Nutzen: (je nach individueller Zielsetzung):

• Reduzierter Brennstoffverbrauch 0.5 - 1%

• Reduzierter O²-Überschuss von 25% (1-2 Punkte)

• Verringerung des Unverbrannten
  in der Asche um 5 - 50%

• Verbesserter Kesselwirkungsgrad um 0.3 - 1%

• Reduktion des elektrischen Eigenbedarfes

• CO2-Reduktion um 0.5 – 2%

• CO und NOx Reduktion bis zu 30%

• Um 30% reduzierte Kesselträgheit

• Homogenisierte Temperaturverteilung

• Optimierte Temperaturverteilung
  über verschiedene Ebenen

• Reduktion von Verschlackung und Verschmutzung
  an Brennermund und Flossenwänden

• Erhöhte Verfügbarkeit z.B. durch Ausbleiben
  von Brenner-Rückzündungen

• Verbesserte Kesselwandatmosphäre

• Erweiterung des Brennstoff-Bands (Biomasse)

Merkmale:

• Hochgeschwindigkeitskameras und/oder Thermofluss-Sensoren beobachten den ersten Zug und extrahieren – mittels eines patentierten Mustererkennungsprozesses –signifikante Merkmale aus Anzünd-, Verbrennungs- und Ausbrand-Verhalten, Temperaturen, Position und Emissionen

• Vibrationssensoren erfassen die Schwingungen von Mühle und Kohlenstaub-Leitungen, um frühzeitige Information zu Mahlgrad, Kohlequalität und Kohlenstaubverteilung zu erhalten.

• Prozessdaten aus dem PLS werden permanent durch eine auf neuronalen Netzen basierte Software mit optischen und akustischen Informationen korreliert

• Selbstlernende adaptive Software basierend auf neuronalen Netzen, die sich an unterschiedliche Prozesszustände selbständig anpasst

• Integration von Fachwissen und selbstlernende Erweiterung desselben

• Unkomplizierte Änderung der Optimierungsziele ohne Neuprogrammierung oder Umparametrisierung der Software

• Schnelle IBN (2 bis 3 Wochen vor Ort mit 5 bis 10 Manntagen Kundeneinbindung)

• 24 Stunden täglich, 7 Tage die Woche “Closed Loop Control” Optimierung des Luft/Brennstoff-Verhältnisses

Broschüren:

         Übersicht Lösungsangebot für Kraftwerke

         Kurzübersicht PiT Navigator Kraftwerke

         Prospekt PiT Navigator Kraftwerke

         PiT Online-CFD Video

Case Studies:

PiT Navigator im MKV der EVONIK am Standort Fenne

PiT Navigator at Seocheon TPP (Korea)

PiT Navigator im E.ON Kraftwerk Scholven

Veröffentlichungen über den PiT Navigator im Kraftwerk:

VGB PowerTech 03/2011: SOFCOM - Self-optimizing strategy for control of the combustion process
Jonas Funkquist, Volker Stephan, Erik Schaffenicht, Claus Rosner, Magnus Berg

VGB PowerTech 06/2009: Vollautomatische und selbstlernende Prozessoptimierung, Alexander Hanf

VGB PowerTech 12/2008: Wirkungsgradverbesserung an steinkohlebefeuerten Dampferzeugern mittels lernfähiger, videogestützter Luftverteilungsoptimierung, Claus Rosner, Hauke Röpell et.al.

VGB PowerTech 12/2007: Performance Contracting für einen Feuerungsoptimierer auf Basis von Neuronalen Netzen in einem kohlebefeuerten Kraftwerk, Dirk Kiehn

Impulse 10/2007: Die Klimaschützer, Redaktion

Energie & Innovation 08/2007: Innovatives Abrechungsmodell zur Effizienzsteigerung aus dem Ruhrgebiet, Alexander Hanf

Wirtschaftswoche 03/2007: Sauberes Kraftwerk, Redaktion

Seminar-Beiträge:

<<< PiT Leakage                                                                                                                                                                    PiT Navigator Soot Blower >>>

Kontakt:
Powitec Intelligent Technologies GmbH
Im Teelbruch 134b, 45219 Essen, Germany
www.powitec.de, sales@powitec.de

info@powitec.de
Tel: +49.2054.937 62-0

PiT Navigator

Kombination aus selbstlernender und adaptiver Software mit zusätzlichen Sensoren die das Brennstoff-/Luft-Verhältnis optimiert. Sämtliche Daten des Verbrennungsprozesses wer­den mit Informationen  zusätzlicher Sensoren in künstlichen Neu­ro­nalen Netzen korreliert und der Gesamtprozess wird kontinuierlich zum Opti­mum geregelt.