автореферат диссертации по энергетике, 05.14.14, диссертация на тему:Совершенствование водно-химических режимов электростанций с использованием технологических алгоритмов и пакета прикладных программ для систем химико-технологического мониторинга

На правах рукописи

ГОТОВЦЕВ Павел Михайлович

СОВЕРШЕНСТВОВАНИЕ ВОДНО-ХИМИЧЕСКИХ РЕЖИМОВ ЭЛЕКТРОСТАНЦИЙ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЧЕСКИХ АЛГОРИТМОВ И ПАКЕТА ПРИКЛАДНЫХИРОГРАММ ДЛЯ СИСТЕМ ХИМИКО-ТЕХНОЛОГИЧЕСКОГО МОНИТОРИНГА

Специальность 05 14 14 - Тепловые электрические станции, их энергетические

системы и агрегаты

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

Москва-2008

Работа выполнена на кафедре Технологии воды и топлива ГОУВПО «Московский энергетический институт (Технический университет)»

Научный руководитель: — доктор технических наук, профессор

Воронов Виктор Николаеви-j

Официальные оппоненты: - доктор технических наук профессор

Аракелян Эдик Койрунович

- кандидат технических наук Тяпкова Владимира Федеровича

Ведущая организация: ОРГРЭС

Защита состоится «£f» 200 $ года, в час мин в на

заседании диссертационного совета Д 212 157 07 при Московском энергетическом институте (Техническом университете) по адресу г Москва, Красноказарменная ул , д 17

С диссертацией можно ознакомиться в библиотеке МЭИ (ТУ)

Отзыв на автореферат в двух экземплярах, заверенных печатью организации, просим направлять по адресу 111250, Москва, Красноказарменная ул, д Ученый совет МЭИ (ТУ)

Автореферат разослан <2£>> 2008г

Ученый секретарь диссертационного совета к т н профессор

Лавыгин В М

ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИОННОЙ РАБОТЫ

Актуальность работы Повышение надежности работы энергетического оборудования на ТЭС и АЭС во многом определяется состоянием систем контроля качества теплоносителя Внедрение систем химико-технологического мониторинга (СХТМ) позволяет не только получать текущую информацию о состоянии водно-химического режима (ВХР), но и использовать ее для предотвращения возможных нарушений ВХР путем применения технологических алгоритмов в СХТМ, в том числе методов математического моделирования, косвенных измерении, алгоритмов оценки к прогнозирования состояния ВХР

Цель работы Разработка технологических алгоритмов оценки состояния ВХР, диагностики нарушений, прогнозирования поведения параметров с целью использования алгоритмов в СХТМ

Задачами данной работы являются

1 Анализ роли ВХР, химического контроля и мониторинга технологических процессов в обеспечении надежной работы основного оборудования ТЭС

2 Обоснование возможности и способов применения технологических алгоритмов различных видов при анализе состояния и прогнозировании поведения ВХР ТЭС

3 Разработка стенда и алгоритмов имитации нарушений ВХР ТЭС для тестирования разработанных алгоритмов

4 Разработка технологических алгоритмов, с использованием адаптивных методов анализа данных, включая искусственные нейронные сети (ИНС)

Научная новизна работы заключается в применении новых архитектур технологических алгоритмов поиска причин нарушений Впервые рассмотрен вопрос имитации нарушений ВХР на базе указанных архитектур и предложены соответствующие математические модели и алгоритмы Рассмотрены формы

существования сульфатов и хлоридов в перегретом паре, получены уравнения для определения степеней гидролиза этих соединений Полученные уравнения включены в модель имитации нарушений и могут использоваться в СХТМ ТЭС Проведен математический анализ результатов измерений СХТМ, показавший возможность применения ИНС и других видов адаптивных алгоритмов Разработаны ИНС для прогнозирования поведения параметров ВХР

Степень достоверности результатов и выводов Степень достоверности результатов и выводов работы обеспечивается использованием современных методов и средств контроля ВХР Результаты работы теоретически обоснованы и сопоставлены с экспериментальными данными, полученными во время теплотехнических испытаний ВХР ТЭС в различных режимах работы Практическая значимость работы

Значительный объем входной информации в СХТМ не позволяет оперативному персоналу адекватно воспринимать его, особенно в нестационарных условиях, что показывает необходимость применения новых методов оценки состояния ВХР

Имеющиеся теоретические и опытные данные показывают возможное гь применения технологических алгоритмов для диагностики и прогнозирования состояния ВХР Такой подход позволит выявлять причины нарушений ВХР в момент их возникновения и тем самым уменьшать время работы энергоблока при параметрах, не соответствующих нормируемым

ИНС, которые находят все более широкое применение в различных областях науки и техники, могут также быть применены в СХТМ и для прогнозирования поведения параметров ВХР

Апробация работы Результаты работы докладывались на Всероссийском научно-техническом семинаре «Автоматизация химического контроля и управления установками водоприготовления и водно-химическими режимами ТЭС» (г Москва МЭИ 2006 г) и на Международной конференции

«Образовательные, научные и инженерные приложения в среде Lab VIEW и технологии National Instruments» (г Москва РУДЫ 2006 г)

Личное участие автора в получении результатов заключается в проведении обследований ВХР и анализе полученных результатов Автором предложены новые подходы к построению алгоритмов поиска причин нарушений, позволяющие адаптировать алгоритмы под изменения в условиях эксплуатации оборудования Кроме того, разработаны уравнения для математических моделей распределения примесей по тракту энергоблока с прямоточным котлом Разработаны ИНС для прогнозирования поведения одного из параметров ВХР

Публикации по работе По теме диссертации опубликовано 7 работ, в том числе две статьи

Структура и объем диссертации Работа состоит из введения, пяти глав, выводов, списка литературы и приложений Основной материал изложен на 176 страницах машинописного текста, включает 53 рисунка, 21 таблицу и 83 формулы Список литературы включает 107 наименований

На защиту выносятся следующие результаты выполненной работы 1. Алгоритмы адаптивного поиска причин нарушений ВХР и методика построения подобных алгоритмов

2 Алгоритмы имитации нарушений ВХР и результаты их применения

3 Математическая модель распределения соединений натрия по тракту энергоблока с прямоточным котлом в стационарных условиях с учетом форм существования сульфатов и хлоридов в перегретом паре

4 Сравнение двух алгоритмов ИНС для прогнозирования поведения удельной электропроводимости Н-катионированной пробы

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении раскрывается актуальность темы, научная новизна, практическая значимость работы, формулируются цели и задачи, дается характеристика структуры диссертации

В первой главе проведен анализ роли ВХР, химического контроля и мониторинга технологических процессов в обеспечении надежной и безаварийной работы основного оборудования ТЭС и АЭС Рассмотрены возможности применения алгоритмов для поиска причин нарушений Представлен обзор современных методов построения алгоритмов и ИНС Проведенный обзор литературных данных выявил ряд первоочередных задач при организации химико-технологического мониторинга, в хом числе

- повышение требований к качеству теплоносителя, методам его контроля и оценки,

- использование в СХТМ технологических алгоритмов диагностики и прогнозирования ВХР с целью оптимизации ВХР и химического контроля,

- предварительное тестирование алгоритмов перед их реализацией на ТЭС

Во второй главе рассмотрены варианты построения алгоритмов, предложен адаптивный алгоритм поиска причин нарушений Описаны алгоритмы, базирующиеся на раздельном выявлении каждой из причин нарушений Рассмотрено влияние физического моделирования на вид и эффективность алгоритмов Представлены варианты интеграции алгоритмов поиска причин нарушений в программное обеспечения СХТМ Проведено сравнение различных методов и условий, при которых каждая из представленных архитектур б) дет наиболее эффективной

Структура алгоритмов адаптивного поиска базируется на описании каждой из причин нарушений в виде строки в массиве причин нарушений который представляет собой массив дискретных значений В этом массиве каждая строка соответствует причине возникшего нарушения, а столбец значению параметра, величина которого характеризует выявляемую причину нарушения Так как в массив вносятся дискретные значения, то 1 означает, что параметр вышел за нормируемое значение, а 0 — параметр соответствует нормам Для величин, имеющих верхнее и нижнее нормируемые значения, создается два столбца Массив результатов измерений по структуре аналогичен

массиву причин нарушении, при этом состоит из одной строки, но того же количества столбцов В массив вносятся результаты обработки текущих измерений Также как и в массиве причин нарушений, параметры записываются в дискретном виде Массив результатов измерений - это массив переменных, который составляется заново на каждой программной итерации по мере обновления входных параметров.

Совпадение значений в строке массива результатов измерений и значений в 1-той строке массива причин нарушений означает, что причина нарушения ВХР - это событие, соответствующее данной строке

Рассмотрен пример построения алгоритма такого вида для поиска причин выхода за нормируемые пределы рН пробы питательной воды барабанного котла Алгоритм должен определять следующие причины нарушений передозировка аммиака, нарушение работы рН-метра, низкая концентрация аммиака, попадание органических примесей в тракт, повышение содержания углекислоты в тракте

Причины нарушения, связанные с неполадками в работе рН-метра и низкой концентрацией аммиака, можно определить двумя способами Нарушение в работе рН-метра можно определить по завышенному значению рН при нормальных значениях остальных показателей или по низкому значению рН при высокой концентрации аммиака Массив причин нарушений в этом случае будет содержать 7 строк и 6 столбцов

Массив причин нарушений М(С) для рассматриваемого примера будет выглядеть следующим образом

М(С) =

0 10 10 0

0 1 0 0 0 0

10 0 10 0

10 10 0 0

1 0 0 0 0 0

10 0 10 1

10 0(10

(1)

Массив результатов измерений М(У) для рассматриваемого алгоритма будет иметь 1 строку и б столбцов Изначально все элементы массива нулевые и переписываются по мере обновления данных с приборов Этот массив, для алгоритма поиска причин выхода за нормируемые значения рН питательной воды энергоблока с барабанным котлом будет выглядеть следующим образом МГУ) =[0(рНниж), й(рНверх), о(ст4)ниж), В(С02), В(Ок)] (2)

где

Э(1) - переменная, принимающая значение 0 или 1, при нахождении параметра в пределах нормы и при ее превышении, соответственно

Проверка входных параметров и построение массива М( V) проводится с помощью алгоритма представленного на рисунке 1 Первый этап заключается в проверке всех входных параметров на их соответствие нормируемым значениям На втором этапе, в зависимости от значения параметра, соответствующее значение элемента массива заменяется на 1 или 0 Таким образом, создается массив, описывающий состояние входных параметров на

Рисунок 1 - Алгоритм проверки входных параметров и составления массива результатов измерений

^/¿ввд массива 1Муу

у/вод уассирв

РИСУНОК 2 - АлГОрИТМ СраВпвНИЯ СТрОК МаССИЗа М(С) С шаССИВСМ М(У)

Алгоритм сравнения строк массива причин нарушений МСС) с массивом результатов измерений М(У) выявляет причину нарушения Возможно несколько вариантов реализации подобного алгоритма, наиболее оптимальным является сравнение строк с помощью цикла (рисунок 2) В зависимости от вида конкретного алгоритма возможно добавление дополнительных условий останова цикла

Описание всех причин рассматриваемого нарушения в виде массива двоичных чисел позволяет проводить коррекцию алгоритмов в процессе эксплуатации, которую необходимо строить на основе ввода информации об объекте Таким образом, можно построить алгоритм (рисунок 3), реализация которого позволит производить коррекцию ошибок, требуя от оператора только знаний о нарушении и причинах его возникновения

В завершении главы представлен перечень исходных данных, которые мо1ут использоваться в алгоритмах поиска причин нарушений ВХР

В третьей главе представлены алгоритмы, разработанные для Казанской ТЗЦ-2 и стенда В-3 Электрогорского научно-исследовательского центра по безопасности АЭС (ФГУП <'ЭНИЦ») Рассмотрены особенности тепловых схем каждого из объектов Проведен анализ рассматриваемых нарушений, предложены методы их выявления, представлен объем параметров

автоматического химического контроля (АХК), лабораторного химического контроля (ЛХК) и теплотехнического контроля, необходимых для достоверного выявления причин рассматриваемых нарушений.

ММ Г поиск I М{С), массива М{7) [ М(7)=М(С), !

Алгоритм коррекции ошибок

Алгоритм поиска причин нарушения

аьод оператором <одньж параметров / харктирезующих / 1рииину нарушения/

Добавление строки и масс

конец

Рисунок 3 - Алгоритм коррекции ошибок и его интеграция в алгоритм поиска причин нарушения.

Стенд В-3 ФГУП «ЭНИЦ» имитирует второй контур АЭС с ВВЭР. Следовательно, все разработанные для него алгоритмы соответствуют требованиям, предъявляемым реальным АЭС.

Для каждого из алгоритмов представлен список сообщений оператору-технологу с указанием возможной причины нарушения и путей его устранения. Разработанные алгоритмы позволяют своевременно выявлять причины нарушений ВХР, выполняются в течение одной итерации и, при этом обладают достаточно низкой вычислительной и алгоритмической сложностью.

В четвертой главе рассмотрены вопросы применения алгоритмов поиска причин нарушений на стенде СХТМ, созданном на кафедре ТВТ МЭИ (ТУ).

Представлено описание стенда и рассмотрен вопрос имитации нарушений Для его решения предложена стационарная модель распределения примеси по тракту ТЭС Модель применена для анализа поведения катионов натрия Na+ с учетом взаимодействия с сульфатами и хлоридами в перегретом паре Согласно результатам различных исследований образовавшиеся соли натрия в перегретом паре могут подвергаться гидролизу

Na2SOj +H20~NaHS04+Na0H (3)

NaHS04+H20^H2S04+Na0H (4)

NaCbHjO^HCl-NaOH (5)

Проведен анализ опытных данных из различных источников, в результате чего получены зависимости степени гидролиза Na2S04, NaHS04, NaCl от плотности теплоносителя и исходной концентрации этих веществ (6-8)

pNaiso4=-0 071 р2+0 099 р-0 0023 lg(CNa2S04)3- 0 00344 Ig(C^2SO/ +0 001 lg(CNa2SO4)+0 032 (6)

haci^-0 091 р2^0 109 р~0 0071 Ig(CNaC,/- 0 00473 lg(Cyaa)2 + fO 002 îg(CNaCl)+0 037 (7)

0noHSO4=-O 0211 p2+0 029 р-0 ООП lg(CKa„S04)3- 0 00033 lg(CNaHS04)2 + +0 0002 lg(CNa4SO4)+0 009 (8)

где

Pna2S04-> PnciCI, pKaPSQ4 - степень гидролиза соответствующих соединений, Cno2W4. Cuaci, Отдаем ~ концентрация соответствующих соединений, моль/дм3, р - плотность теплоносителя, г/см3

Концентрации солей определялись, исходя из изменения констант диссоциации этих соединений в зависимости от термодинамических параметров теплоносителя

Для проверки модели использовались результаты теплотехнических испытаний проводившихся на Черепетской ГРЭС в июле 2006 г Данные были получены при отключенной установке дозирования аммиака Расчет

основывался на определении концентрации в пробе перегретого пара в соответствии с уравнением

/-г пп_пв отл отл '1Л\

С-Ыа+ -<"1402504 аО (.■>

где

Сма+пп - содержание натрия в пробе перегретого пара, мг-экв/дм3,

Сш+"в - содержание натрия в пробе питательной воды, мг-экв/дм3,

Ст28040тл - содержание натрия, который образует сульфаты, выпавшие в виде

отложений, мг-экв/дм3,

Сц„аш - содержание натрия, который образует хлориды, выпавшие в виде отложений, мг-экв/дм3

В таблице 1 представлены значения степени гидролиза Ма28С>4 и ИаШС^ и концентрации в перегретом паре Ьта2504. КаН804 и Н2804 Таблица 1 - Степени гидролиза Ка28С>4 и ЫаН504 и итоговые концентрации N32804, N811804 и Н2804

@Ыа2$04 СмаЧ304, МСЫЬ/ДМ3 Ршт04 СмДОЛ МОЛЬ/ДМ3 /1 ост 1 длим , моль/дм3

0915 9,11 10"* 0,405 6,20 10* 1,42 1С*

0,909 9,38 10* 0,406 6,41 10"* 1,58 10*

0,949 7,56 10'* 1 0,410 5,26 10'* 6,89 10 10

0,916 8,7810" | 0,423 6,44 10'* , 1,4010"*

0,911 9,2910"* ' 0,406 6,35 10"* | 1,53 10*

0,916 9 06 10" 0,405 6,17 10" 1 40 10 *

0,92 8,87 10"* 0,406 6,06 10"* ! 1,30 10"*

0,931 8,34 10"* 0,406 5 70 10"* | 1,04 10'"

0,969 6,73 10"* 0,418 | 4,83 10"* 3,70 10 10

0,968 6,77 10* 0/19 | 4,88 10"* 3 85 10 1и

0,956 6,8^ Ю-" 0,443 5 47 10* 5,68 10 ""

0,97 6,70 Ю-" 0,418 4,81 10"* | 3,56 10"и

0,958 7,08 10'* 0,422 5,1710"* ! 5,3710"'°

Результаты расчета концентрации натрия в пробе перегретого пара и

измеренные значения представлены в таблице 2

Таблица 2 - Значения концентраций ^^ в пробе перегретого пара, измеренные

и полученные в результате расчета

мкг/дм' 1 2 5 ! 2 4 ! 1 1 1 ! /4 | 24 1 25 25 ! 25 25 II 1 24 25 2 5 г 24 ! 24 !

С^а _расч, мкг/дм" 2 6 26 27 | 27 | 27 | 27 27 ! 27 1 1 2 6 | 2 7 1. _1 26 26 | 25

Как видно из таблицы 2 результаты расчет по модели близки к результатам измерений содержания Na" в пробе перегретого пара, это позволяет сделать вывод что, полученная модель верны

По результатам расчета с использованием предложенной модели можно сделать ряд выводов

1 несмотря на малые концентрации натрия в питательной воде, отложения в виде сульфата натрия образуются,

2 необходимо вести контроль содержания анионов сильных кислот, и принимать меры к снижению их содержания

Для проведения имитации нарушений необхолимо получить зависимость параметра от времени, причем интервалы между точками должны соответствовать частоте опроса приборов АХК С этой целью в модель имитации необходимо добавить алгоритм позволяющий строить подобные зависимости, основываясь на исходных значениях параметра и значениях параметра в момент выхода за нормируемые пределы Для построения такого алгоритма необходимо провести обработку исходных данных, чтобы оценить поведение имитируемого параметра с помощью R/S анализа путем расчета экспоненты Херста Такая оценка позволяет определить характер поведения данных Если значение экспоненты находится в диапазоне от 0 5 до 1, то описываемый процесс является трендовым, или другими словами, в будущем процесс будет вести себя аналогично, как и в предыдущие моменты времени Расчет экспоненты проводился на базе автоматического измерения концентраций Naf в питательной воде и перегретом паре блока №7 Ириклинской ГРЭС с турбиной К-300-240 в ноябре 2006 года Для каждого параметра из БД СХТМ выбрано по 17000 значений, не включающих данные при пусках и остановах Значение экспоненты Херста для концентраций Na1" в питательной воде и в перегретом паре составило соответственно 0 893 и 0 795 Полученные результаты говорят о том, что изменения показателей ВХР во

время работы при нагрузках близких к номинальным носят трендовый характер

Полученная модель имитации тестировалась путем сопоставления результатов испытаний алгоритма поиска причин нарушений с помощью имитации и с помощью реальных данных В качестве технологического алгоритма предлагается алгоритм поиска причин нарушений по величине рН пробы питательной воды для энергоблока с прямоточным котлом Опытные данные получены в результате проведения теплотехнических испытаний на энергоблоке № 5 Черепетской ГРЭС с турбиной К-300-240, проводившихся 1920 декабря 2006 года ВХР энергоблока - кислородно-аммиачный. рН поддерживается в диапазоне 7 5-8. Испытания заключались в изменении расхода раствора аммиака, дозируемого во всасывающий патрубок питательного насоса Результаты тестирования представлены в таблице 3 Таблица 3 - Результаты тестирования алгоритма поиска причин нарушений по

величине рН пробы питательной воды

Время рН0-ыт Сообщение рНрасч^ Сообщение

10 30 7,0 рН<7.5 7,0 рН<7,5

10 38 7,5 - 7,5

10.40 3,68 1 Передозировка аммиака 8,49 рН>8

10 42 9,07 1 Передозировка аммиака 8,91 1 Передозировка аммиака

ь 10 44 9,15 1 Передозировка аммиака 9,07 1 Передозировка аммиака

10 46 9,30 1 Передозировка аммиака 9,28 1 Передозировка аммиака

Н1048 9,22 1 Передозировка аммиака 9,30 1 Передозировка аммиака

10 50 9,23 1 Передозировка аммиака 9,23 1 Передозировка аммиака

10 52 9,26 1 Передозировка аммиака 9,24 1 Передозировка аммиака

10 54 9,27 1 Передозировка аммиака 9,25 1 Передозировка аммиака

'0 56 9,27 1 Передозировка аммиака 9,26 1 Передозировка аммиака

10 58 9 25 1 Передозировка аммиака 9,26 1 Передозировка аммиака

00 9,22 1 Передозировка аммиака 9,25 1 Передозировка аммиака

11 02 9,18 1 Передозировка аммиака 9,20 1 Передозировка аммиака

И 04 9,14 1 Передозировка аммиака 9,18 1 Передозировка аммиака

11 06 9,13 1 Передозировка аммиака 9,14 1 Передозировка аммиака

11 08 9,12 1 Передозировка аммиака 9,12 1 Передозировка аммиака

11 10 9,07 1 Передозировка аммиака 9,0-1 1 Передозировка аммиака

11 15 8,97 1 Передозировка аммиака 8,91 1 Передозировка аммиака

И 20 8,83 1 Передозировка аммиака 8,79 1 Передозировка аммиака

11'2 5 8,64 1 Передозировка аммиака 8,49 рН>8

1129 ! 8,41 рН>8 8,41 рН>8

Как видно из таблицы 3, расхождение между измеренными и расчетными данными оказалось небольшим Тем не менее, в двух моментах времени - 10 40 и 1125 - этого расхождения оказалось достаточно, чтобы тестируемый алгоритм не выявил причины возникшего нарушения Если же рассматривать эти события в динамике происходящего процесса, влияние этого расхождения можно признать несущественным при тестировании алгоритмов, так как имитационная модель достаточно точно отражает тенденции изменения параметра, характеризующие происходящие в питательной воде процессы

В пятой главе рассмотрена возможность применения ИНС для прогнозирования повеления параметров ВХР при ограниченном наборе входных данных В качестве прогнозируемого параметра выбрана величина удельной электропроводимости Н-катионированной пробы питательной воды В качестве исходных данных выступают результаты измерений СХГМ Ириклинской ГРЭС за ноябрь 2006 года Исходными параметрами являются общая удельная электропроводимость конденсата после БОУ, концентрации натрия в питательной воде и конденсате, всего по 800 значений каждого из параметров Глубина прогноза составила 100 значений удельной электропроводимости Н-катионированной пробы питательной воды

Рисунок 4 - Архитектура ИНС для прогнозирования величины удельной электропроводимости Н-катионированной пробы питательной воды

В результате анализа опыта применения ИНС в различных областях науки и техники, а также в практических рекомендациях для решения

1\„м=15

поставленной задачи выбраны две архитектуры: ИНС Ворда и сети с общей регрессией. Вид выбранной ИНС Ворда представлен на рисунке 4. Передаточная функция нейронов блока N„hb f(sum) =exp(-sum2); (11)

где:

sum - результат суммирования произведений значений параметров на соответствующие им весовые коэффициенты.

Передаточная функция нейронов блока Nnh2 и нейрона выходного слоя: f(sum)=l/(l+exp(sum)); (12)

Передаточная функция нейронов блока Nr.h3: f(sum) =tanh(sum); (13)

Результаты применения ИНС Ворда представлены на рисунке 5. Следует отметить, что разница в спрогнозированных и реальных значениях не превышает 0,01 мкСм/см. Следовательно, можно сделать вывод, что полученная ИНС достаточно эффективно прогнозирует поведение электропроводимости Н-катионированной пробы питательной воды.

Рисунок 5 — Реальное (Хр) и спрогнозированное (Хн прогноз.) значения удельной электропроводимости Н-катионкрованной пробы питательной воды.

Результаты применения сети с общей регрессией представлены на рисунке 6.

тт

0.110

о.юе

0,106

0,104

| 0,102 X

^ 0,100 5

0,088 0,096 0,094 0,092

1 8 16 22 29 36 43 50 5? 64 71 7В 86 92 99 -Хр-----Хн прогноз. |

Рисунок 6 - Реальное (Хр) и спрогнозированное (Хн прогноз.) значения удельной электропроводимости Н-катконированкой пробы питательной воды

Из рисунка 6 следует, что результативность работы ИНС с общей регрессией для решения рассматриваемой задачи выше, чем у сети Ворда. Как видно из всего вышесказанного, существует возможность применения ИНС для прогнозирования состояния ВХР Выводы по работе:

1. Проведен анализ роли ВХР, средств его контроля и поддержания в обеспечении надежной работы основного оборудования ТЭС. Отмечена необходимость использования СХТМ для оптимизации ВХР.

2. Проведен анализ опыта эксплуатации СХТМ отечественных и зарубежных ТЭС. Показана возможность повышения оперативности и информативности СХТМ путем использования технологических алгоритмов обработки информации о состоянии ВХР.

3. Проведен анализ различных видов алгоритмов, которые могут применяться для поиска причин нарушений ВХР, в результате которого предложена модель алгоритмов, работающих с массивами, обладающими способностью коррекции содержащейся в них информации в процессе работы.

4. Для Казанской ТЭЦ-2 разработаны следующие алгоритмы поиска причин нарушений ВХР: по величине рН питательной воды, по удельной электропроводимости Н-катионированной пробы питательной воды, по

удельной электропроводимости Н-катионированной пробы перегретого пара, по содержанию кислорода в пробе питательной воды Для стенда В-3 ФГУП «ЭНИЦ» разработаны алгоритмы поиска причин нарушений по величине удельной электропроводимости Н-катионированной пробы питательной воды за подогревателями высокого давления и по величине рН пробы питательной воды

5 Разработан стенд для тестирования различных методов диагностики ВХР На стенде апробирована модель имитации нарушений с использованием данных, полученных при теплотехнических испытаниях на Черепетской ГРЭС

6 Рассмотрены формы существования сульфатов и хлоридов натрия в перегретом паре С помощью методов математического моделирования установлены соотношения, позволяющие рассчитать степень гидролиза в паре этих соединений

7 Проведен расчет экспоненты Херста для результатов измерений средствами АХК, показавший математическую возможность применения адаптивных методов анализа для обработки результатов измерений ВХР

8. Предложены модели ИНС для прогнозирования параметров ВХР при ограниченном наборе исходных данных Показана применимость этих моделей на основе опытных данных, полученных на Ириклинской ГРЭС

9 Предложена реализация разработанных алгоритмов и ИНС на языках ЬаЬУ1Е\У 7 0 и С++

Основное содержание диссертации изложено в следующих публикациях

1. Анализ различных видов алгоритмов поиска причин нарушений водно-химического режима ТЭС / В.Н. Воронов, Д.С, Сметанин. П.М. Готовцев.// «Новое в Российской энергетике» М.: «Энергопресс» №5 2007 С. 38-48.

2. Построение комплекса тестирования методов диагностики водно-химического режима на базе системы мониторинга экспериментального

стенда / В.Н. Воронов, Д.С. Сметании, П.М. Готовцев.// «Теплоэнергетика» М.: МЭИ №7 2007 С. 2-5.

3 Применение технологических алгоритмов в системах контроля и управления водно-химическим режимом на тепловых и атомных электростанциях / В Н Воронов, П Н Назаренко, Д С Сметанин, И С Никитина, П М Готовцев // Семинар-выставка " Применение технологических алгоритмов в системах контроля и управления водно-химическим режимом на тепловых и атомных электростанциях" Тез докл —М,2006 С 31—34

4 Применение технологии виртуальных приборов National Instruments для комплексной диагностики в СХТМ и обучения студентов / П М Готовпев, Егошина О В // «Образовательные, научные и инженерные приложения в среде LabVIEW и технологии National Instruments» Сборник трудов иеждунарондной научно-практической конференции М Изд-во РУДН 2006 С 91—96

5 Разработка алгоритмов для систем химико-технологического мониторинга водно-химического режима ТЭС с барабанными котлами 1 Д С Сметанин, ПМ Готовцев// «Радиоэлектроника, электротехника и энергетика» Двенадцатая Международная научно-техническая конференция студентов и аспирантов Тезисы докладов ТомЗ М МЭИ, 2006 С 154-156

6 Комплексная система мониторинга и разработки методов диагностики установки для исследования параметров теплоносителя / ДС Сметанин, П М Готовцев // «Радиоэлектроника, электротехника и энергетика» Тринадцатая Международная научно-техническая конференция студентов и аспирантов Тезисы докладов ТомЗ М МЭИ, 2007 С 121-123//

7 Система химико-технологического мониторинга (СХТМ) установки для исследования тепло-гидравлических и физико-химических параметров водных теплоносителей / ПМ Готовцев/' Всероссийский конкурс инновационных проекюв аспирантов и студентов по приоритетному направлению развития науки и техники «информационно-

20 \Ч

телекоммуникационные системы» Сборник материалов М ГНИИ Ш «Информика», 2006 С 85-87

Подписано к печати !д,б! б$!'.л—

Печ л ¡Л-О Тираж ЮО Заказ 3

Типография МЭИ, Красноказарменная, 13

Введение

Глава 1 Проблемы оптимизации работы систем контроля и управления водно-химическим режимом электростанций

1.1 .Роль систем контроля и управления водно-химическим режимом в обеспечении надежности электростанций

1.2 Применение технологических алгоритмов и методов математического моделирования в СХТМ и СКУ ВХР

1.3 Информационная поддержка «Советы оператору технологу» при нарушении технологических процессов

1.4 Образование отложений содержащих сульфаты и хлориды натрия в перегретом паре

1.5 Современные методы прогнозирования и анализа данных

Глава 2 Методика построения технологических алгоритмов поиска причин нарушений водно-химического режима электрических станций

2.1. Концепция построения технологических алгоритмов поиска причин нарушений водно-химического режима электростанции

Методика выявления нарушений в технологических алгоритмах поддержки оператора СХТМ

Построение физической модели объекта при разработке технологических алгоритмов

2.1.3 Влияние архитектуры ПО СХТМ на вид технологических алгоритмов

2.1.4 Построение технологических алгоритмов поиска причин нарушения ВХР.

2.1.5 Технологические алгоритмы, работающие с массивами значений

2.1.6 Коррекция ошибок в технологических алгоритмах, работающих с массивами значений

2.1.7 Полиморфизм в технологических алгоритмах, работающих с массивами значений

2.1.8 Выбор вида технологических алгоритмов поиска причин нарушений ВХР

2.2 Исходные данные для технологических алгоритмов поиска причин нарушений ВХР

Глава 3 Опыт применения технологических алгоритмов «советы оператору-технологу» в системах контроля и управления водно-химических режимов электростанций

3.1.3 Алгоритм поиска причин нарушения ВХР по электропроводимости Н-катионированной пробы перегретого пара

3.1.4 Алгоритм поиска причин нарушения ВХР по содержанию кислорода в питательной воде

3.1 Технологические алгоритмы «Советы оператору-технологу» системы химико-технологического мониторинга Казанской ТЭЦ

3.1.1 Алгоритм поиска причин нарушения ВХР по величине рН в питательной воде

3.1.2 Алгоритм поиска причин нарушения ВХР по электропроводимости Н-катионированной пробы питательной воды

3.2 Технологические алгоритмы «Советы операторутехнологу» в СКУ ВХР второго контура АЭС с 98 ВВЭР

3.2.1 Алгоритм поиска причин отклонения ВХР 2-го контура по превышению удельной электропроводимости

Н-катионированной пробы питательной воды за ПВД от нормируемых значений

3.2.2 Алгоритм поиска причин отклонения ВХР 2-го контура по величине рН пробы питательной воды за 107 ПВД от нормируемых значений

Глава 4 Применение алгоритмов поиска причин нарушений ВХР на лабораторном стенде СХТМ с использованием результатов промышленных испытаний

4.1. Описание лабораторного стенда СХТМ ВХР

4.2 Имитация типовых нарушений на стенде СХТМ ВХР

4.2.1 Модель имитации нарушений на стенде СХТМ ВХР

4.2.2 Модель образования отложений №28 04 и №С1 в перегретом паре

4.2.3 Анализ полученной модели образования отложений Ыа2804 и №С1 в перегретом паре

4.2.4 Алгоритм построения промежуточных значений

4.2.5 Алгоритм имитации нарушений на стенде СХТМ

4.3 Сравнение результатов работы алгоритма при использовании данных промышленных испытаний и с помощью имитации на стенде СХТМ 143 ВХР

Глава 5 Применение искусственных нейронных сетей для прогнозирования поведения параметров ВХР в промышленных условиях

5.1 Выбор архитектуры ИНС

5.2 Обучение ИНС с помощью алгоритма обратного ^ распространения ошибки

5.3 Результаты применения ИНС

5.4 ИНС с общей регрессией

Выводы

Список принятых сокращений

В условиях современной экономики развитие современной энергетики возможно путем снижения издержек при производстве электроэнергии на существующих и строящихся энергоблоках.

Применительно к тепловой и атомной энергетике значительный потенциал в повышении эффективности работы оборудования и электростанций заложен в целом ряде различных мероприятий, таких как, оптимизация работы теплосилового оборудования, применение в качестве конструкционных более коррозионно-прочных материалов, применение современных фильтрующих материалов на ионообменной части водоподготовительных установок, применение новых технологий подготовки добавочной воды и др., а также поддержание водно-химического режима (ВХР) в пределах установленных норм, что осуществляется на современных ТЭС за счет непрерывного мониторинга химико-технологических процессов.

В последние годы на большинстве ТЭС Российской Федерации, значительное внимание уделяется вопросам внедрения систем химико-технологического мониторинга (СХТМ) ВХР, водоподготовительных установок (ВПУ), теплосети и других объектов водно-химического хозяйства. Современные средства контроля, выпускаемые отечественными и зарубежными производителями, позволяют организовать надежные непрерывные измерения таких показателей качества как удельная электропроводимость, рН, содержание натрия, растворенного кислорода и водорода, содержание кремниевой*кислоты, солей жесткости, аммиака, фосфатов, общего органического углерода и др.

Следует отметить, что даже при применении самых современных средств контроля мониторинг химико-технологических процессов на ТЭС в основном заключается лишь в предоставлении оперативному персоналу непрерывной информации о состоянии ВХР. Только в некоторых случаях СХТМ ВХР построены как подсистемы автоматизированных систем управления технологическими процессами (АСУ ТП) или имеют возможность обмена с ними данными, что предполагает предоставление оперативному персоналу химического цеха информации о технологических параметрах, в первую очередь влияющих на состояние ВХР. Следует отметить, что целью внедрения СХТМ является не просто представление текущей информации о состоянии ВХР, но использование данной информации для оптимизации ВХР, недопущения нарушений ВХР и, как следствие, аварийных ситуаций на ТЭС, вызванных такими нарушениями.

Представленный в данной работе материал показывает возможность использования технологических алгоритмов обработки информации о состоянии ВХР, как один из путей повышения информативности СХТМ.

Современные достижения в области разработки алгоритмов, вычислительной математики, теории информации и теории адаптивного анализа позволяют значительно повысить эффективность работы алгоритмов поиска причин нарушений ВХР. Методы адаптивного анализа данных находят широкое применение в различных областях науки, техники и экономики. Применение подобных методов позволяет реализовывать интеллектуальные системы, способные прогнозировать поведение различных параметров ВХР, не используя полного математического описания физико-химических процессов в пароводяном тракте.

Актуальность проведенных исследований заключается в том, что на большинстве ТЭС, где установлены СХТМ, мониторинг химико-технологических процессов ограничивается лишь представлением текущей информации о состоянии объекта мониторинга. Использование же технологических алгоритмов и современных методов адаптивного анализа для обработки этой информации позволит сделать шаг от исключительно информационной функции СХТМ в направлении к возможности управления технологическими процессами.

162 ВЫВОДЫ

1. Проведен анализ роли ВХР, средств его контроля и поддержания в обеспечении надежной работы основного оборудования ТЭС. Отмечена необходимость использования СХТМ для оптимизации ВХР.

2. Проведен анализ опыта эксплуатации СХТМ отечественных и зарубежных ТЭС. Показана возможность повышения оперативности и информативности СХТМ путем использования технологических алгоритмов обработки информации о состоянии ВХР.

3. Проведен анализ различных видов алгоритмов, которые могут применяться для поиска причин нарушений ВХР, в результате которого предложена модель алгоритмов, работающих с массивами, которые обладают возможностью к коррекции содержащейся в них информации в процессе работы.

4. Для Казанской ТЭЦ-2 разработаны следующие алгоритмы поиска причин нарушений: по величине рН питательной воды, по электропроводимости Н-катионированной пробы питательной воды, по электропроводимости Н-катионированной пробы перегретого пара, по содержанию кислорода в пробе питательной воды. Для стенда В-3 ЭНИЦ разработаны алгоритмы поиска причин нарушений по величине электропроводимости Н-катионированной пробы питательной воды за подогревателями выского давления и по величине рН пробы питательной воды.

5. Разработан стенд для тестирования различных методов диагностики ВХР. На базе стенда разработана и проверена с использованием данных, полученных при тепло-технических испытаниях на Черепетской ГРЭС, модель имитации нарушений.

6. Рассмотрены формы существования сульфатов и хлоридов натрия в перегретом паре. С помощью методов математического моделирования установлены соотношения, позволяющие рассчитать степень гидролиза в паре этих соединений.

7. Проведен расчет экспоненты Херста для результатов измерений средствами АХК, показавший математическую возможность применения адаптивных методов анализа для обработки результатов измерений ВХР.

8. Предложены модели искусственных нейронных сетей для прогнозирования параметров ВХР, при ограниченном наборе исходных данных. Показана применимость этих моделей на основе опытных данных, полученных на Ириклинской ГРЭС.

9. Предложены реализации полученных алгоритмов и ИНС на языках ЬаЬУ1Е\У 7.0 и С++.

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

АСКУ — автоматическая система контроля и управления;

АСУ — автоматическая система управления;

АРМ — автоматизированное рабочее место;

АХК - автоматический химический контроль;

АЭС - атомная электрическая станция;

БД - база данных;

БЗК - бак запаса конденсата;

БОУ - блочная обессоливающая установка;

ГАВР — гидразинно-аммиачный водный режим;

ВВЭР — водо-водяной энергетический реактор;

ВХР — водно-химический режим;

ИК - индекс качества;

ИПО - индекс повреждаемости оборудования;

КН - конденсатный насос;

ИНС - искусственная нейронная сеть;

КМД — коэффициент множественной детерминации;

КПД - коэффициент полезного действия;

ЛХК - лабораторный химический контроль;

МГУА — метод группового учета аргументов;

НД - насос дозатор;

ПВД - подогреватель высокого давления;

ПНД - подогреватель низкого давления;

ПО - программное обеспечение;

ПТК - программно-технический комплекс;

ТК - теплотехнический контроль;

ТП - тепловые процессы;

ТЭС - тепловая электрическая станция;

ТЭЦ - теплоэлектроцентраль;

СВО - специальная водоочистка;

СКД - сверх критическое давление;

СКУ — система контроля и управления;

СХТМ - система химико-технологического мониторинга;

УПП — устройство подготовки пробы;

УСО - устройство связи с объектом;

ХВО - химводоочитска;

DAQ - data acquisition;

1. Dooley R.B. Fossil plant cycle chemistry and availability problems // ESCOM/EPRI Cycle chemistry symposium. South Africa, 1994, - p. 22-25.

2. Акользин П.А. Коррозия и защита металла теплоэнергетического оборудования. — М.: «Энергоатомиздат», -1982.- С. 224.

3. Акользин П.А. Контроль коррозии металла котлов. — М.: «Энергоатомиздат»,- 1994.- С. 240.

4. Поваров О.А., Томаров Г.В. Динамика распределения примесей, во влажно-паровом тракте турбоостановок АЭС // Теплоэнергетика. — 1994. — №4. —С. 23—32.

5. Томаров Г.В. Физико-химические процессы и закономерности эрозии-коррозии металла энергетического оборудования в двухфазном потоке // Теплоэнергетика. — 2001. — №9. — С. 59 — 67.

6. Водный режим тепловых электростанций (обычных и атомных) / П. А. Акользин, и др., Общ. ред. Т. X. Маргулова. M.-JL: Энергия. - 1965. - С. 384.

7. Живилова JI.M., Назаренко П.Н., Маркин Г.П. Автоматический контроль водно-химического режима ТЭС. — М.: «Энергия», 1979. — С. 224.

8. Субботина Н.П. Водный режим и химический контроль на тепловых электростанциях. — М.: Энергия, 1974. — С. 317.

9. Мартынова О.И. Некоторые вопросы химического контроля, мониторингаи диагностики водного хозяйства на тепловых электростанциях США // Теплоэнергетика. 1990. - №7. - С. 72 - 75.

10. Воронов В.Н., Назаренко П.Н., Паули В.К. Некоторые принципы внедрения систем химико-технологического мониторинга на ТЭС // Теплоэнергетика. — 1997. — №6. — С. 2—7.

11. Otakar Jonas Effective cycle chemistry control ESAA Power station chemistry conference, May 15-16, 2000, Rockhampton, Queensland, Australia, p. 11-48.

12. D.O. Clarkson, P.E. Wigglesworth, Cycle chemistry improvement program at Public Service company of Colorado, IV conference EPRI, USA, p. 223-232.

13. Daniel Е. Meils. On-line instrumentation QA/QC experience at TVA's Kingston. power station., 6-th International conference on fossil plant cycle chemistry. 2000. Columbus. USA, p. 31-43.

14. Циркуляр "О внесении изменений в объём технологических* измерений; сигнализации,, автоматического регулирования на тепловых электростанциях/ РАО "ЕЭС России": Ц-02-94(Т), 1994г.

15. Инструкция по: организации и объему химического: контроля водно-химического режима на тепловых электростанциях. М.: СПО ОРГРЭС, 2003.1. С.17.

16. Cycle chemistry guidelines for fossil plants: All volatile treatment. Electric Power Research Institute, Palo Alto, CA, 1996. TR- 105041.

17. Cycle chemistry guidelines for fossil plants: Oxygenated treatment. Electric Power Research Institute, Palo Alto, CA, 1994. TR 102285.

18. Cycle chemistry guidelines for fossil plants: Phosphate treatment for drum units. Electric Power Research Institute, Palo Alto, CA, 1996. TR 103665

19. Совершенствование химико-технологических процессов в энергетике / Воронов В.Н., Мартынова О.И., Петрова Т.И., Белосельский Б.С., Васина Л.Г., Назаренко П.Н., Очков В.Ф. // Теплоэнергетика. — 2000. — №6. — С. 46 — 49.

20. О поведении органических примесей в тракте тепловой электростанции с барабанными котлами. Петрова Т.П., Ивин Б.Ф., Ермаков О.С., Амосова Э.Г. и др. // Теплоэнергетика. — 1995. — №7. — С. 20 — 25.

21. Shulder S.J., Janick M.A., Gwin E.C. Measuring oxidation-reduction potential (ORP) and its use in controlling oxygen scavenger injection // 6-th International conference on fossil plant cycle chemistry. 2000. Columbus. USA, p. 11-17.

22. Влияние водно-химических режимов и органических примесей на скорость коррозии углеродистой стали в воде. Петрова Т.И., Кашинский

23. B.И., Макрушин В.В. и др.// Новое в российской электроэнергетике 2005 -№3.-С.16-22.

24. Некоторые методические особенности изучения поведения примесей в пароводяном тракте при высоких параметрах. Мартынова О.И., Петрова Т.И., Самойлов Ю.Ф., Харламов В.К. // Тр. ин-та / МЭИ. — 1979. — Вып. 405. —1. C. 40 — 44.

25. Математические модели и их использование в системах химико-технологического мониторинга электростанций. Воронов В. Н., Петрова Т. И., Назаренко П. Н. // Теплоэнергетика. 2005. - №4. - С.51 - 53.

26. Ларин Б.М., Еремина H.A. Расчет минерализации и концентрации аммиака и углекислоты в водах типа конденсата // Теплоэнергетика. — 2000.7. — С. 10—14.

27. Беллоуз. Дж.К. Система химической диагностики для электростанций: В кн. Искусственный интеллект: применение в химии. Мир, 1988

28. Киет C.B., Киет В.Г., Ларин Б.М. Новые методы и приборы автоматического химконтроля качества турбинного конденсата. Тезисы докладов Девятой Международной научно-технической конференции студентов и аспирантов, Москва, МЭИ, 4-5 марта 2003 г., С. 117.

29. T. Mizuno, К. Ohta, S. Капеко, A. Kawabe. Speciation and Analysis of Corrosion Products in feedwater of a supercritical and a subcritical pressure boiler. ESAA Power station chemistry conference, May 15-16, 2000, Rockhampton, Queensland, Australia.

30. Паули B:K. Экспертная система контроля и оценки условий эксплуатации котлоагрегатов ТЭС// Теплоэнергетика. 1997. № 5. С. 38 43.

31. Сметанин Д.С. Оценка состояния водно-химического режима электростанций с помощью индекса качества водно-химического режима// Новое в российской энергетике. 2004. - №12. - С.З — 5.

32. Воронов В.Н., Петрова Т.И. Проблемы организации водно-химических режимов на тепловых электростанциях // Теплоэнергетика. — 2002. — № 7.1. С.2 —6.

33. СО 34.35.127-2002 (РД 153-34.1-35.127-2002) Общие технические требования к программно-техническим комплексам для АСУ ТП тепловых электростанций. -М.: СПО ОРГРЭС, 2002 С. 147.

34. Живучесть стареющих ТЭС / Балдин H.H., Богачко Ю.Н., Бритвин и др.

35. М.: Изд-во НП ЭНАС, 2000. — С. 559.

36. О. Jonas, L. Machemer. EPRI ChemExpert, cycle chemistry advisor for fossil power plant. Electric Power Research Institute, Palo Alo, CA, December 1998. CM-112136, p. 5-11.

37. J. Rice. Industrial water quality measurements: A Retrospective/Prospective View. 50th Intl. Water Conference, Pittsburgh, PA, 1989, p. 150-170.

38. Основы построения информационно-измерительных систем. Под ред. Свиридова В. Г. М.: МЭИ - 2004 г. С. - 112 - 160.

39. Гашенко М. П. Воронов В. Н. Никитина И. С. Подходы к разработке технологических алгоритмов управления и их реализация при создании СКУ ВХР. Годовой отчет ЭНИЦ 2002. Электрогорск.: ВНИИАЭС, 2003 С. 179 -186.

40. Тепловые и атомные электростанции: Справочник/ Под общ. ред. чл.-корр. РАН А.В. Клименко и проф. В.М. Зорина 3-е изд., перераб. И доп. — М.: Издательство МЭИ, 2003 - С. 648: ил. - (Общие вопросы; Кн. 1. Тепловые и атомные электростанции; Кн. 3)

41. Воронов В.Н., Назаренко П.Н., Шмелев А.Г. Моделирование динамики развития нарушений водно-химического режима по ионогенным примесям-для парогенераторов ПГВ-1000 // Теплоэнергетика. — 1993. — №11. — С. 37 — 42.

42. Краснощеков П.С., Петров А.А. Принципы построения моделей. М.: Изд-во МГУ, 1983.- С. 264.

43. Самарский А.А., Михайлов А.П. Математическое моделирование. М.: Наука, 1997.- С. 320.

44. Монахов А.С., Воронов В.Н., Сотников А.Ф. Некоторые вопросы динамики водного режима парогенераторов // Тр. ин-та / МЭИ. — 1975. — Вып. 257. —С. 132—137.

45. Воронов В.Н., Назаренко П.Н., Чубукова И.К. Термолиз и комплексообразование гидразина в парогенерирующих установках электростанций // Теплоэнергетика. — 1996. — № 8. — С. 43 — 46.

46. Мартынова О.И., Куртова И.В. Методика расчетного анализа поведения примесей питательной воды в тракте энергетических блоков. М.: МЭИ, 1976. -С. 14.

47. Петрова Т.И., Орлов К.А., Рахаев М.А. Математическое моделирование процессов, протекающих в пароводяном тракте ТЭС и АЭС, М.: МЭИ, 2003. -С. 27.

48. Хаггарти Р. Дискретная математика для программистов. М.: Техносфера, 2004. С. 320.

49. О. Jonas, L. Machemer. Tight control of cycle chemistry key to successful commissioning. Combined cycle journal: first quarter 2004.

50. O. Jonas, J. Mancini, and A. McGehee. "Stress Corrosion Cracking of Carbon Steel in Nuclear Component Cooling Water Systems Part 1." Materials Performance, May 2005, p 4-12.

51. O. Jonas, J. Mancini, and A. McGehee. "Stress Corrosion Cracking of Carbon Steel in Nuclear Component Cooling Water Systems Part 2." Materials Performance, June 2005,, p 34-49.

52. Влияние материала взвешенных в водном теплоносителе примесей и поверхности осаждения на формирование отложений / Дубровский И.Я., Третьяков Ю.М., Баталина Л.Н., Лошкарев В.А. // Тр. ин-та / МЭИ. — 1979.1. Вып. 405. —С. 13—21.

53. Инженерный расчет защиты атомных электростанций / Под ред. Веселкина А.П., Егорова Ю.А. М.: Атомиздат, 1976 - 296 с.

54. Дубровский И.Я., Третьяков Ю.М. Анализ механизма процессов массообмена и изменения количества отложений во времени // Научные труды / Процессы при генерации пара и водоподготовки. — 1985. — Вып. 58.1. С. 25—32.

55. Томаров Г.В., Шипков А. А. Моделирование физико-химических процессов эрозии-коррозии металлов в двухфазных потоках. // Теплоэнергетика. — 2002. — № 7. — С. 7 — 17.

56. Крицкий В. Г. Тяпков В.Ф. Анализ ведения водно-химических режимов АЭС с РБМК-100 и основные направления их совершенствования. //Теплоэнергетика. 2005. - № 7. - С.26 - 34.

57. О. Jonas. Stress corrosion cracking in PWR and BWR component cooling water. ЕРШ, Pal Alto, CA: October 2004, p 42-56.

58. Федосеев Б. С. Современное состояние водоподготовительных установок и водно-химических режимов ТЭС. //Теплоэнергетика. 2005. - № 7. - С.2 -9.

59. Автоматический химконтроль обработки продувочной воды парогенераторов на АЭС с ВВЭР / Ларин Б.М., Мамет В.А., Тяпков В.Ф., Бушуев Е.Н. // Теплоэнергетика. — 2002. — №7. — С. 24—29.

60. Zinemanas D. A simple model for studying the effect of condenser cooling water leakage on cycle water chemistry. // Power plant chemistry. — 2004. Vol. 6. - №3. - p. 145- 150.

61. Bellows J.C., Weaver K.L. An on-line steam cycle chemistry diagnostic system // ASME IEEE Power generation conference. 1988. Philadelphia. USA, p 10-18.

62. М. Рао, Дж. Сринивас. Нейронные сети. Алгоритмы и приложения. М.: Техносфера, 2004 - С. 280.

63. Дж. Макконнелл. Анализ алгоритмов. Вводный курс. М.: Техносфера, 2004-С. 310.

64. Т. Н. Рахимов, О. А. Заикин, Б. Я. Советов. Основы построения АСУ. Ташкент: 1984- С. 368.

65. Е. А. Чернявский, Д. Д. Недосекин, В. В. Алексеев. Измерительно-вычислительные средства автоматизации производственных процессов. Л.: Энергоатомиздат, 1989 С. 168-179.

66. А. А. Мячев, В. Н. Степанов, В. К. Щербо. Интерфейсные системы обработки данных. М.: Радио и связь, 1989 С. 101-129.

67. А. А. Мячев. Интерфейсные средства вычислительной техники: Справочник. М.: Радио и связь, 1993- С. 16-29.

68. А. Н. Рыбаков, Т. И. Зеленова. Локальная шина PCI: Обзор // Мир компьютерной автоматизации. 1996. №1. С. 11-16.

69. Г. Науман, В. Майлинг. Стандартные интерфейсы для измерительной техники. М.: Мир, 1982- С. 98-109.

70. Н. А. Глазунова, А. И. Карякин, Г. Ф. Филаретов. Стандартные интерфейсы: Учебное пособие. М.: МЭИ, 1984 С. 11-19.

71. Б. Митчелл. VISA интеллектуальное ПО инструментального ввода вывода для VXI // Мир компьютерной автоматизации. 1996. № 3. С. 46 - 51.

72. Ю. А. Тюрин, А. А. Макаров. Анализ данных в компьютере. М.: Финансы и статистика, 1995 С. 24-56.

73. Н. А. Виноградова, Есюткин А. А., Филаретов Г. Ф. Научно-методические основы построения АСНИ. М.: МЭИ, 1989 С. 8-12.

74. С. И. Ковалев, В. Г. Свиридов, В. М. Соколов. Автоматизация теплофизического лабораторного эксперимента. М.: МЭИ, 1994 С. 6-17.

75. Ф. Хартли, К. Бергес, Р. Олкок. Равновесия в растворах. М.: Мир, 1983 г.

76. A. S. Mohamad. Smart software optimizes membrane plants // Desalination and Water Reuse. 2003 vol. 13/2 august/september. p.- 45-49.

77. J. E. Larsson. Diagnostic reasoning strategies for means-end models. Automatica 1994, vol. 30, no. 5, p. 775-787.

78. J. E. Larsson. Diagnostic reasoning based on means-end models: experiences and future prospects. Knowledge based system 2002, vol. 15, no. 1-2, p. - 103110.

79. J. E. Larsson. Avoiding human error. International conference Control and instrumentation in nuclear installation. Bristol, England 2000, p.- 48-53

80. J. E. Larsson. Variable causality for diagnostic algorithms. AILS 04 Workshop, Lund University Lund, Sweden. 2004, p.- 48-55

81. J. E. Larsson. On-line root cause analysis for large control centers. 8th International-conference "Electric power control centers". Switzerland, 2005, p.-42-61

82. Старикович М. А., Мартынова О. И., Миропольский 3. JI. Процессы генерации пара на электростанциях. М.: «Энергия», 1969. С. 54-176.

83. Эткинс П. де Паула Дж. Физическая химия. Равновесная термодинамика. М.: «Мир» 2007. С. 62-161.

84. A.M. Pritchard, К.А. Peakall, E.F. Smart, GJ. Bignold The solubility of sodium sulphate in superheated steam between 350-500 С and 41-172 bar,

85. Materials Development division, Harwell laboratory and Central Electricity research Laboratories, Letherhead 1996. p.- 42-61

86. J. S. Bellows, A. H. Harley. Steam solubilities for combustion turbine steam cooling. International journal of thermophysics, Vol. 20, No. 1, 1999. p.- 22-32

87. K. Daucik, J. P. Jensen. Solubility of sodium sulphate in the vicinity of critical • th *point. 14 International conference on the properties of water and steam. Kyoto Vol.1 1999. p.-32-39

88. Мартынова О. И., Петрова Т. И., Васина Л. Г. и др. Расчет водно-химических режимов теплоэнергетических установок. М.: «МЭИ», 1980. С. 14-26.

89. S. L. Goodstine. Solubility of sodium sulphate in superheated steam. Proc. Am. Power Conf. 36: 784. 1974. p.- 12-19

90. Ивахненко А. Г. Индуктивный метод самоорганизующихся" моделей сложных систем. Киев: Наукова Думка, 1981. С. 51-132.о

91. Ивахненко А. Г., Мюллер И. А. Самоорганизация прогнозирующих моделей. Киев: Техника, 1985. С. 14-17.

92. Edgar Е. Peter Chaos and Order in the Capital Markets : A New View of Cycles, Prices, and Market Volatility. New-York: Wiley Finance, 1996. p.- 11-21

93. Кроновер P. Фракталы и хаос в динамических системах. М.: «Техносфера», 2006. С. 132-186.

94. Саймон Хайкин. Нейронные сети. Полный курс. М.: Издательский дом «Вильяме», 2006. С. 254-1016.

95. Mohamad Н. Hassoun. Fundamentals of artificial neural networks. Cambridge, MA: MIT Press, 2005. p.- 145-719

96. Minsky M. L., Papert S. A. Perceptrons, expanded edition. Cambridge, MA: MIT Press, 1988. p.- 12?57

97. Ljung L. Glad. T. Modeling of dynamic systems. Englewood Cliffs, NJ: Prentice-Hall, 1994. p.- 101-179

98. Котенков В. Н., Тяпков В. Ф. Применение нейросетевого моделирования для непрерывного контроля рН, теплоносителя АЭС. М.: МЭИ. Журнал «Теплоэнергетика» №7 -2005. С-36-40.177