Research on the combustion process using time series

• Autorzy: Grądz Żaklin

Identyfikatory

DOI

10.35784/iapgos.1835

Warianty tytułu

PL

Badania procesu spalania z wykorzystaniem szeregów czasowych

• Języki publikacji: EN

Abstrakty

EN

In the combustion process, one of the most important tasks is related to maintaining its stability. Numerous methods of monitoring, diagnostics, and analysis of the measurement data are used for this purpose. The information recorded in the combustion chamber constitute one-dimensional time series. In the case of non-stationary time series, which can be transformed into the stationary form, the autoregressive integrated moving average process can be employed. The paper presented the issue of forecasting the changes in flame luminosity. The investigations discussed in the work were carried out with the ARIMA model (p,d,q). The presented forecasts of changes in flame luminosity reflect the actual processes, which enables to employ them in diagnostics and control of the combustion process.

PL

W procesie spalania jednym z najważniejszych zadań jest zachowanie jego stabilności. Do tego celu wykorzystywanych jest wiele metod z zakresu monitorowania, diagnostyki i analizy danych pomiarowych. Zarejestrowane w komorze spalania informacje są jednowymiarowymi szeregami czasowymi. W przypadku niestacjonarnych szeregów czasowych, które można przekształcić do formy stacjonarnej, znalazły zastosowanie scałkowane procesy autoregresji i średniej ruchomej. W artykule przedstawiono problematykę prognozowania zmian intensywności świecenia płomienia. Badania zaprezentowane w pracy zostały przeprowadzone z wykorzystaniem modelu ARIMA(p,d,q). Przedstawione prognozy zmian intensywność świecenia płomienia odwzorowują rzeczywiste przebiegi, co pozwala wykorzystać je w diagnostyce i sterowaniu procesem spalania.

Słowa kluczowe

EN

time series; ARIMA model; flame luminosity

PL

szereg czasowy; model ARIMA; jasność świecenia płomienia

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2020
• Tom: T. 10, nr 2
• Strony: 52--55
• Opis fizyczny: Bibliogr. 25 poz., rys., tab.

Twórcy

autor

Grądz Żaklin

• Lublin University of Technology, Department of Electronics and Information Technology, Lublin, Poland

Bibliografia

• [1] Box G.E.P, Jenkins G.M.: Analiza szeregów czasowych Prognozowanie i sterowanie, Warszawa 1983.
• [2] Díaz-Robles L.A., Ortega J.C., Fu J.S. et al.: A hybrid ARIMA and artificial neural networks model to forecast particulate matter in urban areas: the case of Temuco, Chile. Atmospheric Environment 42(35), 2008, 8331–8340.
• [3] Ding S., Dang Y.G., Li X.M., Wang J.J., Zhao K.: Forecasting Chinese CO2 emissions from fuel combustion using a novel grey multivariable model. Journal of Cleaner Production 162, 2017, 1527–1538.
• [4] Jiang S., Yang C., Guo J., Ding Z.: ARIMA forecasting of China’s coal consumption, price and investment by 2030. Energy Sources, Part B: Economics, Planning, and Policy 13(3), 2018, 190–195.
• [5] Komada P.: Analiza procesu termicznej przeróbki biomasy. Monografie – Polska Akademia Nauk. Komitet Inżynierii Środowiska, Warszawa 2019.
• [6] Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W.: Diagnostyka procesów, Modele, Metody sztucznej inteligencji, Zastosowania. Wydawnictwo Naukowo-Techniczne, Warszawa 2002.
• [7] Kordylewski W. i inni.: Spalanie i paliwa. Politechnika Wrocławska, Wrocław 2008.
• [8] Kotyra A., Wojcik W., Gromaszek K., Smolarz A., Jagiełło, K.: Assessment of biomass-coal co-combustion on the basis of flame image. Przegląd Elektrotechniczny 88(11b), 2012, 241–243.
• [9] Kotyra A., Wójcik W., Gromaszek K., Bazil G.: Application of flame image series analysis in estimation of biomass and coal combustion operating point. Przegląd Elektrotechniczny 8(92)2016, 129–132.
• [10] Lu G., Yan Y., Colechin M.: A digital imaging based multifunctional flame monitoring system. IEEE Transactions on instrumentation and measurement, 53(4), 2004, 1152–1158.
• [11] Mahla S.K., Parmar K.S., Singh J., Dhir A., Sandhu S.S., Chauhan B.S.: Trend and time series analysis by ARIMA model to predict the emissions and performance characteristics of biogas fueled compression ignition engine. Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 1–12.
• [12] Ong C.S., Huang J.J., Tzeng G.H.: Model identification of ARIMA family using genetic algorithms. Applied Mathematics and Computation 164(3), 2005, 885–912.
• [13] Sanchez A.B., Ordonez C., Lasheras F.S., Juez F.J.D., Roca-Pardinas J.: Forecasting SO2 Pollution Incidents by means of Elman Artificial Neural Networks and ARIMA Models, Abstract and Applied Analysis 2013, Article ID 238259.
• [14] Savchuk Т. О., Kozachuk A., Gromaszek K., Sugurova L.: Forecasting the state of technogenic emergency situation on the railway transport using data mining technologies. Przegląd Elektrotechniczny 1, 2014, 50–54.
• [15] Sawicki D., Kotyra A., Perdesh K.: Ekstrakcja cech obrazów płomienia współspalania węgla i biomasy z wykorzystaniem wizyjnego systemu diagnostycznego. Przegląd Elektrotechniczny 92(8), 2016, 133–136.
• [16] Sawicki D., Kotyra A., Akhmetova A., Baglan I., Suleymenov A.: Using Optical Methods for Process State Classification of Co-firing of Coal and Biomass. Annual Set The Environment Protection 2(18), 2016, 404–415.
• [17] Sawicki D., Kotyra A.: A quality factor of co-firing pulverized coal and biomass. Przegląd Elektrotechniczny 92(11), 2016, 140–143.
• [18] Smolarz A., Wójcik W., Gromaszek K., Komada P., Lytvynenko V.I., Mussabekov N., Toigozhinova A.: Artificial intelligence methods in diagnostics of coal-biomass blends cocombustion in pulverised coal burners. Environmental Engineering V, 2017, 311–317.
• [19] Wójcik W., Gromaszek K., Shegebayeva Z., Suleimenov B., Burlibay A.: Optimal control for combustion process. Przegląd Elektrotechniczny 90(4), 2014, 157–160.
• [20] Wójcik W., Gromaszek K., Smailova S.: Using optical signals for pulverised coal combustion process optimal control to increase economic efficiency of the boiler. Actual Problems of Economics 4, 2013, 307–311.
• [21] Wojcik W., Kotyra A., Komada P., Golec T.: Fiber optic system detecting the type of burned fuel in power boilers. Proc. of SPIE 5125, 2003.
• [22] Wójcik W.: Application of fibre-optic flame monitoring systems to diagnostics of combustion process in power boilers. Bulletin of the Polish Academy of Sciences – Technical Sciences 56(2), 2008, 177–195.
• [23] Wójcik W.: Światłowodowy układ do monitorowania procesu spalania, PAK 53(11), 2007, 24–28.
• [24] Zhou H., Li Y., Tang Q., Lu G., Yan Y.: Combining flame monitoring techniques and support vector machine for the online identification of coal blends. Journal of Zhejiang University – Science A 18(9), 2017, 677–689.
• [25] Zyska T., Wójcik W., Imanbek B., Zhirnova O.: Diagnostyka stanu czujnika termoelektrycznego w procesie zgazowania biomasy. Rocznik Ochrona Środowiska 18(2)/2016, 652–666.