KR20210007449A - 최적의 보일러 연소 모델 선정 장치 및 방법 - Google Patents
최적의 보일러 연소 모델 선정 장치 및 방법 Download PDFInfo
- Publication number
- KR20210007449A KR20210007449A KR1020190083935A KR20190083935A KR20210007449A KR 20210007449 A KR20210007449 A KR 20210007449A KR 1020190083935 A KR1020190083935 A KR 1020190083935A KR 20190083935 A KR20190083935 A KR 20190083935A KR 20210007449 A KR20210007449 A KR 20210007449A
- Authority
- KR
- South Korea
- Prior art keywords
- boiler combustion
- model
- combustion model
- optimal
- boiler
- Prior art date
Links
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 510
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012795 verification Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010187 selection method Methods 0.000 claims 4
- 238000013499 data model Methods 0.000 claims 1
- 238000013461 design Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 239000007789 gas Substances 0.000 description 12
- 238000005457 optimization Methods 0.000 description 12
- 238000010248 power generation Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 239000003245 coal Substances 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- FVTCRASFADXXNN-SCRDCRAPSA-N flavin mononucleotide Chemical compound OP(=O)(O)OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O FVTCRASFADXXNN-SCRDCRAPSA-N 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/008—Control systems for two or more steam generators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/02—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant
- B60H1/03—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant and from a source other than the propulsion plant
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/02—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant
- B60H1/03—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant and from a source other than the propulsion plant
- B60H1/032—Heating, cooling or ventilating [HVAC] devices the heat being derived from the propulsion plant and from a source other than the propulsion plant from the cooling liquid of the propulsion plant and from a burner
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/18—Applications of computers to steam boiler control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/26—Details
- F23N5/265—Details using electronic means
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
- G06F8/654—Updates using techniques specially adapted for alterable solid state memories, e.g. for EEPROM or flash memories
-
- 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
- G06Q50/06—Energy or water supply
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D2200/00—Heat sources or energy sources
- F24D2200/06—Solid fuel fired boiler
- F24D2200/062—Coal fired boilers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
Abstract
본 발명은 보일러 연소를 위한 다수의 보일러 연소 모델들 중 최적의 보일러 연소 모델을 선정하여 보일러 연소 모델들이 저장되어 있는 메모리부를 업데이트하기 위한 최적의 보일러 연소 모델 선정 장치 및 방법에 관한 것이다.
본 발명의 실시 예에 따른 보일러 연소를 위한 최적의 보일러 연소 모델을 선정하기 위한 최적 보일러 연소 모델 선정 장치는 사전에 도출된 제1 보일러 연소 모델을 저장하는 제1 메모리부와, 사전에 도출된 제2 보일러 연소 모델을 저장하는 제2 메모리부와, 상기 제1 보일러 연소 모델 및 상기 제2 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정하는 모델 선정부와, 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델의 특성에 따라 상기 제2 메모리부에 저장된 상기 제2 보일러 연소 모델들을 업데이트하는 제어부를 포함한다.
본 발명의 실시 예에 따른 보일러 연소를 위한 최적의 보일러 연소 모델을 선정하기 위한 최적 보일러 연소 모델 선정 장치는 사전에 도출된 제1 보일러 연소 모델을 저장하는 제1 메모리부와, 사전에 도출된 제2 보일러 연소 모델을 저장하는 제2 메모리부와, 상기 제1 보일러 연소 모델 및 상기 제2 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정하는 모델 선정부와, 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델의 특성에 따라 상기 제2 메모리부에 저장된 상기 제2 보일러 연소 모델들을 업데이트하는 제어부를 포함한다.
Description
본 발명은 최적의 보일러 연소 모델 선정 장치 및 방법에 관한 것으로, 보다 자세하게는 보일러 연소를 위한 다수의 보일러 연소 모델들 중 최적의 보일러 연소 모델을 선정하여 보일러 연소 모델들이 저장되어 있는 메모리부를 업데이트하기 위한 최적의 보일러 연소 모델 선정 장치 및 방법에 관한 것이다.
석탄화력 발전소의 보일러의 경우 석탄 연소 시 발생하는 발열 반응을 이용하여 물을 가열하고 발전에 필요한 증기를 생산한다. 이때, 질소산화물과 같은 오염 배기가스가 발생하게 되는데, 이러한 오염 배기가스의 발생량이 많을 경우에는 이를 처리하기 위한 처리비용이 증가하게 된다. 더 나아가, 석탄의 연소가 불완전 연소인 경우는 연소효율이 감소하게 되어 발전/운전 비용이 증가하게 된다. 따라서, 연소 효율을 높이면서 오염 배기가스를 저감하기 위한 보일러 연소 최적화 장치가 필요한 실정이다.
본 발명은 앞에서 설명한 문제점을 해결하기 위한 것으로, 보일러 연소를 위한 다수의 보일러 연소 모델들 중 최적의 보일러 연소 모델을 선정하여 저장되어 있는 보일러 연소 모델들을 업데이트하기 위한 최적의 보일러 연소 모델 선정 장치 및 방법을 제공하는 것을 목적으로 한다.
위에서 언급된 본 발명의 기술적 과제 외에도, 본 발명의 다른 특징 및 이점들이 이하에서 기술되거나, 그러한 기술 및 설명으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
앞에서 설명한 목적을 달성하기 위한 본 발명의 실시 예에 따른 보일러 연소를 위한 최적의 보일러 연소 모델을 선정하기 위한 최적 보일러 연소 모델 선정 장치는 사전에 도출된 제1 보일러 연소 모델을 저장하는 제1 메모리부와, 사전에 도출된 제2 보일러 연소 모델을 저장하는 제2 메모리부와, 제1 보일러 연소 모델 및 제2 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정하는 모델 선정부와, 모델 선정부에 의해 선정된 최적의 보일러 연소 모델의 특성에 따라 제2 메모리부에 저장된 제2 보일러 연소 모델들을 업데이트하는 제어부를 포함할 수 있다.
반면, 앞에서 설명한 목적을 달성하기 위한 본 발명의 실시 예에 따른 보일러 연소를 위한 최적의 보일러 연소 모델을 선정하기 위한 최적 보일러 연소 모델 선정 방법은 제1 메모리부가 사전에 도출된 제1 보일러 연소 모델을 저장하고, 제2 메모리부가 사전에 도출된 제2 보일러 연소 모델을 저장하는 단계와, 모델 선정부가 제1 보일러 연소 모델 및 제2 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정하는 단계와, 제어부가 선정된 최적의 보일러 연소 모델의 특성에 따라 제2 메모리부에 저장된 제2 보일러 연소 모델들을 업데이트하는 단계를 포함할 수 있다.
본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 장치 및 방법은 다수의 보일러 연소 모델들 중 최적의 보일러 연소 모델을 선정할 수 있다.
또한, 최적의 보일러 연소 모델 선정 장치 및 방법은 메모리에 저장된 모델을 선정된 최적의 보일러 연소 모델을 자동으로 업데이트할 수 있다.
이 밖에도, 본 발명의 실시 예들을 통해 본 발명의 또 다른 특징 및 이점들이 새롭게 파악될 수도 있을 것이다.
도 1은 본 발명의 실시 예에 따른 보일러의 연소를 최적화를 위한 보일러 연소 최적화 장치를 설명하는 도면이다.
도 2는 본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 장치의 구성을 나타내는 도면이다.
도 3은 본 발명의 실시 예에 따른 제1 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 4는 본 발명의 실시 예에 따른 제2 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 5는 본 발명의 실시 예에 따른 제3 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 6은 본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 방법을 나타내는 도면이다.
도 2는 본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 장치의 구성을 나타내는 도면이다.
도 3은 본 발명의 실시 예에 따른 제1 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 4는 본 발명의 실시 예에 따른 제2 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 5는 본 발명의 실시 예에 따른 제3 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 6은 본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 방법을 나타내는 도면이다.
이하, 첨부한 도면을 참조하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
도 1은 본 발명의 실시 예에 따른 보일러의 연소를 최적화를 위한 보일러 연소 최적화 시스템을 설명하는 도면이다.
도 1을 참조하면, 보일러 연소 최적화 시스템은 연소 관리부(100), 자동 튜닝 관리부(모델/컨트롤러, 200), 데이터 사전 처리부(300), 데이터 분석부(400), 연소 모델 설계 알고리즘부(500), 연소 컨트롤러 설계 알고리즘부(600), 최적의 모델/컨트롤러 선정부(700), 연소 최적화 알고리즘부(800)을 포함할 수 있다.
석탄화력 발전소의 보일러의 경우 석탄 연소 시 발생하는 발열 반응을 이용하여 물을 가열하고 발전에 필요한 증기를 생산한다. 이때, 질소산화물과 같은 오염 배기가스가 발생하게 되는데, 이러한 오염 배기가스의 발생량이 많을 경우에는 이를 처리하기 위한 처리비용이 증가하게 된다. 더 나아가, 석탄의 연소가 불완전 연소인 경우는 연소효율이 감소하게 되어 발전/운전 비용이 증가하게 된다. 따라서, 연소 효율을 높이면서 오염 배기가스를 저감하기 위한 보일러 연소 최적화 시스템은 다음과 같다.
먼저, 연소 관리부(100)는 연소 최적화를 종합 관리할 수 있다. 구체적으로, 연소 관리부(100)는 실시간으로 측정되거나 계산된 태그 데이터 정보를 바탕으로 연소 최적화 수행 여부를 판단할 수 있다. 또한, 연소 관리부(100)는 발전소에서 이용되는 경우 발전 출력, 출력 변화 상태, 슈트 블로워 동작 여부, 보일러 로직 동작 등의 DCS 값을 토대로 연소 최적화 수행 여부를 판단할 수 있다.
또한, 자동 튜닝 관리부(모델/컨트롤러, 200)는 연소 모델과 연소 컨트롤러를 관리할 수 있다. 구체적으로, 자동 튜닝 관리부(모델/컨트롤러, 200)는 실시간으로 측정되거나 계산된 태그 데이터 정보, 연소 최적화 실시 여부, 모델과 제어기의 튜닝을 위한 학습 수행 여부 등과 같은 정보를 바탕으로 연소 모델 및 연소 컨트롤러의 튜닝 여부를 결정할 수 있다. 여기서, 자동 튜닝 관리부(모델/컨트롤러, 200)는 연소 모델 및 연소 컨트롤러가 튜닝을 하는 것으로 판단하는 경우 연소 모델 설계 알고리즘부(500) 및 연소 컨트롤러 설계 알고리즘부(600)를 실행시키고, 연소 모델 및 연소 컨트롤러가 튜닝을 하지 않는 것으로 판단하는 경우 연소 모델 설계 알고리즘부(500) 및 연소 컨트롤러 설계 알고리즘부(600)를 실행시키지 않을 수 있다.
또한, 데이터 사전 처리부(300)는 실시간으로 측정되거나 계산된 태그 데이터 정보와 기존에 저장되어 있는 태그의 데이터 정보를 이용하여 데이터 전처리를 수행할 수 있다. 구체적으로, 데이터 사전 처리부(300)는 신호 처리, 정상 데이터 처리(기반 지식 기반 또는 데이터 기반) 및 outlier 처리 등을 수행할 수 있다. 이를 통해, 데이터 사전 처리부(300)는 데이터 내의 노이즈를 제거하거나 연소 모델 생성이나 제어기를 설계를 함에 있어 악영향을 미칠 수 있는 데이터들을 제거할 수 있다.
또한, 데이터 분석부(400)는 데이터의 패턴 분석을 통하여 연소 모델과 제어기 설계에 필요한 정상상태의 중요 데이터만을 골라 내는 샘플링을 수행할 수 있다. 또한, 데이터 분석부(400)는 연소 모델 설계를 위해 상관관계 분석 등을 통하여 모델 출력 변수에 중요한 영향을 미치는 입력 변수를 선정할 수 있다.
또한, 연소 모델 설계 알고리즘부(500)는 보일러 연소를 최적화하기 위해 가장 중요한 요소 중 하나인 연소 모델을 설계하는 알고리즘일 수 있다. 연소 모델 설계 알고리즘부(500)는 연료투입량, 공기투입량, 공기 온도, 물 투입량, 공기 온도 등의 입력을 토대로 연소의 중요 변수인 발전 출력, 증기와 배기가스의 온도를 포함한 연소 상태, 배기가스 조성, 연소 후 잔여 산소량 등의 요소를 예측할 수 있는 연소 모델을 설계할 수 있다.
또한, 연소 컨트롤러 설계 알고리즘부(600)는 보일러 연소를 최적화화기 위해 가장 중요한 요소 중 하나인 연소 컨트롤러를 설계하는 알고리즘일 수 있다. 연소 컨트롤러 설계 알고리즘부(600)는 연소 모델을 이용하여 설계된 연소 컨트롤러가 최적의 연소 제어를 위한 최적의 목표치를 만들어내도록 할 수 있다.
또한, 최적의 모델/컨트롤러 선정부(700)는 현재 데이터에 대해서 분석한 결과를 바탕으로 기존에 만들어진 여러 개의 연소 모델 및 연소 컨트롤러 중에서 가장 최적인 연소 모델 및 연소 컨트롤러를 선정할 수 있다.
또한, 연소 최적화 알고리즘부(800)는 현재 데이터를 최적의 연소 모델 및 연소 컨트롤러에 입력하여 연소 최적화를 위한 최적의 목표치를 계산할 수 있다. 또한, 연소 최적화 알고리즘부(800)는 현재 DCS에서의 목표치와 매뉴얼을 이용하여 최적의 제어 목표값이나 관련 보조값을 계산할 수 있다.
본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 장치는 최적의 모델/컨트롤러 선정부(700)에 해당하는 것으로, 다수의 연소 모델 중 최적의 모델을 선정하고, 선정된 최적의 모델을 메모리에 업데이트할 수 있다.
도 2는 본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 장치의 구성을 나타내는 도면이다.
도 2를 참조하면, 본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 장치(700)는 제1 메모리부(710), 제2 메모리부(720), 모델 생성부(730), 모델 선정부(740) 및 제어부(750)를 포함할 수 있다.
제1 메모리부(710)는 제1 보일러 연소 모델(10)을 저장할 수 있다. 여기서, 제1 보일러 연소 모델(10)은 기존의 보일러의 연소를 위해 일반적으로 이용되어 왔던 연소 모델로서 미리 설정된 연소 모델일 수 있다. 예컨대, 장기간의 실험 및 가동에 따라 그 성능이 검증된 연소 모델일 수 있다. 제1 보일러 연소 모델(10)은 사전에(예컨대, 장치 설계 시) 미리 제1 메모리부(710)에 저장되어 있을 수 있고, 관리자에 의해 수동적으로(manually) 변경되거나 삭제될 수 있으나, 자동으로(automatically) 변경되거나, 삭제될 수는 없다. 예컨대, 제1 메모리(710)부에 대한 액세스는 제한될 수 있다. 또한, 복수의 제1 보일러 연소 모델(10)들이 제1 메모리부(710)에 저장될 수 있다.
제2 메모리부(720)는 사전에 도출된 제2 보일러 연소 모델(20)을 저장할 수 있다. 여기서, 제2 메모리부(720)는 학습을 통해 이전에 선정된 최적 보일러 연소 모델(20)이 저장될 수 있다. 여기서, 제1 메모리부(710)에 저장되는 제1 보일러 연소 모델(10)은 장기간의 실험을 통해 검증된 모델이고, 제2 메모리부(720)에 저장되는 제2 보일러 연소 모델(20)은 학습을 통해서 선정된 모델일 수 있다. 즉, 제2 보일러 연소 모델(20)은 제1 보일러 연소 모델(10)에 비해 최근에 도출된 모델일 수 있다. 예컨대, 제1 보일러 연소 모델(10)은 최적의 보일러 연소 모델 선정 장치(700)에 의해 자동으로 변경될 수 없으나, 제2 보일러 연소 모델(20)은 최적의 보일러 연소 모델 선정 장치(700)에 의해 자동으로 변경될 수 있다. 또한, 제2 보일러 연소 모델(20)은 성분별(예컨대, 탄성분 등) 또는 운전조건 별로 구분될 수 있고, 제2 메모리부(720)에는 성분별 또는 운전조건 별로 구분된 제2 보일러 연소 모델(20)의 데이터 셋(set)이 저장될 수 있다. 제2 메모리부(720)에는 복수의 데이터 셋들이 저장될 수 있고, 복수의 데이터 셋 각각에는 복수의 제2 보일러 연소 모델(20)들이 저장될 수 있다.
또한, 제2 메모리부(720)에 저장된 제2 연소 모델(20)들은 그것들이 생성된 순서에 따라 정렬되어 저장될 수 있다. 예컨대, 제2 메모리부(720)는 계층구조를 가질 수 있고, 제2 메모리부(720)에는 보일러 연소 모델이 도출되는 순서에 따라 상위계층에서 하위계층의 순서로 저장될 수 있다. 일 예로, 가장 처음으로 도출된 제2 보일러 연소 모델은 제2 메모리부(720)의 최상위 계층(예컨대, 첫 번째 층)에 저장되고, 그 다음으로 도출된 제2 보일러 연소 모델은 제2 메모리부(720)의 최상위 계층 다음의 차상위 계층(예컨대, 두 번째 층)에 저장될 수 있다.
모델 생성부(730)는 보일러 연소를 위한 제3 보일러 연소 모델(30)을 후술하는 모델 선정부(740)로 출력할 수 있다. 실시 예들에 따라, 모델 생성부(730)는 도 1의 연소 모델 설계 알고리즘부(500)에 의해 생성된 제3 보일러 연소 모델(30)을 수신하여 출력할 수 있다. 또는, 모델 생성부(730)는 스스로 제3 보일러 연소 모델(30)을 생성하고, 생성된 제3 보일러 연소 모델(30)을 출력할 수 있다.
여기서, 모델 생성부(730)는 도 1의 연소 모델 설계 알고리즘부(500)과 같은 방식에 따라 제3 보일러 연소 모델(30)을 생성할 수 있다. 예컨대, 모델 생성부(730)는 연료투입량, 공기투입량, 공기 온도, 물 투입량, 공기 온도 등의 입력을 토대로 연소의 중요 변수인 발전 출력, 증기와 배기가스의 온도를 포함한 연소 상태, 배기가스 조성, 연소 후 잔여 산소량 등의 요소를 예측할 수 있는 연소 모델을 설계할 수 있다.
제3 보일러 연소 모델(30)은 제3 메모리부에 저장될 수 있다. 제3 메모리부는 캐시 메모리 등과 같은 휘발성 메모리로 구성될 수 있고, 이 경우, 제3 보일러 연소 모델(30)은 제3 메모리부(30)에 임시적으로 저장될 수 있다. 또한, 제3 보일러 연소 모델(30)은 제2 메모리부(720)에 저장될 수 있고, 이 경우, 후술하는 바와 같이 제3 보일러 연소 모델(30)은 상황에 따라 삭제될 수 있다.
모델 선정부(740)는 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30) 중 최적의 연소 모델을 선정할 수 있다. 즉, 최적의 보일러 연소 모델은 제1 보일러 연소 모델(10) 중 하나일 수 있고, 제2 보일러 연소 모델(20) 중 하나일 수 있고, 제3 보일러 연소 모델(30)일 수도 있다. 여기서, 제3 보일러 연소 모델(30)이 생성되지 않은 경우, 모델 생성부(740)는 제1 보일러 연소 모델(10) 및 제2 보일러 연소 모델(20) 중에서 최적의 연소 모델을 선정할 수도 있다.
구체적으로, 모델 선정부(740)는 보일러에서 출력되는 데이터의 패턴을 분석하여 모델 검증을 위한 검증용 데이터를 생성할 수 있다. 여기서, 보일러에서 출력되는 데이터는 최신 데이터로, 보일러에서 가장 최근에 출력된 데이터일 수 있다. 본 발명의 실시 예에 따르면, 최신 데이터는 가장 최근에 출력된 데이터만으로 한정하지 않고, 가장 최근에 출력된 데이터 이전의 데이터들을 함께 포함할 수 있다. 예컨대, 가장 최근에 출력된 데이터가 N번째 데이터인 경우, 최신 데이터는 N, N-1, N-2, N-3번째 데이터를 나타낼 수 있다. 여기서, 최신 데이터의 개수는 한정되지 않으며, 미리 설정되어 있을 수 있다. 모델 선정부(740)는 최신 데이터와 기본 특성에 대한 데이터를 통해 모델 검증을 위한 검증용 데이터를 생성할 수 있고, 이를 통해 발전소(또는 보일러)의 최신 운전 데이터를 반영할 수 있는 보일러 연소 모델을 선정할 수 있다.
모델 선정부(740)는 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30)들 각각의 출력값을 검증용 데이터와 비교하고, 비교한 결과 검증용 데이터와의 오차가 가장 적은 보일러 연소 모델을 최적의 보일러 연소 모델로 선정할 수 있다. 여기서, 검증용 데이터는 입력 데이터 및 출력 데이터를 포함할 수 있고, 검증용 데이터의 입력 데이터는 각 보일러 연소 모델들(10, 20, 30)의 입력 데이터로써 입력될 수 있다.
모델 선정부(740)는 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30)들 각각의 출력값과 검증용 데이터간의 오차를 각 모델별로 하나의 값으로 나타낼 수 있다. 일 예로, 모델 선정부(740)는 각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 평균을 계산하여 하나의 오차로 나타낼 수 있다. 또한, 모델 선정부(740)는 각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 평균을 계산하고, 평균에 대한 제곱근을 계산하여 하나의 오차로 나타낼 수 있다.
또한, 모델 선정부(740)는 각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 총합을 계산하거나, 각 모델별 출력값과 검증용 데이터간의 차이의 절대값의 총합 또는 평균을 계산하여 하나의 오차로 나타낼 수 있다.
모델 선정부(740)는 가장 작은 값의 오차를 가지는 보일러 연소 모델을 최적의 보일러 연소 모델로 선정할 수 있다.
또한, 테스트 입력 값들/테스트 출력 값들을 포함하는 테스트 데이터 셋을 이용해서 복수의 보일러 연소 모델들을 검증(또는 평가)할 수 있고, 검증 결과에 따라 복수의 보일러 연소 모델들 중에서 최적의 보일러 연소 모델을 선정할 수 있다. 즉, 테스트 입력 값들을 복수의 보일러 연소 모델들에 입력하고, 각각의 보일러 연소 모델들로부터 테스트 입력 값들에 대한 연산 결과를 산출할 수 있다. 또한, 각각의 보일러 연소 모델들에서 산출된 연산 결과를 테스트 출력 값들과 비교하여 그 오차에 따라 보일러 연소 모델들을 검증할 수 있다. 여기서, 모델 선정부(720)는 각각의 보일러 연소 모델들에서 산출된 연산 결과를 테스트 출력 값들과 비교한 결과, 오차가 가장 적은 보일러 연소 모델을 최적의 보일러 연소 모델로 선정할 수 있다. 이외에도 다양한 방법을 통해 보일러 연소 모델을 검증하고, 선정할 수 있다.
제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델의 특성에 따라 제2 메모리부(120)를 업데이트할 수 있다.
구체적으로, 제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델이 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30) 중 어느 모델과 동일한지에 따라 제2 메모리부(720)를 업데이트 할 수 있다.
제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델이 제1 보일러 연소 모델(10)인 경우 제2 메모리부(720)를 업데이트하지 않을 수 있다. 여기서, 제어부(750)는 제3 보일러 연소 모델(30)을 제2 메모리부(720)에 저장하지 않고 삭제함으로써, 제2 메모리부(720)의 용량을 일정하게 유지할 수 있다. 여기서, 제3 보일러 연소 모델(30)이 생성되지 않은 채로 최적의 보일러 연소 모델을 선정한 경우, 제어부(750)가 제3 보일러 연소 모델(30)을 저장 또는 삭제하는 동작은 생략될 수 있다.
또한, 제1 보일러 연소 모델(10)은 이미 장기간을 거쳐 검증된 모델이고, 제3 보일러 연소 모델(30)은 학습을 통해 생성된 모델이므로, 제1 보일러 연소 모델(10)이 최적 보일러 연소 모델로 선정된 경우, 검증되지 않은 제3 보일러 연소 모델(30)을 굳이 저장할 필요가 없다. 따라서, 제3 보일러 연소 모델(30)을 삭제하고, 제1 메모리부(10)에 저장된 제1 보일러 연소 모델(10)을 최적의 보일러 연소 모델로서 이용함으로써 보일러의 연소를 최적화시킬 수 있다.
또한, 제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델이 제2 보일러 연소 모델(20)인 경우 최적의 보일러 연소 모델을 가장 최근에 도출된 보일러 연소 모델로서 제2 메모리부(720)에 저장할 수 있다. 즉, 제어부(750)는 최적의 보일러 연소 모델이 제2 보일러 연소 모델(20)인 경우 제2 메모리부(720)의 가장 하위계층에 최적의 보일러 연소 모델을 배치(또는 저장)할 수 있으므로 제2 메모리부(720)에 저장된 제2 보일러 연소 모델(20)의 성능이 개선될 수 있다. 여기서, 제어부(750)는 제3 보일러 연소 모델(30)을 삭제할 수 있고, 제3 보일러 연소 모델(30)을 삭제함으로써 제2 메모리부(720)의 용량이 일정하게 유지될 수 있다. 여기서, 제3 보일러 연소 모델(30)이 생성되지 않은 채로 최적의 보일러 연소 모델을 선정한 경우, 제어부(750)가 제3 보일러 연소 모델(30)을 저장 또는 삭제하는 동작은 생략될 수 있다.
또한, 제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델이 제3 보일러 연소 모델(30)인 경우 제2 메모리부(720)에 저장된 제2 보일러 연소 모델(20) 중 가장 이전에 도출된 보일러 연소 모델을 삭제하고, 최적의 보일러 연소 모델을 가장 최근에 도출된 보일러 연소 모델로서 제2 메모리부(720)에 저장할 수 있다. 즉, 제어부(750)는 최적의 보일러 연소 모델이 제3 보일러 연소 모델(30)인 경우 제2 메모리부(720)에 저장된 제2 보일러 연소 모델(20) 중 가장 이전에 도출된 제2 보일러 연소 모델을 삭제하고, 최적의 보일러 연소 모델로 선정된 제3 보일러 연소 모델(30)을 제2 메모리부(720)에 저장할 수 있다. 즉, 가장 이전에 도출된 제2 보일러 연소 모델을 최근에 선정된 제3 보일러 연소 모델(30)로서 업데이트할 수 있다. 이때, 제어부(750)는 제3 보일러 연소 모델(30)을 제2 메모리부(720)의 가장 하위계층에 저장할 수 있다.
이를 통해, 제2 메모리부(720)의 용량은 일정하게 유지될 수 있고, 본 발명의 실시 예에 따라 가장 이전에 도출된 제2 보일러 연소 모델(20)을 먼저 삭제하므로, 새롭게 도출된 최적의 보일러 연소 모델을 가장 최근에 도출된 보일러 연소 모델로 저장함으로써, 먼저 삭제되는 것을 방지할 수 있다. 다시 말하면, 보일러 연소 모델은 보일러의 최신 데이터와의 비교를 통해 선정되므로, 보일러의 최신 상태와 가장 유사한 모델일 수 있다. 따라서, 선정된 최적의 보일러 연소 모델을 제2 메모리부(720)의 가장 하위계층에 저장하고, 이후에 새롭게 선정된 최적의 보일러 연소 모델을 다시 제2 메모리부(720)의 가장 하위계층에 저장할 수 있다. 이러한 단계를 반복함으로써, 보일러의 최신 데이터와 유사한 모델들이 제2 메모리부(720)의 하위계층에 저장될 수 있다. 반면, 제2 메모리부(720)의 상위계층에 저장된 제2 보일러 연소 모델(20)은 최적의 보일러 연소 모델로 선정되지 않아 제2 메모리부(720)의 하위계층에 업데이트될 수 없다. 이는, 보일러의 최신 상태와 유사하지 않다는 것을 의미할 수 있다. 따라서, 제3 보일러 연소 모델(30)이 최적의 연소 모델로 선정됨에 따라 제3 보일러 연소 모델(30)을 제2 메모리부(720)에 저장하기 위해 제2 메모리부(720)의 최상위계층의 제2 보일러 연소 모델은 삭제될 수 있다.
또한, 제2 메모리부(720)의 용량에 따라 제2 메모리부(720)에 저장되어 있는 제2 보일러 연소 모델(20)을 삭제하지 않을 수 있다. 예컨대, 제2 메모리부(720)의 용량이 허용치 미만이고, 최적의 보일러 연소 모델로 제3 보일러 연소 모델(30)이 선정된 경우 제어부(750)는 제2 보일러 연소 모델(20)의 삭제 없이 제3 보일러 연소 모델(30)을 저장할 수 있다. 이때, 제3 보일러 연소 모델(30)은 가장 최근에 도출된 보일러 연소 모델로서 제2 메모리부(20)의 최하위단에 저장될 수 있다.
도 3은 본 발명의 실시 예에 따른 제1 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 3을 참조하면, 제1 메모리부(710)는 제1 보일러 연소 모델(Seed Model1~Seed ModelN; 10)을 저장하고, 제2 메모리부(720)는 제2 보일러 연소 모델(Fruit Model1~Fruit ModelN; 20)을 저장할 수 있다.
모델 선정부(740)는 제1 메모리부(710)에 저장된 제1 보일러 연소 모델(10), 제2 메모리부(720)에 저장된 제2 보일러 연소 모델(20) 및 모델 생성부(730)에서 출력된 제3 보일러 연소 모델(30) 중 최적의 보일러 연소 모델을 선정할 수 있다. 여기서, 모델 선정부(740)는 보일러에서 추출한 최신 데이터와 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30)들 각각의 출력값과 검증용 데이터를 비교하고, 비교한 결과 검증용 데이터와의 오차가 가장 적은 보일러 연소 모델을 최적의 보일러 연소 모델로 선정할 수 있다.
제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델(12)이 제1 보일러 연소 모델(10)인 경우 제1 메모리부(710) 및 제2 메모리부(720)를 업데이트하지 않을 수 있다. 또한, 제어부(750)는 모델 생성부(730)에 의해 출력된 제3 보일러 연소 모델(30)을 삭제할 수 있다.
도 4는 본 발명의 실시 예에 따른 제2 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 4를 참조하면, 제1 메모리부(710)는 제1 보일러 연소 모델(SM1~SMN; 10)을 저장하고, 제2 메모리부(720)는 제2 보일러 연소 모델(FM1~FMN; 20)을 저장할 수 있다.
모델 선정부(740)는 제1 메모리부(710)에 저장된 제1 보일러 연소 모델(10), 제2 메모리부(720)에 저장된 제2 보일러 연소 모델(20) 및 모델 생성부(730)에서 출력된 제3 보일러 연소 모델(30) 중 최적의 보일러 연소 모델을 선정할 수 있다. 여기서, 모델 선정부(740)는 보일러에서 추출한 최신 데이터와 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30)들 각각의 출력값과 검증용 데이터를 비교하고, 비교한 결과 검증용 데이터와의 오차가 가장 적은 보일러 연소 모델을 최적의 보일러 연소 모델로 선정할 수 있다.
제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델(22)이 제2 보일러 연소 모델(20)인 경우 최적의 보일러 연소 모델을 제2 메모리부의 가장 최근에 도출된 보일러 연소 모델로 저장할 수 있다. 구체적으로, 제2 메모리부(720)는 계층구조를 가지며, 먼저 도출된 제2 보일러 연소 모델일수록 상위계층에 저장될 수 있다. 선정된 최적의 보일러 연소 모델(22)이 제2 보일러 연소 모델(20)인 경우 제어부(750)는 최적의 보일러 연소 모델로 선정된 제2 보일러 연소 모델(22)을 제2 메모리부(720)의 가장 하위계층에 저장할 수 있다. 이때, 제어부(750)는 모델 생성부(730)에 의해 출력된 제3 보일러 연소 모델(30)을 삭제할 수 있다.
도 5는 본 발명의 실시 예에 따른 제3 보일러 연소 모델이 최적 보일러 연소 모델로 선정된 경우 메모리부의 업데이트를 나타내는 도면이다.
도 5를 참조하면, 제1 메모리부(710)는 제1 보일러 연소 모델(SM1~SMN; 10)을 저장하고, 제2 메모리부(720)는 제2 보일러 연소 모델(FM1~FMN; 20)을 저장할 수 있다.
모델 선정부(740)는 제1 메모리부(710)에 저장된 제1 보일러 연소 모델(10), 제2 메모리부(720)에 저장된 제2 보일러 연소 모델(20) 및 모델 생성부(730)에서 출력된 제3 보일러 연소 모델(30) 중 최적의 보일러 연소 모델을 선정할 수 있다. 여기서, 모델 선정부(740)는 보일러에서 추출한 최신 데이터와 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30)들 각각의 출력값과 검증용 데이터를 비교하고, 비교한 결과 검증용 데이터와의 오차가 가장 적은 보일러 연소 모델을 최적의 보일러 연소 모델로 선정할 수 있다.
제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델이 제3 보일러 연소 모델(30)인 경우 제2 보일러 연소 모델 중 가장 이전에 도출된 제2 보일러 연소 모델을 최적의 보일러 연소 모델과 교체함으로써 제2 메모리부(720)를 업데이트할 수 있다.
여기서, 제2 메모리부(720)는 계층구조를 가지며, 먼저 도출된 제2 보일러 연소 모델일수록 상위계층에 저장될 수 있다. 최적의 보일러 연소 모델이 제3 보일러 연소 모델(30)인 경우 제어부(750)는 제2 메모리부(720)에 저장된 제2 보일러 연소 모델 중 가장 이전에 도출된 제2 보일러 연소 모델을 삭제하고, 최적의 보일러 연소 모델로 선정된 제3 보일러 연소 모델(30)을 제2 메모리부(720)의 가장 하위계층에 저장할 수 있다.
도 6은 본 발명의 실시 예에 따른 최적의 보일러 연소 모델 선정 방법을 나타내는 도면이다.
도 6을 참조하면, 제1 메모리부는 제1 보일러 연소 모델을 저장할 수 있다(S10). 제1 메모리부(710)는 사전에 도출된 제1 보일러 연소 모델(10)을 저장할 수 있고, 제1 보일러 연소 모델(10)은 사전에 보일러 연소를 위해 일반적으로 이용되어 왔던 연소 모델일 수 있다. 여기서, 제1 보일러 연소 모델(10)은 계층 구조를 가지며, 먼저 도출된 제1 보일러 연소 모델일수록 상위계층에 저장될 수 있다.
제2 메모리부는 제2 보일러 연소 모델을 저장할 수 있다(S20). 제2 메모리부(720)는 사전에 도출된 제2 보일러 연소 모델(20)을 저장할 수 있고, 제2 보일러 연소 모델(20)은 사전에 최적의 보일러 연소 모델로 선정되었던 연소 모델일 수 있다. 여기서, 제2 보일러 연소 모델(20)은 계층 구조를 가지며, 먼저 도출된 제2 보일러 연소 모델일수록 상위계층에 저장될 수 있다.
모델 생성부는 제3 보일러 연소 모델을 출력할 수 있다(S30). 여기서, 제3 보일러 연소 모델은 매번 생성되는 것은 아니며, 이에 따라, S30의 동작은 생략될 수 있다.
모델 선정부는 제1 보일러 연소 모델, 제2 보일러 연소 모델 및 제3 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정할 수 있다(S40).
모델 선정부(740)는 보일러에서 추출한 최신 데이터와 기본 특성이 반영된 검증용 데이터와 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30)들 각각의 출력값을 비교할 수 있다. 모델 선정부(740)는 비교 결과 검증용 데이터와의 오차가 가장 적은 보일러 연소 모델을 최적의 보일러 연소 모델로 선정할 수 있다. 여기서, S30 동작이 생략된 경우, 모델 선정부(740)는 제1 보일러 연소 모델(10) 및 제2 보일러 연소 모델(20) 중 최적의 보일러 연소 모델을 선정할 수 있다.
제어부는 모델 선정부에 의해 선정된 최적의 보일러 연소 모델의 특성에 따라 제2 메모리부를 업데이트할 수 있다(S50).
구체적으로, 제어부(750)는 모델 선정부(740)에 의해 선정된 보일러 연소 모델이 제1 보일러 연소 모델(10), 제2 보일러 연소 모델(20) 및 제3 보일러 연소 모델(30) 중 어떤 모델인지에 따라 제2 메모리부(720)에 저장된 제2 보일러 연소 모델을 업데이트 할 수 있다.
즉, 제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델이 제1 보일러 연소 모델(10)인 경우 제3 보일러 연소 모델(30)을 삭제하고, 제2 메모리부(720)는 업데이트하지 않을 수 있다.
또한, 제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델이 제2 보일러 연소 모델(20)인 경우 최적의 보일러 연소 모델을 가장 최근에 도출된 보일러 연소 모델로서 제2 메모리부(720)에 업데이트할 수 있다. 즉, 제어부(750)는 최적의 보일러 연소 모델이 제2 보일러 연소 모델(20)인 경우 최적의 보일러 연소 모델로 선정된 제2 보일러 연소 모델을 제2 메모리부(720)의 가장 하위계층에 저장하여 제2 메모리부(720)를 업데이트할 수 있고, 제3 보일러 연소 모델(30)은 삭제할 수 있다.
또한, 제어부(750)는 모델 선정부(740)에 의해 선정된 최적의 보일러 연소 모델이 제3 보일러 연소 모델(30)인 경우 제2 메모리부(720)에 저장된 제2 보일러 연소 모델(20) 중 가장 이전에 도출된 보일러 연소 모델을 삭제하고, 최적의 보일러 연소 모델을 제2 메모리부(720)의 가장 최근에 도출된 보일러 연소 모델로 저장할 수 있다. 즉, 제어부(750)는 최적의 보일러 연소 모델이 제3 보일러 연소 모델(30)인 경우 제2 메모리부(720)에 저장된 제2 보일러 연소 모델(20) 중 가장 이전에 도출된 제2 보일러 연소 모델을 삭제하고, 최적의 보일러 연소 모델로 선정된 제3 보일러 연소 모델(30)을 제2 메모리부(720)에 저장할 수 있다. 이때, 제어부(750)는 제3 보일러 연소 모델(30)을 제2 메모리부(720)의 가장 하위계층에 저장할 수 있다.
전술한 바와 같이, 본 발명의 실시 예에 따르면 보일러 연소를 위한 다수의 보일러 연소 모델들 중 최적의 보일러 연소 모델을 선정하여 보일러 연소 모델들이 저장되어 있는 메모리부를 업데이트하기 위한 최적의 보일러 연소 모델 선정 장치 및 방법을 실현할 수 있다.
본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
700: 최적의 보일러 연소 모델 선정 장치
710: 제1 메모리부
720: 제2 메모리부
730: 모델 생성부
740: 모델 선정부
750: 제어부
710: 제1 메모리부
720: 제2 메모리부
730: 모델 생성부
740: 모델 선정부
750: 제어부
Claims (21)
- 보일러 연소를 위한 최적의 보일러 연소 모델을 선정하기 위한 최적 보일러 연소 모델 선정 장치에 있어서,
사전에 도출된 제1 보일러 연소 모델을 저장하는 제1 메모리부;
사전에 도출된 제2 보일러 연소 모델을 저장하는 제2 메모리부;
상기 제1 보일러 연소 모델 및 상기 제2 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정하는 모델 선정부; 및
상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델의 특성에 따라 상기 제2 메모리부를 업데이트하는 제어부;를 포함하는 최적의 보일러 연소 모델 선정 장치.
- 제1항에 있어서,
상기 보일러 연소를 위한 제3 보일러 연소 모델을 출력하는 모델 생성부를 더 포함하고,
상기 모델 선정부는 상기 제1 보일러 연소 모델, 상기 제2 보일러 연소 모델 및 상기 제3 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정하는 최적의 보일러 연소 모델 선정 장치.
- 제1항에 있어서,
상기 모델 선정부는 상기 보일러에서 측정된 최신 데이터와 기본 특성에 대한 데이터를 통해 모델 검증을 위한 검증용 데이터를 생성하는 최적의 보일러 연소 모델 선정 장치.
- 제2항에 있어서,
상기 모델 선정부는 모델 검증을 위해 생성한 검증용 데이터와 상기 제1 보일러 연소 모델, 상기 제2 보일러 연소 모델 및 상기 제3 보일러 연소 모델들 각각의 출력값을 비교하여 상기 최신 데이터와의 오차가 가장 적은 보일러 연소 모델을 상기 최적의 보일러 연소 모델로서 선정하는 최적의 보일러 연소 모델 선정 장치.
- 제2항에 있어서,
상기 모델 선정부는,
각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 평균을 계산하여 하나의 오차로 나타내는 제1계산식;
각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 평균을 계산하고, 평균에 대한 제곱근을 계산하여 하나의 오차로 나타내는 제2계산식;
각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 총합을 계산하 여 하나의 오차로 나타내는 제3계산식;
각 모델별 출력값과 검증용 데이터간의 차이의 절대값의 총합을 계산하여 하나의 오차로 나타내는 제4계산식;
각 모델별 출력값과 검증용 데이터간의 차이의 절대값의 평균을 계산하여 하나의 오차로 나타내는 제5계산식 중 적어도 하나의 계산식으로 상기 각 모델별 출력값과 검증용 데이터간의 오차를 계산하는 최적의 보일러 연소 모델 선정 장치.
- 제2항에 있어서,
상기 제어부는 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델이 상기 제1 보일러 연소 모델, 상기 제2 보일러 연소 모델 및 상기 제3 보일러 연소 모델 중 어느 모델과 동일한지에 따라 상기 제2 메모리부를 업데이트하는 최적의 보일러 연소 모델 선정 장치.
- 제6항에 있어서,
상기 제어부는 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델이 상기 제1 보일러 연소 모델인 경우 상기 제2 메모리부를 업데이트하지 않는 최적의 보일러 연소 모델 선정 장치.
- 제6항에 있어서,
상기 제어부는 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델이 상기 제2 보일러 연소 모델인 경우 상기 최적의 보일러 연소 모델을 가장 최근에 도출된 보일러 연소 모델로서 상기 제2 메모리부에 저장하는 최적의 보일러 연소 모델 장치.
- 제6항에 있어서,
상기 제어부는 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델이 상기 제3 보일러 연소 모델인 경우 상기 제2 메모리부에 저장된 제2 보일러 연소 모델 중 가장 이전에 도출된 보일러 연소 모델을 상기 최적의 보일러 연소 모델로 교체함으로써 제2 메모리부를 업데이트하는 최적의 보일러 연소 모델 선정 장치.
- 제9항에 있어서,
상기 제어부는 상기 최적의 보일러 연소 모델이 상기 제3 보일러 연소 모델인 경우 상기 제2 메모리부에 저장된 제2 보일러 연소 모델 중 가장 이전에 도출된 제2 보일러 연소 모델을 삭제하고, 상기 최적의 보일러 연소 모델을 가장 최근에 도출된 보일러 연소 모델로서 상기 제2 메모리부에 저장하는 최적의 보일러 연소 모델 장치.
- 제1항에 있어서,
상기 제2 메모리부는 계층구조를 가지고, 보일러 연소 모델이 도출되는 순서에 따라 상위계층에서 하위계층의 순서로 저장되는 최적의 보일러 연소 모델 장치.
- 보일러 연소를 위한 최적의 보일러 연소 모델을 선정하기 위한 최적 보일러 연소 모델 선정 방법에 있어서,
제1 메모리부가 사전에 도출된 제1 보일러 연소 모델을 저장하고, 제2 메모리부가 사전에 도출된 제2 보일러 연소 모델을 저장하는 단계;
모델 선정부가 상기 제1 보일러 연소 모델 및 상기 제2 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정하는 단계; 및
제어부가 선정된 상기 최적의 보일러 연소 모델의 특성에 따라 상기 제2 메모리부를 업데이트하는 단계;를 포함하는 최적의 보일러 연소 모델 선정 방법.
- 제12항에 있어서,
모델 생성부가 상기 보일러 연소를 위한 제3 보일러 연소 모델을 출력하는 단계를 더 포함하고,
상기 최적의 보일러 연소 모델을 선정하는 단계에서,
상기 모델 선정부가 상기 제1 보일러 연소 모델, 상기 제2 보일러 연소 모델 및 상기 제3 보일러 연소 모델 중 최적의 보일러 연소 모델을 선정하는 최적의 보일러 연소 모델 선정 방법.
- 제12항에 있어서, 상기 최적의 보일러 연소 모델을 선정하는 단계에 있어서,
상기 모델 선정부가 상기 보일러에서 측정된 최신 데이터와 기본 특성에 대한 데이터를 통해 모델 검증을 위한 검증용 데이터를 생성하는 최적의 보일러 연소 모델 선정 방법.
- 제13항에 있어서, 상기 최적의 보일러 연소 모델을 선정하는 단계에 있어서,
상기 모델 선정부가 모델 검증을 위해 생성한 검증용 데이터와 상기 제1 보일러 연소 모델, 상기 제2 보일러 연소 모델 및 상기 제3 보일러 연소 모델들 각각의 출력값을 비교하여 상기 최신 데이터와의 오차가 가장 적은 보일러 연소 모델을 상기 최적의 보일러 연소 모델로 선정하는 최적의 보일러 연소 모델 선정 방법.
- 제13항에 있어서, 상기 최적의 보일러 연소 모델을 선정하는 단계에 있어서,
각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 평균을 계산하여 하나의 오차로 나타내는 제1계산식;
각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 평균을 계산하고, 평균에 대한 제곱근을 계산하여 하나의 오차로 나타내는 제2계산식;
각 모델별 출력값과 검증용 데이터간의 차이를 제곱한 값의 총합을 계산하 여 하나의 오차로 나타내는 제3계산식;
각 모델별 출력값과 검증용 데이터간의 차이의 절대값의 총합을 계산하여 하나의 오차로 나타내는 제4계산식;
각 모델별 출력값과 검증용 데이터간의 차이의 절대값의 평균을 계산하여 하나의 오차로 나타내는 제5계산식 중 적어도 하나의 계산식으로 상기 각 모델별 출력값과 검증용 데이터간의 오차를 계산하는 최적의 보일러 연소 모델 선정 방법.
- 제13항에 있어서, 상기 제2 보일러 연소 모델들을 업데이트 하는 단계는,
상기 제어부가 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델이 상기 제1 보일러 연소 모델, 상기 제2 보일러 연소 모델 및 상기 제3 보일러 연소 모델 중 어느 모델과 동일한지에 따라 상기 제2 메모리부에 저장된 상기 제2 보일러 연소 모델들을 업데이트하는 최적의 보일러 연소 모델 선정 방법.
- 제17항에 있어서, 상기 제2 보일러 연소 모델들을 업데이트 하는 단계는,
상기 제어부가 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델이 상기 제1 보일러 연소 모델인 경우 상기 제2 메모리부를 업데이트 하지 않는 최적의 보일러 연소 모델 선정 방법.
- 제17항에 있어서, 상기 제2 보일러 연소 모델들을 업데이트 하는 단계는,
상기 제어부가 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델이 상기 제2 보일러 연소 모델인 경우 상기 최적의 보일러 연소 모델을 가장 최근에 도출된 보일러 연소 모델로서 상기 제2 메모리부에 저장하는 최적의 보일러 연소 모델 방법.
- 제17항에 있어서, 상기 제2 보일러 연소 모델들을 업데이트 하는 단계는,
상기 제어부가 상기 모델 선정부에 의해 선정된 상기 최적의 보일러 연소 모델이 상기 제3 보일러 연소 모델인 경우 상기 제2 메모리부에 저장된 제2 보일러 연소 모델 중 가장 이전에 도출된 보일러 연소 모델을 상기 최적의 보일러 연소로 교체함으로써 제2 메모리부를 업데이트하는 최적의 보일러 연소 모델 선정 방법.
- 제18항에 있어서, 상기 제2 보일러 연소 모델들을 업데이트 하는 단계는,
상기 제어부가 상기 최적의 보일러 연소 모델이 상기 제3 보일러 연소 모델인 경우 상기 제2 메모리부에 저장된 제2 보일러 연소 모델 중 가장 이전에 도출된 보일러 연소 모델을 삭제하고, 상기 최적의 보일러 연소 모델을 가장 최근에 도출된 보일러 연소 모델로서 상기 제2 메모리부에 저장하는 최적의 보일러 연소 모델 방법.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190083935A KR102363444B1 (ko) | 2019-07-11 | 2019-07-11 | 최적의 보일러 연소 모델 선정 장치 및 방법 |
| CN202010411511.8A CN112215387A (zh) | 2019-07-11 | 2020-05-15 | 最佳锅炉燃烧模型选择装置及方法 |
| US16/888,567 US11846416B2 (en) | 2019-07-11 | 2020-05-29 | Device and method for selecting optimal boiler combustion model |
| DE102020117979.0A DE102020117979A1 (de) | 2019-07-11 | 2020-07-08 | Vorrichtung und verfahren zum wählen eines optimalen kesselverbrennungsmodells |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190083935A KR102363444B1 (ko) | 2019-07-11 | 2019-07-11 | 최적의 보일러 연소 모델 선정 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210007449A true KR20210007449A (ko) | 2021-01-20 |
| KR102363444B1 KR102363444B1 (ko) | 2022-02-16 |
Family
ID=74058559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190083935A KR102363444B1 (ko) | 2019-07-11 | 2019-07-11 | 최적의 보일러 연소 모델 선정 장치 및 방법 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11846416B2 (ko) |
| KR (1) | KR102363444B1 (ko) |
| CN (1) | CN112215387A (ko) |
| DE (1) | DE102020117979A1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102340069B1 (ko) * | 2020-12-10 | 2021-12-17 | 가온플랫폼 주식회사 | 산업설비의 운전 효율 향상을 위한 딥러닝 기반 기화기의 최적 운전 및 감시 시스템 |
| KR20220128034A (ko) | 2021-03-12 | 2022-09-20 | 한전케이피에스 주식회사 | 응답특성 선형화 해석을 통한 비율 제어기 동기화 튜닝 시스템 및 그 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011144753A (ja) * | 2010-01-14 | 2011-07-28 | Honda Motor Co Ltd | プラントの制御装置 |
| KR20120076211A (ko) * | 2010-12-29 | 2012-07-09 | 롯데알미늄 주식회사 | 보일러의 모델 설정방법 |
| KR20160104481A (ko) * | 2015-02-26 | 2016-09-05 | 두산중공업 주식회사 | 보일러 연소 제어 시스템 |
| KR20180125276A (ko) * | 2017-05-15 | 2018-11-23 | 두산중공업 주식회사 | 이상 신호 복원 시스템 및 방법 |
| KR20190048840A (ko) * | 2017-10-31 | 2019-05-09 | 삼성에스디에스 주식회사 | 자동으로 최적의 통계 모델을 결정하는 방법 및 그 장치 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001255903A (ja) * | 2000-03-14 | 2001-09-21 | Toshiba Corp | プロセス制御システム |
| US9311252B2 (en) * | 2013-08-26 | 2016-04-12 | Globalfoundries Inc. | Hierarchical storage for LSM-based NoSQL stores |
| CN105444201B (zh) * | 2014-09-26 | 2018-11-13 | 通用电气公司 | 燃烧优化的方法及其系统 |
| US11042131B2 (en) * | 2015-03-16 | 2021-06-22 | Rockwell Automation Technologies, Inc. | Backup of an industrial automation plant in the cloud |
| US10387775B2 (en) * | 2015-09-09 | 2019-08-20 | Emerson Process Management Power & Water Solutions, Inc. | Model-based characterization of pressure/load relationship for power plant load control |
| US10839302B2 (en) * | 2015-11-24 | 2020-11-17 | The Research Foundation For The State University Of New York | Approximate value iteration with complex returns by bounding |
| CN108038306A (zh) * | 2017-12-11 | 2018-05-15 | 太原理工大学 | 一种面向海量高维数据的电站锅炉燃烧建模及优化的方法 |
| CN108573355B (zh) * | 2018-05-08 | 2021-07-13 | 创新先进技术有限公司 | 模型更新后替换运行的方法、装置、及业务服务器 |
| US11531310B2 (en) * | 2018-06-15 | 2022-12-20 | Johnson Controls Tyco IP Holdings LLP | Adaptive selection of machine learning/deep learning model with optimal hyper-parameters for anomaly detection of connected chillers |
| CN109902827A (zh) * | 2019-01-18 | 2019-06-18 | 厦门快商通信息咨询有限公司 | 一种模型迭代更新方法及装置 |
| US10955800B2 (en) * | 2019-05-17 | 2021-03-23 | Johnson Controls Technology Company | Central plant control system, method, and controller with multi-level granular and non-granular asset allocation |
-
2019
- 2019-07-11 KR KR1020190083935A patent/KR102363444B1/ko active IP Right Grant
-
2020
- 2020-05-15 CN CN202010411511.8A patent/CN112215387A/zh active Pending
- 2020-05-29 US US16/888,567 patent/US11846416B2/en active Active
- 2020-07-08 DE DE102020117979.0A patent/DE102020117979A1/de active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011144753A (ja) * | 2010-01-14 | 2011-07-28 | Honda Motor Co Ltd | プラントの制御装置 |
| KR20120076211A (ko) * | 2010-12-29 | 2012-07-09 | 롯데알미늄 주식회사 | 보일러의 모델 설정방법 |
| KR20160104481A (ko) * | 2015-02-26 | 2016-09-05 | 두산중공업 주식회사 | 보일러 연소 제어 시스템 |
| KR20180125276A (ko) * | 2017-05-15 | 2018-11-23 | 두산중공업 주식회사 | 이상 신호 복원 시스템 및 방법 |
| KR20190048840A (ko) * | 2017-10-31 | 2019-05-09 | 삼성에스디에스 주식회사 | 자동으로 최적의 통계 모델을 결정하는 방법 및 그 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102340069B1 (ko) * | 2020-12-10 | 2021-12-17 | 가온플랫폼 주식회사 | 산업설비의 운전 효율 향상을 위한 딥러닝 기반 기화기의 최적 운전 및 감시 시스템 |
| KR20220128034A (ko) | 2021-03-12 | 2022-09-20 | 한전케이피에스 주식회사 | 응답특성 선형화 해석을 통한 비율 제어기 동기화 튜닝 시스템 및 그 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102363444B1 (ko) | 2022-02-16 |
| CN112215387A (zh) | 2021-01-12 |
| US20210010671A1 (en) | 2021-01-14 |
| US11846416B2 (en) | 2023-12-19 |
| DE102020117979A1 (de) | 2021-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10732595B2 (en) | Control parameter automatic-adjustment apparatus, control parameter automatic-adjustment method, and control parameter automatic-adjustment apparatus network | |
| RU2533054C2 (ru) | Способ и система оптимизации технологического процесса для электростанции | |
| KR102130838B1 (ko) | 보일러 연소 모델 구성 장치 및 방법 | |
| CN104049538B (zh) | 用于补偿基于第一原理的仿真模型的方法和装置 | |
| KR102363444B1 (ko) | 최적의 보일러 연소 모델 선정 장치 및 방법 | |
| US20210133376A1 (en) | Systems and methods of parameter calibration for dynamic models of electric power systems | |
| US8340789B2 (en) | System for monitoring and optimizing controllers for process performance | |
| KR102094288B1 (ko) | 보일러의 연소 최적화 연산을 위한 시스템 및 방법 | |
| US20150227121A1 (en) | Method for controlling and/or regulating a technical system in a computer-assisted manner | |
| KR102245794B1 (ko) | 보일러 연소 모델 자동 생성 장치 및 방법 | |
| US20030079188A1 (en) | Method of multi-topology optimization | |
| US20050043921A1 (en) | Neural network model for electric submersible pump system | |
| KR102096558B1 (ko) | 연소 최적화를 위한 장치 및 이를 위한 방법 | |
| US11526687B2 (en) | Apparatus for generating learning data for combustion optimization and method therefor | |
| KR102291800B1 (ko) | 보일러 연소 모델 도출 장치 및 방법 | |
| US10935964B2 (en) | Method and system for optimizing a manufacturing process based on a surrogate model of a part | |
| KR102107586B1 (ko) | 연소 최적화를 관리하기 위한 장치 및 이를 위한 방법 | |
| US11287126B2 (en) | System and method for controlling operation of boiler | |
| CN113454542A (zh) | 信息处理装置、信息处理方法、以及信息处理程序 | |
| JP2020140345A (ja) | パラメータ探索方法、パラメータ探索用データ構造、パラメータ調整システム、コンピュータプログラム及び制御システム | |
| US20190324414A1 (en) | Control device of plant, plant, control method of plant, and computer readable storage medium recording control program of plant | |
| KR102308072B1 (ko) | 학습 모델 기반의 가스 터빈 연소 시스템의 자동 튜닝을 위한 장치 및 이를 위한 방법 | |
| CN112712202A (zh) | 一种短期风电功率预测方法、装置、电子设备和存储介质 | |
| US9206709B2 (en) | Method for the installation control in a power plant | |
| US12007861B2 (en) | Test control device, test system, and control method for device testing with predictable and reduced test times |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |