Modelowanie empiryczne kotłów z wykorzystaniem sztucznych sieci neuronowych

Współczesne systemy kontroli eksploatacji wymagają modeli matematycznych procesów zachodzących w maszynach i urządzeniach energetycznych. W wielu przypadkach procesy te są jednak tak złożone, że budowa modeli analitycznych jest niezmiernie trudna i czasochłonna. W pracy omówiono problemy modelowania kotłów energetycznych z zastosowaniem metod modelowania empirycznego. W szczególności przedstawiono problematykę budowy dwóch typów modeli kotłów. Pierwszy z nich to model typu "czarna skrzynka". Stanowi on najprostszy typ modeli empirycznych. Do znalezienia algorytmu opisującego proces wystarczy w tym przypadku znajomość wielkości wejściowych i wyjściowych bez wchodzenia w fizykę modelowanego zjawiska. W prezentowanej pracy przedstawiono modele neuronowe typu "czarna skrzynka" opisujące zależność straty wylotowej fizycznej oraz straty niecałkowitego spalania od parametrów eksploatacji. Drugi z omawianych w pracy modeli kotła to model teoretyczno-empiryczny. W modelu teorotyczno-empirycznym kotła wykorzystuje się zależności wynikające z praw zachowania i pomocnicze modele empiryczne w miejsce modelu analitycznego procesów spalania i przepływu ciepła,. W obydwóch omawianych modelach wykorzystuje się metody modelowania neuronowego. W pracy omówiono szczegółowo problemy budowy modeli neuronowych z wykorzystaniem perceptronu wiek warstwowego. W pracy zaprezentowano przykładowe wyniki obliczeń uzyskane przy wykorzystaniu obu omawianych modeli kotła.

---

Contemporary systems of controlling power unit operation require mathematical models of processes proceeding in energy machines and devices. In many cases such processes are so complicated that the development of their analytical models is difficult and time-consuming. In the presented paper the authors discuss problems of boilers modelling with the application of methods of empirical modelling. Particularly two types of models are described. The first one is the model of "black-box" type. It represents the simplest empirical model. In this case, for the description of modelled process only the knowledge of input and output parameters is necessary without analysis of physical phenomena proceeding inside the process. In particular, the "black-box" models describing the influence of boilers operational parameters on the flue gas energy losses are presented. The models have been developed using neural methods. The second model of the boiler presented in the paper is a theoretical-analytical model. This model is based on mass and energy conservation laws with the application of only auxiliary empirical models. In the paper the empirical models are built basing on neural methods. For this reason, the authors present in detail problems of empirical modelling with the application of multi-layer neural network. The paper presents example results of calculations with the application of both of presented boiler models.