Wyniki wyszukiwania - BazTech

1

Rozwój metod predykcyjnych w utrzymaniu majątku produkcyjnego na przykładzie TAURON Wytwarzanie S.A.

Noworyta Stanisław, Jachymek Piotr

Energetyka

|

2020

|

nr 12

679--681

PL

W artykule opisano projekt realizowany w TAURON Wytwarzanie S.A., którego celem jest opracowanie systemu wykorzystującego innowacyjne algorytmy predykcyjno/preskrypcyjne, będące złożonymi modelami klasycznego uczenia maszynowego oraz zaawansowanych algorytmów statystycznych. Prowadzone badania umożliwią poprawę wskaźnika awaryjności. Pilotażowy system diagnostyki monitoruje stan techniczny instalacji i urządzeń bloku w TAURON Wytwarzanie S.A. System dysponuje szeregiem narzędzi klasy Predictive Maintenance, które mają za zadanie na bieżąco monitorować stan techniczny maszyn i przewidywać sytuacje awaryjne kluczowych instalacji, bazując na odczytach wielu danych procesowych, których źródłem są systemy sterujące bloku. Obecnie system diagnostyki predykcyjnej opiera się na danych procesowych z Nadrzędnego Systemu Automatyki. Analiza dużej liczby danych i budowa odpowiednich modeli pozwalają zarówno na wcześniejsze sygnalizowanie problemów technicznych urządzeń krytycznych, jak i na poprawę procesów produkcyjnych przez działanie holistycznego optymalizatora. Systemy predykcji i wykrywania anomalii mają duży potencjał. W przyszłości ich działanie powinno się przełożyć na optymalizację procesu zarządzania majątkiem produkcyjnym.

EN

The article describes a project implemented at TAURON Wytwarzanie S.A., the aim of which is to develop a system that uses innovative predictive /prescription algorithms, which are complex models of classical machine learning and advanced statistical algorithms. The conducted research will enable the improvement of the failure rate. A pilot diagnostic system monitors the technical condition of the installations and equipment of the unit at TAURON Wytwarzanie S.A. The system has a number of Predictive Maintenance class tools, which are designed to monitor the technical condition of machines and predict emergency situations in key installations, based on numerous process data, the source of which are the unit’s control systems. Currently, the predictive diagnostics system is based on process data from the Master Automation System. The analysis of a large amount of data and the construction of appropriate models allow both to signal technical problems of critical devices in advance and to improve production processes through the operation of a holistic optimizer. The systems of prediction and anomaly detection have great potential. In the future their operation should enable optimization of the productive assets management process.

2

Zastosowanie sieci neuronowych do oceny krytycznej wilgoci w procesie suszenia

Pelińska-Olko E., Ostrycharczyk M., Czerep M., Pawlak-Kruczek H.

Rynek Energii

|

2018

|

Nr 6

82--91

PL

W artykule przedstawiono możliwości zastosowania sieci neuronowych do wspomagania badań, wykonywanych w procesie suszenia węgli i optymalizacji organizacji suszenia. Sieci zostały wykorzystane w skali laboratoryjnej do weryfikacji badań wilgoci krytycznej węgla brunatnego, suszonego w wirowym złożu fluidalnym. Wilgoć krytyczna jest tutaj rozumiana jako parametr w stanie ustalonym, którego wartość pozostaje od pewnego momentu na niezmienionym poziomie, pomimo dalszego procesu suszenia. Parametr ten odgrywa kluczową rolę w podniesieniu sprawności konwersji energii na energię elektryczną, czego konsekwencją jest zmniejszenie ilości emisji CO2 i innych gazów cieplarnianych oraz zmniejszenie innych negatywnych oddziaływań na środowisko, wynikających z wykorzystywania tego typu węgli do produkcji energii, w postaci np. temperatury i strumienia spalin za kotłem, korozji przewodów spalin. W pracy wykorzystano wyniki badań otrzymanych w ramach projektu pt. „Wstępne suszenie węgla brunatnego dla celów energetycznych” realizowanego na Politechnice Wrocławskiej w konsorcjum z Politechniką Opolską, Instytutem „Poltegor” i Elektrownią Turów, polegającym na eksperymentalnym zbadaniu wybranej koncepcji nowej technologii suszenia węgla brunatnego, przy zastosowaniu niskotemperaturowych źródeł ciepła. Porównano tu przebieg procesu suszenia dwóch skrajnych pod względem ilości popiołu węgli brunatnych: ze złóż w Grecji (40% popiołu) i Australii (5% popiołu). Dzięki swoim możliwościom predykcji parametrów w dalekiej przyszłości, sieci pozwoliły na określeniu wilgoci końcowej badanych węgli, na podstawie jej krótszych przebiegów czasowych w stanach nieustalonych, uzyskanych na drodze doświadczalnej. Zastosowanie ich w tym przypadku staje się zatem ekonomicznie uzasadnione ze względu na możliwość skrócenia czasu trwania eksperymentu. Sieci okazały się także przydatne do szybkiej weryfikacji, czy wyznaczona eksperymentalnie wartość wilgoci krytycznej jest rzeczywiście wartością tego parametru w stanie ustalonym.

EN

In this paper, the authors present the possibilities of using neural networks to support research, performed on the topic of lignite drying and optimization of the lignite drying process. The networks were used on a laboratory scale to verify the final moisture content of lignite determined during drying tests in a vortex fluidized bed. The final moisture content is here understood as a steady-state parameter, the value which, once obtained, remains unchanged, despite the further drying process. This parameter plays a key role in increasing the efficiency of energy conversion from the chemical energy of the lignite to electricity, which results in a reduction of CO2 and other greenhouse gas emissions and reduction of other negative environmental impacts during the use of this type of coal for energy production, such as temperature and volumetric flow rate of the flue gas at the outlet of the boiler as well as corrosion of the exhaust ducts, etc. At work, results of research, obtained as part of the project entitled "Initial drying of lignite for energy purposes" were used as an input data for the neural network. The research was carried out at the Wrocław University of Technology in a consortium with the Opole University of Technology, Poltegor Institute and Turów Power Station, using a novel brown coal drying technology capable of utilizing low temperature heat sources. The course of the drying process of two extreme types of lignite, in terms of the ash content: from deposits in Greece (40% of ash) and Australia (5% of ash). Thanks to their predictive capabilities the networks allowed unambiguous determination of the critical moisture content. The networks have also proved useful in quickly verifying whether the experimentally determined value of a final moisture content is actually the value of this parameter in the steady state.

3

Predictive feedback approach to structural vibration suppresion

Leniowski R., Leniowska L.

Archives of Control Sciences

|

2006

|

Vol. 16, no. 1

37-50

EN

The problem of active vibration control of a plate has been vastly researched and described in recent years. Theoretical and experimental results demonstrate the effectiveness of the designed controllers and indicate the potential of control techniques for reducing transient and steady state dynamics in structural acoustic systems. The examples from the computational studies, confirmed that vibration levels could be effectively reduced, however, the implementation procedures are not yet ideal, still exists the gap between experimental and simulations findings. To overcome this problem, autors propose extension for the Fuzzy-PID controller, with an on-line identification technique coupled with a control scheme, for a plate vibrationsupression. It is assumed, that the system to be regulated is unknown, the control schemes presented in this work have the ability to identify and suppress a plate vibrations with only an initial estimate of the system order. A prediction method implemented was designed using a neutral network (NN) identification algorithm, based on the well-known Runge-Kutta methods. This algorithm is similar to described by Wang and Lin [14], but it uses a copmutation structure of Runge-Kutta-3/8. with radial cosine basis neural network.

4

Application of Prediction Methods for Plate Vibration Suppression

Leniowska L., Leniowski R.

Molecular and Quantum Acoustics

|

2004

|

Vol. 25

159-175

EN

In this paper, predictive feedback control is used to suppress circular plate vibrations. It is assumed that the system to be regulated is unknown. The plate is excited by a uniform force over the bottom surface generated by a loudspeaker. The axially-symmetrical vibrations of the plate are measured by the application of the strain sensors located along the plate radius and two centrally placed piezoceramic discs are used to cancel the plate vibrations. The control schemes presented in this work have the ability to predict the error sensor signals, to compute the control effort and to apply it to the actuator within one sampling period. For precise estimation of system behaviour the modified Runge-Kutta-3/8 neural network algorithm has been applied and tested. This control scheme is then illustrated through some numerical examples with simulations modeling the fuzzy predictive P-PI-PD controller and the improvement gained by incorporating a feed-forward path into the controller is demonstrated.