Detekcja nieszczelności kotła fluidalnego z użyciem modeli rozmyto-neuronowych

• Autorzy: Szadkowski B. , Jankowska A.

Warianty tytułu

EN

Approach to boiler leak detection with fuzzy neural models

• Języki publikacji: PL

Abstrakty

PL

Zreferowano badania modelowe nad detekcją nieszczelności kotłów fluidalnych z wykorzystaniem danych z archiwum. Modelowanie prowadzono w przyborniku Fuzzy Logic pakietu Matlab. Omówiono dwa podejścia do rozwiązania problemu. W pierwszym - opracowano modele rozmyto-neuronowe typu Takagi-Sugeno-Kanga (TSK) 4 zmiennych procesowych o dużej wrażliwości na przeciek. Uśrednione residua tych zmiennych, w przesuwnym oknie czasowym, pozwoliły wykryć 7 z 8 rozważanych przypadków nieszczelności. Oceniono długość okna i uzyskane wyprzedzenie detekcji względem wyłączenia bloku. Następnie opracowano i przetestowano model awarii o binarnym wyjściu. Równoległe wykorzystanie opracowanych modeli pozwoliło na wykrycie z kilkudniowym wyprzedzeniem wszystkich analizowanych awarii, potwierdzając przydatność modeli TSK w ważnym zadaniu eksploatacyjnym. Wskazano dalsze kierunki prac.

EN

The research results into leak detection in a fluidised bed boiler are presented. The studies took advantage of the historical data from DCS in the professional power plant. Models of neuro-fuzzy Takagi-Sugeno-Kanga (TSK) type were built and tested in the Fuzzy Toolbox of Matlab. The roots of boiler outage (in water-steam pressure system and aside from this system) are indicated. The two approaches to leak detection task are described. In the first, the models of the 4 process variables sensitive to leakage were built. The residues of these models were evaluated in a moving time window. The length of the time window and the advance of leakage detection are discussed. Next, the model the TSK of the boiler faults with binary output was built and tested. Training data was collected for 3 cases of raised outage (models output - 1) and the normal work of installation (models output - 0). The parallel usage of proposed TSK models provided a successful detection of all studied fault cases a few days in advance. This has confirmed the suitability of the fuzzy neural models in an important exploitation task.

Słowa kluczowe

PL

detekcja awarii; systemy rozmyto-neuronowe; kocioł fluidalny; modelowanie

EN

detection of outage; fuzzy-neural system; fluidised bed boiler; modelling

• Wydawca: Wydawnictwo Naukowe Instytutu Technologii Eksploatacji - Państwowego Instytutu Badawczego
• Czasopismo: Problemy Eksploatacji
• Rocznik: 2011
• Tom: nr 2
• Strony: 181--188
• Opis fizyczny: Bibliogr. 11 poz., tab., wykr.

Twórcy

autor

Szadkowski B.

autor

Jankowska A.

• Emerson Process Management Power & Water Solutions, Warszawa

Bibliografia

• 1. Pawlik M., Strzelczyk F.: Elektrownie, wydanie 5, WNT, Warszawa 2009.
• 2. Xi Sun, Marquez H. J., Tongwen Chen.: An improved PCA method with application to boiler leak detection, ISA Transactions 44, 2005, 379-397.
• 3. Jankowska A.: Approach to Early Boiler Leak Detection with Artificial Neural Networks. Recent Advances in Mechatronics, Springer Verlag, 2007, pp. 57-61.
• 4. Lang F.D., Rodgers, D.A.T., Mayer, L.E.: Detection of Tube Leaks and their Location Using Input/Loss Methods, Proc. of the International Joint Power Generation. Conference Baltimore, Maryland, 03.30-04.01.2004 r., UPGC2004-52027.
• 5. Alouani A. T., Shih -Yung Chang P.: Artificial Neural Network and Fuzzy Logic Based Boiler Tube Leak Detection Systems, USA Patent No: 6,192,352 Bl, Feb 2001.
• 6. Jankowska A.: Ocena sygnałów procesowych z kotła energetycznego pod względem ich przydatności diagnostycznej. Pomiary, Automatyka, Robotyka. 11/2010, s. 79-83.
• 7. Piegat A.: Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999.
• 8. Rutkowski L.: Metody i techniki sztucznej inteligencji, PWN Warszawa 2005.
• 9. Matlab, http://www.mathworks.com/help/toolbox/fuzzy/fp715dupl2.html. Dokumentacja online do pakietu Matlab, 2011.
• 10. Szadkowski B.: Analiza wczesnej detekcji nieszczelności w kotle energetycznym z wykorzystaniem modeli rozmyto-neuronowych. Niepublikowana praca dyplomowa magisterska, PW D-IAiR-458, Warszawa 2010.
• 11. Kornacki S.: Neuronowe modele procesów o zmiennych właściwościach. 12-14.09.2005, Pomiary Automatyka Kontrola nr 9/2005, s. 112-114.