Cerca nel sito per parola chiave

rapporti - Deliverable

2.3.1.6-Sviluppo e sperimentazione di metodi basati su tecniche di intelligenza artificiale per la validazione e la riconciliazione dati nella misura delle emissioni inquinanti

rapporti - Deliverable

2.3.1.6-Sviluppo e sperimentazione di metodi basati su tecniche di intelligenza artificiale per la validazione e la riconciliazione dati nella misura delle emissioni inquinanti

Lo studio oggetto del presente rapporto è stato sviluppato per la Ricerca di Sistema, nell’ambito del sottoprogetto COAL, workpackage COALEMIS, facente capo al progetto GEN21. Il rapporto analizza l’applicazione di tecniche di intelligenza artificiale ai fini di un monitoraggio avanzato delle emissioni di macroinquinanti dagli impianti a carbone, con la duplice finalità di sperimentare strumenti per la validazione in linea delle misure effettuate e la segnalazione tempestiva di possibili malfunzionamenti della sensoristica o di intervenuto degrado del processo ovvero di verificare l’applicabilità di modelli empirici nel flusso delle elaborazione numeriche per l’ottimizzazione combinata di rendimento del processo e di contenimento delle emissioni. A questi fini sono state esaminate alcune applicazioni di tecniche basate sulle reti neurali artificiali, eventualmente in combinazione con approcci di classificazione dei dati fondati sulle logiche fuzzy. Nel rapporto vengono dapprima riassunti alcuni cenni teorici di base delle tipologie di reti neurali utilizzate per la sperimentazione. Vengono poi descritti ed analizzati i pacchetti di dati utilizzati per le prove, derivati da impianti a carbone da 170 e 320 MW. Da ultimo vengono riportati i risultati ottenuti nella elaborazione dei dati, da cui si evidenziano le potenzialità e i limiti degli approcci proposti e dei metodi sperimentati. Si è evidenziato come i modelli empirici basati su reti neurali impiegati nell’indagine, di tipo autoassociativo o di tipo feed-forward in funzione del problema analizzato, risultano efficaci strumenti di ricostruzione dei dati. D’altra parte, la qualità ultima del risultato dipende in buona misura dalla qualità e quantità dei dati disponibili per l’addestramento delle reti.

Progetti

Commenti