Υποστήριξη ελέγχου λειτουργίας σταθμών παραγωγής ηλεκτρικής ενέργειας με χρήση μεθόδων τεχνητής νοημοσύνης

Περίληψη

Η παρούσα διατριβή πραγματεύεται τη μεθοδολογία σχεδιασμού και υλοποίησης υποστηρικτικού συστήματος ελέγχου λειτουργίας ενός Ατμοηλεκτρικού Σταθμού παραγωγής ηλεκτρικής ενέργειας (ΑΗΣ) με απώτερο στόχο τη βελτίωση της απόδοσής του. Προτείνεται συνδυασμένη εφαρμογή τριών ερευνητικών περιοχών: της Μηχανικής Γνώσης (ΜΓ), της Ανακάλυψης Γνώσης σε Βάσεις Δεδομένων (ΑΓΔ) και των Πρακτόρων Λογισμικού και αναλύονται διεξοδικά οι βασικές αρχές που υιοθετήθηκαν και η προσαρμογή τους στις ανάγκες βιομηχανικών συστημάτων. Για τη μεθοδική εξαγωγή της γνώσης του τομέα εφαρμογής (εκμετάλλευση της γνώσης του προσωπικού) και τη συγγραφή των προδιαγραφών εφαρμόστηκε μία προσέγγιση ΜΓ, η CommonKADS. Μεταξύ άλλων δημιουργήθηκε μία βάση κανόνων για τον εντοπισμό τυχαίων σφαλμάτων στις μετρήσεις αισθητήρων. Οι παραπάνω κανόνες εφαρμόστηκαν για τον καθαρισμό των τιμών που χρησιμοποιήθηκαν για την Εξόρυξη Δεδομένων (ΕΔ), καθώς και για την επικύρωση των μετρήσεων σε πραγματικό χρόνο και σύνδεση. Για την εξαγωγ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The present thesis introduces a methodology for the design and development of a supporting system for control monitoring of Thermal Power Plants (TPP), having as final objective the improvement of its performance. The thesis proposes the combined application of three research areas: Knowledge Engineering, Knowledge Discovery in Databases (KDD) and Intelligent Agents. The basic principles that were adopted and their adaptation to the needs of industrial systems are analyzed thoroughly. For the methodical capture of the domain knowledge (exploitation of the personnel’s implicit knowledge) and the proper specifications writing, a KE approach, CommonKADS, was applied. It resulted, among others, to a rule base for identifying false sensor measurements. The rules were applied both for cleaning the historical data that was used for the Data Mining (DM) and for the on-line validation of the sensor measurements. For deriving models, the KDD procedure was applied to historical TPP operation data ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/23461
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/23461
ND
23461
Εναλλακτικός τίτλος
Application of artificial intelligence methods for supporting the control monitoring of thermal power plants
Συγγραφέας
Αθανασοπούλου, Χριστίνα (Πατρώνυμο: Αθανάσιος)
Ημερομηνία
2009
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Πολυτεχνική. Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Εξεταστική επιτροπή
Χατζηαθανασίου Βασίλειος
Ντοκόπουλος Πέτρος
Λαμπρίδης Δημήτριος
Αντωνόπουλος-Ντόμης Μιχαήλ
Μήτκας Περικλής
Συμεωνίδης Ανδρέας
Μαγγίνα Ελένη
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΕπιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
Λέξεις-κλειδιά
Σταθμός παραγωγής ηλεκτρικής ενέργειας; Παρακολούθηση ελέγχου λειτουργίας; Μηχανική γνώσης; Εξόρυξη δεδομένων; Ευφυής πράκτορας λογισμικού; Σύστημα υποστήριξης αποφάσεων
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
xvii, 183 σ., εικ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)