Доклады АН ВШ РФ

ДОКЛАДЫ АКАДЕМИИ НАУК
ВЫСШЕЙ ШКОЛЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

Print ISSN: 1727-2769    Online ISSN: 2658-3747
English | Русский

Последний выпуск
№3(72) июль-сентябрь 2026

Применение методов машинного обучения для диагностики и управления режимами сжигания угольной пыли

Выпуск № 2 (63) апрель - июнь 2024
Авторы:

Бутаков Евгений Борисович ,
Абдуракипов Сергей Сергеевич ,
DOI: http://dx.doi.org/10.17212/1727-2769-2024-2-24-31
Аннотация

В ходе исследования была изучена возможность мониторинга и выявления аномалий в процессе горения по закономерностям визуализации пламени в топочном пространстве. Экспериментальные исследования проводились на полупромышленном стенде с целью изучения горения пылевидного угля. Изображения процесса горения были классифицированы с использованием алгоритма глубокого обучения для конечного числа соответствующих коэффициентов избытка воздуха (α). По коэффициенту избытка воздуха мы разделили режимы горения на три основных класса: эффективные, неэффективные и аномальные. Этот тип классификации обеспечивает простой подход к оптимизации процесса сгорания и оповещению системы в случае критических событий. Полученная модель выполнила классификацию режимов горения с точностью в диапазоне 87 – 91 %.


Ключевые слова: машинное обучение, сверточные нейронные сети, оптимизация сжигания угля, обнаружение аномалий, электростанция
Бутаков Евгений Борисович
канд. техн. наук, ст. науч. сотр., ИТ СО РАН. Область научных интересов: горение, газификация, воспламенение. Опубликовано 53 научные работы. (Адрес: Россия, 630090, г. Новосибирск, пр. ак. Лаврентьева, д.
• E-mail: ).

e_butakov@mail.ru
Orcid: 0000-0003-4159-4469

Абдуракипов Сергей Сергеевич
канд. физ.-мат. наук, мл. науч. сотр., ИТ СО РАН. Область научных интересов: горение, газификация, воспламенение. Опубликовано 47 научных работ. (Адрес: Россия, 630090, г. Новосибирск, пр. ак. Лаврентьева, д.
• E-mail: ).

s.s.abdurakipov@gmail.com
Orcid: 0000-0003-2469-7669

Список литературы
  1. Exploring model-based decarbonization and energy efficiency scenarios with PROMETHEUS and TIAM-ECN / P. Fragkos, F.D. Longa, E. Zisarou, B.V. Zwaan, A. Giannousakis, A. Fattahi // Energies. – 2023. – Vol. 16 (18). – P. 6421. – DOI: 10.3390/en16186421.
  2. IEA. World Energy Investment 2023 / International Energy Agency. – URL: https://www. iea.org/reports/world-energy-investment-2023 (accessed: 24.05.2024).
  3. Enerdata. World Energy & Climate Statistics – Yearbook 2023. – URL: https://yearbook.enerdata.net/renewables/wind-solar-share-electricity-production.html (accessed: 24.05.2024).
  4. Loewen B. Coal, green growth and crises: Exploring three European Union policy responses to regional energy transitions // Energy Research & Social Science. – 2022. – Vol. 93. – P. 102849.
  5. IEA. World Energy Outlook 2022 / International Energy Agency. – URL: https://www.iea.org/ reports/world-energy-outlook-2022 (accessed: 24.05.2024).
  6. Chen L., Yong S.Z., Ghoniem A.F. Oxy-fuel combustion of pulverized coal: Characterization, fundamentals, stabilization and CFD modeling // Progress in Energy and Combustion Science. – 2012. – Vol. 38. – P. 156–214.
  7. Sankar G., Kumar D.S., Balasubramanian K.R. Computational modeling of pulverized coal fired boilers – A review on the current position // Fuel. – 2019. – Vol. 236. – P. 643–665.
  8. Zhang T., Yi Y., Xu Y. A multi-scale sampling method for accurate and robust deep neural network to predict combustion chemical kinetics // Combustion and Flame. – 2022. – Vol. 245. – P. 112319.
  9. Dynamic model and deep neural network-based surrogate model to predict dynamic behaviors and steady-state performance of solid propellant combustion / M.Y. Jung, J.H. Chang, M. Oh, C.H. Lee // Combustion and Flame. – 2023. – Vol. 250. – P. 112649.
  10. Artificial neural network models for heat transfer in the combustion chamber of a bubbling fluidised bed combustion system / N. Doner, K. Ciddi, I.B. Yalcin, M. Sarivaz // Case Stu­dies in Thermal Engineering. – 2023. – Vol. 49. – P. 103145.
  11. Towards a generalised artificial neural network for sub-grid filtered density function closure in turbulent combustion / H. Yang, T. Kobayashi, S. Iavarone, J.C. Massey, Z.X. Chen // Applications in Energy and Combustion Science. – 2023. – Vol. 14. – P. 100142.
  12. Plasma ignition system to start up pulverized coal boilers: experimental simulation and full-scale test / E.B. Butakov, A.P. Burdukov, S.V. Alekseenko, E.N. Yaganov // Journal of Engineering Thermophysics. – 2022. – Vol. 31. – P. 375–383.
  13. Burdukov A.P., Butakov E.B., Chernova G.V. Ignition and lighting of coal-fired boilers with mechanically activated micronized coal instead of fuel oil // Journal of Engineering Thermophysics. – 2020. – Vol. 29. – P. 492–502.
Просмотров аннотации: 742
Скачиваний полного текста: 301
Просмотров интерактивной версии: 0
Для цитирования:

Бутаков Е.Б., Абдуракипов С.С. Применение методов машинного обучения для диагностики и управления режимами сжигания угольной пыли // Доклады АН ВШ РФ. – 2024. – № 2 (63). – C. 24–31 – doi: 10.17212/1727-2769-2024-2-24-31

For citation:

Butakov E.B., Abdurakipov S.S. Primenenie metodov mashinnogo obucheniya dlya diagnostiki i upravleniya rezhimami szhiganiya ugol'noi pyli [Application if machine learning methods for diagnostics and control of coal dust combustion modes]. Doklady Akademii nauk vysshei shkoly Rossiiskoi Federatsii = Proceedings of the Russian higher school Academy of sciences, 2024, no. 2 (63), pp. 24–31. DOI: 10.17212/1727-2769-2024-2-24-31.

 

Обработка персональных данных

Мы используем сервис веб-аналитики Яндекс Метрика, который использует cookie.

Собранная при помощи cookie информация не может идентифицировать вас, однако может помочь нам улучшить работу нашего сайта. Вы можете отказаться от использования cookies, выбрав соответствующие настройки в браузере. Также Вы можете запретить сбор данных с помощью расширения для браузера «Блокировщик Яндекс Метрики». Используя этот сайт, вы соглашаетесь на обработку персональных данных.