Erőmű viselkedésének leírása neurális háló segítségével
Az iteratív eljáráson alapuló, erőműiparban használt hősémaszámítás nagy számítási kapacitást képes lekötni hardver oldalon, valamint időigényessé válhat, különösen bonyolult erőművi rendszerek esetén. Ez a számítás pontos rendszerismeretet, továbbá rengeteg paramétert igényel. Dolgozatomban egy olyan neurális hálót alkottam meg, amely 0,95 feletti determinációs együttható mellett képes kiszámítani egy szuperkritikus szénerőmű nettó villamos hatásfokát csupán a létesítmény néhány üzemi paraméterét (megcsapolási nyomások, tápvízhőmérséklet stb.) figyelembe véve. Az előbb említett gépi tanulási módszer analitikus egyenletek helyett súlymátrixokkal, és eltolásvektorokkal írja le a magyarázó változók és az eredményváltozó közötti kapcsolatot, emiatt első közelítésben nem igényli a vizsgált rendszer viselkedésének pontos ismeretét, azonban a magyarázó változók megválasztása, illetve a háló alkalmazási korlátainak definiálásakor nagyon is fontos műszaki megfontolások alapján dolgozni. A háló tanításához használt adatsort egy általam CycleTempo-ban megalkotott termodinamikai modell segítségével hoztam létre. A háló architektúra optimalizálását a modellstruktúra, az átviteli függvények változtatásán, illetve az adatsor különböző transzformációin keresztül hajtottam végre. Munkám során megkíséreltem egy módszert kidolgozni a háló bemeneti adatainak csökkentésére úgy, hogy a háló becslőképessége csak minimális mértékben sérüljön. Végül a vizsgált hálóarchitektúrák és magyarázó változók közül statisztikai értékelés alapján kiválasztottam azt a kombinációt, mely a lehető legkisebb komplexitás mellett szolgáltatja a legpontosabb hatásfok predikciót.
szerző
-
Illés Dávid Károly
Energetikai mérnöki alapszak (BSc)
alapképzés (BA/BSc)
konzulens
-
Dr. Groniewsky Axel
egyetemi docens, Energetikai Gépek és Rendszerek Tanszék
