Modelowanie empiryczne kotłów z wykorzystaniem sztucznych sieci neuronowych

• Autorzy: Stanek W. , Rusinowski H.

Warianty tytułu

EN

Empirical modelling of boilers with the application of neural networks

• Języki publikacji: PL

Abstrakty

PL

Współczesne systemy kontroli eksploatacji wymagają modeli matematycznych procesów zachodzących w maszynach i urządzeniach energetycznych. W wielu przypadkach procesy te są jednak tak złożone, że budowa modeli analitycznych jest niezmiernie trudna i czasochłonna. W pracy omówiono problemy modelowania kotłów energetycznych z zastosowaniem metod modelowania empirycznego. W szczególności przedstawiono problematykę budowy dwóch typów modeli kotłów. Pierwszy z nich to model typu "czarna skrzynka". Stanowi on najprostszy typ modeli empirycznych. Do znalezienia algorytmu opisującego proces wystarczy w tym przypadku znajomość wielkości wejściowych i wyjściowych bez wchodzenia w fizykę modelowanego zjawiska. W prezentowanej pracy przedstawiono modele neuronowe typu "czarna skrzynka" opisujące zależność straty wylotowej fizycznej oraz straty niecałkowitego spalania od parametrów eksploatacji. Drugi z omawianych w pracy modeli kotła to model teoretyczno-empiryczny. W modelu teorotyczno-empirycznym kotła wykorzystuje się zależności wynikające z praw zachowania i pomocnicze modele empiryczne w miejsce modelu analitycznego procesów spalania i przepływu ciepła,. W obydwóch omawianych modelach wykorzystuje się metody modelowania neuronowego. W pracy omówiono szczegółowo problemy budowy modeli neuronowych z wykorzystaniem perceptronu wiek warstwowego. W pracy zaprezentowano przykładowe wyniki obliczeń uzyskane przy wykorzystaniu obu omawianych modeli kotła.

EN

Contemporary systems of controlling power unit operation require mathematical models of processes proceeding in energy machines and devices. In many cases such processes are so complicated that the development of their analytical models is difficult and time-consuming. In the presented paper the authors discuss problems of boilers modelling with the application of methods of empirical modelling. Particularly two types of models are described. The first one is the model of "black-box" type. It represents the simplest empirical model. In this case, for the description of modelled process only the knowledge of input and output parameters is necessary without analysis of physical phenomena proceeding inside the process. In particular, the "black-box" models describing the influence of boilers operational parameters on the flue gas energy losses are presented. The models have been developed using neural methods. The second model of the boiler presented in the paper is a theoretical-analytical model. This model is based on mass and energy conservation laws with the application of only auxiliary empirical models. In the paper the empirical models are built basing on neural methods. For this reason, the authors present in detail problems of empirical modelling with the application of multi-layer neural network. The paper presents example results of calculations with the application of both of presented boiler models.

Słowa kluczowe

PL

modelowanie empiryczne; sztuczna sieć neuronowa; kocioł

EN

empirical modelling; neural networks; boiler

• Wydawca: Wydawnictwo Instytutu Maszyn Przepływowych PAN ; Komitet Problemów Energetyki Polskiej Akademii Nauk
• Czasopismo: Archiwum Energetyki
• Rocznik: 2009
• Tom: T. 39, nr 2
• Strony: 105--129
• Opis fizyczny: Bibliogr. 20 poz.

Twórcy

autor

Stanek W.

autor

Rusinowski H.

• Politechnika Śląska, Wydział Inżynierii Środowiska i Energetyki, Instytut Techniki Cieplnej, Gliwice,

Bibliografia

• [1] Deutsche Norm DIN 1942: Acceptance testing of steam, generators. 02/1994.
• [2] Domański P., Lewandowski J., Świrski K.: Sterowanie optymalizujące kotła z wykorzystaniem sieci neuronowych. Prace naukowe PSIM i UE, 22, t. 1, 1998.
• [3] Hopfield J.J.: Neural networks and physical systems with emergent collective computational abilities. Proc. Nat. Acad. Sci. USA, Vol. 79, 1982.
• [4] Jamborski J., Rusinowski FL: Algorithm of classification of operational states in energy processes. ICCC, 2005.
• [5] Kalogirou, S.A.: Applications of artificial neural networks in energy systems energy conversion and management. Vol. 40, Issue 10, 1999, 1073-1087.
• [6] Korbicz J., Obuchowicz A., Uciński D.: Sztuczne sieci neuronowe. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994.
• [7] McCulloch W.S., Pitts W.: A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, No. 5, 1943, 115-133.
• [8] Polska Norma PN-72/M-34128: Kotły parowe, wymagania i badania odbiorcze.
• [9] Prieto, M.M.; Montańes, E.; Menendez, O.: Power plant condenser performance forecasting using a non-fully connected artificial neural network. Energy, Vol. 26, Issue 1, 2001, 65-79.
• [10] Romeo LM, Gareta R.: Neural network for evaluating boiler behaviour. Applied Thermal Engineering, Vol. 26, Issue 14-15, 2006, 1530-1536
• [11] Rusinowski H.: Modelowanie regresyjne kotłów z zaawansowaną walidacją pomiarów. Archiwum Energetyki, t. XXXIV, nr 2, 2005, 203-227.
• [12] Rusinowski H., Stanek W.: Identification of energy efficiency of pulverized-fuel boiler with application of neural modeling". International Carpathian Control Conference ICCC '2006, Roznov pod Radhostem, May 29-31 2006.
• [13] Rusinowski H.: Identyfikacja złożonych procesów cieplnych i energotechnologicznych. Zeszyty Naukowe Politechniki Śląskiej, Energetyka, z. 137, Gliwice 2003.
• [14] Rusinowski H., Stanek W.: Neural modeling of steam boilers. Proc. EGOS 2006, Aghia Pelagia, July 12-14 2006.
• [15] Rusinowski FL, Stanek W., Szapajko G.: An advanced system of thermal diagnosis with the application of neural modelling of the boiler. Proc. Conf. ECOS 2007, Padova, 303-309.
• [16] Saha P.K., Shoib M., Kamruzzaman J.: Development of a neural network based integrated control system of 120 ton/h capacity boiler. Computers & Electrical Engineering, Vol. 24, Issue 6, 1998, 423-440.
• [17] Stanek W., Rusinowski FL: Zastosowanie modelowania neuronowego w modelu teoretyczno--empirycznym kotła. Mat. X Międzynarodowej Konf. Kotłowej 2006, pt. „Aktualne problemy budowy i eksploatacji kotłów", Szczyrk - Orle Gniazdo, 17-20 października 2006
• [18] Stanek W., Rusinowski FL: Comparison of empirical modeling of a boiler with the application of neural and regression methods. Proc. Conf. ECOS 2007, Padova, 205-212
• [19] Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa 1993
• [20] Tadeusiewicz R.: Elementary introduction to neural networks with computer programs. Academic Publishing House, Warsaw 1998