EP1593010A2 - Mathematisches modell für eine hüttentechnische anlage und optimierungsverfahren für den betrieb einer hüttentechnischen anlage unter verwendung eines derartigen modells - Google Patents

Mathematisches modell für eine hüttentechnische anlage und optimierungsverfahren für den betrieb einer hüttentechnischen anlage unter verwendung eines derartigen modells

Info

Publication number
EP1593010A2
EP1593010A2 EP04708339A EP04708339A EP1593010A2 EP 1593010 A2 EP1593010 A2 EP 1593010A2 EP 04708339 A EP04708339 A EP 04708339A EP 04708339 A EP04708339 A EP 04708339A EP 1593010 A2 EP1593010 A2 EP 1593010A2
Authority
EP
European Patent Office
Prior art keywords
model
optimization
media
aggregates
media flow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
EP04708339A
Other languages
English (en)
French (fr)
Inventor
Michael Metzger
Albrecht Sieber
Uwe STÜRMER
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Corp
Original Assignee
Siemens AG
Siemens Corp
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 Siemens AG, Siemens Corp filed Critical Siemens AG
Publication of EP1593010A2 publication Critical patent/EP1593010A2/de
Ceased legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/32Operator till task planning
    • G05B2219/32017Adapt real process as function of changing simulation model, changing for better results

Definitions

  • the present invention relates to a mathematical model for a metallurgical plant
  • a number of aggregates of the metallurgical plant can be modeled by means of the model, to which media flows to be supplied and dispensed are assigned,
  • the media streams within the model are linked to one another in a fixed or flexible manner such that each media stream to be fed to one of the aggregates is fed to the respective aggregate either from outside the system or from another of the aggregates and each media stream discharged from one of the aggregates either to outside of the System or to another of the units,
  • the model is given as a variable start parameter which describes the initial states of the aggregates
  • the input model can be specified as a variable, which describes a first part of the media flow profiles
  • the model determines and outputs output operating parameters which describe the remaining media flow profiles
  • the model determines and outputs final parameters which describe the final states of the aggregates.
  • the present invention further relates to an optimization method for the operation of a metallurgical plant using such a model, an optimization computer determining optimized operating parameters on the basis of the start parameters and an assessment criterion according to an optimization algorithm using the model.
  • the present invention also relates to a computer program stored on a data carrier for carrying out such an optimization method and to the optimization computer itself.
  • Models for metallurgical plants and optimization methods for the operation of a metallurgical plant using such a model are generally known. The following are mentioned as examples:
  • the object of the present invention is to remedy this disadvantage.
  • the task for the model mentioned at the outset is achieved in that the model can be given structural parameters as variables which determine at least the number and type of aggregates and that the media flows are linked to one another on the basis of the structural parameters.
  • the task is solved in that the structural parameters are specified by a user to the optimization computer and are passed on to the model by the latter.
  • the energy flows preferably include both material and energy and energy carrier flows. Because in this case the model is particularly flexible to use.
  • the operating parameters also have quality profiles for the media stream profiles, it is made even more flexible.
  • the structure parameters can also be used to specify how the aggregates are linked to one another and / or which partial models are used to model the aggregates, the complexity of the overall model can be adapted as such to the available computing power of a computer when the system itself is unchanged.
  • media flow profiles extend over a period of time that can be specified as a variable for the model.
  • the specification of the sub-models and the specification of the time period can be suitably combined with one another, if necessary.
  • the time span and the complexity can be increased, for example to a time span of one week and a high complexity of the sub-models. If the computer used has a computing time of z. B. needs two days, this is not critical because an offline calculation is carried out. If, on the other hand, an online calculation is to be carried out, the time span can be set to just one hour, for example, and the complexity of the sub-models can be reduced to "medium” or "simple". In this case the Computer, for example, only 20 minutes for the pre-calculation, so that there is still enough time for any necessary process-influencing measures.
  • the optimization computer specifies which of the media flow profiles are input and which output operating parameters, the user can determine which operating parameters are to be optimized. Because only the input operating parameters are varied by the optimization computer. The output operating parameters, however, are determined by the model.
  • the optimization process is even more flexible. Because then it can also be specified according to which criterion the optimization should take place.
  • the assessment criterion can be specified in such a way that the lower this media flow profile is, the better it is fulfilled for at least one media flow profile delivered to the outside of the system. "Negative criteria" can also be taken into account. This is particularly true if this media flow profile is a material stream (e.g. B. exhaust gas, pollutant, slag).
  • a material stream e.g. B. exhaust gas, pollutant, slag
  • the assessment criterion can also be specified such that it is better met if a quality curve of a first media flow curve supplied to the system from outside decreases and a second media flow curve supplied to the system from the outside correspondingly increases due to the decrease in the quality curve of the first media flow curve. Because then a so-called media substitution can be optimized in particular.
  • the first media flow profile is a material flow profile (e.g. iron ore intended for a blast furnace) and the second medium flow curve is an energy or an energy carrier flow curve (e.g. coke required for melting the iron out of the ore).
  • a material flow profile e.g. iron ore intended for a blast furnace
  • the second medium flow curve is an energy or an energy carrier flow curve (e.g. coke required for melting the iron out of the ore).
  • the optimization method works even more flexibly if the optimization algorithm is also specified by the optimization computer by the user.
  • FIG. 1 shows a block diagram of an optimization computer and a model for a metallurgical plant
  • an optimization computer 1 is programmed with a computer program 2.
  • the computer program 2 is the optimization computer 1 via a disk 3, for. B. a CD-ROM 3 has been supplied.
  • the optimization computer 1 implements, among other things, a mathematical model 4 of a metallurgical plant.
  • the optimization computer 1 is initially given a time period T by a user 5 in a step S1.
  • the time period T specifies the period over which media flow profiles extend.
  • the time period T is passed on from the optimization computer 1 to the model 4. It is therefore specified as a variable for model 4.
  • the optimization computer 1 is then given an optimization algorithm A by the user 5.
  • the user 5 can select one of several possible optimization algorithms (e.g. simplex algorithm, SQP algorithm, .
  • the optimization computer 1 is given an assessment criterion K by the user 5, on the basis of which the optimization computer 1 evaluates the parameters determined.
  • the user 5 can also select one of several possible criteria, for example. For example, the purchase of energy and / or energy sources can be minimized. Also, the peak value e.g. B. the current drawn can be minimized. Pollutant emissions can also be minimized.
  • the assessment criterion K can be linear, non-linear and moreover z. B. also depend on the time of day. As an alternative or in addition, multiple selections are also possible with appropriate specification of weighting factors.
  • the optimization computer 1 is given 5 structural parameters by the user in a step S3.
  • the structural parameters determine at least the number and type of aggregates of the metallurgical plant (including their performance data), which is modeled by the mathematical model 4. This will be discussed in more detail later in connection with FIGS. 4 and 5.
  • the structure parameters are also passed on from the optimization computer 1 to the model 4.
  • the optimization computer 1 is finally specified by the user 5 which of the media flow profiles should be the input operating parameters of the model 4 and which output operating parameters.
  • the optimization computer 1 can therefore be predefined by the user 5 which media flow profiles he should vary or specify and which ones he should determine using the model 4. Due to the specification of time-dependent media flow, not only stationary but also non-stationary operation of the metallurgical plant can be simulated.
  • the optimization computer 1 After entering these static variables, which no longer change in the course of the optimization process, the optimization computer 1 is given 5 start parameters by the user which describe the initial states of the aggregates of the metallurgical plant. These parameters are also passed on to model 4 as a variable in step S5.
  • the start parameters are specified by user 5. This is possible and necessary because the optimization method according to FIGS. 1 and 2 takes place offline. If, on the other hand, the optimization process were carried out online, the start parameters would be determined by the actual values of the metallurgical plant or its aggregates. In this case, the start parameters would be read in directly by the metallurgical plant and thus specified by the metallurgical plant.
  • a step S6 the optimization computer 1 next determines the initial time profiles for the media streams specified by the user 5 as the input operating parameters of the model 4 and specifies them to the model 4 as the input operating parameters. Of course, he takes into account the technological constraints and dependencies of the operation of the units. Model 4 is then called in step S7. The optimization computer 1 then waits until the model 4 - on the basis of the call in step S7 - has determined output operating parameters which describe the remaining media flow profiles. The optimization computer 1 accepts these media flow profiles in a step S8. In the same step S8, the optimization computer 1 also receives final parameters that were determined by the model 4 and describe final states of the aggregates of the metallurgical plant after the time period T.
  • the optimization computer 1 uses the starting parameters and the assessment criterion K to determine a measure M for the quality of the predetermined and determined operating course, that is to say the entirety of the media flow courses, of the metallurgical plant. To optimize the operating parameters, the optimization computer 1 checks z. B. whether the determined quality measure M differs by more than one barrier ⁇ from a quality measure M 'which was determined in the immediately preceding run.
  • step S10 the process is therefore continued either with step S11 or with steps S12 and S13.
  • step S11 the set of input operating parameters is varied in accordance with the optimization algorithm A determined by the user 5. The system then jumps back to step S7.
  • step S12 the determined operating parameters, which are found to be good or optimal, and possibly additionally the determined quality measure M and the final states of the units are output to the user 5. If necessary, in addition the system can be controlled directly.
  • step S13 it is then checked whether a further run of the optimization process should take place. If this is the case, the process jumps back to step S5, otherwise the processing of the optimization method is ended.
  • the model 4 initially accepts the time period T in a step S14. In step S15 it then accepts the structural parameters. It also accepts start parameters for the units in step S16. Finally, in step S17, it accepts the input operating parameters.
  • model 4 determines the corresponding output operating parameters and the end parameters. Again, the technological constraints and interdependencies of the units are taken into account. The output operating parameters and the end parameters are then output by the mathematical model 4 in step S20.
  • model 4 is to be used to model a metallurgical plant 6, which is shown schematically and simplified in FIG.
  • the (exemplary) metallurgical plant 6 has six units 7 to 12. These are a coking plant 7, a sintering plant 8, a blast furnace 9, a steel mill 10, a rolling mill 11 and a power plant 12. As can be seen immediately and easily from FIG , Both the aggregates 7 to 12 and the media flows and their temporal courses are of course modeled within the framework of model 4. For example, the material flow "coal” is fed to the coking plant 7 as a media flow. The energy carrier flow "coke” is - depending on the time and the time required - delivered to the sintering plant 8 and the blast furnace 9.
  • the energy carrier stream “coke oven gas” - again depending on the occurrence and as required - is delivered to the sintering plant 8, the blast furnace 9, the rolling mill 11 and the power plant 12.
  • the material flows “exhaust gas” and “pollutants” are discharged outside the plant 6 (ie released to the environment)
  • the exhaust gases include in particular carbon dioxide and carbon monoxide, the pollutants, for example nitrogen and sulfur oxides.
  • the material stream "iron ore” and - insofar as this is required in addition to the coke stream from the coking plant 7 - the energy carrier stream “coke” are fed to the sintering plant 8. Sinter is released from it to the blast furnace 9. If necessary, the energy flow “electrical current” and the energy carrier current “steam” are fed from the power plant 12 to the sintering plant 8. Furthermore, the energy source stream “coke oven gas” is fed to it from the coking plant 7 and the energy carrier stream “blast gas” from the blast furnace 9. Material flows are also released to the environment from the sintering plant 8, in particular pollutants and exhaust gases.
  • the material stream "coke” and the energy carrier stream “natural gas” are fed to the blast furnace 9 from the outside.
  • the material flows "slag”, “exhaust gas” and “pollutants” are emitted to the outside.
  • 7 coke and coke oven gas as well as 8 sinter from the sintering plant are supplied to him internally by the coking plant Accumulation and, as required, delivered to the coking plant 7, the sintering plant 8 and the power plant 12.
  • Steam and electric current are also supplied to the blast furnace 9 from the power plant 12, if necessary, from the steelworks 10 from converter gas of the blast furnace 9 - cast iron from it to the steelworks 10.
  • the material flows “scrap” and “oxygen” are fed to the steelworks 10 from outside the metallurgical plant 6. Inside the plant, it is supplied with 9 pig iron from the blast furnace and steam and electricity from the power plant. 10 slag, pollutants and exhaust gas are released from the steelworks. Converter gas is delivered internally from the steelworks 10 to the blast furnace 9, the coking plant 7, the rolling mill 11 and the power plant 12. Steel is delivered to the rolling mill 11.
  • the rolling mill 11 is supplied with steel and converter gas internally from the steel mill 10. Coke oven gas is supplied to the rolling mill 11 from the coking plant 7 and top gas from the blast furnace 9. Furthermore, electrical power is supplied to the rolling mill 11 from the power plant 12. The end product (rolled steel) is released to the outside from the rolling mill 11.
  • the media flows between the aggregates include 7 to 12 material flows (e.g. ore, slag and exhaust gas), energy carrier flows (e.g. natural gas, heating oil and coke oven gas) and energy flows (especially steam and electric current). It also applies to each of the units 7 to 12 that media streams to be supplied to this unit 7 to 12 are supplied to the respective unit 7 to 12 either from outside the system 6 or from another of the units 7 to 12. Each of the media streams discharged from one of the units 7 to 12 is either discharged outside of the system 6 or to another of the units 7 to 12.
  • step S3 (see FIG. 2) is divided into several steps according to FIG. This is explained in more detail below in connection with FIG. 5.
  • step S3 the user 5 is first asked in a step S21 whether an aggregate 7 to 12 is to be entered.
  • the structure data previously entered are transmitted to the model 4 by the optimization computer 1 in a step S22.
  • a partial model for the respective aggregate 7 to 12 is then selected and parameterized in the model 4.
  • the details of the sub-models as such need not be discussed in detail in the context of the present invention, since these sub-models are known as such. Examples are the two technical articles mentioned at the beginning, in addition to the doctoral thesis "A model for the production-dependent forecast of the energy requirement of a steel mill with the aim of optimizing energy costs" by M. Reh at the University of Siegen, 1992, as well as the technical paper “Mathematical Modeling and Optimization of Energy Distribution in the Integrated Metallurgical Plant ", Research Reports VDI, Series 6, Energy Generation No. 232, 1989.
  • the optimization computer 1 first queries the user 5 about the type of aggregate 7 to 12 to be modeled.
  • the type includes, for example, the type of unit 7 to 12, its technical performance parameters and its media flows.
  • step S24 the optimization computer 1 asks the user 5 with which of the already specified aggregates 7 to 12 the newly entered aggregate 7 to 12 is to be linked. So it is asked which one Media flows from the newly entered aggregates 7 to 12 to which of the other aggregates 7 to 12 are delivered and which media flows are accepted by the other, already defined aggregates 7 to 12. Media flows that are not linked internally in the plant are assumed to be sourced from the outside or delivered to the outside. Then, in step S25, a query is made as to whether this linkage according to step S24 should be rigid or flexible. If a flexible link is desired by the user 5, the optimization computer 1 asks in a step S26 under which conditions (for example completely free) which links should take place.
  • Each partial model is a coarsened representation of the real aggregate 7 to 12.
  • the extent of the coarsening can be stronger or weaker.
  • a step S27 it is therefore preferably queried with which partial model the newly specified unit 7 to 12 is to be modeled.
  • the user 5 can choose a simple, a complicated and a medium partial model for each unit type. If necessary, step S27 can be brought forward immediately before step S23, since - depending on the configuration of the models - the inputs of steps S24 to S21 can be complexity-dependent.
  • step S27 the process then jumps back to step S21.
  • a system 6 - in principle any - with a freely selectable number of units 7 to 12 can be implemented, the connections between the individual units 7 to 12 being rigid and flexible.
  • the individual units 7 to 12 can first be modeled independently of one another. Through a model calculation for the individual units 7 to 12, the temporal profiles of the media streams for the individual units 7 to 12 and their final states are then obtained. A balance of the time profiles of the media streams of all units 7 to 12 then results in the time profiles of the media streams to be supplied from the outside or the time profiles of the media streams delivered to the outside.
  • the quality measure M can thus be assigned to a specific mode of operation.
  • the operating parameters preferably include not only quantity curves for the respective media flows, but also, if appropriate, quality curves for the respective media flows. This is shown schematically in FIG. 6 for the example “iron ore”.
  • the amount of iron ore with which the sintering plant 8 is equipped is maintained at a time to, but the quality of the iron ore is reduced. Assuming that all other media flows can remain unchanged, the quality measure M increases in this case.
  • the quality measure M is. If, for example - with retained other parameters - the output of the metallurgical plant 6 of finished steel increases, the quality measure M. also increases. According to FIG. 7 it is also possible that the quality measure M increases if one of the media flow curves delivered outside the plant 6 decreases , This applies in particular to the material flows "slag", “exhaust gases” and “pollutants".
  • the quality measure M can increase if a quality curve of a material flow supplied to the system 6 decreases from the outside.
  • a single parameter can usually not be considered in isolation.
  • at least one further media flow curve is usually varied.
  • the evaluation criterion K is better met than before, that is, the quality measure M increases.
  • model 4 can be used in isolation as part of a pure forecast, that is, without automatic optimization. This can be used in particular for testing or optimizing the model 4 as such.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Treatment Of Steel In Its Molten State (AREA)

Abstract

Mittels eines mathematischen Modells ist eine Anzahl von Aggregaten (7-12) einer hüttentechnischen Anlage (6) modellierbar, denen zuzuführende und abgegebene Medienströme zugeordnet sind. Zur Optimierung des Betriebs der Anlage (6) werden Strukturparameter von einem Anwender (5) einem Optimierungsrechner (1) vorgegeben und von diesem an das Modell (4) weitergegeben. Die Strukturparameter legen zumindest Anzahl und Art der Aggregate (7-12) fest. Anhand von Startparametern, welche Anfangszustände der Aggregate (7-12) beschreiben, und eines Beurteilungskriteriums (K) ermittelt der Optimierungsrechner (1) gemäß einem Optimierungsalgorithmus (A) unter Verwendung des Modells (4) optimierte Betriebsparameter.

Description

Beschreibung
Mathematisches Modell für eine hüttentechnische Anlage und Optimierungsverfahren für den Betrieb einer hüttentechnischen Anlage unter Verwendung eines derartigen Modells
Die vorliegende Erfindung betrifft ein mathematisches Modell für eine hüttentechnische Anlage,
- wobei mittels des Modells eine Anzahl von Aggregaten der hüttentechnischen Anlage modellierbar ist, denen zuzuführende und abgegebene Medienströme zugeordnet sind,
- wobei die Medienströme innerhalb des Modells fest oder flexibel derart miteinander verknüpft sind, dass jeder einem der Aggregate zuzuführende Medienstrom dem jeweiligen Aggregat entweder von außerhalb der Anlage oder von einem anderen der Aggregate zugeführt wird und jeder von einem der Aggregate abgegebene Medienstrom entweder nach außerhalb der Anlage oder an ein anderes der Aggregate abgegeben wird,
- wobei dem Modell als Variable Startparameter vorgegeben werden, welche Anfangszustände der Aggregate beschreiben,
- wobei dem Modell als Variable Eingangsbetriebsparameter vorgebbar sind, welche einen ersten Teil der Medienstrom- verläufe beschreiben,
- wobei von dem Modell Ausgangsbetriebsparameter ermittelt und ausgegeben werden, welche die verbleibenden der Medien- stromverläufe beschreiben, und
- wobei von dem Modell Endparameter ermittelt und ausgegeben werden, welche Endzustände der Aggregate beschreiben.
Die vorliegende Erfindung betrifft ferner ein Optimierungsverfahren für den Betrieb einer hüttentechnischen Anlage unter Verwendung eines derartigen Modells, wobei ein Optimierungsrechner anhand der Startparameter und eines Beurteilungskriteriums gemäß einem Optimierungsalgorithmus unter Verwendung des Modells optimierte Betriebsparameter ermittelt. Schließlich betrifft die vorliegende Erfindung noch ein auf einem Datenträger gespeichertes Computerprogramm zur Durchführung eines derartigen Optimierungsverfahrens und den Optimierungsrechner selbst.
Modelle für hüttentechnische Anlagen und Optimierungsverfahren für den Betrieb einer hüttentechnischen Anlage unter Verwendung eines derartigen Models sind allgemein bekannt. Es werden beispielhaft genannt:
- der Fachaufsatz „Optimierung der Energieverteilung im integrierten Hüttenwerk" von Wolfgang Krumm, Franz N. Fett, Hans-Günther Pöttken und Herbert Strohschein, erschienen in Stahl und Eisen 108 (1988) Nr. 22, Seiten 95 bis 104, sowie
- der Fachaufsatz „Vergleichmäßigung des Strombezugs bei Großverbrauchern mit Hilfe eines Energiemodells" von P. Fleissig und F. N. Fett, erschienen in elektrowärme international, Heft B 2, Juni 1997, Seiten B 94 bis B 101.
Der Offenbarungsgehalt dieser beiden Veröffentlichungen wird hiermit durch den Verweis auf die Veröffentlichungen in diese Anmeldung mit aufgenommen.
Die Modelle und Optimierungsalgorithmen des Standes der Technik arbeiten als solche bereits recht zufriedenstellend. Sie leiden aber unter dem Nachteil, dass sie starr und unflexibel sind.
Die Aufgabe der vorliegenden Erfindung besteht darin, diesem Nachteil abzuhelfen.
Die Aufgabe wird für das eingangs genannte Modell dadurch gelöst, dass dem Modell als Variable Strukturparameter vorgebbar sind, welche zumindest Anzahl und Art der Aggregate festlegen und dass die Medienströme auf Grund der Strukturparameter miteinander verknüpft sind. Für das eingangs genannte Optimierungsverfahren wird die Aufgabe dadurch gelöst, dass die Strukturparameter von einem Anwender dem Optimierungsrechner vorgegeben werden und von diesem an das Modell weitergegeben werden.
Die Energieströme umfassen vorzugsweise sowohl Material- als auch Energie- und Energieträgerströme. Denn in diesem Fall ist das Modell besonders flexibel handhabbar.
Wenn die Betriebsparameter auch Qualitätsverläufe für die Me- dienstromverläufe aufweisen, ist es noch flexibler ausgebildet.
Wenn mittels der Strukturparameter zusätzlich zur Art der Aggregate auch vorgebbar ist, wie die Aggregate miteinander verknüpft sind und/oder mit welchen Teilmodellen die Aggregate modelliert werden, ist die Komplexität des Gesamtmodells bei an sich unveränderter Anlage als solcher an die verfügbare Rechenleistung eines Rechners anpassbar.
Eine weitere Anpassungsmöglichkeit an die zur Verfügung stehende Rechenleistung besteht darin, dass die Medienstromver- läufe sich über eine Zeitspanne erstrecken, die dem Modell als Variable vorgebbar ist.
Die Vorgabe der Teilmodelle und die Vorgabe der Zeitspanne können dabei gegebenenfalls miteinander geeignet kombiniert werden. Für offline-Rechnungen können beispielsweise die Zeitspanne und die Komplexität hochgesetzt werden, beispielsweise auf eine Zeitspanne von einer Woche und eine hohe Komplexität der Teilmodelle. Wenn der verwendete Rechner hierzu eine Rechenzeit von z. B. zwei Tagen benötigt, ist dies, weil eine offline-Rechnung durchgeführt wird, unkritisch. Wenn hingegen eine online-Rechnung durchgeführt werden soll, kann beispielsweise die Zeitspanne auf nur eine Stunde gesetzt werden und die Komplexität der Teilmodelle auf „mittel" bzw. „einfach" verringert werden. In diesem Fall benötigt der Rechner beispielsweise nur 20 Minuten für die Vorausberechnung, so dass noch genügend Zeit für eventuell erforderliche prozessbeeinflussende Maßnahmen verbleibt.
Wenn dem Optimierungsrechner vom Anwender vorgegeben wird, welche der Medienstromverläufe Eingangs- und welche Ausgangsbetriebsparameter sind, kann vom Anwender festgelegt werden, welche Betriebsparameter zu optimieren sind. Denn nur die Eingangsbetriebsparameter werden vom Optimierungsrechner variiert. Die Ausgangsbetriebsparameter hingegen werden vom Modell ermittelt.
Wenn auch das Beurteilungskriterium dem Optimierungsrechner vom Anwender vorgegeben wird, ist das Optimierungsverfahren noch flexibler. Denn dann kann auch vorgegeben werden, nach welchem Kriterium die Optimierung erfolgen soll.
Wenn dabei das Beurteilungskriterium derart vorgebbar ist, dass es für mindestens einen nach außerhalb der Anlage abgegebenen Medienstromverlauf umso besser erfüllt wird, je geringer dieser Medienstromverlauf ist, sind auch „Negativkriterien" berücksichtigbar. Dies gilt ganz besonders, wenn dieser Medienstromverlauf ein Materialstrom (z. B. Abgas, Schadstoff, Schlacke) ist.
Vorzugsweise ist das Beurteilungskriterium auch derart vorgebbar, dass es besser erfüllt wird, wenn ein Qualitätsverlauf eines ersten der Anlage von außerhalb zugeführten Medienstromverlaufs absinkt und hiermit korrespondierend ein zweiter der Anlage von außerhalb zugeführter Medienstromverlauf auf Grund des Absinkens des Qualitätsverlaufs des ersten Medienstromverlaufs ansteigt. Denn dann kann insbesondere auch eine sogenannte Mediensubstitution optimiert werden.
Letztgenannte Optimierung ist dabei insbesondere dann von Vorteil, wenn der erste Medienstromverlauf ein Materialstromverlauf (z. B. für einen Hochofen bestimmtes Eisenerz) und der zweite Medienstromverlauf ein Energie- oder ein Energieträgerstromverlauf (z. B. zum Ausschmelzen des Eisens aus dem Erz benötigter Koks) ist.
Das Optimierungsverfahren arbeitet noch flexibler, wenn auch der Optimierungsalgorithmus dem Optimierungsrechner vom Anwender vorgegeben wird.
Eine noch bessere Flexibilisierung ergibt sich, wenn die Zeitspanne vom Anwender dem Optimierungsrechner vorgegeben und von diesem an das Modell weiter gegeben wird.
Weitere Vorteile und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung eines Ausführungsbeispiels in Verbindung mit den Zeichnungen. Dabei zeigen in Prinzipdarstellung
FIG 1 ein Blockschaltbild eines Optimierungsrechners und eines Modells für eine hüttentechnische Anlage,
FIG 2 und 3 beispielhafte Ablaufdiagramme,
FIG 4 eine schematische Darstellung einer hüttentechnischen Anlage und der darin auftretenden Medienströme,
FIG 5 ein Ablaufdiagramm und
FIG 6 bis 8 Zeitdiagramme.
Gemäß FIG 1 ist ein Optimierungsrechner 1 mit einem Computerprogramm 2 programmiert. Das Computerprogramm 2 ist dem Optimierungsrechner 1 über einen Datenträger 3, z. B. eine CD-ROM 3, zugeführt worden. Auf Grund der Programmierung mit dem Computerprogramm 2 implementiert der Optimierungsrechner 1 unter anderem ein mathematisches Modell 4 einer hüttentechnischen Anlage. Ferner führt er unter Verwendung des mathematischen Modells 4 ein nachstehend in Verbindung mit FIG 2 näher beschriebenes Optimierungsverfahren für den Betrieb der hüttentechnischen Anlage aus. Gemäß FIG 2 wird dem Optimierungsrechner 1 von einem Anwender 5 in einem Schritt Sl zunächst eine Zeitspanne T vorgegeben. Die Zeitspanne T gibt an, über welchen Zeitraum sich Medienstromverläufe erstrecken. Die Zeitspanne T wird vom Optimierungsrechner 1 an das Modell 4 weiter gegeben. Sie wird also dem Modell 4 als Variable vorgegeben.
Sodann wird dem Optimierungsrechner 1 vom Anwender 5 ein Optimierungsalgorithmus A vorgegeben. Beispielsweise kann der Anwender 5 einen von mehreren möglichen Optimierungsalgorithmen (z. B. Simplex-Algorithmus, SQP-Algorithmus, ...) auswählen.
Im gleichen Schritt S2 wird dem Optimierungsrechner 1 vom Anwender 5 ein Beurteilungskriterium K vorgegeben, anhand dessen der Optimierungsrechner 1 ermittelte Parameter bewertet. Auch bezüglich des Beurteilungskriteriums K kann der Anwender 5 beispielsweise eines von mehreren möglichen Kriterien auswählen. Beispielsweise kann der Bezug von Energie und/oder Energieträgern minimiert werden. Auch kann der Spitzenwert z. B. des bezogenen Stroms minimiert werden. Auch kann der Schadstoffausstoß minimiert werden. Das Beurteilungskriterium K kann linear, nicht linear und darüber hinaus z. B. auch von der Tageszeit abhängig sein. Alternativ oder zusätzlich ist auch eine Mehrfachauswahl unter entsprechender Angabe von Wichtungsfaktoren möglich.
Als nächstes werden dem Optimierungsrechner 1 in einem Schritt S3 vom Anwender 5 Strukturparameter vorgegeben. Die Strukturparameter legen zumindest Anzahl und Art von Aggregaten der hüttentechnischen Anlage (einschließlich deren Leistungsdaten) fest, die durch das mathematische Modell 4 modelliert wird. Hierauf wird später in Verbindung mit den FIG 4 und 5 noch näher eingegangen werden. Auch die Strukturparameter werden vom Optimierungsrechner 1 an das Modell 4 weiter gegeben. In einem Schritt S4 wird dem Optimierungsrechner 1 schließlich vom Anwender 5 vorgegeben, welche der Medienstromverläufe Eingangsbetriebsparameter des Modells 4 sein sollen und welche Ausgangsbetriebsparameter. Dem Optimierungsrechner 1 kann also vom Anwender 5 vorgegeben werden, welche Medienstromverläufe er variieren bzw. vorgeben und welche er durch das Modell 4 bestimmen soll. Auf Grund der Vorgabe von zeitabhängigen Medienstro verläufen kann insbesondere nicht nur ein stationärer, sondern auch ein nicht stationärer Betrieb der hüttentechnischen Anlage simuliert werden.
Nach der Eingabe dieser statischen Größen, die sich im Laufe des Optimierungsverfahrens nicht mehr ändern, werden dem Optimierungsrechner 1 vom Anwender 5 Startparameter vorgegeben, welche Anfangszustände der Aggregate der hüttentechnischen Anlage beschreiben. Auch diese Parameter werden im Schritt S5 als Variable an das Modell 4 weiter gegeben.
Gemäß den FIG 1 und 2 erfolgt die Vorgabe der Startparameter durch den Anwender 5. Dies ist deshalb möglich und erforderlich, weil das Optimierungsverfahren gemäß den FIG 1 und 2 offline abläuft. Wenn das Optimierungsverfahren hingegen online abliefe, würden die Startparameter durch Istwerte der hüttentechnischen Anlage bzw. von deren Aggregaten bestimmt sein. In diesem Fall würden die Startparameter von der hüttentechnischen Anlage also direkt eingelesen werden und so von der hüttentechnischen Anlage vorgegeben werden.
In einem Schritt S6 bestimmt der Optimierungsrechner 1 als nächstes für die vom Anwender 5 als Eingangsbetriebsparameter des Modells 4 vorgegebenen Medienströme anfängliche zeitliche Verläufe und gibt sie dem Modell 4 als Eingangsbetriebsparameter vor. Er berücksichtigt dabei selbstverständlich die technologischen Randbedingungen und Abhängigkeiten des Betriebs der Aggregate. Im Schritt S7 wird dann das Modell 4 aufgerufen. Der Optimierungsrechner 1 wartet dann ab, bis das Modell 4 - auf Grund des Aufrufs im Schritt S7 - Ausgangbetriebsparameter ermittelt hat, welche die verbleibenden Medienstromverläufe beschreiben. Diese Medienstromverläufe nimmt der Optimierungsrechner 1 in einem Schritt S8 entgegen. Im gleichen Schritt S8 nimmt der Optimierungsrechner 1 auch Endparameter entgegen, die von dem Modell 4 ermittelt wurden und Endzustände der Aggregate der hüttentechnischen Anlage nach der Zeitspanne T beschreiben.
In einem Schritt S9 ermittelt der Optimierungsrechner 1 dann anhand der Startparameter und des Beurteilungskriteriums K ein Maß M für die Güte des vorgegebenen und ermittelten Betriebsverlaufs, also der Gesamtheit der Medienstromverläufe, der hüttentechnischen Anlage. Zur Optimierung der Betriebsparameter überprüft der Optimierungsrechner 1 in einem Schritt S10 z. B., ob das ermittelte Gütemaß M sich um mehr als eine Schranke δ von einem Gütemaß M' unterscheidet, das im unmittelbar vorhergehenden Durchlauf ermittelt wurde.
Ist der Unterschied größer als die Schranke δ, ist dies ein Indiz dafür, dass die Betriebsparameter noch weit von ihrem Optimum entfernt sind. Ergibt sich hingegen nur eine Änderung kleiner als die Schranke δ, ist dies ein Indiz dafür, dass man das Optimum erreicht bzw. sich ihm weitgehend bzw. hinreichend angenähert hat. Je nach dem Vergleichsergebnis im Schritt S10 wird daher entweder mit einem Schritt Sll oder mit Schritten S12 und S13 fortgefahren.
Im Schritt Sll wird gemäß dem vom Anwender 5 bestimmten Optimierungsalgorithmus A der Satz von Eingangsbetriebsparametern variiert. So dann wird zum Schritt S7 zurück gesprungen.
Im Schritt S12 werden die ermittelten, für gut bzw. optimal befundenen Betriebsparameter sowie eventuell zusätzlich das ermittelte Gütemaß M und die Endzustände der Aggregate an den Anwender 5 ausgegeben. Gegebenenfalls kann zusätzlich auch direkt die Anlage gesteuert werden. Im Schritt S13 wird dann überprüft, ob ein weiterer Durchlauf des Optimierungsverfahrens erfolgen soll. Wenn dies der Fall ist, wird zum Schritt S5 zurück gesprungen, ansonsten wird die Abarbeitung des Optimierungsverfahrens beendet.
Das mathematische Modell 4 und dessen Betriebsablauf wird nunmehr nachstehend in Verbindung mit FIG 3 näher erläutert.
Gemäß FIG 3 nimmt das Modell 4 in einem Schritt S14 zunächst die Zeitspanne T entgegen. Im Schritt S15 nimmt es sodann die Strukturparameter entgegen. Ferner nimmt es im Schritt S16 Startparameter für die Aggregate entgegen. Im Schritt S17 nimmt es schließlich die Eingangsbetriebsparameter entgegen.
In Schritten S18 und S19 ermittelt das Modell 4 die korrespondierenden Ausgangsbetriebsparameter und die Endparameter. Auch hier werden wieder die technologischen Randbedingungen und Abhängigkeiten der Aggregate berücksichtigt. Die Ausgangsbetriebsparameter und die Endparameter werden vom mathematischen Modell 4 dann im Schritt S20 ausgegeben.
Zur näheren Erläuterung des Optimierungsverfahrens gemäß FIG 2 und des Ablaufs des mathematischen Modells 4 gemäß FIG 3 sei beispielhaft angenommen, dass mittels des Modells 4 eine hüttentechnische Anlage 6 modelliert werden soll, die - schematisch und vereinfacht - in FIG 4 dargestellt ist.
Gemäß FIG 4 weist die (beispielhafte) hüttentechnische Anlage 6 sechs Aggregate 7 bis 12 auf. Es sind dies eine Kokerei 7, eine Sinteranlage 8, ein Hochofen 9, ein Stahlwerk 10, ein Walzwerk 11 sowie ein Kraftwerk 12. Wie aus FIG 4 sofort und ohne weiteres ersichtlich ist, sind jedem der Aggregate 7 bis 12 zuzuführende und abgegebene Medienströme zugeordnet. Sowohl die Aggregate 7 bis 12 als auch die Medienströme und deren zeitliche Verläufe werden selbstverständlich im Rahmen des Modells 4 modelliert. Der Kokerei 7 wird beispielsweise als Medienstrom der Materialstrom „Kohle" zugeführt. Der Energieträgerstrom „Koks" wird - je nach zeitlichem Anfall und je nach zeitlichem Bedarf - an die Sinteranlage 8 und den Hochofen 9 abgegeben. Ferner wird der Energieträgerstrom „Koksofengas" - wieder je nach Anfall und je nach Bedarf - an die Sinteranlage 8, den Hochofen 9, das Walzwerk 11 und das Kraftwerk 12 abgegeben. Die Materialströme „Abgas" und „Schadstoffe" werden nach außerhalb der Anlage 6 (das heißt an die Umwelt) abgegeben. Die Abgase umfassen insbesondere Kohlendioxid und Kohlenmonoxid, die Schadstoffe beispielsweise Stick- und Schwefeloxide.
In ähnlicher Weise werden der Sinteranlage 8 von außen der Materialstrom „Eisenerz" und - soweit zusätzlich zum Koksstrom von der Kokerei 7 erforderlich - der Energieträgerstrom „Koks" zugeführt. Von ihr wird Sinter an den Hochofen 9 abgegeben. Vom Kraftwerk 12 werden der Sinteranlage 8, soweit erforderlich, der Energiestrom „elektrischer Strom" sowie der Energieträgerstrom „Dampf" zugeführt. Ferner werden ihr gegebenenfalls von der Kokerei 7 der Energieträgerstrom „Koksofengas" und vom Hochofen 9 der Energieträgerstrom „Gichtgas" zugeführt. Auch von der Sinteranlage 8 werden Materialströme an die Umwelt abgegeben, insbesondere wieder Schadstoffe und Abgase.
Dem Hochofen 9 werden von außen der Materialstrom „Koks" und der Energieträgerstrom „Erdgas" zugeführt. Die Materialströme „Schlacke" , „Abgas" und „Schadstoffe" werden von ihm nach außen abgegeben. Anlagenintern werden ihm, wie bereits erwähnt, von der Kokerei 7 Koks und Koksofengas sowie von der Sinteranlage 8 Sinter zugeführt. Gichtgas wird von ihm - je nach Anfall und je nach Bedarf - an die Kokerei 7, die Sinteranlage 8 und das Kraftwerk 12 abgegeben. Dem Hochofen 9 werden ferner, soweit erforderlich, vom Kraftwerk 12 aus Dampf und elektrischer Strom zugeführt, vom Stahlwerk 10 aus Konvertergas. Ferner wird - als Hauptzweck des Hochofens 9 - von ihm Roheisen an das Stahlwerk 10 abgegeben. Dem Stahlwerk 10 werden von außerhalb der hüttentechnischen Anlage 6 die Materialströme „Schrott" und „Sauerstoff" zugeführt. Anlagenintern werden ihm vom Hochofen 9 Roheisen und vom Kraftwerk Dampf und elektrischer Strom zugeführt. Nach außen werden vom Stahlwerk 10 Schlacke, Schadstoffe und Abgas abgegeben. Anlagenintern werden vom Stahlwerk 10 Konvertergas an den Hochofen 9, die Kokerei 7, das Walzwerk 11 und das Kraftwerk 12 abgegeben. Stahl wird an das Walzwerk 11 abgegeben.
Dem Walzwerk 11 werden anlagenintern vom Stahlwerk 10 Stahl und Konvertergas zugeführt. Von der Kokerei 7 wird dem Walzwerk 11 Koksofengas zugeführt, vom Hochofen 9 Gichtgas. Ferner wird dem Walzwerk 11 vom Kraftwerk 12 elektrischer Strom zugeführt. Vom Walzwerk 11 wird das Endprodukt (gewalzter Stahl) nach außen abgegeben.
Dem Kraftwerk 12 werden von außen elektrischer Strom, Erdgas und/oder Heizöl zugeführt. Anlagenintern werden ihm von der Kokerei 7, dem Hochofen 9 und dem Stahlwerk 10 die dort anfallenden brennbaren Gase (Kuppelgase) zugeführt. Vom Kraftwerk 12 werden Dampf und elektrischer Strom an die Kokerei 7, die Sinteranlage 8, den Hochofen 9 und das Stahlwerk 10 abgegeben. An das Walzwerk 11 wird ferner elektrischer Strom abgegeben, an die Umwelt Dampf, Abgase und Schadstoffe.
Ersichtlich umfassen also die Medienströme zwischen den Aggregaten 7 bis 12 Materialströme (z. B. Erz, Schlacke und Abgas), Energieträgerströme (z. B. Erdgas, Heizöl und Koksofengas) und Energieströme (insbesondere Dampf und elektrischen Strom) . Ferner gilt für jedes der Aggregate 7 bis 12, dass diesem Aggregat 7 bis 12 zuzuführende Medienströme dem jeweiligen Aggregat 7 bis 12 entweder von außerhalb der Anlage 6 oder von einem anderen der Aggregate 7 bis 12 zugeführt werden. Auch wird jeder von einem der Aggregate 7 bis 12 abgegebene Medienstrom entweder nach außerhalb der Anlage 6 oder an ein anderes der Aggregate 7 bis 12 abgegeben. Um eine Anlage wie beispielsweise die in FIG 4 dargestellte hüttentechnische Anlage 6 flexibel modellieren zu können, ist der Schritt S3 (siehe FIG 2) gemäß FIG 5 in mehrere Schritte aufgeteilt. Dies wird nachstehend in Verbindung mit FIG 5 näher erläutert.
Gemäß FIG 5 wird im Rahmen der Abarbeitung des Schritts S3 zunächst in einem Schritt S21 beim Anwender 5 abgefragt, ob ein Aggregat 7 bis 12 eingegeben werden soll.
Wenn dies nicht der Fall ist, werden vom Optimierungsrechner 1 in einem Schritt S22 die bisher eingegebenen Strukturdaten an das Modell 4 übermittelt. Entsprechend der Vorgabe durch den Anwender 5 wird dann im Modell 4 ein Teilmodell für das jeweilige Aggregat 7 bis 12 selektiert und parametriert . Auf die Details der Teilmodelle als solche muss dabei im Rahmen der vorliegenden Erfindung nicht näher eingegangen werden, da diese Teilmodelle als solche bekannt sind. Beispielhaft wird auf die beiden eingangs genannten Fachaufsätze, ergänzend auf die Doktorarbeit „Ein Modell zur produktionsabhängigen Prognose des Energiebedarfs eines Hüttenwerks mit dem Ziel der Energiekostenoptimierung" von M. Reh an der Universität Siegen, 1992, sowie auf den Fachaufsatz „Mathematische Modellierung und Optimierung der Energieverteilung im integrierten Hüttenwerk", Forschungsberichte VDI, Reihe 6, Energieerzeugung Nr. 232, 1989, verwiesen.
Anderenfalls wird in einem Schritt 23 vom Optimierungsrechner 1 zunächst beim Anwender 5 der Typ des zu modellierenden Aggregats 7 bis 12 abgefragt. Der Typ umfasst beispielsweise die Art des Aggregats 7 bis 12, dessen technische Leistungsparameter und dessen Medienströme.
Sodann wird in einem Schritt S24 vom Optimierungsrechner 1 beim Anwender 5 abgefragt, mit welchen der bereits vorgegebenen Aggregate 7 bis 12 das nunmehr neu eingegebene Aggregat 7 bis 12 verknüpft sein soll. Es wird also abgefragt, welche Medienströme von dem neu eingegebenen Aggregat 7 bis 12 an welche der anderen Aggregate 7 bis 12 abgegeben werden und welche Medienströme von den anderen, bereits definierten Aggregaten 7 bis 12 entgegen genommen werden. Medienströme, die nicht anlagenintern verknüpft sind, werden als von außen bezogen bzw. nach außen abgegeben gesetzt. Sodann wird in einem Schritt S25 abgefragt, ob diese Verknüpfung gemäß dem Schritt S24 starr oder flexibel sein soll. Wenn vom Anwender 5 eine flexible Verknüpfung gewünscht wird, wird vom Optimierungsrechner 1 in einem Schritt S26 abgefragt, unter welchen Bedingungen (z. B. völlig frei) welche Verknüpfungen erfolgen sollen.
Jedes Teilmodell ist eine vergröberte Darstellung des realen Aggregats 7 bis 12. Das Ausmaß der Vergröberung kann dabei stärker oder schwächer sein. Vorzugsweise wird daher in einem Schritt S27 noch abgefragt, mit welchem Teilmodell das neu vorgegebene Aggregat 7 bis 12 modelliert werden soll. Beispielsweise kann der Anwender 5 ein einfaches, ein kompliziertes und ein mittleres Teilmodell für jeden Aggregattyp wählen. Der Schritt S27 kann gegebenenfalls unmittelbar vor den Schritt S23 vorgezogen werden, da - je nach Ausgestaltung der Modelle - die Eingaben der Schritte S24 bis S21 komplexitätsabhängig sein können.
Vom Schritt S27 wird dann wieder zum Schritt S21 gesprungen. Auf diese Weise ist eine - prinzipiell beliebige - Anlage 6 mit einer frei wählbaren Anzahl von Aggregaten 7 bis 12 realisierbar, wobei darüber hinaus die Verknüpfungen zwischen den einzelnen Aggregaten 7 bis 12 starr und flexibel vorgebbar sind.
Bezüglich der Verknüpfung der einzelnen Aggregate 7 bis 12 untereinander ist es auch möglich, diese nicht beim Anwender 5 abzufragen, sondern als völlig flexibel anzunehmen. In diesem Fall können die einzelnen Aggregate 7 bis 12 zunächst unabhängig voneinander modelliert werden. Durch eine Modell- rechnung für die einzelnen Aggregate 7 bis 12 erhält man dann zunächst die zeitlichen Verläufe der Medienströme für die einzelnen Aggregate 7 bis 12 und deren Endzustände. Eine Bilanz der zeitlichen Verläufe der Medienströme aller Aggregate 7 bis 12 ergibt dann die zeitlichen Verläufe der von außen zuzuführenden Medienströme bzw. die zeitlichen Verläufe der nach außen abgegebenen Medienströme. Anhand des Beurteilungskriteriums K und der zeitlichen Verläufe der Medienströme mit Außenwirkung (von außen zugeführte und von außen abgeführte Medienströme) kann somit einer bestimmten Betriebsweise das Gütemaß M zugeordnet werden.
Vorzugsweise beinhalten die Betriebsparameter nicht nur Mengenverläufe für die jeweiligen Medienströme, sondern gegebenenfalls auch Qualitätsverläufe für die jeweiligen Medienströme. Dies ist für das Beispiel „Eisenerz" schematisch in FIG 6 dargestellt.
Gemäß FIG 6 wird zu einem Zeitpunkt to die Menge an Eisenerz, mit der die Sinteranlage 8 bestückt wird, beibehalten, die Qualität des Eisenerzes aber verringert. Unter der Voraussetzung, dass alle anderen Medienströme unverändert bleiben können, steigt in diesem Fall das Gütemaß M an.
Das Gütemaß M ist umso größer, je besser die Anlage betrieben wird. Wenn beispielsweise - bei beibehaltenen sonstigen Parametern - der Ausstoß der hüttentechnischen Anlage 6 an Fertigstahl steigt, steigt auch das Gütemaß M. Es ist gemäß FIG 7 aber auch möglich, dass das Gütemaß M steigt, wenn einer der nach außerhalb der Anlage 6 abgegebenen Medienstromverläufe sinkt. Dies gilt insbesondere für die Materialströme „Schlacke" , „Abgase" und „Schadstoffe" .
Oben stehend wurde ausgeführt, dass - insbesondere für Materialströme - das Gütemaß M ansteigen kann, wenn ein Qualitätsverlauf eines der Anlage 6 von außen zugeführten Materialstroms absinkt. Ein einzelner Parameter kann meist aber nicht für sich betrachtet werden. Hiermit korrespondierend wird in aller Regel auch mindestens ein weiterer Medienstromverlauf variiert. Insbesondere ist es gemäß FIG 8 möglich, dass bei einem Absinken der Erzqualität die benötigte Energie ansteigt, also einer der Energieträgerströme oder einer der Energieströme hiermit korrespondierend ansteigt. Je nach der Gewichtung der beiden Medienströme ist es dabei möglich, dass im Ergebnis das Beurteilungskriterium K besser erfüllt wird als zuvor, das Gütemaß M also ansteigt.
Selbstverständlich sind eine Vielzahl von Abwandlungen der oben stehend beschriebenen Erfindung möglich. Insbesondere ist es möglich, das mathematische Modell 4 unabhängig von dem korrespondierenden Optimierungsverfahren einzusetzen. Beispielsweise kann das Modell 4 isoliert im Rahmen einer reinen Prognose eingesetzt werden, also ohne automatische Optimierung. Dies kann insbesondere zum Testen bzw. Optimieren des Modells 4 als solchem verwendet werden. Auch kann die Optimierung - z. B. durch Vorgabe einer entsprechenden Auswahl durch den Anwender 5 - abschaltbar sein. Ferner ist es möglich, die Ergebnisse an einen Bediener der Anlage 6 (= den Anwender 5) auszugeben, so dass dieser dann bei Bedarf in den Betrieb der hüttentechnischen Anlage 6 eingreifen kann. Durch die erfindungsgemäße umfassende Parametrierbarkeit sind das Optimierungsverfahren und das Modell 4 jedoch nahezu universell einsetzbar. Dies gilt ganz besonders, wenn zusätzlich noch „Abwärme" als nach außen abgegebener Medienstrom berücksichtigbar ist.

Claims

Patentansprüche
1. Mathematisches Modell für eine hüttentechnische Anlage (6),
- wobei mittels des Modells eine Anzahl von Aggregaten (7 - 12) der hüttentechnischen Anlage (6) modellierbar ist, denen zuzuführende und abgegebene Medienströme zugeordnet sind,
- wobei dem Modell als Variable Strukturparameter vorgebbar sind, welche zumindest Anzahl und Art der Aggregate (7 - 12) festlegen,
- wobei die Medienströme aufgrund der Strukturparameter innerhalb des Modells fest oder flexibel derart miteinander verknüpft sind, dass jeder einem der Aggregate (7 - 12) zuzuführende Medienstrom dem jeweiligen Aggregat (7 - 12) entweder von außerhalb der Anlage (6) oder von einem anderen der Aggregate (7 - 12) zugeführt wird und jeder von einem der Aggregate (7 - 12) abgegebene Medienstrom entweder nach außerhalb der Anlage (6) oder an ein anderes der Aggregate (7 - 12) abgegeben wird,
- wobei dem Modell als Variable Startparameter vorgebbar sind, welche Anfangszustände der Aggregate (7 - 12) beschreiben,
- wobei dem Modell als Variable Eingangsbetriebsparameter vorgebbar sind, welche einen ersten Teil der Medienstromverläufe beschreiben,
- wobei von dem Modell Ausgangsbetriebsparameter ermittelt und ausgegeben werden, welche die verbleibenden der Medienstromverläufe beschreiben, und
- wobei von dem Modell Endparameter ermittelt und ausgegeben werden, welche Endzustände der Aggregate (7 - 12) beschreiben.
2 . Modell nach Anspruch 1 , d a d u r c h g e k e n n z e i c h n e t , dass die Medienströme Materialströme, Energieträgerströme und Energieströme umfassen.
3. Modell nach Anspruch 1 oder 2, d a d u r c h g e k e n n z e i c h n e t , dass die Betriebsparameter auch Qualitätsverläufe für die Medienstromverläufe beinhalten.
4. Modell nach Anspruch 1, 2 oder 3, d a d u r c h g e k e n n z e i c h n e t , dass mittels der Strukturparameter zusätzlich zur Art der Aggregate (7 - 12) auch vorgebbar ist, wie die Aggregate (7 bis 12) miteinander verknüpft sind und/oder mit welchen Teilmodellen die Aggregate (7 - 12) modelliert werden.
5. Modell nach einem der obigen Ansprüche, d a d u r c h g e k e n n z e i c h n e t , dass die Medienstromverläufe sich über eine Zeitspanne (T) erstrecken und dass die Zeitspanne (T) dem Modell als Variable vorgebbar ist.
6. Optimierungsverfahren für den Betrieb einer hüttentechnischen Anlage (6) unter Verwendung eines mathematischen Modells (4) nach einem der obigen Ansprüche,
- wobei die Strukturparameter von einem Anwender (5) einem Optimierungsrechner (1) vorgegeben und von diesem an das Modell (4) weitergegeben werden,
- wobei der Optimierungsrechner (1) anhand der Startparameter und eines Beurteilungskriteriums (K) gemäß einem Optimierungsalgorithmus (A) unter Verwendung des Modells (4) optimierte Betriebsparameter ermittelt.
7. Optimierungsverfahren nach Anspruch 6, d a d u r c h g e k e n n z e i c h n e t , dass dem Optimierungsrechner (1) vom Anwender (5) vorgegeben wird, welche der Medienstromverläufe Eingangs- und welche Ausgangsbetriebsparameter sind.
8. Optimierungsverfahren nach Anspruch 6 oder 7, d a d u r c h g e k e n n z e i c h n e t , dass das Beurteilungskriterium (K) dem Optimierungsrechner (1) vom Anwender (5) vorgegeben wird.
9. Optimierungsverfahren nach Anspruch 8, d a d u r c h g e k e n n z e i c h n e t , dass das Beurteilungskriterium (K) derart vorgebbar ist, dass es für mindestens einen nach außerhalb der Anlage (6) abgegebenen Medienstromverlauf umso besser erfüllt wird, je geringer dieser Medienstromverlauf ist.
10. Optimierungs erfahren nach Anspruch 9, d a d u r c h g e k e n n z e i c h n e t , dass dieser Medienstromverlauf ein Materialstrom ist.
11. Optimierungsverfahren nach Anspruch 8, 9 oder 10, d a d u r c h g e k e n n z e i c h n e t , dass das Beurteilungskriterium (K) derart vorgebbar ist, dass es besser erfüllt wird, wenn ein Qualitätsverlauf eines ersten der Anlage (6) von außerhalb zugeführten Medienstromver- laufs absinkt und hiermit korrespondierend ein zweiter der Anlage (6) von außerhalb zugeführter Medienstromverlauf aufgrund des Absinkens des Qualitätsverlaufs des ersten Medienstromverlaufs ansteigt.
12. Optimierungsverfahren nach Anspruch 11, d a d u r c h g e k e n n z e i c h n e t , dass der erste Medienstromverlauf ein Materialstromverlauf und der zweite Medienstromverlauf ein Energie- oder ein Energieträgerstromverlauf ist.
13. Optimierungsverfahren nach einem der Ansprüche 6 bis 12, d a d u r c h g e k e n n z e i c h n e t , dass der Optimierungsalgorithmus (A) dem Optimierungsrechner (1) vom Anwender (5) vorgegeben wird.
14. Optimierungsverfahren nach einem der Ansprüche 6 bis 13, d a d u r c h g e k e n n z e i c h n e t , dass die Zeitspanne (T) vom Anwender (5) dem Optimierungsrechner (1) vorgegeben und von diesem an das Modell (4) weitergegeben wird.
15. Auf einem Datenträger (3) gespeichertes Computerprogramm zur Durchführung eines Optimierungsverfahrens nach einem der Ansprüche 6 bis 14.
16. Optimierungsrechner, der derart programmiert ist, dass mit ihm ein Optimierungsverfahren nach einem der Ansprüche 6 bis 14 ausführbar ist.
EP04708339A 2003-02-14 2004-02-05 Mathematisches modell für eine hüttentechnische anlage und optimierungsverfahren für den betrieb einer hüttentechnischen anlage unter verwendung eines derartigen modells Ceased EP1593010A2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE10306273 2003-02-14
DE10306273A DE10306273A1 (de) 2003-02-14 2003-02-14 Mathematisches Modell für eine hüttentechnische Anlage und Optimierungsverfahren für den Betrieb einer hüttentechnischen Anlage unter Verwendung eines derartigen Modells
PCT/EP2004/001076 WO2004072746A2 (de) 2003-02-14 2004-02-05 Optimierungsverfahren für den betrieb einer hüttentechnischen anlage unter verwendung eines mathematischen modells

Publications (1)

Publication Number Publication Date
EP1593010A2 true EP1593010A2 (de) 2005-11-09

Family

ID=32797417

Family Applications (1)

Application Number Title Priority Date Filing Date
EP04708339A Ceased EP1593010A2 (de) 2003-02-14 2004-02-05 Mathematisches modell für eine hüttentechnische anlage und optimierungsverfahren für den betrieb einer hüttentechnischen anlage unter verwendung eines derartigen modells

Country Status (9)

Country Link
US (1) US7720653B2 (de)
EP (1) EP1593010A2 (de)
CN (1) CN100468257C (de)
BR (1) BRPI0407465A (de)
CA (1) CA2515947A1 (de)
DE (1) DE10306273A1 (de)
MX (1) MXPA05008632A (de)
RU (1) RU2005128553A (de)
WO (1) WO2004072746A2 (de)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102054125B (zh) * 2010-11-16 2013-01-23 浙江大学 一种稳定入炉烧结矿化学成分的方法
EP2726945A1 (de) * 2011-09-29 2014-05-07 Siemens Aktiengesellschaft Vorrichtung zur energieeffizienten steuerung einer anlage und verfahren hierzu
EP2937747A1 (de) * 2014-04-24 2015-10-28 Siemens Aktiengesellschaft Auf Modellierung einer Beizlinie beruhende Optimierung einer Sequenz von zu beizenden Bändern
KR20170098223A (ko) * 2014-12-17 2017-08-29 프리메탈스 테크놀로지스 오스트리아 게엠베하 동작 모드의 최적화에 의한 야금 시설에 대한 동작 방법
DE102019132029A1 (de) * 2019-11-26 2021-05-27 Thyssenkrupp Steel Europe Ag Herstellung eines gewünschten Metallwerkstücks aus einem Metallflachprodukt
CN114058749B (zh) * 2021-11-29 2023-02-10 山西晋煤集团技术研究院有限责任公司 一种无烟块煤在高炉中的劣化研究方法
CN114154423A (zh) * 2021-12-09 2022-03-08 欧冶链金再生资源有限公司 一种废钢产品的设计方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19508476A1 (de) * 1995-03-09 1996-09-12 Siemens Ag Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o. ä.
US6438430B1 (en) * 1996-05-06 2002-08-20 Pavilion Technologies, Inc. Kiln thermal and combustion control
DE19706767A1 (de) * 1997-02-20 1998-09-03 Siemens Ag Verfahren und Einrichtung zur Simulation einer Anlage der Grundstoffindustrie
DE19806267A1 (de) * 1997-11-10 1999-05-20 Siemens Ag Verfahren und Einrichtung zur Steuerung einer hüttentechnischen Anlage
IL123607A0 (en) * 1998-03-10 1998-10-30 Berkooz Oded Optimization method and apparatus
DE19912221B4 (de) * 1998-08-11 2006-07-27 Siemens Ag Computersystem zur Auslegung einer Anlage der Grundstoffindustrie, insbesondere eines Walzwerks
WO2001061573A2 (de) * 2000-02-16 2001-08-23 Siemens Aktiengesellschaft Verfahren und vorrichtung zum berechnen eines modells eines technischen systems
US20020156542A1 (en) * 2001-02-23 2002-10-24 Nandi Hill K. Methods, devices and systems for monitoring, controlling and optimizing processes

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2004072746A2 *

Also Published As

Publication number Publication date
BRPI0407465A (pt) 2006-02-14
WO2004072746A2 (de) 2004-08-26
CN1751277A (zh) 2006-03-22
WO2004072746A3 (de) 2004-10-28
DE10306273A1 (de) 2004-09-02
US7720653B2 (en) 2010-05-18
CA2515947A1 (en) 2004-08-26
MXPA05008632A (es) 2005-11-04
US20050267612A1 (en) 2005-12-01
RU2005128553A (ru) 2006-03-27
CN100468257C (zh) 2009-03-11

Similar Documents

Publication Publication Date Title
EP3580622B1 (de) Ganzheitliche planung von produktions- und/oder wartungsplänen
EP2067378B1 (de) Verfahren zum betreiben eines schmelzmetallurgischen ofens und ofen
DE102006008484A1 (de) Brennstoffgas-Kalorie-Steuerverfahren und -vorrichtung
EP2697001A1 (de) Steuerverfahren für eine walzstrasse
DE19637917C2 (de) Verfahren und Einrichtung zum Entwurf oder zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindustrie
EP2235220B1 (de) Verfahren zur ermittlung eines stückigkeitsmasses für feststoff in einem lichtbogenofen, einen lichtbogenofen, eine signalverarbeitungseinrichtung sowie programmcode und ein speichermedium
EP1593010A2 (de) Mathematisches modell für eine hüttentechnische anlage und optimierungsverfahren für den betrieb einer hüttentechnischen anlage unter verwendung eines derartigen modells
DE102017210230A1 (de) Verfahren zum Betreiben eines Glühofens
EP3542229B1 (de) Einrichtung und verfahren zur bestimmung der parameter einer regeleinrichtung
EP3234705A1 (de) Betriebsverfahren für eine hüttentechnische anlage mit optimierung der betriebsweise
EP1014239A1 (de) Verfahren zur Berechnung eines Stichplanes
AT413456B (de) Verfahren zum optimalen betrieb eines erwärmungsofens
EP4320489B1 (de) Optimierungsverfahren für den betrieb von anlagen der grundstoffindustrie
DE19641432A1 (de) Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses
AT404074B (de) Verfahren und vorrichtung zur feststellung von erzeugnisspezifischen werten für aufwendungen, abfälle und emissionen bei gleichzeitiger herstellung unterschiedlicher erzeugnisse
EP0704778A1 (de) Verfahren zur Energieverteilung in Systemen und zugehörige Anordnung
EP4455312A1 (de) Betriebsverfahren für eine hüttentechnische anlage der eisen- oder stahlerzeugung
EP4390286A1 (de) Verbesserter betrieb eines induktionsofens
EP3861256B1 (de) Verfahren und vorrichtung zur regelung eines prozesses innerhalb eines systems, insbesondere eines verbrennungsprozesses innerhalb eines kraftwerks
EP4290367A1 (de) Computersystem
EP0961956B1 (de) Computersystem zum optimalen entwurf und zum reentwurf eines walzwerks und verfahren zum betrieb eines solchen computersystems
EP4509934A1 (de) Verfahren und vorrichtung zur datenverarbeitung zur automatischen anpassung von parametern eines mathematischen modells
DE10306024B3 (de) Multivariate, prädiktive Regelung eines Herstellungsprozesses, insbesondere eines Direktreduktionsprozesses
EP4634731A1 (de) Workflow zur effizienten parametrierung einer numerischen steuerung
DE19850492A1 (de) Verfahren und Einrichtung zum Warmwalzen dünner Stahlbänder

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20050727

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LI LU MC NL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL LT LV MK

DAX Request for extension of the european patent (deleted)
RBV Designated contracting states (corrected)

Designated state(s): AT BE DE ES FR IT

RIN1 Information on inventor provided before grant (corrected)

Inventor name: STUERMER, UWE

Inventor name: SIEBER, ALBRECHT

Inventor name: METZGER, MICHAEL

17Q First examination report despatched

Effective date: 20071122

REG Reference to a national code

Ref country code: DE

Ref legal event code: R003

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN REFUSED

18R Application refused

Effective date: 20110402