+

WO2003034819A2 - CAPTEUR LOGICIEL NOx - Google Patents

CAPTEUR LOGICIEL NOx Download PDF

Info

Publication number
WO2003034819A2
WO2003034819A2 PCT/FR2002/003393 FR0203393W WO03034819A2 WO 2003034819 A2 WO2003034819 A2 WO 2003034819A2 FR 0203393 W FR0203393 W FR 0203393W WO 03034819 A2 WO03034819 A2 WO 03034819A2
Authority
WO
WIPO (PCT)
Prior art keywords
data
combustion
neural network
fumes
oven
Prior art date
Application number
PCT/FR2002/003393
Other languages
English (en)
Other versions
WO2003034819A8 (fr
WO2003034819A3 (fr
Inventor
Fouad Ammouri
Thierry Barbe
Original Assignee
L'air Liquide Societe Anonyme A Directoire Et Conseil De Surveillance Pour L'etude Et L'exloitation Des Procedes Georges Claude
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 L'air Liquide Societe Anonyme A Directoire Et Conseil De Surveillance Pour L'etude Et L'exloitation Des Procedes Georges Claude filed Critical L'air Liquide Societe Anonyme A Directoire Et Conseil De Surveillance Pour L'etude Et L'exloitation Des Procedes Georges Claude
Priority to AU2002356209A priority Critical patent/AU2002356209A1/en
Priority to US10/493,642 priority patent/US7266460B2/en
Priority to EP02801930A priority patent/EP1444510A2/fr
Priority to JP2003537398A priority patent/JP2005506540A/ja
Publication of WO2003034819A2 publication Critical patent/WO2003034819A2/fr
Publication of WO2003034819A3 publication Critical patent/WO2003034819A3/fr
Publication of WO2003034819A8 publication Critical patent/WO2003034819A8/fr

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0032—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array using two or more different physical functioning modes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0037—NOx
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Definitions

  • NOx software sensor at the outlet of the furnace chimneys using oxygen-enriched air or pure oxygen as oxidant.
  • the invention relates to the field of measuring NOx type gas emissions, in particular in industrial processes.
  • Known measurement methods can be grouped into two categories: on the one hand, in situ measurements, by an appropriate NOx physical sensor, and, on the other hand, measurements or estimations by software sensor.
  • the fumes leaving the oven are often at high temperatures (between 1400 ° C. and 1600 ° C.) and are charged with dust. All these conditions therefore affect the functioning of the physical NOx sensors that can be installed at the outlet of an oven.
  • the invention relates to a method for measuring the NOx content in the fumes produced by combustion in an oven, characterized in that:
  • the measurement does not require any physical NOx sensor, the only measurements carried out being those for the input data of the neural network, or else those from which these input data are calculated.
  • Such a sensor using a neural network does not require recalibration or maintenance.
  • the estimation of NOx is immediate compared to the measurement of a physical NOx sensor, and the implementation of the method according to the invention is less costly than that of a physical sensor.
  • a pressure measurement a temperature measurement and one or two concentration data (carbon dioxide (CO2) and / or the oxygen concentration (02), in the fumes) to obtain information on the quantity or concentration of nitrogen in the fumes.
  • CO2 carbon dioxide
  • 02 oxygen concentration
  • the fuel can be natural gas or else fuel oil or a mixture of natural gas and fuel oil.
  • the oxidizer can be oxygen or oxygen-enriched air as the oxidant.
  • At least two pressure data in the furnace are measured during the combustion process, these pressure data are processed to calculate the average, and this average pressure data is introduced as input data from the neural network.
  • the measured data have a degree of correlation, with data or concentration or NOx content, greater than a predetermined degree.
  • Data processing to provide data representative of the NOx content can be carried out continuously, that is to say with a temporal periodicity of the order of a few seconds.
  • the invention also relates to a device for measuring the NOx content in the fumes produced by combustion in an oven, characterized in that it comprises:
  • - sensors to measure at least one pressure data in the oven, at least one temperature data in the oven and / or in the fumes resulting from combustion, and at least one data representative of the concentration of nitrogen in the fumes , means for, or programmed to: have said data processed by a neural network, or to process at least part of this data to form input data for a neural network and to process said data processed by a neural network,
  • the invention also relates to a combustion system comprising a burner, an oven, means for discharging combustion products, and a measuring device as above.
  • the furnace is for example a glass furnace, or a rotary furnace for secondary melting of cast iron, or an incineration furnace.
  • the invention also relates to a computer program comprising instructions for processing, according to a neural network, at least one piece of pressure data from an oven, at least one piece of temperature data in the same oven and / or in fumes resulting from combustion occurring in said furnace, and at least one datum representative of the nitrogen concentration in the fumes, and to calculate, according to this neural network, at least one output datum representative of the concentration or the NOx content in the fumes resulting from combustion.
  • the invention also relates to a computer program comprising instructions for:
  • FIG. 1 represents a network of neurons
  • FIG. 2 represents a schematic diagram of the creation of a network of meurones
  • FIG. 3 represents an oven structure
  • FIG. 4 represents the neural network of a sensor according to the invention
  • - Figures 5 and 6 represent data acquisition and processing means that can be used in the context of the present invention
  • - Figure 7 shows comparative results obtained using two sensors, one of which according to the invention.
  • DETAILED DESCRD? TION OF EMBODIMENTS OF THE INVENTION The invention uses a neural network in order to measure or estimate the quantities of nitrogen oxides produced by combustion.
  • a neural network 32 is shown diagrammatically in FIG. 1.
  • the references 20, 22, 24, 26 designate various network layers, including an input layer 20, an output layer 26 and various hidden layers 22, 24.
  • the network can also have only one, or more than two.
  • the output layer 26 supplies the amount of NOx to the user.
  • Each layer k has a certain number of synapses ik (NI for layer 20, N2 for layer 22, N3 for layer 24, and 2 for output layer 26)
  • the input data (processed data) are introduced into the synapses of the input layer.
  • Each synapse of the neural network corresponds to a nonlinear activation function F, such as a hyperbolic tangent function or a sigmoid function, as well as an activation threshold.
  • a nonlinear activation function F such as a hyperbolic tangent function or a sigmoid function
  • each synapse i of each layer is linked to the synapses j of the next layer, and a weight Pij weights each link between a synapse i and a synapse j. This weight weighs the influence of the result of each synapse i in the calculation of the result provided by each synapse j to which it is linked.
  • the output Sj of a synapse j is equal to the value of the activation function Fj applied to the weighted sum, by the weights Pij of the synapses, of the results Ai of the activation functions of the synapses i which are connected to it.
  • Fj the activation function
  • the network 32 shown in FIG. 1 is an open network. In a looped network, one of the output data is reused as input data.
  • Non-redundancy means that the correlations between the selected inputs are weak.
  • Completeness means that all the information necessary to produce a neural network is present in the data set.
  • Data processing for the creation of a neural network involves the acquisition of raw or physical data on the process. This acquisition preferably covers the entire range over which it is desired that the system can predict. Also, and in accordance with the diagram of FIG. 2, raw data are first of all measured (step 29). These data are then introduced into software 30 for creating neural networks.
  • the final choice of the best network actually depends on the objectives set. We are in fact seeking to obtain the smallest relative difference, or a predetermined relative difference, between the measurements (of NOx, these measurements being carried out using NOx sensors) and the network predictions. Various data processing tools can also be used.
  • a set of relevant, non-redundant data ensuring the completeness of the system is as follows: - at least one pressure measured in the oven,
  • NOx measurements can be obtained with a NOx hardware sensor, for a certain period of time and with operator monitoring.
  • This raw data is applied to the input layer 20 of the neural network 32, the assembly constituting a set of data sufficient to produce a neural network whose continuous use is possible.
  • an average temperature in the oven instead of or in addition to the temperature in the flue gases. This average temperature then results from several temperature data obtained by several sensors arranged in the oven.
  • the network itself can be obtained by implementing neural network production software, such as the NeuroOne software, from the company NETRAL.
  • the user or the designer of the network indicates to this algorithm or to the software used the following data:
  • the software or algorithm determines the synapses of the neural network and the corresponding weights. More specifically, software in source code or in executable code is produced, which allows the user to obtain NOx concentration data as a function of physical data or of raw data measured directly on the process. If this raw data measurement is carried out continuously or almost continuously (i.e.
  • the senor thus produced can supply, continuously or almost continuously (with the same period or frequency), a measurement or a signal representative of a measurement of the NOx content produced.
  • a neural network is chosen:
  • the calculation times for a network with two or more hidden layers being too long in the case of a desired period of use of around a few seconds, for example 1 to 5 or 15 seconds,
  • This furnace uses pure oxygen as an oxidizer, natural gas as fuel, and is equipped with a 1 MW burner.
  • FIG. 3 Its structure is given schematically in FIG. 3, in which the reference 40 designates the burner itself, supplied by conduits 42 and 44 respectively with fuel and oxidizer, and the reference 46 the furnace in which combustion takes place.
  • a chimney 48 is disposed at the outlet of the oven 46, the opening of a register 50 making it possible to adjust the pressure in the oven.
  • a water circuit system (not shown in the figure) makes it possible to transfer energy to a load.
  • Thermocouples placed against the wall of the oven, on the outside, make it possible to measure the outside temperature of the oven.
  • Temperature sensors are arranged in the vault, inside the oven 46. For example, 11 sensors (only two of which are shown) are arranged along the vault, from the inlet of the oven to its exit. Thus, a sensor 54 makes it possible to measure the temperature in the vault, close to the root of the flame 52, while a sensor 56 makes it possible to measure the temperature in the vault, close to the outlet of the oven 46.
  • Two pressure sensors 55, 57 are also arranged in the oven.
  • a temperature sensor 58 can also be placed in the chimney 48, in order to measure the temperature of the fumes.
  • sensors 60, 62 make it possible to measure concentrations of CO2 and oxygen (preferably dry).
  • a neural network for such an oven can be produced using the NeuroOne software from the company NETRAL.
  • the network is therefore provided in the form of an executable code.
  • the physical data measured or the raw data used are: the 2 oven pressures (measured using sensors 55 and 57), the percentages of CO2 and oxygen in the flue gases (measured using sensor 62) , the vault temperatures measured longitudinally in the furnace, the percentage of nitrogen in the fuel, the purity of the oxygen used, the flow of oxygen introduced through the duct 44, the temperature of the fumes (measured with the sensor 58) , and the fuel flow rate introduced through line 42.
  • Data processing makes it possible to:
  • each of the data is preferably considered as an average over a certain time interval, for example as a moving average over an interval of 3 minutes, with an acquisition period which may be 15 s.
  • a bias is also generated by the software for producing the neural network.
  • the output of the network is preferably thresholded, that is to say that the NOx concentrations below a certain threshold or a certain predetermined limit value, for example 200 ppm, are not taken into account. Indeed, a value of NOx lower than such a threshold can correspond to a deficiency of one of the sensors and therefore does not present any interest in modeling.
  • the structure of the network obtained is shown diagrammatically in FIG. 4.
  • the network only has one hidden layer 22. It further comprises the input 20 and output 26 layers, the reference 21 designating the input bias.
  • the data are averaged over time, as indicated by the symbol ⁇ ...>.
  • the index f relates to the data measured in the oven. Those for which an average is made between several sensors are surmounted by a bar.
  • FIGS. 5 and 6 A system for processing the measurements made is shown in FIGS. 5 and 6.
  • Such a system includes a PC microcomputer 70 to which the data measured by the sensors 54 - 62 are transmitted via a link 61.
  • the microcomputer 70 comprises (FIG. 6) a microprocessor 82, a set of RAM memories 80 (for the storage of data), a ROM memory 84 (for the storage of program instructions).
  • a data acquisition card 89 transforms the analog data supplied by the sensors into digital data and puts this data in the format required by the microcomputer. These various elements are connected to a bus 88.
  • Peripheral devices allow interactive dialogue with a user.
  • the display means (screen) 74 make it possible to provide a user with a visual indication relating to the calculated NOx content.
  • a link 63 makes it possible to control the modification of certain operating parameters of a combustion process.
  • the data or the instructions are loaded to implement a processing of the raw or physical data according to the invention, and in particular to carry out the preliminary processing of the raw or directly measured data (see FIG. 2), and to calculate the NOx content using a neural network 32.
  • These data or instructions for processing the raw or physical data can be transferred into a memory area of the microcomputer 70 from a floppy disk or any other medium that can be read by a microcomputer or a computer (for example: hard disk, ROM read-only memory, dynamic RAM memory or any other type of RAM memory, compact optical disk, magnetic or optical storage element).
  • Curve I represents the results obtained by modeling and curve II those obtained by measurement with NOx sensors placed directly in the stack 48 and constantly monitored. As we can see, the modeling makes it possible to get as close as possible to the NOx content, since we obtain a standard deviation on the relative error of less than 2% between the calculated concentrations and those measured by a physical sensor . In other words, 95.45% of the NOx predicted by the software sensor is within ⁇ 4% of the measured value.
  • Table I are collected the standard deviations of the errors on the NOx concentrations obtained on the training and validation data.
  • the software sensor according to the invention is adaptable to all types of ovens using air enriched with oxygen as oxidant or pure oxygen.
  • the invention is independent of the control system and adapts to all computer languages, which allows it to be integrated into any control system for existing industrial combustion processes.
  • a NOx measurement carried out in accordance with the invention can be used in monitoring mode, for example to trigger an alarm as soon as the NOx content exceeds a certain threshold.
  • all the input parameters are fixed, except one and the non-fixed parameter is regulated so as to maintain the NOx content at a constant value or between two values defining a range of variation.
  • the regulation is carried out for example using the link 63 (see FIG. 5) which transmits the regulation order to the process.
  • the fields of use of the invention are numerous.
  • the invention applies in particular to glass furnaces, rotary furnaces for secondary melting of cast iron, incineration furnaces, chemical reactors requiring the presence of a flame and whose oxidant is air enriched with oxygen.
  • a static model is therefore implemented to calculate the NOx emissions in various industrial processes, and in particular in the fumes leaving the furnaces using, as oxidizer, air enriched in oxygen or oxygen. .

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Combustion & Propulsion (AREA)
  • General Physics & Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Regulation And Control Of Combustion (AREA)
  • Measuring Oxygen Concentration In Cells (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

L'invention concerne un procédé de mesure de la teneur en NOx dans les fumées produites par une combustion dans un four (46), caractérisé en ce que: - on mesure, lors du déroulement de la combustion, au moins une donnée de pression dans le four, au moins une donnée de température dans le four et/ou dans les fumées résultant de la combustion, et au moins une donnée représentative de la concentration d'azote dans les fumées, - on introduit ces données, ou des données traitées ou obtenues à partir de ces données, en tant que données d'entrée d'un réseau de neurones, qui fournit au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.

Description

Capteur logiciel NOx en sortie des cheminées des fours utilisant l'air enrichi en oxygène ou de l'oxygène pur comme comburant.
L'invention concerne le domaine de la mesure d'émissions de gaz de type NOx, en particulier dans des procédés industriels.
De nombreux procédés industriels sont basés sur la combustion de divers combustibles comme le gaz naturel, le G.P.L. etc. Parmi ces procédés on peut notamment citer les procédés de seconde fusion de la fonte ou ceux mis en œuvre dans les fours pour la fusion du verre. Le comburant de ces procédés, traditionnellement l'air, peut être enrichi en oxygène ou même, dans certains cas, remplacé par de l'oxygène. Ces procédés produisent notamment des gaz tels que les composés NOx. La formation de ces composés dépend de nombreux paramètres, qui dépendent eux-mêmes du procédé (nature de la charge, composition des fluides comburant et combustible, brûleur, pression du four, ... ) .
Des normes de plus en plus strictes sont imposées en matière de respect de l'environnement.
Une mesure en continu de ces composés permettrait de mieux contrôler les procédés dont ils sont issus, et/ou de minimiser les rejets ou les émissions de NOx afin de respecter au mieux les normes imposées.
Les méthodes connues de mesure peuvent se regrouper en deux catégories : d'une part les mesures in situ, par un capteur physique NOx approprié et, d'autre part, les mesures ou les estimations par capteur logiciel.
Dans l'exemple de procédés qui se déroulent dans un four, les fumées en sortie de four sont souvent à des températures élevées (entre 1400°C et 1600°C) et sont chargées de poussières. Toutes ces conditions affectent donc le fonctionnement des capteurs physiques NOx pouvant être installés en sortie d'un four.
Afin de réduire les températures trop élevées des fumées, on a recours à une procédure de conditionnement des gaz.
En outre des mesures faites par un capteur physique nécessitent un calibrage fréquent ainsi qu'une surveillance technique du capteur. Les capteurs physiques, qui sont en eux-mêmes chers, sont donc inadaptés à un suivi en continu et à coût raisonnable.
On connaît également des capteurs logiciels, mais ceux-ci ne permettent pas actuellement d'atteindre une précision élevée. On obtient notamment une erreur relative d'estimation de l'ordre de 70%, qui est trop importante pour les besoins actuels.
En outre un tel capteur nécessite, pratiquement, un nombre important d'entrées (environ 14) et fait donc appel à autant de capteurs physiques pour acquérir ces données. Il en résulte un bruit important dans les données d'entrée. II se pose donc le problème de trouver un nouveau procédé et un nouveau dispositif de mesure des oxydes d'azote (NOx) dans les fumées, notamment en sortie de four.
Il se pose également le problème de trouver un procédé et un dispositif donnant une information fiable de la concentration en oxydes d'azote (NOx) dans les fumées sans effectuer une mesure physique directe de ces oxydes d'azote.
Il se pose également le problème de trouver un capteur permettant de mesurer en continu, de façon fiable et avec une maintenance acceptable par les industriels les émissions de NOx dans des fumées, notamment en sortie de four.
Il se pose en outre le problème de trouver un capteur de type logiciel ne nécessitant pas un nombre de données d'entrée trop importants.
EXPOSE DE L'INVENTION
L'invention concerne un procédé de mesure de la teneur en composés NOx (x = 1 ou 2) contenus dans des fumées produites par une combustion. L'invention concerne un procédé de mesure de la teneur en NOx dans les fumées produites par une combustion dans un four, caractérisé en ce que:
- on mesure, lors du déroulement de la combustion, au moins une donnée de pression dans le four, au moins une donnée de température dans le four et/ou dans les fumées résultant de la combustion, et au moins une donnée représentative de la concentration d'azote dans les fumées, - on introduit ces données, ou des données traitées ou obtenues à partir de ces données, en tant que données d'entrée d'un réseau de neurones, qui fournit au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion. Selon ce procédé, la mesure ne nécessite aucun capteur physique de NOx, les seules mesures effectuées étant celles pour les données d'entrée du réseau de neurones, ou bien celles à partir desquelles ces données d'entrée sont calculées.
Un tel capteur mettant en oeuvre un réseau de neurones ne nécessite ni recalibrage ni maintenance. L'estimation des NOx est immédiate par rapport à la mesure d'un capteur physique NOx, et la mise en oeuvre du procédé selon l'invention est moins coûteuse que celle d'un capteur physique.
Dans le procédé proposé, on n'utilise qu'un nombre rriinirnal de données d'entrée : une mesure de pression, une mesure de température et une ou deux données de concentration (dioxyde de carbone (CO2) et/ou la concentration en oxygène (02), dans les fumées) pour obtenir une information sur la quantité ou la concentration d'azote dans les fumées.
La précision obtenue est en outre bien meilleure que celle obtenue avec les capteurs logiciels actuellement connus. En limitant les données en entrée à 5 ou moins, on limite également le bruit résultant d'un nombre trop important de données.
Le combustible peut être un gaz naturel ou bien encore du fioul ou un mélange gaz naturel et fioul.
Le comburant peut être de l'oxygène ou de l'air enrichi en oxygène comme comburant.
Selon un mode particulier de réalisation, on mesure, lors du déroulement de la combustion, au moins deux données de pression dans le four, on traite ces données de pression pour en calculer la moyenne, et on introduit cette donnée de pression moyenne en tant que donnée d'entrée du réseau de neurones. Selon un autre aspect de l'invention, on peut mesurer, lors du déroulement de la combustion, au moins deux données de température dans le four, traiter ces données de température pour en calculer la moyenne, et introduire cette donnée de température moyenne en tant que donnée d'entrée du réseau de neurones.
De préférence, les données mesurées présentent un degré de corrélation, avec des données de concentration ou de teneur en NOx, supérieur à un degré prédéterminé.
Le traitement des données pour fournir une donnée représentative de la teneur en NOx peut être réalisé en continu, c'est-à-dire avec une périodicité temporelle de l'ordre de quelques secondes.
L'invention concerne également un dispositif de mesure de la teneur en NOx dans les fumées produites par une combustion dans un four, caractérisé en ce qu'il comporte:
- des capteurs pour mesurer au moins une donnée de pression dans le four, au moins une donnée de température dans le four et/ou dans les fumées résultant de la combustion, et au moins une donnée représentative de la concentration d' azote dans les fumées, des moyens pour, ou programmés pour : faire traiter lesdites données par un réseau de neurones, ou pour traiter au moins une partie de ces données pour former des données d'entrée d'un réseau de neurones et pour traiter lesdites données traitées par un réseau de neurones,
- et pour fournir au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.
L'invention concerne aussi un système de combustion comportant un brûleur, un four, des moyens pour évacuer des produits de combustion, et un dispositif de mesure tel que ci-dessus.
Le four est par exemple un four à verre, ou un four rotatif de seconde fusion de la fonte, ou un four d'incinération.
L'invention concerne également un programme d'ordinateur comportant des instructions pour traiter, selon un réseau de neurones, au moins une donnée de pression d'un four, au moins une donnée de température dans le même four et/ou dans des fumées résultant d'une combustion se produisant dans ledit four, et au moins une donnée représentative de la concentration d'azote dans les fumées, et pour calculer, selon ce réseau de neurones, au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.
L'invention concerne également un programme d'ordinateur comportant des instructions pour :
- traiter au moins une partie des données parmi au moins une donnée de pression d'un four, au moins une donnée de température dans le même four et/ou dans des fumées résultant d'une combustion se produisant dans ledit four, et au moins une donnée représentative de la concentration d'azote dans les fumées, et pour former des données d'entrée d'un réseau de neurones, calculer, selon ce réseau de neurones, au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.
BREVE DESCRIPTION DES FIGURES
Les caractéristiques et avantages de l'invention apparaîtront mieux à la lumière de la description qui va suivre. Cette description porte sur les exemples de réalisation, donnés à titre explicatif et non limitatif, en se référant à des dessins annexés sur lesquels :
- la figure 1 représente un réseau de neurones,
- la figure 2 représente un schéma de principe de création d'un réseau de meurones,
- la figure 3 représente une structure de four,
- la figure 4 représente le réseau de neurones d'un capteur selon l'invention,
- les figures 5 et 6 représentent des moyens d'acquisition et de traitement de données pouvant être utilisés dans le cadre de la présente invention, - la figure 7 représente des résultats comparatifs obtenus à l'aide de deux capteurs, dont l'un selon l'invention. DESCRD?TION DETADLLEE DE MODES DE REALISATION DE L'INVENTION L'invention met en oeuvre un réseau de neurones afin de réaliser une mesure ou une estimation des quantités d'oxydes d'azotes produits par une combustion.
Un réseau de neurones 32 est représenté schématiquement sur la figure 1. Les références 20, 22, 24, 26 désignent diverses couches de réseau, dont une couche d'entrée 20, une couche de sortie 26 et diverses couches cachées 22, 24.
Sur la figure 1 seules deux couches cachées sont représentées, mais le réseau peut aussi n'en comporter qu'une seule, ou plus de deux. Dans le cas de la présente invention, la couche de sortie 26 fournit la quantité de NOx à l'utilisateur.
Chaque couche k comporte un certain nombre de synapses ik (NI pour la couche 20, N2 pour la couche 22, N3 pour la couche 24, et 2 pour la couche de sortie 26)
Les données d'entrée (données traitées) sont introduites dans les synapses de la couche d'entrée.
A chaque synapse du réseau de neurones correspond une fonction d'activation nonlineaire F, telle qu'une fonction tangente hyperbolique ou une fonction sigmoïde, ainsi qu'un seuil d'activation.
De plus, chaque synapse i de chaque couche est reliée aux synapses j de la couche suivante, et un poids Pij pondère chaque liaison entre une synapse i et une synapse j. Ce poids pondère rinfluence du résultat de chaque synapse i dans le calcul du résultat fourni par chaque synapse j à laquelle elle est reliée.
La sortie Sj d'une synapse j est égale à la valeur de la fonction d'activation Fj appliquée à la somme pondérée, par les poids Pij des synapses, des résultats Ai des fonctions d'activation des synapses i qui lui sont connectées. Autrement dit:
Figure imgf000009_0001
i
Le réseau 32 représenté en figure 1 est un réseau ouvert. Dans un réseau bouclé, une des données de sortie est réutilisée en tant que donnée d'entrée.
L'ouvrage intitulé "Modélisation, Classification et Commande par Réseaux de Neurones" : Méthodologie de Conception et Illustrations Industrielles", de I. Rivais, L. Personnaz, G. Dreyfus, J.L. Ploix (Les Réseaux de Neurones pour la Modélisation et la Commande de Procédés, J.P. Corriou, coordonnateur, Lavoisier Tec et Doc 1995) donne des informations complémentaires sur les réseaux de neurones.
Des données physiques, relatives à un procédé de combustion qui produit des composés NOx, peuvent être mesurées au cours du déroulement d'un tel procédé ; ces données sont ensuite présentées en entrée du réseau. Elles peuvent être préalablement traitées afin de savoir si elles sont pertinentes, de préférence non redondantes, et fournissent une détermination de préférence complète du processus.
La pertinence signifie que les informations contenues dans chacune des données entrées contribuent à la formation du résultat (la teneur en NOx). La forme mathématique de cette contribution n'a pas besoin d'être connue pour obtenir ce résultat.
La non-redondance signifie que les corrélations entre les entrées sélectionnées sont faibles.
La complétude signifie que toutes les informations nécessaires pour produire un réseau de neurones sont présentes dans le jeu de données.
Le traitement des données en vue de la création d'un réseau de neurones passe par l'acquisition de données brutes ou physiques sur le processus. Cette acquisition couvre de préférence toute la plage sur laquelle on désire que le système puisse prédire. Aussi, et conformément au schéma de la figure 2, des données brutes sont tout d'abord mesurées (étape 29). Ces données sont ensuite introduites dans un logiciel 30 de création de réseaux de neurones.
Dans ce logiciel, la majeure partie des données est utilisée pour la phase 34 d'apprentissage, le reste des données contribuant à la validation du réseau (étape 36).
Le choix final du meilleur réseau dépend en fait des objectifs fixés. On cherche en fait à obtenir le plus faible écart relatif, ou un écart relatif prédéterminé, entre les mesures (de NOx, ces mesures étant réalisées à l'aide de capteurs NOx) et les prédictions du réseau. Différents outils de traitement des données peuvent en outre être utilisés.
Ainsi, en phase de pré-traitement, il est possible de moyenner ou de filtrer les données dans le but de diminuer les bruits d'acquisitions.
En phase de traitement, on peut utiliser une matrice de covariance des entrées potentielles pour le réseau, afin de limiter les données redondantes apportant les mêmes informations.
On peut aussi utiliser les vecteurs de corrélations entrées-sorties pour déteraώier les entrées les plus influentes pour la prédiction de ladite sortie.
Selon l'invention, un jeu de données pertinentes, non-redondantes et assurant la complétude du système est le suivant : - au moins une pression mesurée dans le four,
- au moins une température mesurée dans le four ou dans les fumées,
- au moins une donnée représentative de la concentration ou de la quantité d'azote dans les fumées.
A titre d'exemple, on peut prendre : - au moins une pression dans le four,
- la température des fumées,
- la concentration de CO2 dans les fumées,
- la concentration de O2 dans les fumées.
La quantité d'azote dans les fumées peut se déduire de la concentration de CO2 et de O2 dans les fumées: [N2] = 1 - [CO2] - [O2]. Toutes ces données sont obtenues par mesures à l'aide de capteurs matériels (capteurs de pression, de température, capteurs pour mesurer les concentrations dans les fumées).
Des mesures de NOx peuvent être obtenues avec un capteur matériel NOx, pendant une certaine durée et avec surveillance d'un opérateur.
Ces données brutes sont appliquées à la couche d'entrée 20 du réseau 32 de neurones, l'ensemble constituant un ensemble de données suffisant pour produire un réseau de neurones dont l'utilisation en continu soit possible.
On peut également utiliser d'autres données supplémentaires, notamment afin d'augmenter la précision du résultat ou d'augmenter la vitesse de convergence du réseau de neurones.
On peut par exemple utiliser une pression moyenne dans le four, au lieu d'une seule pression, cette moyenne résultant de plusieurs données de pression obtenues par plusieurs capteurs. De même, il est possible d'utiliser une température moyenne dans le four, au lieu ou en plus de la température dans les fumées. Cette température moyenne résulte alors de plusieurs données de température obtenues par plusieurs capteurs disposés dans le four.
Le réseau lui-même peut être obtenu par mise en œuvre d'un logiciel de production de réseau de neurones, tel que le logiciel NeuroOne, de la société NETRAL.
L'ouvrage de I.RIVALS et al. déjà cité ci-dessus donne toutes les indications pour réaliser un tel réseau de neurones. On peut aussi se reporter à la thèse de I.RIVALS, Université Pierre et Marie Curie, 1995, intitulée "Modélisation et commande de processus par réseaux de neurones; application au pilotage d'un véhicule autonome".
L'utilisateur ou le concepteur du réseau indique à cet algorithme ou au logiciel utilisé les données suivantes:
- nombre de couches cachées souhaitées, - la forme de fonction d'activation souhaitée (tangente hyperbolique ou sigmoïde),
- le choix d'un réseau bouclé ou ouvert, - les données d'entrée, et des mesures correspondantes de NOx. Ces dernières sont obtenues avec un capteur matériel NOx disposé en sortie de cheminée pendant une certaine durée et avec surveillance d'un opérateur. Une fois le réseau réalisé et mis au point, ce capteur matériel NOx n'est plus utilisé. Avec ces données, le logiciel ou algorithme détermine les synapses du réseau de neurones et les poids correspondant. Plus précisément, un logiciel en code source ou en code exécutable est produit, qui permet à l'utilisateur d'obtenir des données de concentration de NOx en fonction de données physiques ou de données brutes mesurées directement sur le procédé. Si cette mesure de données brutes est réalisée de manière continue ou presque continue (c'est-à-dire avec une période de l'ordre de quelques secondes, par exemple 1 à 5 ou à 15 secondes ou avec une fréquence comprise entre 1 Hz et 0,01 Hz), le capteur ainsi réalisé peut fournir, en continu ou de manière quasi- continue (avec la même période ou fréquence), une mesure ou un signal représentatif d'une mesure de la teneur en NOx produite.
De préférence, pour l'application aux mesures de NOx, on choisit un réseau de neurones :
- avec une seule couche cachée, les temps de calcul pour un réseau avec deux couches cachées ou plus étant trop importants dans le cas d'une période d'utilisation souhaitée d'environ quelques secondes, par exemple 1 à 5 ou à 15 secondes,
- statique, sans boucle.
A titre d'exemple, le traitement de données et la modélisation spécifique d'un four va être donné. Ce four utilise l'oxygène pur comme comburant, le gaz naturel comme combustible, et est muni d'un brûleur de 1 MW.
Sa structure est donnée de manière schématique en figure 3, sur laquelle la référence 40 désigne le brûleur lui-même, alimenté par des conduits 42 et 44 respectivement en combustible et en comburant, et la référence 46 le four dans lequel se produit la combustion. Une cheminée 48 est disposée en sortie du four 46, l'ouverture d'un registre 50 permettant de régler la pression dans le four.
Un système de circuit d'eau (non représenté sur la figure) permet de réaliser un transfert d'énergie vers une charge. Des thermocouples, disposés contre la paroi du four, à l'extérieur, permettent de mesurer la température extérieure du four.
Des capteurs de température sont disposés en voûte, à l'intérieur du four 46. Par exemple 11 capteurs (dont seuls deux sont représentés) sont disposés le long de la voûte, depuis l'entrée du four jusqu'à sa sortie. Ainsi, un capteur 54 permet de mesurer la température en voûte, à proximité de la racine de la flamme 52, tandis qu'un capteur 56 permet de mesurer la température en voûte, à proximité de la sortie du four 46.
Deux capteurs de pression 55, 57 sont également disposés dans le four. Un capteur 58 de température peut en outre être disposé dans la cheminée 48, afin de mesurer la température des fumées. De même, des capteurs 60, 62 permettent de mesurer des concentrations de CO2 et d'oxygène (de préférence sec).
Un réseau de neurones pour un tel four peut être réalisée à l'aide du logiciel NeuroOne, de la société NETRAL. Le réseau est donc fourni sous la forme d'un code exécutable.
Les données physiques mesurées ou les données brutes utilisées sont : les 2 pressions du four (mesurées à l'aide des capteurs 55 et 57), les pourcentages de CO2 et d'oxygène dans les fumées (mesuré à l'aide du capteur 62), les températures de voûte mesurées longitudinalement dans le four, le pourcentage d'azote dans le combustible, la pureté de l'oxygène utilisé, le débit d'oxygène introduit par le conduit 44, la température des fumées (mesurée avec le capteur 58), et le débit du combustible introduit par le conduit 42. Un traitement des données permet de:
• calculer la moyenne des pressions fournies par les capteurs 55, 57, • calculer la température moyenne dans le four, à partir des températures mesurées par chacun des 11 capteurs 54, 56. Les 5 données en entrée du réseau de neurones sont alors : la pression moyenne dans le four, la température des fumées, - la concentration de CO2 dans les fumées, - la concentration de O2 dans les fumées, la température moyenne dans le four. En fait chacune des données est de préférence considérée en moyenne sur un certain intervalle de temps, par exemple en moyenne mobile sur un intervalle de 3 rninutes, avec une période d'acquisition pouvant être de 15 s. Un biais est en outre généré par le logiciel de réalisation du réseau de neurones.
La sortie du réseau est de préférence seuillée, c'est-à-dire que les concentrations en NOx inférieures à un certain seuil ou à une certaine valeur limite prédéterminée, par exemple 200 ppm, ne sont pas prises en compte. En effet, une valeur de NOx inférieure à un tel seuil peut correspondre à une déficience de l'un des capteurs et ne présente donc pas d'intérêt dans la modélisation.
La structure du réseau obtenu est représentée schématiquement sur la figure 4. Le réseau ne comporte qu'une couche cachée 22. Il comporte en outre les couches d'entrée 20 et de sortie 26, la référence 21 désignant le biais d'entrée. Les données sont moyennées dans le temps, ce qu'indique le symbole <...>. L'indice f concerne les données mesurées dans le four. Celles pour lesquelles une moyenne est réalisée entre plusieurs capteurs sont surmontées d'une barre.
Un système pour le traitement des mesures effectuées est représenté sur les figures 5 et 6. Un tel système comporte un micro-ordinateur PC 70 auquel les données mesurées par les capteurs 54 - 62 sont transmises via une liaison 61.
Plus précisément, le micro-ordinateur 70 comporte (figure 6) un microprocesseur 82, un ensemble de mémoires RAM 80 (pour le stockage de données), une mémoire ROM 84 (pour le stockage d'instructions de programme). Une carte d'acquisition de données 89 transforme les données analogiques fournies par les capteurs en données numériques et met ces données au format requis par le micro-ordinateur. Ces divers éléments sont reliés à un bus 88.
Des dispositifs périphériques (écran ou dispositif de visualisation 74, souris 90) permettent un dialogue interactif avec un utilisateur. En particulier, les moyens de visualisation (écran) 74 permettent de fournir à un utilisateur une indication visuelle relative à la teneur en NOx calculée.
Eventuellement, une liaison 63 permet de commander la modification de certains paramètres de fonctionnement d'un procédé de combustion. Dans le micro-ordinateur 70, sont chargées les données ou les instructions pour mettre en œuvre un traitement des données brutes ou physiques selon l'invention, et notamment pour effectuer le traitement préalable 30 des données brutes ou directement mesurées (voir figure 2), et pour calculer la teneur en NOx à l'aide d'un réseau de neurones 32. Ces données ou instructions pour le traitement des données brutes ou physiques peuvent être transférées dans une zone mémoire du micro-ordinateur 70 à partir d'une disquette ou de tout autre support pouvant être lu par un microordinateur ou un ordinateur (par exemple: disque dur, mémoire morte ROM, mémoire vive dynamique DRAM ou tout autre type de mémoire RAM, disque optique compact, élément de stockage magnétique ou optique).
Des résultats comparatifs sont montrés sur la figure 7. La courbe I représente les résultats obtenus par modélisation et la courbe II ceux obtenus par mesure avec des capteurs NOx disposés directement dans la cheminée 48 et constamment surveillés. Comme on peut le constater, la modélisation permet de s'approcher au mieux de la teneur en NOx, puisqu'on obtient un écart-type sur l'erreur relative de moins de 2% entre les concentrations calculées et celles mesurées par un capteur physique. Autrement dit, 95,45% des NOx prédits par le capteur logiciel se situent à ± 4% de la valeur mesurée.
Dans le tableau I sont rassemblés les écarts-types des erreurs sur les concentrations en NOx obtenues sur les données d'apprentissage et de validation.
Figure imgf000016_0001
TABLEAU I
Les 5 entrées indiquées dans cet exemple restent valables pour d'autres types de brûleurs. Plus généralement, le capteur logiciel selon l'invention est adaptable à tous les types de fours utilisant l'air enrichi en oxygène comme comburant ou de l'oxygène pur.
En outre l'invention est indépendante du système de contrôle et s'adapte à tous les languages informatiques, ce qui lui permet d'être intégrée dans tout système de contrôle de procédés industriels de combustion existants.
Une mesure de NOx réalisée conformément à l'invention peut être utilisée en mode surveillance, par exemple pour déclencher une alarme dès lors que la teneur en NOx dépasse un certain seuil.
Elle peut aussi être utilisée dans une boucle de régulation des paramètres d'entrée du procédé surveillé. Par exemple, tous les paramètres d'entrée sont fixés, sauf un et le paramètre non fixé est régulé de manière à maintenir la teneur en NOx à une valeur constante ou comprise entre deux valeurs définissant une plage de variation. La régulation s'effectue par exemple à l'aide de la liaison 63 (voir figure 5) qui transmet l'ordre de régulation au procédé. Les domaines d'utilisation de l'invention sont nombreux. L'invention s'applique notamment aux fours à verre, aux fours rotatifs de seconde fusion de la fonte, aux fours d'incinération, aux réacteurs chimiques nécessitant la présence d'une flamme et dont le comburant est l'air enrichi en oxygène. Selon l'invention, on met donc en œuvre un modèle statique pour calculer les émissions de NOx dans divers procédés industriels, et notamment dans les fumées en sortie de fours utilisant, en tant que comburant, l'air enrichi en oxygène ou l'oxygène.

Claims

REVENDICATIONS
1. Procédé de mesure de la teneur en NOx dans les fumées produites par une combustion dans un four (46), caractérisé en ce que:
- on mesure, lors du déroulement de la combustion, au moins une donnée de pression dans le four, au moins une donnée de température dans le four et/ou dans les fumées résultant de la combustion, et au moins une donnée représentative de la concentration d'azote dans les fumées, - on introduit ces données, ou des données traitées ou obtenues à partir de ces données, en tant que données d'entrée d'un réseau de neurones (32), qui fournit au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.
2. Procédé selon la revendication 1, la combustion mettant en oeuvre un combustible et de l'oxygène ou de l'air enrichi en oxygène comme comburant.
3. Procédé selon la revendication 2, le combustible étant du gaz naturel ou du fioul ou un mélange de gaz naturel et de fioul.
4. Procédé selon l'une des revendications 1 à 3, dans lequel on mesure, lors du déroulement de la combustion, au moins deux données de pression dans le four, on traite ces données de pression pour en calculer la moyenne, et on introduit cette donnée de pression moyenne en tant que donnée d'entrée du réseau de neurones.
5. Procédé selon l'une des revendications 1 à 4, dans lequel on mesure, lors du déroulement de la combustion, au moins deux données de température dans le four, on traite ces données de température pour en calculer la moyenne, et on introduit cette donnée de température moyenne en tant que donnée d'entrée du réseau de neurones.
6. Procédé selon l'une des revendications 1 à 5, dans lequel on mesure la concentration en dioxyde de carbone (CO2) dans les fumées et la concentration en oxygène (02), en tant que données représentatives de la concentration d'azote dans les fumées.
7. Procédé selon l'une des revendications 1 à 6, les données d'entrée du réseau de neurones étant en nombre inférieur à 5.
8. Procédé selon l'une des revendications 1 à 7, les données d'entrée présentant un degré de corrélation, avec des données de concentration ou de teneur en NOx, supérieur à un degré prédéterminé.
9. Procédé selon l'une des revendications 1 à 8, le réseau de neurones comportant une seule couche cachée (22).
10. Procédé selon les revendications 1 à 9, le réseau de neurones étant statique.
11. Procédé selon l'une des revendications 1 à 10, la sortie du réseau de neurones comportant un seuil.
12. Procédé selon l'une des revendications 1 à 11, le traitement des données étant réalisé périodiquement à une fréquence comprise entre 1 et 0,01 Hz, et une donnée représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion étant produite à la même fréquence.
13. Dispositif de mesure de la teneur en NOx dans les fumées produites par une combustion dans un four (46), caractérisé en ce qu'il comporte:
- des capteurs (54,55,56,57,58,60) pour mesurer au moins une donnée de pression dans le four, au moins une donnée de température dans le four et/ou dans les fumées résultant de la combustion, et au moins une donnée représentative de la concentration d'azote dans les fumées, - des moyens (70,82) pour, ou programmés pour, faire traiter lesdites données par un réseau de neurones, ou pour traiter au moins une partie de ces données pour former des données d'entrée d'un réseau de neurones (32) et pour traiter lesdites données traitées par un réseau de neurones, et pour fournir au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustioa
14. Système de combustion comportant un brûleur (40), un four (46), des moyens (48) pour évacuer des produits de combustion, et un dispositif de mesure selon la revendication 13.
15. Système selon la revendication 14, le four étant un four à verre, ou un four rotatif de seconde fusion de la fonte, ou un four d'incinération.
16. Programme dOrdinateur comportant des instructions pour traiter, selon un réseau de neurones, au moins une donnée de pression d'un four, au moins une donnée de température dans le même four et/ou dans des fumées résultant d'une combustion se produisant dans ledit four, et au moins une donnée représentative de la concentration d'azote dans les fumées, et pour calculer, selon ce réseau de neurones, au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.
17. Programme d'ordinateur comportant des instructions pour :
- traiter au moins une partie des données parmi au moins une donnée de pression d'un four, au moins une donnée de température dans le même four et/ou dans des fumées résultant d'une combustion se produisant dans ledit four, et au moins une donnée représentative de la concentration d'azote dans les fumées, et pour former des données d'entrée d'un réseau de neurones (32), calculer, selon ce réseau de neurones, au moins une donnée de sortie représentative de la concentration ou de la teneur en NOx dans les fumées résultant de la combustion.
18. Programme d'ordinateur selon la revendication 16 ou 17, le réseau de neurones (32) comportant une seule couche cachée (22).
19. Programme selon l'une des revendications 16 à 18, le réseau de neurones (32) étant statique.
20. Programme selon l'une des revendications 16 à 19, la sortie du réseau de neurones comportant un seuil.
21. Support de données, susceptible d'être lu par un ordinateur, comportant des instructions codées pour un programme selon l'une des revendications 16 à 20.
PCT/FR2002/003393 2001-10-25 2002-10-04 CAPTEUR LOGICIEL NOx WO2003034819A2 (fr)

Priority Applications (4)

Application Number Priority Date Filing Date Title
AU2002356209A AU2002356209A1 (en) 2001-10-25 2002-10-04 Nox software sensor
US10/493,642 US7266460B2 (en) 2001-10-25 2002-10-04 NOx software sensor
EP02801930A EP1444510A2 (fr) 2001-10-25 2002-10-04 CAPTEUR LOGICIEL NOx EN SORTIE DES CHEMINEES DES FOURS UTILISANT L'AIR ENRICHI EN OXYGENE OU DE L'OXYGENE PUR COMME COMBURANT
JP2003537398A JP2005506540A (ja) 2001-10-25 2002-10-04 酸化剤として高濃度酸素を含む空気又は純粋酸素を使用する加熱炉の排気筒出口の窒素酸化物ソフトウェアセンサ

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0113809A FR2831666B1 (fr) 2001-10-25 2001-10-25 Capteur logiciel nox en sortie des cheminees des fours utilisant l'air enrichi en oxygene ou de l'oxygene pur comme comburant
FR01/13809 2001-10-25

Publications (3)

Publication Number Publication Date
WO2003034819A2 true WO2003034819A2 (fr) 2003-05-01
WO2003034819A3 WO2003034819A3 (fr) 2003-10-16
WO2003034819A8 WO2003034819A8 (fr) 2004-04-01

Family

ID=8868715

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2002/003393 WO2003034819A2 (fr) 2001-10-25 2002-10-04 CAPTEUR LOGICIEL NOx

Country Status (6)

Country Link
US (1) US7266460B2 (fr)
EP (1) EP1444510A2 (fr)
JP (1) JP2005506540A (fr)
AU (1) AU2002356209A1 (fr)
FR (1) FR2831666B1 (fr)
WO (1) WO2003034819A2 (fr)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101718769B (zh) * 2009-11-17 2012-12-26 重庆大学 一种基于并联型遗传Elman神经网络的源驱动式235U浓度识别方法
CN110063326A (zh) * 2019-04-30 2019-07-30 济南浪潮高新科技投资发展有限公司 基于卷积神经网络的智能驱鸟方法
CN110334452A (zh) * 2019-07-09 2019-10-15 中南大学 一种智慧农业大气污染浓度分层次预警方法
US10690344B2 (en) 2016-04-26 2020-06-23 Cleaver-Brooks, Inc. Boiler system and method of operating same
CN111972394A (zh) * 2020-06-11 2020-11-24 广东电网有限责任公司 一种基于dqn的超声波驱鸟最优频率的选择方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060106501A1 (en) * 2004-11-12 2006-05-18 General Electric Company NEURAL MODELING FOR NOx GENERATION CURVES
US7765795B2 (en) * 2006-04-28 2010-08-03 Caterpillar Inc NOx control using a neural network
US10466221B2 (en) * 2013-12-20 2019-11-05 Industrial Scientific Corporation Systems and methods for predicting gas concentration values
CN104132959B (zh) * 2014-07-01 2016-01-13 哈尔滨工业大学 一种基于神经网络的严寒地区建筑外墙传热性能预测方法
JP6673799B2 (ja) * 2016-10-21 2020-03-25 株式会社神戸製鋼所 ガス化溶融炉プラントの排ガス制御装置及び排ガス制御方法
US11644451B2 (en) * 2020-03-10 2023-05-09 Stratuscent, Inc. Systems and methods for detecting a sensing event in a stream of chemical sensor measurement data
CN111589302A (zh) * 2020-05-29 2020-08-28 广东电科院能源技术有限责任公司 燃煤电厂scr脱硝性能预测方法、装置、设备和存储介质
CN116954058B (zh) * 2023-07-13 2024-02-23 淮阴工学院 一种锅炉NOx浓度预测与智能控制方法及系统
CN119289673B (zh) * 2024-12-10 2025-03-04 广东巨晨装备科技有限公司 一种熔炉工作状态监控管理系统及方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5249954A (en) * 1992-07-07 1993-10-05 Electric Power Research Institute, Inc. Integrated imaging sensor/neural network controller for combustion systems
US5386373A (en) * 1993-08-05 1995-01-31 Pavilion Technologies, Inc. Virtual continuous emission monitoring system with sensor validation
GB9512929D0 (en) * 1995-06-24 1995-08-30 Sun Electric Uk Ltd Multi-gas sensor systems for automatic emissions measurement
US6045353A (en) * 1996-05-29 2000-04-04 American Air Liquide, Inc. Method and apparatus for optical flame control of combustion burners
DE19808197C2 (de) * 1998-02-27 2001-08-09 Mtu Aero Engines Gmbh System und Verfahren zur Diagnose von Triebwerkszuständen
US6289328B2 (en) * 1998-04-17 2001-09-11 The United States Of America As Represented By The Secretary Of The Navy Chemical sensor pattern recognition system and method using a self-training neural network classifier with automated outlier detection
FR2781039B1 (fr) * 1998-07-08 2000-09-22 Air Liquide Procede de combustion d'un combustible avec un comburant riche en oxygene
US7099836B2 (en) * 2000-04-24 2006-08-29 Cichanowicz J Edward Automated method for conducting buy/sell transactions for non-commodity materials or devices
FR2808592B1 (fr) * 2000-05-03 2002-10-11 Air Liquide Capteur logiciel nox

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101718769B (zh) * 2009-11-17 2012-12-26 重庆大学 一种基于并联型遗传Elman神经网络的源驱动式235U浓度识别方法
US10690344B2 (en) 2016-04-26 2020-06-23 Cleaver-Brooks, Inc. Boiler system and method of operating same
CN110063326A (zh) * 2019-04-30 2019-07-30 济南浪潮高新科技投资发展有限公司 基于卷积神经网络的智能驱鸟方法
CN110334452A (zh) * 2019-07-09 2019-10-15 中南大学 一种智慧农业大气污染浓度分层次预警方法
CN111972394A (zh) * 2020-06-11 2020-11-24 广东电网有限责任公司 一种基于dqn的超声波驱鸟最优频率的选择方法

Also Published As

Publication number Publication date
FR2831666A1 (fr) 2003-05-02
JP2005506540A (ja) 2005-03-03
AU2002356209A1 (en) 2003-05-06
US20040249578A1 (en) 2004-12-09
EP1444510A2 (fr) 2004-08-11
FR2831666B1 (fr) 2004-03-12
WO2003034819A8 (fr) 2004-04-01
US7266460B2 (en) 2007-09-04
WO2003034819A3 (fr) 2003-10-16

Similar Documents

Publication Publication Date Title
EP1444510A2 (fr) CAPTEUR LOGICIEL NOx EN SORTIE DES CHEMINEES DES FOURS UTILISANT L&#39;AIR ENRICHI EN OXYGENE OU DE L&#39;OXYGENE PUR COMME COMBURANT
Lallemant et al. Evaluation of emissivity correlations for H2O-CO 2-N 2/air mixtures and coupling with solution methods of the radiative transfer equation
Kurihara et al. Optimal boiler control through real-time monitoring of unburned carbon in fly ash by laser-induced breakdown spectroscopy
CN108549792B (zh) 一种基于潜结构映射算法的固废焚烧过程二噁英排放浓度软测量方法
Zhang et al. Experimental and numerical investigations of soot formation in laminar coflow ethylene flames burning in O2/N2 and O2/CO2 atmospheres at different O2 mole fractions
EP0971171B1 (fr) Procédé de combustion d&#39;un combustible avec un comburant riche en oxygène
CN102183482A (zh) 非分散红外多组分烟气分析仪
EP2507551B1 (fr) Procede de correction des reglages de combustion d&#39;un ensemble de chambres de combustionde tubes radiants et installation mettant en oeuvre le procede
CN106537115A (zh) 用于持续实时监控二氧化碳中化学污染物的系统和方法
US20220325887A1 (en) Emission monitoring and control of flare systems
Kurniawan et al. Soft sensor for the prediction of oxygen content in boiler flue gas using neural networks and extreme gradient boosting
EP1807615B1 (fr) Procede et dispositif pour l&#39;estimation de la temperature des gaz d&#39;echappement entrant dans un systeme de post-traitement place en aval d&#39;un systeme de traitement de ces gaz
Ma et al. Transfer-learning-based multi-wavelength laser sensor for high fidelity and real-time monitoring of ambient temperature and humidity
FR2864146A1 (fr) Procede de determination en temps reel de la masse de particules presente dans un filtre a particules de vehicule automobile
WO2001084136A1 (fr) Capteur logiciel nox
Kohler et al. In situ high-temperature gas sensors: Continuous monitoring of the combustion quality of different wood combustion systems and optimization of combustion process
Guo et al. Simultaneous measurement of NH3 and NO by mid-infrared tunable diode laser absorption spectroscopy based on machine-learning algorithms
Omiotek et al. Combustion process monitoring based on flame intensity time series
JP3668405B2 (ja) ごみ焼却炉の制御方法及び装置
Fetter et al. Interband cascade laser absorption sensor for sensitive measurement of hydrogen chloride in smoke-laden gases using wavelength modulation spectroscopy
EP4264249A1 (fr) Analyseur d&#39;oxygène in situ avec capteur d&#39;oxygène à électrolyte solide et sortie auxiliaire
Xu et al. Broadband spectroscopic sensor for real-time monitoring of industrial SO2 emissions
CN119534573B (zh) 一种适用于远程监控的天然气加臭剂浓度智能检测设备
EP2147200B1 (fr) Procede et dispositif d&#39;adaptation d&#39;un estimateur de temperature d&#39;un systeme de post-traitement des gaz d&#39;echappement
Mohammed et al. Artificial Neural Network Modelling and Simulation for Gas Leak Detector Performance in Geregu Gas Turbine Power Plant

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A2

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NO NZ OM PH PL PT RO RU SD SE SG SI SK SL TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A2

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR IE IT LU MC NL PT SE SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2002801930

Country of ref document: EP

CFP Corrected version of a pamphlet front page

Free format text: UNDER (54) PUBLISHED TITLE IN ENGLISH REPLACED BY CORRECT TITLE

WWE Wipo information: entry into national phase

Ref document number: 10493642

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2003537398

Country of ref document: JP

WWP Wipo information: published in national office

Ref document number: 2002801930

Country of ref document: EP

点击 这是indexloc提供的php浏览器服务，不要输入任何密码和下载