Softwarebasierte Informationsnutzung in thermischen Prozessen

Transkript

1 sense. analsyse. predict. control. Softwarebasierte Informationsnutzung in thermischen Prozessen Diskussion Intelligent Technologies Germany Seite 1

2 Intelligent Technologies GmbH Process Optimisation With Intelligent Technologies Gegründet 2001 bietet Optimierungslösungen für - Kraftwerke - Zement- & Kalkwerke (Drehrohröfen) - Müllverbrennungsanlagen (Rost- und Drehrohröfen) - Chemie Vertretungen auf allen Kontinenten 45 Mitarbeiter, erfahren in komplexen industriellen Verbrennungsprozessen Expertise in Neuronalen Netzen & Digitaler Bildverarbeitung Ilmenau Essen Partnerschaft mit der Technischen Universität Ilmenau: Fakultät für Informatik und Automatisierung, Fachgebiet Neuroinformatik und kognitive Robotik Mehr als 120 Referenzen Intelligent Technologies Germany Seite 2

3 s s SAPC Ansatz: Intelligent Technologies Germany Seite 3

4 SAPC: Regelung: Selbst-lernende adaptive nicht-lineare modellprädiktive Regelung im geschlossenen Regelkreis Intelligent Technologies Germany Seite 4

5 : PiT Navigator a) Online-Flammen-Merkmale durch Bildverarbeitung b) Online Mühlen- und Kohle Charakteristik durch Frequenzanalyse c) Selbstlernende adaptive Feuerungsoptimierung durch innovative Neuronale Netze Aktives Lernen zur permanenten Optimierung des Brennstoff - / Luftverhältnisses Intelligent Technologies Germany Seite 5

6 : Konzept Intensive Nutzung vorhandener Prozessdaten Integration zusätzlicher Sensorik automatische Merkmalsextraktion und Selektion automatische Modellbildung Nutzung des Prozessmodelles zur Optimierung Aufschaltung der Stellgrößen im Leitsystem Expertensysteme Leitsystem PID - Regler Steuerungen Kennlinien Anlagenfahrer Ziele Stelleingriffe Daten Optimierer Prozessmodelle Relevanzanalyse Verriegelungen Kameras Vibration Messungen Stellgrößen Bilder Spektren Prozess

7 PiT Navigator = Multidimensionaler Optimierer Prozessgrößen aus PLS Kohle: Menge, Heizwert, Asche, Wasser, Volatile UiA Frischdampfmenge Elektrische Last & Frequenz Dampftemperatur und druck CO, NOx, SO2 Temperaturen (Rauchgas etc.) O2 Lanzenbläser Start/Ende Flammeninformationen Örtliche und zeitliche Änderungen von Intensität und Temperatur Strömung / Fluktuation Vermischung Mühleninformationen Örtliche und zeitliche Änderungen von Mühlenzuständen Ausmahlgrad Mengenveränderung Verschlackung je Kohleleitung Anlagendrift Rußblasen Störgrößen Optimierungsziele Wirkungsgrad η NOx Konzentration CO Konzentration O2 Konzentration UiA / Rest-C i. d. A.... Stellgrößen Sekundärlüfte-Menge und - Verteilung Oberlüfte Brennstoffmenge je Brennersystem Dampf-Sollwert Zuteilergeschwindigkeit Sichtereinstellung/- geschwindigkeit Mühlenstrom /-drehzahl Mahlkraft Sekundärbrennstoffmenge O2 Sollwert Intelligent Technologies Germany Seite 7

8 Selbstlernende adaptive Regelung Bildverarbeitung: Mustererkennung Vibration: Mustererkennung PiT Datenbank (hochperfomant) Simulation Training Regelung PiT Navigator Prozessergebnisbewertung Datenvorverarbeitung - selbstlernend - adaptiv - nicht linear - prädiktiv - automatische Datenselektion - eigenständige Exploration - 24/7 zielfokussiert Geschlossener Regelkreis + Effizienz 70% - Verschlackung 16% - CO 9% - NOx 5% Leitsystem / Regelung Schnittstelle Modbus, Profibus, RK 512, OPC,... Bester erlaubter Aktorik-Vektor als Sollwertkorrektur Sollwerte, Grenzwerte Optimierungsziele & -prioritäten Intelligent Technologies Germany Seite 8

9 : Ergebnisse als Optimierer Reduzierter Brennstoffverbrauch % Erhöhter Kesselwirkungsgrad 0,3 0,4 % Reduktion O 2 -Überschuss um 1-2 % abs. Reduktion UiA 0,4 1,2 % abs. Reduktion Eigenverbrauch (FriLü, OL, SZ) Erhöhtes Brennstoffband CO 2, CO, NO x und SO 2 Reduzierung Erhöhte Leistungsdynamik (30%) durch Brennstoff-Luft- Verhältnis- Optimierung Intelligent Technologies Germany Seite 9

10 : Ergebnisse als Problemlöser : Reduktion UiA auch bei schwieriger Kesselgeometrie und/oder aschehaltiger Kohle Reduktion Verschlackungsneigung Überprüfung Ausbrand je Brenner Beseitigung von Brennerrückzündungen Verbesserung Kesselwandatmosphäre Beseitigung von Temperaturschieflagen Reduktion NOx Emission Problemlösung durch aktive Flammenregelung Intelligent Technologies Germany Seite 10

11 : Sensor-unterstützte Prozess Beschreibung Intelligent Technologies Germany Seite 11

12 : Sensoren Nutzung vorhandener Sensorik Eventuell Steigerung der Beobachtbarkeit durch neue Sensorik mit den Zielen Steigerung der Repräsentanz und Beobachtbarkeit Auflösung von Black-Box-Modellen Beispiel: Flammen-Informationen Infrarot Visueller Bereich Örtliche und zeitliche Änderungen von Intensität und Temperatur Strömung / Fluktuation Vermischung Beispiel: Mahlprozess-Informationen: Vibration Akustik Örtliche und zeitliche Änderungen von Mühlenzuständen Ausmahlgrad Kohleschlüssel Mengen je Kohlenstaubleitung Intelligent Technologies Germany Seite 12

13 Flammen-Informationen korrellieren mit DCS-Daten Daten time Berechnung des Leistungsspektrums (FFT) High-speed-Sequenz von Grauwerten Leistung NOx CO Zeit Frequenz

14 Turbulenzmerkmale bei Biomasse-Mitverbrennung mit Biomasse auf E10/E20/E30 Intelligent Technologies Germany Seite 14

15 Mahlprozess-Informationen Rohdaten Hüllkurve Spektogramm Örtliche und zeitliche Änderungen von Mühlenzuständen Ausmahlgrad Kohleschlüssel Mengen je Kohlenstaubleitung

16 Monitoring der Staubleitungen in Tiefstack Frequenzband-Vergleich bei zwei Staubleitungen über 11 Stunden. Charakteristika der linken und rechten Leitung (beide aus der Mühle kommend) zeigen die kurzfristige Laständerung und eine langfristige Drift. Frequenz Gegenläufige Drift der Frequenz bei konstanter Last Kohle Menge Phasische Reaktion der Frequenzen zu Laständerungen (Mühlen-Beladung und Entladung) 60 % Last Lastwechsel 104% Last Resultat: Vibrationen von Mühle und Staubleitung korrelieren mit der Kohlestaubmenge Intelligent Technologies Germany Seite 16

17 SAPC: Data-Mining & Process Intelligence : Informationen aus Daten Korrelationen aus Informationen Intelligent Technologies Germany Seite 17

18 SAPC: Data-Mining & Process Intelligence 5 Schritte: 1. Aufteilung des Gesamtsystems in übergeordnete Systeme, Sensorik und Aktorik, innere Parameter bzw. Subsysteme 2. Beschreibende Datenbank mit vorhandenen Daten füllen 3. Modellbildung (schnelle und dynamische Anzeige von Wechselwirkungen von Input, Output und inneren Parametern) 4. Idealzustände in Datenbank beschreiben 5. Differenzialanalyse Zeitliche Drift zu suboptimalen Zuständen wird beobachtbar durch Sensorik und Datenanalyse Intelligent Technologies Germany Seite 18

19 SAPC: Methoden zur Datenanalyse Korrelationskoeffizienten Kreuzkorrelationsfunktion Multidimensionale Regression Neuronale Netzwerke Probabilistische Modelle Informationstheoretische Merkmals-Selektion Informationstheoretische Merkmal-Extraktion Zur Ursache-Wirkungsanalyse im Mimo-Bereich methoden elementarer Bestandteil von und Intelligent Technologies Germany Seite 19

20 SAPC: Prädiktion: Datengetriebene Vorhersage von Prozessergebnissen Intelligent Technologies Germany Seite 20

21 Kohlemodelle - Korrelation Prognose-Kohleklassen Korrelation: r =, Kohleklassen Vorhersage P rog nose -Ko hleklass en Kohleklassen Kohleklassen Labor Performance-Test zu 14 -Prädiktionen über jeweils 150 Tage: Korrelations-Koeffizient = 0,89 Korellations-Koeffizient: Werte zw. -1 und 0 zeigen eine diametral entgegengesetzte Vorhersage Werte zwischen 0,4 und 0,7 zeigen eine nur ungefähre Übereinstimmung Werte über 0,7 zeigen eine gute Übereinstimmung Intelligent Technologies Germany Seite 21

22 Beispiel: : O2 Prognose-Modelle Trainingszeitraum Testzeitraum Testzeitraum Intelligent Technologies Germany Seite 22

23 Referenzen Erfahrung in Kraftwerken seit 30 Jahren 15 Kraftwerkskessel mit ausgerüstet 7 Kessel im closed loop Betrieb 34 closed loop Optimierungen weltweit Ca. 200 optische Sensoren im Feld Ca. 100 akustische Sensoren im Feld 2010: Innovationspreis für Klima und Umwelt vom Bundesumweltministerium und dem Bundesverband der deutschen Industrie (BDI). Wissenschaftliche Bewertung durch Fraunhofer-Institut für System und Innovationsforschung (ISI). Intelligent Technologies Germany Seite 23

24 sense. analyse. precict. control. Intelligent Technologies Germany Seite 24