Zastosowanie zmodyfikowanej optymalizacji multi‑wszechświatów do regulacji temperatury w kondensatorach elektrowni cieplnej

Utrzymanie płynnej pracy elektrowni

Współczesne elektrownie cieplne cicho polegają na niepozornych elementach sprzętu, które zapewniają ciągłość dostaw energii. Jednym z nich jest kondensator powierzchniowy, który chłodzi parę z powrotem do wody, by można było ją ponownie wykorzystać. Gdy temperatura kondensatora waha się za wysoko lub za nisko, cała instalacja może marnować paliwo, tracić sprawność lub stać się niestabilna. W artykule opisano inteligentniejszy sposób utrzymania tej temperatury stabilnej, łącząc powszechnie stosowany regulator przemysłowy z nowym komputerowym algorytmem poszukiwawczym inspirowanym ideą wielu wszechświatów.

Dlaczego temperatura kondensatora jest trudna do kontrolowania

W typowej elektrowni gorąca para z turbiny trafia do wymiennika ciepła typu skorupa‑rury, gdzie chłodniejsza woda odbiera ciepło i skrapla parę. Proces wydaje się prosty, ale urządzenia zachowują się w sposób złożony. Temperatura reaguje powoli, z opóźnieniami i nieliniowymi efektami: zmiana przepływu pary dziś może w pełni ujawnić się dopiero po wielu sekundach, a odpowiedź nie jest proporcjonalna. Standardowe narzędzia regulacyjne muszą przeciwstawić się tym osobliwościom, by utrzymać temperaturę na wylocie medium blisko zadanego punktu, mimo zmieniającego się obciążenia i warunków pracy.

Stare narzędzia i ich ograniczenia

W większości zakładów przemysłowych stosuje się uniwersalny regulator PID, który reguluje otwarcie zaworu parowego na podstawie odchylenia temperatury od celu i tempa zmiany tego błędu. Tradycyjnie inżynierowie stroją trzy nastawy PID kierując się regułami praktycznymi, takimi jak metoda Zieglera–Nicholsa, albo używają metod ewolucyjnych, np. algorytmów genetycznych. Te podejścia mogą doprowadzić system do stabilności, lecz mają tendencję do generowania dużych przesterowań temperatury, długich czasów ustalania lub niespójnych wyników między kolejnymi strojeniami. Podstawowy problem polega na tym, że matematyczny krajobraz możliwych nastaw jest chropowaty, pełen wielu „wystarczająco dobrych” dolin, które mogą zatrzymać konwencjonalne metody poszukiwania.

Poszukiwanie lepszych nastaw metodą multi‑wszechświatów

Autorzy opierają się na niedawnym algorytmie nazwanym Multi‑Verse Optimizer, który zaczerpnął metafory z kosmologii: wiele próbnych rozwiązań traktuje się jak odrębne wszechświaty wymieniające informacje poprzez analogie czarnych dziur, białych dziur i tuneli czasoprzestrzennych. Wprowadzają Zmodyfikowany Multi‑Verse Optimizer (MMVO), który zmienia siłę przemieszczania się tych wszechświatów w kierunku obiecujących regionów w miarę postępu poszukiwań. W oryginalnej metodzie wielkość kroków maleje z upływem czasu, co sprzyja dopracowywaniu, ale ułatwia utknięcie. W zmodyfikowanej wersji kluczowy czynnik ruchu stopniowo rośnie, zachęcając do kontynuacji eksploracji wokół obiecujących obszarów, dzięki czemu przeszukiwanie może wydostać się z lokalnych pułapek, jednocześnie zbliżając się do lepszych rozwiązań.

Testy nowego podejścia w symulacjach

Aby sprawdzić, czy MMVO rzeczywiście poprawia strojenie, badacze najpierw zastosowali go do 23 standardowych funkcji testowych matematyki optymalizacyjnej, powszechnie używanych do wyzwań dla algorytmów optymalizacyjnych. W całym spektrum typów problemów — od gładkich, jednokominowych krajobrazów po poszarpane, wielopikowe tereny — MMVO zazwyczaj dawał lepsze wartości optymalne, mniejsze średnie błędy i mniejsze zróżnicowanie wyników między uruchomieniami niż oryginalny Multi‑Verse Optimizer oraz znana metoda Moth‑Flame Optimization. Następnie użyto MMVO do strojenia trzech wzmocnień regulatora PID dla szczegółowego modelu kondensatora powierzchniowego, porównując wyniki z dostrojeniem Zieglera–Nicholsa, PID opartym na algorytmie genetycznym i niezmodyfikowanym MVO. Regulator dostrojony przy pomocy MMVO ograniczył przesterowanie temperatury do około 1% i skrócił czas ustalania do około 53 sekund, przewyższając konkurencyjne metody, które albo powodowały większe przesterowania, albo potrzebowały znacznie więcej czasu na stabilizację.

Co wyniki oznaczają dla praktycznych zakładów

W praktyce praca ta sugeruje, że operatorzy zakładów mogliby utrzymywać temperaturę kondensatorów bliżej zadanych wartości, z mniejszymi wahaniami i szybszym powrotem do stanu równowagi po zakłóceniach, pozwalając programowi sterowanemu przez MMVO wybierać nastawy PID zamiast polegać na ręcznym metodzie prób i błędów czy starszych regułach automatycznych. Badanie opiera się na symulacjach, a nie pełnoskalowych testach terenowych, i upraszcza niektóre realne komplikacje, takie jak zabrudzenia, zaszumione pomiary czy szybko zmieniające się obciążenia. Mimo to wyniki wskazują na przyszłość, w której systemy sterowania w elektrowniach cicho wykorzystują zaawansowaną optymalizację, by uzyskać więcej sprawności i stabilności z istniejącego sprzętu, bez konieczności jego wymiany.

Cytowanie: 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

Słowa kluczowe: regulacja kondensatora powierzchniowego, dostrajanie PID, optymalizacja metaheurystyczna, elektrownia cieplna, optymalizator multi‑wszechświatów