سال انتشار: ۱۳۸۱

محل انتشار: هفدهمین کنفرانس بین المللی برق

تعداد صفحات: ۱۰

نویسنده(ها):

سهراب خانمحمدی – دانشگاه تبریز
خلیل بانان علی عباسی – مجتمع عالی آموزشی و پژوهشی آذربایجان

چکیده:

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 ۲ 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 .