Toepassing van een gewijzigde Multi‑Verse-optimalisatie voor temperatuurregeling in condensors van thermische elektriciteitscentrales

Het soepel laten draaien van energiecentrales

Moderne thermische elektriciteitscentrales vertrouwen stilletjes op onopvallende onderdelen om de stroomvoorziening op gang te houden. Een daarvan is de oppervlaktecondensor, die stoom afkoelt tot water zodat het opnieuw kan worden gebruikt. Als de temperatuur van de condensor te veel omhoog of omlaag schommelt, kan de hele centrale brandstof verspillen, efficiëntie verliezen of instabiel worden. Dit artikel onderzoekt een slimere manier om die temperatuur stabiel te houden door een bekende industriële regelaar te combineren met een nieuw type computergebaseerde zoekmethode geïnspireerd op het idee van meerdere universums.

Waarom temperatuurregeling van de condensor lastig is

In een typische energiecentrale komt hete stoom uit de turbine in een shell‑en‑tube warmtewisselaar, waar koeler water warmte onttrekt en de stoom weer in vloeistof verandert. Dit klinkt eenvoudig, maar het apparaatgedrag is complex. De temperatuur reageert traag, met vertragingen en niet‑lineaire effecten: een wijziging in stoomtoevoer vandaag kan pas volledig zichtbaar zijn na meerdere seconden, en de reactie is niet proportioneel. Standaard regeltechnieken moeten tegen deze eigenaardigheden werken om de uitgangstemperatuur van het procesmedium dicht bij een gewenste instelwaarde te houden terwijl de belasting en bedrijfsomstandigheden van de centrale veranderen.

Oude hulpmiddelen en hun tekortkomingen

De meeste industriële installaties vertrouwen op een robuust apparaat dat PID‑regelaar wordt genoemd, dat de opening van het stoomventiel aanpast op basis van hoe ver de temperatuur van de doelwaarde afligt en hoe die fout in de tijd verandert. Traditioneel stemmen ingenieurs de drie PID‑instellingen af met vuistregels zoals de Ziegler–Nichols‑methode, of met evolutionaire zoektechnieken zoals genetische algoritmen. Deze benaderingen kunnen het systeem onder controle brengen, maar ze geven vaak grote temperatuuroverschrijdingen, lange inregeltijden of inconsistente resultaten van de ene afstemming tot de andere. De onderliggende moeilijkheid is dat het wiskundige landschap van mogelijke instellingen ruw is, bezaaid met veel “goed genoeg”-dalingen die conventionele zoekmethoden kunnen vangen.

Een Multi‑Verse-zoektocht naar betere instellingen

De auteurs bouwen voort op een recent algoritme dat de Multi‑Verse Optimizer wordt genoemd, dat beelden uit de kosmologie leent: veel proefoplossingen worden behandeld als afzonderlijke universums die informatie uitwisselen via analogieën met zwarte gaten, witte gaten en wormgaten. Ze introduceren een Modified Multi‑Verse Optimizer (MMVO) die verandert hoe sterk deze universums zich naar veelbelovende regio's bewegen naarmate de zoekactie vordert. In de oorspronkelijke methode krimpt de stapgrootte in de loop van de tijd, wat fijn polijsten bevordert maar het gemakkelijk maakt om vast te lopen. De gewijzigde versie vergroot in plaats daarvan geleidelijk een cruciale bewegingsfactor, waardoor voortdurende exploratie rond veelbelovende gebieden wordt aangemoedigd zodat de zoekprocedure lokale vallen kan ontsnappen terwijl ze toch naar betere oplossingen toewerkt.

De nieuwe aanpak testen in silico

Om te onderzoeken of MMVO de afstemming daadwerkelijk verbetert, pasten de onderzoekers het eerst toe op 23 standaard wiskundige testfuncties die veel worden gebruikt om optimalisatiealgoritmen uit te dagen. Over een reeks probleemtypen — van soepele enkel‑dal‑landschappen tot gekartelde, meer‑toppe terreinen — produceerde MMVO over het algemeen betere beste waarden, kleinere gemiddelde fouten en minder variatie tussen runs dan de oorspronkelijke Multi‑Verse Optimizer en een bekend Moth‑Flame Optimization‑methodiek. Vervolgens gebruikten ze MMVO om de drie versterkingsfactoren van de PID‑regelaar af te stemmen voor een gedetailleerd model van een oppervlaktecondensor, en vergeleken de resultaten met Ziegler–Nichols‑afstemming, een genetisch‑algoritme gebaseerde PID en de ongewijzigde MVO‑benadering. De met MMVO afgestemde regelaar verminderde de temperatuuroverschrijding tot ongeveer 1% en verkortte de inregeltijd tot ongeveer 53 seconden, daarmee beter presterend dan de concurrerende methoden, die ofwel ernstiger overshoot hadden of veel langer nodig hadden om te stabiliseren.

Wat de bevindingen betekenen voor echte centrales

In praktische termen suggereert dit werk dat operators van centrales de condensortemperaturen dichter bij hun doelen kunnen houden, met minder schommelingen en snellere herstelacties na verstoringen, door een door MMVO gestuurd programma de PID‑instellingen te laten kiezen in plaats van te vertrouwen op handmatig vallen en opstaan of oudere automatische regels. De studie is gebaseerd op simulaties in plaats van grootschalige veldproeven, en vereenvoudigt enkele complicaties uit de echte wereld zoals vervuiling, ruwe metingen en snel veranderende belastingen. Desondanks wijzen de resultaten op een toekomst waarin regelingssystemen van energiecentrales stilletjes geavanceerde optimalisatie inzetten om meer efficiëntie en stabiliteit uit vertrouwde hardware te halen, zonder de onderliggende apparatuur te hoeven vervangen.

Bronvermelding: Panda, S., Das, S.R., Sahoo, A.K. et al. Application of modified multi-verse optimization for temperature control in thermal power plant condensers. Sci Rep 16, 12409 (2026). https://doi.org/10.1038/s41598-026-40559-7

Trefwoorden: oppervlaktecondensorregeling, PID-afstemming, metaheuristische optimalisatie, thermische elektriciteitscentrale, multi‑verse optimizer