4. литература обозначения

Вид материалаЛитература

Содержание


2. Автоматизированная система управления на основе ИНС
Таблица 1. База данных для настройки нейроэмулятора.
Подобный материал:

РАЗРАБОТКА ПРИНЦИПОВ СОЗДАНИЯ СИСТЕМЫ УПРАВЛЕНИЯ КОТЕЛЬНЫМ АГРЕГАТОМ ТГМЕ-464 В ПЕРЕХОДНЫХ РЕЖИМАХ С ПОМОЩЬЮ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ


Чернов А.С., Абруков В.С., Кощеев И.Г., Троешестова Д.А.

Чувашский государственный университет


Оглавление

Введение …………………………………………………………………………. 2

1. математическая модель парогенератора ……………………2


2. Автоматизированная система управления

на основе ИНС …………………………………………………………….5

3. ЗАКЛЮЧЕНИЕ ………………………………………………………………..8



4. ЛИТЕРАТУРА …………………………………………………………………8


5 ОБОЗНАЧЕНИЯ ………………………………………………………………..8


6 ПРИЛОЖЕНИЕ

База данных для настройки нейроэмулятора ………………………….……10


ВВЕДЕНИЕ


Проблема создания автоматизированных систем управления в современной теплоэнергетике является одной из наиболее актуальных. В частности, особое внимание обращается на повышение уровня автоматизации, надежности, безопасности и гибкости системы управления.

Данная работа посвящена разработке принципов создания системы управления котельным агрегатом ТГМЕ-464 в переходных режимах (изменение нагрузки, пуск и останов котельного агрегата и т.д.) на основе применения нейросетевых технологий. Рассматривалась задача регулирования температуры пара в пароперегревателе.

1. математическая модель парогенератора


Парогенерирующий канал в общем случае состоит из трех подсистем: оболочки и двух сред, омывающих ее. В свою очередь каждая подсистема может быть представлена в виде различных моделей, отличающихся набором допущений. При аналитическом исследовании, прежде всего надо выбрать состав системы и модели подсистем, входящих в нее. При этом каждый выбранный вариант дает определенную модель парогенерирующего канала. Наличие трех подсистем и большое количество частных моделей оболочки и потоков двух сред обеспечивает большое разнообразие моделей парогенераторов. Все эти модели можно разбить на три группы: распределенные, сосредоточенные и комбинированные. Выбор модели определяется задачами исследования и возможностями вычислительной техники.


Парогенератор обычно разбивается на участки, одни из которых рассматриваются как системы с распределенными, а другие – с сосредоточенными параметрами. Такое деление позволяет упростить решение. Потеря точности при этом может быть небольшой, поскольку роль отдельных участков в формировании динамических процессов неравноценна. Деление на участки позволяет также использовать готовые решения. Расчетная, структурная схема математической модели парогенератора зависит от конкретного вида технологической цепочки элементов пароводяного и газового трактов и требований к степени полноты контроля в динамике за состоянием параметров в различных точках тракта.


В общем случае, барабанный котельный агрегат можно представить в виде последовательного соединения экономайзера, испарительной части, включающей в себя барабан, опускные и подъемные трубы, и пароперегревателя. Вычислительная модель каждого элемента аналогична схеме на рис.1, а структурная схема объекта принимает вид рис.2.





Рис.1. Модель процессов в элементах котлоагрегата.





Рис.2. Структурная схема котлоагрегата.


Определим пароводяную смесь как двухфазный поток, каждая фаза которого представляет собой вязкую, вообще говоря, сжимаемую жидкость. Основные дифференциальные уравнения, полностью определяющие поведение динамической системы в любой момент времени следующие [1].


Уравнение движения, удовлетворяющее закону Навье – Стокса, в произвольной криволинейной системе координат

+. (1)

Уравнение энергии

=+ . (2)


Уравнение неразрывности

, (3)

где - компоненты метрического тензора.


Уравнение состояния

. (4)


Уравнения (1)-(4) вместе с краевыми условиями полностью описывают поведение динамической системы в любой момент времени. Каждое из этих уравнений может быть представлено как совокупность уравнений, описывающих движение двухфазного потока с учетом турбулентного характера течения каждой фазы.

Рассмотрим замыкающее звено котельного агрегата – пароперегреватель, выходные параметры которого являются выходными параметрами всего теплового технологического цикла [2]. Здесь реализуется регулирование температуры, а далее по паровому тракту – регулирование давления. Последнее является существенным возмущающим воздействием и должно быть учтено в математической модели, хотя расположение возмущения имеет место вне зоны технологического цикла генерации и перегрева пара. Для дальнейшего изложения определим основные абстракции, в рамках которых и будет создана математическая модель пароперегревателя как динамического звена.

Конструктивно пароперегреватель представляет собой многорядный змеевик с большим количеством изгибов. Создание математической модели полностью отвечающей действительности, не представляется возможным, ввиду сложности конструкции пароперегревателя, характера наружного обтекания поверхностей нагрева продуктами сгорания (конвективный теплообмен) и наличия радиационного теплообмена, характера движения нагреваемого теплоносителя (турбулентность). Поэтому пароперегреватель будет представлен как прямолинейный трубопровод, разделенный на три участка: входной – здесь поток нагреваемого теплоносителя проходит тепловую и гидравлическую стабилизацию (математически это выражается масштабными коэффициентами, учитывающими тепловую и гидравлическую неравномерность на входе в реальный пароперегреватель); управляющий – здесь стабилизированный поток подвергается управляющему воздействию, в связи с этим параметры теплоносителя изменяются согласно требуемому переходному режиму либо регулируются до значений параметров предшествующего стационарного режима; выходной – здесь поток нагреваемого теплоносителя вновь проходит тепловую и гидравлическую стабилизацию.

Представим пароперегреватель как элемент с локально распределенными параметрами: параметры распределены по времени – необходимое условие моделирования динамического объекта, а также по дискретному пространству, введение которого необходимо для получения из нелинейных дифференциальных уравнений эволюционных уравнений динамического объекта.


2. Автоматизированная система управления на основе ИНС

После перевода уравнений (1)-(3) в цилиндрическую систему координат, дискретизации пространства и выделения в объеме пара некоторого конечного элемента, была получена система конечно-разностных уравнений, например, для уравнения массового расхода воды на инжекцию:






, (5)

где - объемное паросодержание, т.е. доля поперечного сечения канала, занятая в данный момент времени паром, - скорость течения фазы, осредненная по всей лощади, занимаемой ею в данный момент времени в данном поперечном сечении, при этом одним штрихом обозначаются параметры воды, двумя – пара, конечно-разностная форма имеет вид:













. (6)


Были выбраны управляемые и управляющие параметры [3]. Скорость изменения температуры пара на выходе пароперегревателя была выбрана как управляемый параметр, а массовый расход воды через инжектор был выбран в качестве управляющего параметра. Аналитическая связь между ними была определено с помощью математического аппарата производных Ли. При этом использовалось модифицированное уравнение (6):




, (7)


, ,


. (8)


Желаемое управление может быть найдено из уравнения

. (9)


Тогда

, (10)

где - некоторый оператор с действием, осуществляющим отображение вида


. (11)


Уравнение (10) можно представить в конечных разностях следующим образом.





Откуда


так как при .

Здесь принято кг/с; кг/с; ; с; ; , .

С помощью полученных аналитических связей была создана база данных для обучения ИНС, часть которой показана ниже.



,

К/с



0

0.100334672

0.202710035

0.309336249

0.422793218

0.546302489

0.684136808

0.84228838

1.029638557

1.138332713

1.260158218

1.398332713

1.557407725

1.74331531

1.964759657

2.234496949

2.572151622

3.009569674

3.602102448

1

0.732976

0.587377

0.490143

0.369166

0.296411

0.2294

0.187291

0.147342

0.131829

0.117151

0.103618

0.09186

0.08045

0.07002

0.059948

0.050464

0.041234

0.03207
Работа эмулятора NNW предполагает нормализацию области определения функции . Наиболее простым способом нормализации является представление входных данных в виде

. (12)

В этом случае можно реализовать значения , но при распределение входных параметров будет крайне неравномерным, что приведет к ухудшению качества обучения. Поэтому в подобных ситуациях, а также в случае, когда значение входа лежит в диапазоне можно использовать нормализацию с помощью функции вида

. (13)


При моделировании системы управления была предопределена следующая конфигурация нейронной сети:

в качестве входных полей использовались: и ;

в качестве выходных полей использовались: и :

число входов: 2;

количество скрытых слоев: 2;

число нейронов в скрытых слоях: 6;

число выходов: 2;

для обучения использовалось: 80% записей;

скорость обучения: 0.1.

На момент 1400 эпох обучения было распознано 100% записей из базы данных.


ЗАКЛЮЧЕНИЕ

Была определена оптимальная архитектура ИНС, проведено обучение ИНС и создана ИНС-модель системы управления. Был разработан прототип системы автоматического управления температурой пара в пароперегревателе котлоагрегата TGME-464. Он состоит из эмулятора ИНС, установленной на персональном компьютере, промышленного микроконтроллера Philips P89LPC935, кабельных линий и коммутационных устройств. Прототип может быть использован как надстройка к основной системе управления. Полученный прототип может работать, как в режиме уведомления (совета), так и в режиме автоматического управления. Он может быть достаточно просто интегрирован в существующие системы управления.

Особенности технологий ИНС управления [4]: свойство адаптируемости к новым условиям и способность самообучению, обеспечивают простоту модернизации и наращивания возможностей.


ЛИТЕРАТУРА


1. Седов Л.И. Механика сплошной среды. Т.1. М.: Наука, 1976. 536 с.

2. Серов Е.П., Корольков Б.П. Динамика парогенераторов. М.: Энергоиздат, 1981. 406 с.

3. Нейрокомпьютеры и их применение. Кн.8. Нейросетевые системы управления. Учебное пособие для студентов ВУЗов /В.А. Терехов, Д.В. Ефимов, И.Ю. Тюкин.; Под общ. ред. А.И. Галушкина.М.: ИПРЖР, 2002. 480 с.

4. Potential of artificial neural networks in power system operation. Damborg M.J., El-Sharkawi M.A. and oth. IEEE Int. Symp. Circuits and Syst. La, May 1990. p. 2933-2937


ОБОЗНАЧЕНИЯ



температура воды и пара, К



массовый расход воды и пара, кг/с



скорости изменения температуры и расхода пара (обозначение производной по времени),



удельная изобарная (изохорная) теплоемкость воды и пара, кДж/(кг К)



удельный объем воды и пара,



плотность воды и пара,



теплопроводность воды и пара, вт/(м∙К)



динамическая вязкость воды и пара, Па∙с



скорость движения воды и пара, м/с



объемное паросодержание



оператор ковариантного и контравариантного дифференцирования



значение температуры пара в формализме конечных разностей, порядок первых трех индексов указывает на цилиндрические координаты , индекс указывает на время



величина управления



величина возмущения



Макропеременные



постоянные или слабоменяющиеся параметры



оператор Ли



Таблица 1. База данных для настройки нейроэмулятора.

,

К/с

,

К/с






0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0.100334672

0.202710035

0.309336249

0.422793218

0.546302489

0.684136808

0.84228838

1.029638557

1.138332713

1.260158218

1.398332713

1.557407725

1.74331531

1.964759657

2.234496949

2.572151622

3.009569674

3.602102448

4.45522176



4.45522176

3.602102448

3.009569674

2.572151622

2.234496949

1.964759657

1.74331531

1.557407725

1.398332713

1.260158218

1.138332713

1.029638557

0.84228838

0.684136808

0.546302489

0.422793218

0.309336249

0.202710035

0.100334672

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0



1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

0.732976

0.587377

0.490143

0.369166

0.296411

0.2294

0.187291

0.147342

0.131829

0.117151

0.103618

0.09186

0.08045

0.07002

0.059948

0.050464

0.041234

0.03207

0.022045



0.119574963

0.119673637

0.119736514

0.11977697

0.119817453

0.119839956

0.119871474

0.119880482

0.119898502

0.119912021

0.119930051

0.119943577

0.119961616

0.119970638

0.119993198

0.120002225

0.120011253

0.120024797

0.120033828

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1