ارزیابی و پیش بینی هوشمند ریسک های خرابی جداره دیفیوزر توربین گازی زیمنس با تلفیق روش FMEA و الگوریتم های یادگیری ماشین

توربین های گازی به عنوان یکی از مهم ترین تجهیزات تولید انرژی در صنایع نیروگاهی، نفت، گاز و پتروشیمی نقش اساسی در تامین توان و پایداری فرآیندهای صنعتی ایفا می کنند. در این میان، دیفیوزر گاز به عنوان یکی از اجزای کلیدی مسیر جریان تحت تاثیر شرایط سخت بهره برداری شامل دماهای بالا، تنش های حرارتی، ارتعاشات مکانیکی و نوسانات فشار قرار داشته و خرابی آن می تواند موجب کاهش راندمان، افزایش هزینه های تعمیرات و توقف های ناخواسته واحد شود. هدف این پژوهش ارزیابی و پیش بینی هوشمند ریسک های خرابی جداره دیفیوزر توربین گازی زیمنس با تلفیق روش تحلیل حالات شکست و آثار آن و الگوریتم های یادگیری ماشین است. در این تحقیق ابتدا مهم ترین حالات خرابی شامل ترک، حرارتی، خستگی مکانیکی، فرسایش، خوردگی و تغییر شکل ساختاری شناسایی و بر اساس شاخص های شدت، اثر، احتمال وقوع و قابلیت کشف عدد اولویت ریسک برای هر حالت خرابی محاسبه شد. با بهره گیری از داده های بهره برداری، سوابق تعمیراتی و پارامترهای عملکردی توربین، مدل های یادگیری ماشین برای پیش بینی سطح ریسک و احتمال وقوع خرابی توسعه یافتند. نتایج نشان داد تلفیق روش تحلیل حالات شکست و آثار آن با الگوریتم های هوشمند دقت شناسایی خرابی های بحرانی را افزایش داده و امکان پیش بینی وقوع خرابی پیش از بروز آسیب های جدی را فراهم می سازد. همچنین مدل پیشنهادی توانست ریسک خرابی های بحرانی دیفیوزر را با دقت قابل قبولی طبقه بندی کرده و به عنوان ابزاری موثر در استقرار نگهداری و تعمیرات پیشگویانه و افزایش قابلیت اطمینان توربین های گازی مورد استفاده قرار گیرد. یافته های این پژوهش می تواند در بهبود تصمیم گیری های مدیریتی، کاهش هزینه های تعمیرات و افزایش بهره وری تجهیزات نیروگاهی نقش موثری ایفا نماید.

کلیدواژه ها:

توربین گازی زیمنس ، دیفیوزر ، گاز ، تحلیل حالات شکست و آثار آن ، یادگیری ماشین ، ارزیابی ریسک