Цифровой двойник плюс ИИ: петербургские ученые ускоряют оптимизацию ТЭЦ в 16 раз
Гибридная архитектура, разработанная в Санкт-Петербургском политехническом университете Петра Великого, позволяет в 16 раз быстрее провести оптимизацию работы теплоцентрали. Решение уже опробовано в реальных условиях.
Программный комплекс, над которым работают специалисты СПбПУ, должен оптимизировать жизненный цикл оборудования электростанций, используя инструменты предиктивной аналитики. Гибридная архитектура состоит из двух частей. Первая – это цифровой двойник ТЭЦ, который работает на основе классических математических моделей и учитывает порядка 280 000 состояний приборов. Причем ученые проверяли его работу на примере конкретной станции с пятью энергоблоками Т-100. Второй модуль – оптимизатор на основе искусственного интеллекта. Он рассчитывает оптимальные режимы работы техники, после чего правильность заданных параметров снова проверяются в цифровом двойнике.
Такая связка позволила ускорить оптимизацию по сравнению с процессом, использующим только цифровой двойник и математические модели. Теперь расчеты занимают всего 15 секунд – это в 16 раз быстрее традиционных методов.
Результаты анализа в виде системы подсказок выдаются персоналу станции, который корректирует режим работы оборудования ТЭЦ. Это позволяет решить целый комплекс задач – повысить надежность и продлить сроки эксплуатации турбин, котлов и других агрегатов, сэкономить топливо, снизить вредные выбросы и, в конечном счете, увеличить выручку. По предварительным данным, режимы, рассчитанные с помощью гибридной архитектуры для смоделированной ТЭЦ, позволили бы за шесть месяцев увеличить маржинальный доход на треть.
Использование разработанной гибридной архитектуры выгодно не только энергокомпаниям, но и потребителям. Они получают более надежное энергоснабжение, в том числе, за счет сокращения числа внеплановых ремонтов на ТЭЦ.
От одной станции к энергосистеме
Разработка петербургских ученых после подтверждения эффективности модели на реально работающих станциях имеет хорошие перспективы для внедрения. Решения, которые работают с отдельными параметрами ТЭЦ, уже существуют в России. Однако, комплексной системы, оптимизирующей весь жизненный цикл станции, до последнего времени не существовало. Аналогичные продукты разрабатываются зарубежными компаниями, но они не могут использоваться на российском рынке, поскольку в них отсутствуют необходимые расчетные параметры.
Гибридная архитектура, созданная в СПбПУ, может быть масштабирована как на российских ТЭЦ, так и на станциях ближнего зарубежья, которые имеют схожие параметры. Для этого предстоит решить ряд практических задач: необходимо обеспечить передачу в цифровой двойник данных из работающих на ТЭЦ автоматизированных систем управления технологическим процессом.
В перспективе технология может внедряться крупными генерирующими компаниями для управления всеми теплоцентралями из единого диспетчерского центра.
От узкоспециализированных инструментов к масштабным системам
Разработка ученых СПбПУ является логичным продолжением процессов, которые идут в российской теплоэнергетике еще с 2010-х годов. Тогда речь шла о пилотных проектах на отдельных ТЭЦ, которые создавались для решения конкретных задач.
Масштабное внедрение цифровых двойников ТЭЦ началось в 2020-х. ПАО «Т Плюс» реализовывало проект «Цифровая станция» сначала в пилотном режиме на двух ТЭЦ Екатеринбурга, а затем технология внедрялась и на других энергообъектах компании.
Параллельно с этим шли процессы импортозамещения иностранного программного обеспечения на платформы российских разработчиков.
От ускорения расчетов к отраслевой платформе
За последние несколько лет цифровые двойники ТЭЦ трансформировались из инструмента моделирования в оперативную систему, помогающую персоналу станций принимать решения и оптимизировать их работу. Российские платформы все чаще используют алгоритмы машинного обучения и предиктивной аналитики для решения прикладных задач и достижения конкретного экономического эффекта.
Разработка СПбПУ позволяет совмещать архитектуру цифровых двойников и возможностей по оптимизации, которые дает использование технологий искусственного интеллекта. В ближайшие годы речь будет идти о трансформации экспериментальной технологии в реально работающий отраслевой продукт.
