Đại lượng Đ/vị Trung bình Phương sai2
Độ lệch
chuẩn ( / )
Áp suất hơi % -0,2962 2,392 1,547 -52,21
Lưu lượng hơi % -0,0094 0,335 0,579 -61,83
Công suất điện % -0,0235 1,035 1,018 -43,28
Nồng độ Oxy dư % -0,2156 25,111 5,011 -23,25
Áp suất chân
không buồng lửa % -877,157 3,41.10
Nhận xét:
- Từ đồ thị đáp ứng sai lệch và bảng phân tích sai lệch đầu ra mạng nơron, có thể thấy mạng nơron học tương đối tốt mơ hình lị hơi với các thơng số như: lưu lượng hơi, công suất hơi, áp suất hơi, công suất điện, lưu lượng khói có độ lệch chuẩn trung bình khá thấp (<2%). Cho thấy rằng, năng lượng cũng như sản phẩm đầu ra của lị hơi có thể nhận dạng và mơ hình dựa trên đại lượng đầu vào gồm: lưu lượng nước cấp, lưu lượng khơng khí và lưu lượng than.
- Lưu lượng khói và nồng độ oxy dư có độ lệch chuẩn trung bình lớn hơn (<5%) do dữ liệu phục vụ quá trình học và hạn chế về phần cứng của máy tính.
- Sai lệch đầu ra của mạng nơron và giá trị được sử dụng để huấn luyện phụ thuộc nhiều vào số lớp ẩn và số nơron trong mỗi lớp ẩn. Ở đây, do đầu ra mỗi mạng MISO là 1 nên lớp ẩn cuối cùng sẽ có 1 nơron. Phương án thiết kế mạng giúp tăng độ chính xác hướng tới việc thay đổi số nơron của lớp ẩn thứ nhất. Tuy nhiên, điều này yêu cầu nguồn lực máy tính xử lý và luyện mạng lớn hơn.
- Áp suất buồng lửa là đại lượng thể hiện sự cân bằng vật chất quá trình cháy (giữa lưu lượng nhiên liệu, than cấp vào lị và lưu lượng khói ra khỏi lị). Sai lệch của nơron nhận dạng áp suất buồng lửa lớn vượt trội so với các đại lượng khác. Nguyên nhân là do giá trị đầu ra mạng nơron luôn dao động quanh -50Pa (giá trị đặt của mạch điều khiển áp suất buồng đốt) nhưng các giá trị nơron trả ra sai khác với giá trị đặt khoảng 1, 85% và độ lệch chuẩn < 6,8%. Kết quả này cho phép nhận định có thể sử dụng giá trị đầu ra mạng nơron giúp hiệu chỉnh lượng đặt mạch điều khiển áp suất buồng lửa trượt theo cân bằng vật chất của quá trình cháy.
Những kết quả trên đã minh chứng cho khả năng mơ hình hóa một q trình phức tạp, nhận dạng được các q trình vào-ra cơ bản với đối tượng lị hơi công suất 622,5 MW của nơron. Đặt ra yêu cầu thiết lập số lượng nơron của các lớp ẩn và phương án huấn luyện mạng phù hợp.
Về cơ bản, mơ hình mạng nơron được xây dựng đáp ứng các yêu cầu đặt ra. Trong điều kiện tổ máy vận hành tốt, số liệu thu thập đáp ứng được chỉ tiêu thiết kế huấn luyện mang nơron thì ta có thể coi đó là mơ hình chuẩn. Sử dụng mơ hình này để nhận dạng các q trình, chẩn đốn lỗi của hệ điều khiển, phục vụ chỉnh định và bảo trì hệ thống. Tuy nhiên, độ chính xác của mơ hình cịn bị hạn chế về số lượng mẫu, khả năng cấu hình của máy tính, đồng thời nghiên cứu sinh có thể nghiên cứu sinh chưa tiếp cận được công cụ mới nhất về mạng nơron. Vì vậy, mơ hình sẽ được tiếp tục hồn thiện để nâng cao độ chính xác cũng như cập nhật thêm thơng tin để ứng dụng vào việc nhận dạng và chẩn đốn chính xác hơn hệ điều khiển, phục vụ công tác chỉnh định.
4.3. ỨNG DỤNG MẠNG NƠRON ĐỂ HIỆU CHỈNH LƯỢNG ĐẶT HỆ ĐIỀU KHIỂN PHỤ TẢI NHIỆT NHÀ MÁY NHIỆT ĐIỆN ĐỐT THAN ĐIỀU KHIỂN PHỤ TẢI NHIỆT NHÀ MÁY NHIỆT ĐIỆN ĐỐT THAN
đúng yêu cầu hoặc dư thừa. Một giải pháp được áp dụng trong nhà máy hiện nay là sử dụng mạch điều khiển bù BTU compensator (đang sử dụng tại NMNĐ Duyên Hải 1). Mạch bù BTU than sẽ trả ra một giá trị BTU được nhân trực tiếp vào giá trị phản hồi W sf ( ) của mạch điều khiển cấp nhiên liệu vào lò hơi. Nguyên lý được minh họa trên Hình 4.11. Boiler Master P(s) Process Fuel Master X BTU compensator P*(s) Ne(s) BTU WfD(s) Wf(s) Wf s) f(s) Wf(s)
Hình 4.11. Sơ đồ điều khiển bù nhiệt trị than
Nguyên lý làm việc mạch bù BTU thực tế đang được thiết kế tại tổ máy S1 NMNĐ Duyên Hải 1, đưa ra hệ số bù BTU được trình bày trên Hình 4.12 [12].
Gc.BTC 0 0,8-1,2 i = 9000000 - Y, (t/h): -20; -10; 0; 0; 10; 20 X, (t/h): -100; - 10; -9; 9; 10; 100 Error PV X, (MW): 0;248;311;467; 580;622;650 f(x) Y, (t/h): 0;122;147;212.6; 270;289;303 Wf(t) g(x) Ne(t) BTU -
Hình 4.12. Sơ đồ cấu trúc mạch bù BTU than
Trong đó: f(x) - hàm phi tuyến quy đổi đại lượng công suất điện (MW) sang lưu lượng than (t/h), được xác định theo phẩm chất than thiết kế; g(x) - hàm phi tuyến quy đổi từ đại lượng sai lệch lưu lượng nhiên liệu thực tế sang lưu lượng nhiên liệu theo than thiết kế trong phạm vi 20% giá trị sai lệch; Ne(t) - Công suất điện theo thời gian thực; Wf(t) - Lưu lượng nhiên liệu cấp vào lò hơi; GcBTU - bộ điều khiển bù BTU
than;BTU - giá trị bù BTU than được nhân trực tiếp vào phản hồi của mạch Fuel
Master, được giới hạn trong khoảng từ 0,8-1,2; X,Y- Các ma trận giá trị đầu vào và ra mỗi hàm quy đổi.
Thông số đầu vào của mạch BTU compensator là lưu lượng nhiên liệu thực tế ( )
f
W t và lưu lượng nhiên liệu cần thiết để tổ máy đạt được công suất phát điện theo công thức: ( ) ( ) ( ) ' , f e W t = f x N t (4.1) trong đó, *( ) e
N t − phụ tải đích của tổ máy; f x( )− hàm quy đổi phi tuyến. Khi đó, sai lệch điều khiển của mạch Fuel Master xác định như sau:
( ) ( ) ( )' ( ) ( )
f t u t y t WfD t BTU W tf
= − = − , (4.2)
Nhận xét:
- Khi nhiệt trị giảm, lưu lượng nhiên liệu cấp vào lị khơng đáp ứng được phụ tải đích, hệ số BTU 1, dẫn tới f ( )t 0, mạch điều khiển Fuel Master sẽ cấp bổ sung nhiên liệu vào lò lớn hơn nhu cầu nhiên liệu từ Boiler Master.
- Ngược lại, khi nhiệt trị tăng, lưu lượng nhiên liệu cấp vào lò dư thừa so với nhu cầu thực tế, hệ số BTU 1, dẫn tới f ( )t 0, mạch điều khiển Fuel Master sẽ cấp bổ sung nhiên liệu vào lò nhỏ hơn nhu cầu nhiên liệu từ Boiler Master.
Thực tế, hệ số bù BTU dao động trong khoảng 0,8÷1,2, có ý nghĩa vật lý là: lưu lượng nhiên liệu thực tế cấp vào lò hơi sai khác so với lưu lượng nhiên liệu đặt của hệ thống Fuel Master từ 0,8÷1,2 lần.
Nguyên lý điều khiển của mạch bù BTU cho phép hiệu chỉnh lưu lượng than thực tế dựa trên lưu lượng than đặt trước (quy đổi theo than thiết kế thông qua hàm phi tuyến f x( )). Tuy nhiên, mạch bù BTU compensator chưa xác định được lượng đặt nhiên liệu cần thiết và chưa có yếu tố dự báo sự thay đổi theo phẩm chất nhiên liệu thực tế. Do vậy, mạch bù sẽ không làm việc hiệu quả khi chất lượng than chênh lệch quá nhiều so với thiết kế.
4.3.2. Phương pháp luận sử dụng mạng nơron
Bên cạnh việc hiệu chỉnh giá trị phản hồi của mạch Fuel Master thông qua logic điều khiển bù BTU than, nghiên cứu đề xuất thử nghiệm hiệu chỉnh, thay đổi liên tục giá trị lượng đặt của mạch điều khiển Fuel Master giúp đáp ứng điều khiển cấp nhiên liệu vào lị hơi có thể xác lập nhanh chóng đúng với yêu cầu của phụ tải nhiệt. Giải pháp đưa ra là sử dụng cơng nghệ AI (mạng nơron nhân tạo) có thể đưa ra giá trị hiệu chỉnh lượng đặt của Fuel Master sau khi nhận nhu cầu từ Boiler Master (Hình 4.13).
Boiler Master P(s) Process Fuel Master X Neural Network P*(s) NN Wf(s) WfD(s) W fD(s) f(s) Ne(s) P(s) Wf(s)e− s
Hình 4.13. Sơ đồ cấu trúc bổ sung trí tuệ nhân tạo
Giá trị than ( ) s f
W s e− tại đầu vào và phản hồi từ hệ thống được xác định theo thời gian q khứ trước thời điểm tính tốn 300 ms (theo tần số quét tín hiệu đo của hệ thống DCS) [12]. Với công suất cung cấp than lớn, việc lấy mẫu trong khoảng thời
trong khói thải, nghiên cứu đề xuất thiết kế một hệ thống mạng nơron có thể đưa ra giá trị đặt cho hệ thống Fuel Master. Nguyên lý hiệu chỉnh này được thể hiện tại Hình 4.14. Bản chất là trả ra giá trị lượng đặt phù hợp với chất lượng nhiên liệu đã được cấp vào lò hơi trong khoảng thời gian quá khứ.
Mạng nơron sẽ tính tốn giá trị hiệu chỉnh lượng đặt theo lưu lượng than thực tế cấp vào lò hơi, phụ thuộc vào các yếu tố phụ tải, thành phần công nghệ của than và áp suất hơi quá nhiệt thay đổi.
Gây lệch Thực tế Cài đặt Boiler Master (%) Lư u lư ợn g th an (t/ h)
Hình 4.14. Nguyên lý hiệu chỉnh lượng đặt
Công thức xác định hệ số điều chỉnh lượng đặt của hệ thống điều khiển
( ) ( ) * , , , f h e NN f W P N t W t = trong đó, ( , , ) f h e
W P N t −lưu lượng than thực tế phụ thuộc vào phụ tải điện, áp suất hơi quá nhiệt và thời gian;
( )
*
f
W t − lưu lượng than đặt của hệ thống điều khiển cấp nhiên liệu. Phương pháp sử dụng sơ đồ cấu trúc mạng nơron.
NN
Wf(t) Pq.n(t) Ne(t)
NN(t)
Hình 4.15. Sơ đồ cấu trúc thiết kế mạng nơron
Phương án thử nghiệm sẽ ứng dụng một mạng nơron nhằm đưa ra hệ số điều chỉnh theo nguyên lý Hình 4.15 nêu trên. Các đại lượng đầu vào sẽ được xác định thơng qua việc phân tích đặc điểm từng hệ thống điều khiển, đây sẽ là những đại
lượng quyết định dùng để đánh giá hiệu quả kinh tế và độ ổn định của hệ thống thiết bị.
Để bảo đảm hệ số NN khơng sai khác q nhiều so với thực tế, ngồi khả năng kiểm soát của mạch Boiler Master, hệ số sẽ được giới hạn trong khoảng phù hợp tương ứng với hệ số BTU từ 0,8÷1,2 [12].
4.3.3. Nhận dạng thời gian thực
Nghiên cứu thiết kế và luyện mạng nơron trên môi trường Matlab/Simulink với các chuỗi số liệu như sau:
- Công suất phát điện thực tế N te( ),MWh; - Lưu lượng than thực tế W tf ( ), t/h; - Áp suất hơi quá nhiệt P tqn( ), MPa; - Hệ số hiệu chỉnh ( )t .
Tiến hành thiết kế và huấn luyện mạng nơron dựa trên số liệu vận hành thực tế của tổ máy S1, NMNĐ Duyên Hải 1 ngày 30/7/2018 với hệ số hiệu chỉnh lượng đặt, áp suất hơi quá nhiệt, lưu lượng than, dao động công suất phát điện được minh họa lần lượt trong Hình 4.16, 4.17, 4.18, 4.19.
Nhận thấy, dao động áp suất hơi quá nhiệt thể hiện kết quả quá trình cháy trong buồng lửa. Quá trình này thay đổi liên tục, phụ thuộc vào các nhiễu quá trình. Những sự thay đổi này phản ánh thông qua hệ số hiệu chỉnh lưu lượng nhiên liệu thực tế cần cấp vào lị hơi.
Hình 4.18. Chuỗi số liệu lưu lượng nhiên liệu phục vụ thiết kế mạng nơron
Hình 4.19. Chuỗi số liệu công suất phát điện phục vụ thiết kế mạng nơron
Q trình thiết kế mạng nơron 3 tín hiệu đầu vào và 1 tín hiệu đầu ra với 2 lớp ẩn (lớp thứ nhất có 50 nơron, lớp thứ 2 có 1 nơron). Q trình huấn luyện được lặp lại 100.000 lần trên mơi trường Matlab (Hình 4.20). Mã nguồn theo Phụ lục 6.
Với cấu trúc mạng nơron đã thu được, đầu ra của mạng nơron được xác định qua hàm:
NNout = sim(net,[Công suất phát điện;Lưu lượng than; Áp suất hơi quá nhiệt])
Mơ hình mạng nơron trên mơi trường Simulink/Matlab như tại Hình 4.21.
Hình 4.21. Mơ hình mạng nơron nhận dạng hệ số hiệu chỉnh mạch Fuel Master
Kết quả tính tốn đầu ra của mạng nơron ứng với ba đại lượng đầu vào được thể hiện trên Hình 4.22.
Hình 4.22. Kết quả tính tốn của mạng nơron với thời gian luyện thực
Sai lệch giá trị đầu ra mạng nơron và giá trị huấn luyện được mơ tả tại Hình 4.23.
Hình 4.23. Sai lệnh tính tốn của mạng nơron với thời gian luyện thực
Nhận xét:
- Mạng nơron có thể nhận dạng nhu cầu nhiên liệu cấp vào lò hơi ứng với mỗi công suất phát điện và áp suất hơi quá nhiệt xác định, sai lệch tối đa trong khoản 2,7%, giá trị trung bình sai lệch 0,0025%, phương sai đạt 0,24%;
- Xét trên các khoảng thời gian khác nhau ta thu được kết luận: Khi tổ máy biến động phụ tải lớn, kết quả sai lệch thấp hơn nhiều so với giai đoạn vận hành theo nhiễu. Giá trị sai lệch trong khoảng 0-0,24%.
- Kết quả tính tốn mạng nơron gần sát với giá trị được dùng để huấn luyện, cho phép xác định hệ số điều chỉnh lượng đặt của hệ thống điều khiển cấp nhiên liệu.
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 trị đầu vào và đầu ra mạng nơron như sau: - Công suất phát điện thực tế N te( ),MWh;
- Lưu lượng than thực tế Wthan( )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 số điều chỉnh pr =72s. Kết quả trả lại đầu ra mạng nơron và giá trị thực tế được
dẫn tại Hình 4.24.
Kết quả thu 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 khơng 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 điểm trong quá khứ, sớm hơn thời điểm lấy tín hiệu tác động điều chỉnh). Khi để ý
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 quả đầu ra mạng nơron khi dự báo 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 nhỏ hơn 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 kế nơron dự báo hệ số hiệu chỉnh lượng đặt Fuel Master sau một khoảng thời gian bất kỳ.
Để có thể triển khai thực tế phương pháp sử dụng trí tuệ nhân tạo AI, cần thiết kế được thiết bị đảm bảo các đầu vào-ra như trên rồi tiến hành mô phỏng. Việc ứng dụng phương pháp nhận dạng sự thay 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 KHIỂN PHỤ TẢI NHIỆT
4.4.1. Kịch bản mơ phỏng
Sử dụng mơ hình điều khiển lị hơi tại Chương 2, mơ phỏng q trình vận hành của tổ máy S1 - NMNĐ Duyên Hải 1 từ 5h00 tới 17h00 ngày 30/7/2018. Công suất tổ máy từ mức 466 MW (75%RO) tăng lên 500 MW trước khi đặt công suất định mức 622.5 MW (100%RO) và giảm tải xuống công suất tối thiểu 466 MW vào cuối buổi chiều.
Hình 4.25. Q trình đáp ứng điều khiển của mơ hình điều khiển theo ba chế độ
Sai lệch công suất theo ba chế độ được thể hiện tại Hình 4.26 và Bảng 4.3. Nhận thấy, khi tổ máy vận hành ổn định tại một mức công suất, sai lệch điều khiển chỉ xuất