Einverständniserklärung zu Cookies, Daten- und Trackinginformationen Wir verwenden Cookies, um Inhalte und Anzeigen zu personalisieren. Beim Besuch dieser Webseite werden Informationen gespeichert. Bei der Darstellung von Produkten werden Bilder von an anderen Webseiten geladen. Um das zu ermöglichen, ist es nötig, dass ihr Browser Verbindungen zu anderen Servern aufbaut und dorthin Daten überträgt. Die Verarbeitung der an Kostenscout.de gesendeten Daten erfolgt zur Leistungserbringung, zu statistischen sowie werbetechnischen Zwecken. Wenn Sie auf der Seite weitersurfen, stimmen Sie der Cookie-Nutzung und Datenverarbeitung zu. Datenschutzinformationen ansehen
Contributions to Real-time Optimization of Process Systems under Uncertainty
Real-time Optimization (RTO) has become the standard approach for improving plant performance in many petrochemical plants. In RTO, usually a first principle-based steady-state process model is used to formulate and solve a model-based optimization problem to compute the optimal operating conditions which maximize the economic performance of the plant while satisfying safety, process, and environmental constraints. However, despite its proclaimed benefits, the implementation of model-based online optimization is still limited to relatively few cases. One of the main reasons is the issue of model-plant mismatch: By using an inaccurate model, the computed operating point will be suboptimal and, in the worst scenario, the constraints can be violated. This work attempts to overcome some of the difficulties that the process industry is currently facing in the deployment of RTO with inaccurate models. This contribution builds on the main idea of iterative correction of the nominal optimization problem with the estimated plant gradients according to the principle of Modifier Adaptation (MA) algorithm and provides several methodological contributions to overcome some of its limitations. First, trust-region optimization is combined with the traditional MA approach with the goal of ensuring convergence to the plant optimum under relatively mild assumptions regarding the properties of the available model. Second, a new algorithm is presented for those cases where in addition to model uncertainties, the plant measurements are contaminated with significant levels of noise. Third, two approaches to fast RTO are investigated to combine dynamic information with the available process model resulting in a faster convergence to the plant optimum.
Die bei uns gelisteten Preise basieren auf Angaben der gelisteten Händler zum Zeitpunkt unserer Datenabfrage. Diese erfolgt einmal täglich. Von diesem Zeitpunkt bis jetzt können sich die Preise bei den einzelnen Händlern jedoch geändert haben. Bitte prüfen sie auf der Zielseite die endgültigen Preise.
Die Sortierung auf unserer Seite erfolgt nach dem besten Preis oder nach bester Relevanz für Suchbegriffe (je nach Auswahl).
Für manche Artikel bekommen wir beim Kauf über die verlinkte Seite eine Provision gezahlt. Ob es eine Provision gibt und wie hoch diese ausfällt, hat keinen Einfluß auf die Suchergebnisse oder deren Sortierung.
Unser Preisvergleich listet nicht alle Onlineshops. Möglicherweise gibt es auf anderen bei uns nicht gelisteten Shops günstigere Preise oder eine andere Auswahl an Angeboten.
Versandkosten sind in den angezeigten Preisen und der Sortierung nicht inkludiert.
* - Angaben ohne Gewähr. Preise und Versandkosten können sich zwischenzeitlich geändert haben. Bitte prüfen sie vor dem Kauf auf der jeweiligen Seite, ob die Preise sowie Versandkosten noch aktuell sind.
