Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС
Збережено в:
| Опубліковано в: : | Труды Института прикладной математики и механики НАН Украины |
|---|---|
| Дата: | 2008 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут прикладної математики і механіки НАН України
2008
|
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/19989 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС / А.Л. Красников // Труды Института прикладной математики и механики НАН Украины. — Донецьк: ІПММ НАН України, 2008. — Т. 16. — С. 112-116. — Бібліогр.: 2 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859849919604457472 |
|---|---|
| author | Красников, А.Л. |
| author_facet | Красников, А.Л. |
| citation_txt | Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС / А.Л. Красников // Труды Института прикладной математики и механики НАН Украины. — Донецьк: ІПММ НАН України, 2008. — Т. 16. — С. 112-116. — Бібліогр.: 2 назв. — рос. |
| collection | DSpace DC |
| container_title | Труды Института прикладной математики и механики НАН Украины |
| first_indexed | 2025-12-07T15:40:32Z |
| format | Article |
| fulltext |
ISSN 1683-4720 Труды ИПММ НАН Украины. 2008. Том 16
УДК 519.713
c©2008. А.Л. Красников
НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ВПРЫСКИВАЮЩЕГО
УСТРОЙСТВА ЭНЕРГОБЛОКА ЗуТЭС
Одним из способов регулирования мощности энергоблока является использование системы впрыс-
ков воды в пароводяной тракт на промежутке между котлом и турбиной. Рассмотрена задача мо-
делирования отдельного впрыскивающего устройства. Составлена нейросетевая модель на основе
данных измерений ЗуТЭС.
Введение. В процессе генерации энергии на ТЭС малой мощности, важно со-
блюдение заданного графика нагрузки. Одним из способов регулирования мощности
энергоблока наряду с управлением расходом питательной воды и топлива является
управление системой впрысков холодной воды в пароводяной тракт на промежутке
между котлом и турбиной. В данной статье рассматривается задача формирования
модели отдельного впрыскивающего устройства с помощью многослойной нейрон-
ной сети. В качестве исходных данных для обучения и тестирования сети использо-
ваны данные наблюдений 4 энергоблока ЗуТЭС.
1. Исходные данные и концептуальная модель впрыска. Система впрыс-
ков подразумевает использование нескольких впрыскивающих пароохладителей, ко-
торые используются на разных этапах работы энергоблока: пусковые, нормативные,
аварийные пароохладители. На блоках ЗуТЭС для поддержания температуры пара
установлены 3 впрыскивающих устройства на промежутке пароводяного тракта до
главной паровой задвижки (ГПЗ).
Рис. 1. Мнемо-схема участка паропровода до ГПЗ
На рис. 1 представлен фрагмент мнемо-схемы паропровода до ГПЗ, которая ис-
112
Нейросетевое моделирование впрыскивающего устройства
пользуется в системе ОКУР, используемой для сбора и отображения информации на
ЗуТЭС. На рисунке обозначены основные устройства и датчики для сбора данных:
• G1i, G2i, Gsi – расходы воды на первый, второй и пусковой впрыски, соответ-
ственно;
• tbv, t1i, t2i, ts – измеряемая температура пара перед встроенной задвижкой,
за первым и вторым впрыском, а также температура пара, который непосред-
ственно поступает в цилиндр высокого давления турбины;
• Ш-1, Ш-2 и КПП – ширмовые и конвективный пароперегреватели, которые
используются для подогрева острого пара с помощью дымовых газов.
В процессе пуска система пусковых впрысков используется для регулирования тем-
пературы пара согласно графика-задания пуска. В нормативном режиме использу-
ется пара впрысков для поддержания параметров пара на заданном уровне:
• температура пара на входе в Ш-1 – 455◦С, на выходе – 488◦С;
• температура пара на входе в Ш-2 – 488◦С, на выходе – 519◦С;
• температура пара на входе в КПП – 530◦С, на выходе – 545◦С.
Допустимы отклонения не более +5/-10◦С. Также к работе системы впрыскивающих
устройств выдвигаются дополнительные ограничения, среди которых:
• скорость прогрева паропровода не должна превышать:
– 7,5 ◦С/мин при температуре 100 – 350 ◦С;
– 6 ◦С/мин при температуре 350 – 400 ◦С;
– 3 ◦С/мин при температуре выше 400 ◦С;
• скорость изменения температуры пара – не более 5-6◦С/мин;
• максимальный расход воды на впрыски при номинальной нагрузке составляет,
т/час:
– первый впрыск – 42 (4-5 % от нагрузки котла);
– второй впрыск – 20 (2-3 % от нагрузки котла).
Отдельное впрыскивающее устройство можно описать уравнением смещения:
Gsis + Gwiw = (Gs + Gw)isw,
где is – энтальпия пара до впрыска; iw – энтальпия впрыскиваемой воды; isw –
энтальпия пароводяной смеси; Gs – расход пара до впрыска; Gw – расход впрыс-
киваемой воды. Однако использование такого описания требует перехода от темпе-
ратуры к энтальпии, что требует дополнительных вычислений и знания давления
113
А.Л. Красников
пара. Кроме того, температура пара непосредственно до впрыска на участке между
пароперегревателем и выпрыскивающим устройством не измеряется. Поэтому была
предложена структура многослойной нейросети, с помощью которой в дальнейшем
будет моделироваться отдельный впрыск. Для обучения нейросети предлагается на-
бор данных, связанных со вторым впрыскивающим устройством: температура па-
ра до ширмового пароперегревателя Ш-2, расход пара за котлом, расход воды на
впрыск, а также температура металла змеевиков пароперегревателя, так как темпе-
ратура дымовых газов, используемых для подогрева пара, не измеряется. В работе
использованы три набора данных: данные, используемые для обучения нейросети,
и два набора данных для оценки точности модели. Данные получены с помощью
системы ОКУР, которая считывает результаты с периодичностью 9-10с и сохраняет
данные в БД в случае отклонения от предыдущего значения на величину более 0,5
% (3◦С – для измеряемых температур). Кроме того, данные представлены в трех
вариантах:
1. Взяты температура пара до Ш-2 и расходы воды на впрыск, остальные пара-
метры считаются постоянными в нормативном режиме;
2. Предыдущий набор данных дополнен приращением температуры пара до Ш-2;
3. Взят полный набор данных, связанных со вторым впрыскивающим устрой-
ством, а так же приращения температур пара до Ш-2 и металла змеевиков
пароперегревателя.
2. Описание используемой нейросети. Для моделирования использована
многослойная сеть прямого распространения, содержащая 3 слоя. Первый слой со-
держат 18 нейронов с активационной функцией f(s) = 2
1+e−2s − 1. Второй и третий
слой содержат 28 и 1 нейрон, соответственно с линейной активационной функцией.
Для обучения нейросети использован алгоритм обратного распространения ошибки,
программно реализованный в среде Matlab. В качестве целевого вектора задается
температура пара за вторым впрыском. Время обучения – 2500 эпох. Для оценки
функционирования сети на этапе обучения используется функция mse.
3. Моделирование впрыскивающего устройства. Исходные данные были
преобразованы: набор данных из БД был дополнен несохраненными данными (при
этом копировалось значение с предыдущего измерения), температуры заменены от-
клонениями относительно среднего значения (которое для температуры до впрыска
составляет приблизительно 418◦С, после впрыска – 485◦С, для температуры метал-
ла змеевиков – 505◦С). При обучении нейросети получены следующие величины
среднеквадратичного отклонения:
• 1 вариант: 7.3;
• 2 вариант: 6.1;
• 3 вариант: 3.8 (рис. 2, ось OX – время, мин; ось OY – отклонение температуры
после впрыска, ◦С.).
114
Нейросетевое моделирование впрыскивающего устройства
Рис. 2. Измеренный выход (пунктирная линия) и выход нейросети (сплошая)
Таблица 1. Оценка эффективности модели для первого тестового набора
Варианты Среднее Максимальное
наборов отклонение, отклонение,
данных ◦С ◦С
1 7.6 +20.5 / -148.0
2 6.0 +20.3 / -137.6
3 6.1 +21.0 / -143.0
При моделировании с помощью нейросети получается график, на котором хорошо
заметно, что нейросеть достаточно хорошо реагирует на достаточно большие от-
клонения от среднего значения. При этом на участке, где изменение параметров
происходит достаточно медленно, заметно, что выход нейросети не соответствует
реальному измеряемому значению (промежутки с 30 минуты по 40 и с 45 минуты
по 55). При проверке на тестовых наборах оценены: среднее и максимальное откло-
нение выхода нейросети от измеренного выхода (табл. 1, 2).
Согласно данным табл.2 по второму тестовому набору данных отмечается наи-
большее снижение среднего отклонения именно в случае, когда используются все
параметры, связанные со вторым впрыском. Однако, для первого тестового набора
(табл. 1) среднее отклонение для 3 варианта набора данных не является наимень-
шим, что связано в первую очередь с зашумленностью этого набора данных. Тем не
менее максимальная величина отклонения данных, полученных на выходе нейросе-
115
А.Л. Красников
Таблица 2. Оценка эффективности модели для второго тестового набора
Варианты Среднее Максимальное
наборов отклонение, отклонение,
данных ◦С ◦С
1 5.7 +23.7 / -39.4
2 5.8 +24.1 / -39.3
3 4.2 +20.6 / -36.3
ти, от измеренных данных достаточно велика. Полученные результаты свидетель-
ствуют о том, что исходные данные не позволяют в полной мере оценить динамику
системы, кроме того, они требуют дополнительной предварительной обработки.
Выводы. В статье рассмотрены принципы регулирования температуры пара
с помощью впрыскивающих устройств. Приведена концептуальная модель фраг-
мента паропровода ЗуТЭС, соответствующего второму впрыску, выбраны исходные
данные для идентификации модели. Для построения модели предложена структура
многослойной нейросети, обучаемой по алгоритму обратного распространения ошиб-
ки. Из данных измерений ЗуТЭС сформированы наборы данных для обучения и
тестирования нейросетевой модели второго впрыскивающего устройства. Исходная
нейросеть была обучена и протестирована на трех вариантах наборов данных, наи-
лучшие результаты получены для случая, когда в качестве входов нейросети взяты
величины температур пара и металла змеевиков пароподогревателя, расходов пара
и воды на впрыск, а также скорость изменения температур. Дальнейшее улучшение
модели связано с фильтрацией исходных данных и введением дополнительных вход-
ных величин, которые будут определять поведение системы на большом промежутке
времени.
1. Инструкция по пуску и эксплуатации энергоблока 300 МВт – МЭЭ ПЭО "ДОНБАССЭНЕРГО",
1992. – 81c.
2. http://matlab.exponenta.ru/neuralnetwork/book2/index.php
Ин-т прикл. математики и механики НАН Украины, Донецк
mrgg@mail.ru
Получено 19.05.08
116
содержание
Том 16
Донецк, 2008
Основан в 1997г.
содержание
Том 16
Донецк, 2008
Основан в 1997г.
|
| id | nasplib_isofts_kiev_ua-123456789-19989 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1683-4720 |
| language | Russian |
| last_indexed | 2025-12-07T15:40:32Z |
| publishDate | 2008 |
| publisher | Інститут прикладної математики і механіки НАН України |
| record_format | dspace |
| spelling | Красников, А.Л. 2011-05-19T18:55:29Z 2011-05-19T18:55:29Z 2008 Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС / А.Л. Красников // Труды Института прикладной математики и механики НАН Украины. — Донецьк: ІПММ НАН України, 2008. — Т. 16. — С. 112-116. — Бібліогр.: 2 назв. — рос. 1683-4720 https://nasplib.isofts.kiev.ua/handle/123456789/19989 519.713 ru Інститут прикладної математики і механіки НАН України Труды Института прикладной математики и механики НАН Украины Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС Article published earlier |
| spellingShingle | Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС Красников, А.Л. |
| title | Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС |
| title_full | Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС |
| title_fullStr | Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС |
| title_full_unstemmed | Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС |
| title_short | Нейросетевое моделирование впрыскивающего устройства энергоблока ЗуТЭС |
| title_sort | нейросетевое моделирование впрыскивающего устройства энергоблока зутэс |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/19989 |
| work_keys_str_mv | AT krasnikoval neirosetevoemodelirovanievpryskivaûŝegoustroistvaénergoblokazutés |