Simulation of power plants steam generators and cooling towers with artificial neural network

• Autor(a) principal: Reichert, Helena Haas
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/212374
• topic: Redes neurais artificiais; Torre de resfriamento; Usinas termelétricas a carvão; Artificial neural networks; Super-heated steam generator; Wet cooling tower; Coal-fired power plant modeling

A modelagem da operação de equipamentos é uma opção metodológica importante para a melhoria da eficiência de usinas geradoras de energia. Uma dessas metodologias é a rede neural artificial (RNA), que vem ganhando espaço devido à sua capacidade de modelar problemas complexos com base em comportamentos registrados de sistemas reais. O objetivo do presente estudo é desenvolver modelos de RNA capazes de reproduzir o funcionamento do gerador de vapor e da torre úmida de arrefecimento da planta termoelétrica a carvão de PECÉM, no estado do Ceará, Brasil. O modelo de RNA para o gerador de vapor superaquecido a carvão estima a vazão mássica de vapor com base em registros de um ano de operação da Usina. A configuração das RNAs é obtida após uma série de testes com o objetivo de reduzir o erro de predição através do erro absoluto médio (EAM) em diferentes patamares de operação, obtendo-se um MAE de 1,28% para o conjunto total de dados de operação, 8,11% para a faixa de operação de 240 MW e 10,82% para a faixa de operação de 360 MW. O desempenho das redes é comparado ao de modelos de regressão linear múltipla aplicados ao mesmo conjunto de dados, para os quais se têm valores de MAE de 2,05%, 9,47% e 15,76%. Esses resultados mostram a capacidade da RNA de estimar a produção de vapor com erro abaixo daqueles de modelos de regressão. O modelo de RNA é desenvolvido para um dos conjuntos de torres úmidas de resfriamento ligado ao sistema de condensação de uma das plantas do sitio de geração. Essa planta é referenciada como de melhor desempenho e o modelo RNA gerado é aplicado aos dados de operação do segundo conjunto de torres, ajudando na identificação de possíveis desvios ou problemas de desempenho. Ferramentas estatísticas são usadas para avaliar os dois conjuntos de dados referentes as torres de cada usina e identificar correlações de parâmetros. Os modelos de RNA com melhor desempenho são obtidos com um coeficiente máximo de correlação R² de 0,9956 para a taxa de calor rejeitada e 0,8699 para a taxa de vazão mássica de água de reposição para o conjunto de dados de referência. O coeficiente R² encontrado para o segundo conjunto de torres é de 0,748 para a taxa de calor rejeitada e 0,905 para a vazão mássica de água de reposição. Esse resultado ajuda a identificar alguns comportamentos não padronizados da torre. Uma nova simulação sem os pontos de fora da curva (outlier) exibiu valores de R² de 0,98 e 0,99, respectivamente.