Λιγνίτης | Στατιστική Ανάλυση | Χρονοσειρές | Μοντέλα Αυτοσυσχέτισης ARIMA | Απλή και Πολλαπλή Παλινδρόμηση | Διαγράμματα Ελέγχου | Lignite | Statistical Analysis | Time series | Autocorrelation ARIMA Model | Simple and Multiple Regration | Control Charts
1
28
40
Περιέχει : πίνακες, διαγράμματα, εικόνες
Οι χρονολογικές σειρές προκύπτουν συχνά από την παρακολούθηση των παραγωγικών διαδικασιών στη βιομηχανία. Η ανάλυση των χρονολογικών χρονοσειρών καταλογίζει το γεγονός ότι τα δεδομένα που έχουν ληφθεί με την πάροδο του χρόνου μπορεί να έχουν μια εσωτερική δομή (πχ. αυτοσυσχέτιση, τάση, εποχιακή διακύμανση) που πρέπει να ληφθεί υπόψη.
Για την πραγματοποίηση της έρευνας αυτής πάρθηκαν δεδομένα από δείγματα λιγνίτη που αναλύθηκαν σε ημερήσια βάση, από τη Μονάδα Ι του ΑΗΣ Αγίου Δημητρίου, που βρίσκεται στην περιοχή της Δυτικής Μακεδονίας στην Ελλάδα, για χρονικό διάστημα ενός έτους (έτος 2015). Πιο συγκεκριμένα, θα μελετηθούν οκτώ μεταβλητές: η Ολική Υγρασία του λιγνίτη (%), η Τέφρα σε ξηρή βάση και η Τέφρα ως έχει στο λιγνίτη (%), η Ανώτερη και η Κατώτερη Θερμογόνος Δύναμη σε ξηρή βάση και στο λιγνίτη ως έχει (kcal/kg) και ο καύσιμος λιγνίτης (%).
Θα πραγματοποιηθεί Στατιστική Ανάλυση των χρονοσειρών, έλεγχος για Στασιμότητα, Κανονικότητα, Ανεξαρτησία, έλεγχος για τυχόν ύπαρξη Αυτοσυσχέτισης (Autocorrelation) μεταξύ των διαδοχικών τιμών των μεταβλητών που επηρεάζουν την ποιότητα του λιγνίτη, σύγκριση μεταξύ διαφόρων μοντέλων αυτοσυσχέτισης και επιλογή καταλληλότερου Αυτοπαλίνδρομου κινητού μέσου μοντέλο της κάθε μεταβλητής. Επιπροσθέτως, θα μελετηθεί η Απλή και η Πολλαπλή Παλινδρόμηση (Regration) μεταξύ των μεταβλητών έτσι ώστε να διερευνηθεί η σχέση μεταξύ δυο ή περισσοτέρων μεταβλητών, προσδιορίζοντας το συντελεστή συσχέτισης και την εξίσωση παλινδρόμησης.
Σκοπός της παρούσας έρευνας είναι η Στατιστική Ανάλυση των μεταβλητών που επηρεάζουν την ποιότητα του λιγνίτη. Πιο συγκεκριμένα, πραγματοποιώντας μελέτη πιθανής Αυτοσυσχέτισης των τιμών της κάθε μεταβλητής μπορεί να προκύψει ένα Αυτοπαλίνδρομο κινητού μέσου μοντέλο το οποίο μπορεί να χρησιμοποιηθεί για πιθανή μελλοντική πρόβλεψη έτσι ώστε να είναι δυνατή η ομοιογενοποίηση του λιγνίτη από άλλες μονάδες με σκοπό τη βελτίωση και σταθεροποίηση της ποιότητας του λιγνίτη. Πραγματοποιώντας μελέτη Απλής και Πολλαπλής Παλινδρόμησης αναλύεται η σχέση μεταξύ δυο ή περισσότερων μεταβλητών έτσι ώστε να εξετασθεί ποιες από τις μεταβλητές επηρεάζουν την απόδοση του καύσιμου λιγνίτη.
Η χρησιμότητα της παρούσας στατιστικής ανάλυσης είναι σημαντική καθώς δεν υπάρχει αντίστοιχη στατιστική ανάλυση των ποιοτικών χαρακτηριστικών του λιγνίτη του ΑΗΣ Αγίου Δημητρίου και του λιγνίτη γενικά. Για μελλοντική έρευνα, ως επέκταση της παρούσας ανάλυσης, μπορεί να πραγματοποιηθεί παρόμοια στατιστική ανάλυση συμπεριλαμβάνοντας όλους τους παράγοντες που επηρεάζουν την ποιότητα του λιγνίτη (όπως ρυθμίσεις των λεβήτων και όλων των μηχανημάτων, ρυθμίσεις του πρωτογενούς και του δευτερογενούς αέρα -οξυγόνου- που απαιτείται κατά την καύση του λιγνίτη, βλάβες και συντηρήσεις μηχανημάτων, συχνότητα αντικαταστάσεων των ηλεκτροστατικών φίλτρων, απόδοση μηχανημάτων κλπ.) καθώς επίσης θα μπορούσε -συνδυαστικά με τα προηγούμενα στοιχεία- να πραγματοποιηθεί και στοιχειακή ανάλυση (προσδιορισμός του άνθρακα του υδρογόνου, του αζώτου κλπ.) έτσι ώστε να εξετασθούν και να μειωθούν οι ρύποι που εξέρχονται κατά την καύση του καυσίμου σε ημερήσια βάση, όπως μονοξείδιο του άνθρακα (CO), διοξείδιο του άνθρακα (CO2), οξείδια του αζώτου (NOx), οξείδια του θείου (SOx) κλπ..
Τα σημαντικότερα αποτελέσματα της παρούσας έρευνας έδειξαν ότι τα χαρακτηριστικά που αναλύθηκαν αποτελούνται από δεδομένα στάσιμα, που ακολουθούν την κανονική κατανομή και είναι αυτο-συσχετιζόμενα. Επίσης, μετά από σύγκριση μοντέλων, προέκυψε ότι το καταλληλότερο Αυτοπαλίνδρομο κινητού μέσου μοντέλο (Υπόδειγμα) είναι το ARMA (1,1) ή ARIMA(1,0,1) εκτος από τη μεταβλητή της Ανώτερης Θερμογόνου Δύναμης επί ξηρού, στην οποία ως καταλληλότερο μοντέλο επιλέχθηκε το AR(1) ή ARIMA(1,0,0). Επιπροσθέτως, προέκυψαν σημαντικές εξισώσεις Απλής και Πολλαπλής Παλινδρόμησης.
Τα λογισμικά προγράμματα που χρησιμοποιήθηκαν σε αυτή την έρευνα είναι τα παρακάτω: Minitab, Eviews, Statgraphics και το MS Excel.
Time series often emerge from the monitoring of production processes. Time series analysis takes into account any possible internal structure (e.g. autocorrelation, trend, seasonal variation) that should be taken into account.
In this Master Thesis some of the lignite quality characteristics, of Unit I of Agios Dimitrios Thermal Power Plant which is located in Western Macedonia in Greece, data corresponding to a period of one year (2015), will be studied. More specifically, eight variables will be studied: Lignite Moisture (%), Dry Ash Ascent and Lignite ash (%), Upper and Lower Thermal Ash on dry basis and lignite as received (kcal/kg) and lignite fuel (%).
Statistical analysis of the time series of each variable, along with Stationarity, Normality and Run tests are conducted. Also, the Autocorrelation among the successive values of the variables that affect the quality of lignite is studied, and after the comparison among different autocorrelation models the most appropriate Autocorrelation Model for each variable is selected. In addition, Simple and Multiple Regression models are studied in order to examine the relationship between two or more variables by determining the correlation coefficient and the regression equation.
The purpose of this Master Thesis is the statistical analysis of the characteristics that affect the quality of lignite. More specifically, by conducting a study of possible Autocorrelation of the values of each variable, an autocorrelation model may arise in order to be used for possible future prediction so as lignite quantities from different units can be mixed and homogenized in order to improve and stabilize lignite quality. By performing a Simple and Multiple Regression study, the relationship between two or more variables is analyzed to examine which of the variables affect the yield of lignite fuel.
The usefulness of this statistical analysis is important as there is no other study of statistical analysis of the quality characteristics of lignite of Agios Dimitrios Power Plant or any similar study on lignite in general. For future research, as an extension of the present analysis, a similar statistical analysis can be carried out by including additional factors that affect the quality of lignite (such as boiler and machine settings, primary and secondary air -oxygen- lignite combustion, machine failures and maintenance, frequency of replacement of electrostatic filters, machines yield, etc.) and could, in combination with existing data, to make also ultimate analysis (Carbon, hydrogen, nitrogen, etc.) in order to control and reduce the pollutants emitted during combustion of the fuel on a daily basis such as carbon monoxide (CO), carbon dioxide (CO2) , Nitrogen oxides (NOx), sulfur oxides (SOx) etc..
The most important conclusions of this research include the findings that the variables analyzed are stationary, follow the normal distribution and are autocorrelated. Also, after comparing a number of alternative models, it was found that the most suitable Model of Autocorrelation for all variables was ARMA(1,1) or ARIMA (1,0,1) except from the variable of Higher Heating Value (on dry basis) that the most suitable model was AR(1) or ARIMA(1,0,0). In addition, Simple and Multiple Regression equations have been selected.
Software programs that were used in this research include: Minitab, Eviews, Statgraphics and MS Excel.
Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.
Κύρια Αρχεία Διατριβής
Στατιστική Ανάλυση για τον έλεγχο της ποιότητας του λιγνίτη σε Ατμοηλεκτρικό Σταθμό (ΑΗΣ) - Identifier: 79167
Internal display of the 79167 entity interconnections (Node labels correspond to identifiers)