В данной статье исследуется проблема параметрической неопределенности в системах управления теплогенерирующими установками, функционирующими на основе органического цикла Ренкина. Традиционные системы управления с фиксированными параметрами, как правило, не способны обеспечивать оптимальный режим работы в условиях переменных тепловых нагрузок, изменения расхода теплоносителя и естественного старения оборудования. В ответ на эту проблему предлагается адаптивный механизм управления, интегрирующий метод прогнозирующего управления на основе модели с упрощенными алгоритмами онлайн-идентификации, базирующимися на рекуррентном методе наименьших квадратов. Научная новизна заключается в комбинации метода прогнозирующего управления на основе модели с алгоритмом рекуррентного метода наименьших квадратов для онлайн-коррекции параметров модели испарителя органического цикла Ренкина в условиях параметрического дрейфа. Целью данной работы является разработка и апробация вычислительно эффективного способа адаптивного управления, сочетающего метод прогнозирующего управления на основе модели с упрощенными процедурами онлайн-идентификации, специально предназначенного для задач управления нестационарными процессами теплопередачи в теплогенерирующих установках. Для подтверждения эффективности предложенного подхода было проведено комплексное имитационное моделирование с использованием программного комплекса MATLAB/Simulink. Результаты моделирования демонстрируют значительное улучшение точности управления и повышение энергетической эффективности по сравнению с традиционными системами на основе пропорционально-интегрально-дифференциальных регуляторов и стандартных алгоритмов управления на основе модели. Таким образом, разработанный способ адаптивного управления, основанный на интеграции методов прогнозирующего управления и рекуррентной идентификации, представляет собой перспективное решение для обеспечения устойчивой и оптимальной работы теплогенерирующих установок в условиях неопределенности и динамических изменений параметров системы.
This article examines the problem of parametric uncertainty in the control systems of heat generating plants operating on the basis of the organic Rankine cycle. Traditional control systems with fixed parameters, as a rule, are not capable of providing optimal operation in conditions of variable thermal loads, changes in coolant flow and natural aging of equipment. In response to this problem, an adaptive control mechanism is proposed that integrates the model predictive control method with simplified online identification algorithms based on the recursive least squares method.The scientific novelty lies in the combination of the predictive control method based on the model with the algorithm of the recurrent least squares method for online correction of the parameters of the organic Rankine cycle evaporator model under conditions of parametric drift. The purpose of this work is to develop and test a computationally efficient adaptive control mechanism combining a predictive control method based on a model with simplified online identification procedures, specifically designed for the control of non-stationary heat transfer processes in heat generating plants. To confirm the effectiveness of the proposed approach, a comprehensive simulation was carried out using the MATLAB/Simulink software package. The simulation results demonstrate a significant improvement in control accuracy and increased energy efficiency compared to traditional systems based on proportional-integral-differential regulators and standard model-based control algorithms. Thus, the developed adaptive control mechanism based on the integration of predictive control and recurrent identification methods is a promising solution for ensuring stable and optimal operation of heat generating plants in conditions of uncertainty and dynamic changes in system parameters.
1. Loni R., Najafi G., Bellos E., Rajaee F., Said Z., Mazlan M. A review of industrial waste heat recovery system for power generation with Organic Rankine Cycle: Recent challenges and future outlook // Journal of Cleaner Production. 2021. Vol. 287. P. 125070. URL: https://www.sciencedirect.com/science/article/abs/pii/S0959652620351143?via %3Dihub (дата обращения: 15.12.2025). DOI: 10.1016/j.jclepro.2020.125070.
2. Alrbai M., Al-Dahidi S., Alahmer H., Al-Ghussain L., Al-Rbaihat R., Hayajneh H., Alahmer A. Integration and Optimization of a Waste Heat Driven Organic Rankine Cycle for Power Generation in Wastewater Treatment Plants // Energy. 2024. Vol. 308. P. 132829. URL: https://www.sciencedirect.com/science/article/abs/pii/S0360544224026033 (дата обращения: 18.12.2025). DOI: 10.1016/j.energy.2024.132829.
3. Imre A.R., Daniarta S., Błasiak P., Kolasiński P. Design, Integration, and Control of Organic Rankine Cycles with Thermal Energy Storage and Two-Phase Expansion System Utilizing Interpmittent and Fluctuating Heat Sources-A Review // Energies. 2023. Vol. 16. P. 5948. URL: https://www.mdpi.com/1996-1073/16/16/5948/xml (дата обращения: 18.12.2025). DOI: 10.3390/en16155948.
4. Максимов Н.М., Головань И.Н., Кушнарев В.А., Бухтояров В.Ф. 2023. Повышение энергоэффективности асинхронной электрической машины за счет оптимизации удельных показателей // Вестник Южно-Уральского государственного Университета. Серия: «Энергетика». 2023. № 23 (4). С. 54–60. URL: https://www.powervestniksusu.ru/index.php/PVS/article/view/793 (дата обращения: 15.12.2025). DOI: 10.14529/power230406.
5. Sun Y., Du M., Qi X. Enhanced Modeling and Control of Organic Rankine Cycle Systems via AM‐LSTM Networks Based Nonlinear MPC // Energy Science & Engineering. 2024. Vol. 13. Р. 94–106. URL: https://www.bohrium.com/paper-details/enhanced-modeling-and-control-of-organic-rankine-cycle-systems-via-am-lstm-networks-based-nonlinear-mpc/1074569354881794055-4277 (дата обращения: 18.12.2025). DOI: 10.1002/ese3.1962.
6. Hernandez A., Desideri A., Gusev S. et al. Design and experimental validation of an adaptive control law to maximize the power generation of a small-scale waste heat recovery system // Applied Energy. 2017. Vol. 203. Р. 549–559. URL: https://www.sciencedirect.com/science/article/abs/pii/S0306261917308152 (дата обращения: 15.12.2025). DOI: 10.1016/j.apenergy.2017.06.069.
7. Jiménez-García J.C., Ruiz A., Pacheco-Reyes A., Rivera W. A Comprehensive Review of Organic Rankine Cycles // Processes. 2023. Vol. 11. P. 1982. URL: https://www.mdpi.com/2227-9717/11/7/1982 (дата обращения: 15.12.2025). DOI: 10.3390/pr11071982.
8. Pili R., Wieland C., Spliethoff H., Haglind F. Optimal tuning of model predictive controllers for organic Rankine cycle systems recovering waste heat from heavy-duty vehicles // Applied Thermal Engineering. 2023. Vol. 220. Р. 119803. URL: https://www.sciencedirect.com/science/article/pii/S1359431122017331?via %3Dihub (дата обращения: 18.12.2025). DOI: 10.1016/j.applthermaleng.2022.119803.
9. Bellos E. A review of organic Rankine cycles with partial evaporation and dual-phase expansion // Sustainable Energy Technologies and Assessments. 2024. Vol. 72. P. 104059. URL: https://www.sciencedirect.com/science/article/abs/pii/S2213138824004557 (дата обращения: 18.12.2025). DOI: 10.1016/j.seta.2024.104059.
10. Petrova Yu.A., Sokolov V.Yu. Implementation of the methodology to design heat generating facilities using automated calculations and focusing on standard design // Bulletin of the Ivanovo State Power Engineering University. 2024. Vol. 3. Р. 13–19. URL: http://vestnik.ispu.ru/en/node/923 (дата обращения: 18.12.2025). DOI: 10.17588/2072-2672.2024.3.013-019.
11. Brandi S., Gallo A., Capozzoli A. A predictive and adaptive control strategy to optimize the management of integrated energy systems in buildings // Energy Reports. 2022. Vol. 8. Р. 1550–1567. URL: https://www.sciencedirect.com/science/article/pii/S2352484721014979 (дата обращения: 18.12.2025). DOI: 10.1016/j.egyr.2021.12.058.
12. Коломыченко А.А., Коськин А.В. Анализ подходов к автоматизации проектирования теплогенерирующих установок // Информационные системы и технологии. 2025. № 1 (147). С. 85–93. URL: https://oreluniver.ru/public/file/archive/isit_ISiT_1-25_kratkiy.pdf (дата обращения: 18.12.2025).
13. Quoilin S., Orosz M., Hemond H., Lemort V. Performance and design optimization of a low-cost solar organic Rankine cycle for remote power generation // Solar Energy. 2011. Vol. 85. Р. 955–966. URL: https://www.sciencedirect.com/science/article/abs/pii/S0038092X11000527 (дата обращения: 18.12.2025). DOI: 10.1016/j.solener.2011.02.010.
14. Lu Y., Roskilly A.P., Yu X. The Development and Application of Organic Rankine Cycle for Vehicle Waste Heat Recovery // Organic Rankine Cycle Technology for Heat Recovery. 2018. Vol. 7. Р. 127–147. URL: https://www.researchgate.net/publication/328783696_The_Development_and_Application_of_Organic_Rankine_Cycle_for_Vehicle_Waste_Heat_Recovery (дата обращения: 18.12.2025). DOI: 10.5772/intechopen.78401.
15. Michailidis P., Michailidis I., Minelli F., Coban H.H., Kosmatopoulos E. Model Predictive Control for Smart Buildings: Applications and Innovations in Energy Management // Buildings. 2025. Vol. 15. P. 3298. URL: https://www.academia.edu/144311483/Model_Predictive_Control_for_Smart_Buildings_Applications_and_Innovations_in_Energy_Management (дата обращения: 18.12.2025). DOI: 10.3390/BUILDINGS15183298.