Разработка математических моделей для оптимизации параметров оборудования и режимов работы ТЭС

Рассмотрены общие подходы к построению нечетких моделей и использованию нейронных сетей для моделирования сложных слабоформализуемых систем. Нейронечеткие модели реализуют положительные свойства нейронных сетей и нечетких систем. Предложены логико-лингвистические и TSK-модели для моделирования прогнозирования спроса на электроэнергию. В рассмотренных примерах моделирования реальных объектов удалось добиться ошибки прогнозирования выходных сигналов менее 3%, что позволяет признать примененные методы и подходы удовлетворительными с точки зрения точности и адекватности. Современные условия эксплуатации оборудования электростанций в переменных режимах и связанные с ними изменения их технического состояния во времени выдвинули на передний план ряд нерешенных вопросов в области формирования моделей принятия решений и распознавания состояний на основе диагностики энергоустановок с использованием нечеткой информации для идентификации их состояния и управления процессами восстановления заданных характеристик. Поставленная динамическая задача оптимального управления имеет ряд отличий от традиционных задач оптимального распределения: между генерирующими энергоблоками распределяется не текущая нагрузка, а выработка электроэнергии в процессе изменения нагрузки станции; необходимо одновременно обеспечивать два баланса - по конечной мощности и выработке электроэнергии станции в период изменения нагрузки. Работоспособность предложенного алгоритма оптимального распределения нагрузки проиллюстрирована на примере виртуальной ТЭС мощностью 1000 МВт, состоящей из четырех энергоблоков.