RESEARCH ON THE COMBUSTION PROCESS USING TIME SERIES

Żaklin Grądz

doi:10.35784/iapgos.1835

PDF (angielski)

Opublikowane: 2020-06-30

DOI: https://doi.org/10.35784/iapgos.1835

Numer Tom 10 Nr 2 (2020)

TRANZYSTOROWY UKŁAD DO POMIARU TEMPERATURY
Oleksandra Hotra

4-7
ANALIZA ZASTOSOWANIA FILTRÓW WSZECHPRZEPUSTOWYCH DO ELIMINACJI NEGATYWNYCH SKUTKÓW TENDENCJI LOUDNESS WAR
Marcin Maciejewski, Wojciech Surtel, Krzysztof Nowak

8-11
LOGICZNE DRZEWA KLASYFIKACJI W ZADANIACH ROZPOZNAWANIA
Igor Povhan

12-15
RANKING WITRYN INTERNETOWYCH STWORZONY Z WYKORZYSTANIEM ALGORYTMU ISOWQ RANK
Mariusz Duka

16-19
PRZEGLĄD ARCHITEKTURY SZEROKOPASMOWYCH SYSTEMÓW INFORMACYJNYCH DO CELÓW ZARZĄDZANIA KRYZYSOWEGO
Jacek Wilk-Jakubowski

20-23
NIESTACJONARNY MODEL WYMIANY CIEPŁA I MASY DLA NAWILŻACZA PAROWEGO
Igor Golinko, Volodymyr Drevetskiy

24-27
NIESTACJONARNE PRZEWODZENIE CIEPŁA W SZYBACH WIELOWARSTWOWYCH NARAŻONYCH NA DZIAŁANIE ROZPROSZONYCH ŹRÓDEŁ CIEPŁA
Natalia Smetankina, Oleksii Postnyi

28-31
MONITOROWANIE HODOWLI KOMÓRKOWYCH W CZASIE RZECZYWISTYM PRZY ZASTOSOWANIU NIKLOWYCH KONDENSATORÓW GRZEBIENIOWYCH
Andrzej Kociubiński, Dawid Zarzeczny, Maciej Szypulski, Aleksandra Wilczyńska, Dominika Pigoń, Teresa Małecka-Massalska, Monika Prendecka

32-35
PRZEGLĄD METOD KLASYFIKACJI OBRAZÓW DERMATOSKOPOWYCH WYKORZYSTYWANYCH W DIAGNOSTYCE ZMIAN SKÓRNYCH
Magdalena Michalska, Oksana Boyko

36-39
OPRACOWANIE OPROGRAMOWANIA DO STEROWANIA PROCESAMI W BUDYNKU INTELIGENTNYM
Vitalii Kopeliuk, Vira Voronytska, Volodymyr Havryliuk

40-43
OPARTA NA EGZERGI STRATEGIA STEROWANIA SYSTEMEM WENTYLACJI MIESZKAŃ Z ODZYSKIEM CIEPŁA
Volodymyr Voloshchuk, Mariya Polishchuk

44-47
ANALIZA SYSTEMU POMIAROWEGO ENERGII ELEKTRYCZNEJ NA POTRZEBY WŁASNE STACJI ELEKTROENERGETYCZNEJ
Sergiy Stets, Andriy Stets

48-51
BADANIA PROCESU SPALANIA Z WYKORZYSTANIEM SZEREGÓW CZASOWYCH
Żaklin Grądz

52-55
BADANIA I MODELOWANIE LOKALNEGO SYSTEMU NAWIGACJI NAZIEMNEJ ROBOTA MOBILNEGO
Andrii Rudyk, Viktoriia Rudyk, Mykhailo Matei

56-61
PROJEKTOWANIE WIELOFUNKCYJNEGO SYMULATORA DO SZKOLENIA PERSONELU MASZYNOWNI
Artem Ivanov, Igor Kolosov, Vadim Danyk, Sergey Voronenko, Yurii Lebedenko, Hanna Rudakova

62-69
ZASTOSOWANIE MODELU STEROWANIA PREDYKCYJNEGO W ENERGOOSZCZĘDNEJ TECHNOLOGII PROSTEGO PIECA TLENOWEGO
Oleksandr Stepanets, Yurii Mariiash

70-74

Archiwum

2022

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

2021

Tom 11 Nr 4
2021-12-20 15
Tom 11 Nr 3
2021-09-30 10
Tom 11 Nr 2
2021-06-30 11
Tom 11 Nr 1
2021-03-31 14

2020

Tom 10 Nr 4
2020-12-20 16
Tom 10 Nr 3
2020-09-30 22
Tom 10 Nr 2
2020-06-30 16
Tom 10 Nr 1
2020-03-30 19

2019

Tom 9 Nr 4
2019-12-16 20
Tom 9 Nr 3
2019-09-26 20
Tom 9 Nr 2
2019-06-21 16
Tom 9 Nr 1
2019-03-03 13

2018

Tom 8 Nr 4
2018-12-16 16
Tom 8 Nr 3
2018-09-25 16
Tom 8 Nr 2
2018-05-30 18
Tom 8 Nr 1
2018-02-28 18

Authors

Żaklin Grądz

z.gradz@pollub.pl

Politechnika Lubelska, Katedra Elektroniki i technik Informacyjnych

Polska

http://orcid.org/0000-0003-1902-4953

Abstrakt

W procesie spalania jednym z najważniejszych zadań jest zachowanie jego stabilności. Do tego celu wykorzystywanych jest wiele metod
z zakresu monitorowania, diagnostyki i analizy danych pomiarowych. Zarejestrowane w komorze spalania informacje są jednowymiarowymi szeregami czasowymi. W przypadku niestacjonarnych szeregów czasowych, które można przekształcić do formy stacjonarnej, znalazły zastosowanie scałkowane procesy autoregresji i średniej ruchomej. W artykule przedstawiono problematykę prognozowania zmian intensywności świecenia płomienia. Badania zaprezentowane w pracy zostały przeprowadzone z wykorzystaniem modelu ARIMA(p,d,q). Przedstawione prognozy zmian intensywność świecenia płomienia odwzorowują rzeczywiste przebiegi, co pozwala wykorzystać je w diagnostyce i sterowaniu procesem spalania.

Słowa kluczowe:

szereg czasowy, model ARIMA, jasność świecenia płomienia

Bibliografia

Box G.E.P, Jenkins G.M.: Analiza szeregów czasowych Prognozowanie i sterowanie, Warszawa 1983.

Díaz-Robles L.A., Ortega J.C., Fu J.S. et al.: A hybrid ARIMA and artificial neural networks model to forecast particulate matter in urban areas: the case of Temuco, Chile. Atmospheric Environment 42(35), 2008, 8331–8340. DOI: https://doi.org/10.1016/j.atmosenv.2008.07.020

Ding S., Dang Y.G., Li X.M., Wang J.J., Zhao K.: Forecasting Chinese CO2 emissions from fuel combustion using a novel grey multivariable model. Journal of Cleaner Production 162, 2017, 1527–1538. DOI: https://doi.org/10.1016/j.jclepro.2017.06.167

Jiang S., Yang C., Guo J., Ding Z.: ARIMA forecasting of China’s coal consumption, price and investment by 2030. Energy Sources, Part B: Economics, Planning, and Policy 13(3), 2018, 190–195.

Komada P.: Analiza procesu termicznej przeróbki biomasy. Monografie – Polska Akademia Nauk. Komitet Inżynierii Środowiska, Warszawa 2019.

Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W.: Diagnostyka procesów, Modele, Metody sztucznej inteligencji, Zastosowania. Wydawnictwo Naukowo-Techniczne, Warszawa 2002.

Kordylewski W. i inni.: Spalanie i paliwa. Politechnika Wrocławska, Wrocław 2008.

Kotyra A., Wojcik W., Gromaszek K., Smolarz A., Jagiełło, K.: Assessment of biomass-coal co-combustion on the basis of flame image. Przegląd Elektrotechniczny 88(11b), 2012, 241–243.

Kotyra A., Wójcik W., Gromaszek K., Bazil G.: Application of flame image series analysis in estimation of biomass and coal combustion operating point. Przegląd Elektrotechniczny 8(92)2016, 129–132. DOI: https://doi.org/10.15199/48.2016.08.35

Lu G., Yan Y., Colechin M.: A digital imaging based multifunctional flame monitoring system. IEEE Transactions on instrumentation and measurement, 53(4), 2004, 1152–1158. DOI: https://doi.org/10.1109/TIM.2004.830571

Mahla S.K., Parmar K.S., Singh J., Dhir A., Sandhu S.S., Chauhan B.S.: Trend and time series analysis by ARIMA model to predict the emissions and performance characteristics of biogas fueled compression ignition engine. Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 1–12. DOI: https://doi.org/10.1080/15567036.2019.1670286

Ong C.S., Huang J.J., Tzeng G.H.: Model identification of ARIMA family using genetic algorithms. Applied Mathematics and Computation 164(3), 2005, 885–912. DOI: https://doi.org/10.1016/j.amc.2004.06.044

Sanchez A.B., Ordonez C., Lasheras F.S., Juez F.J.D., Roca-Pardinas J.: Forecasting SO2 Pollution Incidents by means of Elman Artificial Neural Networks and ARIMA Models, Abstract and Applied Analysis 2013, Article ID 238259. DOI: https://doi.org/10.1155/2013/238259

Savchuk Т. О., Kozachuk A., Gromaszek K., Sugurova L.: Forecasting the state of technogenic emergency situation on the railway transport using data mining technologies. Przegląd Elektrotechniczny 1, 2014, 50–54.

Sawicki D., Kotyra A., Perdesh K.: Ekstrakcja cech obrazów płomienia współspalania węgla i biomasy z wykorzystaniem wizyjnego systemu diagnostycznego. Przegląd Elektrotechniczny 92(8), 2016, 133–136. DOI: https://doi.org/10.15199/48.2016.08.36

Sawicki D., Kotyra A., Akhmetova A., Baglan I., Suleymenov A.: Using Optical Methods for Process State Classification of Co-firing of Coal and Biomass. Annual Set The Environment Protection 2(18), 2016, 404–415.

Sawicki D., Kotyra A.: A quality factor of co-firing pulverized coal and biomass. Przegląd Elektrotechniczny 92(11), 2016, 140–143. DOI: https://doi.org/10.15199/48.2016.11.35

Smolarz A., Wójcik W., Gromaszek K., Komada P., Lytvynenko V.I., Mussabekov N., Toigozhinova A.: Artificial intelligence methods in diagnostics of coal-biomass blends cocombustion in pulverised coal burners. Environmental Engineering V, 2017, 311–317. DOI: https://doi.org/10.1201/9781315281971-44

Wójcik W., Gromaszek K., Shegebayeva Z., Suleimenov B., Burlibay A.: Optimal control for combustion process. Przegląd Elektrotechniczny 90(4), 2014, 157–160.

Wójcik W., Gromaszek K., Smailova S.: Using optical signals for pulverised coal combustion process optimal control to increase economic efficiency of the boiler. Actual Problems of Economics 4, 2013, 307–311.

Wojcik W., Kotyra A., Komada P., Golec T.: Fiber optic system detecting the type of burned fuel in power boilers. Proc. of SPIE 5125, 2003. DOI: https://doi.org/10.1117/12.497731

Wójcik W.: Application of fibre-optic flame monitoring systems to diagnostics of combustion process in power boilers. Bulletin of the Polish Academy of Sciences – Technical Sciences 56(2), 2008, 177–195.

Wójcik W.: Światłowodowy układ do monitorowania procesu spalania, PAK 53(11), 2007, 24–28.

Zhou H., Li Y., Tang Q., Lu G., Yan Y.: Combining flame monitoring techniques and support vector machine for the online identification of coal blends. Journal of Zhejiang University – Science A 18(9), 2017, 677–689. DOI: https://doi.org/10.1631/jzus.A1600454

Zyska T., Wójcik W., Imanbek B., Zhirnova O.: Diagnostyka stanu czujnika termoelektrycznego w procesie zgazowania biomasy. Rocznik Ochrona Środowiska 18(2)/2016, 652–666.

Grądz, Ż. (2020). BADANIA PROCESU SPALANIA Z WYKORZYSTANIEM SZEREGÓW CZASOWYCH. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 10(2), 52-55. https://doi.org/10.35784/iapgos.1835

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 10 Nr 2 (2020)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja