Sistema de diagnĂłstico para caldeiras e fornalhas Utilizando CFD e redes neuronais
M 112
Hugo Calisto1 e Nelson Martins2 1 hcalisto@ua.pt, 2 nmartins@ua.pt Departamento de Engenharia Mecânica – Universidade de Aveiro, Portugal
ARTIGO CIENTĂ?FICO
(1.a Parte)
RESUMO Um sistema de diagnĂłstico e supervisĂŁo adequado ĂŠ essencial em qualquer processo industrial, especialmente considerando os custos de aquisição e operação dos equipamentos. Um sistema de diagnĂłstico para caldeiras e fornalhas deve ser capaz ocorrĂŞncia de fugas de vapor, fatores de evidente importância na operação de instalaçþes de geração de energia tendo em Modelos analĂticos padrĂŁo tĂŞm sido utilizados em casos mais ou menos simples mas a sua aplicabilidade diminui com o aumento da complexidade de sistemas e processos, principalmente devido Ă ocorrĂŞncia de comportamentos nĂŁo-lineares ou transitĂłrios, tornando atraentes tĂŠcnicas e abordagens de modelização alternativas. Foram entĂŁo utilizadas ferramentas CFD (Computational Fluid Dynamics – Dinâmica de Fluidos Computacional) de modo a criar um modelo “virtualâ€? de uma caldeira. Este modelo foi validado com base num dispositivo existente e utilizado na geração de dados referentes tanto a condiçþes ! " inputs para o sistema de diagnĂłstico, representando as leituras dos sensores virtuais, que por sua vez caraterizam os vĂĄrios padrĂľes de falha. TĂŠcnicas baseadas em redes neuronais ( # $ % & ' *
8
de modo a processar adequadamente a base de dados obtida e a efetuar o reconhecimento de padrĂŁo necessĂĄrio Ă identi + / * 0 diagnĂłstico deve tambĂŠm ser capaz de avaliar a probabilidade de ocorrĂŞncia de cada uma, fundamentando deste modo o diagnĂłstico. A aplicabilidade deste tipo de sistema diagnĂłstico ĂŠ especialmente relevante tanto do ponto de vista da manutenção preventiva ou preditiva, como na Ăłtica da otimização dos ciclos de sopragem de vapor para limpeza das superfĂcies de troca de calor. Palavras-chave: Sistemas de DiagnĂłstico, Dinâmica de Fluidos Computacional, Reconhecimento de PadrĂŁo, Redes Neuronais, Manutenção Preditiva.
1. INTRODUĂ‡ĂƒO
ar com a utilização do equipamento, o
em aplicaçþes que utilizem carvão pul-
Um sistema de diagnĂłstico e supervi-
que implica a deteção e a compreensão
verizado ou biomassa. Por poluentes
sĂŁo adequado ĂŠ essencial em qualquer
da natureza da falha ou avaria.
entendem-se essencialmente outros
processo
industrial,
especialmente
compostos que nĂŁo o CO2 inerente ao
considerando os custos de aquisição
Um sistema de diagnĂłstico para caldei-
processo de combustĂŁo, com especial
e operação dos equipamentos. Um
ras e fornalhas deve ser capaz de ava-
incidĂŞncia em quĂmicos como NOx, SO2,
-
liar pelo menos três parâmetros essen-
CO, hidrocarbonetos nĂŁo-queimados e
bilidade ĂŠ assim eminentemente dese-
partĂculas sĂłlidas. O controlo da quan-
/
tidade e tipo de emissĂľes poluentes ĂŠ
econĂłmicos, especialmente conside-
a ocorrĂŞncia de fugas de vapor, fatores
cada vez mais um tema de atualidade
rando as terrĂveis consequĂŞncias huma-
de evidente importância na operação
atendendo à legislação cada vez mais
nas que qualquer acidente industrial
de instalaçþes de geração de energia.
draconiana, estando a formação dos
grave pode ter. Exceto nestes casos
A formação de poluentes Ê uma con-
poluentes intimamente relacionada
extremos ĂŠ necessĂĄrio algum mecanis-
sequĂŞncia direta tanto do processo de
3 -
mo de reparação que permita continu-
queima de combustĂvel, especialmente
4 5 6
Uma vez obtido um padrĂŁo-base “normalâ€?, levando em linha de conta variaçþes nĂŁo-anormais por nĂŁo estarem associadas a qualquer tipo de falha por estarem relacionadas com diversos fatores, como a turbulĂŞncia, o CFD foi utilizado na simulação de situaçþes de falha a serem utilizadas no desenvolvimento do sistema de diagnĂłstico. No contexto em discussĂŁo foram consideradas diversas situaçþes de
Figura 3. Simulação CFD de fugas de vapor.
de combustĂŁo, com a ressalva evidente da indisponibilidade de dados experimentais que apenas enfatiza a impor-
calculado para a superfĂcie total da cal-
conta das anomalias pretendidas. A
tância do trabalho prÊvio de validação,
deira, e q & ' $
ocorrĂŞncia de fugas de vapor pode ser
!
$ -
no modelo obtido como nas ferramen-
! + -
De modo a analisar os fenĂłmenos
lhante, selecionando-se um rĂĄcio entre
to, por sua vez, pode ser reproduzido
supracitados, um estudo dos fenĂł-
& '
utilizando modelos matemĂĄticos apro-
priados que simulem explicitamente os
o critĂŠrio de diagnĂłstico [4]:
processos fĂsicos envolvidos, ou alter-
mais relevantes na sua caraterização e ! " # respeito, a formação de depósitos de baixa condutividade em zonas de trans-
$ q r= q normal
de condiçþes variåveis de emissividade e condutividade de forma a observar
to mais ou menos localizados sobre o
à degradação de desempenho associa-
O diagnóstico de situaçþes tanto de su-
padrĂŁo global de variĂĄveis de diagnĂłs-
! * $ -
$
$ & '
das pode igualmente ser efetuada com
em caraterĂsticas diversas dos depĂł-
de calor para os quais diversas soluçþes
base na anĂĄlise das variĂĄveis de proces-
! %
foram previamente desenvolvidas [5, 6].
so anteriormente referidas.
* # $ -
A Figura 3 ilustra a tĂtulo de exemplo
bustão e da formação de poluentes
resultados da simulação de fugas de
simuladas pode ser efetuada atravĂŠs
vapor, onde sĂŁo visĂveis tanto as fugas
da anĂĄlise de variĂĄveis como caudais
propriamente ditas em termos de con-
måssicos e concentraçþes de espÊcies
centraçþes variåveis de vapor, como
quĂmicas ou campos de temperatura e
& '
taxas de reação.
nas paredes da caldeira. Os resultados
transferĂŞncia [3]: q qsuj R= q = q inc
onde q ĂŠ qinc $ & ' ( & ' -
/
diativo incidente, emitido e convetivo)
O utilizado no estabelecimento
daquelas efetuadas para os processos
e incidente por radiação na superfĂcie
das situaçþes normais pode ser utili-
-
em causa, q & '
#
'plicitar os seus efeitos na distribuição global dos parâmetros de diagnĂłstico R e r, como ilustrado na Figura 4 para / localizaçþes distintas da caldeira. Encontram-se representados os valores normais (isto ĂŠ, sem qualquer ocorrĂŞncia), bem como cada um dos fenĂłmenos anĂłmalos em trĂŞs nĂveis sucessivos de severidade.
Figura 4. Distribuiçþes de parâmetros de diagnóstico para a simulação de duas situaçþes anómalas.
M
11
“entrada� adicionais como de fontes de
abordagem ao seu diagnĂłstico ĂŠ seme-
ARTIGO CIENTĂ?FICO
to de condiçþes de fronteira do tipo No que diz respeito às fugas de vapor, a
tas CFD.