Program RACHEL jako przykład wykorzystania sieci neuronowych i algorytmów genetycznych w eksploatacji i optymalizacji pracy kotła energetycznego

Kakietek, S.; Kowalski, M.; Pietrzyk, M.; Hardy, T.

Artykuł - szczegóły

Tytuł artykułu

Program RACHEL jako przykład wykorzystania sieci neuronowych i algorytmów genetycznych w eksploatacji i optymalizacji pracy kotła energetycznego

Autorzy

Kakietek S. , Kowalski M. , Pietrzyk M. , Hardy T.

Identyfikatory

Warianty tytułu

RACHEL program as an example of making use of neural networks and genetic algorithms in power boiler operating and optimization of its work

Języki publikacji

Abstrakty

Program RACHEL jest samodzielną aplikacją do określania stężeń O2 i CO w warstwie przyściennej kotłów, a także do optymalizacji ich pracy z uwzględnieniem zagrożenia korozją. Jest to pierwsza na świecie próba optymalizacji pracy kotła przy użyciu sieci neuronowych i algorytmów genetycznych z uwzględnieniem on-line zagrożenia korozją niskotlenową.

RACHEL program is an individual application to determine O2 and CO concentration in a near wall layer of a power boiler, and it also serves for optimization of power boilers’ work with special regard to corrosion hazard. It is the first try in the world to optimize a boiler’s work with the use of neural networks and genetic algorithms, with on-line special regard to low oxygen corrosion hazard.

Słowa kluczowe

optymalizacja pracy kotła energetycznego sieci neuronowe algorytmy genetyczne

optimization of a power boiler’s work neural networks genetic algorithms

Wydawca

Oficyna Wydawnicza Energia [Stowarzyszenie Elektryków Polskich - COSiW]

Czasopismo

Energetyka

Rocznik

2009

Tom

nr 11

Strony

761--770

Opis fizyczny

Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Kakietek S.

autor

Kowalski M.

autor

Pietrzyk M.

autor

Hardy T.

Instytut Energetyki JBR, Zakład Procesów Cieplnych

Bibliografia

[1] Li N. and Thompson S.: (1998) Power Plant Air/Fuel Ratio Optimization. Transactions ot the Institute ot Measurement and Control, 20(4): 203-208
[2] Pronobis M.: Modernizacja kotłów energetycznych, WNT, Waszawa
[3] Williams A., Backreedy R., Habib R., Jones J.M. and Pourkashanian M.: (2002) ModelIing Coal Combustion: The Current Position. Fue/81 (5): 605-618
[4] Kalogirou S.A.: (2003) Artiliciallntelligence for the Modeling and Control of Combustion Processes: A Review. Progress in Energy and Combustion Science, 29(6): 515-566
[5] Abbas T., Awais M.M. and Lockwood F.C.: (2003) An Artilicial Intelligence Treatment of Devolatilisation for Pulverised Coal and Biomass in Co-Fired Flames. Combustion and Flame, 132(3): 305-318
[6] Zhu Q. i inni: The Predictions ot coal/char combustion rate using ANN approach. 1999, Fuel, 78
[7] Chungen Yin, Zhongyang Luo, Junhu Zhou and Kefa Cen: (2000) A Novel Non-Linear Programming-Based Coal Blending Technology for Power Plants. Trans IChemE 78(A): 118-124
[8] Lu S. and Hogg B. w.: (2000) Dynamie Nonlinear Modeling of Power Plant by Physical Principles and Neural Networks. International Journal of Electrical Power & Energy Systems 22(1): 67-78
[9] Chang N.B., Chen W.C.: Prediction of PCDDs/PCDFs emissions from municipal incinerators by genetic programming and neural network modeling, 2000, Waste Menag. Res. 18 (4), 341-351
[10] Tan C.K. i inni: Monitoring near burner slag deposition with a hybrid neural network system, 2003, Meas. Sci. Technol. 14, 1-9
[11] Zhou Hao, Cen, Kefa and Mao Jianbo: (2001) Combining Neural Network and Genetic Algorithms to Optimise Low NOx Pulverised Coal Combustion. Fue/80(15): 2163-2169
[12] Hao Zhou, Qian Xinping, Cen Kela and Jianren Fan (2004) Optimizing Pulverized Coal Combustion Performance Based on ANN and GA . Fuel Processing Technology, 85(2-3): 113-124
[13] Jain A.K., Mao J.C. and Mohiuddin K.M.: (1996) Artificial Neural Networks: A Tutorial. Computer 29(3): 31-44
[14] Zgłoszenie patentowe nr P378478 "Sposób monitorowania zagrożenia korozyjnego ścian membranowych kotłów pyłowych", autorzy: Hardy i inni
[15] Zgłoszenie patentowe nr P378479 "Układ do pomiaru zawartości tlenu w spalinach w warstwie przyściennej ścian membranowych kotłów pyłowych", autorzy: Kordylewski i inni
[16] Tan CK, Kakietek S.: "Optymalizacja rozpływów powietrza wtórnego z wykorzystaniem metod sztucznej inteligencji na przykładzie kotła OP-650 w celu minimalizacji emisji NOx' CO oraz niedopału", Konferencja Naukowo-Techniczna "Kontrola, sterowanie i automatyzacja procesu spalania w kotłach energetycznych". Zakopane, 23-25 maja 2005

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BPS3-0015-0093