[Paper Review] Advanced Process Control for Clinker Rotary Kiln and Grate Cooler

sensors>>article>

Advanced Process Control for Clinker Rotary Kiln and Grate Cooler

 

Abstract: 시멘트 산업은 에너지 집약적인 공정을 포함한다. (ex. 클링커를 생산하는 킬른, 쿨러) 
클링커는 원료로부터 로터리 킬른 내의 화학적 물리적 반응을 통해 얻어진다. 이 반응은 연소 반응 또한 포함한다. 
적절한 클링커의 냉각을 위해 쿨러는 킬른 밑에 있다. 쿨러에 클링커가 수송되면 다수의 차가운 공기 팬들을 통해 냉각된다. 
본 연구에서는, 킬른 및 쿨러에 Advanced Process Control 기술이 적용되었다. 

1. MPC(Model Predictive Control) 이 주요 제어 전략으로 선택되었다. 
2. Linear 모델 (with delays) 은 공정 실험에 의해 얻어졌고 제어시스템 공식 또한 포함한다. Linear 모델 (with delays) 은 공정 실험에 의해 얻어졌고 제어시스템 공식 또한 포함한다. 
3. 킬른과 쿨러 제어시스템 사이에 협력과 조정 정책이 도입되었다. 
   주요 목적은 킬른과 쿨러의 주요 공정 변수들을 제어해서 킬른의 연료/석탄 소비량과 쿨러의 차가운 공기 전력 에너지 소비량을 최소화하는 것이다. 

• 전체 제어 시스템은 실제 공장에 설치되었고 서비스 요소, 제어와 에너지 절약 공정 면에서 상당한 결과를 얻었다. 

Keywords: Advanced Process Control; Model Predictive Control; Cement Industry; Clinker Production; Rotary Kiln; Grate Cooler; Fuel/Coal Specific consumption; Electric Energy Consumption; Energy-Saving (* Sensors Article의 경우, 3-10개까지 가능)

---

1. Introduction (almost 3 pages) 

2. Materials and Methods

        2.1. Process Description

        (Figure 1. Clinker rotary kiln and grate cooler) 
                2.1.1. Sensors/Analyzers Equipment and Process Automation 
                2.1.2. Control Specifications and Project Definition 
                (Figure 2. Project phases) 
                (Table 1. Rotary kiln APC system: Manipulated Variables) 
                (Table 2. Rotary kiln APC system: Disturbance Variables) 
                (Table 3. Rotary kiln APC system: Controlled Variables) 
                (Table 4. Grate cooler APC system: Manipulated Variables) 
                (Table 5. Grate cooler APC system: Disturbance Variables) 
                (Table 6. Grate cooler APC system: Controlled Variables) 
        2.2. Plant Survey and Data Selection, Acquisition and Storage 
        (Figure 3. Data acquisition and storage architecture) 
        2.3. Data Analysis 
        2.4. Modelization and Model Mismatch Compensation 
        2.5. APCs Design 
        (Figure 4. APCs cooperation architecture) 
        (Figure 5. Details on the modules of the APC systems)

....

---

1. Introduction

▼ 본 논문의 연구가 필요한 배경 

시멘트 산업은 클링커 회전용 킬른과 클링커 그레이트 쿨러와 같은 에너지 집약적인 공정을 포함하고 있습니다.

클링커는 시멘트의 기본 구성 요소로, 킬른에서의 굽히기 공정과 쿨러에서의 냉각 공정을 통해 생산되며 상당한 양의 열 및 전기 에너지가 필요합니다.

많은 시멘트 산업에서는 오래된 공장 하드웨어 및/또는 서브 프로세스의 최적화되지 않은 수행 때문에 큰 에너지 효율성 개선 여지가 관찰됩니다.

최근 10년 동안 그린 경제 원칙이 널리 인정받았으며, 시멘트 산업은 이러한 변혁 과정에 참여하였으며 다양한 연구가 이 맥락에서 수행되어 탄소 배출 저감을 주요 관심사로 두고 있습니다.

이 맥락에서 이산화탄소 (CO2) 및 오염 물질 배출 감소는 모든 시멘트 산업의 공정에서 중요한 목표를 나타냅니다.

클링커 회전용 킬른과 그레이트 쿨러는 열 및 전기 에너지가 대량으로 필요하기 때문에 에너지 소비와 배출 측면에서 중요한 역할을 합니다.

 

▼ 연구대상의 특징/문제점 및 제시한 해결방법에 대한 근거 

데이터 선택, 획득, 저장 및 분석은 시멘트 산업의 성능을 모니터링, 제어 및 최적화할 수 있는 의사 결정 지원 시스템 및 전문가 시스템의 설계에서 주요 역할을 계속하고 있습니다. 4차 산업 혁명 기술과 디지털화는 이 분야에서 전략적 주도 역할을 할 수 있습니다. 

또한, 오염 완화, 이산화탄소 (CO2) 배출 및 공장 운영 비용을 줄이기 위해 고급 프로세스 제어 (APC) 시스템을 고려할 수 있습니다. APC 시스템은 일반적으로 자동화 계층 구조의 두 번째 수준에 위치하며, 엣지 컴퓨팅 또는 클라우드 컴퓨팅 아키텍처에 포함될 수 있으며, 핵심 프로세스 변수의 다양한 사양을 고려하면서 프로세스의 행동을 실시간으로 최적화할 수 있습니다. 

또한, 모니터링 및 고수준 최적화 솔루션은 다른 목표와 관련하여 중요한 역할을 할 수 있으며, 이에는 핵심 프로세스 변수의 정확한 관찰과 공장 자산의 전역 수준 최적화가 포함될 수 있습니다.

 

▼ 모니터링 및 최적화 솔루션에 대한 이전 연구 논문 참조

시멘트 산업의 클링커 로터리 킬른 및 그레이트 쿨러의 모니터링, 고수준 최적화 및 APC에 대한 다양한 접근 방식이 연구원, 엔지니어 및 실무자에 의해 제안되었습니다. 모니터링 및 고수준 최적화 솔루션이 [11-16]에서 제안되었습니다.

 

레퍼런스 11) 시멘트 공정 배출물질에 대한 연구가 보고되었는데, 치료와 오염물질 배출 모니터링에 대해 소개했다. 

여기서 모델링은 파이썬으로 했고 목표는 어떻게 스마트 모니터링과 모델링 기술이 고효율 시멘트 생산과 친환경 과정을 향해 달려가는 데 도움을 줄 것인가이다. 

레퍼런스 12) 예열실 킬른 시스템의 공정 모델이 제안되었다. 다섯가지 대체연료의 오염물질 배출과 에너지 성능에 대한 영향을 시뮬레이션하기 위해. 

모델은 에너지와 질량의 균형을 기반으로 개발되었고 시멘트 공장의 데이터로 증ㅁ여되었다. 

레퍼런스 13) 비용 최적화 시멘트 공장을 위한 모델은 이산화탄소 제한을 만족시켰다. 생산품 특징의 손상없이. 

시멘트 공정에서 세가지 완화 방법에 집중했다. 1) co-processing, 2) kiln system improvements, 3) carbon capture. 

모델은 섞인 integer 선형 프로그래밍 문제를 위해 사용되었다. 

레퍼런스 14) 쿨러의 성능이 시험되었다. 질량과 열 밸런스 방법을 사용해서. 

고려된 성능 평가 파라미터는 클링커 온도, 쿨러의 loss, 효율이다. 

이 연구에서 쿨러의 효율은 열 손실 밸런스에 의해 평가된다는 것이 밝혀졌다. 

레퍼런스 15) 질소산화물 제어 문제가 소개되었다. 

질소산화물 공정 변수를 위한 데이터 기반 모은 달성했다. 그리고 실시간 최적화 문제는 공식화되었고 PWO 알고리즘으로 풀렸다. 

레퍼런스 16) 엔트로피 generation 을 기반으로 한 다변수 공식이 디자인되었다. 클링커 층의 두께를 컨트롤하기 위해. 

유전 알고리즘은 최적화 문제를 위해 사용된다. 최소한의 에너지 소비를 제공하기 위해. 

 

▼ APC 시스템에 대한 이전 연구 논문 참조 

이전 단락에서 보고된 모니터링 및 고수준 최적화 알고리즘은 공장의 실시간 운영 관리를 담당하지 않습니다. 이러한 맥락에서 APC 시스템은 클링커 로터리 킬른 및 그레이트 쿨러의 제어 및 최적화에서 중요한 역할을 할 수 있습니다. 시멘트 킬른을 위한 APC 시스템 솔루션은 [17-28]에서 제안되고, 쿨러를 위한 APC 시스템 솔루션은 [29-36]에서 제안됩니다.

 

레퍼런스 17) 킬른에 대하여, 수학적 모델이 도출되었다. 

 

.

.

.

 

▼ 본 연구 논문이 기여하는 바 

본 논문은 시멘트 산업의 클리커 로터리 킬과 그레이트 쿨러에 대한 APC 시스템의 설계 및 현장 구현을 제안합니다. 이 논문은 시멘트 산업에서 APC 방법을 평가하기 위한 종합적인 솔루션을 제공하는 것을 목표로 합니다. 본 논문은 [38]에 보고된 내용을 확장하여 프로젝트의 다양한 단계에 대한 추가 세부 정보와 통찰력을 제공하며 제공되는 혁신적인 내용을 강조합니다. 저자들의 지식에 따르면 클리커 로터리 킬과 그레이트 쿨러에 대한 APC 시스템의 문헌에서 다음과 같은 기술적 측면은 심층적으로 탐구되지 않았습니다.

• 공장 조사의 점차적인 단계와 데이터 선택, 수집, 저장, 분석 단계 기초적인 역할을 한다. APC 시스템을 시작하기 전에. 하지만 이러한 단계는 아직 연구되지 않았다. 
• APC시스템의 성능을 평가하기 위한 KPI 의 전체적인 평가

 

▼ 본 연구 논문이 기여하는 바 

상기 기술적 장점 외에도 논문에서 제안된 다음과 같은 혁신적인 과학적 기여가 있으며, 이는 문헌에서 발견되지 않았습니다.

• 킬른의 filling degree 의 inclusion 을 위한 절차. APC시스템의 제어 행렬에서. 공정 변수들의 선형식을 유지하면서. 
• 구조. 서로 다른 APC 시스템들 간에 협동이 가능하게 하는. 
• APC 시스템 스키마. 나쁜 데이터를 발견할 수 있고 local 제어 반복 malfunctions(?) 
• 두 개의 층의 MPC 스키마. with 협업 정책. 레이어들 사이의. LP 혹은 QP 형식으로 특성될 수 있다. 이러한 특징은 APC 스키마의 적용을 가능하게 한다. 다른 제어  공정에서도 
• APC 시스템에서 센서/분석의 중복을 피하기 위한 방법. 이것은 우리가 신뢰성있는 제어를 제공하도록 해준다. 
• 현재 공정 조건에 따라 제어된 변수들에 대해 서로 다른 우선순위를 정의 한다. 

▼ 본 연구 논문에서 개발한 내용의 실용성/현장 적용성 

현장 구현으로 달성된 제어 및 에너지 절약 결과는 제안된 접근 방식의 유효성을 확인했습니다. 저자들의 지식에 따르면, 실제 프로세스에서 구현되고 일시적인 실험이 아니라 1) 지속적인 제어 응용 프로그램으로 설계된 프로젝트는 일반적으로 흔하지 않습니다. 가상 환경 시뮬레이션을 통해 설계 및 테스트된 APC 시스템을 현장 응용 프로그램과 연결하기 위해서는 2) 신뢰성과 견고성 특성이 필요합니다.

 

본 연구에서는 다음과 같이 조직되어있다. 

섹션 2) materials and methods 

process description / control specifications / project definition / some details on plant survey, data selection, acquisition, sorage, analysis 

섹션 3) results and discussion 

data analysis, modelization, virtual environment simulations, field results 

섹션 4) conlusions 

 

2. Materials and Methods

2.1. Process Description 

▼ 대상 공정의 현재 생산 및 석탄 소비량 

Figure 1는 이탈리아 시멘트 산업의 클링커 회전용 킬른 및 그레이트 쿨러로 나타낸 고려 대상 공정을 나타냅니다. 이 공정에서 처리되는 클링커 생산 단계는 연간 약 740,000 톤의 원료를 처리하며 연간 약 64,000 톤의 석탄을 사용합니다. 연간 평균 석탄 소비량은 약 47,000 톤 원유당 (tep)입니다.

 

▼ 1) 예열공정 

원료밀은 사이클론 타워로 이루어진 분말 사전 가열기에서 적절하게 가열됩니다 (그림 1의 왼쪽 부분 참조). 타워는 다양한 사이클론 단계로 특징 지어지며 여기서 사전 가열 및 건조 단계가 진행됩니다. 사이클론 타워에서 원료밀은 하류 영역에서 나오는 배기 가스와 혼합되며, 유도 통풍기 (ID 팬)가 공기를 올려 끌어올립니다 (그림 1의 왼쪽 부분 참조). 각 사이클론 단계에서 원료밀과 배기 가스 간의 분리 및 재결합이 이루어집니다. 혼합, 분리 및 재혼합 단계는 원료가 마지막 사이클론 단계에서 로타리 킬른으로 도출될 때까지 반복됩니다. 사이클론 타워의 마지막 단계에서 사전 소성 단계가 수행되며, 사전 소성기의 석탄과 고형 제 2 연료를 사용하여 유발되는 연소를 통해 초기 소성이 진행됩니다. 여기서는 그레이트 쿨러에서 열 회수로부터 얻은 추가적인 고온 공기인 3차 공기를 활용합니다 [1].

 

▼ 2) 소성공정 및 냉각공정 

로타리 킬른은 고온에 견딜 수 있는 내화 물질로 덮인 긴 약간 경사진 원통 모양을 가지며, 킬른은 그 축 주위로 회전하여 처리된 혼합물이 따라 이동할 수 있도록 합니다. 킬른 내부 온도는 클링커 형성 지역 근처에서 약 1600°C에 이를 수 있습니다 (그림 1의 오른쪽 부분 참조). 여기서 석탄 버너의 작용으로 주요 굽기 과정이 진행되며 클링커가 생성됩니다. 이후 클링커는 그레이트 쿨러에서 냉각되고, 그런 다음 황산 칼슘이나 포주올란과 같은 다른 구성 요소와 결합하여 원하는 종류의 시멘트를 얻게 됩니다.

 

▼ 3) 냉각공정 

회전로 가마에서 클링커가 나올 때 일반적인 온도는 약 1200°C입니다. 다음 분쇄 단계에서는 약 100°C 정도의 온도가 필요하므로 냉각 단계가 겪어집니다(그림 1의 오른쪽 부분 참조). 그레이트 쿨러는 이전에 언급한  tertiary 공기(=3차 공기) 외에도 클링커의 과잉 열을 회수하고 연소 공기로 공급하여 얻어진 공기를 2차 공기로 칭합니다. 냉각은 찬 공기 팬 유닛의 작용을 통해 이루어집니다. 제공된 찬 공기는 일부 겹치는 구멍이 뚫린 판을 통해 운반됩니다. 이러한 판은 클링커를 운반하기 위해 번갈아 가며 움직입니다. 고려된 그레이트 쿨러는 여덟 개의 하부 챔버로 구성되어 있습니다. 이러한 하부 챔버의 압력은 주어진 두께와 침투성을 가진 열 클링커 침대를 통과할 수 있는 공기 압력을 제공해야 합니다 [39].

 

2.1.1. Sensors/Analyzers Equipment and Process Automation 

센서와 분석 장치, 그리고 공정 자동화 

 

고려된 공정에서는 현재 상태를 모니터링하기 위해 다양한 센서 및 분석기가 사용 가능합니다. 예를 들어, 온도는 사이클론 단계와 가마 내에서 적절한 1) 센서로 측정되며 (그림 1의 왼쪽과 오른쪽 참조), 그레이트 쿨러의 마지막 부분에서는 광학 파이로미터에 의해 측정됩니다 (그림 1의 오른쪽 참조). 2) 적절한 분석기는 ID 팬 근처의 일산화탄소 (CO) 농도 및 산소 (O2) 및 질소 산화물 (NOx) 농도를 측정하며 (그림 1의 왼쪽 상단 참조), 사이클론 단계에서 (그림 1의 왼쪽 참조) 및 가마 입구에서 (그림 1의 왼쪽 하단 참조) 측정합니다. 그레이트 쿨러 내 클리커 베드의 높이와 관련된 센서는 APC 시스템의 설치 후에 설치되었으며 APC 설계에 포함되었습니다 (그림 1의 오른쪽 하단 참조).

 

공정 자동화에 관해서는 현장 PID 컨트롤러가 ID 팬 속도, 원료 유량, 사전연소기 삼차 공기, 사전연소기 석탄, 고체 이차 연료, 가마 속도, 가마 삼차 공기, 방사 공기 압력, 가마 석탄, 그레이트 속도 및 냉동 공기 팬의 제어 루프를 관리합니다 [40].

 

또한, 유리석회는 클링커 샘플의 3) 실험실 분석을 통해 모니터링됩니다. 이러한 샘플은 로타리 킬네의 끝에서 수집되며 하루에 네 번 분석이 수행됩니다. 유리석회 값은 0.8%에서 1.2% 범위 내에 있어야 합니다.

 

 

2.1.2. Control Specifications and Project Definition 

제어 사양(?)과 프로젝트 정의 

 

▼ 1) 회전 가마에 대한 제약사항 

회전용 가마에 대한 환경, 열역학, 기계 및 품질 제약 조건을 준수해야만 관련된 화학 및 물리적 반응이 올바르게 작동할 수 있도록 보장해야 합니다. 시멘트 공장의 클링커 생산 유닛에서의 주요 제어 및 최적화 사양은 다음과 같습니다:

• 적절한 연소 제어를 보장합니다.
• 클링커 품질 및 화합물 품질을 고려합니다.
• 에너지 소비를 줄입니다.
• 공정 수행을 안정화하는 것을 보장합니다.
• 이러한 사양은 이전에 언급한 제약 조건을 준수하면서 달성할 수 있습니다:
• 환경 제약 조건: 일산화탄소 농도, 질소 산화물 농도 및 굴뚝 암모니아 유량과 관련이 있습니다.
• 열역학 제약 조건: 사이클론 및 가마 온도와 산소 농도와 관련이 있습니다.
• 기계 제약 조건: 가마 모터 출력, 가마 모터 토크 및 가마 충전 정도와 관련이 있습니다.
• 품질 제약 조건: 유리석회 분석과 관련이 있습니다 (2.1.1절 참조).

프로세스 기술자와 함께 수립된 추가 제어 사양은 특정 프로세스 변수를 제어하기 위한 조작 변수의 사용 제한을 다룹니다. 예를 들어 다음과 같은 사양이 필요합니다:

• 원료 유량은 가마 충전 정도 제어에 사용해서는 안 됩니다.
• ID 팬 속도는 가마 질소 산화물 제어에 사용해서는 안 됩니다.

설명된 제약 조건과 사양을 충족시키면서, 연료/석탄 특정 소비를 최소화하는 최적 운전 지점을 보장해야 하며, 이로써 에너지 절약 및 환경 오염 영향 측면을 모니터링해야 합니다.

 

▼ 2) 그레이트 쿨러에 대한 제약사항 

그레이트 쿨러에 관해서는 클링커 베드가 원료 유량의 변화에 대응하여 조절되어 레드 리버 또는 블로우 스루 현상을 제거해야 합니다. 두 번째 하부 챔버의 압력과 클링커 베드의 높이를 적절하게 제어해야 하며, 광학 파이로미터 측정치를 관찰하여 클링커 냉각의 품질을 보장해야 합니다 (2.1.1절 참조). 이 맥락에서 냉동 공기 팬 유닛의 전기 에너지 소비를 최소화하면서 가마 및 서스펜션 프리히터에 필요한 열 회수를 보장해야 합니다 (그림 1 참조).

 

전체 공정 제어는 예를 들어 맞춤형 공장 운영(예: 사이클론 청소) 및 장치의 고장과 같은 예상치 못한 사건을 포함하여 모든 공정 조건에서 보장되어야 합니다.

 

▼ 프로젝트 정의 

제안된 APC 시스템 설치 전에 클링커 회전용 가마 및 그레이트 쿨러의 제어는 공장 운영자에 의해 수동으로 또는 표준 제어 로직을 통해 관리되었습니다. 공장 운영자들은 ID 팬 속도, 원료 유량, 사전연소기 석탄, 고체 이차 연료, 가마 속도 및 가마 석탄의 설정값을 수동으로 조절했으며, 수동 제어 외에도 표준 제어 로직은 그레이트 속도와 냉동 공기 팬 유닛 유량에 개입할 수 있었습니다.

 

정확한 공장 조사 및 정확한 데이터 분석 (2.2절 참조) 덕분에 고려된 프로세스에서 일부 제어 및 최적화 여유가 감지되었습니다. 가마와 쿨러 프로세스에 영향을 미치는 큰 관성, 순환 특성, 비선형성, 비정상적인 행동 및 강한 결합 특성은 MPC(Model Predictive Control)를 제어 및 최적화 기술로 활용하는 APC 프로젝트 제안의 동기가 되었습니다.

 

Figure 2는 주요 프로젝트 단계를 보고하고 있습니다. 2) 프로세스 모델링 단계 (2.4절 참조)는 초기 공장 조사 및 데이터 분석 단계 이후에 이루어졌으며, 그 다음으로 3) APC 시스템 설계 (2.5절 참조) 및 4) 적용 단계가 진행되었습니다. 마지막으로, 5) KPI 평가 (2.3절 참조) 및 프로젝트 유지 보수 단계가 프로젝트 단계의 완결을 나타냈습니다. 각 프로젝트 단계에서 얻어야 하는 입력 및 출력을 정확하게 정의하는 것은 중요한 단계였습니다.

 

▼ 두 APC 시스템 및 그 사이 협력 정책과 각 시스템의 조작/제어/간섭 변수 정의 

고려된 프로세스의 특성을 고려하여 두 개의 APC 시스템이 설계되었고, 그들 사이의 협력 정책이 수립되었습니다 (2.5절 참조). 첫 번째 APC 시스템은 회전용 가마 제어를 담당하며, 두 번째 APC 시스템은 그레이트 쿨러 제어를 담당합니다.

 

각 APC 시스템의 조작 변수(MVs), 제어 변수(CVs), 및 측정 된 간섭 변수(DVs) 목록은 표 1-6에 나와 있습니다. 그림 1에서 변수들의 위치가 도식적으로 표시되어 있습니다.

 

2.2 Plant Survey and Data Selection, Acquisition and Storage 

공장 조사는 APC 프로젝트에 필수적인 단계였습니다. 공장 조사를 통해 공장 운영자, 기술자 및 엔지니어와 함께 맞춤형 인터뷰가 수행되었습니다.

 

▼ 데이터 수집 및 저장을 위한 HW/SW 아키텍처 

획득 및 저장할 프로세스 변수의 선택(이전 섹션에 보고된 내용)과 실시간으로 활용할 하드웨어 및 소프트웨어 아키텍처를 정의하는 것은 특별한 노력이 필요한 핵심 단계였습니다. 또한, 에너지 소비 측정을 담당하는 변수와 함께 생석회 분석도 선택되었습니다.

 

Figure 3는 선택한 데이터를 획득하고 저장하기 위해 설계된 아키텍처를 보여줍니다. 공장에 PC 서버가 설치되었으며, 공장 네트워크 인프라에 연결되었습니다 (PC 서버 (SCADA 및 데이터베이스)). 감시 제어 및 데이터 획득 (SCADA) 시스템이 설치되었으며, PC 서버에 데이터베이스가 생성되었습니다. PC 서버는 SCADA 시스템, 공장에 이미 존재하는 데이터베이스 (공장 SCADA 및 데이터베이스) 및 공장 프로그램 가능 논리 컨트롤러 (PLC)에서 데이터를 획득했습니다.

특히, 생석회 분석 결과는 공장 운영자에 의해 공장 SCADA 시스템에 입력되고 공장 데이터베이스에 저장되었습니다.

 

2.3. Data Analysis 

공장 설문조사와 데이터 선택, 수집, 저장 이후에 데이터 분석 과정이 디자인되었다. 

데이터 분석 단계는 다음 네 단계로 주로 나뉘어진다. 

• 공정 변수와 set point 들 분석 및 처리 
• 현장 조업 방식(local control loops) 성능 평가 
• 발견, 보고 및 분석 particular process condition 에 대한 
• KPI 정의 

1) 공정 변수와 set point 들의 분석 및 처리 단계는 센서와 분석기를 통해 측정된 공정 변수, 생석회 연구실 분석, 현장 조업자(local controllers) 들로 부터 작업된 setpoint 들을 포함한다. 

첫번째, 측정/수집 오차/오작동(malfunctions)은 투자되었다. PLC 와 함께. 

적절한 데이터 전처리 기술은 이상 데이터를 탐지하고 삭제/대체하기 위해 적용되었다. 

적절한 지수(exponential) 의 필터는 선택된 측량값들의 강건성을 향상시키기 위해 사용되었다(?) 

적용된 필터는 아래와 같다. (수식) 

 

2) 현장 조업 방식 성능 평가 단계는 현장 조업자들의 MV와 DV에 대한 성능 평가로 구성되어있다. 

실험은 적절한 단계로 이루어져있다. 각 sepoints 를 이동하면서 rise time, 오버슈팅과 정착 시간(settling time) 을 평가한다. 

그리고 set point 들과 공정 변수들 간의 서로 다른 조건은 조사되었다. 

 

데이터 분석을 통해 3) 알려진 특정 조건들을 실험했다. 

하나는 사이클론 청소, 이것은 기본적인 과정이다. suspension 예열실에 주기적으로 수행되는. 

이상 탐지 로직은 자동으로 탐지하도록 개발되었다. 

센서의 비신뢰성은 자동적으로 탐지될 수 있다. 나쁜 탐지 로직에 의해. 

그리고 공장 조업자들과 SCADA 인터페이스는 알려진 공장 조업 컨디션을 특정했다. 

 

이미 언급된 데이터 분석 과정은 실시간 APC 시스템을 적용하기 위해 커스터마이징되었다. 

전체 데이터 분석의 신뢰성을 판단할 수 있는 결과는 킬른과 쿨러로부터 확인했다. 

확인한 결과는 적절하게 그룹핑되었다. 치명적인 조건들을 얻기 위해. 예를 들어 산소 측정의 불가능과 같은. 

이 flag 는 APC 시스템에 의해 악용되었다. 

알려진 확인들을 기반으로 하여 제어 행렬의 동적인 적용이 수행되었다. 적절한 상태 값과 행렬 분해를 통해. 

이러한 방법으로 

 

 

2.4. Modelization and Model Mismatch Compensation 

고려된 프로세스에 대한 MPC(Mode Predictive Control) 솔루션을 설계하기 위해 모델화는 중요한 요구사항입니다. 왜냐하면 MPC 기술은 얻은 프로세스 모델에 엄격하게 의존하기 때문입니다[44]. 회전 가마와 그레이트 쿨러 모두에 대해 경험적 데이터 기반 모델[45]과 일차원의 기본 원리 방정식[1]을 기반으로 하는 선형 모델화 접근 방식이 채택되었습니다.

 

2.5. APC's Design

공정 조사, 데이터 분석 및 모델링 단계 후 APC 디자인 단계가 실행되었고, 정의된 제어 규칙을 적용하기 위해 MPC 모델이 제어 전략으로 선택되었다. 

앞서 언급된 바와 같이 두 가지 APC 모델이 서로 상호 작용하도록 디자인되었다. 

 

SCADA 와 서버 컴퓨터의 데이터베이스는 다른 모듈들(킬른 APC 시스템, 쿨러 APC 시스템, 감독 APC 시스템)에게 데이터와 파라미터를 제공한다. 

APC의 superviosr 모듈은 킬른과 쿨러 APC 시스템 사이에 상호작용하도록 디자인되었다. 

이 모듈은 냉각기 APC 시스템의 샘플링 시간(30초)과 함께 실행되며 두 가지 작업을 수행합니다.

1) Definition of a supervised APC status value for the both the kiln and cooler APC system 

킬른 및 냉각기 APC(Advanced Process Control) 시스템에 대한 감독 APC 상태 값을 정의합니다.
이것은 두 가지 APC 시스템에 대한 모니터링 및 평가를 나타내며, 이 값은 아마도 이러한 시스템이 현재 운영 상태에서 얼마나 잘 수행되고 있는지를 나타내는 지표입니다. 이 감독 APC 상태 값은 다른 정보 및 매트릭스와 결합하여 APC 시스템의 활성화 또는 비활성화 상태를 결정하고, 이러한 상태를 지속적으로 모니터링하고 조정하는 데 사용될 것입니다.

2) Definition of the meal flow rate data to be used in the cooler APC system 

냉각기 APC(Advanced Process Control) 시스템에서 사용될 생지 유속 데이터의 정의:
이것은 냉각기 APC 시스템에서 사용되는 프로세스 변수 중 하나인 "meal flow rate"의 데이터를 나타냅니다. 생지 유속 데이터는 냉각기 시스템에서의 중요한 측정값이며, 이 데이터는 냉각기의 작동과 성능을 제어하고 최적화하는 데 사용됩니다. 냉각기 APC 시스템은 생지 유속 데이터를 분석하고 이를 기반으로 프로세스를 제어하며, 공장 작업을 최적화하기 위해 이 데이터를 사용합니다.

 

1) 에 대한 설명: 킬른/냉각기 APC 시스템의 감독 APC 상태 값은 APCs 상태 값 (아래 참조)과 임계성 매트릭스(criticality matrix)를 고려하여 계산됩니다. 이 매트릭스는 다른 APC 시스템이 비활성화된 상태에서 APC 시스템이 활성화될 수 있는지 여부를 정의합니다.

2) 에 대한 설명: 또한 APCs 슈퍼바이저 모듈은 냉각기 APC 시스템에서 사용할 원료 유속 데이터를 정의합니다. 원료 유속은 냉각기 APC 시스템의 측정된 DV(독립 변수)입니다 (Table 5 참조), 반면에 킬른 APC 시스템의 경우 MV(조작 변수)입니다 (Table 1 참조).
--> 매 제어 인스턴트(매 분마다)에서, 만약 킬른 APC 시스템이 활성화되면 정의된 킬른 제어 horizon(Hu)에 따라 원료 유속 값을 계산합니다.

--> 이러한 데이터는 냉각기 APC 시스템에 원료 유속 데이터를 제공하기 위해 APCs 슈퍼바이저 모듈에 의해 가공됩니다.

--> 개발된 협력 정책을 통해 냉각기의 클링커 베드가 킬른의 원료 배출 유속의 변화에 대응하여 조정됩니다.

이렇게 함으로써 킬른 제어와 냉각기 제어 사이의 조화를 달성합니다.

 

APC 시스템의 Figure 4 모듈에 대한 추가 세부 정보는 Figure 5에 보고되었습니다. 

Figure 4의 설명에 이미 언급된 개념들이 해당됩니다. 

SCADA 및 데이터베이스 모듈 (이 모듈에 대한 자세한 내용은 섹션 2.2도 참조하십시오)은 1) 각 제어 인스턴트 k마다 모든 다른 모듈에 공장 데이터와 매개 변수를 제공합니다. 

또한 SCADA 및 데이터베이스 모듈은 2) APCs 슈퍼바이저 모듈에 초기 APC 상태 플래그를 제공합니다 (Figure 5, APCs 상태 참조). 

이 플래그는 고려된 APC 시스템이 공장을 운영할 수 있는지 여부를 정의합니다. 

예를 들어, SCADA와 PLC 간의 통신에서 워치독 통신 오류가 감지되면 APC 시스템 운영이 비활성화됩니다.

 

SCADA 및 데이터베이스 모듈에서 제공하는 APC 상태 플래그는 APCs 슈퍼바이저 모듈에 의해 처리되어 각 APC 시스템에서 사용되는 최종 감독 APC 상태 플래그를 계산하기 위해 사용됩니다 (Figure 4 및 Figure 5 참조). 

이 플래그는 섹션 2.3에서 설명한 데이터 분석 신뢰성 플래그와 결합되어 SCADA 및 데이터베이스 모듈로 반환되는 APC 상태 플래그의 계산에 기여합니다. 

이 작업은 Bad Detection, Data Conditioning, Decoupling Selector 및 Model Selector 모듈(이 모듈은 Figure 5에서 확인할 수 있음)에 의해 수행되며, 스마트 알람과 함께 반환됩니다.

또한, 이 모듈은 나쁜 감지 결과(섹션 2.3 참조)와 최종 APC 상태 값을 사용하여 SCADA 및 데이터베이스 모듈에서 제공하는 프로세스 변수 상태 값과 함께 각 프로세스 변수의 최종 상태 값을 계산합니다 (Figure 5의 왼쪽 아래에 있는 변수 상태 용어 참조). 이 값은 현재 제어 인스턴트에서 고려된 프로세스 변수가 MPC(모델 예측 제어) 문제에 어떻게 포함될지 여부를 결정합니다.

 

Bad Detection, Data Conditioning, Decoupling Selector, and Model Selector 모듈은 SCADA 및 데이터베이스 모듈과 함께 작동하여 MPC(모델 예측 제어) 모듈에 모델, 데이터 및 매개 변수를 제공합니다. 이 모듈은 후행(receding) horizon 적용 전략을 활용하여 (아래 참조), 공장에 적용할 MVs(조작 변수) 값을 계산합니다 (Figure 5, u(k)).

 

 

2.5.1. MPC Module

각 APC(Advanced Process Control 자동 공정 제어) 시스템의 MPC(Model Predict Control모델 예측 제어) 모듈(Figure 5 참조)은 세 개의 블록으로 구성됩니다: 예측 계산기(Predictions Calculator), 목표 최적화 및 제약 조절 (TOCS, Targets Optimizing and Constarints Softening), 그리고 동적 최적화자 (DO, Dynamic Optimizer).

1) 예측 계산기 블록은 현재 선형 프로세스 모델을 기반으로하며 예측 horizon (Hp) 범위 내에서 CVs(제어 변수)의 자유 응답 [53]을 계산합니다. 즉, MVs(조작 변수)에 대한 미래 조작이 수행되지 않을 때 CVs의 예측값을 나타냅니다. MVs의 미래 제어 조작은 ∆uˆ(k + i|k) 용어로 표시되며 (i = 0, . . . , Hu − 1), 각 제어 인스턴트 k에서 MPC 모듈에 의해 계산된 첫 번째 조작만이 공장에 보내질 MVs 값 계산에 사용됩니다.
MPC 모듈의 다른 두 블록은 두 단계의 최적화 전략을 구현합니다. 2) TOCS 모듈은 상위 계층을 나타내고, 3) DO 모듈은 하위 계층을 형성합니다. MVs 시퀀스는 DO 모듈에 의해 QP(Quadratic Programming) 문제를 통해 계산되며, TOCS 모듈은 DO 모듈을 위한 실행 가능하고 일관된 제약 조건 및 목표 평형 구성을 계산합니다. 이것은 LP(Linear Programming) 또는 QP 문제를 기반으로하며, DO 모듈을 위한 설정값을 생성합니다. 이렇게 하여 MPC 모듈은 MVs를 조작하고 시스템을 제어하기 위해 복잡한 최적화 전략을 구현합니다.

 

* QP(Quadratic Programming): 목적함수(objective function)가 이차식(convex quadratic)이고, 제약함수(constraint functions)가 모두 affine인 convex optimization problem이다.

 

 

 

2.5.2. Kiln APC System Details

킬른 APC(자동 공정 제어) 시스템에 대해서는 이전 섹션에서 제시된 모듈의 적절한 맞춤화가 진행되었습니다. 앞서 언급한 대로 킬른 APC 시스템의 샘플링 주기는 60초(1분)로 선택되었습니다. 더불어 * prediction horizon(예측하고 싶은 미래 출력 수)는 150개의 예측 인스턴트(150분)로 설정되어, 두 개의 얻은 프로세스 모델을 기반으로 모든 CVs(제어 변수)의 중요한 동작 부분을 포착하기 위해 구성되었습니다 (Figure 5 및 섹션 2.3 참조); * control horizon(예측하고 싶은 미래 제어 입력 수)는 20개의  제어 조작(control moves) [55]과 동일하게 설정되었습니다.

섹션 2.3에서 논의한 대로, 개발된 실시간 데이터 분석 절차를 통해 예상치 못한 사건이나 특별한 공장 작업 (예: 사이클론 청소와 같은)의 존재를 감지할 수 있습니다. 이렇게 함으로써 실제로 일부 변수의 측정치가 없어지는 상황(결측치 missing values)을 감지할 수 있습니다. 또한, 운영자는 수동으로 사이클론 청소 작업의 시작과 종료를 통보할 수 있습니다 (Figure 6의 오른쪽 버튼 참조). 이러한 상황에서 APC 시스템의 적용 가능성을 보장하기 위해 특수한 공장 작업 (예: 사이클론 청소) 및 예상치 못한 사건 (예: 장치의 고장)을 위한 redundancy of process variables 이 개발되고 SCADA 시스템을 통해 구현되었습니다. Redundant CVs는 APC 시스템에서 고려되었으며, Table 7에 나와 있는 것처럼 적절히 그룹화되었습니다. 동일 그룹의 하나 이상의 CVs는 각 제어 인스턴트에서 활성화 될 수 있지만, 자동 중복성(automatic redundancy) 방법은 가능한 경우 각 그룹의 적어도 하나의 CV가 제어 문제에 포함되도록 규칙을 정의하려고 합니다 (프로세스 변수 상태 값을 통해 참조 Figure 5). 각 제어 인스턴트에서 활용될 제어 행렬을 올바르게 정의하고 킬른 APC 시스템이 활성 상태로 유지될 수 있는지를 결정하기 위해 적절한 중요성 매트릭스 (criticality matrix) 가 정의되었습니다. 제어 문제에 의해 프로세스 변수가 임시로 제거되는 정보는 이전 섹션에서 정의된 상태 값에 포함되어 있습니다 (Figure 5 참조). 킬린 프로세스 변수와 관련된 상태 값은 Figure 6에 나타난 것처럼 킬린 APC 시스템의 설계된 그래픽 사용자 인터페이스(GUI) 예제에서 관찰할 수 있습니다.

 

데이터 분석 결과에서 얻은 규칙의 예를 들어보겠습니다. 이 규칙은 산소 (Table 7의 그룹 1)와 질소 산화물 (Table 7의 그룹 2)과 관련된 것입니다.

1. **산소 그룹 (Oxygen Group):** 사이클론 산소 (cyclone oxygen)는 제어해야 할 주요 산소 농도이지만, 그 분석기가 막혀 프로세스 변수 값이 왜곡될 수 있습니다. 이런 상황에서는 사이클론 산소를 더 이상 제어하지 않고 다른 산소 (예: 팬 산소)의 농도를 대신 제어합니다. 즉, 실제로 제어되는 산소 농도가 변경되어 프로세스 안정성을 유지합니다.

2. **질소 산화물 그룹 (Nitrogen Oxides Group):** 킬린 질소 산화물은 주요 NOx 변수를 나타내는데, 이 변수는 사이클론 청소 중에는 사이클론 암모니아 유속으로 대체되어야 합니다. 또한, 정상 생산 중에 킬린 질소 산화물 분석기의 고장이 발생하면 팬 질소 산화물을 대신 제어합니다. 이런 방식으로 질소 산화물 농도를 제어함으로써, 예기치 못한 사건이나 장애 상황에 대응할 수 있습니다.

이러한 규칙은 제어 시스템을 조정하고 프로세스 변수를 적절하게 관리하기 위해 데이터 분석을 기반으로 정의되며, 특정 조건 하에서 어떤 변수를 제어해야 하는지를 결정합니다. 이렇게 하면 프로세스의 안전성과 성능을 최적화할 수 있습니다.

 

2.1.2 섹션에서 설명한 사양을 준수하기 위해 일부 CVs(제어 변수)를 제어하는 데 일부 MVs(조작 변수)를 사용하지 않아야하는 경우, SCADA 및 데이터베이스 모듈 [10]에서 초기 해결 행렬(Decoupling Matrix)이 제공됩니다. 이 행렬은 Table 8에 나와 있습니다.

해결 행렬의 일반적인 (i, j) 요소는 Table 3의 ith CV와 Table 1의 jth MV 간의 관계를 나타냅니다. 특히, 제로 요소는 언급된 사양에 따라 억제해야 하는 관계를 나타냅니다. 예를 들어, Table 3의 세 번째 CV인 킬른 질소 산화물의 경우, ID 팬 속도가 어떠한 제어 조작도 수행해서는 안 됩니다. 이 사양은 Table 8에 보고된 초기 해결 행렬의 (3,4) 위치에 있는 제로 요소로 나타납니다.

SCADA 및 데이터베이스 모듈에서 제공한 초기 해결 행렬은 이어서 Bad Detection, Data Conditioning, Decoupling Selector 및 Model Selector 모듈 (Figure 5 참조)에서 처리됩니다. 마침내 이 모듈에 의해 해결 행렬은 프로세스 변수(MV, CV)의 제어 문제에 의한 일시적인 제거 정보를 추가하여 수정됩니다. 이렇게 함으로써 제어 행렬을 동적으로 조정할 수 있게 됩니다. 최종 decoupling 행렬은 TOCS 및 DO 블록 식 [10,41]에 적절하게 도입됩니다.

2.4 섹션(Modelization and Model Mismatch Compensation)에서 언급한대로, 킬른 filling 정도를 제어하기 위해 가상 변수 z가 도입되었습니다. Equation (3)에 표시된 것처럼, 얻은 Equation (3)은 킬른 APC 시스템에서만 적절하게 도입된 선형 등식 제약 조건을 나타냅니다. 이 제약 조건은 킬른 APC 시스템의 Equation (5d) 및 (7d)에만  도입되었습니다.

킬른 APC(자동 공정 제어) 시스템의 TOCS(Targets Optimizing and Constarints Softening 목표 최적화 및 제약사항 완화) 모듈은 LP(선형 프로그래밍) 수식을 특징으로 하며, 이는 Equation (6)에 보고된 이차항이 이 컨트롤러에는 없음을 의미합니다. 나머지 항목들은 프로세스 제약 조건을 준수하면서 킬른의 연료/석탄 소비를 최소화하기 위한 방향을 찾을 수 있도록 합니다.

1) 이를 위해 meal flow rate와 관련된 벡터 cu의 요소는 음수(-)로 설정되어 MV를 가능한 경우 최대화(up)하고,

2) 석탄과 관련된 요소는 양수(+)로 설정되어 MV를 가능한 경우 최소화(down)합니다.

3) 다른 요소들은 모두 제로(=0)로 설정되었습니다.

이것은 TOCS 모듈이 킬른의 연료 및 석탄 소비를 최적화하면서 프로세스 제약을 준수하는 방향을 결정하는 방법을 설명합니다.

킬린 APC 시스템의 DO 모듈 내에서, 제어 조작의 크기를 최소화하고 정의된 MVs 목표에 대한 추적 오차를 최소화하는 사이의 균형을 유지하기 위해 이차 비용 함수(식 (4) 참조)에서 양의 정부호 행렬 R(i)와 S(i)를 적절하게 조정하여 보장되었습니다. 그러나 이 목표는 양의 정부호 행렬 ρ (식 (4) 참조)를 적절하게 조정함으로써 연약한 제약 조건의 만족 (식 (5c,d) 참조)에 비해 우선순위가 낮게 설정되었습니다. 
즉, 제어 조작 크기와 MVs 목표 추적 오차를 최소화하는 것은 중요하지만, 소프트 제약 조건을 먼저 만족시키는 것이 더 중요하게 고려되었습니다. 이것은 프로세스 안정성과 안정된 운영을 보장하기 위해 제어 시스템이 제약 조건을 우선적으로 고려하도록 하는 것입니다.

 

DO 모듈에서는 최적화 문제의 해결을 위해 CVs 제약 조건 완화를 위한 그루핑 정책이 수립되었습니다. 이것은 최적화 문제의 계산 노력을 제한하기 위한 것입니다. 동일한 그룹에 속하는 모든 CVs (Table 7 참조)는 DO 수식에서 동일한 여유 변수(slack variable)를 공유합니다. 예를 들어, 사이클론 산소와 팬 산소는 동일한 여유 변수를 공유합니다.
또한, 모든 운영 조건에서 최적의 튜닝을 보장하기 위해 Table 7의 다른 그룹 간에 두 가지 우선 순위 순위가 설계되었습니다 (Table 9 참조). Table 9의 두 우선 순위 순위 중 하나의 차이점은 질소 산화물 (Table 7의 그룹 2)에 할당된 순위입니다. 이 변수는 모든 프로세스 상황에서 핵심 변수로 간주되지 않으므로, 그 우선순위는 공장 운영에 따라 온라인으로 변경될 수 있을 수 있습니다. 우선순위 순위 선택기는 Figure 6에서 확인할 수 있습니다.

 

 

 

 

2.5.3. Cooler APC System Details 

 

2.6. Software

 

https://www.mdpi.com/1424-8220/23/5/2805

Advanced Process Control for Clinker Rotary Kiln and Grate Cooler