مدل سازی دینامیکی تابع سوخت - تولید نیروگاه تبریز بر اساس شبکه های عصبی تقویت شده و کاهش سوخت و آلودگی محیط زیست

در مدل سازی تابع سوخت - تولید نیروگاهها از روشهای مختلفی در بحث بهره برداری اقتصادی از سیستم استفاده شده است . منظور از بهره برداری اقتصادی از سیستم تعیین بار نیروگاههای مختلف بازای مصرف مشخص با به حداقل رساندن سوخت می باشد . با توجه به این موضوع هر چقدر به مدل دقیقتری از تابع سوخت - تولید دست پیدا کنیم رسیدن به حداقل سوخت و کاهش آلودگی محیط زیست با دقت بیشتری انجام خواهد شد . یکی از مدلهای معمول مدل درجه 2 می باشد . این مدل نسبت به مقادیر واقعی خصوصاً در زمانهایی که بار بطور دینامیکی تغییر می کند دارای خطا می باشد . داشتن یک مدل دقیقتر خصوصاً مدلی که در تغییرات دینامیکی بار جواب بهتری بدهد می تواند در کاهش سوخت و آلودگی محیط زیست موثر باشد . یکی از مدلهائی که در تغییرات دینامیکی بار جواب بهتری می دهد مدل شبکه های عصبی می باشد . در این مقاله از یک مدل دقیقتر و تقویت شده شبکه های عصبی برای تخمین مقدار سوخت بر اساس تقاضای بار استفاده شده و عملکرد آن در شرایط مختلف خصوصاً در تغییرات دینامیکی بار با استفاده از اطلاعات واقعی نیروگاه تبریز بررسی شده است . مقایسه نتایج نشان می دهد که در این روش تخمین سوخت مصرفی به مراتب دقیقتر بوده و ضمن کاهش هزینه سوخت، آلودگی محیط زیست نیز بطور قابل ملاحظه ای کاهش می یابد .

کلیدواژه ها:

نیروگاه ، تابع سوخت - تولید ، شبکه های عصبی ، محیط زیست