Hierarchical predictive control. Application to reheating furnaces in the steel industry.
Commande prédictive hiérarchisée. Application à la commande de fours de réchauffage sidérurgiques
Résumé
In steel industry, reheating furnaces are the biggest energy consumers after blast furnaces. As a result, reduction of energy consumption is the major concern of furnace control. In a walking-beam slab reheating furnace, steel slabs are heated by moving through successive zones from ambient temperature to a homogenous temperature profile of 1250°C at the furnace exit, to be rolled subsequently in the hot rolling mills. Temperature of slabs is controlled mainly by a two-level hierarchical structure, so called level 1 and level 2.
The aim of this thesis is to improve the heating performance and consequently to reduce the energy consumption of the furnace by using hierarchical distributed model predictive control (MPC) strategy for both levels. In a first step, distributed model predictive controllers are developed for the level 1 in order to track zone temperature set-points. The distributed feature of the control law enables to consider coupling effects between zones while reducing the computation complexity compared to a complete centralized approach. The industrial results showed significant improvement on temperature tracking accuracy and an energy consumption reduction of 3%. In a second step, the hierarchical MPC is constructed for the level 2 in order to determine the optimal zones temperature setpoint from the slab temperature setpoint, based on a numerical heat transfer model of the furnace. The simulation results obtained with this strategy compared against industrial data show an energy consumption reduction of 5% and a better heating quality. The previous structure is finally extended to take into account and optimize the scheduling of the slabs within the MPC level 2 in order to increase productivity of the considered furnace. The simulation shows a potential increase of productivity of the furnace of 15 tons per hour while improving the slab heating quality.
Dans l'industrie sidérurgique, les fours de réchauffage sont les plus grands consommateurs d'énergie après les hauts fourneaux. En conséquence, la réduction de leur consommation énergétique s’avère être la préoccupation majeure dans le contexte de la commande des fours. Dans un four de réchauffage de brames, des brames d'acier sont chauffées en traversant successivement plusieurs zones de la température ambiante à un profil de température homogène de 1250 °C en sortie du four, avant d’être laminées par la suite dans les laminoirs à chaud. La température des brames est contrôlée principalement par une structure de commande hiérarchisée à deux niveaux (niveau 1 et 2).
L'objectif de ces travaux est d'améliorer la performance du chauffage et en conséquence de réduire la consommation énergétique du four à l'aide d’une stratégie de commande prédictive distribuée et hiérarchisée implantées sur les deux niveaux de commande. Dans un premier temps, une approche de commande prédictive distribuée est développée pour le niveau 1 afin de suivre les consignes de température de chaque zone. L’aspect distribué de la commande permet de prendre en compte les couplages entre les zones tout en induisant une moindre complexité d’implantation par rapport à une approche totalement centralisée. L’implantation industrielle de cette stratégie a permis une amélioration significative de la précision du suivi de température et une réduction de la consommation d'énergie de 3%. Une deuxième étape propose l’élaboration de la commande prédictive hiérarchisée du niveau 2 afin, à partir de la consigne de température de la brame, de déterminer les consignes de température optimales des zones en se fondant sur un modèle de transfert thermique du four. Les résultats de la simulation obtenus avec cette stratégie comparés aux données industrielles montrent une réduction de la consommation énergétique de 5% et une meilleure qualité de chauffage des brames. L’approche précédente est enfin étendue pour prendre en compte et optimiser le cadencement des brames au sein de la commande prédictive du niveau 2, afin d’augmenter la productivité du four. La simulation montre alors une augmentation potentielle de productivité du four de 15 tonnes par heure tout en améliorant la qualité de chauffage des brames.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...