Цифровой двойник и ИИ ускорили оптимизацию режимов ТЭЦ в 16 раз
Ученые Санкт-Петербургского политехнического университета разработали гибридную архитектуру, объединяющую цифровой двойник теплоэлектроцентрали и алгоритмы искусственного интеллекта. В испытательном сценарии система подбирала оптимальный режим работы станции примерно за 15 секунд — в 16 раз быстрее расчета с использованием цифрового двойника и классических математических методов.
Цифровой двойник включает математические модели тепловой схемы ТЭЦ, описывает работу оборудования и станции в целом, а также учитывает технологические ограничения. Модуль автоматической перенастройки актуализирует параметры модели по косвенным показателям технического состояния оборудования, включая изменения, связанные с его деградацией.
Руководитель проекта, доцент Высшей школы атомной и тепловой энергетики СПбПУ Ирина Аникина привела в пример кейс по оптимизации режимов работы ТЭЦ с пятью энергоблоками и турбинами Т-100. В рамках этого сценария цифровой двойник сформировал около 280 тыс. сочетаний режимов работы и технических состояний оборудования.
Гибридный алгоритм сочетает физическую модель станции с суррогатными моделями, обученными на данных цифрового двойника. После получения данных о текущем режиме и состоянии станции оптимизатор за доли секунды выбирает вариант управления. Затем решение проверяется цифровым двойником; дополнительно моделируются контрольные режимы, позволяющие выявить ошибки приближённых моделей.
В результате время расчета сократилось с нескольких минут до примерно 15 секунд. В рассмотренном исследователями сценарии работа станции в предложенных системой режимах могла увеличить маржинальный доход примерно на треть за полгода. Это расчётная оценка для конкретной ТЭЦ и набора исходных условий, которую нельзя напрямую переносить на другие станции.
Система одновременно учитывает надёжность и остаточный ресурс оборудования, расход топлива, доход от продажи тепловой и электрической энергии, а также экологические ограничения. На этой основе она может формировать рекомендации по выбору режима, техническому обслуживанию и выводу агрегатов в ремонт.
Модули прогнозирования состояния оборудования, оптимизации режимов и управления экологическими параметрами уже апробированы в реальных условиях. Следующий этап — объединить их в многокритериальную систему рекомендаций для текущего управления станцией и планирования регламентных работ.
Для работы цифрового двойника необходимы данные автоматизированной системы управления технологическим процессом. Их передают за пределы станции по промышленным протоколам или регулярно загружают вручную. Качество рекомендаций зависит от полноты эксплуатационных данных, точности цифровой модели и соответствия расчетной тепловой схемы реальной станции.
Разработка выполняется при поддержке Программы развития СПбПУ на 2025–2036 годы в рамках программы «Приоритет-2030».
.jpg)
