論文の概要: Environmental Pollution Prediction of NOx by Process Analysis and
Predictive Modelling in Natural Gas Turbine Power Plants
- arxiv url: http://arxiv.org/abs/2011.08978v2
- Date: Mon, 18 Jan 2021 17:41:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 13:10:16.642209
- Title: Environmental Pollution Prediction of NOx by Process Analysis and
Predictive Modelling in Natural Gas Turbine Power Plants
- Title（参考訳）: 天然ガスタービン発電プラントにおけるプロセス解析と予測モデリングによるnoxの環境汚染予測
- Authors: Alan Rezazadeh
- Abstract要約: 本研究では,NOx排出予測のための機械学習モデルを構築するために,環境気象条件,電気出力,タービン性能要因を組み込んだ。
このモデルは、有害な排出の削減と全体の運用効率の向上のために、運用プロセスの最適化に使用することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The main objective of this paper is to propose K-Nearest-Neighbor (KNN)
algorithm for predicting NOx emissions from natural gas electrical generation
turbines. The process of producing electricity is dynamic and rapidly changing
due to many factors such as weather and electrical grid requirements. Gas
turbine equipment are also a dynamic part of the electricity generation since
the equipment characteristics and thermodynamics behavior change as the
turbines age. Regular maintenance of turbines are also another dynamic part of
the electrical generation process, affecting the performance of equipment. This
analysis discovered using KNN, trained on relatively small dataset produces the
most accurate prediction rates. This statement can be logically explained as
KNN finds the K nearest neighbor to the current input parameters and estimates
a rated average of historically similar observations as prediction.
This paper incorporates ambient weather conditions, electrical output as well
as turbine performance factors to build a machine learning model to predict NOx
emissions. The model can be used to optimize the operational processes for
reduction in harmful emissions and increasing overall operational efficiency.
Latent algorithms such as Principle Component Algorithms (PCA) have been used
for monitoring the equipment performance behavior change which deeply
influences process paraments and consequently determines NOx emissions. Typical
statistical methods of machine learning performance evaluations such as
multivariate analysis, clustering and residual analysis have been used
throughout the paper.
- Abstract（参考訳）: 本研究の目的は,天然ガス発電タービンからのNOx排出を予測するK-Nearest-Neighbor (KNN) アルゴリズムを提案することである。
電力生産のプロセスは、気象や電力網の要求など多くの要因により、動的かつ急速に変化している。
ガスタービン装置はタービンの寿命とともに機器特性や熱力学的挙動が変化するため、発電のダイナミックな部分でもある。
タービンの定期的なメンテナンスも発電プロセスの別のダイナミックな部分であり、機器の性能に影響を及ぼす。
この分析は、比較的小さなデータセットでトレーニングされたKNNを使用して、最も正確な予測率を生成する。
このステートメントは、KNNが現在の入力パラメータに最も近いKを見つけ、歴史的に類似した観測の定式平均を予測として推定するときに論理的に説明できる。
本稿では,環境条件,電気出力,タービン性能要因を取り入れ,nox排出量予測のための機械学習モデルを構築した。
このモデルは、有害な排出を減らすための運用プロセスを最適化し、全体の運用効率を向上させるために使用できる。
原理成分アルゴリズム(PCA)のような潜在アルゴリズムは、機器の性能変化を監視し、プロセスのパラメントに深く影響し、結果としてNOx排出量を決定する。
本報告では,多変量解析,クラスタリング,残差解析などの機械学習性能評価の典型的な統計的手法を用いている。
関連論文リスト
- Equipment Health Assessment: Time Series Analysis for Wind Turbine
Performance [1.533848041901807]
各種風力タービンのSCADAデータを利用して出力を予測する。
重要なイノベーションは、FNNとLSTMモデルのアンサンブルであり、それらの集合的学習に乗じている。
風力タービンの性能劣化を検知するために機械学習技術が適用され、アクティブなメンテナンス戦略が実現された。
論文 参考訳（メタデータ） (2024-03-01T20:54:31Z) - Prediction of wind turbines power with physics-informed neural networks
and evidential uncertainty quantification [2.126171264016785]
物理インフォームドニューラルネットワークを用いて、風力発電所の4基のタービンから得られた履歴データを再現する。
パワー, トルク, パワー係数の回帰モデルでは, 実データ, 物理式ともに精度が高いことがわかった。
論文 参考訳（メタデータ） (2023-07-27T07:58:38Z) - Tabular Machine Learning Methods for Predicting Gas Turbine Emissions [6.488575826304023]
ガスタービンの排出予測のための機械学習モデルの性能評価を行った。
機械学習技術を用いて, 窒素酸化物 (NOx) と一酸化炭素 (CO) の予測性能を向上した。
論文 参考訳（メタデータ） (2023-07-17T10:50:09Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Stabilizing Machine Learning Prediction of Dynamics: Noise and
Noise-inspired Regularization [58.720142291102135]
近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。
緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。
トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
論文 参考訳（メタデータ） (2022-11-09T23:40:52Z) - Application of Neural Network in the Prediction of NOx Emissions from
Degrading Gas Turbine [0.0]
9つの異なるプロセス変数、または予測子は予測モデルにおいて考慮される。
ニューラルネットワークアルゴリズムによってトレーニングされたモデルは、NOx放出の最小値に達するためにプロセス変数の最適設定を示す。
論文 参考訳（メタデータ） (2022-09-19T16:44:44Z) - Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
風力タービンの健全性解析のための2つの新しい手法を提案する。
第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。
第2の方法は抽出された概念の全体的ドリフトを評価する。
論文 参考訳（メタデータ） (2021-12-09T14:04:55Z) - Physics-constrained deep neural network method for estimating parameters
in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。
そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。
また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文 参考訳（メタデータ） (2021-06-21T23:42:58Z) - Physics-Informed Gaussian Process Regression for Probabilistic States
Estimation and Forecasting in Power Grids [67.72249211312723]
電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。
PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。
提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
論文 参考訳（メタデータ） (2020-10-09T14:18:31Z) - Hybrid Neuro-Evolutionary Method for Predicting Wind Turbine Power
Output [6.411829871947649]
我々は,スウェーデンのオンショア風力発電所から出力される電力を推定するために,SCADAシステムにおける履歴データを入力として利用する。
風のパターンが非線形で多様であるという事前の知識により、我々は自己適応微分進化(SaDE)アルゴリズムを組み合わせる。
私たちのアプローチは、そのアプローチよりも優れています。
論文 参考訳（メタデータ） (2020-04-02T04:22:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。