CN101657765B - 利用从统计和实时数据得到的可达到性能对设备进行通用性能评估的方法和装置 - Google Patents

利用从统计和实时数据得到的可达到性能对设备进行通用性能评估的方法和装置 Download PDF

Info

Publication number
CN101657765B
CN101657765B CN200880008034.8A CN200880008034A CN101657765B CN 101657765 B CN101657765 B CN 101657765B CN 200880008034 A CN200880008034 A CN 200880008034A CN 101657765 B CN101657765 B CN 101657765B
Authority
CN
China
Prior art keywords
performance
performance parameter
value
operating
parameter
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.)
Active
Application number
CN200880008034.8A
Other languages
English (en)
Other versions
CN101657765A (zh
Inventor
彼得·N·弗朗西诺
程绪
弗瑞得瑞克·C·哈夫
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.)
Emerson Process Management Power and Water Solutions Inc
Original Assignee
Emerson Process Management Power and Water Solutions Inc
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 Emerson Process Management Power and Water Solutions Inc filed Critical Emerson Process Management Power and Water Solutions Inc
Publication of CN101657765A publication Critical patent/CN101657765A/zh
Application granted granted Critical
Publication of CN101657765B publication Critical patent/CN101657765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N5/00—Systems for controlling combustion
    • F23N5/24—Preventing development of abnormal or undesired conditions, i.e. safety arrangements
    • F23N5/242—Preventing development of abnormal or undesired conditions, i.e. safety arrangements using electronic means
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N5/00—Systems for controlling combustion
    • F23N5/26—Details
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • G05B23/021—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system adopting a different treatment of each operating region or a different mode of the monitored system, e.g. transient modes; different operating configurations of monitored system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0294—Optimizing process, e.g. process efficiency, product quality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2223/00—Signal processing; Details thereof
    • F23N2223/44—Optimum control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2225/00—Measuring
    • F23N2225/22—Measuring heat losses
    • F23N2225/24—Measuring heat losses indicated in an amount of money
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23N—REGULATING OR CONTROLLING COMBUSTION
    • F23N2237/00—Controlling
    • F23N2237/10—High or low fire
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

一种热力设备和过程的统计性能评估系统使用从该设备或过程的统计和实时数据获得的可达到性能，来评估该设备或过程的当前性能，并且相应地调整该设备或过程的操作，或者给操作员或其它监测系统提供反馈以采取校正行动来获得接近于最优可达到性能的性能。在预期得到最佳可达到性能时，例如在执行维护之后，设备或过程的可达到性能从在操作时段期间所采集的数据获得，并且代替由制造商所指定的、通常并不代表现场中的实际操作状况的理想或设计性能，作为评估设备实时性能的基础。所述统计性能评估系统可以为性能参数设置期望上限和下限，并且将期望极限与实际性能参数值比较以确定待对设备或过程的操作进行的再调整。

Description

利用从统计和实时数据得到的可达到性能对设备进行通用性能评估的方法和装置
技术领域
本专利总的来说涉及计算机软件，更具体地说，涉及在监测和控制热力设备和过程中使用的计算机软件。
背景技术
现今许多操作中的发电厂已经有20-30年。在这个时间期间，发电厂中和工厂设备已经发生了许多变化。设备已经退化，并且经常被检查和机械修改。而且，大量的实用生产设备燃烧的是与这些设备被设计成燃烧的燃料明显不同的燃料。结果，在这些设备被设计并被安装在发电厂中时所开发出的原始制造商设计曲线，不再代表这些设备的目前操作能力。
用于发电厂和其中设备的性能监测的当前方法是在20-30年以前被开发出来的，针对的是在那时电力行业的期望状况下操作的机组。当时和现今的方法论对应于强调可靠性的20世纪60年代和70年代的美国和西欧标准。在方法论被开发出来时，那些方法以改进性能监测和控制的质量的形式带来了许多显著的优点。不过，发电行业的当前动态解除管制方面使得这种方法已经过时。若干基本因素使得这种方法变得过时。首先是，计算机技术的进步允许数字自动控制系统的普遍使用。其次是，电能市场中的系统改变已经使得这种方法的功效在当前操作状况下是有问题的。此外，被连续监测并被存档到工厂历史数据库的低成本、高精度仪器的可用性，给性能监测和性能比较达到最佳可达到性能而不是在发电厂被构建时可能已经可达到的性能提供了新的机会。
数字自动控制系统通过在线分配所有的参数(和损失)并允许操作员直接监督，已经使得性能参数的连续控制成为可能。测量设备和工具的提高的品质减少了周期性加热速率测试和保证测量的任务。此外，与日益增长的优化系统的共同应用(例如，监督替换或在正常机组操作期间增加偏置信号给操作员动作)相连的DCS自动化控制的高质量，减小了基于效率简单改进的可能性。为了这个原因，性能监测的基本任务应该被修改为比较实际性能与设备或过程的最佳可达到性能而不是基于制造商设计值的预测性能，以及检测操作基于市场的产生调度的可能损失。这种改变对工厂操作和工程人员来说会是更有意义和更易理解的。
性能控制的典型方法论在无数会议材料和教科书中被介绍。简而言之，这种方法基于：(基于ASME动力试验规程)计算也称为机组加热速率的机组化学能利用率，以及基于设备在非额定状况的状况下的操作，分配所测量的损失以及加热速率与期望值(额定值，或从最后保证测量中得出的值)的偏差。影响机组加热速率并且可以被考虑在内的基本参数包括主蒸汽压力、主蒸汽温度、过加热器中的压力降低、再热蒸汽温度、冷凝器压力、给水温度、烟气中的氧含量以及烟道气温度。受控参数的数目已经被扩大许多倍，但是却没有改变这种方法的主要理论基础。加热速率偏差(BTU/kWh)通常针对数据的更易接近和有意义表示被计算成$Hr值。基于ASME或类似方法论的系统在实践中被引入所有的发电厂中，其中自动控制系统的现代化通常被开发成每隔几分钟进行一次所有计算并且在分布式控制系统(DCS)的操作员屏幕或辅助计算机显示器上呈现结果的在线系统。
性能计算方法论在被恰当地实施时是必要和有效的，不过也具有一系列缺点。明显的是，在许多年以后以及许多计算结果的计算平台修订版之后，更严格的对结果进行评估以及尝试更多的深度分析是可能的。应用现代性能控制技术的一些问题与控制方法中使用的基准值和校正曲线有关。目前，大多偏差和损失是相对于所谓的基准值被计算和监测的。通常，存在原始设备制造商(OEM)所给出的额定值。不过，对于具有15-40年寿命周期且具有已经被现代化和重建至少若干次的装置的设备来说，这些额定值并不构成对当前配置中该设备的实际操作参数的真正反映。
问题还产生于用于定义设备的受控或测得损失的校正曲线。在目前的性能监测方法中，诸如主蒸汽温度、主蒸汽压力等的操作参数与设计值(即，可达到、设计、理论值)的偏差的影响，很大程度上利用所谓的制造商校正曲线被分配。不考虑这些曲线的准确性和获得这种数据的共同问题，这种理论的基础在于将这些参数(xi)(梯度)的影响定义成机组加热速率
Figure G2008800080348D00031
制造商的数据通常不对应于现代化机组的实际、动态操作。同时，似乎存在为给定控制值分配偏差的理论问题。在建立校正曲线的情况下，假定给定值对机组加热速率的影响的清楚分配是可能的(qb)。换句话说，诸如压力和温度的变量被看作最后导致获得关系 ∂ q b / ∂ x i = f ( x i ) 的自变量。这样连同其它因素得到这种通过平衡计算和仿真计算中各个参数的改变分配校正曲线的方法。
在真正实践中，在正常操作期间这些参数之间存在强性关系，并且这些参数被相互关联。这种关系可利用统计技术被得出。在正常操作期间，不修改其它参数而改变一个参数是不可能的。此外，分配这些参数之间的关系不仅依赖于热力相关性(平衡)，而且还受到应用控制机组的自动控制系统的操作的影响。换句话说，在改变主机组操作参数中之一时的实践中，自动控制系统执行机组状态到不同操作点的转换，从而修改其它参数。因此，利用校正曲线分配的偏差不再具有任何实践意义。例如，在一给定时刻，一系列主参数的机组加热速率的偏差被分配，并且利用当前值与额定或基准值之间的差得到的参数之一的负偏差可以被获得。通过在其它参数保持不变的同时将参数引到额定或基准值从而减小偏差来取消这种差，得到参数、参数与基准值的差以及这些值与基准值的、以前并不存在偏差的值与基准值的潜在新偏差的完全不同的系统。
因此，存在这样的需要，以通过考虑统计可达到性能而不是理论或设计理想性能水平，利用基于当今操作状况的分析和控制的统计数据，来确定热力设备和过程的可达到和统计可控性能，以及对当前用于性能监测的应用系统进行改进。
改进的性能监测可能有益于热力设备或过程的应用的一种具体示例在于燃料燃烧锅炉，在该燃料燃烧锅炉中，吹灰被进行以调整锅炉中的传热效率。多种工业和非工业应用使用燃料燃烧锅炉，该锅炉通常通过使诸如煤、气、油、废料等的多种燃料中的一种进行燃烧，来将化学能转化为热能。燃料燃烧锅炉的一种示例性应用是用在火力(thermal power)发电机中，其中燃料燃烧锅炉用于将水经过锅炉内的若干条管路和管道来产生蒸汽，然后蒸汽用于在一个或更多涡轮机(turbine)中发电。热力发电机的输出是锅炉中所产生热量的函数，其中，该热量由每小时能够燃烧的燃料量等来确定。另外，热力发电机的输出还可能依赖于用于使燃料燃烧的锅炉的传热效率。
诸如煤、油、废料等的特定类型燃料的燃烧在锅炉中的各种表面上，包括锅炉内壁以及在运送水通过锅炉的管道外壁上，产生大量的烟灰(soot)、炉渣、灰分(ash)和其它沉积物(统称“烟灰”)。沉积在锅炉中的烟灰对从锅炉到水的传热率有多种有害作用，因此对任何使用这种锅炉的系统的效率有多种有害作用。为了在锅炉内维持期望的效率，必须处理燃烧煤、油及其它这类产生烟灰的燃料的燃料燃烧锅炉中的烟灰问题。虽然不是所有的燃料燃烧锅炉都产生烟灰，但是对于该专利的其余部分，术语“燃料燃烧锅炉”用于指代那些产生烟灰的锅炉。
已经开发了各种解决方案来处理燃料燃烧锅炉的由锅炉中产生和存在烟灰沉积物而引起的问题。一种方法是使用通过制造机械和热冲击来去除锅炉表面上所累积的烟灰垢的吹灰器。另一种方法是使用各种类型的通过喷嘴喷射清洗材料的吹灰器，这种吹灰器位于锅炉壁的气体侧和/或位于其它热交换表面上，在这些地方这种吹灰器使用诸如饱和蒸汽、过热蒸汽、压缩空气、水等的各种介质中的任意介质来从锅炉去除烟灰。
吹灰影响操作燃料燃烧锅炉的效率和费用。例如，如果在锅炉中采用了不充分的吹灰，则会导致各种蒸汽运送管路的表面上存在过量的烟灰沉积物，因此导致传热率低下。在某些情况下，不充分的吹灰可能导致燃料燃烧锅炉中“永久性结垢”，这意味着锅炉中的烟灰沉积物过多，已经无法通过任何附加吹灰来去除这些沉积物。在这种情况下，可能需要强制停止锅炉操作来解决烟灰沉积物过多的问题，并且锅炉维护人员可能必须使用锤子和凿子来手动去除烟灰沉积物。这种强制停止不仅昂贵，而且对使用这种燃料燃烧锅炉的系统具有破坏性。
另一方面，在燃料燃烧锅炉中过度吹灰可能导致操作吹灰器的能量成本上升，而消耗的蒸汽在其它情况下可以用于操作涡轮机等。过度吹灰还可能与锅炉壁管道变薄、管道泄露等有关系，锅炉壁管道变薄、管道泄露可能会导致强制停止锅炉的使用。因此，需要精细控制吹灰过程。
过去，多用途锅炉中的吹灰通常是一种自组织的实践，一般依赖于锅炉操作者的判断。这种自组织的方法产生极无定见的结果。因此，更高效地、以最大化锅炉操作的效率并最小化与吹灰操作相关联的成本的方式来管理吹灰过程，是很重要的。
一种用于确定锅炉部件的清洁度并控制吹灰操作的普遍方法是基于首先原则的方法，该方法需要测量锅炉部件的入口和出口处的烟气温度和蒸汽温度。然而，由于直接测量烟气温度并不总是可行的，因此烟气温度通常是从在空气加热器出口处测得的烟气温度开始，在沿烟气路径的多个点处反向计算出的。该方法对于空气加热器出口烟气温度的干扰和变化非常敏感，因此经常会导致错误的结果。而且，该方法是一种稳态方法，因此不适用于各种锅炉部件中通常会遇到的瞬时过程。
另一种用于确定燃料燃烧锅炉的锅炉部件的清洁度并控制燃料燃烧锅炉中的吹灰操作的普遍方法是基于经验模型的方法，该方法依赖于诸如神经网络模型、多项式拟合模型(polynomial fit model)等的经验模型。该基于经验模型的方法通常需要大量与诸如燃料流速、空气流速、空气温度、水/蒸汽温度、燃烧器摆角(tilt)等的若干个参数相关的经验数据。遗憾的是，大量数据使得数据采集过程冗长并且易于在数据采集中出现大量的错误。该模型也可以类似于以上所论述的、利用来自制造商的其它信息中的基准值和校正曲线的性能监测方法。如上所论述的，这种方法基于制造商的设计而不是当前操作状况下吹灰操作的最优可达到性能来评估性能。
附图说明
本专利以示例而非限制的方式被示出在附图中，在附图中相同的附图标记表示相同的部件，其中：
图1示出示例性可达到的性能评估例程的流程图；
图2示出被监测设备或过程的热力参数的示例性数据分布曲线；
图3示出广义性能评估例程的流程图；
图4示出典型锅炉的锅炉蒸汽循环的框图；
图5示出利用多个吹灰器的示例性锅炉部件的示意图；
图6示出示例性热吸收统计计算程序的流程图；
图7A示出吹灰统计过程控制程序的流程图；
图7B示出多个热吸收数据分布曲线。
图8示出永久性成渣检测程序的流程图；以及
图9示出用于图示永久性成渣的多个热吸收分布曲线。
具体实施方式
由于现今控制系统使得存档长时间段内的工厂性能数据成为可能，因此利用统计技术来分析这种数据以确定设备或过程的最佳可达到性能是可能的。统计和实时工厂数据可被用于分析工厂数据，以为一件诸如泵、压缩器之类的设备或者为整个过程确定可达到操作范围。这些分析应该在一件设备已经被维修之后立刻进行，或者在设备或过程被认为处于最佳状况下的另一时刻进行。在可达到操作范围被确定之后，对于这些件设备或过程的数据分布随时间被观测或监测，以确定正常操作期间设备/过程的实际操作范围。这种监测也被执行用来识别何时观测到与可达到性能的偏差。
每当针对实际操作范围的数据分布具有超出与可达到操作范围的预定允许偏差的明显移动时，这件设备或过程就可能需要维修了。最大允许或容许偏差可以利用操作经验或利用数据的敏感性分析被确定。操作人员和工程人员可被通知与可达到操作范围的偏差，并且采取必要的校正行动。随着时间的过去，在与设备的可达到操作范围的偏差以及它们的可能原因的认知基础被获得时，控制系统可以被配置为在可能的情况下或最小限度地自动采取校正行动，以建议校正行动给操作人员和工程师。
以上所论述的步骤对于工业和非工业环境中的热力过程具有普遍的实用性。如此处所使用的，术语过程可能一般指在诸如吹灰器、热交换器、泵、涡轮之类的单个设备中发生的热力过程，或者涉及多个热力设备和步骤的热力过程，例如热交换部件和其它具有发电厂、汽车发动机之类的子系统，其中设备和过程的可达到性能和实际性能都可以被确定。以下论述示出一种应用，其中这种广义方法可以被应用于热交换部件内的吹灰。可应用这种广义方法的另一示例在于计算发电厂的可控损失。
图1包含可达到性能评估例程20的步骤的广义流程图，该性能评估例程20可用于基于设备的当今操作状况，获得热力设备或过程的各个参数(主蒸汽温度和压力、排气温度和压力、流体流速等)的准确校正功能。可达到性能评估例程20可以用软件、硬件、固件或用它们的任意组合实施。当用软件实施时，可达到性能评估例程20可以存储在只读存储器(ROM)、随机存取存储器(RAM)或被用于实施可达到性能评估例程20的计算机使用的任意其它存储装置中。可达到性能评估例程20可以用于计算和评估热力过程中的仅一个设备或部分的统计值，或可替换地，可以用于计算和评估全部过程的统计值。理想地，例程20在设备被检查或其它维护已经进行之后，在设备被替换之后，或者在设备或过程被预期在最大可达到性能水平执行的其它任何时刻，被执行。例如，例程20可以在锅炉部件被停止使用以去除永久性烟灰沉积物之后，或者在发动机被重建之后，被执行。评估可以在设备或过程被重新投入使用之前的单独测试时段期间被进行，或者评估可以在采集必要的数据以执行评估的持续时间内设备或过程被重新投入使用时被进行。
可达到性能评估例程20可以在块22开始，为热力过程的每个可控损失参数采集实时操作数据。由于设备或过程通常在正常操作期间的不同时刻在不同的负载水平下操作，因此设备或过程可以在预期的负载水平上被操作，以确保在设备或过程可以操作的所有负载范围内采集数据。在数据已被采集时，块24计算与评估和控制设备和/或过程的性能相关的各个性能参数。在一些情况下，相关参数可以通过可用监测设备(例如，温度、压力和流速)直接测量。在其它情况下，参数是由于例如锅炉部件中的热吸收量的参数性质或者由于不能准确监测其它可测参数的值而必须进行的计算的结果。操作数据被采集直到每个负载范围有足够量的数据来对设备或过程的可达到性能进行必要评估。用户可以指定在负载范围内必须被采集的观测值的数目，或者可以指定必须经过的时间段以确保为该过程采集了足够的数据。如果在块26未采集到足够的数据，则控制返回到块22以用于采集另外的操作数据。
一旦块26确定已经采集到足够量的操作数据，就对数据进行分析以确定设备或过程的可达到性能为性能参数的函数的可达到性能。控制可以转到块28，以进行操作数据的统计分析。例如，对于每个相关的性能参数，块28可以计算各种操作负载下的均值、中值、标准差、方差、偏斜度以及其它统计值。所观测的操作数据还提供在可达到操作状况下过程参数的分布曲线。在采集到足够的操作数据之后，控制还可以转到块30，以获得可以替换制造商提供的校正曲线的校正函数，或者替换利用可达到性能评估例程20的先前执行而最近获得的校正函数的校正函数。校正函数可以通过对操作数据应用统计分析技术以确定性能参数与被监测设备或过程的总体性能之间的相关度而获得。这样的统计分析的一个示例在由Cheng等人在2008年3月12日递交的、名称为“Use of Statistical Analysis in Power PlantPerformance Monitoring(发电厂性能监测中统计分析的使用)”的共同未决美国专利申请No.11/____，____，中提供，此申请通过参考被特别合并于此。
一旦在块28进行了统计分析并且在块30处获得校正函数，控制可以转到块32，以确定设备或过程的可达到性能以及待用于监测、评估和控制设备或过程相对可达到性能的实时性能的适当性能参数。例如，可达到性能测量值可以是性能参数，该性能参数的值最紧密相关于设备或过程的可达到性能。在锅炉部件的情况下，在蒸汽通过锅炉部件时所计算的热吸收量可以提供该部件性能的最准确表示。在内燃机中，排气温度或压力可能是适合测量的性能参数。而且，对于给定性能参数，操作数据和统计分析用于确定工厂的每个负载范围内的参数的最佳可达到操作范围。例如，图2示出给定负载下被监测设备或过程的性能参数的观测值的示例性分布曲线40。观测值分布在性能参数的均值42周围，而且假定其它相关联性能参数也在其相应的极限内操作，在性能参数具有下限44与上限46之间的值时，设备或过程可以在负载下在性能的可达到水平操作。返回图1，一旦可达到性能测量值被确定，控制转到块34，在块34信息作为反馈被提供给操作或其它监测人员或系统，以用于确保设备或过程在所期望和/或可达到操作范围内操作。另外，使用其它统计技术，应该被应用于参数的加热速率校正函数被获得。一旦校正函数被获得，以$/HR为单位的参数的可控损失可按照以上所论述的方式被计算。校正因子现在可利用实际设备或过程数据而不是制造商设计数据被确定。
利用通过可达到性能评估例程20所获得的可达到性能测量值、统计数据和校正函数，设备或过程的性能可以基于被监测的特定设备或过程的可达到性能而不是理想的和可能达不到的理论水平的性能，被监测和评估。随着时间的推移，设备或过程的实际性能可能偏移如图2中所示的可达到曲线40。在实际性能偏离可达到性能足够大时，如果可能的话性能参数应该被调节，以改进设备或过程的性能来尽可能满足可达到性能或者匹配该水平的性能。
图3包含实际性能评估例程50的广义流程图，该性能评估例程50可用于评估热力设备或过程的性能并提供反馈给操作人员或监测和控制该设备或过程的其它任何人或系统。与可达到性能评估例程20一样，性能评估例程50可以用软件、硬件、固件或用它们的任意组合实施。当用软件实施时，性能评估例程50可以存储在只读ROM、RAM或由用于实施性能评估例程50的计算机使用的任意其它存储器件中。性能评估例程50可以用于计算和评估热力过程中的仅一个设备或一部分的统计值，或可替换地，可以用于计算和评估全部过程的统计值。
块52通过采集被监测设备或过程的当前操作状态的实时数据，启动设备或过程的评估。所采集的操作数据可以类似于可达到性能评估例程20为可以被直接测量的性能参数或为可以从可测数据获得的性能参数在块22所采集的操作数据。应该注意的是，例程20和50可以在设备或过程被期望在可达到性能水平操作的时刻被并行执行，或者可以在最优性能应该被实现的时刻被合并到单个例程中，该单个例程被配置为在设备或过程的性能的正常操作期间执行可达到性能。在操作数据被采集时，块54以与块24类似的方式计算并存储用于比较当前性能和可达到性能的性能参数。
块56评估块52、54所采集和存储的操作数据量。例如，用户可以指定性能评估例程50必须采集的观测值的数目，在这种情况下，块56比较所采集的数据与用户所提供的这种规范。如果块56确定需要更多的数据，则控制返回到块52。在块56确定已经采集到足够量的操作数据时，则块58计算被监测设备或过程的性能参数的多个统计数据。例如，块58可以计算均值、中值、方差、标准差、偏斜度以及其可能与评估设备或过程的实时性能相关的统计值。
随后，块60评估块58计算出的统计数据。特别是，块60可以评估性能参数针对性能评估例程50的用户所提供的若干测量值或针对可能相关于设备或过程的实时操作的多个工业平均值的统计数据。在例如以下进一步论述的性能评估例程50的实施中，块60可以被提供以目标控制下限和目标控制上限，其中针对该目标控制下限和目标控制上限来评估性能参数的分布。可替换地，性能评估例程50可以利用可达到性能评估例程20为性能参数所计算出的统计数据，计算目标控制下限和目标控制上限。例如，性能评估程序50的实施可以利用性能参数的可达到均值和可达到标准差，确定目标控制下限和目标控制上限。
在块60评估性能参数统计值之后，块62确定是否需要改变设备或过程的当前操作，例如，块62可以确定需要改变可测参数的设定点中的一个或多个，以朝曲线40的可达到分布的方向移动性能参数的分布。特定的调节或可以被调节的参数可以基于实际分布不同于可达到分布的方式被确定。例如，可能必需增加或减小一个参数的值，或者将设备或过程停止使用并且进行维护，其中实时分布曲线被移到可达到曲线40的左边或右边，不过不同的参数可以在实时分布曲线比可达到分布曲线40宽或窄时被调节。
如果块62确定需要改变设备或过程的当前操作配置，则块64可以计算待施加到设备或过程的各种参数中的任何参数的改变，或者提供反馈给操作员以帮助确定必要的校正行动。块64可以使用块58所计算的各种统计值，以确定待施加到操作参数的改变。可替换地，随着时间的过去，可获得给操作员提供关于性能退化的原因和最有可能的原因以及可能被采取的可用校正行动的解决方案或指导的认识基础。这些指导可以包括特定校正行动是否在由可达到性能评估例程20获得的可达到校正曲线所建立的可允许操作极限内的指示。当然，块62还可以确定设备或过程在有效地工作，并且不需要改变当前操作，在这种情况下，控制可以转移至块52，以无需任何改变就连续监测设备或过程。
返回我们的燃料燃烧锅炉中吹灰的具体示例，统计过程控制系统对例如燃料燃烧锅炉的热交换部件采用一致的吹灰操作，采集热交换部件的热吸收数据，并且分析热吸收数据的分布以及热吸收分布的各种参数，从而再调节吹灰操作。该统计过程控制系统可设置期望热吸收下限和期望热吸收上限，并且将它们分别与实际热吸收下限和实际热吸收上限比较，以确定待对吹灰实践进行的再调节。
一般而言，此处所描述的统计过程控制系统比基于第一原理的方法和基于经验模型的方法更可靠，并且由于统计过程控制系统仅需要用于实施的热吸收数据而实施简单。而且，由于此处所描述的统计过程控制系统使用热吸收数据，因此独立于烟气温度中的干扰和噪声并且通常不受到其影响，从而在吹灰器的操作和热交换部件的清洁度上提供更统一的控制。
一般而言，统计过程控制系统的实施测量各个点处随时间的热吸收量，以确定吹灰操作之前和之后的热吸收量的差别，并且基于这种热吸收统计值计算各种统计过程控制测量值，以确定吹灰操作的有效性。统计过程控制系统为锅炉的热交换部件或其它机器建立一致的吹灰操作，并且减小控制吹灰器的操作所需要的数据量。
图4示出可被例如热电站使用的典型锅炉100的锅炉蒸汽循环的结构图。锅炉100可以包括多种部件，蒸汽或水以诸如过热蒸汽、再热蒸汽等的多种形式流经这些部件。而图4所示的锅炉100具有水平坐落的多种锅炉部件，在实际实施中，尤其由于各种锅炉部件中，例如水冷壁吸收部件中对蒸汽进行加热的烟气是竖直上升的，因此这些部件中的一个或更多部件可以竖直布置。
锅炉系统100包括水冷壁吸收部件102、主过热吸收部件104、过热吸收部件106和再热部件108。另外，锅炉100还可以包括一个以上过热蒸汽降温器(desuperheater)110和112以及燃料节省器(economizer)部件114。由锅炉100生成的主蒸汽用于驱动高压(HP)涡轮机116，来自再热部件108的热的再热蒸汽用于驱动中压(IP)涡轮机118。通常，锅炉100还可以用于驱动图4中未示出的低压(LP)涡轮机。
水冷壁吸收部件102主要负责生成蒸汽，其包括若干条管路，蒸汽经过这些管路进入鼓形圆桶(drum)。进入水冷壁吸收部件102的给水可以通过燃料节省器部件114被泵浦。该给水在位于水冷壁吸收部件102中时，吸收大量的热。水冷壁吸收部件102具有蒸汽鼓形圆桶，该鼓形圆桶容纳水和蒸汽，并且必须对该鼓形圆桶中的水位进行精细控制。在该蒸汽鼓形圆桶顶部处采集的蒸汽被供应给主过热吸收部件104，然后到达过热吸收部件106，主过热吸收部件104和过热吸收部件106一起将蒸汽温度提高到极高的水平。从过热吸收部件106输出的主蒸汽驱动高压涡轮机116，从而发电。
一旦主蒸汽驱动了高压涡轮机116，该蒸汽就被按路线传送到再热吸收部件108，并且从再热吸收部件108输出的热的再热蒸汽用于驱动IP涡轮机118。过热蒸汽降温器110和112可用于将最终蒸汽温度控制在期望的设定点。最后，来自IP涡轮机118的蒸汽可以通过LP涡轮机(未在此示出)供应给蒸汽冷凝器(未在此示出)，在蒸汽冷凝器中，蒸汽被冷凝成液态，并且该循环重新开始，多个锅炉供给泵对给水进行泵浦，用于下一个循环。位于从锅炉排出的热废气的流程中的燃料节省器部件114在给水进入水冷壁吸收部件102之前，使用热气向给水传递余热。
图5是锅炉部件200的示意图，锅炉部件200具有位于来自锅炉100的烟气的路径中的热交换器202。锅炉部件200可以是以上所述的例如主过热吸收部件104、再热吸收部件108等的多种热交换部件中任意一种的一部分。本领域普通技术人员应该理解，尽管锅炉部件200的本示例可以位于锅炉100的特定部分中，但是在该专利中示出的吹灰器控制方法可以应用于锅炉中可能发生热交换和烟灰累积的任意部件。
热交换器202包括用于运送在混合器206中与喷射水(spray water)混合在一起的蒸汽的若干条管道204。热交换器202可以将水和蒸汽的混合物转换为经过过热的蒸汽。输入到再热部件200的烟气由箭头209示意性地示出，离开锅炉部件200的烟气由箭头211示意性地示出。所示出的锅炉部件200包括六个吹灰器208、210、212、214、216和218，用于去除热交换器202外表面的烟灰。
吹灰器208、210、212、214、216和218的操作可以由操作者通过计算机250来控制。计算机250可以被设计为在存储器252上存储一个或更多个计算机程序，存储器252可以采用随机存取存储器(RAM)、只读存储器(ROM)等的形式，其中这种程序可以适于在计算机250的中央处理单元(CPU)254上被处理。用户可以通过输入/输出控制器256与计算机250进行通信。计算机250的多个构件中的每一个均可以通过内部总线258相互通信，内部总线258还可以用于与外部总线260进行通信。计算机250可以使用外部通信总线260与多个吹灰器208、210、212、214、216和218中的每一个进行通信。
吹灰器208-218可以根据特定的吹灰顺序进行操作，该吹灰顺序指定各个吹灰器208-218被启动的顺序、吹灰器208-218的操作频率、各吹灰器开启的时长等。尽管燃料燃烧锅炉的给定部件可以具有若干个不同的热交换部件，但是可用于吹灰操作的蒸汽和水的供应是有限的。因此，各热交换部件被指派优先级，该热交换部件的吹灰器根据该优先级来进行操作。在具有较高优先级的热交换部件中的吹灰器会接收所需的水和蒸汽来完全操作，在具有较低优先级的热交换部件中的吹灰器仅在可获得所需的水和蒸汽时操作。如下文进一步详细描述的，特定热交换部件的优先级可以根据控制该特定热交换部件的吹灰器而实施的程序来改变。
图6示出热吸收统计计算程序300的流程图，该程序300可用于计算锅炉100的各种部件中的任何部件，例如锅炉部件200的热吸收统计值。热吸收统计计算程序300可以用软件、硬件、固件或用它们的任意组合实施。当用软件实施时，热吸收统计计算程序300可以存储在只读存储器(ROM)、随机存取存储器(RAM)或被用于实施热吸收统计计算程序300的计算机使用的任意其它存储装置中。热吸收统计计算程序300可以用于计算锅炉100的仅一个部件的热吸收统计值，或者可替换地，可以用于计算锅炉100中的全部热交换部件的热吸收统计值。
块302通过建立操作的初始序列(当前操作排序)来启动热吸收统计值的计算。这种当前操作排序可以由对操作锅炉部件，例如锅炉部件200中的多个吹灰器中的每个的时间表进行定义的各种参数来特征化。例如，热吸收统计计算程序300的实施可以指定吹灰器208被开启的频率、吹灰器208被保持开启的时间长度，以及在两个连续的时间段之间吹灰器208被断开的时间长度。
块302还采集和存储有关流过锅炉部件200的蒸汽的各种数据。例如，块302可以采集进入锅炉部件200的蒸汽的温度和压力，并且可以计算锅炉部件200的用Hi表示的进入焓(焓是流体的热能含量，以Btu/lb为单位)，从锅炉部件200退出的蒸汽的温度和压力，锅炉部件200的用Ho表示的退出焓、进入锅炉部件200的用Flbs/Hr表示的蒸汽的流速，等等。
块304利用块302采集的数据，计算和存储锅炉部件200中的热吸收量。在我们的案例中，锅炉部件200的热吸收量，用Q表示可以被给定为：
Q＝F*(HO-Hi)
可替换地，在一些热交换部件中，例如锅炉100的水冷壁吸收部件102中，热吸收量Q可以利用热通量传感器被直接测量。
图6的块306评估由块304采集和存储的热吸收数据量。例如，用户可能已经指定吹灰过程控制程序必须采集的观测值的数目，在这种情况下，块306比较所采集的数据与用户所提供的这种规范。如果块306确定需要更多的数据，则控制返回到块302.
在块302确定已经采集到足够量的热吸收数据时，块308确定所采集的数据是否遵守正态分布。用户可以提供置信水平，热吸收统计计算程序300需要确定热吸收数据在该置信水平上是否是正态分布的。例如，用户可以指定热吸收数据必须在百分之九五的置信水平上被正态分布等。如果块308确定热吸收数据在指定的置信水平上不是正态分布的(这可能是错误吹灰排序的结果)，则块309修改用于操作锅炉部件200中的吹灰器的当前操作排序，使得操作排序更加一致。随后，控制返回块302，并且更多数据被采集以获取更多观测点的热吸收数据。
如果块308确定热吸收数据是正态分布的，则块310计算锅炉部件200的多个热吸收统计数据。例如，块310可以计算热吸收均值、热吸收中值、热吸收方差、热吸收标准差、热吸收偏斜度，等等。
随后，块312评估由块310计算出的热吸收统计数据。特别是，块312可以针对热吸收统计计算程序300的用户所提供的若干测量值或者针对若干工业均值等，评估热吸收统计数据。
在热吸收统计计算程序300的实施中，块312可以被提供以目标控制下限和目标控制上限，其中锅炉部件的实际热吸收被针对该目标控制下限和目标控制上限锅炉部件评估。可替换地，热吸收统计计算程序300可以利用由块310计算出的长期热吸收数据，计算目标控制下限和目标控制上限。例如，热吸收统计计算程序300的实施可以利用热吸收均值和热吸收标准差，确定目标控制下限和目标控制上限。
在块312处评估热吸收统计值之后，块314确定是否需要改变吹灰器的当前操作排序，例如，块314可以确定需要改变下列至少一种：吹灰器被开启的频率、吹灰器被保持开启的时间长度，以及在两个连续时间段之间吹灰器被断开的时间长度，等等。在热吸收统计计算程序300的一种实施中，块314可以确定实际热吸收均值是否低于目标控制下限，然后需要改变当前操作排序的操作参数中的一个或多个。
如果块314确定需要改变吹灰器的当前操作排序，则块316计算待施加到当前操作排序的各种参数中的任何参数的改变。块316可以使用由块310计算出的各种热吸收统计值，以确定待施加到当前操作排序的操作参数的改变。例如，在热吸收统计计算程序300的实施中，块314可以确定：待施加到吹灰器被保持开启的时间长度的改变应该是实际热吸收均值与目标控制下限之差的函数。不过，块314还可以确定吹灰在高效地工作，并且不需要改变吹灰器的当前操作排序，在这种情况下，控制可以转移至块302，以无需任何改变地连续监测吹灰过程。
注意的是，虽然热吸收统计计算程序300在图5中被示出并且在上面针对锅炉部件200被描述，不过热吸收统计计算程序300还可被应用于锅炉100的其它任何热交换部件。而且，虽然块312-316所施行的功能在热吸收统计程序300中被示为由三个不同的块来施行，不过在可替换实施中，这些功能可以由单个块或单独程序来施行。
图7A示出统计过程控制程序350的实施的流程图，该程序350可以施行块312-316的功能。块352可以确定特定热交换部件的热吸收值的期望分布特性。确定这种特性可以包括选择目标控制下限QLCL、目标控制上限QUCL，以及该特定热交换部件的其它期望分布特性。目标极限和其它期望分布特性可从例程20所提供的可达到性能信息被获得。极限和其它特性可以由被编程为统计过程控制程序350的逻辑或其它操作监测系统自动设置，或者可以由操作员在考虑到可达到性能信息之后来设置。之后，块354可以利用下列等式来计算热吸收均值Q均值：
其中N表示在给定样本中所包括的热吸收观测值的数目，而Qi是第i次观测的热吸收值。块356可以利用下列等式来计算热吸收标准差Qσ：
Figure G2008800080348D00172
之后，块358可以在描绘各种热吸收值的分布的曲线上确定实际下限Qm-3σ和实际上限Qm+3σ。虽然在统计观测控制程序350的当前实施中，实际下限Qm-3σ和实际上限Qm+3σ仅是热吸收均值Q均值和热吸收标准差Qσ的函数，不过在可替换实施中，诸如方差的可替换统计值可以用于计算可替换实际下限和可替换实际上限。而且，虽然在当前示例中，实际下限Qm-3σ和实际上限Qm+3σ被确定为处于距离热吸收均值Q均值3-σ的点(3σ)处，不过在实践中，位于距离热吸收均值Q均值x-σ的点(其中，x是可由统计过程控制程序350的用户选择的数)的可替换实际下限Qm-xσ和可替换实际上限Qm+xσ也可以被使用。用于吹灰器或其它设备或过程的特定值x可以基于特定设备或过程以及基于在该设备或过程内被监测的性能参数的特性被确定。在期望或需要紧密控制设备或过程以及保持参数的窄分布的情况下，较小值的x可能是适当的，而对于性能参数的紧密控制不是设备或过程在或靠近可达到性能水平上操作的必要条件的情况，较大值的x可能是适当的。如果期望的话，x可以是整数或者可以是任意实数。
之后，块360比较实际下限Qm-3σ与目标控制下限QLCL，并比较实际上限Qm+3σ与目标控制上限QUCL。块360可以基于比较的结果被提供以可用于进行比较的一系列规则，块360可以产生与对当前操作排序的一个或多个参数需要进行的改变有关的决定。
评估特定热交换部件的实际下限Qm-3σ和实际上限Qm+3σ为该特定热交换部件提供关于热吸收值的实际分布的信息。通过比较实际下限Qm-3σ与目标控制下限QLCL以及比较实际上限Qm+3σ与目标控制上限QUCL，统计过程控制程序350的块360确定在特定时间段内所测量的热吸收值的实际分布是否近似等于热吸收值的期望分布。
如果块360确定实际下限Qm-3σ近似等于目标控制下限QLCL并且实际上限Qm+3σ近似等于目标控制上限QUCL，则热吸收值的实际分布近似等于热吸收值的期望分布。在这种情况下，块360可以决定用于操作吹灰器的当前操作排序在正确工作，或者吹灰操作的期望控制被成功实现。因此，当前操作排序的操作参数不需要任何变化，并且控制返回块354，如图7A中的路径A所示的那样。
在一些状况下，块360可以确定目标控制下限大于实际下限(QLCL＞Qm-3σ)，并且目标控制上限也大于实际控制上限(QUCL＞Qm+3σ)。这种结果(图7A中的路径B)表明，热吸收观测值的实际分布位于期望分布的左边，如图7B中的分布380所示的那样。在这种状况下，块362(可以由图6的块316来实施)可以降低当前操作排序中连续吹灰操作之间的空闲时间，或者增加热交换部件的吹灰优先级，从而将热吸收观测值的实际分布移到右边。更少的空闲时间或更高的吹灰优先级导致更频繁的吹灰操作，因此移除更大量的烟灰沉积物，这导致热吸收数据的分布变窄成由目标控制下限QLCL和目标控制上限QUCL指定的期望水平。空闲时间和吹灰优先级的变化量可以由锅炉100的用户根据经验来确定。
在另一状况下，块360可能确定目标控制下限低于实际下限(QLCL＜Qm-3σ)，并且目标控制上限也低于实际控制上限(QUCL＜Qm+3σ)。这种结果(图7A中的路径C)表明，热吸收观测值的分布位于期望分布的右边，如图7B中的分布382所示的那样。一般地，这种状况可能表示吹灰过多。在这种状况下，块364可以增加当前操作排序中连续吹灰操作之间的空闲时间，或者增加热交换部件的吹灰优先级，从而将热吸收观测值的实际分布移到左边。更多的空闲时间或更低的吹灰优先级导致较不频繁的吹灰操作，因此移除更少量的烟灰沉积物，这导致热吸收数据的分布加宽到由目标控制下限QLCL和目标控制上限QUCL指定的期望水平。空闲时间和吹灰优先级的变化量可以由锅炉100的用户根据经验来确定。
可替换地，块360可能确定目标控制下限高于实际下限(QLCL＞Qm-3σ)，并且目标控制上限低于实际控制上限(QUCL＜Qm+3σ)。这种结果(图7A中的结果D)表明，热吸收观测值的实际分布比期望分布宽，如图7B中的分布384所示的那样。在这种状况下，块366比较当前实际热吸收量Q实际与均值热吸收量Q均值。如果块366确定Q实际＜Q均值，则块368减少连续吹灰操作之间的空闲时间，或者增加热交换部件的吹灰优先级。更少的空闲时间或更高的吹灰优先级导致更频繁的吹灰操作，因此移除更大量的烟灰沉积物，这导致实际控制下限Qm-3σ向期望控制下限QLCL偏移。空闲时间和吹灰优先级的变化量可以由锅炉100的用户根据经验来确定。
另一方面，如果块366确定Q实际＞Q均值，那么块370增加连续吹灰操作之间的空闲时间，或者降低热交换部件的吹灰优先级。更多的空闲时间或更低的吹灰优先级导致较不频繁的吹灰操作，因此移除更少量的烟灰沉积物，这导致实际控制上限Qm+3σ向期望控制上限QUCL偏移。空闲时间和吹灰优先级的变化量可以由锅炉100的用户根据经验来确定。
更进一步地，块360可以确定目标控制下限低于实际下限(QLCL＜Qm-3σ)，并且目标控制上限大于实际控制上限(QUCL＞Qm+3σ)。这种结果(图7A中的路径E)表明，热吸收观测值的实际分布比期望分布窄，如图7B中的分布386所示的那样。在这种状况下，块372比较当前实际热吸收量Q实际与均值热吸收量Q均值。如果块372确定Q实际＜Q均值，则块374增加连续吹灰操作之间的空闲时间，或者降低热交换部件的吹灰优先级。更多的空闲时间或更低的吹灰优先级导致较不频繁的吹灰操作，因此移除更少量的烟灰沉积物，这导致实际控制上限Qm+3σ向期望控制上限QUCL偏移。空闲时间和吹灰优先级的变化量可以由锅炉100的用户根据经验来确定。
另一方面，如果块372确定Q实际＞Q均值，那么块376减少连续吹灰操作之间的空闲时间，或者增加热交换部件的吹灰优先级。更少的空闲时间或更高的吹灰优先级导致更频繁的吹灰操作，因此移除更大量的烟灰沉积物，这导致实际控制下限Qm-3σ向期望控制下限QLCL偏移。空闲时间和吹灰优先级的变化量可以由锅炉100的用户根据经验来确定。
之后，块378评估块354-376承担的过程的有效性，以确定目标控制上限QUCL和目标控制下限QLCL的当前选择在控制特定热交换部件的吹灰器的操作中是否是有效的。块378可以在块354-376的几个操作循环内采集与分布曲线380-386的偏移有关的各种统计数据。如果块378确定在这几个循环结束时分布曲线380-386已经明显移到较新的位置，例如由(图7B的)分布曲线384表示的位置，则块378可以决定块354-376承担的过程在防止热交换部件中成渣上不是有效的，因此将控制返回块352，并且要求统计过程控制程序350的用户为目标控制上限QUCL和目标控制下限QLCL选择新值。
如曲线384所示出的热吸收值的宽分布可以表明，虽然热交换部件的平均传热效率并没有随时间改变，不过传热效率的各个观测值更可能与平均传热效率不同。另一方面，如曲线386所示出的热吸收值的窄分布可以表明，虽然热交换部件的平均传热效率并没有随时间改变，不过传热效率的各个观测值不太可能与平均传热效率不同。
如分布曲线380所示出的那样，热吸收值的分布向左偏移可以表明，热交换部件的传热效率由于该热交换部件中更大量的烟灰沉积物(成渣)而总体降低。另一方面，如分布曲线382所示出的那样，热吸收值的分布向右偏移可以表明热交换部件的传热效率的总体增加。这种增加的效率可以是比需要更高速率的吹灰的结果，并且可能损害热交换部件中的各种水和蒸汽输送管路。
虽然图7A-7B示出统计过程控制程序350的一种实施，不过图8示出可用于确定锅炉100的热交换部件内的永久性成渣的另一统计过程控制程序。具体地说，图8示出成渣检测程序400，该程序400评估特定热交换部件中由吹灰引起的热吸收量的变化的分布数据以及热吸收变化均值ΔQ均值与吹灰频率之间的相关性，以确定该特定热交换部件中的任何永久性成渣。
这种状况进一步由图9中的一系列分布曲线450-454示出，其中曲线450-454中的每一个表示特定时间段内特定热交换部件的热吸收变化值ΔQ的分布，其中ΔQ可以被定义为：
ΔQ＝Q吹灰之后-Q吹灰之前
例如，曲线450可以表示该特定热交换部件的热吸收变化值的期望分布。在理想情况下，热吸收变化均值ΔQ均值可以具有近似100的值，如图8中所示的那样。不过，由于永久性成渣(即吹灰不再有效)，曲线450可能已经移到由曲线452表示的位置，其中实际吸收变化均值ΔQ均值可以变成仅近似等于80或甚至更小。成渣检测程序400可以用于确定热交换部件中的这种成渣。
成渣检测程序400的块402-409的操作类似于热吸收统计计算程序300的块302-309的操作，区别在于块302-309计算关于特定热交换部件的热吸收量Q的各种统计值，而块402-409计算关于特定热交换部件的热吸收量的变化ΔQ的各种统计值。之后，块410将热吸收数据划分成各种时间段。例如，如果成渣检测程序400具有与例如热交换部件的一个月操作相关联的热吸收数据，则块410可以按照时间将这些热吸收数据划分成多组数据。可替换地，块410可以滚动地存储最后特定数目的时段的数据，使得只有最后那个月的数据被分析，并且先前时段的任何数据都被丢弃。
块412计算块410所提供的各组数据的均值。例如，块412可以计算先前月的每一天的均值吸收变化值。之后，块414分析这些均值，以确定该数据中是否存在趋向。具体地说，块414确定这些均值是否显示任何随时间的逐渐减少或增加。均值的逐渐减少可以表示热交换部件趋向于永久性成渣，并且当前吹灰实践需要改变。如果检测到均值吸收改变的偏移，则可以进行相关性分析。
块418计算和评估特定热交换部件的热吸收变化均值ΔQ均值与该特定热交换部件中的吹灰频率之间的相关性，用Corrm，f来表示。块420可以确定在一定置信水平下相关性值Corrm，f是否比给定阈值高。如果相关性值Corrm，f比给定阈值高，这表示热吸收变化均值ΔQ均值向左偏移与吹灰频率明显相关，则块420可以将控制返回转移至块402，以在正常模式下继续成渣检测程序400的操作。不过，如果块418确定该相关性不高于阈值，则块420通知用户在被评估的热交换部件中存在可能的永久性成渣状况。注意的是，虽然成渣检测程序400的以上实施使用热吸收变化均值ΔQ均值与吹灰频率之间的相关性，不过在可替换实施中，也可以使用热吸收变化均值ΔQ均值与吹灰器在每个序列期间被保持开启的时间长度之间的相关性，或者当前操作排序的一些其它参数。
虽然前述文本陈述了对本发明若干不同实施例的详细描述，但是应该理解，本发明的范围由本专利结尾处所陈述的权利要求书的文字来限定。这些详细描述应该理解为仅仅是示例性的，由于描述所有可能的实施例非不可能即不切实际，因此并没有描述本发明的所有可能实施例。使用当前的技术或者本专利申请日之后所开发的技术可以实施若干作为替代的实施例，这些实施例仍然落入限定发明的权利要求的范围之内。
所以，在不脱离本发明的精神和范围的情况下，可以对这里所描述和示出的技术和结构作出多种修改或变化。相应地，应该理解这里所描述的方法和装置仅仅是示例性的，并不限定本发明的范围。

Claims (29)

1.一种控制热力过程的方法，该方法包括：
根据第一时间段的第一操作状态来操作所述过程，并且在所述第一时间段期间采集过程数据；
根据在所述第一时间段期间采集的所述过程数据计算所述过程的可达到性能参数值；
根据所述可达到性能参数值计算可达到性能参数统计值；
根据所述可达到性能参数统计值计算目标控制下限和目标控制上限；
根据第二时间段的第二操作状态来操作所述过程，并且在所述第二时间段期间采集操作过程数据；
根据在所述第二时间段期间采集的所述操作过程数据计算操作性能参数值；
根据所述操作性能参数值计算操作性能参数统计值；以及
针对所述目标控制下限和所述目标控制上限评估所述操作性能参数值的分布，以确定是否需要所述第二操作状态的操作参数的变化以改进所述热力过程的性能。
2.根据权利要求1所述的方法，其中操作所述过程进一步包括：操作所述过程内的多个热力设备。
3.根据权利要求1所述的方法，其中确定所述操作性能参数统计值进一步包括：确定多个操作性能参数统计值。
4.根据权利要求1所述的方法，其中计算操作性能参数下限包括从性能参数均值减去性能参数标准差的倍数，并且计算操作性能参数上限包括将所述性能参数均值加上所述性能参数标准差的倍数。
5.根据权利要求4所述的方法，其中针对所述目标控制下限和所述目标控制上限评估所述操作性能参数值的分布包括：
将加上所述操作性能参数值的标准差的倍数的所述操作性能参数值的均值与目标控制上限进行比较；以及
将减去所述操作性能参数值的标准差的倍数的所述操作性能参数值的均值与目标控制下限进行比较。
6.根据权利要求5所述的方法，其中所述第二操作状态的操作参数的变化是减去所述操作性能参数值的标准差的倍数的所述操作性能参数值的均值与所述目标控制下限之差或加上所述操作性能参数值的标准差的倍数的所述操作性能参数值的均值与所述目标控制上限之差的函数。
7.根据权利要求5所述的方法，进一步包括：评估所述操作参数的变化对所述过程的机组加热速率的有效性，以调整所述操作参数的变化。
8.根据权利要求7所述的方法，其中第二操作状态的操作参数的变化的有效性是通过测量所述操作性能参数值的分布的偏移来评估的。
9.根据权利要求1所述的方法，其中所述过程是下列之一：(1)水冷壁吸收部件；(2)过热部件；(3)再热吸收部件；(4)燃料节省器；或者(5)空气加热器。
10.根据权利要求1所述的方法，进一步包括：分析所述操作性能参数值的分布，以确定所述操作性能参数值的分布是否符合正态分布。
11.根据权利要求1所述的方法，其中操作所述过程进一步包括：操作所述过程内的单个热力设备。
12.根据权利要求1所述的方法，进一步包括通过将所述操作性能参数统计值与所述可达到性能参数值进行比较，评估所述操作性能参数统计值。
13.根据权利要求12所述的方法，进一步包括：
从在所述第二时间段期间针对所述操作性能参数采集的操作过程数据获得所述操作性能参数的校正函数；以及
基于所述操作过程数据的统计分析和从所述操作过程数据获得的校正函数，确定所述可达到性能参数值。
14.根据权利要求13所述的方法，其中所述第二时间段发生在与所述第一时间段不同的时间。
15.根据权利要求13所述的方法，其中所述第二时间段发生在所述第一时间段期间。
16.一种确定热力过程的可达到性能测量值并控制所述热力过程的方法，包括：
在评估时间段期间操作所述过程，在该评估时间段所述过程以最大可达到性能水平操作；
在所述评估时间段期间采集所述过程的操作期间的操作数据；
根据在所述评估时间段期间采集的操作数据计算所述过程的性能参数的值；
对在所述评估时间段期间针对所述性能参数采集的操作数据进行统计分析；
从在所述评估时间段期间针对所述性能参数采集的操作数据获得所述性能参数的校正函数；以及
基于所述操作数据的统计分析和从所述操作数据获得的校正函数，确定可达到性能测量值。
17.根据权利要求16所述的方法，包括向操作监测器提供关于所述可达到性能测量值的反馈。
18.根据权利要求16所述的方法，包括：
根据操作时间段的第一操作状态，操作所述过程；
确定在所述操作时间段期间所述过程的性能参数值；
根据所述性能参数值确定性能参数统计值；以及
将所述性能参数统计值与所述可达到性能测量值进行比较，以确定所述第一操作状态的操作参数的变化。
19.根据权利要求18所述的方法，其中所述操作时间段发生在与所述评估时间段不同的时间。
20.根据权利要求18所述的方法，其中所述评估时间段发生在所述操作时间段期间。
21.根据权利要求18所述的方法，其中确定性能参数统计值进一步包括：确定多个性能参数统计值。
22.根据权利要求18所述的方法，其中确定多个性能参数统计值包括：确定下列各项中的至少两项或更多项：(1)性能参数均值；(2)性能参数标准差；(3)性能参数下限；以及(4)性能参数上限。
23.根据权利要求18所述的方法，其中确定性能参数统计值包括：确定性能参数下限和确定性能参数上限，所述性能参数下限等于性能参数均值减去性能参数标准差的倍数，所述性能参数上限等于所述性能参数均值加上所述性能参数标准差的倍数。
24.根据权利要求23所述的方法，其中评估所述性能参数统计值包括：
将所述性能参数上限与所述可达到性能测量值的目标控制上限进行比较；以及
将所述性能参数下限与所述可达到性能测量值的目标控制下限进行比较。
25.根据权利要求24所述的方法，其中所述第一操作状态的操作参数的变化是所述性能参数下限与所述目标控制下限之差或所述性能参数上限与所述目标控制上限之差的函数。
26.根据权利要求18所述的方法，其中所述第一操作状态的操作参数的变化的有效性是通过测量所述性能参数值的分布的偏移来评估的。
27.根据权利要求18所述的方法，进一步包括：分析所述性能参数值的分布，以确定所述性能参数值的分布是否符合正态分布。
28.根据权利要求16所述的方法，其中操作所述过程进一步包括：操作所述过程内的多个热力设备。
29.根据权利要求16所述的方法，其中操作所述过程进一步包括：操作所述过程内的单个热力设备。
CN200880008034.8A 2007-03-12 2008-03-12 利用从统计和实时数据得到的可达到性能对设备进行通用性能评估的方法和装置 Active CN101657765B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US89433907P 2007-03-12 2007-03-12
US60/894,339 2007-03-12
PCT/US2008/056699 WO2008112791A2 (en) 2007-03-12 2008-03-12 Method and apparatus for generalized performance evaluation of equipment using achievable performance derived from statistics and real-time data

Publications (2)

Publication Number Publication Date
CN101657765A CN101657765A (zh) 2010-02-24
CN101657765B true CN101657765B (zh) 2014-02-12

Family

ID=39527223

Family Applications (4)

Application Number Title Priority Date Filing Date
CN201310153018.0A Active CN103257641B (zh) 2007-03-12 2008-03-12 发电厂性能监测中统计分析的使用
CN200880008034.8A Active CN101657765B (zh) 2007-03-12 2008-03-12 利用从统计和实时数据得到的可达到性能对设备进行通用性能评估的方法和装置
CN201410055861.XA Active CN103792927B (zh) 2007-03-12 2008-03-12 发电厂性能监测中统计分析的使用
CN200880007954.8A Active CN101689050B (zh) 2007-03-12 2008-03-12 发电厂性能监测中统计分析的使用

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201310153018.0A Active CN103257641B (zh) 2007-03-12 2008-03-12 发电厂性能监测中统计分析的使用

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201410055861.XA Active CN103792927B (zh) 2007-03-12 2008-03-12 发电厂性能监测中统计分析的使用
CN200880007954.8A Active CN101689050B (zh) 2007-03-12 2008-03-12 发电厂性能监测中统计分析的使用

Country Status (7)

Country Link
US (1) US8200369B2 (zh)
EP (3) EP2132607B1 (zh)
CN (4) CN103257641B (zh)
CA (2) CA2679632C (zh)
GB (2) GB2459594B (zh)
HK (2) HK1134346A1 (zh)
WO (2) WO2008112823A1 (zh)

Families Citing this family (83)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7383790B2 (en) 2005-06-06 2008-06-10 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for controlling soot blowing using statistical process control
US7680751B2 (en) * 2006-05-31 2010-03-16 Honeywell International Inc. Neural network based refrigerant charge detection algorithm for vapor compression systems
JP4961390B2 (ja) * 2008-06-12 2012-06-27 株式会社日立製作所 プラント監視制御装置及び事象分析支援方法
WO2010047312A1 (ja) * 2008-10-21 2010-04-29 富士電機システムズ株式会社 地熱発電設備のオンライン診断方法及びオンライン診断システム
US8291720B2 (en) * 2009-02-02 2012-10-23 Optimum Energy, Llc Sequencing of variable speed compressors in a chilled liquid cooling system for improved energy efficiency
EP2244011A1 (de) * 2009-03-24 2010-10-27 Siemens AG Verfahren und Vorrichtung zum Regeln der Temperatur von Dampf für eine Dampfkraftanlage
SG166031A1 (en) 2009-05-05 2010-11-29 Yokogawa Electric Corp Apparatus and method for monitoring an industrial process
US8886361B1 (en) * 2009-06-22 2014-11-11 The Southern Company Energy decision management system
EP2980735A1 (en) * 2009-07-31 2016-02-03 Global Surface Intelligence Ltd Greenhouse gas grid and tracking system
CN102713859B (zh) * 2009-11-09 2015-04-29 艾克瑟吉有限公司 用于使电厂的热效率最大化的系统及方法
US8346693B2 (en) * 2009-11-24 2013-01-01 King Fahd University Of Petroleum And Minerals Method for hammerstein modeling of steam generator plant
CN101865960A (zh) 2010-06-04 2010-10-20 中兴通讯股份有限公司 一种设备能效性能监测方法和装置
US9217565B2 (en) * 2010-08-16 2015-12-22 Emerson Process Management Power & Water Solutions, Inc. Dynamic matrix control of steam temperature with prevention of saturated steam entry into superheater
US9447963B2 (en) 2010-08-16 2016-09-20 Emerson Process Management Power & Water Solutions, Inc. Dynamic tuning of dynamic matrix control of steam temperature
US9335042B2 (en) 2010-08-16 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Steam temperature control using dynamic matrix control
US8755916B2 (en) 2010-12-07 2014-06-17 Alstom Technology Ltd. Optimized integrated controls for oxy-fuel combustion power plant
CN102053613B (zh) * 2010-12-31 2012-08-29 北京三博中自科技有限公司 一种工业过程设备能量实时监控系统及监控方法
CN102081679B (zh) * 2011-01-24 2012-10-03 深圳市共济科技有限公司 一种计算机性能数据的采集方法及采集装置
WO2012108795A1 (en) * 2011-02-08 2012-08-16 Volvo Lastvagnar Ab Method of calibration of a fuel injector in an exhaust aftertreatment system
US9058029B2 (en) * 2011-03-31 2015-06-16 Brad Radl System and method for creating a graphical control programming environment
US9110453B2 (en) * 2011-04-08 2015-08-18 General Cybernation Group Inc. Model-free adaptive control of advanced power plants
US20120283988A1 (en) * 2011-05-03 2012-11-08 General Electric Company Automated system and method for implementing unit and collective level benchmarking of power plant operations
US20120283885A1 (en) * 2011-05-04 2012-11-08 General Electric Company Automated system and method for implementing statistical comparison of power plant operations
US9194758B2 (en) * 2011-06-20 2015-11-24 General Electric Company Virtual sensor systems and methods for estimation of steam turbine sectional efficiencies
US9200591B2 (en) * 2011-07-06 2015-12-01 Honeywell International Inc. Automatic identification of operating parameters for power plants
CN102354116B (zh) * 2011-08-05 2014-06-25 北京航空航天大学 一种高质量过程统计控制的ω事件间隔控制图的制作方法
US20130042616A1 (en) * 2011-08-15 2013-02-21 General Electric Company Use of motor protection system to assist in determining power plant metrics
WO2013041440A1 (en) * 2011-09-20 2013-03-28 Abb Technology Ag System and method for plant wide asset management
US9163828B2 (en) 2011-10-31 2015-10-20 Emerson Process Management Power & Water Solutions, Inc. Model-based load demand control
US8756180B2 (en) * 2011-11-28 2014-06-17 General Electric Company Method and system for managing plant operation
KR101571994B1 (ko) * 2012-04-02 2015-11-25 미쓰비시덴키 가부시키가이샤 파라미터 설정 장치
CN102645348A (zh) * 2012-04-28 2012-08-22 北京三博中自科技有限公司 一种蒸汽透平驱动的流体输送设备能效监控系统
WO2014001864A1 (en) * 2012-06-29 2014-01-03 Abb Technology Ltd. A method for optimization of control and fault analysis in a thermal power plant
US9778632B2 (en) 2012-07-02 2017-10-03 Kohler Co. Generator management system and method that selectively activate at least one of a plurality of generators in a power generation system
US9431942B2 (en) * 2012-07-02 2016-08-30 Kohler Co. Generator management system that selectively activates generators based on an operating parameter
US9368972B2 (en) 2012-07-27 2016-06-14 Kohler Co. Generator management system that determines a time to activate and deactivate generators based on the load level
US9411326B2 (en) 2012-08-21 2016-08-09 General Electric Company Plant control optimization system including visual risk display
US9626634B2 (en) * 2012-09-12 2017-04-18 Abb Schweiz Ag Industrial plant equipment, process and maintenance optimization
WO2014053971A1 (en) * 2012-10-01 2014-04-10 Abb Technology Ltd. A system and a method for tracking plant-wide fault
CN103019190B (zh) * 2012-11-28 2016-03-02 无锡中自能源科技有限公司 一种智能能源监控分析方法
US9255525B2 (en) 2012-11-30 2016-02-09 General Electric Company System and method for gas turbine operation
TWI544440B (zh) 2012-12-04 2016-08-01 財團法人資訊工業策進會 需量反應判斷裝置及其需量反應判斷方法
US9477214B2 (en) * 2013-03-07 2016-10-25 General Electric Company Plant control systems and methods
CN103279121B (zh) * 2013-05-10 2014-08-20 国家电网公司 分散控制系统控制器实时性能测试方法
WO2015035134A1 (en) * 2013-09-06 2015-03-12 Neuco, Inc. Combined cycle power generation optimization system
CN103629690B (zh) * 2013-11-26 2016-03-02 浙江工商大学 锅炉燃烧器的分散控制系统
US10545986B2 (en) * 2013-12-27 2020-01-28 General Electric Company Systems and methods for dynamically grouping data analysis content
US10956014B2 (en) 2013-12-27 2021-03-23 Baker Hughes, A Ge Company, Llc Systems and methods for dynamically grouping data analysis content
US9957843B2 (en) 2013-12-31 2018-05-01 General Electric Company Methods and systems for enhancing control of power plant generating units
US20150184549A1 (en) 2013-12-31 2015-07-02 General Electric Company Methods and systems for enhancing control of power plant generating units
CN104216396A (zh) * 2014-08-19 2014-12-17 上海交通大学 裂解炉中单变量多时变扰动系统的性能评估方法
US20160110277A1 (en) * 2014-10-16 2016-04-21 Siemens Aktiengesellshaft Method for Computer-Aided Analysis of an Automation System
CN104536868A (zh) * 2014-11-26 2015-04-22 北京广通信达科技有限公司 一种it系统运行指标动态阈值分析方法
CN104571022B (zh) * 2014-12-16 2018-11-02 深圳市出新知识产权管理有限公司 基于煤耗与可控因子关系的耗差分析模型实验系统及方法
CN104504614B (zh) * 2014-12-16 2018-09-18 深圳市出新知识产权管理有限公司 获得火电厂最优可控因子的试验系统及其方法
US20160179063A1 (en) * 2014-12-17 2016-06-23 Microsoft Technology Licensing, Llc Pipeline generation for data stream actuated control
US9605559B2 (en) 2015-02-02 2017-03-28 General Electric Company Wash timing based on turbine operating parameters
JP2016189088A (ja) * 2015-03-30 2016-11-04 株式会社日立製作所 設備管理支援システム
US9977447B2 (en) 2015-03-31 2018-05-22 Enernoc, Inc. Demand response dispatch system employing weather induced facility energy consumption characterizations
US20160294185A1 (en) 2015-03-31 2016-10-06 Enernoc, Inc. Energy brown out prediction system
US20160291622A1 (en) 2015-03-31 2016-10-06 Enernoc, Inc. System for weather induced facility energy consumption characterization
US10025338B2 (en) * 2015-03-31 2018-07-17 Enernoc, Inc. Demand response dispatch prediction system
CN105005278B (zh) * 2015-06-03 2017-09-05 杭州舒尔姿氨纶有限公司 一种对dcs控制参数数据进行采集和计算分析的方法
CN104932488B (zh) * 2015-06-30 2017-06-16 南京工业大学 一种模型预测控制性能评估与诊断方法
US10161269B2 (en) * 2015-07-17 2018-12-25 Nec Corporation Output efficiency optimization in production systems
EP3133268B1 (en) * 2015-08-21 2020-09-30 Ansaldo Energia IP UK Limited Method for operating a power plant
CN105243089B (zh) * 2015-09-09 2018-12-25 中国石油天然气股份有限公司 一种管道内检测数据处理方法
CN105512355A (zh) * 2015-11-22 2016-04-20 沈阳黎明航空发动机(集团)有限责任公司 天然气输送管路燃压机组选型及稳态下燃机性能考核方法
AU2017207457A1 (en) * 2016-01-13 2018-08-09 Joy Global Surface Mining Inc Providing operator feedback during operation of an industrial machine
US10033317B2 (en) * 2016-10-14 2018-07-24 Florida Power & Light Company Automated maximum sustained rate system and method
TWI794229B (zh) * 2017-05-05 2023-03-01 美商布魯克斯自動機械美國公司 用於運送裝置的健康評估的方法及裝置
US10843341B2 (en) * 2017-05-05 2020-11-24 Brooks Automation, Inc. Method and apparatus for health assessment of a transport apparatus
DE102017113926A1 (de) * 2017-06-23 2018-12-27 Rwe Power Aktiengesellschaft Verfahren zum Betrieb eines Kraftwerks
CN108107854B (zh) * 2017-12-15 2020-05-08 远光智和卓源(北京)科技有限公司 一种基于dcs的电厂燃料智能化管控系统及方法
WO2019123077A1 (en) * 2017-12-18 2019-06-27 Abb Schweiz Ag Correction curve estimation for power plant components
JP7011486B2 (ja) * 2018-02-16 2022-01-26 三菱重工パワー環境ソリューション株式会社 プラント機器監視制御システム及びプラント機器監視制御方法
CN109905271B (zh) * 2018-05-18 2021-01-12 华为技术有限公司 一种预测方法、训练方法、装置及计算机存储介质
CN108802486B (zh) * 2018-07-25 2020-09-18 杭州哲达节能科技有限公司 测量和改善发电过程中trt系统能效的方法
CN110363383A (zh) * 2019-06-03 2019-10-22 华东电力试验研究院有限公司 一种基于数字化发展下的分布式发电监测技术
EP3792708A1 (en) * 2019-09-10 2021-03-17 L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude Determination of relevant functioning parameters in an industrial plant
WO2021138216A1 (en) * 2019-12-30 2021-07-08 Prevedere, Inc. Systems and methods for business analytics model scoring and selection
CN113377746B (zh) * 2021-07-02 2023-08-18 贵州电网有限责任公司 一种试验报告数据库构建和智能诊断分析系统
CN116187984B (zh) * 2023-04-28 2023-07-25 华能济南黄台发电有限公司 一种用于电厂的多维度巡检方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5440478A (en) * 1994-02-22 1995-08-08 Mercer Forge Company Process control method for improving manufacturing operations
CN1713188A (zh) * 2004-06-24 2005-12-28 上海汽轮机有限公司 汽轮机热力及叶片信息管理方法

Family Cites Families (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CH358096A (de) 1958-03-12 1961-11-15 Sulzer Ag Verfahren zur Regelung der Ausgangstemperaturen an Überhitzern einer Dampferzeugeranlage und Einrichtung zur Ausübung des Verfahrens
CH357742A (de) 1958-03-12 1961-10-31 Sulzer Ag Verfahren und Einrichtung zur Beeinflussung des Ausgangszustandes des Dampfes an mindestens zwei, verschiedenen Entspannungsstufen zugeordneten Zwischenüberhitzern einer Dampferzeugeranlage
US3137278A (en) 1961-01-10 1964-06-16 Diamond Power Speciality Blower type cleaning for heat exchanging apparatus
US4085438A (en) 1976-11-11 1978-04-18 Copes-Vulcan Inc. Digital sootblower control systems and methods therefor
JPH0248807B2 (ja) 1987-04-24 1990-10-26 Babcock Hitachi Kk Suutoburowanoseigyohoho
US5027751A (en) 1990-07-02 1991-07-02 Westinghouse Electric Corp. Method and apparatus for optimized boiler operation
US5181482A (en) 1991-12-13 1993-01-26 Stone & Webster Engineering Corp. Sootblowing advisor and automation system
CN1029647C (zh) * 1994-01-31 1995-08-30 清华大学 监测电力系统次同步振荡的方法及监测仪
JP3062582B2 (ja) 1995-11-07 2000-07-10 株式会社日立製作所 微粉炭燃焼装置の炉内状態予測方法と装置
US7206646B2 (en) * 1999-02-22 2007-04-17 Fisher-Rosemount Systems, Inc. Method and apparatus for performing a function in a plant using process performance monitoring with process equipment monitoring and control
US8044793B2 (en) * 2001-03-01 2011-10-25 Fisher-Rosemount Systems, Inc. Integrated device alerts in a process control system
US6505145B1 (en) * 1999-02-22 2003-01-07 Northeast Equipment Inc. Apparatus and method for monitoring and maintaining plant equipment
US6490506B1 (en) * 1999-05-21 2002-12-03 Hydro Resource Solutions Llc Method and apparatus for monitoring hydroelectric facility maintenance and environmental costs
FR2796197B1 (fr) * 1999-07-05 2001-10-12 Framatome Sa Procede et dispositif de surveillance d'au moins un parametre de fonctionnement du coeur d'un reacteur nucleaire
US6368975B1 (en) * 1999-07-07 2002-04-09 Applied Materials, Inc. Method and apparatus for monitoring a process by employing principal component analysis
US6325025B1 (en) 1999-11-09 2001-12-04 Applied Synergistics, Inc. Sootblowing optimization system
JP3614751B2 (ja) * 2000-03-21 2005-01-26 東京電力株式会社 コンバインド発電プラントの熱効率診断方法および装置
JP3810615B2 (ja) * 2000-05-18 2006-08-16 三菱重工業株式会社 タービンの遠隔制御方法及びシステム
US6980928B1 (en) * 2000-09-06 2005-12-27 General Electric Company System and method for providing efficiency and cost analysis during steam path audits
US6738931B1 (en) * 2000-11-03 2004-05-18 General Electric Company Reliability assessment method, apparatus and system for quality control
FI117143B (fi) 2000-11-30 2006-06-30 Metso Automation Oy Soodakattilan nuohousmenetelmä ja -laitteisto
US7275025B2 (en) * 2000-12-27 2007-09-25 General Electric Company Method and system for analyzing performance of a turbine
CA2438735A1 (en) * 2001-02-19 2002-08-29 Rosemount Analytical Inc. Improved generator monitoring, control and efficiency
US7797062B2 (en) * 2001-08-10 2010-09-14 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
FI20011742A (fi) * 2001-08-31 2003-03-01 Metso Field Systems Oy Menetelmä ja järjestelmä teollisuusprosessin säätöpiirin suorituskyvun analysoimiseksi
DE10151250A1 (de) 2001-10-17 2003-05-08 Bayer Ag Verfahren zur Ermittlung eines komplexen Korrelationsmusters aus Verfahrens- und Anlagendaten
US6898540B2 (en) * 2002-11-12 2005-05-24 General Electric Company System and method for displaying real-time turbine corrected output and heat rate
JP2004211587A (ja) * 2002-12-27 2004-07-29 Toshiba Corp 発電プラントの運用支援システム
US7065414B2 (en) * 2003-03-10 2006-06-20 General Electric Company Methods and apparatus for operating production facilities
US6736089B1 (en) * 2003-06-05 2004-05-18 Neuco, Inc. Method and system for sootblowing optimization
US7134610B2 (en) * 2003-06-25 2006-11-14 Spraying Systems Co. Method and apparatus for monitoring system integrity in gas conditioning applications
US20050033464A1 (en) 2003-08-06 2005-02-10 Siemens Dematic Electronics Assembly Systems, Inc. Real time closed-loop process control system for defect prevention
US7233843B2 (en) * 2003-08-08 2007-06-19 Electric Power Group, Llc Real-time performance monitoring and management system
CN1771439B (zh) * 2004-02-27 2012-12-05 王砧 化石燃料换能设备的在线监测方法
ITTO20040377A1 (it) * 2004-06-07 2004-09-07 Martini Daniele De Procedimento e sistema per il controllo statistico di processi industriali.
US7536232B2 (en) * 2004-08-27 2009-05-19 Alstom Technology Ltd Model predictive control of air pollution control processes
US20060047607A1 (en) * 2004-08-27 2006-03-02 Boyden Scott A Maximizing profit and minimizing losses in controlling air pollution
US7117046B2 (en) * 2004-08-27 2006-10-03 Alstom Technology Ltd. Cascaded control of an average value of a process parameter to a desired value
US7567887B2 (en) * 2004-09-10 2009-07-28 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to fluidized catalytic cracking unit
WO2006047623A2 (en) * 2004-10-25 2006-05-04 Neuco, Inc. Method and system for calculating marginal cost curves using plant control models
US20060106740A1 (en) * 2004-11-12 2006-05-18 General Electric Company Creation and correction of future time interval power generation curves for power generation costing and pricing
CN2758782Y (zh) * 2004-12-22 2006-02-15 华北电力大学（北京） 非接触式发电机局部放电在线监测方向传感装置
US7356383B2 (en) * 2005-02-10 2008-04-08 General Electric Company Methods and apparatus for optimizing combined cycle/combined process facilities
US7109446B1 (en) 2005-02-14 2006-09-19 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for improving steam temperature control
US6993403B1 (en) * 2005-03-22 2006-01-31 Praxair Technology, Inc. Facility monitoring method
CN100368949C (zh) * 2005-04-28 2008-02-13 南京科远控制工程有限公司 基于人工智能的火电厂自动控制系统
US8140296B2 (en) 2005-06-06 2012-03-20 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for generalized performance evaluation of equipment using achievable performance derived from statistics and real-time data
US7383790B2 (en) 2005-06-06 2008-06-10 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for controlling soot blowing using statistical process control
JP4695935B2 (ja) * 2005-07-12 2011-06-08 ルネサスエレクトロニクス株式会社 異常検出システムおよび異常検出方法
CN2864766Y (zh) * 2005-09-27 2007-01-31 广东长青（集团）有限公司 垃圾焚烧发电厂智能化控制管理成套装置
WO2007047375A1 (en) * 2005-10-14 2007-04-26 Fisher-Rosemount Systems, Inc. Statistical signatures used with multivariate statistical analysis for fault detection and isolation and abnormal condition prevention in a process
US7599750B2 (en) * 2005-12-21 2009-10-06 Pegasus Technologies, Inc. Model based sequential optimization of a single or multiple power generating units
US8489360B2 (en) * 2006-09-29 2013-07-16 Fisher-Rosemount Systems, Inc. Multivariate monitoring and diagnostics of process variable data
US7840332B2 (en) * 2007-02-28 2010-11-23 General Electric Company Systems and methods for steam turbine remote monitoring, diagnosis and benchmarking

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5440478A (en) * 1994-02-22 1995-08-08 Mercer Forge Company Process control method for improving manufacturing operations
CN1713188A (zh) * 2004-06-24 2005-12-28 上海汽轮机有限公司 汽轮机热力及叶片信息管理方法

Also Published As

Publication number Publication date
CA2679632A1 (en) 2008-09-18
EP2444869A1 (en) 2012-04-25
US20090012653A1 (en) 2009-01-08
HK1134348A1 (en) 2010-04-23
CN103257641A (zh) 2013-08-21
CA2680706A1 (en) 2008-09-18
WO2008112791A3 (en) 2008-11-06
CA2679632C (en) 2018-01-09
GB2459594A (en) 2009-11-04
CN101689050B (zh) 2014-03-12
CA2680706C (en) 2018-01-09
HK1134346A1 (en) 2010-04-23
EP2126649A2 (en) 2009-12-02
GB0914093D0 (en) 2009-09-16
CN101689050A (zh) 2010-03-31
CN101657765A (zh) 2010-02-24
GB2459594B (en) 2012-02-08
CN103257641B (zh) 2016-08-17
EP2126649B1 (en) 2012-09-19
WO2008112823A1 (en) 2008-09-18
GB2459593A (en) 2009-11-04
WO2008112791A2 (en) 2008-09-18
EP2132607B1 (en) 2012-10-17
GB0914094D0 (en) 2009-09-16
US8200369B2 (en) 2012-06-12
GB2459593B (en) 2011-12-21
CN103792927A (zh) 2014-05-14
EP2444869B1 (en) 2017-05-03
CN103792927B (zh) 2017-01-04
EP2132607A1 (en) 2009-12-16

Similar Documents

Publication Publication Date Title
CN101657765B (zh) 利用从统计和实时数据得到的可达到性能对设备进行通用性能评估的方法和装置
US8140296B2 (en) Method and apparatus for generalized performance evaluation of equipment using achievable performance derived from statistics and real-time data
CN103075739B (zh) 利用统计过程控制来控制烟灰吹除的方法和装置
US7890197B2 (en) Dual model approach for boiler section cleanliness calculation
US7584024B2 (en) Method and apparatus for optimizing operation of a power generating plant using artificial intelligence techniques
CN103759277B (zh) 燃煤电站锅炉智能吹灰闭环控制方法、装置和系统
WO2019208773A1 (ja) プラントの運転支援装置、プラントの運転支援方法、プラントの学習モデルの作成方法、プラントの運転支援プログラム、プラントの運転支援プログラムを記録した記録媒体、プラントの学習モデルの作成プログラム、及びプラントの学習モデルの作成プログラムを記録した記録媒体
Blanco et al. New investigation on diagnosing steam production systems from multivariate time series applied to thermal power plants
KR101684348B1 (ko) 화력발전시스템의 운전진단장치 및 방법
Buljubašić et al. Improvement of steam boiler plant efficiency based on results of on-line performance monitoring
Hartner et al. Model-based data reconciliation to improve accuracy and reliability of performance evaluation of thermal power plants
Zagorodnii EXPERT DIAGNOSTICS OF SLAGGING OF COAL-FIRED BOILERS HEATING SURFACES
Sarunac et al. Sootblowing operation: the last optimization frontier
Wei et al. Study on model of ash fouling monitoring in rotary air preheater of coal-fired power plant boiler
CN116362380A (zh) 一种基于大数据分析的吹灰优化方法及系统
EP2267650A1 (de) Zustandsorientierte Instandhaltung

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