- تاریخ انتشار : ۱۳۹۶
- ناشر : کنفرانس بین المللی پژوهش در مهندسی مکانیک
- زبان مقاله : همه
- تعداد صفحات : 15
- حجم فایل : 1186.424 کیلوبایت
- نوع مقاله : مجموعه مقالات کنفرانس
- مجموعه : علوم پایه
چکیده مقاله
پیش بینی میزان برق خروجی نیروگاه به منظور به حداکثر رساندن سود حاصل از مگاوات ساعت تولیدی نیروگاه بسیار مهم است.در این مقاله به بررسی برخی از روشهای الگوریتم یادگیری ماشین و مقایسه بین آنها پرداخته ایم.از الگوریتم های رگرسیون لجستیک و ترکیب ) SVM+SVO ( به منظور توسعه یک مدل پیش بینی استفاده شده، که می تواند میزان برق خروجی یک نیروگاه سیکل ترکیبی را در حالت بار کامل پیش بینی نماید. این روند تحت تاثیر چهار پارامتر اصلی قرار دارد که به عنوان متغیرهای ورودی )موثر بر راندمان نیروگاه( در مجموعه داده استفاده می شوند، دمای محیط، فشار اتمسفر، رطوبت نسبی و فشار بخار خروجی از اگزوز. مجموعه داده ها که متشکل از این داده های ورودی و متغیرها طی یک دوره شش ساله جمع آوری شده اند. نخست بر اساس این متغیرها بهترین زیرمجموعه ای از مجموعه داده ها را بر اساس ویژگی های هر زیرمجموعه انتخاب کردهایم سپس موفق ترین روش را برای پیش بینی برق میزان خروجی نیروگاه در حالت بار کامل را ارائه کردهایم، که بهترین عملکرد در بهترین زیرمجموعه که شامل یک مجموعه کامل از متغیرهای ورودی است در استفاده ار الگوریتم ترکیبی ) SVM+SVO ( با دقت 47.47 مشاهده میشود.
نحوه استناد به مقاله
در صورتی که می خواهید به این مقاله در اثر پژوهشی خود ارجاع دهید، می توانید از متن زیر در بخش منابع و مراجع بهره بگیرید :
محمد رضا عزت فر؛سید علی اشرفی زاده؛ ۱۳۹۵، بهینه سازی تولید توان در نیروگاه سیکل ترکیبی با استفاده از الگوریتم های رگرسیون لجستیک و SVM+SVO، کنفرانس بین المللی پژوهش در مهندسی مکانیک، https://scholar.conference.ac:443/index.php/download/file/10635-The-study-of-the-molecular-properties-of-nanoporous-membranes
در داخل متن نیز هر جا به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پرانتز، مشخصات زیر نوشته شود.
(محمد رضا عزت فر؛سید علی اشرفی زاده؛ ۱۳۹۵)