جلسه دفاع از رساله دکتری (آقای مهدی فرهناک)

موضوع: بهینه­ سازی دینامیکی پارامترهای عملکردی در سیکل­ های ترمودینامیکی ترکیبی با استفاده از یادگیری ماشین

ارائه دهنده: مهدی فرهناک

استادان راهنما: دکتر محمود اشرفی­ زاده

استادان مشاور: دکتر محمدرضا سلیم­ پور

استادان داور: دکتر محسن دوازده ­امامی، دکتر سعید بهبهانی، دکتر ایمان چیت­ ساز

چیکده

بحران انرژی و مسائل زیست­ محیطی از مهم­ترین چالش ­های پیش روی بشر در عصر معاصر هستند. بهینه­ سازی شرایط عملکردی سیکل­ های ترکیبی تولید توان می ­تواند باعث افزایش راندمان، کاهش مصرف انرژی، کاهش هزینه­ ها و بهبود مسائل زیست­ محیطی شود. بررسی عملکرد واقعی نیروگاه ­های سیکل ترکیبی مستلزم مدلسازی دینامیکی اجزای مختلف سیکل تحت شرایط کارکردی مختلف خارج از نقطه طراحی می­ باشد. از طرفی دیگر، راندمان لحظه­ ای و رفتار دینامیکی نیروگاه وابسته به نقاط تنظیم و مانیتورینگ پارامترهای کلیدی مختلف، اقدامات نظارتی و اتخاذ تصمیمات حیاتی بصورت دستی توسط اپراتور به منظور پیشگیری از خرابی و افت عملکرد اجزای مختلف سیکل و همچنین مسائل مرتبط با تعمیرات و نگهداری است. از آنجا که بهینه­ سازی دینامیکی نیروگاه­ های سیکل ترکیبی تولید توان یک مسئله غیرخطی بوده و متاثر از پارامترهای عملکردی مختلفی می­ باشد، هوش مصنوعی و به طور خاص یادگیری ماشین می­تواند رابطه ­ی ضمنی بین پارامترها را یاد گرفته و غیرخطی بودن مسئله را لحاظ کند. در این تحقیق از پتاسیل­ های هوش مصنوعی به کمک الگوریتم­ های بهینه سازی برای ایجاد مدل­ های داده-محور جهت بهینه­ سازی عملکرد دینامیکی سیکل ترکیبی تولید توان بر حسب پارامترهای عملکردی و پیش­ بینی رفتار واقعی کوتاه ­مدت و بلند مدت پارامترهای حیاتی کنترل شونده دستی توسط اپراتور جهت اقدامات پیشگیرانه تعمیرات و نگهداری بجای عامل انسانی استفاده می­ شود.

کلمات کلیدی: بهینه ­سازی؛ پارامترهای عملکردی؛ سیکل ترکیبی؛ یادگیری ماشین