Modeling of supercritical boiler by neural network

• Autorzy: Lichota Janusz

Warianty tytułu

PL

Modelowanie kotła nadkrytycznego sieciami neuronowymi

• Języki publikacji: EN

Abstrakty

EN

This article presents an artificial neural network (ANN)-based modeling approach for predicting the performance and emissions of a supercritical coal-fired boiler. The NN model was developed using a large dataset of historical boiler operation data, which include inputs like fuel flow rate, air flow rate, and steam pressure, as well as outputs such as boiler efficiency and emissions of pollutants such as NOx. The results indicate that the NN model is able to accurately predict the performance and emissions of the supercritical boiler, with a high coefficient of determination for the training, validation, and test sets. The results of this study demonstrate the potential of NN-based modeling for improving the efficiency and emissions of supercritical boilers and for providing valuable insights into the complex relationships between the inputs and outputs of these systems. The model presented in the article can be used to answer a question whether it is possible to obtain the same generated power at a higher efficiency or lower emissions using different control signals.

PL

W artykule przedstawiono podejście do modelowania oparte na sztucznej sieci neuronowej (ANN) służące do przewidywania wydajności i emisji kotła opalanego węglem na parametry nadkrytyczne. Model NN opracowano przy użyciu dużego zbioru danych historycznych dotyczących działania kotła, który obejmuje dane wejściowe, takie jak natężenie przepływu paliwa, natężenie przepływu powietrza i ciśnienie pary, a także dane wyjściowe, takie jak wydajność kotła i emisja substancji zanieczyszczających, takich jak NOx. Wyniki wskazują, że model NN jest w stanie dokładnie przewidzieć wydajność i emisję kotła na parametry nadkrytyczne, przy wysokim współczynniku determinacji dla zestawów szkoleniowych, walidacyjnych i testowych. Wyniki tego badania pokazują potencjał modelowania opartego na NN w zakresie poprawy wydajności i emisji kotłów na parametry nadkrytyczne oraz dostarczenia cennych informacji na temat złożonych relacji między wejściami i wyjściami tych systemów. Zaprezentowany w artykule model może posłużyć do odpowiedzi na pytanie, czy przy zastosowaniu różnych sygnałów sterujących możliwe jest uzyskanie tej samej generowanej mocy przy wyższej sprawności lub mniejszej emisji.

Słowa kluczowe

EN

percritical unit; artificial neural network model

PL

blok nadkrytyczny; sztuczne sieci neuronowe

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2023
• Tom: Nr 4
• Strony: 64--69
• Opis fizyczny: Bibliogr. 3 poz., fig., tab.

Twórcy

autor

Lichota Janusz

• Politechnika Wrocławska

Bibliografia

• [1] Lichota J ., Neuronowe sterowanie obiektami terrnoenergetycznymi, Oficyna Wydawnicza Politechniki Wrocławskiej, 2013. 144 s.
• [2] Szulc P., Tietze T., Smykowski D., Sitka A., Redzicki R., Zastosowanie materiału zmiennofazowego oraz sieci neuronowych do stabilizacji temperatury, Postępy W badaniach wymiany ciepła i masy. Monografia konferencyjna XVI Sympozjum Wymiany Ciepła i Masy / red. Dariusz Butrymowicz, Kamil Śmierciew, Paweł Jakończuk. Białystok : Politechnika Białostocka, 2022.s. 211-220.
• [3] Szabłowski Ł., Milewski J., Kuta J., Wykorzystanie sztucznej sieci neuronowej do przewidywania zapotrzebowania na moc elektryczną, Rynek Energii 1 (104)/2013