Plánování výroby tepla a elektřiny v zařízení na energetické využití odpadu s využitím strojového učení
Loading...
Date
Authors
Kollmann, Marek
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract
V rámci tohoto výzkumu bylo použito strojové učení k optimalizaci plánování výroby na den dopředu zařízení na energetické zpracování odpadu (Waste-to-Energy, WtE), které se potýká s problémy, jako jsou nekvalitní data, nekontrolovatelná externí spotřeba a kolísající výroba páry v důsledku použití odpadu jako zdroje paliva. Hlavním cílem bylo předpovídat s vysokou přesností výkon přenášený do sítě, čehož bylo dosaženo vytvořením komplexního modelu sestávajícího ze sedmi dílčích kaskádovitě uspořádaných modelů. Každý dílčí model byl kriticky vyhodnocen pomocí standardních ukazatelů, jako je R2 a průměrná absolutní chyba. Zjištění odhalila významné zlepšení přesnosti předpovědí, což vedlo k vyváženějším výrobním plánům a snížení provozních penále. Tento přístup vedl k odhadovanému ročnímu zvýšení dodaného výkonu o 13 % a zisku o 2,6 milionu Kč pro konkrétní závod.
This research deployed machine learning to optimize day-ahead production planning in Waste-to-Energy (WtE) plants, grappling with issues like noisy data, uncontrollable external consumption, and fluctuating steam production due to waste as a fuel source. The primary aim was to accurately predict the power transferred to the grid, which was achieved by creating a comprehensive model consisting of seven sub-models in cascade. Each sub-model was critically evaluated using standard metrics like R2 and Mean Relative Error. Findings revealed a significant improvement in prediction accuracy, resulting in more balanced production plans and reduced operational penalties. The approach led to an estimated annual increase of power delivered by 13% and profit by 2.6 million CZK for a specific plant.
This research deployed machine learning to optimize day-ahead production planning in Waste-to-Energy (WtE) plants, grappling with issues like noisy data, uncontrollable external consumption, and fluctuating steam production due to waste as a fuel source. The primary aim was to accurately predict the power transferred to the grid, which was achieved by creating a comprehensive model consisting of seven sub-models in cascade. Each sub-model was critically evaluated using standard metrics like R2 and Mean Relative Error. Findings revealed a significant improvement in prediction accuracy, resulting in more balanced production plans and reduced operational penalties. The approach led to an estimated annual increase of power delivered by 13% and profit by 2.6 million CZK for a specific plant.
Description
Keywords
kombinovaná výroba tepla a elektřiny, energetické využití odpadu, strojové učení, Waste-to-Energy, WtE, Strojové učení, ML, Prediktivní algoritmy, Umělé neuronové sítě, ANN, Light Gradient Boosting Machine, LGBM, Řízení plánování energií, Řízení energie, Kvantilové modely, Kogenerační výroba tepla a elektřiny, CHP, Plánování CHP, Plánování výroby páry, Plánování energie., combined heat and power production, Waste-to-Energy, WtE, Machine Learning, ML, Predictive Algorithms, Artificial Neural Networks, ANN, Light Gradient Boosting Machine, LGBM, Energy Management, Energy Management, Quantile Models, Combined heat and power, CHP, CHP planning, Steam production planning, Power planning.
Citation
KOLLMANN, M. Plánování výroby tepla a elektřiny v zařízení na energetické využití odpadu s využitím strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2023.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
bez specializace
Comittee
prof. Dr. Ing. Marcus Reppich (předseda)
prof. Ing. Petr Stehlík, CSc., dr. h. c. (místopředseda)
prof. Ing. Zdeněk Jegla, Ph.D. (člen)
doc. Ing. Vítězslav Máša, Ph.D. (člen)
doc. Ing. Vojtěch Turek, Ph.D. (člen)
doc. Ing. Martin Pavlas, Ph.D. (člen)
Ing. Pavel Skryja, Ph.D. (člen)
Ing. Pavel Lošák, Ph.D. (člen)
Date of acceptance
2023-06-13
Defence
Student představil práci na téma Plánování výroby tepla a elektřiny v zařízení na energetické využití odpadu s využitím strojového učení. Nejprve byly definovány cíle řešeného problému a novum od dosavadního přístupu. Autor vysvětlil hlavní přínosy využité metodiky. Představen byl matematický model a jeho struktura, důvody výběru využitých algoritmů a metrik. Dále autor shrnul výsledky provedených výpočtů a vyhodnotil shodu predikce s reálnými daty. Na závěr autor prezentuje ekonomické přínosy, které může přinést využití vytvořeného predikčního modelu.
Otázky oponenta byly zodpovězeny uspokojivě
Komise položila následující doplňující otázky, které byly zodpovězeny uspokojivě:
Jaké jsou další plány s vytvořeným modelem?
Jaký byl použitý hardware?
Které modely byly převzaty a které byly vytvořeny?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení