《用于氧燃料燃烧动力设备的优化综合控制.pdf》由会员分享，可在线阅读，更多相关《用于氧燃料燃烧动力设备的优化综合控制.pdf（16页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN103339441A43申请公布日20131002CN103339441ACN103339441A21申请号201180066980X22申请日2011110812/962,36820101207USF23C9/00200601F23L7/00200601G05B13/0420060171申请人阿尔斯通技术有限公司地址瑞士巴登72发明人X娄74专利代理机构中国专利代理香港有限公司72001代理人肖日松严志军54发明名称用于氧燃料燃烧动力设备的优化综合控制57摘要一种用于优化氧燃料动力设备的控制系统包括优化器，其与氧燃料动力设备通信，氧燃料动力设备操作以使二氧化碳从烟气流再循环。
2、到锅炉；控制平台，其操作以控制氧燃料动力设备；以及模拟器，该模拟器操作以模拟氧燃料动力设备的性能。30优先权数据85PCT申请进入国家阶段日2013080786PCT申请的申请数据PCT/US2011/0596862011110887PCT申请的公布数据WO2012/078284EN2012061451INTCL权利要求书3页说明书7页附图5页19中华人民共和国国家知识产权局12发明专利申请权利要求书3页说明书7页附图5页10申请公布号CN103339441ACN103339441A1/3页21一种用于优化氧燃料动力设备的控制系统，所述控制系统包括优化器，其与所述氧燃料动力设备通信，所述氧燃料。
3、动力设备操作以使二氧化碳从烟气流再循环到锅炉；控制平台，所述控制平台操作以控制所述氧燃料动力设备；以及模拟器，所述模拟器操作以模拟所述氧燃料动力设备的性能。2根据权利要求1所述的控制系统，其特征在于，所述优化器进一步优化收入计算算法，所述收入计算算法基于所述氧燃料动力设备的多个输入参数向所述优化器提供收入输入；以及成本计算算法，其基于所述氧燃料动力设备的多个输出参数向所述优化器提供成本输入；其中所述优化器基于所述收入输入和所述成本输入中的至少一个确定优化的操作参数解，并且向所述氧燃料动力设备供应所述优化的操作参数解。3根据权利要求2所述的控制系统，其特征在于，所述多个输入参数包括下列中的至少一。
4、个燃料流量、吸附剂流量、空气流量、水流量、石灰石流量和固体循环速率，并且所述多个输出参数包括下列中的至少一个功率生成速率、二氧化碳利用、二氧化碳捕获、二氧化碳储存、烟气速率、燃烧器温度、氧化氮、二氧化硫和二氧化碳的出口质量。4根据权利要求2所述的控制系统，其特征在于，所述收入计算算法进一步基于排放信用额和寿命延长信用额中的至少一个来向所述优化器提供所述收入输入。5根据权利要求2所述的控制系统，其特征在于，所述成本计算算法进一步基于辅助功率成本、石灰石成本和燃料成本中的至少一个来向所述优化器提供所述成本输入。6根据权利要求1所述的控制系统，其特征在于，所述优化器为执行所述氧燃料动力设备的基于经济。
5、的优化的多变量优化器。7根据权利要求1所述的控制系统，其特征在于，所述控制平台包括多个控制器，且其中所述模拟器包括多个模拟器。8根据权利要求7所述的控制系统，其特征在于，所述多个控制器中的至少一个控制器为模型预测控制器。9根据权利要求8所述的控制系统，其特征在于，所述模型预测控制器为非线性模型预测控制器。10根据权利要求9所述的控制系统，其特征在于，所述非线性模型预测控制器包括模型部分、可操作地连接到所述模型部分的模拟器部分、以及可操作地连接到所述模型部分的优化器部分。11根据权利要求9所述的控制系统，其特征在于，所述非线性模型预测控制器包括状态估计器，例如扩展卡尔曼滤波器和无味卡尔曼滤波器。。
6、12根据权利要求10所述的控制系统，其特征在于，所述模型部分包括下列中的至少一个稳态模型、动态模型、适应性模型、模糊模型和神经网络模型，所述模拟器部分包括降阶建模模拟器，且其中所述优化器部分包括下列中的至少一个多变量优化器、基于梯度的优化器或者随机优化器，例如遗传算法优化器或嵌套分区优化器。13根据权利要求2所述的控制系统，其特征在于，所述优化器基于所述收入输入和所述成本输入中的至少一个来确定优化的操作参数解，并且向所述氧燃料动力设备的控制平台供应所述优化的操作参数解。14根据权利要求1所述的控制系统，其特征在于，所述优化器计算目标值且将这些目权利要求书CN103339441A2/3页3标值供。
7、应给所述控制平台以用于实时执行。15根据权利要求1所述的控制系统，其特征在于，所述设备优化器在线检索来自所述控制平台的数据且处理其以用于过程模型中的预测。16根据权利要求1所述的控制系统，其特征在于，所述优化器用以优化在方程式1中数学陈述的优化问题1服从由方程式2、3和4表示的一组数学条件234其中为预测输出向量，为输出状态设定点向量，为输入向量，为控制移动向量，NP和NCNCNP分别为预测和控制水平线，Q0、R0和S0为对称加权矩阵，并且J为用于优化的成本目标函数。17根据权利要求1所述的控制系统，其特征在于，所述优化器包括多个优化器。18根据权利要求1所述的控制系统，其特征在于，所述优化器。
8、包括用于烟气干燥器的第一优化器、用于静电除尘器的第二优化器以及用于烟气冷凝器的第三优化器。19根据权利要求1所述的控制系统，其特征在于，所述控制平台包括多个控制器。20根据权利要求1所述的控制系统，其特征在于，所述控制平台控制空气分离单元、锅炉、烟气干燥器、静电除尘器和烟气冷凝器以及涡轮发电机。21根据权利要求1所述的控制系统，其特征在于，所述模拟器包括用于空气分离单元的模拟器和用于锅炉的模拟器。22根据权利要求1所述的控制系统，其特征在于，所述优化器基于收入输入和成本输入中的至少一个确定优化的操作参数解，并且向所述氧燃料动力设备的控制平台供应所述优化的操作参数解。23根据权利要求1所述的控制。
9、系统，其特征在于，所述优化器计算目标值且将所述目标值供应给所述控制平台以用于实时执行。24根据权利要求1所述的控制系统，其特征在于，所述设备优化器在线检索来自所述控制平台的数据且处理其以用于过程模型中的预测。25根据权利要求2所述的方法，其特征在于，所述优化包括通过线性方程式或者并非二次形式方程式的其它形式来优化所述成本目标函数。26一种方法，包括模拟氧燃料动力设备中的空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器的性能；从所述模拟的性能生成所述空气分离单元、所述锅炉、所述烟气干燥器、所述静电除尘器和/或所述烟气冷凝器的性能的模型；测量所述空气分离单元、所述锅炉、所述烟气干燥器、所。
10、述静电除尘器和/或所述烟气权利要求书CN103339441A3/3页4冷凝器的输出；以及通过比较所述模拟的性能与实际性能，优化所述空气分离单元、所述锅炉、所述烟气干燥器、所述静电除尘器和/或所述烟气冷凝器以及涡轮发电机的性能。27根据权利要求26所述的方法，其特征在于，所述优化包括计算最佳目标值且将这些最佳目标值供给到控制平台以用于实时执行。28根据权利要求26所述的方法，其特征在于，所述优化包括基于收入输入和成本输入中的至少一个来确定优化的操作参数解。29根据权利要求26所述的方法，其特征在于，所述优化包括优化方程式1的成本目标函数1服从由方程式2、3和4表示的一组数学条件234其中为预测输。
11、出向量，为输出状态设定点向量，为输入向量，为控制移动向量，NP和NCNCNP分别为预测和控制水平线，Q0、R0和S0为对称加权矩阵，并且J为用于优化的成本目标函数。30根据权利要求29所述的方法，其特征在于，所述优化包括通过线性方程式或者并非二次形式方程式的其它形式来优化所述成本目标函数。权利要求书CN103339441A1/7页5用于氧燃料燃烧动力设备的优化综合控制技术领域0001本公开涉及用于氧燃料燃烧OXYFUELCOMBUSTION动力设备的优化综合控制。特别地，本公开涉及用于氧燃料粉煤动力设备或氧燃料循环流化床动力设备的优化综合控制。背景技术0002氧燃料燃烧系统使用氧气而不是空气用。
12、于主燃料的燃烧以产生烟气，烟气主要包括水蒸气和二氧化碳。这导致带有超过80体积二氧化碳浓度的烟气。虽然烟气的三分之二在该系统内再循环，但其余部分主要由二氧化碳和水蒸气以及少量的氩气、氮气、氧化氮和氧化硫组成被清理、压缩和随后运输到储存装置或到其它应用。0003图1描绘了一种配置成允许氧燃烧的示例性动力设备100。动力设备100大体包括空气分离单元200、锅炉300和烟气处理系统400。空气分离单元200与锅炉300和烟气处理系统400流体连通。锅炉300和烟气处理系统400位于空气分离单元的下游，烟气处理系统400位于锅炉300的下游。空气分离单元200从空气分离出氮气且将富氧气体传送到锅炉3。
13、00。锅炉300与蒸汽涡轮302连通且将蒸汽供应给涡轮302以驱动它。来自锅炉300的烟气被排放到烟气干燥器304和到静电除尘器306。0004从静电除尘器306发出的干燥且无微粒的烟气的一部分再循环到锅炉300，在此其与额外的进入空气其富含氧气且无氮气混合且传送到锅炉300。未再循环的烟气的其余部分其富含二氧化碳被进一步处理以移除水分，并且然后在压缩机308中经受压缩，且在封存SEQUESTRATION设施310中封存。0005存在与在动力设备中部署氧燃料燃烧相关联的一些新的挑战性问题。这些问题中的一些在下文中列出。0006在动力设备中使用氧燃料燃烧系统以实现二氧化碳的更容易捕获导致了优于不。
14、使用氧燃料消耗的相当动力设备的额外能量消耗。这种额外能量消耗主要源自于空气分离单元中的能量消耗约25至约30和烟气再循环约5至约10。这种能量消耗的增加导致了自动力设备的减小输出。0007由于使用富含氧气的气体，当氧气与再循环烟气的比例变化时发生燃烧变化。这提供了控制动力设备的新挑战。0008对设备系统的外部干扰，诸如电负载需求或二氧化碳产生的变化，将影响空气分离单元200、锅炉300和烟气处理系统400。由于烟气再循环和动力设备的闭合回路控制与电负载需求或与二氧化碳产生有关联，这些变化造成空气分离单元200、锅炉300和烟气处理系统400的功能变化。0009为了改进设备的功能效率和为了最小化。
15、电负载需求变化或二氧化碳产生变化的效果，希望使用控制系统，其能够合作地用于改进能量生成同时改进二氧化碳封存。发明内容说明书CN103339441A2/7页60010在本文中公开了一种用于优化氧燃料动力设备的控制系统，该控制系统包括优化器，其与氧燃料动力设备通信，氧燃料动力设备操作以使氧化碳从烟气流再循环到锅炉；该控制平台，控制平台操作以控制氧燃料动力设备；以及模拟器，该模拟器操作以模拟氧燃料动力设备的性能。0011在本文中公开了一种方法，其包括模拟与电网连通的氧燃料动力设备中的空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器以及涡轮发电机的性能；从模拟的性能生成空气分离单元、锅炉、烟。
16、气干燥器、静电除尘器和/或烟气冷凝器的性能的模型；测量空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器的输出；以及，通过比较模拟的性能与实际性能来优化空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器以及涡轮发电机的性能。附图说明0012图1描绘了配置成允许氧燃烧的示例性动力设备；图2反映了当烟气再循环时用于控制和优化动力设备性能的示例性氧燃料经济优化器和控制系统；图3反映了在优化的氧燃料二氧化碳燃烧设备中的模型过程控制器的操作的一些实施例；图4描绘了图2的氧燃料设备经济优化器的示例性实施例；图5示出了氧燃料锅炉模型预测控制器的结构，其可为使用氧燃料锅炉模型的监督最佳控制器。。
17、具体实施方式0013现在将参考附图在下文中更全面地描述发明，在附图中示出了各种实施例。然而，本发明可以许多不同形式实施且不应解释为限于本文陈述的实施例。而是，提供这些实施例，使得本公开将是透彻且完整的，并且将向本领域技术人员全面传达本发明的范围。相同的附图标记在全文中表示相同的元件。0014将了解，当元件被称作在另一元件“上”时，其可直接在另一元件上或者居间元件可存在于其间。相反，当元件被称作“直接在”另一元件上时，不存在居间元件。如本文所用的，术语“和/或”包括相关联的列出项目中的一个或多个的任何和所有组合。0015将了解，虽然在本文中可使用术语第一、第二、第三等来描述各种元件、构件、区域、。
18、层和/或部段，但这些元件、构件、区域、层和/或部段不应受这些术语限制。这些术语仅仅用来区分一个元件、构件、区域、层或部段与另一元件、构件、区域、层或部段。因此，在不偏离本发明的教导的情况下，下文讨论的第一元件、构件、区域、层或部段可被称作第二元件、构件、区域、层或部段。0016本文所用的术语仅仅出于描述特定实施例的目的，且并不意图为限制性的。如本文所用，单数形式“一”、“一个”和“该”意图也包括复数形式，除非上下文清楚地指出为其它。还将了解，术语“包括”和/或“包括的”或者“包含”和/或“包含的”当在本说明书中使用时，规定所陈述的特征、区域、整体、步骤、操作、元件和/或构件的存在，但并不排除一。
19、个或多个其它特征、区域、整体、步骤、操作、元件、构件和/或其群组的存在。说明书CN103339441A3/7页70017而且，在本文中可使用相对术语例如“下”或“底部”和“上”或“顶部”来描述如附图所示的一个元件与另一元件的关系。将了解，相对术语意图涵盖除了在附图中描绘的方位之外的该装置的不同方位。例如，如果在附图之一中的装置为颠倒的，那么被描述为在其它元件“下”侧上的元件将被定向为在其它元件“上”侧上。因此，示例性术语“下”可涵盖“下”和“上”两个方位，取决于图的特定方位。类似地，如果在附图之一中的装置为颠倒的，那么描述为在其它元件“下方”或“之下”的元件将定向于其它元件“上方”。因此，示例。
20、性术语“下方”或“之下”可涵盖上方和下方两个方位。0018除非另外定义，本文所用的所有术语包括技术和科学术语具有与本发明所属领域的技术人员通常理解的相同含义。还将了解，诸如在常用字典中定义的那些术语应被解释为具有与其在相关领域和本公开的上下文中的含义相一致的含义，并且不会以理想化或过于正式的意义来解释，除非在本文中如此定义。0019在本文中参考作为理想实施例的示意图的截面图来描述示例性实施例。因此，由于例如制造技术和/或公差，预期存在与图示形状的偏差。因此，本文描述的实施例不应理解为限于本文中示出的区域的特定形状，而是包括例如由于制造造成的形状偏差。例如，被图示或描述为平坦的区域通常可具有粗糙。
21、的和/或非线性的特征。此外，所图示的尖角可为倒圆的。因此，附图所示的区域在性质上是示意性的，并且其形状并不意图说明区域的精确形状且并不意图限制本权利要求的范围。0020在文中公开了一种用于控制基于氧燃料燃烧的二氧化碳捕获动力设备的综合系统，其包括非线性控制器和优化器，并且其组合稳态经济优化器与动态优化器。综合系统可有利地用于多种动力设备中且可用于合并寿命延长的控制、排放优化、经济优化和负载斜升LOADRAMPING控制。其也可用于包括故障检测器，该故障检测器便于对整个动力设备的容错控制策略FAULTCONTROLTOLERANTSTRATEGY。在示例性实施例中，其可用于氧燃料二氧化碳燃烧设备。
22、中。0021在本文中还公开了一种控制基于氧燃料燃烧的二氧化碳捕获动力设备的方法，其包括非线性控制器和优化器。在一个实施例中，该方法包括模拟与电网连通的氧燃料动力设备中的空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器、以及涡轮发电机的性能。从模拟的性能生成空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器、以及涡轮发电机的性能的模型。测量空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器、以及涡轮发电机的输出。比较该模型与实际输出，并且然后通过比较模拟性能与实际性能而优化空气分离单元、锅炉、烟气干燥器、静电除尘器和/或烟气冷凝器以及涡轮发电机的性能。0022在动力设备。
23、中使用综合过程优化系统产生了一些优点。通过使用协调包括发电过程、锅炉设计过程和设备布局的动力设备的各种特征的优化器，可显著改进动力设备的效率，并且可最小化二氧化碳捕获的负面影响。在一个实施例中，通过在综合且共同受控且彼此通信的设备的不同部分之间使用过程优化器，可控制且最小化二氧化碳捕获的负面影响。在示例性实施例中，通过优化涉及发电如氧气产生、煤供给、烟气清洁和再循环的处理结合涉及设备设计如锅炉设计和蒸汽循环布局的处理，可有效地控制且最小化二氧化碳捕获的负面影响。0023发电过程的实时优化将帮助动力设备维持竞争裕度，通过考虑单元动态性能以及说明书CN103339441A4/7页8电、燃料、吸附剂。
24、的变化市场价格、主要排放二氧化碳、氧化氮、二氧化硫、汞、微粒物等的贸易价格和与维护成本有关的构件寿命延长。0024图2反映了当烟气再循环时即，在氧燃料二氧化碳燃烧动力设备中用于控制和优化动力设备性能的示例性氧燃料经济优化器和控制系统500下文中，控制系统500。在一个实施例中，动力设备可为粉煤动力设备或循环流化床动力设备。控制系统500包括与分布式控制系统平台800通信的模拟器700。分布式控制系统平台800与主控制器和优化器900通信。在一个实施例中，模拟器700、分布式控制系统平台800和优化器900彼此操作通信。在示例性实施例中，模拟器700、分布式控制系统平台800和优化器900彼此电。
25、通信。优化器900包括与设备主控制器952通信的设备经济优化器950。经济优化器为多变量优化器。0025模拟器700包括模拟图1所示的动力设备的构件的行为的多个模拟器。空气分离单元模拟器708模拟空气分离单元200的性能。由氧燃料锅炉模拟器710模拟氧燃料锅炉300的性能。后端过程模拟器分别模拟烟气干燥器304、静电除尘器306和烟气冷凝器400的性能。第一模拟器702模拟烟气干燥器304的性能。第二模拟器704模拟静电除尘器306的性能。第三模拟器706模拟烟气冷凝器400的性能。0026第一模拟器702、第二模拟器704和第三模拟器706、空气分离单元模拟器708和氧燃料锅炉模拟器710经。
26、由第一原理方程式例如，质量、动量和能量平衡和经由线性和非线性模型来模拟相应构件的性能。模拟器可为稳态过程模拟器或动态模拟器。建模和模拟包括常微方程式ODE、代数方程式AE和偏微分方程式PDE的任意组合。此外，在组合了简化第一原理模型与数据驱动模型的混合动态模型结构中使用经验建模方法，例如，神经网络NN，如带有外因输入的非线性自回归网络NARX、带有外因输入的非线性自回归移动平均NARMAX、小波网络模型和维纳哈默斯坦模型。另外，使用线性化模型和非线性模型两者的多变量模型预测控制MPC向动态优化提供解。主模拟器720与第一模拟器702、第二模拟器704和第三模拟器706、空气分离单元模拟器708。
27、和氧燃料锅炉模拟器710中的每一个通信。主模拟器720在从动装置即，第一模拟器702、第二模拟器704和第三模拟器706、空气分离单元模拟器708和氧燃料锅炉模拟器710的设置期间是有用的，并且用于检查从动装置的功能。其通常用于测试且用作从动装置的诊断工具。0027模拟器中的每一个即，第一模拟器702、第二模拟器704和第三模拟器708、空气分离单元模拟器708和氧燃料锅炉模拟器710可为动态模拟器，其使用先进的技术来模拟实际氧燃料处理。具体而言，动态模拟器可为基于ROM降阶模型的模拟器。0028图2中描绘的优化过程使用并行的过程性能和控制系统设计分析。通过使用过程性能模拟器和动态模拟器两者，。
28、预测、评价且因此有效地优化该优化设备性能和操作参数。过程性能模拟器包括例如使用理论和经验模型诸如设计标准的过程模型和/或回归模型和基于操作数据库的NN模型的热动态、热经济和排放预测，但并不限于此。0029动态模拟器包括第一原理模型，或备选地，例如组合的第一原理和数据驱动经验模型和/或小波网络模型以及控制逻辑模拟模块。对于寿命延长控制，包括材料模型，从而允许材料损坏预测和寿命延长控制模拟。0030现在再次参考图2，分布式控制系统平台800控制空气分离单元200、锅炉300、烟气干燥器304、静电除尘器306和烟气冷凝器400。分布式控制系统平台800与优化器900说明书CN103339441A5。
29、/7页9通信。优化器900包括与设备主控制器950通信的设备经济优化器952。设备优化器952在线检索来自分布式控制系统平台800的数据且处理其以用于过程模型的预测。优化器计算最佳目标值且将它们传回到分布式控制系统平台800以用于实时执行。目标值可超过现有分布式控制系统平台800设定点或者向现有设定点添加偏离来证实它们为新计算的目标值。操作约束将应用于优化计算中。0031如上文指出的，分布式控制系统800包括控制系统平台802，其控制空气分离单元200、锅炉300、烟气干燥器304、静电除尘器306和烟气冷凝器400和/或涡轮发电系统未示出。在一个实施例中，控制系统平台802可通过如图2所示的。
30、个别控制系统来控制动力设备100的相应部分。在另一实施例中，可使用捆包控制器来控制空气分离单元200、锅炉300、烟气干燥器304、静电除尘器306和烟气冷凝器400。0032氧燃料设备主控制器950与用于空气分离单元200的模型过程控制器908和用于锅炉300的模型过程控制器910通信。氧燃料设备主控制器950也与相应的优化器，即分别用于烟气干燥器304、静电除尘器306和烟气冷凝器400的第一优化器最佳控制器902、第二优化器最佳控制器904和第三优化器最佳控制器906通信。设备经济优化器952也与设备主控制器950且与第一优化器902、第二优化器904和第三优化器906通信。由于确定优化。
31、设备性能和操作参数可涉及到多个迭代以在一些设计场景间进行选择，因而可包括额外优化器未示出，使得在由设备经济优化器952优化之前对过程性能和控制系统设计进行预先优化。0033图3和图4反映了在优化氧燃料二氧化碳燃烧设备中模型过程控制器的操作的一些实施例。在操作中，模型过程控制器850从动力设备100接收氧燃料过程输出参数104。氧燃料过程输出参数104包括但不限于负载需求、功率和气体例如H2、N2、CO2和/或合成气流率。使用设定点714和预定参数716，模型过程控制器850优化建模设备参数并且基于它向设备100提供优化的氧燃料过程输入控制参数102。在示例性实施例中，优化氧燃料过程输入控制参数。
32、102为固体运输库存控制变量，但备选示例性实施例并不限于此。例如，优化的氧燃料过程输入控制参数102可为反应器温度控制变量、环路温度控制变量、炉温度控制变量、负载斜升控制变量、设备启动逻辑算法、反应器压力变量、反应器差压变量、设备停机控制逻辑算法和燃料/空气/石灰石/蒸汽比例，但备选示例性实施例并不限于前述列表。0034模型过程控制器850包括模型部分818、估计器820和优化器822。虽然图3的模型过程控制器850与动力设备100通信，但其可与设备的其它较小部分中的任一个通信，例如锅炉或空气分离单元，并且可用于控制设备的这些较小部分。例如，模型过程控制器850可为用于空气分离单元200的模型。
33、过程控制器908且带有用于锅炉300的模型过程控制器910，如图1所示。数据通信可通过使用带有分布式控制系统平台的OPC用于过程控制的对象链接和嵌入来进行，但并不限于此。0035在一个实施例中，模型过程控制器850可包括从第一原理方程式如质量、动量和能量平衡导出的线性或非线性动态建模和模拟。而且，在组合了简化第一原理模型与数据驱动模型的混合动态模型结构中使用经验建模方法，例如非线性神经网络。在示例性实施例中，模型过程控制器利用当前设备控制系统构件，例如现有的比例积分微分PID控制器，以利用具有优化能力的基于模型的预测控制来补充和/或替换当前的设备控制系说明书CN103339441A6/7页10。
34、统。更具体而言，根据示例性实施例的模型过程控制器850的模型部分818包括非线性稳态模型和一个或多个线性或非线性动态模型。此外，稳态模型和/或动态模型可各自使用适应性、模糊和/或NN建模技术和/或第一原理建模技术，以将氧燃料动力设备的复杂、非线性的多相流动和化学反应建模。0036图4描绘了图2的氧燃料设备经济优化器952的示例性实施例。氧燃料设备经济优化器952与图1的动力设备100通信。在示例性实施例中，氧燃料设备经济优化器952包括多变量优化器912，其执行动力设备100的总体基于经济的优化。更具体而言，多变量优化器912关注与动力设备100相关联的器械的热经济性能、排放减少和/或控制以及。
35、寿命延长标准。多变量优化器912使用非线性模型或线性模型来优化动力设备的性能。在示例性实施例中，多变量优化器912使用非线性模型来优化动力设备的性能。0037为了执行动力设备100的基于经济的优化，多变量优化器912分别通过成本计算算法918和收入计算算法920接收动力设备100的输入参数102和输出参数104，如图4所示。在示例性实施例中，输入参数102包括但不限于燃料流量、吸附剂流量、空气流量、水流量、石灰石流量、固体循环速率等。输出参数104包括功率生成速率、排放信用额、寿命延长、过程蒸汽作为输出产物、CO2利用、CO2捕获配置为负收入、CO2储存配置为负收入等。0038多变量优化器91。
36、2从成本计算算法918和收入计算算法920接收输出以基于诸如下列的约束来确定动力设备100的优化的操作参数解例如，预定操作约束924、市场约束926和环境约束928。并未描绘但也可包括于图4中的其它约束为与由于国家/州排放法规或特定用户贸易惩罚关于基于二氧化碳纯度方面的品质或者过程蒸汽在压力/温度和纯度方面的品质的产品保险所造成的、可引入到成本目标函数例如，贸易惩罚内的控制促动器或硬约束排放限制、软约束相关联的约束。0039在示例性实施例中，成本计算算法918合计一组预定个别成本因子CI与输入参数102的个别输入XI的乘积，而收入计算算法920合计一组预定个别收入因子PI与输出参数104的个别。
37、输出YI的乘积。个别成本因子CI包括例如辅助功率成本、石灰石成本和燃料成本等。个别收入因子PI包括例如排放信用额和寿命延长信用额等。0040多变量优化器912使用分布式控制系统914和先进过程控制APC数据输入/输出系统916将优化的操作参数解应用于动力设备100，如图4所示。因此，动力设备100在最佳总体基于经济的操作点下操作。0041在一个实施例中，多变量优化器912可使用任何非线性优化求解器，只要其能结合具体设备模型和相关联约束来工作。经由故障检测器922的故障信息也可用于优化。故障可与反馈过程、传感器、控制器、促动器或动力设备的其它部分相关联。典型过程故障可包括气体泄漏、阀堵塞、阀泄漏。
38、或堵塞、对于烟气过程或水/蒸汽过程的压力平衡的损失、较差燃烧稳定性、粉碎机运行故障、ASU和GPU运行故障、烟气再循环环路运行故障、炉温度/压力太高或太低、违反燃烧排放限制等。可经由混合整体优化将故障信息引入到优化过程中。0042在图5中示出了氧燃料动力设备100的一般输入参数102和输出参数104。图5示出了用于氧燃料锅炉模型预测控制器的结构，其可为使用氧燃料锅炉模型的监督最佳控制器。如在图5中看出，输入参数102和输出参数104可在燃烧参数和与水/蒸汽过程有关说明书CN103339441A107/7页11的参数之间分割。燃烧过程的一般输入为燃料、吸附剂和PA氧气主氧气流和SA氧气次氧气流，。
39、而燃烧过程的一般输出为烟气速率、燃烧器温度、氧化氮、二氧化硫和二氧化碳的出口质量。0043到氧燃料燃烧中的水/蒸汽过程的一般输入为给水、喷水和以兆瓦计的功率需求。氧燃料燃烧中的流/水过程的一般输出为蒸汽流量、蒸汽温度、蒸汽质量和鼓筒DRUM/分离器水平和压力部分金属温度若适用。0044用于图4的氧燃料锅炉模型过程控制器的优化问题可在数学上在方程式1中如下陈述1服从图4中的操作条件和以下数学条件234其中为预测输出向量，为输出状态设定点向量，为输入向量，为控制移动向量，NP和NCNCNP分别为预测和控制水平线，Q0、R0和S0为对称加权矩阵。J为用于优化的成本目标函数。在模型预测控制公式中使用二。
40、次成本函数。成本函数可为线性成本函数，并且取决于对于给定设备系统、子系统或构件用公式表达的问题。0045对于非线性模型，状态估计器若需要可为扩展卡尔曼滤波器EKF或无味UNSCENTED卡尔曼滤波器UKF。因此，多变量优化器904可为任何非线性优化器，只要其能结合具体单元模型和估计器工作。0046总之，根据示例性实施例的过程设计和控制优化包括多变量、非线性工具，其对氧燃料动力设备提供综合的、动态的和稳态的性能和控制设计优化。因此，设备排放显著地减少和/或有效地最小化，同时总体经济设备效率显著地改进，从而导致较低的总体操作成本。0047虽然已参考各种示例性实施例描述了本发明，但本领域技术人员将了。
41、解，在不偏离本发明的范围的情况下，可做出各种变化且等效物可用于替换本发明的元件。此外，可做出许多修改以在不偏离本发明的实质范畴的情况下使特定情形或材料适应于本发明的教导。因此，本发明并不意图限于作为执行本发明所设想的最佳实施方式而公开的特定实施例，而是，本发明将包括落入所附权利要求的范围内的所有实施例。说明书CN103339441A111/5页12图1说明书附图CN103339441A122/5页13图2说明书附图CN103339441A133/5页14图3说明书附图CN103339441A144/5页15图4说明书附图CN103339441A155/5页16图5说明书附图CN103339441A16。