«Применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования павлодарской ТЭЦ-1» ИРН AP09563335

Цель проекта

Задачи:

— Сбор и обработка данных телеметрии, диапазонов рабочих режимов, погоды, оцифровка процессов, схем и чертежей.
— Моделирование ТЭЦ и разработка алгоритма машинного обучения для планирования (краткосрочную и долгосрочную) технического обслуживания и ремонтов оборудования.
— Разработка рекомендации по повышению энергоэффективности, по управлению надежностью ТЭЦ на основе Дерева Решений (Decision Tree).

Целью исследование потенциала повышения энергоэффективности ТЭЦ, снижения выбросов парниковых газов и применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования ТЭЦ г. Павлодар, Казахстан.

Актуальность проекта:

Данное исследование важно для прикладной апробации методов обработки больших данных методами машинного обучения, поступающих с промышленного объекта вырабатывающий электричество, тепло, и промышленный пар. Павлодарская ТЭЦ особенна тем, что находится на северной зоне Казахстана, и имеет два разных потребителя алюминиевый завод и население. Сложность в изменчивости профиля потребления требует применения современных методов предиктивного планирования состава генерирующего оборудования на сутки, недели, год вперед. Большой срок службы агрегатов, наработанных часов требует постоянной корректировки плана ремонтных работ на год вперед. Нужно учитывать кривую динамического спроса на тепло и на электричество методами прогнозирования в зависимости от погоды, изменчивость потребление тепла и электричества меняется вероятностными законами на базе исторических данных потребления населения. 

Полученные результаты

В процессе работы над научным проектом был проведен количественный анализ данных ТЭЦ-1 АО «Алюминий Казахстана». Были проанализированы различные уровни загрузки агрегатов, проведена кластеризация данных. Разработана модель ТЭЦ в среде GAMS для оптимального среднесрочного планирования состава генерирующего оборудования на день вперед. Численные результаты моделей ARIMA, Decision Tree показывают, что эффективность предлагаемого подхода проявляется при большой неопределенности спроса, когда эксплуатационные расходы системы и расход топлива увеличивается из-за внеплановых изменении генерации. Преимущества предлагаемой модели заключаются в моделировании неопределенностей при решении стохастической долгосрочной задачи выбора состава генерирующих агрегатов. Разработанные алгоритмы могут быть использованы для других аналогичных ТЭЦ. 

Достижения проекта

Дата начала и окончания проекта июнь 2021 года – 31 декабря 2021

Срок реализации проекта: 7 месяцев.

Согласно утвержденному календарный плану проекта, опубликована одна научная статья, которая индексируется в базе данных Web of Science и Scopus, одна статья подана в вестник АУЭС, исполнители проекта участвовали в международной научной конференции (Киев, Украина) и на форуме молодых ученых (Алматы, Казахстан):

  1. 1. Omirgaliyev, R., Salkenov, A, Bapiyev, I, Zhakiyev N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).
  2. 2. Социал Ж., Жакив Н., Омиргалиев Р., Применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования ТЭЦ, Сборник тезисов Форума молодых ученых в секции Цифровой Казахстан (сентябрь, 2021).
  3. Архипкин О.О., Кибарин А.А., Жакиев Н.К. Комплексный подход к оптимизации сжигания топлива на угольных электростанциях Казахстана // Вестник АУЭС, №4, 2021 (подана, индексируется в КОКСОН РК).
  4. Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling large-scale Coal-Fired Combined Heat and Power Plant in Kazakhstan // Data in Brief, (Submitted, CiteScore>35, Q3)

 

Рисунок 1 – Принципиальная схема теплоэлектроцентрали (ТЭЦ)

Рисунок 2 – Анализ больших данных для машинного обучения и прогноза работы ТЭЦ

Члены исследовательской группы

Жакиев Нурхат, научный руководитель проекта, главный научный сотрудник, PhD по физике, индекс Хирша – 4 (Scopus,

https://www.scopus.com/authid/detail.uri?authorId=56043145000)

https://www.mendeley.com/authors/56043145000/

https://orcid.org/0000-0002-4904-2047  

https://publons.com/researcher/D-6159-2017/

Научные интересы: энергомоделирование, теплоэнергоцентраль, физика. Опубликовал 15 научных работ. Является научным руководителем проекта грантового финансирования на 2021 год.

Основные публикации, связанные с направлением проекта:

[1] Kopanos G., Murele O.C., Silvente J., Zhakiyev N., Akhmetbekov Y., Tutkushev D. (2018). Efficient planning of energy production and maintenance of large-scale combined heat and power plants. Energy Conversion and Management,169,390-403 (Q1)  https://doi.org/10.1016/j.enconman.2018.05.022

[2] Zhakiyev, N., Akhmetbekov, Y., Silvente, J., & Kopanos, G. M. (2017). Optimal energy dispatch and maintenance of an industrial coal-fired combined heat and power plant in Kazakhstan. Energy Procedia, 142, 2485-2490.  https://doi.org/10.1016/j.egypro.2017.12.187

[3] Zhakiyev, N., & Otarov, R. (2017). Scheduling and planning for optimal operations of power plants using a unit commitment approach. In Sustainable Energy in Kazakhstan: Moving to Cleaner Energy in a Resource-Rich Country (pp. 109-115). Taylor and Francis. https://doi.org/10.4324/9781315267302

[4] Omirgaliyev, R., Salkenov, A, Bapiyev, I, Zhakiyev N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).

[5] Социал Ж., Жакив Н., Омиргалиев Р., Применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования ТЭЦ, Сборник тезисов Форума молодых ученых в секции Цифровой Казахстан (сентябрь, 2021)

[6] Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling large-scale Coal-Fired Combined Heat and Power Plant in Kazakhstan // Data in Brief, (Submitted, Dec, 2021, CiteScore>35, Q3)

Жакиев Нурхат, научный руководитель проекта, главный научный сотрудник, PhD по физике, индекс Хирша – 4 (Scopus,

https://www.scopus.com/authid/detail.uri?authorId=56043145000)

https://www.mendeley.com/authors/56043145000/

https://orcid.org/0000-0002-4904-2047  

https://publons.com/researcher/D-6159-2017/

Научные интересы: энергомоделирование, теплоэнергоцентраль, физика. Опубликовал 15 научных работ. Является научным руководителем проекта грантового финансирования на 2021 год.

Основные публикации, связанные с направлением проекта:

[1] Kopanos G., Murele O.C., Silvente J., Zhakiyev N., Akhmetbekov Y., Tutkushev D. (2018). Efficient planning of energy production and maintenance of large-scale combined heat and power plants. Energy Conversion and Management,169,390-403 (Q1)  https://doi.org/10.1016/j.enconman.2018.05.022

[2] Zhakiyev, N., Akhmetbekov, Y., Silvente, J., & Kopanos, G. M. (2017). Optimal energy dispatch and maintenance of an industrial coal-fired combined heat and power plant in Kazakhstan. Energy Procedia, 142, 2485-2490.  https://doi.org/10.1016/j.egypro.2017.12.187

[3] Zhakiyev, N., & Otarov, R. (2017). Scheduling and planning for optimal operations of power plants using a unit commitment approach. In Sustainable Energy in Kazakhstan: Moving to Cleaner Energy in a Resource-Rich Country (pp. 109-115). Taylor and Francis. https://doi.org/10.4324/9781315267302

[4] Omirgaliyev, R., Salkenov, A, Bapiyev, I, Zhakiyev N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).

[5] Социал Ж., Жакив Н., Омиргалиев Р., Применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования ТЭЦ, Сборник тезисов Форума молодых ученых в секции Цифровой Казахстан (сентябрь, 2021)

[6] Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling large-scale Coal-Fired Combined Heat and Power Plant in Kazakhstan // Data in Brief, (Submitted, Dec, 2021, CiteScore>35, Q3)

Омиргалиев Руслан, младший научный сотрудник, образование: магистр электрической инженерии.

Научные интересы: физика, математика, программирование, аналитика данных

Основные публикации, связанные с направлением проекта:

  1. Omirgaliyev, R., Salkenov, A, Bapiyev, I, Zhakiyev N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo).
  2. Социал Ж., Жакив Н., Омиргалиев Р., Применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования ТЭЦ, Сборник тезисов Форума молодых ученых в секции Цифровой Казахстан (сентябрь, 2021)

Салкенов Алдияр Канатович, младший научный сотрудник, образование: магистр информационных технологий.

Область научных интересов: веб-разработка, аналитика данных

Основные публикации, связанные с направлением проекта:

  1. Omirgaliyev, R., Salkenov, A, Bapiyev, I, Zhakiyev N. (2021, December). Industrial Application of Machine Learning Clustering for a Combined Heat and Power Plant: A Pavlodar Case Study. In 2021 IEEE 5th International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo 29.11–03.12, 2021). (Submitted, indexed in IEEE/Scopus/WoS).

Социал Жұлдыз Женісқызы, младший научный сотрудник, образование магистр механической и аэрокосмической инженерии

Область научных интересов: математика, программирование.

Основные публикации, связанные с направлением проекта:

  1. Социал Ж., Жакиев Н., Омиргалиев Р., Применение методов моделирования и машинного обучения для оптимального планирования состава генерирующего оборудования ТЭЦ, Сборник тезисов Форума молодых ученых в секции Цифровой Казахстан (сентябрь, 2021)
  2. Zhakiyev N., Sotsial Zh., Salkenov A., Omirgaliyev R. Set of the Data for Modeling large-scale Coal-Fired Combined Heat and Power Plant in Kazakhstan // Data in Brief, (Submitted, Dec, 2021, CiteScore>35, Q3).