論文の概要: The influence of various optimization algorithms on nuclear power plant
steam turbine exergy efficiency and destruction
- arxiv url: http://arxiv.org/abs/2107.03897v1
- Date: Wed, 26 May 2021 09:59:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 09:10:11.648018
- Title: The influence of various optimization algorithms on nuclear power plant
steam turbine exergy efficiency and destruction
- Title（参考訳）: 各種最適化アルゴリズムが原子力発電所蒸気タービンのエクセルギー効率と破壊に及ぼす影響
- Authors: Vedran Mrzljak, Nikola An{\dj}eli\'c, Ivan Lorencin and Sandi Baressi
\v{S}egota
- Abstract要約: 本稿では,4つの運転形態におけるタービン,タービンシリンダー,シリンダー部品全体のエクセルギー解析について述べる。
最適化アルゴリズムSA(Simplex Algorithm)、GA(Genetic Algorithm)、IGSA(Improved Genetic-Simplex Algorithm)の3つのオペレーティングレジームが得られた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an exergy analysis of the whole turbine, turbine
cylinders and cylinder parts in four different operating regimes. Analyzed
turbine operates in nuclear power plant while three of four operating regimes
are obtained by using optimization algorithms - SA (Simplex Algorithm), GA
(Genetic Algorithm) and IGSA (Improved Genetic-Simplex Algorithm). IGSA
operating regime gives the highest developed mechanical power of the whole
turbine equal to 1022.48 MW, followed by GA (1020.06 MW) and SA (1017.16 MW),
while in Original operating regime whole turbine develop mechanical power equal
to 996.29 MW. In addition, IGSA causes the highest increase in developed
mechanical power of almost all cylinders and cylinder parts in comparison to
the Original operating regime. All observed optimization algorithms increases
the exergy destruction of the whole turbine in comparison to Original operating
regime - the lowest increase causes IGSA, followed by GA and finally SA. The
highest exergy efficiency of the whole turbine, equal to 85.92% is obtained by
IGSA, followed by GA (85.89%) and SA (85.82%), while the lowest exergy
efficiency is obtained in Original operating regime (85.70%). Analyzed turbine,
which operates by using wet steam is low influenced by the ambient temperature
change. IGSA, which shows dominant performance in exergy analysis parameters of
the analyzed turbine, in certain situations is overpowered by GA. Therefore, in
optimization of steam turbine performance, IGSA and GA can be recommended.
- Abstract（参考訳）: 本稿では,4つの異なる運転形態におけるタービン,タービンシリンダ,シリンダ部品全体のエクセルギー解析を行う。
解析タービンは原子力プラントで動作し、最適化アルゴリズムSA(Simplex Algorithm)、GA(Genetic Algorithm)、IGSA(Improved Genetic-Simplex Algorithm)の4つの運用系統のうち3つは最適化アルゴリズムを用いて得られる。
IGSAはタービン全体の機械パワーを1022.48 MWに、続いてGA(1020.06 MW)とSA(1017.16 MW)に、原型ではタービン全体の機械パワーを996.29 MWに向上させた。
加えて、IGSAは、最初の運用体制と比較して、ほとんどすべてのシリンダーとシリンダー部品の機械的パワーを最も高めている。
観測された全ての最適化アルゴリズムは、元の運用体制と比較してタービン全体のエクセルギー破壊を増加させる。
タービン全体の最高エクセルギー効率は85.92%とIGSAで、続いてGA(85.89%)とSA(85.82%)が続く。
湿式蒸気を用いた解析タービンは, 環境温度変化の影響を受けにくい。
解析されたタービンのエクセルギー解析パラメータにおいて, IGSAが優位な性能を示した場合, 状況によってはGAがオーバーパワーとなる。
そのため、蒸気タービン性能の最適化にはIGSAとGAが推奨される。
関連論文リスト
- GPT vs RETRO: Exploring the Intersection of Retrieval and Parameter-Efficient Fine-Tuning [48.71952325015267]
PEFT法を改良型Retrieval-Enhanced Transformer (RETRO) およびベースラインGPTモデルに適用する。
本稿では、RETROモデルが、独自の事前学習プロセスにより、ゼロショット設定でGPTモデルより優れていることを示す。
本研究は, GPTモデルとRETROモデルの両方に適用された各種PEFT法をRAGと統合した最初の包括的比較である。
論文 参考訳（メタデータ） (2024-07-05T14:16:47Z) - SVFT: Parameter-Efficient Fine-Tuning with Singular Vectors [80.6043267994434]
既存の手法と根本的に異なる単純なアプローチであるSVFTを提案する。
SVFTは特異ベクトルの外積のスパース結合として(W)を更新し、これらのスパース結合の係数(スケール)のみを訓練する。
言語とビジョンベンチマークの実験では、SVFTは完全な微調整性能の96%を回復し、パラメータの0.006から0.25%しかトレーニングしていない。
論文 参考訳（メタデータ） (2024-05-30T01:27:43Z) - Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。
本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
論文 参考訳（メタデータ） (2024-02-29T14:53:55Z) - An Improved Yaw Control Algorithm for Wind Turbines via Reinforcement
Learning [1.5076964620370268]
ヨーのミスアライメントは、出力、タービンの安全性、寿命、そして風上公園全体に影響を与える。
我々は、強化学習を用いてヨー調整を最小化し、ヨー資源を最適に再配置するヨー制御剤を開発する。
論文 参考訳（メタデータ） (2023-05-02T10:01:39Z) - Movement Penalized Bayesian Optimization with Application to Wind Energy
Systems [84.7485307269572]
文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。
この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。
標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
論文 参考訳（メタデータ） (2022-10-14T20:19:32Z) - Prediction of the energy and exergy performance of F135 PW100 turbofan
engine via deep learning [0.0]
推力比燃料消費, 推力, 吸気気質量流量, 熱・推進効率に及ぼす飛気数, 飛行高度, 燃料タイプ, 吸気温度の影響について検討した。
深層学習法を用いて出力パラメータを予測するインテリジェントモデルが得られた。
その結果, 深部神経モデルの誤差率は推力, 推力比, 総運動効率の5.02%, 1.43%, 2.92%に等しいことがわかった。
論文 参考訳（メタデータ） (2022-08-24T17:28:58Z) - Energy-Exergy Analysis and Optimal Design of a Hydrogen Turbofan Engine [0.0]
ジェネックス1B70エンジンの推力比燃料消費特性に及ぼす入口冷却と燃料タイプの影響を解析した。
その結果、設計条件およびJP10燃料使用時の吸入空気温度の20度の美味しい低下により、エンジンの熱効率とエントロピー発生率、推力および燃料質量流量、TSFCが1.85パーセント、16.51パーセント、11.76パーセント、10.53パーセント、SNOxが2.15パーセント、エネルギ効率が2.11パーセント、26.60%向上した。
論文 参考訳（メタデータ） (2022-08-14T19:27:15Z) - Interpretable machine learning optimization (InterOpt) for operational
parameters: a case study of highly-efficient shale gas development [0.3149883354098941]
演算パラメータの最適化のためにInterOptというアルゴリズムが提案されている。
InterOptは、特定の地質条件に応じて、井戸ごとに異なる掘削計画とフラクチャリング計画を提供している。
104井戸のケーススタディでは平均で9.7%のコスト削減を達成した。
論文 参考訳（メタデータ） (2022-06-20T07:31:17Z) - Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and
Stability [67.8426046908398]
汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。
本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
論文 参考訳（メタデータ） (2022-04-08T20:46:16Z) - Environmental Pollution Prediction of NOx by Process Analysis and
Predictive Modelling in Natural Gas Turbine Power Plants [0.0]
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。
論文 参考訳（メタデータ） (2020-11-05T18:01:58Z) - 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)
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。