CN106662327B - 用于降低燃烧过程烟和噪音的反馈控制 - Google Patents

用于降低燃烧过程烟和噪音的反馈控制 Download PDF

Info

Publication number
CN106662327B
CN106662327B CN201580020051.3A CN201580020051A CN106662327B CN 106662327 B CN106662327 B CN 106662327B CN 201580020051 A CN201580020051 A CN 201580020051A CN 106662327 B CN106662327 B CN 106662327B
Authority
CN
China
Prior art keywords
model
setting value
mpc
combustion
control
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN201580020051.3A
Other languages
English (en)
Other versions
CN106662327A (zh
Inventor
M·I·莫希迪恩
M·M·冈达帕
M·格拉博伊纳
V·塔拉西拉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
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 Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN106662327A publication Critical patent/CN106662327A/zh
Application granted granted Critical
Publication of CN106662327B publication Critical patent/CN106662327B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
    • F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
    • F23G5/50—Control or safety arrangements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
    • F23G7/00—Incinerators or other apparatus for consuming industrial waste, e.g. chemicals
    • F23G7/06—Incinerators or other apparatus for consuming industrial waste, e.g. chemicals of waste gases or noxious gases, e.g. exhaust gases
    • F23G7/08—Incinerators or other apparatus for consuming industrial waste, e.g. chemicals of waste gases or noxious gases, e.g. exhaust gases using flares, e.g. in stacks
    • 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
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23J—REMOVAL OR TREATMENT OF COMBUSTION PRODUCTS OR COMBUSTION RESIDUES; FLUES 
    • F23J2900/00—Special arrangements for conducting or purifying combustion fumes; Treatment of fumes or ashes
    • F23J2900/11002—Modelling systems adapted for designing arrangements for conducting or purifying combustion fumes, e.g. flues
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2223/00—Signal processing; Details thereof
    • F23N2223/44—Optimum control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2229/00—Flame sensors
    • F23N2229/20—Camera viewing

Landscapes

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

Abstract

一种降低设备排放的方法(100)包括提供(101)用于燃烧过程的MPC模型，该MPC模型包括在控制变量(CV)之间的一对一模型，该控制变量包括烟计值和/或燃烧计值(CV1)和噪音水平(CV2)，以及作为被控变量(MV)的辅助气体流，以及作为干扰变量(DV)的另一个过程气体流。该MPC模型接收在所述燃烧过程期间感测到的燃烧相关参数(102)，该燃烧相关参数包括CV1(CV1*)和CV2(CV2*)的测量值。所提供的CV1*高于CV1的最小设定值(CV1设定值)，并且CV2*高于CV2的设定点(CV2设定值)，使用MPC模型自动控制(103)燃烧过程，MPC模型从CV1*和所述CV2*、CV1和CV2误差，以及识别出的一对一模型，确定更新的MV流设定值。

Description

用于降低燃烧过程烟和噪音的反馈控制
技术领域
所公开的实施例涉及燃烧过程的控制，所述控制包括根据过程变量的燃烧参数的建模和应用反馈控制机构，以减少至少由该过程产生的烟。
背景技术
在加工工业中，例如石油(油)精炼厂和石油化工设备，在将废气释放入大气前，利用蒸汽辅助、可燃气体辅助或空气辅助的燃烧尖燃烧在精炼厂或设备阶段中的废气，从而在通常所指的“燃烧(flaring)”或“燃烧(flare)”过程中降低环境污染是常见的做法。点燃通常仅作为年终过程执行几周直到约一个月。更常见地，如通常用于石油化工及油工业的燃烧是挥发性有机化合物(VOC)燃烧过程，该燃烧过程用于安全地处理来自紧急过程扰动，以及过程开始、过程关闭以及转变操作中所产生的可燃废气。燃烧有助于阻止有毒烃类释放到大气中。然而，烃类的燃烧很少100％完全燃烧，导致由于烃类的低效率燃烧产生逆流烟(back smoke)(下文为“烟”)产物，从而带来巨大的财务成本，这是由于有价值的烃类的燃烧以及燃烧产生的噪音(或声音)产物(燃烧噪音或蒸汽喷射噪音)。
管理机构(例如美国环境保护署(EPA))通常在烟和噪音监测和控制方面强加环境管制。一般降低烟具有最高优先权级，但在精炼厂相对靠近居民区的地方，降低噪音也很重要。不坚持EPA或其它规定会导致征收严重的财务处罚，有时撤销过程所有人的营业执照。
燃烧监测和控制设备或***的主要作用是监测和测量燃烧的特定参数，例如烟的量/体积，燃烧的大小，以及噪音水平(通常为dB)，以及采取某些对策来控制燃烧从而确保遵守EPA烟和噪音水平的规定。一些产品和研究在现场进行并基于远程传感器来监控燃烧。例如，基于热电偶、红外(IR)传感器或摄影机的***可用于指出烟的产生和消失以及在某种程度上烟的量。然而，控制动作，例如控制蒸汽或其它辅助气体流到该过程以减少烟，仍然为人工作业。
发明内容
提供此发明内容来以简化的方式介绍所公开的构思的简要选择，在下面包括所提供的附图的具体实施方式中进一步描述所公开的构思。此发明内容不旨在限制所要求保护的主题的范围。
所公开的实施例包括***和模型预测控制(MPC)的基于模型的方法，并且用于在处理设备处在气体辅助燃烧过程期间减少烟和噪音的排放。所公开的实施例意识到设备设计的提高，例如在加工工业处(例如石油(油)精炼厂和石油化工设备)燃烧尖的改变，不能很大程度上解决烟/噪音的问题，随着燃烧尖性能在一段时间内降低，例如由于在燃烧烟道中燃烧的各种加工气体蒸汽(气体混合物)的变化。还意识到一种反馈控制机构可代替地用于处理将烟和噪音的排放水平最小化的问题。
所公开的实施例提供了自动燃烧控制方法，从多元的意义上来模拟包括烟和噪音的燃烧事件，用于所公开的实施例的MPC模型的各自的一对一模型彼此相互作用，这允许使用基于模型的控制器(该控制器采用了公开的MPC模型)来控制辅助气体流。该辅助气体可为蒸汽、可燃气体(例如天然气或丙烷)，或其它气体(例如空气)。传感器和相关电子产品与反馈控制和数学建模结合来提供MPC模型内的多个一对一模型，其中MPC模型提供辅助气体流的反馈控制，从而降低烟和噪音两者并将烟和噪音两者保持在预定的极限之下，例如规定的权威限值(例如美国环境保护署(EPA))。
一个公开的实施例包括一种减少在处理设备处排放的方法，该方法包括提供用于包括辅助气体的燃烧过程的MPC模型，该MPC模型来自在控制变量(CV)之间的多个一对一模型，该控制变量(CV)包括烟计值(烟值)和/或燃烧计值(燃烧值)(CV1)和噪音水平(CV2)，以及作为被控变量(MV)的辅助气体流，以及作为干扰变量(DV)的另一过程气体流。该MPC模型接收燃烧过程期间感测到的燃烧相关参数，该燃烧相关参数包括CV1(CV1*)的测量值和CV2(CV2*)的测量值，以及可选地来自合适的流传感器的干扰变量(DV*)的值。所提供的CV1*高于CV1的最小设定值(CV1设定值)，并且CV2*高于CV2的设定值(CV2设定值)，燃烧过程通过使用所述MPC模型的过程控制器来自动控制，该过程控制器基于CV1*和CV2*，CV1误差和CV2误差以及(iii)识别出的一对一模型自动确定更新的MV流设定值(更新的MV未来走势)。DV可测量或评估，以支持包括DV的一对一模型。如果DV没有被测量或评估，则该一对一模型不包括DV，并且MPC模型可处理作为设备模型不匹配的DV和MV的影响。
附图说明
图1为流程图，该流程图示出了根据示例性实施例的利用燃烧过程在加工工业处减少烟和噪音排放两者的示例性方法的步骤。
图2为表格，该表格示出了根据示例性实施例的可用于建立所公开的MPC模型的四(4)个示例性一对一过程模型。
图3为根据示例性实施例的示例性燃烧反馈和基于MPC控制***的图表。
具体实施方式
公开的实施例参照附图进行描述，其中贯穿附图使用了同样的附图标记来标出相似或等同的元件。附图并不是按比例画出，并且附图仅提供用于示出特定的公开的方面。下面几个公开的方面参照示例性应用进行描述。应当理解的是，很多的具体细节、关系和方法被提出以提供公开实施例的完整理解。
本领域技术人员将会意识到本文所公开的主题可在没有一个或多个具体细节的情况下实施或以其它方法实施。在其它实例中，已知的结构或操作未具体示出以防止使得特定方面不清楚。该公开不仅限于所示出的动作或事件的顺序，这是由于有些动作可能以不同的顺序发生和/或与其它动作或事件同时发生。另外，不是所有示出的动作或事件都需要执行根据本文公开的实施例的方法。
公开的实施例包括将来自加工工业中的燃烧烟道的烟和噪音排放最小化的基于MPC模型反馈控制。在公开的基于MPC控制的框架下，烟和/或燃烧和噪音形成了控制变量(分别为CV1和CV2)，采用一个辅助气体流(即MV)控制该控制变量。该过程气体流作为到控制***的DV。不同于更早的工作，公开的实施例可考虑并且一起解决了最小化/控制燃烧噪音和烟的问题。此外，更早的工作通常依赖于基于方法的专门规则，从而生成控制输入，该控制输入通常被认为是不可靠的。
公开的MPC模型采用来自标准燃烧监测/感测设备(例如，用于感测燃烧相关参数数据的红外(IR)传感器、光学或红外热成像照相机以及用于感测噪音水平数据的噪声测量器)的燃烧相关输入(反馈)，MPC模型将燃烧相关参数数据与包括作为DV的至少一个过程气体流的过程变量相关联。该过程气体通常为各种可燃气体的混合物。尽管混合过程气体的成分可能很难精确获得，但混合过程气体的成分通常基本上会在执行特定的燃烧过程的数天或数周内保持相同。通过燃烧来烧的废气通常为单一类型。一个辅助气体流用作MV。这些过程气体流和辅助气体流变量通过公开的实施例来识别，以对燃烧过程所产生的烟和燃烧噪音的水平有最大的影响。
图1为流程图，该流程图示出了根据示例性实施例的利用燃烧过程减少在加工工业处烟和噪音排放的示例性方法100的步骤。步骤101包括提供用于包括辅助气体的燃烧过程的MPC模型，该MPC模型包括在CV之间的多个识别出的一对一模型，CV包括(i)烟计值和燃烧计值(CV1)的至少一个和(ii)噪音水平(CV2)，以及作为MV的辅助气体流，以及作为DV的至少另一个过程气体流。可有多个DV。如上所述，辅助气体通常为单一类型。辅助气体可为蒸汽、可燃气体(例如天然气(NG)或丙烷)、空气或其它非可燃气体(例如氮气)。
很多设计通常使用蒸汽或空气助燃。除了在废气具有较低热值的情况下，气体助燃并不常见。步骤102包括该MPC模型接收燃烧过程运行中感测到的燃烧相关参数，包括CV1(CV1*)和CV2(CV2*)的测量。如本文中所用，感测参数的“测量”是指用于***中的特定参数所使用的数据采样率内所传送的测量。实际上，CV、MV、DV(如果测量过)在不同采样率下均可用，通常采样率范围从毫秒到秒。例如，CV(例如烟和噪音)通常以毫秒的数量级采样，而辅助气体(MV)流和过程气体流(DV)(如果通过合适的流测量器测量过)通常以秒的数量级采样。
为了处理CV1*和CV2*的采样率中的任何不平均以同步地将所有测量值代入一个(共同的)采样率，通常还包括预处理步骤，该预处理步骤包括下采样测量值/求测量值的平均值。所感测的参数可通过至少一个燃烧过程监测设备(例如光学红外传感器、用于烟的光学或红外热成像照相机以及用于测量噪音的噪音测量器)提供。如上所述，DV(或DV)可测量或不可测量。当测量DV时，模型(例如下面描述的M1和M2)还展现为直接辅助计算MV的未来移动。
步骤103包括所提供的CV1*高于CV1(CV1设定值)的预定的最小设定值，并且CV2*高于CV2(CV2设定值)的预定设定值，使用MPC模型自动控制该燃烧过程，以从(i)CV1*和CV2*，(ii)CV1设定值和CV1*的差，以及CV2设定值和CV2*的差(这些差构成“误差”)，以及(iii)识别出的一对一模型(步骤101中列出)，确定更新的MV流设定值(MV的未来移动)。如果该一对一模型不包括DV，则MPC处理作为一个设备模型的不匹配的DV对MV的影响。根据MPC的操纵，仅执行MV的第一步以及随着循环的继续重复完整的计算，直到过程控制器能将CV稳定在它们各自的设定值附近。
CV 1和CV2预定的最小设定值通常通过与燃烧***的操作者的手动相互作用来获得。该操作者可提供有燃烧计值和/或烟计值两者的多个可视图像，他或她可从中选择阈值图像，之后他或她可进行控制动作，并且这可成为烟计值和燃烧计值的设定值(或阈值水平)。该步骤通常称作地面实况基准测量(Ground Truth Benchmarking)，该地面实况基准测量在加工工业设备现场进行，一般可在任何时间改变。
图2为表格，该表格示出了根据一示例性实施例的可建立所公开的MPC模型的四(4)个示例性一对一过程模型(示出为M1、M2、M3和M4)。MPC可认为是能够处理一对一模型相互作用，以及不可测量的DV。M1示出为：是烟或燃烧的CV1对作为MV的辅助气体流(CV1对M1)。M2示出为：是烟或燃烧的CV1对作为DV的过程气体流(CV1对DV)。M3示出为：是噪音的CV2对作为MV的辅助气体流(CV2对MV)，并且M4示出为：是噪音的CV2对作为DV的过程气体流(CV2对DV)。M1、M2、M3和M4可每个(独立地)为线性的或非线性的模型。其它过程影响，例如风速、风向或代表其它可能的DV的其它环境条件，该其它可能的DV可通过编译包括其它DV的附加一对一模型来加入。
如上所述，该过程气体流(DV)可为MV或不可测量的变量。可能有不包括在过程气体流蒸汽上的任何流传感器的加工设备，因此可能没有可用于DV的流测量。如果没有用于DV的流测量，则在MPC框架中，这通常被称作“不可测量的干扰变量”，如果有流传感并且DV被测出，则通常被称作“测量出的干扰变量”。测量出的以及不可测量的DV两者，以及评估出的DV都在所公开的MPC框架内进行处理，如下文所述。
如果DV是测量出的DV，则DV(DV*)的测量用于识别包括DV(例如图2中的M2(CV1对DV)和M4(CV2对DV))的一对一模型，连同其它一对一模型(例如图2中的M1(CV1对MV)和M3(CV2对MV))，得到MV的未来移动。如果DV为不可测量的DV，则为了所公开的MPV的执行，如下所述有两个示例性方法。如果没有包括DV(例如图2中的M2和M4，即CV1对DV和CV2对DV)的识别出的一对一模型，则MPC模型可使用其它(非DV)一对一模型(例如图2中的M1和M3，即CV1对MV和CV2对MV)，同时处理DV对MV的影响，作为设备模型不匹配而产生MV的未来移动。如果DV没有被测量出或不能评估，则如上所述，DV对CV的影响通常可看作设备模型不匹配。考虑到设备模型不匹配，反馈控制作用于误差的原理，其中误差为测量出的或真实的设备观察和模型预测之间的差。如果DV没有被测量出，它的影响在测量出的或真实的设备观察中看得见，但在模型预测中没有看见，结果有极大的误差且通常通过控制器有强烈的反馈动作，从而将误差最小化。
可选地，可以创造一种间接的方式来评估DV的值，然后将DV评估使用于包括DV(M2和M4，即CV1对DV和CV2对DV)模型的识别出的一对一模型中，并且MPC模型可使用所有图2中所示的一对一模型(M1、M2、M3和M4)，以产生MV的未来移动。评估可通过卡尔曼滤波器或粒子滤波器或通常任何标准的过滤技术来执行。
图3为根据一实施例的示例性燃烧反馈和基于MPC控制***300的图表。具有燃烧烟道22和相应的燃烧(或火焰)23和相关联的噪音(未示出)的设备21待受到控制。过程通过所示的设备21来运行，所述过程示出为接收过程气体31和辅助气体32。该过程气体(或多个过程气体)31通过过程气体喷射器31a喷射到由设备21运行的过程中。该辅助气体32由阀35(该阀虽然示出为在设备21的外部，但通常在设备21内部)控制，该阀35具有致动器29，该致动器29控制阀35的位置，从而控制辅助气体32的流，该辅助气体通过刚好在燃烧23下方示出的辅助气体喷射器32a来喷射。
在设备21处，在燃烧过程的操作期间感测燃烧相关参数的多个传感器示为照相机24(或多个照相机)，引导朝向燃烧23进行视频观察，同时噪音测量器27放置于燃烧23的附近，从而允许测量相关联的噪音水平(通常为dB)。照相机24可检测与燃烧23相关联的可见的、红外和/或紫外线。
来自照相机24的视频观察和来自噪音测量器27的噪音数据可记录在***300中，例如在控制***12内示出的存储器12a中。控制***还包括处理器12c和存储器12a，其中所公开的MPC模型存储在存储器中。控制***12通常为分布式控制***(DCS)，该分布式控制***包括多个设备过程控制器16。此处所用的DCS指的是通常为制造***的控制***，其中控制器元件都不位于中心，而是分布贯穿***，每个部件子***由一个或多个控制器控制。
***300和照相机24以及噪音测量器27之间的连接可为有线的或无线的。无线的实施例将包括与传感器相关联的无线发射器和接收无线信号的无线接收器。
来自照相机24的视频信号34(为数字和/或模拟信号)以及来自噪音测量器27的噪音数据37，示出为联接至分析模块11，该分析模块11具有处理器11a。在模拟信号的情况下，模拟到数字的转换由模拟至数字转换器(ADC)执行，该模拟到数字的转换在将感测到的信号发送到分析模块11之前执行或者在分析模块11处执行。
由照相机24提供的视频信号34和来自噪音测量器27的噪音数据37可由分析模块11进行分析，从而确定燃烧23以及噪音水平各自的内容和参数。分析模块11示出提供分析结果到控制***12，然后可选地将该分析结果发送至用户界面(UI)13。UI13可具有视频屏幕或显示器14和键盘或类似机构15。键盘或类似机构15可包括鼠标、控制杆、触摸屏和/或类似物。控制***12还提供与一个或多个设备控制器16相连的自动监测和控制。
控制***一般包括处理器12c，以助于用户界面13、分析模块11和一个或多个设备控制器16之间的相互作用。一个或多个设备控制器16可具有一个或多个处理器17，用于控制和监测各种设备21参数。设备参数的控制通常包括辅助气体32、过程气体31流的控制，该辅助气体32、过程气体31流的控制如上所述被认为对燃烧23具有最重大的影响。辅助气体32的流和过程气体31的流可通过合适的流测量器来检测，该流测量器由单个传感器块25示出，该单个传感器块具有“流传感器”，该流传感器示出为具有联接到控制***12的输出。
所公开的实施例一般可用于包括燃烧的任何过程。例如，加工工业(例如石油(油)精炼)和石油化工，例如乙烯厂。
各种公开的实施例已经如上文所述，应当理解的是它们仅借助于示例而提出，但不是限制性的。本文所公开的主题的多种变化可根据该公开给出，而不脱离本公开的精神或范围。另外，虽然已仅仅关于几个实施方式中的一个来公开特定的特征，这样的特征也可，如对于任何给定或特定的应用所期望的且有利的，与其它实施方式的一个或多个其它特征组合。
如本领域技术人员应当理解的，本文所公开的主题可具体实施为***、方法或计算机程序产品。相应地，该公开可采用全部为硬件实施例、全部为软件实施例(包括固件、常驻软件、微代码等等)或组合硬件和软件方面的实施例的形式，硬件和软件方面在本文中可能全部通常指的是“电路”、“模块”或“***”。另外，该公开可采用计算机程序产品的形式，该计算机程序产品以表述的任何有形介质具体实施，该有形介质具有具体实施在介质中的计算机可用程序代码。
可以使用一个或多个计算机可用或计算机可读介质的任何组合。该计算机可用或计算机可读介质可能是，例如但不限于电子的、磁性的、光学的、电磁的、红外的或半导体***、装置或设备。计算机可读介质的更具体的示例(非详尽的列表)将包括包含以下的非暂时介质：具有一个或多个线的电气连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、便携式光盘只读存储器(CDROM)、光学存储设备或磁性存储设备。

Claims (12)

1.一种降低处理设备排放的方法（100），包括：
提供（101）用于在所述处理设备运行的包括辅助气体的燃烧过程的模型预测控制MPC模型，该模型预测控制MPC模型包括在控制变量CV之间多个识别出的一对一模型，该控制变量CV包括（i）烟计值和燃烧计值CV1的至少一个和（ii）噪音水平CV2，以及作为被控变量MV的所述辅助气体流，以及作为干扰变量DV的至少一个另外过程气体流；
所述MPC模型通过接收所述燃烧过程的操作期间感测到的燃烧相关参数（102）的处理器来执行，该燃烧相关参数包括所述CV1的测量值CV1*和所述CV2的测量值CV2*，以及
倘若所述CV1*高于所述CV1的预定最小设定值，即CV1设定值，并且所述CV2*高于所述CV2的预定设定点，即CV2设定值，使用由所述处理器执行的所述MPC模型自动控制（103）所述燃烧过程，所述处理器基于（i）所述CV1*和所述CV2*、（ii）所述CV1设定值和所述CV1*的差以及所述CV2设定值和所述CV2*的差、以及（iii）所述识别出的一对一模型，自动确定用于所述MV的更新的流设定值。
2.根据权利要求1所述的方法，其中所述DV被感测以提供所述DV的测量值DV*或所述DV被评估，并且其中所述识别出的一对一模型包括所述DV。
3.根据权利要求1所述的方法，其中所述识别出的一对一模型不包括所述DV，其中所述MPC模型处理作为设备模型不匹配的所述DV对所述MV的影响。
4.根据权利要求1所述的方法，其中所述CV1包括所述烟计值。
5.根据权利要求1所述的方法，其中所述辅助气体包括蒸汽。
6.根据权利要求1所述的方法，进一步包括使用联接成接收用于所述MV的更新的流设定值的过程控制器来执行用于所述MV的所述更新流设定值，所述过程控制器联接到致动器，该致动器控制阀位置以提供所述MV的所述更新的流设定值。
7.一种用于降低处理设备（21）排放的***（300），包括：
用于感测传感燃烧相关参数的多个燃烧相关传感器，该多个燃烧相关传感器包括在所述处理设备处燃烧过程的操作期间感测烟计值和燃烧计值的至少一个的传感器（24）以及感测从燃烧烟道（22）发出的噪音水平的传感器（27）；
模型预测控制MPC模型（12b），该模型预测控制MPC模型用于控制包括辅助气体（32）的所述燃烧过程，该模型预测控制MPC模型包括在控制变量CV之间的多个识别出的一对一模型，该控制变量CV包括（i）所述烟计值和所述燃烧计值CV1的至少一个和（ii）所述噪音水平CV2，以及作为被控变量MV的所述辅助气体流，以及作为干扰变量DV的至少一个另外的过程气体流（31）；
控制***（12），该控制***（12）包括处理器（12c），该处理器接收所述燃烧过程的操作期间来自所述多个传感器的所述燃烧相关参数，所述燃烧相关参数包括所述CV1的测量值CV1*和所述CV2的测量值CV2*，所述处理器执行所述MPC模块；
其中倘若所述CV1*高于所述CV1的预定的最小设定值，即CV1设定值，并且所述CV2*高于所述CV2的预定设定点，即CV2设定值，使用由所述处理器执行的所述MPC模型自动控制所述燃烧过程，所述处理器基于（i）所述CV1*和所述CV2*、（ii）所述CV1设定值和所述CV1*之间的差以及所述CV2设定值和所述CV2*之间的差、以及（iii）所述识别出的一对一模型，自动确定用于所述MV的更新的流设定值，以及
过程控制器（16），该过程控制器联接成接收来自所述控制***的用于所述MV的所述更新的流设定值，该过程控制器联接到致动器（29），该致动器控制阀（35）位置以提供用于所述MV的所述更新的流设定值，所述阀（35）位置执行用于所述MV的所述更新的流设定值。
8.根据权利要求7所述的***，其中所述识别出的一对一模型不包括所述DV，并且其中所述MPC模型处理作为设备模型不匹配的所述DV对所述MV的影响。
9.根据权利要求7所述的***，用于感测所述烟计值和所述燃烧计值的至少一个的所述传感器包括烟计值传感器。
10.根据权利要求7所述的***，其中所述辅助气体包括蒸汽。
11.一种计算机设备，包括：
非暂时数据存储介质（12a），其包括可由处理器（12）执行的程序指令，使得所述处理器能够在处理设备处执行减少排放的方法（100），所述程序指令包括：
用于所述处理器执行（101）模型预测控制MPC模型的代码，该模型预测控制MPC模型用于在所述处理设备处运行的包括辅助气体的燃烧过程，该模型预测控制MPC模型包括在控制变量CV之间的多个识别出的一对一模型，该控制变量CV包括（i）烟计值和燃烧计值CV1的至少一个、以及（ii）噪音水平CV2、以及作为被控变量MV的所述辅助气体流、以及作为干扰变量DV的至少一个另外的过程气体流；其中所述处理器接收在所述燃烧过程的操作期间感测到的燃烧相关参数（102），该燃烧相关参数包括所述CV1的测量值CV1*和所述CV2的测量值CV2*，以及
用于检查（103）所述CV1*高于用于所述CV1的预定的最小设定值，即CV1设定值、以及所述CV2*高于用于所述CV2的预定设定点，即CV2设定值的代码，以及
用于倘若所述CV1*高于所述CV1设定值并且所述CV2*高于所述CV2设定值，使用所述MPC模型，基于（i）所述CV1*和所述CV2*、（ii）所述CV1设定值和所述CV1*之间的差以及所述CV2设定值和所述CV2*之间差、以及（iii）所述识别出的一对一模型，来自动控制（103）的所述燃烧过程的代码。
12.根据权利要求11所述的计算机设备，其中所述DV被感测以提供所述DV的测量值DV*或所述DV被评估，且其中所述识别出的一对一模型包括所述DV。
CN201580020051.3A 2014-04-14 2015-03-30 用于降低燃烧过程烟和噪音的反馈控制 Active CN106662327B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/252156 2014-04-14
US14/252,156 US9594359B2 (en) 2014-04-14 2014-04-14 Feedback control for reducing flaring process smoke and noise
PCT/US2015/023277 WO2015160494A1 (en) 2014-04-14 2015-03-30 Feedback control for reducing flaring process smoke and noise

Publications (2)

Publication Number Publication Date
CN106662327A CN106662327A (zh) 2017-05-10
CN106662327B true CN106662327B (zh) 2019-04-30

Family

ID=54265018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580020051.3A Active CN106662327B (zh) 2014-04-14 2015-03-30 用于降低燃烧过程烟和噪音的反馈控制

Country Status (5)

Country Link
US (1) US9594359B2 (zh)
EP (1) EP3132199B1 (zh)
CN (1) CN106662327B (zh)
AU (1) AU2015248158B2 (zh)
WO (1) WO2015160494A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2769302C (en) 2009-07-30 2018-10-16 F. Hoffmann-La Roche Ag A set of oligonucleotide probes as well as methods and uses related thereto
WO2017058832A1 (en) * 2015-09-28 2017-04-06 Schlumberger Technology Corporation Burner monitoring and control systems
US10746400B2 (en) * 2016-06-28 2020-08-18 General Electric Company Integrated flare combustion control
US20200141233A1 (en) * 2016-06-28 2020-05-07 Schlumberger Technology Corporation Well testing systems and methods with mobile monitoring
CN108758664B (zh) * 2018-06-24 2019-09-03 聂广正 一种带有吸附和透镜功能的聚热燃烧有机废气治理方法
JP6670966B1 (ja) * 2019-04-24 2020-03-25 三菱日立パワーシステムズ株式会社 プラントの運転条件決定装置、プラントの制御システム、運転条件決定方法およびプログラム
US11519602B2 (en) 2019-06-07 2022-12-06 Honeywell International Inc. Processes and systems for analyzing images of a flare burner
US11927944B2 (en) 2019-06-07 2024-03-12 Honeywell International, Inc. Method and system for connected advanced flare analytics
WO2024137906A1 (en) * 2022-12-23 2024-06-27 Schlumberger Technology Corporation Adjustable flare tip

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2457457Y (zh) * 2000-12-19 2001-10-31 上海华力燃烧设备有限公司 地面火炬排放装置
CN1959211A (zh) * 2006-11-23 2007-05-09 中国船舶重工集团公司第七一一研究所 蒸汽助燃型火炬燃烧器
CN200996611Y (zh) * 2006-11-23 2007-12-26 中国船舶重工集团公司第七一一研究所 蒸汽助燃型火炬燃烧器
CN201439954U (zh) * 2009-08-13 2010-04-21 上海凯鸿环保工程有限公司 一种蒸汽助燃型火炬燃烧器
CN102374547A (zh) * 2010-07-15 2012-03-14 约翰新科公司 混合火炬装置和方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2653046A1 (de) * 1976-11-23 1978-05-24 Bosch Gmbh Robert Elektronisches regelverfahren und regelsystem zur bestimmung des spritzbeginns bei dieselmotoren
US4094632A (en) * 1977-02-07 1978-06-13 John Zink Company Accelerated response for delivery of smoke suppressant to flares
US4505668A (en) * 1982-01-15 1985-03-19 Phillips Petroleum Company Control of smoke emissions from a flare stack
US6149071A (en) * 1998-06-10 2000-11-21 Global Metering Solutions, Llc Flow control system for spray applications
US20040112046A1 (en) * 2002-12-13 2004-06-17 Prasad Tumati Thermal management of integrated emission reduction system
JP2005265361A (ja) 2004-03-22 2005-09-29 Sumitomo Chemical Co Ltd フレアスタックへの蒸気供給量の制御方法
US7536232B2 (en) * 2004-08-27 2009-05-19 Alstom Technology Ltd Model predictive control of air pollution control processes
US7756591B2 (en) * 2006-04-25 2010-07-13 Pegasus Technologies, Inc. System for optimizing oxygen in a boiler
US8138927B2 (en) * 2007-03-22 2012-03-20 Honeywell International Inc. Flare characterization and control system
US7876229B2 (en) 2007-08-14 2011-01-25 Honeywell International Inc. Flare monitoring
US7931466B2 (en) 2008-06-24 2011-04-26 Equistar Chemicals, Lp Flare gas flammability control
WO2011100225A1 (en) 2010-02-09 2011-08-18 Conocophillips Company Automated flare control
US8627668B2 (en) 2010-05-25 2014-01-14 General Electric Company System for fuel and diluent control
US8649884B2 (en) * 2011-07-27 2014-02-11 Honeywell International Inc. Integrated linear/non-linear hybrid process controller
US9142111B2 (en) * 2013-03-15 2015-09-22 Saudi Arabian Oil Company Flare network monitorng system and method
US20150260397A1 (en) * 2014-03-17 2015-09-17 Honeywell International Inc. Integrated smoke monitoring and control system for flaring operations

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2457457Y (zh) * 2000-12-19 2001-10-31 上海华力燃烧设备有限公司 地面火炬排放装置
CN1959211A (zh) * 2006-11-23 2007-05-09 中国船舶重工集团公司第七一一研究所 蒸汽助燃型火炬燃烧器
CN200996611Y (zh) * 2006-11-23 2007-12-26 中国船舶重工集团公司第七一一研究所 蒸汽助燃型火炬燃烧器
CN201439954U (zh) * 2009-08-13 2010-04-21 上海凯鸿环保工程有限公司 一种蒸汽助燃型火炬燃烧器
CN102374547A (zh) * 2010-07-15 2012-03-14 约翰新科公司 混合火炬装置和方法

Also Published As

Publication number Publication date
US9594359B2 (en) 2017-03-14
AU2015248158B2 (en) 2019-07-11
AU2015248158A1 (en) 2016-10-27
EP3132199B1 (en) 2019-05-22
US20150293506A1 (en) 2015-10-15
WO2015160494A1 (en) 2015-10-22
EP3132199A4 (en) 2018-01-10
CN106662327A (zh) 2017-05-10
EP3132199A1 (en) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106662327B (zh) 用于降低燃烧过程烟和噪音的反馈控制
EP3475610B1 (en) Integrated flare combustion control
Docquier et al. Closed-loop equivalence ratio control of premixed combustors using spectrally resolved chemiluminescence measurements
US20190108454A1 (en) Harnessing machine learning & data analytics for a real time predictive model for a fcc pre-treatment unit
CN1774679B (zh) 过程控制***以及配置过程控制***的方法
US8532795B2 (en) Method and system for offline code validation
CN105045233B (zh) 火电厂热工***中基于时间量度的pid控制器的优化设计方法
Rivas-Perez et al. Temperature control of a crude oil preheating furnace using a modified Smith predictor improved with a disturbance rejection term
JP4908433B2 (ja) 制御パラメータ調整方法および制御パラメータ調整プログラム
US7610252B2 (en) Method for developing a process model
JP2012141862A (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
US20150377149A1 (en) Automatic combustion system characterization
CN107995943A (zh) 热声前驱波方法和装置
JP2010127475A (ja) 燃焼炉の燃焼制御システムおよびその燃焼制御方法
Fichera et al. Monitoring combustion unstable dynamics by means of control charts
US20100300336A1 (en) Reduction of mercury from a coal fired boiler
Mahapatra et al. Integrated dynamic modeling and advanced process control of carbon capture systems
US10378765B2 (en) Apparatus and method for detecting furnace flooding
Choi et al. Improvement of fire detection in rack-type warehouses using FDS
JP2010026615A (ja) プロセス制御システム
JP6822913B2 (ja) ガス化溶融炉プラントの空気量制御装置、空気量制御方法、及び空気流量特性モデル
JP7417762B2 (ja) フレアの排出量監視システム
Hasnen et al. Adaptive PLS inferential soft sensor for continuous online estimation of NOx emission in industrial water-tube boiler
Sutarya et al. Identification of industrial furnace temperature for sintering process in nuclear fuel fabrication using NARX neural networks
WO2015119985A1 (en) Calibration for gas detection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant