Derin yapay sinir ağlarını uygunluk fonksiyonu olarak kullanan genetik algoritma ile jeotermal sistemlerin optimize edilmesi

Abstract

Bu çalışmada, jeotermal enerji santrallerine genel bir bakış sunulmuş ve kullanılan optimizasyon yöntemleri özetlenmiştir. Bu optimizasyon yöntemlerinden olan sezgisel yöntemlerin avantajları ve geliştirilen modellerin sonuçları açıklanmıştır. Jeotermal sistemlerin optimizasyonundaki zorluklar, özellikle bu sistemlerin optimizasyonu için çok sayıda parametrenin kullanımı ve sistemlerin karmaşıklığından kaynaklanan sınırlamalar da ele alınmıştır. Sezgisel yöntemler, son dönemde yaygın olarak kullanılan yapay sinir ağları ve genetik algoritmalar genel hatlarıyla açıklanmıştır. Bu tez kapsamında İzmir ilindeki bir ORC jeotermal enerji santraline ait işletme verileri kullanılarak yenilikçi bir optimizasyon yöntemi geliştirilmiştir. Genetik algoritmada uygunluk fonksiyonu olarak yapay sinir ağlarını kullanan hesaplama yöntemi ile brüt güç 4.943 kW değerinden 6.624 kW değerine getirilerek optimum işletme şartları geliştirilmiştir. Sonuç olarak net güç çıktısında %39,41'lik bir artış sağlanmıştır. Farklı senaryolar da incelenerek geliştirilen özgün hesaplama yönteminin jeotermal sistemlerin optimizasyonunda kullanılabileceği açıklanmıştır.

This study presents a comprehensive analysis of geothermal power plants and provides a systematic review of the optimization methodologies employed in their operation. Particular emphasis is placed on heuristic optimization techniques, detailing their advantages and the outcomes derived from the developed models. The inherent challenges associated with geothermal system optimization specifically, the constraints arising from system complexity and the necessity of integrating numerous parameters are critically examined. Furthermore, heuristic approaches, including artificial neural networks and genetic algorithms, which have gained significant traction in recent research, are systematically outlined. Within the scope of this research, an advanced optimization methodology was developed utilizing operational data from an Organic Rankine Cycle (ORC) geothermal power plant in İzmir. By incorporating artificial neural networks as a fitness function within a genetic algorithm, the proposed computational framework successfully enhanced the gross power output from 4.943 kW to 6.624 kW, thereby determining the optimal operating conditions. Consequently, a 39.41% increase in net power output was achieved. Additionally, multiple operational scenarios were analyzed, demonstrating the efficacy and applicability of the proposed computational approach in optimizing geothermal energy systems.