Ứng dụng mạng nơ ron nhân tạo dự báo công suất phát của nhà máy nhiệt điện
Tóm tắt: 89
| 
PDF: 380 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
Nhà máy nhiệt điện
mạng nơron nhân tạo
lò hơi
tuabin hơi
dữ liệu thực
Tóm tắt
Mô hình hóa một nhà máy nhiệt điện là một vấn đề khó khăn nhưng mang lại nhiều lợi ích. Các chương trình mô phỏng thường dựa trên các phương trình toán học rất phức tạp với số lượng lớn các thông số liên quan. Nghiên cứu này đề xuất xây dựng hai mô hình mạng nơron nhân tạo cho lò hơi và tuabin. Mục tiêu cuối cùng là tích hợp hai mô hình này thành một mô hình dự báo công suất phát của nhà máy sử dụng một vài thông số có sẵn từ dữ liệu thực của nhà máy và có thể dễ dàng cập nhật với dữ liệu mới. Mạng nơron được sử dụng là mạng truyền thẳng hai lớp, có hàm truyền sigmoid trong lớp ẩn và hàm tuyến tính trong lớp đầu ra, và sử dụng thuật toán huấn luyện lan truyền ngược Levenberg-Marquardt. Nghiên cứu được áp dụng trên tổ máy số một nhà máy nhiệt điện Ô Môn. Kết quả của dự báo đạt được độ chính xác cao, cho thấy tiềm năng của việc sử dụng mô hình mạng nơron nhân tạo trong mô hình hóa các nhà máy nhiệt điện
Tài liệu tham khảo
-
[1] Kwan HW, Anderson JH, “A mathematical model of a 200 MW boiler”, Int J Control, Vol 12, No6, 1970, pp.977–998.
[2] Liu C, Liu J, Niu Y, Liang W, “Nonlinear boiler model of 300 MW power unit for system dynamic performance studies”, IEEE Trans Ind Electron, Vol 2, 2001, pp.1296-1300.
[3] Bassel WS, Gomes AV, “A metastable wet steam turbine stage model”, Nucl Eng Design, Vol 216, 2002, pp.113-119.
[4] Liu JJ, Cui YQ, Jiang HD, “Investigation of flow in a steam turbine exhaust hood with/without turbine exit conditions simulated”, J Eng Gas Turbines Power, Vol 125, 2003, pp.292-299.
[5] P. Sharma, D. Saini, A. Saxena, “Fault Detection and Classification in Transmission Line using Wavelet Transform and ANN”, Bull. Electr. Eng. Informatics, Vol. 5, no. 4, 2016, pp. 456-465.
[6] Trần Thị Hoàng Oanh, Đồng Sĩ Thiên Châu, Trần Hoàng Lĩnh, Nguyễn Kỳ Tài, “Ứng dụng mạng nơron song tuyến trong bài toán dự báo phụ tải điện”, Tạp chí phát triển KH & CN, Số 4, 2007, trang 15-26.
[7] S. Hosham, F. Anead Khalid, and J. Raheel, “Evaluation and improvement performance of a boiler in a thermal power plant using Artificial Neural Network”, Engineering & Technology Journal, vol. 36, Part A, no. 6, 2018, pp.656-663.
[8] N.N.M. Nistah, King Hann Lim, L. Gopal, F.B.I. Alnaimi, “Coal-Fired boiler fault prediction using Artificial Neural Networks”, International Journal of Electrical and Computer Engineering (IJECE) Vol. 8, No. 4, 2018, pp. 2486-2493.
[9] K. Rostek, Ł. Morytko, and A. Jankowska, “Early detection and prediction of leaks in fluidized-bed boilers using artificial neural networks”, Energy, vol. 89,2015, pp. 914-923.
[10] Smrekar J, Assadi M, Fast M, Kustrin I, De S, “Development of artificial neural network model for a coal-fired boiler using real plant data”, Energy (Oxford), Vol 34, 2009, pp.144-152.
[11] Z. N. S. Vanini, K. Khorasani, N. Meskin, “Fault detection and isolation of a dual spool gas turbine engine using dynamic neural networks and multiple model approach”, Information Sciences, vol. 259, 2014, pp. 234–251.
[12] Fast M, Assadi M, De S, “Development and multi-utility of an ANN model for an industrial gas turbine”, Appl Energy, Vol 86, No1, 2009, pp.9-17.
[13] De S, Kaiadi M, Fast M, Assadi M, “Development of an artificial neural network model for the steam process of a coal biomass cofired combined heat and power (CHP) plant in Sweden”, Energy, Vol 32, 2007, pp.2099-2109.
Xem thêm
##plugins.themes.academic_pro.article.sidebar##
Đã Xuất bản
Mar 31, 2019
Download
Cách trích dẫn
Lê Trọng Nghĩa; Phạm Văn Hoàn; TS. Nguyễn Minh Hòa*. “Ứng dụng mạng Nơ Ron nhân tạo dự báo công suất phát của Nhà máy nhiệt điện”. Tạp Chí Khoa học Và Công nghệ Đại học Đà Nẵng, vol 17, số p.h 3, Tháng Ba 2019, tr 29-33, https://jst-ud.vn/jst-ud/article/view/1906.
