델 같은 이론적 및 경험적 모델과 동작 데이터에 기초한 NN 모델을 사용한 열역학, 열경제학 및 배기물 예측을 포함하지만 이에 한정되지 않는다.
동적 시뮬레이터는 제1 원리 모델을 포함하거나, 대안적으로 조합된 제1 원리 및 데이터 유도 경험 모델 및/또는 웨이블릿 네트워크 모델과, 예로서, 제어 로직 시뮬레이션 모듈을 포함한다. 수명 연장 제어를 위해, 재료 모델이 포함되고, 그에 의해, 재료 손상 예측 및 수명 연장 제어 시뮬레이션을 가능하게 한다.
도 2를 이제 다시 참조하면, 분산 제어 시스템 플랫폼(800)은 공기 분리 유닛(200), 보일러(300), 연도 가스 건조기(304), 정전 침전기(306) 및 연도 가스 응축기(400)를 제어한다. 분산 제어 시스템 플랫폼(800)은 옵티마이저(900)와 통신한다. 옵티마이저(900)는 플랜트 마스터 제어기(950)와 소통하는 플랜트 경제성 옵티마이저(952)를 포함한다. 플랜트 옵티마이저(952)는 분산 제어 시스템 플랫폼(800)으로부터 온라인 데이터를 구하고, 공정 모델에 의한 예측에 사용하기 위해 이를 처리한다. 옵티마이저는 최적의 목표값을 연산하고 이들을 실시간 실행을 위해 분산 제어 시스템 플랫폼(800)으로 다시 전달한다. 목표값은 기존 분산 제어 시스템 플랫폼(800) 설정점을 무효화하거나 새롭게 연산된 목표값에 이들을 정당화하도록 기존 설정점에 편의값을 추가한다. 동작 제약이 최적화 계산에 적용된다.
상술한 바와 같이, 분산 제어 시스템(800)은 제어 시스템 플랫폼(802)을 포함하고, 이 제어 시스템 플랫폼은 공기 분리 유닛(200), 보일러(300), 연도 가스 건조기(304), 정전 침전기(306) 및 연도 가스 응축기(400) 및/또는 터빈 발전 시스템(도시 생략)을 제어한다. 일 실시예에서, 제어 시스템 플랫폼(802)은 도 2에 도시된 바와 같은 개별 제어 시스템에 의해 파워 플랜트(100)의 각각의 부분을 제어할 수 있다. 다른 실시예에서, 번들형 제어기가 사용되어 공기 분리 유닛(200), 보일러(300), 연도 가스 건조기(304), 정전 침전기(306) 및 연도 가스 응축기(400)를 제어할 수 있다.
산소 연료 플랜트 마스터 제어기(950)는 공기 분리 유닛(200)을 위한 모델 공정 제어기(908) 및 보일러(300)를 위한 모델 공정 제어기(910)와 소통한다. 산소 연료 플랜트 마스터 제어기(950)는 또한 각각의 옵티마이저, 즉, 연도 가스 건조기(304), 정전 침전기(306) 및 연도 가스 응축기(400) 각각을 위한 제1 옵티마이저(최적 제어기)(902), 제2 옵티마이저(최적 제어기)(904) 및 제3 옵티마이저(최적 제어기)(906)와 소통한다. 플랜트 경제성 옵티마이저(952)는 또한 플랜트 마스터 제어기(950)와, 제1 옵티마이저(902), 제2 옵티마이저(904) 및 제3 옵티마이저(906)와 소통한다. 최적화된 플랜트 성능 및 동작 파라미터에 대한 결정이 다수의 디자인 시나리오들 중에서의 선택을 위해 다수의 반복을 포함할 수 있기 때문에, 추가적 옵티마이저(도시 생략)는 공정 성능 및 제어 시스템 디자인 양자 모두가 플랜트 경제성 옵티마이저(952)에 의한 최적화 이전에 사전 최적화되도록 포함될 수 있다.
도 3 및 도 4는 최적화된 산소 연료 이산화탄소 연소 플랜트의 모델 공정 제어기의 동작의 일부 실시예를 반영한다. 동작시, 모델 공정 제어기(850)는 파워 플랜트(100)로부터 산소 연료 공정 출력 파라미터(104)를 수신한다. 산소 연료 공정 출력 파라미터(104)는 부하 수요, 파워 및 가스(예를 들어, H2, N2, C02 및/또는 합성가스) 유량을 포함하지만 이에 한정되지 않는다. 설정점(714) 및 사전 결정된 파라미터(716)를 사용하여, 모델 공정 제어기(850)는 모델링된 플랜트 파라미터를 최적화하고, 그에 기초하여 최적화된 산소 연료 공정 입력 제어 파라미터(102)를 플랜트(100)에 제공한다. 예시적 실시예에서, 최적화된 산소 연료 공정 입력 제어 파라미터(102)는 고체 수송 인벤토리 제어 변수이지만, 대안적 예시적 실시예는 이에 한정되지 않는다. 예로서, 최적화된 산소 연료 공정 입력 제어 파라미터(102)는 반응기 온도 제어 변수, 루프 온도 제어 변수, 노 온도 제어 변수, 부하 경사 제어 변수, 플랜트 시동 제어 로직 알고리즘, 반응기 압력 변수, 반응기 차등 압력 변수, 플랜트 가동중단 제어 로직 알고리즘 및 연료/공기/석회석/증기 비율일 수 있지만, 대안적 예시적 실시예는 상술한 목록에 한정되지 않는다.
모델 공정 제어기(850)는 모델 부분(818), 추산기(estimator;820) 및 옵티마이저(822)를 포함한다. 도 3의 모델 공정 제어기(850)가 파워 플랜트(100)와 소통하지만, 예로서, 보일러 또는 공기 분리 유닛 같은 플랜트의 다른 더 작은 부분 중 임의의 것과 소통할 수 있으며, 플랜트의 이들 더 작은 부분을 제어하도록 기능할 수 있다. 예로서, 모델 공정 제어기(850)는 도 1에 도시된 바와 같은 보일러(300)를 위한 모델 공정 제어기(910)를 가지며, 공기 분리 유닛(200)을 위한 모델 공정 제어기(908)일 수 있다. 데이터 통신은 분산 제어 시스템 플랫폼을 갖는 OPC(Object Linking and Embedding for Process Control)의 사용을 통해 이루어질 수 있지만, 이에 한정되지는 않는다.
일 실시예에서, 모델 공정 제어기(850)는 질량, 운동량 및 에너지 균형 같은 제1 원리 방정식으로부터 유도된 시뮬레이션 및 선형 또는 비선형 동적 모델링을 포함할 수 있다. 또한, 비선형 신경 네트워크 같은 경험적 모델링 방법은 데이터 유도 모델과 단순화된 제1 원리 모델을 조합시키는 혼성 동적 모델 구조에 사용된다. 예시적 실시예에서, 모델 공정 제어기는 최적화 기능을 갖는 모델 기반 예측 제어로 현용의 플랜트 제어 시스템을 보완 및/또는 대체하도록 현용의 플랜트 제어 시스템 구성요소 예를 들어, 기존 비례-적분-미분(PID) 제어기를 돕는다. 더 구체적으로, 예시적 실시예에 따른 모델 공정 제어기(850)의 모델 부분(818)은 비선형 정상 상태 모델 및 하나 이상의 선형 또는 비선형 동적 모델을 포함한다. 또한, 정상 상태 모델 및/또는 동적 모델은 각각 적응성, 퍼지 및/또는 NN 모델링 기술 및/또는 제1 원리 모델링 기술을 사용하여 산소 연료 파워 플랜트의 화학 반응 및 복합적, 비선형 멀티페이즈 유동을 모델링한다.
도 4는 도 2의 산소 연료 플랜트 경제성 옵티마이저(952)의 예시적 실시예를 도시한다. 산소 연료 플랜트 경제성 옵티마이저(952)는 도 1의 파워 플랜트(100)와 소통한다. 예시적 실시예에서, 산소 연료 플랜트 경제성 옵티마이저(952)는 파워 플랜트(100)의 전체 경제성 기반 최적화를 수행하는 다변수 옵티마이저(912)를 포함한다. 더 구체적으로, 다변수 옵티마이저(912)는 파워 플랜트(100)와 연계된 장비를 위한 열-경제성 성능, 배기물 감소 및/또는 제어와 수명 연장 기준에 초점을 둔다. 다변수 옵티마이저(912)는 파워 플랜트의 성능을 최적화하기 위해 비선형 모델 또는 선형 모델을 사용한다. 예시적 실시예에서, 다변수 옵티마이저(912)는 파워 플랜트의 성능을 최적화하기 위해 비선형 모델을 사용한다.
파워 플랜트(100)의 경제성 기반 최적화를 수행하기 위해, 다변수 옵티마이저(912)는 도 4에 도시된 바와 같이 비용(cost) 계산 알고리즘(918) 및 수입(income) 계산 알고리즘(920) 각각을 통해 파워 플랜트(100)의 입력 파라미터(102) 및 출력 파라미터(104)를 수신한다. 예시적 실시예에서, 입력 파라미터(102)는 연료 유동, 흡수 유동, 공기 유동, 물 유동, 석회석 유동, 고체 순환율 등을 포함하지만 이에 한정되지 않는다. 출력 파라미터(104)는 파워 생성율, 배기물 크레디트, 수명 연장, 공정 스팀(출력 생성물로서), CO2 활용, CO2 포획(음의 수입으로서 구성됨), CO2 저장(음의 수입으로서 구성됨) 등을 포함한다.
다변수 옵티마이저(912)는 예로서 사전 결정된 동작 제약(924), 시장 제약(926) 및 환경적 제약(928) 같은 제약에 기초하여 파워 플랜트(100)를 위한 최적화된 동작 파라미터 솔루션을 결정하기 위해 비용 계산 알고리즘(918) 및 수입 계산 알고리즘(920)으로부터의 출력을 수신한다. 도시되지 않은, 그러나, 도 4에 포함될 수도 있는 다른 제약은 제어 액추에이터와 연계된 제약 또는 강제적(hard) 제약(배기물 한계), 국가/주 배기물 법규로부터 초래되는 비용 목적 함수(예를 들어, 트레이드 페널티)에 도입될 수 있는 연성(soft) 제약 또는 사용자 특정 트레이드 페널티(압력/온도 및 순도에 관한 공정 스팀 품질 또는 순도에 관한 이산화탄소 품질에 기초한 생성물 보증에 관한)이다.
예시적 실시예에서, 비용 계산 알고리즘(918)은 입력 파라미터(102)의 개별 입력(Xi) 및 사전 결정된 개별 비용 인자(Ci)의 곱의 집합의 합이고, 수입 계산 알고리즘(920)은 출력 파라미터(104)의 개별 출력(Yi)과 사전 결정된 개별 수입 인자(Pi)의 곱의 집합의 합이다. 개별 비용 인자(Ci)는 특히 예로서 보조 파워 비용, 석회석 비용 및 연료 비용을 포함한다. 개별 수입 인자(Pi)는 특히 예로서, 배기물 크레디트와 수명 연장 크레디트를 포함한다.
다변수 옵티마이저(912)는 도 4에 도시된 바와 같은 진보된 공정 제어(PAC) 데이터 입력/출력 시스템(916)과 분산 제어 시스템(914)을 사용하여 파워 플랜트(100)에 최적화된 동작 파라미터 솔루션을 적용한다. 결과적으로, 파워 플랜트(100)는 최적의 총-경제성-기반 동작 지점에서 동작된다.
일 실시예에서, 다변수 옵티마이저(912)는 특정 플랜트 모델 및 연계된 제약으로 동작할 수 있는 한, 임의의 비선형 최적화 솔버(solver)를 사용할 수 있다. 오류 검출기(922)를 통해 오류 정보가 또한 최적화에 사용될 수 있다. 오류는 피드백 공정, 센서, 제어기, 작동기 또는 파워 플랜트의 다른 부분과 연계될 수 있다. 통상적 공정 오류는 가스 누설, 밸브 폐색, 밸브 누설 또는 폐색, 연도 가스 공정 또는 물/증기 공정을 위한 압력 균형의 소실, 열악한 연소 안정성, 분쇄기 고장, ASU 및 GPU 고장, 연도 가스 재순환 루프의 고장, 너무 높거나 너무 낮은 노 온도/압력, 연소 배기물 제한 위배 등을 포함할 수 있다. 오류 정보는 혼성 정수 최적화(hybrid integer optimization)를 통해 최적화 공정에 도입될 수 있다.
산소 연료 파워 플랜트(100)의 일반적 입력 파라미터(102) 및 출력 파라미터(104)가 도 5에 도시되어 있다. 도 5는 산소 연료 보일러 모델 예측 제어기를 위한 구조체를 도시하며, 이는 임의의 산소 연료 보일러 모델을 사용하여 감독 최적화 제어기일 수 있다. 도 5에서 볼 수 있는 바와 같이, 입력 파라미터(102) 및 출력 파라미터(104)는 물/증기 공정에 관한 파라미터와 연소 파라미터 사이에서 분할될 수 있다. 연소 공정을 위한 일반적 입력은 연료, 흡수제 및 PA-산소(1차 산소 유동) 및 SA-산소(2차 산소 유동)이고, 연소 공정을 위한 일반적 출력은 연도 가스 레이트, 연소기 온도, 질소 산화물, 이산화황 및 이산화탄소의 출구 질량이다.
산소 연료 연소의 물/증기 공정에 대한 일반적 입력은 공급 물, 분사 물 및 메가와트 단위의 파워 수요이다. 산소 연료 연소의 증기/물 공정의 일반적 출력은 증기 유동, 증기 온도, 증기의 질량 및 드럼/분리기 레벨과 압력 부분 금속 온도(적용가능한 경우)이다.
도 4를 위한 산소 연료 보일러 모델 공정 제어기를 위한 최적화 문제는 수학식(1)에서 아래와 같이 수학적으로 기재될 수 있다.
Figure pct00001
이 수학식은 도 4의 동작 조건 및 이하의 수학적 조건에 종속한다.
Figure pct00002
Figure pct00003
Figure pct00004
Figure pct00005
는 예측된 출력 벡터이고,
Figure pct00006
는 출력 상태 설정점 벡터이고, u는 입력 벡터이고, △u는 제어 이동 벡터이고, Np 및 Nc(Nc<Np)는 각각 예측 및 제어 수평선이고, Q(>0), R(≥0) 및 S(≥0)는 대칭 가중 척도이다. J는 최적화를 위한 비용 목적 함수이다. 이차 비용 함수가 모델 예측 제어 공식에 사용된다. 비용 함수는 주어진 플랜트 시스템, 서브시스템 또는 구성요소를 위해 공식화되는 문제에 따라서 마찬가지로 선형 비용 함수일 수 있다.
비선형 모델에 대하여, 필요시 상대 추산기는 확장 칼만 필터(extended Kalman filter; EKF) 또는 언센티드 칼만 필터(unscented Kalman filter; UKF)일 수 있다. 다변수 옵티마이저(904)는 따라서 단위 특정 모델 또는 추산기와 함께 작용할 수 있는 한 임의의 비선형 옵티마이저일 수 있다.
요약하면, 예시적 실시예에 따른 공정 디자인 및 제어 최적화 도구는 다변수 비선형 도구이고, 이는 통합된, 동적 및 정상 상태 성능을 제공하고 산소 연료 파워 플랜트를 위한 디자인 최적화를 제어한다. 결과적으로, 플랜트 배기물은 실질적으로 감소 및/또는 효과적으로 최소화되고, 전체 경제성 플랜트 효율은 실질적으로 개선됨으로써, 더 낮은 전체 동작 비용을 초래한다.
다양한 예시적 실시예를 참조로 본 발명을 설명하였지만, 본 기술 분야의 당업자는 본 발명의 범주로부터 벗어나지 않고 다양한 변경이 이루어질 수 있으며, 균등물들이 그 요소를 대체할 수 있다는 것을 이해할 것이다. 또한, 그 본질적 범주로부터 벗어나지 않고 본 발명의 교지에 대해 특정 상황 또는 재료를 적응시키기 위해 다수의 변형이 이루어질 수 있다. 따라서, 본 발명은 본 발명을 수행하기 위해 안출된 최상의 형태로서 개시된 특정 실시예에 한정되지 않으며, 본 발명은 첨부된 청구범위의 범주 내에 포함되는 모든 실시예를 포함한다.

Claims (30)

  1. 산소 연료 파워 플랜트를 최적화하기 위한 제어 시스템으로서,
    연도 가스 스트림으로부터 보일러로 이산화탄소를 재순환시키도록 동작하는 상기 산소 연료 파워 플랜트와 소통하는 옵티마이저(optimizer);
    상기 산소 연료 파워 플랜트를 제어하도록 동작하는 제어 플랫폼; 및
    상기 산소 연료 파워 플랜트의 성능을 시뮬레이션하도록 동작하는 시뮬레이터를 포함하는 제어 시스템.
  2. 제 1 항에 있어서, 상기 옵티마이저는 수입 계산 알고리즘 및 비용 계산 알고리즘을 더 최적화하고, 상기 수입 계산 알고리즘은 상기 산소 연료 파워 플랜트의 복수의 입력 파라미터들에 기초하여 상기 옵티마이저에 수입 입력을 제공하고, 상기 비용 계산 알고리즘은 상기 산소 연료 파워 플랜트의 복수의 출력 파라미터들에 기초하여 상기 옵티마이저에 비용 입력을 제공하고, 상기 옵티마이저는 상기 수입 입력과 상기 비용 입력 중 적어도 하나에 기초하여 최적화된 동작 파라미터 솔루션(solution)을 결정하고, 상기 최적화된 동작 파라미터 솔루션을 상기 산소 연료 파워 플랜트에 공급하는 제어 시스템.
  3. 제 2 항에 있어서, 상기 복수의 입력 파라미터들은 연료 유동, 흡수제 유동, 공기 유동, 물 유동, 석회석 유동 및 고형물 순환율 중 적어도 하나를 포함하고, 상기 복수의 출력 파라미터들은 파워 생성율, 이산화탄소 활용, 이산화탄소 포획, 이산화탄소 저장, 연도 가스 레이트, 연소기 온도들, 질소 산화물들, 이산화황들 및 이산화탄소들의 출구 질량들 중 적어도 하나를 포함하는 제어 시스템.
  4. 제 2 항에 있어서, 상기 수입 계산 알고리즘은 배기물 크레디트(credit)와 수명 연장 크레디트 중 적어도 하나에 추가로 기초하여 상기 옵티마이저에 상기 수입 입력을 제공하는 제어 시스템.
  5. 제 2 항에 있어서, 상기 비용 계산 알고리즘은 보조 파워 비용, 석회석 비용 및 연료 비용 중 적어도 하나에 추가로 기초하여 상기 옵티마이저에 상기 비용 입력을 제공하는 제어 시스템.
  6. 제 1 항에 있어서, 상기 옵티마이저는 상기 산소 연료 파워 플랜트의 경제성 기반 최적화를 수행하는 다변수 옵티마이저인 제어 시스템.
  7. 제 1 항에 있어서, 상기 제어 플랫폼은 복수의 제어기들을 포함하고, 상기 시뮬레이터는 복수의 시뮬레이터들을 포함하는 제어 시스템.
  8. 제 7 항에 있어서, 상기 복수의 제어기들의 적어도 하나의 제어기는 모델 예측 제어기인 제어 시스템.
  9. 제 8 항에 있어서, 상기 모델 예측 제어기는 비선형 모델 예측 제어기인 제어 시스템.
  10. 제 9 항에 있어서, 상기 비선형 모델 예측 제어기는 모델 부분; 상기 모델 부분에 작동식으로 연결된 시뮬레이터 부분; 및 상기 모델 부분에 작동식으로 연결된 옵티마이저 부분을 포함하는 제어 시스템.
  11. 제 9 항에 있어서, 상기 비선형 모델 예측 제어기는 확장 칼만 필터 또는 언센티드 칼만 필터(unscented Kalman Filter) 같은 상태 추산기를 포함하는 제어 시스템.
  12. 제 10 항에 있어서, 상기 모델 부분은 정상 상태 모델, 동적 모델, 적응성 모델, 퍼지 모델(fuzzy model) 및 신경 네트워크 모델 중 적어도 하나를 포함하고, 상기 시뮬레이터 부분은 감소 차수 모델링 시뮬레이터를 포함하고, 상기 옵티마이저 부분은 다변수 옵티마이저, 구배 기반 옵티마이저 또는 유전 알고리즘 옵티마이저 또는 네스티드 파티션 옵티마이저(nested partition optimizer) 같은 확률적 옵티마이저(stochastic optimizer) 중 적어도 하나를 포함하는 제어 시스템.
  13. 제 2 항에 있어서, 상기 옵티마이저는 상기 수입 입력 및 상기 비용 입력 중 적어도 하나에 기초하여 최적화된 동작 파라미터 솔루션을 결정하고, 상기 산소 연료 파워 플랜트의 제어 플랫폼에 상기 최적화된 동작 파라미터 솔루션을 공급하는 제어 시스템.
  14. 제 1 항에 있어서, 상기 옵티마이저는 목표값들을 연산하고 실시간 실행을 위해 상기 제어 플랫폼에 이들 목표값들을 공급하는 제어 시스템.
  15. 제 1 항에 있어서, 상기 플랜트 옵티마이저는 상기 제어 플랫폼으로부터 온라인 데이터를 구하고 공정 모델의 예측에 사용하도록 상기 온라인 데이터를 처리하는 제어 시스템.
  16. 제 1 항에 있어서, 상기 옵티마이저는 수학식 (1)에 수학적으로 기재된 최적화 문제를 최적화하도록 기능하고,
    Figure pct00007

    상기 수학식 (1)은 수학식 (2), (3) 및 (4)로 표현되는 수학적 조건들의 집합에 종속하고,
    Figure pct00008

    Figure pct00009

    Figure pct00010

    Figure pct00011
    는 예측된 출력 벡터이고,
    Figure pct00012
    는 출력 상태 설정점 벡터이고, u는 입력 벡터이고, △u는 제어 이동 벡터이고, Np 및 Nc(Nc<Np)는 각각 예측 및 제어 수평선이고, Q(>0), R(≥0) 및 S(≥0)는 대칭 가중 척도들(sysmetric weighting matrices)이며, J는 최적화를 위한 비용 목적 함수인 제어 시스템.
  17. 제 1 항에 있어서, 상기 옵티마이저는 복수의 옵티마이저들을 포함하는 제어 시스템.
  18. 제 1 항에 있어서, 상기 옵티마이저는 연도 가스 건조기를 위한 제1 옵티마이저, 정전 침전기를 위한 제2 옵티마이저 및 연도 가스 응축기를 위한 제3 옵티마이저를 포함하는 제어 시스템.
  19. 제 1 항에 있어서, 상기 제어 플랫폼은 복수의 제어기들을 포함하는 제어 시스템.
  20. 제 1 항에 있어서, 상기 제어 플랫폼은 공기 분리 유닛, 보일러, 연도 가스 건조기, 정전 침전기 및 연도 가스 응축기; 및 터빈 발전기를 제어하는 제어 시스템.
  21. 제 1 항에 있어서, 상기 시뮬레이터는 공기 분리 유닛을 위한 시뮬레이터와 보일러를 위한 시뮬레이터를 포함하는 제어 시스템.
  22. 제 1 항에 있어서, 상기 옵티마이저는 수입 입력 및 비용 입력 중 적어도 하나에 기초하여 최적화된 동작 파라미터 솔루션을 결정하고, 상기 최적화된 동작 파라미터 솔루션을 상기 산소 연료 파워 플랜트의 제어 플랫폼에 공급하는 제어 시스템.
  23. 제 1 항에 있어서, 상기 옵티마이저는 목표값들을 연산하고, 실시간 실행을 위해 상기 제어 플랫폼에 상기 목표값들을 공급하는 제어 시스템.
  24. 제 1 항에 있어서, 상기 플랜트 옵티마이저는 상기 제어 플랫폼으로부터 온라인 데이터를 구하고, 공정 모델의 예측을 사용하기 위해 상기 온라인 데이터를 처리하는 제어 시스템.
  25. 제 2 항에 있어서, 상기 최적화는 이차 방정식 이외의 형태들 또는 선형 방정식들에 의해 상기 비용 목적 함수를 최적화하는 것을 포함하는 제어 시스템.
  26. 산소 연료 파워 플랜트의 공기 분리기 유닛, 보일러, 연도 가스 건조기, 정전 침전기 및/또는 연도 가스 응축기의 성능을 시뮬레이션하는 단계;
    상기 시뮬레이션된 성능으로부터 상기 공기 분리기 유닛, 상기 보일러, 상기 연도 가스 건조기, 상기 정전 침전기 및/또는 상기 연도 가스 응축기의 성능의 모델을 생성하는 단계;
    상기 공기 분리 유닛, 상기 보일러, 상기 연도 가스 건조기, 상기 정전 침전기 및/또는 상기 연도 가스 응축기의 출력을 측정하는 단계; 그리고
    상기 시뮬레이션된 성능을 실제 성능과 비교함으로써 상기 공기 분리 유닛, 상기 보일러, 상기 연도 가스 건조기, 상기 정전 침전기 및/또는 상기 연도 가스 응축기와 터빈 발전기의 성능을 최적화하는 단계를 포함하는 방법.
  27. 제 26 항에 있어서, 상기 최적화 단계는 최적의 목표값들을 연산하고 실시간 실행을 위해 제어 플랫폼에 이들 최적의 목표값들을 공급하는 단계를 포함하는 방법.
  28. 제 26 항에 있어서, 상기 최적화 단계는 수입 입력 및 비용 입력 중 적어도 하나에 기초하여 최적화된 동작 파라미터 솔루션을 결정하는 단계를 포함하는 방법.
  29. 제 26 항에 있어서, 상기 최적화 단계는
    수학식 (1)의 비용 목적 함수를 최적화하는 단계를 포함하고,
    Figure pct00013

    상기 수학식 (1)은 수학식 (2), (3) 및 (4)로 표현되는 수학적 조건들의 집합에 종속하고,
    Figure pct00014

    Figure pct00015

    Figure pct00016

    Figure pct00017
    는 예측된 출력 벡터이고,
    Figure pct00018
    는 출력 상태 설정점 벡터이고, u는 입력 벡터이고, △u는 제어 이동 벡터이고, Np 및 Nc(Nc<Np)는 각각 예측 및 제어 수평선이고, Q(>0), R(≥0) 및 S(≥0)는 대칭 가중 척도들이며, J는 최적화를 위한 비용 목적 함수인 방법.
  30. 제 29 항에 있어서, 상기 최적화 단계는 이차 방정식 이외의 형태들 또는 선형 방정식들에 의해 비용 목적 함수를 최적화하는 단계를 포함하는 방법.
KR1020137017619A 2010-12-07 2011-11-08 산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어 KR101484496B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/962,368 2010-12-07
US12/962,368 US8755916B2 (en) 2010-12-07 2010-12-07 Optimized integrated controls for oxy-fuel combustion power plant
PCT/US2011/059686 WO2012078284A1 (en) 2010-12-07 2011-11-08 Optimized integrated controls for oxy-fuel combustion power plant

Publications (2)

Publication Number Publication Date
KR20130089283A true KR20130089283A (ko) 2013-08-09
KR101484496B1 KR101484496B1 (ko) 2015-01-20

Family

ID=44971114

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137017619A KR101484496B1 (ko) 2010-12-07 2011-11-08 산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어

Country Status (9)

Country Link
US (1) US8755916B2 (ko)
EP (1) EP2649369A1 (ko)
KR (1) KR101484496B1 (ko)
CN (1) CN103339441B (ko)
AU (1) AU2011338906B2 (ko)
CA (1) CA2820216C (ko)
RU (1) RU2559416C2 (ko)
TW (1) TWI453360B (ko)
WO (1) WO2012078284A1 (ko)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8914134B2 (en) * 2011-11-09 2014-12-16 General Electric Company Systems and methods for predicting transient operational characteristics of a power plant
US20150107247A1 (en) * 2013-10-18 2015-04-23 Alstom Technology Ltd Control system for oxy fired power generation and method of operating the same
US9127572B2 (en) 2013-10-18 2015-09-08 Alstom Technology Ltd. Oxy fired power generation system and method of operating the same
CN103615739B (zh) * 2013-11-27 2015-11-18 广东电网公司电力科学研究院 燃烧锅炉运行控制方法与系统
TWI557390B (zh) * 2014-09-04 2016-11-11 臺灣塑膠工業股份有限公司 機爐電控制系統
US20160209031A1 (en) 2015-01-20 2016-07-21 Alstom Technology Ltd Model-based controls for a furnace and method for controlling the furnace
CN104615114B (zh) * 2015-01-27 2018-05-25 华北电力大学 一种循环流化床的炉内脱硫优化控制方法
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
JP6522445B2 (ja) * 2015-06-30 2019-05-29 三菱日立パワーシステムズ株式会社 制御パラメータ最適化システム及びそれを備えた運転制御最適化装置
WO2017105366A1 (en) * 2015-12-17 2017-06-22 Turkiye Petrol Rafinerileri Anonim Sirketi Tupras Energy network management and optimization system
CN106501452A (zh) * 2016-10-21 2017-03-15 中国特种设备检测研究院 集成烟气排放和功率曲线测试的燃烧器热态测试装置
US10452041B2 (en) 2017-03-31 2019-10-22 General Electric Company Gas turbine dispatch optimizer real-time command and operations
CN107066770A (zh) * 2017-06-12 2017-08-18 华东理工大学 基于gpu加速的工业装置蒸汽系统在线优化方法
US20190056702A1 (en) * 2017-08-21 2019-02-21 General Electric Company Model-based machine learing control system and method for tuning power production emissions
KR101963045B1 (ko) * 2017-11-03 2019-03-28 극동대학교 산학협력단 퍼지 적응형 무향칼만필터를 적용한 비선형 제트엔진의 제어 장치
JP6540787B1 (ja) * 2017-12-28 2019-07-10 横河電機株式会社 装置、方法、およびプログラム
US11512848B2 (en) * 2018-03-05 2022-11-29 The Governors Of The University Of Alberta Systems and methods for real-time steam quality estimation
TWI705316B (zh) * 2018-04-27 2020-09-21 日商三菱日立電力系統股份有限公司 鍋爐之運轉支援裝置、鍋爐之運轉支援方法、及鍋爐之學習模型之作成方法
US10626817B1 (en) * 2018-09-27 2020-04-21 General Electric Company Control and tuning of gas turbine combustion
KR102096558B1 (ko) 2018-11-26 2020-04-02 두산중공업 주식회사 연소 최적화를 위한 장치 및 이를 위한 방법
KR102108015B1 (ko) 2018-11-30 2020-05-08 두산중공업 주식회사 보일러 운전을 제어하기 위한 시스템 및 방법
KR102094288B1 (ko) 2018-11-30 2020-03-27 두산중공업 주식회사 보일러의 연소 최적화 연산을 위한 시스템 및 방법
KR102106827B1 (ko) 2018-11-30 2020-05-06 두산중공업 주식회사 보일러 연소의 최적화를 위한 시스템 및 방법
CN110026068B (zh) * 2019-04-08 2021-07-09 东南大学 一种基于神经网络逆控制的大型燃煤电站co2捕集系统及前馈控制方法
US10901376B2 (en) * 2019-04-11 2021-01-26 Johnson Controls Technology Company Building management system with self-optimizing control modeling framework
EP3736518A1 (de) * 2019-05-09 2020-11-11 Linde GmbH Verfahren zum betreiben einer verfahrenstechnischen anlage
CN110657423B (zh) * 2019-09-30 2021-12-03 国网山东省电力公司电力科学研究院 冷烟气再循环系统的耦合智能控制系统及其构建方法
CN110673485B (zh) * 2019-10-21 2020-11-24 京东城市(南京)科技有限公司 用于燃烧控制的模型训练方法、装置、电子设备以及介质
CN111289683B (zh) * 2020-03-05 2022-08-09 内蒙古汇能集团长滩发电有限公司 一种火电煤粉燃烧效率检测系统
CN113240155A (zh) * 2021-04-16 2021-08-10 国网河北省电力有限公司沧州供电分公司 预测碳排放量的方法、装置及终端
CN113267994B (zh) * 2021-04-23 2023-05-05 湖南省湘电试验研究院有限公司 基于三级控制串联的火电机组主汽压力控制方法及系统
CN113996158A (zh) * 2021-08-16 2022-02-01 国能(山东)能源环境有限公司 炉外脱硫的控制方法、装置、电子设备及存储介质
US11905817B2 (en) * 2021-12-16 2024-02-20 Saudi Arabian Oil Company Method and system for managing carbon dioxide supplies using machine learning

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994020887A2 (en) 1993-03-02 1994-09-15 Pavilion Technologies, Inc. Method and apparatus for analyzing a neural network within desired operating parameter constraints
US5724805A (en) * 1995-08-21 1998-03-10 University Of Massachusetts-Lowell Power plant with carbon dioxide capture and zero pollutant emissions
US6223519B1 (en) * 1999-02-11 2001-05-01 Bp Amoco Corporation Method of generating power using an advanced thermal recuperation cycle
EP1217473A1 (en) * 2000-12-21 2002-06-26 Abb Research Ltd. Optimizing plant control values of a power plant
RU2352984C2 (ru) * 2003-09-12 2009-04-20 Вольво Аэро Корпорейшн Оптимизация последовательных комбинаторных процессов
US7599750B2 (en) 2005-12-21 2009-10-06 Pegasus Technologies, Inc. Model based sequential optimization of a single or multiple power generating units
US7654320B2 (en) * 2006-04-07 2010-02-02 Occidental Energy Ventures Corp. System and method for processing a mixture of hydrocarbon and CO2 gas produced from a hydrocarbon reservoir
US7489990B2 (en) 2006-07-17 2009-02-10 Fehr Stephen L Systems and methods for calculating and predicting near term production cost, incremental heat rate, capacity and emissions of electric generation power plants based on current operating and, optionally, atmospheric conditions
WO2008112823A1 (en) 2007-03-12 2008-09-18 Emerson Process Management Power & Water Solutions, Inc. Use of statistical analysis in power plant performance monitoring
RU80044U1 (ru) * 2007-05-17 2009-01-20 Открытое Акционерное Общество "Первая Генерирующая Компания Оптового Рынка Электроэнергии" (Оао "Огк-1") Система управления генерирующими мощностями
RU2007139972A (ru) * 2007-10-29 2009-05-10 Закрытое акционерное общество "Техсистем груп" (RU) Способ оптимизации режимов работы электростанций
US8374709B2 (en) * 2008-03-03 2013-02-12 Alstom Technology Ltd Control and optimization system
US8352148B2 (en) * 2008-05-21 2013-01-08 General Electric Company System for controlling input profiles of combined cycle power generation system
JP5210799B2 (ja) 2008-10-31 2013-06-12 株式会社日立製作所 酸素燃焼ボイラプラント及び酸素燃焼ボイラプラントの制御方法
KR101360790B1 (ko) 2009-04-22 2014-02-11 한국전력공사 발전소 계측기 성능 감시 예측 방법
RU2010107509A (ru) * 2010-03-01 2011-09-10 Владимир Михайлович Летун (RU) Способ оптимального управления режимом загрузки основного оборудования тепловой электростанции (тэс)

Also Published As

Publication number Publication date
TWI453360B (zh) 2014-09-21
CA2820216C (en) 2016-01-05
RU2013130996A (ru) 2015-01-20
AU2011338906B2 (en) 2015-07-16
CA2820216A1 (en) 2012-06-14
WO2012078284A1 (en) 2012-06-14
US20120143382A1 (en) 2012-06-07
CN103339441B (zh) 2015-09-09
EP2649369A1 (en) 2013-10-16
CN103339441A (zh) 2013-10-02
KR101484496B1 (ko) 2015-01-20
RU2559416C2 (ru) 2015-08-10
TW201250176A (en) 2012-12-16
US8755916B2 (en) 2014-06-17
AU2011338906A1 (en) 2013-07-04

Similar Documents

Publication Publication Date Title
KR101484496B1 (ko) 산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어
Wu et al. Solvent-based post-combustion CO2 capture for power plants: A critical review and perspective on dynamic modelling, system identification, process control and flexible operation
AU2009223437B2 (en) Apparatus for optimizing a chemical looping combustion plant using a model predictive controller
US8755940B2 (en) Modeling and control optimization system for integrated fluidized bed combustion process and air pollution control system
Luu et al. Dynamic modelling and control strategies for flexible operation of amine-based post-combustion CO2 capture systems
Fernandez et al. Thermodynamic assessment of amine based CO2 capture technologies in power plants based on European Benchmarking Task Force methodology
CN101063872B (zh) 锅炉氧量优化系统
He et al. Dynamic modeling and advanced control of post-combustion CO2 capture plants
US20090319092A1 (en) Model based optimization of multiple power generating units
EP1921280A2 (en) Systems and methods for multi-level optimizing control systems for boilers
He et al. Development and implementation of advanced control strategies for power plant cycling with carbon capture
Eslick et al. A multi-objective analysis for the retrofit of a pulverized coal power plant with a CO2 capture and compression process
Jin et al. Dynamic modeling and control for pulverized-coal-fired oxy-combustion boiler island
WO2007116591A1 (ja) プラントの制御装置
Wu et al. Power-carbon coordinated control of BFG-fired CCGT power plant integrated with solvent-based post-combustion CO2 capture
JP5117232B2 (ja) ボイラを備えたプラントの制御装置、及びボイラを備えたプラントの制御方法
JP7374590B2 (ja) Ｋｐｉ改善支援システム及びｋｐｉ改善支援方法
He Design and Implementation of Model Predictive Control Strategies for Improved Power Plant Cycling
Bardi et al. A Multivariable Approach for Control System Optimization of IGCC with CCS in DECAR Bit Project
Lou et al. Integrated controls design optimization
Havlena et al. Model-Based Predictive Control of a Circulating Fluidized Bed Combustor
Xinsheng Control and optimization system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee