[논문]석탄 가스화 복합 발전 플랜트의 분류층 가스화기 제어를 위한 선형 모델 예측 제어 기법

이효진; 이재형

doi:10.9713/kcer.2014.52.5.592

석탄 가스화 복합 발전 플랜트의 분류층 가스화기 제어를 위한 선형 모델 예측 제어 기법
Linear Model Predictive Control of an Entrained-flow Gasifier for an IGCC Power Plant 원문보기

Korean chemical engineering research = 화학공학, v.52 no.5, 2014년, pp.592 - 602

이효진 (한국과학기술원 생명화학공학과) , 이재형 (한국과학기술원 생명화학공학과)

초록
AI-Helper

석탄 가스화 복합 발전(coal-based IGCC power plant)에서 가스화기의 동적 상태와 성능이 플랜트 전체에 큰 영향을 미치므로, 가스화기가 문제 없이 운전 되도록 제어 하는 것은 전체 플랜트의 가동률을 높이는 데 있어 매우 중요한 일이라 할 수 있다. 가스화기의 안정적인 운전을 위해서는 고체 슬래그 층의 두께가 일정하게 유지되어야 하는데, 고체 슬래그 두께는 실시간 측정이 불가능하기 때문에 상태를 추정하여 추론 제어해야 한다. 본 연구에서는 Shell-type 가스화기의 동적 모사 모델을 개발하고 다변수 시스템의 추론 제어를 위한 방법으로 두 가지 선형 예측 제어 기법을 적용하여 그 특성을 분석하였다. 측정되지 않는 변수의 상태 추정을 위해 Kalman 필터 기법을 이용하였다. 측정 불가능한 1차 변수를 대신하여 측정 가능한 2차 변수를 제어하는 전통적인 추론 제어 기법으로는 외란의 종류에 따라 추론 제어가 불가능 할 수 있음을 확인하였고, 측정되지 않는 슬래그 두께를 Kalman 필터 기법을 이용하여 추정하여 성능 예측에 반영하고 외란 모델을 사용하여 예측 제어하는 경우 두 가지 측정 불가능한 외란 모두에 대해 추론 제어가 가능함을 확인하였다.

Abstract ▼ AI-Helper

In the Integrated Gasification Combined Cycle (IGCC), the stability of the gasifier has strong influences on the rest of the plant as it supplies the feed to the rest of the power generation system. In order to ensure a safe and stable operation of the entrained-flow gasifier and for protection of the gasifier wall from the high internal temperature, the solid slag layer thickness should be regulated tightly but its control is hampered by the lack of on-line measurement for it. In this study, a previously published dynamic simulation model of a Shell-type gasifier is reproduced and two different linear model predictive control strategies are simulated and compared for multivariable control of the entrained-flow gasifier. The first approach is to control a measured secondary variable as a surrogate to the unmeasured slag thickness. The control results of this approach depended strongly on the unmeasured disturbance type. In other words, the slag thickness could not be controlled tightly for a certain type of unmeasured disturbance. The second approach is to estimate the unmeasured slag thickness through the Kalman filter and to use the estimate to predict and control the slag thickness directly. Using the second approach, the slag thickness could be controlled well regardless of the type of unmeasured disturbances.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

기존에 수행된 연구 중 가스화기의 슬래그 두께 제어에 관한 연구는 전무하다. 본 연구에서는 가스화기 운전 중 측정 불가능한 외란이 발생한 상황에서 슬래그 두께를 제어하기 위한 목적으로 선형 모델 예측 제어 기법을 적용하여 그 제어 특성을 분석하였다.
본 연구에서는 가스화기의 동특성을 파악하기에 충분하면서도 online 제어 시스템 적용에 문제가 없을 만큼 계산 부하량(computational load)이 크지 않은 모사 모델을 개발할 목적으로, Sun의 동적 모델을 가스화기의 제어 특성 연구에 활용하였다. 본 연구에서 사용된 Sun의 Shell 타입 가스화기 모델은 합성가스 모델과 슬래그 모델로 구성된다.
발열량이 설계값보다 수% 크거나 작은 석탄이 유입되면, 즉, 가스화기로 유입되는 에너지의 변화가 있으면 가스화 반응에 영향을 미치게 되어 시스템을 불안정하게 만들 수 있는데, 이러한 상황이 오퍼레이터에 의해 감지 혹은 미리 대비될 수 없는 것이다. 본 연구에서는 석탄 발열량의 변화를 측정할 수 없는 외란으로 설정하고(시나리오1) 제어 특성을 살펴보았다. 가스화기 외벽의 냉각쟈켓에 유입되는 냉각수는 HRSG에서 공급되는데, 이 냉각수는 보일러의 조업상태에 따라 그리고 외부대기 조건에 따라 그 온도가 변할 수 있기 때문에, 냉각수의 온도 또한 측정 불가능한 외란으로 작용할 수 있다(시나리오2).
모델 예측제어는 우수한 제어 성능으로 인해 화학 공정[9], 식품 공정, 자동차[10], 항공 산업에 널리 적용되어 왔다. 본 연구에서는 실시간 측정이 불가능한 고체 슬래그 두께를 포함하는 다변수 시스템인 가스화기의 제어를 위하여 모델 예측 제어 기법을 적용하여 그 제어 특성을 살펴보았다.

가설 설정

방법1 적용 시, 입력 외란 모델은 사용하지 않고 단계 출력 외란(step output disturbance)을 가정하여 출력 외란 모델만 사용하였다(Table 4). 방법2 적용 시, 입력 외란(input step disturbance) 모델과 출력 외란 모델을 모두 사용하였다(Table 6, 7).
가스화기 외벽의 냉각쟈켓에 유입되는 냉각수는 HRSG에서 공급되는데, 이 냉각수는 보일러의 조업상태에 따라 그리고 외부대기 조건에 따라 그 온도가 변할 수 있기 때문에, 냉각수의 온도 또한 측정 불가능한 외란으로 작용할 수 있다(시나리오2). 본 연구에서는 석탄의 고위 발열량이 +2%로 단계 변화하는 상황과 냉각수의 온도가 -5% 경사단계 변화하는 상황을 가정하였다(Table 3).
슬래그 모델은 용융 슬래그(fluid slag) 두께와 고체 슬래그(solid slag) 두께의 변화 및 에너지와 질량 수지 식으로 구성된다. 석탄 회(Ash)의 70%가 슬래그로 부착된다고 가정하였고, 용융 슬래그의 두께 변화는 질량 보존에 의해 수식 (4)와 같이 부착되는 슬래그의 질량 유량(min)과 가스화기에서 배출되는 슬래그의 질량 유량(mex)의 차와 고체 슬래그에서 용융 슬래그로 용해되는 질량 플럭스에 의해 표현된다.
수식 (3)과 같이 각 원소의 물질 수지에 따라 생성물의 조성이 결정되는데, 가스화기로 유입되는 탄소의 99.5%가 가스로 전환된다고 가정하였으며, 황의 90%는 H₂S로 10%는 COS로 전환된다고 가정하였다.
3과 같다[31]. 측정되는 출력값에 대해서는 백색잡음(white noise)만을 가정하였다(measurement noise model).

제안 방법

가스화기의 생산물인 합성가스는 가스터빈의 연료로 사용되기 때문에 전력 부하량에 따라 그 합성가스 유량이 조절되어야 하므로 제어변수로 설정하였고, 안정적인 가스터빈 운전을 위해서는 합성가스 의조성이 일정 범위 안에서 유지되어야하므로 가스 온도는 최소최대값을 제한조건으로 설정하였다. 합성가스의 조성 중 연소특성에 주요한 영향을 미치는 두 가지 성분, 수소와 일산화탄소가 일정 비율을 갖도록 합성 가스의 H₂/CO 비를 제어 변수로 설정하였다.
가스화기의 안정적인 운전을 위해서는 고체 슬래그 층의 두께를 조절해야 하는데, 두께는 실시간 측정이 불가능하기 때문에 상태를 추정하여 추론 제어해야 한다. 두 가지 측정 불가능한 외란 발생에 대해 두 가지 추정제어 기법을 적용하여 그 결과를 비교하였다. 석탄 발열량이 증가하는 시나리오1의 경우, 외란이 직접 고체 슬래그 두께에 영향을 미치지 않으므로 두 가지 추정 기법 모두 제어에 성공하였다.
석탄은 고체 연료이기 때문에 같은 지역에서 채굴되었다고 하더라도 그 성분이 완전히 균일할 수 없으며 일정 범위 안에서 변동될 수 있다. 따라서 가스화기 설계 시, 설계를 위한 기준값을 정하되 상한과 하한의 기대 범위(경계조건) 안에서 변동 시에도 문제없이 운전될 수 있도록 가스화기를 설계한다. 문제는 실제 운전 시, 가스화기에 투입되는 석탄의 성분 및 발열량 변화를 실시간으로 측정할 수 없다는 점이다.
방법1에서는 y가 합성가스온도, 합성가스 H₂/CO 비, 합성가스유량이고, 방법2에서는 y가 고체 슬래그 두께, 합성가스 H₂/CO 비, 합성가스 유량, 그리고 합성가스의 온도는 최소/최대 범위 안에 있도록 제한 조건을 설정하였다. 3-3.
본 연구에서는 Matlab-Simulink 기반에서 모사를 진행하였는데, Simulink를 사용하여 DAE를 푸는 경우 algebraic loop을 구성하여야 하고, 이 때 대수 변수의 개수가 적은 것이 계산 효율을 높이는 데 도움이 되기 때문에, 앞에서 설명했던 가스화기 모델 18개의 대수 변수를 단순 치환하여 5개로 줄였고, 선형 모델에서 표현된 총 8개의 변수는 T0, δf , δf , δs, CO2, 몰수[CO2], qg, Tg, msyngas, H2/CO ratio ([H2]/[CO])와 같다.
예측모델과 상태 추정 모델은 선형 모델을 사용하였으므로 플랜트의 비선형성으로 인한 오차가 발생할 수 있고, 플랜트에서 발생하는 측정 불가능한 외 란의 영향을 반영하기 위한 외란모델을 어떻게 설계하느냐에 따라 성능이 달라질 수 있다. 본 연구에서는 각각의 시나리오에서 외란을 가장 잘 반영할 수 있는 외란모델을 선정하여 제어특성을 살펴보았고, 가중계수는 두 시나리오에서 동일한 가중계수를 사용하였다(Table 6).
이 경우 시스템의 상태에 영향을 직접 영향을 미치는 측정되지 않는 외란을 모델(input disturbance model)화 하거나, 시스템의 출력에 외란의 영향이 있다고 가정하여 이를 모델(output disturbance model)화 할 수 있다. 본 연구에서는 수식 (27)과 같이 외란(p)을 모델화하고, 수식 (28)과 같이 입력 및 출력에 외란의 영향을 반영한 확장된(augmented) 상태 공간 모델로 예측기 모델을 구성하였다.
선형 모델 예측 제어(Linear MPC) 기법을 이용하여 측정 불가능한 제어 변수, 고체 슬래그 두께를 추론 제어(inferential control)하기 위해 아래 두 가지 방법을 시도하였다.
이 미분 대수 방정식을 Taylor series expansion을 이용하여 100% 부하 조건에서 선형화하여 수식 (25)의 상태 공간 모델(State-space model)의 행렬을 구하였다.
모델 예측 제어에서 두 방식의 차이는 목적 함수에 있다. 첫 번째 방법에서는 제어기가 제어 동작을 결정할 때 이차변수의 에러가 최소화 되도록 하고, 두 번째 방법에서는 추정된 일차 변수의 에러가 최소화 되도록 제어 동작을 결정한다. 제어기(controller)의 목적함수(23)에서 y는 제어 변수, r은 설정값, u는 조작변수, Ψ는 가중 계수, p는 예측 범위(prediction horizon), m은 제어값 계산 범위(moving horizon)이다.
가스화기의 생산물인 합성가스는 가스터빈의 연료로 사용되기 때문에 전력 부하량에 따라 그 합성가스 유량이 조절되어야 하므로 제어변수로 설정하였고, 안정적인 가스터빈 운전을 위해서는 합성가스 의조성이 일정 범위 안에서 유지되어야하므로 가스 온도는 최소최대값을 제한조건으로 설정하였다. 합성가스의 조성 중 연소특성에 주요한 영향을 미치는 두 가지 성분, 수소와 일산화탄소가 일정 비율을 갖도록 합성 가스의 H₂/CO 비를 제어 변수로 설정하였다. 또한 가스화기의 연속 운전을 위해, 그리고 가스화기 벽면의 내화재를 보호하기 위해서, 가스화기 벽면의 고체 슬래그 층의 두께가 일정하게 유지되어야 한다.

대상 데이터

위의 모델을 입력-출력 시스템 입장에서 보자면 입력값은 석탄 질량 유량, 스팀 질량 유량, 산소 질량 유량, 냉각수 온도, 석탄 발열량이며 출력값은 합성가스 온도, 배출 슬래그 유량, 용융 슬래그 두께, 고체 슬래그 두께, 합성가스 유량 및 조성이다. 본 연구에 사용된 대상 석탄은 아래 Table 1과 같고, 슬래그의 물성은 Table 2와 같다.
본 연구에서는 가스화기의 동특성을 파악하기에 충분하면서도 online 제어 시스템 적용에 문제가 없을 만큼 계산 부하량(computational load)이 크지 않은 모사 모델을 개발할 목적으로, Sun의 동적 모델을 가스화기의 제어 특성 연구에 활용하였다. 본 연구에서 사용된 Sun의 Shell 타입 가스화기 모델은 합성가스 모델과 슬래그 모델로 구성된다. 합성가스 모델은 아래의 수식 (1)의 반응을 포함하며 수식 (2)의 수성 가스 전화 반응(Water gas shift reaction)의 평형을 기반으로 한다.
정부에서 2013년에 발표한 제6차 전력수급기본계획에 따르면, 300MW급 IGCC 발전소를 4기 더 건설하여 2027년에는 IGCC 플랜트의 설비를 1500MW까지 늘릴 계획이다[3]. 본 연구에서는 태안 IGCC 플랜트에서 채택한 Shell-type 가스화기를 대상으로 제어 연구를 수행하였다.

이론/모형

방법2 적용 시, 입력 외란(input step disturbance) 모델과 출력 외란 모델을 모두 사용하였다(Table 6, 7). Kalman 필터 구성 시 Riccati 방정식을 이용하였고, #를 사용하였다. 제어 샘플링 시간은 60초, 예측 범위는 35, 제어 값 계산 범위는 5로 설정하였다.
석탄 가스화 복합화력 발전에서 사용되는 Shell-type 가스화기를 제어하기 위한 목적으로 선형 모델 예측 제어 기법이 적용되었다. 가스화기의 안정적인 운전을 위해서는 고체 슬래그 층의 두께를 조절해야 하는데, 두께는 실시간 측정이 불가능하기 때문에 상태를 추정하여 추론 제어해야 한다.

성능/효과

결론적으로 외란의 종류에 따라 추정 제어 기법의 제어 성능이 차이를 보였는데, 측정 불가능한 제어 변수를 추정하여 모델 예측제어의 최적 제어 동작을 계산 시 활용하는 방법2가 더 우수한 제어 성능을 보였다. 선형 모델 예측 제어 기법과 Kalman 필터 상태 추정기법을 사용하여 가스화기를 효과적으로 제어할 수 있음을 확인하였다.
모사 결과 모든 변수가 설정값으로 수렴하였고, 그 수렴속도가 방법1에 비해 빨랐다. 이는 입력 외란 모델에서 석탄 발열량 외란을 step으로 설정하여서 상태 추정 및 성능 예측 모델에 외란의 영향이 잘 반영된 결과이다.
석탄 가스화 복합 발전은 석탄을 가스화하여 복합화력발전함으로써 값싼 석탄연료를 사용하여 고효율로 전기를 생산한다는 장점을 가질 뿐만 아니라, NO_x, SO_x 등의 대기오염 물질의 발생량이 작고 연소 전에 이산화탄소 등의 환경 오염 물질의 제거가 가능하여 친환경적이며, 또한 석탄 이외의 바이오매스나 석유코크스(Petcoke) 등을 연료로 사용할 수 있고, 전기를 생산함과 동시에 수소와 같은 화학물질을 생산(Polygeneration)할 수 있다는 장점이 있다. 이러한 다양한 장점을 가진 가스화 복합 발전 플랜트를 상용화 시키는 데 있어 가장 어려운 점은 높은 초기 투자 비용과 낮은 가동률(Availability)이다.
결론적으로 외란의 종류에 따라 추정 제어 기법의 제어 성능이 차이를 보였는데, 측정 불가능한 제어 변수를 추정하여 모델 예측제어의 최적 제어 동작을 계산 시 활용하는 방법2가 더 우수한 제어 성능을 보였다. 선형 모델 예측 제어 기법과 Kalman 필터 상태 추정기법을 사용하여 가스화기를 효과적으로 제어할 수 있음을 확인하였다.
합성가스 유량과 H₂/CO 비와 고체 슬래그 레이어 두께는 잘 수렴하였고 합성가스 온도는 오프셋이 발생하였다. 입력 외란 모델에서 냉각수 온도 외란을 step으로 설정하여서 상태 추정 및 성능 예측 모델에 외란의 영향이 잘 반영되었고, 그 결과 고체 슬래그 두께가 잘 조절되었다. 하지만 조작변수 3개로 제어변수 4개 모두를 오프셋 없이 제어할 수 없었고, 합성 가스 온도에 오프셋이 발생하였으나 최소 최대 운전 범위 안에서 안정화 되었다.
입력 외란 모델에서 냉각수 온도 외란을 step으로 설정하여서 상태 추정 및 성능 예측 모델에 외란의 영향이 잘 반영되었고, 그 결과 고체 슬래그 두께가 잘 조절되었다. 하지만 조작변수 3개로 제어변수 4개 모두를 오프셋 없이 제어할 수 없었고, 합성 가스 온도에 오프셋이 발생하였으나 최소 최대 운전 범위 안에서 안정화 되었다. 방법2를 적용했을 경우 오차는 Table 8과 같다.
시나리오1에서 방법1을 적용했을 경우, 모든 변수가 안정적으로 설정값으로 수렴하였다. 합성가스 온도와 유랑, H₂/CO 비는 500초 정도에서 비교적 빨리 수렴하였고, 고체 슬래그 레이어 두께의 경우 에러가 가장 크고 다른 변수에 비해 비교적 느리게 수렴하였다. 이는 슬래그 다이나믹스가 가스에 비해 느리기 때문이다.
10과 같다. 합성가스 유량과 H₂/CO 비와 고체 슬래그 레이어 두께는 잘 수렴하였고 합성가스 온도는 오프셋이 발생하였다. 입력 외란 모델에서 냉각수 온도 외란을 step으로 설정하여서 상태 추정 및 성능 예측 모델에 외란의 영향이 잘 반영되었고, 그 결과 고체 슬래그 두께가 잘 조절되었다.

후속연구

끝으로 본 논문에서는 IGCC 내에 가스화기를 중점적으로 다루었으나 개발된 예측제어기법은 다른 화학공장의 가스화기에도 적용될 수 있음을 명시한다.
하지만 방법2를 적용 시 두 가지 외란 발생 상황에 대해 각기 다른 외란 모델을 사용하여야 슬래그 두께를 조절할 수 있었다. 실제로 제어기를 구성할 경우 측정 불가능한 외란에 대해 다른 외란 모델을 사용하기 위해서는 외란을 추정하여 외란 모델을 결정하는 추가적인 작업이 필요하며, 이에 관한 연구는 후속 과제로 남겨둔다.

질의응답

핵심어	질문	논문에서 추출한 답변
	석탄 가스화기의 형태 중 분류층은 어떤 타입인가?	석탄 가스화기의 경우 고정층(fixed-bed), 유동층(fluidized-bed), 분류층(entrained-bed) 가스화기의 3가지 형태가 있다. 이 중 분류층 가스화기는 미분탄과 산화제를 같은 방향으로 투입시키는 형태로, 운전온도가 1100~2000oC로 높아 가스화기 내의 석탄 체류 시간이 수 초 정도로 매우 짧고 대용량화에 적합하여 IGCC 플랜트에 가장 많이 사용되고 있는 타입이다. 분류층 가스화기의 높은 운전 온도는 전환율을 높이기 위한 목적과 석탄 회(Ash)의 용융점 보다 높은 온도에서 운전하기 위함인데, 이는 석탄 회가 용융된 슬래그의 형태로 가스화기 벽면을 타고 흘러내려 하부 탭으로 배출되는 슬래깅 (slagging)방식으로 연속 운전하기 위함이다.
	가스화 복합 발전 플랜트란?	가스화 복합 발전 플랜트(Integrated Gasification Combined Cycle Power Plant; IGCC power plant)는 가스화 시스템과 복합 화력 발전 시스템이 혼합된 형태로, 고체 연료를 가스화시켜 합성가스(Synthesis gas)를 생성하고, 이를 연료로 복합 화력 발전 시스템의 가스터빈을 기동하는 방식의 발전 플랜트이다(Fig. 1).
	석탄 가스화 복합 발전의 장점은?	석탄 가스화 복합 발전은 석탄을 가스화하여 복합화력발전함으로써 값싼 석탄연료를 사용하여 고효율로 전기를 생산한다는 장점을 가질 뿐만 아니라, NOx, SOx 등의 대기오염 물질의 발생량이 작고 연소 전에 이산화탄소 등의 환경 오염 물질의 제거가 가능하여 친환경적이며, 또한 석탄 이외의 바이오매스나 석유코크스(Petcoke) 등을 연료로 사용할 수 있고, 전기를 생산함과 동시에 수소와 같은 화학물질을 생산(Polygeneration)할 수 있다는 장점이 있다. 이러한 다양한 장점을 가진 가스화 복합 발전 플랜트를 상용화 시키는 데 있어 가장 어려운 점은 높은 초기 투자 비용과 낮은 가동률(Availability)이다.

참고문헌 (31)

"2010 Worldwide gasification database," US Department of Energy's National Energy Technology Laboratory(2010).
Paek, M., "300MW IGCC Gasification Plant Engineering and Technology Development Status," Green Energy International Business Conference, Daegu, Korea(2011).
"The 6th basic plan on electricity demand," Ministry of knowledge economy of Korea government, Korea(2013).
Phillips, J., "CoalFleet RD&D Augmentation Plan for Integrated Gasification Combined Cycle(IGCC) Power Plants," EPRI, Palo Alto, CA(2006).
Rao, A., "Combined cycle systems for near-zero emission power generation," Woodhead Publishing(2012).
Seggiani, M., "Modelling and Simulation of Time Varying Slag Flow in a Prenflo Entrained-flow Gasifier," Fuel, 77(14), 1611-1621(1998).

상세보기
Montagnaro, F. and Salatino, P., "Analysis of Char-slag Interaction and Near-wall Particle Segregation in Entrained-flow Gasification of Coal," Combust. Flame, 157(5), 874-883(2010).

상세보기
Massoudi, M. and Wang, P., "Slag Behavior in Gasifiers.PartII: Constitutive Modeling of Slag," Energies, 6(2), 807-838(2013).

상세보기
Lee, J., "Model Predictive Control: Review of the Three Decades of Development," International Journal of Control, Automation, and Systems, 9(3), 415-424(2011).

원문보기 상세보기
Yeu, J., Kim, W., Im, J., Lee, D. and Jee, G., "Obstacle Parameter Modeling for Model Predictive Control of Unmanned Vehicle," Journal of Institute of Control, Robotics and Systems, 18(12), 1132-1138(2012).

원문보기 상세보기
Wen, C. Y. and Chaung, T. Z., "Entrained Coal Gasifier Modeling," Ind. Eng. Chem. Process Des. Dev., 18(4), 684-695(1979).

상세보기
Valero A. and Uson S., "Oxy-co-gasification of Coal and Biomass in an Integrated Gasification Combined Cycle (IGCC) Power Plant," Energy, 31(10-11), 1643-1655(2006).

상세보기
Govind, R. and Shah, J., "Modeling and Simulation of An Entrained Flow Coal Gasifier," AIChE J., 30(1), 79-92(1984).

상세보기
Lee, J. W., Park, S., Seo, H., Kim, M., Kim, S., Chi, J. and Kim, K., "Effects of Burner Type on a Bench-scale Entrained Flow Gasifier and Conceptual Modeling of the System with Aspen Plus," Korean J. Chem. Eng., 29(5), 574-582(2012).

상세보기
Robinson, P. J. and Luyben, W., "Simple Dynamic Gasifier Model That Runs in Aspen Dynamics," Ind. Eng. Chem. Res., 47(20), 7784-7792(2008).

상세보기
Watanabe, H. and Otaka, M., "Numerical Simulation of Coal Gasification in Entrained Flow Coal Gasifier," Fuel, 85(12-13), 1935-1943(2006).

상세보기
Sun, B., Liu, Y., Chen, X., Zhou, Q. and Su, M., "Dynamic Modeling and Simulation of Shell Gasifier in IGCC," Fuel Process. Technol., 92(8), 1418-1425(2011).

상세보기
Mongahan, R. and Ghoniem, A, "A dynamic Reduced Order Model for Simulating Entrained Flow Gasifiers PartI: Model Development and Description," Fuel, 91(1), 61-80(2012).

상세보기
Park, Y., Moon, J., Lee S., Lee, D. and Jin, G., "The Computeraided Simulation Study on the Gasification Characteristics of the Roto Coal in the Partitioned Fluidized-bed Gasifier," Korean Chem. Eng. Res., 50(3), 511-515(2012).

원문보기 상세보기
Ra, H., Lee, S., Yoon, S., Choi, Y., Kim, J. and Lee, J., "Entrainedflow Coal Water Slurry Gasification," Korean Chem. Eng. Res., 48(2), 129-139(2010).
Gnielinski, V., "New Equation for Heat and Mass Transfer in Turbulent Pipe and Channel Flow," International Chemical Engineering, 16(2), 359-368(1976).
Mills, K. and Rhine, J., "The measurement and Estimation of the Physical Properties of Slag Formed During Coal Gasification: 2. Properties Relevant to Heat Transfer," Fuel, 68(7), 904-910(1989).

상세보기
Schobert, H., Streeter, R. and Diehl, E., "Flow Properties of Low-rank Coal Ash Slags: Implications for Slagging Gasification," Fuel, 64(11), 1611-1617(1985).

상세보기
Mills, K. and Keene, B., "Physical Properties of BOS Slags," Int. Mater. Rev., 32(1), 1-120(1987).

상세보기
Dixon, R., Pike, W. and Donne, S., "The ALSTOM Benchmark Challenge on Gasifier Control," J. Syst. Control Eng., 214(6), 389-394(2000).
Dixon, R., "Benchmark Challenge at Control 2004," Comput. Control Eng. IEE, 10(3), 21-23(2005).
Seyab, A., Cao, Y. and Yang, S., "Predictive Control for the ALSTOM Gasifier Problem," IEE Proc.-Control Theory Appl., 153(3), 293-301(2006).

상세보기
Seyab, A. and Cao, Y., "Nonlinear Model Predictive Control for the ALSTOM Gasifier," Journal of Process Control, 16(8), 795-808(2006).

상세보기
Bittanti, S., Calloni, L., Canevese, S., Marco and A., Prandoni, V., "A Clean-coal Control Technology Application Study: Modelling and Control Issues for a Coal Gasifier," 7th IFAC International Symposium on Advanced Control of Chemical Processes, Turkey(2009).
Muske, K. and Badgwell, T., "Disturbance Modeling for Offsetfree Linear Model Predictive Control," Journal of Process Control, 12(5), 617-632(2002).

상세보기
Bemporad, A., Morari, M. and Ricker, N. L., "Model Predictive Control Toolbox User's Guide," The MathWorks Inc., Natick, MA(2012).

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증