На базе конвертированных авиационных двигателей зачастую создают газотурбинные электростанции. Чтобы повысить качество выработки электроэнергии, специалисты проводят моделирование систем электроснабжения, используя классические модели. Но они действуют недостаточно быстро, и поэтому тестировать с их помощью различные алгоритмы управления неудобно и долго. Ученые Пермского Политеха предложили использовать для этого предварительно обученные искусственные нейросети. Разработка выполнена в рамках Программы стратегического академического лидерства «Приоритет-2030».
Исследователи создали программно-моделирующий комплекс «Нейродин», который позволяет получать нейросетевые математические модели газотурбинных электростанций. Его использование для моделирования сложных технологических систем поможет заменить иностранные аналоги, например, MATLAB-Simulink, считают ученые.
Результаты исследования они представили в журнале IOP Conference Series: Earth and Environmental Science.
– Система автоматического управления позволяет повысить качество выработки электроэнергии, которую получают потребители. Используя модели, можно создать алгоритмы управления газотурбинными электростанциями и провести их компьютерные испытания. Наиболее критические режимы работы, которые могут возникнуть в процессе использования электростанции, затруднительно или невозможно воспроизвести в реальных условиях или на испытательном стенде. Для этого используют полунатурный стенд с математической моделью, которая «воссоздает» поведение электрической системы, – поясняет один из разработчиков, старший преподаватель кафедры «Электротехника и электромеханика» Пермского Политеха Григорий Килин.
По словам ученых, построить модель электрической системы довольно сложно, так как она включает большое количество взаимодействующих элементов. Из-за этого невозможно проводить компьютерные испытания быстро. Пермские исследователи нашли способ упростить модель, чтобы ускорить ее работу и повысить качество выработки электроэнергии.
– Мы предложили создавать для основных характерных режимов работы газотурбинной электростанции ряд быстродействующих нейросетевых моделей, воспроизводящих их с требуемой степенью адекватности. С их помощью можно быстрее тестировать работу алгоритмов автоматического управления. Модели мы разработали с помощью специально сконструированной искусственной нейронной сети. При этом для ее создания мы разработали оригинальную методику, которая позволяет выбирать рациональную архитектуру и гиперпараметры сети, нацеленные на решаемую задачу. Это тоже один из важных результатов наших исследований, – рассказывает научный руководитель разработчика, заведующий кафедрой «Электротехника и электромеханика» Пермского Политеха, ведущий научный сотрудник Центра аддитивных технологий центра коллективного пользования, доктор технических наук, доцент Борис Кавалеров.
Ученые Пермского Политеха разработали матмодель, включающую различных потребителей электроэнергии. По мнению исследователей, именно они определяют характер воздействия со стороны электрической системы на систему автоматического управления газотурбинной установкой. Необходимо также учитывать важные параметры в узлах нагрузки сети электроснабжения.
Исследование показало, что упрощенные модели на основе искусственных нейросетей работают корректно. Они могут быстро функционировать в составе полунатурных стендов в реальном времени. Предварительно обученные нейросети позволяют повысить точность моделей и качество электроэнергии для потребителя.
Для справки
Пермский Политех стал обладателем гранта «Приоритет 2030» в 2021 году. Его размер составил 100 млн рублей. «Приоритет 2030» является самой масштабной в истории России программой государственной поддержки и развития высших учебных заведений. Ее цель — формирование к 2030 году в России более 100 прогрессивных современных университетов, которые станут центрами научно-технологического и социально-экономического развития страны. Всего комиссия Минобрнауки РФ включила в программу «Приоритет 2030» 106 вузов из 49 городов страны, из них 60 % — региональные университеты.
Текст: Антон Свитек