用于使用模型预测控制器来优化化学循环燃烧装置的设备的制作方法

专利名称：用于使用模型预测控制器来优化化学循环燃烧装置的设备的制作方法
技术领域：
本公开大体涉及优化系统，并且更具体地涉及用于化学循环(chemical looping) 装置的过程设计与控制优化系统。
背景技术：
化学循环(CL)是可用于发电装置的目前开发的过程，该发电装置燃烧诸如煤、生 物量和其它机会燃料的燃料。CL过程可实施于发电装置中，并且在减小装置大小、减少排放 和增加装置操作效率以及其它益处方面提供有前景的改进。典型的CL系统利用高温过程，由此诸如钙基或金属基化合物的固体例如在称作 氧化器的第一反应器与称作还原器的第二反应器之间“循环”。在氧化器中，来自喷入氧化 器内的空气的氧在氧化反应中由固体捕集。然后所捕集的氧由氧化固体携带到还原器以例 如用于诸如煤的燃料的燃烧和/或气化。在还原器中的还原反应之后，不再具有捕集的氧 的固体返回到氧化器以再次氧化，并且重复该循环。取决于燃料与空气的比率，在氧化反应和还原反应中产生不同的气体。因此，可控 制燃料与空气的比率使得CL系统可以以不同方式利用，诸如作为混合燃烧气化过程，其 产生氢气用于燃气涡轮、燃料电池和/或其它基于氢气的应用；作为混合燃烧气化过程，其 产生合成气体(合成气)，该合成气体包含不同量的氢气和二氧化碳用于燃气涡轮和/或燃 料电池；或者作为燃烧过程用于基于燃烧的蒸汽发电装置。CL过程例如比诸如常规循环流化床(CFB)装置的传统装置的过程更复杂。因此， 应用于CL过程的传统装置控制必然导致用于每个CL环路的单独的控制环路。然而，使用 用于每个CL环路的单独控制环路效率较低，并且不优化CL过程的性能，这是因为精确控制 取决于每个环路中的多个参数以及在环路之间交叉的参数的协调控制。此外，CL过程具有多相流动和化学反应，其特征为由于质量输送和化学反应速率 所致的过程非线性和时间延迟。因此，在过程设计的早期阶段不考虑控制优化系统的传统 发电装置设计还不足以用于过程性能与系统可操作性的集成优化。另外，CL过程中的许多变量是非线性的和/或具有与其它变量复杂的关系，例如 变量的环路间的相互作用。因此，有效地模拟这些多个相互依赖变量关系的模型迄今是不 精确的、效率低的并且工作起来困难和/或耗时。因此目前已开发的优化系统集中于优化常规燃烧发电装置。此外，这些优化系统 集中于解决很具体的局部优化问题而不是装置操作的全局优化。此外，用于常规燃烧发电 装置的相关统计分析基于变量之间线性关系的假设。因此，用于常规燃烧发电装置的相关 统计分析当用于分析CL过程中变量的复杂的、相互关联的非线性动态时是繁琐的并且不 精确的。在基于CL系统的下一代发电装置中，蒸汽-水侧控制要求将保持与当前常规装置 基本上相同(例如，给水与蒸汽流量、蒸汽压力、蒸汽温度、汽包液位)。然而，预期的是，将 需要利用蒸汽-水侧变量和燃烧/气化CL变量的改进的控制以更好地处理CL过程中固有过程变量相互作用。此外，常规发电装置模拟器限于蒸汽/水侧过程动态并且仅仅非常简 单的燃烧或炉过程动态被建模；诸如在CL过程中的复杂的气氛控制系统的动态模型在此 时是不可用的。还需要CL系统的过程与器械集成和优化。更具体而言，CL集成过程目前并未以 经济最佳操作条件受到控制。这在负荷变化期间和当发生其它装置干扰时尤为如此。上文 所述的许多变量和过程之间的复杂关系影响CL过程的性能，并且还使最佳地且有效地控 制CL过程的努力复杂化。因此，希望开发集成过程设计与控制优化系统，并且更具体地克服上述不足的用 于CL发电装置的集成过程设计与控制优化系统。

发明内容
根据本文所示的方面，提供用于优化发电装置的化学循环过程的控制系统，其包 括优化器、收入算法和成本算法。收入算法基于发电装置的多个输入参数提供收入输入至 优化器。成本算法基于发电装置的多个输出参数提供成本输入至优化器。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方案，并且供应优化的操作参数方案至 发电装置。根据本文所示的其它方面，用于优化发电装置的系统包括化学环路，其具有用于 接收输入参数的输入端和用于输出输出参数的输出端。该系统还包括非线性控制器，其接 收输出参数，基于所接收的输出参数优化输入参数，并且输出优化的输入参数至化学环路 的输入端。根据本文所示的另外的方面，用于优化发电装置的系统包括化学环路，其具有用 于接收输入参数的输入端，用于输出输出参数的输出端，以及可操作地连接到化学环路的 非线性模型预测控制控制器。非线性模型预测控制控制器包括模型部件、可操作地连接到 模型部件的模拟器部件以及可操作地连接到模型部件的优化器部件。非线性模型预测控制 控制器接收输出参数，基于所接收的输出参数优化输入参数，并且输出优化的输入参数至 化学环路的输入端。通过下面的附图和详细描述来举例说明上述特征和其它特征。


现参看为示范性实施例的附图，其中相似的元件利用相似的附图标记表示图1是基于氧化钙的两环路化学循环(CL)系统的方块图。双环路过程设计也适 用于基于钙的化学循环。图2是基于CL燃烧的蒸汽发电装置的方块图；图3是用于CO2预留CL系统的集成优化系统的方块图；图4是示出集成CL过程性能设计与控制设计优化的方块图；以及图5是用于CL过程的模型预测控制(MPC)控制器的方块图。
具体实施例方式本文公开用于CL装置的化学循环(CL)系统的集成过程设计与控制优化系统，类似于在以引用的方式结合到本文中的美国专利No. 7，083，658中更详细地描述的系统。参 看图1，CL系统5包括例如还原器10的第一环路10和例如氧化器20的第二环路20。空气 30供应到氧化器20，并且钙(Ca) 40在其中氧化以产生氧化钙(CaO) 50。在CL系统5的CL 过程中，CaO 50供应到还原器10，并且作为载体将氧传送到供应至还原器10的燃料60 (例 如诸如煤60)。因此，传送到还原器10的氧在还原器10中与煤60相互作用。然后还原的 氧化钙40返回到氧化器20以再次氧化成CaO 50，并且重复CL过程。在氧化期间从空气30提取的氮气(N2) 70以及氧化所造成的热(未示出)离开氧 化器20。同样，在还原器10中在还原期间所产生的气体80离开还原器10。气体80例如 包括合成气体(合成气)、氢气(H2)和/或二氧化碳气体(CO2)。气体80的组成，例如其中 的合成气、H2和/或(X)2的比例，基于煤60与空气30的比率而变化。示范性实施例不限于上文参看图1描述的两个环路，而是可包括单环路或多于两 个环路。例如，在可选的示范性实施例中，CL系统5例如包括第三环路(未示出)，诸如煅 烧炉(calciner)环路，其允许从重整的合成气80生成H2。基于钙的CL系统5也可包括热环路，其例如生成蒸汽以驱动涡轮。具体而言，参 看图2，热环路90包括使用蒸汽105驱动发电机100的蒸汽涡轮95，该蒸汽105通过利用 由氧化器20中氧化期间所产生的热来使给水110沸腾而生成。空气30供应到氧化器20，如上文参看图1所述，而诸如灰和/或过量硫酸钙 (CaSO4)的废料115从氧化器20移除以在外部设施(未示出)中处置。煤60以及碳酸钙 (CaCO3) 120和再循环的蒸汽125供应到还原器10用于其中的还原反应。在操作中，还原反应发生在煤60中的碳和硫、CaC03120与CaS04127之间。该还原 反应产生硫化钙(CaS) 128，其由分离器130分离并且之后通过密封罐控制阀(SPCV) 135供 应到氧化器20。例如，基于CL装置负荷，CaS 1 的一部分通过SPCV 135再循环到还原器 10，如图2所示。此外，分离器将例如CO2的气体80与CaS 128分离。CaS 1 在氧化器20中的氧化反应中氧化，从而产生CaSO4127，其通过分离器130 与N270分离并且经由SPCV 135供应回到还原器10。例如，CaS04127的一部分基于CL装置 负荷通过SPCV 135再循环回到氧化器20。氧化反应也产生热，其使给水110沸腾为供应到 蒸汽涡轮95的蒸汽105。虽然描述了基于氧化钙的CL系统，但是本发明也应用于基于金属氧化物的CL系 统，其类似于在以引用的方式结合到本文中的美国专利申请No. 10/542, 749中描述的系 统。现将参看图3至图5更详细地描述用于CL装置的集成过程设计与控制优化系统 的示范性实施例。应注意的是，集成过程设计与控制优化系统不限于本文所述的CL装置构 造。例如，在可选的示范性实施例中，集成过程设计与控制优化系统可与任何和所有的基于 CL的系统一起使用，包括但不限于单环路、双环路和多(例如两个或更多个)环路CL系 统，无论是基于钙还是基于金属氧化物；具有或不具有蒸汽活化环路；具有/不具有煅烧环 路；进行CO2捕集(capture)以利用(utilization)或封存(sequestration)的基于CL的 下一代基于CL的装置；以及基于CL的(X)2预留(ready)发电装置，但不限于此。该CL过程涉及多相流动和化学反应，其特征为由于质量输送速率和化学反应速 率所致的过程非线性和时间延迟。因此，如将在下文中更详细地描述，非线性优化和控制技术有益于控制CL过程。具体而言，示范性实施例包括从第一性原理方程(例如，质量、 动量和能量平衡)导出的非线性动态化学循环建模和模拟。建模和模拟包括常微分方程 (ODE)、代数方程(AE)和偏微分方程(PDE)的任何组合。此外，经验建模方法，例如神经网 络(NN)，诸如带外生输入的非线性自回归网络(NARX)，带外生输入的非线性自回归滑动平 均(NARMAX)、小波网络模型以及维纳-哈默斯坦(Wiener-Hammerstein)模型，例如用于混 合动态模型结构，其组合简化的第一性原理模型与数据驱动模型。另外，使用线性化模型与 非线性模型的多变量模型预测控制(MPC)提供CL过程的动态优化方案。除了提供优化的 建模、模拟和控制之外，根据示范性实施例的多变量MPC耐受干扰和模型不精确性，从而提 供CL过程的稳定控制。MPC可用作监督控制器，其检查例如使用PID控制器、模糊控制器或 任何类型的自适应控制器(自调调节器，神经自适应控制器、小波网络模型参考自适应控 制器)的调节控制。MPC也可用作直接控制器以利用多个相互作用的环路来调节并优化CL 过程。参看图3，用于基于CL的(X)2预留发电装置205的优化系统200包括系统207，诸 如控制系统207，例如装置控制系统207，其具有优化器210。在示范性实施例中，系统优化 器210是多变量优化器210，其执行发电装置205的总体基于经济的优化。更具体而言，多 变量优化器210集中于与发电装置205相关的器械的热经济性能、排放减少和/或控制以 及寿命延长标准。为了执行发电装置205的总体基于经济的优化，多变量优化器210分别通过成本 算法225和收入算法230接收发电装置205的输入参数215和输出参数220，如图3所示。 在示范性实施例中，输入参数215包括但不限于燃料流量、吸附剂流量、空气流量、水流 量、石灰石流量和固体循环速率。输出参数220包括例如发电率、CO2利用、CO2捕集和CO2 存储(storage)，但不限于此。多变量优化器210从成本算法225和收入算法230接收输出，以例如基于预定的 操作约束235和环境约束240确定发电装置205的优化的操作参数方案。具体而言，在示 范性实施例中，成本算法225对输入参数215的预定个别成本因素Ci与个别输入\的乘积 集合进行求和，而收入算法230对输出参数220的预定个别收入因素Pi与个别输出Yi的乘 积集合进行求和。个别成本因素Ci例如包括但不限于辅助功率成本、石灰石成本和燃料成 本。个别收入因素Pi例如包括排放信用(credit)和寿命延长信用，但不限于此。多变量优化器210使用图3所示的分布式控制系统245和先进过程控制(APC)系 统250将优化的操作参数方案应用到发电装置205。因此，发电装置205以最佳的总体基于 经济的操作点操作。在示范性实施例中，APC系统250例如包括以下构件(未示出)，诸如过滤器、闪蒸 干燥器吸收器(FDA)、喷雾干燥器吸收器(SDA)、静电除尘器(ESP)和/或烟气脱硫(FGD) 系统，但不限于此。示范性实施例还可包括软传感器(soft sensor)模块255，如图3所示。软传感器 模块255包括软传感器(未示出)，例如虚拟传感器，其使用软件来处理从输出参数220 (或 者发电装置205的其它参数)获得的信号。软传感器能够组合并处理所测量的参数以提供 额外参数而无需直接测量额外参数。根据示范性实施例的软传感器基于现有传感器的融 合；可选地，软传感器例如可基于开发用于模拟和控制的模型，但是可选的示范性实施例不限于此。此外，根据可选的示范性实施例的优化系统200不限于与图3所示的基于CL的 CO2预留发电装置205 —起使用。例如，优化系统200可与任何基于CL的发电装置一起使 用，诸如单环路或多环路CL系统(无论是基于钙还是基于金属氧化物)和进行(X)2捕集以 利用或封存的基于CL的装置，但是可选的示范性实施例不限于此。现参看图4，根据示范性实施例的集成CL装置系统的优化过程，包括性能设计和 控制设计，将进一步详细地描述。在示范性实施例中，图4所示的优化过程包括于系统优化 器210 (图幻中，但是图4所示的优化过程的实施不限于此；替代地，图4所示的优化过程 可实施于任何优化器中，并且特别地实施于与各种基于CL的发电装置相关的任何优化器 中，如上文更详细地描述。在优化过程300中，例如在用于集成CL装置系统的优化过程300中，优化过程300 包括性能设计优化和控制系统设计优化功能。具体而言，过程性能设计规范305和控制系 统设计规范310分别根据过程性能设计标准315和控制系统设计标准320得到优化。在示 范性实施例中，过程性能设计规范305例如包括燃料的预定性质、吸附剂性质、所需装置容 量、给定发电率的耗热率、CO2品质和数量，H2品质、H2生成效率，但不限于此。控制系统设 计规范310例如包括控制系统类型、响应速度和操作参数的公差/误差容限，但不限于此。过程性能设计模块325供应过程性能设计规范305和过程性能设计标准315至过 程性能模拟分析器330和控制系统设计模块335。过程性能模拟分析器330基于来自过程 性能模拟器340的输出来分析过程性能设计规范305和过程性能设计标准315。同时，动态 与控制模拟分析器345基于来自动态模拟器350的输出来分析来自控制系统设计模块335 的输出。在示范性实施例中，动态模拟器350是降阶建模(ROM)动态模拟器350。来自过 程性能模拟分析器330和动态与控制模拟分析器345的输出供应到过程性能与控制评估器 355，其判断来自过程性能模拟分析器330和动态与控制模拟分析器345的输出是否个别地 优化。如果来自过程性能模拟分析器330和动态与控制模拟分析器345的输出未个别地优 化，则来自过程性能模拟分析器330和动态与控制模拟分析器345的未优化的输出供应回 到过程性能设计模块325用于额外分析，例如上述分析的随后迭代。如果来自过程性能模 拟分析器330和动态与控制模拟分析器345的输出被优化，则来自过程性能模拟分析器330 和动态与控制模拟分析器345的输出被组合并发送到总系统优化器360，例如诸如遗传算 法(GA)优化器360，以输出优化的装置性能与操作参数365。如图4所示并且在上文中更详细地描述，根据示范性实施例的优化过程300使用 平行的过程性能与控制系统设计分析。通过使用过程性能模拟器340和动态模拟器350， 优化的装置性能与操作参数365被预测、评估并且从而有效地优化。过程性能模拟器340 例如包括使用理论模型和经验模型的热力学、热经济和排放预测，理论模型和经验模型例 如诸如在设计标准中的过程模型和/或回归模型以及基于操作数据库的NN模型，但不限于 此。动态模拟器350例如包括第一性原理模型，或者可选地，组合的第一性原理与数据驱动 经验模型，和/或小波网络模型，以及控制逻辑模拟模块。对于延长寿命控制(未示出)，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(未示出)。同样，环境经济模型 (未示出)可包括于可选的示范性实施例中，从而提供例如诸如S02、N0x、微粒和(X)2的排放 的分析和优化。
由于优化的装置性能与操作参数365的确定可涉及多个迭代以在多个设计设想 中进行选择，故可包括额外的优化器(未示出)使得过程性能与控制系统设计均在由优化 器360优化之前预先优化。现参看图5，现将更详细地描述根据示范性实施例的MPC最佳控制器，并且更具体 地用于CL过程的MPC最佳控制器。在示范性实施例中，诸如MPC控制器400的控制器400 是先进的最佳控制系统，其使用MPC以控制CL过程405。如上所述，CL过程405可用于单 环路或多环路CL系统以及进行(X)2捕集以利用或封存的基于CL的装置和/或基于CL的 CO2预留发电装置，但不限于此。同样如上所述，CL过程涉及多相流动和化学反应，其特征为由于质量输送速率和 化学反应速率所致的过程非线性和时间延迟。因此，常规(例如线性)优化和控制不足以 用于CL过程优化。因此，根据示范性实施例的MPC控制器400例如包括从第一性原理方程 (诸如，质量、动量和能量平衡)导出的非线性动态化学循环建模和模拟。而且，诸如非线性 神经网络的经验建模方法用于混合动态模型结构，其组合简化的第一性原理模型与数据驱 动模型。特别地，MPC控制器400包括诸如模型410的模型部件410，诸如模拟器415的模 拟器部件415和诸如优化器420的优化器部件420。在示范性实施例中，MPC控制器400优于当前装置控制系统构件，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 替换当前装置控制系统。更具体而言，根据示范性实施例的MPC控制器400的模型410包 括非线性稳态模型和一个或更多个线性或非线性动态模型。此外，稳态模型和/或动态模 型各可使用自适应、模糊和/或NN建模技术，和/或第一性原理建模技术以对CL过程405 的复杂、非线性多相流动和化学反应建模。另外，在示范性实施例中，模型410可包括CL系统模型，或者可选地，CL子系统和 /或CL构件模型，其用作用于基于模型的状态估计器、参数估计器和/或故障检测器的基 础。因此，软传感器控制模块255(图幻的新软传感器可从它得到并且与用于优化CL过程 405的控制系统集成。在示范性实施例中，模拟器415是动态模拟器415，其使用先进的技术来模拟CL过 程405。具体而言，动态模拟器415可为ROM模拟器，例如基本上与动态模拟器350相同，例 如在上文中参看图4描述，但是可选的示范性实施例不限于此。同样，根据示范性实施例的 优化器部件420与优化器360(图4)基本上相同，但不限于此。例如，在可选的示范性实施 例中，优化器部件420包括系统优化器210并且更具体地装置控制系统207的多变量优化 器 210(图 3)。在操作中，MPC控制器400从CL过程405接收CL过程输出参数425。CL过程输 出参数425包括但不限于负荷需求、功率和气体(例如Η2、Ν2、0)2和/或合成气)流率。使 用设置点430和预定参数435，MPC控制器400优化建模装置参数并且提供基于建模装置参 数的优化的CL过程输入控制参数440至CL过程405。在示范性实施例中，优化的CL过程 输入控制参数440是固体输送存量控制变量，但是可选的示范性实施例不限此。例如，优化 的CL过程输入控制参数440可为反应器温度控制变量、环路温度控制变量、床温度控制变 量、负荷缓变(ramping)控制变量、装置起动控制逻辑算法、反应器压力变量、反应器压差 变量、装置关闭控制逻辑算法和燃料/空气/石灰石/蒸汽比率，但是可选的示范性实施例不限于前述列表。总之，根据示范性实施例的过程设计与控制优化系统包括多变量、非线性控制优 化系统，其为化学循环装置提供集成的、动态和稳态的性能与控制设计优化。因此，装置排 放显著减少和/或有效地最小化，同时显著地改进总体经济装置效率，从而导致较低的总 体操作成本。虽然参考各种示范性实施例描述了本发明，但是本领域技术人员应了解的是，可 做出各种变化并且等效物可替代本发明的元件，而不偏离本发明的范围。此外，可做出许多 修改以使特定情况或材料适应本发明的教导，而不偏离本发明的本质范围。因此，预期本发 明不限于作为设想用于执行本发明的最佳方式的特定实施例，相反本发明将包括属于权利 要求的范围内的所有实施例。
权利要求
1.一种用于优化发电装置的系统，所述系统包括化学环路，其具有用于接收输入参数的输入端和用于输出输出参数的输出端；以及 非线性模型预测控制控制器，其可操作地连接到所述化学环路， 其中，所述非线性模型预测控制控制器接收所述输出参数，基于所述接收的输出参数 优化所述输入参数，并且输出优化的输入参数至所述化学环路的输入端。
2.如权利要求1所述的系统，其特征在于，所述非线性模型预测控制控制器包括 模型部件；模拟器部件，其可操作地连接到所述模型部件；以及 优化器部件，其可操作地连接到所述模型部件。
3.如权利要求2所述的系统，其特征在于，所述模型部件包括以下中的至少一个稳态模型、动态模型、自适应模型、模糊模型和 神经网络模型，所述模拟器部件包括降阶建模模拟器，以及所述优化器部件包括多变量优化器和遗传算法优化器中的至少一个。
4.如权利要求1所述的系统，其特征在于，所述输入参数包括以下中的至少一个固体输送存量控制变量、反应器温度控制变量、 环路温度控制变量、床温度控制变量、负荷缓变控制变量、装置起动控制逻辑算法、反应器 压力变量、反应器压差变量、装置关闭控制逻辑算法以及燃料流量、空气流量、石灰石流量 和蒸汽流量中的至少两个的比率，以及所述输出参数包括以下中的至少一个负荷需求、发电率、氢气流率、氮气流率、二氧化 碳流率和合成气体流率。
5.如权利要求1所述的系统，其特征在于，所述化学环路包括基于钙的化学环路和基于金属氧化物的化学环路中的一个，以及 所述发电装置包括以下中的一个单环路化学循环装置、多环路化学循环装置、进行 CO2捕集以利用或封存的基于化学循环的装置以及基于化学循环的(X)2预留装置。
6.如权利要求1所述的系统，其特征在于，所述非线性模型预测控制控制器优化所述 发电装置的操作的总体效率。
7.如权利要求2所述的系统，其特征在于，所述非线性模型预测控制控制器还包括可 操作地连接到所述优化器部件的软传感器模块。
8.一种用于优化发电装置的化学循环过程的控制系统，所述控制系统包括 优化器；收入算法，其基于所述发电装置的多个输入参数提供收入输入至所述优化器；以及 成本算法，其基于所述发电装置的多个输出参数提供成本输入至所述优化器， 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 数方案，并且供应所述优化的操作参数方案至所述发电装置。
9.如权利要求8所述的控制系统，其特征在于，所述发电装置包括以下中的一个单环 路化学环路、多环路化学环路、进行(X)2捕集以利用或封存的基于化学循环的装置以及基于 化学循环的CO2预留装置。
10.如权利要求9所述的控制系统，其特征在于，所述发电装置还包括基于钙的化学环路和基于金属氧化物的化学环路中的一个。
11.如权利要求8所述的控制系统，其特征在于，所述多个输入参数包括以下中的至少一个燃料流量、吸附剂流量、空气流量、水流量、 石灰石流量和固体循环速率，以及所述多个输出参数包括以下中的至少一个发电率、CO2利用、(X)2捕集、CO2存储、H2利 用、H2捕集、吐存储、合成气体利用、合成气体捕集和合成气体存储。
12.如权利要求8所述的控制系统，其特征在于，所述收入算法还基于排放信用和寿命延长信用中的至少一个提供所述收入输入至所 述优化器。
13.如权利要求8所述的控制系统，其特征在于，所述成本算法还基于辅助功率成本、石灰石成本和燃料成本中的至少一个提供所述成 本输入至所述优化器。
14.一种用于优化发电装置的系统，所述系统包括化学环路，其具有用于接收输入参数的输入端和用于输出输出参数的输出端；以及非线性控制器，其接收所述输出参数，基于所接收的输出参数优化所述输入参数，并且 输出优化的输入参数至所述化学环路的输入端。
15.如权利要求14所述的系统，其特征在于，所述非线性控制器包括模型预测控制控 制器。
16.如权利要求14所述的系统，其特征在于，所述非线性控制器包括模型部件；模拟器部件，其可操作地连接到所述模型部件；以及优化器部件，其可操作地连接到所述模型部件。
17.如权利要求16所述的系统，其特征在于，所述模型部件包括以下中的至少一个稳态模型、动态模型、自适应模型、模糊模型和 神经网络模型，所述模拟器部件包括降阶建模模拟器，以及所述优化器部件包括多变量优化器和遗传算法优化器中的至少一个。
18.如权利要求14所述的系统，其特征在于，所述输入参数包括以下中的至少一个固体输送存量控制变量、反应器温度控制变量、 环路温度控制变量、床温度控制变量、负荷缓变控制变量、装置起动控制逻辑算法、反应器 压力变量、反应器压差变量、装置关闭控制逻辑算法以及燃料流量、空气流量、石灰石流量 和蒸汽流量中的至少两个的比率，以及所述输出参数包括以下中的至少一个负荷需求、发电率、氢气流率、氮气流率、二氧化 碳流率和合成气体流率。
19.如权利要求14所述的系统，其特征在于，所述化学环路包括基于钙的化学环路和 基于金属氧化物的化学环路中的一个。
20.如权利要求19所述的系统，其特征在于，所述发电装置包括以下中的一个单环路 化学循环装置、多环路化学循环装置、进行(X)2捕集以利用或封存的基于化学循环的装置以 及基于化学循环的(X)2预留装置。
全文摘要
用于优化发电装置的化学循环过程的控制系统(207)包括优化器(420)、收入算法(230)和成本算法(225)以及化学循环过程模型。过程模型用于从过程输入变量预测过程输出。过程输入和输出变量中的某些关于装置的收入；某些其它变量关于装置操作的成本。收入算法(230)基于发电装置的多个输入参数(215)提供收入输入至优化器(420)。成本算法(225)基于发电装置的多个输出参数(220)提供成本输入至优化器(420)。优化器(420)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方案，并且供应优化的操作参数方案至发电装置。
文档编号G05B13/04GK102084303SQ200980108364
公开日2011年6月1日 申请日期2009年3月2日 优先权日2008年3月3日
发明者C·H·诺伊谢菲尔, 娄新生 申请人:阿尔斯托姆科技有限公司