Автоматизоване управління твердопаливним котлом з інтелектуальною підсистемою підтримки прийняття рішень

Abstract

У дисертаційній роботі вирішується завдання підвищення енергоефективності та забезпечення тривалої безперебійної роботи твердопаливних енергетичних котлів шляхом вдосконалення системи підтримки прийняття рішень, що використовує інтелектуальні моделі та алгоритми. Проведено аналіз твердопаливної котельної установки як об'єкта керування, визначено основні елементи технологічної системи, їх взаємодію та особливості функціонування в умовах змінних режимів роботи підприємств цукрової промисловості. Виконано декомпозицію об'єкта і його складових частин, що дозволило створити передумови для застосування підсистем підтримки прийняття рішень. Розглянуто можливість застосування підсистем підтримки прийняття рішень щодо їх використання в складі систем автоматизації твердопаливних котлів. Розроблено наступні модулі та алгоритми керування твердопаливним котлом з підсистемою підтримки прийняття рішень: • модуль прогнозування якості горіння твердого палива на основі машинного навчання (рекурентна нейронна мережа LSTM). Забезпечує достатню точність і знижує ризик нестабільної роботи котла. З економічної точки зору, модель дозволяє зменшити кількість палива для горіння, що є прямим показником економії ресурсів. • модуль прогнозування інтенсивності утворення відкладень, що заснований на нейронній мережі NARX. Зменшує вплив людського фактору та недолік недостатньої точності традиційних методів вимірювання і реагування. Застосування моделі зменшить витрати на енергетичні ресурси, а також знизить викиди забруднюючих речовин в атмосферу. • модуль виявлення аномалій у роботі котла, що заснований на алгоритмі «Isolation Forest». Дозволяє зменшити кількість аварійних ситуацій, за рахунок чого мінімізується кількість простоїв обладнання. • модуль оптимізації періодичності та тривалості очищення поверхонь нагріву. Забезпечує уникнення надмірної витрати енергоносія для обдування сажі, зберігаючи при цьому високу ефективність теплопередачі поверхонь нагріву. Розроблено порадчу систему сповіщення оператора котла про необхідність запуску чи зупинки процесу сажообдуву, що значно спрощує процес експлуатації твердопаливного котла та знімає навантаження з оператора. Зокрема, побудовано розгортку карти забрудненості екранних поверхонь водотрубної системи топки. Таке візуальне зображення рівня забрудненості екранних поверхонь нагріву топки допомагає оператору розуміти поточний стан поверхонь та приймати рішення про необхідність запуску процесу сажообдуву тих поверхонь, що мають значне забруднення. Розроблено блок логічного виведення системи підтримки прийняття рішень, який обробляє дані та виводить запропоновані рішення оператору через інтерфейс взаємодії (ЛМІ/SCADA). Запропонована в даній роботі система підтримки і прийняття рішень дозволяє враховувати характеристики різних видів палива, формувати карту забрудненості екранних поверхонь топки та своєчасно рекомендувати запуск процедури сажообдування. Додатково, підсистема виявлення аномалій сприяє запобіганню аварійних зупинок твердопаливного парового котла. Запропонована система дозволяє враховувати характеристики різних видів палива, формувати карту забрудненості екранних поверхонь топки та своєчасно рекомендувати запуск процедури сажообдування. Практичне впровадження результатів дослідження сприятиме підвищенню енергоефективності котельних установок, зменшенню витрат на очищення поверхонь нагріву та зниженню впливу людського фактору під час експлуатації твердопаливних котлів. В даній роботі представлено комплексний підхід до оперативного моніторингу та оптимізації системи сажообдувки в котлах, що працюють на твердому паливі. Методи, запропоновані в цій роботі, можуть бути застосовані для оцінки стану та управління роботою системи обдувки котла для досягнення мети енергозбереження. Інтелектуальне видалення сажі є поєднанням моделювання, техніки програмного обчислення та онлайн-системи для моніторингу забрудненості котла.This dissertation solves the problem of increasing energy efficiency and ensuring long-term uninterrupted operation of solid fuel power boilers by improving the decision support system using intelligent models and algorithms. An analysis of a solid fuel boiler plant as a control object was carried out, the main elements of the technological system, their interaction and features of functioning in conditions of variable operating modes of sugar industry enterprises were determined. The decomposition of the object and its components was performed, which allowed creating prerequisites for the application of decision support subsystems. The possibility of using decision support subsystems for their use as part of solid fuel boiler automation systems has been considered. The following modules and algorithms for controlling a solid fuel boiler with a decision support subsystem have been developed: • a module for predicting the quality of solid fuel combustion based on machine learning (recurrent neural network LSTM). Provides sufficient accuracy and reduces the risk of unstable boiler operation. From an economic point of view, the model allows reducing the amount of fuel for combustion, which is a direct indicator of resource savings. • a module for predicting the intensity of deposit formation based on the NARX neural network. Reduces the impact of the human factor and the lack of accuracy of traditional measurement and response methods. The use of the model will reduce energy resource costs, as well as reduce emissions of pollutants into the atmosphere. • a module for detecting anomalies in the operation of the boiler, based on the “Isolation Forest” algorithm. Allows reducing the number of emergency situations, thereby minimizing the number of equipment downtimes. • a module for optimizing the frequency and duration of cleaning heating surfaces. Ensures avoidance of excessive energy consumption for soot blowing while maintaining high heat transfer efficiency of the heating surfaces. An advisory system has been developed to notify the boiler operator about the need to start or stop the soot blowing process, which significantly simplifies the operation of a solid fuel boiler and reduces the operator's workload. In particular, a contamination map of the screen surfaces of the water-tube furnace system has been developed. Such a visual representation of the contamination level of the furnace heating surfaces helps the operator understand their current condition and make decisions on the need to initiate soot blowing for the surfaces with significant contamination. A logical inference block of the decision support system has been developed, which processes data and displays the proposed decisions to the operator via the interaction interface (HMI/SCADA). The decision support system proposed in this work makes it possible to take into account the characteristics of different fuel types, generate a contamination map of the furnace screen surfaces, and recommend the timely initiation of the soot blowing procedure. Additionally, the anomaly detection subsystem helps prevent emergency shutdowns of a solid fuel steam boiler. The proposed system makes it possible to take into account the characteristics of different fuel types, generate a contamination map of the furnace screen surfaces, and recommend the timely initiation of the soot blowing procedure. The practical implementation of the research results will contribute to increasing the energy efficiency of boiler plants, reducing the costs of cleaning heating surfaces, and minimizing the impact of the human factor during the operation of solid fuel boilers.