Разработка нейронных систем мониторинга и управления эмиссией вредных веществ для газотурбинных газоперекачивающих агрегатов и электростанций; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 330, № 8
| Parent link: | Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов/ Национальный исследовательский Томский политехнический университет (ТПУ).— , 2015-.— 2413-1830 Т. 330, № 8.— 2019 |
|---|---|
| Hlavní autor: | |
| Korporativní autor: | |
| Další autoři: | , |
| Shrnutí: | Заглавие с титульного листа Актуальность исследования обусловлена необходимостью решения задачи непрерывного мониторинга и автоматического управления эмиссией окислов азота и углерода во время эксплуатации газотурбинных установок в составе газоперекачивающих агрегатов и электростанций следующего поколения, характеризующихся низким уровнем генерации вредных веществ. Цель: выполнение заданных норм на эмиссию при обеспечении устойчивости рабочего процесса горения в условиях воздействия внешних и внутренних факторов на основе создания технологий искусственного интеллекта робастных алгоритмов управления малоэмиссионными камерами сгорания газотурбинных газоперекачивающих агрегатов компрессорных станций магистральных газопроводов и электростанций, включающих прогнозирование их воздействия на окружающую среду. Объект: малоэмиссионные камеры сгорания газотурбинных агрегатов. Методы: методика синтеза многослойных искусственных нейронных сетей на основе теоремы Арнольда-Колмогорова-Хехт-Нильсена; алгоритм обратного распространения ошибки; методы натурного эксперимента для малоэмиссионных камер сгорания; методы симуляции и модельного эксперимента в среде MATLAB. Результаты. Рассмотрены основные особенности малоэмиссионных камер сгорания газотурбинных установок. В качестве основной проблемы управления отмечается склонность малоэмиссионных камер сгорания к неустойчивой работе с одной стороны из-за близости режима работы к границе «бедного» срыва и с другой стороны - из-за режима виброгорения. Сформулирована задача управления эмиссией как минимизация доли расхода топлива через диффузионный контур с учетом ограничений по устойчивости рабочего процесса горения при изменении внешних и внутренних факторов в широком диапазоне. Обосновано решение задачи управления на основе интеллектуальных технологий, имеющих в своем составе встроенную математическую модель генерации вредных веществ. Разработан алгоритм построения математических моделей малоэмиссионных камер сгорания на основе искусственных нейронных сетей при учете значимости факторов влияния. В качестве примера решения задачи представлены: разработанная нейронная сеть и процесс ее обучения на базе экспериментальных данных реальной малоэмиссионной камеры сгорания. Получен массив данных натурного эксперимента с целью исследования характеристик эмиссии окислов азота и углерода NOx и СO при работе малоэмиссионных камер сгорания промышленной энергоустановки повышенной мощности (16 МВт). На основе полученных данных спроектирована и обучена нейронная цепь, моделирующая эмиссию NOx и СO на выходе малоэмиссионных камер сгорания. Результаты симуляции в среде MATLAB показали высокую точность разработанной модели. Проведено исследование значимости факторов для точности модели. Выяснено, что наибольшую значимость имеют параметры температуры и давления. Полученные результаты могут быть использованы при проектировании отказоустойчивых систем автоматического управления газотурбинными агрегатами для повышения их надежности и экологической привлекательности. The relevance of the research is caused by the need to solve the problem of real-time monitoring and automatic control of nitrogen and carbon oxides emissions during operation of gas turbine units in gas compressor units and next-generation power plants characterized by a low level of harmful substances generation. The main aim of the research is compliance with emission standards while ensuring the stability of combustion under the influence of external and internal factors based on the creation of robust control algorithms for low-emission combustion chambers of gas turbine gas-compressor units of compressor stations of main gas pipelines and power plants, including prediction of their environmental effects, based on artificial intelligence technologies. Object of the research is low-emission combustion chamber of gas turbine gas-compressor units of compressor stations of main gas pipelines and power plants. Methods: design procedure for multilayered artificial neural networks based on the Arnold-Kolmogorov-Hecht-Nielsen theorem- back propagation algorithm- methods of full-scale experiment for low-emission combustion chambers- simulation methods and model experiment in the MATLAB environment. Results. The main features of low-emission combustion chamber of gasturbine units are considered. As an example of solving the problem, the neural network developed and the process of its learning based on the experimental data of the real low-emission combustion chamber are presented. The data array of a full-scale experiment was obtained for studying the characteristics of emissions of the nitrogen and carbon oxides (NOx and CO) during operation of the low-emission combustion chamber of industrial power plant (16 MW). The neural circuit simulating NOx emission and CO emission at the low-emission combustion chamber output was designed and trained on the basis of the obtained data. The simulation results in the MATLAB environment showed high accuracy of the developed model. The importance for the model accuracy of different factors is studied. It turned out that temperature and pressure parameters are the most important. The obtained results can be used in the fault-tolerant system design for automatic control of gas turbine units to improve their reliability and environmental attractiveness. |
| Jazyk: | ruština |
| Vydáno: |
2019
|
| Témata: | |
| On-line přístup: | http://earchive.tpu.ru/bitstream/11683/55774/1/bulletin_tpu-2019-v330-i8-01.pdf https://doi.org/10.18799/24131830/2019/8/2207 |
| Médium: | MixedMaterials Elektronický zdroj Kapitola |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=343319 |
MARC
| LEADER | 00000nla2a2200000 4500 | ||
|---|---|---|---|
| 001 | 343319 | ||
| 005 | 20231101034048.0 | ||
| 035 | |a (RuTPU)RU\TPU\book\373423 | ||
| 035 | |a RU\TPU\book\373284 | ||
| 090 | |a 343319 | ||
| 100 | |a 20190902d2019 k y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drgn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Разработка нейронных систем мониторинга и управления эмиссией вредных веществ для газотурбинных газоперекачивающих агрегатов и электростанций |f В. Г. Августинович, Т. А. Кузнецова, А. Д. Нугуманов | |
| 203 | |a Текст |c электронный | ||
| 215 | |a 1 файл (556 Kb) | ||
| 230 | |a Электронные текстовые данные (1 файл : 556 Kb) | ||
| 300 | |a Заглавие с титульного листа | ||
| 320 | |a [Библиогр.: с. 14-15 (24 назв.)] | ||
| 330 | |a Актуальность исследования обусловлена необходимостью решения задачи непрерывного мониторинга и автоматического управления эмиссией окислов азота и углерода во время эксплуатации газотурбинных установок в составе газоперекачивающих агрегатов и электростанций следующего поколения, характеризующихся низким уровнем генерации вредных веществ. Цель: выполнение заданных норм на эмиссию при обеспечении устойчивости рабочего процесса горения в условиях воздействия внешних и внутренних факторов на основе создания технологий искусственного интеллекта робастных алгоритмов управления малоэмиссионными камерами сгорания газотурбинных газоперекачивающих агрегатов компрессорных станций магистральных газопроводов и электростанций, включающих прогнозирование их воздействия на окружающую среду. Объект: малоэмиссионные камеры сгорания газотурбинных агрегатов. Методы: методика синтеза многослойных искусственных нейронных сетей на основе теоремы Арнольда-Колмогорова-Хехт-Нильсена; алгоритм обратного распространения ошибки; методы натурного эксперимента для малоэмиссионных камер сгорания; методы симуляции и модельного эксперимента в среде MATLAB. | ||
| 330 | |a Результаты. Рассмотрены основные особенности малоэмиссионных камер сгорания газотурбинных установок. В качестве основной проблемы управления отмечается склонность малоэмиссионных камер сгорания к неустойчивой работе с одной стороны из-за близости режима работы к границе «бедного» срыва и с другой стороны - из-за режима виброгорения. Сформулирована задача управления эмиссией как минимизация доли расхода топлива через диффузионный контур с учетом ограничений по устойчивости рабочего процесса горения при изменении внешних и внутренних факторов в широком диапазоне. Обосновано решение задачи управления на основе интеллектуальных технологий, имеющих в своем составе встроенную математическую модель генерации вредных веществ. Разработан алгоритм построения математических моделей малоэмиссионных камер сгорания на основе искусственных нейронных сетей при учете значимости факторов влияния. В качестве примера решения задачи представлены: разработанная нейронная сеть и процесс ее обучения на базе экспериментальных данных реальной малоэмиссионной камеры сгорания. Получен массив данных натурного эксперимента с целью исследования характеристик эмиссии окислов азота и углерода NOx и СO при работе малоэмиссионных камер сгорания промышленной энергоустановки повышенной мощности (16 МВт). На основе полученных данных спроектирована и обучена нейронная цепь, моделирующая эмиссию NOx и СO на выходе малоэмиссионных камер сгорания. Результаты симуляции в среде MATLAB показали высокую точность разработанной модели. Проведено исследование значимости факторов для точности модели. Выяснено, что наибольшую значимость имеют параметры температуры и давления. Полученные результаты могут быть использованы при проектировании отказоустойчивых систем автоматического управления газотурбинными агрегатами для повышения их надежности и экологической привлекательности. | ||
| 330 | |a The relevance of the research is caused by the need to solve the problem of real-time monitoring and automatic control of nitrogen and carbon oxides emissions during operation of gas turbine units in gas compressor units and next-generation power plants characterized by a low level of harmful substances generation. The main aim of the research is compliance with emission standards while ensuring the stability of combustion under the influence of external and internal factors based on the creation of robust control algorithms for low-emission combustion chambers of gas turbine gas-compressor units of compressor stations of main gas pipelines and power plants, including prediction of their environmental effects, based on artificial intelligence technologies. Object of the research is low-emission combustion chamber of gas turbine gas-compressor units of compressor stations of main gas pipelines and power plants. Methods: design procedure for multilayered artificial neural networks based on the Arnold-Kolmogorov-Hecht-Nielsen theorem- back propagation algorithm- methods of full-scale experiment for low-emission combustion chambers- simulation methods and model experiment in the MATLAB environment. Results. The main features of low-emission combustion chamber of gasturbine units are considered. | ||
| 330 | |a As an example of solving the problem, the neural network developed and the process of its learning based on the experimental data of the real low-emission combustion chamber are presented. The data array of a full-scale experiment was obtained for studying the characteristics of emissions of the nitrogen and carbon oxides (NOx and CO) during operation of the low-emission combustion chamber of industrial power plant (16 MW). The neural circuit simulating NOx emission and CO emission at the low-emission combustion chamber output was designed and trained on the basis of the obtained data. The simulation results in the MATLAB environment showed high accuracy of the developed model. The importance for the model accuracy of different factors is studied. It turned out that temperature and pressure parameters are the most important. The obtained results can be used in the fault-tolerant system design for automatic control of gas turbine units to improve their reliability and environmental attractiveness. | ||
| 453 | |t Development of neural systems for monitoring and controlling emission of gas-transmission and power gas turbine units |o translation from Russian |f V. G. Avgustinovich, T. A. Kuznetsova, A. D. Nugumanov |c Tomsk |n TPU Press |d 2015- |d 2019 |a Avgustinovich, Valeriy Georgievich | ||
| 453 | |t Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering | ||
| 453 | |t Vol. 330, № 8 | ||
| 461 | 1 | |0 (RuTPU)RU\TPU\book\312844 |x 2413-1830 |t Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов |f Национальный исследовательский Томский политехнический университет (ТПУ) |d 2015- | |
| 463 | 1 | |0 (RuTPU)RU\TPU\book\373422 |t Т. 330, № 8 |d 2019 | |
| 610 | 1 | |a газотурбинные установки | |
| 610 | 1 | |a малоэмиссионное горение | |
| 610 | 1 | |a система управления и мониторинга | |
| 610 | 1 | |a искусственный интеллект | |
| 610 | 1 | |a нейронные сети | |
| 610 | 1 | |a электронный ресурс | |
| 610 | |a gas-turbine unit | ||
| 610 | |a low-emission combustion | ||
| 610 | |a automatic control and monitoring system | ||
| 610 | |a artificial intelligence | ||
| 610 | |a neural network | ||
| 700 | 1 | |a Августинович |b В. Г. |g Валерий Георгиевич |6 z01712 | |
| 701 | 1 | |a Кузнецова |b Т. А. |g Татьяна Александровна |6 z02712 | |
| 701 | 1 | |a Нугуманов |b А. Д. |g Алексей Дамирович |6 z03712 | |
| 712 | 0 | 2 | |a Пермский национальный исследовательский политехнический университет (ПНИПУ) |c (2011- ) |2 stltpush |3 (RuTPU)RU\TPU\col\19942 |6 z01700 |
| 712 | 0 | 2 | |a Пермский национальный исследовательский политехнический университет (ПНИПУ) |c (2011- ) |2 stltpush |3 (RuTPU)RU\TPU\col\19942 |6 z02701 |
| 712 | 0 | 2 | |a Пермский национальный исследовательский политехнический университет (ПНИПУ) |c (2011- ) |2 stltpush |3 (RuTPU)RU\TPU\col\19942 |6 z03701 |
| 801 | 2 | |a RU |b 63413507 |c 20190904 |g RCR | |
| 856 | 4 | |u http://earchive.tpu.ru/bitstream/11683/55774/1/bulletin_tpu-2019-v330-i8-01.pdf | |
| 856 | 4 | |u https://doi.org/10.18799/24131830/2019/8/2207 | |
| 942 | |c CF | ||