Regulator ze sztuczną inteligencją dla ciepłownictwa

• Autorzy: Chmielnicki W. , Chmielnicki E. A.

Identyfikatory

DOI

10.15199/9.2018.8.2

Warianty tytułu

EN

Controller with Artificial Intelligence for District Heating

• Języki publikacji: PL

Abstrakty

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 przygotowania ciepłej wody użytkowej. Istotny wpływ na zużycie ciepła ma rodzaj przyjętych rozwiązań układów regulacji i sterowania oraz systemów zarządzania energia. W przypadku budynków mieszkalnych koszty energii mają największy udział w całkowitych kosztach związanych z eksploatacją budynku. Podstawowym warunkiem umożliwiającym racjonalizację zużycia energii jest wyposażenie budynku w nowoczesne cyfrowe systemy do regulacji i sterowania instalacji ciepłowniczych. W stosowanych obecnie rozwiązaniach wykorzystuje się zwykle algorytmy PI lub PID. 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, przy czym 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 niż w przypadku stosowania układów tradycyjnych. Na Politechnice Warszawskiej pod kierunkiem prof. Witolda Chmielnickiego opracowano nowy regulator wykorzystujący sztuczne sieci neuronowe, co stanowi przełom w dziedzinie sterowania węzłami ciepłowniczymi. System ze sztuczną inteligencją do optymalnego zarządzania ciepłem został już zastosowany w wielu budynkach w Polsce.

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 heating centers equipped in flux-through heat exchangers. In this paper, a compile model of heating system control with a help of 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. At the Warsaw University of Technology under the supervision of prof. Witold Chmielnicki a new controller using artificial neural network has been developed which is a breakthrough in the field of district heating control. A system with artificial intelligence for optimal heat management has already been used in many buildings in Poland.

Słowa kluczowe

PL

ciepłownictwo; ogrzewnictwo; regulacja automatyczna; sztuczne sieci neuronowe; zarządzanie energią; informatyka

EN

district heating; heating; automatic control engineering; neural networks; energy management; computer science

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Ciepłownictwo, Ogrzewnictwo, Wentylacja
• Rocznik: 2018
• Tom: T. 49, nr 8
• Strony: 294--304
• Opis fizyczny: Bibliogr. 14 poz., rys., wykr.

Twórcy

autor

Chmielnicki W.

• Wydział Instalacji Budowlanych, Hydrotechniki i Inżynierii Środowiska Politechniki Warszawskiej

autor

Chmielnicki E. A.

• Sztuczna Inteligencja Technologia Oprogramowania - SITO

Bibliografia

• [1] Chmielnicki W. J. 1996. "Sterowanie mocą w budynkach zasilanych z centralnych źródeł ciepła", PAN. Studia z zakresu inżynierii nr 41, Warszawa 1996.
• [2] Chmielnicki W. J. 1998. "Model of flow-through heat exchanger for heating systems". Arch. Civ. Eng. 44,2, Warszawa 1998.
• [3] Chmielnicki W. J. 2001.: "Regulacja automatyczna urządzeń ciepłowniczych". FRC Unia Ciepłownictwa, Warszawa 2001.
• [4] Chmielnicki W. J. 2001. "Sterowanie mocą cieplną w budynkach na potrzeby ciepłownicze z wykorzystaniem sieci neuronowych". Raport KBN, Projekt badawczy Nr 7 T07E 001 14, Warszawa 2001.
• [5] Chmielnicki W. J. 2010. "Energy Management of District Heating in Buidings". Rynek Energii 5 (90).
• [6] Chmielnicki W. J. 2011. "Application of neural networks for control of district heating". Arch. Civ. Eng. 56,2, Warszawa 2011.
• [7] Chmielnicki W. J. 2015. "Wykorzystanie sieci neuronowych do sterowania procesów cieplnych w budynkach". Raport NCBiR, Projekt badawczy POIG 01.03.01 -14-088/12, Warszawa 2015.
• [8] Curtis P.S., J. F. Kreider, M.J. Brandemuchl. 1993. "Adaptive control of HVAC processes using predictive neural networks". ASHRAE Transactions 1993 part 2, volume 99 (1).
• [9] Curtis P.S., G. Shavit, J.F. Kreider. 1996. "Neural Networks Applied to Buildings-A Tutorial and Case Studies in Prediction and Adaptive Control". ASHRAE Transactions 1996 part 2, volume 100 (1).
• [10] Iserman R. 1988. "Identifikation dynamischer Systeme“, Springer -Verlag, Berlin, Heidelberg, New York, London, Tokyo 1988.
• [11] MacArthur J.W., E.W. Grald, A.F. Konar. 1989. "An effective approach for dynamically compensated adaptive control". ASHRAE Transactions 1989, volume 95 (2).
• [12] Osowski S. 1996. "Sieci neuronowe". WNT, Warszawa 1996.
• [13] Poradnik Recknagel Springer: "Ogrzewanie i klimatyzacja", Warszawa 2007.
• [14] Rietschel: "Raumklimatechnik“, Springer-Verlag, Berlin, New York 2005.