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

سال انتشار: 1393
محل انتشار: بیست و نهمین کنفرانس بین المللی برق
کد COI اختصاصی: PSC29_014
زبان مقاله: فارسی
تعداد مشاهده: 1527

دانلود فایل این مقاله

نویسندگان

سعید فلاح

کارشناس ارشد برق-کنترل شرکت مدیریت نیروگاه های گازی خراسان .مشهد مقدس، ایران

علی ربانی

کارشناس ارشد برق- کنترل شرکت مدیریت نیروگاه های گازی خراسان مشهد مقدس، ایران

ابوالفضل رکن رابعی

کارشناس ارشد برق- کنترل شرکت مدیریت پروژه های نیروگاهی ایران(مپنا) تهران، ایران

چکیده

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.

کلیدواژه ها

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

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.