Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Rynek Energii

1 2018

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: contact drying

Sortuj według:

Ogranicz wyniki do:

Zastosowanie sieci neuronowych do oceny krytycznej wilgoci w procesie suszenia

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

Rynek Energii

2018

Nr 6

82--91

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.

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.