Учёные из Академгородка рассказали, как нейросеть сможет улучшить работу угольных электростанций
Уголь — один из наиболее перспективных энергоносителей в мире, России и особенно в Сибири. На угольных теплоэлектростанциях установлены сотни паровых котлов марок БКЗ, ПК, ТП, производящих от 35 до 670 тонн пара в час. Эти котлы сжигают пылеугольное топливо факельным методом. Для растопки и подсветки пылеугольного факела в них используется дефицитный и дорогой мазут в объеме от 0,1 % до 3,5 % от суммарного топлива. Однако существуют проблемы с поставками этого мазута, его хранением в холодное время года, разогревом, взрывобезопасностью, дефицитом и, главное, дороговизной. Энергозатраты на собственные нужды ТЭС, где используется мазутный розжиг и подсветка, увеличиваются на 2—3 %. Это приводит к повышению тарифов на энергию.
В Институте теплофизики им. С. С. Кутателадзе СО РАН разработали автоматическую систему инициирования и поддержания горения пылеугольных котлов без использования растопочного мазута. Она включает в себя вихревую горелку с плазменными воспламенителями, контрольно-измерительное оборудование и датчики управления, а также программное обеспечение с встроенным нейросетевым алгоритмом. Новая технология позволит значительно повысить эффективность работы угольных электростанций и уменьшить выбросы вредных веществ в атмосферу. Разработка уже проходит тестирование на новосибирской ТЭЦ-3, сообщается на портале Наука в Сибири
«Наша цель — сделать хорошее автоматизированное устройство, которое способно работать не только на угле, но еще на газе и жидком топливе, чтобы повысить эффективность и экологичность выработки электроэнергии. На данный момент мы ведем работу по обучению нейронных сетей данными с ТЭЦ и планируем внедрить их в нейросеть. Мы также сотрудничаем с новосибирской компанией по производству газоаналитического оборудования ООО “БОНЭР” — создаем датчик оперативного контроля выбросов газа на основе показания датчика водорода, то есть подсчитываем баланс водорода и кислорода и определяем уровень вредных выбросов», — рассказывает научный сотрудник лаборатории экологических проблем теплоэнергетики ИТ СО РАН кандидат технических наук Евгений Борисович Бутаков.
На станциях часто сталкиваются с неточностью контроля расхода угля и воздуха. Для того чтобы диагностировать и поддерживать режимы горения, ученые предложили использовать нейронные сети. Процесс заключается в том, чтобы измерить параметры более чувствительными датчиками, построить нейронную сеть и научить ее выстраивать связь между расходом топлива, показаниями датчиков и визуальным контролем. В итоге искусственный интеллект будет самостоятельно считывать точные данные. Подобным способом можно определять КПД и управлять процессом горения в режиме реального времени.
