RIDIC系统和ACC系统在发电锅炉燃烧中的技术对比

[复制链接]
查看19 | 回复0 | 2021-8-4 12:04:42 | 显示全部楼层 |阅读模式
中国在内的全世界火力发电运营技术,无一例外的执行着ACC(自动化燃烧控制)系统的传统理念。ACC系统的运行理念,在一定的历史背景下,确实是非常成功的技术应用,对于推进火力发电行业的发展也起到了关键的作用。
人工智能RIDIC系统技改流化床锅炉两台300MW发电机组一年最低可节省燃煤1.5万吨
ACC系统从控制理念来说,其核心就是燃煤热值的准确输入。首先,ACC系统根据发电任务计划,计算出蒸汽量的工艺目标、标煤配煤工艺目标,然后,再根据实物煤热值,最终计算承出实物煤的配煤工艺目标,当然也包括诸如一次风、二次风这样的工艺目标,以及运行的控制机制,最后,根据计算出的这些参数进行所谓的合理投煤。这样一套工艺控制的理念,完全是运用“解算法”来进行即时的产线调节。
  无论“解算法”计算得多么精准,燃煤的热值依然存在波动现象。尽管这种波动在可控的范围内,但实际上对生产运行影响还是较大。若燃煤热值正向波动,实际工况则会浪费燃煤;若燃煤负向波动,实际工况则会偏离发电任务目标。结论就是:燃煤热值只要有波动,实际工况就是对发电企业造成了损失。
由此可见,火力发电运用的“解算法”控制机制,已经成为行业深度节煤技术的最大拦路虎。如果依然按照“解算法”机制运转,那么火力发电几乎没有低成本解决节煤技术的路径(运用超高高成本进行设备改造除外)。
工业人工智能(工业AI)技术的诞生,让火力发电的节煤技术迎来了可能性。
微信图片_20210222111041.png
RIDIC system系统,抛弃了传统“解算法”技术的核心,重点放在在煤炭燃烧的时刻,应该需要用多少煤就投用多少煤,更加精准的调节产线的运行。
   微信图片_20210727141433.png
传统的ACC控制技术,缺乏自动适应性、综合性、连续最优性、智能性优化匹配性等,导致ACC控制技术发到一定程度,就会出现不可逾越的门槛。所以火力发电行业急需一套能够深度解决问题的AiCC++智能控制系统。ACC系统的瓶颈,就是这个行业发展的瓶颈。
   gdsgsgs.png
RIDIC system系统通过机器感知、机器预判、机器推理的AI控制思想,运用MPC动态模型构造理论以及卡尔曼滤波原理,动态构造即时状态的焚烧工艺函数,不仅仅可以节省大量的煤炭,还可以更加深度稳定生产工况,让生产工艺运行的上下限区间变得更加狭窄,对于设备的故障率的降低也是起到了非常好的作用。

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则