Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Rynek Energii

1 2010

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: sterowanie kotłem parowym i turbiną parową

Sortuj według:

Ogranicz wyniki do:

Zastosowanie sztucznej sieci neuronowej do sterowania kotłem parowym OR16 i turbozespołem STG I

Lichota J., Grabowski M.

Rynek Energii

2010

nr 1

99-107

W artykule pokazano, że można zastosować jednokierunkową sztuczną sieć neuronową do identyfikacji własności kotła parowego oraz turbiny parowej. Praca pokazuje sposób identyfikacji oraz wykorzystania neuronowego modelu obiektu do optymalizacji pracy elektrociepłowni on-line. Sygnałem wejściowym do modelu jest strumień, ciśnienie i temperatura wody, pary i spalin w różnych punktach elektrociepłowni oraz wysokość warstwy węgla na ruszcie, posuw rusztu, moc cieplna kotła i elektryczna turbiny. Model może zostać wykorzystany do symulacji zużycia węgla poprzez zmniejszenie posuwu rusztu oraz zmniejszenie gru-bości warstwy węgla na ruszcie. Drugim zastosowaniem jest symulacja zmiany mocy czynnej turbiny w zależności od stop-nia otwarcia zaworu turbinowego.

This paper shows that artificial neural network can be used in properties identification of traveling grate stroker boiler and steam turbine. Paper shows how to obtain mathematical model of a process and utilize it in on-line control. Both models are static, because of time between consecutive measurements (15 minuts). Boiler's model input signal are: feedwater pressure and flow, grate stroker velocity, steam pressure and temperature behind boiler, steam flow, flue gases pressure and temperature in furnace, flue gases pressure and temperature behind a boiler, height of coal layer on a stroker, boiler's heat output. Turbine's model input signal are: inlet stem pressure and temperature, outlet stem pressure and temperature, steam pressure behind turbine's valve, valve's opening, steam flow, turbine's rotary velocity, electric power of turbine. Heat output and electric power were modeled. Model's error is 2% and 1% respectively. Models can be utilized in optimization problem. Objective function is minimum of coal flow to a boiler, constraints are steady heat and power output. An algorithm of optimization is described.