Разработка технологии автоматизации систем управления технологическими процессами сжигания топлива на теплоэлектростанциях методами машинного обучения.

Проект посвящен разработке современных методов идентификации режимов горения и определения энергоэффективных и экологичных режимов сжигания топлива на угольных и газовых теплоэлектростанциях и котельных. Идентификацию режимов горения и выявление неблагоприятных эффектов предполагается осуществлять на основе методики выделения признаков с использованием свёрточных нейронных сетей. Апробацию технологии и формирование корпуса данных для обучения сети планируется осуществлять с использованием полупромышленных огневых установок с тепловой мощностью порядка 5 МВт, позволяющих в широком диапазоне варьировать параметры сжигания топлива и, соответственно, реализовывать различные режимы горения. Для обучения сети предполагается реализовать как стандартный метод обучения на маркированных данных так и провести поисковую работу для создания модели обучения без учителя на типовых картинах визуализации факела. Определение энергоэффективных и экологичных режимов сжигания топлива и поддержания выбранного режима путем подстройки передаточных коэффициентов. Среди таких параметров – соотношение топливо/воздух, уровень разрежения в топке, расход топлива, температура воздуха перед горелкой и уходящих газов, температура термонагруженных поверхностей, и др. Для решения задачи многопараметрической оптимизации работы топочного устройства котлоагрегата в проекте предлагается использовать современные алгоритмы машинного обучения, применение которых для оптимизации сложных систем получило в последние годы широкое распространение. Оптимизируемым параметром может быть полнота сгорания топлива, температура уходящих газов, количество одной из оставляющих вредных выбросов (NOx, CO, SO2) или комбинация таких параметров. Для решения описанной задачи более перспективным решением выглядит использование простой рекуррентной нейронной сети с запоминанием последовательностей предыдущих состояний, позволяющей осуществлять обучение сети и подстройку параметров в режиме «on-line».