algorytmy wykorzystujące sieci neuronowe do
Transkrypt
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.