KR20160104481A - 보일러 연소 제어 시스템 - Google Patents

보일러 연소 제어 시스템 Download PDF

Info

Publication number
KR20160104481A
KR20160104481A KR1020150027592A KR20150027592A KR20160104481A KR 20160104481 A KR20160104481 A KR 20160104481A KR 1020150027592 A KR1020150027592 A KR 1020150027592A KR 20150027592 A KR20150027592 A KR 20150027592A KR 20160104481 A KR20160104481 A KR 20160104481A
Authority
KR
South Korea
Prior art keywords
boiler
combustion
module
control system
information
Prior art date
Application number
KR1020150027592A
Other languages
English (en)
Inventor
정해원
Original Assignee
두산중공업 주식회사
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 두산중공업 주식회사 filed Critical 두산중공업 주식회사
Priority to KR1020150027592A priority Critical patent/KR20160104481A/ko
Publication of KR20160104481A publication Critical patent/KR20160104481A/ko

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N5/00Systems for controlling combustion
    • F23N5/02Systems for controlling combustion using devices responsive to thermal changes or to thermal expansion of a medium
    • F23N5/08Systems for controlling combustion using devices responsive to thermal changes or to thermal expansion of a medium using light-sensitive elements

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Regulation And Control Of Combustion (AREA)

Abstract

본 발명은 보일러 연소 제어 시스템에 관한 것으로, 보다 상세하게는 보일러 내부의 물성 정보 또는 상태 정보를 수신하고, 프로세서에서 연산된 보일러의 최적 연소 구조를 제공하는 인터페이스부, 상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 최적 연소 구조를 연산하는 프로세서 및 상기 수신된 물성 정보, 상태 정보 또는 상기 최적 연소 구조를 저장하는 메모리를 포함하는 보일러 연소 제어 시스템에 관한 것이다.

Description

보일러 연소 제어 시스템{System for controlling optimized combustion on boiler}
본 발명은 보일러 연소 제어 시스템에 관한 것으로, 보다 상세하게는 다양한 조건에서 최적의 연소를 가능하게 하는 보일러의 연소 구조를 도출하기 위한 시스템에 관한 것이다.
일반적으로 화력발전소 중에서 석탄을 연료로 하는 보일러의 공정은 대표적인 비선형 공정(Non-liner Process) 중의 하나로 분류할 수 있다.
보일러의 비선형 연소 공정은 그 자체가 복잡할 뿐만 아니라 복잡성은 물론 연소에 따른 슬래깅(slagging) 및 포울링(fouling) 발생과 예기치 않은 설비의 고장으로 인한 급격한 보일러 거동 변화 등 운전 상태나 효율이 수시로 변하는 복잡한 공정이다. 이처럼 복잡, 미묘한 보일러의 안전성을 확보하고, 최적의 연소상태를 유지하기 위해서는 공연비, 밀(mill) 운전상태, 다양한 운전 변수들은 물론 질소산화물(NOx), 황산화물(SOx) 등과 같은 환경오염물질 배출 기준에 이르기까지 수많은 변수들을 고려해야 한다.
그러나 이러한 모든 변수들을 고려한다는 것은 현실적으로 불가능하기 때문에 현재까지의 많은 시험과 운전경험을 통하여 알려진 질소산화물(NOx), 일산화탄소(CO), 열 소비율(Heat Rate), 스팀 온도(Steam Temp.)등의 제어 변수들과 이들 변수 값들을 적정수준으로 유지하기 위한 과잉공기(Excess O2) 세트 포인트(Set Point), 공기량, 댐퍼(Damper) 위치, 석탄(Coal) 투입량, 버너 레지스터(Burner Register)등을 수동 조정하는 수준에서 연소 제어가 이루어지고 있다. 또한, 제어변수인 질소산화물(NOx), 일산화탄소(CO), 열소비율(Heat Rate), 스팀 온도(Steam Temp.)등은 연소의 영향뿐만 아니라, 대기온도와 같은 외부 환경변수에 의한 영향을 받기도 하며, 이러한 제어변수들은 각기 독립적인 영향인자가 아닌 변수간의 상관관계를 갖고 있기 때문에 최적 운전 조건을 설정하는 것이 결코 쉽지가 않게 된다.
이를 구현하기 위해서는 제어 시스템이 필요하게 되며, 이들 제어시스템은 제어하고자 하는 제어변수와 제어변수 목표값을 얻기 위해 운전자에 의해 조절되는 조절변수 및 운전자에 의해 임의로 바꿀 수 있는 변수가 아니지만 제어변수에 영향을 미치는 정도를 추정할 수 있는 추정변수가 있으며, 이들의 상호작용에 의해 제어가 이루어진다.
따라서, 보다 안전하고 효율적인 보일러 운전을 위해서는 각 변수들 간의 상관 관계는 물론 변수 상호간의 영향 정도를 명확히 규명하고, 이를 바탕으로 한 시스템적인 접근이 이루어질 때 최적 연소 조정이 가능하고 이와 더불어 보일러 각 뱅크(Bank)에서의 연소가스 온도와 산소(O2), 일산화탄소(CO), 질소산화물(NOx), 황산화물(SOx) 데이터를 활용하여 보일러 내 고온유체의 거동을 3차원 그래픽으로 실시간 가시화함으로써 보다 안정된 설비 운용과 보일러의 효율을 향상시킬 수 있다.
한국공개특허공보 2010-0078286호
본 발명은 상술한 종래 기술의 문제를 해결하기 위한 것으로, 기존보다 개선된 방식으로 보일러의 연소 효율을 높이는 구조를 정확하게 도출하는 것을 목적으로 한다.
상술한 과제를 해결하기 위한 본 발명의 보일러 연소 제어 시스템은 보일러 내부의 물성 정보 또는 상태 정보를 수신하고, 프로세서에서 연산된 보일러의 최적 연소 구조를 제공하는 인터페이스부, 상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 최적 연소 구조를 연산하는 프로세서 및 상기 수신된 물성 정보, 상태 정보 또는 상기 최적 연소 구조를 저장하는 메모리를 포함하고, 상기 프로세서는 상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 정상 상태에서의 특성을 분석하는 정상 상태 최적화 모듈, 상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 동특성을 분석하는 동특성 최적화 모듈 및 상기 정상 상태 최적화 모듈 및 동특성 최적화 모듈에서 분석된 특성을 NN(Neural Network) 연소 모델에 적용하여 상기 최적 연소 구조를 연산하는 연산 모듈을 포함한다. 본 발명의 다른 실시예에서, 프로세서는 상기 보일러의 정상 상태 또는 동특성에 적용되는 제약 조건을 설정하는 조건 설정 모듈을 더 포함할 수도 있다.
본 발명의 일 실시예에서 상기 연산 모듈은 상기 조건 설정 모듈에서 설정된 제약 조건을 NN 연소 모델에 더 반영하여 보일러의 최적 연소 구조를 연산할 수 있으며, 상기 인터페이스부는 보일러 연소 제어 시스템에 입출력되는 데이터를 처리하는 입출력 모듈 및 상기 프로세서에서 연산된 최적 연소 구조를 3D 모델링하는 모델링 모듈을 포함할 수 있다. 뿐만 아니라 본 발명의 보일러 연소 제어 시스템은 보일러의 상태 정보, 보일러 내에 존재하는 유체의 물성 정보를 측정하기 위한 센서를 더 포함할 수도 있다. 이 때, 상기 센서는 TDLAS 센서로 구현할 수 있다.
본 발명에 따르면 플랜트 특성, 상태를 정확히 파악하지 않고도 기존에 비해 보일러의 연소 특성을 분석하고, 최적 연소 구조를 도출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 보일러 연소 최적 시스템을 나타낸 블록도이다.
도 2는 본 발명의 다른 실시예에 따른 보일러 연소 최적 시스템을 나타낸 블록도이다.
도 3은 본 발명의 다른 실시예에 따른 보일러 연소 최적 시스템을 나타낸 블록도이다.
도 4는 본 발명의 다른 실시예에 따른 보일러 연소 최적 시스템을 나타낸 블록도이다.
도 5는 본 발명의 보일러 연소 최적 시스템에 의해 분석되기 이전의 보일러 구조의 유동을 나타낸 것이다.
도 6은 본 발명의 보일러 연소 최적 시스템에 의해 분석된 최적 연소 구조에서의 유동을 나타낸 것이다.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 보일러 연소 제어 시스템을 상세하게 설명한다. 설명하는 실시 예들은 본 발명의 기술 사상을 통상의 기술자가 용이하게 이해할 수 있도록 제공되는 것으로 이에 의해 본 발명이 한정되지 않는다. 또한, 첨부된 도면에 표현된 사항들은 본 발명의 실시 예들을 쉽게 설명하기 위해 도식화된 도면으로 실제로 구현되는 형태와 상이할 수 있다.
한편, 어떤 구성 요소들을 '포함'한다는 표현은, '개방형'의 표현으로서 해당 구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안 된다.
또한, '제 1, 제 2' 등과 같은 표현은, 복수의 구성들을 구분하기 위한 용도로만 사용되는 표현으로써, 구성들 사이의 순서나 기타 특징들을 한정하지 않는다.
도 1은 본 발명의 일 실시예에 따른 보일러 연소 최적 시스템을 나타낸 블록도이다.
본 실시예의 보일러 연소 제어 시스템은 보일러 내부의 물성 정보 또는 상태 정보를 수신하고, 프로세서에서 연산된 보일러의 최적 연소 구조를 제공하는 인터페이스부, 상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 최적 연소 구조를 연산하는 프로세서 및 상기 수신된 물성 정보, 상태 정보 또는 상기 최적 연소 구조를 저장하는 메모리를 포함한다.
상기 인터페이스부는 사용자 또는 다른 기기로부터 정보를 수신하거나 제공하기 위한 구성이다. 사용자가 보일러 연소 제어 시스템과 인터페이스 할 수 있는 다양한 입력 장치, 예를 들어 키보드, 마우스와 같은 입력 장치를 포함하고, 사용자가 보일러 최적 연소 구조를 확인할 수 있는 수단인 디스플레이 장치도 상기 인터페이스부에 포함된다. 뿐만 아니라, 다른 기기와 정보를 송수신하기 위한 통신 모듈, 통신 포트도 위 인터페이스부의 일 예가 될 수 있다.
상기 프로세서는 보일러 연소 제어 시스템에서 수행되는 다양한 연산을 처리하는 구성이다. 상기 보일러 연소 제어 시스템을 구현하기 위한 컴퓨팅 장치 내에서 데이터 처리가 가능한 CPU이 상기 프로세서에 해당한다.
상기 프로세서는 제어 대상의 모델을 이용해 상태변수나 출력을 예측하고, 이를 바탕으로 적절한 비용함수와 제약조건을 이용해 최적화를 실행하는 기능을 수행할 수 있다. 제어 입력은 상술한 최적화의 결과로 최적화 과정에서 입력이나 상태변수가 부등식 형태의 제약 조건을 만족(예를 들면 중요한 공정의 특정 부분 온도가 어떤 범위 안에 있게 한다든지)하도록 하는데, 이는 상기 프로세서에서 수행할 수 있다.
상기 메모리는 데이터를 저장할 수 있는 구성이다. 컴퓨팅 장치에 장착, 연결 가능한 다양한 저장 매체를 포함할 수 있다. 본 발명의 메모리는 인터페이스부를 통해 입력받은 정보 및 프로세서에서 연산한 정보를 저장할 수 있다.
본 실시예에 따른 보일러 연소 제어 시스템은 상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 정상 상태에서의 특성을 분석하는 정상 상태 최적화 모듈, 상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 동특성에서의 특성을 분석하는 동특성 최적화 모듈 및 상기 정상 상태 최적화 모듈 및 동특성 최적화 모듈에서 분석된 특성을 NN(Neural Network) 연소 모델에 적용하여 상기 최적 연소 구조를 연산하는 연산 모듈을 포함한다.
구체적으로, 정상 상태 최적화(steady-state optimizer) 모듈은 보일러가 최적의 연소 상태가 되는 입력 값을 찾는 모듈이다. 현재 상태의 물성 정보, 상태 정보를 정상상태 모델에 반영하고, 여러 입력 값으로 반복 시뮬레이션을 수행하면 최적의 연소 상태가 되는 최적 입력 값을 얻을 수 있다.
동특성 최적화 모듈은 최적 상태의 입력을 받고 이 최적 상태에 빠르게 도달함과 동시에 상기 최적 상태를 유지하기 위한 최적의 제어 입력을 도출한다. 최적의 제어입력 도출을 위해서 최적 이론기반에 따른 연산을 수행한다.
연산 모듈은 상기 정상 상태 최적화 모듈에서 연산한 정상 상태의 특성을 상기 동특성 최적화 모듈에서 연산한 동특성에 따라 도달하기 위해 필요한 보일러의 최적 연소 구조를 연산하기 위한 구성이다.
대상체의 입력에 대한 출력 값을 예측하여 상기 정상 상태 최적화 모듈, 동특성 최적화 모듈에서 도출한 보일러 연소에서 입력 값에 대한 출력 값을 예측할 수 있다. 학습 과정이 끝난 NN(Neural Network) 연소 모델을 적용하여 출력값을 예측할 수 있다. 여기서 NN은 (Artificial) Neural Network의 약자로 반복적인 학습 과정을 거쳐 데이터에 내재되어 있는 패턴을 찾아내고 이를 일반화함으로써 대용량 데이터로부터 의사결정에 필요한 유용한 정보를 찾아내는 기법의 일종이다. NN 모델을 보일러의 최적 연소 구조 도출에 적용하여 대상체의 입력 값에 대한 출력 값을 예측할 수 있다. 본 발명에서는 보일러의 실제 입출력 데이터(물성 정보, 상태 정보)나 시뮬레이션을 통해 획득한 입출력 데이터를 이용하여 보일러에 적용 가능한 NN 연소 모델을 생성한다.
뿐만 아니라, CFD(Computational fluid dynamics, 전산유체역학)을 적용하여, 유체역학과 수치해석을 병합시켜 수학적으로 풀기 어려운 비선형 편미분 방정식들(Nonlinear Partial Differential Equations)의 근사해를 구하는 연산 또한 적용한다. 이를 통해 시뮬레이션을 진행하고, 보일러 내 연소 관련 유동의 특성을 분석한다.
상기 정상 상태 최적화 모듈, 동특성 최적화 모듈, 연산 모듈은 각각 물리적으로 구분된 연산 장치로 구현될 수도 있고, 하나의 연산 장치 내에서 개념적으로 구분될 수도 있다. 즉, 본 실시예에서 프로세서는 단일 CPU에 의해 구현될 수도, 복수의 CPU에 의해 구현될 수도 있다.
도 2는 본 발명의 다른 실시예에 따른 보일러 연소 최적 시스템을 나타낸 블록도이다.
본 실시예에서 상기 프로세서는 보일러의 정상 상태 또는 동특성에 적용되는 제약 조건을 설정하는 조건 설정 모듈을 더 포함할 수 있다.
본 실시예는 제약 조건, 예를 들어 동특성의 지속 시간, 동특성에서 물성 변화의 overshoot 정도, 정적 상태의 지속 시간과 같은 다양한 제약 조건을 반영하여 보일러의 최적 연소 구조를 도출할 수 있다. 그 밖에 시스템의 한계나 안전, 입출력이 가능한 영역 등도 제약 조건으로 설정할 수 있다. 이를 위해 프로세서 내에 조건 설정 모듈을 더 포함할 수 있고, 상기 조건 설정 모듈은 상기 인터페이스부로부터 수신한 제약 조건을 이용하거나 또는 조건 설정 모듈 자체적으로 보일러의 동작 특성에 따라 제약 조건을 설정할 수 있다.
이 때, 연산 모듈은 상기 조건 설정 모듈에서 설정된 제약 조건을 NN 연소 모델에 더 반영하여 보일러의 최적 연소 구조를 연산할 수 있다.
도 3은 본 발명의 다른 실시예에 따른 보일러 연소 최적 시스템을 나타낸 블록도이다.
본 실시예에서 인터페이스부는 보일러 연소 제어 시스템에 입출력되는 데이터를 처리하는 입출력 모듈 및 상기 프로세서에서 연산된 최적 연소 구조를 3D 모델링하는 모델링 모듈을 더 포함한다. 입출력 모듈은 데이터의 송수신, 입력, 출력을 처리하기 위한 모듈이고, 모델링 모듈은 특히 데이터를 송신, 출력하는 데에 있어서 디스플레이 장치에서 3차원 형상으로 보일러의 연소 구조 및 이에 따른 유체의 유동 특성을 확인할 수 있도록 제공하는 구성이다. 도 5, 6은 상기 모델링 모듈에 의해 최적 연소 구조가 3D 모델링된 결과를 나타낸 것이다.
한편, 도 4는 본 발명의 다른 실시예에 따른 보일러 연소 최적 시스템을 나타낸 블록도이다.
본 실시예에서는 보일러의 상태 정보, 보일러 내에 존재하는 유체의 물성 정보를 측정하기 위한 센서를 더 포함할 수 있다. 센서는 보일러의 내/외부에 장착되어 최적 연소 구조를 연산하기 위해 필요한 보일러의 상태 정보, 보일러 내부 유체의 물성 정보 등을 측정하기 위한 구성이다. 상기 센서는 통신 모듈을 포함하고 통신 모듈을 통해 센싱한 정보를 상기 프로세서에 전송할 수 있으며, 이 때 상기 인터페이스부를 경유하여 정보를 송수신할 수 있다. 이 경우 센서는 프로세서, 메모리와는 물리적으로 떨어진 거리에 설치될 수 있으며, 바람직하게는 보일러에 설치될 수 있다.
본 발명의 일 실시예에서 상기 센서는 TDLAS 센서로 구현할 수 있다. TDLAS 센서는 Tunable Diode Laser Absortion Spectroscopy의 약자로 가변 다이오드를 이용해 대상물의 레이저 통과 특성(파장 흡수 특성)을 분석하여 온도, 가스의 농도 등을 분석할 수 있는 장치이다.
기존에는 온도 측정 센서, 가스의 종류 별로 가스 농도 측정 센서를 구비해야 했으나 TDLAS를 이용하는 경우, 레이저를 이용하여 보일러 내부 유체의 온도, 농도, 온도 분포 특성 등을 측정, 분석할 수 있다.
본 발명의 실시예들은 예시의 목적을 위해 개시된 것으로 본 발명이 속한 기술 분야의 통상의 지식을 가진 자가 본 발명의 기술 사상 범위 내에서 수정, 변경, 부가가 가능한 부분까지 본 특허청구범위에 속하는 것으로 보아야 할 것이다.

Claims (6)

  1. 보일러 내부의 물성 정보 또는 상태 정보를 수신하고, 프로세서에서 연산된 보일러의 최적 연소 구조를 제공하는 인터페이스부;
    상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 최적 연소 구조를 연산하는 프로세서; 및
    상기 수신된 물성 정보, 상태 정보 또는 상기 최적 연소 구조를 저장하는 메모리;
    를 포함하고,
    상기 프로세서는,
    상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 정상 상태에서의 특성을 분석하는 정상 상태 최적화 모듈;
    상기 인터페이스부에서 수신된 물성 정보, 상태 정보를 이용하여 보일러의 동특성을 분석하는 동특성 최적화 모듈; 및
    상기 정상 상태 최적화 모듈 및 동특성 최적화 모듈에서 분석된 특성을 NN(Neural Network) 연소 모델에 적용하여 상기 최적 연소 구조를 연산하는 연산 모듈;
    을 포함하는 보일러 연소 제어 시스템
  2. 청구항 1에 있어서, 상기 프로세서는
    상기 보일러의 정상 상태 또는 동특성에 적용되는 제약 조건을 설정하는 조건 설정 모듈;
    을 더 포함하는 보일러 연소 제어 시스템
  3. 청구항 2에 있어서, 상기 연산 모듈은
    상기 조건 설정 모듈에서 설정된 제약 조건을 NN 연소 모델에 더 반영하여 보일러의 최적 연소 구조를 연산하는 보일러 연소 제어 시스템
  4. 청구항 1에 있어서, 상기 인터페이스부는
    보일러 연소 제어 시스템에 입출력되는 데이터를 처리하는 입출력 모듈; 및
    상기 프로세서에서 연산된 최적 연소 구조를 3D 모델링하는 모델링 모듈;
    을 포함하는 보일러 연소 제어 시스템
  5. 청구항 1에 있어서,
    보일러의 상태 정보, 보일러 내에 존재하는 유체의 물성 정보를 측정하기 위한 센서;
    를 더 포함하는 보일러 연소 제어 시스템
  6. 청구항 5에 있어서,
    상기 센서는 TDLAS 센서인 보일러 연소 제어 시스템
KR1020150027592A 2015-02-26 2015-02-26 보일러 연소 제어 시스템 KR20160104481A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150027592A KR20160104481A (ko) 2015-02-26 2015-02-26 보일러 연소 제어 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150027592A KR20160104481A (ko) 2015-02-26 2015-02-26 보일러 연소 제어 시스템

Publications (1)

Publication Number Publication Date
KR20160104481A true KR20160104481A (ko) 2016-09-05

Family

ID=56938895

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150027592A KR20160104481A (ko) 2015-02-26 2015-02-26 보일러 연소 제어 시스템

Country Status (1)

Country Link
KR (1) KR20160104481A (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110486749A (zh) * 2019-08-29 2019-11-22 国网河南省电力公司电力科学研究院 一种火电机组锅炉燃烧优化控制方法及系统
CN111259512A (zh) * 2018-11-30 2020-06-09 斗山重工业建设有限公司 锅炉燃烧优化演算系统及方法
CN111256166A (zh) * 2018-11-30 2020-06-09 斗山重工业建设有限公司 锅炉运行控制系统及方法
CN111260107A (zh) * 2018-11-30 2020-06-09 斗山重工业建设有限公司 锅炉燃烧优化系统及方法
KR20200117285A (ko) * 2019-04-03 2020-10-14 두산중공업 주식회사 보일러 연소 모델 자동 생성 장치 및 방법
KR20210007449A (ko) * 2019-07-11 2021-01-20 두산중공업 주식회사 최적의 보일러 연소 모델 선정 장치 및 방법
CN113467392A (zh) * 2021-06-18 2021-10-01 中国大唐集团科学技术研究院有限公司中南电力试验研究院 一种燃煤锅炉开环燃烧控制优化方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100078286A1 (en) 2008-09-30 2010-04-01 Honda Motor Co., Ltd. Multi-plate clutch

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100078286A1 (en) 2008-09-30 2010-04-01 Honda Motor Co., Ltd. Multi-plate clutch

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11287126B2 (en) 2018-11-30 2022-03-29 Doosan Heavy Industries & Construction Co., Ltd System and method for controlling operation of boiler
US11262065B2 (en) * 2018-11-30 2022-03-01 DOOSAN Heavy Industries Construction Co., LTD System and method for optimizing combustion of boiler
CN111256166A (zh) * 2018-11-30 2020-06-09 斗山重工业建设有限公司 锅炉运行控制系统及方法
CN111260107A (zh) * 2018-11-30 2020-06-09 斗山重工业建设有限公司 锅炉燃烧优化系统及方法
US11232376B2 (en) * 2018-11-30 2022-01-25 Doosan Heavy Industries & Construction Co., Ltd. System and method for optimizing combustion of boiler
CN111260107B (zh) * 2018-11-30 2024-03-05 斗山重工业建设有限公司 锅炉燃烧优化系统及方法
CN111259512A (zh) * 2018-11-30 2020-06-09 斗山重工业建设有限公司 锅炉燃烧优化演算系统及方法
KR20200117285A (ko) * 2019-04-03 2020-10-14 두산중공업 주식회사 보일러 연소 모델 자동 생성 장치 및 방법
US11599696B2 (en) 2019-04-03 2023-03-07 Doosan Enerbility Co., Ltd. Method and apparatus for automatically generating boiler combustion model
US11846416B2 (en) 2019-07-11 2023-12-19 Doosan Enerbility Co., Ltd. Device and method for selecting optimal boiler combustion model
KR20210007449A (ko) * 2019-07-11 2021-01-20 두산중공업 주식회사 최적의 보일러 연소 모델 선정 장치 및 방법
CN110486749A (zh) * 2019-08-29 2019-11-22 国网河南省电力公司电力科学研究院 一种火电机组锅炉燃烧优化控制方法及系统
CN113467392A (zh) * 2021-06-18 2021-10-01 中国大唐集团科学技术研究院有限公司中南电力试验研究院 一种燃煤锅炉开环燃烧控制优化方法
CN113467392B (zh) * 2021-06-18 2024-03-26 中国大唐集团科学技术研究院有限公司中南电力试验研究院 一种燃煤锅炉开环燃烧控制优化方法

Similar Documents

Publication Publication Date Title
KR20160104481A (ko) 보일러 연소 제어 시스템
US11676061B2 (en) Harnessing machine learning and data analytics for a real time predictive model for a FCC pre-treatment unit
Pistikopoulos et al. Towards the integration of process design, control and scheduling: Are we getting closer?
Gu et al. Online adaptive least squares support vector machine and its application in utility boiler combustion optimization systems
JP2008171152A (ja) プラント制御装置
EP2510441B1 (en) System and method for maximising thermal efficiency of a power plant
JP5503563B2 (ja) プラントの制御装置及び火力発電プラントの制御装置
CN105103059B (zh) 用于在plc中实现模型预测性控制的系统和方法
JP7417762B2 (ja) フレアの排出量監視システム
Valdetaro et al. Simultaneous model selection, robust data reconciliation and outlier detection with swarm intelligence in a thermal reactor power calculation
Śladewski et al. Optimization of combustion process in coal-fired power plant with utilization of acoustic system for in-furnace temperature measurement
Zhang et al. Robust fault detection filter design for a class of neutral‐type neural networks with time‐varying discrete and unbounded distributed delays
CN106662327A (zh) 用于降低燃烧过程烟和噪音的反馈控制
Kumari et al. Development of parametric reduced-order model for consequence estimation of rare events
Lu et al. Data‐driven optimal control of operational indices for a class of industrial processes
Weimer et al. A relaxation approach to dynamic sensor selection in large-scale wireless networks
KR102484587B1 (ko) 시뮬레이션 기반의 주성분 벡터와 측정 데이터 기반의 기계학습에 의한 주성분 상수를 활용한 차수 감축 모델 구축 방법
Mozaffari et al. A Receding Horizon Sliding Controller for Automotive Engine Coldstart: Design and Hardware‐in‐the‐Loop Testing With an Echo State Network High‐Fidelity Model
US11714939B2 (en) Determining gas leak flow rate in a wellbore environment
JP2006132902A (ja) 燃焼条件推定装置および方法
WO2020105179A1 (ja) 情報処理装置、制御方法、及びプログラム
Kordon et al. Consider robust inferential sensors
US20230333521A1 (en) Machine learning-based optimization of thermodynamic power generation
Yang et al. Identification of LTI Time‐Delay Systems with Missing Output Data Using GEM Algorithm
Liu et al. Intelligent integration between human simulated intelligence and expert control technology for the combustion process of gas heating furnace

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment