Синтез нейросетевой системы автоматического регулирования уровня воды в барабане котла энергоблока ТЭС

Синтезирована интеллектуальная система автоматического регулирования (САР) уровня воды барабанного котла энергоблока, действующая на основе теории нейронных сетей. Разработана математическая модель объекта исследования. Анализ показателей качества переходных процессов при различных режимах работы парового котла показал, что традиционная САР имеет существенные недостатки, связанные со значительным временем регулирования и первым отклонением. Для усовершенствования традиционной САР и повышения ее эффективности предложено использовать нейросетевой подход в управлении. Синтезированный нейросетевой регулятор обучен определять оптимальные управляющие воздействия для компенсации глубоких возмущений, вызванных пиковыми и регулировочными режимами работы энергоблоков. Для апробации предложенных решений в программе MatLab (Simulink, NT) были проведены компьютерные эксперименты по разработке и испытанию нейросетевой системы регулирования. Анализ показателей качества переходных процессов, при проведении эксперимента по определению робастности и устойчивости нейросетевого регулятора в процессе воздействия глубоких внешних и внутренних возмущений, показал преимущество адаптивной нейросетевой системы по сравнению с традиционной комбинированной, требующей проведения этапа адаптации.

Год издания: 
2012
Номер: 
5
УДК: 
681.5.015
С. 45—50. Іл. 7. Бібліогр.: 13 назв.
Литература: 

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.

Полнотекстовый документSize
2012-5-7.pdf250.79 KB