На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
09 Декабря 2024

Использование локально-параметрических моделей для контроля экологической безопасности теплоэнергетических установок

Статья опубликована в выпуске журнала № 1 за 2000 год.
Аннотация:
Abstract:
Авторы: Дли М.И. (midli@mail.ru) - Филиал Московского энергетического института (технического университета) в г. Смоленске (профессор, зам. директора по научной работе), г. Смоленск, Россия, доктор технических наук, Большакова И.С. (Bolshakova.I.S@gmail.com) - Тверской государственный университет, Окунев Б.В. (ok-bmv@rambler.ru) - Смоленский филиал Национального исследовательского университета МЭИ, г. Смоленск, Россия, кандидат технических наук
Ключевое слово:
Ключевое слово:
Количество просмотров: 10355
Версия для печати
Выпуск в формате PDF (1.43Мб)

Размер шрифта:       Шрифт:

Тепловые электростанции и электроцентрали, сжигающие органическое ископаемое топливо, относятся к наиболее распространенным и мощным источникам выбросов вредных веществ. В атмосферу поступают твердые частицы (зола, сажа), оксиды серы (SO2 и SO3), оксиды азота (NO и NO2). При неполном сгорании топлива в газообразных продуктах сгорания могут накапливаться оксиды углерода (СО), предельные и полициклические ароматические углеводороды и пятиокись ванадия (V2O5).

В настоящее время для паровых котлов большой производительности для определения выбросов применяется экспериментальный метод, основанный на инструментальных замерах концентраций вредных веществ в дымовых газах [1], а для котлов производительностью до 30 т/час - расчетный метод определения выбросов загрязняющих веществ [2].

Основными загрязняющими веществами для электростанция и котельных, сжигающих газовое топливо, являются оксиды азота.

Выброс оксидов азота рассчитывается по формуле:

Подпись:  
Рис.1
                        (1)

где М - выброс оксидов азота (т/год, тыс. м3/ сутки); В - расход топлива за рассматриваемый период времени (т/год, тыс.м3/сутки); Q - теплота сгорания топлива (МДж/кг, МДж/м3); К - параметр, линейно зависящий от фактической нагрузки котла Dф, характеризует количество оксидов азота, образующихся на 1 ГДж тепла (кг/ГДж); b - коэффициент зависящий от степени снижения выбросов оксида азота в результате применения технических решений.

Подпись:  
Рис.2
Сложность определения некоторых коэффициентов выражения (1) (например, b) привело к использованию для котлов малой мощности упрощенных выражений, представленных в виде аналитических зависимостей, коэффициенты которых определяются экспериментально для каждой установки конкретного типа, так, например, для парового котла ТП-20/39У номинальной производительностью Dн=25 т/ч указанное выражение имеет вид

                                                           (2)

Однако обычно на практике, как видно из рис. 1, отображающего совокупность значений, полученных в ходе наблюдения за тепловым котлом типа ТП-20/39У, указанные зависимости имеют более сложный вид, поэтому погрешность расчета при использовании формул типа (2) приводит к достаточно большим погрешностям (20-30%). Указанные соображения, по-видимому, делают обоснованным переход к использованию моделей, имеющих в своей основе отказ от построения аналитических зависимостей объекта, и к которым можно отнести, например, нейросетевые [3] и локально-параметрические методы [4].

Локально-параметрический (локально-аппроксимационный) подход позволяет путем обучения формировать модель объекта в виде экспертной системы с базой данных, содержащей некоторые характерные значения входов объекта и формируемой определенным образом на этапе обучения. На рис.2 приведены результаты моделирования деятельности парового котла ТП-20/39У при использовании нейросетевого и локально-параметрического подходов.

Нейросетевой подход реализовывался при помощи нейроимитатора NeuroPro 1.0 (разработка института вычислительного моделирования СО РАН, г.Красноярск) при структуре сети с тремя скрытыми слоями из шести нейронов и сигмоидной активационной функцией.

(O -  экспериментальные значения; ´ - значения, полученные при помощи локальной

аппроксимации; à - значения, полученные при помощи нейросетевого подхода

Локально-параметрическая идентификация производилась с использованием программной системы PROMOD (версия 1.0), позволяющей моделировать как сложные многофакторные статические системы, так и динамические объекты произвольной природы [5].

По-видимому, результаты моделирования показывают определенные преимущества предложенных методов (погрешность снизилась до 3-4%), при этом алгоритм локальной аппроксимации, обеспечивая погрешность, соизмеримую с нейросетевым подходом, допускает более простую программную реализацию. Указанный подход и методика расчета могут быть распространены и на определение объемов выбросов других отравляющих веществ в процессе деятельности электроэнергетических и тепловых установок.

Список литературы

1.    РД 34.02.305-98. Методика определения валовых выбросов загрязняющих веществ в атмосферу от котельных установок ТЭС. М. 1998.

2.    Сборник методик по расчету выбросов в атмосферу загрязняющих веществ различными производствами. Л. Гидрометеоиздат, 1986.

3.    Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука, 1996.

4.    Дли М.И. Локально-аппроксимационные модели сложных объектов. -М.: Наука. Физматлит. 1999.

5.     Дли М.И., Круглов В.В. Применение метода локальной аппроксимации при построении алгоритмических моделей объектов управления// Вестник МЭИ. 1998 № 6. С.109-111.


Постоянный адрес статьи:
http://swsys.ru/index.php?id=868&page=article
Версия для печати
Выпуск в формате PDF (1.43Мб)
Статья опубликована в выпуске журнала № 1 за 2000 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: