Baca gazlarının ekserji analizi ve yapay sinir ağları ile modellenmesi

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

Abstract

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.

Keywords

• Chemical exergy,Flue gas,ANN

Kaynakça

1. 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).
2. Çengel YA, Boles MA. Mühendislik Yaklaşımıyla Termodinamik. Çeviri Editörü: Pınarbaşı A, 5 Baskı. İzmir, Türkiye, Güven Bilimsel, 2008.
3. Çomaklı K, Terhan M. “Sıcak su üretimi için baca gazı atık enerjinin kullanımı”. Tesisat Mühendisliği Dergisi, 124, 43-51, 2011.
4. Rosen MA, Dincer I. “Exergy analysis of waste emissions”. Internatıonal Journal of Energy Research, 23(13), 1153-1163, 1999.
5. 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.
6. Ersöz MA. “Baca gazlarındaki atık ısının ısı borusu ile geri kazanımının deneysel incelenmesi” IX Tesisat Mühendisliği Kongresi, İzmir, Türkiye, 6-9 Mayıs 2009.
7. 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.
8. Kartal E. “Yanma ve yanmanın optimizasyonu”. Türk Tesisat Mühendisleri Derneği, 16, 2001.

9. Kotas TJ. The Exergy Method of Thermal Plant Analysis. 3rd ed. London, UK, Exergon Publishing Company, 2012.
10. 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.
11. 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.
12. 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.
13. Ozgoren M, Bilgili M, Sahin B. “Estimation of global solar radiation using ANN over Turkey”. Expert Systems with Applications, 39(5), 5043-5051, 2012.
14. 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.
15. 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.