Editorial Cuvillier

Publicaciones, tesis doctorales, capacitaciónes para acceder a una cátedra de universidad & prospectos.
Su editorial internacional especializado en ciencias y economia

Editorial Cuvillier

De En Es
Optimierung der zustandsorientierten Instandhaltung von Kraftwerken mit datengestützten Online-Modellen

Impresion
EUR 30,05 EUR 28,55

E-Book
EUR 0,00

Download
PDF (22 MB)
Open Access CC BY 4.0

Optimierung der zustandsorientierten Instandhaltung von Kraftwerken mit datengestützten Online-Modellen (Tienda española)

Christian Mehrkens (Autor)

Previo

Lectura de prueba, PDF (250 KB)
Indice, PDF (80 KB)

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
Descripcion

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.