Повышение эффективности теплоэнергетических установок за счет использования современных систем управления процессом горения топлива Текст научной статьи по специальности «Механика и машиностроение»

АСУ, ИНФОРМАЦИОННАЯ КА И ТЕХНО В ЭНЕРГЕТИК

УДК 681.3

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ТЕПЛОЭНЕРГЕТИЧЕСКИХ УСТАНОВОК ЗА СЧЕТ ИСПОЛЬЗОВАНИЯ СОВРЕМЕННЫХ СИСТЕМ УПРАВЛЕНИЯ ПРОЦЕССОМ ГОРЕНИЯ ТОПЛИВА

А.Р. МУХУТДИНОВ, Р.Г. ТАХАВУТДИНОВ Казанский государственный энергетический университет

Предложена современная система управления процессом горения твердого топлива для теплоэнергетических установок, повышающая эффективность и надежность их использования. Показаны пути повышения экономических и экологических показателей использования топлива на тепловых электрических станциях.

Введение

В настоящее время наблюдается устойчивая тенденция повышения доли твердого органического топлива (угля) в топливном балансе России. Понятно, что уголь становится основным ресурсом тепловых электрических станций нашей страны. Известно много работ, посвященных сжиганию твердого топлива (ТТ), где показано, что теплоэнергетические установки работают недостаточно эффективно. Это объясняется большим количеством физико-химических факторов, определяющих конечные эксплуатационные параметры процесса сжигания ТТ и несовершенной системой автоматизированного их управления. Данные обстоятельства влекут за собой увеличение вредных выбросов, снижение надежности и экономичности.

В последнее время широкое развитие получили интеллектуальные системы управления, которые способны к «пониманию» и обучению в отношении объекта управления, возмущений, внешней среды и условий работы [1, 2]. Основа таких систем - наличие механизма системной обработки знаний. Главная архитектурная особенность, которая отличает интеллектуальные системы управления (СУ) от традиционных, - это механизм получения, хранения и обработки знаний для реализации своих функций. В основе создания интеллектуальных СУ лежат два принципа:

- ситуационное управление (управление на основе анализа внешних ситуаций или событий);

- использование современных информационных технологий обработки знаний.

Существует несколько современных информационных технологий, позволяющих создавать данные СУ: экспертные системы, искусственные нейронные сети, нечеткая логика, генетические алгоритмы и ряд других. Для

© А.Р. Мухутдинов, Р.Г. Тахавутдинов Проблемы энергетики, 2007, № 5-6

разработки интеллектуальных СУ данные методы должны быть объединены с достижениями современной теории управления.

В связи с этим актуальным является создание современной системы управления процессом горения твердого топлива, повышающей надежность, экономическую и экологическую эффективность теплоэнергетических установок.

Методика исследования

В работе рассматривается возможность использования методов нейросетевого прогнозирования [3] и моделирования [4] эксплуатационных параметров процесса горения ТТ для создания современной системы управления ими на теплоэнергетических установках.

На рисунке показана новая адаптивная система управления процессом горения ТТ, включающая технологическую линию подготовки и сжигания топлива. Она состоит из вагона 1, разгружающего уголь через решетку 2 в бункер

3, из которого берутся пробы на анализ «состава угля» 4 в лаборатории, питателя 5, ленточных транспортеров 6 и 7, оборудованных подсушкой топлива 8 и 9. Измерение температуры и влажности топлива при транспортировке осуществляется с помощью интеллектуальных датчиков, соответственно, 10 и 11 на ленточном транспортере 6, 12 и 13 - на транспортере 7. Линия оборудована шкивным и подвесным магнитными сепараторами 14 и 15 для извлечения металлических предметов; наклонными, качающимися ситами-решетками 16 с размером отверстий 10-15 мм, обеспечивающими разделение по фракциям угля; дробилки 17, в которую скатываются крупные куски и измельчаются до размера не более 10-15 мм;; щеполовителя 18, где удаляют из топлива древесную щепу; приемника 19; транспортера 20 с разгрузочной тележкой 21 для распределения угля по бункерам 22 сырого топлива парогенераторов; питателя 23; системы пылеприготовления, в которой, дробленое топливо подвергается интенсивной подсушке и размолу в мельнице 24. Измерение температуры горячего воздуха 25 осуществляется при подаче его в мельницу. Далее линия включает сепаратор 26 для очищения топлива, шнекового питателя 27, соединенного с трубопроводом-смесителем 28, имеющим регулирующую заслонку 29, вентилятором 30. Здесь измерение температуры осуществляется: при подаче в камеру смешения подогретого воздуха 31; при подаче в шнековый питатель нагретого топлива 32. Измерение расхода воздуха осуществляется интеллектуальным датчиком 33, а топлива - 34. Интеллектуальный датчик влажности 35 и плотности 36 осуществляет определение влажности и плотности топлива. Основным объектом линии является камера 37, в которую вмонтированы сопло 38 для подачи подогретого воздуха и 4 съемных тепловых воспламенителя 39, соединенных с источником питания 40. Измерение температуры и давления внутри камеры осуществляется датчиками, соответственно, 41 и 42. Интеллектуальный датчик концентрации 43 определяет концентрацию СО2, а цифровой измеритель количества золы 44 определяет массу золы. Измерение температуры подогретого воздуха при подаче в камеру осуществляется датчиком 45. Для управления процессом горения все информационно-измерительные приборы соединены с нейрокомпьютером 46 через блок адаптивного управления 47 с автоматическими регуляторами:

- изменения температуры (топлива 48 и 49 на ленточных транспортерах; воздуха 50 для камеры сгорания; воздуха 51 в трубопроводе-смесителе; воздуха 52 для мельницы; топлива 53 в трубопроводе-смесителе);

- смены сит 54 и 55 после ленточных транспортеров;

- изменения времени измельчения топлива 56;

- изменения подачи топлива 57;

- изменения подачи воздуха 58.

Апробация новой системы управления проводилась на виртуальной модели, разработанной в среде МЛТЬЛБ. Виртуальная модель базируется на схеме рисунка и позволяет создавать относительно простой аналог системы управления на основе искусственной нейронной сети.

Рис. Схема системы управления горением топлива

Описание работы системы

Первоначально производится настройка системы управления - эталонного режима работы котлоагрегата, т.е. определяются границы изменения входных эксплуатационных характеристик для получения оптимальных выходных. Входными эксплуатационными характеристиками являются: состав,

дисперсность, влажность и плотность частиц угля, давление в камере, расход подачи топлива и воздуха. Температура и давление в камере, концентрация продуктов сгорания (диоксид углерода) и количество золы - выходными.

Далее с помощью нейрокомпьютера 46 осуществляется адаптивное управление на основе искусственной нейронной сети, обученной для сравнения эксплуатационных характеристик рабочего режима с характеристиками эталонного режима работы котлоагрегата (промышленной печи) и для формирования поправочных сигналов на автоматические регуляторы с целью приближения рабочих эксплуатационных характеристик к эталонным.

Интеллектуальные датчики (температуры 30, 32, 34-37,38, влажности 31, 33, 41, плотности 42, давления 43, количества золы 45, расхода воздуха 39 и топлива 40) измеряют эксплуатационные параметры технологической линии подготовки и сжигания топлива, преобразуют измеренные параметры в цифровой код и выдают его значение последовательному интерфейсу И8-485. С помощью данного интерфейса можно одновременно подключать до 255 устройств в одной сети. Одновременно в сети могут работать другие устройства, поддерживающие протокол обмена Т4000, совместимый с ЛБЛУ-4000. Датчики подключаются к нейрокомпьютеру через блок адаптивного управления 47 с помощью конвертора ТСС485А или через программируемые контроллеры. Протокол Т4000 построен по схеме «запрос-ответ». Блок адаптивного управления (мастер сети) посылает команды датчикам и получает на них ответ. Далее искусственная нейронная сеть сравнивает поступающие с цифровой шины входные сигналы в виде эксплуатационных характеристик (состав, дисперсность, влажность и плотность частиц топлива, давление в камере, расход подачи топлива и воздуха) рабочего режима с эксплуатационными характеристиками образа эталонного режима. При условии несовпадения параметров рабочего режима с эталонными, искусственная нейронная сеть формирует поправочные сигналы на автоматические регуляторы для приближения рабочих эксплуатационных характеристик к эталонным на основе сравнения. Другими словами, искусственная нейронная сеть самостоятельно по обученным выборкам определяет причину изменения выходных эксплуатационных характеристик (температуры, количество золы, концентрации диоксида углерода). Автоматическое регулирование заключается в использовании нейрокомпьютера через блок адаптивного управления для настройки параметров обычного контроллера (ПИД-регулятора), где управление осуществляется на основании полученных и обработанных данных через источник питания: изменением числа оборотов вентилятора 25, подачи топлива 20 и 22, угла поворота заслонки 24.

Пример. Снизилось значение температуры, повысилось содержание золы и содержания СО2. Причины:

- изменилось соотношение окислителя и горючего, поступающем в камеру (определяется по датчикам 39 и 40, которые представляют количественную информацию). Нейрокомпьютер 46 через блок адаптивного управления формирует значения поправок на автоматические регуляторы с целью изменения

подачи топлива (57) и воздуха (58), т.е. приближает соотношение окислителя и горючего к эталону (стехиометрии);

- изменилось содержание влаги в топливе, поступающим в трубопровод-смеситель (определяется по датчику 41, который представляет количественную информацию). Нейрокомпьютер 46 через блок адаптивного управления формирует значения поправок на автоматические регуляторы (48, 49, 52) с целью изменения температуры режима сушки на тех стадиях, где произошло снижение, т.е. приближает влажность к эталону;

- изменился размер частиц топлива, поступающего в камеру (определяется по 44 и 45, которые представляют количественную информацию по количеству СО2 и золы). Нейрокомпьютер 46 через блок адаптивного управления формирует значения поправок на автоматические регуляторы (54, 55, 56) с целью смены сит или увеличения времени измельчения, т.е. приближает фракционный состав топлива к эталону - норме (й90).

Обсуждение результатов

В предлагаемой системе управления ИНС выполняет несколько функций, она представляет собой нелинейную модель горение твердого топлива процесса, обеспечивающего выработку соответствующего управляющего воздействия. Наряду с этим ИНС также выступает в роли следящей системы, адаптирующейся к изменяющимся условиям процесса горения ТТ. Большое значение в системе управления имеет функция-классификация, реализуемая при выработке решения о дальнейшем развитии процесса.

Достоинствами предлагаемой системы управления является возможность использования большой номенклатуры взаимозаменяемых аппаратных средств (датчиков и пр.); однопроводного интерфейса; возможность работы без внешнего источника питания; гибкая топология сетей сбора информации; возможность организации беспроводной сети на основе автономных энергонезависимых датчиков-накопителей информации. Так, интеллектуальные датчики позволяют: контролировать текущее значение измеряемого параметра; контролировать и настраивать параметры датчика; устанавливать "нуль"; выбирать систему и настройку единиц измерения; настраивать время усреднения выходного сигнала (демпфирование); перенастраивать диапазон измерения, в том числе на нестандартный; настраивать на "смещенный" диапазон измерения; выбирать зависимость выходного сигнала от входной величины: (линейно-возрастающая, линейно-убывающая, пропорциональная корню квадратному перепада давления); калибровать датчик; непрерывно проводить самодиагностику; тестировать и управлять параметрами датчика на расстоянии; защитить настройки от несанкционированного доступа.

Таким образом, в работе апробирована разработанная адаптивная система управления процессом горения ТТ на основе ИНС. Показана возможность управления эксплуатационными параметрами (температура, давление, зольность и концентрация вредных выбросов) процесса горения ТТ на теплоэнергетических установках.

Выводы

Разработана адаптивная система управления процессом горения ТТ на основе ИНС. Показано решение задачи распознавания отклонений от заданных режимов и управления эксплуатационными параметрами процесса горения ТТ на тепловых электрических станциях. Показана возможность управления

эксплуатационными параметрами процесса горения ТТ на теплоэнергетических установках: температурой, давлением, зольностью и концентрацией вредных выбросов.

Работа выполнена по гранту «Президента РФ» № МК - 2156.2004.8. и № МК-553.2007.8.

Summary

The modern control system of process of burning of firm fuel for the heat power installations, raising efficiency and reliability of their use is offered. Ways of increase of economic and ecological parameters of use offuel on thermal power plants are shown.

Литература

1. Растригин Л.А. Современные принципы управления сложными объектами. - М.: Сов. радио, 1980.

2. Интеллектуальные системы автоматического управления / Под. ред. И.М. Макарова, В.М. Лохина. - М.: Физматлит, 2001.

3. Мухутдинов А.Р., Вахидова З.Р., Тахавутдинов Р.Г. Компьютерное прогнозирование эксплуатационных характеристик твердых топлив с использованием интеллектуальных систем // Известия вузов. Проблемы энергетики. - Казань. - 2006. - № 1-2. - С. 85-90.

4. Мухутдинов А.Р. Нейросетевое прогнозирование и управление эксплуатационными параметрами процесса горения топлива на тепловых электрических станциях // Известия вузов. Проблемы энергетики. - Казань. -2006. - № 7-8. - С.84-89.

Поступила 02.05.2007