Angewandte Regelung und Optimierung in der ... - uni-stuttgart

Alexander Horch
Angewandte Regelung und Optimierung
in der Prozessindustrie
8. Zementherstellung
© A.Horch
WS 2011/12 | Slide 1

Outline
• Zement und Zementherstellung
• Drehrohröfen – Das Herz der Zementherstellung
• Modellbildung
• Zustandsschätzung
• Modell-prädiktive Regelung
• Implementierung
• Ergebnisse
• Zusammenfassung
© A.Horch
WS 2011/12 | Slide 2

Zement
• Zement ist ein anorganischer, nichtmetallischer,
feingemahlener Stoff.
• Nach dem Anrühren mit Wasser erstarrt und erhärtet er
infolge chemischer Reaktionen.
• Chemisch betrachtet ist Zement hauptsächlich
kieselsaures Calcium mit Anteilen an Aluminium und Eisen,
das als kompliziertes Stoffgemisch vorliegt. Im Allgemeinen
enthält er auch Anteile an Sulfaten.
• Portlandzement ist ein meist graues Pulver, welches in
großindustriellen Prozessen aus den Rohmaterialien
Kalkstein, Ton, Sand und Eisenerz hergestellt wird.
• Portlandzement 1824 patentiert (J.Aspdin).
• Schon für das Pantheon wurde zementähnliches Material
verwendet (gebrannter Kalk).
© A.Horch
WS 2011/12 | Slide 3

Zement
• Der wichtigste Zuschlagsstoff zur Herstellung von Beton
• Jahresverbrauch ca. 2 Mrd Tonnen
• Weltweit ca. 1600 Zementwerke, dezentral, nahe den
Verbrauchern
• Wachstum des Zementverbrauches weltweit ca. 8% p.a.
• 45% der Weltzementproduktion wird in China verbaut.
• Zement ...
• ... wird aus einer Mischung von Kalziumcarbonat, Quarz,
Eisenoxid und Tonerde (Aluminiumoxid) hergestellt
• ... entsteht durch die Vermahlung mit Zuschlagsstoffen wie
Gips, Hüttensand (Nebenprodukt der Roheisenherstellung im
Hochofen) oder Flugasche (Abfallprodukt der Müllverbrennung
oder von Wärmekraftwerken).
© A.Horch
WS 2011/12 | Slide 4

Die größten Zementhersteller (Länder)
Rang
(2007) Land 1970 1980 1990 2000 2005 2006 2007
1. China 9.979 79.859 209.712 583.404 1.068.850 1.236.770 1.354.120
2. Indien 13.543 17.700 45.720 102.084 145.000 160.000 170.000
3. USA 67.693 69.589 71.407 87.846 100.903 99.712 96.850
4. Japan 61.725 87.958 84.445 81.070 69.629 69.942 67.685
5. Russland 58.282 76.517 84.027 32.389 48.500 54.700 59.900
6. Südkorea 5.822 15.612 33.912 51.420 51.391 53.971 57.042
7. Spanien 16.702 28.010 28.092 38.115 50.347 54.033 54.500
8. Türkei 6.372 12.875 24.416 35.796 42.787 47.499 49.553
9. Italien 33.076 41.772 39.975 39.588 40.284 47.814 47.541
10. Brasilien 9.002 27.193 25.848 39.564 36.673 39.540 46.406
11. Mexiko 7.180 16.243 23.824 33.876 37.452 40.362 40.670
12. Ägypten 3.684 3.028 14.111 15.600 32.458 36.200 38.400
13. Vietnam 785 641 2.500 13.298 30.808 32.690 36.400
14.
Indonesie
n
553 5.821 13.762 22.789 33.917 35.000 36.000
15. Thailand 2.626 5.337 18.054 32.004 37.872 39.408 35.668
16. Iran 2.575 7.546 13.000 23.880 32.650 33.000 35.000
17.
... ...
Deutschland
46.312 46.627 37.684 36.635 31.009 33.630 33.382
© A.Horch
WS 2011/12 | Slide 5
Quelle: United States Geological Survey

Zementherstellung
Weltweite Verteilung
© A.Horch
WS 2011/12 | Slide 6

Zementherstellung
Umweltaspekte
• Die Zementindustrie ist eine der am energieintensivsten Industrien
überhaupt.
• Ca. 4% des jährlichen weltweiten CO 2 Ausstosses wird durch die
Zementherstellung verursacht.
• Durch die Verbrennung von Sekundärbrennstoffen (Altöl, Müll, Reifen,
Tiermehl, Biomasse, ...) entstehen vielfältige Schadstoffe.
• Der Sekundarbrennstoffanteil soll von ca. 40% auf 70% gehoben werden.
© A.Horch
WS 2011/12 | Slide 7

Zement
Herstellungsprozess
• Kontinuierlicher Trockenprozess (frühere Nassverfahren
werden aufgrund hohen Energieverbrauches nicht mehr
verwendet)
• Produktion ca. 3.000 – 10.000 t Klinker pro Tag
• Rohstoffe
• Kalkstein, Ton, Sand, Eisenerz
© A.Horch
WS 2011/12 | Slide 8

Zement
Herstellungsprozess
• Verschmelzung einer genau definierten und in ihrer
Zusammensetzung überwachten Mischung aus Rohstoffen
mit Gehalt an Kalzium, Silizium, Aluminium, Eisen und
geringem Anteil anderer Stoffe unter hohen Temperaturen.
• Prinzipiell drei verschiedene Prozessschritte:
• Aufbereitung, Mischen und Mahlen der Rohstoffe zu
Rohmehl, welches dem Brennofen zugeführt wird
• Kalzinierung* und Brennen des Rohmehls im
Drehrohrofen und dessen zugeordneten Anlagenteilen
• Vermahlung des Klinkers zur Herstellung von Zement.
© A.Horch
WS 2011/12 | Slide 9
*in der Chemie das Erhitzen (Brennen) eines Materials mit dem Ziel, dieses zu entwässern, zu
verfärben oder zu zersetzen.

Zement
Herstellungsprozess
• Die Rohstoffe werden in Steinbrüchen abgebaut und in
Brechern zerkleinert.
• In einer Rohmühle werden alle Rohmaterialien zusammen
vermahlen und gemischt und gleichzeitig getrocknet.
• Das Rohmehl wird in einem Drehrohrofen bei
Temperaturen von ca. 1.450 °C zu Klinker gebrannt.
• Der Klinker wird in einem Kühler auf 200 °C
heruntergekühlt.
• Vermahlung in einer Kugelmühle zusammen mit Gips oder
Anhydrit zu Zement.
• Durch die Zumahlung verschiedener Zusatzstoffe können
verschiedene Zementeigenschaften erzielt werden.
© A.Horch
WS 2011/12 | Slide 10

Zement
Herstellungsprozess
© A.Horch
WS 2011/12 | Slide 11

Zementherstellung
Das Herz: Drehrohrofen
• Länge bis 100 m, Durchmesser einige Meter, 4° Neigung
• Wird auch in der Zellstoffherstellung verwendet (Kalkkreislauf
bei chemischer Herstellung von Zellstoff), Müllverbrennung
u.A.
• Direkte Beheizung, d.h. ein Brenner innerhalb des Ofens heizt
entgegen der Bewegungsrichtung des Produktionsgutes.
• Stahlzylinder, der innen mit Steinen ausgemauert wird.
• Der kontinuierliche Betrieb darf nicht unterbrochen werden,
damit keine thermischen Spannungen auftreten.
• Bei plötzlichem ‚Stehenbleiben‘ entsteht eine sog. ‚Banane‘.
• Investitionskosten mehrere M€.
• Beheizung zum großen Teil mit Müll, Autoreifen etc.
© A.Horch
WS 2011/12 | Slide 12

Drehrohrofen
Ein Blick hinein
© A.Horch
WS 2011/12 | Slide 14
www.youtube.com/watch?v=SOmkia3Dlro&NR=1

Gehobene Regelung in der Zementindustrie
Beispiele (ABB)
2005 Rohmaterialaufbereitung
Pilot – Buzzi Unicem, Guidonia (I)
> 25 Anlagen in Betrieb (Ende 2007)
2006 Zyklonwärmetauscher
Pilot – Holcim, Lägerdorf (D)
> 4 Anlagen in Betrieb (2008)
2006 (2009) Mühlenregelung
Pilot – Jura Cement, Wildegg (CH)
> 10 Anlagen in Betrieb (Ende 2007)
2007/08 Drehofen MPC Control
Pilot – Holcim, Siggenthal (CH)
> 45 Anlagen in Betrieb (Ende 2007)
(Fuzzy Control: ~200 Anlagen in Betrieb)
© A.Horch
WS 2011/12 | Slide 15

Zementherstellung
Wichtige Messwerte für die Optimierung
© A.Horch
WS 2011/12 | Slide 16

Drehofen und Vorwärmer - Übersicht
• Steuergrössen
• Materialzufluss
• Drehgeschwindigkeit Ofen
• Gasdurchfluss
• Brennstoffzufuhr
• Regelgrössen
BET
• Burning zone temperature (BZT)
• Kiln back end temperature (BET)
• O2-Level im Abgas (exhaust Gas)
(O2)
O2
Speed
© A.Horch
WS 2011/12 | Slide 17
BZT

Drehofen – Übersicht
© A.Horch
WS 2011/12 | Slide 18

Klassische gehobene Regelung
Fuzzy Control
BZT 1 O 2 BET 2
feed
fuel
Expert Optimizer
Fuzzy control
Klassisch PID, …
Model Predictive
Control (MPC)
fan
Dynamik verschiedener Zeitskalen
schwierig zu erfassen
Grosser Tuning-Aufwand
Grosser Wartungsaufwand
Aber:
200 Lösungen laufen kontinuierlich!
© A.Horch
WS 2011/12 | Slide 19
1
Burning zone temperature
2
Back end temperature

Drehrohrofen
Klassische Regelung
• Typischerweise Eingrößenregelungen
• Prozessbedingungen müssen vom Bediener ständig überwacht
werden, damit Sollwerte nachgeführt werden können.
• Schwierigkeiten sind hierbei:
• komplexes Ansprechverhalten
• Zeitverzögerungen
• Wechselwirkungen
• Stark wechselnde Zusammensetzung des Rohmateriales
• Brennmaterial mit unterschiedlichen Brennwerten
• Daher vorsichtiger Betrieb und somit bei höher als notwendigen
Temperaturen.
• Die Temperaturregelung in der Sinterzone ist entscheidend für die
Qualität
• Zu niedrig Klinker nicht vollständig umgewandelt
• Zu hoch Klinker verbrennt
© A.Horch
WS 2011/12 | Slide 20

Gehobene Regelung und Optimierung
Notwendige Schritte
Standardmethodik!
• Die Aufgabe verstehen
• Welche Probleme sollen gelöst werden?
• Den Prozess verstehen
• Welche Phänomene sind relevant?
• Den Prozess modellieren
• Mathematische Beschreibung schaffen zur Analyse, Simulation
und letztlich Regelung
• Messwerte bereitstellen
• Sensorik, Zustandsschätzung, ...
• Regelungsproblem formulieren & lösen
• Welche Regelungs- / Optimierungsaufgabe ist zu lösen?
• Implementierung & Online schalten
• Resultate bewerten
© A.Horch
WS 2011/12 | Slide 21

Modellbildung
© A.Horch
WS 2011/12 | Slide 22

Drehrohrofenoptimierung
Modellbildung
• Gewünschtes Prinzip: Zusammensetzung von
Prozessmodellen aus Grundbausteinen
• Zwei Methoden können verwendet werden:
1. Linear, gemischt logisch-dynamische Modelle
2. Nicht-lineare Modelle (z.B. basierend auf MODELICA)
© A.Horch
WS 2011/12 | Slide 23

Exkurs: MLD (Mixed logical dynamic Systems)
Was sind hybride Systeme?
Zustände können sowohl kontinuierlich wie auch diskret {0;1} sein.
© A.Horch
WS 2011/12 | Slide 24

Mixed Logical Dynamical (MLD) Systems
• Konzept für die Behandlung kontinuierlicher und diskreter
Dynamiken
x(
t
y(
t)
E ( t)
E
2
1)
Ax(
t)
3
z(
t)
B u(
t)
Cx(
t)
D u(
t)
1
1
E u(
t)
E
1
B ( t)
B
• x – Zustände (kontinuierlich / binär, z.B. ein/aus)
• u - Eingänge (kontinuierlich / binär, z.B. ein/aus)
• Rest (, z) sind Hilfsvariablen, mit deren Hilfe
Nebenbedingungen elegant formuliert werden können
• MLD Form kann einfach in einen MPC Formalismus
integriert werden
• Gleichheits-Nebenbedingungen werden als doppelseitige
Ungleichheits-Nebenbedingungen modelliert
2
D ( t)
4
2
x(
t)
E
3
D z(
t)
5
z(
t)
3
© A.Horch
WS 2011/12 | Slide 25

Optimierung – eine Kunst?
• Die Kunst der mathematischen Optimierung besteht darin,
reale Probleme mathematisch so zu formulieren, daß sie
die Form von Standardproblemen annehmen, für die es
zuverlässige und effiziente Lösungsverfahren gibt.
x(
t 1)
Ax(
t)
B u(
t)
B ( t)
B
y(
t)
E ( t)
E
2
3
1
Cx(
t)
D u(
t)
D ( t)
D z(
t)
1
z(
t)
E u(
t)
E
1
2
4
2
3
x(
t)
E
5
z(
t)
3
© A.Horch
WS 2011/12 | Slide 26

Modellbildung für hybride Systeme
HYSDEL (Hybrid System Description Language)
• HYSDEL wurde von der ETH in Zürich entwickelt und ist frei.
• Text-basierte Modellierungssprache für hybride Systeme.
• HYSDEL transformiert die Beschreibung in eine MLD Form, die sofort für die
Optimierung verwendet werden kann.
• Compiler erzeugt alle Matrizen im allgemeinen MLD modell.
© A.Horch
WS 2011/12 | Slide 27
http://control.ee.ethz.ch/~hybrid/hysdel/

Beispiel für graphische Modelliering
basierend auf HYSDEL (ABB)
Standard MLD Blöcke verfügbar
Nicht-standard MLD Blöcke, importiert aus
kompilierten HYSDEL Dateien
© A.Horch
WS 2011/12 | Slide 28

Modellbildung – Compartments
© A.Horch
WS 2011/12 | Slide 29

Modellbildung
Compartments im Ofen
Massenfluss
Feed Temp.
Gas Temp.
Sauerstoff
© A.Horch
WS 2011/12 | Slide 30

Energiebilanzen (je Compartment)
T
Feed Temp.
i
f
b
f f f f
u
N mi
Ti
1
mi
Ti
b uN
mi
convect rad g f f f
c c T T
c m
f chem
1
Ei
/
i
i
i
c
f
c
loss
T
i
f
Gas Temp.
T
g
i
L
1
g g burn
g g
i uvgas
Ti
1
Ti
fi
uenergy
c m
convect rad g f g g
c c T T
c m
i
i
Energietransport
Energiequellen
Energietransfer
Energiesenke
© A.Horch
WS 2011/12 | Slide 31

Massentransport (je Compartment)
m
i
bu
N
f f
f
m m bu m m
i1 i N i 1
i1
Massentransport
Massensenke
• Masse im ersten Compartment ist der Zustrom
© A.Horch
WS 2011/12 | Slide 32

Zusammensetzung der Modelle
• Ausreichend prädiktives Modell
• Hauptdynamik ist erfasst
• Ausreichend niedrige Komplexität
• Optimierungsproblem kann in wenigen
Sekunden gelöst werden
© A.Horch
WS 2011/12 | Slide 33

Erfasste Phänomene
Modellierung ist ein iterativer Prozess!
© A.Horch
WS 2011/12 | Slide 34

Messwerte
Stellgrössen (sind bekannt)
Messungen
BZT meal
BZT gas
BET meal
BET gas
Zustandsschätzung, um das
Temperaturprofil zu erhalten
BZTm = f(NOx, Amps, Pyro)
BETg = f(Pyro,HB(C1))
BZTg = SAT
BETm = f(mT1a,mT1b)
© A.Horch
WS 2011/12 | Slide 35

Grafische Modellierung (ABB Expert Optimizer)
© A.Horch
WS 2011/12 | Slide 36

Linearisierung der Modellgleichungen
• Warum Linearisierung?
• Der Prozess wird stationär an einem bestimmten
Arbeitspunkt betrieben.
• Der Arbeitspunkt muss für verschiedene
Betriebsbedingungen konfigurierbar sein (x 0 , u 0 ).
• Lineare Dynamik sollte ausreichend sein unter der
Annahme, dass die Regelung in der Lage ist, den Prozess
nahe beim gewünschten Arbeitspunkt zu halten.
• Annahme: Der Wärmetransfer ist linear im
Temperaturunterschied.
© A.Horch
WS 2011/12 | Slide 37

Zustandsschätzung
Moving Horizon Estimation (MHE)
© A.Horch
WS 2011/12 | Slide 38

Zustandsschätzung
Einführung
• Modell mit fünf verschiedenen Compartments
• Jedes Kompartment hat drei Zustandsgrössen plus eine
Zustandsgrösse für den Sauerstoffgehalt.
• Drei verfügbare Messungen im Prozess
• Temperature at back end (BET)
• Temperature in the burning zone (BZT)
• Oxygen after combustion (O2)
© A.Horch
WS 2011/12 | Slide 39

Zustandsschätzung
Einführung
© A.Horch
WS 2011/12 | Slide 40

Zustandsschätzung
Moving Horizon Estimation (MHE)
• Moderne Alternative zum (Erweiterten) Kalman Filter zur Zustandsschätzung
• Sehr leistungsfähig in vielen Fällen
• Analog zur modell-prädiktiven Regelung, wird die Schätzung über einen
gewissen Horizont vorgenommen
• Der Horizont läuft jedoch in die Vergangenheit
• Das Ziel ist es die System-Zustände so zu schätzen,dass das Zutrauen in die
Messungen und in das
Modell balanciert werden.
Nebenbedingungen
© A.Horch
WS 2011/12 | Slide 41
MHE: Finde die Folge von Zuständen, die den vergangenen Daten (bis zum
Horizont) am besten passen und gleichzeitig die Nebenbedingungen (für die
Zustände und Eingangsgrössen) erfüllen.

Zustandsschätzung
Moving Horizon Estimation (MHE)
• Vorgehen:
• Optimiere die Folge der Zustände über einen vergangenen Horizont
• Passe die Folge von Zuständen an an
• das dynamische Model
• die Historie von Messwerten (innerhalb des Horizontes)
• Balance zwischen Qualität des Modelles (und Prozessrauschen) und
Messwerten (Messrauschen)
• Wähle im aktuellen Schritt das letzte Element der Zustandsfolge (x0)
• Schiebe den Horizont einen Zeitschritt vorwärts
• Bemerkungen
© A.Horch
WS 2011/12 | Slide 42
• Generische Operation: benötigt nur ein Modell und Messwerte
• Keine Zauberei: „Beobachtbarkeit“ ist notwendig für sinnvolle Ergebnisse
• Es gibt effiziente (auch kommerzielle) Implementierungen

Zustandsschätzung (MHE)
Umgang mit Unsicherheit und Beobachtbarkeit
Unsicherheit
• Für verschiedene Rohmaterialien (Zusammensetzung / Qualität) werden
verschiedene Mengen Energie benötigt. Dies beschreibt das Modell nicht.
• Die geschätzten Systemzustände haben dann einen Bias.
• Abhilfe: Einführung eines zusätzlichen Zustandes: x(t+1)= x(t)
Beobachtbarkeit
• Der Massenfluss-Zustand ist nicht beobachtbar
• Die Gleichung scheint verlässlich, daher: keine Korrektur durch Messwerte,
sondern reine Simulation mit einem guten Startwert.
• Der Rest des linearen Modelles ist beobachtbar.
• Weiterhin wird die Temperatur in einigen Compartments nicht geschätzt,
sondern simuliert, damit der Schätzer stabil bleibt.
© A.Horch
WS 2011/12 | Slide 43
Diese Ansätze sind nur iterativ auffindbar und sind eine Art
Modellvereinfachung, damit das Modell als Grundlage für eine
(zuverlässige) Regelung verwendet werden kann.

Regelung (MPC) und Zustandsschätzung (MHE)
Grundlegendes Prinzip
Zustandsschätzung
Optimierung
Parameterschätzung
t=0
(jetzt-Zeit)
t=5
t=4
t=3
t=2
t=1
} t=1
t=2
t=3
t=4
t=5
Dieser Wert als
Stellgrösse
Geschätzter Zustand
für den MPC Regler
© A.Horch
WS 2011/12 | Slide 44

Modell-prädiktive Regelung
MPC
© A.Horch
WS 2011/12 | Slide 45

Model Predictive Control (MPC)
• Hauptzutaten
• Modell der Strecke
• Zielfunktion (Opt.)
• Das Modell sagt das
Systemverhalten einige
Zeitschritte in die Zukunft
voraus
• Für jeden Abtastschritt
muss ein Optimierungsproblem
gelöst werden
• Kostenfunktion kann linear
oder quadratisch sein
© A.Horch
WS 2011/12 | Slide 46

Model Predictive Control (MPC)
wie Schach spielen
1. Evaluiere die Position (=Messung)
und schätze die Zustände
2. Sage zukünftige Züge voraus
(mathematischer Algorithmus,
Optimierung)
3. Mache den ersten Zug (neuer
Sollwert für den Regler)
4. Von Neuem wenn der Gegner
gezogen hat (Reaktion des
Prozesses)
• Nebenbedingungen werden
eingehalten (“nur erlaubte Züge”)
• Kostenfunktion wird betrachtet (z.B.
minimaler Verlust von Figuren)
© A.Horch
WS 2011/12 | Slide 47

Model-predictive control (MPC)
Formulierung mathematisch (basierend auf MLD Modell)
• Diese Forumulierung ist zwingend und einfach, sobald das
Modell einmal als MLD formuliert worden ist.
• Standardformulierungen sind ein Segen.
• Die Gewichtungen der Kostenfunktion und die Einführung
von Hilfsvariablen (z) übersetzen die Anlagenanforderungen
in das Regelungsproblem.
© A.Horch
WS 2011/12 | Slide 48

Grafische Hantierung des Optimierungsproblemes
Abweichung von der
Zielfunktion für die
Temperatur
Durch die grafische Oberfläche muss
der Anwender keine mathematischen
Details verstehen, sondern kann sich
auf die für ihn wichtigen Aspekte
fokussieren.
Abweichung für den
Sauerstoffgehalt
© A.Horch
WS 2011/12 | Slide 49

Modell-prädiktive Regelung
Implementierung
© A.Horch
WS 2011/12 | Slide 50

Implementierung – Schema
Vorverarbeitung der Messwerte
Erfordert ggf.
Die Lösung
eines
Optimierungsproblemes
Messwerte
Schätzung der Prozesszustände
(MHE, Fuzzy Logik, Neuronale Netze)
State estimates
Berechnung optimaler Sollwerte
(MPC, Fuzzy Logik)
Nachverarbeitung der Sollwerte
Sollwerte, Trajektorien
OPC
OPC
Prozessleitsystem PLS
Sensoren
Stellgrössen
Prozess / Anlage
Optimierungswerkzeug
© A.Horch
WS 2011/12 | Slide 51

Drehofen – Optimierung
Ergebnisse 1(4)
© A.Horch
WS 2011/12 | Slide 52

Drehofen – Optimierung
Ergebnisse 2(4)
Burning Zone Temperature BZT [°C]
manuelle Regelung
MPC Regelung
(mit gelegentlichen manuellen Eingriffen)
© A.Horch
WS 2011/12 | Slide 53

Drehofen – Optimierung
Ergebnisse 3(4)
© A.Horch
WS 2011/12 | Slide 54

Drehofen – Optimierung
Ergebnisse 4(4)
© A.Horch
WS 2011/12 | Slide 55
SD – Standard deviation
LL – Lower limit
HL – Higher limit
KPI – Key performance indicator

Operator Interface
Beispiel:
Bedienschirm
Übersicht.
Die Anwendung
ist nicht ins
Leitsystem
integriert.

Beispiel:
Bedienschirm
Performance
Die Anwendung
ist nicht ins
Leitsystem
integriert.

Ausblick
Qualitätsregelung Rohmaterial
© A.Horch
WS 2011/12 | Slide 58
• Technologie
• Messung der chemischen
Zusammensetzung des Pulvers am Ende
der Rohmaterialaufbereitung
• Echtzeitregelung der Feeder um
Qualitätsschwankungen zu reduzieren
• Potentieller Nutzen
• Stabilisierung des Prozesses
• Konsistente Klinkereigenschaften
• Die Drehofenregelung hat weniger
Störungen zu hantieren (weniger
Kompromisse)
• Geschätzte Mehrproduktion von Klinker (1-
3% pro Jahr)

Ausblick
Qualitätsregelung Klinker
• Technologie
• Messung der Klinkermineralien am
Kühlerausgang
• Regelung der aktuellen Stellglieder und
alternative Brennstoffe in Echtzeit, um die
Klinkerqualität zu verbessern
• Potentieller Nutzen
• Niedrigere (Wärme-)Energiekosten (2-3%)
• Regelung freien Kalks im Klinker, niedrigere
Mahlkosten
• Positiver Einfluss auf Zementqualität
© A.Horch
WS 2011/12 | Slide 59

Ausblick
Verbrennungsoptimierung
• Flammenindikator
• Brennstoffcharakteristik
• Gasfluss
• Verbessertes Wärmeprofil
• Brennstoffoptimierung
• Staub
• …
© A.Horch
WS 2011/12 | Slide 60

Zusammenfassung
• Zementherstellung ist sehr komplex, aufwändig und energieund
resourcenintensiv.
• Dabei wachen Anforderungen und Produktion kontinuierlich.
• Es gibt weitreichendes Optimierungspotential durch gehobene
Regelungstechnik.
• Modellierung des Prozesses ist schwierig. Gemischt logischdynamische
Modelle bilden eine gute Grundlage für
Optimierungsmodelle.
• Die Regelung des Temperaturprofiles des Drehofens ist die
Hauptaufgabe und bietet enormes Einsparpotential.
• Durch die Verwendung alternativer Brennstoffe ergeben sich
weitere zahlreiche Optimierungsmöglichkeiten.
• Die MLD Formulierung ist extrem hilfreich für die weitgehend
vorgegebene Lösung komplexer Optimierungsprobleme.
© A.Horch
WS 2011/12 | Slide 61

Literatur
• http://de.wikipedia.org/wiki/Zement
• www.cement.org
• http://en.wikipedia.org/wiki/Cement_kiln
• A. Bemporad, M. Morari, 1999. Control of systems integrating logic, dynamics, and
constraints. Automatica, vol. 35, no. 3, pp. 407-427, Special issue on hybrid systems
March 1999.
• S.Gaulocher et al., 2010. Advanced Process Control in the Cement and Mining Industries
Based on Modular First-Principles Models. In VDI Automationkongress 2010, Juni
Baden-Baden, pp. 213-216.
• K.Stadler et al. 2010. Model Predictive Control of a Rotary Cement Kiln. Control
Engineering Practice, submitted.
• F.D. Torrisi, A. Bemporad, 2004. HYSDEL - A tool for generating computational hybrid
models for analysis and synthesis problems. IEEE Transactions on Control Systems
Technology, vol. 12, pp. 235-249.
• Poland, J., Isaksson, A. J., Aronsson, P., September 2009. Building and solving
nonlinear optimal control and estimation problems. In: Proceedings 7 th Modelica
Conference. Como, Italy, pp. 39–46.
• Rao, C. V., 2000. Moving horizon strategies for the constrained monitoring and control of
nonlinear discrete-time systems. Ph.D. thesis, University of Wisconsin.
© A.Horch
WS 2011/12 | Slide 62

Kontakt
Dr. Alexander Horch
Automation Department
ABB Forschungszentrum
Segelhofstrasse 1 K
CH-5405 Baden-Dättwil
Phone: +41 58 58 68107
Mobile: +41 79 58 38 222
Email: alexander.horch@ch.abb.com
Links
Jobs, Praktikum, Masterarbeiten: www.abb.com/careers
ABB Technologie: www.abb.com
About ABB Technology
Forschungszentrum Schweiz:
http://www.abb.ch/cawp/chabb123/bd361b8e73968949c1257337002e0d88.aspx
Forschungszentrum Deutschland:
http://www.abb.de/forschung
© ABB Group
SS 2010 | Slide 63