KR20230044276A - 압축기실 제어 방법 및 압축기실 제어 장치 - Google Patents

압축기실 제어 방법 및 압축기실 제어 장치 Download PDF

Info

Publication number
KR20230044276A
KR20230044276A KR1020237006824A KR20237006824A KR20230044276A KR 20230044276 A KR20230044276 A KR 20230044276A KR 1020237006824 A KR1020237006824 A KR 1020237006824A KR 20237006824 A KR20237006824 A KR 20237006824A KR 20230044276 A KR20230044276 A KR 20230044276A
Authority
KR
South Korea
Prior art keywords
compressed air
compressed gas
computer
gas system
profile
Prior art date
Application number
KR1020237006824A
Other languages
English (en)
Inventor
에브라힘 로아로디
로이 빔 반
필립 제우엔스
Original Assignee
아틀라스 캅코 에어파워, 남로체 벤누트삽
카톨리에케 유니버시테이트 루벤
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 아틀라스 캅코 에어파워, 남로체 벤누트삽, 카톨리에케 유니버시테이트 루벤 filed Critical 아틀라스 캅코 에어파워, 남로체 벤누트삽
Publication of KR20230044276A publication Critical patent/KR20230044276A/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D3/00—Arrangements for supervising or controlling working operations
    • F17D3/01—Arrangements for supervising or controlling working operations for controlling, signalling, or supervising the conveyance of a product
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D1/00—Pipe-line systems
    • F17D1/02—Pipe-line systems for gases or vapours
    • F17D1/065—Arrangements for producing propulsion of gases or vapours
    • F17D1/07—Arrangements for producing propulsion of gases or vapours by compression
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2614—HVAC, heating, ventillation, climate control

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Feedback Control In General (AREA)
  • Control Of Positive-Displacement Pumps (AREA)
  • Applications Or Details Of Rotary Compressors (AREA)

Abstract

일실시예에 따르면, 압축 공기나 압축 가스 시스템(113)을 제어하는 컴퓨터 실행 방법으로서, 현 상태를 추정하는 단계(202), 현 상태(211)에 기초하여 향후 공정 변수 프로파일(225)을 예측하는 단계(203), 압축 공기나 압축 가스 시스템(113)의 체적(107)에 기초하여, 샘플링 주파수를 갖는 샘플링 방법에 의해 향후 공정 변수 프로파일을 샘플링하는 단계(204), 모델 예측 제어(Model Predictive Control; MPC) 기법을 사용하여, 샘플링된 향후 공정 변수 프로파일과 현 상태를 동작 프로파일 및 상태 프로파일로 변환하는 단계(205), 및 압축기로 하여금 동작 프로파일에 따라 동작을 수행할 것을 명령하여, 압축 공기나 압축 가스 시스템(113)을 제어하는 단계를 포함하는 컴퓨터 실행 방법이 개시된다.

Description

압축기실 제어 방법 및 압축기실 제어 장치
본 발명은 압축기 분야에 관한 것으로, 보다 구체적으로는 압축 공기나 압축 가스를 소비기에 제공하기 위해 압축기 시스템을 제어하는 것에 관한 것이다.
하나 이상의 압축단에서 공기나 가스를 압축하기 위해 압축기를 사용하는 것이 알려져 있다. 그 후, 압축 공기나 압축 가스가 하나 이상의 소비기에 제공된다. 압축 공기나 압축 가스의 분배는 압축 공기나 압축 가스 시스템을 통해 이루어진다.
소비기의 개수가 다양할 수 있고, 공간적으로 중요한 영역, 예컨대 산업용 플랜트나 병원에 걸쳐 분포될 수 있기 때문에, 통상적으로 압축 공기나 압축 가스를 공급하기 위해 중심 허브가 설치된다.
중심 허브는 일반적으로 하나 이상의 압축기실을 포함하며, 각각의 압축기실에는 하나 이상의 압축기가 설치된다. 더욱이, 밸브, 필터, 건조기, 베셀, 센서, 제어 구성요소 및/또는 압축기실을 운영 및/또는 제어하는 기타 디바이스와 같은 보조 디바이스가 마찬가지로 설치된다. 다음으로, 소비기로 공급하기 위해 하나 이상의 압축기실로부터 전진 파이프 또는 도관이 연장된다. 일련의 과정의 마지막 부분으로서, 압축 공기나 압축 가스가 다양한 어플리케이션을 위해 소비기에 의해 활용된다.
더욱이, 압축기와 소비기 사이에는, 안전 밸브, 분배 밸브, 제어 센서, 또는 압축 공기나 압축 가스의 분배를 제어 및 보호하는 기타 디바이스와 같은 다른 디바이스 세트도 또한 마련될 수 있다.
전술한 구성은 또한 압축 공기나 압축 가스 시스템으로서 지정될 것이다. 따라서, 압축 공기나 압축 가스 시스템은 하나의 소비기에 공급하는 하나의 압축기를 포함할 수 있지만, 일반적으로 더 광범위한 것으로 간주되어, 다수의 구성요소를 포함하고, 이에 의해 서로 상호 작용하는 다수의 요소로 이루어진 복잡한 시스템을 구성한다.
압축 공기나 압축 가스 시스템을 사용하기 위해, 그 상이한 부분들을 제어해야 할 필요가 있다. 독립된 국소 제어기로 압축기들을 별도로 제어하여, 상이한 제어기들이 미리 정해진 압력값으로 설정되고, 이에 의해 압축 공기의 소비에 따라 압축기들을 순차적으로 온 또는 오프로 전환하는 것이 이미 알려져 있다.
또한, 압축 공기나 압축 가스 시스템의 부분인 구성요소들을 제어하기 위한 다수의 통신하는 제어기로 압축 공기나 압축 가스 시스템을 제어하는 방법을 적용하고, 이에 의해 구성요소들이, 이들 구성요소 중 어느 것도 다른 제어기에 의해 제어되는 임의의 구성요소의 작동 조건을 결정하지 않도록 제어되는 것이 알려져 있다. WO2008/009073에는, 상기한 방법이 개시되어 있다.
WO2008/009072에는, 적어도 하나의 공동 제어 가능한 구성요소를 갖는 다수의 압축 공기나 압축 가스 네트워크로 이루어진 압축 공기 유닛을 제어하는 다른 방법이 개시되어 있으며, 상기 방법에 의해 적어도 하나의 압축 공기나 압축 가스 네트워크의 측정 데이터에 기초하여 적어도 공동 구성요소가 적어도 하나의 제어기에 의해 제어된다.
그러나, 이들 제어 방법의 단점은, 이들 제어 방법이 압축 공기나 압축 가스 시스템의 현 상태에만 기초하여 작동한다는 것인데, 이는 이들 제어 방법이 임의의 유형의 예측을 고려할 수 없다는 것을 의미한다. 이로 인해, 부적당한 제어와 높은 에너지 비용이 초래된다.
본 발명은 전술한 단점 및 기타 단점을 해결하는 것을 목적으로 한다. 이러한 목적으로, 본 발명은 하나 이상의 소비기에 압축 공기나 압축 가스 - 이 압축 공기나 압축 가스는 하나 이상의 공정 변수에 의해 규정됨 - 를 제공하도록 구성된 하나 이상의 압축기를 포함하는 압축 공기나 압축 가스 시스템의 제어 방법으로서,
- 관찰된 데이터에 기초하여 압축 공기나 압축 가스 시스템의 현 상태를 추정하는 단계;
- 현 상태에 기초하여 향후 공정 변수 프로파일을 예측하는 단계;
- 압축 공기나 압축 가스 시스템의 체적에 기초하여 샘플링 주파수를 갖는 샘플링 방법에 의해 향후 공정 변수 프로파일을 샘플링하고, 이에 의해 샘플링된 향후 공정 변수 프로파일을 얻는 단계;
- 모델 예측 제어(Model Predictive Control; MPC) 기법을 사용하여, 샘플링된 향후 공정 변수 프로파일과 현 상태를
· 미리 정해진 제1 시간 범위에 걸쳐 분포되는 하나 이상의 동작을 포함하는 동작 프로파일; 및
· 미리 정해진 제1 시간 범위 이상의 미리 정해진 제2 시간 범위에 걸쳐 분포되는 상태 프로파일로 변환하는 단계; 및
- 하나 이상의 압축기로 하여금 동작 프로파일에 따라 하나 이상의 동작을 수행할 것을 명령하여, 압축 공기나 압축 가스 시스템을 제어하는 단계
를 포함하는 제어 방법에 관한 것이다.
압축 공기나 압축 가스 시스템은 전술한 바와 같은 하나 이상의 압축기를 포함한다. 선택적으로, 압축 공기나 압축 가스 시스템은 송풍기, 팬, 질소 생성기, 피스톤, 터보, 가변 주파수 구동 수단, 건조기, 밸브, 윤활기, 필터, 압력 조절기, 흐름 스위치 또는 압축 공기나 압축 가스 시스템에 적합한 임의의 기타 디바이스나 구성요소와 같은 하나 이상의 에이전트(agent)를 더 포함할 수 있다.
압축 공기나 압축 가스는, 흐름, 압력, 압력하 이슬점, 가스 온도, 산소 수준, 엔탈피 수준, 상대 습도, 가스 분압, 용해된 산소 수준, 오일 오염 수준 또는 압축 공기나 압축 가스에 적합한 임의의 기타 파라메터와 같은 하나 이상의 공정 변수에 의해 규정된다.
제1 단계에서, 압축 공기나 압축 가스 시스템의 현 상태가 추정된다. 현 상태는 에이전트 및/또는 압축기의 일부의 상태를 나타낸다. 상기 추정은 관찰된 데이터에 기초한다. 이러한 데이터는 하나 이상의 공정 변수를 측정 또는 관찰하도록 구성된 센서로부터 얻어진다. 이때, 현 상태의 추정은 직접 측정 신호 및/또는 측정 또는 관찰 신호나 데이터의 처리에 기초하여 수행된다.
선택적으로, 추정은 또한 존재하는 경우에 압축 공기나 압축 가스 시스템의 모델에 기초할 수 있다. 상기 모델은, 예컨대 일련의 방정식, 알고리즘, 블랙박스 접근 방식 또는 압축 공기나 압축 가스 시스템을 모델링하는 다른 적합한 방법이다.
현 상태는 압축 시스템의 상태를 나타내며, 하나 이상의 공정 변수 및/또는 작동 변수로 나타낼 수 있고, 이에 따라 압축 공기나 압축 가스 시스템의 현재 상태를 나타낸다. 현 상태는 스칼라일 수 있으며, 즉 하나의 불연속 또는 연속값으로 표시될 수 있지만, 통상적으로 각각 상태를 나타내는 일련의 변수를 포함할 것이다. 후자의 경우, 현 상태는 이에 따라 벡터, 행렬, 어레이 또는 임의의 기타 적절한 표현법으로서 표현된다.
다음으로, 제2 단계에서, 향후 공정 변수 프로파일이 현 상태에 기초하여 예측된다. 향후 공정 변수 프로파일은 유한한 시간 범위에 걸쳐 예측된 일련의 향후 공정 변수를 포함한다. 또한, 제1 단계에서 추정된 각각의 공정 변수를 위해, 상기한 프로파일이 예측될 수 있다. 선택적으로 그리고 바람직하게는, 상기 예측은 또한 압축 공기나 압축 가스 시스템에 대해 수행되는 측정의 이력 데이터에 기초할 수 있다. 예측된 시리즈는 연속적인 그래프 또는 분산된 스칼라 범위를 구성할 수 있다. 이때, 이력 데이터는 현 상태 및/또는 관찰된 데이터에 의해 갱신될 수 있다.
예측된 향후 공정 변수 프로파일은 향후의 공정 변수 세트의 예측된 프로파일을 나타낸다. 그 시간 범위는 수분, 수시간 또는 심지어는 수일까지 다양할 수 있다. 이러한 범위의 크기는, 예컨대 압축 공기나 압축 가스 시스템의 복잡성이나 압축 공기나 압축 가스 시스템을 제어 및 운영하는 처리 유닛의 용량에 좌우된다는 점을 더 이해해야만 한다.
제3 단계에서, 예측을 행한 후, 향후 공정 변수 프로파일이, 알려져 있거나 먼저 추정된 압축 공기나 압축 가스 시스템의 체적에 기초한 샘플링 주파수를 갖는 샘플링 방법에 의해 샘플링된다. 체적은, 예컨대 가스 체적과 같은 베셀 및/또는 전체 압축 공기 시스템의 체적이다. 바람직하게는, 샘플링 방법은 2개 이상의 샘플링 주파수를 포함한다. 예컨대, 향후 공정 변수 프로파일이 흐름 요건을 포함하는 경우, 프로파일은 흐름이 빨리 변화는 경우에는 짧은 샘플링 간격으로 그리고 흐름이 느리게 변하는 경우에는 긴 샘플링 간격으로 샘플링될 것이다. 달리 말하자면, 샘플링 주파수는 흐름이 빨리 변하는 경우에는 높고, 흐름이 온건하게 변하는 경우에는 낮을 것이다. 이에 따라, 샘플링된 향후 공정 변수 프로파일은 다수의 비등거리 샘플을 가질 것이다.
다음으로, 샘플링된 향후 공정 변수 프로파일과 현 상태는 모델 예측 제어(MPC) 기법에 의해 2개의 다른 프로파일로 변환된다.
MPC 기법에 의해 생성된 제1 프로파일은 동작 프로파일이다. 동작 프로파일은 제1 시간 범위에 걸쳐 연장되고 연속적인 동작 범위를 포함하는 프로파일이다. 이들 동작은, 압축 공기나 압축 가스 시스템을 제어하기 위해 수행될 수 있는 작용 또는 작동을 나타낸다. 동작은, 예컨대 압축기를 온 또는 오프로 전환하는 것, 밸브를 개방, 부분 개방 또는 폐쇄하는 것, 압축기 흐름을 재지향 또는 조정하는 것, 또는 압축기 및/또는 시스템 제어 수단에 의해 기동 가능한 임의의 기타 동작이다. 즉, 동작에 의해, 상태가 원하는 새로운 상태로 변화 또는 조작될 수도 있고, 유지될 수도 있으며, 이에 의해 이때 동작은 내부 또는 외부 효과 또는 영향에 대한 반응으로서 간주된다.
동작 프로파일은 미리 정해진 제1 시간 범위에 걸쳐 분포되고, 이에 의해 제1 시간 범위의 크기도 마찬가지로 압축 공기나 압축 가스 시스템의 복잡성, 제어 유닛의 처리 용량, 뿐만 아니라 특정 동작이 갖거나 가질 반응에 좌우된다.
샘플링된 향후 공정 변수 프로파일과 현 상태를 변환함으로써 MPC 기법에 의해 생성되는 제2 프로파일은 미리 정해진 제2 시간 범위에 걸쳐 분포되는 상태 프로파일이다. 이러한 제2 시간 범위의 크기는 동작 프로파일의 미리 정해진 제1 시간 범위 이상이다.
마지막으로, 상기 방법은, 하나 이상의 압축기로 하여금 동작 프로파일에 따라 동작을 수행할 것을 명령하는 단계를 포함한다.
하나 또는 2개의 별개의 샘플링 주파수에서 적응식으로 향후 공정변수 프로파일을 샘플링하는 것에 의해, 프로파일은 프로세싱 시스템에 의해 처리하기에 적합해진다. 더욱이, 2개 이상의 샘플링 주파수가 사용되는 경우, 비등거리 샘플링 그리드를 갖는 샘플이 실시간 성능 및 메모리 활용 면에서 보다 효과적이다. 또한 그리고 유리하게는, 가스 체적에 기초하여 상이한 샘플링 주파수를 사용하는 것에 의해, 압축 공기나 압축 가스 시스템의 특성이 미리 고려된다.
상호 작용이 미리 고려되도록 상태 프로파일뿐만 아니라 동작을 동시에 생성하는 것이 더 유리하다. 또한, 단지 예측에만 의존하거나 단지 현 상태에만 의존하는 대신, 동작과 상태 간의 상호 작용 및 상관 관계를 고려하고 최적의 방식으로 처리한다.
다른 장점은, 전환 및 유휴 비용이 고려되어, 압축 공기나 압축 가스 시스템 내에서의 기계의 마모를 감소시키면서 상당한 에너지 절감을 달성할 수 있다는 것이다. 이것은, 예측으로 인해, 유휴 시간을 최소화하는 동시에, 가장 적합한 압축기를 먼저 최적으로 예약할 수 있기 대문이다. 추가로, 이송된 압축 공기나 압축 가스의 품질은, 예컨대 압축기를 예열하여 건조기가 보다 효율적으로 작동하고 습기 농도가 극적으로 감소되는 것에 의해 향상될 수 있다.
실시예에 따르면, 상기 방법은
- 샘플링된 향후 공정 변수 프로파일을 이전 상태 프로파일과 비교하여, 샘플링된 향후 공정 변수의 하나 이상의 구역이 미리 정해진 편차 문턱값 내에 있는지 확인하는 단계를 더 포함하고,
예측은 또한 상기 하나 이상의 구역에 기초한다.
미리 정해진 편차 문턱값 내에 있는 구역은 이전 상태와 비슷하다. 달리 말하자면, 이들 구역은, 올바르거나 정확한 것으로 상정되는 예측을 포함한다. 따라서, 이들 구역을 위해 연산되거나 산출된 데이터가 재사용될 수 있다. 이에 따라, 이들 구역에 대한 예측 단계에 기초함으로써, 예측을 해야 하는 것이 아니라, 이전 데이터를 재사용할 수 있다. 추가로, 구역의 양측부에 있는 작은 중첩 영역도 또한 고려될 수 있다. 예측 시 구역을 고려함으로써, 예측 단계가 보다 효과적으로 수행될 것이다.
추가로, 샘플링 주파수는 또한
- 예측의 불확실성 요인;
- 압축 공기나 압축 가스 시스템의 하나 이상의 작동 파라메터; 및
- 압축기의 반응 시간
으로 이루어진 그룹 중 하나 이상에 기초한다.
예측의 불확실성을 고려함으로써, 보다 덜 정확한 예측이 더 낮은 샘플링 주파수를 초래할 것이다. 이러한 방식으로, 예측이 최적화된다.
더욱이, 압축 공기나 압축 가스 시스템의 체적 이외에도, 압축기, 에이전트, 건조기 및/또는 팽창기의 반응 시간과 같은 다른 작동 파라메터 또는 기계 속성이 고려될 수 있다.
제2 양태에 따르면, 본 발명은 제1 양태에 따른 방법을 실시하는 수단을 포함하는 데이터 처리 시스템에 관한 것이다.
제3 양태에 따르면, 본 발명은, 컴퓨터에 의해 실행될 시에 컴퓨터로 하여금 제1 양태에 따른 방법을 실시하게 하는 명령을 포함하는 컴퓨터 프로그램에 관한 것이다. 선택적으로, 프로그램은 제2 컴퓨터에 의해 실행될 수 있고, 이에 의해 제2 컴퓨터는 제1항 내지 제9항 중 어느 한 항에 따른 방법의 단계들 중 하나 이상을 수행하는 것에 의해 제1 컴퓨터로부터 엔코딩된 데이터를 수신하고, 수신된 데이터를 디코딩하게 된다.
즉, 단계들은 상이한 컴퓨터들로 나누어질 수 있으며, 이들 컴퓨터 중 하나는 다른 컴퓨터와 상이한 위치에 있을 수 있다.
제4 양태에 따르면, 본 발명은 제3 양태의 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 데이터 캐리어에 관한 것이다.
첨부도면을 참고하여 본 발명을 더 설명하겠다.
도 1은 압축 공기나 압축 가스 시스템을 보여주고,
도 2는 압축 공기나 압축 가스 시스템을 제어하는 방법의 흐름도를 보여주며,
도 3은 모델 예측 제어 기법의 개략도를 보여주고,
도 4는 개략적인 모델 예측 제어 기법 솔루션을 보여주며,
도 5는 제1 시간 단계에서의 동작의 예측을 보여주고,
도 6은 제2 시간 단계에서의 동작의 예측을 보여준다.
도 1은 클라이언트 네트워크(111)에 압축 공기나 압축 가스를 제공하도록 구성된, 3개의 압축기(101 내지 103)를 포함하는 압축 공기나 압축 가스 시스템(113)을 보여준다. 압축 공기나 압축 가스 시스템(113)은 압축 공기나 압축 가스를 저장하는 베셀이나 탱크(107)와, 클라이언트 네트워크(111)에 접속된 밸브(110)를 더 포함한다. 클라이언트 네트워크(111)에, 하나 이상의 소비기가 존재한다.
압축 공기나 압축 가스 시스템(113)은 건조기, 필터, 조절기 및/또는 윤활기와 같은 기타 디바이스를 더 포함할 수 있지만, 본 명세서에서는 계속해서 압축 공기나 압축 가스 시스템(113)의 구성으로서 도 1을 참고하여 본 발명을 설명한다는 점도 또한 이해해야만 한다.
압축기(101 내지 103)는 각각 개별 제어기(104 내지 106)로 국소 제어 가능하다. 또한, 압축 공기나 압축 가스 시스템(113)을 효율적으로 제어하기 위해, 제어기(104 내지 106)는 조정된 방식으로 제어될 것이다. 즉, 제어기(104 내지 106)가 각각 그 개별 압축기(101 내지 103)를 개별적으로 제어하는 것이 방지된다. 그러나, 제어기(104 내지 106)는, 압축 공기나 압축 가스 시스템(113)의 전체 성능 및 효율이 증가되도록 마스터 제어기(112)에 의해 명령을 받는다.
제어기(112)는 제어기(104 내지 106) 근처에 위치할 수 있지만, 압축 공기나 압축 가스 시스템(113)에 비해 멀리 떨어진 장소에 위치할 수도 있다. 대안으로서, 제어기(104 내지 106)들 중 어느 하나가 모든 압축기(101 내지 103)를 제어하는 마스터 제어기로서 기능하도록 구성될 수 있다.
마스터 제어기(112)를 통해, 압축 공기나 압축 가스 시스템(113)의 운영, 스위칭 및 유휴 비용이 해결되어, 상이한 디바이스에 있는 구성요소들의 마모를 감소시키는 동시에, 시스템(113)의 에너지 소비를 최적화한다. 이를 위해, 클라이언트 네트워크(111)의 현재 요건과 향후 요건 모두가 고려된다.
마스터 제어기(112)가 압축 공기나 압축 가스 시스템(113)을 제어하는 방법이 도 2에 흐름도로 도시되어 있다. 마스터 제어기(112)는 출력부(210) 및 입력부(211)를 통해 압축 공기나 압축 가스 시스템(113)을 제어하고 이 시스템과 통신한다.
도 2를 다시 참고하면, 마스터 제어기(112)의 상이한 모듈 또는 구성 요소는 데이터베이스(200), 압축기 모델 세트 및/또는 압축 공기나 압축 가스 시스템(201)의 모델, 하나 이상의 추정자(202), 흐름 예측 블럭(203), 샘플링 블럭(204) 및 모델 예측 제어(MPC) 블럭(205)이다. 이들 블럭(200 내지 205)은 하나의 마스터 제어기(112)의 부분인 것으로 도시되어 있고, 서로에 대해 물리적으로 또는 심지어는 실제적으로 분포될 수 있다는 점에 유념해야만 한다. 예컨대, 데이터베이스(200)는 원격 서버에 위치하고, 맞춤 제작형 데이터 접속부를 통해 접근 가능할 수 있다.
마스터 제어기(112)의 구성 블럭(200 내지 205)을 더 상세히 설명하기에 앞서, 일반적인 MPC 기법에 관한 요건을 도 3을 참고하여 예시한다. 도 3는 압축 공기나 압축 가스 시스템(113)을 제어하는 데 사용하기에 적합한 방법을 예시한다.
압축 공기나 압축 가스 시스템(113)을 제어하기 위해, 하나 이상의 목표(300)를 정해야만 하고, 하나 이상의 제약(301)이 고려되어야만 하며, 예측(302)이 실시된다. 목표(300)는, 예컨대 클라이언트 네크워크(111)에서의 일정한 압력 또는 일정한 흐름이다. 제약은, 예컨대 베셀(107)의 최대 압력 또는 체적이다.
다음으로, 솔버(solver)(310)를 통해 그리고 시뮬레이션 모델(311)을 통해, 압축 공기나 압축 가스 시스템(113)을 위한 명령으로서 동작(320)이 정해진다. 마지막으로, 압축 공기나 압축 가스 시스템(113)이 원하는대로 기능하는지를 확인하기 위해, 측정값(322)이 솔버(310)와 시뮬레이션 모델(311)로 전송되어, 동작(320)을 조정해야 할 필요가 있는지의 여부를 결정한다.
MPC 블럭(205)에 관한 도 3의 예시는, 측정치에 의한 피드백(322 대 211)이 본 발명의 개념과 관련이 있다는 점에서 도 2의 예시와 상이하다는 점을 더욱 이해해야만 한다. 압축 공기나 압축 가스 시스템(113)으로부터의 임의의 측정값의 직접적인 피드백(322) 대신, 피드백(211)은 이미 전술한 바와 같이 그리고 아래에서 도면을 참고하여 더욱 강조되는 바와 같이 본 발명의 방식으로 컴퓨터 구현 방법에 의해 처리된다.
상기 방법의 기능은, 압축 공기나 압축 가스 시스템(113)이, 예컨대 시동 또는 셧다운으로부터의 임의의 천이 현상이 존재하지 않는다는 의미에서 작동하는 관점으로부터 더욱 설명될 것이다. 즉, 단계는 번호가 넘버링된 방식으로 설명되지만, 단계들 사이에 계층 구조가 없으며, 이들 단계가 엄격한 순서를 따라야 하는 것은 아니다. 이것은, 블럭(200 내지 205)들 각각이 개별적으로 입력을 고려함으로써 전용 태스크를 수행하고 입력을 출력으로 처리하도록 구성됨을 의미한다. 따라서, 모든 구성 블럭(200 내지 205)은 그 자체의 고유한 기능을 갖고, 당업계에서의 기존 방법의 결점을 제거한다.
제1 단계에서, 하나 이상의 추정기(202)는 압축 공기나 압축 가스 시스템(113)의 측정값(211)을 수신한다(220). 하나 이상의 추정기(202)는 데이터베이스(200)를 더 검색할 수 있고(221), 추가 입력으로서 기존의 압축기 모델(201) 세트를 사용할 수 있다(222). 압축기 모델(201) 세트는 데이터베이스(200) 자체에 포함될 수도 있다는 점에 주목하라.
압축기 모델(201) 세트는 압축 공기나 압축 가스 시스템(113)을 나타낸다. 모델은 압축 공기나 압축 가스 시스템의 디지털 트윈일 수도 있고, 압축 공기나 압축 가스 시스템을 나타내는 미분방정식 세트를 포함하는 모델일 수도 있으며, 심지어는 블랙박스 접근법일 수도 있다.
추정기 블럭(202)은 수신된(220) 측정값(211)에 기초하여 그리고 선택적으로 모델(201)에 기초하여 압축 공기나 압축 가스 시스템(113)의 현 상태를 추정할 것이다. 추가로, 이전 추정이 데이터베이스(200)로부터 업로드되어(221), 추정의 정확도를 증가시킬 수 있다.
다음에, 추정 블럭(202)의 출력이 흐름 예측 블럭(203) 및 MPC 블럭(205) 각각을 위한 입력(224, 227)으로서 사용된다. 또한, 출력(221)은 베이터베이스(200)를 갱신하는 데 사용될 수 있다.
후속 단계에서, 예측 블럭(203)을 압축 공기나 압축 가스 시스템(113)의 하나 이상의 향후 공정 변수를 예측한다. 예측(225)은 추정기 블럭(202)의 출력(224) 그리고 선택적으로(226) 데이터베이스(200)에 저장된 데이터에 기초한다.
예측 블럭(203)은 압축 공기나 압축 가스 시스템(113)의 에이전트 상태 데이터와 현재 공정 변수를 사용하여, 적절한 시간 범위를 위한 압축 공기나 압축 가스 시스템(113)의 원하는 상태를 산출한다. 이러한 변수 또는 데이터는, 예컨대 베셀 압력 및 흐름 요건이고, 향후 공정 변수 프로파일로 표시된다.
예측(prediction)은 미지의 데이터의 결과를 추정하는 것과 관련이 있는 반면, 예견(forecasting)은, 시계열 데이터를 사용하여 미래에 관한 예측을 행하는 예측의 하위 분야임을 또한 이해해야만 한다. 이에 따라, 예측과 예견의 차이는 후자에 있어서 시간적 차원이 고려된다는 것이다. 이러한 방식으로, “예측”이라는 용어는 예견으로서 해석될 수도 있지만, 본 발명의 설명에서는 계속해서 “예측”이라는 용어를 사용할 것이다.
예측 블럭(203)은 데이터베이스(200)를 통해 과거 공정 변수 데이터를 고려하고(226), 추정기 블럭(202)을 통해 현재 공정 변수 데이터를 고려한다(224). 추가로, 과거 및 향후 에이전트 상태 데이터, 생산 계획, 일정표 데이터, 공휴일 데이터, 및/또는 일기예보 데이터와 같은 기타 입력 데이터가 고려될 수 있다.
예측 블럭(203)의 출력(225)은, 사용자에 의해 또는 추가로 설명할 MPC 프로그램에 의해 설정 가능한 미리 정해진 시간 범위에 대해 주어진, 예측된 공정 변수의 데이터 프로파일을 포함한다. MPC 프로그램의 경우, 시간 범위 설정은 자동화된다.
예측 블럭(203)은 입력, 출력, 모델 파라메터 및 하이퍼 파라메터를 지닌 입출력 모델에 기초한 예측기 기능 블럭이다. 예시적인 설명으로서, 예측 블럭(203)에 적합한 4개의 예측 패러다임이 설명된다.
다수의 출력 예측 전략은 직접 추정하거나, 임의의 함수 근사법을 이용하여 주어진 고정된 시간 범위(H)에 대해 예측기 기능을 트레이닝한다. 이러한 접근법은 다단계 접근법으로도 또한 알려져 있다.
여기에서, 다중 변량 예측기 기능은 주어진 현재 및 과거 관찰에 의해 직접 트레이닝된다.
재귀적 다단계 예측 방법은 적합한 I/O 모델을 선택한다. I/O 모델의 트레이닝된 파라메터로부터, 예측기 기능이 구성되고, 주어진 시간 범위(H)에 대해서 재귀적으로 출력이 모의 또는 예견된다.
직접 다단계 예측 전략은 각각의 예견 시간 단계를 위한 구성과 별개의 예측기를 포함한다.
제4 예측 패러다임으로서, 전술한 패러다임 중 2개 이상을 조합한 하이브리드 예측 전략이 사용될 수 있다.
다음에, 샘플링 블럭(204)에서, MPC 블럭(205)에 적합한 샘플링 주파수로 출력(225)이 샘플링된다. 필요하다면, 샘플링 주파수는 재설정될 수도 있고, 시간에 따라 변할 수도 있다.
도 4는 또한 MPC 기법 솔루션의 작동을 보여준다. 이러한 솔루션은 셋포인트(405)를 최대한으로 따르기 위해 압축기(101 내지 103)를 위한 가장 최적의 동작을 산출할 것이다.
이를 행하기 위해, 상기 솔루션은 셋포인트(405), 과거 데이터(410), 모델 및 예측된 요건을 필요로 한다. 과거 데이터(410)는 과거 셋포인트(402) 및 그 실제 값(403)과, 그 개별 제어기(104 내지 106)을 통해 압축기(101 내지 103)에 의해 취해진 동작(404)을 포함한다.
솔버에서 사용되는 모델은 적어도 각각의 제어되는 압축기를 위한 모델과 압축 공기나 압축 가스 시스템을 위한 모델을 포함한다.
향후 추정(411)에 있어서, 샘플링 방법은 각각의 산출 노드(408) 간의 시간을 미리 결정한다. 비등거리 그리드를 허용하는 것에 의해, 산출 속도가 상황에 기초하여 향상될 수 있다. 많은 동작을 취할 것을 필요로 하는 추정 구역에서, 미세하게 접지된 그리드를 선택할 수 있다. 이들은, 추정에 있어서의 큰 변화가 존재하거나 매우 가까운 미래에 있는 구역이다. 느리게 변하는 추정 구역은, 압축기에 대한 명령도 자주 변경되지 않기 때문에 매우 대략적으로 샘플링될 수 있다.
이러한 데이터에 기초하여, 미래 추정은 MPC 절차에 의해 발생될 것이다(411). 이러한 동작 세트를 위한 풀이 과정에서, 제어 하의 파라메터에 대한 예측(406), 압축기(101 내지 103) 상태와 같은 시스템으로부터의 제한된 상태 서브세트, k+n까지 각각의 시간 단계(k)에서의 완전한 시간 범위(409)에 있어서 발생된 흐름 및 압력에 대한 예측이 이루어진다. 이러한 데이터에 기초하여, 모든 압축기(101 내지 103)에 대한 동작 세트(407)가 추출된다.
문제 풀이 후, 동작 세트(407)로부터 제1 시간 단계 또는 시간 단계들이 제어를 위해 이용된다. 다음 사이클에서, 얻어진 솔루션이 사용되고, 산출 시간을 줄이기 위해 갱신될 것이다.
주어진 MPC 문제는 루프 시간 내에 항상 실현 가능한 솔루션을 갖는 방식으로 풀이되어야만 한다. 이에 따라, 최적 솔루션이 확인되거나 최대 산출 시간이 경과된 경우에 절차가 중단된다. 먼저 실현 가능성을 풀이하고, 그 후에 최적성을 풀이한다. 이러한 방식으로, 실현 가능성 솔루션을 항상 보장할 수 있다.
실현 가능하지만 차선의 솔루션이, 예컨대 데이터베이스(200)를 참조함으로써 시퀀서, 룩업 테이블 또는 이전 실현 가능한 솔루션과 같이 이미 구현되거나 문헌에 설명된 솔루션에 의해서도 또한 생성될 수 있다.
기계의 상태를 특수한 방식으로 처리함으로써, 종래기술에 비해 엄청난 개선이 이루어질 수 있다. 부하를 받거나, 부하를 받지 않거나 중단된 것과 같은 이들 압축기의 상태는 맞춤형 휴리스틱(custom heuristic), 분기 한정법(branch & bound), 선형 프로그램 심플렉스 솔버(linear program simplex solver) 또는 동적 프로그래밍과 같은 다수의 기존 기법 중 어느 하나를 이용하여 통상적으로 풀이되는 이산 변수를 초래한다. 이러한 산출은 통상 모든 새로운 솔루션을 위해 수행된다. 그러나, 솔루션이 재사용 가능한 경우, 산출 요건에 있어서 대량의 감소가 이루어져, 하드웨어 요건을 낮출 수 있다. 기존 솔루션의 재사용은 이후에 설명할 유효성 범위의 존재에 기초한다.
MPC 풀이 절차의 마지막 단계로서, 연속 변수가 뉴턴-라그랑주 방법 기반 솔버 또는 이러한 특별한 목적을 위해 생성된 맞춤형 휴리스틱을 사용하여 개량된다.
도 5 및 도 6은 유효성 범위(503)를 사용하는 것에 의해 이전 솔루션을 재사용하는 데 사용되는 방법론을 더 설명한다. 이러한 범위(503)는 MPC 기법에서의 이산 변수의 솔루션 단계 중에 산출된다. 새로운 예측이 이러한 유효성 범위 내에 속하는 구역에서, 새로운 솔루션을 재산출해서는 안 된다.
더욱이, MPC 방법론의 산출 단계 동안, 시스템의 거동을 입증하기 위해 다른 유용한 데이터가 추출될 수 있다. 이러한 데이터는 너무 작은 순 공기 체적 또는 압축기 사이징과 같은 가능한 문제에 대해 시스템을 분석하기 위해 나중에 이용될 수 있다.
도 5는 모델 예측 기법 솔루션의 산출 단계에 의해 생성된 데이터를 보여준다. 이는 예측된 궤적 Y(502)을 갖는 셋포인트(501), 유효 범위(503)를 갖는 예측 PV(504) 및 유효 범위(506)를 갖는 연속 제어 동작 U(505)을 절충한다.
앞서 설명한 바와 같이, 제어 루프의 각각의 반복에서 이전 솔루션은 도 6에 도시한 바와 같이 신규한 시작점(601)으로 변위된다. 그런 다음, 새로운 예측(PV)이 도달되고, 이전 솔루션의 유효 범위와 비교된다. 이러한 예측이 그 유효 범위 내에 있기만 하면, 연속 변수에 대한 단지 소량의 갱신만이 요구된다. 그러나, 예측이 유효 범위(602)이 밖에 있는 경우에는, 이산 변수를 포함하여 보다 많은 갱신이 요구된다. 따라서, 위반이 발생하는 구역(603)과 인근(604)이 이산 변수의 갱신을 위해 마킹된다.
산출 중에, 연속 변수가 그 유효 범위를 위반하는 일이 일어날 수도 있다. 이 경우에도 또한, 보다 많은 갱신이 요구될 수 있으며, 해당 구역은 그 인근과 함께 갱신을 위해 마킹된다.
이러한 유효 경계는 아래 2가지 방식으로 산출될 수 있다. 이산 변수를 유지하면서 값을 얻는 실현 가능성에 기초하거나 최적성에 기초하는 것. 최적성 조건에 의해 생성된 경계는 실현 가능성 경계를 이용하여 생성되는 것보다 작다. 그러나, 최적성 조건에 의해 생성된 경계는, 새로운 예측(PV)과 그 산출된 제어(U)가 이들 경계 내에 속하는 경우, 최적성이 보장되는 것을 보증한다.
2개의 경계가 알고리즘에서 이용 가능하다는 것을 알 수 있다. 이 경우, 유효성 기반 경계는 완벽한 문제를 실현 가능하게 할 뿐만 아니라 모델 예측 제어 알고리즘의 1 제어 사이클 내에서 풀이되어야만 한다. 최적성 기반 경계는 이들 경계가 만료될 때까지 또는 이를 풀이할 충분한 시간이 있는 경우에 연기될 수 있다.

Claims (15)

  1. 하나 이상의 소비기(111)에 압축 공기나 압축 가스 - 이 압축 공기나 압축 가스는 하나 이상의 공정 변수에 의해 규정됨 - 를 제공하도록 구성된 하나 이상의 압축기(101 내지 103)를 포함하는 압축 공기나 압축 가스 시스템(113)을 제어하는 컴퓨터 실행 방법으로서,
    - 관찰된 데이터(211)에 기초하여 압축 공기나 압축 가스 시스템(113)의 현 상태를 추정하는 단계(202);
    - 현 상태(211)에 기초하여 향후 공정 변수 프로파일(225)을 예측하는 단계(203);
    - 압축 공기나 압축 가스 시스템(113)의 체적(107)에 기초하여, 샘플링 주파수를 갖는 샘플링 방법에 의해 향후 공정 변수 프로파일을 샘플링하고, 이에 의해 샘플링된 향후 공정 변수 프로파일을 얻는 단계(204);
    - 모델 예측 제어(Model Predictive Control; MPC) 기법을 사용하여, 샘플링된 향후 공정 변수 프로파일과 현 상태를
    · 미리 정해진 제1 시간 범위(time horizon)에 걸쳐 분포되는 하나 이상의 동작을 포함하는 동작 프로파일; 및
    · 미리 정해진 제1 시간 범위 이상의 미리 정해진 제2 시간 범위에 걸쳐 분포되는 상태 프로파일
    로 변환하는 단계(205); 및
    - 하나 이상의 압축기로 하여금 동작 프로파일에 따라 하나 이상의 동작을 수행할 것을 명령하여, 압축 공기나 압축 가스 시스템(113)을 제어하는 단계
    를 포함하는 컴퓨터 실행 방법.
  2. 제1항에 있어서, 압축 공기나 압축 가스 시스템(113)은 하나 이상의 에이전트(agent)를 더 포함하고, 상기 명령하는 단계는 하나 이상의 에이전트로 하여금 동작 프로파일에 따라 하나 이상의 동작을 수행할 것을 명령하는 것을 더 포함하는 컴퓨터 실행 방법.
  3. 제1항 또는 제2항에 있어서,
    - 샘플링된 향후 공정 변수 프로파일을 이전 상태 프로파일과 비교하여, 샘플링된 향후 공정 변수의 하나 이상의 구역이 미리 정해진 편차 문턱값 내에 있는지 확인하는 단계를 더 포함하고,
    상기 예측하는 단계는 또한 상기 하나 이상의 구역에 기초하는 것인 컴퓨터 실행 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 샘플링 주파수는 또한
    - 예측의 불확실성 요인;
    - 압축 공기나 압축 가스 시스템의 하나 이상의 작동 파라메터; 및
    - 압축기의 반응 시간
    으로 이루어진 그룹 중 하나 이상에 기초하는 것인 컴퓨터 실행 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 현 상태를 추정하는 단계는 또한 압축 공기나 압축 가스 시스템의 모델에 기초하는 것인 컴퓨터 실행 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서, 상기 예측하는 단계는 또한 이력 데이터에 기초하는 것인 컴퓨터 실행 방법.
  7. 제6항에 있어서,
    - 현 상태 및/또는 관찰된 데이터에 의해 이력 데이터를 갱신하는 단계를 더 포함하는 컴퓨터 실행 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서, 공정 변수가 흐름, 압력, 압력하 이슬점, 가스 온도, 산소 수준, 에너지 수준, 상대 습도, 가스 분압, 용해된 산소 수준 및/또는 오일 농도 수준으로 이루어진 그룹 중 어느 하나를 포함하는 것인 컴퓨터 실행 방법.
  9. 제2항 내지 제8항 중 어느 한 항에 있어서, 상기 에이전트는 송풍기, 팬, 피스톤, 터보, 가변 주파수 구동 에이전트, 건조기, 밸브, 윤활기, 필터, 압력 조절기 및/또는 흐름 스위치로 이루어진 그룹 중 어느 하나를 포함하는 것인 컴퓨터 실행 방법.
  10. 제1항 내지 제9항 중 어느 한 항에 따른 방법을 실행하는 수단을 포함하는 데이터 처리 시스템.
  11. 컴퓨터 프로그램으로서, 프로그램이 컴퓨터에 의해 실행되는 경우에, 컴퓨터로 하여금 제1항 내지 제9항 중 어느 한 항에 따른 방법을 실시하게 하는 명령을 포함하는 컴퓨터 프로그램.
  12. 제11항의 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 데이터 캐리어.
  13. 컴퓨터 프로그램으로서, 프로그램이 제2 컴퓨터에 의해 실행되는 경우에, 제2 컴퓨터로 하여금 제1항 내지 제9항 중 어느 한 항에 따른 방법의 단계들 중 하나 이상을 수행하는 것에 의해 제1 컴퓨터로부터 엔코딩된 데이터를 수신하고, 수신된 데이터를 디코딩하게 하는 명령을 포함하는 컴퓨터 프로그램.
  14. 제10항에 따른 데이터 처리 시스템을 포함하는 압축기 또는 에이전트.
  15. 제1항 내지 제9항 중 어느 한 항에 따른 방법에 따라 제어되도록 구성된 압축 공기나 압축 가스 시스템.
KR1020237006824A 2020-09-24 2021-09-02 압축기실 제어 방법 및 압축기실 제어 장치 KR20230044276A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20198148.7A EP3974918B1 (en) 2020-09-24 2020-09-24 A method for controlling a compressor room and an apparatus thereof
EP20198148.7 2020-09-24
PCT/IB2021/058007 WO2022064299A1 (en) 2020-09-24 2021-09-02 A method for controlling a compressor room and an apparatus thereof

Publications (1)

Publication Number Publication Date
KR20230044276A true KR20230044276A (ko) 2023-04-03

Family

ID=72659022

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237006824A KR20230044276A (ko) 2020-09-24 2021-09-02 압축기실 제어 방법 및 압축기실 제어 장치

Country Status (11)

Country Link
US (1) US20230313950A1 (ko)
EP (1) EP3974918B1 (ko)
JP (1) JP7522417B2 (ko)
KR (1) KR20230044276A (ko)
CN (1) CN116075783A (ko)
BR (1) BR112023001859A2 (ko)
CA (1) CA3185688A1 (ko)
ES (1) ES2977066T3 (ko)
FI (1) FI3974918T3 (ko)
PL (1) PL3974918T3 (ko)
WO (1) WO2022064299A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116988960A (zh) * 2022-04-25 2023-11-03 纬创资通(昆山)有限公司 适于空气压缩机群组的最佳化系统及其方法
GB2622004A (en) * 2022-08-30 2024-03-06 Intellisense Io Ltd Method and system for managing industrial processes
DE102022132033A1 (de) 2022-12-02 2024-06-13 Kaeser Kompressoren Se Computerimplementiertes Verfahren zur Steuerung und/oder Regelung einer Ein-Kompressor-Station mit einem Kompressor
DE102022132003A1 (de) 2022-12-02 2024-06-13 Kaeser Kompressoren Se Verfahren zur steuerung einer kompressoranlage mit mehreren kompressoren

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001066054A (ja) 1999-08-25 2001-03-16 Mitsubishi Chemicals Corp 空気分離装置の運転制御方法
US6697713B2 (en) * 2002-01-30 2004-02-24 Praxair Technology, Inc. Control for pipeline gas distribution system
JP4555562B2 (ja) 2003-12-09 2010-10-06 ゼネラル・エレクトリック・カンパニイ 航空機用ガスタービンのモデル予測制御のための方法及び装置
BE1017230A3 (nl) 2006-07-18 2008-05-06 Atlas Copco Airpower Nv Werkwijze voor het sturen van een persluchtinstallatie en controller en persluchtinstallatie voor het toepassen van zulke werkwijze.
BE1017231A3 (nl) 2006-07-18 2008-05-06 Atlas Copco Airpower Nv Werkwijze voor het struren van een persluchtinstallatie en controller en persluchtinstallatie voor het toepassen van zulke werkwijze.
DE102016121338B4 (de) * 2015-11-23 2020-06-18 The Regents Of The University Of Michigan System und Verfahren zum Steuern einer Brennkraftmaschine sowie nichtflüchtiges Speichermedium

Also Published As

Publication number Publication date
JP2023543216A (ja) 2023-10-13
ES2977066T3 (es) 2024-08-16
US20230313950A1 (en) 2023-10-05
CA3185688A1 (en) 2022-03-31
PL3974918T3 (pl) 2024-05-06
EP3974918B1 (en) 2024-01-17
BR112023001859A2 (pt) 2023-04-04
JP7522417B2 (ja) 2024-07-25
FI3974918T3 (fi) 2024-04-17
EP3974918A1 (en) 2022-03-30
CN116075783A (zh) 2023-05-05
WO2022064299A1 (en) 2022-03-31

Similar Documents

Publication Publication Date Title
KR20230044276A (ko) 압축기실 제어 방법 및 압축기실 제어 장치
CN112577161B (zh) 空调能耗模型训练方法与空调系统控制方法
Gozde et al. Comparative performance analysis of Artificial Bee Colony algorithm in automatic generation control for interconnected reheat thermal power system
CN101807048B (zh) 过程控制系统中的在线自适应模型预测控制
Yu et al. Online tuning of a supervisory fuzzy controller for low-energy building system using reinforcement learning
US11556484B2 (en) Minimizing energy consumption by peripheral machines
EP3343717A1 (en) Hierarchical implicit controller for shielded system in a grid
Killian et al. Hierachical fuzzy MPC concept for building heating control
JP6901037B1 (ja) 制御装置、制御方法及びプログラム
CN115167562B (zh) 一种机房温度控制方法和装置
US8682635B2 (en) Optimal self-maintained energy management system and use
Soudari et al. Predictive smart thermostat controller for heating, ventilation, and air-conditioning systems
Baranski et al. Comparative study of neighbor communication approaches for distributed model predictive control in building energy systems
Li Comparison of the characteristics of the control strategies based on artificial neural network and genetic algorithm for air conditioning systems
Ceriani et al. An approximate dynamic programming approach to the energy management of a building cooling system
CN113225994A (zh) 一种面向数据中心的智能空调控制方法
JPH11296204A (ja) 多変数プロセス制御システム
JP7434065B2 (ja) 機械学習モデルを構築する装置、方法及びそのためのプログラム
Saeteros et al. Development and Analysis of a PID Controller and a Fuzzy PID
KR20180138372A (ko) 오프라인/온라인 하이브리드 기계학습 모델을 이용한 냉동기 최적 제어 방법
JP7283095B2 (ja) 制御装置、制御方法及びプログラム
CN117881889A (zh) 压缩空气系统的模型预测控制
CN117355710A (zh) 一种用于控制制冷设备的方法和装置
Arakelyan et al. The technique for increase of generating system technical and economic indexes evaluation accuracy using machine learning
CN117557070B (zh) 能耗优化方法、装置及电子设备

Legal Events

Date Code Title Description
A201 Request for examination