Prediction of full load electrical power output of a base load operated combined cycle power plant using artificial neural networks regression
Tam yük elektrik tahmini bir temel yükle çalışanın güç çıkışı kombine çevrim santrali kullanımı yapay sinir ağları gerilemesi
- Tez No: 799848
- Danışmanlar: DR. ÖĞR. ÜYESİ SERDAR AY
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: 96
Özet
Kombine çevrim elektrik santrali, bir Gaz Türbini (GT) ve bir Buhar Türbini (ST), aynı türbinden daha fazla elektrik enerjisi üretmek için kombinasyon halinde kullanılır. tek çevrimli bir elektrik santralinden mümkün olandan daha fazla yakıt. Gaz türbini sıkıştırır hava ve onu çok yüksek bir sıcaklığa ısıtılmış bir yakıtla karıştırır. Sıcak hava-yakıt karışımı hareket eder. bıçakların arasından geçerek dönmelerini sağlar. Hızlı dönen gaz türbini bir jeneratörü çalıştırır. elektrik üretmek. Egzoz (atık) ısısı, gazın egzoz bacasından kaçtı türbin, bir Isı Geri Kazanımlı Buhar Jeneratörü (HSRG) sistemi tarafından buhar üretmek için kullanılır. bir buhar türbinini döndürür. Bu buhar türbini, ek elektrik üretmek için bir jeneratörü çalıştırır. CCCP'nin tek bir elektrik santralinden %50 daha fazla enerji ürettiği varsayılmaktadır. amaç kullanarak tesisin net saatlik elektrik enerjisi çıkışını (EP) tahmin eden bir veri modeli oluşturun. elde etmek için kullanılan YSA algoritmasını kullanarak mevcut saatlik ortalama ortam değişkenleri kombine çevrim santralinin elektrik çıkış gücünü (EP) tahmin eden regresyon modeli 4 girişte. YSA modellerinin kullanımı, daha büyük veri seti hazırlama için ek olarak daha yüksek yürütme anlamına gelir ölçüm; Öte yandan, daha fazla sayıda faktörün olağanüstü etkisini gösterir: sağlanan bilgiler. Veri seti açık bir çevrimiçi kaynaktan elde edilir. Çalışma gösterir ve Regresyon sinirinin stokastik davranışını açıklar, sayının etkisini deneyler Gizli katmanların nöronları. Ayrıca, daha büyük eğitim veri kümesi boyutu için daha yüksek performans gösterir; Öte yandan, girdi olarak daha fazla sayıda değişkenin farklı etkisini gösterir. Sonuçlar elde edildiğinde, en iyi performansı veren algoritmanın YSA olacağı sonucuna varabiliriz. 10, 50 ve 100 düğümlü üç varyasyonun neredeyse tamamında %99'luk bir tepe doğruluğu ile.
Özet (Çeviri)
A combined-cycle power plant is an electrical power plant in which a Gas Turbine (GT) and a Steam Turbine (ST) are used in combination to produce more electrical energy from the same fuel than that would be possible from a single cycle power plant. The gas turbine compresses air and mixes it with a fuel heated to a very high temperature. The hot air-fuel mixture moves through the blades, making them spin. The fast-spinning gas turbine drives a generator to generate electricity. The exhaust (waste) heat escaped through the exhaust stack of the gas turbine is utilized by a Heat Recovery Steam Generator (HSRG) system to produce steam that spins a steam turbine. This steam turbine drives a generator to produce additional electricity. CCCP is assumed to produce 50% more energy than a single power plant. The objective is to create a data model that predicts the net hourly electrical energy output (EP) of the plant using available hourly average ambient variables using ANN algorithm which used to obtain regression model that predicts electrical output power (EP) of combined cycle power plant based on 4 inputs. The use of the ANN models indicates additionally higher execution for bigger preparing dataset measure; at the other hand, it demonstrates extraordinary impact of bigger number of factors as the provided information. Dataset is obtained from an open online source. The work shows and explains the stochastic behavior of the regression neural, experiments the effect of number of neurons of the hidden layers. It shows also higher performance for larger training dataset size; at the other hand, it shows different effect of larger number of variables as input. The results we obtained, we can deduce that the algorithm that has given the best performance would be ANN with a peak accuracy of 99% in almost all of the three variations with 10, 50 and 100 nodes.
Benzer Tezler
- Asenkron motor eşdeğer devre parametrelerine etki eden faktörlerin makine öğrenme yöntemleri ile belirlenmesi
Determination of factors affecting induction motor equivalent circuit parameters by machine learning methods
ABDULLAH CEM AĞAÇAYAK
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN TERZİOĞLU
- Li-ion batarya karakterizasyonu, modellemesi ve batarya yönetim sistemi tasarımı
Li-ion battery characterisation, modelling and battery management system design
MEHMET CAHİT ÖZDEMİR
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR ÖLMEZ
- Vanadyum redoks akışkan akü enerji depolama sistemli bir rüzgar tarlası için enerji üretim ve depolama analizi
Energy production and storage analysis for a wind farm supported with a vanadium redox flow battery energy storage system
CANSEV ÇAKIR
Yüksek Lisans
Türkçe
2012
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
YRD. DOÇ. DR. BURAK BARUTÇU
- Li-iyon batarya modelinin en uygunlaştırılması ve batarya bozunumunun incelenmesine katkılar
Contributions to optimization of Li-ion battery models and analysis of battery degradation
HAKAN İNCESU
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ
- Endüstriyel amaçlı bir mikrodalga fırının nümerik modellenmesi ve tasarım optimizasyonu
Numerical modelling of industrial microwave oven and design optimization
ALİ AKMAN
Doktora
Türkçe
2004
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF.DR. ALİ OKTAY