علی غفاری - دانشیار دانشکده مهندسی مکانیک دانشکده مهندسی مکانیک، دانشگاه صنعت
سیدعلی اکبر موسویان - استادیار دانشکده مهندسی مکانیک دانشکده مهندسی مکانیک، دانشگاه صنع
مرتضی محمدظاهری - دانشجوی کارشناسی ارشد دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نص
دلیله مهرابی - دانشجوی کارشناسی ارشد دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نص

سیستمهای کنترلی نیروگاهی، حداقل به لحاظ تنظیم مجدد ضرایب کنترلرها، نیاز به اصلاح دوره ای دارند. بدین منظور و نیز برای آزمایش عملکرد انواع کنترلر ها روی زیر مجموعه های نیروگاه، نیاز به ارائه مدل دینامیکی کاملی از نیروگاه وجود دارد، که بتواند عملکرد نیروگاه را با دقت قابل قبولی شبیه سازی کرده و امکان آمایش کنترلرهای جدید را فبل از اعمال بر روی سیستم واقعی فراهم کند. از آنجا که روابط ترمودینامیکی از دقت و عمومیت کافی برخوردار نیستند، مدلسازی با روشهای مبتنی بر ازمایشات تجربی و داده های ورودی – خروجی برای نیروگاه بسیار مناسب به نظر میرسند. در این میان، به علت غیر خطی بودن ماهیت بعضی از اجزای نیروگاه، مدلسازی فازی عصبی که علاوه بر غیرخطی بودن توان مدلسازی خوبی هم دارد و امکان مشاهده تغییرات درون سیستم را نیز مهیا می کند، برای مدلسازی انتخاب شده است. در عین حال برای اصلاح ضرایب کنترلرهای خطی موجود به مدلهای خطی (و توابع تبدیل) هم احتیاج است. در این مقاله برای مدلسای خطی نیز با کمک شبکه عصبی روش ساده و موثری ارائه شده است، که برای سیستمهایی با رفتار غیر خطی ، تخمین مدل و مدلسازی خطی را حتی بهتر از روش حداقل کردن مربعات خطا انجام میدهد. مقایسه رفتار دینامیکی این مدلها با سیستم واقعی، در نیروگاه شازند اراک، بیانگر صحت و دقت انطباق عملکردآنها می باشد.

نیروگاه بخار ، مدلسازی ، شبکه فازی عصبی ، شبکه عصبی مصنوعی