WO2009080282A2 - Optimierung des betriebs eines kraftwerks - Google Patents

Optimierung des betriebs eines kraftwerks Download PDF

Info

Publication number
WO2009080282A2
WO2009080282A2 PCT/EP2008/010818 EP2008010818W WO2009080282A2 WO 2009080282 A2 WO2009080282 A2 WO 2009080282A2 EP 2008010818 W EP2008010818 W EP 2008010818W WO 2009080282 A2 WO2009080282 A2 WO 2009080282A2
Authority
WO
WIPO (PCT)
Prior art keywords
power plant
input
output
variable
variables
Prior art date
Application number
PCT/EP2008/010818
Other languages
English (en)
French (fr)
Other versions
WO2009080282A3 (de
Inventor
Volker SCHÜLE
Manfred Gietz
Robert Preusche
Original Assignee
Alstom Technology Ltd
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 Alstom Technology Ltd filed Critical Alstom Technology Ltd
Publication of WO2009080282A2 publication Critical patent/WO2009080282A2/de
Publication of WO2009080282A3 publication Critical patent/WO2009080282A3/de

Links

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01KSTEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K13/00General layout or general methods of operation of complete plants
    • F01K13/02Controlling, e.g. stopping or starting
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22STEAM GENERATION
    • F22BMETHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B35/00Control systems for steam boilers
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N1/00Regulating fuel supply
    • F23N1/02Regulating fuel supply conjointly with air supply
    • F23N1/022Regulating fuel supply conjointly with air supply using electronic means
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N5/00Systems for controlling combustion
    • F23N5/003Systems for controlling combustion using detectors sensitive to combustion gas properties
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N2221/00Pretreatment or prehandling
    • F23N2221/10Analysing fuel properties, e.g. density, calorific
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N2223/00Signal processing; Details thereof
    • F23N2223/48Learning / Adaptive control
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N2225/00Measuring
    • F23N2225/08Measuring temperature
    • F23N2225/13Measuring temperature outdoor temperature
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N2225/00Measuring
    • F23N2225/08Measuring temperature
    • F23N2225/14Ambient temperature around burners
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N2225/00Measuring
    • F23N2225/08Measuring temperature
    • F23N2225/19Measuring temperature outlet temperature water heat-exchanger
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N2233/00Ventilators
    • F23N2233/02Ventilators in stacks
    • F23N2233/04Ventilators in stacks with variable speed
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N2241/00Applications
    • F23N2241/10Generating vapour
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23NREGULATING OR CONTROLLING COMBUSTION
    • F23N2900/00Special features of, or arrangements for controlling combustion
    • F23N2900/05006Controlling systems using neuronal networks

Definitions

  • the invention relates to a method for operating a power plant, method for operating a power plant, in particular a steam power plant, wherein the operation of the power plant can be influenced by input variables and at least one input variable is designed as a predetermined manipulated variable.
  • the invention also relates to a system for operating a power plant, in particular a steam power plant, wherein the operation of the power plant can be influenced by input variables and at least one input variable is designed as a predefinable manipulated variable.
  • the invention also relates to a computer program for controlling and / or regulating the operation of a power plant, in particular a steam power plant, wherein the operation of the power plant can be influenced by input variables and at least one input variable is designed as a predetermined manipulated variable.
  • a steam power plant enables the generation of electrical energy by generating steam by means of fossil fuels such as coal or petroleum and converting the thermal energy of the steam into electrical energy by means of a steam turbine.
  • a ⁇ steam boiler is fired with the fossil fuels.
  • the operation of today's steam power plants can be influenced by a variety of parking options.
  • different amounts of air primary air, secondary air, combustion air
  • the air volumes can often be on different sub strands of the Steam power plant to be distributed.
  • the amounts of fuel provided for the combustion can be adjusted.
  • a cogeneration power plant has a plurality of coal mills that can be adjusted to provide the required amounts of fuel.
  • manipulated variables It is known to regulate such manipulated variables by control circuits to a desired value. Furthermore, one or more of the manipulated variables are set by operating personnel. The setting or setpoint values of the manipulated variables are predefined on the basis of empirical values. In particular, when a power plant has a plurality of control variables, a plurality of different control options is available. Furthermore, individual manipulated variables are often not independent of each other, but mutually influence the operation of the power plant.
  • manipulated variables for the manipulated variables are predetermined in such a way that optimum operation of the power plant with respect to one or more optimization variables is possible. Basically, as much power as possible should be produced at the lowest possible cost. This means that the efficiency and power of the power plant should be as high as possible. Frequently, however, several optimization variables are to be taken into account, which influence each other and thus can not be considered independently of each other. For example, while the efficiency of the power plant to be maximized, the individual power plant components, such as mills, boilers, pipelines, evaporators, etc., but should not be overstressed, as this would lead to increased maintenance costs. Furthermore, immission limits must be safely adhered to.
  • the object is achieved by an aforementioned method in that an operating model is specified, wherein by means of the operating model, the input variables, that is, for example, the manipulated variables and other non-adjustable variables, such as an outside temperature or a current wear ridge of individual components, and some or more of the input variables dependent output variables are described, so at given input values for the input variables by means of the operating model Output values for the output variables can be determined.
  • the operational model for example, is a mathematical model and allows the prediction of output values for the output quantities of the power plant at given input values for the input variables of the operating model.
  • a cost function which comprises at least one optimization variable, the optimization variable being dependent on at least one output variable.
  • the size of optimization may be realized by the output size itself.
  • the output size can be for example a steam temperature and the optimization 'size may indicate that the steam temperature is to take the highest possible value.
  • Another output size could describe a vapor pressure, which in turn could depend on another cost of optimization of the cost function.
  • an optimized setting value for the at least one manipulated variable is determined.
  • a manipulated variable is optimized if the cost function assumes an optimum, if the power plant is operated with the optimized manipulated variable. This means that an optimization variable assumes an extreme value or, if the cost function is formed by a plurality of optimization variables, the cost function assumes an extreme value, for example a minimum.
  • the optimizer uses this to find the optimized control value or the optimized control values Operational model and thus ensures that an operation of the power plant with the optimized manipulated variable ensures optimized operation with respect to the cost function, since the operating model models the actual relationship between input variables and output variables as realistically as possible.
  • the operational model is preferably formed by a neural network, a regression or an evolutionary algorithm.
  • a neural network preferably, such an operating model is combined with a physical model and / or a mathematical function.
  • the realization of the operation model by a neural network basically makes it possible to create the operation model without knowledge of the physical relationship between the input quantities and the output quantity in the power plant.
  • known neural networks are used, which are taught at actually present and obtained for example by measurements input variables and output variables.
  • the optimizer uses the operating model to determine manipulated variable or manipulated variable manipulated variables in a reverse consideration of the operation of the neural network for a cost function that depends, at least indirectly, on one or more output variables of the power plant operation and, in particular, the operating model necessary to achieve the optimal values of the output quantities given by the cost function in the operation of the power plant.
  • constraints may also be considered, for example, describing relationships of output sizes with each other or output value limits.
  • At least one input quantity describes a current boiler load, an outside air temperature, a coal quality, a current mill wear or a fineness of grinding for the coal to be ground.
  • These input variables in particular affect the operation of the power plant.
  • at least one manipulated variable preferably describes a burn-out air quantity, a classifier temperature of a mill, a rotational speed of a mill, a primary air of a mill, a rotational speed of a coal feeder which has, for example, an influence on a so-called firing offset, or a carbon dioxide desired value of the total amount of air.
  • Such manipulated variables allow particularly good influence on the operation of the power plant and thus realize input variables whose adjustability to achieve optimum operation are particularly useful.
  • an input quantity is determined by means of a software-based analysis system.
  • the actual quality of a fuel is determined by means of a fuel analysis system, which is carried out on the basis of radiometric measurement methods.
  • radiometric measurement methods for example, gamma rays are used and by means of an evaluation process is concluded on a current fuel quality.
  • an air quantity measurement can be carried out particularly accurately by means of a cross-correlation measurement method.
  • At least one output variable describes an efficiency, a power, a gas temperature, a steam temperature, a metal temperature, for example in a pipe or on a boiler wall, a CO concentration, a heat flux density, a heat input to a heating surface, an expected wear or in an operation with the set control variables and the current input variables resulting emission value, such as a CO concentration.
  • output variables are particularly suitable for detecting the effects of current input variables on an operation of the power plant.
  • output variables can be used particularly well for forming optimization variables and thus for forming a cost function.
  • an output size that describes an expected wear allows statements about expected operating costs. These output sizes are sometimes not independent of each other. Thus, these output sizes are particularly suitable for creating an operating model, since the quality of the operating model can also be measured by the accuracy of correlated output variables.
  • an output variable is a gas temperature
  • it is preferably detected via a cross section with an acoustic pyrometer via different measuring paths.
  • An emission value can be detected particularly well as CO concentration near the wall at various points by suction and analysis, for example by means of an IR absorption.
  • a heat flux density can advantageously be detected at various points in the combustion chamber by heat flow sensors.
  • a heat input to a heating surface can be determined particularly advantageous by recalculation with a thermodynamic boiler model.
  • the detection of output variables and / or input variables during operation of the power plant in dependence on a predeterminable time, a predetermined period of time and / or a change of another input size or other output size.
  • This ensures that an optimized operation of the power plant is always possible, since each change of an input variable or an output size basically opens the possibility to automatically re-optimized control values for the control variables and adjust corresponding actuators depending on the optimized control values, so again an optimized operation of the power plant is achieved.
  • an optimization variable at least indirectly describes an output variable.
  • an optimization variable describes a boiler efficiency, a current consumption of a blower, a deviation from a zone temperature, an overall efficiency or a total output.
  • the cost function describes a plurality of optimization variables or output variables and at least one optimization variable is weighted in this case. Preferably, all optimization variables are weighted in the cost function. This makes it possible to specify a cost function which makes it possible to specify as precisely as possible a compromise between the possible different optimization targets.
  • the invention also relates to a system for operating a power plant of the type mentioned, wherein the system has means for carrying out the method according to the invention.
  • the computer program is also the invention as the method according to the invention, for the implementation of which the computer program is programmed.
  • the computer program can be executed on a computer system, in particular on a regulating and / or control system for the regulation and / or control of a power plant, for example a control room.
  • the computer program can consist of a large number of components that are executed on different computers or computer systems.
  • Figure 1 is a schematic representation of a system to
  • FIG. 1 schematically shows a system 1 comprising an operating model 2 and an optimizer 3.
  • the operating model 2 comprises input variables 6, which are partially designed as manipulated variables 5.
  • the input variables 6 are preferably parameters influencing the power plant process, which can be detected metrologically.
  • Such an input quantity is, for example, a current outside air temperature or a current quality of the fuel.
  • the input variables also include quantities which are not accessible to a direct measurement but are determined by means of special software programs.
  • Such input quantities describe, for example, a current mill wear or a current degree of grinding fineness.
  • a fuel quality can be determined by means of a software-based online fuel analysis system, for example based on gamma rays or using other radiometric measurement methods.
  • cross-correlation measuring methods for air quantity measurement can be used to determine current input values for input variables that describe a specific air quantity.
  • the input variables designed as manipulated variables 5 fundamentally enable a known change or adaptation of the power plant operation.
  • the manipulated variables 5 allow, for example, the setting of different amounts of air, such as primary air, secondary air or combustion air, as well as the specification of fuel quantities for different burners or for different mills.
  • a power plant often has a plurality of manipulated variables and thus a plurality of possible combinations of control values.
  • the manipulated variables 5 shown in FIG. 1 correspond to at least some manipulated variables that are actually present in the power plant.
  • the manipulated variables 5 all or at least the most important control values which may be set during actual operation of the power plant.
  • the operating model 2 further comprises output variables 7, which describe, for example, an efficiency, steam temperatures, metal temperatures at specific locations or emission values.
  • the output quantities are typically quantities that enable a statement as to whether one or more optimization criteria are met.
  • the output quantities include quantities that are detectable during actual operation of the power plant. This makes it possible to adapt the operating model 2 or to check whether and, if appropriate, how exactly the output variables 7 determined by means of the operating model 2 correspond to the output variables actually recorded during operation of the power plant.
  • the quantities corresponding to the output quantities 7 are measured directly during operation of the power plant or determined on the basis of several different measurement results. For example, during operation of the power plant, a gas temperature is determined by detecting a speed of sound by means of an acoustic pyrometer. By means of a conversion or using a suitable map, the gas temperature corresponding to the measured sound velocity is then determined.
  • CO concentrations in the boiler near the wall can be determined at various points by suction and analysis, for example by means of a so-called IR absorption. Furthermore, one or more heat flux densities can be detected at various points in the combustion chamber by heat flow sensors.
  • the operating model 2 makes it possible to predict output values for the output quantities 7 from given input values for the input variables 6 and predetermined control values for the manipulated variables 6. This means that it can be predicted by means of the operating model which output values the output variable 7 assume when the power plant is operated with the entered input variables and manipulated variables.
  • the output variables 7 are connected to the input variables 6 and the manipulated variables 5, for example via a functional description.
  • the input variables 6 of the operating model 2 correspond to at least some input variables of the power plant and the output variables 7 of the operating model 2 correspond to at least some output variables of the power plant, a distinction is made below between the input variables 6 of the operating model 2 and the input variables of the power plant and between the output variables 7 of the operating model 2 and the output variables of the power station are always omitted if a distinction from the context is apparent or is not relevant to the understanding.
  • the operating model 2 illustrated in FIG. 1 comprises a neural network 4 which allows current input values of input variables 6 and manipulated variables of manipulated variables 5 as input and generates output values of the output variables 7 as output.
  • the neural network comprises in a known manner neurons which are connected via weighted connections and are arranged, for example, in a plurality of planes. The weighting of the individual connections can be generated automatically by a learning process of the neural network 4. For this purpose, different input values are created and the output values generated by the neural network 4 are compared with concrete, during the operation of the power plant output values, the power plant is operated under the same conditions, which are given by the input variables 6 and 5 manipulated variables.
  • the operational model 2 is particularly well suited for the purposes of the present invention, when the neural network 4 reliably generates output values that predict the actual values during operation of the power plant with sufficient accuracy.
  • the learning phase of the operating model 2 and thus in particular of the neural network 4 is typically terminated when a predetermined accuracy has been achieved.
  • FIG. 1 shows a cost function 9, which is formed from one or more of the output variables 7.
  • the output quantities 7 are provided with weights 8 for this purpose. This makes it possible to consider several output variables 7 in the cost function and to consider their weighting and thus their influence on the optimization process.
  • the cost function may further comprise further optimization variables 10, which are formed, for example, in another way from one or more output variables 7.
  • optimization variables 10 can also specify further parameters which can not be predicted directly by means of the operation model 2.
  • Such optimization variables may, for example, describe a deviation of a zone temperature in the boiler, wherein the deviation of the zone temperature has been determined by detection and comparison of several gas temperatures in different zones.
  • Such an optimization quantity 10 is thus based, for example, on a plurality of output variables.
  • Another optimization quantity 10 may describe a boiler efficiency that describes, for example, the ratio of a currently generated quantity of electricity to a specific quantity of fuel.
  • Another optimization variable may describe a current consumption of one or more fans.
  • An optimized operation of the power plant should therefore be made possible insofar as, for example, a minimization of the cost function 9 is to be achieved.
  • the optimization goals in the cost function 9 are described, for example, by weighting the individual components.
  • input variables and in particular control values 12 for manipulated variables 5 are determined, which enable optimized operation of the power plant when its manipulated variables are set to the determined manipulated values 12.
  • the optimizer uses the operating model 2, for example, by passing the ascertained control values 2 as input to the input variables and in particular to the manipulated variables 5.
  • the neural network 4 determines therefrom output values for the output quantities 7 and thus allows, for example, the optimizer 3 to determine for different specifications for manipulated values 12 by simply comparing which combination of manipulated values 12 enables a minimization of the cost function.
  • the optimizer 3 itself is realized as a mathematical model or by means of a neural network and, with a given cost function 9, makes it possible to output setting values 12.
  • the optimizer 3 also takes into account secondary conditions 11 in the generation of optimized control values 12.
  • secondary conditions 11 indicate, for example, absolute limit values for some optimization variables which may under no circumstances be exceeded or undershot.
  • a limit may be an emission limit that must not be exceeded during operation of the power plant.
  • a constraint 11 may further describe a temperature that must not be exceeded in order to avoid damaging the power plant.
  • FIG. 2 shows a simplified flow chart which shows steps of the method according to the invention.
  • a cost function 9 is specified.
  • current quantities corresponding to the input quantities 6 of the operating model 2 are detected. These quantities describe, for example, a temperature or a currently measured fuel quality.
  • a step 102 it is checked whether the change in size exceeds a predefinable threshold value. If this is the case, it is checked in a step 103 by means of the optimizer 3 whether an optimized operation of the power plant requires a change of the manipulated variables 5. For this purpose, set values 12 for the manipulated variables 5 are determined by means of the optimizer 3 as a function of the cost function 9 and of output variables 7 determined by means of the operating model 2. If the control values 12 deviate from the current settings at the power plant, then the corresponding control possibilities of the power plant are set to the determined control values in a step 104. This is preferably done automatically.
  • step 101 alternatively or additionally, measured values which correspond to the output quantities 7 can also be detected or determined. If, in this case, a deviation from an output value predicted by means of the operating model 2 is recognized for an output variable 7, the determination of optimized setting values 12 can likewise be carried out by means of the optimizer 3, so that optimized operation of the power plant is always possible. Furthermore, it is advantageous to always adapt or improve the operating model 2 and in particular the neural network 4 if the predicted output values for the output variables 7 do not correspond or do not sufficiently correspond to the values actually determined during operation of the power plant. For this purpose, the neural network 4 can be operated again in a learning process until the predicted output quantities 7 are again within a predetermined tolerance range.
  • the method outlined in FIG. 2 can contain a large number of further steps, which may include, for example, the order and method of acquiring measured values and starting the
  • an adaptation of the operating model 2 can be initiated by different events.
  • the output variables 7 can be determined at predetermined times or during a predetermined period of time and determined during the operation of the power plant. It is likewise possible to detect individual variables continuously during the operation of the power plant and to always carry out an adaptation of the operating model 2 and / or a determination of optimized control values 12.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Feedback Control In General (AREA)

Abstract

Um einen optimierten Betrieb eines Kraftwerks, insbesondere eines Dampfkraftwerks zu erreichen, wobei der Betrieb des Kraftwerks durch mindestens eine vorgebbare Stellgröße (5) beeinflussbar ist, wird vorgeschlagen, mittels eines auf einem Betriebsmodell (2) basierenden Optimierers (3) einen optimierten Stellwert (12) für die mindestens eine Stellgröße (5) derart zu ermitteln, dass eine vorgebbare Kostenfunktion (9) ein Optimum annimmt, falls ein der Stellgröße (5) zugeordneter Eingabewert (6) des Betriebsmodells (2) den optimierten Stellwert (12) annimmt. Zumindest falls der optimierte Stellwert (12) von einem aktuellen Stellwert der Stellgröße (5) abweicht, wird das Kraftwerk mit dem ermittelten Stellwert (12) betrieben. Hierbei umfasst das Betriebsmodell (2) Eingabegrößen (6) und Ausgabegrößen (7), wobei das Betriebsmodell (2) zumindest implizit eine Abhängigkeit der Ausgabegrößen (7) von den Eingabegrößen (6) beschreibt. Vorzugsweise umfasst das Betriebsmodell ein neuronales Netz (4).

Description

Titel : Optimierung des Betriebs eines Kraftwerks
Beschreibung
Die Erfindung betrifft ein Verfahren zum Betreiben eines Kraftwerks, Verfahren zum Betreiben eines Kraftwerks, insbesondere eines Dampfkraftwerks, wobei der Betrieb des Kraftwerks durch Eingabegrößen beeinflussbar ist und mindestens eine Eingabegröße als vorgebbare Stellgröße ausgebildet ist.
Die Erfindung betrifft auch ein System zum Betreiben eines Kraftwerks, insbesondere eines Dampfkraftwerks, wobei der Betrieb des Kraftwerks durch Eingabegrößen beeinflussbar ist und mindestens eine Eingabegröße als vorgebbare Stellgröße ausgebildet ist.
Die Erfindung betrifft auch ein Computerprogramm zur Steuerung und/oder Regelung des Betriebs eines Kraftwerks, insbesondere eines Dampfkraftwerks, wobei der Betrieb des Kraftwerks durch Eingabegrößen beeinflussbar ist und mindestens eine Eingabegröße als vorgebbare Stellgröße ausgebildet ist.
Ein Dampfkraftwerk ermöglicht die Erzeugung elektrischer Energie dadurch, dass mittels fossiler Brennstoffe wie Kohle oder Erdöl Wasserdampf erzeugt wird und die thermische Energie des Wasserdampfes mittels einer Dampfturbine in elektrische Energie umgewandelt wird. Hierzu wird ein < Dampfkessel mit den fossilen Brennstoffen befeuert.
Der Betrieb heutiger Dampfkraftwerke ist durch eine Vielzahl von Stellmöglichkeiten beeinflussbar. Beispielsweise sind bei der Befeuerung des Dampfkessels verschiedene Luftmengen (Primärluft, Sekundärluft, Ausbrandluft) einstellbar. Die Luftmengen können häufig auf verschiedene Teilstränge des Dampfkraftwerks verteilt werden. Ferner können die für die Verbrennung zur Verfügung gestellten Brennstoffmengen eingestellt werden. Ein Kohledampfkraftwerk weist beispielsweise eine Mehrzahl von Kohlemühlen auf, die zur Bereitstellung der benötigten Brennstoffmengen eingestellt werden können.
Es ist bekannt, derartige Stellgrößen durch Regelkreise auf einen Sollwert einzuregeln. Ferner werden eine oder mehrere der Stellgrößen durch Bedienpersonal eingestellt. Die Einstellung bzw. Sollwerte der Stellgrößen werden hierbei aufgrund von Erfahrungswerten vorgegeben. Insbesondere, wenn ein Kraftwerk eine Mehrzahl von Stellgrößen aufweist, ist eine Vielzahl verschiedener Stellmöglichkeiten vorhanden. Ferner sind einzelne Stellgrößen häufig nicht unabhängig voneinander, sondern beeinflussen wechselseitig den Betrieb des Kraftwerks.
Grundsätzlich werden Stellwerte für die Stellgrößen derart vorgegeben, dass ein bezüglich einer oder mehrerer Optimierungsgrößen optimaler Betrieb des Kraftwerks möglich ist. Grundsätzlich soll häufig möglichst viel Strom zu möglichst geringen Kosten produziert werden. Dies bedeutet, dass der Wirkungsgrad und die Leistung des Kraftwerks möglichst maximal sein sollen. Häufig sind jedoch mehrere Optimierungsgrößen zu berücksichtigen, die sich gegenseitig beeinflussen und dadurch nicht unabhängig voneinander betrachtet werden können. So soll beispielsweise zwar der Wirkungsgrad des Kraftwerks maximiert werden, die einzelnen Kraftwerkskomponenten, beispielsweise die Mühlen, Kessel, Rohrleitungen, Verdampfer, usw., sollen jedoch nicht überbeansprucht werden, da dies zu erhöhten Instandhaltungskosten führen würde. Ferner müssen Immissionsgrenzwerte sicher eingehalten werden.
Ein Betrieb des Kraftwerks, bei dem alle Optimierungsgrößen einen maximalen Wert haben, ist regelmäßig nicht möglich. So kann beispielsweise durch geeignete Wahl einer Stellgröße die Reduzierung einer Luftmenge und somit eine Erhöhung des Wirkungsgrades durch Reduzierung von Abgasverlusten erreicht werden, jedoch führt dies gleichzeitig zu einer Erhöhung der CO-Emission und damit möglicherweise zu einer Überschreitung eines zulässigen Emissionsgrenzwertes. Ferner kann eine derartige Erhöhung des Wirkungsgrades zu erhöhter Korrosion der Verdampferwand führen.
Die Vielzahl von Einstellmöglichkeiten der Stellgrößen und die Vielzahl unterschiedlicher Optimierungsziele bzw. Optimierungsgrößen des Kraftwerksbetriebs machen es für das Bedienpersonal unmöglich oder zumindest sehr schwer, ein Optimum für die Einstellungen sicher zu finden. Ein optimaler Betrieb eines Kraftwerks wird ferner dadurch erschwert, dass die einzelnen Optimierungsgrößen häufig keine ausgeprägten Extremwerte, also Minimal- bzw. Maximalwerte, aufweisen. Vielmehr weisen die Optimierungsgrößen in Abhängigkeit von den Stellmöglichkeiten oder von anderen Eingabegrößen, wie beispielsweise einer Umgebungsluft oder einem aktuellen Verschleiß einzelner Komponenten, in vielen Bereichen einen eher flachen Verlauf mit mehreren lokalen Minimal- bzw. Maximalwerten auf.
Es ist daher Aufgabe der vorliegenden Erfindung, ein Verfahren zum Betreiben eines Kraftwerks und ein System zum Betreiben eines Kraftwerks vorzuschlagen, das einen optimierten Betrieb des Kraftwerks ermöglicht. Es ist ferner Aufgabe der Erfindung, einen optimierten Betrieb derart zu erreichen, dass eine Änderung einzelner Eingabegrößen oder eine Änderung einer Optimierungsgröße, also eines vorgebbaren Optimierungsziels, stets möglichst rasch und insbesondere sicher wieder zu einem optimierten Betrieb führt bzw. ein optimierter Betrieb erhalten bleibt.
Die Aufgabe wird durch ein eingangs genanntes Verfahren dadurch gelöst, dass ein Betriebsmodell vorgegeben wird, wobei mittels des Betriebsmodells die Eingabegrößen, also beispielsweise die Stellgrößen und weitere, nicht einstellbare Größen, wie eine Außentemperatur oder ein aktueller Verschleißgrat einzelner Komponenten, und einige oder mehrere von den Eingabegrößen abhängige Ausgabegrößen beschrieben werden, sodass bei vorgegebenen Eingabewerten für die Eingabegrößen mittels des Betriebsmodells Ausgabewerte für die Ausgabegrößen ermittelbar sind. Das Betriebsmodell ist beispielsweise ein mathematisches Modell und ermöglicht die Vorhersage von Ausgabewerten für die Ausgabegrößen des Kraftwerks bei vorgegebenen Eingabewerten für die Eingabegrößen des Betriebsmodells.
Es wird ferner eine Kostenfunktion vorgegeben, die mindestens eine Optimierungsgröße umfasst, wobei die Optimierungsgröße von mindestens einer Ausgabegröße abhängig ist. Beispielsweise kann die Optimierungsgröße durch die Ausgabegröße selbst realisiert sein. Die Ausgabegröße kann beispielsweise eine Dampftemperatur sein und die Optimierungs'größe kann angeben, dass die Dampftemperatur einen möglichst hohen Wert einnehmen soll. Eine weitere Ausgabegröße könnte einen Dampfdruck beschreiben von der wiederum eine weitere Optimierungsgröße der Kostenfunktion abhängen könnte .
Mittels eines auf dem Betriebsmodell basierenden Optimierers wird schließlich ein optimierter Stellwert für die mindestens eine Stellgröße ermittelt. Ein Stellwert ist dann optimiert, wenn die Kostenfunktion ein Optimum einnimmt, falls das Kraftwerk mit dem optimierten Stellwert betrieben wird. Dies bedeutet, dass eine Optimierungsgröße einen Extremwertwert annimmt oder, falls die Kostenfunktion durch eine Mehrzahl von Optimierungsgrößen gebildet ist, dass die Kostenfunktion einen Extremwert, also beispielsweise ein Minimum, annimmt.
Der Optimierer verwendet für das Auffinden des optimierten Stellwertes oder der optimierten Stellwerte das Betriebsmodell und stellt damit sicher, dass ein Betrieb des Kraftwerks mit der optimierten Stellgröße einen bezüglich der Kostenfunktion optimierten Betrieb gewährleistet, da das Betriebsmodell den tatsächlichen Zusammenhang zwischen Eingabegrößen und Ausgabegrößen möglichst realistisch modelliert .
Das Betriebsmodell wird vorzugsweise durch ein neuronales Netz, eine Regression oder einen evolutionären Algorithmus gebildet. Vorzugsweise wird ein derartiges Betriebsmodell mit einem physikalischen Modell und/oder einer mathematischen Funktion kombiniert. Die Realisierung des Betriebsmodells durch ein neuronales Netz ermöglicht es grundsätzlich, das Betriebsmodell ohne Kenntnis des physikalischen Zusammenhangs zwischen den Eingabegrößen und der Ausgabegröße in dem Kraftwerk zu erstellen. Hierzu werden aus dem Bereich der künstlichen Intelligenz bekannte neuronale Netze eingesetzt, die an tatsächlich vorliegenden und beispielsweise durch Messungen erhaltenen Eingabegrößen und Ausgabegrößen angelernt werden. Insbesondere durch die Vielzahl an Stellmöglichkeiten einerseits und die Vielzahl an Abhängigkeiten sowohl der Ausgabegrößen von den Eingabegrößen als auch der Ausgabegrößen untereinander und der Eingabegrößen untereinander kann mittels eins neuronalen Netzes eine besonders genaue und sichere Vorhersage einer Änderung des Kraftwerkzustands erreicht werden, wenn eine oder mehrere Eingabegrößen verändert werden.
Der Optimierer verwendet das Betriebsmodell, um in einer bezüglich der Funktionsweise des neuronalen Netzes umgekehrter Betrachtungsweise für eine Kostenfunktion, die zumindest indirekt von einer Ausgabegröße oder von mehreren Ausgabegrößen des Kraftwerksbetriebs und insbesondere des Betriebsmodells abhängt, Stellwerte für die Stellgröße oder die Stellgrößen zu ermitteln, die notwendig sind, um die durch die Kostenfunktion vorgegebenen optimalen Werte der Ausgabegrößen bei dem Betrieb des Kraftwerks zu erreichen. Bei dem Prozess des Optimierens können ferner Nebenbedingungen berücksichtigt werden, die beispielsweise Beziehungen von Ausgabegrößen untereinander oder Grenzwerte für Ausgabewerte beschreibt.
Vorzugsweise beschreibt mindestens eine Eingabegröße eine aktuelle Kessellast, eine Außenlufttemperatur, eine Kohlequalität, einen aktuellen Mühlenverschleiß oder einen Mahlfeinheitsgrad für die zu mahlende Kohle. Diese Eingabegrößen beeinflussen insbesondere den Betrieb des Kraftwerks. Außerdem beschreibt vorzugsweise mindestens eine Stellgröße eine Ausbrandluftmenge, eine Sichtertemperatur einer Mühle, eine Drehzahl einer Mühle, eine Primärluft einer Mühle, eine Drehzahl eines Kohlezuteilers, die beispielsweise Einfluss auf eine sogenannte Feuerungsvertrimmung hat, oder einen Kohlendioxid-Sollwert der Gesamtluftmenge. Derartige Stellgrößen ermöglichen besonders gut eine Einflussnahme auf den Betrieb des Kraftwerks und realisieren damit Eingabegrößen, deren Einstellbarkeit zur Erreichung eines optimalen Betriebs besonders sinnvoll sind.
Vorzugsweise wird eine Eingabegröße mittels eines Softwarebasierten Analysesystems ermittelt. Beispielsweise wird die aktuelle Qualität eines Brennstoffs mittels eines Brennstoffanalysesystems ermittelt, das auf Basis radiometrischer Messverfahren durchgeführt wird. Hierzu werden beispielsweise Gammastrahlen eingesetzt und mittels eines Auswerteverfahrens wird auf eine aktuelle Brennstoffqualität geschlossen. Ferner kann eine Luftmengenmessung besonders genau mittels eines Cross- Correlation-Messverfahrens durchgeführt werden.
Gemäß einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens beschreibt mindestens eine Ausgabegröße einen Wirkungsgrad, eine Leistung, eine Gastemperatur, eine Dampftemperatur, eine Metalltemperatur, beispielsweise in einem Rohr oder an einer Kesselwand, eine CO-Konzentration, eine Wärmestromdichte, einen Wärmeeintrag auf eine Heizfläche, eine zu erwartende Abnutzung oder ein sich bei einem Betrieb mit den eingestellten Stellgrößen und den aktuellen Eingabegrößen ergebender Emissionswert, also beispielsweise eine CO-Konzentration. Derartige Ausgabegrößen sind zum einen besonders geeignet, Auswirkungen aktueller Eingabegrößen auf einen Betrieb des Kraftwerks zu erfassen. Außerdem können derartige Ausgabegrößen besonders gut zur Bildung von Optimierungsgrößen und damit zur Bildung einer Kostenfunktion herangezogen werden. Beispielsweise ermöglicht eine Ausgabegröße, die eine zu erwartende Abnutzung beschreibt, Aussagen über zu erwartende Betriebskosten. Diese Ausgabegrößen sind teilweise nicht unabhängig voneinander zu betrachten. Damit eignen sich diese Ausgabegrößen nochmals ganz besonders, um ein Betriebsmodell zu erstellen, da die Qualität des Betriebsmodells auch an der Genauigkeit von korrelierenden Ausgabegrößen gemessen werden kann.
Zur Erstellung des Betriebsmodells ist es notwendig, die Ausgabewerte während des Betriebs des Kraftwerks möglichst genau zu ermitteln, um damit eine möglichst genaue Rückmeldung für die Qualität des Betriebsmodells während der Lernphase des neuronalen Netzes zu ermöglichen. Ist eine Ausgabegröße eine Gastemperatur, so wird diese vorzugsweise über einen Querschnitt mit einem akustischen Pyrometer über verschiedene Messpfade erfasst. Ein Emissionswert kann besonders gut als CO-Konzentration in Wandnähe an verschiedenen Stellen durch Absaugen und Analyse, beispielsweise mittels einer IR-Absorption, erfasst werden. Eine Wärmestromdichte kann vorteilhafterweise an verschiedenen Stellen im Feuerraum durch Wärmestromsensoren erfasst werden. Ein Wärmeeintrag auf eine Heizfläche kann besonders vorteilhaft durch Rückrechnung mit einem thermodynamischen Kesselmodell bestimmt werden. Vorzugsweise erfolgt die Erfassung von Ausgabegrößen und/oder von Eingabegrößen während des Betriebs des Kraftwerks in Abhängigkeit von einem vorgebbaren Zeitpunkt, einer vorgebbaren Zeitspanne und/oder einer Änderung einer anderen Eingabegröße oder einer anderen Ausgabegröße. Damit wird erreicht, dass stets ein optimierter Betrieb des Kraftwerks möglich ist, da jede Änderung einer Eingabegröße oder einer Ausgabegröße grundsätzlich die Möglichkeit eröffnet, automatisch erneut optimierte Stellwerte für die Stellgrößen zu ermitteln und entsprechende Stellorgane in Abhängigkeit von den optimierten Stellwerten einzustellen, so dass wieder ein optimierter Betrieb des Kraftwerks erreicht wird.
Gemäß einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens beschreibt eine Optimierungsgröße zumindest indirekt eine Ausgabegröße. Besonders bevorzugt beschreibt eine Optimierungsgröße einen Kesselwirkungsgrad, eine Stromaufnahme eines Gebläses, eine Abweichung von einer Zonentemperatur, einen Gesamtwirkungsgrad oder eine Gesamtleistung.
Besonders vorteilhaft ist es, wenn die Kostenfunktion eine Mehrzahl von Optimierungsgrößen beziehungsweise Ausgabegrößen beschreibt und mindestens eine Optimierungsgröße hierbei gewichtet ist. Vorzugsweise sind sämtliche Optimierungsgrößen in der Kostenfunktion gewichtet. Dies ermöglicht die Vorgabe einer Kostenfunktion, die möglichst genau einen Kompromiss zwischen den überhaupt möglichen unterschiedlichen Optimierungszielen vorzugeben ermöglicht.
Vorteilhafterweise wird während des Betriebs des Kraftwerks mindestens eine aktuelle Eingabegröße oder eine aktuelle Ausgabegröße erfasst und eine Optimierung durchgeführt, sobald eine Änderung der Eingabegröße oder der Ausgabegröße erkannt worden ist. Die Erfindung betrifft auch ein System zum Betreiben eines Kraftwerks der eingangs genannten Art, wobei das System Mittel zur Durchführung des erfindungsgemäßen Verfahrens aufeist .
Von besonderer Bedeutung ist die Realisierung des erfindungsgemäßen Verfahrens in Form eines Computerprogramms. Dabei stellt das Computerprogramm ebenso die Erfindung dar wie das erfindungsgemäße Verfahren, zu deren Durchführung das Computerprogramm programmiert ist. Das Computerprogramm kann auf einem Computersystem, insbesondere auf einem Regel- und/oder Steuersystem zur Regelung und/oder Steuerung eines Kraftwerks, beispielsweise einer Leitwarte, ausgeführt werden. Dabei kann das Computerprogramm insbesondere aus einer Vielzahl von Komponenten bestehen, die auf unterschiedlichen Computern beziehungsweise Computersystemen ausgeführt werden.
Weitere Merkmale, Anwendungsmöglichkeiten und Vorteile der Erfindungen ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen der Erfindung, die in der Zeichnung dargestellt sind. Dabei bilden alle beschriebenen oder dargestellten Merkmale für sich oder in beliebiger Kombination den Gegenstand der Erfindung, unabhängig von ihrer Zusammenfassung in den Patentansprüchen oder deren Rückbeziehung sowie unabhängig von ihrer Formulierung beziehungsweise Darstellung in der Beschreibung beziehungsweise in der Zeichnung. Es zeigen:
Figur 1 eine schematische Darstellung eines Systems, das zu
Durchführung des erfindungsgemäßen Verfahrens geeignet ist;
Figur 2 eine schematische Darstellung eines Ablaufdiagramms einer Ausführungsform des erfindungsgemäßen Verfahrens . In Figur 1 ist ein System 1 schematisch dargestellt, das ein Betriebsmodell 2 und einen Optimierer 3 umfasst.
Das Betriebsmodell 2 umfasst Eingabegrößen 6, die teilweise als Stellgrößen 5 ausgebildet sind. Die Eingabegrößen 6 sind vorzugsweise den Kraftwerksprozess beeinflussende Parameter, die messtechnisch erfasst werden können. Eine solche Eingabegröße ist beispielsweise eine aktuelle Außenlufttemperatur oder eine aktuelle Qualität des Brennstoffs. Insbesondere umfassen die Eingabegrößen jedoch auch Größen, die einer direkten Messung nicht zugänglich sind, sondern mittels spezieller Software-Programme ermittelt werden. Derartige Eingabegrößen beschreiben beispielsweise einen aktuellen Mühlenverschleiß oder einen aktuellen Mahlfeinheitsgrad. So kann eine Brennstoffqualität mittels eines Software-basierten Online-Brennstoffanalysesystems, beispielsweise auf Basis von Gammastrahlen oder unter Verwendung anderer radiometrischer Messverfahren ermittelt werden. Ferner können Cross-Corelation-Messverfahren zur Luftmengenmessung zur Bestimmung aktueller Eingabewerte für Eingabegrößen herangezogen werden, die eine bestimmte Luftmenge beschreiben.
Die als Stellgrößen 5 ausgebildeten Eingabegrößen ermöglichen grundsätzlich eine bekannte Veränderung beziehungsweise Anpassung des Kraftwerkbetriebs. Die Stellgrößen 5 ermöglichen beispielsweise die Einstellung von verschiedenen Luftmengen, wie Primärluft, Sekundärluft oder Ausbrandluft, sowie die Vorgabe von Brennstoffmengen für verschiedene Brenner beziehungsweise für verschiedene Mühlen. Ein Kraftwerk weist häufig eine Mehrzahl von Stellgrößen und damit eine Vielzahl von möglichen Kombinationen von Stellwerten auf. Die in Figur 1 dargestellten Stellgrößen 5 entsprechen zumindest einigen Stellgrößen, die bei dem Kraftwerk tatsächlich vorhanden sind. Vorzugsweise können die Stellgrößen 5 alle oder zumindest die wichtigsten Stellwerte annehmen, die während des tatsächlichen Betriebs des Kraftwerks möglicherweise eingestellt werden sollen.
Das Betriebsmodell 2 umfasst ferner Ausgabegrößen 7, die beispielsweise einen Wirkungsgrad, Dampftemperaturen, Metalltemperaturen an bestimmten Stellen oder Emissionswerte beschreiben. Die Ausgabegrößen sind typischerweise Größen, die eine Aussage darüber ermöglichen, ob ein Optimierungskriterium oder mehrere Optimierungskriterien erfüllt sind. Insbesondere umfassen die Ausgabegrößen Größen, die während des tatsächlichen Betriebs des Kraftwerks erfassbar sind. Dies ermöglicht es, das Betriebsmodell 2 anzupassen beziehungsweise zu überprüfen, ob und gegebenenfalls wie genau die mittels des Betriebsmodells 2 ermittelten Ausgabegrößen 7 den tatsächlich während des Betriebs des Kraftwerks erfassten Ausgabegrößen entsprechen. Hierzu werden die den Ausgabegrößen 7 entsprechenden Größen während des Betriebs des Kraftwerks direkt gemessen oder auf Grundlage mehrerer unterschiedlicher Messergebnisse ermittelt. Beispielsweise wird während des Betriebs des Kraftwerks eine Gastemperatur dadurch ermittelt, dass eine Schallgeschwindigkeit mittels eines akustischen Pyrometers erfasst wird. Mittels einer Umrechnung oder unter Verwendung eines geeigneten Kennfelds wird dann die der gemessenen Schallgeschwindigkeit entsprechende Gastemperatur ermittelt.
Zur Ermittlung aktueller Emissionswerte während des Betriebs des Kraftwerks können CO-Konzentrationen in dem Kessel in Wandnähe an verschiedenen Stellen durch Absaugen und Analyse, beispielsweise mittels einer sogenannten IR-Absorption, ermittelt werden. Ferner können an verschiedenen Stellen im Feuerraum durch Wärmestromsensoren eine oder mehrere Wärmestromdichten erfasst werden. Mittels eines thermodynamischen Kesselmodells können ferner - durch Rückrechnung - die Wärmeeinträge auf verschiedene Heizflächen ermittelt werden. Das Betriebsmodell 2 ermöglicht es, aus vorgegebenen Eingabewerten für die Eingabegrößen 6 und vorgegebenen Stellwerten für die Stellgrößen 6, Ausgabewerte für die Ausgabegrößen 7 vorherzusagen. Dies bedeutet, dass mittels des Betriebsmodells vorhergesagt werden kann, welche Ausgabewerte die Ausgabegröße 7 annehmen, wenn das Kraftwerk mit den eingegebenen Eingabegrößen und Stellgrößen betrieben wird. Hierzu sind die Ausgabegrößen 7 mit den Eingabegrößen 6 und den Stellgrößen 5 beispielsweise über eine funktionale Beschreibung verbunden.
Da die Eingabegrößen 6 des Betriebsmodells 2 zumindest einigen Eingabegrößen des Kraftwerks entsprechen und die Ausgabegrößen 7 des Betriebsmodells 2 zumindest einigen Ausgabegrößen des Kraftwerks entsprechen^ wird im folgenden auf eine Unterscheidung zwischen den Eingabegrößen 6 des Betriebsmodells 2 und den Eingabegrößen des Kraftwerks sowie zwischen den Ausgabegrößen 7 des Betriebsmodells 2 und den Ausgabegrößen des Kraftwerks immer dann verzichtet, wenn eine Unterscheidung aus dem Kontext ersichtlich ist oder für das Verständnis nicht relevant ist.
Das in Figur 1 dargestellte Betriebsmodell 2 umfasst ein neuronales Netz 4, das als Eingabe aktuelle Eingabewerte von Eingabegrößen 6 und Stellwerte von Stellwerten 5 erlaubt und als Ausgabe Ausgabewerte der Ausgabegrößen 7 erzeugt. Das neuronale Netz umfasst hierzu in bekannter Weise Neuronen, die über gewichtete Verbindungen verbunden sind und beispielsweise in einer Mehrzahl von Ebenen angeordnet sind. Die Gewichtung der einzelnen Verbindungen können automatisch durch einen Lernvorgang des neuronalen Netzes 4 erzeugt werden. Hierzu werden verschiedene Eingabewerte angelegt und die von dem neuronalen Netz 4 erzeugten Ausgabewerte werden mit konkreten, während des Betriebs des Kraftwerks erfassten Ausgabewerten verglichen, wobei das Kraftwerk unter eben den Bedingungen betrieben wird, die durch die Eingabegrößen 6 und Stellgrößen 5 vorgegeben sind. Das Betriebsmodell 2 ist dann besonders gut im Sinne der vorliegenden Erfindung einsetzbar, wenn das neuronale Netz 4 zuverlässig Ausgabewerte erzeugt, die mit hinreichender Genauigkeit die tatsächlichen Werte während des Betriebs des Kraftwerks voraussagen. Hierzu wird die Lernphase des Betriebsmodells 2 und damit insbesondere des neuronalen Netzes 4 typischerweise dann beendet, wenn eine vorgegebene Genauigkeit erreicht worden ist. Selbstverständlich ist es möglich, das neuronale Netz 4 auch während des Betriebs des Kraftwerks und insbesondere während des erfindungsgemäßen Betriebs des Kraftwerks weiter zu verbessern beziehungsweise weiterhin anzulernen beziehungsweise zu adaptieren.
In Figur 1 ist eine Kostenfunktion 9 dargestellt, die aus einer oder mehreren der Ausgabegrößen 7 gebildet ist. Die Ausgabegrößen 7 sind hierzu mit Gewichten 8 versehen. Dies ermöglicht es, in der Kostenfunktion mehrere Ausgabegrößen 7 zu berücksichtigen und deren Gewichtung und damit deren Einfluss auf den Optimierungsprozess zu berücksichtigen. Die Kostenfunktion kann ferner weitere Optimierungsgrößen 10 umfassen, die beispielsweise auf andere Weise aus einer oder mehreren Ausgabegrößen 7 gebildet sind. Insbesondere können Optimierungsgrößen 10 auch weitere Parameter vorgeben, die mittels des Betriebsmodells 2 nicht direkt vorhergesagt werden können. Derartige Optimierungsgrößen können beispielsweise eine Abweichung einer Zonentemperatur in dem Kessel beschreiben, wobei die Abweichung der Zonentemperatur durch Erfassung und Vergleich mehrerer Gastemperaturen in verschiedenen Zonen ermittelt worden ist. Eine derartige Optimierungsgröße 10 basiert damit beispielsweise auf einer Mehrzahl von Ausgabegrößen. Eine weitere Optimierungsgröße 10 kann einen Kesselwirkungsgrad beschreiben, der beispielsweise das Verhältnis von einer aktuell erzeugten Strommenge zu einer bestimmten Brennstoffmenge beschreibt. Eine weitere Optimierungsgröße kann eine Stromaufnahme eines oder mehrerer Gebläse beschreiben. Ein optimierter Betrieb des Kraftwerks soll folglich insofern ermöglicht werden, als beispielsweise eine Minimierung der Kostenfunktion 9 erreicht werden soll. Hierzu sind die Optimierungsziele in der Kostenfunktion 9 beispielsweise durch Gewichtung der einzelnen Komponenten beschrieben.
Mittels des Optimierers 3 werden Eingabegrößen und insbesondere Stellwerte 12 für Stellgrößen 5 ermittelt, die einen optimierten Betrieb des Kraftwerks ermöglichen, wenn dessen Stellgrößen auf die ermittelten Stellwerte 12 eingestellt werden. Hierzu verwendet der Optimierer das Betriebsmodell 2 beispielsweise dadurch, dass die ermittelten Stellwerte 2 den Eingabegrößen und insbesondere den Stellgrößen 5 als Eingabe übergeben werden. Das neuronale Netz 4 ermittelt daraus Ausgabewerte für die Ausgabegrößen 7 und erlaubt damit beispielsweise dem Optimierer 3 für unterschiedliche Vorgaben für Stellwerte 12 durch einfaches Vergleichen festzustellen, welche Kombination von Stellwerten 12 eine Minimierung der Kostenfunktion ermöglicht.
In einer bevorzugten Ausführungsform ist der Optimierer 3 selbst als ein mathematisches Modell oder mittels eines neuronalen Netzes realisiert und ermöglicht bei vorgegebener Kostenfunktion 9 die Ausgabe von Stellwerten 12.
In dem in Figur 1 dargestellten Ausführungsbeispiel berücksichtigt der Optimierer 3 ferner Nebenbedingungen 11 bei der Erzeugung von optimierten Stellwerten 12. Derartige Nebenbedingungen 11 geben beispielsweise für einige Optimierungsgrößen absolute Grenzwerte an, die keinesfalls überschritten oder unterschritten werden dürfen. Ein solcher Grenzwert kann ein Emissionsgrenzwert sein, der während des Betriebs des Kraftwerks nicht überschritten werden darf. Eine Nebenbedingung 11 kann ferner eine Temperatur beschreiben, die nicht überschritten werden darf, um keine Schäden an dem Kraftwerk zu erzeugen. In Figur 2 ist ein vereinfachtes Ablaufdiagramm dargestellt, das Schritte des erfindungsgeinäßen Verfahrens zeigt. In einem Schritt 100 wird eine Kostenfunktion 9 vorgegeben. In einem Schritt 101 werden aktuelle Größen erfasst, die den Eingabegrößen 6 des Betriebsmodells 2 entsprechen. Diese Größen beschreiben beispielsweise eine Temperatur oder eine aktuell gemessene Brennstoffqualität . In einem Schritt 102 wird geprüft, ob die Änderung der Größe einen vorgebbaren Schwellwert überschreitet. Ist dies der Fall, so wird in einem Schritt 103 mittels des Optimierers 3 geprüft, ob ein optimierter Betrieb des Kraftwerks eine Änderung der Stellgrößen 5 benötigt. Hierzu werden mittels des Optimierers 3 in Abhängigkeit von der Kostenfunktion 9 und von mittels des Betriebsmodells 2 ermittelten Ausgabegrößen 7 Stellwerte 12 für die Stellgrößen 5 ermittelt. Weichen die Stellwerte 12 von den aktuellen Einstellungen bei dem Kraftwerk ab, so werden die entsprechenden Stellmöglichkeiten des Kraftwerks in einem Schritt 104 auf die ermittelten Stellwerte eingestellt. Dies wird vorzugsweise automatisch durchgeführt.
In dem Schritt 101 können alternativ oder ergänzend auch Messwerte erfasst beziehungsweise ermittelt werden, die den Ausgabegrößen 7 entsprechen. Wird hierbei eine Abweichung von einem mittels des Betriebsmodells 2 vorhergesagten Ausgabewert für eine Ausgabegröße 7 erkannt, so kann ebenfalls mittels des Optimierers 3 die Ermittlung optimierter Stellwerte 12 durchgeführt werden, so dass stets ein optimierter Betrieb des Kraftwerks möglich ist. Ferner ist es vorteilhaft, das Betriebsmodell 2 und insbesondere das neuronale Netz 4 stets dann anzupassen beziehungsweise zu verbessern, wenn die vorhergesagten Ausgabewerte für die Ausgabegrößen 7 nicht oder nicht in ausreichendem Maße mit den während des Betriebs des Kraftwerks tatsächlich ermittelten Werten übereinstimmen. Hierzu kann das neuronale Netz 4 wieder in einem Lernprozess betrieben werden, bis die vorhergesagten Ausgabegrößen 7 wieder innerhalb eines vorgegebenen Toleranzbereiches liegen.
Selbstverständlich sind eine Vielzahl von weiteren Ausführungsformen denkbar. Insbesondere kann das in Figur 2 skizzierte Verfahren eine Vielzahl weiterer Schritte enthalten, die beispielsweise die Reihenfolge und Art der Erfassung von Messwerten und das Starten des
Optimierungsprozesses betreffen. Ferner kann ein Adaptieren des Betriebsmodells 2 durch unterschiedliche Ereignisse initiiert werden. Insbesondere können den Ausgabegrößen 7 entsprechende und während des Betriebs des Kraftwerks ermittelbare Größen zu vorbestimmten Zeitpunkten oder während eines vorbestimmten Zeitraums ermittelt werden. Ebenso ist es möglich, einzelne Größen kontinuierlich während des Betriebs des Kraftwerks zu erfassen und stets eine Adaption des Betriebsmodells 2 und/oder eine Ermittlung von optimierten Stellwerten 12 durchzuführen.

Claims

Patentansprüche
1. Verfahren zum Betreiben eines Kraftwerks, insbesondere eines Dampfkraftwerks, wobei der Betrieb des Kraftwerks durch Eingabegrößen (6) beeinflussbar ist und mindestens eine Eingabegröße (6) als vorgebbare Stellgröße (5) ausgebildet ist, dadurch gekennzeichnet, dass
ein die Eingabegrößen (6) und mindestens eine Ausgabegröße (7) umfassendes, eine Abhängigkeit der Ausgabegröße (7) von den Eingabegrößen (6) zumindest implizit beschreibendes Betriebsmodell (2) vorgegeben wird, wobei mittels des Betriebsmodells (2) in Abhängigkeit von den den Betrieb des Kraftwerks beeinflussenden Eingabewerten für die Eingabegrößen (6) Vorhersagen eines Ausgabewerts für die mindestens eine Ausgabegröße (7) ermittelbar ist;
eine von mindestens einer Ausgabegröße (7) abhängige und mindestens eine Optimierungsgröße (10) beschreibende Kostenfunktion (9) vorgegeben wird;
mittels eines auf dem Betriebsmodell (2) basierenden Optimierers (3) ein optimierter Stellwert (12) für die mindestens eine Stellgröße (5) derart ermittelt wird, dass die Kostenfunktion (9) ein Optimum annimmt, falls ein der Stellgröße (5) zugeordneter Eingabewert des Betriebsmodells (2) den Stellwert (12) annimmt;
zumindest falls der optimierte Stellwert (12) von einem aktuellen Stellwert der Stellgröße (5) abweicht, die Stellgröße (5) des Kraftwerks auf den ermittelten Stellwert (12) gestellt wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Betriebsmodell (2) durch ein neuronales Netz (4), eine Regression oder einen evolutionären Algorithmus gebildet wird.
3. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass mindestens eine Eingabegröße (6) eine Kessellast, eine Außenlufttemperatur, eine Kohlequalität, einen Mühlenverschleiß oder einen Mahlfeinheitsgrad beschreibt .
4. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass mindestens eine Stellgröße
(5) eine Ausbrandluftmenge, eine Sichtertemperatur einer Mühle, eine Drehzahl einer Mühle, eine Primärluft einer Mühle, eine Drehzahl eines Kohlezuteilers
(Feuerungsvertrimmung) oder einen Kohlendioxid-Sollwert der Gesamtluftmenge beschreibt.
5. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass durch mindestens eine Ausgabegröße (7) ein Wirkungsgrad, eine Leistung, eine Gastemperatur, eine Dampftemperatur, eine Metalltemperatur, eine CO-Konzentration, eine Wärmestromdichte, ein Wärmeeintrag auf eine Heizfläche, eine zu erwartende Abnutzung oder ein Emissionswert beschrieben wird.
6. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die mindestens eine Optimierungsgröße (10) eine Ausgabegröße (7), einen Kesselwirkungsgrad, eine Stromaufnahme eines Gebläses, eine Abweichung einer Zonentemperatur, einen Gesamtwirkungsgrad oder eine Gesamtleistung, beschreibt.
7. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Kostenfunktion (9) eine Mehrzahl von Optimierungsgrößen (7, 10) umfasst, wobei mindestens eine Optimierungsgröße (7, 10) gewichtet ist.
8. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass mindestens eine Eingabegröße (6) mittels eines software-basierten Analysesystems ermittelt wird, insbesondere mittels eines Brennstoffanalysesystem auf Basis radiometrischer Messverfahren (Gammastrahlen) oder mittels eines cross correlation-Messverfahrens zur Luftmengenmessung.
9. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass zur Ermittlung mindestens eines Ausgabewerts einer Ausgabegröße (7)
die Gastemperatur über den Querschnitt mit einem akustischen Pyrometer über verschiedene Messpfade erfasst wird;
die CO-Konzentration in Wandnähe an verschiedenen Stellen durch Absaugen und Analyse (z.B. IR- Absorption) erfasst wird;
die Wärmestromdichte an verschiedenen Stellen im Feuerraum durch Wärmestromsensoren erfasst wird; und/oder
der Wärmeeintrag auf die Heizfläche durch Rückrechnung mit einem thermodynamischen Kesselmodell bestimmt wird.
10. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Erfassung der Ausgabegrößen (7) und/oder der Eingabegrößen (6) während des Betriebs des Kraftwerks in Abhängigkeit von einem vorgebbaren Kriterium erfolgt, wobei das Kriterium
einen vorgebbaren Zeitpunkt; eine vorgebbare Zeitspanne; und/oder
eine Änderung einer Eingabegröße oder einer Eingabegröße beschreibt .
11. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass während des Betriebs des Kraftwerks mindestens eine aktuelle Eingabegröße (6) und/oder eine aktuelle Ausgabegröße (7) erfasst wird und eine Optimierung mittels des Optimierers (3) durchgeführt wird, sobald eine Veränderung bei der erfasste Größe erkannt worden ist.
12. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass ein Ausgabewert der mindestens einen Ausgabegröße (7) erfasst wird, mit mindestens einem entsprechenden von dem Betriebsmodell
(2) erzeugten Ausgabewert verglichen wird, und das Betriebsmodell (2) zumindest dann angepasst wird, wenn die Abweichung einen vorgebbaren Schwellwert überschreitet .
13. System (1) zum Betreiben eines Kraftwerks, insbesondere eines Dampfkraftwerks, wobei der Betrieb des Kraftwerks durch Eingabegrößen (5, 6) beeinflussbar ist und mindestens eine Eingabegröße (5, 6) als vorgebbare Stellgröße (5) ausgebildet ist, dadurch gekennzeichnet, dass das System (1) umfasst
ein Eingabegrößen (5, 6) und Ausgabegrößen (7) umfassendes Betriebsmodell (2), mittels dessen in Abhängigkeit von vorgebbaren Eingabewerten für die Eingabegrößen (5, 6) Ausgabewerte für die Ausgabegrößen (7) ermittelbar sind, wobei mindestens eine Eingabegröße (5, 6) eine den Betrieb des Kraftwerks beeinflussende Stellgröße (5) beschreibt und wobei mindestens eine Ausgabegröße (7) eine während des Kraftwerkbetriebs ermittelbare Ausgabegröße beschreibt;
eine von mindestens einer Ausgabegröße (7) abhängige und mindestens eine Optimierungsgröße (10) beschreibende Kostenfunktion (9);
einen auf dem Betriebsmodell (2) basierenden Optimierer (3), mittels dessen ein optimierter Stellwert (12) für die mindestens eine Stellgröße (5) derart ermittelbar ist, dass die Kostenfunktion (9) ein Optimum annimmt, wenn der der Stellgröße (5) zugeordnete Eingabewert des Betriebsmodells (2) den Stellwert (12) annimmt;
Stellmittel zum Einstellen der Stellgröße (5) auf den optimierten Stellwert (12) .
14. System (1) nach Anspruch 13, dadurch gekennzeichnet, dass das Betriebsmodell (2) und/oder der Optimierer (3) mittels eines neuronalen Netz (4), einer Regression oder eines evolutionären Algorithmus realisiert ist
15. System (1) nach Anspruch 14, dadurch gekennzeichnet, dass das Betriebsmodell (2) und/oder der Optimierer (3) zusätzlich ein physikalisches Modell und/oder eine mathematische Funktion umfasst.
16. System (1) nach einem der Ansprüche 13 bis 15, dadurch gekennzeichnet, dass
mindestens eine Eingabegröße (6) eine Kessellast, eine Außenlufttemperatur, eine Kohlequalität, einen Mühlenverschleiß oder einen Mahlfeinheitsgrad beschreibt;
mindestens eine Stellgröße (5) eine Ausbrandluftmenge, eine Sichtertemperatur einer Mühle, eine Drehzahl einer Mühle, eine Primärluft einer Mühle, eine Drehzahl eines Kohlezuteilers (Feuerungsvertrimmung) oder einen Kohlendioxid- Sollwert der Gesamtluftmenge beschreibt; und
mindestens eine Ausgabegröße (7) einen Wirkungsgrad, eine Leistung, eine Gastemperatur, eine Dampftemperatur, eine Metalltemperatur, eine CO-Konzentration, eine Wärmestromdichte, einen Wärmeeintrag auf eine Heizfläche, eine zu erwartende Abnutzung oder einen Emissionswert beschreibt .
17. System (1) nach einem der Ansprüche 13 bis 16, dadurch gekennzeichnet, dass die mindestens eine Optimierungsgröße (10) eine Ausgabegröße (7), einen Kesselwirkungsgrad, eine Stromaufnahme eines Gebläses, eine Abweichung einer Zonentemperatur, einen Gesamtwirkungsgrad oder eine Gesamtleistung beschreibt.
18. System (1) nach einem der Ansprüche 13 bis 17, dadurch gekennzeichnet, dass die Kostenfunktion (9) eine Mehrzahl von gewichteten Optimierungsgrößen (10) umfasst .
19. System (1) nach einem der Ansprüche 13 bis 18, dadurch gekennzeichnet, dass das System Mittel zur Durchführung eines Verfahrens nach einem der Ansprüche 8 bis 12 aufweist .
20. Computerprogramm zur Steuerung und/oder Regelung des Betriebs eines Kraftwerks, insbesondere eines Dampfkraftwerks, wobei der Betrieb des Kraftwerks durch Eingabegrößen (5, 6) beeinflussbar ist und mindestens eine Eingabegröße (5, 6) als vorgebbare Stellgröße (5) ausgebildet ist, dadurch gekennzeichnet, dass das Computerprogramm zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 12 programmiert ist, wenn das Computerprogramm auf einem Computersystem, insbesondere einem Steuersystem zur Steuerung und/oder Regelung eines Kraftwerks, ausgeführt wird.
PCT/EP2008/010818 2007-12-20 2008-12-18 Optimierung des betriebs eines kraftwerks WO2009080282A2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102007061604A DE102007061604A1 (de) 2007-12-20 2007-12-20 Optimierung des Betriebs eines Kraftwerks
DE102007061604.1 2007-12-20

Publications (2)

Publication Number Publication Date
WO2009080282A2 true WO2009080282A2 (de) 2009-07-02
WO2009080282A3 WO2009080282A3 (de) 2009-11-05

Family

ID=40689638

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2008/010818 WO2009080282A2 (de) 2007-12-20 2008-12-18 Optimierung des betriebs eines kraftwerks

Country Status (2)

Country Link
DE (1) DE102007061604A1 (de)
WO (1) WO2009080282A2 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10280844B2 (en) 2016-11-17 2019-05-07 General Electric Company Control systems for controlling power systems based on fuel consumption and related program products
CN111829003A (zh) * 2020-06-22 2020-10-27 嘉兴汇智诚电子科技有限公司 一种电厂燃烧控制***及控制方法
CN116701919A (zh) * 2023-08-07 2023-09-05 德电北斗电动汽车有限公司 一种陀螺式氢燃料发电机的优化监测方法及***

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PT2856024T (pt) 2012-05-04 2023-10-09 Enero Invent Inc Sistema de controlo para atribuição de fluxo de vapor através de elementos
CN106383944A (zh) * 2016-09-12 2017-02-08 广东电网有限责任公司电力科学研究院 一种电站锅炉煤粉在变燃尽风量下的燃烧特性生成数值的模拟方法及装置
IT201800010468A1 (it) * 2018-11-20 2020-05-20 Aixprocess Gmbh Metodo e dispositivo per controllare un processo all'interno di un sistema, in particolare un processo di combustione all'interno di una centrale elettrica
KR102096558B1 (ko) 2018-11-26 2020-04-02 두산중공업 주식회사 연소 최적화를 위한 장치 및 이를 위한 방법
KR102176765B1 (ko) 2018-11-26 2020-11-10 두산중공업 주식회사 연소 최적화를 위한 학습 데이터를 생성하기 위한 장치 및 이를 위한 방법
KR102107586B1 (ko) 2018-11-26 2020-05-07 두산중공업 주식회사 연소 최적화를 관리하기 위한 장치 및 이를 위한 방법
EP4067630A1 (de) * 2021-03-30 2022-10-05 Siemens Energy Global GmbH & Co. KG Verfahren und einrichtung zur rechnergestützten steuerung und/oder regelung des betriebs eines energieerzeugungssystems, kombikraftwerk

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4745758A (en) * 1986-05-08 1988-05-24 Westinghouse Electric Corp. System for economic unit load distribution during process load transition
US20020168302A1 (en) * 2000-08-01 2002-11-14 Pahlman John E. System and process for removal of pollutants from a gas stream
US6591225B1 (en) * 2000-06-30 2003-07-08 General Electric Company System for evaluating performance of a combined-cycle power plant
US20070240648A1 (en) * 2006-03-06 2007-10-18 Badami Vivek V Systems and Methods for Multi-Level Optimizing Control Systems for Boilers

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5347466A (en) * 1991-07-15 1994-09-13 The Board Of Trustees Of The University Of Arkansas Method and apparatus for power plant simulation and optimization
JPH06236202A (ja) * 1993-02-10 1994-08-23 Hitachi Ltd プラントの運転方法及び装置
EP0731397B1 (de) * 1994-09-26 2001-05-16 Kabushiki Kaisha Toshiba Methode und system zur optimierung der nützlichkeit einer anlage
FI20010114A (fi) * 2001-01-18 2002-07-19 Gaia Group Oy Menetelmä voimalaitoksen yhteydessä
JP4115958B2 (ja) * 2004-03-26 2008-07-09 株式会社東芝 プラントの運転スケジュール最適化方法および最適化システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4745758A (en) * 1986-05-08 1988-05-24 Westinghouse Electric Corp. System for economic unit load distribution during process load transition
US6591225B1 (en) * 2000-06-30 2003-07-08 General Electric Company System for evaluating performance of a combined-cycle power plant
US20020168302A1 (en) * 2000-08-01 2002-11-14 Pahlman John E. System and process for removal of pollutants from a gas stream
US20070240648A1 (en) * 2006-03-06 2007-10-18 Badami Vivek V Systems and Methods for Multi-Level Optimizing Control Systems for Boilers

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10280844B2 (en) 2016-11-17 2019-05-07 General Electric Company Control systems for controlling power systems based on fuel consumption and related program products
CN111829003A (zh) * 2020-06-22 2020-10-27 嘉兴汇智诚电子科技有限公司 一种电厂燃烧控制***及控制方法
CN111829003B (zh) * 2020-06-22 2023-04-07 嘉兴汇智诚电子科技有限公司 一种电厂燃烧控制***及控制方法
CN116701919A (zh) * 2023-08-07 2023-09-05 德电北斗电动汽车有限公司 一种陀螺式氢燃料发电机的优化监测方法及***
CN116701919B (zh) * 2023-08-07 2023-10-03 德电北斗电动汽车有限公司 一种陀螺式氢燃料发电机的优化监测方法及***

Also Published As

Publication number Publication date
WO2009080282A3 (de) 2009-11-05
DE102007061604A1 (de) 2009-06-25

Similar Documents

Publication Publication Date Title
WO2009080282A2 (de) Optimierung des betriebs eines kraftwerks
EP2048553B1 (de) Regelkreis zur Regelung eines Prozesses, insbesondere Verbrennungsprozesses
DE102016116906A1 (de) Modell-basierte Charakterisierung der Druck/Last-Beziehung für die Laststeuerung eines Kraftwerks
DE69423895T2 (de) Virtuelles kontinuierliches emissionsüberwachungssystem mit gültigkeitsbestätigung des messfühlers
DE102006006597B4 (de) Verfahren und System zur Bestimmung einer Dampftemperatur-Beeinflussungssequenz
DE102019126310A1 (de) System und Verfahren zum Optimieren der Verbrennung eines Kessels
DE112014001000T5 (de) Gasturbinensystem, Steuer- bzw. Regelungseinrichtung und Gasturbinenbetriebsverfahren
DE102014115726A1 (de) Dampftemperatursteuerung unter verwendung eines modellbasierten temperaturausgleichs
DE102011052624A1 (de) Dampftemperaturregelung mittels dynamischer Matrixsteuerung
CH706985B1 (de) Verfahren, Vorrichtung und System zum Festlegen einer Sollabgastemperatur für eine Gasturbine.
DE102011052728A1 (de) Dynamische Matrixsteuerung von Dampftemperatur mit Prävention des Einfließens von gesättigtem Dampf in den Überhitzer
DE2054964A1 (de) Steuersystem fur einen Hochofen Winderhitzer
WO2010149687A2 (de) Verfahren zur regelung eines verbrennungsprozesses, insbesondere in einem feuerraum eines fossilbefeuerten dampferzeugers, und verbrennungssystem
EP1959115A2 (de) Verfahren zur automatischen Regelung einer oder mehrerer Feuerungstemperaturen einer Gasturbinenanlage und Verfahren zur Bestimmung des Wassergehalts im Arbeitsfluid einer Gasturbinenanlage
DE102019131310A1 (de) Heizgerät mit Notbetriebsregelung
EP0499976B1 (de) Verfahren zum Betreiben einer Müllverbrennungsanlage
WO2002046661A1 (de) Verfahren zum betreiben einer müllverbrennungsanlage
WO2012000929A2 (de) Verfahren und vorrichtung zur ermittlung von modellparametern zur regelung eines dampfkraftwerksblocks, regeleinrichtung für einen dampferzeuger und computerprogrammprodukt
DE102019126293B4 (de) System und Verfahren zum Regeln des Betriebs eines Kessels
CN105785761A (zh) 水泥生料分解过程温度智能切换控制方法
EP1051585B1 (de) Verfahren und vorrichtung zum betreiben einer verbrennungsanlage
DE102008039141A1 (de) Verfahren zur Leistungsregelung einer Kraft-Wärme-Kopplungsanlage
WO2007031535A2 (de) Verfahren zum ermitteln der aktuellen maximalleistung einer kraftwerksanlage und regelvorrichtung
EP3896339A1 (de) Verfahren zur anpassung einer steuerung eines heizgeräts
EP3214370B1 (de) Verfahren und vorrichtung zur verbrennung von festen organischen brennstoffen

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 08864203

Country of ref document: EP

Kind code of ref document: A2