Fault tolerant model predictive control (FTMPC) of the BioGrate boiler

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.author Kortela, Jukka
dc.date.accessioned 2015-02-02T10:00:22Z
dc.date.available 2015-02-02T10:00:22Z
dc.date.issued 2015
dc.identifier.isbn 978-952-60-6080-4 (electronic)
dc.identifier.isbn 978-952-60-6079-8 (printed)
dc.identifier.issn 1799-4942 (electronic)
dc.identifier.issn 1799-4934 (printed)
dc.identifier.issn 1799-4934 (ISSN-L)
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/15099
dc.description.abstract Climate change and environmental concerns are forcing process industries to increase the share of sustainable resources in energy production. The utilization of biomass receives an increasing attention as a replacement for fossil fuels due to its wide availability and sustainability. However, the unpredictable variability of biomass properties, including moisture content, composition and heating value, results in disturbances, faults, and failures during the power plant operation, which creates additional barriers for a wider utilization of biomass.  This thesis focusses on the development of a fault tolerant model predictive control (FTMPC) scheme that addresses the challenges associated with the biomass utilization for power production in BioGrate boilers. The novelty of this scheme lies in the integration of soft-sensors measuring the unpredictable biomass properties with a fault accommodation mechanism.  The effectiveness of the developed FTMPC scheme is successfully tested with a dynamic simulator of the BioGrate boiler. This simulator is constructed using the industrial test data from the BioPower 5 CHP plant. In addition, industrial tests, conducted to evaluate the performance of the developed soft-sensors, confirm the prediction accuracy of the fuel moisture content and combustion power in the furnace. Subsequently, the economic evaluation of the soft-sensors integrated FTMPC scheme is presented. en
dc.description.abstract Ilmastonmuutos ja ympäristökysymykset pakottavat prosessiteollisuutta kasvattamaan kestävien luonnonvarojen osuutta energiantuotannossa. Biomassa saa kasvavaa huomiota korvaavana vaihtoehtona fossiilisille polttoaineaineille johtuen sen hyvästä saatavuudesta ja hiilineutraalisuudesta. Kuitenkin biomassan ominaisuuksien arvaamaton vaihtelu, mukaan lukien kosteus, koostumus ja lämpöarvo, johtaa häiriöihin, vikoihin ja toimintahäiriöihin laitoksen operoinnissa, mikä luo esteitä biomassan laajemmalle hyödyntämiselle.  Tämä väitöskirja keskittyy vikasietoisen malliprediktiivisen säätö (FTMPC) -järjestelmän kehittämiseen ottaen huomioon haasteet biomassan hyödyntämisessä energiantuotannossa BioGrate-kattiloilla. Uutta tässä järjestelmässä on soft-sensorien integrointi mittaamaan biomassan vaihtelevia ominaisuuksia yhdessä vikasietoisen menetelmän kanssa.  Kehitetyn FTMPC-järjestelmän tehokkuus on testattu käyttäen BioGrate-kattilan dynaamista simulaattoria, joka on tehty käyttäen hyväksi BioPower 5 CHP -laitoksen teollisia mittauksia. Lisäksi, teollisuudessa suoritetut koetulokset, joita käytettiin kehitettyjen soft-sensorien suorituskyvyn arvioimiseen vahvistavat, että polttoaineen kosteus ja palamisteho voidaan ennustaa hyvällä tarkkuudella. Tämän lisäksi kehitetyn FTMPC-järjestelmän taloudellinen merkitys on arvioitu väitöskirjassa. fi
dc.format.extent 76 + app. 65
dc.format.mimetype application/pdf en
dc.language.iso en en
dc.publisher Aalto University en
dc.publisher Aalto-yliopisto fi
dc.relation.ispartofseries Aalto University publication series DOCTORAL DISSERTATIONS en
dc.relation.ispartofseries 20/2015
dc.relation.haspart [Publication 1]: Kortela, J., Jämsä-Jounela, S.-L. (2012). Fuel-quality soft sensor using the dynamic superheater model for control strategy improvement of the BioPower 5 CHP plant. International Journal of Electrical Power & Energy Systems, 42 (1), 38-48. http://dx.doi.org/10.1016/j.ijepes.2012.03.001.
dc.relation.haspart [Publication 2]: Kortela, J., Jämsä-Jounela, S.-L. (2013). Fuel moisture soft-sensor and its validation for the industrial BioPower 5 CHP plant. Applied Energy, 105, 66-74. http://dx.doi.org/10.1016/j.apenergy.2012.12.049.
dc.relation.haspart [Publication 3]: Kortela, J., Jämsä-Jounela, S.-L. (2015). Modeling and model predictive control of the BioPower combined heat and power (CHP) plant. International Journal of Electrical Power & Energy Systems, 65, 453-462. http://dx.doi.org/10.1016/j.ijepes.2014.10.043.
dc.relation.haspart [Publication 4]: Kortela, J., Jämsä-Jounela, S.-L. (2014). Model predictive control utilizing fuel and moisture soft-sensors for the BioPower 5 combined heat and power (CHP) plant. Applied Energy, 131, 189-200. http://dx.doi.org/10.1016/j.apenergy.2014.06.014.
dc.relation.haspart [Publication 5]: Kortela, J., Jämsä-Jounela, S.-L. (2014). Fault-tolerant model predictive control (FTMPC) for the BioGrate boiler. Applied Energy, Submitted the 1st of December, 2014.
dc.subject.other Automation en
dc.title Fault tolerant model predictive control (FTMPC) of the BioGrate boiler en
dc.title Vikasietoinen malliprediktiivinen säätö (FTMPC) BioGrate-kattilalle fi
dc.type G5 Artikkeliväitöskirja fi
dc.contributor.school Kemian tekniikan korkeakoulu fi
dc.contributor.school School of Chemical Technology en
dc.contributor.department Biotekniikan ja kemian tekniikan laitos fi
dc.contributor.department Department of Biotechnology and Chemical Technology en
dc.subject.keyword fault tolerant control en
dc.subject.keyword model predictive control en
dc.subject.keyword biomass en
dc.subject.keyword fuel quality en
dc.subject.keyword fuel moisture en
dc.subject.keyword industrial process en
dc.subject.keyword combustion en
dc.subject.keyword vikasietoinen säätö fi
dc.subject.keyword malliprediktiivinen säätö fi
dc.subject.keyword biomassa fi
dc.subject.keyword polttoaineen laatu fi
dc.subject.keyword polttoaineen kosteus fi
dc.subject.keyword teollinen prosessi fi
dc.subject.keyword palaminen fi
dc.identifier.urn URN:ISBN:978-952-60-6080-4
dc.type.dcmitype text en
dc.type.ontasot Doctoral dissertation (article-based) en
dc.type.ontasot Väitöskirja (artikkeli) fi
dc.contributor.supervisor Jämsä-Jounela, Sirkka-Liisa, Prof., Aalto University, Department of Biotechnology and Chemical Technology, Finland
dc.opn Bordons, Carlos, Prof., University of Seville, Spain
dc.opn Vilkko, Matti, Prof., Tampere University of Technology, Finland
dc.date.dateaccepted 2015-01-21
dc.rev Bordons, Carlos, Prof., University of Seville, Spain
dc.rev Ahola, Jero, Prof., Lappeenranta University of Technology, Finland
dc.date.defence 2015-02-13


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account