Application of neural networks for control of district heating

• Autorzy: Chmielnicki W. J.

Warianty tytułu

PL

Wykorzystanie sieci neuronowych do regulacji w ciepłownictwie

• Języki publikacji: EN

Abstrakty

EN

The annual usage of heat for the demand of heating systems in municipal sector has been estimated as about 650PJ. It is mostly addressed for the demand of central heating systems and hot water consumption. The mode of adopted solutions concerning regulation and control, as well as energy management system, essentially influence its consumption. In the case of residential buildings, the costs of energy constitute the greatest share related to the total cost of building maintenance. Providing buildings with modern digital systems for control and regulation of heating installations is a basic condition enabling their rational usage. In currently employed solutions, algorithms PI or PID are usually applied. However, due to the non-linear properties of heating control systems, they do not secure proper quality. The sequences are often unstable and major control deviations occur. The application of neural networks is an alternative solution to those presently employed. They are especially recommended for adaptive control of non-stationary systems. Such cases occur in heating objects since they demonstrate non-linear properties with a great range of variability of parameters; this especially refers to district heating equipped with flux-through heat exchangers. A compile model of heating system control aided by neural networks is presented. The results of the investigation clearly prove the usefulness of such solutions, cause the quality of control is much better than that one applied in traditional systems. Presently, works on the implementation of the proposed solutions are under way.

PL

Roczne zużycie ciepła na potrzeby ciepłownicze w Polsce w sektorze komunalno-bytowym, szacowane jest na około 650PJ. W znacznej części przeznaczone ono jest na potrzeby centralnego ogrzewania i ciepłej wody użytkowej. Instotny wpły na jego zużycie ma rodzaj przyjętych rozwiązań dotyczących regulacji i sterowania oraz systemów zarządzania energią. W przypadku budynków mieszkalnych koszty energii stanowią największy udział w stosunku do całkowitych kosztów związanych z eksploatacją budynku. Podstawowym warunkiem umożliwiającym racjonalne jej zużycie jest wyposażenie budynku w nowoczesne cyfrowe systemy do regulacji i sterowania instalacji ciepłowniczych. W stosowanych obecnie rozwiązaniach wykorzystuje się zwykle algorytmy Pl lub PlD. Jednak ze względu na nieliniowe właściwości ciepłowniczych obiektów regulacji, nie zapewniają one odpowiedniej jakości. Często przebiegi mają charakter niestabilny i dochodzi do znacznych odchyłek regulacji. Alternatywą do stosowanych obecnie rozwiązań jest wykorzystanie sieci neuronowych. Są one szczególnie zalecane do sterowania adaptacyjnego układów niestacjonarnych. Takie przypadki występują w obiektach cieplnych, gdyż mają one właściwości nieliniowe o bardzo dużym zakresie zmienności parametrów, dotyczy to zwłaszcza węzłów ciepłowniczych wyposażonych w przepływowe wymienniki ciepła. W pracy przedstawiono opracowany model sterowania węzłów ciepłowniczych za pomocą sieci neuronowych. Wyniki badań wyraźnie wskazują na celowość takich rozwiązań, gdyż jakość regulacji jest znacznie lepsza aniżeli w przypadku stosowania układów tradycyjnych. Aktualnie trwają prace nad wdrożeniem zaproponowanych rozwiązań.

Słowa kluczowe

EN

neural network; control; district heating; application

PL

sieć neuronowa; regulacja; ciepłownictwo; zastosowanie

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2010
• Tom: Vol. 56, nr 3
• Strony: 219--238
• Opis fizyczny: Bibliogr. 14 poz., il.

Twórcy

autor

Chmielnicki W. J.

• University of Technology, Faculty of Environmental Engineering, Warsaw, Poland,

Bibliografia

• 1. ASHRAE 2001 Handbook. Fundamentals, American Society of Heating, Refrigerating and Air Conditioning Engineers, Inc.
• 2. ASHRAE 2001 Handbook. HVAC Systems and Applications, American Society of Heating, Refrigerating and Air Conditioning Engineers, Inc.
• 3. W. J. CHMIELNICKI, Sterowanie mocą w budynkach zasilanych z centralnych źródeł ciepła [In Polish], PAN. Studia z zakresu inżynierii nr 41, Warszawa 1996.
• 4. W. J. CHMIELNICKI, Sterowanie mocą cieplną w budynkach na potrzeby ciepłownicze z wykorzystaniem sieci neuronowych [In Polish], Raport KBN, Projekt badawczy Nr 7 T07E 001 14, Warszawa 2001.
• 5. W. J. CHMIELNICKI, Model of flow-through heat exchanger for heating systems, Arch. Civ. Eng. 44, 2, Warszawa 1998.
• 6. W. J. CHMIELNICKI, Regulacja automatyczna urządzeń ciepłowniczych [in Polish], Unia Ciepłownictwa, Warszawa 2001.
• 7. P.S. CURTIS, J.F. KREIDER, M.J. BRANDEMUCHL, Adaptive control of HVAC processes using predictive neural networks, ASHRAE Transactions part 2, volume 99(1) 1993.
• 8. P.S. CURTIS, G. SHAVIT, J.F. KREIDER, Neural Networks Applied to Buildings-A Tutorial and Case Studies in Prediction and Adaptive Control, ASHRAE Transactions part 2, volume 100(1) 1996.
• 9. R. ISERMAN, Identifikation dynamischer Systeme, Springer-Verlag, Berlin, Heidelberg, New York, London, Tokyo 1988.
• 10. MacArthur J.W, Grald E.W., Konar A.F.: An effective approach for dynamically compensated adaptive control, ASHRAE Transactions 1989, volume 95(2).
• 11. S. Osowski, Sieci neuronowe, WNT, Warszawa 1996.
• 12. Poradnik Recknagel Springer: Ogrzewanie i klimatyzacja [In Polish], Warszawa 2007.
• 13. Rietschel: Raumklimatechnik, Springer-Verlag, Berlin, New York 2005.
• 14. J. Żurada, M. Barski, W. Jędruch, Sztuczne sieci neuronowe podstawy teorii i zastosowania [In Polish], Wydawnictwo Naukowe PWN, Warszawa 1996.