WYKORZYSTANIE SIECI NEURONOWYCH I
Transkrypt
WYKORZYSTANIE SIECI NEURONOWYCH I
WYKORZYSTANIE SIECI NEURONOWYCH I LOGIKI ROZMYTEJ W REGULATORACH PALNIKÓW PYŁOWYCH I GAZOWYCH W CELU OBNIśENIA EMISJI NOX, CO I CO2 APPLICATION OF NEURAL NETWORKS AND FUZZY LOGIC IN CONTROLLERS FOR PULVERIZED COAL AND GAS BURNERS FOR THE SAKE OF NOX, CO & CO2 EMISSION DECREASE A.Smolarz1, W.Wójcik1, J.Ballester2, K.Jagiełło3 1 Politechnika Lubelska, Katedra Elektroniki, Nadbystrzycka 38A, 20 618 Lublin, e-mail: [email protected] 2 Fluid Mechanics Group, University of Zaragoza, Maria de Luna, 3, 50018 Zaragoza, Spain, 3 Instytut Energetyki, Warszawa ABSTRACT Fossil fuels are still the most important carrier of primary energy, yet, the combustion is the main source of atmospheric pollution. European Commission put forward a far-reaching package of proposals where it commits itself to reduce its overall emissions to at least 20% below 1990 levels by 2020, and is ready to scale up this reduction to as much as 30% under a new global climate change agreement when other developed countries make comparable efforts. It has also set itself the target of increasing the share of renewables in energy use to 20% by 2020. The article describes application of modern methods of measurement, process identification and process control for the control of individual pulverised coal burner and a gas burner. The aim of application of these methods is NOx and CO emission decrease as well as efficiency increase resulting in reduction of carbon dioxide emission. The authors present theoretical bases together with results of experiments that confirm the chosen approach Słowa kluczowe: palnik pyłowy, turbina gazowa, sieci neuronowe, sterowanie rozmyte Key words: PC burner, gas turbine, process control, neural network, fuzzy control WSTĘP Paliwa kopalne wciąŜ są najwaŜniejszym nośnikiem energii pierwotnej, ich spalanie stanowi jednak największe źródło zanieczyszczeń atmosfery. Ta ogólna prawidłowość dotyczy szczególnie Polski, gdyŜ w horyzoncie czasowym nawet kilkudziesięciu lat, paliwa kopalne będą u nas podstawą procesów wytwarzania energii. 23 stycznia 2008 Komisja Europejska przedstawiła pakiet daleko idących dyrektyw, mających na celu realizację ambitnych zobowiązań Unii Europejskiej na rzecz przeciwdziałania zmianom klimatycznym i promowania odnawialnych źródeł energii do 2020 r. i później. W grudniu 2008 r. Parlament Europejski i Rada osiągnęły porozumienie w sprawie pakietu, wspierającego przekształcenie Europy w gospodarkę o niskiej emisji dwutlenku węgla i zwiększenia bezpieczeństwa energetycznego. UE zobowiązała się do zredukowania całkowitej emisji zanieczyszczeń w 2020 roku o 20% w stosunku do 1990r. Gotowa jest równieŜ do redukcji nawet o 30% jeŜeli inne kraje rozwinięte poczynią podobne kroki. Dodatkowo, praca bloku energetycznego w europejskim systemie elektroenergetycznym w ramach Union for the Co-ordination of Production and Transmission of Electricity (UCPTE) wymaga czynnej pierwotnej i wtórnej regulacji częstotliwości oraz mocy (ARCM) według wskazań Krajowej Dyspozycji Mocy, co wymusza ciągłe zmiany mocy w załoŜonym paśmie mocy regulacyjnej. Taka sytuacja narzuca szczególnie ostre wymagania dla urządzeń, instalacji i układów automatycznej regulacji bloków, które muszą zapewnić, zarówno odpowiednią dynamikę w załoŜonym paśmie zmian mocy, jak równieŜ odpowiednie warunki spalania. Sterowanie procesem spalania, spełniającym wymagania KDM, UCPTE i ochrony środowiska jest więc zadaniem niezmiernie trudnym i odpowiedzialnym. Badania i analizy procesu spalania oraz nowe konstrukcje urządzeń technologicznych 234 STABILIZACJA EMISJI NOX Z POJEDYNCZEGO PALNIKA PYŁOWEGO Ograniczenie emisji NOx przez zmianę organizacji procesu spalania, pociąga za sobą negatywne skutki dla eksploatacji kotła. NajwaŜniejsze z nich to: zwiększona emisja CO, większe straty niedopału, korozja parownika, zwiększenie ŜuŜlowania a takŜe niestabilność płomienia. Zjawiska te są niepoŜądane lub wręcz niebezpieczne dla kotła i ograniczają moŜliwą do osiągnięcia redukcję NOx. System regulacji automatycznej procesu spalania w kotle energetycznym. Układ paliwo-powietrze jest częścią systemu regulacji mocy bloku energetycznego. Najczęściej składa się on z dwóch torów: nadrzędnego toru regulacji ilości pyłu węglowego i podporządkowanego toru regulacji powietrza (Rys. 1). Na podstawie mocy zapotrzebowanej przez Krajową Dyspozycję Mocy (KDM) wyznaczana jest niezbędna do spalenia ilość węgla. Wielkościami regulowanymi są obroty podajnika węgla oraz przepływ powietrza młynowego określany na podstawie obciąŜenia młyna węglowego. Regulator powietrza stabilizuje zawartość tlenu w gazach spalinowych. Regulacja powietrza wtórnego do kaŜdego rzędu palników i powietrza OFA przeprowadzana jest w układzie otwartym. Stosunek podziału na powietrze wtórne drugie i trzecie ustawiany jest ręcznie podczas pierwszego uruchomienia bloku i nie zmieniany przez cały okres między remontami głównymi (Instrukcja eksploatacji kotła OP650). secondary air and OFA flaps OFA BURNERS ROW #4 ROW #3 combustion gas analyser ROW #2 ROW #1 generated power ash given power feeder rotation velocity amount of mill air primary air coal amount mill umoŜliwiły podjęcie prób rozwiązania problemu ograniczenia emisji tlenków azotu (NOx), przy nie zwiększaniu emisji tlenku węgla (CO), metodą odpowiedniej organizacji procesu spalania. Metoda ta nie daje wprawdzie tak radykalnego zmniejszenia emisji NOx jak metody katalityczne, ale wymaga nieporównywalnie niŜszych nakładów finansowych. Warunkiem osiągnięcia trwałych efektów jest, oprócz zmian w urządzeniach technologicznych, odpowiednie sterowanie procesem spalania. Dotychczasowe rozwiązania preferowały nadąŜną regulację ilości powietrza za ilością paliwa, z nadrzędną korekcją zawartości wolnego tlenu (O2) w spalinach. Regulacja ta niestety nie zapewnia uzyskania odpowiednich chwilowych wartości parametrów, chociaŜ często w wartościach średnich daje pozornie zadowalające rezultaty. Nie zwraca się przy tym odpowiedniej uwagi na obniŜanie sprawności, a to pociąga za sobą konieczność spalania dodatkowej ilości paliwa (pyłu węglowego) powodując w efekcie wzrost globalnych ilości emisji substancji szkodliwych dla środowiska, a zwłaszcza emisji CO2 (Kordylewski 2000). Mimo wprowadzenia sterowania cyfrowego, wykorzystując do jego wypracowywania zmienne procesowe i opóźnione oraz uśrednione stęŜenia wybranych gazów w spalinach, z trudnością są spełniane obowiązujące obecnie normy (Rozporządzenie Ministra Środowiska z dnia 30 lipca 2001 r). Wspomniane dyrektywy unijne, zaostrzające normy emisyjne, będą wprowadzane w latach 2008÷2012, a staną się obowiązujące od 2013 roku. Spowodują one konieczność zmian aktualnie stosowanych układów sterowania, które powinny zostać uzupełnione o efektywne układy diagnostyczne. Dlatego duŜe grupy badawcze, zarówno w Unii Europejskiej, jak i w Stanach Zjednoczonych oraz Japonii intensywnie zajmują się tym problemem. W dalszej części artykułu zostaną opisane dwa rozwiązania układów regulacji bazujące na oryginalnej technice opracowanej w Politechnice Lubelskiej, rozwijane przy współpracy Pionu Cieplnego Instytutu Energetyki w Warszawie oraz Uniwersytetu w Saragossie. Pierwsze z nich dotyczy regulacji pojedynczego palnika pyłowego, natomiast drugie – palnika turbiny gazowej. WM amount of O2 in exhaust gases O2 controller in exhaust gases total air controller WP secondary air Rys. 1. Automatyka systemu paliwo-powietrze. Najbardziej zaawansowane systemy automatycznej regulacji pracy paleniskowych kotłów pyłowych obejmują zamkniętą pętlą większą ilość parametrów, np. oddzielnie przepływy powietrza do poszczególnych palników i dysz OFA, obciąŜenia młynów czy sygnały z dodatkowych analizatorów gazów spalinowych takich jak NOx, CO, czy SO2. PoniewaŜ to indywidualny nadmiar powietrza 235 decyduje o ilości NOx generowanych w węglowym kotle energetycznym (Kordylewski 2000; Mróz, 1998), najkorzystniejsza byłaby regulacja procesu spalania w pojedynczym palniku. Brak jest jednakŜe dotychczas metody, która umoŜliwiałaby pomiar parametrów wyjściowych, np. emisji tlenków azotu czy tlenku węgla, pojedynczego palnika pracującego w kotle. Skłoniło to autorów do poszukiwania metody, która umoŜliwiałaby przynajmniej estymację tych parametrów. PoniewaŜ zawartość tlenków azotu w spalinach jest głównym parametrem oceny ilości emitowanych zanieczyszczeń, a udział tlenku węgla niesie informację o sprawności procesu spalania, do badań wybrano właśnie te gazy. Światłowodowy układ monitorowania płomienia opracowany w Katedrze Elektroniki Politechniki Lubelskiej daje informację o jakości spalania (Wójcik, 1997; Wójcik, 1998; Wójcik, 2001; Smolarz, 2000). Estymacja emisji NOx i CO z pojedynczego palnika pyłowego Na podstawie sygnałów z układu monitorowania płomienia moŜliwe jest równieŜ uzyskanie informacji ilościowej. Ze względu na silnie nieliniowy charakter zaleŜności i brak analitycznego modelu płomienia turbulentnego do estymacji zostały uŜyte sieci neuronowe. Do dalszej analizy wybrany został sygnał ze strefy, z której informacja była najbardziej wraŜliwa na zmiany proporcji mieszanki. Badana była korelacja pomiędzy sygnałem optycznym a wybranym parametrem procesu spalania. Jest moŜliwe, Ŝe dalsze badania wykaŜą potrzebę uŜycia sygnałów z większej liczby stref. Sygnał następnie poddany został analizie w celu otrzymania dwóch wielkości: • miary intensywności płomienia – będącej średnią intensywnością w okresie próbkowania całego układu, • miary częstotliwości migotania płomienia – określonej jako liczba zmian znaku pochodnej intensywności w ciągu sekundy dla danego okresu próbkowania. Druga wielkość została dodana poniewaŜ z poprzednich badań (Wójcik, 2001; Wójcik, 2005; Wójcik, 2007) wynika, Ŝe informacja zawarta jest równieŜ w widmie częstotliwościowym obserwowanych zmian chwilowej intensywności płomienia, a sieci neuronowe nie są zdolne do bezpośredniego przetwarzania informacji o widmie sygnału. Sygnały wyjściowe systemu są praktycznie natychmiastowe czyli nie są uśrednione. Schemat systemu estymacji emisji tlenków azotu oraz tlenku węgla z uŜyciem opisywanego systemu monitorowania płomienia oraz sieci neuronowych przedstawiony jest na rys. 2. Współczynniki korelacji pomiędzy wyjściem i wejściem konstruowanych modeli nie są zbyt wysokie. Dla modelu emisji NOx wynoszą one –0,09 dla miary intensywności i 0,34 dla miary częstotliwości, a dla modelu emisji CO odpowiednio 0,56 i 0,38. Wynika stąd, Ŝe Ŝadna z miar nie moŜe być uŜyta samodzielnie. Na podstawie serii doświadczeń zbudowany został neuronowy estymator emisji. Ustalono, Ŝe wystarczający jest model, w którym sygnałami są jedynie intensywność i pulsacja płomienia pochodzące z jednej jego strefy, najbardziej wraŜliwej na zmiany stosunku powietrze/paliwo. komora spalania wielostrefowa sonda światłowodowa palnik log blok optoelektroniczny Estymowana emisja NOx i CO SIEĆ NEURONOWA blok wstępnej obróbki sygnałów Rys.2. Schemat proponowanego systemu estymacji emisji NOx i CO. W celu wyznaczenia optymalnego rzędu modelu zbadano kryterium oparte na ilorazach Lipszyca dla serii uczącej. Wynika z niego, Ŝe najniŜszy błąd przewidywany jest przy uwzględnieniu 4 lub 5 poprzednich wejść pomiarowych bez uwzględniania wyjść, co oznacza najprostszy model NNFIR (Neural Network Finite Impulse Response). Przyjmowanie wyŜszego rzędu modelu nie prowadzi do znaczącego zmniejszenia błędu modelu, a moŜe nawet doprowadzić do sytuacji kiedy sieć zacznie traktować zmiany wprowadzane z zewnątrz jako dynamikę obiektu. Zastosowany model NNFIR(nb, nk) (Nørgaard et al ,2000) ma następującą postać: y (t ) = g [ϕ (t ), θ ] + e(t ) , gdzie: t oznacza czas, y(t) wyjście modelu, θ oznacza wektor zawierający wagi sieci, g jest nieliniową funkcją realizowaną przez sieć neuronową, a e(t) oznacza biały szum. Wektor regresji ϕ(t) dla modelu NNFIR ma postać: ϕ (t ) = [u (t − nk ),K, u (t − nb − nk + 1)] , gdzie u oznacza wejście modelu a nb i nk są jego parametrami. Model ten zaimplementowany został w formie sieci typu perceptron trzywarstwowy MLP(10,4,1). Wcześniejsze badania wykazały, 236 analizatora gazów, jak w obecnie stosowanych rozwiązaniach. Z analizy dotychczasowego sposobu sterowania wynika, Ŝe regulator pracy pojedynczego palnika powinien pracować w wewnętrznej pętli regulacji powietrza wtórnego, korygując wartości zadane przez układ nadrzędny, a wartość zadana emisji NOx powinna być uzyskiwana z warstwy optymalizacji. to burner primary air secondary air adjustment Ŝe właśnie ta struktura sieci najlepiej nadaje się do modelowania emisji gazów (Wójcik, 2000). W przypadku modelowania emisji tlenków azotu najlepsze wyniki dała struktura NNFIR(5,0). Błąd neuronowego estymatora emisji tlenków azotu na podstawie pomiarów optycznych dla Ŝadnej z próbek nie przekracza 10%, a jego wartość średnia wynosi około 3%. Na rysunku 3 pokazane są przebiegi poziomu emisji NOx zmierzonego podczas jednego z eksperymentów oraz wartości uzyskiwanej z neuronowego estymatora. Sygnały te zostały zsynchronizowane tak, aby zlikwidować opóźnienie wnoszone przez analizator gazów. CONTROLLER Nonlinear Pre dictive Control NOx neural emission estimator flame intenesity flame pulsation neural ne twork model set value superior control unit 1200 Rys. 5. Układ regulacji palnika pyłowego. N O x [m g /N m 3 ] 1300 1100 Przyjęty został kwadratowy wskaźnik jakości regulacji o postaci: 1000 900 pomiar model 800 700 0 J (t ,U (t )) = 50 100 nr próbki 150 Rys. 3. Zmierzony przebieg emisji NOx (linia ciągła) i przebieg estymowany na podstawie pomiarów sondą optyczną (linia przerywana). Do modelowania emisji tlenku węgla równieŜ wykorzystano strukturę NNFIR. Na obecnym etapie badań najdokładniejsze okazał się model NNFIR(5,1) zaimplementowany w postaci MLP(10,3,1). Rezultaty przedstawione są na rysunku 4. Błąd neuronowego estymatora emisji tlenków węgla jest, jak widać, znacznie większy i znacznie przekracza załoŜoną dopuszczalną wartość (na wykresie błędu zaznaczoną linią przerywaną), zwłaszcza w obszarze duŜych emisji. 500 pomiar model C O [p p m ] 400 300 200 100 0 0.2 błąd modelu (y-yhat)/y 0.1 0 -0.1 -0.2 -0.3 0 10 20 30 40 nr próbki 50 60 70 80 90 Rys. 4. Zmierzony przebieg emisji CO (czarny) i przebieg estymowany na podstawie pomiarów sondą optyczną (szary) oraz błąd modelu z zaznaczonymi granicami dopuszczalności. Układ regulacji Koncepcję układu regulacyjnego stabilizującego emisję tlenków azotu z pojedynczego palnika przedstawiono na rys. 5. Informacja o wielkości emisji tlenków azotu jest w nim uzyskiwana z neuronowego estymatora emisji NOx na podstawie sygnałów ze światłowodowego układu monitorowania płomienia zamiast z N2 ∑ [r (t + i ) − yˆ (t + i )] i = N1 2 Nu + ρ ∑ [∆u (t + i − 1)] 2 i =1 gdzie U(t) oznacza wektor sterowania, r wartość zadaną sterowania, N1 i N2 odpowiednio początek i koniec horyzontu predykcji, Nu długość horyzontu sterowania, ŷ wartość wyjściową modelu, ρ wagę tłumienia zmienności sterowań w stosunku do uchybu regulacji, a ∆u przyrost wartości sygnału sterowania. Wskaźnik ten minimalizowany jest w strukturze nieliniowego regulatora predykcyjnego (NPC) z neuronowym modelem procesu. Pośrednia metoda regulacji zastosowana została ze względu na łatwość modyfikacji kryterium regulacji, bardzo przydatną szczególnie na etapie doświadczalnym. Na podstawie pomiarów wykonany został symulator wybranych parametrów palnika. PosłuŜył on do wstępnych badań układu regulacji. Badania symulacyjne dotyczyły moŜliwości stabilizacji emisji tlenków azotu. Nieliniowy regulator predykcyjny (NPC) wymaga ustalenia trzech parametrów: horyzontu predykcji, horyzontu sterowania i współczynnika wagi tłumienia zmienności sterowań w stosunku do uchybu regulacji. Ze względu na bardzo małą wartość opóźnienia, została przyjęta najmniejsza wartość początkowa horyzontu predykcji, tj. N1=1. Wartość końcowa horyzontu predykcji N2 została ustalona doświadczalnie. Pozostałe parametry zostały przyjęte tak, aby uzyskać wyraźne tłumienie sygnału sterowania. Dla osiągnięcia stabilizacji układu zaleca się, aby wartość końcowa horyzontu predykcji N2 była równa przynajmniej rzędowi modelu wewnętrznego (Nørgaard et al ,2000). Dla 237 opisywanego układu wartość ta (równa 9) okazała się zbyt mała. Stabilność osiągnięta została dla N2=11. W przypadku układów liniowych horyzont sterowania Nu przyjmuje się tak, by miał wartość większą niŜ liczba niestabilnych lub słabo tłumionych biegunów. Dla układów nieliniowych pozostaje jedynie dobór empiryczny. Długi horyzont sterowania oznacza duŜą liczbę zmiennych decyzyjnych przy minimalizacji wskaźnika jakości sterowania J, czyli dłuŜszy czas wykonywania algorytmu sterowania i moŜe być przez to praktycznie nieuzasadniony, a w ekstremalnych przypadkach moŜe prowadzić do niestabilności, np. gdy rozwiązanie zadania optymalizacji nie zostało osiągnięte w wymaganym czasie. Poza tym przy rosnącej wartości Nu przebieg wyjściowy staje się coraz bardziej oscylacyjny. Oscylacje moŜna ograniczyć poprzez zwiększenie współczynnika wagowego ρ dla funkcji kary, powodując jej wzrost, co prowadzi do ograniczenia oscylacji. Nadmierna wartość tego współczynnika powoduje jednakŜe wydłuŜenie czasu ustalania się odpowiedzi. Na rys. 6 pokazano porównanie odpowiedzi układu regulacji pracującego na podstawie sygnału z analizatora gazów (linia cienka) i na podstawie sygnałów z sondy optycznej (linia gruba). Aby umoŜliwić porównanie sygnały wyjściowe zostały zsynchronizowane tak, aby zlikwidować opóźnienie wnoszone przez analizator gazów. C B 1120 A 1100 1080 NOx [mg/Nm 3] 1060 1040 1020 1000 980 tradycyjny układ z analizatorem spalin proponowany układ z sondą optyczną i neuronowym estymatorem emisji 960 940 920 0 10 20 30 40 50 60 nr próbki 70 80 90 100 Rys. 6. Porównanie odpowiedzi obiektu dla NPC przy róŜnym sposobie uzyskiwania zwrotnej informacji o wielkości emisji tlenków azotu. Jak widać na rys.6, przy odpowiednich wartościach parametrów regulatora w układzie z sondą światłowodową i neuronowym estymatorem emisji, moŜna osiągnąć czas ustalania się odpowiedzi rzędu 20 okresów próbkowania. Jest to wartość porównywalna z moŜliwą do osiągnięcia w układzie z analizatorem gazowym. Zaletą nowego rozwiązania jest moŜliwość objęcia pętlą sterowania pojedynczego palnika a takŜe o wiele krótszy czas reakcji układu na zakłócenie, czyli krótszy czas utrzymywania się pełnej wartości zakłócenia na wyjściu, co oznacza mniejszą ilość wyemitowanych zanieczyszczeń. Czas opóźnienia układu regulacji z sondą optyczną (zaznaczony na rysunku jako „A”) jest nie większy od 2 okresów próbkowania. Czas ten w przypadku tradycyjnego rozwiązania (zaznaczony na rysunku jako „B”) zaleŜy głównie od opóźnienia układu pomiarowego. W przypadku duŜych obiektów, np. kotłów energetycznych w elektrowniach, w zaleŜności od zastosowanych analizatorów opóźnienie moŜe dochodzić nawet do kilkuset sekund. W takim przypadku układ z analizatorem gazowym w ciągu czasu opóźnienia nie będzie zdolny wykryć zwiększonej emisji. Spowoduje to bardzo długi czas utrzymywania się zwiększonej emisji, co zostało pokazane na Rys. 6 linią przerywaną; „C” oznacza czas opóźnienia pomiędzy powstaniem zwiększonej emisji a jej wykryciem przez analizatory gazów. Niezbędnym stanie się więc zastosowanie szybkich i selektywnych analizatorów. ROZMYTA REGULACJA GAZOWEGO PALNIKA Spalanie biogazu PoniewaŜ we wspomnianym wyŜej pakiecie Unia Europejska wyznaczyła sobie równieŜ cel zwiększenia udziału źródeł odnawialnych do 20% w 2020 roku, w przypadku technologii spalania zastosowanie znajdują alternatywne paliwa uzyskane ze źródeł odnawialnych. Na przykład, w przypadku turbin gazowych stosowane jest zgazowanie biomasy lub metanowa fermentacja odpadów. Efektywne i czyste spalanie takich paliw napotyka na szereg problemów technicznych. Jednym z nich jest opracowanie nowych konstrukcji palników dla paliw których właściwości fizykochemiczne mogą istotnie odbiegać od właściwości gazu ziemnego. Generalnie paliwa alternatywne charakteryzują się niską lub bardzo niską kalorycznością oraz zmiennością właściwości (pomiędzy wsadami lub w czasie procesu ciągłego). Zmienność parametrów tego typu paliw moŜe doprowadzić do nieprawidłowej pracy systemu, zwiększonej emisji zanieczyszczeń, zmniejszonej sprawności lub problemów ze stabilnością płomienia. Zjawiska te są szczególnie istotne w przypadku spalaniu mieszanki ubogiej (LPC) w najbardziej rozpowszechnionej technologii ograniczania emisji NOx przez turbiny gazowe. Dlatego teŜ, nawet jeŜeli turbina została zaprojektowana do pewnego rodzaju paliwa alternatywnego, 238 konieczny jest stały nadzór i optymalizacja aby zapewnić niezawodność systemu. Istnieją dwie podstawowe technologie uzyskiwania gazu z biomasy: fermentacja metanowa i zgazowanie pirolityczne. Przykładowy skład tak uzyskanego gazu pokazano w Tabeli 1. W celu wyznaczenia właściwości procesu spalania tych gazów badano dwa rodzaje mieszanin, które reprezentowały wybrane gazy syntetyczne: gaz ziemny z wodorem oraz gaz ziemny z dwutlenkiem węgla. Rysunki 7 i 8 pokazują wykresy emisji NOx i CO przy róŜnych współczynnikach nadmiaru powietrza dla powyŜszych mieszanin. Tabl. 1. Przykładowy skład róŜnych rodzajów biogazu rodzaj biogazu składnik rośliny śmieci zgazowanie CH4 60% 60% 3% H2 30% ślady 16% CO 22% CO2 ślady 30% 14% N2 6% 44% H 2O do 10% 3% reszta ,0 NO4x0[ppm] 3 5 ,0 3 0[ppm] 0 0 ,0 CO Q g n= 2 ,5 Q g n= 2 ,5 , CO H2 = 2 5 % H2 = 2 5 % , CO H2 = 5 0 % H2 = 5 0 % , CO 2 5 0 0 ,0 3 0 ,0 2 0 0 0 ,0 2 5 ,0 2 0 ,0 1 5 0 0 ,0 1 5 ,0 1 0 0 0 ,0 1 0 ,0 5 0 0 ,0 5 ,0 0 ,0 0 ,5 0 0 ,6 0 0 ,7 0 E.R. 0 ,8 0 0 ,9 0 0 ,0 1 ,0 0 Rys. 7. Emisja NOx i CO dla mieszaniny metanu z wodorem. 40,0 NOx[ppm] 35,0 4000,0 CO [ppm] CO2= 0%, NOx CO2= 0%, CO CO2= 35%, NO CO2= 35%, CO CO2= 50%, NOx CO2= 50%, CO 3500,0 30,0 3000,0 25,0 2500,0 20,0 2000,0 15,0 1500,0 10,0 1000,0 5,0 0,0 0,50 500,0 0,60 0,70 E.R. 0,80 0,90 0,0 1,00 Rys. 8. Emisja NOx i CO dla mieszaniny metanu z dwutlenkiem węgla. Jak widać na rysunkach 7 i 8, ograniczenie ze względu na emisję CO jest w obydwu przypadkach przesunięte. Większy udział wodoru pozwala na uboŜszą mieszankę, jednakŜe poziom emisji NOx jest podniesiony. Zwiększający się udział CO2 daje wyŜszą emisję CO – mieszanka powinna być bogatsza, jednakŜe równoczesny spadek emisji NOx do pewnego stopnia kompensuje wymagany wzrost nadmiaru powietrza. PowyŜsza analiza prowadzi do dwóch istotnych wniosków: Najczęściej stosowany układ regulacji, w którym jedynym obserwowanym parametrem jest współczynnik nadmiaru powietrza nie spełni swojego zadania dla gazów syntetycznych – konieczna jest obserwacja zarówno emisji tlenków azotu jak i tlenku węgla, nadmiar powietrza staje się parametrem drugorzędnym. Jakościowo, w obydwu przypadkach, przebieg emisji w obszarze mieszanki ubogiej nie zmienia się. Prowadzi to do wniosku, Ŝe powinno zostać zastosowane jakościowe podejście do problemu regulacji. 239 Regulator rozmyty Zasadą projektowania regulatora rozmytego jest integracja empirycznej wiedzy i doświadczenia obsługi z uŜyciem zbiorów rozmytych i wnioskowania rozmytego. W tym celu obserwowana jest odpowiedź obiektu na określone wymuszenia, następnie niezbędne decyzje opisywane są za pomocą logiki rozmytej. Baza reguł moŜe być rozumiana jako jakościowa wiedza ludzkiej natomiast funkcje przynaleŜności odwzorowują tą wiedzę na zaleŜności ilościowe. W większości przypadków baza reguł moŜe być łatwo określona natomiast kluczowym problemem staje się wyznaczenie efektywnych funkcji przynaleŜności. W opisywanym systemie sterowania palnika wielkością regulowaną jest przepływ powietrza a celem utrzymanie emisji poniŜej wymaganych poziomów. Wejścia regulatora (emisje NOx i CO) są rozmywane za pomocą Gaussowskich funkcji przynaleŜności, których parametry (wartość średnia i odchylenia standardowe) zostały ustalone na podstawie istotnej ilości pomiarów. Funkcje trójkątne ostały uŜyte dla wielkości wyjściowej – otwierania bądź zamykania zaworu regulującego przepływ powietrza. Rys. 9. Ewolucja emisji NOx i CO Rys. 10. Pozycja zaworu i wartość sterowania Emisje były mierzone za pomocą analizatorów gazowych i ich wartości podawane na wejścia regulatora. Decyzja była podejmowana na podstawie reguły największego stopnia przynaleŜności. JeŜeli decyzja była zgodna z oczekiwanym zachowaniem zaworu powietrza reguła była akceptowana a w przeciwnym przypadku odrzucana. Rezultaty badań doświadczalnych pokazują skuteczność proponowanego systemu. Na podstawie badań, których wyniki przedstawiono na rysunkach 9 i 10 widać, Ŝe system utrzymuje niskie emisje (NOx≤5ppm i CO<120ppm) poprzez ciągłą regulację zaworu powietrza. Wystarcza jedynie 7 kroków by dojść od warunków początkowych do punktu optymalnego. Regulator rozmyty dla mieszanin gazu ziemnego z dwutlenkiem węgla Celem badań opisanych powyŜej było opracowanie i optymalizacja regulatora przed zastosowaniem go do paliwa składającego się z gazu ziemnego w róŜnym stopniu rozcieńczonego dwutlenkiem węgla. Na tym etapie naleŜało ocenić czy opracowany regulator jest w stanie prawidłowo funkcjonować przy „losowej” zmianie składu paliwa. Do regulatora nie wprowadzono Ŝadnych zmian, emisje były mierzone za pomocą analizatorów gazu. Aby ocenić działanie regulatora zmieniano zawartość dwutlenku węgla według następującej sekwencji: XCO2=0%, 25%, 50%, 35% and 50%. Na rysunkach 11 i 12 pokazano rezultaty pomiarów. Gaz ziemny jest spalany do kroku 8 i ta część jest podobna do przebiegów pokazanych na rysunkach 9 i 10, system jest optymalizowany w około 7 krokach. W kroku 9, udział CO2 wzrasta do 25%, co powoduje nagły wzrost emisji CO i lekki spadek emisji NOx. Reakcja regulatora jest bardzo szybka i tylko 1 krok wystarcza do powrotu do warunków optymalnych. Podobne zachowanie widoczne jest w kroku 12, gdzie XCO2 zmienia się z 25 do 50%. Udział CO2 spada do 35% w kroku 16, powodując niewielkie przekroczenie emisji NOx powyŜej progu 5ppm. W dwóch krokach regulator tak koryguje przepływ powietrza, Ŝe poziom ten nie jest przekraczany. W końcu, gdy XCO2 powraca do 50%, regulator ponownie otwiera zawór w celu ograniczenia emisji CO. 240 WNIOSKI Rys.11. Ewolucja emisji NOx i CO Rys.12. Pozycja zaworu i wartość sterowania Regulator rozmyty z wykorzystaniem neuronowego estymatora emisji Zarówno w przypadku spalania czystego metanu jak teŜ przy obecności dwutlenku węgla, problem stanowi sposób otrzymywania informacji o emisji – pomiary są obarczone znacznym opóźnieniem w porównaniu do dynamiki palnika. Rozwiązaniem moŜe być neuronowa estymacja emisji na podstawie sygnałów optycznych, opisana w części dotyczącej regulacji palnika pyłowego. W ten sposób moŜna osiągnąć poprawę czasu odpowiedzi systemu na ewentualne zmiany warunków spalania (Wójcik, 2005; Wójcik, 2007). Na rysunkach 13 i 14 pokazano zapis emisji podczas prób systemu składającego się z neuronowego estymatora i regulatora rozmytego. Badania wykonano dla spalania czystego metanu. Estymowane poziomy emisji są bardzo podobne do zmierzonych przez analizatory gazów. W przypadku wykrycia duŜych przekroczeń emisji system reaguje bardzo szybko (wartość sygnału regulacji prawie równa 1). W rezultacie do osiągnięcia punktu pracy optymalnej (NOx≤5ppm i CO<120ppm) potrzeba tylko kilku kroków. Sygnał optyczny jest obecnie najszybszym i selektywnym sposobem uzyskania informacji o jakości spalania w pojedynczym palniku. Ma to szczególne znaczenie w przypadku zespołu palników pyłowych gdzie ocena jakości spalania kaŜdego z palników osobno innymi metodami jest bardzo utrudniona lub wręcz niemoŜliwa. Wyniki identyfikacji modelu emisji tlenków azotu pozwalają stwierdzić, Ŝe do uzyskania informacji o jej wielkości, zamiast opóźnionych sygnałów z analizatorów gazowych moŜna uŜywać estymat obliczonych na podstawie natychmiastowych sygnałów z sondy optycznej. Model emisji tlenku węgla daje zadowalające rezultaty w przypadku turbiny gazowej natomiast dla palnika pyłowego jest on obarczony zbyt duŜym błędem. Konieczne są dalsze prace zmierzające do zwiększenia dokładności modelu. Wykorzystanie sygnału optycznego umoŜliwia konstrukcję układu regulacji pojedynczego palnika pyłowego. Układ neuronowej regulacji pojedynczego palnika energetycznego poprawia stabilizację emisji tlenków azotu i w rezultacie zmniejsza się jego całkowita emisja zanieczyszczeń do atmosfery. Testy laboratoryjne wykonane dla palnika gazowego wykazały, Ŝe regulator rozmyty wykazuje dobre właściwości adaptowania się do zmiennych warunków pracy i paliw utrzymując emisje NOx i CO poniŜej wymaganych poziomów, pomimo znacznej złoŜoności rozpatrywanego zadania. RównieŜ w przypadku turbin gazowych problem stanowi szybki pomiar parametrów spalania. Badania wykazały przydatność metody optycznej w połączeniu z estymatorem neuronowym do oceny emisji NOx i CO przy spalaniu czystego metanu, jednakŜe naleŜy zbadać jej przydatność w przypadku mieszanin z H2 i CO2. Obecnie wykonywane są badania nad wykorzystaniem sieci neuronowych i sieci rozmytych do estymacji emisji NOx i CO dla mieszanin metanu z CO2 i H2. Wstępne rezultaty wykazują, Ŝe jest moŜliwa estymacja emisji jedynie na podstawie pomiaru parametrów optycznych płomienia, bez znajomości składu spalanych gazów. Równolegle prowadzone są prace nad wykorzystaniem algorytmów genetycznych (Wójcik, 2008). Podsumowując naleŜy stwierdzić, Ŝe nowoczesne metody uzyskiwania informacji o jakości spalania (np. wielkości emisji CO i NOx) w połączeniu z nowoczesnymi metodami regulacji pozwalają na zmniejszenie emisji szkodliwych gazów do atmosfery a takŜe na 241 efektywne wykorzystanie paliw zaliczanych do grupy odnawialnych źródeł energii. LITERATURA INSTRUKCJA EKSPLOATACJI KOTŁA OP-650k-040 wraz z urządzeniami i instalacjami pomocniczymi (materiał niepublikowany), 2001. KORDYLEWSKI W., 2000: Niskoemisyjne techniki spalania w energetyce. Wydawnictwo Politechniki Wrocławskiej, Wrocław MRÓZ P., 1998, Optymalizacja spalania z wykorzystaniem sieci neuronowych – projekt realizowany przez CNPAE, Materiały konferencyjne Konferencji Naukowo – Technicznej „Diagnostyka jakości spalania w energetyce”, s. 333 – 348, Ustroń-Zawodzie NØRGAARD M., RAVN O., POULSEN N.K., HANSEN L.K., 2000, Neural networks for Modelling and Control of Dynamic Systems, Springer-Verlag, London, UK, SMOLARZ A., WÓJCIK W., KOTYRA A., WOJCIECHOWSKI C., KOMADA P., 2000, Fibre optic monitoring system, "Lightguides and their applications", Proceedings of SPIE, vol. 4239, pp.129–132 WÓJCIK W., 1997,: The utilisation of flame flicker in the fibre – optic system for combustion quality evaluation in industrial energetic boilers, Conference Proceedings EUROSENSORS XI, vol.3, pp. 997 – 1000, Warsaw WÓJCIK W., 1998, Światłowody w zastosowaniu do kontroli pracy palnika pyłowego, Materiały konferencyjne Konferencji Naukowo – Technicznej „Diagnostyka jakości spalania w energetyce”, s.333– 348, Ustroń – Zawodzie. WÓJCIK W., Kotyra A., Smolarz A., KOMADA P., 2000, Optical fibre system for combustion quality analysis in power boilers, Proceeddings on International Conference on Optoelectronic Information Technologies, „PHOTONICS-ODS 2000”, 2 – 5 October, pp. 181 – 187, Vinnytsa, Ukraine, WÓJCIK W., SURTEL W., SMOLARZ A., KOTYRA A., KOMADA P., 2001, Optical fiber system for combustion quality analysis in power boilers, Optoelectronic Information Technologies, Proceedings of SPIE vol.4425, pp.517–522. WÓJCIK W., SMOLARZ A., BALLESTER J., KOTYRA A., KALITA M., SANZ A., HERNANDEZ R., 2005, Neural methods of interpretation of data obtained from optical sensor for flame monitoring, Proceedings of SPIE Optical Fibers: Applications, Volume 5952, 2005, 59521L-6, WÓJCIK W., KALITA M., SMOLARZ A.: FIBER-optic system for combustion process monitoring, PAK 11/2007, 24-28 WÓJCIK W., KALITA M., SMOLARZ A., 2008, The influence of evolutionary niche occurrnce on genetic controller operation in the power boiler, Przegląd Elektrotechniczny Vol.2008, No 3, 2008, s.222-224.