SOFT ANALYZER FOR NOX EMISSIONS APPLICATION ON CGTG IN COGENERATION PLANT

SOFT ANALYZER FOR NOX EMISSIONS APPLICATION ON CGTG IN COGENERATION PLANT. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
Ali_Al-Malak_MS_THESIS.pdf - Accepted Version

Download (3MB) | Preview

Arabic Abstract

أنشأت العديد من القطاعات الصناعية محطات التوليد المزدوج للطاقة لتأمين امدادات الطاقة بموثوقية وإنتاج البخار المطلوب للمصنع بكفاءة من خلال الحرارة المرافقة. وبسبب إرتفاع تكلفة الوقود وتشديد الأنظمة البيئية ، فإن عدد محطات التوليد المزدوج للطاقة في إزدياد على حساب الغلايات والمولدات التوربينية البخارية المفردة. إن معظم محطات التوليد المشترك للطاقة الحديثة مزودة بجهاز تحليل للغازات الذي يعرف بنظام مراقبة الانبعاثات المستمر ( CEMS ) لمراقبة انبعاثات أكاسيد النيتروجين من مدخنة المصنع وفقا للوائح وكالة حماية البيئة . ونظام ((CEMS غير موثوق وعرضة لمعدلات فشل عالية، تتطلب تكلفة رأس مال مرتفعة وتكلفة صيانة و تشغيل عالية، و تخضع لتأخر العينات لوقت طويل، و بطء الإستجابة. في هذا العمل تم تصميم محلل حاسوبي يعرف بنظام مراقبة الإنبعاثات التنبؤي ( PEMS ) من خلال تطبيق الشبكات العصبية الاصطناعية ( ANN ) على بيانات العمليات التي تم جمعها من محطة توليد مزدوج للطاقة ( 156 ميغاواط في 2 مولدة توربينية ) المزودة بنظام (CEMS) لمراقبة أكاسيد النيتروجين. سيتم استخدام نظام (PEMS) كأداة موثوقة لمراقبة انبعاثات أكاسيد النيتروجين ولتحقق من قراءات جهاز (CEMS) القائم الذي سيتم الإستغناء عنه في نهاية المطاف. و من خلال إيجاد علاقة بين متغيرات العمليات التشغيلية و الانبعاثات، نظام (PEMS) سيساعد أيضا في فهم سلوك أكاسيد النيتروجين للمتغيرات في العمليات التشغيلية، وبالتالي يمكن التحكم بالأنبعاثات بشكل أفضل. في الواقع تم اختبار نهجين في الشبكات العصبية (NN) لتطوير و تقرير النموذج النهائي استنادا إلى الأداء التي تم الحصول عليه. تم إجراء العديد من التجارب لكلا النهجين (ANFIS) و (FFBPNN) باستخدام مدخلات عملية بأعداد مختلفة وتصاميم هيكلية متعددة. من خلال جميع التجارب، تبين أن أداء النموذج (FFBPNN) يتفوق على نموذج (ANFIS) . أيضا ، نجد أن زيادة عدد المدخلات إلى نموذج (ANFIS) يضعف أدائها بالإضافة إلى تعقيد هيكل النموذج وزيادة الوقت الحسابي. وعلى عكس ذلك، في نموذج (FFBPNN) تعزز الأداء قليلا. بناء على ذلك ، تم الأستنتاج أن نموذج (FFBPNN) مع أربعة مدخلات (الحمولة ، وتدفق البخار، درجة حرارة الإحتراق، و معدل الهواء للوقود) ينبغي اختياره كنموذج (PEMS) النهائي مع الإعتبار أن خفض عدد المدخلات يقلل من نقاط فشل النظام.

English Abstract

Many industrial sectors built cogeneration plants to reliably secure their power supplies, and efficiently produce the plant demand of steam through the associated heat. Due to the rise of fuel cost and tightening environmental regulations, the number of cogeneration plants is increasing in lieu to individual boilers and steam turbine generators. Most of the recent cogeneration plants are equipped with hardware-based analyzer which is a Continuous Emission Monitoring System (CEMS) to monitor the NOx emissions from the plant stack as per EPA regulations. The CEMS is unreliable and subjected to high failure rates, require high capital cost, high maintenance cost, high operational cost, subject to long lag time, and slow response. In this work a software-based analyzer was designed which is the Predictive Emission Monitoring System (PEMS) by applying Artificial Neural Networks (ANN) on process data collected from a cogeneration plant (156 MW X 2 CGTGs) equipped with CEMS for NOx monitoring. The developed PEMS can be used as a reliable tool to monitor the NOx emissions and verify the existing CEMS readings that will be eventually demolished. By providing a relationship between the process variables and the emissions, PEMS will also assist in understanding the NOx behavior in reference to the process variations and thus enables better emission control. In fact two approaches in NN were tested to develop and decide the final model based on the obtained performance. Both ANFIS and FFBPNN approaches went through many experiments at different number of process inputs and structural design parameters. Throughout the entire course of experiments it was found that the FFBPNN model outperforms the ANFIS model. Also, it was found increasing the number of inputs to ANFIS model will degrade its performance in addition to complicating the model structure and increasing the computational time. However, in FFBPNN model, the performance enhanced slightly. Based on that, it was concluded that FFBPNN model with four inputs (Load, Steam flow, Firing temperature, and A/F) shall be selected as the final PEMS model with the consideration of decreasing the number of inputs decreases the points of failure of the model.

Item Type: Thesis (Masters)
Subjects: Systems
Environmental
Engineering
Electrical
Mechanical
Department: College of Computing and Mathematics > lndustrial and Systems Engineering
Committee Advisor: Elshafei, Dr. Moustafa
Committee Members: Habib, Dr. Mohamed and Al-Sunni, Dr. Fouad
Depositing User: AL-MALAK A ABDULLAH (g199341830)
Date Deposited: 04 Jun 2014 06:07
Last Modified: 01 Nov 2019 15:42
URI: http://eprints.kfupm.edu.sa/id/eprint/139223