توسعه و پیاده‌سازی روش تحلیل مؤلفه‌های اصلی جهت پایش وضعیت توربین گازی

فصلنامه مهندسی مدیریت نوین

دوره 9، شماره 3، آذر 1402، صفحه 47-65   

نوع مقاله: مقاله پژوهشی (تحقیقی)

شناسه دیجیتال (DOI): 10.30495/jmemiau.2023.707350

نویسندگان

سمیرا پیری¹؛ الهام قنبری^{* 2}

¹کارشناس ارشد گروه کامپیوتر، واحد یادگار امام خمینی (ره) شهر ری، دانشگاه آزاد اسلامی، تهران، ایران

²استادیار گروه کامپیوتر، واحد یادگار امام خمینی (ره) شهر ری، دانشگاه آزاد اسلامی، تهران، ایران (نویسنده مسئول)

چکیده

توربین­های گازی ماشین­های پیچیده­ و گران­قیمتی هستند که هزینه­های تعمیر خرابی­های پیش‌بینی‌نشده‌ی آن‌ها بالاست. حس‌گرهای سامانه­ی کنترلی توربین­های گازی به‌طور پیوسته داده­های زیادی را گزارش می­کنند که ثبت و جمع­آوری مقادیر آن‌ها، تشکیل داده­های حجیم را می­دهند. با داده­کاویِ داده­هایِ حجیمِ توربین گازی، می­توان عیب و خرابی توربین را قبل از رخداد پیش­بینی نمود. مجموعه­ی ماتریسِ داده­های تحقیق حاضر، حاصل ثبت و تجمیع مقادیر برخی از حس‌گرهای نصب‌شده بر روی توربین گاز فریم 9 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 مؤلفه‌های اصلی، ابعاد ماتریسِ داده، از هفت بُعد به چهار بُعد کاهش داده شد و ویژگی­های اصلی آن استخراج ­گردید. پس از یادگیریِ ماشین که بر روی 80% داده­ها انجام گرفت معیار دقت، میزان خطا و همگرایی مدل برای کاهش­های ابعادی مدل از دو تا شش بُعد بر روی 20% داده­ها مورد مطالعه قرار گرفت که در نهایت مشخص گردید علاوه بر اینکه مدل ساخته شده به‌خوبی از پس کاهش ابعاد ماتریس، استخراج ویژگی­ها با کمک تکنیک «تحلیل مؤلفه‌های 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 مؤلفه‌های اصلی» با تکنیک­ «شبکه مصنوعی عصبی» توانسته دقتی بیش از 90% و با دقت خوب و بیشترین میزان همگرایی ماتریس داده­ها را نمایش دهد و کلاس عیب توربین را مشخص نماید.
 
 

کلیدواژه‌ها

کلید واژه ­ها: توربین گاز؛ پایش وضعیت نیروگاه؛ تحلیل مؤلفه‌های اصلی؛ شبکه عصبی مصنوعی

مراجع