بکارگیری روش شبکه های عصبی مصنوعی برای کنترل،عیب یابی و صحه گذاری سنسورهای اندازه گیری ( مطالعه موردی در نیروگاه چابهار)

با افزایش پیچیدگی و پیشرفت سیستم های کنترلی و استفاده توربین گاز در محیط های پرکاربرد و حساس، نیاز به سیستم های کنترلی دقیق و قابل اعتماد می باشد. همچنین عیب یابی و صحه گذاری بر سنسورهای اندازه گیری به کار رفته در سیستم های کنترلی امری ضروری است. یک شبکه عصبی مصنوعی ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد. از همین رو در این مطالعه برای کنترل (مونیتورینگ)، عیب یابی و صحه گذاری سنسورهای اندازه گیری نیروگاه گازی چابهار که از نوع آنسالدو، ساخت شرکت مدیریت پروژه های نیروگاهی ایران (مپنا) می باشد از شبکه های مصنوعی عصبی استفاده شده است. بدین منظور درحدود چندین هزار داده حاصل از قرائت منظم 29 سنسور اصلی مربوط به توربین گاز جمع آوری شده و سپس این اعداد نرمال سازی گردیده اند و در نرم افزار MATLAB فراخوانی شده اند. برای اعتبارسنجی شبکه عصبی از روش Squared Error Mean استفاده شده است. نتایج نشان می دهد که حداقل خطا مربوط به سیستم سوخت رسانی با خطای4e-39059/6 می باشد و حداکثر خطا مربوط به سیستم چمبرهای احتراق با خطای 1-e 99925/9 است. همچنین برای کنترل و مونیتورینگ، نتایج نشان دهنده حداقل خطای 6 e 9089/6 مربوط به کنترل ولو سوخت و حداکثر خطای 0045659/0 مربوط به کنترل لرزش چمبرهای احتراق می باشد. همچنین در مورد عیب یابی که در زیر سیستم های اصلی توربین گاز به کار گرفته شده است نتایج حدود 92% صحت عملکرد بکارگیری این روش را نتیجه می دهد.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، کنترل ، مونیتورینگ ، عیب یابی ، صحه گذاری ، سنسورهای اندازه گیری ، توربین گاز