Geri Dön

Machine learning based performance prediction of variable speed hydraulic turbines

Değişken hızlı hidrolik türbinlerin makine öğrenmesi tabanlı performans tahmini

PDF İndir

  1. Tez No: 898894
  2. Yazar: GÖKHAN ŞAHİN
  3. Danışmanlar: PROF. DR. SELİN ARADAĞ ÇELEBİOĞLU, DOÇ. DR. TEVFİK KUTAY ÇELEBİOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: YSA, ANFIS, HAD, Francis Türbin, Hidrolik Türbinler, ANN, ANFIS, CFD, Francis Turbine, Hydraulic Turbine
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: TED Üniversitesi
  10. Enstitü: Lisansüstü Programlar Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Makine Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 148

Özet

Francis tipi türbinler, modern dünyada enerji üretimi için yaygın olarak kullanılan reaksiyon tipi hidrolik türbinlerdir. Bu türbinler, uzun yıllarca çalışmak üzere tasarlanmış olup hidrolik verimlerinin yüksek olması büyük önem taşımaktadır. Dijital ikiz kavramı, gerçek dünyadaki bir sistemin dijital ortamdaki kopyası olarak açıklanabilir. Bu dijital kopya sayesinde gerçek sistemin davranışları dijital ortamda incelenebilir. Dijital kopyanın üretilmesi için Hesaplamalı Akışkanlar Dinamiği (HAD), makine öğrenmesi gibi araçlar sıklıkla kullanılmaktadır. Dijital ikiz yapısı hidroelektrik santrallerde değişen koşullara göre bir türbinin verim ve debi parametrelerini tahmin edebilme imkanı sağlar. Tez kapsamında, mevcut bir Francis tipi türbin model test düzeneğinin farklı çalışma koşullarında değişen hidrolik verim, debi gibi parametreleri incelemek üzere HAD analizleri gerçekleştirilmiştir. Mevcut deneysel veri ile HAD yöntemi ve sonuçları kıyaslanmıştır. Farklı açısal hız, düşü ve debi koşulları için yapılan 100 adet HAD analizinden elde edilen veriler ile iki farklı makine öğrenmesi modeli eğitilerek bir dijital ikiz yapısı oluşturulmuştur. Eğitilen Yapay Sinir Ağları (ANN) ve Uygulamalı Sinirsel Bulanık Çıkarım (ANFIS) modelleri ile farklı açısal hız, debi ve düşü koşullarında için verim ve debi tahminlerinde bulunulmuştur. Hidroelektrik santrallerde değişen debi ve düşü koşullarında maksimum verimin elde edilmesi için farklı açısal hızlarda çalışabilen bir türbin ile açısal hızın değiştirilerek verimde elde edilebilecek artış tartışılmıştır.

Özet (Çeviri)

Francis type turbines are reaction type hydraulic turbines widely used for energy production in the modern world. These turbines are designed to operate for many years, and thus, having a high hydraulic efficiency is of great importance. Digital twin is a digital form of a real system in a digital environment and the digital form make it possible to see the real system behaviour in digital environment. Tools such as CFD and machine learning are frequently used to create this digital replica. The digital twin structure allows the prediction of a turbine's efficiency and flow parameters under varying conditions in hydroelectric power plants. Within the scope of this thesis, CFD analyses were conducted to examine the variations in hydraulic efficiency, flow rate, and other parameters of an existing Francis-type model test turbine under different operating conditions. To validate the CFD results, a comparison was made with the existing experimental data. Synthetic data was generated through the CFD analyses to train machine learning models. Data obtained from 100 CFD analyses under different angular velocity, head, and flow rate conditions were used to train two distinct machine learning models, thus creating a digital twin structure. Trained ANN and ANFIS models were employed to predict efficiency and flow rate under different angular velocity, head, and flow rate conditions. The discussion also included considerations on optimizing efficiency by adjusting the turbine's angular velocity, particularly in response to varying flow rates and head levels in hydroelectric power plants.

Benzer Tezler

  1. Tez No

    721475

    Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA

  2. Tez No

    798280

    Intelligent control of refrigerators and freezers

    Buzdolabı ve dondurucuların akıllı kontrolü

    ERHAN KAPICI

    Doktora

    İngilizce

    İngilizce

    2022

    Makine MühendisliğiHacettepe Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMİR KUTLUAY

    PROF. DR. ROOZBEH IZADI-ZAMANABADI

  3. Tez No

    826860

    A fast 3d flow field prediction around bluff bodies using deep learning

    Derin öğrenme kullanılarak küt cisimler etrafındaki 3 boyutlu akış alanının tahmini

    FARHAD NEMATI TAHER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDUSSAMET SUBAŞI

  4. Tez No

    746666

    Short-term wind power generation forecasting by coupling numerical weather prediction models and machine learning algorithms

    Sayısal hava tahmin modeli ve makine öğrenmesi algoritmaları ile kısa dönemli rüzgar enerjisi üretim tahmin modeli oluşturmak

    CEM ÖZEN

    Doktora

    İngilizce

    İngilizce

    2022

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ DENİZ

  5. Tez No

    606022

    XGboost ve karar ağacı tabanlı algoritmaların diyabet veri setleri üzerine uygulaması

    Application of XGboost and decision tree based algorithms on diabetes data

    GÜLÇİN YANGIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ELİF ÖZGE ÖZDAMAR

Geri Dön