Sistema de diagnóstico 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 CIENTÍFICO
(1.a Parte)
RESUMO Um sistema de diagnóstico e supervisão adequado é essencial em qualquer processo industrial, especialmente considerando os custos de aquisição e operação dos equipamentos. Um sistema de diagnóstico para caldeiras e fornalhas deve ser capaz
ocorrência de fugas de vapor, fatores de evidente importância na operação de instalações de geração de energia tendo em
Modelos analíticos padrão têm sido utilizados em casos mais ou menos simples mas a sua aplicabilidade diminui com o aumento da complexidade de sistemas e processos, principalmente devido à ocorrência de comportamentos não-lineares ou transitórios, tornando atraentes técnicas e abordagens de modelização alternativas. Foram então utilizadas ferramentas CFD (Computational Fluid Dynamics – Dinâmica de Fluidos Computacional) de modo a criar um modelo “virtual” de uma caldeira. Este modelo foi validado com base num dispositivo existente e utilizado na geração de dados referentes tanto a condições
!
" inputs para o sis-
tema de diagnóstico, representando as leituras dos sensores virtuais, que por sua vez caraterizam os vários padrões de falha. Técnicas baseadas em redes neuronais (
# $ %
& ' *
8
de modo a processar adequadamente a base de dados obtida e a efetuar o reconhecimento de padrão necessário à identi
+
/ *
0
diagnóstico deve também ser capaz de avaliar a probabilidade de ocorrência de cada uma, fundamentando deste modo o diagnóstico. A aplicabilidade deste tipo de sistema diagnóstico é especialmente relevante tanto do ponto de vista da manutenção preventiva ou preditiva, como na ótica da otimização dos ciclos de sopragem de vapor para limpeza das superfícies de troca de calor. Palavras-chave: Sistemas de Diagnóstico, Dinâmica de Fluidos Computacional, Reconhecimento de Padrão, Redes Neuronais, Manutenção Preditiva.
1. INTRODUÇÃO
ar com a utilização do equipamento, o
em aplicações que utilizem carvão pul-
Um sistema de diagnóstico e supervi-
que implica a deteção e a compreensão
verizado ou biomassa. Por poluentes
são adequado é essencial em qualquer
da natureza da falha ou avaria.
entendem-se essencialmente outros
processo
industrial,
especialmente
compostos que não o CO2 inerente ao
considerando os custos de aquisição
Um sistema de diagnóstico para caldei-
processo de combustão, com especial
e operação dos equipamentos. Um
ras e fornalhas deve ser capaz de ava-
incidência em químicos como NOx, SO2,
liar pelo menos três parâmetros essen-
CO, hidrocarbonetos não-queimados e
bilidade é assim eminentemente dese-
partículas sólidas. O controlo da quan-
/
tidade e tipo de emissões poluentes é
económicos, especialmente conside-
a ocorrência de fugas de vapor, fatores
cada vez mais um tema de atualidade
rando as terríveis consequências huma-
de evidente importância na operação
atendendo à legislação cada vez mais
nas que qualquer acidente industrial
de instalações de geração de energia.
draconiana, estando a formação dos
grave pode ter. Exceto nestes casos
A formação de poluentes é uma con-
poluentes intimamente relacionada
extremos é necessário algum mecanis-
sequência direta tanto do processo de
mo de reparação que permita continu-
queima de combustível, especialmente
3 -
4 5 6
Uma vez obtido um padrão-base “normal”, levando em linha de conta variações não-anormais por não estarem associadas a qualquer tipo de falha por estarem relacionadas com diversos fatores, como a turbulência, o CFD foi utilizado na simulação de situações de falha a serem utilizadas no desenvolvimento do sistema de diagnóstico. No contexto em discussão foram consideradas diversas situações de
Figura 3. Simulação CFD de fugas de vapor.
de combustão, com a ressalva evidente da indisponibilidade de dados experimentais que apenas enfatiza a impor-
calculado para a superfície total da cal-
conta das anomalias pretendidas. A
tância do trabalho prévio de validação,
deira, e q & ' $
ocorrência de fugas de vapor pode ser
!
no modelo obtido como nas ferramen-
$ -
“entrada” adicionais como de fontes de
abordagem ao seu diagnóstico é seme-
! + -
De modo a analisar os fenómenos
lhante, selecionando-se um rácio entre
to, por sua vez, pode ser reproduzido
supracitados, um estudo dos fenó-
& '
utilizando modelos matemáticos apro-
priados que simulem explicitamente os
o critério de diagnóstico [4]:
processos físicos envolvidos, ou alter-
mais relevantes na sua caraterização e
! " #
de condições variáveis de emissividade
respeito, a formação de depósitos de baixa condutividade em zonas de trans
q r= q normal
$
e condutividade de forma a observar -
to mais ou menos localizados sobre o
à degradação de desempenho associa-
O diagnóstico de situações tanto de su-
padrão global de variáveis de diagnós-
! * $ -
$
$ & '
das pode igualmente ser efetuada com
em caraterísticas diversas dos depó-
de calor para os quais diversas soluções
base na análise das variáveis de proces-
! %
foram previamente desenvolvidas [5, 6].
so anteriormente referidas.
* # $ -
A Figura 3 ilustra a título de exemplo
bustão e da formação de poluentes
resultados da simulação de fugas de
simuladas pode ser efetuada através
vapor, onde são visíveis tanto as fugas
da análise de variáveis como caudais
propriamente ditas em termos de con-
mássicos e concentrações de espécies
centrações variáveis de vapor, como
transferência [3]: q qsuj R= q = q inc
onde q é qinc $ & '
químicas ou campos de temperatura e
taxas de reação.
nas paredes da caldeira. Os resultados
( & ' -
& '
/
diativo incidente, emitido e convetivo)
O utilizado no estabelecimento
daquelas efetuadas para os processos
e incidente por radiação na superfície
das situações normais pode ser utili-
em causa, q
#
'-
& '
-
plicitar os seus efeitos na distribuição global dos parâmetros de diagnóstico R e r, como ilustrado na Figura 4 para / localizações distintas da caldeira. Encontram-se representados os valores normais (isto é, sem qualquer ocorrência), bem como cada um dos fenómenos anómalos em três níveis sucessivos de severidade. M Figura 4. Distribuições de parâmetros de diagnóstico para a simulação de duas situações anómalas.
11
No que diz respeito às fugas de vapor, a
tas CFD.
ARTIGO CIENTÍFICO
to de condições de fronteira do tipo