Neural Model of Biomass Fired Boiler Emission Changes Caused by Grate Motion
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F09%3A00157218" target="_blank" >RIV/68407700:21220/09:00157218 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Neural Model of Biomass Fired Boiler Emission Changes Caused by Grate Motion
Popis výsledku v původním jazyce
The problem of reducing harmful emissions produced in small-scale biomass fired boilers shortly after periodically performed grate movement is a part of project that is in general aimed at biomass combustion process investigations. Significant aim is toobtain such a boiler model quantifying dynamic impacts on the flue gas composition from those quantities which can be manipulated, or at least measured. After reducing these impacts, increase of the boiler efficiency will be the next goal in the search for an optimal control of small-scale biomass fired boilers. This paper shows ability of a neural network to extract mathematical dependencies from measured data even for very complex systems. Different types of neural network architecture are described in this paper and some results of modeling of CO, CO2 and NOx emission by the neural model of the biomass boiler are presented.
Název v anglickém jazyce
Neural Model of Biomass Fired Boiler Emission Changes Caused by Grate Motion
Popis výsledku anglicky
The problem of reducing harmful emissions produced in small-scale biomass fired boilers shortly after periodically performed grate movement is a part of project that is in general aimed at biomass combustion process investigations. Significant aim is toobtain such a boiler model quantifying dynamic impacts on the flue gas composition from those quantities which can be manipulated, or at least measured. After reducing these impacts, increase of the boiler efficiency will be the next goal in the search for an optimal control of small-scale biomass fired boilers. This paper shows ability of a neural network to extract mathematical dependencies from measured data even for very complex systems. Different types of neural network architecture are described in this paper and some results of modeling of CO, CO2 and NOx emission by the neural model of the biomass boiler are presented.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JB - Senzory, čidla, měření a regulace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA101%2F07%2F1667" target="_blank" >GA101/07/1667: Provozně zajištěná pokročilá regulace tepelně-energetických zařízení</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2009
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Automatizácia a riadenie v teórii a praxi 2009
ISBN
978-80-553-0146-4
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
—
Název nakladatele
Technická Univerzita v Košiciach
Místo vydání
Košice
Místo konání akce
Stará Lesná
Datum konání akce
4. 3. 2009
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—