سمیرا رنجبر مقدم - دانشجوی کارشناسی ارشد، دانشگاه گیلان
الهیار داغبندان - استادیار گروه مهندسی شیمی، دانشگاه گیلان

آب های موجود در طبیعت را به دلیل رسوب مواد نامحلول موجود در آن بر روی تاسیسات حرارتی، نمی توان مستقیما به عنوان آب تغذیه بویلر نیروگاه حرارتی مورد استفاده قرارداد و می بایست پیش از مصرف تصفیه فیزیکی و شیمیایی نمود. یکی از مهم ترین قسمت های فرآیند تصفیه این آب ها، مربوط به میزان مصرف مواد شیمیایی در هنگام فرآیند است. بدین منظور از مدل سازی با شبکه های عصبی نوع روش دسته بندی گروهی داده های عددی (GMDH) برای پیش بینی میزان مصرف کلروفریک مورد استفاده در واحد انعقاد، با استفاده از مجموعه داده های ورودی خروجی استفاده شده است. برای ارزیابی مدل پیشنهادی، واحد تصفیه خانه نیروگاه برق لوشان مورد بررسی و داده های موردنیاز شامل 384 سری داده آزمایشگاهی جمع آوری شد. به منظور مدل سازی، داده های آزمایشگاهی به دو دسته آموزش و آزمایش تقسیم شدند. نتایج حاصل از مدل سازی با داده های تجربی مقایسه شد که نشان داد مدل پیشنهادی تطابق بسیار خوبی با داده های تجربی دارد که این نشانگر قدرت بالای شبکه (GMDH) در پیش بینی مقدار مصرف بهینه مواد است.

تصفیه آب، کلروفریک، مدل سازی، GMDH-NN، نیروگاه برق