Biyokütle gazlaştırma sistem performansının yapay zeka teknikleri ile tahmini
Prediction of biomass gasification system performance using artificial intelligence techniques
- Tez No: 688422
- Danışmanlar: DOÇ. DR. SELİM CEYLAN
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Biyokütle gazlaştırma işlemi, karbon içeren malzemelerden sentez gazı elde etmenin etkili bir yoludur. Gazlaştırma işlemi, çeşitli hammaddelerden farklı sürelerde, yüksek sıcaklıklarda ve farklı reaktör tiplerinde gerçekleştirilmektedir. Sonuç olarak, optimal koşulların deneysel olarak belirlenmesi yoğun emek gerektiren, zaman alıcı ve maliyetli bir süreç olabilmektedir. Bu nedenle, optimum ürün miktarı ve bileşiminin uygun yöntemlerle tahmin edilmesi önemli bir rol oynamaktadır. Bu çalışmada, bir biyokütle gazlaştırma sisteminin performansını tahmin etmek amacıyla yapay zeka araçları kullanılmıştır. Bir teknoloji olarak makine öğrenimi, büyük veri yığınlarını analiz etmeye yardımcı olur. Bu, insan müdahalesi olmadan gerçek zamanlı olarak daha iyi kararlar ve akıllı eylemler elde etme görevini kolaylaştırır. Makine öğrenimi, öğrenme algoritmalarının gelişmiş kullanımı yoluyla akıllı içgörüler sağlar. Makine ayrıca verilerden kalıpları öğrenmek üzere eğitilmiştir, böylece yeni ve değişen veriler üzerinde bağımsız olarak ilerleyebilir ve ardından dinamik bir geri bildirim döngüsü oluşturarak daha fazla fikir elde etmek için daha fazla model oluşturmasını ve hatta daha doğru olmasını sağlar. Bu, ek kaynaklara veya insan etkileşimine ihtiyaç duymadan yapılır. Evrimleşmiş sentez gazının bileşimini ve özelliklerini tahmin etmek için iki regresyon tekniği (destek vektör regresyon DVM, Gauss proses regresyon GPR) ve bir yapay sinir ağı (YSA) kullanılmıştır. Tahmin sürecini gerçekleştirmek amacıyla literatürden çeşitli biyokütlelerin gazlaştırılması için farklı veri noktası toplanmıştır. Üç tekniğin performansı istatistiksel araçlar kullanılarak değerlendirilmiştir. GPR teknolojisinin performansı, sırasıyla H2, CH4, CO, LHV, HHV ve Güç için 0.0007, 0.00386, 0.0041, 0.0020, 0.00093, 0.00085 MSE olarak elde edilmiş ve tüm çıktılar için üç teknoloji arasında en iyisi olduğu görülmüştür. Çıkışların çoğu için R değeri R2˃ 0.94 olarak gözlemlenmiştir. Bu nedenle, GPR kullanılan en iyi modelleme yöntemi olduğu sonucuna varılmıştır.
Özet (Çeviri)
The biomass gasification process is an effective way for obtaining synthesis gas from carbon-containing materials such as biomass. The gasification process is carried out at high tempera-tures and in different reactor types for different durations from various feedstocks. As a re-sult, experimentally determining optimal conditions is a time-consuming, labor-intensive and costly process. Thus, it is very important to estimate the optimum product amount and compo-sition with appropriate methods. For this purpose, in this study, we used artificial intelligence tools to predict the performance of a biomass gasification system. Machine learning as a technology helps analyze large chunks of data. This facilitates the task of obtaining better decisions and intelligent actions in real time without human intervention. Machine learning provides intelligent insights through the advanced use of learning algorithms. The machine is also trained to learn patterns from the data, so it can move forward independently on new and changing data, and then create a dynamic feedback loop, allowing it to efficiently generate more models to get more ideas, even more accurately. This is done without the need for additional resources or human interaction. We used two regression techniques (support vector regression, Gaussian process regression) and an artificial neural network to predict the composition and properties of evolved synthesis gas. In order to perform the estimation process, different data points were collected from the literature for gasification of various biomass. The performance of the three techniques is evaluated utilizing statistical tools. The performance of GPR technology was the best among the three technologies for all outputs by achieving (0.0007, 0.00386, 0.0041, 0.0020, 0.00093, 0.00085) MSE for H2,CH4, CO, LHV, HHV, and Power respectively. The R-value was R2˃0.94 for the majority of the outputs. Therefore, GPR can be said to be the best modeling method used.
Benzer Tezler
- Static and dynamic modeling of biomass gasification and hybrid renewable energy generation system
Biyokütle gazlaştırma ve hibrit yenilenebilir enerji üretim sisteminin statik ve dinamik modellenmesi
KADRİYE DENİZ OLCA
- Orman atıklarından gazlaştırma yoluyla hidrojen üretiminin sürdürülebilirlik analizi
Sustainability analysis of hydrogen production from forest waste via gasification
NURHAN ÜREGEN GÜLER
Doktora
Türkçe
2025
EnerjiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA YUMURTACI
- Lıfe cycle assessment of green hydrogen productıon vıa electrolysıs
Elektroliz yoluyla yeşil hidrojen üretiminin yaşam döngüsü değerlendirmesi
HAKAN ÇAMUR
Yüksek Lisans
İngilizce
2026
Enerjiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. FİLİZ KARAOSMANOĞLU
DR. ÖĞR. ÜYESİ ASLI İŞLER KAYA
- Atıkların yüksek sıcaklıkta sürekli pirolizi için yarı-pilot ölçek yeni bir vidalı reaktör geliştirilmesi
Development of a new semi-pilot scale screw reactor for continuous pyrolysis of wastes at high temperature
ANIL ÜNSAÇ
Doktora
Türkçe
2024
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. NİLGÜN YAVUZ
PROF. DR. HASAN CAN OKUTAN
- Performance, economic, and environmental analyses of integrated biomass gasification and solid oxide fuel cell system
Bütünleşik biyokütle gazlaştırma ve katı oksit yakıt pili sistemlerinin performans, ekonomik ve çevresel analizleri
BEYZA DURSUN
Yüksek Lisans
İngilizce
2022
Makine MühendisliğiDokuz Eylül ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ÖZGÜR ÇOLPAN
PROF. DR. AZİZE AYOL