KaydedilenlerDerginizi ekleyin

Dergiler / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2026 / Cilt: 24 Sayı: 4

Baca gazlarının ekserji analizi ve yapay sinir ağları ile modellenmesi

Exergy analysis of flue gases and modeling with artificial neural networks

Ayşe Bilgen Aksoy0000-0001-5456-4627
Özgür Solmaz0000-0002-7797-0289
Yiğit Aksoy0000-0002-4613-4042
Sayfa
610–615
Yayın Tarihi
2018-08-17
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Belirlenen YSA modeli ile baca gazlarının konsantrasyonu, çıkış sıcaklığı ve hızı kullanılarak baca gazlarının ekserjisi yüksek doğrulukta tahmin edilebileceği gösterilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Bu çalışmada doğal gaz yakıtlı endüstriyel fırınlara ait bacalardan çıkan baca gazları termodinamiksel açıdan incelenmiştir.
📊
Temel Bulgular & Veri:Analizlerde, baca gazı bileşenlerinin (O 2 , CO 2 , H 2 O ve N 2 ) konsantrasyonu, baca gazı sıcaklığı ile baca gazı çıkış hızı deneysel ölçüm değerleri kullanılmıştır.
💡
Sonuç & Katkı:Belirlenen YSA modeli ile baca gazlarının konsantrasyonu, çıkış sıcaklığı ve hızı kullanılarak baca gazlarının ekserjisi yüksek doğrulukta tahmin edilebileceği gösterilmiştir.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Kimyasal ekserji · Baca gazı · YSA

Özet

Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Bu çalışmada doğal gaz yakıtlı endüstriyel fırınlara ait bacalardan çıkan baca gazları termodinamiksel açıdan incelenmiştir. Analizlerde, baca gazı bileşenlerinin (O 2 , CO 2 , H 2 O ve N 2 ) konsantrasyonu, baca gazı sıcaklığı ile baca gazı çıkış hızı deneysel ölçüm değerleri kullanılmıştır. Farklı çıkış parametrelerine göre baca gazlarıyla çevreye salınan kullanılabilir enerji (ekserji) miktarları hesaplanmış, daha sonra baca gazlarının fiziksel ve kimyasal özelliklerinin, ekserji kayıplarına etkisi irdelenmiştir. Ayrıca hesaplanan ekserji verileri Yapay Sinir Ağları (YSA) metoduyla modellenmiş ve gizli katmandaki nöron sayısı değiştirilerek en iyi doğruluğa sahip YSA modeli belirlenmiştir. Belirlenen YSA modeli ile baca gazlarının konsantrasyonu, çıkış sıcaklığı ve hızı kullanılarak baca gazlarının ekserjisi yüksek doğrulukta tahmin edilebileceği gösterilmiştir.

🔖

Bu Makaleye Atıf Yap

Aksoy, A. B., Solmaz, Ö., Aksoy, Y. (2018). Baca gazlarının ekserji analizi ve yapay sinir ağları ile modellenmesi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 24 Sayı: 4, 610–615. https://ajindex.com/articles/1058740

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. T.C. Enerji ve Tabii Kaynaklar Bakanlığı/Esra Karakış. “Türkiye 2013 Mayıs Ayı Enerji İstatistikleri Raporu-5”. http://www.enerji.gov.tr/File/?path=ROOT/1/Documents/E%C4%B0GM%20Periyodik%20Rapor/2013_05_Enerji_Istatistikleri_Raporu.pdf (09.11.2017).
  2. Çengel YA, Boles MA. Mühendislik Yaklaşımıyla Termodinamik. Çeviri Editörü: Pınarbaşı A, 5 Baskı. İzmir, Türkiye, Güven Bilimsel, 2008.
  3. Çomaklı K, Terhan M. “Sıcak su üretimi için baca gazı atık enerjinin kullanımı”. Tesisat Mühendisliği Dergisi, 124, 43-51, 2011.
  4. Rosen MA, Dincer I. “Exergy analysis of waste emissions”. Internatıonal Journal of Energy Research, 23(13), 1153-1163, 1999.
  5. Chen H, Zhou Y, Cao S, Li X, Su X, An L, Gao D. “Heat exchange and water recovery experiments of flue gas with using nanoporous ceramic membranes”. Applied Thermal Engineering,110, 686–694, 2017.
  6. Ersöz MA. “Baca gazlarındaki atık ısının ısı borusu ile geri kazanımının deneysel incelenmesi” IX Tesisat Mühendisliği Kongresi, İzmir, Türkiye, 6-9 Mayıs 2009.
  7. Wei M, Yuan W, Song Z, Fu L, Zhang S. “Simulation of a heat pump system for total heat recovery from flue gas”. Applied Thermal Engineering, 86, 326-332, 2015.
  8. Kartal E. “Yanma ve yanmanın optimizasyonu”. Türk Tesisat Mühendisleri Derneği, 16, 2001.
  9. Kotas TJ. The Exergy Method of Thermal Plant Analysis. 3rd ed. London, UK, Exergon Publishing Company, 2012.
  10. Filiz Ç, Uysal C, Kılınç E, Kurt H. “Bir buhar kazanının enerji ve ekserji analizi yoluyla performansının değerlendirilmesi”. II Uluslararası Mühendislik ve Bilim Alanında Yenilikçi Teknolojiler Sempozyumu, Karabük, Türkiye, 18-20 Haziran 2014.
  11. Solmaz O, Kahramanlı H, Kahraman A, Ozgoren M. “Prediction of daily solar radiation using ANNs for selected provinces in Turkey”. 10th International Scientific Conference UNITECH10, GABROVO, Bulgaria, 19-20 November 2010.
  12. Shin C, Yun UT, Kim HK, Park SC. “A hybrid approach of neural network and memory-based learning to data mining”. IEEE Transactions on Neural Networks, 11(3), 637-646, 2000.
  13. Ozgoren M, Bilgili M, Sahin B. “Estimation of global solar radiation using ANN over Turkey”. Expert Systems with Applications, 39(5), 5043-5051, 2012.
  14. Yang IH, Yeo Ms, Kim KW. “Application of artificial neural network to predict the optimal start time for heating system in building”. Energy Conversion and Management, 44(17), 2791-2809, 2003.
  15. Akincioglu S, Mendi F, Çiçek A, Akincioglu G. “Prediction of thrust forces and hole diameters using artificial neural networks in drilling of AISI D2 tool steel with cemented carbide tools”. Academic Platform Journal of Engineering and Science, 1(2), 11-20, 2013.