پیش بینی خرابی با رویکرد ترکیبی GA-SVM (مطالعه موردی توربین نیروگاه ارومیه)

کارایی تجهیزات نیروگاه ها و بهبود آن ها از جمله مسائل مهم در دنیای امروز ا ست که به منظور افزایش هزینه ها و تقاضای تولیدکنندگان مورد بررس ی قرار گرفته است اینگونه تجهیزات به منظور شناسایی عوامل مختلف خرابی حجم زیادی از داده ها را تولید کرده که با پیشرفت های تکنولوژی و بسترهای اطلاعاتی به سادگی قابل ذخیره سازی اند از سوی دیگر به دلیل پیچیدگی سیستم های چند جزیی، روش های سنتی و آماری برای مهندسی قابلیت اطمینان، پیش بینی خرابی و برنامه ریزی نگهداری و تعمیرات کارامد نمی باشند. لذا در این پژوهش با هدف پیش بینی خرابی و شناسایی خطاها برای تصمیم گیری بهتر و کمک به برنامه ریزی برای نت پیش گویانه و کاهش هزینه ها از رویکرد داده کاوی استفاده شده است و برای بهبود فرایند مدل سازی رویکرد ترکیبی GA-SVM که در آن از یک مدل دو کلا سه با انتخاب ویژگی تو سط الگوریتم ژنتیک و طبقه بندی کننده ماشین بردار پشتیبان استفاده می شود، بکار بسته شده است به علاوه، برای ارزیابی رویکرد پیشنهادی از داده های خرابی توربین گازی نیروگاه ارومیه بهره برده شده است نتایج تحلیل نشان می دهد که از بین ۱۹ متغیر اندازه گیری چهار پارامتر اساسی در پیش بینی مدل برای خرابی توربین گاز، دمای تراست یاتاقان، ویبره یاتاقان توربین، ویبره یاتاقان کمپرسور نسبی، فشار روغن یاتاقان و دمای یاتاقان ژنراتور سمت A۲ بیشترین تاثیر را داشته اند و مقایسه دقت پیش بینی روش پیشنهادی با دیگر مدل ها، اختلاف قابل توجهی را ارائه داده است.

Keywords:

داده کاوی , پیش بینی خرابی , نت پیشگویانه , الگوریتم ژنتیک , ماشین بردار پشتیبان