WO2001084136A1 - Software nox sensor - Google Patents

Software nox sensor Download PDF

Info

Publication number
WO2001084136A1
WO2001084136A1 PCT/FR2001/001239 FR0101239W WO0184136A1 WO 2001084136 A1 WO2001084136 A1 WO 2001084136A1 FR 0101239 W FR0101239 W FR 0101239W WO 0184136 A1 WO0184136 A1 WO 0184136A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
combustion
nox
burner
oxygen
Prior art date
Application number
PCT/FR2001/001239
Other languages
French (fr)
Inventor
Isabelle Hibon
Original Assignee
L'air Liquide Societe Anonyme A Directoire Et Con Seil De Surveillance Pour L'etude Et L'exploitation Des Procedes Georges Claude
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 L'air Liquide Societe Anonyme A Directoire Et Con Seil De Surveillance Pour L'etude Et L'exploitation Des Procedes Georges Claude filed Critical L'air Liquide Societe Anonyme A Directoire Et Con Seil De Surveillance Pour L'etude Et L'exploitation Des Procedes Georges Claude
Priority to AU54905/01A priority Critical patent/AU5490501A/en
Publication of WO2001084136A1 publication Critical patent/WO2001084136A1/en

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0032—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array using two or more different physical functioning modes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—Specially adapted to detect a particular component
    • G01N33/0037—Specially adapted to detect a particular component for NOx
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Definitions

  • the invention relates to the field of measuring NOx type gas emissions, in particular in industrial processes.
  • the fumes leaving the oven are often at high temperatures (between 1400 ° C. and 1600 ° C.) and are charged with dust. All these conditions therefore affect the operation of the NOx sensors that can be installed at the outlet of an oven.
  • this data is processed to form input data for a neural network, one output data of which is the concentration or content of NOx in the fumes resulting from combustion or which provides at least one output representative of the concentration or content of NOx in the fumes resulting from combustion.
  • the fuel can be natural gas or even fuel oil.
  • the physical data can be data of flow rate of the combustible and oxidizing products, of composition or purity of these products, as well as temperature and pressure of the combustion or of an oven in which the combustion takes place.
  • the raw data are processed to deduce the overall percentage of nitrogen introduced, the PCI coefficient of the fuel, the power of the burner and a parameter which determines or which corresponds to the efficiency of NOx production by the burner.
  • the input data from the neural network are or include the fuel flow, the oxygen or oxidant flow, the operating temperature and pressure of the process and the data processed.
  • Data processing to provide data representative of the NOx content can be carried out continuously, that is to say with a temporal periodicity of the order of a few seconds.
  • the overall percentage of nitrogen introduced, the PCI coefficient of the fuel, the power of the burner, and a parameter which determines the efficiency of production of NOx by the burner are part of the data relevant for neuronal modeling.
  • the invention also relates to a device for measuring the NOx content produced by combustion using a burner, a fuel and air enriched with oxygen as oxidant, characterized in that it comprises: - sensors for measuring physical data characteristic of combustion during the course of combustion,
  • the sensors are preferably flow sensors and natural gas composition sensors, flow sensors and oxygen purity introduced into the process, temperature sensors of the smoke produced, and process operating pressure sensors .
  • the invention also relates to a combustion system comprising a burner, an oven, means for evacuating combustion products, and a measuring device as described above.
  • the furnace is for example a glass furnace, or a rotary furnace for secondary melting of cast iron, or an incineration furnace.
  • FIG. 1 represents a network of neurons
  • FIG. 2 shows a schematic diagram of data processing using a method according to the invention
  • FIG. 3 shows an oven structure
  • FIG. 4 represents the neural network of a sensor according to the invention
  • FIGS. 5 and 6 represent means of acquiring and processing data which can be used in the context of the present invention
  • a neural network 32 is shown diagrammatically in FIG. 1.
  • the references 20, 22, 24, 26 designate various network layers, including an input layer 20, an output layer 26 and various hidden layers 22, 24.
  • the network can also have only one, or more than two.
  • the output layer 26 supplies the amount of NOx to the user.
  • Each layer k has a certain number of synapses ik (NI for layer 20, N2 for layer 22, N3 for layer 24, and 2 for output layer 26)
  • the input data are entered in the synapses of the input layer.
  • Each synapse of the neural network corresponds to a nonlinear activation function F, such as a hyperbolic tangent function or a sigmoid function, as well as an activation threshold.
  • a nonlinear activation function F such as a hyperbolic tangent function or a sigmoid function
  • each synapse i of each layer is linked to the synapses j of the next layer, and a weight Pij weights each link between a synapse i and a synapse j.
  • This weight weights the influence of the result of each synapse i in the calculation of the result provided by each synapse j to which it is linked.
  • the output Sj of a synapse j is equal to the value of the activation function Fj applied to the weighted sum, by the weights Pij of the synapses, of the results Ai of the activation functions of the synapses i which are connected to it.
  • the network 32 shown in FIG. 1 is an open network. In a looped network, one of the output data is reused as input data.
  • the possibility of using a neural network is subject to the fact that the data presented at the input of the network are relevant and provide a complete determination of the process. This is why the data measured directly on the ovens are processed in order to know if they are relevant and if the data set ensures the completeness of the whole.
  • Completeness means that all the information necessary to produce a neural network is present in the data set. Also, and in accordance with the diagram of FIG. 2, raw data 29 are first of all measured, and then undergo a first processing 30 which makes it possible to transform them into input data 31 which can be directly used by the neural network 32 .
  • These raw data include flow and composition measurements, both for the fuel used and the oxidant enriched in oxygen or oxygen, the composition of the latter corresponding in fact to its purity.
  • temperature and pressure data measured in the oven are also used. Starting from all the temperatures measured in the oven (vault temperatures, floor temperatures, smoke temperature) statistical processing, to establish the correlation with the NOx measurements, makes it possible to determine which are the relevant temperature (s). We don't remember that the temperature or temperatures exhibiting a degree of correlation greater than a predetermined degree of correlation (for example: 75%) which is a function of the degree of precision desired for the calculation.
  • a predetermined degree of correlation for example: 75%) which is a function of the degree of precision desired for the calculation.
  • a single pressure measurement is generally made in the furnace. This pressure also characterizes the air inlets in the oven. If several pressures are measured, at various places in the furnace, statistical processing, to establish the correlation with the NOx measurements, makes it possible to determine which are the relevant pressure or pressures. Here again, only the pressure or pressures having a degree of correlation greater than a predetermined degree of correlation (for example: 75%) which is a function of the degree of precision desired for the calculation is retained.
  • a predetermined degree of correlation for example: 75%) which is a function of the degree of precision desired for the calculation is retained.
  • the statistical correlation processing mentioned above can also be used for the other data, in order to determine if they are relevant.
  • NOx measurements can be obtained with a NOx hardware sensor, for a certain period of time and with operator monitoring.
  • the data processing that is implemented makes it possible in particular to calculate an incoming power and the percentage of nitrogen globally introduced.
  • One or more parameters characteristic of the effect of the burner on the production of NOx are also produced or used.
  • a good evaluation or estimation or approximation of this effect consists in considering the average flame temperature of the burner: in general, the higher this temperature, the greater the quantity of NOx produced.
  • the average flame temperature in turn depends on many parameters such as pressure, type of fuel and oxidizer, flow rates, air inlets ...
  • Another evaluation or approximation of the effect of the burner on the production of NOx consists in calculating the difference between, on the one hand, the temperature which corresponds to, or which best approaches, the temperature at the root of the flame and, on the other hand, the maximum temperature in the oven.
  • PCI PCI coefficient which makes it possible to calculate the power which the fuel will be able to provide, in fact the lower calorific value (after condensation of the water vapor). This coefficient can be obtained by applying the following formula:
  • PCI % CH 4 * 9.94 +% C 2 H 4 * 16.4 +% C 2 H6 * 17.71 +% C 3 H 6 * 28.87 +% C 3 H 8 * 25.32 +% C 4 H 10 * 32.95 +% C 5 H ⁇ 2 * 40.55,
  • the power of the burner is a function of this coefficient and of the gas flow, according to a well-known relationship.
  • These processed data as well as the raw data of fuel flow, oxygen or oxidant flow, temperature and operating pressure of the process, are applied to the input layer 20 of the neural network 32, l 'assembly constituting a sufficient data set to produce a neural network whose continuous use is possible.
  • Other additional data can also be used, for example in order to increase the accuracy of the result or to increase the speed of convergence of the neural network.
  • a first statistical treatment may have established that a single pressure measurement is sufficient in the oven.
  • a second pressure measurement makes it possible to increase the precision of the result (calculation of NOx) and the speed of convergence of the neural network.
  • the network itself is obtained by implementing neural network production software, such as the NeuroOne software, from the company
  • the user or the designer of the network indicates to this algorithm or to the software used the following data:
  • the input data (which include here in particular the processed data), and corresponding measures of ⁇ Ox.
  • the latter are obtained with a hardware sensor ⁇ Ox placed at the chimney outlet for a certain period and with operator monitoring. Once the network has been completed and developed, this capteurOx hardware sensor is no longer used.
  • the software or algorithm determines the synapses of the neural network and the corresponding weights. More specifically, software in source code or in executable code is produced, which allows the user to obtain data of concentration of ⁇ Ox as a function of processed data, themselves obtained from physical data or from measured raw data. directly on the process. If this measurement of raw data is carried out continuously or almost continuously (that is to say with a frequency of the order of a few seconds, for example 1 to 5 or 10 seconds), the sensor thus produced can provide , continuously or almost continuously (with the same frequency), a measurement or a signal representative of a measurement of the ⁇ Ox content produced.
  • a neural network is chosen:
  • the calculation times for a network with two or more hidden layers being too long in the case of a desired period of use of around a few seconds, for example 1 to 5 or 10 seconds, - with a loop, in order to be able to model the NOx content dynamically.
  • This oven uses oxygen as an oxidizer and has a 2 mW burner. Its structure is given schematically in FIG. 3, in which the reference 40 designates the burner itself, supplied by conduits 42 and 44 respectively with fuel and oxidizer, and the reference 46 the furnace in which combustion takes place.
  • a chimney 48 is disposed at the outlet of the oven 46, the opening of a register
  • a water circuit system (not shown in the figure) makes it possible to transfer energy to a load.
  • Thermocouples placed against the wall of the oven, on the outside, make it possible to measure the outside temperature of the oven.
  • Temperature sensors are arranged in the vault, inside the oven 46. For example 13 sensors (only two of which are shown) are arranged along the vault, from the inlet of the oven to its exit. Thus, a sensor 54 makes it possible to measure the temperature in the vault, close to the root of the flame 52, while a sensor 56 makes it possible to measure the temperature in the vault, close to the outlet of the oven 46.
  • a temperature sensor 58 can also be placed in the chimney 48, in order to measure the temperature of the fumes.
  • various sensors 60 make it possible to measure concentrations of CO, CO2, dry oxygen, and wet oxygen.
  • a neural network for such an oven can be produced using the NeuroOne software from the company NETRAL. The network is therefore provided in the form of an executable code.
  • the inputs (measured physical data or raw data) used are: the 2 oven pressures (measured using sensors 55 and 57), the percentage of oxygen in the humid fumes (measured using one of the sensors 60), the position of the register 50 of the chimney 48, the vault temperatures measured longitudinally in the furnace, the percentage of nitrogen in the fuel, the purity of the oxygen used, the oxygen flow rate introduced through the conduit 44, the temperature of the smoke (measured with sensor 58), and the flow of fuel introduced through line 42.
  • the flame temperature which best represents the efficiency or effect of the burner, is approached by the slope.
  • a bias is also generated by the software for producing the neural network.
  • the output of the network is preferably thresholded, that is to say that the NOx concentrations below a certain threshold or a certain predetermined limit value, for example 200 ppm, are not taken into account. Indeed, a value of NOx lower than such a threshold can correspond to a deficiency of one of the sensors and therefore does not present any interest in modeling.
  • the structure of the network obtained is shown diagrammatically in FIG. 4.
  • the network only has one hidden layer 22. It further comprises the input 20 and output 26 layers, the reference 21 designating the input bias.
  • This structure corresponds to the geometry and the arrangement of the sensors as described above in connection with FIG. 3.
  • Other structures of neural networks can be obtained, for example by using other parameters or input data additional to the data, already indicated above, forming a relevant and complete set.
  • FIGS. 5 and 6 A system for processing the measurements made is shown in FIGS. 5 and 6.
  • Such a system includes a PC microcomputer 70 to which the data measured by the sensors 54 - 60 are transmitted via a link 61. More specifically, the microcomputer 70 comprises (FIG. 6) a microprocessor 82, a set of RAM memories 80 (for the storage of data), a ROM memory 84 (for the storage of program instructions).
  • a data acquisition card 89 transforms the analog data supplied by the sensors into digital data and puts this data in the format required by the microcomputer. These various elements are connected to a bus 88.
  • Peripheral devices allow interactive dialogue with a user.
  • the display means (screen) 74 make it possible to provide a user with a visual indication relating to the calculated NOx content.
  • a link 63 makes it possible to control the modification of certain operating parameters of a combustion process (for example: the opening of the register 50).
  • the data or the instructions are loaded to implement a processing of the raw or physical data according to the invention, and in particular to carry out the preliminary processing of the raw or directly measured data (see FIG. 2), and to calculate the NOx content using a neural network 32.
  • These data or instructions for processing the raw or physical data can be transferred into a memory area of the microcomputer 70 from a floppy disk or any other medium which can be read by a microcomputer or a computer (for example: hard disk , ROM read only memory, DRAM dynamic random access memory or any other type of RAM memory, compact optical disc, magnetic or optical storage element). Comparative results are shown in FIG. 7.
  • Curve I represents the results obtained by modeling and curve II those obtained by measurement with NOx sensors placed directly in the stack 48 and constantly monitored. As can be seen, the modeling makes it possible to get as close as possible to the NOx content.
  • a NOx measurement carried out in accordance with the invention can be used in monitoring mode, for example to trigger an alarm as soon as the NOx content exceeds a certain threshold.
  • all input parameters are set except one (such as wet oxygen concentration) and the unbound parameter is regulated to keep the NOx content at a constant value or between two values defining a range of variation.
  • the regulation is carried out for example using the link 63 (see FIG. 5) which transmits the regulation order to the process.
  • the fields of use of the invention are numerous.
  • the invention applies in particular to glass furnaces, rotary furnaces for secondary melting of cast iron, incineration furnaces, chemical reactors requiring the presence of a flame and the oxidizer of which is air enriched with oxygen.
  • a dynamic model is therefore implemented to calculate the NOx emissions in various industrial processes, and in particular in the fumes leaving the furnaces using, as oxidizer, air enriched in oxygen or oxygen. .

Abstract

The invention concerns a method for measuring NOx content produced by combustion using a burner, a fuel and oxygen or oxygen-enriched air as combustion agent. The invention is characterised in that it consists in: measuring physical data (29) characterising combustion, when combustion is taking place, processing (30) at least part of said data to constitute input data (31) for a neuron network (32) which supplies at least one output data representing the NOx concentration or content in the fumes derived from combustion.

Description

CAPTEUR LOGICIEL NOX NOX SOFTWARE SENSOR
DOMAINE TECHNIQUE ET ART ANTERIEURTECHNICAL AREA AND PRIOR ART
L'invention concerne le domaine de la mesure d'émissions de gaz de type NOx, en particulier dans des procédés industriels.The invention relates to the field of measuring NOx type gas emissions, in particular in industrial processes.
De nombreux procédés industriels sont basés sur la combustion de divers combustibles comme le gaz naturel, le G.P.L. etc. Parmi ces procédés on peut notamment citer les procédés de seconde fusion de la fonte ou ceux mis en œuvre dans les fours pour la fusion du verre. Le comburant de ces procédés, traditionnellement l'air, peut être enrichi en oxygène ou même, dans certains cas, remplacé par de l'oxygène. Ces procédés produisent notamment des gaz tels que les composés NOx. La formation de ces composés dépend de nombreux paramètres, qui dépendent eux-mêmes du procédé (nature de la charge, composition des fluides comburant et combustible, brûleur, pression du four, ... ) .Many industrial processes are based on the combustion of various fuels such as natural gas, G.P.L. etc. Among these processes, it is possible to cite in particular the processes for secondary melting of cast iron or those used in furnaces for melting glass. The oxidizer in these processes, traditionally air, can be enriched with oxygen or even, in some cases, replaced by oxygen. These processes notably produce gases such as NOx compounds. The formation of these compounds depends on many parameters, which themselves depend on the process (nature of the charge, composition of the oxidizing and combustible fluids, burner, oven pressure, etc.).
Une mesure en continu de ces composés permettrait de mieux contrôler les procédés dont ils sont issus, et/ou de minimiser les rejets ou les émissions de NOx.Continuous measurement of these compounds would make it possible to better control the processes from which they originate, and / or to minimize releases or NOx emissions.
Dans l'exemple de procédés qui se déroulent dans un four, les fumées en sortie de four sont souvent à des températures élevées (entre 1400°C et 1600°C) et sont chargées de poussières. Toutes ces conditions affectent donc le fonctionnement des capteurs NOx pouvant être installés en sortie d'un four.In the example of processes which take place in an oven, the fumes leaving the oven are often at high temperatures (between 1400 ° C. and 1600 ° C.) and are charged with dust. All these conditions therefore affect the operation of the NOx sensors that can be installed at the outlet of an oven.
Il existe des capteurs permettant de réaliser des mesures ponctuelles dans le temps, mais qui nécessitent une surveillance technique. Ces capteurs sont donc inadaptés à un suivi en continu et à coût raisonnable. II n'existe donc pas aujourd'hui de capteur permettant de mesurer en continu, de façon fiable et avec une maintenance acceptable par les industriels les émissions de NOx dans des fumées, notamment en sortie de four. EXPOSE DE L'INVENTIONThere are sensors which make it possible to take punctual measurements over time, but which require technical monitoring. These sensors are therefore unsuitable for continuous monitoring and at reasonable cost. There is therefore no sensor today which makes it possible to continuously measure, reliably and with maintenance acceptable to manufacturers, the NOx emissions in flue gases, in particular at the outlet of the furnace. STATEMENT OF THE INVENTION
L'invention concerne un procédé de mesure de la teneur en composés NOx (x = 1 ou 2) contenus dans des fumées produites par une combustion mettant en œuvre un brûleur, un combustible et de l'air enrichi en oxygène ou de l'oxygène comme comburant, caractérisé en ce que:The invention relates to a method for measuring the content of NOx compounds (x = 1 or 2) contained in fumes produced by combustion using a burner, a fuel and air enriched with oxygen or oxygen. as an oxidizer, characterized in that:
- on mesure des données physiques caractéristiques de la combustion, lors du déroulement de la combustion,- physical data characteristic of combustion are measured, during the course of combustion,
- on traite au moins une partie de ces données pour former des données d'entrée d'un réseau de neurones, dont une donnée de sortie est la concentration ou la teneur en NOx dans les fumées résultant de la combustion ou qui fournit au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.- at least part of this data is processed to form input data for a neural network, one output data of which is the concentration or content of NOx in the fumes resulting from combustion or which provides at least one output representative of the concentration or content of NOx in the fumes resulting from combustion.
Le combustible peut être un gaz naturel ou bien encore du fioul. Les données physiques peuvent être des données de débit des produits combustible et comburant, de composition ou de pureté de ces produits, ainsi que de température et de pression de la combustion ou d'un four dans lequel la combustion a lieu.The fuel can be natural gas or even fuel oil. The physical data can be data of flow rate of the combustible and oxidizing products, of composition or purity of these products, as well as temperature and pressure of the combustion or of an oven in which the combustion takes place.
Les données brutes sont traitées pour en déduire le pourcentage global d'azote introduit, le coefficient PCI du combustible, la puissance du brûleur et un paramètre qui détermine ou qui correspond à l'efficacité de production de NOx par le brûleur.The raw data are processed to deduce the overall percentage of nitrogen introduced, the PCI coefficient of the fuel, the power of the burner and a parameter which determines or which corresponds to the efficiency of NOx production by the burner.
L'invention concerne également un procédé de mesure de la teneur en composés NOx (x = 1 ou 2) contenus dans des fumées produites par un procédé mettant en œuvre un brûleur, un combustible et, en tant que comburant, de l'air enrichi en oxygène ou de l'oxygène, caractérisé en ce que:The invention also relates to a method for measuring the content of NOx compounds (x = 1 or 2) contained in fumes produced by a method using a burner, a fuel and, as an oxidizer, enriched air. in oxygen or oxygen, characterized in that:
- on mesure le débit et la composition du combustible, ainsi que le débit et la pureté ou la composition de l'oxygène ou du comburant introduit dans le procédé, et au moins une température et une pression de fonctionnement de la combustion ou d'un four dans lequel la combustion a lieu. - on traite ces données pour en déduire des données traitées comportant le pourcentage global d'azote introduit, le coefficient PCI du combustible, la puissance du brûleur, et un paramètre qui détermine l'efficacité de production de NOx par le brûleur, - on introduit certaines des données mesurées et les données traitées dans un réseau de neurones pour produire une donnée représentative de la quantité de NOx produits par le procédé.the flow rate and the composition of the fuel, as well as the flow rate and the purity or the composition of the oxygen or of the oxidant introduced into the process, and at least one operating temperature and pressure of combustion or of a furnace in which combustion takes place. - these data are processed to deduce therefrom processed data comprising the overall percentage of nitrogen introduced, the PCI coefficient of the fuel, the power of the burner, and a parameter which determines the efficiency of NOx production by the burner, - we introduce some of the measured data and the data processed in a neural network to produce data representative of the amount of NOx produced by the process.
Les données d'entrée du réseau de neurones sont ou comportent le débit du combustible, le débit de l'oxygène ou du comburant, la température et la pression de fonctionnement du procédé et les données traitées.The input data from the neural network are or include the fuel flow, the oxygen or oxidant flow, the operating temperature and pressure of the process and the data processed.
Le traitement des données pour fournir une donnée représentative de la teneur en NOx peut être réalisé en continu, c'est-à-dire avec une périodicité temporelle de l'ordre de quelques secondes.Data processing to provide data representative of the NOx content can be carried out continuously, that is to say with a temporal periodicity of the order of a few seconds.
Selon l'invention, le pourcentage global d'azote introduit, le coefficient PCI du combustible, la puissance du brûleur, et un paramètre qui détermine l'efficacité de production de NOx par le brûleur, font partie des données pertinentes pour la modélisation neuronale.According to the invention, the overall percentage of nitrogen introduced, the PCI coefficient of the fuel, the power of the burner, and a parameter which determines the efficiency of production of NOx by the burner, are part of the data relevant for neuronal modeling.
Ces données, ainsi que les données de débit (du combustible et de l'oxygène ou du comburant), de température et de pression de fonctionnement, définissent un ensemble de données pertinentes et complètes pour un réseau de neurone utilisable en continu.These data, as well as the flow data (fuel and oxygen or oxidant), temperature and operating pressure, define a set of relevant and complete data for a neuron network usable continuously.
L'invention concerne également un dispositif de mesure de la teneur en NOx produits par une combustion mettant en œuvre un brûleur, un combustible et de l'air enrichi en oxygène comme comburant, caractérisé en ce qu'il comporte: - des capteurs pour mesurer des données physiques caractéristiques de la combustion lors du déroulement de la combustion,The invention also relates to a device for measuring the NOx content produced by combustion using a burner, a fuel and air enriched with oxygen as oxidant, characterized in that it comprises: - sensors for measuring physical data characteristic of combustion during the course of combustion,
- des moyens pour, ou spécialement programmés pour, traiter au moins une partie de ces données pour former des données d'entrée d'un réseau de neurones, et pour faire traiter lesdites données d'entrée par ce réseau de neurones, pour fournir au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion. Les capteurs sont de préférence des capteurs de débit et de composition de gaz naturel, des capteurs de débit et de pureté de l'oxygène introduits dans le procédé, des capteurs de température de la fumée produite, et des capteurs de pression de fonctionnement du procédé.means for, or specially programmed for, processing at least part of this data to form input data of a neural network, and to have said input data processed by this neural network, to supply the minus one output representative of the concentration or content of NOx in the fumes resulting from combustion. The sensors are preferably flow sensors and natural gas composition sensors, flow sensors and oxygen purity introduced into the process, temperature sensors of the smoke produced, and process operating pressure sensors .
L'invention concerne également un système de combustion comportant un brûleur, un four, des moyens pour évacuer des produits de combustion, et un dispositif de mesure tel que décrit ci-dessus.The invention also relates to a combustion system comprising a burner, an oven, means for evacuating combustion products, and a measuring device as described above.
Le four est par exemple un four à verre, ou un four rotatif de seconde fusion de la fonte, ou un four d'incinération.The furnace is for example a glass furnace, or a rotary furnace for secondary melting of cast iron, or an incineration furnace.
BREVE DESCRIPTION DES FIGURESBRIEF DESCRIPTION OF THE FIGURES
Les caractéristiques et avantages de l'invention apparaîtront mieux à la lumière de la description qui va suivre. Cette description porte sur les exemples de réalisation, donnés à titre explicatif et non limitatif, en se référant à des dessins annexés sur lesquels :The characteristics and advantages of the invention will appear better in the light of the description which follows. This description relates to the exemplary embodiments, given by way of explanation and without limitation, with reference to the appended drawings in which:
- la figure 1 représente un réseau de neurones,FIG. 1 represents a network of neurons,
- la figure 2 représente un schéma de principe de traitement des données à l'aide d'un procédé selon l'invention, - la figure 3 représente une structure de four,- Figure 2 shows a schematic diagram of data processing using a method according to the invention, - Figure 3 shows an oven structure,
- la figure 4 représente le réseau de neurones d'un capteur selon l'invention,FIG. 4 represents the neural network of a sensor according to the invention,
- les figures 5 et 6 représentent des moyens d'acquisition et de traitement de données pouvant être utilisés dans le cadre de la présente invention,FIGS. 5 and 6 represent means of acquiring and processing data which can be used in the context of the present invention,
- la figure 7 représente des résultats comparatifs obtenus à l'aide de deux capteurs, dont l'un selon l'invention.- Figure 7 shows comparative results obtained using two sensors, one of which according to the invention.
DESCRIPTION DETAILLEE DE MODES DE REALISATION DE L'INVENTION Un réseau de neurones 32 est représenté schématiquement sur la figure 1. Les références 20, 22, 24, 26 désignent diverses couches de réseau, dont une couche d'entrée 20, une couche de sortie 26 et diverses couches cachées 22, 24.DETAILED DESCRIPTION OF EMBODIMENTS OF THE INVENTION A neural network 32 is shown diagrammatically in FIG. 1. The references 20, 22, 24, 26 designate various network layers, including an input layer 20, an output layer 26 and various hidden layers 22, 24.
Sur la figure 1 seules deux couches cachées sont représentées, mais le réseau peut aussi n'en comporter qu'une seule, ou plus de deux. Dans le cas de la présente invention, la couche de sortie 26 fournit la quantité de NOx à l'utilisateur.In Figure 1 only two hidden layers are shown, but the network can also have only one, or more than two. In the case of the present invention, the output layer 26 supplies the amount of NOx to the user.
Chaque couche k comporte un certain nombre de synapses ik (NI pour la couche 20, N2 pour la couche 22, N3 pour la couche 24, et 2 pour la couche de sortie 26) Les données d'entrée (données traitées) sont introduites dans les synapses de la couche d'entrée.Each layer k has a certain number of synapses ik (NI for layer 20, N2 for layer 22, N3 for layer 24, and 2 for output layer 26) The input data (processed data) are entered in the synapses of the input layer.
A chaque synapse du réseau de neurones correspond une fonction d'activation nonlinéaire F, telle qu'une fonction tangente hyperbolique ou une fonction sigmoïde, ainsi qu'un seuil d'activation. De plus, chaque synapse i de chaque couche est reliée aux synapses j de la couche suivante, et un poids Pij pondère chaque liaison entre une synapse i et une synapse j.Each synapse of the neural network corresponds to a nonlinear activation function F, such as a hyperbolic tangent function or a sigmoid function, as well as an activation threshold. In addition, each synapse i of each layer is linked to the synapses j of the next layer, and a weight Pij weights each link between a synapse i and a synapse j.
Ce poids pondère l'influence du résultat de chaque synapse i dans le calcul du résultat fourni par chaque synapse j à laquelle elle est reliée. La sortie Sj d'une synapse j est égale à la valeur de la fonction d'activation Fj appliquée à la somme pondérée, par les poids Pij des synapses, des résultats Ai des fonctions d'activation des synapses i qui lui sont connectées. Autrement dit: 'This weight weights the influence of the result of each synapse i in the calculation of the result provided by each synapse j to which it is linked. The output Sj of a synapse j is equal to the value of the activation function Fj applied to the weighted sum, by the weights Pij of the synapses, of the results Ai of the activation functions of the synapses i which are connected to it. In other words: '
Figure imgf000006_0001
i
Figure imgf000006_0001
i
Le réseau 32 représenté en figure 1 est un réseau ouvert. Dans un réseau bouclé, une des données de sortie est réutilisée entant que donnée d'entrée. L'ouvrage intitulé "Modélisation, Classification et Commande par Réseaux de Neurones" : Méthodologie de Conception et Illustrations Industrielles", de I. Rivais, L. Personnaz, G. Dreyfus, J.L. Ploix (Les Réseaux de Neurones pour la Modélisation et la Commande de Procédés, J.P. Corriou, coordonnateur, Lavoisier Tec et Doc 1995) donne des informations complémentaires sur les réseaux de neurones. Des données physiques, relatives à un procédé de combustion qui produit des composés NOx, peuvent être mesurées au cours du déroulement d'un tel procédé, mais ces données ne sont pas nécessairement directement utilisables dans le cadre d'une modélisation neuronale du type décrit ci-dessus.The network 32 shown in FIG. 1 is an open network. In a looped network, one of the output data is reused as input data. The work entitled "Modeling, Classification and Control by Neural Networks": Design Methodology and Industrial Illustrations ", by I. Rivais, L. Personnaz, G. Dreyfus, JL Ploix (Neural Networks for Modeling and Process Control, JP Corriou, coordinator, Lavoisier Tec and Doc 1995) gives additional information on neural networks. Physical data, relating to a combustion process which produces NOx compounds, can be measured during the course of such a process, but these data are not necessarily directly usable within the framework of a neural modeling of the type described here. -above.
La possibilité d'utiliser un réseau de neurones est assujettie au fait que les données présentées en entrée du réseau sont pertinentes et fournissent une détermination complète du processus. C'est pourquoi les données mesurées directement sur les fours sont traitées afin de savoir si elles sont pertinentes et si le jeu de données assure la complétude de l'ensemble.The possibility of using a neural network is subject to the fact that the data presented at the input of the network are relevant and provide a complete determination of the process. This is why the data measured directly on the ovens are processed in order to know if they are relevant and if the data set ensures the completeness of the whole.
La pertinence signifie que les informations contenues dans chacune des données entrées contribuent à la formation du résultat (la teneur en NOx). La forme mathématique de cette contribution n'a pas besoin d'être connue pour obtenir ce résultat.Relevance means that the information contained in each of the data entered contributes to the formation of the result (the NOx content). The mathematical form of this contribution does not need to be known to obtain this result.
La complétude signifie que toutes les informations nécessaires pour produire un réseau de neurones sont présentes dans le jeu de données. Aussi, et conformément au schéma de la figure 2, des données brutes 29 sont tout d'abord mesurées, et subissent ensuite un premier traitement 30 qui permet de les transformer en données 31 d'entrée pouvant être directement utilisées par le réseau de neurones 32.Completeness means that all the information necessary to produce a neural network is present in the data set. Also, and in accordance with the diagram of FIG. 2, raw data 29 are first of all measured, and then undergo a first processing 30 which makes it possible to transform them into input data 31 which can be directly used by the neural network 32 .
Ces données brutes comportent les mesures de débit et de composition, à la fois pour le combustible utilisé et le comburant enrichi en oxygène ou l'oxygène, la composition de ce dernier correspondant en fait à sa pureté.These raw data include flow and composition measurements, both for the fuel used and the oxidant enriched in oxygen or oxygen, the composition of the latter corresponding in fact to its purity.
Sont également utilisées des données de température et de pression mesurées dans le four. Partant de l'ensemble des températures mesurées dans le four (températures en voûte, températures au sol, température des fumées) un traitement statistique, pour établir la corrélation avec les mesures de NOx, permet de déterminer quelles sont la ou les températures pertinentes. On ne retient alors que la ou les températures présentant un degré de corrélation supérieur à un degré de corrélation prédéterminé (par exemple: 75%) qui est fonction du degré de précision souhaité pour le calcul.Also used are temperature and pressure data measured in the oven. Starting from all the temperatures measured in the oven (vault temperatures, floor temperatures, smoke temperature) statistical processing, to establish the correlation with the NOx measurements, makes it possible to determine which are the relevant temperature (s). We don't remember that the temperature or temperatures exhibiting a degree of correlation greater than a predetermined degree of correlation (for example: 75%) which is a function of the degree of precision desired for the calculation.
Pour les pressions, on fait en général une seule mesure de pression dans le four. Cette pression caractérise d'ailleurs les entrées d'air dans le four. Si on mesure plusieurs pressions, à divers endroits dans le four, un traitement statistique, pour établir la corrélation avec les mesures de NOx, permet de déterminer quelles sont la ou les pressions pertinentes. Là encore, on ne retient alors que la ou les pressions présentant un degré de corrélation supérieur à un degré de corrélation prédéterminé (par exemple: 75%) qui est fonction du degré de précision souhaité pour le calcul.For pressures, a single pressure measurement is generally made in the furnace. This pressure also characterizes the air inlets in the oven. If several pressures are measured, at various places in the furnace, statistical processing, to establish the correlation with the NOx measurements, makes it possible to determine which are the relevant pressure or pressures. Here again, only the pressure or pressures having a degree of correlation greater than a predetermined degree of correlation (for example: 75%) which is a function of the degree of precision desired for the calculation is retained.
Le traitement statistique par corrélation mentionné ci-dessus peut aussi être utilisé pour les autres données, afin de déterminer si elles sont pertinentes.The statistical correlation processing mentioned above can also be used for the other data, in order to determine if they are relevant.
Toutes ces données sont obtenues par mesures à l'aide de capteurs matériels (capteurs de pression, de température, capteurs pour mesurer les débits, les compositions,...). Des mesures de NOx peuvent être obtenues avec un capteur matériel NOx, pendant une certaine durée et avec surveillance d'un opérateur.All these data are obtained by measurements using hardware sensors (pressure, temperature sensors, sensors to measure flow rates, compositions, ...). NOx measurements can be obtained with a NOx hardware sensor, for a certain period of time and with operator monitoring.
Le traitement des données qui est mis en œuvre permet notamment de calculer une puissance entrante et le pourcentage d'azote globalement introduit. On produit ou on utilise également un ou plusieurs paramètres caractéristiques de l'effet du brûleur sur la production de NOx.The data processing that is implemented makes it possible in particular to calculate an incoming power and the percentage of nitrogen globally introduced. One or more parameters characteristic of the effect of the burner on the production of NOx are also produced or used.
Cet effet est très délicat à évaluer.This effect is very difficult to assess.
Une bonne évaluation ou estimation ou approximation de cet effet consiste à considérer la température moyenne de flamme du brûleur : en général, plus cette température s'accroît, plus la quantité de NOx produite est importante.A good evaluation or estimation or approximation of this effect consists in considering the average flame temperature of the burner: in general, the higher this temperature, the greater the quantity of NOx produced.
La température moyenne de flamme dépend à son tour de nombreux paramètres tels que pression, nature du combustible et du comburant, débits, entrées d'air...The average flame temperature in turn depends on many parameters such as pressure, type of fuel and oxidizer, flow rates, air inlets ...
Une autre évaluation ou approximation de l'effet du brûleur sur la production de NOx consiste à calculer la différence entre, d'une part, la température qui correspond à, ou qui approche au mieux, la température à la racine de la flamme et, d'autre part, la température maximale dans le four.Another evaluation or approximation of the effect of the burner on the production of NOx consists in calculating the difference between, on the one hand, the temperature which corresponds to, or which best approaches, the temperature at the root of the flame and, on the other hand, the maximum temperature in the oven.
Une autre donnée calculée est le "PCI", coefficient qui permet de calculer la puissance que va pouvoir fournir le combustible, en fait le pouvoir calorifique inférieur (après condensation de la vapeur d'eau). Ce coefficient peut être obtenu par application de la formule suivante:Another calculated data is the "PCI", coefficient which makes it possible to calculate the power which the fuel will be able to provide, in fact the lower calorific value (after condensation of the water vapor). This coefficient can be obtained by applying the following formula:
PCI = %CH4*9.94 + %C2H4*16.4 + %C2H6* 17.71 + %C3H6*28.87 + %C3H8*25.32 + %C4H10*32.95 + %C5Hι2*40.55,PCI =% CH 4 * 9.94 +% C 2 H 4 * 16.4 +% C 2 H6 * 17.71 +% C 3 H 6 * 28.87 +% C 3 H 8 * 25.32 +% C 4 H 10 * 32.95 +% C 5 Hι 2 * 40.55,
où % CχHy représente le pourcentage de CxHy dans le combustible.where% CχH y represents the percentage of C x H y in the fuel.
La puissance du brûleur est fonction de ce coefficient et du débit des gaz, selon une relation bien connue. Ces données traitées, ainsi que les données brutes de débit du combustible, de débit de l'oxygène ou du comburant, de température et de pression de fonctionnement du procédé, sont appliquées à la couche d'entrée 20 du réseau 32 de neurones, l'ensemble constituant un ensemble de données suffisant pour produire un réseau de neurones dont l'utilisation en continu soit possible. On peut également utiliser d'autres données supplémentaires, par exemple afin d'augmenter la précision du résultat ou d'augmenter la vitesse de convergence du réseau de neurones.The power of the burner is a function of this coefficient and of the gas flow, according to a well-known relationship. These processed data, as well as the raw data of fuel flow, oxygen or oxidant flow, temperature and operating pressure of the process, are applied to the input layer 20 of the neural network 32, l 'assembly constituting a sufficient data set to produce a neural network whose continuous use is possible. Other additional data can also be used, for example in order to increase the accuracy of the result or to increase the speed of convergence of the neural network.
Ainsi, un premier traitement statistique peut avoir établi qu'une seule mesure de pression est suffisante dans le four. Le fait d'ajouter, en tant que donnée d'entrée, une deuxième mesure de pression, permet d'accroître la précision du résultat (calcul des NOx) et la vitesse de convergence du réseau de neurones.Thus, a first statistical treatment may have established that a single pressure measurement is sufficient in the oven. The fact of adding, as input data, a second pressure measurement, makes it possible to increase the precision of the result (calculation of NOx) and the speed of convergence of the neural network.
Le réseau lui-même est obtenu par mise en œuvre d'un logiciel de production de réseau de neurones, tel que le logiciel NeuroOne, de la sociétéThe network itself is obtained by implementing neural network production software, such as the NeuroOne software, from the company
NETRAL. L'ouvrage de I.RINALS et al. déjà cité ci-dessus donne toutes les indications pour réaliser un tel réseau de neurones. On peut aussi se reporter à la thèse de I.RINALS, Université Pierre et Marie Curie, 1995, intitulée "Modélisation et commande de processus par réseaux de neurones; application au pilotage d'un véhicule autonome".NETRAL. The work of I.RINALS et al. already mentioned above gives all the indications to realize such a neural network. We can also refer to the thesis of I.RINALS, Pierre and Marie Curie University, 1995, entitled "Modeling and control of processes by neural networks; application to the piloting of an autonomous vehicle".
L'utilisateur ou le concepteur du réseau indique à cet algorithme ou au logiciel utilisé les données suivantes:The user or the designer of the network indicates to this algorithm or to the software used the following data:
- nombre de couches cachées souhaitées,- number of hidden layers desired,
- la forme de fonction d'activation souhaitée (tangente hyperbolique ou sigmoïde),- the form of activation function desired (hyperbolic or sigmoid tangent),
- le choix d'un réseau bouclé ou ouvert,- the choice of a closed or open network,
- les données d'entrée (qui incorporent ici notamment les données traitées), et des mesures correspondantes de ΝOx. Ces dernières sont obtenues avec un capteur matériel ΝOx disposé en sortie de cheminée pendant une certaine durée et avec surveillance d'un opérateur. Une fois le réseau réalisé et mis au point, ce capteur matériel ΝOx n'est plus utilisé.- the input data (which include here in particular the processed data), and corresponding measures of ΝOx. The latter are obtained with a hardware sensor ΝOx placed at the chimney outlet for a certain period and with operator monitoring. Once the network has been completed and developed, this capteurOx hardware sensor is no longer used.
Avec ces données, le logiciel ou l'algorithme détermine les synapses du réseau de neurones et les poids correspondant. Plus précisément, un logiciel en code source ou en code exécutable est produit, qui permet à l'utilisateur d'obtenir des données de concentration de ΝOx en fonction de données traitées, elles-mêmes obtenues à partir de données physiques ou de données brutes mesurées directement sur le procédé. Si cette mesure de données brutes est réalisée de manière continue ou presque continue (c'est-à-dire avec une fréquence de l'ordre de quelques secondes, par exemple 1 à 5 ou à 10 secondes), le capteur ainsi réalisé peut fournir, en continu ou de manière quasi-continue (avec la même fréquence), une mesure ou un signal représentatif d'une mesure de la teneur en ΝOx produite.With this data, the software or algorithm determines the synapses of the neural network and the corresponding weights. More specifically, software in source code or in executable code is produced, which allows the user to obtain data of concentration of ΝOx as a function of processed data, themselves obtained from physical data or from measured raw data. directly on the process. If this measurement of raw data is carried out continuously or almost continuously (that is to say with a frequency of the order of a few seconds, for example 1 to 5 or 10 seconds), the sensor thus produced can provide , continuously or almost continuously (with the same frequency), a measurement or a signal representative of a measurement of the ΝOx content produced.
D'autres indications générales pour la conception d'un réseau de neurones sont données dans l'ouvrage ou dans la thèse de I.Rivals déjà cités ci-dessus.Other general indications for the conception of a neural network are given in the work or in the thesis of I.Rivals already cited above.
De préférence, pour l'application aux mesures de ΝOx, on choisit un réseau de neurones :Preferably, for the application to the measurements of ΝOx, a neural network is chosen:
- avec une seule couche cachée, les temps de calcul pour un réseau avec deux couches cachées ou plus étant trop importants dans le cas d'une période d'utilisation souhaitée d'environ quelques secondes, par exemple 1 à 5 ou à 10 secondes, - avec une boucle, afin de pouvoir modéliser la teneur en NOx de manière dynamique.- with a single hidden layer, the calculation times for a network with two or more hidden layers being too long in the case of a desired period of use of around a few seconds, for example 1 to 5 or 10 seconds, - with a loop, in order to be able to model the NOx content dynamically.
A titre d'exemple, le traitement de données et la modélisation spécifique d'un four va être donné. Ce four utilise l'oxygène comme comburant et est muni d'un brûleur de 2 mW. Sa structure est donnée de manière schématique en figure 3, sur laquelle la référence 40 désigne le brûleur lui-même, alimenté par des conduits 42 et 44 respectivement en combustible et en comburant, et la référence 46 le four dans lequel se produit la combustion. Une cheminée 48 est disposée en sortie du four 46, l'ouverture d'un registreBy way of example, data processing and specific modeling of an oven will be given. This oven uses oxygen as an oxidizer and has a 2 mW burner. Its structure is given schematically in FIG. 3, in which the reference 40 designates the burner itself, supplied by conduits 42 and 44 respectively with fuel and oxidizer, and the reference 46 the furnace in which combustion takes place. A chimney 48 is disposed at the outlet of the oven 46, the opening of a register
50 permettant de régler la pression dans le four.50 used to adjust the pressure in the oven.
Un système de circuit d'eau (non représenté sur la figure) permet de réaliser un transfert d'énergie vers une charge.A water circuit system (not shown in the figure) makes it possible to transfer energy to a load.
Des thermocouples, disposés contre la paroi du four, à l'extérieur, permettent de mesurer la température extérieure du four.Thermocouples, placed against the wall of the oven, on the outside, make it possible to measure the outside temperature of the oven.
Des capteurs de température sont disposés en voûte, à l'intérieur du four 46. Par exemple 13 capteurs (dont seuls deux sont représentés) sont disposés le long de la voûte, depuis l'entrée du four jusqu'à sa sortie. Ainsi, un capteur 54 permet de mesurer la température en voûte, à proximité de la racine de la flamme 52, tandis qu'un capteur 56 permet de mesurer la température en voûte, à proximité de la sortie du four 46.Temperature sensors are arranged in the vault, inside the oven 46. For example 13 sensors (only two of which are shown) are arranged along the vault, from the inlet of the oven to its exit. Thus, a sensor 54 makes it possible to measure the temperature in the vault, close to the root of the flame 52, while a sensor 56 makes it possible to measure the temperature in the vault, close to the outlet of the oven 46.
Deux capteurs de pression 55, 57 sont également disposés dans le four. Un capteur 58 de température peut en outre être disposé dans la cheminée 48, afin de mesurer la température des fumées. De même, divers capteurs 60 permettent de mesurer des concentrations de CO, de CO2, d'oxygène sec, et d'oxygène humide. Un réseau de neurones pour un tel four peut être réalisée à l'aide du logiciel NeuroOne, de la société NETRAL. Le réseau est donc fourni sous la forme d'un code exécutable.Two pressure sensors 55, 57 are also arranged in the oven. A temperature sensor 58 can also be placed in the chimney 48, in order to measure the temperature of the fumes. Likewise, various sensors 60 make it possible to measure concentrations of CO, CO2, dry oxygen, and wet oxygen. A neural network for such an oven can be produced using the NeuroOne software from the company NETRAL. The network is therefore provided in the form of an executable code.
Les entrées (données physiques mesurées ou données brutes) utilisées sont : les 2 pressions du four (mesurées à l'aide des capteurs 55 et 57), le pourcentage d'oxygène dans les fumées humides (mesuré à l'aide d'un des capteurs 60), la position du registre 50 de la cheminée 48, les températures de voûte mesurées longitudinalement dans le four, le pourcentage d'azote dans le combustible, la pureté de l'oxygène utilisé, le débit d'oxygène introduit par le conduit 44, la température des fumées (mesurée avec le capteur 58), et le débit du combustible introduit par le conduit 42.The inputs (measured physical data or raw data) used are: the 2 oven pressures (measured using sensors 55 and 57), the percentage of oxygen in the humid fumes (measured using one of the sensors 60), the position of the register 50 of the chimney 48, the vault temperatures measured longitudinally in the furnace, the percentage of nitrogen in the fuel, the purity of the oxygen used, the oxygen flow rate introduced through the conduit 44, the temperature of the smoke (measured with sensor 58), and the flow of fuel introduced through line 42.
Le traitement des données consiste à :Data processing consists of:
• calculer le PCI du combustible (tel que défini ci-dessus),• calculate the fuel PCI (as defined above),
• calculer la puissance du brûleur à partir du PCI du combustible et du débit des gaz, • calculer le maximum des températures de voûte désignées comme entrées ci-dessus : Tmax,• calculate the burner power from the PCI of the fuel and the gas flow rate, • calculate the maximum of the vault temperatures designated as inputs above: Tmax,
• sélectionner la température la plus proche de la racine de la flamme : Tracine (il s'agit, dans l'exemple donné ci-dessus, de la température mesurée avec le capteur 54), • sélectionner la température la plus proche de la sortie des fumées : Tl 1• select the temperature closest to the root of the flame: Tracine (in the example given above, the temperature measured with sensor 54), • select the temperature closest to the outlet fumes: Tl 1
(mesurée avec le capteur 56),(measured with sensor 56),
• calculer la pente entre Tmax et Tracine : pente,• calculate the slope between Tmax and Tracine: slope,
• calculer le pourcentage d'azote présent avec le comburant,• calculate the percentage of nitrogen present with the oxidizer,
• calculer la quantité globale d'azote apporté par le comburant et le combustible.• calculate the overall amount of nitrogen supplied by the oxidizer and the fuel.
La température de flamme, qui représente au mieux l'efficacité ou l'effet du brûleur, est approchée par la pente.The flame temperature, which best represents the efficiency or effect of the burner, is approached by the slope.
Un traitement statistique pour établir la corrélation avec les concentrations ou les teneurs en NOx mesurées permet d'établir que, parmi les températures mesurées, T max et Tl 1 sont les données pertinentes.Statistical processing to establish the correlation with the measured concentrations or NOx contents makes it possible to establish that, among the measured temperatures, T max and Tl 1 are the relevant data.
Pour les pressions, une seule mesure de pression dans le four pourrait suffire en tant que donnée pertinente. Le fait de retenir les deux valeurs de pression mesurées avec les capteurs 55 et 57 permet d'améliorer le résultat du calcul du réseau de neurones. Les données en entrée du réseau de neurones sont alors ; - les deux valeurs de pression du four,For pressures, a single pressure measurement in the furnace may suffice as relevant data. The fact of retaining the two pressure values measured with the sensors 55 and 57 makes it possible to improve the result of the calculation of the neural network. The input data from the neural network is then; - the two oven pressure values,
- le pourcentage d'oxygène humide,- the percentage of wet oxygen,
- la position du registre 50 de la cheminée,- the position of register 50 of the chimney,
- Tmax, Tl 1, et la pente, - la quantité de N2,- Tmax, Tl 1, and the slope, - the quantity of N2,
- le PCI du combustible,- fuel PCI,
- le débit d'oxygène,- the oxygen flow,
- la puissance du brûleur,- the power of the burner,
- la température des fumées, - le débit du combustible,- the smoke temperature, - the fuel flow rate,
- la variable d'état E, puisque le réseau est bouclé.- the state variable E, since the network is looped.
Un biais est en outre généré par le logiciel de réalisation du réseau de neurones.A bias is also generated by the software for producing the neural network.
La sortie du réseau est de préférence seuillée, c'est-à-dire que les concentrations en NOx inférieures à un certain seuil ou à une certaine valeur limite prédéterminée, par exemple 200 ppm, ne sont pas prises en compte. En effet, une valeur de NOx inférieure à un tel seuil peut correspondre à une déficience de l'un des capteurs et ne présente donc pas d'intérêt dans la modélisation.The output of the network is preferably thresholded, that is to say that the NOx concentrations below a certain threshold or a certain predetermined limit value, for example 200 ppm, are not taken into account. Indeed, a value of NOx lower than such a threshold can correspond to a deficiency of one of the sensors and therefore does not present any interest in modeling.
La structure du réseau obtenu est représentée schématiquement sur la figure 4. Le réseau ne comporte qu'une couche cachée 22. Il comporte en outre les couches d'entrée 20 et de sortie 26, la référence 21 désignant le biais d'entrée.The structure of the network obtained is shown diagrammatically in FIG. 4. The network only has one hidden layer 22. It further comprises the input 20 and output 26 layers, the reference 21 designating the input bias.
Cette structure correspond à la géométrie et à la disposition des capteurs telles que décrites ci-dessus en liaison avec la figure 3. D'autres structures de réseaux de neurones peuvent être obtenues, par exemple en utilisant d'autres paramètres ou données d'entrée supplémentaires par rapport aux données, déjà indiquées ci-dessus, formant un ensemble pertinent et complet.This structure corresponds to the geometry and the arrangement of the sensors as described above in connection with FIG. 3. Other structures of neural networks can be obtained, for example by using other parameters or input data additional to the data, already indicated above, forming a relevant and complete set.
Un système pour le traitement des mesures effectuées est représenté sur les figures 5 et 6.A system for processing the measurements made is shown in FIGS. 5 and 6.
Un tel système comporte un micro-ordinateur PC 70 auquel les données mesurées par les capteurs 54 - 60 sont transmises via une liaison 61. Plus précisément, le micro-ordinateur 70 comporte (figure 6) un microprocesseur 82, un ensemble de mémoires RAM 80 (pour le stockage de données), une mémoire ROM 84 (pour le stockage d'instructions de programme).Such a system includes a PC microcomputer 70 to which the data measured by the sensors 54 - 60 are transmitted via a link 61. More specifically, the microcomputer 70 comprises (FIG. 6) a microprocessor 82, a set of RAM memories 80 (for the storage of data), a ROM memory 84 (for the storage of program instructions).
Une carte d'acquisition de données 89 transforme les données analogiques fournies par les capteurs en données numériques et met ces données au format requis par le micro-ordinateur. Ces divers éléments sont reliés à un bus 88.A data acquisition card 89 transforms the analog data supplied by the sensors into digital data and puts this data in the format required by the microcomputer. These various elements are connected to a bus 88.
Des dispositifs périphériques (écran ou dispositif de visualisation 74, souris 90) permettent un dialogue interactif avec un utilisateur. En particulier, les moyens de visualisation (écran) 74 permettent de fournir à un utilisateur une indication visuelle relative à la teneur en NOx calculée.Peripheral devices (screen or display device 74, mouse 90) allow interactive dialogue with a user. In particular, the display means (screen) 74 make it possible to provide a user with a visual indication relating to the calculated NOx content.
Eventuellement, une liaison 63 permet de commander la modification de certains paramètres de fonctionnement d'un procédé de combustion (par exemple: l'ouverture du registre 50).Optionally, a link 63 makes it possible to control the modification of certain operating parameters of a combustion process (for example: the opening of the register 50).
Dans le micro-ordinateur 70, sont chargées les données ou les instructions pour mettre en œuvre un traitement des données brutes ou physiques selon l'invention, et notamment pour effectuer le traitement préalable 30 des données brutes ou directement mesurées (voir figure 2), et pour calculer la teneur en NOx à l'aide d'un réseau de neurones 32.In the microcomputer 70, the data or the instructions are loaded to implement a processing of the raw or physical data according to the invention, and in particular to carry out the preliminary processing of the raw or directly measured data (see FIG. 2), and to calculate the NOx content using a neural network 32.
Ces données ou instructions pour le traitement des données brutes ou physiques peuvent être transférées dans une zone mémoire du micro-ordinateur 70 à partir d'une disquette ou de tout autre support pouvant être lu par un microordinateur ou un ordinateur (par exemple: disque dur, mémoire morte ROM, mémoire vive dynamique DRAM ou tout autre type de mémoire RAM, disque optique compact, élément de stockage magnétique ou optique). Des résultats comparatifs sont montrés sur la figure 7. La courbe I représente les résultats obtenus par modélisation et la courbe II ceux obtenus par mesure avec des capteurs NOx disposés directement dans la cheminée 48 et constamment surveillés. Comme on peut le constater, la modélisation permet de s'approcher au mieux de la teneur en NOx. Une mesure de NOx réalisée conformément à l'invention peut être utilisée en mode surveillance, par exemple pour déclencher une alarme dès lors que la teneur en NOx dépasse un certain seuil.These data or instructions for processing the raw or physical data can be transferred into a memory area of the microcomputer 70 from a floppy disk or any other medium which can be read by a microcomputer or a computer (for example: hard disk , ROM read only memory, DRAM dynamic random access memory or any other type of RAM memory, compact optical disc, magnetic or optical storage element). Comparative results are shown in FIG. 7. Curve I represents the results obtained by modeling and curve II those obtained by measurement with NOx sensors placed directly in the stack 48 and constantly monitored. As can be seen, the modeling makes it possible to get as close as possible to the NOx content. A NOx measurement carried out in accordance with the invention can be used in monitoring mode, for example to trigger an alarm as soon as the NOx content exceeds a certain threshold.
Elle peut aussi être utilisée dans une boucle de régulation des paramètres d'entrée du procédé surveillé. Par exemple, tous les paramètres d'entrée sont fixés, sauf un (tel que la concentration en oxygène humide) et le paramètre non fixé est régulé de manière à maintenir la teneur en NOx à une valeur constante ou comprise entre deux valeurs définissant une plage de variation. La régulation s'effectue par exemple à l'aide de la liaison 63 (voir figure 5) qui transmet l'ordre de régulation au procédé.It can also be used in a loop for regulating the input parameters of the monitored process. For example, all input parameters are set except one (such as wet oxygen concentration) and the unbound parameter is regulated to keep the NOx content at a constant value or between two values defining a range of variation. The regulation is carried out for example using the link 63 (see FIG. 5) which transmits the regulation order to the process.
Les domaines d'utilisation de l'invention sont nombreux. L'invention s'applique notamment aux fours à verre, aux fours rotatifs de seconde fusion de la fonte, aux fours d'incinération, aux réacteurs chimiques nécessitant la présence d'une flamme et dont le comburant est l'air enrichi en oxygène. Selon l'invention, on met donc en œuvre un modèle dynamique pour calculer les émissions de NOx dans divers procédés industriels, et notamment dans les fumées en sortie de fours utilisant, en tant que comburant, l'air enrichi en oxygène ou l'oxygène. The fields of use of the invention are numerous. The invention applies in particular to glass furnaces, rotary furnaces for secondary melting of cast iron, incineration furnaces, chemical reactors requiring the presence of a flame and the oxidizer of which is air enriched with oxygen. According to the invention, a dynamic model is therefore implemented to calculate the NOx emissions in various industrial processes, and in particular in the fumes leaving the furnaces using, as oxidizer, air enriched in oxygen or oxygen. .

Claims

REVENDICATIONS
1. Procédé de mesure de la teneur en NOx produits par une combustion mettant en œuvre un brûleur (40), un combustible et de l'oxygène ou de l'air enrichi en oxygène comme comburant, caractérisé en ce que:1. Method for measuring the NOx content produced by combustion using a burner (40), a fuel and oxygen or oxygen-enriched air as an oxidizer, characterized in that:
- on mesure des données physiques caractéristiques de la combustion, lors du déroulement de la combustion,- physical data characteristic of combustion are measured, during the course of combustion,
- on traite au moins une partie de ces données pour former des données d'entrée d'un réseau de neurones (32), qui fournit au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.- at least part of this data is processed to form input data of a neural network (32), which provides at least one output data representative of the concentration or of the NOx content in the fumes resulting from combustion.
2. Procédé selon la revendication 1, le combustible étant du gaz naturel ou du fioul.2. Method according to claim 1, the fuel being natural gas or fuel oil.
3. Procédé selon l'une des revendications 1 ou 2, dans lequel les données mesurées pendant la combustion comportent le débit et la composition de combustible, ainsi que le débit et la pureté de l'oxygène ou la composition du comburant introduits dans ladite combustion, au moins une température et une pression de fonctionnement de la combustion.3. Method according to one of claims 1 or 2, in which the data measured during combustion include the flow rate and the fuel composition, as well as the flow rate and purity of oxygen or the composition of the oxidant introduced into said combustion. , at least one operating temperature and pressure of combustion.
4. Procédé selon la revendication 3, dans lequel on traite les données brutes pour en déduire des données traitées comportant le pourcentage global d'azote introduit, le coefficient PCI du combustible, la puissance du brûleur et un paramètre qui détermine ou qui correspond à l'efficacité de production de NOx par le brûleur.4. Method according to claim 3, in which the raw data are processed in order to deduce therefrom processed data comprising the overall percentage of nitrogen introduced, the coefficient PCI of the fuel, the power of the burner and a parameter which determines or which corresponds to l efficiency of NOx production by the burner.
5. Procédé selon la revendication 4, les données d'entrée du réseau de neurones étant ou comportant le débit du combustible, le débit de l'oxygène ou du comburant, la température et la pression de fonctionnement de la combustion et les données traitées. 5. Method according to claim 4, the input data of the neural network being or comprising the fuel flow, the oxygen or oxidant flow, the temperature and the operating pressure of the combustion and the processed data.
6. Procédé selon l'une des revendications 1 à 5, la ou les températures et la ou les pressions de fonctionnement présentant un degré de corrélation, avec des données de concentration ou de teneur en NOx, supérieur à un degré prédéterminé.6. Method according to one of claims 1 to 5, the temperature (s) and the operating pressure (s) having a degree of correlation, with data or concentration or NOx content, greater than a predetermined degree.
7. Procédé selon l'une des revendications 1 à 6, le réseau de neurones comportant une seule couche cachée (22).7. Method according to one of claims 1 to 6, the neural network comprising a single hidden layer (22).
8. Procédé selon la revendication 1 à 7, le réseau de neurones comportant une boucle dynamique, le réseau de neurones produisant une deuxième donnée de sortie (E), dite donnée d'état, qui est utilisée comme donnée d'entrée du réseau.8. Method according to claim 1 to 7, the neural network comprising a dynamic loop, the neural network producing a second output datum (E), called state datum, which is used as input datum of the network.
9. Procédé selon l'une des revendications 1 à 8, la sortie du réseau de neurones comportant un seuil.9. Method according to one of claims 1 to 8, the output of the neural network comprising a threshold.
10. Procédé selon l'une des revendications 1 à 9, le paramètre qui détermine l'efficacité de production de NOx par le brûleur étant la température de la flamme (52) du brûleur.10. Method according to one of claims 1 to 9, the parameter which determines the efficiency of production of NOx by the burner being the temperature of the flame (52) of the burner.
11. Procédé selon l'une des revendications 1 à 10, le traitement des données étant réalisé périodiquement à une fréquence comprise entre 1 et 0,1 Hz, et une donnée représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion étant produite à la même fréquence.11. Method according to one of claims 1 to 10, the data processing being carried out periodically at a frequency between 1 and 0.1 Hz, and a data representative of the concentration or of the NOx content in the fumes resulting from combustion being produced at the same frequency.
12. Dispositif de mesure de la teneur en NOx produits par une combustion mettant en œuvre un brûleur (40), un combustible et de l'air enrichi en oxygène comme comburant, caractérisé en ce qu'il comporte:12. Device for measuring the NOx content produced by combustion using a burner (40), a fuel and oxygen-enriched air as an oxidizer, characterized in that it comprises:
- des capteurs (54,55,56,57,58,60) pour mesurer des données caractéristiques de la combustion, lors du déroulement de la combustion,- sensors (54,55,56,57,58,60) to measure data characteristic of combustion, during the course of combustion,
- des moyens (70,82) pour, ou programmés pour, traiter au moins une partie de ces données pour former des données d'entrée d'un réseau de neurones (32), pour faire traiter lesdites données d'entrée par ce réseau de neurones, et pour fournir au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.- means (70, 82) for, or programmed to, process at least part of this data to form input data of a neural network (32), to have said input data processed by this network of neurons, and to provide the minus one output representative of the concentration or content of NOx in the fumes resulting from combustion.
13. Dispositif selon la revendication 12, les capteurs étant des capteurs de débit et de composition de gaz naturel, des capteurs de débit et de pureté de l'oxygène introduits dans la combustion, des capteurs (58) de température de la fumée produite, et des capteurs (55,57) de pression de fonctionnement.13. Device according to claim 12, the sensors being flow sensors and composition of natural gas, flow sensors and oxygen purity introduced into the combustion, sensors (58) of the temperature of the smoke produced, and operating pressure sensors (55,57).
14. Système de combustion comportant un brûleur (40), un four (46), des moyens (48) pour évacuer des produits de combustion, et un dispositif de mesure selon l'une des revendications 12 ou 13.14. Combustion system comprising a burner (40), an oven (46), means (48) for discharging combustion products, and a measuring device according to one of claims 12 or 13.
15. Système selon la revendication 14, le four étant un four à verre, ou un four rotatif de seconde fusion de la fonte, ou un four d'incinération. 15. The system of claim 14, the furnace being a glass furnace, or a rotary furnace for secondary melting of cast iron, or an incineration furnace.
PCT/FR2001/001239 2000-05-03 2001-04-23 Software nox sensor WO2001084136A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
AU54905/01A AU5490501A (en) 2000-05-03 2001-04-23 Software nox sensor

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0005642A FR2808592B1 (en) 2000-05-03 2000-05-03 NOX SOFTWARE SENSOR
FR00/05642 2000-05-03

Publications (1)

Publication Number Publication Date
WO2001084136A1 true WO2001084136A1 (en) 2001-11-08

Family

ID=8849841

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2001/001239 WO2001084136A1 (en) 2000-05-03 2001-04-23 Software nox sensor

Country Status (3)

Country Link
AU (1) AU5490501A (en)
FR (1) FR2808592B1 (en)
WO (1) WO2001084136A1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003034819A2 (en) * 2001-10-25 2003-05-01 L'air Liquide Societe Anonyme A Directoire Et Conseil De Surveillance Pour L'etude Et L'exloitation Des Procedes Georges Claude Nox software sensor
EP1331372A3 (en) * 2002-01-24 2005-05-18 Bayerische Motoren Werke Aktiengesellschaft Method and apparatus for operating a NOx storage catalyst according to exhaust gas norms and for aging diagnosis of the catalyst
EP1983338A2 (en) * 2008-05-21 2008-10-22 StatoilHydro ASA Method for monitoring emissions of NOx from an emission source

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5345213A (en) * 1992-10-26 1994-09-06 The United States Of America, As Represented By The Secretary Of Commerce Temperature-controlled, micromachined arrays for chemical sensor fabrication and operation
US5548528A (en) * 1993-08-05 1996-08-20 Pavilion Technologies Virtual continuous emission monitoring system
EP0750192A2 (en) * 1995-06-24 1996-12-27 Sun Electric Uk Ltd. Multi-gas sensor systems for automotive emissions measurement
EP0971171A1 (en) * 1998-07-08 2000-01-12 L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude Combustion method of a combustible with a combustive rich in oxygen

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5345213A (en) * 1992-10-26 1994-09-06 The United States Of America, As Represented By The Secretary Of Commerce Temperature-controlled, micromachined arrays for chemical sensor fabrication and operation
US5548528A (en) * 1993-08-05 1996-08-20 Pavilion Technologies Virtual continuous emission monitoring system
EP0750192A2 (en) * 1995-06-24 1996-12-27 Sun Electric Uk Ltd. Multi-gas sensor systems for automotive emissions measurement
EP0971171A1 (en) * 1998-07-08 2000-01-12 L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude Combustion method of a combustible with a combustive rich in oxygen

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"MESURES DE POLLUTION", MESURES REGULATION AUTOMATISME,FR,CFE. PARIS, vol. 48, no. 6, 18 April 1983 (1983-04-18), pages 7 - 8,10-11,14-1, XP002035169, ISSN: 0755-219X *
BAKAL B ET AL: "TIME DELAY NEURAL NETWORKS FOR NOX AND CO PREDICTION IN FOSSIL FUELPLANTS", WCNN. WORLD CONGRESS ON NEURAL NETWORKS,XX,XX, vol. 3, 1995, pages 111 - 115, XP000884006 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003034819A2 (en) * 2001-10-25 2003-05-01 L'air Liquide Societe Anonyme A Directoire Et Conseil De Surveillance Pour L'etude Et L'exloitation Des Procedes Georges Claude Nox software sensor
FR2831666A1 (en) * 2001-10-25 2003-05-02 Air Liquide NOX SOFTWARE SENSOR EXIT FROM OVEN FIREPLACES USING OXYGEN-ENRICHED AIR OR PURE OXYGEN AS COMBURANT
WO2003034819A3 (en) * 2001-10-25 2003-10-16 Air Liquide Nox software sensor
EP1331372A3 (en) * 2002-01-24 2005-05-18 Bayerische Motoren Werke Aktiengesellschaft Method and apparatus for operating a NOx storage catalyst according to exhaust gas norms and for aging diagnosis of the catalyst
EP1983338A2 (en) * 2008-05-21 2008-10-22 StatoilHydro ASA Method for monitoring emissions of NOx from an emission source
EP1983338A3 (en) * 2008-05-21 2008-10-29 StatoilHydro ASA Method for monitoring emissions of NOx from an emission source

Also Published As

Publication number Publication date
AU5490501A (en) 2001-11-12
FR2808592B1 (en) 2002-10-11
FR2808592A1 (en) 2001-11-09

Similar Documents

Publication Publication Date Title
Kurihara et al. Optimal boiler control through real-time monitoring of unburned carbon in fly ash by laser-induced breakdown spectroscopy
EP1444510A2 (en) Software sensor for nox exiting furnace stacks using oxygen-enriched air or pure oxygen as a combustion agent
CN108549792A (en) A kind of solid waste burning process dioxin emission concentration flexible measurement method based on latent structure mapping algorithm
JP3319327B2 (en) Combustion control method and device for refuse incinerator
EP1807615A1 (en) Method and device for estimating the temperature of exhaust gases entering into a post-treatment system arranged downstream from a system for the treatment of said gases
EP0971171B1 (en) Combustion method of a combustible with a combustive rich in oxygen
EP0326494B1 (en) Apparatus for measuring the calorific power carried by a flow of combustible matter
CN111007035B (en) Method, system and device for detecting concentration of high-temperature gas in secondary combustion chamber based on convolutional neural network and storage medium
WO2001084136A1 (en) Software nox sensor
WO2005064143A1 (en) Method for real time determination of the mass of particles in a particle filter of a motor vehicle
Hayashida et al. Experimental analysis of soot formation in sooting diffusion flame by using laser-induced emissions
Kohler et al. In situ high-temperature gas sensors: Continuous monitoring of the combustion quality of different wood combustion systems and optimization of combustion process
FR2688581A1 (en) METHOD AND DEVICE FOR REGULATING THE COMBUSTION AIR FLOW OF A FUME SENSOR DEVICE OF A METALLURGICAL REACTOR, CORRESPONDING SENSOR DEVICE AND METALLURGICAL REACTOR.
EP1051260A1 (en) Method for regulating centrifuges for dehydrating wastewater sludge, using fuzzy logic
FR2649513A1 (en) METHOD AND APPARATUS FOR CONTROLLING THE PRODUCTION OF CARBON BLACK
EP2147200B1 (en) Method and device for adapting the temperature estimator of an exhaust gas post processing system
EP4008425B1 (en) Method for removing mercury from fumes
EP0088717B1 (en) Method to optimize the operation of a furnace
Liu et al. Prediction of calorific value of coal using real power plant data
Ospanov et al. Temperature Field Reconstruction of Flame from Images for Optimal Energy-Efficient Control of the Air-Fuel Mixture Making in Steam–Driven Boilers
FR2871223A1 (en) Furnace e.g. Mitsubishi continuous copper conversion furnace, integrity monitoring method, involves generating alarm when representation of real operation deviate from normal operation model of predetermined quantity
Miller et al. Application of intelligent controls in EPA's combustion technology research and development
CN117346516A (en) Sludge dryer operation adjusting method based on online measurement of water content and heat value
EP3646255A1 (en) System and method for managing risks in a process
CN115451413A (en) Air volume control method, device and system, storage medium and waste incineration system

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT TZ UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
121 Ep: the epo has been informed by wipo that ep was designated in this application
122 Ep: pct application non-entry in european phase
NENP Non-entry into the national phase

Ref country code: JP