Tổng quan luận án
Tính đến hết năm 2020, tổng công suất đặt của các nhà máy nhiệt điện đốt than tại Việt Nam đạt 20.867 MW, chiếm khoảng 30% toàn hệ thống điện quốc gia và sản xuất 123.117 GWh, tương đương 50% tổng sản lượng điện. Vận hành ổn định hệ thống nhiệt điện than giữ vai trò cốt lõi trong đảm bảo an ninh năng lượng. Hệ thống điều khiển quá trình nhiệt trong nhà máy nhiệt điện than là một hệ thống phi tuyến phức tạp, đa thông số, có độ trễ vận tải lớn và thường xuyên chịu tác động của các nhiễu ngẫu nhiên như biến động chất lượng than hay sự suy thoái thiết bị cơ nhiệt sau thời gian làm việc. Thực tế tại các đơn vị phát điện, điển hình là tổ máy S1 (công suất định mức 622,5 MW) thuộc Nhà máy Nhiệt điện (NMNĐ) Duyên Hải 1, cho thấy hệ thống điều khiển phân tán (DCS) bộc lộ nhiều khiếm khuyết: các bộ tham số điều khiển tỉ lệ - tích phân - vi phân (PID) chưa được tối ưu, độ dao động công suất và lưu lượng than còn lớn, xảy ra sự cố đóng xỉ buồng đốt, suất tiêu hao nhiên liệu thực tế cao hơn định mức thiết kế và nhiều mạch vòng phải vận hành ở chế độ bằng tay. Theo các thống kê học thuật được trích dẫn trong văn bản, có tới 85% các vòng điều khiển công nghiệp chưa có bộ tham số tối ưu và 45% vòng điều chỉnh khi chuyển sang chế độ thủ công ít bị dao động hơn tự động. Do đó, việc xây dựng phương pháp nhận dạng và chỉnh định các mạch vòng điều khiển thích nghi với điều kiện vận hành thực tế là yêu cầu cấp thiết.
Mục tiêu nghiên cứu của luận án được xác định rõ ràng:
- Nghiên cứu phương pháp nhận dạng và chỉnh định hệ điều khiển nhà máy nhiệt điện đốt than phun phục vụ vận hành ổn định và hiệu quả.
- Phân tích các mạch vòng điều khiển cơ bản và đánh giá các yếu tố ảnh hưởng tới chất lượng làm việc của các mạch vòng để chỉ ra phương án hiệu chỉnh.
- Nghiên cứu phương pháp sử dụng phần tử dự báo kết hợp bộ điều khiển nhằm chỉnh định hệ thống điều khiển và xây dựng phần mềm hỗ trợ chỉnh định tham số bộ điều khiển.
- Nghiên cứu ứng dụng mạng nơron nhân tạo nhận dạng đối tượng, trạng thái vận hành và hiệu chỉnh lượng đặt hệ điều khiển cấp nhiên liệu than theo thời gian thực.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Hệ thống điều khiển nhà máy nhiệt điện sử dụng công nghệ đốt than phun (PC) với thông số hơi cận tới hạn (áp suất 16,7 MPa, nhiệt độ 538°C/538°C).
- Phạm vi nghiên cứu: Phân tích, nhận dạng và chỉnh định các mạch vòng điều khiển chính tại tổ máy S1 (công suất 622,5 MW) của NMNĐ Duyên Hải 1 thuộc Tổng công ty Phát điện 1; dải công suất phát điện khảo sát từ 75% đến 100% phụ tải định mức (RO) trong điều kiện chỉ sử dụng nhiên liệu than.
Tổng quan tài liệu và vị trí của luận án
Luận án điểm lại các công trình nghiên cứu về nhận dạng và chỉnh định hệ thống điều khiển trong công nghiệp:
- Về nhận dạng đối tượng: Các phương pháp nhận dạng kinh điển gồm thực nghiệm vòng hở (Open Test) và thực nghiệm vòng kín (Close Test / nhận dạng thụ động). Các công trình của các tác giả trước đây phân tích mô hình hóa theo phương trình bảo toàn năng lượng và động học có độ chính xác cao nhưng cấu trúc toán học phức tạp, khó áp dụng cho đối tượng có thông số rải và phi tuyến mạnh. Thống kê của các nghiên cứu cho thấy tỉ lệ mô hình hóa đối tượng gồm: 37% dạng quán tính bậc nhất có trễ, 18% dạng quán tính bậc hai có trễ, 9% dạng tích phân có trễ, 9% dạng tích phân quán tính bậc nhất có trễ, 12% không dùng mô hình và 15% là các dạng mô hình khác.
- Về chỉnh định PID truyền thống: Các phương pháp dựa trên đặc tính quá độ (Ziegler-Nichols 1), phương pháp biên ổn định (Ziegler-Nichols 2, phương pháp phản hồi rơ-le của Astrom-Hagglund), phương pháp điều khiển mô hình nội (IMC của Morari), phương pháp phân bổ miền nghiệm trên tiêu chuẩn ổn định Nyquist của Dubnikova E.G. Rotach V. đã đề xuất phương pháp chỉnh định bộ điều khiển theo giá trị dự trữ ổn định đặc tính cứng hệ hở và biên độ dao động $M$ với các giá trị khuyến cáo $M = 1,55$ và $M = 2,38$. Mạnh N. phát triển phương pháp tổng hợp bộ điều chỉnh bền vững dựa trên chỉ số dao động mềm $m(\omega)$ và đặc tính mềm của hệ hở. Pikina Galina Alekseeva và Burtsev Yuliana Sergeeva đề xuất cấu trúc bộ điều khiển siêu tối ưu gần đúng kết hợp hàm phân thức và thời gian trễ.
- Về các phương pháp nâng cao: Bao gồm PID tự chỉnh (Auto-tuning PID), Gain-scheduling PID và điều khiển dự báo theo mô hình (MPC). Phùng Tiến Duy và cộng sự nghiên cứu phương pháp tự chỉnh thông số PID sử dụng phản hồi âm lặp kết hợp khâu rơ-le cho lò nhiệt. Tang Z. áp dụng mô hình DoAMPC (Dual-optimized Adaptive Model Predictive Control) kiểm soát nhiệt độ hơi với sai số dưới 1,5%.
- Về ứng dụng mạng nơron nhân tạo (ANN): Karna và cộng sự sử dụng mô hình mạng nơron cấu trúc nhiều đầu vào - một đầu ra (MISO) để nhận dạng cân bằng vật chất lò hơi - tuabin. Ivan R. Nikolic và cộng sự nhận dạng lưu lượng nước cấp qua áp suất và tốc độ bơm cấp. Narendra cũng như tác giả B. và cộng sự ứng dụng ANN đánh giá hiệu suất nhiệt và phân tích Exergy của nhà máy nhiệt điện với tập dữ liệu 27 giá trị (18 mẫu huấn luyện, 9 mẫu kiểm tra). Sai và cộng sự ứng dụng mạng nơron kết hợp mô hình mờ kiểm soát nhiệt độ hơi trong dải $\pm 10^\circ\text{C}$. Rajarshi Dixit và cộng sự dùng ANN nhận dạng nhiệt độ hơi tái nhiệt với sai số bình phương 5,56. Yondha Dwika Arferiandi và cộng sự dự báo suất hao nhiệt nhà máy điện khí chu trình hỗn hợp.
Khoảng trống nghiên cứu được luận án xác định: Các phương pháp chỉnh định cổ điển thường chỉ áp dụng cho từng mạch vòng đơn lẻ, kém hiệu quả khi thông số đối tượng biến thiên liên tục do chất lượng than thay đổi; các phương pháp nâng cao như MPC lại đòi hỏi phần cứng phức tạp. Luận án lựa chọn giải quyết khoảng trống kết hợp phần tử dự báo với thuật toán chỉnh định số trên nền DCS thực tế, đồng thời tích hợp mạng nơron nhận dạng và hiệu chỉnh lượng đặt bù nhiệt trị than theo thời gian thực cho NMNĐ than phun cận tới hạn.
Cơ sở lý thuyết và phương pháp nghiên cứu
Cơ sở lý thuyết của luận án dựa trên lý thuyết điều khiển tự động quá trình nhiệt và mạng nơron nhân tạo:
- Phương pháp chỉ số dao động mềm: Chỉ số dao động mềm $m(\omega)$ là hàm đơn điệu giảm theo tần số:
$$m(\omega) = m_0 \frac{1 - e^{-\tau \omega}}{\tau \omega}$$
Hàm truyền bộ điều khiển bền vững được xác định theo cấu trúc:
$$G_c(s) = \frac{1}{s \tau_c} G_p^{-1}(s) = \frac{A(s)}{s \tau_c B(s)}$$
- Phương pháp chỉnh định theo độ dự trữ ổn định của Rotach V.: Dựa trên đường cong Nyquist không xâm phạm vòng tròn giới hạn bán kính $M / (M^2 - 1)$ với hệ số biên độ $M = 1,55$, qua đó xác định hàm hỗ trợ $F_B(\omega)$ để tổng hợp các thông số $k_p, T_i, T_d$ cho bộ điều khiển PI, PID lý tưởng và quy đổi sang bộ điều khiển PID dạng thực có khâu lọc $T_f$.
- Phương pháp đánh giá chất lượng mạch vòng: Sử dụng hệ thống khoảng 40 tiêu chí (độ biến động, sai lệch tuyệt đối trung bình, sai lệch tĩnh, hệ số Harris, thời gian xác lập, tích phân sai lệch tuyệt đối...) để tính toán "% Trọng số theo ngưỡng" và "Hệ số tổng thể" nhằm xếp hạng chất lượng các vòng điều khiển.
- Lý thuyết mạng nơron nhân tạo: Sử dụng mô hình mạng nơron truyền thẳng nhiều lớp với thuật toán học lan truyền ngược, cấu trúc MISO tiếp nhận các tín hiệu đầu vào quá trình để nhận dạng phi tuyến và tính toán bù lượng đặt.
Phương pháp nghiên cứu thực tế:
- Kết hợp nghiên cứu lý thuyết, xây dựng thuật toán, mô phỏng trên môi trường Matlab/Simulink và kiểm chứng bằng dữ liệu thực nghiệm thu thập từ hệ thống DCS của NMNĐ Duyên Hải 1.
- Dạng mô hình đối tượng quá trình nhiệt được chuẩn hóa theo các hàm truyền đặc trưng:
| Tên mô hình |
Dạng hàm truyền $W_p(s)$ |
Hàm đáp ứng quá độ $h(t)$ |
| Quán tính bậc 1 có trễ |
$\frac{K e^{-\tau s}}{1 + Ts}$ |
$K \left(1 - e^{-\frac{t-\tau}{T}}\right)$ |
| Quán tính bậc 2 có trễ |
$\frac{K e^{-\tau s}}{(1 + T_1 s)(1 + T_2 s)}$ |
$K \left[1 - \frac{T_1}{T_1 - T_2} e^{-\frac{t-\tau}{T_1}} + \frac{T_2}{T_1 - T_2} e^{-\frac{t-\tau}{T_2}}\right]$ |
| Tích phân có trễ và quán tính |
$\frac{K e^{-\tau s}}{s(1 + Ts)}$ |
$K \left[t - \tau - T \left(1 - e^{-\frac{t-\tau}{T}}\right)\right]$ |
| Dao động có trễ |
$\frac{K e^{-\tau s}}{a_2 s^2 + a_1 s + 1}$ |
$K \left{1 - e^{-\alpha (t-\tau)} \left[\cos\beta(t-\tau) + \frac{\alpha}{\beta} \sin\beta(t-\tau)\right]\right}$ |
- Nguồn dữ liệu: Cơ sở dữ liệu vận hành thời gian thực từ DCS tổ máy S1 NMNĐ Duyên Hải 1, bao gồm chuỗi dữ liệu 600 điểm (chu kỳ lấy mẫu 72 giây) và 1200 điểm (chu kỳ lấy mẫu 3 giây) ngày 30/07/2018; số liệu vận hành ngày 10/03/2020 khi đốt than antraxít nhập khẩu từ Úc; chuỗi dữ liệu đo đạc suất hao than 24h tải định mức từ ngày 22/05/2019 đến ngày 11/06/2019.
Nội dung chính theo từng chương
Chương 1: Khái quát chung về nhận dạng và chỉnh định các bộ điều khiển trong nhà máy nhiệt điện
Chương 1 trình bày tổng quan cấu tạo dây chuyền công nghệ NMNĐ than phun cận tới hạn (nhiệt độ buồng lửa 1300°C - 1500°C, áp suất 16,7 MPa, nhiệt độ hơi 538°C/538°C), bao gồm các khối lò hơi, tuabin (cao áp, trung áp, hạ áp), máy phát và các hệ thống phụ trợ. Tác giả phân tích các yếu tố ảnh hưởng gồm tính chất phi tuyến, tính bất định, công tác bảo dưỡng định kỳ và sự thay đổi thành phần nguyên tố nhiên liệu than (C, H, O, N, S, ẩm W, tro A, chất bốc V, cacbon cố định $C_f$; trong đó khi tỉ lệ $H_2$ tăng 1% làm hiệu suất lò hơi giảm 1,1%).
Từ số liệu thực tế tại tổ máy S1 NMNĐ Duyên Hải 1 ngày 30/07/2018, tác giả xây dựng đường đặc tính lưu lượng than theo công suất phát điện $m$ (MW):
- Quá trình tăng tải: $W_{than}^{tang}(m) = -17,659 + 0,564 \cdot m$ (tấn/h)
- Quá trình giảm tải: $W_{than}^{giam}(m) = 17,593 + 0,469 \cdot m$ (tấn/h)
Tại mức công suất 550 MW, độ chênh lệch lưu lượng than giữa tăng tải và giảm tải là:
$$\Delta W_{than}(550\text{ MW}) = 292,54 - 275,67 = 16,87\text{ tấn/h}$$
Hiện tượng này chỉ ra tính chất "khó nóng - dễ lạnh" của lò hơi. Thời gian trễ từ khi lưu lượng than biến động đến khi áp suất hơi biến động trong quá trình tăng tải là $B = 150$ giây, trong khi giảm tải là $A = 69$ giây; tỉ lệ trễ $B/A = 2,174$, chứng minh quá trình tăng tải trễ hơn 2,17 lần so với giảm tải.
| Thông số |
Đơn vị |
Giá trị trung bình |
Phương sai |
Độ lệch chuẩn |
| Phụ tải phát điện |
MW |
622,257 |
0,528 |
0,726 |
| Áp suất hơi quá nhiệt |
MPa |
16,581 |
0,015 |
0,120 |
| Lưu lượng nhiên liệu than |
tấn/h |
321,915 |
31,816 |
5,641 |
Tác giả cũng thống kê suất tiêu hao than đầu cực của tổ máy S1 tại tải định mức 622,5 MW:
| STT |
Ngày |
Nhiệt trị làm việc (kCal/kg) |
Suất hao than theo nhiệt trị cơ sở (g/kWh) |
Suất hao than theo nhiệt trị thực tế (g/kWh) |
Suất hao than thực tế đo DCS (g/kWh) |
Chênh lệch tổn hao (g/kWh) |
| 1 |
11/06/2019 |
5232,7 |
494,572 |
423,41 |
486,39 |
62,97 |
| 2 |
10/06/2019 |
5274,3 |
494,572 |
420,08 |
460,02 |
39,95 |
| 3 |
09/06/2019 |
5153,8 |
494,572 |
429,90 |
473,25 |
43,36 |
| 4 |
06/06/2019 |
5157,4 |
494,572 |
429,60 |
470,46 |
40,86 |
| 5 |
31/05/2019 |
4928,0 |
494,572 |
449,59 |
481,04 |
31,45 |
| 6 |
30/05/2019 |
4948,4 |
494,572 |
447,74 |
495,29 |
47,55 |
| 7 |
29/05/2019 |
4983,5 |
494,572 |
444,59 |
506,35 |
61,76 |
| 8 |
28/05/2019 |
5286,2 |
494,572 |
419,13 |
464,65 |
45,52 |
| 9 |
27/05/2019 |
4865,7 |
494,572 |
455,35 |
509,26 |
53,90 |
| 10 |
23/05/2019 |
5123,4 |
494,572 |
432,45 |
490,73 |
58,29 |
| 11 |
22/05/2019 |
5000,1 |
494,572 |
443,11 |
489,46 |
46,35 |
Kết quả chỉ ra nhiệt trị thực tế cao hơn nhiệt trị cơ sở thiết kế (4479,84 kCal/kg), nhưng suất tiêu hao than thực tế vẫn cao hơn tính toán lý thuyết từ 31,45 đến 62,97 g/kWh do tổn thất trong quá trình điều khiển và chế độ cháy buồng lửa.
Chương 2: Phân tích yếu tố ảnh hưởng tới các mạch vòng điều khiển cơ bản trong nhà máy nhiệt điện đốt than phun
Chương 2 đi sâu phân tích cấu trúc P&ID và đặc tính động học của hai cấp điều khiển chính:
- Hệ điều khiển cấp trên (phụ tải nhiệt): Gồm mạch vòng điều khiển công suất phát và áp suất hơi, vận hành theo 3 chế độ: chế độ tuabin theo lò (TF - Turbine Follow), chế độ lò theo tuabin (BF - Boiler Follow) và chế độ điều khiển phối hợp (CCS - Coordinated Control System).
- Hệ điều khiển cấp dưới (cơ sở):
- Mạch vòng điều khiển cấp nước: Giữ ổn định mức nước bao hơi.
- Mạch vòng điều khiển khói gió: Điều khiển nồng độ oxy dư trong khói thải thông qua quạt gió cấp 2 (FDF) và điều khiển áp suất âm buồng đốt thông qua quạt khói (IDF).
- Mạch vòng điều khiển nhiệt độ hơi quá nhiệt: Điều chỉnh lượng nước phun giảm ôn đẳng trị.
- Mạch vòng điều khiển cấp nhiên liệu than vào lò hơi.
Tác giả tiến hành mô phỏng trên Matlab/Simulink mô hình tổ máy 622,5 MW để đánh giá các chỉ tiêu kinh tế kỹ thuật ($J_N$ theo MWh và $J_f$ theo kg than/kWh) và khảo sát độ nhạy sai lệch công suất khi có sự thay đổi đột ngột của các biến quá trình: lưu lượng nước cấp, lưu lượng gió cấp 2, lưu lượng phun giảm ôn, lưu lượng nhiên liệu và sự biến động nhiệt trị than.
Chương 3: Nghiên cứu sử dụng phần tử dự báo kết hợp bộ điều khiển để chỉnh định các mạch vòng điều khiển
Chương 3 xây dựng phương pháp luận kết hợp phần tử dự báo tín hiệu số vào mạch vòng điều khiển phản hồi để bù trừ trễ vận tải của đối tượng nhiệt. Luận án chứng minh và đưa ra giới hạn toán học cho thời gian dự báo $t_{pr}$:
$$t_{pr} \le 0,461 \cdot \tau$$
trong đó $\tau$ là thời gian trễ vận tải của đối tượng điều khiển.
Trên cơ sở phương pháp luận này, tác giả thiết kế và lập trình hoàn chỉnh phần mềm chuyên dụng hỗ trợ chỉnh định tham số bộ điều khiển công nghiệp. Phần mềm gồm các module: khai báo bài toán, nhập hàm truyền đối tượng, tính toán bộ điều khiển theo phương pháp chỉ số dao động mềm và phương pháp dự trữ ổn định đặc tính tần số Rotach V.
Phần mềm được ứng dụng để thiết kế bộ điều khiển PI, PID thực cho:
- Mạch vòng điều khiển nồng độ oxy dư (Oxy Master);
- Mạch vòng điều khiển cấp nhiên liệu (Fuel Master);
- Mạch vòng điều khiển lò hơi (Boiler Master).
Đồng thời, luận án thiết lập bảng công thức quy đổi tương đương các hệ số $k_p, T_i, T_d, T_f$ từ kết quả tính toán mô phỏng sang các khối chức năng thuật toán điều khiển thực tế trên hệ thống DCS của NMNĐ Duyên Hải 1.
Chương 4: Ứng dụng mạng nơron nhân tạo nhận dạng và hiệu chỉnh hệ thống điều khiển trong nhà máy nhiệt điện đốt than
Chương 4 nghiên cứu giải pháp ứng dụng mạng nơron nhân tạo (ANN) cấu trúc MISO để giải quyết bài toán biến động nhiệt trị than:
- Thiết kế mạng nơron nhận dạng trạng thái vận hành: Mạng được huấn luyện bằng dữ liệu vận hành thực tế thu thập từ DCS, thực hiện nhận dạng quan hệ phi tuyến giữa các đại lượng vào-ra (lưu lượng than, lưu lượng gió, áp suất hơi, công suất phát).
- Ứng dụng mạng nơron hiệu chỉnh lượng đặt mạch vòng cấp nhiên liệu (Fuel Master): Mạng nơron tính toán hệ số bù nhiệt trị than (BTU compensation) và dự báo lượng than cấp vào buồng lửa trước một khoảng thời gian $t_{pr}$.
- Mô phỏng và đánh giá trên Matlab/Simulink: Kết quả kiểm chứng khi kết hợp mạng nơron hiệu chỉnh lượng đặt cho thấy độ lệch công suất phát điện giảm rõ rệt ở cả 3 chế độ vận hành (TF, BF, CCS), triệt tiêu hiện tượng quá điều chỉnh lưu lượng than và nâng cao tính ổn định của hệ thống.
Kết quả và những đóng góp mới
Những điểm đóng góp mới về mặt khoa học và thực tiễn của luận án gồm:
- Phân tích đặc điểm công nghệ, cấu trúc điều khiển, các yếu tố ảnh hưởng tới chất lượng làm việc và xác lập trình tự thực hiện chỉnh định các mạch vòng điều khiển cơ bản trong nhà máy nhiệt điện đốt than phun công nghệ cận tới hạn, phục vụ định hướng cho công tác nhận dạng và chỉnh định hệ thống điều khiển NMNĐ.
- Sử dụng hiệu quả phần tử dự báo kết hợp bộ điều khiển để chỉnh định các mạch vòng điều khiển trong NMNĐ; đề xuất điều kiện thời gian dự báo xác định không vượt quá 0,461 lần thời gian trễ vận tải của đối tượng ($t_{pr} \le 0,461\tau$). Đề xuất bộ tham số điều khiển mới cho mạch vòng điều khiển gió chính và cấp nhiên liệu tại NMNĐ Duyên Hải 1.
- Ứng dụng thành công mạng nơron nhân tạo trong nhận dạng hệ thống điều khiển nhà máy cụ thể. Mạng nơron được kiểm chứng chức năng nhận dạng đặc tính vận hành của nhà máy, đánh giá các cấu trúc điều khiển và hiệu chỉnh lượng đặt quá trình cấp nhiên liệu than tại NMNĐ Duyên Hải 1.
Kiến nghị và giải pháp đề xuất:
- Ứng dụng phần mềm chỉnh định tham số bộ điều khiển đã xây dựng vào các kỳ sửa chữa lớn, đại tu tổ máy nhằm tối ưu hóa các bộ tham số PID trên hệ thống DCS.
- Triển khai lắp đặt bổ sung hệ thống trí tuệ nhân tạo giao tiếp với DCS để tự động nhận dạng và bù lượng than theo thời gian thực khi nhà máy chuyển đổi hoặc phối trộn các nguồn than nhập khẩu có nhiệt trị khác nhau.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của nghiên cứu gắn liền với phạm vi và các giả thiết kỹ thuật:
- Phạm vi nghiên cứu giới hạn ở dải công suất tải cao từ 75% đến 100% RO và chỉ xét chế độ đốt thuần than, chưa khảo sát các dải tải thấp hoặc chế độ đốt kèm dầu hỗ trợ.
- Mạch vòng điều khiển nhiệt độ hơi quá nhiệt được giả thiết gần đúng đẳng trị thành một bộ quá nhiệt thông số tập trung; chưa đi sâu vào động học chi tiết của từng cấp quá nhiệt và tái nhiệt riêng biệt.
- Nghiên cứu chưa đề cập đến mạch vòng ngưng hơi, hệ thống gia nhiệt khử khí và dây chuyền chuẩn bị nhiên liệu (nghiền, sấy than) nằm ngoài lò hơi.
Hướng phát triển trong tương lai:
- Mở rộng thuật toán chỉnh định và mô hình mạng nơron cho toàn bộ dải phụ tải từ 30% đến 100% RO.
- Nghiên cứu tích hợp sâu mạng nơron vào phần cứng điều khiển thời gian thực để tự động hóa toàn diện quá trình hiệu chỉnh vòng lặp kín trên các hệ thống DCS công nghiệp khác nhau.
Giá trị tham khảo
Luận án là tài liệu tham khảo chuyên môn cho:
- Nghiên cứu sinh, học viên cao học và giảng viên chuyên ngành Kỹ thuật nhiệt, Năng lượng nhiệt, Tự động hóa quá trình công nghệ: Tham khảo cơ sở lý thuyết về dao động mềm, phương pháp chỉnh định tần số Rotach V. và mô hình hóa lò hơi - tuabin.
- Kỹ sư vận hành, kỹ sư tự động hóa tại các nhà máy nhiệt điện đốt than: Sử dụng quy trình nhận dạng thụ động từ dữ liệu DCS, bảng công thức quy đổi tham số PID sang phần mềm DCS và phần mềm chỉnh định tham số.
- Cán bộ kỹ thuật và quản lý tại các Tổng công ty phát điện (GENCO) và Tập đoàn Điện lực Việt Nam (EVN): Tham khảo các giải pháp kỹ thuật nâng cao hiệu suất lò hơi, giảm suất tiêu hao than khi đốt than nhập khẩu và nâng cao độ tin cậy vận hành tổ máy.
Câu hỏi thường gặp
1. Hiện tượng "khó nóng - dễ lạnh" của lò hơi tổ máy S1 NMNĐ Duyên Hải 1 được thể hiện qua các phương trình và dữ liệu nào trong luận án?
Hiện tượng này được thể hiện qua phương trình đường đặc tuyến nhiên liệu theo công suất: quá trình tăng tải $W_{than}^{tang} = -17,659 + 0,564 \cdot m$ và giảm tải $W_{than}^{giam} = 17,593 + 0,469 \cdot m$. Tại 550 MW, lượng than khi tăng tải lớn hơn khi giảm tải là 16,87 tấn/h. Ngoài ra, độ trễ phản ứng của áp suất khi tăng tải ($B = 150$ giây) gấp 2,174 lần so với khi giảm tải ($A = 69$ giây).
2. Điều kiện xác định thời gian dự báo khi kết hợp phần tử dự báo với bộ điều khiển được tác giả đề xuất là gì?
Thời gian dự báo $t_{pr}$ được xác định không vượt quá 0,461 lần thời gian trễ vận tải của đối tượng điều khiển, tức $t_{pr} \le 0,461 \cdot \tau$.
3. Tại sao suất tiêu hao than thực tế của tổ máy S1 lại cao hơn phương án giá điện dù nhiệt trị than làm việc thực tế cao hơn thiết kế?
Nhiệt trị than thực tế đạt từ 4865,7 đến 5286,2 kCal/kg (cao hơn mức thiết kế 4479,84 kCal/kg), nhưng suất tiêu hao than thực tế trên DCS vẫn cao hơn tính toán lý thuyết từ 31,45 đến 62,97 g/kWh. Nguyên nhân chủ yếu do các bộ tham số PID chưa tối ưu, độ dao động lưu lượng than lớn (phương sai 31,816 tấn/h) và sự quá điều chỉnh trong quá trình cấp nhiên liệu gây tổn thất nhiệt buồng lửa.
4. Ba chế độ vận hành điều khiển phụ tải nhiệt được phân tích trong luận án là gì?
Ba chế độ gồm: Chế độ tuabin theo lò hơi (TF - Turbine Follow), Chế độ lò hơi theo tuabin (BF - Boiler Follow) và Chế độ điều khiển phối hợp lò hơi - tuabin (CCS - Coordinated Control System).
5. Mạng nơron nhân tạo được sử dụng trong luận án nhằm mục đích cụ thể nào?
Mạng nơron nhân tạo (cấu trúc MISO) được sử dụng để nhận dạng đặc tính vận hành phi tuyến của tổ máy từ dữ liệu thực tế DCS, đánh giá cấu trúc điều khiển và tính toán hiệu chỉnh lượng đặt của mạch điều khiển cấp nhiên liệu (Fuel Master) nhằm bù trễ và thích ứng với sự thay đổi nhiệt trị than.
Kết luận
Luận án tiến sĩ của tác giả Nguyễn Tiến Sáng đã giải quyết bài toán nâng cao chất lượng điều khiển cho nhà máy nhiệt điện đốt than phun công nghệ cận tới hạn thông qua kết hợp lý thuyết điều khiển hiện đại và dữ liệu thực tế tại NMNĐ Duyên Hải 1. Nghiên cứu đã xác lập điều kiện thời gian dự báo $t_{pr} \le 0,461\tau$, xây dựng công cụ phần mềm chỉnh định tham số PID và chuyển đổi thành công lên hệ thống DCS thực tế. Đồng thời, luận án chứng minh tính hiệu quả của mạng nơron nhân tạo trong việc nhận dạng và bù sai lệch lượng đặt cấp than theo thời gian thực. Các kết quả đạt được đóng góp giải pháp kỹ thuật cụ thể giúp ổn định vận hành, giảm dao động và nâng cao hiệu quả kinh tế cho các tổ máy nhiệt điện than.
