Выявление сбоев датчиков на основе эколого-экономических параметров работы котельной с использованием нейросети

Работа котлоагрегатов зачастую сопровождается выходом из строя датчиков по тем или иным причинам, при этом их показания не всегда соответствуют действительности. На Ульяновской ТЭЦ-1 в январе 2021 г. был проведен эксперимент по снятию основных технологических параметров котлоагрегата №1. По-лученные в ходе эксперимента статистические данные легли в основу обучающей выборки для нейронной сети. Для решения проблемы с предсказанием одного из параметров было принято решение по созданию однослойной нейронной сети, основанной на регрессии многих переменных. В качестве предсказываемого параметра приняли содержание оксидов в дымовых газах. Нейронная сеть представляет собой однослойную сеть с одним выходным нейроном и четырьмя входными. После полного обучения нейронной сети был проведен тест на правильность предсказания на основе тестовых данных. Ошибка тестовых предсказаний составила 0,0076, что свидетельствует о высокой точности разработанной нейронной сети. Для удобства получения предсказания с помощью нейронной сети и вывода дополнительных данных (КПД) была разработана функция, которая на вход принимает следующие значения: расход природного газа, содержание О$_2$ в уходящих газах, расход пара за котлом и температура уходящих дымовых газов. На основе входных данных делается предсказание содержания NO$_x$ в уходящих газах. Данное предсказанное значение параметра сравнивается с фактически измеренным и на основе этого делается вывод о необходимости замены или калибровки датчика. Данная функция позволяет усовершенствовать существующие системы поддержки принятия решений, снизив процент ложных подсказок.