L ỜI CẢM ƠN
4.3.4. Tác động theo thời gian dự báo
Để dự báo nhiên liệu sau một khoảng thời gian tương lai là pr,s, nghiên cứu sử
dụng phương pháp huấn luyện với các giá trịđầu vào và đầu ra mạng nơron như sau:
- Công suất phát điện thực tế N te( ),MWh; - Lưu lượng than thực tếWthan( )t , t/h; - Áp suất hơi quá nhiệt P tqn( ), MPa; - Hệ số hiệu chỉnh (t+pr).
Sử dụng ứng dụng Matlab/simulink thiết kế mạng nơron với thời gian dự báo hệ sốđiều chỉnh pr =72s. Kết quả trả lại đầu ra mạng nơron và giá trị thực tếđược dẫn tại Hình 4.24.
Kết quảthu được trên Hình 4.22 và 4.24 có sự khác nhau khi thay đổi hệ số hiệu chỉnh thêm một khoảng thời gian là 72s. Hình dạng và xu hướng đồ thị không có sự
sai khác do chỉ thay đổi thời gian lấy mẫu đầu vào của mạng nơron (giá trị của các
đại lượng đầu vào như: công suất, lưu lượng than, áp suất hơi… cần được lấy tại thời
kỹ từng đoạn trên đồ thị, đặc biệt là đường mô phỏng đầu ra mạng nơron, hai hình vẽ
có sự sai khác nhất định.
Hình 4.24. Kết quảđầu ra mạng nơron khi dựbáo lượng đặt sau khoảng thời gian tpr
Nhận xét:
- Sai số của mạng nơron dự báo hệ số hiệu chỉnh: Gradient = 0,00512; Mu = 0,00001; Performance = 0,0000361; Sai số tương đối trong khoảng tăng-giảm tải trong giới hạn 0,24%.
- Với các số liệu offline, phương pháp đã dự báo được hệ số hiệu chỉnh lượng
đặt bộ điều khiển nhiên liệu sau một khoảng thời gian nhất định, thường được xác
định là nhỏhơn độ trễ vận tải của đối tượng.
- Khi kết nối trực tuyến với hệ thống điều khiển qua các máy tính OPC, phương
pháp cho phép thiết kếnơron dự báo hệ số hiệu chỉnh lượng đặt Fuel Master sau một khoảng thời gian bất kỳ.
Để có thể triển khai thực tếphương pháp sử dụng trí tuệ nhân tạo AI, cần thiết kếđược thiết bị đảm bảo các đầu vào-ra như trên rồi tiến hành mô phỏng. Việc ứng dụng phương pháp nhận dạng sựthay đổi quá trình cháy và chỉnh định trực tuyến là
hướng nghiên cứu mới trong tương lai.
4.4. ỨNG DỤNG MẠNG NƠRON ĐÁNH GIÁ CẤU TRÚC HỆ ĐIỀU KHIỂN PHỤ TẢI NHIỆT