Zapewnienie odpowiednich warunków w budynkach sektora komunalno-bytowego, wymaga dostarczenia odpowiedniej ilości ciepła. W niektórych gałęziach przemysłu ciepło jest także potrzebne do technologii. Jeśli nośnikiem ciepła jest woda, przekazywanie wówczas tego ciepła odbywa się za pośrednictwem wymienników. Do zapewnienia wymaganych parametrów cieplnych w danym procesie stosowana jest wówczas regulacja automatyczna. Ma ona zapewnić wymagane parametry cieplne danego procesu np. temperaturę wewnętrzną w ogrzewanych pomieszczeniach, temperaturę c.w.u. w miejscu jej poboru, temperaturę danego procesu technologicznego itp. oraz optymalne zużycie dostarczanego ciepła. Spełnienie tych wymagań nie jest zadaniem łatwym. Przyczyny tego problemu zostały pokrótce opisane w tym artykule. Stosowane obecnie urządzenia do automatycznej regulacji procesów ciepłowniczych nie zapewniają odpowiedniej jakości regulacji, a ponadto nie mają one funkcji do zarządzania ciepłem w danym procesie. Zostało to pokazane na załączonych wykresach oraz obliczone na podstawie danych uzyskanych z przeprowadzonych badań. W celu poprawy tej sytuacji rozpoczęto prace, których celem było znalezienie nowych rozwiązań. W wyniku wieloletnich badań, Autorzy artykułu opracowali system do regulacji, sterowania i zarządzania ciepłem, wykorzystujący sztuczną inteligencję. Użycie tego systemu w zastosowaniu przemysłowych było możliwe dopiero w ostatnich latach, kiedy stały się powszechnie dostępne komputery o dużych mocach obliczeniowych. Algorytmy sztucznej inteligencji opracowane w tym systemie, bazują na bardzo dużej liczby danych procesowych, wymagana też jest duża szybkość przetwarzania tych danych w czasie rzeczywistym, gdyż są to systemy czasu rzeczywistego. W wyniku prowadzonych badań opracowano rozwiązanie SOZE® (System Optymalnego Zarządzania Energią), które jest już powszechnie stosowane w ciepłownictwie. Jest to pierwsze rozwiązanie ze sztuczną inteligencją zastosowane w warunkach przemysłowych. Może być ono budowane w instalacjach nowych jak też modernizowanych. Ponieważ jest to nowoczesny system komputerowy, to możliwa jest komunikacja z dowolnego miejsca na kuli ziemskiej pod warunkiem istnienia dostępu do Internetu. Jest to jedno z najbardziej konkurencyjnych przedsięwzięć zwiększających efektywność energetyczną. Z punktu widzenia jakości regulacji jest to rozwiązanie doskonałe, można to ocenić na podstawie załączonych wykresów sporządzonych na podstawie wyników badań.
Słowa kluczowe: ciepłownictwo, ogrzewnictwo, regulacja automatyczna, sztuczne sieci neuronowe, sztuczna inteligencja, zarządzanie energią, informatyka
Abstract
In order to ensure proper conditions in buildings in the municipal sector, it is necessary to provide the right amount of heat. In some industries, heat is also needed for technological purposes. If the heat carrier is water as a heating medium, then the transfer of this heat takes place via heat exchangers. In order to provide the required thermal parameters in a given process, automatic control is used. It is to provide the required thermal parameters of a given process, e.g. indoor temperature in heated rooms, hot water temperature in the place of its collection, the temperature of a given technological process, etc. and the optimal consumption of the heat supplied. Meeting these requirements is not an easy task. The reasons for this problem are briefly described in this article. Currently used devices for automatic regulation of heating processes do not provide the appropriate quality of control, nor do they have functions for heat management in a given process. This was shown in the attached charts and calculated on the basis of data obtained from the conducted research. In order to improve this situation, work began to find new solutions. As a result of many years of research, the authors of the article have developed a system for controlling and managing heat using artificial intelligence. The use of this system for industrial applications was only possible in recent years, when computers with high computing power have become widely available. Artificial intelligence algorithms developed in this system are based on a very large amount of process data, also the high speed of processing these data in real time is required as these are real-time systems. As a result of the works being carried out, the SOZE solution was created, which is already widely used in heating industry. This is the first solution with artificial intelligence used in industrial conditions. It can be built in new and modernized installations. Because it is a modern computer system, communication is possible from anywhere on the globe, if there is access to the Internet provided. It is one of the most competitive ventures that increase energy efficiency. From the point of view of the quality of control, it is a perfect solution, it can be assessed on the basis of the attached charts. This can be assessed on the basis of the attached graphs.
Keywords: district heating, heating, automatic control engineering, neural networks, energy management, artificial intelligence, computer science
1. Wprowadzenie Ilość zanieczyszczeń powietrza, emitowanych do atmosfery w dużych aglomeracjach miejskich zależy w znacznym stopniu od zużycia paliwa na cele ciepłownicze. Głównie dotyczy to centralnego ogrzewania, przygotowania ciepłej wody użytkowej oraz ciepła technologicznego. W celu ograniczenia tego zużycia ciepła podejmowane są różne działania. Zwykle przeprowadzana jest termomodernizacja budynków, w wyniku której ograniczane są straty ciepła, co powinno spowodować zmniejszenie ilości ciepła na potrzeby grzewcze. Jednak bardzo często, końcowy efekt nie jest zadowalający, bowiem duży wpływ na efektywność energetyczną systemu ciepłowniczego ma sposób sterownia i zarządzania energią. Stosowane obecnie układy regulacji tego nie zapewniają. W budynkach występuje duża zmienność zapotrzebowania na ciepło w czasie doby, a ponadto powstają tam różne zakłócenia. Dlatego system sterowania powinien dostosować ilość dostarczanej energii do chwilowych potrzeb. Ze względu na nieustalony przebieg procesów cieplnych, nie jest to zagadnienie proste. Można to zrealizować stosując zaawansowane algorytmy oraz ciągłą identyfikację procesu. Najlepiej w takich przypadkach zastosować systemy samouczące ze sztuczną inteligencją. Na Wydziale Instalacji Budowlanych, Hydrotechniki i Inżynierii Środowiska Politechniki Warszawskiej w wyniku wieloletnich prac (Granty KBN - 3 (lata 1992/95, 1998/2000, 2002/04), Projekt NCBiR (lata 2013/15) - Innowacyjna Gospodarka), prowadzonych przez prof. nzw. dr hab. inż. Witolda J. Chmielnickiego, został stworzony innowacyjny "System do sterowania i zarządzania energią w budynkach z wykorzystaniem sztucznej inteligencji SOZE® RSI". Zastosowanie do tych procesów sztucznej inteligencji sprawia, że rozwiązanie nie wymaga żadnej obsługi, gdyż dzięki opracowanym algorytmom system sam przystosowuje się do zmiennych warunków pracy, zapewniając zawsze optymalne działanie. Jest to rozwiązanie dotychczas niestosow [...]


Metoda płatności: Płatności elektroniczne (karta kredytowa, przelew elektroniczny) | |
Dostęp do publikacji (format pdf): 6.00 zł
|
|
Dostęp do Wirtualnej Czytelni - archiwalne e-zeszyty czasopisma (format swf) - 1h: 24.60 zł | |
Dostęp do Wirtualnej Czytelni - archiwalne e-zeszyty czasopisma (format swf) - 4h: 43.05 zł | |
Dostęp do Wirtualnej Czytelni - archiwalne e-zeszyty czasopisma (format swf) - 12h: 73.80 zł | |
Prenumerata
Bibliografia
[1] Chmielnicki W. J. 1996. "Sterowanie mocą w budynkach zasilanych
z centralnych źródeł ciepła". PAN. Studia z zakresu inżynierii nr 41,
Warszawa.
[2] Chmielnicki W. J. 1998. "Model of flow-through heat exchanger for
heating systems", Arch. Civ. Eng. 44 (2) Warszawa.
[3] Chmielnicki W. J. 2001. Regulacja automatyczna urządzeń ciepłowniczych.
Unia Ciepłownictwa, Warszawa.
[4] Chmielnicki W. J. 2001. Sterowanie mocą cieplną w budynkach na
potrzeby ciepłownicze z wykorzystaniem sieci neuronowych, Raport
KBN, Projekt badawczy Nr 7 T07E 001 14, Warszawa.
[5] Chmielnicki W. J. 2010. "Energy Management of District Heating
in Buidings". Rynek Energii 5(90).
[6] Chmielnicki W. J. 2011. Application of neural networks for control
of district heating, Arch. Civ. Eng. 56,2, Warszawa.
[7] Chmielnicki W. J. 2015. Wykorzystanie sieci neuronowych do sterowania
procesów cieplnych w budynkach, Raport NCBiR, Projekt
badawczy POIG 01.03.01 -14-088/12, Warszawa.
[8] Chmielnicki W. J., E. A. Chmielnicki. 2018. "Regulator ze sztuczną
inteligencją dla ciepłownictwa", Ciepłownictwo, Ogrzewnictwo,
Wentylacja 49 (8).
[9] Curtis P. S., J. F. Kreider, M, J. Brandemuchl.1993. "Adaptive control
of HVAC processes using predictive neural networks". ASHRAE
Transactions. part 2, volume 99(1).
[10] Curtis P. S., G. Shavit, J. F. Kreider. 1996. "Neural Networks Applied
to Buildings-A Tutorial and Case Studies in Prediction and
Adaptive Control". ASHRAE Transactions 1996 part 2, volume
100(1).
[11] Iserman R. 1988. "Identifikation dynamischer Systeme“. Springer-
-Verlag, Berlin, Heidelberg, New York, London, Tokyo.
[12] MacArthur J. W., E. W. Grald, A. F. Konar. 1989. "An effective approach
for dynamically compensated adaptive control". ASHRAE
Transactions 95(2).
[13] Osowski S. 1996. "Sieci neuronowe". WNT. Warszawa.
[14] Poradnik Recknagel Springer. 2007. "Ogrzewanie i klimatyzacja",
Warszawa.
[15] Rietschel: 2005. "Raumklimatechnik“, Springer-Verlag, Berlin,
New York.
[16] Curtis P.S. 1996. "Experimental Results from a Neural Network
- Assisted PID Controler", ASHRAE Transactions 1996 part 2, volume
96(1).
[17] De Wilde P. 1997. "Neural network models theory and projects",
Springer-Verlag, Berlin.
[18] Curtis P. S. 1998. "Examples of Neural Networks Used for Building
System Control and Energy Management", ASHRAE Transactions
1998 part 2, volume 104.
[19] Iserman R. 1988. "Identifikation dynamischer Systeme", Springer
- Verlag, Berlin, Heidelberg, New York,London, Tokyo.
[20] MacArthur J. W., E. W. Grald, A. F. Konar.1989. “An effective approach
for dynamically compensated adaptive control". ASHRAE
Transactions 95(2).
[21] Zaheer-uddin M. 1990. “Combined energy balance and recursive
least squares method for the identification of system parameters".
ASHRAE Transaction 96(2).