Neural simulation of pressure and temperature fluctuations at steam extraction of power unit with steam turbine

W artykule przedstawiono metodę symulacji neuronowej dla zastosowań w diagnostyce on-line obiektów energetycznych. Model neuronowy opiera się na statycznych jednokierunkowych sztucznych sieciach neuronowych oraz na danych pomiarowych z parowego bloku energetycznego o mocy 200 MW. Sieci podają wartości referencyjne parametrów przepływowych pary dla aktualnych warunków obciążenia obiektu. Badano wpływ na jakość symulacji neuronowej takich czynników jak: sposób definiowania stanu obciążenia obiektu, dobór danych uczących i testujących, metody wyszukiwania najlepszych struktur sieci, wpływ błędów pomiarowych i sezonowych zmian warunków pracy obiektu. Dokładność modelu porównano ze sprawdzonym modelem analitycznym danego obiektu.This paper presents neural simulation method for on-line diagnostics use for steam power units. Neural model is based on static feedforward artificial neural networks and measurements from steam 200 MW power unit. The networks give reference steam flow parameters for current operation settings. Researched was dependence on neural simulation quality such factors as: defining power settings, teaching and testing data selection, searching out of the best networks architecture, measurement errors and seasonal changes of operation conditions. Accuracy of neural calculations was compared with verified analytical model of the object