Багатоцільова оптимізація ефективності згоряння та викидів котлів з використанням генетичного алгоритму та рекурентної нейронної мережі на вугільній електростанції потужністю 660 МВт

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2025.327063

Ключові слова:

ефективність котла, спільне спалювання, штучна нейронна мережа, генетичний алгоритм, нульові викиди

Анотація

Iндонезія продемонструвала тверде зобов’язання досягти нульових викидів до 2060 року. Впровадження різноманітних стратегій, таких як застосування технології спільного спалювання біомаси на вугільних теплоелектростанціях, демонструє це зобов’язання. Це дослідження зосереджено на надкритичному вугільному котлі потужністю 660 МВт як об’єкті дослідження. Ключовою проблемою, що розглядається в цьому дослідженні, є нестабільна продуктивність горіння через динамічну та нелінійну взаємодію між експлуатаційними змінними в умовах спільного спалювання біомаси. Ці коливання можуть негативно вплинути на ефективність котла, викиди CO2 та коефіцієнт потужності електростанції. У дослідженні пропонується динамічна багатоцільова структура оптимізації з використанням рекурентної нейронної мережі (РНМ), методології поверхні відгуку (МПВ) та багатоцільового генетичного алгоритму (БГА) для підвищення надійності продуктивності та підтримки переходу Індонезії до чистіших джерел енергії. Результати дослідження показують, що модель РНМ продемонструвала вищу точність прогнозування порівняно з МПВ, зі значенням середньоквадратичної помилки 0,1523% для ефективності котла, 1,6993% для викидів CO2 та 0,5284% для коефіцієнта потужності. Оптимізація БГА продемонструвала підвищення ефективності котла з 86,6793% до 87,32%, зменшення викидів CO2 зі 114,213 мг/нм3 до 53,972 мг/нм3 та збільшення коефіцієнта потужності з 87,9% до 89,32%. Крім того, споживання вугілля зменшилося до 51524 тон на годину, що може забезпечити економію експлуатаційних витрат у розмірі 1,34 мільярда індонезійських рупій на день.

Підходи на основі РНМ та БГА виявилися ефективнішими, ніж МПВ, для оптимізації горіння в котлах. Цей метод важливий для розробки стратегії підвищення ефективності процесу горіння в котлах вугільних електростанцій. Це також допоможе підтримати перехід до чистої енергії та досягти цілі нульових викидів до 2060 року

Біографії авторів

Mohamad Arwan Efendy, Universitas Indonesia

Master’s Candidates in Mechanical Engineering

Department of Mechanical Engineering

Ahmad Syihan Auzani, Universitas Indonesia

Doctoral

Department of Mechanical Engineering

Sholahudin Sholahudin, Universitas Indonesia

Doctoral

Department of Mechanical Engineering

Посилання

  1. World Energy Outlook 2023. IEA. Available at: https://www.iea.org/reports/world-energy-outlook-2023
  2. Demirbaş, A. (2003). Sustainable cofiring of biomass with coal. Energy Conversion and Management, 44 (9), 1465–1479. https://doi.org/10.1016/s0196-8904(02)00144-9
  3. Eriksson, O., Finnveden, G., Ekvall, T., Björklund, A. (2007). Life cycle assessment of fuels for district heating: A comparison of waste incineration, biomass- and natural gas combustion. Energy Policy, 35 (2), 1346–1362. https://doi.org/10.1016/j.enpol.2006.04.005
  4. Gil, M. V., Rubiera, F. (2019). Coal and biomass cofiring. New Trends in Coal Conversion, 117–140. https://doi.org/10.1016/b978-0-08-102201-6.00005-4
  5. Nawaz, Z., Ali, U. (2020). Techno-economic evaluation of different operating scenarios for indigenous and imported coal blends and biomass co-firing on supercritical coal fired power plant performance. Energy, 212, 118721. https://doi.org/10.1016/j.energy.2020.118721
  6. Damstedt, B., Pederson, J. M., Hansen, D., Knighton, T., Jones, J., Christensen, C. et al. (2007). Biomass cofiring impacts on flame structure and emissions. Proceedings of the Combustion Institute, 31 (2), 2813–2820. https://doi.org/10.1016/j.proci.2006.07.155
  7. De, S., Assadi, M. (2009). Impact of cofiring biomass with coal in power plants – A techno-economic assessment. Biomass and Bioenergy, 33 (2), 283–293. https://doi.org/10.1016/j.biombioe.2008.07.005
  8. Roni, M. S., Chowdhury, S., Mamun, S., Marufuzzaman, M., Lein, W., Johnson, S. (2017). Biomass co-firing technology with policies, challenges, and opportunities: A global review. Renewable and Sustainable Energy Reviews, 78, 1089–1101. https://doi.org/10.1016/j.rser.2017.05.023
  9. Śladewski, Ł., Wojdan, K., Świrski, K., Janda, T., Nabagło, D., Chachuła, J. (2017). Optimization of combustion process in coal-fired power plant with utilization of acoustic system for in-furnace temperature measurement. Applied Thermal Engineering, 123, 711–720. https://doi.org/10.1016/j.applthermaleng.2017.05.078
  10. Yao, Z., Romero, C., Baltrusaitis, J. (2023). Combustion optimization of a coal-fired power plant boiler using artificial intelligence neural networks. Fuel, 344, 128145. https://doi.org/10.1016/j.fuel.2023.128145
  11. Nunes, L. J. R., Matias, J. C. O., Catalão, J. P. S. (2016). Biomass combustion systems: A review on the physical and chemical properties of the ashes. Renewable and Sustainable Energy Reviews, 53, 235–242. https://doi.org/10.1016/j.rser.2015.08.053
  12. Setiawan, A. A. R., Sofyan Munawar, S., Ishizaki, R., Putra, A. S., Ariesca, R., Sidiq, A. N. et al. (2024). Optimizing biomass supply for cofiring at power plants to minimize environmental impact: A case of oil palm empty fruit bunches in West Java. Fuel, 367, 131359. https://doi.org/10.1016/j.fuel.2024.131359
  13. Wang, H., Yan, Y., Li, Z., Cao, Z., Fu, Y., Zhou, Z., Zhao, D. (2025). Carbon mitigation potential and economic benefits of biomass co-firing in coal-fired power plants: A case study in Nanjing, China. Energy, 314, 134262. https://doi.org/10.1016/j.energy.2024.134262
  14. Bhuiyan, A. A., Blicblau, A. S., Islam, A. K. M. S., Naser, J. (2018). A review on thermo-chemical characteristics of coal/biomass co-firing in industrial furnace. Journal of the Energy Institute, 91 (1), 1–18. https://doi.org/10.1016/j.joei.2016.10.006
  15. Tokarski, S., Głód, K., Ściążko, M., Zuwała, J. (2015). Comparative assessment of the energy effects of biomass combustion and co-firing in selected technologies. Energy, 92, 24–32. https://doi.org/10.1016/j.energy.2015.06.044
  16. Xu, W., Huang, Y., Song, S. (2024). On-line combustion optimization framework for coal-fired boiler combining improved cultural algorithm, deep learning, multi-objective evolutionary algorithm with improved case-based reasoning technology. Fuel, 358, 130225. https://doi.org/10.1016/j.fuel.2023.130225
  17. Muhammad Ashraf, W., Moeen Uddin, G., Muhammad Arafat, S., Afghan, S., Hassan Kamal, A., Asim, M. et al. (2020). Optimization of a 660 MWe Supercritical Power Plant Performance – A Case of Industry 4.0 in the Data-Driven Operational Management Part 1. Thermal Efficiency. Energies, 13 (21), 5592. https://doi.org/10.3390/en13215592
  18. Box, G. E. P., Wilson, K. B. (1951). On the Experimental Attainment of Optimum Conditions. Journal of the Royal Statistical Society Series B: Statistical Methodology, 13 (1), 1–38. https://doi.org/10.1111/j.2517-6161.1951.tb00067.x
  19. Montgomery, D. (2019). Design and Analysis of Experiments. Wiley, 688.
  20. Jensen, W. A. (2017). Response Surface Methodology: Process and Product Optimization Using Designed Experiments 4th edition. Journal of Quality Technology, 49 (2), 186–188. https://doi.org/10.1080/00224065.2017.11917988
  21. Skovgaard, L. T. (2000). Applied regression analysis. 3rd edn. N. R. Draper and H. Smith, Wiley, New York, 1998. No. of pages: xvii+706. Price: £45. ISBN 0‐471‐17082‐8. Statistics in Medicine, 19 (22), 3136–3139. https://doi.org/10.1002/1097-0258(20001130)19:22<3136::aid-sim607>3.3.co;2-h
  22. Antony, J. (2014). Design of Experiments for Engineers and Scientists. Elsevier. https://doi.org/10.1016/c2012-0-03558-2
  23. Galintin, O., Rasit, N., Hamzah, S. (2020). Production and Characterization of Eco Enzyme Produced from Fruit and Vegetable Wastes and its Influence on the Aquaculture Sludge. Biointerface Research in Applied Chemistry, 11 (3), 10205–10214. https://doi.org/10.33263/briac113.1020510214
  24. Garg, S., Shariff, A. M., Shaikh, M. S., Lal, B., Suleman, H., Faiqa, N. (2017). Experimental data, thermodynamic and neural network modeling of CO2 solubility in aqueous sodium salt of l -phenylalanine. Journal of CO2 Utilization, 19, 146–156. https://doi.org/10.1016/j.jcou.2017.03.011
  25. Ji, Y., Kang, Z., Liu, X. (2021). The data filtering based multiple‐stage Levenberg–Marquardt algorithm for Hammerstein nonlinear systems. International Journal of Robust and Nonlinear Control, 31 (15), 7007–7025. https://doi.org/10.1002/rnc.5675
Багатоцільова оптимізація ефективності згоряння та викидів котлів з використанням генетичного алгоритму та рекурентної нейронної мережі на вугільній електростанції потужністю 660 МВт

##submission.downloads##

Опубліковано

2025-06-27

Як цитувати

Efendy, M. A., Auzani, A. S., & Sholahudin, S. (2025). Багатоцільова оптимізація ефективності згоряння та викидів котлів з використанням генетичного алгоритму та рекурентної нейронної мережі на вугільній електростанції потужністю 660 МВт. Eastern-European Journal of Enterprise Technologies, 3(8 (135), 23–33. https://doi.org/10.15587/1729-4061.2025.327063

Номер

Том 3 № 8 (135) (2025): Енергозберігаючі технології та обладнання

Розділ

Енергозберігаючі технології та обладнання

Ліцензія

Авторське право (c) 2025 Mohamad Arwan Efendy, Ahmad Syihan Auzani, Sholahudin Sholahudin

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.