Система управления для установки электростанции

 

Система относится к области автоматики и может быть использована в электростанции с множеством энергетических блоков. Техническим результатом является повышение надежности. Система содержит вычислительный блок, модуль оптимизации и энергетические блоки и нейронные сети. 4 з.п.ф-лы, 1 ил.

Изобретение относится к системе управления для установки электростанции с множеством энергетических блоков электростанции.

При работе установки электростанции с множеством энергетических блоков электростанции обычно каждая компонента управляется с помощью n задающих величин. При этом задающие величины основываются на важных для установки рабочих параметрах и, как правило, зависят от множества условий эксплуатации. Например, установка электростанции с множеством энергетических блоков электростанции управляется так, что к каждому энергетическому блоку электростанции в качестве задающей величины подводят заданное значение нагрузки. В качестве условия эксплуатации обычно должно тогда выполняться, что сумма всех подведенных к энергетическим блокам электростанции заданных значений нагрузки внутри области допуска равна общему заданному значению нагрузки. Оно задается в качестве требования сети потребителями.

Для особенно экономичной или особенно эффективной эксплуатации установки электростанции при этом может быть необходимо выбранные для управления компоненты n задающих величин оптимировать относительно количества критериев. Чтобы, например, можно было особенно экономично и с особенно высоким коэффициентом полезного действия эксплуатировать установку электростанции с двумя или более энергетическими блоками электростанции, которые могут быть по типу или действию одинаковыми или различными, выдаваемая от установки электростанции потребителям общая мощность в рамках распределения мощности должна быть распределена между энергетическими блоками электростанции таким образом, чтобы необходимый расход топлива в целом был особенно низким и/или чтобы теплофикационный пар или пар для технологических нужд мог отбираться особенно эффективно. Для этого для каждого энергетического блока электростанции определяют в качестве задающей величины номинальную нагрузку. Каждый энергетический блок управляется с помощью определенной для него номинальной нагрузки.

Подобные задающие величины для управления энергетическими блоками электростанции обычно определяются эмпирически обслуживающим персоналом электростанции и тем самым сильно зависят от опыта обслуживающего персонала. Существующие до сих пор автоматизированные системы для определения задающих величин вследствие высоких вычислительных затрат основаны обычно на линеаризации функциональной зависимости между отданной от энергетического блока электростанции электрической мощностью, отданной теплофикационной мощностью, массовым потоком технологического пара и подлежащей подведению энергетическому блоку тепловой мощностью, которая, как правило, пропорциональна расходу топлива. Вследствие этой линеаризации функциональной зависимости протекающие в подобных системах способы вычисления являются, однако, не точными. Кроме того, как правило, при определении задающих величин нельзя учитывать актуальное состояние установки, как, например, выход из строя теплообменника.

В основе изобретения поэтому лежит задача указать систему управления для установки электростанции с множеством энергетических блоков, которая надежно определяет особенно выгодные задающие величины для каждого энергетического блока.

Эта задача решается согласно изобретению вычислительным блоком, который посредством генетического алгоритма определяет задающие величины для того или иного энергетического блока, и связанным с вычислительным блоком модулем оптимизации, который соединен с множеством нейронных сетей, причем каждой компоненте придана в соответствие одна нейронная сеть.

Система управления согласно ограничительной части п.1 формулы изобретения известна, например, из WO 93/25943.

Генетические алгоритмы подробно описаны в публикации J. Heistermann, "Генетические алгоритмы", издательство Teubner, Штуттгарт, 1994.

Целесообразно вычислительный блок определяет в качестве задающей величины для каждого энергетического блока электростанции для задаваемого временного интервала заданное значение для его доли мощности в общей подлежащей покрытию номинальной нагрузке.

Чтобы определять задающие величины для каждого энергетического блока особенно точно и с малыми вычислительными затратами, модуль оптимизации предпочтительно содержит дополнительно к связанной с нейронными сетями ступени грубой оптимизации ступень точной оптимизации.

В дальнейшей выгодной форме выполнения ступень точной оптимизации выполнена с возможностью осуществления аналитического моделирования процесса. Моделирование процесса может при этом учитывать также нелинейные корреляции между отдаваемыми энергетическими блоками мощностями и подлежащей подведению тепловой мощностью относительно коэффициента полезного действия.

Чтобы особенно эффективно использовать генетический алгоритм при определении задающих величин, целесообразным образом предусмотрена отдельная нейронная сеть для генерирования стартовых значений для генетического алгоритма. Она определяет входные величины для генетического алгоритма с учетом важного для установки знания. Таким образом, результаты из предыдущих определений задающих величин при сравнимых или также при отклоняющихся от актуального состояния установки состояниях являются используемыми для определения актуальных задающих величин. За счет этого можно поддерживать небольшими вычислительные затраты для определения задающих величин, так что подобная система управления для установки электростанции является особенно гибкой.

Достигнутые изобретением преимущества состоят, в частности, в том, что путем применения генетического алгоритма для определения задающих величин для компонентов установки электростанции является достижимой высокая точность. В частности, за счет комбинации генетического алгоритма с моделированием процесса задающие величины являются определяемыми очень точно, надежно и также быстро, то есть с малыми вычислительными затратами. Особенно целесообразным является при этом подразделение модуля оптимизации на ступень грубой и точной оптимизации.

Пример выполнения изобретения поясняется ниже более подробно с помощью чертежа. При этом чертеж схематически показывает систему управления для энергетической установки.

Система управления 1 содержит вычислительный блок 2, который через линию данных 4 соединен с устройством сопряжения 5 модуля оптимизации 6. Модуль оптимизации 6 содержит ступень грубой оптимизации 8 и связанную с ней линией 9 ступень точной оптимизации 10, которые обе подключены через линии данных 12, 14 к устройству сопряжения 5.

Вычислительный блок 2 через линии данных 20 соединен далее с энергетическими блоками 25 не представленной более подробно установки электростанции, из которых на чертеже показаны три. Каждый энергетический блок 25 соединен линией данных 30 с приданной ему в соответствие нейронной сетью 32, которая со своей стороны через линию данных 34 подключена к ступени грубой оптимизации 8 модуля оптимизации 6. Вычислительный блок 2, кроме того, по линии данных 36 соединен с отдельной нейронной сетью 38.

При работе установки электростанции энергетические блоки 25 управляются так, что каждому энергетическому блоку 25 от системы управления 1 через линии данных 20 в качестве задающих величин F подводят заданное значение нагрузки или значение номинальной нагрузки. Альтернативно, однако, определенные системой управления 1 задающие величины F могут также сообщаться обслуживающему персоналу установки электростанции и затем вручную направляться дальше в качестве управляющего воздействия энергетическим блокам 25. Заданные значения нагрузки подлежат при этом условию эксплуатации, что их сумма должна быть равной требуемой потребителем общей нагрузке. Заданное значение нагрузки или номинальная нагрузка энергетического блока электростанции может быть электрической мощностью, мощностью, идущей на нагрев, и/или технологическим паром. Для экономичной эксплуатации установки электростанции энергетические блоки 25 должны управляться таким образом, чтобы их общий расход топлива был возможно малым.

Подлежащая подведению каждому энергетическому блоку 25 задающая величина F определяется системой управления 1 через оптимизацию с помощью генетического алгоритма. При этом описывающий состояние "ВКЛ" или "ВЫКЛ" каждого энергетического блока 25 в качестве функции временного интервала план использования интерпретируется как индивидуум. Промежуток времени планирования, например день, подразделяют на множество временных интервалов, например часы, в которые номинальная нагрузка каждого энергетического блока 25 является соответственно постоянной. План использования анализируется в вычислительном блоке 2 в форме матрицы, строки которой поставлены в соответствие соответственно одному энергетическому блоку 25, а столбцы которой соответственно приданы каждый в соответствие одному временному интервалу.

Матрица ВКЛ/ВЫКЛ-ючений для отдельных энергетических блоков 25 служит в качестве генетического кода плана использования - индивидуума. Вычислительный блок 2 направляет для каждого временного интервала плана использования - индивидуума состояние "ВКЛ" или "ВЫКЛ" каждого энергетического блока 25 через устройство сопряжения 5 к модулю оптимизации 6.

Модуль оптимизации 6 определяет тогда такое распределение заданной номинальной нагрузки между энергетическими блоками 25 с состоянием "ВКЛ", при котором должна подводиться минимальная тепловая общая мощность. Для этого в ступени грубой оптимизации 8 вначале производят грубую оптимизацию на основе известного алгоритма оптимизации. При этом каждая из связанных со ступенью грубой оптимизации 8 нейронных сетей 32 модулирует поведение приданного ей в соответствие энергетического блока 25. В основе нейронной архитектуры лежит многослойный перцептрон с обратной передачей (Backpropagation-Perzeptron). Кроме того, к каждой нейронной сети 32 через линии данных 30 могут подводиться измерительные величины М, которые характеризуют актуальное состояние приданного ей в соответствие энергетического блока 25. Далее посредством этих нейронных сетей 32 могут учитываться также результаты более ранних моделирований.

Результаты GR этой грубой оптимизации по линиям данных 9 передаются к ступени точной оптимизации 10. В ступени точной оптимизации 10 эти результаты GR подвергают точной оптимизации путем аналитического моделирования процесса, причем, в частности, учитывают также нелинейные корреляции между важными параметрами процесса, как, например, электрическая мощность, теплофикационная мощность, массовый поток технологического пара и подлежащая подведению тепловая мощность. Полученные таким образом по типу мгновенной оптимизации результаты FR подводят к устройству сопряжения 5 и оттуда передают к вычислительному блоку 2.

В вычислительном блоке 2 с помощью результатов FR для каждого временного интервала временного плана использования - индивидуума оценивают пригодность (Fitner) этого плана использования - индивидуума, причем? в частности, учитывают также корреляции между соседними временными интервалами. Для этого, например, можно суммировать тепловую мощность, подводимую каждому энергетическому блоку 25 в каждый временной интервал. Далее дополнительно отдельно учитывают подготавливаемую тепловую мощность, например, для ввода в эксплуатацию или вывода из эксплуатации энергетического блока или на потери коэффициента полезного действия вследствие других краевых условий. При инициализации популяции планов использования и при выборе индивидуумов для рекомбинации, а также при замене старого поколения индивидуумов новым используют стандартные способы генетического алгоритма. Последовательность итерационных шагов генетического алгоритма обозначена стрелкой GA. Условия эксплуатации, как, например, общая отдаваемая установкой электростанции электрическая мощность, то есть сумма отдаваемых энергетическими блоками 25 электрических мощностей, при этом также являются учтенными.

Результаты определения задающих величин F для энергетических блоков 25 для задаваемых общих мощностей установки электростанции дополнительно передают по линии данных 36 к нейронной сети 38 и там депонируют. При новом определении задающих величин F для энергетических блоков 25 эти информации привлекают для генерирования особенно выгодных стартовых значений SW, которые по линии данных 36 передаются для инициализации генетического алгоритма к вычислительному блоку 2. Таким образом, можно использовать ранее полученные результаты, так что экономится время на вычисления.

Кроме того, в системе управления процесса 1 задающие величины F для каждого энергетического блока 25 могут определяться также с учетом множества краевых условий с особенно малыми вычислительными затратами. Только за счет этого возможно определение задающих величин F в такое короткое время, что может учитываться актуальное состояние установки.

Формула изобретения

1. Система управления для установки электростанции с множеством энергетических блоков электростанции (25), содержащая вычислительный блок, соединенный с ним модуль оптимизации, который соединен с множеством нейронных сетей, отличающаяся тем, что вычислительный блок предназначен для определения с помощью генетического алгоритма задающих величин для того или иного энергетического блока электростанции, каждый энергетический блок соединен с соответствующей нейронной сетью.

2. Система управления по п. 1, отличающаяся тем, что вычислительный блок (2) в качестве задающей величины (F) для каждого энергетического блока электростанции (25) для задаваемого временного интервала определяет заданное значение для его доли мощности в общей подлежащей покрытию номинальной нагрузке.

3. Система управления по п. 1 или 2, отличающаяся тем, что модуль оптимизации (6) содержит соединенные с нейронными сетями (32) ступень грубой оптимизации (8) и ступень точной оптимизации (10).

4. Система управления по п. 3, отличающаяся тем, что ступень точной оптимизации (10) выполнена с возможностью выполнения аналитического моделирования процесса.

5. Система управления по одному из пп. 1-4, отличающаяся тем, что она содержит отдельную нейронную сеть, предназначенную для генерирования стартовых значений для генетического алгоритма вычислительного блока.

РИСУНКИ

Рисунок 1