Hydraulisk modellering og modelprædiktiv styring med Neurale Netværk

Studenteropgave: Speciale (inkl. HD afgangsprojekt)

  • Michael Mølskov Rasmussen
  • Kristoffer Stenkær Schneidelbach
4. semester, Vand og Miljø, Kandidat (Kandidatuddannelse)
Nærværende rapport undersøger muligheden for hydraulisk modellering med neurale netværk, herunder hvorvidt det er muligt at foretage afstrømningsmodellering, vandstandsmodellering, backup og prognosticering af målte data. Yderligere demonstreres potentialet for, at basere en styring til afløbs- og vandløbsmodellering på neurale netværk.
Til afstrømningsmodellering af vandføringen i Grejs Å er input af nedbør og tørkeindeks til det neurale netværk fundet fordelagtigt. Herigennem er en vandføringsprognose på op til 120 min muligt uden nævneværdig forringelse af modelkvaliteten.
Til vandstandsmodellering af vandstanden i Vejle Havn er det vha. korrelerede vandstandsinput med en tidslig forsinkelse muligt at forudsige vandstanden med op til 420 min med neurale netværk. Her er et vandstandsinput suppleret med en vindfaktor vist markant forbedring af modelkvaliteten, især ved stuvningspåvirkning.
Det er vha. neurale netværk muligt, at modellere vandstandskoten i Omløbsåen vha. vandstandsinput fra nærliggende vandstandsmålestationer samt styresignalet til fordelerbygværket. Derudover er det demonstreret, at styresignalet for fordelerbygværket kan estimeres på baggrund af omkringliggende vandstandsmålestationer. Dertil er det på baggrund af en fastsat kritisk kote muligt at foretage styring af fordelerbygværket med neurale netværk. Ydermere kan der med neurale netværk foretages modelprædiktiv styring af forderbygværket på baggrund af de prognosticerede data.
SprogDansk
Udgivelsesdato1 jul. 2016
Antal sider192
ID: 234928392