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.