algorytmy wykorzystujące sieci neuronowe do

ALGORYTMY WYKORZYSTUJĄCE SIECI NEURONOWE DO REGULACJI
WĘZŁÓW CIEPŁOWNICZYCH
Autor: prof. nzw. dr hab. inŜ. Witold J. Chmielnicki
(„Rynek Energii” – 12/2010)
Słowa kluczowe: ciepłownictwo, ogrzewnictwo, regulacja automatyczna, sztuczne sieci neuronowe, informatyka
Streszczenie. Regulacja i sterowanie procesów cieplnych w budynkach ma duŜy wpływ na zuŜycie ciepła na cele ciepłownicze. Stosowane dotychczas rozwiązania wykorzystują standardowe algorytmy regulacji o właściwościach proporcjonalnocałkujących lub proporcjonalno-całkująco-róŜniczkujących. Wadą tych rozwiązań jest konieczność stałego nadzoru wykwalifikowanych słuŜb technicznych. Obiekty cieplne charakteryzują się zmiennością parametrów dynamicznych wraz ze
zmianą temperatury czynników wymieniających ciepło. W celu zapewnienia odpowiedniej jakości regulacji, konieczna jest
zmiana parametrów regulacyjnych układu. Osoby pełniące nadzór nad układami ciepłowniczymi nie są naleŜycie przygotowane do takich działań. Na skutek tego w istniejących węzłach ciepłowniczych często dochodzi do niestabilnej pracy, oraz
do znacznego pogorszenia jakości regulacji. Ma to bezpośredni wpływ na zuŜycie ciepła oraz na trwałość urządzeń regulacyjnych.
W prezentowanej pracy zaproponowano nowe, nie stosowane dotychczas rozwiązania sterowania procesami dynamicznymi
węzłów ciepłowniczych, wykorzystujące sztuczne sieci neuronowe. Opracowany został algorytm sieci neuronowej oraz
przeprowadzono badania, z których wynika, Ŝe jakość regulacji jest znacznie lepsza niŜeli w przypadku stosowania regulatorów tradycyjnych. Ma to równieŜ duŜy wpływ na oszczędność energii na cele ciepłownicze w budynkach.
1. WPROWADZENIE
W aglomeracjach miejskich o duŜej gęstości zabudowy, zasilanie budynków w ciepło dokony-wane
jest zwykle za pomocą scentralizowanych systemów ciepłowniczych. Czynnikiem grzejnym jest
najczęściej gorąca woda o wysokich parametrach, która wykorzystywana jest w węzłach
ciepłowniczych do podgrzewania wody instalacyjnej. W budynkach mieszkalnych jest to zwykle
instalacja centralnego ogrzewania i ciepłej wody uŜytkowej. Zapewnienie wymaganych parametrów
cieplnych w poszcze-gólnych obwodach, wymaga odpowiednich układów regulacji i sterowania. Od ich
działania zaleŜy zarówno jakość uzyskiwanych parametrów danego procesu jak teŜ zuŜycie energii.
Przykład typowego węzła ciepłowniczego pokazano na rys. 1. Jest to dwufunkcyjny węzeł centralnego
ogrzewania i ciepłej wody uŜytkowej. Występują w nim dwa podstawowe obwody regulacji:
− obwód regulacji centralnego ogrzewania,
− obwód regulacji ciepłej wody uŜytkowej.
Zarówno w węźle centralnego ogrzewania jak i ciepłej wody uŜytkowej, regulowana jest temperatura
czynnika ogrzewanego na wypływie z węzła. Wymaga się, aby była ona równa wartości zadanej niezaleŜnie od zakłóceń działających na układ. Często w tych układach wprowadza się zmiany wartości
zadanej w pewnych porach dnia czy tygodnia i wówczas realizowana jest teŜ regulacja programowa.
Układy regulacji obu węzłów są podobne i działają równolegle. W przypadku węzłów ciepłowniczych
zasilanych z centralnych źródeł ciepła oprócz podstawowego układu regulacji temperatury wody na
zasilaniu instalacji wewnętrznej centralnego ogrzewania, powinna być równieŜ ograniczana temperatura
czynnika grzejnego na wypływie z wymiennika T12.
1
15
4
3
9
Do inst. c.w.u.
10
14
13
2
2
11
c.o.
c.w.u.
5
6
8
7
Cyrkulacja
12
Z wodociągu
Rys. 1. Schemat układu regulacji dwufunkcyjnego równoległego węzła centralnego ogrzewania i ciepłej wody uŜytkowej;
1– regulator, 2– zespół wykonawczy, 3- czujnik temperatury wewnętrznej, 4– czujnik temperatury zewnętrznej, 5– czujnik
temperatury wody na zasileniu instalacji c.o, 6– czujnik temperatury wody na zasileniu instalacji c.wu, 7– czujnik
temperatury czynnika grzejnego na wypływie z węzła c.w.u, 8– czujnik temperatury czynnika grzejnego na wypływie z
węzła c.o, 9– regulator ciśnienia bezpośredniego działania z ograniczeniem przepływu, 10– filtr, 11– pompa obiegowa c.o,
12– pompa cyrkulacyjna c.w.u, 13– węzeł ciepłowniczy ciepłej wody uŜytkowej, 14– węzeł ciepłowniczy centralnego
ogrzewania, 15– termostatyczny regulator grzejnikowy
Jeśli nastąpi jej przekroczenie powyŜej wartości określonej przez tak zwany dolny wykres regulacyjny,
wówczas zmniejszany jest przypływ wody sieciowej niezaleŜnie od aktualnej wartości temperatury T22
wody na zasileniu instalacji. W węzłach ciepłowniczych zaprojektowanych prawidłowo takie zjawisko
zwykle nie występuje, jednak w szczególnych przypadkach moŜe mieć miejsce, dlatego ten rodzaj regulacji jest zawsze wymagany.
Istotna róŜnica pomiędzy pracą węzła ciepłej wody uŜytkowej oraz węzła centralnego ogrzewania
polega na tym, Ŝe wraz ze zmianą temperatury zewnętrznej wartość zadana w układzie ciepłej wody
uŜytkowej jest stała, natomiast w układzie centralnego ogrzewania zmienia się zgodnie z wykresem
regulacyjnym. Często zdarza się, Ŝe w układach ciepłej wody uŜytkowej występuje niestabilna praca,
spowodowana pojawiającymi się zakłóceniami. Zmienność mocy cieplnej węzłów ciepłej wody
uŜytkowej w czasie doby moŜe się wahać od 0-100%, podczas gdy wahania te w układach centralnego
ogrzewania są nieznaczne i zaleŜą głównie od wahań temperatury zewnętrznej. W rozwiązaniach
układów regulacji węzłów ciepłej wody uŜytkowej stosowanych dotychczas bardzo często dochodzi do
niestabilnej pracy, gdyŜ struktury tych układów są nieodpowiednie.
2. WŁAŚCIWOŚCI UKŁADÓW REGULACJI WĘZŁÓW CIEPŁOWNICZYCH
Zadaniem układu regulacji jest zapewnienie stabilnej pracy oraz odpowiedniej jakości statycznej i dynamicznej procesu. Właściwości układu zaleŜą od obiektu regulacji oraz od zastosowanego regulatora.
Obiektem regulacji w przypadku węzłów ciepłowniczych jest na ogół proces zachodzący w
wymienniku ciepła. Na skutek duŜej zmienności obciąŜenia cieplnego oraz zmian parametrów
cieplnych czynnika grzejnego i ogrzewanego występują znaczne zmiany współczynników wzmocnienia
oraz stałych czasowych. Regulatory stosowane w tych układach mające właściwości PI lub PID
przeznaczone są w zasadzie do obiektów liniowych. Jakość regulacji zaleŜna jest od wprowadzonych
parametrów nastaw regulatora. W przypadku węzłów ciepłej wody uŜytkowej istnieje duŜe
prawdopodobieństwo niestabilności, zwłaszcza w okresie występowania wysokich parametrów czyn-
nika
grzejnego,
co
ma
miejsce
dla
niskiej
temperatury
zewnętrznej.
Regulacja temperatury wody podgrzewanej w wymienniku ciepła dokonywana jest poprzez zmianę
ilości czynnika grzejnego, jest to tzw. regulacja ilościowa. Elementem, który słuŜy do zmiany przepływu jest zawór regulacyjny. Jest to w zasadzie jedyne urządzenie, które naleŜy obliczyć w układzie
regulacji.
W przypadku obliczania korzysta się zwykle z uproszczonych charakterystyk statycznych wymienników ciepła, określonych jako zaleŜność pomiędzy względną mocą
czynnika grzejnegoψ [1]
Q&
=
Q& N
1
,
1 
1 + a  − 1
ψ

i względnym strumieniem
(1)
gdzie:
– stosunek dowolnego strumienia czynnika grzejnego do strumienia
nominalnego przepływającego przez wymiennik ciepła, a –parametr wymiennika
 2 1  T −T
a =  − fϕ  11 12
 3 3  T11 − T22
N
fϕ – liczba znamionowa wymiany ciepła, T11, T12 – parametry czynnika grzejnego, T22 – temperatura
czynnika ogrzewanego na wypływie z wymiennika.
Zmiana strumienia czynnika grzejnego dopływającego do wymiennika dokonywana jest za pomocą
zaworu regulacyjnego, który jest elementem nastawczym typu impedancyjnego. Opory przepływu zaworu zainstalowanego w układzie hydraulicznym powodują spadek ciśnienia przepływającego czynnika.
W węzłach ciepłowniczych stosowane są zawory o charakterystykach wewnętrznych: liniowej zwanej
proporcjonalną, stałoprocentowej zwanej logarytm-miczną lub liniowo–stałoprocentowej zwanej
proporcjonalno–logarytmiczną.
Związek pomiędzy względnym przepływem przez zawór a stopniem jego otwarcia określa charakterystyka przepływowa, zwana roboczą [1]
gdzie: kd – kryterium dławienia zaworu, kv – funkcja określająca charakterystykę wewnętrzną zaworu.
Układy ciepłownicze ze względu na duŜą zmienność obciąŜenia powinny mieć zapewnioną
odpowiednią jakość regulacji w całym zakresie skoku zaworu. Warunek ten będzie spełniony gdy
charakterystyka regulacyjna układu rozumiana jako zaleŜność pomiędzy wielkością sterującą i
sterowaną, będzie miała przebieg liniowy o pochyleniu równym jeden.
Aby to uzyskać,
charakterystyka robocza zaworu powinna być symetrycznym odbiciem charakterystyki statycznej
obiektu regulacji. Charakterystyka regulacyjna układu określona jest zaleŜnością
Q&
=
Q& N
1

1 + a  1 + k d

 1
 
 2 − 1 − 1

 kv
 
.
( 3)
Rozpatrując współpracę zaworu regulacyjnego z
wymiennikiem ciepła moŜna wyznaczyć współczynnik wzmocnienia charakterystyki regulacyjnej,
określony jako pochodna mocy cieplnej względem skoku zaworu
k z −w =
∂ (Q / Q100 ) ∆ ((Q / Q100 ))
≈
.
∆h
∂h
( 4)
Najlepszą jakość regulacji uzyskuje się wtedy gdy kz-w jest równy jedności w całym zakresie zmian
sygnału sterującego. W układach regulacji węzłów ciepłowniczych, warunek ten zwykle nie moŜe być
spełniony.
Największe wartości współczynnika wzmocnienia kz-w występują w początkowym zakresie pracy
zaworu. Oznacza to, Ŝe przy niewielkim przepływie występującym w przypadku małych obciąŜeń
cieplnych, mały skok zaworu moŜe spowodować duŜą zmianę wielkości regulowanej, a więc duŜy błąd
regulacji. Projektując układ regulacji naleŜy zatem określić minimalną wartość obciąŜenia, od którego
wymagana jest załoŜona dokładność regulacji. PoniŜej tej wartości z reguły jakość regulacji nie będzie
wystarczająca.
Jakość regulacji zaleŜy od przyjętego algorytmu sterowania. W przypadku węzłów ciepłowniczych wykorzystuje się najczęściej algorytmy typu PI lub PID. Jak wynika z przeprowadzonej analizy nie
zapewniają one wymaganych właściwości statycznych i dynamicznych w pełnym zakresie zmian
wielkości występujących w czasie pracy węzłów ciepłowniczych. Chcąc poprawić jakość regulacji
naleŜy zatem poszukiwać innych rozwiązań.
3. BADANIA SYMULACYJNE UKŁADÓW REGULACJI WĘZŁÓW CIEPŁOWNICZYCH
Podstawą do analizy układów sterowania procesami cieplnymi w budynkach jest analityczny opis obejmujący; system urządzeń cieplnych, zjawiska zachodzące wewnątrz i na zewnątrz budynku
spowodowane warunkami meteorologicznymi oraz urządzenia sterujące tymi procesami [2,3,6,7]. Ze
względu na występujące zakłócenia wewnętrzne i zewnętrzne ilość potrzebnego ciepła ulega ciągłym
zmianom. Zadaniem układów sterujących jest zapewnienie odpowiednich zadanych warunków w
ogrzewanych budynkach niezaleŜnie od pojawiających się zakłóceń. Istotne znaczenie na zuŜycie
ciepła ma rodzaj sterowania określony przez odpowiednie algorytmy [6,7]. W celu porównania róŜnych
rozwiązań najkorzystniej jest przeprowadzić badania dla takich samych warunków wejściowych.
Zwykle wykorzystuje się do tego modele symulacyjne zweryfikowane doświadczalnie [2,3,6,7].
Wymagane parametry cieplne instalacji centralnego ogrzewania uzyskiwane są w węzłach ciepłowniczych w wyniku zjawisk przenoszenia zachodzących w wymiennikach ciepła. Do tego celu po-
wszechnie stosowane są przepływowe wymienniki ciepła. Model cyfrowy opisany został w pracy [3],
do analizy przyjęto schemat blokowy pokazany na rysunku 2.
m2,v1
T11
T21
T12
m1,v1
T22
Rys. 2. Schemat blokowy wymiennika ciepła; T11 - temperatura dopływu czynnika grzejnego, T21 - temperatura dopływu
czynnika ogrzewanego, m1 - strumień masy czynnika grzejnego, m2 - strumień masy czynnika ogrzewanego, v1- prędkość
przepływu czynnika grzejnego w wymienniku, v1- prędkość przepływu czynnika ogrzewanego w wymienniku, T12 temperatura odpływu czynnika grzejnego, T22 - temperatura odpływu czynnika ogrzewanego
Schemat wymiennika do opisu dyskretnego pokazano na rys. 3. Został on podzielony na elementarne
objętości o długości ∆x mające jednakowe parametry [3]. Węzły, bądź przyjęte punkty są umieszczone
w środku rozpatrywanego elementu i reprezentują całą objętość. Poszczególne elementarne objętości,
przybliŜają w sposób wystarczający rzeczywisty rozkład parametrów wzdłuŜ wymiennika. Bilans
cieplny jest określany dla kaŜdej elementarnej objętości. W przypadku typowych elementów w
środkowej części wymiennika węzły znajdują się w środku kaŜdego elementu (rys. 3). Skrajne
elementy róŜnią się od środkowych i są o połowę mniejsze. Wynika to z przyjętego modelu wymiany
ciepła. Stąd zachodzi konieczność wyznaczania równań dla elementów skrajnych oraz środkowych.
Parametry czynników w rozpatrywanym dowolnym przekroju obliczane są za pomocą podstawowych
równań wymiany ciepła, natomiast współczynniki wymiany ciepła określane są ze znanych równań
kryterialnych [2,3]. Równania opisujące wymianę ciepła w wymienniku, wyprowadzone zostały z podstawowych zaleŜności bilansowych.
izolacja
ścianka 2
kamień 3
płyn 2
T(7,1) T(7,2)
T(7,3)
T(7,N-1) T(7,N
T(2,1) T(2,2)
T(2,3)
T(2,N-1) T(2,N
kamień 2
ścianka 1
kamień 1
płyn 1
T(5,1) T(5,2)
T(5,3)
T(5,N-1) T(5,N
T(1,1) T(1,2)
T(1,3)
T(1,N-1) T(1,N
∆x/2
∆x
∆x
∆x
∆x
∆x/2
Rys. 3. Schemat wymiennika ciepła przyjęty do modelu cyfrowego
Model numeryczny koncentrycznego wymiennika ciepła opisany jest układem następujących równań
[3]:
–równanie dla płynu 1
dla i=1 i i=N
T1n,i+1 (
+
C1,i
2
A
C
A
1
+ 1,i + 1,i ) = 1,i (T1n,i −1 + T1n,i+−11 − T1n,i ) −
∆τ ∆x
∆x
2
(T1n,i − T5n,i − T5n,i+1 ) + T1n,i ,
(3)
dla i=2,3,...,N-1
A
C
A
1
+ 1,i + 1,i ) = 1,i (T1n,i −1 + T1n,i+−11 − T1n,i ) −
2
2 ∆x
∆τ 2 ∆x
C1,i n
T1n,i
n
n +1
(T1,i − T5,i − T5,i ) +
,
( 4)
+
2
∆τ
T1n,i+1 (
- równanie dla ścianki 1
dla i=1 i i=N
A
C
A
1
+ 5,2i + 3,i ) = 5,i2 (T5n,i −1 − T5n,i ) +
∆τ ∆x
∆x
2
B
C
+ 5,i (T1n,i + T1n,i+1 − T5n,i ) − 5,i (T5n,i − T2n,i − T2n,i+1 ) +
2
2
n
A
T
+ 5,i2 T1n,i+−11 + 5,i ,
(5)
∆x
∆τ
T5n,i+1 (
dla i=2,3,...,N-1
− T5n,i+−11
+ T5n,i++11
B5,i
2
A5,1
2 ∆x
A5,i
2
+ T5n,i+1 (
2 ∆x
2
=
A5,i
2 ∆x
2
A
B
C
1
+ 5,2i + 5,i + 5,i ) −
∆τ ∆x
2
2
(T5n,i −1 − 2T5n,i + T5n,i +1 ) +
(T1n,i − T5n,i + T1n,i+1 ) −
C5,i
2
(T5n,i − T2n,i − T2n,i+1 , (6)
–równanie dla płynu 2
dla i=1 i i=N
A2 ,i n
B
(T2,i +1 + T2n,i++11 − T2n,i ) + 2 ,i (T5n,i + T5n,i+1 − T2n,i ) −
2
∆x
C 2,i n
T2n,i
n
n +1
(T2 ,i − T7 ,i + T2,i ) +
+
=
2
∆τ
A
B
C
1
T2n,i+1 (
+ 2 ,i + 2,i + 2,i ),
( 7)
∆τ ∆x
2
2
dla i=2,3,...,N-1
A2 ,i
B
(T2n,i +1 + T2n,i++11 − T2n,i ) + 2 ,i (T5n,i + T5n,i+1 − T2n,i ) −
2 ∆x
2
C 2,i n
T2n,i
n
n +1
+
=
(T2,i − T7,i + T2 ,i ) +
2
∆τ
A
B
C
1
T2n,i+1 (
+ 2,i + 2,i + 2 ,i ),
(8)
∆τ 2 ∆x
2
2
równanie dla ścianki 2
dla i=1 i i=N
A
C
n + 1 A7,i
1
+ 7,2i + 7,i ) − T
=
∆τ ∆x
2
7, i − 1 ∆x 2
A7,i n
B
(T7,i −1 − T7n,i ) + 7,i (T2n,i + T2n,i+1 − T7n,i ) −
2
∆x
2
Tn
1
+ C7 ,i ( T7n,i − t0 ) + 7 ,i ,
( 9)
∆τ
2
T7n,i+1 (
dla i=2,3,...,N-1
A7,i n +1
A
B
C
1
T + T7n,i+1 (
+ 7,2i + 7,i + 7,i ) −
2 7 ,i −1
2∆x
2
2
∆τ ∆x
A
A
+ T7n,i++11 7,i 2 = 7,i 2 (T7n,i −1 − 2T7n,i + T7n,i +1 ) +
2∆x
2∆x
B7,i n
T7n,i
1 n
n +1
n
(T2,i + T2,i − T7,i ) − C7,i ( T7,i − t0 ) +
.(10)
2
2
∆τ
−
W równaniach (3) do (10) niewiadomymi są T1n,i+1 , T2n,i+1 , T5n,i+1 , T7n,i+1 . Wymiennik ciepła opisany jest
ostatecznie przez n układów równań, które moŜna zapisać w postaci macierzowej
A⋅T=B,
(11)
gdzie A jest macierzą trójdiagonalną, B zaś wektorem.
Schemat blokowy cyfrowego układu regulacji węzła ciepłowniczego oraz zastosowane algorytmy
opisane zostały w pracy [6,8].
Wykorzystując przyjęty opis, opracowano cyfrowy program symulacyjny do badania węzła ciepłowniczego. Przeprowadzono szerokie badania dla róŜnych warunków występujących w czasie sezonu
ciepłowniczego. Jakość regulacji określono na podstawie wyznaczonych charakterystyk skokowych.
Dla kaŜdego badania obliczono błąd średni kwadratowy RMS (ang. Root Mean Square), błąd
procentowy MAPE (ang. Mean Absolute Percentage Error) oraz wariancję [8].
Rys. 4. Regulacja PID (optymalne nastawy regulatora wg metody Zieglera-Nicholsa-Takahashi). Przebieg odpowiedzi
układu regulacji c.o. na zakłócenie spowodowane zmianą wartości zadanej T_220 (badania dla warunków obliczeniowych).
RMS=8,7872, MAPE=8,5792, V(T22)=0,9883
Rys. 5. Regulacja PID (optymalne nastawy regulatora wg metody Zieglera-Nicholsa-Takahashi). Przebieg odpowiedzi
układu regulacji c.o. na zakłócenie spowodowane zmianą przepływu czynnika ogrzewanego v_2 (badania
dla warunków obliczeniowych). RMS=5,4389, MAPE=4,7086, V(T22)=0,9955
Przykładowe wyniki badań symulacyjnych pokazano na rys. 4,5. Pomimo przyjęcia optymalnych
nastaw regulatora, nie udało się uzyskać zadawalających przebiegów. W układzie występują znaczne
wahania wielkości regulowanej.
4. STEROWANIE WĘZŁÓW CIEPŁOWNICZYCH ZA POMOCĄ SIECI NEURONOWYCH
Od dłuŜszego czasu prowadzone są prace nad poprawą jakości regulacji węzłów ciepłowniczych.
Stosowane są równieŜ róŜne rozwiązania niestandardowe np. Honeywell [4,5] zastosował regulator
o nazwie EPID, który miał zapewnić optymalną regulację w szerokim zakresie wyposaŜenia urządzeń
HVAC (Heating Ventilation Air Conditioning) bez konieczności przestawiania nastawa. Zmieniona teŜ
została konstrukcja chłodnic oraz nagrzewnic stosowanych w urządzeniach wentylacyjnych
i klimatyzacyjnych. Wprowadzone zostały nowe konstrukcje szybkich siłowników (elektrycznych
i pneumatycznych). Przeprowadzone badania w rzeczywistych układach nie zapewniały jednak
odpowiednich wyników regulacji i nie dawały optymalnych przebiegów jeśli nie dokonano
przestawienia parametrów nastaw regulatora.
Najnowsze innowacje w systemach regulacji HVAC to zastosowanie sieci neuronowych (ang. Neural
Network). Głównym celem poszukiwanych rozwiązań jest poprawa jakości regulacji w szerokim
zakresie prac urządzeń, bez konieczności nadzorowania tych układów oraz dokonywania niezbędnych
ustawień. Praca sieci neuronowych powinna mieć charakter bezobsługowy, co jest waŜne w systemach
ciepłowniczych zasilających znaczne aglomeracje miejskie.
Cechą charakterystyczną sieci neuronowych jest poprawa efektów działania wraz z upływem czasu
pracy. Oznacza to, Ŝe na skutek działania adaptacyjnego uzyskuje się optymalną regulację danego procesu. Efektem tego jest oszczędność energii uzyskana w czasie eksploatacji budynku. Ma to
bezpośredni związek z kosztami ponoszonymi przez uŜytkowników danych obiektów. Niewątpliwą
zaletą sieci neuronowych jest adaptacja do zmieniających się warunków pracy. Jeśli na przykład
zmianie ulegnie przeznaczenie budynku to po niedługim czasie sieć nauczy się nowych warunków bez
Ŝadnych dodatkowych działań zewnętrznych.
Przewiduje się, Ŝe w najbliŜszej przyszłości dotychczasowe regulatory zostaną zastąpione przez sieci
neuronowe.
Sieci neuronowe są szczególnie zalecane w układach sterowania adaptacyjnego o zmiennych w czasie
właściwościach, oprócz tego są zalecane w przypadkach, kiedy trudno jest określić dokładny algorytm
działania lub teŜ dokładnie opisać dany proces. Często teŜ opis podlegający sterowaniu moŜe być
zmieniany lub modyfikowany. Takie właśnie przypadki występują w obiektach cieplnych, gdyŜ mają
one
właściwości
nieliniowe
o
bardzo
duŜym
zakresie
zmienności
parametrów.
Sieć neuronowa moŜe przewidywać przyszłą wartość wyjścia sterującego dla dowolnych wielkości wejściowych. Nie jest waŜne z jakim obiektem mamy do czynienia, a więc liniowym czy nieliniowym,
statycznym czy astatycznym. Znajdowanie przyszłych wielkości sterujących, jest szalenie efektowne w
sieciach neuronowych. To jest znakomite, Ŝe przy uŜyciu tego samego algorytmu do nauczania sieci
przywołuje się poprzednie wartości. Wyjście sieci jest traktowane jako jedna z wag i jest uwzględniane
i modyfikowane.
Schemat sieci neuronowej przyjętej do sterowania węzłów ciepłowniczych pokazano na rys. 6.
Zgodnie z podanymi zaleceniami, jest to sieć wielowarstwowa jednokierunkowa.
T11
neuron
T12
neuron
neuron
neuron
T22
neuron
T21
neuron
neuron
T220
hz(T22)
T12max
x
neuron
hz(T12)
neuron
hzp
neuron
warstwa
wejściowa
neuron
neuron
pierwsza
warstwa
ukryta
n-ta
warstwa
ukryta
warstwa
wyjściowa
Rys. 6. Schemat sieci neuronowej do sterowania węzłów ciepłowniczych
Wielkościami wejściowymi sieci są:
− temperatura czynnika grzejnego dopływającego do wymiennika T11,
− temperatura czynnika grzejnego wypływającego z wymiennika T12,
− temperatura czynnika ogrzewanego wypływającego z wymiennika T22,
− temperatura czynnika ogrzewanego dopływającego do wymiennika T21,
− zadana wartość temperatury czynnika ogrzewanego wypływającego z wymiennika T220,
− dopuszczalna maksymalna temperatura czynnika grzejnego wypływającego z wymiennika T12max,
− strumień czynnika grzejnego przepływającego przez wymiennik m& s ,
− połoŜenie grzybka zaworu regulacyjnego hzp (określone na podstawie pomiaru sygnału zwrotnego z
siłownika).
Wielkością wyjściową sieci jest wymagane połoŜenie zaworu zapewniające zadaną wartość wielkości
regulowanej.
A więc zadaniem sieci jest poszukiwanie korelacji pomiędzy wielkościami wejściowymi a wielkością
wyjściową. W czasie działania układu następuje ciągłe douczanie sieci, które polega na dodawaniu do
pamięci kolejnego zestawu prawidłowo skojarzonych wielkości zapewniających równość wielkości
regulowanej i wartości zadanej.
Po włączeniu regulatora neuronowego następuje identyfikacja układu. Na początku działania układu,
wielkość regulowana T22 zwykle róŜni się od wartości zadanej T220. Po ustaleniu się nowych warunków
równowagi dodawane są nowe próbki do uczenia sieci. NaleŜy zaznaczyć, Ŝe nie jest sprawdzane czy
wymaga wartość T22 jest równa wartości zadanej T220, a więc w sensie sposobu sterownia układ jest
otwarty. Gwarancją na to, Ŝe układ osiągnie zadaną wartość jest jego identyfikacja. W miarę upływu
czasu osiąga się coraz lepsze rezultaty. Sieć ma maksymalnie n próbek uczących, jeśli po pewnym
okresie czasu pojawi się n+1 próbka, to któraś z istniejących, zostaje usunięta.
Działanie sieci neuronowej zaleŜy od pewnych wielkości, które naleŜy określić w czasie
przeprowadzania badań testujących. W przypadku konkretnego układu znana jest zwykle ilość
neuronów
w
warstwie
wejściowej
i
wyjściowej.
NaleŜy zatem określić liczbę warstw ukrytych oraz ilość neuronów w tych warstwach. Dokonywane to
jest drogą kolejnych eksperymentów. Im mniejsza jest liczba neuronów w warstwie ukrytej tym sieć się
szybciej uczy. Z drugiej jednak strony wpływa to na dokładność działania sieci. Kolejną wielkością
jest współczynnik β [5,6] występujący w funkcji aktywacji neuronu. Ma on wpływ na stromość funkcji
aktywacji, a więc decyduje o tym, kiedy nastąpi zapłon neuronu wyjściowego.
Ilość próbek uczących ma teŜ wpływ na działanie sieci. Im więcej jest tych próbek tym lepiej, ale do
pewnego progu, gdyŜ dalsze zwiększanie nie przynosi juŜ znaczących korzyści.
W algorytmie programu numerycznego regulatora przyjęto wiele parametrów, najwaŜniejsze z nich to
[4]:
− wielkość warstwy ukrytej,
− ilość próbek uczących,
− zastępowanie próbek,
− maksymalna ilość iteracji,
− algorytm uczenia,
− czas sprawdzania stabilności,
− próg ustalania temperatury,
− próg ustalania przepływu,
− próg zmian temperatury,
− próg zmian przepływu,
− czas ustalania,
− tolerancja błędu regulatora.
Parametry te określają działanie regulatora neuronowego przeznaczonego do sterowania węzłami ciepłowniczymi. Aby nie zaciemniać jego obrazu pominięto niektóre funkcje, które w nim przyjęto,
mające jednak istotny wpływ na jakość regulacji. Ogólnie określono je jako tzw. detekcje.
Ostateczne rozwiązanie regulatora neuronowego zawiera dwie sieci, jedna steruje temperaturą T22,
druga T12 max. Na wejściu tych sieci znajdują się odpowiednio wielkości; T22, T20, T11, T21, m& i oraz
T12, T12 max, T11, T21, m& i . Na wyjściu w obu przypadkach jest h. W danej chwili działa tylko jedna sieć,
program wybiera, które wielkości śledzić, T12, T12 max czy T22, T220. Algorytm działania jest następujący.
Jeśli układ znajduje się w trybie regulacji T22 i T12 jest większe od T12 max (z pewną wartością progową)
oraz T22 jest równe T220 (z załoŜoną dokładnością), to znaczy, Ŝe T12 jest przekroczone i trzeba się
przełączyć w tryb regulacji T12. Jeśli natomiast układ jest w trybie regulacji T12 i T22 jest większe od
T220, to trzeba się przełączyć z powrotem do trybu regulacji T22. Ma to taki sens, Ŝe w normalnych
warunkach trzeba dłuŜej sterować ograniczeniem T12 jeśli T22 jest juŜ większe od T220. Normalnie
bowiem
T12
spowoduje,
Ŝe
T22
obniŜy
się
poniŜej
wymaganej
wartości.
Zarówno w czasie badań symulacyjnych jak i w czasie sterowania układami rzeczywistymi istnieje
moŜliwość zapamiętywania wag sieci do plików, które następnie moŜna wykorzystać do kolejnego
uruchamiania układu. W danych wejściowych do badania układu regulacji moŜna nastawiać wszystkie
wielkości dotyczące sterowanego procesu (obiekt regulacji, urządzenia wykonawcze, elementy
pomiarowe, regulator i inne).
W celu dokonania oceny jakości regulacji węzła ciepłowniczego z regulatorem neuronowym,
przeprowadzono badania symulacyjne, podobne jak w przypadku rozwiązań dotychczasowych
wykorzystujących
standardowe
algorytmy
(rys.
7,8).
Analizując przeprowadzone badania, naleŜy stwierdzić, Ŝe w przypadku zastosowania regulatora
neuronowego końcową wartość przebiegu uzyskiwano w wyniku jedynie dwukrotnego przestawienia
zaworu regulacyjnego. Wszystkie typowe wskaźniki regulacji były zdecydowanie lepsze aniŜeli w
układach z regulatorami tradycyjnymi. Uzyskano ponad 100% poprawę jakości regulacji.
Rys. 7. Regulacja NN. Przebieg odpowiedzi układu regulacji c.o. na zakłócenie spowodowane zmianą wartości zadanej
T_220 (badania dla warunków obliczeniowych). RMS=2,7152, MAPE=1,7748, V(T22)=0,9980
Rys. 8. Regulacja NN. Przebieg odpowiedzi układu regulacji c.o. na zakłócenie spowodowane zmianą przepływu czynnika
ogrzewanego v_2 (badania dla warunków obliczeniowych). RMS=1,9824, MAPE=1,6127, V(T22)=0,9994
5. DOŚWIADCZALNA WERYFIKACJA NEURONOWEGO MODELU REGULATORA
Cechą charakterystyczną sieci neuronowych stosowanych w sterowaniu procesów dynamicznych jest
konieczność ciągłego douczania. W przypadku badań symulacyjnych, czas uczenia sieci nie ma
większego znaczenia, gdyŜ wtedy nie ma konieczności sterowania procesem. W układzie rzeczywistym
nie moŜna przyjąć takiego rozwiązania, gdyŜ jakość takiego sterowania byłaby nie do przyjęcia.
NaleŜy zatem opracować model sieci neuronowej pracującej w czasie rzeczywistym oraz przeprowadzić
jego weryfikację na podstawie badań doświadczalnych. Wymaga to zastosowania odpowiedniego
systemu komputerowego, który zapewniłby moŜliwość realizowania własnych aplikacji softwarowych.
Do badań wykorzystany został system IOtech (USA).
W ostatecznym rozwiązaniu regulatora neuronowego, algorytm podzielony został na dwa procesy,
jeden uczący sieć, działający niejako w tle, z niskim priorytetem, oraz drugi, odpowiadający za
sterowanie, działający w czasie rzeczywistym, czytający dane wejściowe w regularnych odstępach
czasu (w danym przypadku co 0,1 sekundy) i w takich samych odstępach aktualizujący połoŜenie
zaworu regulacyjnego. W układach z regulatorami typu PI i PID czas ten wynosi kilka sekund.
Rys. 9. Regulacja PID; przebieg procesu regulacji węzła ciepłowniczego centralnego ogrzewania w układzie rzeczywistym,
RMS=5,4795, MAPE=5,1461, V(T22)=0,9955
Wyniki badań układu regulacji PID, węzła ciepłowniczego w układzie rzeczywistym pokazano na
rys. 9. Otrzymane wskaźniki regulacji świadczą o niezadawalającej jakości regulacji, występują
znaczne oscylacje wielkości regulowanej oraz duŜe odchyłki dynamiczne. Niekorzystne jest równieŜ
działanie zaworu regulacyjnego powodujące ciągła zmianę połoŜenia grzybka. Efektem takiego
działania jest na ogół uszkodzenie siłownika.
Wyniki badań regulatora neuronowego dla warunków rzeczywistych pokazano na rys. 10. Analizując
wyniki badań pokazane na załączonych wykresach moŜna stwierdzić, Ŝe układ w pełni realizuje
przyjęty algorytm. Jakość regulacji jest bardzo dobra (wartości błędu średniokwadratowego RMS,
błędu MAPE i wariancję V(T22), podano pod załączonymi wykresami), jeśli nie jest przekroczona
temperatura T12max, regulowana wielkość temperatury T22 jest równa wartości zadanej T220, obie linie są
pokazane na wykresach; T220 oraz T22 pokrywają się ze sobą, nie występują Ŝadne oscylacje ani
odchylenia od wartości zadanej, pomimo róŜnych zakłóceń pojawiających się w układzie. Jeśli
natomiast przekroczona jest wartość T12max, układ przestawia się w drugi tryb pracy i utrzymuje T12 na
poziomie T12max, gdyŜ wtedy oczywiście wielkość T22 będzie miało najkorzystniejszą wartość, jaką w
danej sytuacji moŜna uzyskać.
Rys. 10. Regulacja NN; przebieg procesu regulacji węzła ciepłowniczego centralnego ogrzewania dla danych wejściowych z
pomiarów rzeczywistych, dla 10 godzin badań, RMS=0,0581, MAPE=0,0675, V(T22)=0,9999
Opracowany algorytm sieci neuronowej moŜna z powodzeniem stosować do sterowania rzeczywistych
węzłów ciepłowniczych centralnego ogrzewania i ciepłej wody uŜytkowej. WdroŜenie regulatora neuronowego stanowić będzie znaczny postęp w dziedzinie sterowania węzłów ciepłowniczych dość powszechnie stosowanych w systemach zasilanych ze scentralizowanych źródeł ciepła.
6. PODSUMOWANIE
Korzyści wynikające z zastosowania sieci neuronowych do sterowania węzłów ciepłowniczych są bardzo szerokie i obejmują między innymi:
− zmniejszenie zuŜycia energii,
− poprawę komfortu cieplnego,
− zwiększenie Ŝywotności urządzeń na skutek znacznego ograniczenia czasu ich pracy,
− ponad 100% poprawę jakości regulacji w szerokim zakresie prac urządzeń, bez konieczności nadzorowania pracy tych układów oraz dokonywania niezbędnych ustawień,
− adaptację do zmiennych warunków występujących w tych procesach,
− zmniejszenie, a nawet wyeliminowanie przeregulowania oraz zmniejszenie czasu regulacji.
Zastosowanie regulatora neuronowego stanowić będzie znaczący postęp w dziedzinie sterowania węzłów ciepłowniczych.
LITERATURA
[1] Chmielnicki W. J.: Regulacja automatyczna urządzeń ciepłowniczych. Poradnik. Wydawnictwo
Techniczne, Warszawa 2006.
[2] Chmielnicki W. J.: Sterowanie mocą w systemach zasilanych z centralnych źródeł ciepła. PAN,
Warszawa 1996.
[3] Chmielnicki W. J.: Model of flow-through heat exchanger for heating systems. Arch. Civ. Eng.,
XLIV, 2, Warszawa 1998.
[4] Chmielnicki W. J.: Sterowanie mocą cieplną w budynkach na potrzeby ciepłownicze z
wykorzystaniem sieci neuronowych, Raport KBN, Projekt badawczy Nr 7 T07E 001 14,
Warszawa 2001.
[5] Chmielnicki W. J.: Sieci neuronowe zastosowanie do sterowania węzłów ciepłowniczych w
budynkach, Raport KBN, Projekt badawczy Nr 5 T07E 063 22, Warszawa 2005.
[6] Chmielnicki W. J. : Model of transient heat exchange in a heated building. Arch. Civ. Eng.,
XLVIII, 2, Warszawa 2002.
[7] Chmielnicki W. J. : Transient heat exchange in heated buildings. Simulation and experimental
investigation Arch. Civ. Eng., XLVIII, 3, Warszawa 2002.
[8] Chmielnicki W. J. : Energy Management of District Heating in Buidings. Rynek Energii 2010 nr
5(90).
[9] Curtis P.S.: Examples of Neural Networks Used for Building System Control and Energy
Management, ASHRAE Transactions 1998 part 2, volume 104.
[10] De Wilde P.: Neural network models theory and projects, Springer–Verlag, Berlin 1997.
[11] Grabowski M.: Neuronowy regulator spalania węgla w kotle wodnym WR 15. Rynek Energii 2010
nr 5(90).
[12] Irwin G.W., Warwick K., Hunt K.J.: Neural network applications in control, Inst. Of Electrical
Engineers, London1995.
[13] Jeannete E., Curtis P.S., Assawamartbunlue, Kreider J.F.: Experimental Results of a Predictive
Neural Network HVAC Controller, ASHRAE Transactions 1998 part 2, volume 104.
[14] Lichota J.: Artificjal Neural Networks Application to Optimization of Heat-Only Boiler Control.
Rynek Energii 2009 nr 4(83).
[15] Masters T.: Practical neural network recipes in C++.Copyright 1993 by Academic Press, Inc.
[16] Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna Wydaw. PW, Warszawa 2000.
ALGORITHMS USING NEURAL NETWORKS FOR HEAT DISTRIBUTION CENTERS
CONTROL
Key words: district heating, heating, automatic control engineering, neural networks, computer science
Summary. Regulation and control of thermal processes in buildings has a large influence on the heat consumption for
heating purposes. Applied solution so far uses standard algorithms like proportional–derivative or proportional–integrating–
derivative. The disadvantage of these solutions is the need for constant supervision of qualified technical services. Character
of thermal processes is the variation of dynamic parameters with the change of temperature factors of heat exchanging. In
order to ensure proper control quality it is necessary to change the parameters of the controller system. Persons exercising
supervision over district heating systems are not adequately prepared for such actions. The result of that are often unstable
heat distribution centers, and a substantial deterioration in the quality of control. This has a direct impact on the heat
consumption and the durability of control devices.
In this paper a new, not used yet dynamic process control solutions of heating systems, using artificial neural networks has
been presented. The developed neural network algorithm, and conducted research shows that the quality of control is
significantly better than for the case of conventional controllers. This has also a major impact on saving energy on heating
purposes in buildings.
Witold J. Chmielnicki, prof. nzw. dr hab. inŜ. Politechnika Warszawska, Wydział InŜynierii
Środowiska. Specjalność naukowa: Ciepłownictwo, Ogrzewnictwo, Wentylacja. Jest autorem wielu
publikacji i
prac badawczych z zakresu regulacji automatycznej i sterowania procesami
ciepłowniczymi. Wykonane i wdroŜone opracowania przyczyniły się do znacznych oszczędności
energii w budynkach.