Интеллектуальная система поддержки принятия решений по управлению турбопитательными насосами Калининской АЭС

20.09.2024 2024 - №03 Моделирование процессов в объектах ядерной энергетики

В.А. Горбунов Н.А. Лоншаков С.С. Теплякова М.Н. Мечтаева П.А. Минеев

https://doi.org/10.26583/npe.2024.3.10

Представлены результаты создания интеллектуальной системы поддержки принятия решений по анализу качества эксплуатации турбопитательных насосов Калининской АЭС. Изложен алгоритм создания интеллектуальной системы с помощью нейросетевой технологии моделирования, в основе которой лежит создание цифрового двойника турбопитательного насоса, состоящего из паровой турбины, питательного насоса, редуктора, устройств парораспределения, схемы автоматики регулирующих приборов, конденсатора приводной турбины, бустерного насоса. Программный комплекс создавался с использованием статистических данных, получаемых в процессе работы турбопитательных насосов. Интеллектуальная система принятия решений основана на анализе эффективности работы турбопитательных насосов и рационализации режимов их эксплуатации в соответствии с технически обоснованными нормами расхода энергии. Вычислительные компоненты для данного программного комплекса разработаны индивидуально для каждого турбопитательного насоса на основе данных пассивного промышленного эксперимента, что дает возможность учесть техническое состояние и особенности режима эксплуатации каждого отдельного элемента. Для создания цифрового двойника были предложены целевые функции, отражающие энергетическую эффективность эксплуатации насоса, и исследованы варьируемые параметры из числа независимых. С помощью кластерного анализа проведено исследование влияние групп независимых параметров на целевую функцию. Представлены результаты создания интеллектуальной системы поддержки принятия решений для персонала станции. Приведены результаты применение разработанного программного комплекса и дан анализ сравнения полученных результатов для турбопитательных насосов энергоблоков АЭС проектов В-338 и В-320. Применение технологии позволяет определить влияние каждого параметра на энергетическую эффективность работы турбопитательных насосов в заданном диапазоне изменения эксплуатационных условий с высокой степенью точности. При использовании блока оптимизации, встроенного в вычислительный комплекс, интеллектуальная система принятия решений позволяет получить оптимальные значения КПД и удельных затрат тепловой энергии турбопитательных насосов при варьировании заданных параметров.

Ссылки

1. Вагин В.Н., Еремеев А.П. Конструирование интеллектуальных систем поддержки принятия решений реального времени. / Тр. междунар. конф. «Интеллектуальное управление: новые интеллектуальные технологии в задачах управления (ICIT’99)» – М.: Наука, Физматлит, 1999. – С. 27 – 32.
2. Геловани В.А., Башлыков А.А., Бритков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях. – М.: Институт системного анализа РАН, 2001. – 304 с.
3. Бочарова Н.А., Воронов А.В., Слепов М.Т. Ранжирование информационных потоков в системах технического диагностирования энергоблока ВВЭР-1200. // Известия вузов. Ядерная энергетика. – 2022. – № 3. – С. 65 – 75. DOI: https://doi.org/10.26583/npe.2022.3.06 .
4. Трофимов М.А., Мурачев Е.Г., Рогоза А.А., Егупов Н.Д. Математическое моделирование системы автоматического регулирования паровой турбины. // Известия вузов. Ядерная энергетика. – 2021. – № 4.– С. 99 – 109. DOI: https://doi.org/10.26583/npe.2021.4.09 .
5. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. В 2 кн. Кн. 2. – М.: Финансы и статистика, 1986. – 352 с.
6. Горбунов В.А., Лоншаков Н.А., Нагорная О.Ю., Беляков А.А. Повышение точности определения параметров эффективности турбоустановок с применением нейронных сетей. // Вестник ИГЭУ. – 2017. – №. 4. – С. 5 – 12. DOI: https://doi.org/10.17588/2072-2672.2017.4.005-012 .
7. Шелегов А. С., Лескин С.Т., Слободчук В.И. Насосное оборудование АЭС: Учеб. пособие для вузов. – М.: НИЯУ МИФИ, 2011. – 348 с.
8. Горбунов В.А., Лоншаков Н.А. Оптимизация затрат энергии турбопитательных насосов блока АЭС нейросетевыми методами моделирования. // Труды НГТУ им. Р.Е. Алексеева. – 2018. – № 3 (122). – С. 54 – 60. DOI: https://doi.org/10.46960/1816-210X_2018_3_54
9. Созыкин А.В. Обзор методов обучения глубоких нейронных сетей. // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. – 2017. – №3. – С. 28 – 59. DOI: https://doi.org/10.14529/cmse170303
10. Васильев В.А. Определение КПД турбопитательной насосной установки термодинамическим способом. // Вестник ЮУрГУ. – 2005. – №1. – С. 162 – 167. Электронный ресурс: https://elibrary.ru/download/elibrary_13011076_26031472.pdf (дата доступа 30.08.2023).
11. Гмурман В.Е. Теория вероятностей и математическая статистика: Учеб. пособие для вузов. 9-е изд., стер. – М.: Высш. шк., 2003. – 479 с.
12. Дунаев В.А., Лоншаков Н.А., Горбунов В.А. К вопросу о повышении эффективности и безопасности эксплуатации тепломеханического оборудования АЭС. // Глобальная ядерная безопасность. – 2015. – № 2(15). – С. 63 – 70. Электронный ресурс: http://gns.mephi.ru/sites/default/files/journal/file/ru.2015.2-8.pdf (дата доступа 30.08.2023).
13. Идельчик И.Е. Справочник по гидравлическим сопротивлениям (Под ред. М.О. Штейнберга). 3-е изд., перераб. и доп. – М.: Машиностроение, 1992. – 672 с.
14. Карпенко А.П. Современные алгоритмы поисковой оптимизации. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2014. – 446 с.
15. Горбунов В.А., Лоншаков Н.А. Анализ эффективности работы питательного турбонасоса / Состояние и перспективы развития электро- и теплотехнологии (Бенардосовские чтения): сборник научных трудов по материалам Международной (XX Всероссийской) научно-технической конференции, 29-31 мая 2019 г., г. Иваново. – Иваново: ИГЭУ, 2019. – Т. 2. – С. 77 – 80.
16. Филипчук Ю.Д. Оценка эффективности импульсной разгрузки турбин энергоблоков АЭС для повышения динамической устойчивости. // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ. – 2012. – № 3. – С. 40 – 43.
17. Волков А.В., Парыгин А.Г., Хованов Г.П., Наумов А.В. Повышение эффективности работы центробежных насосов, находящихся в эксплуатации. // Новости теплоснабжения. – 2010. – №10. – С. 122.
18. Горбунов В.А., Теплякова С.С., Лоншаков Н.А., Андрианов С.Г., Мечтаева М.Н., Минеев П.А. Методика оценки влияния эксплуатационных параметров на работу турбопитательного насоса. // Вестник ИГЭУ. – 2022. – №. 4. – С. 14 – 23. DOI: https://doi.org/10.17588/2072-2672.2022.4.014-023

атомные электростанции турбопитательный насос нейросетевое моделирование КПД удельные затраты тепловой энергии энергия собственных нужд

Ссылка для цитирования статьи: Горбунов В.А., Лоншаков Н.А., Теплякова С.С., Мечтаева М.Н., Минеев П.А. Интеллектуальная система поддержки принятия решений по управлению турбопитательными насосами Калининской АЭС. // Известия вузов. Ядерная энергетика. – 2024. – № 3. – С. 125-140. DOI: https://doi.org/10.26583/npe.2024.3.10 .