[go: up one dir, main page]

CN102395926A - 用于优化回收锅炉参数的方法和系统 - Google Patents

用于优化回收锅炉参数的方法和系统 Download PDF

Info

Publication number
CN102395926A
CN102395926A CN2009801588022A CN200980158802A CN102395926A CN 102395926 A CN102395926 A CN 102395926A CN 2009801588022 A CN2009801588022 A CN 2009801588022A CN 200980158802 A CN200980158802 A CN 200980158802A CN 102395926 A CN102395926 A CN 102395926A
Authority
CN
China
Prior art keywords
recovery boiler
boiler
parameters
units
process model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2009801588022A
Other languages
English (en)
Other versions
CN102395926B (zh
Inventor
T·P·马图尔
B·布迪斯里尼瓦萨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ABB Schweiz AG
Original Assignee
ABB Research Ltd Switzerland
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 ABB Research Ltd Switzerland filed Critical ABB Research Ltd Switzerland
Publication of CN102395926A publication Critical patent/CN102395926A/zh
Application granted granted Critical
Publication of CN102395926B publication Critical patent/CN102395926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • DTEXTILES; PAPER
    • D21PAPER-MAKING; PRODUCTION OF CELLULOSE
    • D21CPRODUCTION OF CELLULOSE BY REMOVING NON-CELLULOSE SUBSTANCES FROM CELLULOSE-CONTAINING MATERIALS; REGENERATION OF PULPING LIQUORS; APPARATUS THEREFOR
    • D21C11/00Regeneration of pulp liquors or effluent waste waters
    • D21C11/12Combustion of pulp liquors
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Paper (AREA)

Abstract

提供了一种用于优化纸浆厂中的回收锅炉的参数的方法和系统。该方法基于使用第一原理数学模型来估计以别的方式不能测量的参数,以准确地控制回收锅炉的性能。此外,提供了一种使用回收锅炉的估计参数来控制和稳定回收锅炉下游的过程的方法。还提供了执行用于控制和优化回收锅炉的性能和操作参数的方法的系统。

Description

用于优化回收锅炉参数的方法和系统
技术领域
本发明大体而言涉及用于大体优化回收锅炉过程的系统和方法。更特定而言,本发明涉及优化在纸浆厂中所用的回收锅炉过程。
背景技术
回收锅炉为在黑液回收循环中的主要设备,黑液在蒸煮再生过程期间和其它制浆过程期间形成。黑液包含溶解的有机化合物(来自木材)和无机化合物(NaOH、Na2S、Na2CO3和Na2SO4)。Na2S和NaOH为蒸煮器中的制浆过程所需的化学品。Na2CO3和Na2SO4为不希望的化学物类。回收锅炉在回收锅炉中的炉底部经由还原反应从Na2SO4回收Na2S。在回收锅炉之后的苛化过程中从Na2CO3回收NaOH。来自回收锅炉和苛化器的回收流包含NaOH和Na2S作为主要物类且反馈到蒸煮器以用于制浆过程。总之,回收锅炉用于(i)回收无机煮制化学品,(ii)通过焚烧从木材得到的有机材料而生成热能,以及(iii)燃烧有机化学品以便不作为污染物从该工厂排放它们。通过回收锅炉过程,纸浆厂节省了化学成本且因此回收锅炉(以及还有苛化器)提高了纸浆厂的经济性能。
化学回收锅炉为纸浆厂中的液体循环的主要构件和总体工厂经济性能的重要关键因素。若干问题增加了回收锅炉操作的重要性和复杂性。热值(Btu含量)和黑液温度的变化,黑液液滴的大小,燃烧空气的温度和分布可导致锅炉的变化的性能,这进而会影响所生成的蒸汽的品质和来自锅炉的排放。在回收锅炉内发生的强烈耦合的现象使得更难最佳地操作该过程。锅炉的最佳性能意味着回收煮制化学品的最大还原效率,来自锅炉的减少的排放以及维持蒸汽品质处于所需水平。因此,强烈地需要开发一种考虑所有上述因素以确保最佳锅炉性能的方法。
现代纸浆厂使用复杂控制系统,例如,分布式控制系统(DCS),以调节并优化与纸浆厂相关的各种过程。DCS也可优化制浆和造纸中涉及的操作和生产。控制和优化策略通常基于关于DCS可用的建模和模拟模块。在文献中可获得多种过程模型,包括用于回收锅炉的过程模型,且使得基于这些模型的主要新模块可用作用于针对纸浆和造纸厂定位的DCS的软件/硬件(大部分为软件)解决方案。
在文献中的用于回收锅炉的过程模型为基于第一原理的模型或者数据驱动模型。这些模型用于脱机模拟和用于控制和优化应用。用于控制和优化应用的模型需要在数学上足够简单以保证收敛性且同时在数学上足够复杂以捕获所需过程变量中的重要的动力学和关系。数据驱动模型具有它们在数学上简单的优点,但这些模型的用途限于回收锅炉的窄操作区域。基于第一原理的模型具有以下优点:它们捕获问题的物理过程(physics)且因此其模型预测可靠地用于宽范围的回收锅炉操作条件。因此,如果可公式化和利用基于第一原理的模型,则需要基于第一原理的模型。
主要挑战在于控制回收锅炉内的还原过程。化学品、NaOH、Na2S、Na2CO3和Na2SO4的直接测量不能在回收锅炉中使用。因此,难以得到回收锅炉中的还原效率的直接估计,回收锅炉中的还原效率取决于上文提到的化学品的浓度。数据驱动模型使用还原效率的间接测量,即,在回收锅炉中的炉底部处的焦床的温度。但是,还原效率也取决于若干其它因素,诸如床底部的氧气可用性,进入回收锅炉的炉的黑液的化学组成,在黑液从液体喷嘴到焦床的行程期间发生的干燥,挥发和燃烧反应。上文所提到的所有这些现象都影响到达焦床的化学物类(碳、NaOH、Na2S、Na2CO3和Na2SO4)的浓度且因此影响还原反应速率。因此,采用焦床温度作为还原过程量度的数据驱动模型可能会不准确地控制还原过程。
数据驱动模型准确地预测还原反应速率的低效和其不能捕获还原过程对回收锅炉的多种过程变量的依赖性导致回收锅炉过程的低效控制和优化。作为各种耦合现象,诸如燃烧,焦挥发和还原发生于回收锅炉中,数据驱动模型不能高效地控制和优化回收锅炉过程。这导致较差的还原效率,较差的燃烧和来自回收锅炉的污染物的更高排放。所有这些因素都增加了纸浆厂的成本。
因此,强烈地需要开发准确地预测过程变量(包括在回收锅炉中的化学物类的浓度)且还高效地控制并优化回收锅炉过程的方法和系统。
发明目的
本发明的主要目的为预测和优化回收锅炉的总性能。
本发明的另一目的在于使用完全或部分地基于第一原理的模型,该模型反映了在回收锅炉的所有受操纵和受控制的变量之间的关系。
本发明的另外的另一目的在于公式化目标函数以优化与回收锅炉过程的性能和操作有关的参数。
本发明的另一目的在于使用模型来估计并预测从在线测量不能得到的回收锅炉参数。
本发明的又一目的在于使用过程变量来优化以及监视回收锅炉的性能和操作参数。
本发明的又一目的在于使用估计和预测的锅炉参数来控制或稳定回收锅炉下游的过程。
发明内容
提供了用于优化纸浆厂中的回收锅炉的参数的方法和系统。该方法基于使用第一原理数学模型来估计以别的方式不能测量的参数以准确地控制回收锅炉的性能。估计参数和开发的模型用于优化纸浆厂中的性能和操作参数,具体而言是回收锅炉的性能和操作参数。
本发明的一方面涉及一种用于优化回收锅炉过程中的一个或多个锅炉参数的方法。该方法包括以下步骤:
(i)获得过程模型,其描述了回收锅炉系统的一个或多个单元的多种过程变量之间的关系;
(ii)使用回收锅炉系统的一个或多个单元的过程变量数据来估计一个或多个锅炉参数;
(iii)使用该一个或多个锅炉参数来开发至少一个目标函数以用于优化;
(iv)优化所述目标函数来控制回收锅炉的一个或多个锅炉参数。
其中,用于回收锅炉系统的至少一个单元的过程模型完全或部分地基于回收锅炉过程的第一原理数学模型,且过程变量数据通过诸如在回收锅炉系统的多个单元中做出在线测量、使用过程模型计算过程变量、使用实验室数据的手段以及通过所述手段的组合来获得,以便估计一个或多个锅炉参数。
在本发明的一实施例中,用于优化一个或多个锅炉参数的方法应用于参数,包括:性能参数,诸如还原效率、燃烧效率、蒸汽品质、热损失;操作参数,诸如锅炉操作成本和在回收锅炉系统的单元中不能直接测量的参数,诸如硫酸盐浓度、硫化物浓度。
在本发明的另一实施例中,用于优化一个或多个锅炉参数的方法以关于至少一个锅炉参数的目标函数的公式来执行,其包括描述还原效率,离开锅炉的烟气中的易燃物或者过热蒸汽的品质或者用于更佳热利用的过量氧气控制或这些中的任何的组合的项。
作为本发明的第二方面,提供了一种用于优化回收锅炉过程中的一个或多个锅炉参数的系统。该系统包括:
(i)过程模型构件,其具有描述了回收锅炉系统的一个或多个单元的多种过程变量之间的关系的过程模型;
(ii)参数估计构件,其使用所述过程模型构件来估计回收锅炉系统的至少一个单元参数;
(iii)优化构件,其使用过程模型构件和参数估计构件来执行计算以优化一个或多个锅炉参数;
(iv)控制器构件,其用于控制一个或多个锅炉参数,一个或多个锅炉参数具有由优化构件提供的一个或多个设置点;以及
其中,用于回收锅炉系统的至少一个单元的过程模型完全或部分地基于回收锅炉过程的第一原理数学模型,且参数估计构件使用以下手段来估计包括不能直接测量的组分的一个或多个锅炉参数:诸如在回收锅炉系统的多个单元中做出在线测量、使用过程模型计算过程变量、使用实验室数据(的手段)以及所述手段的组合。
作为本发明的第三方面,提供了一种用于纸和纸浆过程的控制系统。该控制系统包括
(i)过程模型构件,其具有描述第一组单元中的至少一个单元的多个过程变量之间的关系的过程模型;
(ii)参数估计构件,其用来使用过程模型构件估计第一组单元的至少一个单元参数;
(iii)控制器构件,其用来基于所估计的至少一个单元参数来控制第二组一个或多个单元;以及
其中,第一组单元的至少一个单元的过程模型完全或部分地基于第一原理数学模型,且参数估计构件使用以下手段来估计包括不能直接测量的组分的一个或多个锅炉参数:诸如在回收锅炉系统的多个单元中做出在线测量,使用过程模型计算过程变量,使用实验室数据(的手段)和所述手段的组合。
作为本发明的一实施例,在纸和纸浆过程中的控制系统具有为回收锅炉系统的第一组单元和为绿液澄清器或苛化器系统的第二组单元。
用于控制纸和纸浆过程的系统的另一实施例描述了第一组单元和第二组单元具有至少一个共同的单元。
作为本发明的第四方面,提供了一种用于估计和预测回收锅炉的一个或多个锅炉参数的系统。该系统包括:
(i)过程模型构件,其具有描述回收锅炉系统的多种过程变量之间的关系的过程模型;
(ii)参数估计构件,其用来使用过程模型构件估计至少一个锅炉参数;
(iii)预测构件,其用来使用过程模型构件和参数估计构件获得在限定预测时段上锅炉参数的一个或多个轨迹;以及
其中,用于回收锅炉系统的至少一个单元的过程模型完全或部分地基于回收锅炉过程的第一原理数学模型,且参数估计构件使用以下手段来估计包括不能直接测量的组分的一个或多个锅炉参数:诸如在回收锅炉系统的多个单元中做出在线测量,使用过程模型计算过程变量,使用实验室数据(的手段)以及所述手段的组合。
在本发明的另一实施例中,在过程模型中定义的关系、由参数估计构件所估计的参数或者由预测构件所预测的参数用于开发目标函数或者用作用于获得优化解的约束。
在本发明的另一实施例中,在本发明中描述的方法和系统使用由以下手段公式化的过程模型:诸如完全或部分基于第一原理的手段;经验规则或数据;随机;算法模型或作为混合模型的组合。
附图说明
但要注意的是,附图只是说明本发明的典型实施例且因此不应认为限制其范围,因为本发明可容许其它同等有效的实施例。
图1示出了典型回收锅炉过程和回收锅炉过程的多个单元;
图2示出了回收锅炉过程的在线优化系统的示意表示;
图3示出了用于纸和纸浆过程的控制系统的示意图。
具体实施方式
本发明描述了以改进的准确度来预测过程变量—诸如在回收锅炉过程中涉及的化学物类的浓度—的方法和系统。该方法和系统延伸超过回收锅炉系统以改进对纸和纸浆过程中的许多其它单元的控制。
图1描述了常规回收锅炉系统100。该回收锅炉系统100可认为包括各种单元,炉110(燃烧室)、过热器120、节约器130和蒸汽鼓140。回收锅炉系统100也被称作回收锅炉装置。
(A)炉——黑液102被点燃并焚烧所处的回收锅炉的单元为炉110。在炉110的底部存在熔融物108床,其中发生还原反应,其将硫酸盐还原为硫化物(Na2SO4+4C=Na2S+4CO)。在黑液102中的含碳材料由在不同位置进入炉110的燃烧空气104气化并氧化。空气104也表达为氧气且在本描述中可互换地使用。将黑液102的组分分析看作模型公式的重要方面。因为黑液102的组成保持几乎恒定,无需组分分析的连续输入。将黑液102的各种组分的分数看作确定性的。认为黑液102具有诸如下列的组分:钠、碳、氢、硫、氧、氮和水。假定在炉110内黑液102脱挥期间50%的硫作为H2S而释放。假定其余硫以已知的摩尔比以Na2S和Na2SO4的形式存在。在黑液焦中Na2S与Na2SO4的此初始浓度比例设为1∶1。假定其余钠形成Na2CO3。在炉110内的黑液脱挥期间,假定碳的已知分数将作为不同的气态化合物释放。假定变成这些化合物的黑液102中的碳的分数为50%,这基于小规模实验。在当前模型中,假定含碳气体为CO、CO2和CH4。在挥发性气体中的CO和CO2的总量取决于在形成含氧组分(Na2CO3,Na2SO4)之后仍留下的原始黑液中的化学键合的可用氧,如在上文中所述的那样。[CO]/[CO2]的摩尔比被定义为模型公式的常数。假定存在于黑液102中的氢作为H2释放。
将炉110中的非均质反应的反应速率看作取决于质量传递和反应动力学两者。假定质量传递速率与黑液102滴直径的平方成反比。硫酸盐还原速率主要受到反应动力学控制。假定存在于黑液固体和熔融物中的硫化钠在与氧接触时易于氧化。
对于气相反应,假定涉及CH4和H2的反应很快且所有氢气和甲烷首先消耗。假定CO的氧化速率与炉110内的CO和O2的浓度成正比。
由下面的方程式(eq 1)描述炉110的数学模型,
dx dt = f ( x , p , y ) ( eq 1 )
在方程式(eq 1)中,项x为所关心的变量,诸如在炉110内如Na2SO4、Na2S、NaOH、Na2CO3、CO、CO2的各种化学物类的温度、压力和浓度。在方程式(eq 1)中由f(x,p,y)描述的函数f为影响炉中的变量x的现象的数学表示。方程式(eq 1)中的项p代表与炉的结构方面相关联的常数,例如,炉体积。方程式(eq 1)中的项y代表影响f(x,p,y)的物理因素。根据方程式(eq 2),在该模型中,物理因素描述为项‘x’和‘p’的函数‘g’。
y=g(x,p)(eq 2)
物理因素的实例为通过位于炉110的壁处的喷嘴进入炉110的黑液102的滴大小。在模型中基于黑液的黏度和喷嘴大小来计算黑液102滴大小。液滴大小决定气化反应速率和还原反应速率,气化反应将黑液中的碳转换成CO和CO2
这些方程式的解给出各种组分的浓度和诸如炉110内的温度的所关注的变量。
(B)过热器——炉110后面为一系列热交换器以将热从热烟气106传到水。过热器120为经历最热烟气的热交换器,因为其紧邻炉110。回收锅炉的此单元用于使来自蒸汽鼓140的蒸汽过热且因此称作过热器120。过热器的数学模型也以与方程式(eq 1)和(eq 2)类似的方式表示。该模型包括热平衡方程式,其确定从烟气106到饱和蒸汽125的传热速率且因此决定离开过热器120的过热蒸汽127的温度。调温器(在附图中未图示)用于通过喷淋水来维持蒸汽的温度。
(c)蒸汽鼓140为回收锅炉的从炉110接收辐射热且因此从来自节约器130的水137生成蒸汽的单元。蒸汽鼓140的数学模型包括蒸汽-水的能量平衡和两相均衡方程式以预测蒸发速率。计算蒸汽鼓140与过热器120之间的压差,其用于确定从蒸汽鼓出来的饱和蒸汽125的流率。过热器的数学模型也以与方程式(eq 1)和(eq 2)类似的方式表示。
(D)节约器130为回收锅炉的用于在给水135进入蒸汽鼓140之前预热给水135的单元。热交换发生于来自过热器120的烟气106与给水135之间。典型地,存在节约器的多个单元来将附近的水加热到其饱和温度。节约器130的模型包括能量平衡方程式。认为传热经由烟气106与给水135之间的对流而发生。过热器的数学模型也以与方程式(eq 1)和(eq 2)类似的方式表示。
在整个描述中使用以下术语,在本文中提供这些术语的定义以帮助理解本创新的各个方面。将了解的是,此定义绝不意图以任何方式限制本公开及其所附的权利要求的范围。
还原效率指在锅炉内发生的还原反应的效率,还原反应将存在于锅炉进料中的硫酸盐转换成硫化物。
以下式来计算还原效率
Figure BPA00001447318000091
燃烧效率指在回收锅炉的炉部段内的有机物的燃烧过程的效率。
蒸汽品质指在回收锅炉内形成的过热蒸汽的温度和压力。
还原效率为Na2SO4转换为Na2S的量度。这种还原反应发生于回收锅炉的底部的焦床中。类似于任何其它反应速率,还原速率取决于床的温度。由于不能对Na2S和Na2SO4进行在线测量,难以预测和控制还原效率。控制(或最大化)还原效率的当前实践使用床温度作为唯一变量以得到还原效率的间接测量。但还原效率也取决于若干其它因素,诸如在床底部的氧气可用性。影响还原现象的另外的因素为进入回收锅炉的炉的黑液的化学组成,在黑液从液体喷嘴到焦床的行程期间发生的干燥、挥发和燃烧反应。上文所述的所有这些现象都会影响到达焦床的化学物类(碳、NaOH、Na2S、Na2CO3和Na2SO4)的浓度且因此影响还原反应速率。
如果从回收过程反馈到蒸煮器的流包含更多不希望的物类(Na2CO3和Na2SO4),蒸煮器的效率降低且该工厂最终使用更多化学品来实现从蒸煮器产生的纸浆的相同品质。因此,(Na2SO4至Na2S还原反应的)还原效率应维持在~99%的尽可能高的值,且应最小化其变化以最小化从蒸煮器所产生的纸浆品质变化。
经由离开回收锅炉装置100的烟气中的诸如CO、NOx的污染物水平或者在离开回收锅炉装置100的烟气中测量的过量氧气水平来监视燃烧效率。在烟气中的污染物、颗粒碳、过量氧气水平的测量为能用于监视回收锅炉装置100的燃烧效率的一些性能参数。
这些方面在定义回收锅炉系统100的性能和操作的优化规则方面较为重要。
如之前所述的公式化的回收锅炉过程模型用于对回收锅炉系统100的性能和操作进行最佳控制。目标函数的优选公式之一为:
eTWee+ΔuTWuΔu受约束
其中
e=误差向量
Δu=受操纵的变量‘u’的变化向量
We=误差向量的权重矩阵
Wu=受操纵的变量的权重矩阵
目标函数中的误差向量‘e’包括量化回收锅炉系统的所需性能和实际性能的差异的各个项。定义误差向量的方式之一如下:
误差向量的上述公式确保了易燃物、蒸汽温度和还原效率维持在所需水平,以及最佳地使用空气(氧气)和最佳焦床高度。应当指出的是此公式将优化回收锅炉系统的性能。
其它公式包括诸如回收锅炉操作成本的操作参数,或者性能公式结合回收锅炉操作的操作参数使用。
应当注意的是测量在误差向量中所用的变量和参数中的一些,如蒸汽温度,易燃物水平,且从模型估计一些其它变量和参数,如还原效率、焦床高度。还应当注意的是对于变量中的一些,诸如焦床高度,有一种选择是在不能进行直接测量的情况下使用该模型来计算它。使用模型估计的变量或参数被称作估计参数。
诸如性能参数、操作参数、测量和估计参数的参数被称作锅炉参数。与回收锅炉系统的具体单元或者纸和纸浆工业的具体单元有关的参数被称作单元参数。
用于优化的约束为
(i)炉压力<P
(ii)黑液温度>T
(iii)Q2<黑液流率<Q1
(iv)F2<在各个水平的空气流量<F1
(v)黑液液滴大小>D
(vi)蒸汽鼓水平>L
这些受约束的变量或者在回收锅炉系统中直接测量或者从回收锅炉模型推断出来。P、T、Q1、F1、D和L为参考量。选择受操纵的变量(在目标函数中表示为‘u’)以保持输出处于所需水平或者保持误差(e)最小。这些受操纵的变量为回收锅炉的过程变量。受操纵的变量的某些实例为黑液温度、空气流量、空气温度、到节约器的入口水流量和调温器流量。术语过程变量用于指示与过程模型相关联的所有变量,通过过程模型中的定义来定义其关系。过程变量的值被称作过程变量数据。
图2示出了用于控制和优化回收锅炉过程的系统200。回收锅炉系统100的基于第一原理的过程模型用作控制和优化回收锅炉系统100的中央构件。过程模型以被称为过程模型构件210的软件模块的形式可用。开发被称为参数估计构件220的另一构件来估计不能测量或者需要某种形式的计算来估计的特定锅炉参数。使用在过程模型中定义的关系或者对于性能参数定义的公式来开发参数估计构件220。参数估计构件还使用来自在线测量的数据和实验室分析225(以周期性间隔进入系统中的数据)来微调过程模型的过程模型参数(也被称作模型参数),以确保回收锅炉系统中的实际过程/现象之间的密切匹配。以发现适合于操作的定期为基础来进行这种微调。在线和实验室测量也由估计模块220用于计算从回收锅炉的炉110的底部出来的熔融物流108中化学物类Na2SO4、Na2S、NaOH、Na2CO3的浓度。参数估计构件220还通过使用回收锅炉模型210来计算根据还原效率、燃烧效率和蒸汽品质来描述的锅炉性能参数。这些估计帮助实现对回收锅炉系统的性能和操作参数的更好的控制。
要注意的是,尽管对于过程模型构件和参数估计构件,参考基于第一原理的模型公式进行描述,但各种其它类型的模型可用于实现在本发明中所提到的某些或所有目的。这些模型的实例为部分地基于第一原理的模型;基于经验规则或数据的模型;数据驱动模型;随机模型;算法模型,诸如基于神经网络、遗传算法和作为混合模型的组合的那些模型。
优化构件230使用过程模型构件210和参数估计构件220来计算优化问题的解。该解表达为控制回收锅炉过程的一个或许多调节控制器240的设置点。
在本发明的另一方面,用于回收锅炉系统的控制系统具有在图3中描绘的预测构件320。预测构件使用回收锅炉过程模型210来预测回收锅炉系统中的锅炉参数或单元参数的未来趋势。预测构件320将回收锅炉装置100的当前状态视为来自估计模块220的输入,且然后预测在有限未来时间范围上的性能参数。因此,预测构件用来使用过程模型构件和参数估计构件获得在限定预测时段上的锅炉参数的一个或多个轨迹。可由生产管理者来监视预测值,以评估回收锅炉装置100的当前和未来性能。预测信息也可由优化构件230用来解决优化问题。
预测构件320输出也可用于控制回收锅炉系统外部的单元(例如下游单元310)的操作的控制器。来自预测构件的预测值用于提供下游单元(诸如绿液澄清器和苛化器单元)的设置点。特别地从回收锅炉出来的熔融物108的组成的知识将帮助稳定和控制离开熔融物溶解槽的液体的碱含量,这进而导致苛化器单元的改进的性能。由于在熔融物溶解槽和澄清器槽中的驻留时间较长,熔融物108组成的在线指示在很大程度上帮助稳定和控制从澄清器单元到苛化器单元的绿液的组成,澄清器单元和苛化器单元都在回收锅炉100的下游。要注意的是,绿液澄清器单元和苛化器单元可包括多个单元,从而分别形成绿液澄清器系统和苛化器系统。来自性能监视系统320的诸如熔融物108组成的信息用作前馈信号,以便控制在澄清器之后的绿液的密度/碱。因此,来自回收锅炉100的单元的信息用于控制并优化在回收锅炉系统100外部的纸和纸浆厂的单元。来自回收锅炉100的单元的此信息也可用于具有与回收锅炉系统共同的至少一个单元的其它系统。
因此,所开发的方法和系统帮助准确地估计和预测过程变量,包括在回收锅炉系统中的化学物类的浓度,以及因此高效地控制且优化回收锅炉过程和其它相关联的过程。
在不偏离本发明的范围和精神的情况下,本发明的结构和操作方法中的多种其它修改和更改将对于本领域技术人员显而易见。尽管结合具体优选实施例以及具体地对于在纸和纸浆工业中所用的回收锅炉装置和下游单元描述了本发明,应了解所要求保护的本发明并不应不恰当地限于这些具体实施例或在纸和纸浆工业中所用的特定装置系统。预期所附权利要求限定了本发明的范围,且由此涵盖在这些权利要求和其等效物范围内的结构和方法。

Claims (10)

1.一种用于优化回收锅炉过程中的一个或多个锅炉参数的方法,包括以下步骤:
(i)获得过程模型,所述过程模型描述了所述回收锅炉系统的一个或多个单元的多种过程变量之间的关系;
(ii)使用所述回收锅炉系统的一个或多个单元的过程变量数据来估计一个或多个锅炉参数;
(iii)使用所述一个或多个锅炉参数来开发至少一个目标函数来优化;
(iv)优化所述目标函数来控制所述回收锅炉的一个或多个锅炉参数,
其中,用于所述回收锅炉系统的至少一个单元的过程模型完全或部分地基于所述回收锅炉过程的第一原理数学模型,且所述过程变量数据从以下手段得到来估计一个或多个锅炉参数:诸如在所述回收锅炉系统的多个单元中做出在线测量,使用所述过程模型计算过程变量,使用实验室数据以及所述手段的组合。
2.根据权利要求1所述的用于优化一个或多个锅炉参数的方法,其特征在于,锅炉参数包括性能参数,诸如还原效率、燃烧效率、蒸汽品质、热损失;操作参数,诸如锅炉操作成本和不能直接测量的参数,诸如在所述回收锅炉系统的单元中的硫酸盐浓度、硫化物浓度。
3.根据权利要求1所述的用于优化一个或多个锅炉参数的方法,其特征在于,所述目标函数利用至少一个锅炉参数公式化,所述至少一个锅炉参数包括描述以下内容的项:还原效率、离开锅炉的烟气中的易燃物或者过热蒸汽的品质或者用于更佳的热利用的过量氧气或者这些中的任何的组合。
4.一种用于优化回收锅炉过程中的一个或多个锅炉参数的系统,包括:
(i)过程模型构件,具有描述了所述回收锅炉系统的一个或多个单元的多种过程变量之间的关系的过程模型;
(ii)参数估计构件,使用所述过程模型构件来估计所述回收锅炉系统的至少一个单元参数;
(iii)优化构件,使用所述过程模型构件和所述参数估计构件来进行计算以优化一个或多个锅炉参数;
(iv)控制器构件,用来控制具有由所述优化构件提供的一个或多个设置点的一个或多个锅炉参数;以及
其中,用于所述回收锅炉系统的至少一个单元的过程模型完全或部分地基于所述回收锅炉过程的第一原理数学模型,且所述参数估计构件使用以下手段来估计包括不能直接测量的组分的一个或多个锅炉参数:诸如在所述回收锅炉系统的多个单元中做出在线测量,使用所述过程模型计算过程变量,使用实验室数据以及所述手段的组合。
5.一种用于纸和纸浆过程的控制系统,包括
(i)过程模型构件,具有描述用于第一组单元中的至少一个单元的多个过程变量之间的关系的过程模型;
(ii)参数估计构件,使用所述过程模型构件来估计所述第一组单元的至少一个单元参数;
(iii)控制器构件,用于基于所述估计的至少一个单元参数来控制第二组一个或多个单元;以及
其中,用于所述第一组单元的至少一个单元的过程模型完全或部分地基于第一原理数学模型,且所述参数估计构件使用以下手段来估计包括不能直接测量的组分的一个或多个锅炉参数:诸如在所述回收锅炉系统的多个单元中做出在线测量,使用所述过程模型计算过程变量,使用实验室数据以及所述手段的组合。
6.根据权利要求5所述的纸和纸浆过程中的控制系统,其特征在于:所述第一组单元为回收锅炉系统,且所述第二组单元为绿液澄清器或苛化器系统。
7.根据权利要求5所述的用于纸和纸浆过程中的控制的系统,其特征在于,所述第一组单元和所述第二组单元具有至少一个共同的单元。
8.一种用于估计和预测回收锅炉的一个或多个锅炉参数的系统,包括:
(i)过程模型构件,具有描述回收锅炉系统的多种过程变量之间的关系的过程模型;
(ii)参数估计构件,使用所述过程模型构件来估计至少一个锅炉参数;
(iii)预测构件,使用所述过程模型构件和所述参数估计构件来获得在限定预测时段上锅炉参数的一个或多个轨迹;以及
其中,用于所述回收锅炉系统的至少一个单元的过程模型完全或部分地基于所述回收锅炉过程的第一原理数学模型且所述参数估计构件使用以下手段来估计包括不能直接测量的组分的一个或多个锅炉参数:诸如在所述回收锅炉系统的多个单元中做出在线测量,使用所述过程模型计算过程变量,使用实验室数据以及所述手段的组合。
9.根据权利要求8所述的系统,其特征在于,在过程模型中定义的关系、由所述参数估计构件所估计的参数或者由所述预测构件所预测的参数用于开发目标函数或者用作用于获得优化解的约束。
10.根据前述权利要求所述的方法和系统,其特征在于,用于诸如在所述回收锅炉系统的炉中的还原过程、燃烧过程的回收锅炉过程和用于在回收锅炉系统的过热器单元和节约器单元中生成过热蒸汽的过程的多个过程模型完全地或部分地基于第一原理;经验规则或数据;随机;或者算法模型,诸如基于神经网络、遗传算法或者作为混合模型的组合的那些模型。
CN200980158802.2A 2009-02-13 2009-12-22 用于优化回收锅炉参数的方法和系统 Active CN102395926B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
IN318/CHE/2009 2009-02-13
IN318CH2009 2009-02-13
PCT/IB2009/007844 WO2010092430A1 (en) 2009-02-13 2009-12-22 A method and a system for optimization of parameters for a recovery boiler

Publications (2)

Publication Number Publication Date
CN102395926A true CN102395926A (zh) 2012-03-28
CN102395926B CN102395926B (zh) 2016-02-10

Family

ID=42561445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980158802.2A Active CN102395926B (zh) 2009-02-13 2009-12-22 用于优化回收锅炉参数的方法和系统

Country Status (5)

Country Link
US (1) US8914142B2 (zh)
CN (1) CN102395926B (zh)
BR (1) BRPI0924325B1 (zh)
CA (1) CA2752471C (zh)
WO (1) WO2010092430A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425049A (zh) * 2013-08-05 2013-12-04 浙江大学 循环流化床锅炉热效率预测系统及方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2752470C (en) * 2009-02-13 2017-05-30 Abb Research Ltd. A system and a method for optimization of continuous digestion process
CA2723347C (en) 2009-12-04 2018-01-02 Tata Consultancy Services Limited On-line optimization of induration of wet iron ore pellets on a moving grate
CN102023572A (zh) * 2010-12-14 2011-04-20 陆金桂 全氢罩式炉神经网络控制技术
CN103425050B (zh) * 2013-08-05 2015-12-09 浙江大学 循环流化床锅炉排烟热损失率预测系统及方法
CN105444201B (zh) 2014-09-26 2018-11-13 通用电气公司 燃烧优化的方法及其系统
US9927820B2 (en) 2015-04-09 2018-03-27 Honeywell International Inc. Heating, ventilation, and air conditioning system boiler controller
CN108121203B (zh) * 2017-11-15 2020-08-18 中国石油化工股份有限公司 一种加热炉调参优化分析方法及系统
FI129372B (fi) * 2019-06-28 2022-01-14 Andritz Oy Soodakattilan savukaasun yhden tai useamman suhteellisen partikkeliryhmäosuuden määritys
FI129238B (en) * 2019-09-09 2021-10-15 Valmet Automation Oy A method for controlling the transition in a chemical recovery boiler and a chemical recovery boiler
CN110793059A (zh) * 2019-11-13 2020-02-14 南京昆岳智能电力科技有限公司 锅炉智能燃烧综合优化控制方法
FI20205240A1 (en) * 2020-03-06 2021-09-07 Valmet Automation Oy A method for obtaining information on quality of combustion of a liquor in a chemical recovery boiler and a method for controlling a chemical recovery boiler
CN120951406A (zh) * 2025-07-28 2025-11-14 四川省森环科技有限公司 一种基于数值模拟的黑液燃烧碱炉优化设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5715158A (en) * 1996-05-31 1998-02-03 Abb Industrial Systems, Inc. Method and apparatus for controlling an extended process
DE19643884A1 (de) * 1996-10-30 1998-05-07 Siemens Ag Verfahren und Anordnung zur Optimierung der Prozeßführung von Produktionsvorgängen
WO1998027474A1 (de) * 1996-12-17 1998-06-25 Siemens Aktiengesellschaft Verfahren und vorrichtung zur prozessführung einer verfahrenstechnischen anlage
US20030045962A1 (en) * 2001-08-30 2003-03-06 Evren Eryurek Control system using process model
CN101353729A (zh) * 2008-07-18 2009-01-28 中南大学 一种基于工况判断的智能集成建模方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU773175A1 (ru) * 1978-12-26 1980-10-23 Ленинградский технологический институт целлюлозно-бумажной промышленности Способ управлени процессом сжигани черного щелока
SU1608277A2 (ru) * 1988-12-02 1990-11-23 Ленинградский технологический институт целлюлозно-бумажной промышленности Способ управлени процессом горени черного щелока в содорегенерационном котлоагрегате
DE59308062D1 (de) * 1992-10-01 1998-03-05 Siemens Ag Vorrichtung zur automatischen Führung einer verfahrenstechnischen Anlage durch Fuzzy-Steuerung des Prozessführungsraumes, mit bevorzugten Verwendungen
ATE189715T1 (de) * 1995-10-09 2000-02-15 Siemens Ag Verfahren zur bestimmung des endpunktes der zellstoffkochung und anordnung zum steuern der kochzeit bei der zellstoffkochung in einem reaktor
US6364999B1 (en) * 1995-12-27 2002-04-02 Weyerhaeuser Company Process for producing a wood pulp having reduced pitch content and process and reduced VOC-emissions
US20020062935A1 (en) * 1995-12-27 2002-05-30 Weyerhaeuser Company Paper and absorbent products with reduced pitch content
US7149590B2 (en) * 1996-05-06 2006-12-12 Pavilion Technologies, Inc. Kiln control and upset recovery using a model predictive control in series with forward chaining
US6950777B1 (en) * 2003-07-29 2005-09-27 Voith Paper Inc. Method and system for assessing pulp and paper mill performance
US7204914B2 (en) * 2003-08-13 2007-04-17 Metso Automation Usa Inc. System and method for controlling a processor including a digester utilizing time-based assessments

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5715158A (en) * 1996-05-31 1998-02-03 Abb Industrial Systems, Inc. Method and apparatus for controlling an extended process
DE19643884A1 (de) * 1996-10-30 1998-05-07 Siemens Ag Verfahren und Anordnung zur Optimierung der Prozeßführung von Produktionsvorgängen
WO1998027474A1 (de) * 1996-12-17 1998-06-25 Siemens Aktiengesellschaft Verfahren und vorrichtung zur prozessführung einer verfahrenstechnischen anlage
US20030045962A1 (en) * 2001-08-30 2003-03-06 Evren Eryurek Control system using process model
CN101353729A (zh) * 2008-07-18 2009-01-28 中南大学 一种基于工况判断的智能集成建模方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡晓刚: "黑夜浓度软测量技术在蒸发过程中的应用开发", 《万方数据》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425049A (zh) * 2013-08-05 2013-12-04 浙江大学 循环流化床锅炉热效率预测系统及方法
CN103425049B (zh) * 2013-08-05 2015-12-02 浙江大学 循环流化床锅炉热效率预测系统及方法

Also Published As

Publication number Publication date
WO2010092430A1 (en) 2010-08-19
US20120053720A1 (en) 2012-03-01
BRPI0924325A2 (pt) 2021-04-20
BRPI0924325B1 (pt) 2021-10-05
CN102395926B (zh) 2016-02-10
US8914142B2 (en) 2014-12-16
CA2752471A1 (en) 2010-08-19
CA2752471C (en) 2017-04-25

Similar Documents

Publication Publication Date Title
CN102395926B (zh) 用于优化回收锅炉参数的方法和系统
CN101256418B (zh) 加热炉出口温度的一种综合控制方法
JP4876057B2 (ja) プラントの制御装置、及び火力発電プラントの制御装置
CN103115356B (zh) 超临界cfb锅炉燃烧信号的监测方法及优化控制方法
CN113433911B (zh) 基于浓度精准预测的脱硝装置喷氨精准控制系统与方法
US7890197B2 (en) Dual model approach for boiler section cleanliness calculation
CN103792933A (zh) 利用仿真系统确定和调谐过程特征参数的方法
CN108227488B (zh) 基于滑模预测控制的超超临界火电机组协调控制方法
CN117999438A (zh) 用于确定反应器的流化床中的局部温度异常的方法、用于标定反应器的流化床的数值模型的方法、用于估计流化床反应器床烧结的风险的方法、控制流化床反应器的方法以及反应器
CN102799748A (zh) 煤气化炉的控制方法
CN106292277A (zh) 基于全局滑模控制的亚临界火电机组协调控制方法
CN112381210A (zh) 一种燃煤机组水冷壁壁温预测神经网络模型
Zlatkovikj et al. Development of feed-forward model predictive control for applications in biomass bubbling fluidized bed boilers
CN104696944B (zh) 一种基于负荷预知的动态优化与参数估计集成的方法
Blanco et al. New investigation on diagnosing steam production systems from multivariate time series applied to thermal power plants
Järvensivu et al. Intelligent control of a rotary kiln fired with producer gas generated from biomass
CN109519957B (zh) 一种超超临界锅炉闭环燃烧优化控制方法
CN114936506B (zh) 一种亚临界循环流化床机组深度调峰下的主蒸汽压力预测方法
CN116959594A (zh) 基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统
CN116540798B (zh) 一种基于深度学习模型的锅炉壁温预测控制方法
CN114925625B (zh) 一种循环流化床机组超低负荷运行下的主蒸汽温度预测方法
CN113357648B (zh) 获得化学品回收锅炉中的液体的燃烧质量的信息的方法和控制化学品回收锅炉的方法
CN113654078A (zh) 锅炉燃烧布风结构的优化方法和系统
Yu et al. Real-Time Caustic Ratio Prediction in Alumina Digestion Process for Closed-Loop Operation: A Cloud-Edge Deep Learning Approach
Han et al. Monitoring and Optimization of CFB Bed Temperature in the Flexible Process: A Hybrid Framework of Deep Learning Model and Mechanism Model

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191129

Address after: Baden, Switzerland

Patentee after: ABB Switzerland Co., Ltd.

Address before: Zurich

Patentee before: ABB Research Co., Ltd.