DE10112160A1 - Verfahren und Vorrichtung zur Regelung eines Verbrennungsprozesses - Google Patents

Abstract

In einem Verfahren zur Regelung eines Verbrennungsprozesses, insbesondere in einem mit festem Brennstoff befeuerten Kessel (1), bei dem verschiedene Prozeßparameter des Systems mittels Sensoren (7) gemessen und zur Regelung geeignete Stellgrößen mittels Stellvorrichtungen (3, 5, 9) geändert werden, werden die Betätigung eines Kesselbläsers (5) und/oder die Korngröße des Brennstoffs als Stellgrößen verwendet.

Description

Die Erfindung betrifft ein Verfahren zur Regelung eines Verbrennungsprozesses mit den Merkmalen des Oberbegriffs des Anspruches 1 und eine Vorrichtung mit den Merkmalen des Oberbegriffs des Anspruches 9.

Bei einem bekannten Verfahren mit einer bekannten Vorrichtung dieser Art werden Stellgrößen, wie beispielsweise die zugeführte Brennstoff und Luftmenge, zur Regelung verwendet und der Zustand des Systems wird durch verschiedene Sensoren gemessen. Das Verfahren läßt aber insbesondere hinsichtlich der Regelungsmöglichkeiten noch Wünsche übrig.

Der vorliegenden Erfindung liegt die Aufgabe zugrunde, ein Verfahren der eingangs ge­ nannten Art zu verbessern. Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruches 1 und durch eine Vorrichtung mit den Merkmalen des Anspruches 9 ge­ löst. Weitere vorteilhafte Ausgestaltungen sind Gegenstand der Unteransprüche.

Dadurch, daß die Betätigung eines Kesselbläsers (Rußbläsers) und/oder die Korngröße des Brennstoffs als Stellgrößen verwendet werden, stehen mehr Stellgrößen zur Verfü­ gung, um die Regelung durchzuführen. Zugleich sind die neuen Stellgrößen keine Stör­ quellen mehr, welche bei einer Aktivierung einen höheren Regelungsaufwand hervorru­ fen. Statt beider Stellgrößen in Kombination kann auch nur eine dieser Größen für die Regelung einbezogen werden. Vorzugsweise wird der Einfluß der neuen Stellgrößen vor­ ab in einer Initialisierungsphase gemessen, um die Regelung, die beispielsweise mit Hilfe eines neuronalen Netzes erfolgt, entsprechend zu trainieren. Der Erfindung ist auch bei anderen thermischen Prozessen anwendbar.

Beim Kesselbläser wird die Entscheidung über eine Betätigung vorzugsweise durch eine Abschätzung zwischen Erfolg und Aufwand getroffen, indem beispielsweise fiktive Ko­ sten definiert werden und über ein Zeitintervall integriert werden, damit die Entscheidung vollautomatisch erfolgen kann.

Bei der Einbeziehung der Brennstoff-Korngröße kann zusätzlich auch der Verschleiß der zugeordneten Mühle berücksichtigt werden, um die Regelung zu verfeinern. Die Auswir­ kungen unterschiedlicher Korngrößen werden in bevorzugter Weise über die Fluktuatio­ nen im Strahlungsbild einer Flamme gemessen.

Mit den gewonnenen Informationen über die Auswirkungen der Betätigung des Kessel­ bläsers, der Brennstoff-Korngröße und des Verschleißes der Mühle können auch der Kes­ selbläser bzw. die Mühle für sich alleine geregelt werden, ohne daß der Verbrennungs­ prozeß hierzu geregelt wird.

Im folgenden ist die Erfindung anhand dreier in der Zeichnung dargestellter Ausfüh­ rungsbeispiele näher erläutert. Es zeigen

Fig. 1 einen schematischen Aufbau der erfindungsgemäßen Vorrichtung,

Fig. 2 ein Zeitdiagramm eines beispielhaften Prozeßparameters über mehrere Reini­ gungsintervalle hinweg, und

Fig. 3 ein Zeitdiagramm der Kosten im Verschmutzungs- und Reinigungsmodell.

Ein zu regelnder Verbrennungsprozeß eines Systems läuft in einem Feuerungskessel 1 eines Kohlekraftwerkes ab. Dem Kessel 1 vorgeschaltet ist eine Kohlemühle 3, welche die zu verbrennende Kohle mahlt, die dann dem Kessel 1 zugeführt wird. Dem Kessel 1 wird ferner Kernluft und Ausblasluft zugeführt. Die entstehende Abluft wird aus dem Kessel herausgeführt. Zur Reinigung der Kesselinnenwand ist ein sogenannter Kesselblä­ ser 5 vorgesehen, bei dessen Betätigung die Rückstände an den Kesselinnenwänden ver­ brennen.

Zahlreiche Sensoren 7 an den Zuleitungen zum Kessel 1, an Ableitungen und an den Kes­ selinnenwänden, beispielsweise für die zugeführte Luft und Kohle, Schadstoffkonzentra­ tionen in der Abluft, Temperaturen im Kessel 1, Flammencharakteristika etc., messen die relevanten Prozeßparameter. Durch Änderungen von Stellgrößen, beispielsweise des Kohlemassenstroms oder des Luftmengenstroms, wird der Verbrennungsprozeß beein­ flußt, d. h. die Prozeßparameter ändern sich. Die Betätigung einer Stellvorrichtung 9, wie beispielsweise eines Ventils in einer Zufuhrleitung der Luft, wird im folgenden als Akti­ on bezeichnet.

Unter Bildung eines Regelkreises sind die verschiedenen Stellvorrichtungen 9 und Senso­ ren 7 an einen Rechner 11 angeschlossen, in welchem ein selbstkalibrierendes und selbstlernendes neuronales Netz implementiert ist. Das neuronale Netz ist ein rekurrentes oder Time-Delayed-Neural-Network, um zeitliche Abhängigkeiten repräsentieren zu können. Das so gebildete System wird zur Optimierung des Verbrennungsprozesses ein­ gesetzt, d. h. der Rechner 11 wertet die ihm zugeführten Informationen aus und steuert entsprechend die Stellvorrichtungen 9 an.

Im ersten Ausführungsbeispiel wird die Betätigung des Kesselbläsers 5 als Aktion behan­ delt. Hierzu wird in einer Initialisierungsphase untersucht, wie schnell der Kessel 1 bei verschiedenen Kohlesorten und Lastfällen verschmutzt und wie gut die Reinigungserfol­ ge nach Betätigung des Kesselbläsers 5 in Abhängigkeit unterschiedlicher Zeitintervalle ist zwischen zwei Betätigungen des Kesselbläsers 5 sind. Der Reinigungserfolg kann über verschiedene Aktionskonsequenzen definiert werden, beispielsweise über die Änderung von Schadstoffkonzentrationen C in der Abluft normiert auf den Luftmengenstrom oder die Änderung des Wirkungsgrades.

Das neuronale Netz lernt diese technische Seite des Verschmutzungs- und Reinigungs­ modells, d. h. die Form der Konsequenzen für die zwei möglichen Aktionen, nämlich den Kesselbläser 5 betätigen oder nicht. Zusätzlich lernt das neuronale Netz eine Kostenseite für das Verschmutzungs- und Reinigungsmodell, d. h. für den Einsatz des Kesselbläsers 5 werden, beispielsweise über den Energieverlust oder Totzeiten, ebenso Kosten definiert, wie für einen schlechten Wirkungsgrad oder ein Überschreiten der zulässigen Schad­ stoffgrenzwerte in der Abluft.

Wenn das neuronale Netz das Verschmutzungs- und Reinigungsmodell gelernt hat, kann die Betätigung des Kesselbläsers 5 zur Regelung des Verbrennungsprozesses eingesetzt werden. Ausgehend von aktuellen Prozeßparametern schätzt das neuronale Netz ab, wel­ che Konsequenzen für die Prozeßparameter eine Betätigung oder keine Betätigung des Kesselbläsers 5 hat, und welche Kosten sich aus diesen beiden Fällen ergeben. In Ab­ hängigkeit eines vorgegeben Planungsintervalls ist werden die Kosten K für beide Fälle aufintegriert. In der Fig. 3 ist das Kostenintegral mit Kesselbläserbetätigung schräg schraffiert und das Kostenintegral ohne Kesselbläserbetätigung senkrecht schraffiert. Der Rechner 11 entscheidet dann in Abhängigkeit dieser Abschätzung, ob der Kesselbläser 5 betätigt werden soll oder nicht.

Als weitere Stellgröße wird die Korngröße der gemahlenen Kohle behandelt, d. h. Aktio­ nen zur Änderung dieser Stellgröße sind verschiedene Stellvorgänge in der steuerbaren Kohlemühle 5, welche sich auf die Feinheit der gemahlenen Kohle auswirken, beispiels­ weise die Drehzahl der Walzen, der Anstellwinkel der Klappen, der Anpreßdruck der Walzen oder die Temperatur der Austragluft. Die entsprechenden Stellvorrichtungen sind an den gleichen Rechner 11 angeschlossen, in welchem das neuronale Netz implementiert ist.

In der Initialisierungsphase wird entsprechend untersucht, wie sich die Prozeßparameter in Abhängigkeit der Kohlekorngröße ändern. Beispielsweise kann an einer (orts- und) zeitaufgelösten Strahlungsmessung der Flammen im Kessel 1 eine Frequenzanalyse im Orts-Zeit-Raum durchgeführt werden, beispielsweise mittels eines Time-Delay-Neural- Networks oder sogenannten w-flats. Aus der Form, Höhe, Breite und gegebenenfalls ei­ ner Verschiebung der Peaks können Informationen über Fluktuation und damit über die Kohlekorngröße gewonnen werden, welche diese Fluktuationen im Flammenbild verur­ sachen.

Das neuronale Netz lernt dieses aus der Initialisierungsphase gewonnene Mühlenmodell und verbessert es im Betrieb des Kessels 1 durch die von den Sensoren 7 gelieferten Er­ kenntnisse. Als weitere Informationsquelle ist in der Kohlemühle 3 eine Meßvorrichtung installiert, beispielsweise eine (spezielle) Videokamera, wie z. B. eine CCD-Kamera, eine Tiefentastmeßvorrichtung oder eine Gefügeprobenmeßvorrichtung, zur Kalibrierung in­ stalliert, die bei jedem Stillstand der Kohlemühle 3, beispielsweise anläßlich von Warte­ arbeiten, einen Zustandsbericht liefert, der dann im Rechner 11 einer Merkmalsanalyse unterzogen wird, insbesondere hinsichtlich des Verschleißes. Die so gewonnenen Infor­ mationen werden mit den anderen Informationen über den Verbrennungsprozeß korreliert und stehen dem Lernprozeß des neuronalen Netzes zur Verfügung. Das Mühlenmodell wird zur Regelung des Verbrennungsprozesses eingesetzt.

In einem zweiten Ausführungsbeispiel ist für die Regelung, außer den üblichen Stellgrö­ ßen, das Verschmutzungs- und Reinigungsmodell unter Einbeziehung des Kesselbläsers 5 aber ohne Berücksichtigung der Kohlekorngröße vorgesehen. In einem dritten Ausführungsbeispiel ist außer den üblichen Stellgrößen das Mühlenmodell ohne Einbeziehung des Kesselbläsers 5 zur Regelung vorgesehen.

Claims (10)

1. Verfahren zur Regelung eines Verbrennungsprozesses, insbesondere in einem mit festem Brennstoff befeuerten Kessel (1), bei dem verschiedene Prozeßparameter des Systems mittels Sensoren (7) gemessen und zur Regelung geeignete Stellgrößen mit­ tels Stellvorrichtungen (3, 5, 9) geändert werden, dadurch gekennzeichnet, daß die Betätigung eines Kesselbläsers (5) und/oder die Korngröße des Brennstoffs als Stell­ größen verwendet werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß in einer Initialisierungs­ phase die Auswirkungen einer Betätigung des Kesselbläsers (5) und/oder einer Ände­ rung der Korngröße auf die Prozeßparameter gezielt gemessen werden.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß vor einer Entschei­ dung über die Betätigung eines Kesselbläsers (5) Integrale über die entstehenden Kosten während eines Planungsintervalls mit und ohne Betätigung des Kesselbläsers gebildet werden.

4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, daß der Ver­ schleiß einer Mühle (3) zur Zerkleinerung des Brennstoffs gemessen und für die Re­ gelung ausgewertet wird.

5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß der Ein­ fluß der Korngröße über die Fluktuationen im Strahlungsbild einer Flamme gemessen wird.

6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß ein selbstkalibrierendes und selbstlernendes neuronales Netz die Regelung durchführt.

7. Verfahren zur Regelung eines Kesselbläsers (5) oder einer vergleichbaren Reini­ gungsvorrichtung, bei dem über die Messung von Prozeßparametern eines thermi­ schen Prozesses die Auswirkungen einer Betätigung des Kesselbläsers (5) gemessen werden und zur Regelung des Kesselbläsers (5) verwendet werden.

8. Verfahren zur Regelung einer Mühle (3), welche insbesondere für einen thermischen Prozeß festen Brennstoff mahlt, bei dem über die Messung von Prozeßparametern ei­ nes thermischen Prozesses und/oder über eine Zustandsmessung während eines Still­ standes der Mühle (3) der Einfluß der Mühlenparameter, insbesondere der Korngröße und/oder des Verschleißes, gemessen wird und zur Regelung der Mühle (3) verwen­ det wird.

9. Vorrichtung zur Regelung eines Verbrennungsprozesses, insbesondere in einem mit festem Brennstoff befeuerten Kessel (1), mit einem Regelkreis (3, 5, 9, 11), der we­ nigstens einer ansteuerbaren Stellvorrichtung (3, 5, 9), wenigstens einen Sensor (7) zur Messung von Prozeßparametern und einen Rechner (11) zur Auswertung der Pro­ zeßparameter und zur Ansteuerung der Stellvorrichtungen aufweist, dadurch gekenn­ zeichnet, daß ein Kesselbläser (5) und/oder eine steuerbare Brennstoffmühle (3) als Stellvorrichtungen im Regelkreis (3, 5, 9, 11) angeordnet sind.

10. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, daß zur Regelung im Rech­ ner (11) ein neuronales Netz implementiert ist.