МОДЕЛИРОВАНИЕ ДИНАМИЧЕСКИХ ОБЪЕКТОВ НА ОСНОВЕ ТЕКУЩИХ ДАННЫХ ДЛЯ ОПЕРАТИВНОГО УПРАВЛЕНИЯ

АННОТАЦИЯ

В настоящей работе рассматривается идея для решения задачи коррекции управляющего воздействия регулятора тепловой нагрузки (РТН) котла для ликвидации ложного срабатывания для ТЭС с поперечными связями. В основе решения лежит использование оперативных данных с датчиков измерений и их обработка в режиме реального времени.  

ABSTRACT

In this paper, we consider the solution of the problem of correcting the control action of the boiler heat load regulator to eliminate false operation for a thermal power plant with cross-links. The solution is based on the use of operational data from measurement sensors and their processing in real time.

Ключевые слова: динамический объект, математическое моделирование, управление, нейросетевые методы, ТЭС с поперечными связями, регулятор тепловой нагрузки

Keywords: dynamic object, mathematical modeling, control, neural network methods, thermal power plant with cross-links, heat load controller

Введение

Тепловые электростанции (ТЭС) с поперечными связями представляют собой систему котлов и турбин, связанных единой тепловой магистралью. В такой единой системе управление каждым котлом в отдельности чувствительно к внешним возмущениям, и в первую очередь к изменению нагрузки станции.

Для поддержания заданного уровня расхода пара реализован контур автоматического управления, называемый регулятором тепловой нагрузки (РТН), на вход которого подается разница между текущим значением расхода пара и заданием на расход, в некоторых решениях через сумматор дополнительно добавляется изменение давления в главной паровой магистрали. Схема и опыт реализации подобного решения подробно изложены в [1]. При изменении нагрузки станции происходит распределение нагрузок на котлы, но может возникать ситуация, когда для одного или более котлов она может остаться неизменной, если изменение по станции небольшое. В силу особенности технологического процесса РТН котлов, задание которых осталось неизменно, фиксируется изменение по расходу пара, в то время как в действительности генерация пара осталась на прежнем уровне. Физическую сущность процессов, происходящих в это время, и причины появления таких значений расхода на датчиках подробно описали авторы работы «Наладка систем автоматического регулирования барабанных паровых котлов» [2]. Таким образом, РТН котлов станут срабатывать ложно и тем самым изменять объемы подачи угля в топку. То есть, котлы дополнительно внесут возмущения в систему, что затруднит работу остальных котлов, на которых лежит обеспечение нагрузки станции. Такая проблема существует и при схеме управления «базовые котлы – регулирующий котел», и при реализации управления через главный регулятор давления в паровой магистрали. Когда ложное срабатывание РТН несколько затягивается, машинист котла использует ручное управление, выравнивая ситуацию.

Подобное управление можно проиллюстрировать на данных архивах, представленных на рисунке 1.

Рисунок 1. Примеры ложного срабатывания РТН

На графиках видно, что котел №3 (К3) находился в регулирующем режиме (поддерживал давление), а котел №6 (К6) держал нагрузку станции. С момента времени около 11:30 турбины начали набирать нагрузку, что стало внешним возмущением для К3. Датчик расхода пара К3 измеряет увеличение расхода, разница по заданию и фактическому измерению приводит к срабатыванию РТН и уменьшению оборотов ПСУ (обороты пулесистемы), и соответственно к падению давления в магистрали.

Далее РТН К3 начинает отрабатывать свое же ложное срабатывание, и в этот момент машинист вмешивается, изменяя задание на расход пара у К3. Когда машинист изменил задание, К3 находился в процессе регулирования и выравнивал давление.

Таким образом, решение задачи коррекции управляющего воздействия РТН котла для ликвидации ложного срабатывания позволит осуществлять оперативное автоматическое управление на ТЭС.

Коррекция регулятора тепловой нагрузки

В сущности, сама конструкция типовых регуляторов (П, ПИ, ПИД) [3], которые в своем подавляющем большинстве используются в автоматизированных системах управления технологическим процессом (АСУ ТП) [4],  делает невозможным использовать те знания, которые есть, например, у машиниста для управления системой.

В этой связи и появилась идея дополнить контур основного управления отдельным алгоритмом, который станет анализировать общую ситуацию по нагрузке всей станции и определять корректирующие значения для оборотов ПСУ, схожей с логикой человека.

Схема решения представлена на рисунке 2. Схема интеграции алгоритма обработки данных станции предусматривает полное сохранение существующей схемы управления, так что базовый контур управления всегда включен в работу.

Рисунок 2. Схема коррекции значений оборотов пылесистемы с включенным РТН

На рисунке 2 использованы следующие обозначения: K(1,…,N), T(1,…,k) – котлы и турбины, включенные в работу; устройство управления (УУ) – алгоритм расчета значений оборотов пылесистемы (ПСУ) каждого котла с учетом ситуации изменения нагрузки по всей станции; РТН (1, …, N) – классический пропорционально-интегральный (ПИ) регулятор тепловой нагрузки (к каждому котлу станции); ЗдK(1, …, N) – задание на расход пара каждого котла; ЗдТ(1, …, k) – задание на расход пара каждой турбиной; ∑Здti –  суммарное задание на турбины; Ft(1,…, k) – измерения расхода пара турбинами; Об ПСУ (1, …, N) – значения оборотов ПСУ от РТН котла; F ПСУ (1, …, N) – скорректированное значение оборотов ПСУ; ξ(1, …, N) – неконтролируемые возмущения (изменение качества топлива, воздушного режима, тепловых свойств питательной воды, работа регулятора температуры перегретого пара и др.); hN.1, (N – номер котла) – пульсации пара, точность измерений; hN.2, (N – номер котла) – преобразование выходного сигнала в частоту вращения ПСУ.

Ниже представлена общая идея предотвращения ложного срабатывания РТН. Условие изменения нагрузки станции проверяется в каждый момент времени непрерывно в течение всего периода работы станции. Если изменение нагрузки станции находится в допустимых пределах, характеризующих установившееся статическое состояние, то никаких действий предпринимать не следует. Если изменения суммарного задания на РТН котлов станции в целом превышают порог допустимых колебаний, значит, станция начинает снижать или набирать нагрузку. Следовательно, необходимо разделить котлы на два подмножества: первая группа котлов – это те, у которых нагрузка изменится, и, следовательно, их РТН должны изменить объем подачи топлива; и вторая – котлы, у которых задание на расход пара осталось в диапазоне статического регулирования, следовательно, на этих котлах возможно возникновение ложного срабатывания регулятора.

Рассмотрим цикл шагов, который необходимо производить при обнаружении изменения нагрузки станции.

1. Контролируем (держим под наблюдением) все подмножество котлов с неизменным заданием на расход пока вся станция изменяет нагрузку.
2. Проверяем, если сигнал рассогласования (разница задания и измерения расхода с датчика каждого котла) больше заданного порогового значения, то управляющее воздействие, полученное с РТН, будет ложным.
3. Оставляем управляющее воздействие (обороты ПСУ) без изменения. С этой целью:

3.1 Получаем управляющее воздействие (обороты ПСУ) от РТН.

3.2 Получаем число оборотов ПСУ из предыдущих ближайших по времени значений в соответствии с допустимым отклонением задания и фактическим расходом пара.

3.3 Определяем разницу между значениями, полученными в пунктах 3.1 и 3.2. Таким образом, формируется компенсирующее воздействие.

3.4 Компенсирующее воздействие добавляем к управляющему воздействию от РТН.

Главная особенность решения состоит в использовании текущей информации по всей станции и последние измерения с датчиков контроля. В этой связи крайне важно обеспечить поступление в алгоритм обработки «сырых» данных от датчиков с достоверными значениями, что предъявляет требования к стабильности работы информационно-измерительной системы (контрольно-измерительные приборы и автоматика или КИПиА). Ввиду сильной динамики физических процессов, возможность быстрого реагирования на изменения дискретности поступления данных в алгоритм коррекции РТН, может быть сокращена до одной секунды, поскольку реакция на изменение паровой нагрузки сильно влияет на количество расходуемого угля в большую или меньшую сторону. В первом случае получается перерасход, когда это не требуется, в другом случае снижение расхода угля является необоснованным и после придется снова набирать обороты, внося дополнительные колебания в паровую магистраль.  

При разработке алгоритма коррекции РТН использовались архивы «сырых» данных как есть, записанными в архив с дискретностью глобального опроса системы за 30 секунд.

Моделирование процесса парообразования в котле

Для проверки работоспособности изложенной выше идеи коррекции РТН, необходимо построить имитационную модель станции. С этой целью будем рассматривать задачу моделирования замкнутого объекта с отрицательной обратной связью (Котел-РТН) на основе имеющихся архивных данных. Для описания котлов были использованы данные текущей работы станции за летний месяц без проведения каких-либо специальных экспериментов по снятию переходных характеристик. Как известно, коэффициенты регулятора настраиваются единожды при вводе оборудования в эксплуатацию, при этом объект исследования относиться к классу квазистационарных (параметры объекта с течением времени медленно меняются). Таким образом, априорная информация об объекте дана в объеме недостаточном для использования классических подходов построения моделей динамических объектов.

Было принято решение для построения имитационной модели объекта исследования использовать подход на основе нейросетей [5]. В данном случае не требуется знаний о структуре объекта (виде передаточной функции), проведения специальных экспериментов, а достаточно иметь измерения и знать класс, к которому принадлежит объект [6]. На рисунке 3 приведены результаты прогноза полученной модели и реальные данные.

Рисунок 3. Прогноз расхода пара на основе нейросетевой модели

Модель была получена при следующей конфигурации нейронной сети: функция активации – линейная, 5 нейронов, один слой. Относительная средняя ошибка прогнозирования составила 14.7 %. Следует отметить и тот факт, что исследуемый объект – котел в режиме регулирования давления, что означает отсутствие в данных качественных переходных режимов. Однако использование нейросетевых методов позволяет получать модели с приемлемой точностью, несмотря на малый объем априорной информации.

Вывод

В работе излагается алгоритм обработки данных в режиме реального времени для коррекции оборотов ПСУ, предупреждающих ложное срабатывание регулятора тепловой нагрузки котла. Приводится схема интеграции алгоритма с существующей схемой регулирования, математические основы моделирования динамических объектов по «сырым» данным без проведения дополнительных экспериментов по снятию переходных характеристик.

Список литературы:

1. Жалнин Д.А. Опыт внедрения системы регулирования давления в главной паровой магистрали на Красноярской ТЭЦ-2 / Д.А. Жалнин, В.А. Шорохов, А.Н. Евдокимов, О.А. Бубновский, А.В. Чуринов // Электрические станции. – 2009. – №11. – С. 18–25.
2. Ким Д.П. Теория автоматического управления. Т.1. Линейные системы – 2-е изд., испр. и доп. – М.: ФИЗМАТЛИТ, 2016. – 312 с.
3. Клюев А.С., Лебедев А.Т., Новиков С.И. Наладка систем автоматического регулирования барабанных паровых котлов. – М.: Энергоиздат, 1985. – 280 с.
4. Медведев А.В. Информатизация управления: учеб. пособие. – Красноярск: САА, 1995. – 80 с.
5. Николенко С.И., Кадурин А.А., Архангельская Е.О. Глубокое обучение. Погружение в мир нейронных сетей. – М.: Питер, 2020. – 480 с.
6. Ростовцев В. С. Искусственные нейронные сети. Учебник для вузов, 3-е изд. – Санкт-Петербург: Лань, 2023. – 216 с.