Привет, Хабр. Меня зовут Кирилл, и я работаю в центре машинного обучения «Инфосистемы Джет». Сегодня хочу рассказать, как мы совместно со специалистами ТЭЦ крупного металлургического предприятия сделали цифровой сервис для оптимизации работы питательных электронасосов (ПЭН). Годовой экономический эффект от реализации сервиса превзошел наши ожидания и составил 19,6 млн рублей. Это, на первый взгляд, не так много для большого завода, но учитывая, что там работает целый ряд подобных решений, в совокупности общая сумма экономии впечатляет.

Дисклеймер: название предприятия не раскрывается. Чтобы не нарушить конфиденциальность и не раскрывать точные параметры оборудования, большинство указанных в статье численных значений (за исключением точности моделей) изменены случайным образом в тех разумных пределах, которые без ущерба для понимания позволяют рассматривать реальные производственные процессы.

Зачем на ТЭЦ насосы и как сэкономить на их оптимизации?

10 питательных электронасосов ТЭЦ подают воду для котлов, где вода превращается в пар, который расходуется на нужды производства. Насосы имеют приблизительно одинаковые характеристики, но все они от разных производителей. На практике потребление электроэнергии и эффективность работы насосов различались, даже у агрегатов одного типа. Одновременно в работе находится от четырех до шести ПЭН, а точное количество зависит от текущей потребности производства в генерации пара.

До внедрения рекомендательного сервиса на производстве не было четкого понимания, каким составом насосов эффективнее работать в различных условиях. Сотрудникам ТЭЦ приходилось опытным путем подбирать состав оборудования при изменении паровой нагрузки, что приводило к избыточному потреблению электроэнергии. Была поставлена задача — понять, насколько эффективен каждый ПЭН, и оптимизировать работу станции для снижения потребления электроэнергии. Для этого требовались навыки анализа данных и математического моделирования, поэтому к проекту привлекли нас.

Первое, что может прийти в голову на пути к оптимизации, — включать самые энергоэффективные насосы. Энергоэффективными (или просто эффективными) насосами будем называть те, которые тратят меньше электроэнергии на единицу объема подаваемой воды при текущем давлении в системе. Таким образом, для вычисления эффективности необходимо знать, какое количество воды пропускает через себя каждый ПЭН и сколько он при этом потребляет электроэнергии. Счетчики электропотребления имеются на каждом из агрегатов, а вот измеритель расхода воды всего один — он установлен в напорном коллекторе и показывает лишь суммарный расход по всем насосам. Это препятствие можно обойти путем моделирования работы насосов для оценки вклада каждого из ПЭН в общий расход питательной воды. Но даже этого еще недостаточно для определения оптимального состава оборудования в разные моменты времени, ведь есть дополнительные технологические ограничения. Например, включение только самых энергоэффективных насосов может не обеспечить требуемого давления и придется включать менее эффективные насосы, но дающие больший напор (повышающие давление в системе).

Анализ данных и моделирование

Мы сразу приступили к первичному анализу данных о работе оборудования за несколько лет. Одна из сложностей, с которой мы столкнулись, — корректное определение суммарного расхода подаваемой насосами воды. Как я сказал ранее, в напорном коллекторе имеется расходомер, но, как оказалось, он не учитывает отборы воды на впрыск в паровой тракт котельных агрегатов. Сначала казалось, что они должны оказывать очень малый вклад в суммарный расход. Но, разобравшись со схемой питательных трубопроводов, удалось произвести корректный учет всех впрысков, чей вклад составил приблизительно 7% от общего расхода, лежащего в диапазоне 1200–1800 т/ч.

Неожиданным открытием оказалось поведение суммарной потребляемой мощности при включении или выключении одного из насосов. Объясню на примере: предположим, в работе шесть насосов, каждый из которых потребляет 2 МВт. Отключение одного из них уменьшит суммарную потребляемую мощность с 12 МВт не до 10 МВт, а лишь до 10,8 МВт. Это объясняется тем, что оставшиеся в работе насосы будут стремиться сохранить прежний расход воды при меньшем давлении и возьмут на себя часть нагрузки.

Также при анализе мы обратили внимание на то, что часть насосов включается намного реже остальных. Технологи объяснили это распределение их представлением об эффективности насосов — вскоре нам предстояло проверить их эмпирический опыт на статистике с помощью моделирования.

В данных встречались также выбросы и другие аномалии, связанные с некорректными показаниями датчиков в некоторые непродолжительные периоды времени. Тщательно их обработав, мы приступили к моделированию работы ПЭН.

Для построения рекомендательного сервиса нам требовалась модель, которая могла бы дать ответы одновременно на несколько вопросов: как изменится электропотребление и давление питательной воды при различных составах оборудования. Мы опробовали несколько подходов к решению нашей задачи. «Деревянные» модели исключили сразу, как минимум потому, что в истории наблюдались не все возможные уникальные составы оборудования. Начали мы с того, что обучили две независимые линейные модели для прогноза давления и мощности в зависимости от статусов ПЭН и расхода питательной воды. Ниже пример регрессионного уравнения для прогноза давления:

P_{прогноз} — Прогноз давления питательной воды

S_i — Статус насоса (1 = включен, 0 = выключен)

W_i W_пв W₀ — Параметры модели

F_пв — Расход питательной воды

Как и ожидалось, точность такого прогноза оказалась не слишком высока, средняя абсолютная ошибка (MAE) для определения давления составляла около 2,5 кгс/см², что весьма немало, учитывая, что включение или отключение одного насоса изменяет давление в системе на 10–12 кгс/см².

Далее мы решили прогнозировать лишь изменение давления и потребляемой мощности при изменении состава оборудования. Таких переходов происходит больше сотни в год, и нам этого было достаточно. Ниже снова пример регрессионного уравнения для прогноза давления:

P_{прогноз} — Прогноз давления питательной воды

P_факт — Фактическое давления питательной воды

∆S_i — Изменением статуса насоса (-1 = выключение, 1 = включение, 0 = неизменный статус)

W_i W_пв — Параметры модели

∆F_пв — Изменение расхода питательной воды

Сравнивая прогнозы моделей на аналогичных данных в переходные периоды (при изменении состава оборудования), вторая модель оказалась намного точнее, средняя абсолютная ошибка снизилась до 0,5 кгс/см², коэффициент детерминации R² = 0,95. Веса модели

 в данном случае можно трактовать как величину того, на сколько изменится давление при включении или выключении определенного насоса. Обращаю внимание, что свободный член в данном регрессионном уравнении отсутствует, так как иначе бы модель «по глупости» могла прогнозировать давление, отличное от фактического при неизменном составе оборудования и расходе питательной воды.

Не без оснований можно возразить, что в реальной жизни изменение давления при включении и выключении оборудования должно происходить на разную величину в зависимости от количества работающих насосов и текущего расхода воды, согласно насосной характеристике. Мы пробовали учесть оба эти фактора в наших более сложных моделях, но ни одна из них не дала значительный прирост точности. Как оказалось, в нашем узком диапазоне расхода питательной воды 250–300 т/ч на один ПЭН зависимость давления от расхода очень близка к линейной.

Остановлюсь подробнее на насосных характеристиках — это такой график, который приводится заводом-изготовителем в паспорте насоса и показывает, как связаны напор и расход подаваемой жидкости. Когда насосов несколько, эти графики должны специальным образом складываться, в зависимости от схемы.

Иногда, как в нашем случае, эти графики у сотрудников цеха отсутствуют. А даже при их наличии часто оказывается, что они не сходятся с реальными показаниями датчиков. В обоих случаях эти характеристики можно построить самостоятельно. Если есть возможность измерения расхода на каждом насосе, то это задача не составляет труда. В нашем же случае расходомер располагается в напорном коллекторе после группы насосов, работающих параллельно, и нет возможности провести испытания, оставив включенным лишь один из насосов. В таком случае можно смоделировать индивидуальные насосные характеристики, приняв их форму в виде полинома. Часто используют полином 2-й степени (параболу), таким образом при обучении модели для каждого насоса необходимо «подобрать» три коэффициента. Или даже два, если принять, что вершина параболы находится на оси ординат (без горизонтального смещения):

Где F_{i прогноз} выражается из заданного полинома:

F _{∑ прогноз} — Прогноз суммарного расхода питательной воды

S_i — Статус насоса (1 = включен, 0 = выключен)

F_{i прогноз} — Прогноз расхода питательной воды для i-го насоса

H — Напор, вычисляется по разности давлений на всасе (это не опечатка, а технический термин, означает «перед входом в насос») и нагнетании

a_i, c_i — Параметры модели, задающей форму насосной характеристики i-го насоса

Несколько наших более сложных экспериментальных моделей использовали именно такой подход, и мы возлагали на них большие надежды. По пути пришлось столкнуться с некоторыми сложностями, но этот рассказ достоин отдельной статьи. В результате точность прогнозов такой модели оказалась сопоставимой с предыдущей моделью, но все же чуточку хуже. В итоге в продакшене мы решили использовать линейную модель. Во-первых, она была аналогична модели для прогноза электропотребления. Во-вторых, она лучше подходила для расчета рекомендаций по переключению между парами насосов, вместо поиска глобально лучшей комбинации (об этом подробнее далее).

Точность прогноза потребляемой мощности, кстати, оказалась тоже довольно высокой, коэффициент детерминации R² = 0,99, а средняя абсолютная ошибка составила всего 40 кВт, при том что потребляемая мощность каждого насоса — около 2 МВт. Представление сотрудников цеха об эффективности насосов оказалось очень близкО к результатам нашего моделирования, но совпало не полностью. Некоторые из ПЭН, которые до этого включали редко, оказались по нашим расчетам более энергоэффективными, чем было принято считать до этого. Они потребляют больше энергии, чем остальные, но при этом позволяют подать и больший расход воды.

Расчет рекомендаций

В самом начале нам хотелось перебирать всевозможные комбинации работы насосов и давать глобальные рекомендации для лучшего варианта, но по некоторым причинам это не устроило цех. Во-первых, у насосов есть план наработки, которого стараются придерживаться. Во-вторых, есть еще одно ограничение, о котором я до сих пор умалчивал. Насосы в гидравлической схеме располагаются после деаэраторов воды, подключенных тоже параллельно. Деаэраторы нужны для удаления из основного конденсата кислорода и других газов с целью предотвращения коррозии оборудования. Включение определенных составов насосов может привести к «перекосу» уровня воды в деаэраторах: из одних она будет выкачиваться слишком быстро, а из других — слишком медленно. У нас были идеи по учету этого ограничения, но в конечном итоге этот функционал не потребовался.

В конечной версии сервиса на каждый момент времени рекомендуется изменение статуса не более чем на двух агрегатах. Таким образом рекомендуется либо включить/выключить один из насосов, либо совершить переход между двумя насосами (заменить один на другой) для минимального потребления электроэнергии при обеспечении необходимого расхода воды и поддержании давления. Кроме того, переходы по большему числу насосов при необходимости можно производить последовательно в несколько итераций без ущерба для энергоэффективности.

Пользовательский интерфейс

Был разработан дашборд и выведен на монитор руководящему составу: мастерам и начальникам смены. К сожалению, в силу NDA я не могу показать весь пользовательский интерфейс сервиса, но попробую его описать. На нем в режиме реального времени обновляются текущие показатели работы насосов и всей станции, включая электрическую нагрузку, давление воды, удельные показатели эффективности. Сами рекомендации представлены в виде матрицы переходов, на которой показано, как замена одного насоса на другой изменит давление и суммарное электропотребление. Слева от матрицы подписаны зеленым цветом номера работающих насосов, сверху — номера насосов, находящихся в резерве (серым цветом) или ремонте (красным цветом). Для насосов, которые сейчас находятся в статусе «Ремонт», рекомендаций по включению не дается. Цветовая индикация ячеек самой матрицы сигнализирует о целесообразности перехода по данной паре насосов с точки зрения электропотребления и обеспечения давления. Варианты только с включением или только с отключением насоса также присутствуют в матрице в первом столбце и первой строке соответственно.

Глядя на эту матрицу впервые, можно немного запутаться, но, по отзывам пользователей, через пару дней она им очень понравилась и оказалась очень удобной для оперативного принятия решений.

Экономический эффект

Для оценки потенциального экономического эффекта мы использовали исторические данные и посчитали, сколько бы цех мог сэкономить, если бы заменил один из неэффективных насосов на более эффективный согласно нашим рекомендациям при выполнении всех ограничений. У нас получилась скромная сумма — несколько миллионов рублей в год. И тут мы сильно промахнулись! Внедренный нами сервис превзошел ожидания: спустя год оказалось, что с его помощью нам уже удалось сэкономить электроэнергии на сумму 19,6 млн рублей.

Дело оказалось в том, что до внедрения сервиса цех держал давление питательной воды в диапазоне 130–150 кгс/см². Ниже 130 кгс/см² давление стараются не опускать, так как при достижении 125 кгс/см² включается аварийный насос. В этом нет ничего страшного, но сотрудники цеха этого очень опасаются, с них за это спросят. При этом на эффективность работы котельного агрегата давление воды никак не влияет, главное, чтобы оно было выше давления в барабане котла (около 110 кгс/см²), где вода превращается в пар.

После внедрения сервиса-подсказчика работники цеха стали видеть, что будет с давлением при выключении любого из насосов, и от этого почувствовали себя более уверенно. В итоге диапазон давления сузился до 130–140 кгс/см² за счет уменьшения числа работающих насосов. Если раньше большую часть времени в работе находилось шесть насосов, то теперь при тех же самых расходах воды их стало пять. А иногда при малой потребности в паре стали работать даже с четырьмя насосами, чего не делали раньше.

Заключение

После внедрения сервиса сотрудники ТЭЦ не только получили возможность подбирать наиболее эффективный состав оборудования, но и стали чаще работать с меньшим числом включенных насосов, что позволило значительно снизить удельный расход электроэнергии на производство пара. Кроме того, сотрудникам комбината стало легче управлять насосным оборудованием ТЭЦ, отслеживать его техническое состояние, принимать решения по ремонту и обслуживанию.

Сейчас в планах металлургического предприятия тиражировать этот подход для оптимизации работы насосов и в других подразделениях.

Кирилл Минаев, специалист центра машинного обучения «Инфосистемы Джет».