آشکار سازی مبتنی بر ویژگی خطا در توربینهای گاز V94.2 با استفاده ازشبکه های عصبی

آشکارسازی خطای توربین گاز نقش حیاتی ای در کاهش هزینه های تعمیرات و نگهداری نیروگاه در دوره بهره برداری ایفا میکند. در واقع آشکارسازی خطا با تولید پیش آلارمها قبل از وقوع نقصهای عمده، راه عملیات اصلاحی را هموار میسازد. از اینرو یافتن یک تکنیک آشکارسازی خطای کارآمد که قابل اعمال در عملیات On-Line نیروگاهها بوده و شامل کمترین محاسبات باشد، یک نیاز ضروری در صنعت تولید برق میباشد. چنین روشی در این مقاله جهت کلاس V94.2 توربینهای گاز موردمطالعه میباشد. جهت بسط یک سیستم آشکارسازی خطا براساس داده ها و حرکت از یک برنامه تعمیرات با جدول زمانی ثابت به یک برنامه براساس شرایط، آنالیز مولفه های اساسی به عنوان تعیین کننده ترین مرحله جهت کاهش ابعاد در فضای دیتای سنسور استفاده شده است و مشخصه های کلیدی با ابعاد کاهش یافته جایگزین میگردند. جهت تولید یک مجموعه دیتای واقعی که برای استخراج ویژگی، آموزش و تست شبکه های عصبی مصنوعی استفاده میشود، یک موقعیت سالم و شش موقعیت خطا به کار گرفته میشوند. در روش پیشنهادی، با تعریف گروهی از خطاهای کلیدی و بکارگیری شبکه عصبی پرسپترون چندلایه جهت کلاسه بندی خطا عملیات آشکارسازی خطا به نحو قابل قبولی بر اساس ویژگی ها به اجرا میرسد.

Keywords:

استخراج ویژگی , آشکارسازی خطا , توربین گاز , آنالیز مولفه های اساسی , شبکه عصبی