Применение модифицированной оптимизации мульти-вселенной для управления температурой в конденсаторах тепловых электростанций

Обеспечение бесперебойной работы электростанций

Современные тепловые электростанции тихо зависят от незаметных компонентов, которые поддерживают подачу электроэнергии. Один из таких компонентов — поверхностный конденсатор, который охлаждает пар обратно до воды для повторного использования. Если температура в конденсаторе слишком колеблется вверх или вниз, вся станция может тратить топливо впустую, терять КПД или становиться нестабильной. В этой работе рассматривается более интеллектуальный способ поддерживать эту температуру постоянной, сочетая привычный промышленный регулятор с новым компьютерным методом поиска, вдохновлённым идеей множественных вселенных.

Почему трудно контролировать температуру конденсатора

В типичной электростанции горячий пар из турбины поступает в кожухотрубный теплообменник, где более холодная вода отводит тепло и превращает пар обратно в жидкость. На словах процесс прост, но поведение оборудования оказывается сложным. Температура реагирует медленно, с задержками и нелинейными эффектами: изменение расхода пара сегодня может полностью проявиться лишь спустя много секунд, и реакция не является пропорциональной. Стандартные инструменты управления вынуждены противостоять этим особенностям, чтобы поддерживать температуру на выходе близко к заданному значению при изменении нагрузки и условий работы станции.

Старые инструменты и их недостатки

Большинство промышленных установок опираются на универсальное устройство — PID-регулятор, который изменяет положение клапана пара в зависимости от того, насколько температура отклоняется от цели и как это отклонение меняется со временем. Традиционно инженеры настраивают три параметра PID по эмпирическим правилам, таким как метод Зиглера–Николса, или с помощью эволюционных поисковых методов вроде генетических алгоритмов. Эти подходы могут привести систему под контроль, но часто дают большие перерегулирования по температуре, длительное время установления или непостоянные результаты от одного запуска настройки к другому. Главная трудность в том, что математический ландшафт возможных настроек неровен и усеян «достаточно хорошими» впадинами, в которых традиционные методы поиска могут застревать.

Поиск по мульти‑вселенной для лучших настроек

Авторы опираются на недавний алгоритм под названием Оптимизатор Мульти‑вселенной, который заимствует образы из космологии: множество пробных решений рассматриваются как отдельные вселенные, обменивающиеся информацией через аналоги чёрных дыр, белых дыр и кротовых нор. Они вводят Модифицированный Оптимизатор Мульти‑вселенной (MMVO), который меняет силу перемещений вселенных в сторону перспективных областей по мере продвижения поиска. В исходном методе размер шага уменьшается со временем, что благоприятствует тонкой доводке, но облегчает попадание в ловушки. Модифицированная версия вместо этого постепенно увеличивает ключевой фактор движения, поощряя продолжение исследования вокруг многообещающих зон, чтобы поиск мог вырваться из локальных ловушек, продолжая при этом сходиться к лучшим решениям.

Тестирование нового подхода в моделях

Чтобы выяснить, действительно ли MMVO улучшает настройку, исследователи сначала применили его к 23 стандартным математическим тестовым функциям, которые широко используются для проверки алгоритмов оптимизации. По ряду типов задач — от гладких однократных впадин до зазубренных многопиковых рельефов — MMVO в целом давал лучшие наилучшие значения, меньшие средние ошибки и более низкую разброс между запусками по сравнению с оригинальным Оптимизатором Мульти‑вселенной и известным методом Moth‑Flame Optimization. Затем MMVO использовали для настройки трёх коэффициентов PID-регулятора для детальной модели поверхностного конденсатора, сравнивая результаты с методом Зиглера–Николса, PID на основе генетического алгоритма и немодифицированным MVO. Регулятор, настроенный MMVO, снизил перерегулирование температуры примерно до 1% и сократил время установления до примерно 53 секунд, превзойдя конкурирующие методы, которые либо давали более существенные перерегулирования, либо требовали значительно больше времени для стабилизации.

Что означают результаты для реальных станций

Практически это исследование указывает, что операторы станций могли бы поддерживать температуру в конденсаторах ближе к целевым значениям, с меньшими колебаниями и более быстрой восстановляемостью после возмущений, позволяя программе на базе MMVO выбирать настройки PID вместо ручных подгонок или устаревших автоматических правил. Исследование основано на моделировании, а не на полномасштабных полевых испытаниях, и в нём упрощены некоторые реальные сложности, такие как обрастание, шумные измерения и быстро меняющиеся нагрузки. Тем не менее результаты указывают на будущее, в котором системы управления на электростанциях тихо используют передовые методы оптимизации, чтобы выжать больше эффективности и устойчивости из знакомого оборудования, не требуя замены самого оборудования.

Цитирование: 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

Ключевые слова: управление поверхностным конденсатором, настройка PID, метаэвристическая оптимизация, тепловая электростанция, оптимизатор мульти-вселенной