Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Market-Oriented Flow Allocation for Thermal Solar Plants: An Auction-Based Methodology with Artificial Intelligence

Created by
  • Haebom

저자

Sara Ruiz-Moreno, Antonio J. Gallego, Antonio J. Gallego, Antonio J. Gallego

개요

본 논문은 파라볼릭 트로프 집열기(PTC) 플랜트의 열 균형을 최적화하는 새로운 방법을 제시합니다. 시장 기반 시스템을 사용하여 루프 간 유량을 분배하고, 인공 신경망(ANN)을 활용하여 계산량과 데이터 요구량을 줄입니다. 이 경매 기반 접근 방식은 루프 온도를 균형 있게 유지하여 다양한 열 손실 및 집열기 효율을 수용합니다. 다양한 열 손실, 광학 효율 및 조사 조건(맑음, 부분적으로 흐림, 흐림)에 대한 검증 결과, 할당이 없는 시스템에 비해 열 출력 및 차단 계수가 향상됨을 보여줍니다. 대규모 태양열 발전소의 확장성과 실용성을 입증하여 전반적인 성능을 향상시킵니다. 이 방법은 먼저 현실적인 태양열 발전소 모델을 사용한 시뮬레이션을 통해 검증된 후, 50MW 태양열 트로프 발전소에서 적용 및 성공적으로 테스트되었으며, 그 장점을 보여줍니다. 또한, 알고리즘은 구현 및 시운전되어 현재 13개의 상용 태양열 트로프 발전소에서 운영되고 있습니다.

시사점, 한계점

시사점:
파라볼릭 트로프 집열기 플랜트의 열 균형 최적화를 위한 효율적인 새로운 방법 제시
시장 기반 시스템과 인공 신경망을 결합하여 계산량 및 데이터 요구량 감소
다양한 조건에서 향상된 열 출력 및 차단 계수를 보여줌
대규모 태양열 발전소에 대한 확장성과 실용성 입증
13개의 상용 발전소에 적용되어 실제 운영 중임을 확인
한계점:
논문에서 구체적인 알고리즘의 세부 내용이나 ANN의 구조에 대한 설명이 부족함.
다른 유형의 태양열 발전소에 대한 적용 가능성에 대한 추가 연구가 필요함.
장기적인 운영 안정성 및 유지보수에 대한 추가적인 데이터가 필요함.
50MW 발전소 외 다른 규모의 발전소에 대한 테스트 결과가 제시되지 않음.
👍