اعتبار سنجی سنسورهای توربین گاز V94.2 به وسیله طبقه بندی با شبکه های عصبی مصنوعی

نیروگاههای مدرن به قرائت دقیق و معتبر سنسورها برای نظارت و کنترل وابسته اند، بنابراین سنسورها یکی از مهم ترین بخش های سیستم کنترل در هر نیروگاه هستند.عملکرد ناصحیح یک سنسور باعث ایجاد خطای تصمیم گیری در یک پروسه یا حلقه های کنترلی داخلی می شود لذا سالم بودن و همچنین کالیبره بودن سنسورها از اهمیت بالایی برخوردار است. با توجه به اهمیت های گفته شد ه سنسورها به کالیبره منظم و نگهداری نیاز دارند که یک فرآیند زمان بر و هزینه بر است. در این مقاله یک روش برای ارزیابی دقت سنسورها باهدف به حداقل رساندن نیاز به کالیبراسیون و همچنین اجتناب از shut-down واحد به دلیل فالت سنسور ارائه شده است. روش ارائه شده بر پایه آموزش شبکه های عصبی مصنوعی طبقه بندی شده برای تشخیص خطاهای سنسور است. این روش برای توربین گاز V94.2 موردبررسی قرارگرفته است. نتایج نشان می دهد که این روش قادر به تشخیص زودهنگام خطای سنسور است. لذا استفاده از شبکه های عصبی مصنوعی برای تائد ی سنسور می تواند به نگهداری مقرون به صرفه و همچنین افزایش دسترسی و قابلیت اطمینان نیروگاه کمک کند.

Keywords:

الگوریتم Levenberg-Marquardt , اعتبار سنجی , توربین گاز V94.2 , ترموفلو , شبکه های عصبی