Przewidujemy ryzyko wystąpienia awarii w odcinkach sieci ciepłowniczej w Toruniu
  • Elementem sieci ciepłowniczej są odcinki sieci (ciepłociągi) przesyłające ciepło ze źródeł do odbiorców. Takie odcinki są podatne na awarie, które mogą powodować straty finansowe: przerwy w dostawach ciepła i konieczność wymiany lub naprawy odcinka. Oprócz działań naprawczych post factum, możliwe są działania prewencyjne powstałe przez odpowiednio ukierunkowaną politykę modernizacyjną sieci.
  • Opracowaliśmy system oparty na uczeniu maszynowym, który na podstawie danych historycznych o awarii (ID odcinka, który uległ awarii wraz z datą wystąpienia) oraz parametrów opisujących odcinki (długość, średnica, typ konstrukcji, nazwa producenta, rok podłączenia itp.), ma za zadanie przewidywać ryzyko awarii odcinków (prawdopodobieństwo wystąpienia oraz potencjalne koszty). System został stworzony, aby wspomóc wybór odcinków przeznaczonych do wymiany lub modernizacji.
  • Osiągnęliśmy wyniki (celność wskazywania odcinków narażonych na awarie) ponad 2-krotnie lepsze od eksperckiej reguły decyzyjnej i ok. 12 razy lepsze od poziomu odniesienia (losowy wybór odcinków awaryjnych).
  • Wyniki prezentowane są na mapach w systemie GIS. Kolor ciepłociągów dostoswany jest do ryzyka i kosztów awarii.
Diagnozujemy w czasie bieżącym pracę młynów węglowych
    • Nietypowe stany pracy młynów zasilających kocioł , spowodowane np. zalepianiem się młyna, powodują zaburzenie warunków spalania w kotle. Pogorszone warunki spalania mogą zwiększać emisje (NOx, CO, CO2), negatywnie wpływać na kluczowe parametry bloku, takie jak temperatura pary świeżej oraz pogarszać właściwości wymiany ciepła powierzchni ogrzewalnych kotła. Awaryjne stany skutkujące wyłączeniem młyna powodują destabilizację procesu, mogą również powodować odstawienie bloku. Nieplanowane odstawienie bloku wiąże się z dodatkowymi kosztami finansowymi.
    • Algorytm opiera się na modelach dwóch kluczowych parametrów eksploatacyjnych młyna: – natężenia prądu pobieranego przez silnik młyna, – temperatury mieszanki pyłowo-powietrznej na wyjściu z młyna. Empiryczne modele stworzone zostały z wykorzystaniem technik uczenia maszynowego.
    • Pilotażowe wdrożenie przeprowadzone zostało w Elektrowni Rybnik.
Czytaj artykuł >> Posłuchaj podcastu >>