Одним из этапов испытаний газотурбинной электростанции является настройка систем автоматического управления газотурбинного двигателя. Это трудоёмкий процесс, который удалось упростить ученым из Пермского Политеха. Используя модельно-ориентированный подход и нейросетевые математические модели, специалисты значительно сократили время, затрачиваемое на настройку системы автоматического управления.
Результаты исследования опубликованы в журнале «AIP Conference Proceedings 2022». Разработка выполнена в рамках программы академического стратегического лидерства «Приоритет-2030».
В рамках работы по стенду для автоматизации испытаний были получены нейросетевые математические модели, учитывающие различные схемы и режимные ситуации функционирования энергосистемы.
Стенд для автоматизации испытаний систем управления электроэнергетическими газотурбинными установками с использованием нейросетевых моделей представляет собой многоэтапную систему, которая позволяет получить не только многорежимную, но и многосхемную математическую модель газотурбинной электростанции. Математическая модель политехников воспроизводит все процессы быстро и позволяет на ее основе настраивать параметры регуляторов системы управления.
— Настройка параметров регулятора системы управления в начале производится при компьютерных испытаниях, а уже затем на полунатурных и полнонатурных испытательных стендах. Проектные модели применяются на этапах компьютерных и полунатурных испытаний для имитации поведения установки при разнообразных режимах в электрической системе и характерных возмущениях со стороны потребителей электрической мощности. При выявлении недостаточной точности моделирования математическая модель газотурбинной электростанции возвращается для уточнения и возможного дообучения, — отметил старший преподаватель кафедры «Электротехника и электромеханика» Григорий Килин.
— Использование нейросетевой математической модели в составе испытательного стенда позволяет значительно упростить процедуру испытаний, так как исключается непосредственная эксплуатация реального объекта и все связанные с ним человеческие и материальные затраты. Математическая модель должна воспроизводить все характерные режимы работы технологического объекта и быть достаточно быстрорешаемой, чтобы использовать ее для настройки регуляторов САУ. Использование теории нейронных сетей позволяет значительно упростить процедуру получения таких математических моделей, — сообщает 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.
По словам ученых, данная нейронная сеть открывает дополнительные перспективы и позволяет получить универсальную нейросетевую математическую модель энергосистемы, что должно значительно упростить процедуру испытаний.
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.