ISSN 1991-3087
Рейтинг@Mail.ru Rambler's Top100
Яндекс.Метрика

НА ГЛАВНУЮ

Концепция нейрогенетической системы оптимизации горения топлива

 

Немцев Борис Сергеевич,

студент пятого курса кафедры кибернетики Ярославского государственного технического университета.

Научный руководитель – кандидат технических наук, доцент

Кирик Василий Васильевич.

 

В настоящее время темпы роста энергопотребления превышают темпы строительства новых и модернизации существующих сетей передачи энергии и теплоэнергетического оборудования. Это приводит к необходимости эффективного управления энергосистемой. Большинство моделей поведения энергетических систем являются сильно нелинейными. Вследствие чего энергетические системы не поддаются надежному анализу и моделированию традиционными методами. Перспективным направлением в этой области является использование технологий искусственного интеллекта, в том числе нейронных сетей, экспертных систем, нечеткой логики, генетических алгоритмом. Их комбинация позволяет создавать принципиально новые системы управления энергетическими системами.

 

На данный момент в теплоэнергетике используются ручное, ступенчатое и модулируемое регулирование процесса горения топлива. Ручное управление базируется на использовании «режимной карты», то есть заранее составленном списке режимов горения. Данные в режимную карту заносятся на основе экспериментов. Такой вид управления устарел и не позволяет эффективно сжигать топливо. Наибольшее распространение получили двухступенчатые, плавно-двухступенчатые и модулируемые горелки. Двухступенчатые горелки, как и следует из названия, имеют две ступени мощности. Первая ступень обеспечивает 40% мощности, а вторая – 100%. Переход с первой ступени на вторую происходит в зависимости от контролируемого параметра котла (температуры прямой воды или давления пара), режимы включения/выключения зависят от автоматики котла. При этом, во время переходного процесса полнота сжигания топлива не максимальная. Плавно-двухступенчатые горелки позволяют осуществлять плавный переход с одной ступени на вторую. Это нечто среднее между двухступенчатой и модулируемой горелкой. При работе ступенчатых горелок котёл испытывает значительные нагрузки, которые со временем разрушают агрегат.

Модулируемые горелки нагревают котёл непрерывно, по мере необходимости повышая или снижая мощность. Диапазон изменения режима горения — от 10 до 100% номинальной мощности. Модулируемые горелки имеют целый ряд преимуществ. Механизм плавного регулирования мощности позволяет свести цикличность включения/выключения котлов к минимуму, что значительно снижает механические напряжения на стенках и в узлах котла, а значит, продлевает его срок службы. Переход на такой рабочий режим позволяет увеличить срок службы котла вдвое. Экономия топлива при этом составляет не менее 5%. Установка модулируемых горелок не требует замены дорогостоящих котлов, если они исправно функционирует.

В классической схеме управления горелкой расход топлива (Fт) определяет количество энергии, поступающей на нагрев теплоносителя в единицу времени. При повышении расхода топлива (Fт) повышается температура теплоносителя (Тводы) или давление пара (Рпара). Для обеспечения полноты сгорания топлива необходимо создавать определенный расход воздуха (Fв). Структурная схема котла показана на рисунке 1. Как видно из рисунка 1, имеются перекрестные связи, поскольку соотношение расходов топлива и воздуха влияют на температуру воды (давление пара) и на коэффициент избытка воздуха.

 

Рис. 1. Структурная схема котла.

 

Коэффициент избытка воздуха α является важной характеристикой эффективности процесса сжигания топлива. Также он косвенно характеризует концентрацию СО и NO в дымовых газах. Потери теплоты с уходящими газами непрерывно возраста­ют с увеличением коэффициента избытка воздуха в топке, и что связано с увеличением объема продуктов горения. Потери теплоты от химической неполноты сгорания возрастают при недостатке воздуха, подаваемого на горение, топливо горит с образованием продуктов неполного сгорания. За оптимальный коэффициент избытка воздуха принимается такой, при котором сумма потерь теплоты с уходящими газами от химической и механической неполноты сгорания, а также затраты на тягу и дутье, минимальны.

Нарушение теплового баланса котла происходит за счет внутренних и внешних возмущений. К внутренним относятся возмущения, связанные с самопроизвольными изменениями характеристик топлива (теплоты сгорания) и его расхода, связанных с колебаниями давления газа, изменением характеристик регулирующей трубопроводной арматуры (гистерезис, «залипание» штока регулирующего клапана, люфты). К внешним возмущениям относятся возмущения, связанные с количеством потребляемого тепла в единицу времени [1].

В настоящий момент для управления процессом сжигания топлива в схеме регулирования соотношения расходов используют ПИД-регуляторы, которые имеют недостатки:

- управление осуществляется по факту отклонения регулируемой величины от задания, то есть при возникновении рассогласования;

- трудоемкость и длительность настройки.

В замкнутом контуре регулирования экспериментально найти (идентифицировать) характеристики объекта (константы его модели) можно только путем внесения специальных возмущающих воздействий. Если настройка регулятора предполагается регулярной или непрерывной, то такая адаптация системы регулирования заметно возмущает режим нормальной эксплуатации и сопровождается экономическим ущербом.

Необходимы принципиально новые подходы к управлению процессами сжигания топлива в теплоэнергетике, в частности, использование систем искусственного интеллекта. Это позволит реализовать упреждающее управление процессом. Подобные системы способны обучаться на основе априорных знаний или в процессе управления [3].

Предлагается концепция нейрогенетической системы оптимизации горения топлива, которая реализует бесступенчатое автоматическое управление процессом горения (рисунок 2). Предполагается использовать данную систему в связке с модулируемой горелкой. Система включает в себя регулятор, блоки прогнозирования и активации.

 

Рис. 2. Нейрогенетическая система управления процессом горения топлива.

 

Блок прогнозирования играет роль «виртуального датчика», то есть по входным легко измеряемым данным прогнозирует количественное значение параметра α1 [2]. Основой блока прогнозирования является нейронная сеть (многослойный персептрон, метод обратного распространения ошибки, обучение по статистическим данным). Такой выбор обусловлен тем, что обучение нейронной сети можно провести по статистическим данным, накопленным в ходе первичной настройки котла и создания режимной карты. По накопленным данным сравнительно несложно обучить нейронную сеть на основе многослойного персептрона.

Регулятор реализован в нейрогенетической системе, сочетающей генетический алгоритм нахождения регулирующего воздействия и нейронную модель функции приспособленности. Функция приспособленности использует нейронную сеть того же вида, что и блок прогнозирования. Индивидуум является носителем варианта реализации управляющего воздействия (величина расхода воздуха Fв). На входы нейронной сети поступают его фенотип и значения параметров процесса горения топлива (расход газа и другие). Приспособленность индивидуума выражается в близости спрогнозированного для его фенотипа коэффициента расхода воздуха α к заданному коэффициенту расхода воздуха α`. Когда приспособленность индивидуумов перестает заметно увеличиваться, процесс останавливают, и в качестве решения (управляющего воздействия) используют фенотип наилучшего из найденных индивидуумов [2].

Блок активации производит сравнение прогнозируемой величины α с минимально и максимально допустимыми значениями. При выходе прогнозируемого значения α за допустимые пределы происходит активация нейрогенетического регулятора – производится поиск управляющего воздействия и его подача на объект управления.

Предлагаемая система управления реализует упреждающее управление и осуществляет плавное регулирование мощности, что позволяет значительно снизить механические напряжения на стенках и в узлах котла, а значит, продлить его срок службы. Данная система управления в связке с горелкой модулируемого типа может быть установлена на любой действующий котел, без замены и модификации дорогостоящего оборудования.

 

Литература

 

1. Соколов Б.А. «Котельные установки и их эксплуатация» - М.: Издательский центр «Академия», 2007. – 432 с.

2. Д. Рутковская, М. Пилиньский, Л. Рутковский. Нейронные сети, генетические алгоритмы и нечеткие системы. Горячая линия - Телеком .М., 2006.- 460 с.

3. Williams J. Optimisation software for NOx reductions // World Coal. – 2002. – № 1.

 

Поступила в редакцию 20.06.2009 г.

2006-2019 © Журнал научных публикаций аспирантов и докторантов.
Все материалы, размещенные на данном сайте, охраняются авторским правом. При использовании материалов сайта активная ссылка на первоисточник обязательна.