Krátké zastavení u hlavních tezí Poznat Řídit Zlepšit

Transkript

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

2 ZNÁT S VĚTŠÍ PŘSNOSTÍ VŠCHNY OKOLNOSTI -> LÉP ŘÍDIT-> ZVÝŠIT VÝKON JAKÝ J NÁŠ CÍL? CO CHCM! Zvýšit důvěru v data Včas dodat pravdivé informace a hodnocení provozu Poskytnout (on-line) podporu = Monitorování = Supervize & Diagnostika = Optimalizace = Plánování = Zvýšit výkon provozovatele 2

3 ZÁKLAD VŠHO = ZVÝŠNÍ DŮVĚRY V DATA PROČ? ÚČL Pracovat se správnými a přesnými hodnotami veličin (Včasná detekce a identifikace chyb měření) JAK TOHO DOSAHUJM? POUŽITÁ MTODA Vyrovnání naměřených dat (Data Reconciliation & Gross rror 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 J TO VYROVNÁNÍ MĚŘNÍ? HLAVNÍ MYŠLNKA, PŘDPOKLADY 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) 3

4 VYROVNÁNÍ DAT = ZVÝŠIT DŮVĚRU V DATA Zachování hmoty Zachování energie Vstup elektrické energie Výstup entalpie Vstup hmoty Uzel zařízení, část zařízení několik zařízení, blok Výstup hmoty Vstup entalpie Uzel zařízení, část zařízení několik zařízení, blok Výstup elektrické e. Akumulace Vstup kinetické energie Akumulace Výstup mechanické práce Ztráty hmoty Ztráty energie lektrická en Sytá pára Mokrá pára Vstup tepelné energie PG TG HK_P Teplo HK_V NV Kondenzát Teplárenství Vstup CHV DMI Vstup CHV 4

5 VYROVNÁNÍ DAT = ZVÝŠIT DŮVĚRU V DATA Měření průtoku Měření tlaku Měření teploty Měření hladiny Měření el. veličiny nergetický tok Tepelný výkon R 1. bloku Q Tepelný výkon R 2. bloku Q Odluh, odkal PG1,2,3,4,5,6_P PG1,2,3,4,5,6_P Pracovní cyklus TG 11 TG + SPP + NTO + NN + VTO Pracovní cyklus TG 12 TG + SPP + NTO + NN + VTO lektrický výkon na svorkách G Pracovní cyklus TG 21 TG + SPP + NTO + NN + VTO Pracovní cyklus TG 22 TG + SPP + NTO + NN + VTO DMI voda DMI voda 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 BQDV BQDV BQDV BQDV % % 5

6 VYROVNÁNÍ DAT = ZVÝŠIT DŮVĚRU V DATA Q_Reaktor Chlazení + Ztráty CR Vstup l. příkon Zráty l. příkon Ztráty Reaktor DP Kompenzátor objemu Frekvence x-core Frekvence HCČ2 DP HCČ4 HCČ6 sítě Měření neutronů sítě HCČ5 HCČ3 HCČ1 DP DP DP DP DP Fr.s Tok Tok Tok Tok Tok Tok Fr.s PG2_V PG4_V PG6_V PG5_V PG3_V PG1_V Q_PG2 Q_PG4 Q_PG6 Q_PG5 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 Odluhy Odkaly Q_HPK Hlavní parní kolektor XV TG2 XV XV TG1 XV 6

7 VYROVNÁNÍ DAT = OPTIMALIZAČNÍ ÚLOHA OPTIMALIZAČNÍ PROBLÉM S PODMÍNKOU Předpoklad = Každé měření je náhodná veličina s normálním rozdělením) Správná Naměřená Chyba Úkol je nalézt minimum výrazu Q i (Měřená 2 i Vyrovnaná i ) 2 i Za splnění podmínky = Objective Function (F Měřená,Neměřená,Konst ) 0 A posteriori kontrola splnění předpokladu 2 Q r,95% Degree of Freedom = 4 Degree of Freedom = 16 Degree of Freedom = 32 (globální test, individuální test)

8 VYROVNÁNÍ DAT = WORKFLOW Vyrovnané hodnoty N Přítomnost hrubé chyby? ANO Vyrovnání dat liminace hrubé hyby Naměřené hodnoty Model 8

9 JAKÝ UŽITK PŘINÁŠÍ VYROVNÁNÍ DAT? UŽITK 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 UŽITK NPŘÍMÝ Při analýze na nic nezapomeneme Pronikneme hlouběji do struktury technologie a podstaty procesů Uvědomujeme si lépe souvislosti 9

10 DALŠÍ DŮLŽITÝ KROK = MODLY HLAVNÍ DĚLNÍ MODLŮ Vytvořených na základě fyzikálních zákonů (= Theory based modelling) Vytvořených pomocí dat (= Data based modelling) DATA DRIVN MODLS = MODLY ŘÍZNÉ 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 MODLŮ Výměník Kondenzátor, chladicí věž Turbína Blok 10

11 SYSTÉMOVÁ ANALÝZA PŘD NÁVRHM MODLU Vlivy (neznámé nebo nezahrnuté vstupy) Požadavek na nezávislost vstupů (multikolinearita) Zařízení Skupina zařízení Blok Pozor na zpětnou vazbu 11

12 PŘÍKLADY POUŽITÍ MODLŮ V INŽNÝRSKÝCH ÚLOHÁCH MODLY PRO SUPRVIZI & DIAGNOSTIKU Porovnání skutečnosti s očekáváním Prediktivní model zařízení/kpi Prediktivní model Vyrovnané hodnoty Validační model/ úloha Porovnání (Trigger) Detekce anomálie KPI z vyrovnaných hodnot MODLY PRO OPTIMALIZACI Hledání nastavení vlastností/vstupů při kterých se dosáhne extrému kriteria MODLY PRO PLÁNOVÁNÍ Jaký bude výstup, kdy bude tento vstup/vstupy 12

13 CO ŘÍCI ZÁVĚRM? 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) NVÝHODY VYROVNÁNÍ DAT Měření musí být v pořádku HLAVNÍ PŘÍNOS MODLŮ Velmi přesný popis chování zařízení a cyklu BLÍZKÁ BUDOUCNOST ROZVOJ MODLŮ Sestavení kompletních tepelných (pracovních) cyklů z dílčích sub-modelů; očekáváme vysokou přesnost 13

14 CO TO PŘINS? KDYŽ PROVOZOVATL BUD MÍT SOFISTIKOVANOU! STRATGII DIAGNOSTIKU PRVNCI Ve světle těchto cílů, jaké místo mají nástroje jako je PowerOPTI 14

15 Děkuji za pozornost Jiří Pliska T jpliska@otenergy.eu adresa: Pražská 684/49, Třebíč