Система диагностики и оптимизации горения пылеугольного котла на основе искусственного интеллекта

Создана автоматическая система диагностики процесса сжигания пылеугольного топлива в камере сгорания, основанной на использовании сверточных и рекуррентных нейронных сетей с автоматическим выделением признаков из изображений пламени и направленной на обучение нейронной сети детектировать режимы горения путем визуального контроля и при помощи измерительных устройств, позволяющей обеспечить более эффективное и безопасное сжигание угольного топлива. Можно выделить несколько стадий работы предприятий по сжиганию твердого топлива, где возможно внедрение технологии нейронных систем. На стадии определения качественных характеристик топлива, для ускорения определения полноты выгорания и расчета калорийности поставляемого топлива. Определение режимов горения и оптимизация процесса сжигания на основе нейросетевого анализа картин визуализации пламени угольного факела в котле. Предсказание предаварийных ситуаций и прогнозирование продуктов сгорания.

Архитектура комбинированной модели автоэнкодера.

Технология позволяет: увеличить эффективность сжигания топлива (в зависимости от типа котла и технологического процесса ≥ 3%); предсказать аварийные режимы, точность на экспериментальном стенде ≥ 93 %; определять режимы горения точность для газа – 98 % и угля – 83 %.

ИТ СО РАН. Руководитель работы к. т. н. Евгений Борисович Бутаков. Тел. +7 (383) 316-53-37.