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