- Tytuł:
-
Zastosowanie metod sztucznej inteligencji w energetyce
The applications of artificial intelligence techniques in energy systems - Autorzy:
- Ściążko, A.
- Powiązania:
- https://bibliotekanauki.pl/articles/276892.pdf
- Data publikacji:
- 2011
- Wydawca:
- Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
- Tematy:
-
energetyka
sztuczna inteligencja
sieci neuronowe
algorytmy genetyczne
modelowanie
optymalizacja
odnawialne źródła energii
energy science
artificial intelligence
neural network
genetic algorithm
modeling
optimization
renewable energy - Opis:
-
Artykuł prezentuje możliwości wykorzystania metod sztucznej inteligencji w energetyce. Zastosowania te można podzielić na trzy grupy: modelowanie, przewidywanie i planowanie (optymalizacja) oraz kontrola procesów. W artykule pokazano typowe przykłady użycia sztucznej inteligencji, charakterystyczne dla każdej z grup. Przedstawiono także możliwe przyszłe wykorzystania tego typu metodologii, w szczególności w inteligentnych systemach elektroenergetycznych - Smart Grid. Druga część artykułu przedstawia i omawia przykład wykorzystania sztucznej inteligencji w modelowaniu systemu elektroenergetycznego, złożonego z następujących elementów: elektrociepłownia geotermalna, źródło geotermalne, miejska sieć ciepłownicza oraz zakład przemysłowy. Zadanie polegało na przygotowaniu modelu komputerowego rozważanego systemu oraz wielokryte-rialnej optymalizacji problemu. Jakość każdego z rozwiązań była oceniana na podstawie dwóch różnych funkcji dopasowania: obliczonej wartości kosztów inwestycyjnych oraz sprawności egzergetycznej systemu. Pokazano w jaki sposób można wykorzystać genetyczny algorytm optymalizacji wielokryterialnej oraz modelowanie zastępcze z wykorzystaniem sztucznej sieci neuronowej do analizy zadanego problemu. Rezultaty optymalizacji zostały zobrazowane na diagramie Pareto, na ich podstawie pokazano kilka typów możliwych rozwiązań projektowych (niewielkie koszty inwestycyjne i niska sprawność, wysokie koszty inwestycyjne ale wysoka sprawność oraz rozwiązanie pośrednie). Dla modelu zastępczego określono jego dokładność oraz dopasowanie do oczekiwanych rezultatów.
Paper presents possible applications of artificial intelligence techniques in the energy science problems. Those applications can be divided into three groups: modeling, predictions and planning (optimization) and process control. Article shows typical examples of use artificial intelligence in each group. Moreover there are presented the future possibilities of application, for example in Smart Grid's problems. Second part of the article introduces the case study of using artificial intelligence techniques in real life problem of analysis of complicated energy system. Its main elements are geothermal power plant, district heating system, industrial plant and electrical grid. The task was to model the system and run the multi criteria optimization. The quality of each solution was graded by the different objective functions: investment cost and energy efficiency. The paper presents multi criteria genetic optimization algorithm and neural network surrogate modeling for given problem. The optimization's results can be found in the Pareto diagram - they show different possible solutions (with low investment cost and low efficiency, with high cost and high efficiency or with mediumvalues). The quality of surrogate model is presented on the regression graph for neural network. - Źródło:
-
Pomiary Automatyka Robotyka; 2011, 15, 7-8; 53-59
1427-9126 - Pojawia się w:
- Pomiary Automatyka Robotyka
- Dostawca treści:
- Biblioteka Nauki