JP5882582B2 - ケミカルルーピングプラントを最適化するためのシステム - Google Patents

Description

本開示は、概して、最適化システムに関し、特に、ケミカルルーピングプラントのためのプロセス設計及び制御最適化システムに関するものである。

ケミカルルーピング（ＣＬ）は、最近開発されたプロセスであり、石炭、バイオマス及びその他の機会燃料などの燃料を燃焼させる電力発電プラントにおいて利用可能なプロセスである。ＣＬプロセスは発電プラントにおいての実施が可能で、様々な利点のうちで、プラントサイズの縮小、排気削減及びプラントの運転効率の向上という点での改善が期待できる。

代表的なＣＬシステムでは、高温プロセスを利用することによって、例えばカルシウム系又は金属系化合物などの固体が酸化装置と呼ばれる第１反応器と、還元装置と呼ばれる第２反応器との間で「ループ」される。酸化装置では、酸化装置に投入された空気中の酸素が酸化反応によって固体に捕捉される。その後、捕捉された酸素は、酸化固体によって還元装置へと運ばれ、例えば石炭などの燃料の燃焼及び／又はガス化に用いられる。還元装置において還元反応が行われた後、捕捉された酸素を有さなくなった固体は、酸化装置に戻され、再度酸化される。そして、このサイクルを繰り返す。

酸化反応及び還元反応では、空気に対する燃料の比に応じて、様々なガスが生成される。そのため、ＣＬシステムが下記のような様々な形で利用できるように空気に対する燃料の比を制御することができる。ＣＬシステムの利用方法としては、ガスタービン、燃料電池及び／又はその他の水素ベースの用途のための水素を生成するハイブリッド燃焼−ガス化プロセスや、ガスタービン及び／又は燃料電池用の様々な量の水素と二酸化炭素を含む合成ガス（シンガス）を生成するハイブリッド燃焼−ガス化プロセスや、燃焼ベースの蒸気発電プラント用の燃焼プロセスなどが挙げられる。

ＣＬプロセスは、例えば従来の循環流動層（ＣＦＢ）プラントなどの従来のプラントのプロセスよりも複雑である。その結果、従来のプラント制御がＣＬプロセスに適用されると、各ＣＬループに対して別々の制御ループが生じてしまう。しかしながら、正確な制御には各ループの複数のパラメータ及びループ間にまたがるパラメータの協調制御が必要なため、各ＣＬループに対して別々の制御ループを用いることは効率的ではなく、ＣＬプロセス性能の最適化にはつながらない。

また、上記ＣＬプロセスには、物質移行や化学反応の速度に起因するプロセス非線形性や時間遅延を特徴とする多相流及び化学反応が含まれる。そのため、プロセス設計の初期段階において制御最適化システムを考慮せずに従来の発電プラントの設計を行うことは、プロセス性能やシステム動作性を統合的に最適化するには全くもって不十分である。

さらに、ＣＬプロセスの変数の多くは非線形且つ／又は、例えば、変数のループ間相互作用のように他の変数と複雑な関係を有する。そのため、これら複数の変数の相互依存関係を効果的にシミュレートするモデルは、これまで、不正確、非効率、且つ作業がし難い及び／又は作業に時間がかかるものだった。

これまでに開発された最適化システムは、従来の燃焼発電プラントを最適化することに重点が置かれている。また、これらの最適化システムは、プラント運転の統合最適化よりむしろ最適化に関する非常に特異的で局所的な問題を解決することに焦点を合わせてきた。さらに、従来の燃焼発電プラントに関連する統計分析は、変数間に直線関係があるという前提に基づいている。そのため、従来の燃焼発電プラントに関連する統計分析は、ＣＬプロセスにおける変数の複雑で、相互に関連する非線形ダイナミクスの分析に使用された場合、煩雑で不正確なものとなる。

ＣＬシステムに基づく次世代の発電プラントでは、蒸気−水側の制御条件（例えば、給水及び蒸気流量、蒸気圧、蒸気温度、ドラムレベルなど）は、現在の従来のプラントと本質的に変わらない。しかし、ＣＬプロセスにおける固有プロセス変数間の相互作用により良く対処するため、蒸気−水側変数と燃焼／ガス化ＣＬ変数の両方を使った改良された制御が必要とされると予想される。また、従来の発電プラントのシミュレータは、蒸気−水側プロセスのダイナミクスに限定されており、非常にシンプルな燃焼又は炉内プロセスのダイナミクスのみがモデル化されている。従って、ＣＬプロセスにおいて見られるような複雑な雰囲気制御システムの動的モデルは現時点では存在しない。

ＣＬシステムのプロセスや設備の統合及び最適化も必要である。つまり、ＣＬ統合プロセスは、現在のところ、経済的に最適な動作状態で制御されてはいない。これは特に負荷変動時やその他プラント障害発生時に当てはまる。上記複数の変数やプロセス間の複雑な関係は、ＣＬプロセス性能に影響を与え、ＣＬプロセスを最適且つ効率的に制御するための取り組みをさらに複雑なものにする。

そのため、前述の欠点を克服する統合プロセス設計及び制御最適化システム、特に、ＣＬ発電プラントのための統合プロセス設計及び制御最適化システムの開発が望まれている。

本明細書に説明する態様によれば、発電プラントのケミカルルーピングプロセスを最適化するための制御システムが提供される。制御システムは、オプティマイザと、費用アルゴリズムと、収益アルゴリズムとを備える。費用アルゴリズムは、発電プラントの複数の入力パラメータに基づいてオプティマイザに費用入力を提供する。収益アルゴリズムは、発電プラントの複数の出力パラメータに基づいてオプティマイザに収益入力を提供する。オプティマイザは、費用入力と収益入力のうちの少なくとも１つに基づいて、最適化動作パラメータ解答を決定し、その最適化動作パラメータ解答を発電プラントに提供する。複数の入力パラメータには、燃料流量、吸着剤流量、空気流量、水流量、石灰石流量及び固体循環流量のうちの少なくとも１つが含まれ、複数の出力パラメータには、発電率、ＣＯ_２利用量、ＣＯ_２捕捉量、ＣＯ_２貯蔵量、Ｈ_２利用量、Ｈ_２捕捉量、Ｈ_２貯蔵量、合成ガス利用量、合成ガス捕捉量及び合成ガス貯蔵量のうちの少なくとも１つが含まれる。

本明細書に説明する他の態様によれば、発電プラントを最適化するためのシステムは、入力パラメータを受信する入力部と、出力パラメータを出力する出力部を有するケミカルループを備える。上記システムは、さらに、出力パラメータを受信し、受信した出力パラメータに基づき入力パラメータを最適化し、最適化した入力パラメータをケミカルループの入力部へ出力する非線形制御装置を備える。ケミカルループは、カルシウム系ケミカルループ及び金属酸化物系ケミカルループのうちの１つからなり、発電プラントは、単一ループケミカルルーピングプラント、複数ループケミカルルーピングプラント、使用又は隔離のためにＣＯ_２を捕捉するケミカルルーピングベースのプラント、及び、ＣＯ_２対応のケミカルルーピングベースのプラントのうちの１つからなる。入力パラメータには、固体輸送在庫制御変数、反応器温度制御変数、ループ温度制御変数、層温度制御変数、負荷ランピング制御変数、プラント起動制御論理アルゴリズム、反応器圧力変数、反応器差圧変数、プラント停止制御論理アルゴリズム、並びに、燃料流量、空気流量、石灰石流量及び蒸気流量のうちの少なくとも２つの比、のうちの少なくとも１つが含まれ、出力パラメータには、負荷需要、発電率、水素流量、窒素流量、二酸化炭素流量及び合成ガス流量のうちの少なくとも１つが含まれる。

本明細書に説明するさらに他の態様によれば、発電プラントを最適化するためのシステムは、入力パラメータを受信する入力部と、出力パラメータを出力する出力部を有するケミカルループと、ケミカルループに動作可能に接続された非線形モデル予測制御用制御装置を備える。非線形モデル予測制御用制御装置は、出力パラメータを受信し、受信した出力パラメータに基づき入力パラメータを最適化し、最適化した入力パラメータをケミカルループの入力部へ出力する。ケミカルループは、カルシウム系ケミカルループ及び金属酸化物系ケミカルループのうちの１つからなり、発電プラントは、単一ループケミカルルーピングプラント、複数ループケミカルルーピングプラント、使用又は隔離のためにＣＯ_２を捕捉するケミカルルーピングベースのプラント、及び、ＣＯ_２対応のケミカルルーピングベースのプラントのうちの１つからなる。入力パラメータには、固体輸送在庫制御変数、反応器温度制御変数、ループ温度制御変数、層温度制御変数、負荷ランピング制御変数、プラント起動制御論理アルゴリズム、反応器圧力変数、反応器差圧変数、プラント停止制御論理アルゴリズム、並びに、燃料流量、空気流量、石灰石流量及び蒸気流量のうちの少なくとも２つの比、のうちの少なくとも１つが含まれ、出力パラメータには、負荷需要、発電率、水素流量、窒素流量、二酸化炭素流量及び合成ガス流量のうちの少なくとも１つが含まれる。

上記及び他の特徴は、以下の図及び詳細な説明によって例示される。

次に、例示的な実施形態である図面について説明する。これらの図面中では、類似した構成要素には同じ番号が付与されている。

２つのループを有する酸化カルシウム系のケミカルルーピング（ＣＬ）システムのブロック図である。カルシウム系のケミカルルーピングにもこのデュアルループプロセス設計は適用可能である。 ＣＬ燃焼ベースの蒸気発電プラントのブロック図である。 ＣＯ_２対応のＣＬシステムのための統合最適化システムのブロック図である。 統合ＣＬプロセスの性能設計及び制御設計の最適化を示すブロック図である。 ＣＬプロセス用のモデル予測制御（ＭＰＣ）用制御装置のブロック図である。

本明細書は、参照により本書に組み込まれる米国特許第７,０８３,６５８号でより詳細に記載されるものと類似している、ＣＬプラントのケミカルルーピングシステムのための統合プロセス設計及び制御最適化システムを開示する。図１を参照すると、ＣＬシステム５は、第１ループ１０、例えば還元装置１０と、第２ループ２０、例えば酸化装置２０とを備える。空気３０を酸化装置２０に供給し、カルシウム（Ｃａ）４０をそこで酸化して酸化カルシウム（ＣａＯ）５０を生成する。そして、ＣＬシステム５のＣＬプロセスにおいて、ＣａＯ５０は還元装置１０に供給され、還元装置１０に供給された燃料６０（例えば石炭６０など）に酸素を届けるキャリアとしての機能を果たす。その結果、還元装置１０に送られた酸素は、還元装置１０内の石炭６０と相互作用する。その後、還元した酸化カルシウム４０は、酸化装置２０に戻され、ＣａＯ５０へと再酸化される。そして、上記ＣＬプロセスを繰り返す。

酸化中に空気３０から抽出された窒素ガス（Ｎ_２）７０、及び酸化中に発生する熱（図示せず）は、酸化装置２０から出る。同様に、還元装置１０における還元中に発生したガス８０も還元装置１０から出る。そのガス８０は、例えば、合成ガス（シンガス）、水素ガス（Ｈ_２）及び／又は二酸化炭素ガス（ＣＯ_２）を含む。ガス８０の組成、例えば、その中のシンガス、Ｈ_２及び／又はＣＯ_２の割合は、石炭６０の空気３０に対する割合により異なる。

例示的実施形態は図１を参照して上述したような２つのループに限定されるわけではなく、代わりに単一の又は２つ以上のループを含んでいてもよい。例えば、代替的な例示的実施形態では、ＣＬシステム５は、改質されたシンガス８０からのＨ_２の生成を可能にする、例えば焼成ループなどの第３のループ（図示せず）を含む。

カルシウム系ＣＬシステム５は、例えば、タービンを駆動する蒸気を生成する熱ループを備えていてもよい。具体的には、図２を参照すると、熱ループ９０は、酸化装置２０での酸化中に発生した熱で給水１１０を沸騰させることにより生成される蒸気１０５を使って発電機１００を駆動する蒸気タービン９５を含む。

図１を参照して上述したように空気３０が酸化装置２０に供給されるのに対し、灰及び／又は余分な硫酸カルシウム（ＣａＳＯ_４）などの廃棄物１１５は、酸化装置２０から取り除かれ、外部施設（図示せず）にて廃棄される。石炭６０、並びに、炭酸カルシウム（ＣａＣＯ_３）１２０及び再循環蒸気１２５は還元装置１０に供給され、そこで還元反応を行う。

動作中は、石炭６０、ＣａＣＯ_３１２０及びＣａＳＯ_４１２７中の炭素と硫黄との間で還元反応が生じる。その還元反応によって硫化カルシウム（ＣａＳ）１２８が生成され、そのＣａＳ１２８は、分離器１３０によって分離され、その後シールポット制御バルブ（ＳＰＣＶ）１３５を介して酸化装置２０へと供給される。図２に示すように、ＣａＳ１２８の一部は、例えばＣＬプラント負荷に基づき、ＳＰＣＶ１３５によって還元装置１０へと再循環される。また、分離器は、ＣａＳ１２８からガス８０、例えばＣＯ_２を分離する。

ＣａＳ１２８は酸化装置２０での酸化反応により酸化し、ＣａＳＯ_４１２７を生成する。ＣａＳＯ_４１２７は、分離器１３０によってＮ_２７０から分離され、ＳＰＣＶ１３５を介してまた還元装置１０へ供給される。ＣａＳＯ_４１２７の一部は、例えばＣＬプラント負荷に基づき、ＳＰＣＶ１３５によって再び酸化装置２０へと再循環される。熱は酸化反応によっても発生し、その熱によって給水１１０が沸騰されて、蒸気タービン９５に供給される蒸気１０５となる。

酸化カルシウム系ＣＬシステムを説明してきたが、本発明は、参照により本書に組み込まれる米国特許出願第１０／５４２,７４９号に記載のものに類似した金属酸化物系ＣＬシステムにも適用可能である。

次に、図３乃至図５を参照して、ＣＬプラントのための統合プロセス設計及び制御最適化システムの例示的実施形態をさらに詳細に説明する。なお、統合プロセス設計及び制御最適化システムは、本明細書に記載のＣＬプラント構成に限定されるものではない。例えば、代替的な例示的実施形態において、統合プロセス設計及び制御最適化システムは、単一、デュアル、及び多重、例えば２つ以上のループを備えたカルシウム系又は金属酸化物系ＣＬシステム、蒸気活性化ループを有する／有さないＣＬシステム、焼成ループを有する／有さないＣＬシステム、使用又は隔離のためにＣＯ_２を捕捉する次世代のＣＬベースのプラント、ＣＯ_２対応のＣＬベースの発電プラントを含む（ただし必ずしもこれらに限定されない）あらゆるＣＬベースのシステムと共に利用可能である。

上記ＣＬプロセスには、物質移行速度や化学反応速度に起因するプロセス非線形性や時間遅延を特徴とする多相流及び化学反応が含まれる。そのため、以下にさらに詳細に説明するように、ＣＬプロセスの制御には非線形制御及び最適化法が有効である。つまり、例示的実施形態には、第一原理方程式（例えば、質量、運動量、エネルギーバランス）から得られる非線形動的ケミカルルーピングモデリング及びシミュレーションが含まれる。モデリング及びシミュレーションには、常微分方程式（ＯＤＥ）、代数方程式（ＡＥ）、偏微分方程式（ＰＤＥ）の任意の組み合わせが含まれる。また、実験的モデリング方法、例えば、外生入力を有する非線形自己回帰ネットワーク（ＮＡＲＸ）、外生入力を有する非線形自己回帰移動平均（ＮＡＲＭＡＸ）、ウェーブレットネットワークモデル、ウィーナー−ハマースタインモデルなどのニューラルネットワーク（ＮＮ）は、簡単化された第一原理モデルとデータ駆動型モデルとを組み合わせたハイブリッド動的モデル構造において使用される。さらに、線形化モデルと非線形モデルの両方を使う多変数モデル予測制御（ＭＰＣ）によって、ＣＬプロセスの動的最適化に対する解決策が提供される。最適化されたモデリング、シミュレーション及び制御を提供することに加えて、例示的実施形態に係る多変数ＭＰＣは、障害やモデルの不正確性に強く、ＣＬプロセスの安定した制御を提供する。ＭＰＣは、例えば、ＰＩＤ制御装置、ファジー制御装置、又は、あらゆるタイプの適応制御装置、（セルフチューニング調節装置、ニューロアダプティブ制御装置、ウェーブレットネットワークモデル規範形適応制御装置）を使った調整制御を監視する監視用制御装置としても利用可能である。また、ＭＰＣは、複数の相互作用ループを有するＣＬプロセスを制御し最適化する直接制御装置としても利用可能である。

図３を参照すると、ＣＬベースのＣＯ_２対応発電プラント２０５のための最適化システム２００は、制御システム２０７、例えばオプティマイザ２１０を備えるプラント制御システム２０７などのシステム２０７を含む。例示的実施形態では、システムオプティマイザ２１０は、発電プラント２０５の総合的な経済面ベースの最適化を行う多変数オプティマイザ２１０である。具体的には、多変数オプティマイザ２１０は、発電プラント２０５に関連する熱経済的性能、排気削減及び／又は規制、及び設備の寿命延長条件に重点を置いている。

発電プラント２０５の総合的な経済面ベースの最適化を行うために、多変数オプティマイザ２１０は、図３に示すように、費用アルゴリズム２２５と収益アルゴリズム２３０のそれぞれを介して、発電プラント２０５の入力パラメータ２１５と出力パラメータ２２０を受信する。例示的実施形態において、入力パラメータ２１５には、燃料流量、吸着剤流量、空気流量、水流量、石灰石流量及び固体循環流量が含まれるが、これらに限定されるものではない。出力パラメータ２２０には、例えば発電率、ＣＯ_２流量、ＣＯ_２利用量、ＣＯ_２捕捉量、ＣＯ_２貯蔵量が含まれるが、これらに限定されるものではない。

上記多変数オプティマイザ２１０は、費用アルゴリズム２２５と収益アルゴリズム２３０からの出力を受信し、例えば所定の操作制約２３５や環境的制約２４０に基づいて発電プラント２０５に対する最適化動作パラメータ解答を決定する。具体的には、例示的実施形態では、費用アルゴリズム２２５が、所定の個別費用因子Ｃｉと入力パラメータ２１５の個別入力Ｘｉの積の集合を合計する一方で、収益アルゴリズム２３０が所定の個別収益因子Ｐｉと出力パラメータ２２０の個別出力Ｙｉの積の集合を合計する。個別費用因子Ｃｉには、例えば補助発電費、石灰石費、燃料費が含まれるが、これらに限定されるものではない。また、個別収益因子Ｐｉには、例えば排出クレジットと寿命延長クレジットが含まれるが、これらに限定されるものではない。

多変数オプティマイザ２１０は、図３に示すように、分散制御システム２４５や高度処理制御（ＡＰＣ）システム２５０を用いて発電プラント２０５に最適化動作パラメータ解答を適用する。その結果、発電プラント２０５は、最適且つ総合的な経済面ベースの動作状態での動作が行われる。

例示的実施形態において、ＡＰＣシステム２５０には、例えば、フィルタ、フラッシュドライヤアブソーバ（ＦＤＡ）、スプレードライヤアブソーバ（ＳＤＡ）、静電集塵装置（ＥＳＰ）及び／又は排煙脱硫（ＦＧＤ）システムなどの構成要素（図示せず）が含まれるが、これらに限定されるものではない。

例示的実施形態には、図３に示すように、ソフトセンサモジュール２５５がさらに備えられていてもよい。ソフトセンサモジュール２５５は、例えば、ソフトウェアを使って出力パラメータ２２０（又は発電プラント２０５のその他のパラメータ）から得られた信号を処理する仮想センサのようなソフトセンサ（図示せず）を備える。ソフトセンサは、測定したパラメータを組み合わせて処理することで、追加パラメータを直接測定せずに追加パラメータを提供することができる。例示的実施形態に係るソフトセンサは、既存のセンサの融合に基づくもの、或いは、シミュレーション及び制御のために開発されたモデルに基づくものであってもよいが、代替的な例示的実施形態はそれに限定されるものではない。

また、代替的な例示的実施形態に係る最適化システム２００は、図３に示すようなＣＬベースのＣＯ_２対応発電プラント２０５に対する利用に限定されるものではない。例えば、最適化システム２００は、単一又は複数ループ（カルシウム系又は金属酸化物系）ＣＬシステム、使用又は隔離のためにＣＯ_２を捕捉するＣＬベースのプラントなどのあらゆるＣＬベースの発電プラントに対して利用可能であるが、代替的な例示的実施形態はそれに限定されるものではない。

次に、図４を参照して、例示的実施形態に係る統合ＣＬプラントシステムの性能設計及び制御設計を含む最適化プロセスについてさらに詳しく説明する。例示的実施形態において、図４に示す最適化プロセスはシステムオプティマイザ２１０（図３）に含まれるが、図４に示す最適化プロセスの実施はそれに限定されるものではない。図４に示す最適化プロセスは、あらゆるオプティマイザ、特に、詳細に上述したように、様々なＣＬベースの発電プラントに対応するあらゆるオプティマイザにおいて実施可能である。

最適化プロセス３００、例えば、統合ＣＬプラントシステム用の最適化プロセス３００において、最適化プロセス３００は、性能設計最適化及び制御システム設計最適化機能を含む。具体的には、プロセス性能設計仕様３０５と、制御システム設計仕様３１０は、いずれもプロセス性能設計基準３１５と制御システム設計基準３２０のそれぞれに従って最適化されている。例示的実施形態では、プロセス性能設計仕様３０５には、例えば、所定の燃料の特性、吸着剤の特性、所望のプラント設備能力、所定の発電率に対する発熱率、ＣＯ_２の質及び量、Ｈ_２の質、Ｈ_２生成効率が含まれるが、これらに限定されるものではない。制御システム設計仕様３１０には、例えば、制御システムタイプ、応答速度、動作パラメータの許容誤差が含まれるが、これらに限定されるものではない。

プロセス性能設計モジュール３２５は、プロセス性能設計仕様３０５とプロセス性能設計基準３１５を、プロセス性能シミュレーション分析装置３３０と制御システム設計モジュール３３５に提供する。プロセス性能シミュレーション分析装置３３０は、プロセス性能シミュレータ３４０からの出力に基づき、プロセス性能設計仕様３０５とプロセス性能設計基準３１５を分析する。一方、ダイナミクス及び制御シミュレーション分析装置３４５は、動的シミュレータ３５０からの出力に基づき、制御システム設計モジュール３３５からの出力を分析する。例示的実施形態において、動的シミュレータ３５０は、減次モデリング（ＲＯＭ）動的シミュレータ３５０である。プロセス性能シミュレーション分析装置３３０とダイナミクス及び制御シミュレーション分析装置３４５からの出力は、プロセス性能シミュレーション分析装置３３０とダイナミクス及び制御シミュレーション分析装置３４５からの出力が個別に最適化されているか否かを判断するプロセス性能及び制御評価装置３５５に提供される。プロセス性能シミュレーション分析装置３３０とダイナミクス及び制御シミュレーション分析装置３４５からの出力が個別に最適化されていない場合、プロセス性能シミュレーション分析装置３３０とダイナミクス及び制御シミュレーション分析装置３４５からの非最適化出力は再びプロセス性能設計モジュール３２５へと提供され、さらに分析が行われる、つまり、その後上記分析が繰り返される。プロセス性能シミュレーション分析装置３３０とダイナミクス及び制御シミュレーション分析装置３４５からの出力が最適化されている場合、そのプロセス性能シミュレーション分析装置３３０とダイナミクス及び制御シミュレーション分析装置３４５からの出力は組み合わされて、例えば、遺伝的アルゴリズム（ＧＡ）オプティマイザ３６０などの総合システムオプティマイザ３６０へと送られ、最適プラント性能及び動作パラメータ３６５が出力される。

図４に示すように、また、詳細に上述したように、例示的実施形態に係る最適化プロセス３００では、プロセス性能と制御システム設計の分析が並行に行われる。プロセス性能シミュレータ３４０と動的シミュレータ３５０の両方を使用することで、最適プラント性能及び動作パラメータ３６５が予測及び評価されるので、効果的な最適化が行われることとなる。プロセス性能シミュレータ３４０には、例えば、設計基準のプロセスモデル及び／又は回帰モデルなどの理論的且つ実験的モデルや操作データベースに基づくＮＮモデルを利用した熱力学的、熱経済的、排気予測が含まれるが、これらに限定されるものではない。動的シミュレータ３５０には、例えば、制御論理シミュレーションモデルと共に、第一原理モデル、若しくは、第一原理モデルとデータ駆動型モデルの複合型実験モデル、及び／又は、ウェーブレットネットワークモデルが含まれる。寿命延長制御（図示せず）には、材料モデルが含まれているので、材料の損傷の予測や、延命制御シミュレーション（図示せず）を行うことができる。同様に、代替的な例示的実施形態には環境経済モデル（図示せず）が含まれてもよく、それによって、例えば、ＳＯ_２、ＮＯｘ、粒子、ＣＯ_２などの排気の分析及び最適化を行うことができる。

最適プラント性能及び動作パラメータ３６５の決定については、多くの設計シナリオからの選択のため、数多くの反復を伴うことから、オプティマイザ３６０による最適化の前にプロセス性能及び制御システム設計の両方を一旦最適化できるよう、さらにオプティマイザ（図示せず）を備えてもよい。

次に、図５を参照して、例示的実施形態に係るＭＰＣ最適制御装置、特に、ＣＬプロセスのためのＭＰＣ最適制御装置についてさらに詳しく説明する。例示的実施形態では、ＭＰＣ制御装置４００などの制御装置４００は、ＭＰＣを利用してＣＬプロセス４０５を制御する高度最適制御システムである。上述したように、ＣＬプロセス４０５は、単一ループ又は複数ループＣＬシステム、使用又は隔離のためにＣＯ_２を捕捉するＣＬベースのプラント、及び／又は、ＣＯ_２対応のＣＬベースの発電プラントにて利用可能であるが、これらに限定されるものではない。

また、上述したように、上記ＣＬプロセスには、物質移行や化学反応の速度に起因するプロセス非線形性や時間遅延を特徴とする多相流及び化学反応が含まれる。従って、従来の、例えば線形の最適化制御は、ＣＬプロセス最適化には不十分である。そこで、例示的実施形態に係るＭＰＣ制御装置４００には、例えば、質量、運動量、エネルギーバランスなどの第一原理方程式から得られる非線形動的ケミカルルーピングモデリング及びシミュレーションが含まれる。また、非線形ニューラルネットワークなどの実験的モデリング方法は、簡単化された第一原理モデルとデータ駆動型モデルとを組み合わせたハイブリッド動的モデル構造において使用される。特に、ＭＰＣ制御装置４００は、モデル４１０などのモデル部４１０と、シミュレータ４１５などのシミュレータ部４１５と、オプティマイザ４２０などの最適化部４２０とを備える。

例示的実施形態では、ＭＰＣ制御装置４００は、現在のプラント制御システムを最適化機能を備えたモデルベースの予測制御で補完及び／又は置換するため、現在のプラント制御システムの構成要素、例えば、既存の比例・積分・微分（ＰＩＤ）制御装置を活用する。具体的には、例示的実施形態に係るＭＰＣ制御装置４００のモデル４１０には、非線形定常状態モデルと、１つ又は複数の線形又は非線形動的モデルとが含まれる。また、定常状態モデル及び／又は動的モデルは、それぞれ適応、ファジー及び／又はＮＮモデリング方法、及び／又は、第一原理モデリング方法を使ってＣＬプロセス４０５の複雑且つ非線形の多相流及び化学反応をモデル化してもよい。

さらに、例示的実施形態では、モデル４１０には、モデルベースの状態推定器、パラメータ推定器、及び／又は、欠陥検出器のベースとして用いられるＣＬシステムモデル、又は、ＣＬサブシステム及び／又はＣＬ要素モデルが含まれてもよい。その結果、それからソフトセンサ制御モジュール２５５（図３）の新しいソフトセンサが得られ、ＣＬプロセス４０５を最適化するための制御システムと統合することができる。

例示的実施形態では、シミュレータ４１５は、高度な技術でＣＬプロセス４０５をシミュレートする動的シミュレータ４１５である。具体的には、動的シミュレータ４１５は、例えば、図４を参照して上述した動的シミュレータ３５０と実質的に同様で、ＲＯＭシミュレータであってもよいが、代替的な例示的実施形態はそれに限定されるものではない。同様に、例示的実施形態に係る最適化部４２０は、オプティマイザ３６０（図４）と実質的には同じであるが、それに限定されるものではない。例えば、代替的な例示的実施形態では、最適化部４２０には、システムオプティマイザ２１０、さらに具体的には、プラント制御システム２０７の多変数オプティマイザ２１０（図３）が含まれる。

動作中、ＭＰＣ制御装置４００は、ＣＬプロセス４０５からＣＬプロセスの出力パラメータ４２５を受信する。ＣＬプロセスの出力パラメータ４２５には、負荷需要、電力、ガス（例えば、Ｈ_２、Ｎ_２、ＣＯ_２及び／又はシンガス）流量が含まれるが、これらに限定されるものではない。設定値４３０及び所定パラメータ４３５を用いることで、ＭＰＣ制御装置４００は、モデル化されたプラントパラメータを最適化し、それに基づく最適ＣＬプロセス入力制御パラメータ４４０をＣＬプロセス４０５に提供する。例示的実施形態では、最適ＣＬプロセス入力制御パラメータ４４０は、固体輸送在庫制御変数であるが、代替的な例示的実施形態はそれに限定されるものではない。例えば、最適ＣＬプロセス入力制御パラメータ４４０としては、反応器温度制御変数、ループ温度制御変数、層温度制御変数、負荷ランピング制御変数、プラント起動制御論理アルゴリズム、反応器圧力変数、反応器差圧変数、プラント停止制御論理アルゴリズム、燃料／空気／石灰石／蒸気の比が挙げられるが、代替的な例示的実施形態は上記に挙げられたものに限定されるものではない。

要約すれば、例示的実施形態に係るプロセス設計及び制御最適化システムは、統合的で動的な定常性能を提供し、ケミカルルーピングプラントの設計最適化を制御する多変数で非線形な制御最適化システムを含む。その結果、プラント全体の経済効率を大幅に向上させつつ、プラントの廃棄物の排出量を大幅に縮小する、及び／又は、効果的に最小限に抑えるので、全体の動作コストの低減につながる。

様々な例示的実施形態を参照して本発明を説明したが、その範囲から逸脱することなく本発明に様々な変更を加えることができ、その要素に均等物を代用できることが当業者には理解されるであろう。さらに、本発明の本質的な範囲から逸脱することなく、本発明の教示に様々な修正を加えて、特定の状況や材料に適用することができる。従って、本発明は、本発明を実施するために考えられる最良の形態として開示した特定の実施形態に限定されるものではなく、本発明は添付の特許請求の範囲に含まれるすべての実施形態を含むことを企図している。

Claims (12)

1. ケミカルルーピングプラントを最適化するためのシステム（２００）であって、
   入力パラメータを受信する入力部、及び出力パラメータを出力する出力部を有するケミカルループを備え、
   前記ケミカルループは酸化装置（２０）および還元装置（１０）を備え、前記酸化装置（２０）は還元物を酸化し、その酸化物を前記還元装置（１０）に輸送するのに適しており、前記還元装置（１０）は前記酸化物を還元し、その還元物を前記酸化装置（２０）に輸送するのに適しており、
   前記ケミカルルーピングプラントに前記入力パラメータ（４４０）を供給し、前記ケミカルルーピングプラントから前記出力パラメータ（４２５）を受信するための、前記ケミカルループ（１０，２０）に動作可能に接続された制御装置（４００）を備え、
   前記制御装置（４００）は、経済的パラメータと前記受信した出力パラメータ（４２５）に基づき、前記入力パラメータ（４４０）を最適化するための、前記ケミカルルーピングプラントの非線形モデルを使用し、
   前記ケミカルルーピングプラントの複数の入力パラメータ（２１５）に基づいて、オプティマイザ（２１０）に費用入力を提供する費用アルゴリズム（２２５）と、
   前記ケミカルルーピングプラントの複数の出力パラメータ（２２０）に基づいて前記オプティマイザに収益入力を提供する収益アルゴリズム（２３０）とを更に備え、
   前記オプティマイザ（２１０）が、前記収益入力と前記費用入力のうちの少なくとも１つに基づいて、最適化動作パラメータ解答を決定し、前記最適化動作パラメータ解答を前記ケミカルルーピングプラントに提供する、
   ことを特徴とする、システム（２００）。
2. 非線形モデル予測制御用の前記制御装置（４００）が、
   モデル部（４１０）と、
   前記モデル部（４１０）に動作可能に接続されたシミュレータ部（４１５）と、
   前記モデル部（４１０）に動作可能に接続された最適化部（４２０）と、
   を備える請求項１記載のシステム。
3. 前記制御装置（４００）は、前記ケミカルルーピングプラントの動作をシミュレートするためのシミュレータ部（４１５）と、前記ケミカルルーピングプラントの動作を経済的に最適化するためのオプティマイザ（４２０）とを更に使用して、前記入力パラメータを最適化するように構成されている、請求項１記載のシステム。
4. 前記モデル部（４１０）が、定常状態モデル、動的モデル、適応モデル、ファジーモデル及びニューラルネットワークモデルのうちの少なくとも１つを備え、
   前記シミュレータ部（４１５）が、減次モデリングシミュレータを備え、
   前記最適化部（４２０）が、多変数オプティマイザと遺伝的アルゴリズムオプティマイザのうちのいずれか１つを備える、請求項２または３記載のシステム。
5. 前記入力パラメータには、固体輸送在庫制御変数、反応器温度制御変数、ループ温度制御変数、層温度制御変数、負荷ランピング制御変数、プラント起動制御論理アルゴリズム、反応器圧力変数、反応器差圧変数、プラント停止制御論理アルゴリズム、並びに、燃料流量、空気流量、石灰石流量及び蒸気流量のうちの少なくとも２つの比、のうちの少なくとも１つが含まれ、
   前記出力パラメータには、負荷需要、発電率、水素流量率、窒素流量率、二酸化炭素流量率及び合成ガス流量率のうちの少なくとも１つが含まれる、請求項１から４いずれか１項記載のシステム。
6. 前記ケミカルループが、カルシウム系ケミカルループ及び金属酸化物系ケミカルループのうちの１つからなり、
   前記ケミカルルーピングプラントが、単一ループケミカルルーピングプラント、複数ループケミカルルーピングプラント、使用又は隔離のためにＣＯ_２を捕捉するケミカルルーピングベースのプラント、及び、ＣＯ_２対応のケミカルルーピングベースのプラントのうちの１つからなる、請求項１から５いずれか１項記載のシステム。
7. 非線形モデル予測制御用の前記制御装置（４００）が、前記ケミカルルーピングプラントの運転の全体効率を最適化する、請求項１から６いずれか１項記載のシステム。
8. 非線形モデル予測制御用の前記制御装置（４００）が、前記最適化部（４２０）に動作可能に接続されたソフトセンサモジュール（２５５）をさらに備える、請求項１から７いずれか１項記載のシステム。
9. 前記複数の入力パラメータ（２１５）には、燃料流量、吸着剤流量、空気流量、水流量、石灰石流量及び固体循環流量のうちの少なくとも１つが含まれ、
   前記複数の出力パラメータ（２２０）には、発電率、ＣＯ_２利用、ＣＯ_２捕捉、ＣＯ_２貯蔵、Ｈ_２利用、Ｈ_２捕捉、Ｈ_２貯蔵、合成ガス利用、合成ガス捕捉及び合成ガス貯蔵のうちの少なくとも１つが含まれる、請求項１記載のシステム。
10. 前記収益アルゴリズム（２３０）が、さらに、排出クレジットと寿命延長クレジットの少なくともいずれか１つに基づいて、前記オプティマイザ（２１０）に前記収益入力を提供する、請求項１から９いずれか１項記載の制御システム。
11. 前記費用アルゴリズム（２２５）が、さらに、補助発電費、石灰石費、燃料費のうちの少なくとも１つに基づいて、前記オプティマイザ（２１０）に前記費用入力を提供する、請求項１から１０いずれか１項記載の制御システム。
12. 前記入力パラメータ（２１５）には、固体輸送在庫制御変数、反応器温度制御変数、ループ温度制御変数、層温度制御変数、負荷ランピング制御変数、プラント起動制御論理アルゴリズム、反応器圧力変数、反応器差圧変数、プラント停止制御論理アルゴリズム、並びに、燃料流量、空気流量、石灰石流量及び蒸気流量のうちの少なくとも２つの比、のうちの少なくとも１つが含まれ、
    前記出力パラメータ（２２０）には、負荷需要、発電率、水素流量率、窒素流量率、二酸化炭素流量率及び合成ガス流量率のうちの少なくとも１つが含まれる、請求項１から１１いずれか１項記載のシステム。

Images