PREDICTION OF THE POWER OUTPUT OF A POWER GENERATION GAS TURBINE USING ARTIFICIAL NEURAL NETWORK (ANN) APPROACH -CASE STUDY LIBYA

Abstract

ABSTRACT

Today, regression artificial neural networks (ANN) have found their way into simulating different systems possessing advanced dimensions and having different outputs and inputs. This study attempts to forecast the energy output related to the gas turbines (GT) at the Al hawamid Power Plant in Libya by means of an ANN approach. The stated power station is exposed to a number of variables, which will be employed in terms of the input to obtain the power output generated by the turbines. To this end, we will use an ANN model for the prediction of this output, not to mention a Neural Fitting tool (nftool) to assist us in solving the related fitting issues by means of a two-dual-level feed-forward system developed based on the Levenberg-Marquardt Algorithm (LMA). Our results show that the stated approach is an ideal back propagation algorithm at 10 neurons related to our subject turbines. Also, the most suitable fit based on the employed ANN stands at the R2 values of 0.9999, 0.9999, 0.972, and 0.999, respectively for the tested turbines. Lastly, it can be stated that the suggested ANN can be applied at a sound and acceptable level in place of mechanism to forecast the power output of a given GT. To this end, hypothetical structures using the approach play an important role so as to come up with an ideal process and the best outcome.

ÖZET

Bugün, regresyon yapay sinir ağları (YSA), gelişmiş boyutlara sahip ve farklı çıktı ve girdilere sahip farklı sistemleri simüle etme yolunu bulmuştur. Bu çalışma, Libya'daki Al hawamid Santrali'ndeki gaz türbinleri (GT) ile ilgili enerji üretimini YSA yaklaşımı ile tahmin etmeye çalışmaktadır. Belirtilen güç istasyonu, türbinler tarafından üretilen güç çıkışını elde etmek için girdi açısından kullanılacak bir dizi değişkene maruz kalmaktadır. Bu amaçla, bu çıktıyı tahmin etmek için bir YSA modeli kullanacağız, geliştirilen iki çift seviyeli ileri besleme sistemi aracılığıyla ilgili montaj sorunlarını çözmemize yardımcı olmak için bir Nöral Montaj aracından (nftool) bahsetmiyoruz. Levenberg-Marquardt Algoritması'na (LMA) dayanmaktadır. Sonuçlarımız, belirtilen yaklaşımın konu türbinlerimizle ilgili 10 nöronda ideal bir geri yayılma algoritması olduğunu göstermektedir. Ayrıca, kullanılan ANN'ye dayanan en uygun uyum, test edilen türbinler için sırasıyla 0.9999, 0.9999, 0.972 ve 0.999 R2 değerlerinde bulunur. Son olarak, önerilen YSA'nın belirli bir GT'nin güç çıkışını tahmin etmek için mekanizma yerine sağlam ve kabul edilebilir bir seviyede uygulanabileceği söylenebilir. Bu amaçla, yaklaşımı kullanan varsayımsal yapılar ideal bir süreç ve en iyi sonucu elde etmek için önemli bir rol oynamaktadır.