Dr inż. JANUSZ LICHOTA Prof. JERZY SĄSIADEK SYGNAŁY TESTOWE DO IDENTYFIKACJJI EMISJI NO 2 Z KOTŁA OP-650

1. Dr inż. JANUSZ LICHOTAProf. JERZY SĄSIADEKSYGNAŁY TESTOWE DO IDENTYFIKACJJI EMISJI NO2 Z KOTŁA OP-650 Wydział Mechaniczno-Energetyczny

2. PLAN WYSTĄPIENIA • Wstęp • Kryteria optymalizacji sygnału sterującego • Sygnały testowe • Wyniki identyfikacji • Wnioski

3. WSTĘP

4. WSTĘP

5. WSTĘP u t

6. WSTĘP

7. WSTĘP Tw.Jeżeli sygnał wyjściowy y(t) zawiera informacje nie wprowadzane wraz z wektorem x(t), to wówczas trzecia forma jest jedyną możliwą postacią, która pozwala na prawidłową predykcję wektora y(t+1). Przestrzeń sygnałów y(t) (liniowa lub nieliniowa) nie jest rozpinana wówczas przez wektory x(t), a jest rozpinana przez wektory x(t), y(t).

8. Kryteria optymalizacji sygnału sterującego spalaniem węgla w kotle

9. KRYTERIA OPTYMALIZACJI U • emisja tlenków azotu NOx np. poniżej 480 mg/m3u • emisja tlenku węgla CO np. mniejsza niż 250 mg/Nm3 przy • 6% zawartości O2 • zawartość części palnych w popiele np. poniżej 5% w całym • zakresie obciążeń. • temperatura spalin wylotowych powinna być niższa np. od • 330 C - 360 C. • sprawność bloku powinna być utrzymana na niezmienionym • poziomie lub wzrosnąć. • różnica temperatur stron pary świeżej powinna być • minimalna, a także temperatura pary świeżej nie może ulec • zmianie (540 C).

10. Sygnały testowe

11. SYGNAŁY TESTOWE Strumienie powietrza Sztuczna sieć neuronowa Strumienie spalin Strumienie węgla Strumienie wody NO2(t) Strumienie pary CO(t) Temperatura powietrza i spalin Moc generatora Położenie zasuw WS Ciśnienie spalin NOx(t-1), CO(t-1)

12. SYGNAŁY TESTOWE

13. SYGNAŁY TESTOWE

14. SYGNAŁY TESTOWE

15. SYGNAŁY TESTOWE

16. SYGNAŁY TESTOWE Czy skład węgla jest potrzebny na wejściu do sieci neuronowej? Skład węgla jako sygnał wejściowy do sieci neuronowej

17. SYGNAŁY TESTOWE Wielu autorów wprowadza skład węgla na wejście do sieci neuronowej, aby obliczyć przewidywaną emisję tlenków azotu. Nie jest to niezbędne. Jeżeli jest znana emisja NOx z kotła, to ma wpływ na nią również skład spalonego węgla i jego ziarnistość, lecz uwzględnienie składu węgla może być dokonane pośrednio. Jednym z sygnałów sterujących u(t) może być emisja tlenków azotu NOx w chwili t. Sygnał ten zawiera niezbędne informacje o składzie węgla.

18. SKŁAD WĘGLA JAKO SYGNAŁ WEJŚCIOWY Pominięcie składu węgla na wejściu do sieci będzie pogarszało jakość modelu. Wielokrotnie przeprowadzane próby nauczenia sztucznej sieci neuronowej identyfikacji przyszłej emisji tlenków azotu NOx(t+1) z pominięciem sygnału NOx(t) prowadziły do co najmniej 30% różnicy pomiędzy sygnałem pomiarowym i pochodzącym z modelu neuronowego.

19. Wyniki identyfikacji emisji NO2 i CO z kotła

20. WYNIKI MODELU NEURONOWEGO • W sieci neuronowej pominięto następujące zmienne : • ciśnienie spalin recyrkulujących za wentylatorem WR1, • temperaturę powietrza przed podgrzewaczem LP1 oraz LP2, • strumienie przepływu wody przez poszczególne pompy obiegowe, • temperaturę powietrza wpływającego do kotła, • różnicę otwarcia klap wentylatorów spalin.

21. WYNIKI MODELU NEURONOWEGO

22. WYNIKI MODELU NEURONOWEGO

23. WYNIKI MODELU NEURONOWEGO Porównanie z innymi autorami A Cascaded Neural Network and Its Application to Modelling. Power Plant Pollutant Emission, Kang Li, Stephen Thompson, Proceedings of the 3d World Congress on Intelligent Control and Automation June 28-July 2,2000, Hefei, P.R. China

24. WNIOSKI

25. WNIOSKI Osiągnięto cel – model matematyczny, który dokładnie przewiduje emisję NO2 oraz CO. Model może być zastosowany do modyfikacji sygnałów sterujących spalaniem węgla w kotle.

26. Dziękuję za uwagę i zainteresowanie