Zastosowanie sieci neuronowych do oceny krytycznej wilgoci w procesie suszenia

• Autorzy: Pelińska-Olko E. , Ostrycharczyk M. , Czerep M. , Pawlak-Kruczek H.

Warianty tytułu

EN

Application of neural networks to final moisture content evaluation in process of drying

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono możliwości zastosowania sieci neuronowych do wspomagania badań, wykonywanych w procesie suszenia węgli i optymalizacji organizacji suszenia. Sieci zostały wykorzystane w skali laboratoryjnej do weryfikacji badań wilgoci krytycznej węgla brunatnego, suszonego w wirowym złożu fluidalnym. Wilgoć krytyczna jest tutaj rozumiana jako parametr w stanie ustalonym, którego wartość pozostaje od pewnego momentu na niezmienionym poziomie, pomimo dalszego procesu suszenia. Parametr ten odgrywa kluczową rolę w podniesieniu sprawności konwersji energii na energię elektryczną, czego konsekwencją jest zmniejszenie ilości emisji CO2 i innych gazów cieplarnianych oraz zmniejszenie innych negatywnych oddziaływań na środowisko, wynikających z wykorzystywania tego typu węgli do produkcji energii, w postaci np. temperatury i strumienia spalin za kotłem, korozji przewodów spalin. W pracy wykorzystano wyniki badań otrzymanych w ramach projektu pt. „Wstępne suszenie węgla brunatnego dla celów energetycznych” realizowanego na Politechnice Wrocławskiej w konsorcjum z Politechniką Opolską, Instytutem „Poltegor” i Elektrownią Turów, polegającym na eksperymentalnym zbadaniu wybranej koncepcji nowej technologii suszenia węgla brunatnego, przy zastosowaniu niskotemperaturowych źródeł ciepła. Porównano tu przebieg procesu suszenia dwóch skrajnych pod względem ilości popiołu węgli brunatnych: ze złóż w Grecji (40% popiołu) i Australii (5% popiołu). Dzięki swoim możliwościom predykcji parametrów w dalekiej przyszłości, sieci pozwoliły na określeniu wilgoci końcowej badanych węgli, na podstawie jej krótszych przebiegów czasowych w stanach nieustalonych, uzyskanych na drodze doświadczalnej. Zastosowanie ich w tym przypadku staje się zatem ekonomicznie uzasadnione ze względu na możliwość skrócenia czasu trwania eksperymentu. Sieci okazały się także przydatne do szybkiej weryfikacji, czy wyznaczona eksperymentalnie wartość wilgoci krytycznej jest rzeczywiście wartością tego parametru w stanie ustalonym.

EN

In this paper, the authors present the possibilities of using neural networks to support research, performed on the topic of lignite drying and optimization of the lignite drying process. The networks were used on a laboratory scale to verify the final moisture content of lignite determined during drying tests in a vortex fluidized bed. The final moisture content is here understood as a steady-state parameter, the value which, once obtained, remains unchanged, despite the further drying process. This parameter plays a key role in increasing the efficiency of energy conversion from the chemical energy of the lignite to electricity, which results in a reduction of CO2 and other greenhouse gas emissions and reduction of other negative environmental impacts during the use of this type of coal for energy production, such as temperature and volumetric flow rate of the flue gas at the outlet of the boiler as well as corrosion of the exhaust ducts, etc. At work, results of research, obtained as part of the project entitled "Initial drying of lignite for energy purposes" were used as an input data for the neural network. The research was carried out at the Wrocław University of Technology in a consortium with the Opole University of Technology, Poltegor Institute and Turów Power Station, using a novel brown coal drying technology capable of utilizing low temperature heat sources. The course of the drying process of two extreme types of lignite, in terms of the ash content: from deposits in Greece (40% of ash) and Australia (5% of ash). Thanks to their predictive capabilities the networks allowed unambiguous determination of the critical moisture content. The networks have also proved useful in quickly verifying whether the experimentally determined value of a final moisture content is actually the value of this parameter in the steady state.

Słowa kluczowe

PL

ciepło odpadowe; sieci neuronowe; metody predykcyjne; suszenie węgla brunatnego; suszenie kontaktowe

EN

brown coal drying; contact drying; neural networks; predictive methods; waste heat

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2018
• Tom: Nr 6
• Strony: 82--91
• Opis fizyczny: Bibliogr. 24 poz., rys., tab.

Twórcy

autor

Pelińska-Olko E.

• Katedra Termodynamiki, Teorii Maszyn Cieplnych i Urządzeń Cieplnych na Wydziale Mechaniczno-Energetycznym Politechniki Wrocławskiej

autor

Ostrycharczyk M.

• Zakład Kotłów, Spalania i Procesów Energetycznych na Wydziale Mechaniczno-Energetycznym Politechniki Wrocławskiej

autor

Czerep M.

• Zakład Kotłów, Spalania i Procesów Energetycznych na Wydziale Mechaniczno-Energetycznym Politechniki Wrocławskiej

autor

Pawlak-Kruczek H.

• Zakład Kotłów, Spalania i Procesów Energetycznych na Wydziale Mechaniczno-Energetycznym Politechniki Wrocławskiej

Bibliografia

• [1] Klaus R.G. Hein, Rola niskogatunkowych węgli na rynku energii, Rozdział w monografii: Suszenie węgla niskogatunkowego / pod red. Haliny Pawlak-Kruczek, Zbigniewa Pluteckiego. Wrocław : Wydawnictwo "Nowa Energia", 2014. s. 12-27.
• [2] Pawlak-Kruczek H., Properties of low rank coals and resulting challenges in their utilization, rozdział 2 w monografii: – Low-Rank Coals Power Generation, Fuel and Chemical Production, pod red. Zhongyang Luo, Michalis Agraniotis, Duksword Woodhead Publishing Elsevier, 2017, p. 23–40, doi:10.1016/B978-0-08-100895-9.00002-4 .
• [3] Xu C, Xu G, Zhao S, Dong W, Zhou L, Yang Y., A theoretical investigation of energy efficiency improvement by coal pre-drying in coal fired power plants. Energy Convers Manag 2016;122:580–8. doi:10.1016/j.enconman.2016.01.048.
• [4] Pawlak-Kruczek H., Zastosowanie węgla brunatnego dla celów energetycznych – waloryzacja węgla metodą suszenia, Rozdział w monografii: Suszenie węgla niskogatunkowego / pod red. Haliny Pawlak-Kruczek, Zbigniewa Pluteckiego. Wrocław : Wydawnictwo "Nowa Energia", 2014. s. 28-33.
• [5] Pawlak-Kruczek H., Z. Plutecki, M. Michalski, Brown Coal Drying in a Fluidized Bed Applying a Low-Temperature Gaseous Medium, Drying Technology. 2014, vol. 32, nr 11, s. 1334-1342 DOI: 10.1080/07373937.2014.909845 .
• [6] Szczepinski J., B. Ricketts’, Brown coal and lignite in the European Union: The policy context and the future of the industry, 3rd International Low Rank Coal Industry Symposium, 28 April – 1 May 2014, Melbourne, Australia.
• [7] Xu C, Xu G, Zhu M, Dong W, Zhang Y, Yang Y, et al. Thermodynamic analysis and economic evaluation of a 1000 MW bituminous coal fired power plant incorporating low-temperature pre-drying (LTPD). Appl Therm Eng 2016;96:613–22. doi:10.1016/j.applthermaleng.2015.11.046.
• [8] Atsonios K, Violidakis I, Agraniotis M, Grammelis P, Nikolopoulos N, Kakaras E. Thermodynamic analysis and comparison of retrofitting pre-drying concepts at existing lignite power plants. Appl Therm Eng 2015;74:165–73. doi:10.1016/j.applthermaleng.2013.11.007.
• [9] Pikon, J.; Mujumdar, A.S., Drying of coal. In Handbook of Industrial Drying , 3rd ed. ; Mujumdar, A.S., Ed.; CRC Press: Boca Raton, FL, 2006; 993–1016.
• [10] Knaś K., K.f Sławiński, M. Gandor, W. Nowak: Jednoczesny proces suszenia i mielenia węgla brunatnego w młynie elektromagnetycznym, Rozdział w monografii: Suszenie węgla niskogatunkowego / pod red. Haliny Pawlak-Kruczek, Zbigniewa Pluteckiego. Wrocław: Wyd. "Nowa Energia", 2014. s. 103-114.
• [11] Bednarczyk J.: Perspektywiczne strategie technologii wykorzystania energetycznego węgla brunatnego w warunkach dużego ograniczenia emisji dwutlenku węgla. Górnictwo Odkrywkowe nr 5-7/2007.
• [12] Plutecki Z., K. Ryszczyk, P. Sattler:Badanie procesu suszenia w suszarni „fontannowo-pęcherzykowej”, Rozdział w monografii: Suszenie węgla niskogatunkowego / pod red. Haliny Pawlak-Kruczek, Zbigniewa Pluteckiego. Wrocław : Wydawnictwo "Nowa Energia", 2014. s. 73-84.
• [13] Tadeusiewicz R.: Sieci neuronowe, RM, 1993, Warszawa.
• [14] httpes://cran.rproject.org/web/pacages/nnet/nnet.pdf
• [15] Lichota J.:Neuronowe sterowanie obiektami termoenergetycznymi, Monografie, Prace Naukowe Instytutu Inżynierii Lotniczej, Procesowej i Maszyn Energetycznych Politechniki Wrocławskiej, Wrocław 2013.
• [16] Eldracher M.: Classification of Non-Linear-Separable Real-Word-Problems Using -Rule Perceptions, and Topologycally Distributed Encoding, The 1992 ACM/SIGAPP Symposium on Aplied Computing,vol.1,ACM Press, 1992, pp. 1098-1104.
• [17] Cantu-Paz E.: Pruning Neural Networks with Distribution Estimation Algorithms, GECCO, USA, 2003, pp. 790-800.
• [18] Pavlidis N.G. , Tausolis, D.K. , Plagianakos, V.P., Nikiforidis, G., Vrahatis, M.N.: Spiking Neural Network training Using Evolutionary Algorithms. International Joint Conference on Neural Networks, IJCNN, Hungary 2004.
• [19] Lewkowicz M. , Pelińska-Olko E.: Numerical prediction of steady state temperature based on transient measurements using neural networks, , ICCHMT XI International Conference on Computational Heat, Mass and Momentum Transfer, 2018.
• [20] Zakrzewski M., Sciazka A., Komatsu Y., Szmyd J.: Eksperymentalna charakterystyka suszenia węgla brunatnego za pomocą pary przegrzanej, Zeszyty Naukowe Politechniki Rzeszowskiej 290, 2014, s. 135-142.
• [21] Rusiecki A.: Algorytmy uczenia sieci neuronowych odpornych na błędy w danych, Dolnośląska Biblioteka Cyfrowa, Politechnika Wrocławska 2007.
• [22] Lichota J.: Pre-komercyjne suszarki węgla brunatnego, Rynek Energii, nr 2 (117), 2015, str. 66-78.
• [23] Lichota J.: Komercyjne suszarki węgla brunatnego, Rynek Energii, nr 4 (119), 2015, str. 62-74.
• [24] Janewicz A., Kosturkiewicz B.: Brykietowanie węgla brunatnego z biomasą w celu uzyskania paliwa kompozytowego , Rynek Energii nr 5 (114), 2014.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).