Baca gazlarının ekserji analizi ve yapay sinir ağları ile modellenmesi

Yıl 2018, Cilt: 24 Sayı: 4, 610 - 615, 17.08.2018

Ayşe Bilgen Aksoy Özgür Solmaz Yiğit Aksoy

Öz

Bu
çalışmada doğal gaz yakıtlı endüstriyel fırınlara ait bacalardan çıkan baca
gazları termodinamiksel açıdan incelenmiştir. Analizlerde, baca gazı
bileşenlerinin (O₂, CO₂, H₂O ve N₂)
konsantrasyonu, baca gazı sıcaklığı ile baca gazı çıkış hızı deneysel ölçüm
değerleri kullanılmıştır. Farklı çıkış parametrelerine göre baca gazlarıyla
çevreye salınan kullanılabilir enerji (ekserji) miktarları hesaplanmış, daha
sonra baca gazlarının fiziksel ve kimyasal özelliklerinin, ekserji kayıplarına
etkisi irdelenmiştir. Ayrıca hesaplanan ekserji verileri Yapay Sinir Ağları
(YSA) metoduyla modellenmiş ve gizli katmandaki nöron sayısı değiştirilerek en
iyi doğruluğa sahip YSA modeli belirlenmiştir. Belirlenen YSA modeli ile baca
gazlarının konsantrasyonu, çıkış sıcaklığı ve hızı kullanılarak baca gazlarının
ekserjisi yüksek doğrulukta tahmin edilebileceği gösterilmiştir.

Anahtar Kelimeler

Kimyasal ekserji, Baca gazı, YSA

Exergy analysis of flue gases and modeling with artificial neural networks

Öz

In
this study, flue gases from natural gas-fired industrial furnaces were
thermodynamically investigated. In the analysis, the experimentally measured
values of concentration of the flue gas components, i.e. O₂, CO₂,
H₂O and N₂, the flue gas temperature and the flue gas
outlet rate were used. The usable amount of energy (exergy) released to the
environment by flue gases in terms of different output parameters was
calculated, then effects of physical and chemical properties of flue gases on the
exergy losses were investigated. In addition, the calculated exergy data were
modeled by Artificial Neural Network (ANN) method, besides that ANN model with
best accuracy was determined by altering the number of neurons in the hidden
layer. With the help of ANN model as well as concentration, temperature and
rate of flue gases, it has been shown that the exergy of flue gases value can
be estimated with high accuracy.

Anahtar Kelimeler

Chemical exergy, Flue gas, ANN

Kaynakça

• T.C. Enerji ve Tabii Kaynaklar Bakanlığı/Esra Karakış. “Türkiye 2013 Mayıs Ayı Enerji İstatistikleri Raporu-5”. http://www.enerji.gov.tr/File/?path=ROOT/1/Documents/E%C4%B0GM%20Periyodik%20Rapor/2013_05_Enerji_Istatistikleri_Raporu.pdf (09.11.2017).
• Çengel YA, Boles MA. Mühendislik Yaklaşımıyla Termodinamik. Çeviri Editörü: Pınarbaşı A, 5 Baskı. İzmir, Türkiye, Güven Bilimsel, 2008.
• Çomaklı K, Terhan M. “Sıcak su üretimi için baca gazı atık enerjinin kullanımı”. Tesisat Mühendisliği Dergisi, 124, 43-51, 2011.
• Rosen MA, Dincer I. “Exergy analysis of waste emissions”. Internatıonal Journal of Energy Research, 23(13), 1153-1163, 1999.
• Chen H, Zhou Y, Cao S, Li X, Su X, An L, Gao D. “Heat exchange and water recovery experiments of flue gas with using nanoporous ceramic membranes”. Applied Thermal Engineering,110, 686–694, 2017.
• Ersöz MA. “Baca gazlarındaki atık ısının ısı borusu ile geri kazanımının deneysel incelenmesi” IX Tesisat Mühendisliği Kongresi, İzmir, Türkiye, 6-9 Mayıs 2009.
• Wei M, Yuan W, Song Z, Fu L, Zhang S. “Simulation of a heat pump system for total heat recovery from flue gas”. Applied Thermal Engineering, 86, 326-332, 2015.
• Kartal E. “Yanma ve yanmanın optimizasyonu”. Türk Tesisat Mühendisleri Derneği, 16, 2001.
• Kotas TJ. The Exergy Method of Thermal Plant Analysis. 3rd ed. London, UK, Exergon Publishing Company, 2012.
• Filiz Ç, Uysal C, Kılınç E, Kurt H. “Bir buhar kazanının enerji ve ekserji analizi yoluyla performansının değerlendirilmesi”. II Uluslararası Mühendislik ve Bilim Alanında Yenilikçi Teknolojiler Sempozyumu, Karabük, Türkiye, 18-20 Haziran 2014.
• Solmaz O, Kahramanlı H, Kahraman A, Ozgoren M. “Prediction of daily solar radiation using ANNs for selected provinces in Turkey”. 10th International Scientific Conference UNITECH10, GABROVO, Bulgaria, 19-20 November 2010.
• Shin C, Yun UT, Kim HK, Park SC. “A hybrid approach of neural network and memory-based learning to data mining”. IEEE Transactions on Neural Networks, 11(3), 637-646, 2000.
• Ozgoren M, Bilgili M, Sahin B. “Estimation of global solar radiation using ANN over Turkey”. Expert Systems with Applications, 39(5), 5043-5051, 2012.
• Yang IH, Yeo Ms, Kim KW. “Application of artificial neural network to predict the optimal start time for heating system in building”. Energy Conversion and Management, 44(17), 2791-2809, 2003.
• Akincioglu S, Mendi F, Çiçek A, Akincioglu G. “Prediction of thrust forces and hole diameters using artificial neural networks in drilling of AISI D2 tool steel with cemented carbide tools”. Academic Platform Journal of Engineering and Science, 1(2), 11-20, 2013.