CC BY
112
Технологии и технические средства механизированного производства продукции
растениеводства и животноводства_
8. Пат. 167783 РФ, МПК C10J 3/20 (2006.01) Газогенераторная установка с локальным подогревом / ИИ. Габитов, К.В. Костарев, Д.Ф. Балтиков, O.K. Садритдинов; заявитель и патентообладатель ФГБОУ ВО Башкирский ГАУ. № 2016101480; заявл. 19.01.2016; опубл. 10.01.2017.
УДК 621.311.24, 620.9, 004.8
РАЗРАБОТКА АЛГОРИТМОВ УПРАВЛЕНИЯ И ПРОГНОЗИРОВАНИЯ ДЛЯ ПОВЫШЕНИЯ ЭНЕРГОЭФФЕКТИВНОСТИ ВЕТРОЭНЕРГЕТИЧЕСКОЙ УСТАНОВКИ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКОЙ ЛОГИКИ И НЕЙРОННЫХ СЕТЕЙ
Н.В. ЗУБОВА, канд. техн. наук
Новосибирский государственный технический университет, Новосибирск, Россия
Энергия, получаемая от ветра, имеет потенциал роста на энергетическом рынке и играет жизненно важную роль для формирования устойчивой энергетики во всем мире. Решающей проблемой её популяризации стало дальнейшее снижение стоимости производства электроэнергии. Таким образом, важной задачей является повышение энергоэффективности ветроэнергетических установок, что связано с понятием максимального захвата энергии. На сегодняшний день разработано множество стратегий управления для регулирования угловой скорости вращения ветроколеса ветроэнергетической установки и мощности, вырабатываемой ею, для изменения угла заклинения лопастей и, следовательно, их угла атаки, для ориентации гондолы на ветер. Помимо стандартных Р1- и P1D- контроллеров ученые и инженеры всего мира обращаются к интеллектуальным адаптивным системам управления. В статье рассмотрены достоинства и недостатки алгоритмов на основе нечеткой логики и нейронных сетей, даны заключения о плюсах их совместного применения. Кроме того, в работе приведены результаты обзора исследований, посвященных применению адаптивных систем нейро-нечеткого вывода в ветроэнергетике. Предлагается способ реализации разработанного нейро-нечеткого алгоритма для прогнозирования выработки мощности ветроэнергетической установки с помощью специального графического редактора адаптивных сетей ANFIS в среде MATLAB. Значения мощности на выходе ветроэнергетической установки, прогнозируемой на основании данных о скорости ветра и коэффициента мощности ВЭУ и полученные в результате настройки и обучения, являются удовлетворительными и позволяют говорить о корректности предлагаемого алгоритма.
Ключевые слова: ветроэнергетическая установка; нечеткая логика; нейронная сеть; система нейро-нечеткого вывода; энергоэффективность.
DEVELOPMENT OF CONTROL AND PREDICTION ALGORITHMS TO IMPROVE ENERGY EFFICIENCY OF WIND TURBINES USING FUZZY LOGIC AND NEURAL NETWORKS
N.V. ZUBOVA, Cand. Sc. (Engineering)
Novosibirsk State Technical University, Novosibirsk, Russia
Wind energy has the potential for growth in the energy market and plays a vital role in sustainable energy generation around the world. The main concern in its promotion is the further decrease in electrical
ISSN 0131-5226. Теоретический и научно-практический журнал. _ПАЭП. 2017. Вып. 91._^_
energy production costs. Thus, an important task is to improve the efficiency of wind-driven power plants (wind turbines) that is associated with the concept of maximum energy capture. To date, many control strategies have been developed to adjust the angular velocity of the wind-wheel rotation and the power capacity of the wind turbine with the aim to vary the blades incidence and, consequently, their angle of attack, to provide wind-oriented attitude of the wind turbine nacelle. In addition to standard PI and PID controllers, scientists and engineers around the world are turning to intelligent adaptive control systems. The article describes strong and weak points of algorithms based on fuzzy logic and neural networks and offers conclusions on the advantages of their joint application. The results of literature review concerning the application of adaptive neuro-fuzzy inference systems in wind industry are presented. An application method of the designed neuro-fuzzy algorithm to predict the power generation by the wind turbine is suggested, which makes use of a special graph editor of adaptive ANFIS networks in MATLAB environment. The power capacity values of the wind turbine, predicted based on the wind speed and power factor of the wind turbine, resulting from the tuning and learning, yield satisfactory results and allow drawing a conclusion about the correctness of the proposed algorithm.
Keywords: wind turbine; fuzzy logic; neural networks; neuro-fuzzy inference system; energy efficiency.
ВВЕДЕНИЕ
Использование ветра, как альтернативного источника энергии, становится всё более популярным направлением в энергетике. Основное препятствие к использованию ветра как энергетического источника — непостоянство его скорости и направления, а, следовательно, и выработанной энергии во времени. Ветер обладает не только многолетней и сезонной изменчивостью, но также изменяет свою активность в течение суток и за очень короткие промежутки времени. Основываясь на свойстве непостоянства ветра и всё большем развитии ветроэнергетики, можно говорить о том, что повышение энергоэффективности ветроэнергетических установок (ВЭУ) и оптимизация выработки электроэнергии ВЭУ являются достаточно актуальными задачами.
Преимущества и недостатки нечеткой логики и нейронных сетей
Для реализации управления и повышения выработки ВЭУ активно используют нечеткую логику. Существует большое количество разработок и исследований в данной области. Основные задачи, которые решаются с помощью нечеткой логики в ветроэнергетике, это: поворот гондолы, регулирование угла атаки лопасти, изменение скорости вращения ветроколеса в соответствии с изменением скорости ветра, изменение длины лопасти [1].
Системы нечеткой логики обладают достоинствами, которые делают их привлекательными для использования в системах управления и более перспективными по сравнению с PI- и PID - регуляторами: возможность оперировать нечеткими входными данными, которые невозможно задать однозначно (результаты статистических опросов; описание процесса принятия решений с использованием субъективных и привычных для человека словесных (лингвистических)определений);возможность проведения качественных оценок как входных данных, так и выходных результатов, то есть можно оперировать не только значениями данных, но и их степенью достоверности; возможность проведения быстрого моделирования сложных динамических систем.
Несмотря на то, что аппарат нечеткой логики применяется достаточно часто и его эффективность доказана неоднократно, он обладает также рядом недостатков: отсутствие
Технологии и технические средства механизированного производства продукции
растениеводства и животноводства_
стандартной методики проектирования и расчета нечетких систем - каждый алгоритм создается автором индивидуально, опираясь на мнения эксперта, на идеи разработчика и его компетентность в рассматриваемом вопросе; невозможность математического анализа нечетких систем существующими методами; увеличение количества входных переменных увеличивает сложность вычислений экспоненциально, а, следовательно, увеличивается база правил, что затрудняет ее восприятие.
Наряду с нечеткой логикой применяются также такие интеллектуальные системы, как нейронные сети (НС). Они используются в энергетике для решения огромного ряда задач. Некоторые из них: определение оптимального потокораспределения, диагностика энергосистем, размещение измерительных устройств на электростанциях, анализ состояния синхронных генераторов (анализ устойчивости, диагностика, оценка динамического состояния синхронных генераторов), управление сетью синхронных генераторов.
Искусственные нейронные сети (ИНС) и нейроны по своей сути являются математическими моделями биологических нейронных сетей и нейронов. Искусственный нейрон - базовый основной блок ИНС, в нём заключены все вычислительные и коммуникационные функции. Входными величинами для каждого нейрона являются синапсы - однонаправленные входные связи, а выходная связь нейрона есть аксон, с которого сигнал поступает на синапсы следующих нейронов. Также каждый синапс характеризуется величиной связи или ее весом \уг
При рассмотрении нейронных сетей, как правило, выделяют следующие их преимущества по сравнению с традиционными вычислительными системами: универсальность, т.е. они не зависят от свойств входных величин; простота -ИНС не предполагают наличие подготовки перед практическим использованием и изучение механизма их работы как у разработчика, так и у пользователя; решение задач любой размерности; высокое быстродействие; устойчивость к колебаниям окружающей среды, ИНС может легко адаптироваться к изменениям параметров, а также есть возможность переобучения ИНС в течение времени; устойчивость работы при повреждениях какого-либо из нейрона, затрудняется получение информации, но качество работы сети в целом ухудшается незначительно и только серьезные повреждения приводят к снижению работоспособности [2].
Несмотря на множество достоинств, нейронные сети обладают рядом недостатков: индивидуальность построения архитектуры сети по той причине, что также как и в случае с системами нечеткого вывода, отсутствуют стандартные схемы построения ИНС; сложность интерпретации полученной информации, так как они не обладают наглядностью и простотой [3, 4].
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ
Для усовершенствования вышерассмотренных систем управления на базе нечеткой логики и нейронных сетей, используются гибридные системы - системы нейро-нечеткого вывода. Они объединяют в себе достоинства нечеткой логики и нейронных сетей, сглаживают их недостатки, и, как следствие, обладают следующими главными преимуществами: четкое представление знаний (что актуально для систем со сложно описываемыми параметрами) и переобучение при изменении входных величин.
С одной стороны, эти модели систем управления могут быть сформированы в виде правил нечетких продукций, которые наглядны и интерпретируются достаточно просто. С
другой стороны, для создания этих правил используются методы построения нейронных сетей, что более удобно и менее трудоемко с точки зрения вычислений и возможности самообучения. Имеющиеся преимущества являются причиной применения нейро-нечетких систем в системах управления.
Актуальность и эффективность применения нейро-нечетких систем для решения задач повышения энергоэффективности ВЭУ базируется на понимании того, что ветер изменчивая во времени величина, которая колеблется не только в течение сезона, но и на минутном временном интервале, что обуславливает сложность прогнозирования значений скорости ветрового потока и создания его математической модели.
Обзор научных материалов и исследований в сфере нейро-нечетких систем показал, что их применение в ветроэнергетике распространено на следующие задачи: оптимизация выработки энергии, краткосрочное прогнозирование выработки, прогнозирование значения коэффициента мощности, оценка шума ВЭУ. Разработка систем управления с применением нейро-нечетких алгоритмов является актуальной задачей повышения энергоэффективности ВЭУ ввиду недостатка информации о моделируемой проблемной области (источника энергии - ветра) и позволяет получить новую информацию в форме некоторого прогноза.
Нечеткие нейронные сети или гибридные сети представляют собой многослойную нейронную сеть с единственным выходом и несколькими входами, где входные сигналы отображаются в виде нечетких лингвистических переменных [4].
В качестве примера на рисунке 1 изображена АМИБ-сеть с двумя входными переменными (х! и х2) и четырьмя нечеткими правилами [5].
Рис. 1. Пример А№18-сети
АОТК реализует систему нечеткого вывода Сугено в виде пятислойной нейронной сети прямого распространения сигнала. Назначение слоев следующее: первый слой - термы входных переменных; второй слой - антецеденты (посылки) нечетких правил; третий слой -нормализация степеней выполнения правил; четвертый слой - заключения правил; пятый слой - агрегирование результата, полученного по различным правилам [6].
В России разработками в данной области научных исследований занимаются в ТПУ и НГТУ. Так, в работе [7] рассмотрена модель ВЭУ с интегрированным в систему управления углом атаки лопасти алгоритмом управления А№18, которую предлагают авторы. По результатам исследований наглядно показано, что такая система отрабатывает эффективно практически на всем временном интервале, справляясь с инерцией ветровой турбины.
В данной работе предлагается гибридная сеть для прогнозирования оптимальной выработки электроэнергии ВЭУ, содержащая две входные переменные - скорость ветра с
Технологии и технические средства механизированного производства продукции растениеводства и животноводства_
тремя термами, коэффициент мощности ВЭУ с тремя термами и одну выходную переменную - вырабатываемая мощность ВЭУ, представленную в виде девяти термов. Алгоритм нечеткого вывода содержит девять правил, создаваемых в форме нечетких продукций в виде «Если х1 есть а1 И х2 есть а2, то со=бГх1+82'х2», где в! и в2 являются некоторыми весовыми коэффициентами, которые требуют настройки в процессе работы модели А№18. Структура сгенерированной системы нечеткого вывода представлена на рисунке 2.
Рис. 2. Структура сгенерированной системы нечеткого вывода
В качестве обучающих исходных данных была использована ветроэнергетическая характеристика, полученная от завода-изготовителя ВЭУ, представленная на рисунке 3(а). В результате проведения тренировки сети наблюдается уменьшение ошибки прогнозирования с увеличением количества задаваемых циклов, что представлено на рисунке 3(6).
Рис. 3. а - график энергетической характеристики ВЭУ - обучающие данные; б - график зависимости ошибок обучения нечеткой нейронной сети от количества циклов
обучения
Значения, полученные после настройки Й8-модели и корректировки зависимости выходной переменной от термов входных величин, дают удовлетворительные результаты прогнозирования и представлены на рисунке 4.
Рис. 4. Результат проверки ANFIS сети
ВЫВОДЫ
В виду того, что такие системы обладают индивидуальностью построения, данное направление развития нейро-нечетких систем имеет большой простор для научных разработок.
Дальнейшее исследование данной темы предполагает разработку системы повышения энергоэффективности ВЭУ, где прогноз выработки ВЭУ с помощью гибридных сетей АЫР18 будет использован в качестве входной переменной для алгоритмов на основе нечеткой логики, заложенных в контроллеры системы управления.
Данное исследование поддержано Российским фондом фундаментальных исследований, проект N0.16-38-60080 "Нейро-нечеткие модели и алгоритмы управления ветроэнергетической установкой для повышения её энергоэффективности".
ЛИТЕРАТУРА
1. Зубова Н. В. Повышение режимной управляемости ветроэнергетических установок с изменяемой геометрией лопастей регуляторами на нечеткой логике: дис. ... канд. техн. наук/Н. В. Зубова; науч. рук. В. 3. Манусов. - Новосибирск, 2014. - 190 с.
2. Преимущества нейронных сетей//Портал искусственного интеллекта, роботы с искусственным интеллектом. - 2009.URL:http://www.aiportal.ru/articles/neural-networks/advantages.html (дата обращения: 20.03.2017)
3. Основные недостатки использования искусственных нейронных сетей и пути их решения// Портал искусственного интеллекта. - 2014.URL: http://neuronus.com/theory/242-osnovnye-nedostatki-ispolzovaniya-iskusstvennykh-nejronnykh-setei-i-puti-ikh-resheniya.html
(дата обращения: 25.03.2017)
4. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и Fuzzy TECH. СПб.: БХВ- Петербург. 2005,- с.736.
5. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику [Электронный ресурс] // URL: http://inatlab.exponenta.ru/fuzzylo»ic/bookl /index.phpfjaTa обращения 04.10.2016)
6. Nauck D., Klawonn F., Kruse R. Foundations of Neuro-Fuzzy Systems/ John Wiley & Sons. - 1997.-305 p.
Технологии и технические средства механизированного производства продукции
растениеводства и животноводства_
7. Закамалдин, А. А. Моделирование адаптивной системы нейро-нечеткого управления ветроэнергетической установкой [Электронный ресурс] / А. А. Закамалдин, B.C. Андык // Интеллектуальные энергосистемы: труды IV Международного молодёжного форума, 10-14 октября 2016 г., г. Томскв 3 т. / Национальный исследовательский Томский политехнический университет (ТПУ), Энергетический институт (ЭНИН). — 2016. — Т. 1. — с. 155-159. — Заглавие с титульного экрана. — Свободный доступ из сети Интернет. Режим доступа: http://earchive.tpu.ru/handle/l 1683/36312
УДК 620.91:620.92, 613.5:613.6, 614.7
ОБОСНОВАНИЕ ПЕРСПЕКТИВ ИСПОЛЬЗОВАНИЯ ГЕЛЕОВОЗДУХОНАГРЕВАТЕЛЕЙ ДЛЯ ОСУШЕНИЯ ВОЗДУХА В ПРОИЗВОДСТВЕННЫХ И БЫТОВЫХ ПОМЕЩЕНИЯХ В УСЛОВИЯХ СЕВЕРО-ЗАПАДА РФ
А.В. НИКИТИН1; Ю.О. ЗЫРЯНОВА2
'фГБНУ «Институт агроинженерных и экологических проблем сельскохозяйственного производства» (ИАЭП), Санкт-Петербург, Россия
2СПб ГБУЗ «Центр по профилактике и борьбе со СПИД и инфекционными заболеваниями», Санкт-Петербург, Россия
Повышенная влажность в помещениях для нахождения человека или содержания животных, может становиться причиной развития различных, в том числе профессиональных заболеваний. Контроль над уровнем влажности является залогом не только увеличения сроков эксплуатации оборудования, но и заботой о здоровье человека и животных. В статье предложена гипотеза использования установки для сушки воздуха в системах микроклимата производственных и бытовых помещений. В качестве такой установки предлагается использование гелеовоздухонагревателя. Принцип работы гелеовоздухонагревателя основан на использовании возобновляемой энергии Солнца. Компьютерная симуляция процессов нагрева воздуха в гелеовоздухонагревателе, выполненная в SolidWorks Flow Simulation, подтверждает эффективность работы установки, как нагревателя в системе осушения воздуха. Нагрев воздуха в установке происходит за счет отъема тепла у радиатора. Температура нагреваемого воздуха составляет до 80°С. Срок окупаемости гелеовоздухонагревателя составляет 5,5 лет. Экономический эффект обеспечивается за счет снижения затрат на электроэнергию, так же использование гелеовоздухонагревателя совместно с фотоэлектрическими солнечными панелями. Такая комбинация позволяет эксплуатировать установку в полностью автономном режиме или приводит к сокращению потребления энергоресурсов от 45% до 60% в год. Использование установок преобразования энергии Солнца в тепло, является наиболее эффективным, так как коэффициент полезного действия таких систем составляет 80-96%.
Ключевые слова: гелеовоздухонагреватель; возобновляемый источник энергии; влажность в помещении; профессиональное заболевание.
PROMISING APPLICATION OF SOLAR AIR HEATERS FOR AIR DEHUMIDIFICATION IN PRODUCTION AND AMENITY SPACE IN THE NORTH-WEST OF RUSSIA
AV. NIKITIN1; Yu.O. ZYRIANOVA2
