LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

COBEM 2021

26th International Congress of Mechanical Engineering

Steam generator efficiency simulation with a multi-fidelity approach

Submission Author: Augusto Delavald Marques , RS , Brazil
Co-Authors: Augusto Delavald Marques, Lara Werncke Vieira, Jéssica Duarte, Julian Hunt, Paulo Smith Schneider
Presenter: Augusto Delavald Marques

doi://10.26678/ABCM.COBEM2021.COB2021-1309

 

Abstract

This paper presents the simulation of a real steam generator from a coal-fired power plant with a multi-fidelity model. The model’s purpose is to calculate the steam generator efficiency in different operating situations. The proposed approach combines data from an energy balance-based model, the low fidelity approach, and data from actual measurements, the high fidelity information. Fifty-four simulations with the commercial software Ebsilon composes the low fidelity dataset to be completed with seven experiments conducted in a real power plant. The two datasets are used to build a multi-fidelity model with the Co-kriging methodology, which combines the predicted system behavior by the low fidelity model with the accurate results from the high-fidelity dataset. The four cases assessed in this paper show that the maximum absolute error for the system efficiency dropped from 0.57% for the low fidelity model to 0.18% with the multi-fidelity approach.

Keywords

Multi-fidelity Model, Gaussian Process, Co-kriging, Steam Generator Model

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM