توسعه و پیاده سازی روش تحلیل مولفه های اصلی جهت پایش وضعیت توربین گازی

توربین­های گازی ماشین­های پیچیده­ و گران­قیمتی هستند که هزینه­های تعمیر خرابی­های پیش بینی نشده ی آن ها بالاست. حس گرهای سامانه­ی کنترلی توربین­های گازی به طور پیوسته داده­های زیادی را گزارش می­کنند که ثبت و جمع­آوری مقادیر آن ها، تشکیل داده­های حجیم را می­دهند. با داده­کاوی داده­های حجیم توربین گازی، می­توان عیب و خرابی توربین را قبل از رخداد پیش­بینی نمود. مجموعه­ی ماتریس داده­های تحقیق حاضر، حاصل ثبت و تجمیع مقادیر برخی از حس گرهای نصب شده بر روی توربین گاز فریم ۹ یکی از نیروگاه­های کشور هست. در این پژوهش پس از نرمالیزه کردن داده­های ماتریس، سطرهای ماتریس بر حسب سالم یا معیوب بودن برچسب­گذاری شدند. سپس با بهره­گیری از تکنیک مولفه های اصلی، ابعاد ماتریس داده، از هفت بعد به چهار بعد کاهش داده شد و ویژگی­های اصلی آن استخراج ­گردید. پس از یادگیری ماشین که بر روی ۸۰% داده­ها انجام گرفت معیار دقت، میزان خطا و همگرایی مدل برای کاهش­های ابعادی مدل از دو تا شش بعد بر روی ۲۰% داده­ها مورد مطالعه قرار گرفت که در نهایت مشخص گردید علاوه بر اینکه مدل ساخته شده به خوبی از پس کاهش ابعاد ماتریس، استخراج ویژگی­ها با کمک تکنیک «تحلیل مولفه های اصلی» برآمده همچنین توانسته با تکنیک «شبکه عصبی مصنوعی» وقوع عیب را شناسایی و همچنین کلاس عیب را تشخیص دهد. مدل ساخته شده با تلفیق تکنیک­ «تحلیل مولفه های اصلی» با تکنیک­ «شبکه مصنوعی عصبی» توانسته دقتی بیش از ۹۰% و با دقت خوب و بیشترین میزان همگرایی ماتریس داده­ها را نمایش دهد و کلاس عیب توربین را مشخص نماید.

Keywords:

کلید واژه ­ها: توربین گاز , پایش وضعیت نیروگاه , تحلیل مولفه های اصلی , شبکه عصبی مصنوعی