Bayesian calibration of power plant models for accurate performance prediction

انتظار می رود که سیکل های ترکیبی توربین گاز نقش مهمی را در توازن عرضه و تقاضا در بازارهای انرژی آینده بازی کنند. مدلسازی ترمودینامیکی این سیستم های انرژی اغلب برای کمک به فرایندهای تصمیم گیری مربوط به مدیریت عملیات و نگهداری کارخانه استفاده می شود. در اغلب موارد، ورودی های مدل، پارامترها و خروجی ها به عنوان مقادیر قطعی مورد استفاده قرار می گیرند و اپراتورهای گیاه با توجه به محدودیت یا عدم توجه به عدم اطمینان تصمیم گیری می کنند. به عنوان یکپارچگی ثابت انرژی باد و خورشیدی در بازار انرژی باعث عدم اطمینان بیشتری می شود، عملکرد بار بخش و قابلیت اطمینان به طور فزاینده ای مهم می شود. در مطالعه حاضر روش ها نه تنها برای اندازه گیری و پارامترهای مدل های گیاهی با استفاده از داده های اندازه گیری، بلکه برای تعیین تاثیر آن بر جنبه های مختلف پیش بینی عملکرد نیز ارائه می شوند. نویسندگان قصد دارند برای پارامتر مدل و عدم قطعیت اندازه گیری، و برای اختلاف منظم مدل ها با توجه به واقعیت حساب کنند. برای این منظور، چارچوب کالیبراسیون بیزی از کندی و اوحگان استفاده می شود که مخصوصا برای مشکلات صنعتی با ابعاد مناسب است. در مقاله، یک مدل کالیبره شده از کارایی کارخانه به عنوان عملکرد شرایط محیطی و پارامترهای عملیاتی، که همچنین در بارهای جزئی دقیق است، تولید می شود. مقاله نشان می دهد که مدل سازی آماری کامل نیروگاه ها نه تنها مدل های فرآیند را افزایش می دهد، بلکه می تواند اعتماد به تصمیمات عملیاتی را افزایش دهد.