Krátké zastavení u hlavních tezí Poznat Řídit Zlepšit

Krátké zastavení u hlavních tezí Poznat → Řídit → Zlepšit Ing. Jiří Pliska Setkání jaderných elektráren, Hrotovice 2016

ZNÁT S VĚTŠÍ PŘESNOSTÍ VŠECHNY OKOLNOSTI -> LÉPE ŘÍDIT-> ZVÝŠIT VÝKON

JAKÝ JE NÁŠ CÍL? CO CHCEME!  Zvýšit důvěru v data  Včas dodat pravdivé informace a hodnocení provozu  Poskytnout (on-line) podporu = Monitorování = Supervize & Diagnostika = Optimalizace = Plánování = Zvýšit výkon provozovatele

PowerOPTI – Supervize & Diagnostika & Optimalizace & Predikce tepelného cyklu elektráren a tepláren

2

ZÁKLAD “VŠEHO“ = ZVÝŠENÍ DŮVĚRY V DATA  PROČ? ÚČEL  Pracovat se správnými a přesnými hodnotami veličin  (Včasná detekce a identifikace chyb měření)  JAK TOHO DOSAHUJEME? POUŽITÁ METODA  Vyrovnání naměřených dat (Data Reconciliation & Gross Error Detection)  Využití všech informací obsažených v měření, tj. nejen hodnoty vlastní veličiny, ale i vztahů s hodnotami “okolních veličin“)  (Grafické zadání vztahů = (validačního) modelu)  CO JE TO VYROVNÁNÍ MĚŘENÍ? HLAVNÍ MYŠLENKA, PŘEDPOKLADY  Platí přírodní zákony (zákony zachování … a další)  Hodnoty měření jsou náhodné veličiny (dobře popsatelné normálním rozdělením  Hodnoty měření všech veličin by měly být ve vzájemném souladu = vyhovovat přírodním zákonům = vyhovovat (validačnímu) modelu (topologická redundance měření) PowerOPTI – Supervize & Diagnostika & Optimalizace & Predikce tepelného cyklu elektráren a tepláren

3

VYROVNÁNÍ DAT = ZVÝŠIT DŮVĚRU V DATA E

E

Zachování hmoty

Zachování energie Vstup elektrické energie

Výstup hmoty

Výstup elektrické e.

Vstup kinetické energie

Akumulace

Výstup mechanické práce

PG

Vstup CHV

Mokrá pára

Sytá pára Vstup tepelné energie

DEMI

Elektrická en

Ztráty hmoty

Ztráty energie

Akumulace

Vstup entalpie

Uzel zařízení, část zařízení několik zařízení, blok

TG NV

HK_P

Teplo

HK_V

Teplárenství

Kondenzát


Vstup CHV

Vstup hmoty

Uzel zařízení, část zařízení několik zařízení, blok

Výstup entalpie

4

VYROVNÁNÍ DAT = ZVÝŠIT DŮVĚRU V DATA Měření tlaku

Měření teploty

Měření hladiny

E

Energetický tok

Měření el. veličiny

Tepelný výkon R 1. bloku

Tepelný výkon R 2. bloku

Q

Q

PG1,2,3,4,5,6_P

PG1,2,3,4,5,6_P

Odluh, odkal

Měření průtoku

6. 4.

6. 4. Pracovní cyklus TG 11

Pracovní cyklus TG 12 E

6. 4. Pracovní cyklus TG 22

Pracovní cyklus TG 21 E TG + SPP + NTO + NN + VTO

E TG + SPP + NTO + NN + VTO

DEMI voda

TG + SPP + NTO + NN + VTO

DEMI voda

TG + SPP + NTO + NN + VTO

Elektrický výkon na svorkách G E

6. 4.

HK1_P

HK2_P

HK1_P

HK2_P

HK1_P

HK2_P

HK1_P

HK2_P

HK1_V

HK2_V

HK1_V

HK2_V

HK1_V

HK2_V

HK1_V

HK2_V

Větev I Větev II

% E

BQDV BQDV BQDV BQDV

E %


% E

E %

5

VYROVNÁNÍ DAT = ZVÝŠIT DŮVĚRU V DATA Chlazení + Ztráty – CR Vstup

El. příkon – Zráty

Reaktor

E

DP

E

E

E E

HCČ2

DP

HCČ4

DP

HCČ6

DP

Frekvence sítě Fr.s

PG2_V

PG4_V

Q_PG2

Frekvence sítě

Ex-core Měření neutronů Tok

Tok

Tok

Tok

Tok

Q_PG4

HCČ5

DP

E

HCČ3

DP

E

HCČ1

DP

Fr.s

Tok

PG6_V

PG5_V

Q_PG6

PG3_V

Q_PG5

PG1_V

Q_PG3

Q_PG1

PG2_P

PG4_P

PG6_P

PG5_P

PG3_P

PG1_P

XF

XF

XF

XF

XF

XF

Odluhy Odkaly

Hlavní napájecí kolektor

Odkaly

Odluhy

E

Kompenzátor objemu

El. příkon – Ztráty

Q_Reaktor

Q_HPK

Hlavní parní kolektor

XV

TG2

XV

XV

TG1

XV


6

VYROVNÁNÍ DAT = OPTIMALIZAČNÍ ÚLOHA  OPTIMALIZAČNÍ PROBLÉM S PODMÍNKOU  Předpoklad = Každé měření je náhodná veličina s normálním rozdělením)

Správná  Naměřená  Chyba

0.6 0.4

 Úkol je nalézt minimum výrazu

0.2 0

(Měřená i Vyrovnaná i ) Q  2  i i 2

-3

-2

-1

0

1

2

3

 Za splnění podmínky = „Objective Function“

F(Měřená , Neměřená, Konst ) 0  A posteriori kontrola splnění předpokladu

0.20 Degree of Freedom = 4 0.15

Q  r2,95%

0.10

(globální test, individuální test)

0.00

Degree of Freedom = 16 Degree of Freedom = 32

0.05


0.0

15.0

30.0

45.0

60.0

7

VYROVNÁNÍ DAT = WORKFLOW Vyrovnané hodnoty

NE

Naměřené hodnoty

Přítomnost hrubé chyby ?

ANO

Vyrovnání dat

Eliminace hrubé hyby

Model


8

JAKÝ UŽITEK PŘINÁŠÍ VYROVNÁNÍ DAT?  UŽITEK PŘÍMÝ  Detekce (hrubých) chyb měření a jejich identifikace  Zvýšení správnosti dat  Dopočet hodnot neměřených veličin (včetně směrodatné odchylky)  (Optimalizace systému měření)  Supervize zařízení; úniky + další, pokud v modelu jsou rovnice popisující vlastnosti  Supervize konfigurace; model neodpovídá předpokládané konfiguraci  UŽITEK NEPŘÍMÝ  Při analýze na nic nezapomeneme  Pronikneme hlouběji do struktury technologie a podstaty procesů  Uvědomujeme si lépe souvislosti  …


9

DALŠÍ DŮLEŽITÝ KROK = MODELY  HLAVNÍ DĚLENÍ MODELŮ  Vytvořených na základě fyzikálních zákonů (= Theory based modelling)  Vytvořených pomocí dat (= Data based modelling)  DATA DRIVEN MODELS = MODELY ŘÍZENÉ DATY (Zařízení musí existovat)  Systémová analýza; určení vstupů a výstupu, pravidlo – výstup nesmí ovlivňovat vstup  Použití validovaných a dopočtených dat; důležitý je návrh experimentu  Regresní analýza; příprava dat (odlehlé hodnoty, heteroskedasticita, multikolinearita, autokorelace), regresní triplet, modely lineární v koeficientech (výhody?)  PŘÍKLADY MODELŮ  Výměník  Kondenzátor, chladicí věž  Turbína  Blok


10

SYSTÉMOVÁ ANALÝZA PŘED NÁVRHEM MODELU

Požadavek na nezávislost vstupů (multikolinearita)

Vlivy (neznámé nebo nezahrnuté vstupy)

Zařízení Skupina zařízení Blok

Pozor na zpětnou vazbu


11

PŘÍKLADY POUŽITÍ MODELŮ V INŽENÝRSKÝCH ÚLOHÁCH  MODELY PRO SUPERVIZI & DIAGNOSTIKU  Porovnání skutečnosti s očekáváním Prediktivní model zařízení/KPI

Prediktivní model

Vyrovnané hodnoty

Validační model/ úloha

Porovnání (Trigger)

Detekce anomálie

KPI z vyrovnaných hodnot

 MODELY PRO OPTIMALIZACI  Hledání nastavení vlastností/vstupů při kterých se dosáhne extrému kriteria  MODELY PRO PLÁNOVÁNÍ  Jaký bude výstup, kdy bude tento vstup/vstupy


12

CO ŘÍCI ZÁVĚREM?  HLAVNÍ PŘÍNOS VYROVNÁNÍ DAT  Velmi robustní metoda (pokud budou platit přírodní zákony!)  Nic se nesmí zanedbat  Měření je pod neustálou kontrolou  Vytvořených pomocí dat (= Data based modelling)  “NEVÝHODY“ VYROVNÁNÍ DAT  Měření musí být v pořádku  HLAVNÍ PŘÍNOS MODELŮ  Velmi přesný popis chování zařízení a cyklu  BLÍZKÁ BUDOUCNOST ROZVOJE MODELŮ  Sestavení kompletních tepelných (pracovních) cyklů z dílčích sub-modelů; očekáváme vysokou přesnost


13

CO TO PŘINESE? KDYŽ PROVOZOVATEL BUDE MÍT SOFISTIKOVANOU!

STRATEGII

DIAGNOSTIKU PREVENCI

Ve světle těchto cílů, jaké místo mají nástroje jako je PowerOPTI


14

Děkuji za pozornost Jiří Pliska T +420 602 723 934 E [email protected]

adresa: Pražská 684/49, Třebíč

Krátké zastavení u hlavních tezí Poznat Řídit Zlepšit

Recommend Documents