Areas | |
---|---|
Serie de libros (92) |
1307
|
Letra |
2291
|
Ciencias Naturales |
5354
|
Ciencias Ingeniería |
1745
|
Ingeniería | 284 |
Ingeniería mecánica y de proceso | 841 |
Ingeniería eléctrica | 670 |
Mineria y metalurgía | 30 |
Arquitectura e ingeniería civil | 73 |
General |
91
|
Leitlinien Unfallchirurgie
5. Auflage bestellen |
Lectura de prueba, PDF (250 KB)
Indice, PDF (80 KB)
Infolge des hohen Kostendrucks wird es für Kraftwerksbetreiber zunehmend wichtiger, ihre Anlagen in jedem geforderten Lastpunkt optimal zu betreiben und Abweichungen vom Sollzustand frühzeitig zu erkennen. In dieser Arbeit wird eine einheitliche und übertragbare Methodik für den Entwurf und die Implementierung von Gütegraden zur Online-Zustandsüberwachung unterschiedlicher Komponenten in Kraftwerken auf Basis von künstlichen Neuronalen Netzen vorgestellt. Durch Extrapolation des zeitlichen Gütegrad- oder Kostenverlaufs infolge der Zustandsverschlechterung ist es möglich, den optimalen Instandhaltungszeitpunkt einer Komponente zu bestimmen.
To minimise costs, it is important to operate power plants optimally at every load requested. For this reason, an early detection of deviations is necessary. In this work, a unified and transferable methodology is introduced for the development and implementation of performance indicators. Based on artificial neural networks, these indicators are used for online condition monitoring. By extrapolating the performance indicator or cost trend due to degradation, it is possible to determine the optimum time for maintenance for the associated component.
ISBN-13 (Impresion) | 9783954043040 |
ISBN-13 (E-Book) | 9783736943049 |
Idioma | Deutsch |
Numero de paginas | 178 |
Laminacion de la cubierta | mate |
Edicion | 1. Aufl. |
Lugar de publicacion | Göttingen |
Lugar de la disertacion | Hamburg-Harburg |
Fecha de publicacion | 11.12.2012 |
Clasificacion simple | Tesis doctoral |
Area |
Ciencias Ingeniería
Ingeniería mecánica y de proceso |
Palabras claves | Energietechnik, Kraftwerk, Gütegrad, Optimierung, Instandhaltung, künstliche neuronale Netze |