Synthesis of Neural Network System of Automatic Control of Water Level in the Boiler Drum Power Block of Thermal Power Plant

The purpose of this paper is synthesis of intellectual automatic control system (ACS) of the water level of drum boiler unit based on the theory of neural networks. We develop a mathematical model of the research object. Analysis of the transients quality under different operating boiler shows that the traditional ACS has significant drawbacks associated with significant regulation time and the first rejection. To improve the traditional ACS and its efficiency, we propose to use a neural network approach to control. We synthesize a neural network controller (NNC) trained to determine the optimal control actions to compensate for the deep disturbances caused by peaks and adjusting modes of power. To test the proposed solutions in the program MatLab (Simulink, NT) computer experiments are conducted to develop and to test a neural network control system. Analysis of the transients quality when conducting an experiment to determine the robustness and stability of the NNC in the deep impact of external and internal disturbances, advantages of adaptive neural network system compared to the traditional combined one, requires a period of adaptation.

Publication year: 
2012
Issue: 
5
УДК: 
681.5.015
С. 45—50. Іл. 7. Бібліогр.: 13 назв.
References: 

1. Патон Б., Халатов А. Помогут ли газовые турбины преодолеть проблемы энергосистемы Украины? // Зеркало недели. – № 47, 13 декабря 2008 г.
2. Аракелян Э.К. Методика выбора оптимальных параметров и режимов работы оборудования энергоблоков на частичных нагрузках // Теплоэнергетика. – 2002. – № 4. – С. 66–69.
3. Иванов В.А. Регулирование энергоблоков. – Л.: Машиностроение, 1982. – 164 с.
4. Мадоян A.A., Аракелян Э.К., Макарчьян В.А. Влияние участия энергоблоков ТЭС в регулировании мощности и частоты на эффективность их работы // Теплоэнергетика. – 2005. – № 4. – С. 39–43.
5. Плетнев Г.П. Автоматизированное управление объектами тепловых электростанций. – М.: Энергоиздат, 1981. – 368 с.
6. Ротач В.Я. Теория автоматического управления. – М.: МЭИ, 2004. – 400 с.
7. Ротач В.Я. Настройка регуляторов модифицированным методом Циглера-Николса // Промышленные контроллеры АСУ. – 2008. – № 2. – С. 38–42.
8. Ротач В.Я. Автоматизированная настройка ПИД-регуляторов: экспертные и формальные методы // Теплоэнергетика. – 1995. – № 10. – С. 23–28
9. Методы робастного, нейро-нечеткого и адаптивного управления: Учеб. / Под ред. Н.Д. Егупова. – Изд. 2-е. – М.: Изд-во МГТУ им. Баумана, 2002. – 744 с.
10. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая линия – Телеком, 2006. – 383 с.
11. Дьяконов В.П. Simulink 5/6/7. Самоучитель. – М.: ДМК, 2008. – 782 с.
12. Руденко О.Г., Бодянський Є.В. Штучні нейронні мережі: Навч. посібник. – Харків: ТОВ “Компанія СМІТ”, 2006. – 404 с.
13. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. – М.: Діалог-МИФИ, 2002 – 496 с.

AttachmentSize
2012-5-7.pdf250.79 KB

Тематичні розділи журналу

,