Ткаченка А
Автореферат магістерської роботи
Стан досліджень із розглянутої проблеми. Сучасні прямоточні парові казани є високоавтоматизованими установками. Надійна експлуатація таких потужних енергетичних блоків на надкритичні параметри технічно можлива лише на базі комплексної автоматизації котельних агрегатів, оптимального налагодження систем автоматизації та кваліфікованого обслуговування. Автоматизація котлів – один із основних напрямків підвищення їхнього коефіцієнта корисної дії, зниження витрати палива, забезпечення безаварійності роботи. Її розвиток на даний час пов'язаний із впровадженням нових технічних засобів та комп'ютерних технологій в управлінні великими енергоблоками. Зараз управління витратою газу, внутрішньою засувкою та подачею поживної води здійснюється на основі досвіду та інтуїції оператора і тому не завжди є оптимальним. Мета моєї магістерської роботи – розробка нейромережевої моделі котла, яка дозволить на основі прогнозування здійснювати ефективне керування.
Аналіз об'єкта керування. Послідовно з'єднані поверхні нагріву прямоточного парогенератора можна подати у вигляді змійовика, в один кінець якого надходить поживна вода, а з іншого виходить перегріта пара (рис.1). Пароводяний тракт може бути поділений на три частини: водяну, пароводяну та парову. Кордони цих зон у випадку є фіксованими і можуть зміщуватися при перехідних процесах. При надкритичних параметрах пароводяна зона відсутня. У цьому випадку немає чіткої межі між водяною та паровою зонами. Положення точки початку перегріву може змінюватися в залежності від паропродуктивності, кількості тепла, що підводиться, і витрати поживної води. Зазвичай її приймають відповідною умовноютемпературі фазового переходу Т ф визначається максимальним значенням теплоємності пари. Температура Т ф для довільного тиску p може бути знайдена з наближеної формули ВТІ Т ф = Т кр +3,54 * 10 -6 (p-p кр) де p кр і Т кр - критичні параметри пари.
Малюнок 1 – Принципова технологічна схема прямоточного парогенератора з вузлом вбудованого сепаратора.
Перегрівальна частина прямоточних парогенераторів складається з окремих послідовно включених ділянок, розмежованих конструктивно та розміщених у різних температурних зонах газового тракту. Поверхні нагрівання окремих ділянок, з'єднувальні трубопроводи і парозбірні колектори, а також пристрої упорскування охолоджувальної води утворюють об'єкт регулювання, що являє собою складну динамічну систему, схильну до дії багатьох впливів, що обурюють. Температура на виході кожної ділянки стабілізується за допомогою окремих автоматичних регуляторів, що діють на пристрої, що впорскують, що встановлюються між поверхнями нагріву. Динамічні характеристики окремих пароперегрівальних ділянок можуть бути експериментально отримані або за даними теплового розрахунку.
Завдання управління під час пуску енергоблока. Порядок пуску блоку регламентується технологічною інструкцією [1], яка визначає послідовність та умови проведення основних технологічних операцій при обмеженнях на значення технологічних параметрів. Вимоги інструкції спрямовані на забезпечення безаварійного виходу енергоблоку на робочий режим за заданий час. Послідовність виконання операцій управління пуском блоку призводить до дискретного процесу зміни станів енергоблока, що характеризуються досягненням певних значень технологічних параметрів.Не вдаючись у всі деталі пускових операцій, можна розділити пуск блоку за часом на наступні етапи: 1) заповнення котла водою до вбудованої засувки (ВЗ) (пароперегрівач при цьому вимкнено) і розпалювання пальників; 2) холодне, а потім гаряче відмивання тракту котла до ВЗ при температурі пароводяного середовища перед ВЗ 180-220 °С до зниження вмісту забруднень (заліза, солі, міді та ін.) до необхідних величин (клапан Д -2 при цьому відкритий ); 3) підйом температури середовища перед ВЗ, підключення пароперегрівача (шляхом відкриття клапана Д-3) та прогрівання обладнання перед поштовхом роторів турбіни; 4) розворот турбіни та прогрівання обладнання до включення генератора в мережу; 5) навантаження блоку в сепараторному режимі; 6) відкриття вбудованої засувки та перехід котла у прямоточний режим роботи. Система управління повинна видавати команди на виконання певних операцій включення-вимкнення певного силового та теплотехнічного обладнання, а також контролювати послідовні переходи з одного етапу пуску на інший відповідно до програми пуску. Для виконання пускових операцій з урахуванням обмежень на температуру середовища до вбудованої засувки та швидкості її підйому формується відповідний графік-завдання і потім виконується контроль за його витримуванням [2]. Зіставлення регламентованих інструкціями графіків-завдань підйому температури вбудованої засувки показує, що є лише чотири їх виду, що істотно відрізняються за своєю конфігурацією. Усі вони схематично зображені на рис. 2 відповідними кривими. Малюнок 2 – Основні зміни графіків-завдань підйому температури середовища перед ВЗ.
На малюнку: t Н – початкова температура; t НВП – нормативна температура початку підключення ППВС; t ОПП – нормативнатемпература закінчення підключення ППВС; t ППО – нормативна температура закінчення предтолчкового прогріву устаткування; t ВНН – нормативна температура для взяття початкового навантаження.
Реалізація графіка-завдання в даний час виконується оператором котла вручну шляхом зміни витрат палива. При цьому точність реалізації графіка завдання залежить від досвіду оператора і в загальному випадку не гарантується. У зв'язку з цим виникає необхідність у розробці методу та алгоритмів управління витратою палива, які б забезпечили необхідну точність витримування графіка-завдання. На ділянці вбудованих сепараторах (ВС) здійснюється сепарація пароводяної суміші на рідку та парову складові, ця операція проводиться за рахунок відцентрових сил. Початок прикриття клапанів Д-2 виконується після відкриття клапанів Д-3 і пов'язаний з необхідністю мінімізувати проскок пари в розпалювальний розширювач, що дозволяє знизити втрати тепла в пусковий період. Система управління повинна здійснювати контроль та управління процесом скидання середовища із вбудованих сепараторів, для чого необхідно здійснити відповідний розрахунок завдання для виконавчих регуляторів ступеня відкриття клапана Д-2;
Створення нейромережевої моделі процесу. Необхідно вибрати вхідні та вихідні величини, які характеризують процес. З іншого боку, для вхідних величин необхідно визначити довжину їх передісторії, тобто. скільки попередніх значень необхідно брати в даний момент часу
Малюнок 3 – Схема навчання нейромережевої моделі.
Перед налаштуванням нейромережевої моделі необхідно провести фільтрацію даних вимірювань. Для вирішення завдань фільтрації та прогнозу при обробці результатів вимірювань у реальному часі можна використовувати рекуррентний метод найменших квадратів та методсингулярного стохастичного аналізу
Програмна реалізація нейронних мереж прямого поширення. Важливе місце в системі управління займає програмне забезпечення, що дозволяє моделювати нейронні мережі. Незважаючи на те, що роботи з програмної реалізації нейронних мереж здійснюються протягом більш ніж 30 років, знайти бібліотеку програм, що дозволяє моделювати та навчати багатошарові мережі прямого поширення, придатну для використання в системі досить складно. Зазвичай це готові програмні продукти або бібліотеки програм написані під Unix, які мають труднощі при переносі в Windows. Найпоширенішим інструментом для застосування нейронних мереж є Matlab Neural Network Toolbox. Нейронні мережі в Matlab, внаслідок поставленої мети моделювання широкого класу мереж, мають громіздку реалізацію і невисоку швидкість при вирішенні конкретного класу завдань. Крім того, використання Matlab у системі реального часу важко. У [7] розроблено бібліотеку програм, скорочено звану OSNN (On-Line System Neural Network), що дозволяє моделювати та навчати багатошарові нейронні мережі прямого поширення в системах з високими вимогами до продуктивності. Вибрано найкращі методи навчання та виконано ефективну програмну реалізацію. В якості алгоритму адаптації вагових коефіцієнтів обрано евристичний алгоритм RPROP. Алгоритм RPROP ґрунтується на поведінці знаків градієнтів. Він вимагає складних обчислень і залежить від величин похідних. Збільшення на кожному кроці обчислюється індивідуально для кожної ваги. Приріст обчислюється за формулою (2)
де 0 - (=0.5) < 1 < η + (=1.2) Величина збільшення посилюється фактором η + у тому випадку, коли алгоритмсходиться до мінімуму і похідна не змінює знак. Це прискорює процес на плоских ділянках і уповільнює пошук у разі пропуску локального мінімуму. Значення ваг модифікуються відповідно до напряму зменшення градієнта (3)
де sgn [*] - Функція знака. Коли похідна помилки змінює знак, показуючи, що мінімум пропущено, відбувається повернення до попереднього значення ваги w l (i-1). Важливим та трудомістким етапом навчання є знаходження градієнта цільової функції. Формули розрахунку градієнта, взяті в явному вигляді від цільової функції, дуже складні і незручні для практичного застосування, особливо в тому випадку, якщо мережа містить більше одного прихованого шару. Тому для генерації градієнта помилки навчання обрано метод сполучених графів, що дозволяє побудувати прості правила формування компонентів градієнта, які мають постійну структуру, яка не залежить від складності мережі. Початкова ініціалізація вагів нейронної мережі має величезний вплив на кількість ітерацій навчання. У найпростішому випадку початкові значення ваги вибираються випадково з деякого проміжку. Нгуен і Відроу [9] запропонували метод, що дозволяє значно скоротити кількість ітерацій навчання за рахунок більшої близькості початкових значень до оптимальних. Ідея методу в тому, щоб значення ваги дозволяли кусково-лінійно апроксимувати вхідний сигнал за допомогою лінійних ділянок функції активації. Відповідно до методу вагові коефіцієнти визначаються за формулою (4)
а ваги усунення – рівномірно розподілена величина на інтервалі (6)
Загальна схема керування. Узагальнена функціональна схема управління наведено на рис.4. Вона включає первинну фільтрацію даних т.к. результати виміру досить сильно зашумлені. Потім налаштування нейромережевої моделі зможливістю доналаштування її у процесі роботи. Після цього нейромережну модель можна використовувати для керування на основі прогнозування.
Малюнок 4 – Функціональна схема керування пуском енергоблока.
Висновок. Виконано аналіз енергоблоку як об'єкта управління. Розглянуто основні завдання управління під час пуску. Наведено методику створення нейромережевої моделі. Розроблено програмне забезпечення, що дозволяє використовувати нейронні мережі в системі управління. Наведено загальну схему системи керування на основі нейромережевої моделі. Подальша робота в рамках магістерської роботи включає налаштування адекватної нейромережевої моделі і створення алгоритму управління на її основі.