Please use this identifier to cite or link to this item: http://cmuir.cmu.ac.th/jspui/handle/6653943832/80270
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAnucha Promwungkwa-
dc.contributor.authorNitsakhone Keochomsien_US
dc.date.accessioned2024-11-28T17:11:51Z-
dc.date.available2024-11-28T17:11:51Z-
dc.date.issued2024-10-02-
dc.identifier.urihttp://cmuir.cmu.ac.th/jspui/handle/6653943832/80270-
dc.description.abstractThis study introduces a method to monitor sediment deposition using the non-destructive testing (NDT) techniques combined with Internet of Things (IoT) technology with a focus on the Nam Sana Hydropower Plant reservoir in Laos. Sediment accumulation in hydropower reservoirs poses a significant challenge to plant efficiency by reducing water retention capacity, impacting electricity production, and accelerating the corrosion of turbine components. Traditional monitoring methods which rely on manual measurements using dipping poles, are prone to errors due to equipment limitations and human factors. This research demonstrates the feasibility and effectiveness of using NDT in conjunction with IoT systems to overcome these challenges. The proposed method employs a 4–20 mA submersible water level sensor to gather sediment deposition data within the reservoir. An ESP32 microcontroller is used to transmit and process this data through an A/D converter, utilizing the MQTT internet protocol. This technology allows operators to estimate sedimentation trends accurately. Data collection is optimized by assessing multiple grid points within the reservoir area. The calibration of the sensor, which involved immersion in laboratory water, yielded an average accuracy of 98.5%. The study also examines the impact of sediment accumulation on the performance of the hydropower plant, including electricity production and turbine efficiency. Data collected from 2015 to 2023 show an average annual sedimentation volume of 6,459 cubic meters, affecting 28.3% of the total reservoir volume. Following sediment removal, a 12.1% increase in production was observed over a 30-day period, comparing post- and pre-sedimentation removal conditions. To further address sediment accumulation, the study recommends constructing a sediment trap with a capacity of 4,000 cubic meters, designed to capture 62% of the average annual sediment load. This solution aims to enhance the operational efficiency and sustainability of the hydropower plant by improving sediment management practices. In conclusion, this research highlights the viability and effectiveness of integrating NDT and IoT technologies for sediment monitoring, providing valuable insights for optimizing hydropower reservoir management.en_US
dc.language.isoenen_US
dc.publisherChiang Mai : Graduate School, Chiang Mai Universityen_US
dc.subjectNam Sana hydropower plant reservoiren_US
dc.titleNon-destructive testing for sediment deposition monitoring in the Nam Sana hydropower plant reservoir using internet of thingsen_US
dc.title.alternativeการทดสอบแบบไม่ทำลายสำหรับการเฝ้าสังเกตการสะสมตัวของตะกอนในอ่างเก็บน้ำของโรงไฟฟ้าพลังน้ำของน้ำสนาโดยใช้อินเทอร์เน็ตของสรรพสิ่งen_US
dc.typeThesis
thailis.controlvocab.lcshSedimentation and deposition-
thailis.controlvocab.lcshHydroelectric power plants-
thailis.controlvocab.lcshReservoirs-
thailis.controlvocab.lcshInternet of things-
thesis.degreemasteren_US
thesis.description.thaiAbstractการศึกษาครั้งนี้นำเสนอวิธีการติดตามการทับถมของตะกอนโดยใช้ เทคนิคการทดสอบแบบไม่ทำลาย (NDT) และอินเทอร์เน็ตของสรรพสิ่ง (IoT) กรณีศึกษามุ่งเน้นไปที่อ่างเก็บน้ำของโรงไฟฟ้าพลังน้ำน้ำสะหนาในสาธารณรัฐประชาธิปไตยประชาชนลาว การสะสมของตะกอนในอ่างเก็บน้ำโรงไฟฟ้าพลังน้ำเป็นประเด็นสำคัญต่อประสิทธิภาพของโรงไฟฟ้า เนื่องจากลดความสามารถในการกักเก็บน้ำ ส่งผลกระทบต่อการผลิตกระแสไฟฟ้า และเร่งการผุกร่อนของส่วนประกอบกังหัน วิธีการติดตามแบบดั้งเดิมที่อาศัยการวัดด้วยมือนำไปสู่ความคลาดเคลื่อนเนื่องจากข้อจำกัดของอุปกรณ์และปัจจัยมนุษย์ การศึกษานี้แสดงให้เห็นถึงความเป็นไปได้และประสิทธิผลของการใช้ NDT ร่วมกับระบบ IoT เพื่อแก้ไขความท้าทายเหล่านี้ วิธีการที่นำเสนอใช้เซ็นเซอร์วัดระดับน้ำแบบจุ่มขนาด 4-20 มิลลิแอมแปร์ เพื่อเก็บข้อมูลการทับถมของตะกอนภายในอ่างเก็บน้ำ ไมโครคอนโทรลเลอร์ ESP32 ส่งข้อมูลนี้และประมวลผลโดยใช้ตัวแปลงสัญญาณแอนะล็อกเป็นดิจิทัล โปรโตคอลอินเทอร์เน็ตที่ใช้คือ MQTT การใช้เทคโนโลยีนี้ช่วยให้ผู้ปฏิบัติงานสามารถประมาณแนวโน้มการตกตะกอนได้ การเก็บข้อมูลเกี่ยวข้องกับการประเมินจุดตาข่ายหลายจุดภายในพื้นที่อ่างเก็บน้ำเพื่อเพิ่มความแม่นยำและประสิทธิภาพ ขั้นตอนการสอบเทียบรวมถึงการจุ่มเซ็นเซอร์ในน้ำในห้องปฏิบัติการเพื่อให้แน่ใจว่ามีความแม่นยำ โดยผลลัพธ์แสดงให้เห็นถึงความแม่นยำเฉลี่ยร้อยละ 98.5 นอกจากนี้ การศึกษายังตรวจสอบผลกระทบของการสะสมตะกอนต่อสมรรถนะของโรงไฟฟ้าพลังน้ำ รวมถึงการผลิตกระแสไฟฟ้าและประสิทธิภาพของกังหัน ข้อมูลที่เก็บรวบรวมระหว่างปีพุทธศักราช 2558 ถึง 2566 แสดงให้เห็นถึงปริมาณการตกตะกอนเฉลี่ยต่อปี 6,459 ลูกบาศก์เมตร ส่งผลกระทบต่อร้อยละ 28.3 ของปริมาตรอ่างเก็บน้ำทั้งหมด หลังจากการขุดลอกตะกอน พบว่าการผลิตเพิ่มขึ้นร้อยละ 12.1 ในช่วงระยะเวลา 30 วัน เพื่อบรรเทาการสะสมของตะกอนเพิ่มเติม การศึกษาแนะนำให้ก่อสร้างบ่อดักตะกอนที่มีความจุ 4,000 ลูกบาศก์เมตร ซึ่งออกแบบมาเพื่อดักจับร้อยละ 62 ของปริมาณตะกอนเฉลี่ยต่อปี วิธีแก้ปัญหาที่นำเสนอนี้มีจุดมุ่งหมายเพื่อเพิ่มประสิทธิภาพการดำเนินงานและความยั่งยืนของโรงไฟฟ้าพลังน้ำโดยการปรับปรุงแนวทางการจัดการตะกอน โดยสรุป งานวิจัยนี้เน้นย้ำถึงความเป็นไปได้และประสิทธิผลของการบูรณาการเทคโนโลยี NDT และ IoT สำหรับการติดตามตะกอน ซึ่งให้ข้อมูลเชิงลึกที่มีคุณค่าสำหรับการเพิ่มประสิทธิภาพการจัดการอ่างเก็บน้ำโรงไฟฟ้าพลังน้ำen_US
Appears in Collections:ENG: Theses

Files in This Item:
File Description SizeFormat 
650631096_ NITSAKHONE KEOCHOMSI.pdf2.92 MBAdobe PDFView/Open    Request a copy


Items in CMUIR are protected by copyright, with all rights reserved, unless otherwise indicated.