بهینه سازی عملکرد نیروگاه های بخار با استفاده از شبکه عصبی دو بعدی CNN با تاکید بر کنترل آلایند گی و تاثیرات زیست محیطی
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
تاریخ نمایه سازی: 13 تیر 1404
چکیده مقاله:
مقدمه: در این مقاله در ابتدا تجهیزات نیروگاه بخار مورد بررسی قرار گرفته است و در مرحله بعد اثرات مخرب ناشی از شرایط محیطی مانند دما، حرارت و شرایط جوی بر عملکرد نیروگاه ها و کنترل آلایندگی به صورت تخصصی نیروگاه بخار مطرح و ارائه شده است و در نهایت ارائه یک مدل پیشنهادی با استفاده از الگوریتم های یادگیری عمیق به منظور کاهش اثرات مخرب، کنترل آلایندگی و بهینه سازی عملکرد نیروگاه ها با استفاده از شبکه عصبی کانولوشنی دوبعدی و راه حل هایی جهت کاهش مصارف داخلی نیروگاه با توجه به فاکتور شرایط محیطی و کنترل آلایندگی پرداخته شده است.
مواد و روش ها: در این پژوهش، داده ها پردازش و به سه دسته آموزش، اعتبارسنجی و تست تقسیم می شوند. سپس روش هوش مصنوعی با داده های یادگیری مورد آموزش قرار گرفته تا دقت مطلوب و در نهایت بهینه سازی صورت گیرد.
نتایج و بحث: در این پژوهش شرایط جغرافیایی، کنترل آلایندگی و آب وهوایی در ایران، درصد مصارف داخلی و واحدهای صنعتی بهره برداری شده و میزان بار مورد بررسی و تحلیل قرار گرفته است. اقدامات نیروگاه جهت کاهش مصارف داخلی و کاهش تلفات حرارتی و الکتریکی به صورت برنامه ریزی جهت خارج نمودن فن های برج با توجه به دمای آب خنک کن و تغییرات دمای هوای محیط و کاهش نسبی مصارف الکتریکی با استفاده از یادگیری عمیق و به صورت هوشمند با به کارگیری داده های آموزشی و شبکه عصبی کانولوشنی دو بعدی ارایه شده است. معیارهای ارزیابی شامل ضریب تعیین، میانگین قدر مطلق خطا و جذر میانگین مربعات خطا که ضریب اطمینان بالایی را پوشش می دهند تشکیل و مورد بررسی است. نتایج نشان می دهند که روش هوش مصنوعی ترکیبی پیشنهادی با ضریب تعیین ۹۶/۰، میانگین قدرمطلق خطا برابر ۰۶۳/۰ و جذر میانگین مربعات خطا برابر ۰۰۹۶/۰، و هم چنین روش رگرسیون فرآیند گوسی با ضریب تعیین ۹۴/۰، میانگین قدرمطلق خطا برابر ۰۹۳/۰، عملکرد بسیار مطلوب و با ضریب اطمینان بالایی در کاهش اثرات مخرب و کارایی بهتر سیستم را ایجاد و تامین خواهد کرد.
نتیجه گیری: در این پژوهش، میزان تاثیر مخرب محیطی و اثرات آلایندگی با استفاده از یادگیری عمیق و هوش مصنوعی تا حد بسیار زیادی کاهش یافته است و این امر باعث افزایش ضریب اطمینان سیستم و بهبود عملکرد قابل قبول نیروگاه ها در زمان زیر بار است و نتایج بیانگر آن است که روش هوش مصنوعی ترکیبی پیشنهادی دقت بیش تری در تخمین و بهینه سازی سیستم ها برعهده دارد و دارای ضریب اطمینان بالاتری است.
کلیدواژه ها:
نویسندگان
گروه مهندسی برق، واحد بیضا، دانشگاه آزاد اسلامی، بیضا، ایران
گروه مهندسی کامپیوتر، واحد بیضا، دانشگاه آزاد اسلامی، بیضا، ایران