Standardization of steam generator operation in order to increase performamce through process surrogate models

Abstract

Coal- red power plants (CPPs) provides about 40% of electricity worldwide and should be in line with the stringent environmental control requirements and continuous e ciency enhancement. Actions towards high-quality operation can be supported by ne modeling of plant systems in order to aid eld operation. The present work proposes the standardization of operation through surrogate models to represent the assembly of the steam generator and its mills, based on two approaches: the system simulation by the EBSILON commercial software and alternatively by an Arti cial Neural Network (ANN) trained with actual plant data. A systematic literature review is conducted to give the reader a broad vision of the area of interest and to point out the gap that justi es this master thesis. A methodology for the construction of a surrogate model to a coal- red power plant in operation is proposed and applied to the case study of the PECEM power plant. Statistical tools like Design of Experiments (DoE) and Response Surface Methodology (RSM) are used to identify the model main controllable parameters and interactions to then rank them by order of importance. The surrogate model based on the commercial software is built to simulate the system e ciency with seven controllable input parameters: primary air ow, pulverized coal outlet temperature, speed of the dynamic classi er, stoichiometry, excess O2, secondary and primary air crossover duct pressure, ranked by descendent signi cance. The maximum relative deviation of that surrogate model compared to the software simulation is 0.0172. The surrogate model based on Arti cial Neural Networks can also simulate the system e ciency together with its ue gas outlet temperature and plant electric power generation with the addition of coal ow as a controllable input parameter. An ANN model with seven inputs presents mean absolute error (MAE) and mean square error (MSE) of 0.2015 and 0.2741 for the training data set and mean percentual error (MPE) and MSE of 0.32% and 2.350 for the validation data set. The standardized operation starts with the operator respecting the controllable parameters rank and initializing the alterations for a new condition always for the controllable parameters with a high e ect on the steam generator e ciency. Their attention during operation must be kept on the most in uential parameters. Finally, controllable parameters must attain the best operating ranges propose. The recommended operational ranges and order of operation by signi cance allows a precision action in order to achievea new, safe, stable, and more e cient condition.

Usinas termelétricas a carvão mineral são responsáveis por cerca de 40% da energia elétrica mundial e devem estar alinhadas a requisitos de controle ambiental. As ações para uma operação de alta qualidade podem ser apoiadas pela modelagem na dos sistemas da planta, a m de ajudar na operação de campo. O presente trabalho propõe a padronização da operação por meio de modelos substitutos para representar o gerador de vapor e seus moinhos, com base em duas abordagens: a simulação do sistema por um software comercial e, alternativamente, por uma Rede Neural Arti cial treinada a partir de dados reais da planta. Uma revisão sistemática da literatura é conduzida para fornecer uma visão ampla da área de interesse e apontar a lacuna que justi ca a necessidade de novas pesquisas na área. Uma metodologia para a construção de um modelo substituto para uma usina a carvão em operação é proposta e aplicada ao estudo de caso da usina PECEM. Ferramentas estatísticas como Projeto de Experimentos e Modelo de Superfície de Resposta (RSM) são usadas para identi car os principais parâmetros controláveis e interações do modelo e classicá-los por ordem de importância. O modelo substituto baseado no software comercial foi desenvolvido para simular a e ciência do sistema com sete parâmetros controláveis de entrada: vazão de ar primário, temperatura de saída do carvão pulverizado, velocidade do classi cador dinâmico, estequiometria, excesso de O2, pressão do coletor de ar secundário e pressão do coletor de ar primário. O desvio relativo máximo do modelo substituto em relação ao original é de 0,0172. O modelo substituto baseado em Redes Neurais Arti ciais (RNA) também pode simular a e ciência do sistema, juntamente com a temperatura de saída dos gases de combustão e a geração de energia elétrica da planta. A vazão de carvão foi adicionada como um parâmetro de entrada controlável no lugar da estequiometria. Um modelo de RNA com sete entradas apresenta MAE e MSE de 0,2015 e 0,2741 para o conjunto de dados de treinamento e MPE e MSE de 0,32% e 2,350 para o conjunto de dados de validação. A operação padronizada do gerador de vapor visa que o operador respeite a cada alteração das condições de operação o ranqueamento dos parâmetros controláveis a partir da sua importância para o sistema. As faixas que garantem condições de maior desempenho do gerador de vapor devem ser seguidas, principalmente para os parâmetros com maior impacto na e ciência. O conhecimento do impacto de cada parâmetro controlável na operação, suas faixas permitidas de operação, bem como o seu comportamento e interações permitem a manipulação com precisão dos parâmetros corretos, a m de alcançar uma condição nova, segura, estável e mais e ciente.