تشخیص، شناسایی و جداسازی عیب توربین گاز پالایشگاه دوم پارس جنوبی با استفاده از روش های ترکیبی داده کاوی، k-means، تحلیل مؤلفه های اصلی (pca) و ماشین بردار پشتیبان (svm)
نویسندگان
چکیده
در این مقاله، به تشخیص، شناسایی و جداسازی عیب توربین گاز پرداخته شده است. در ابتدا، با استفاده از الگوریتم k-means، به کاهش بعد داده های اولیه پرداخته شده و سپس با پیاده سازی تحلیل مؤلفه های اصلی (pca)، دانشی که درون داده های شرایط عملیاتی نرمال توربین پنهان بوده استخراج و با استفاده از آن به تشخیص و شناسایی عیب توربین گاز پرداخته شده است. در مرحله بعد، با به کارگیری ابزار ماشین بردار پشتیبان (svm)، جداسازی عیب توربین گاز انجام شده است. استفاده ترکیبی از فنون داده کاوی و بهره گیری از نقاط قوت فنون به کاربرده شده، از نکات بارز این مقاله است. سامانه های مورد مطالعه، توربین گاز مدل ms6001 از شرکت جنرال الکتریک و توربین گاز مدل ms5002c از شرکت nuovo pignone، به ترتیب در واحد نیروگاه و ایستگاه تقویت فشار و صادرات گاز پالایشگاه دوم پارس جنوبی بوده و با توجه به دانش علمی و تجربی، سیگنال های مهم انتخاب و تجهیزات لازم جهت ثبت آنان توسط نویسندگان روی توربین های گاز به صورت عملی پیاده سازی و آزمایش شده و نتایج روش پیشنهادی، در این مقاله آورده شده است.
منابع مشابه
تشخیص، شناسایی و جداسازی عیب توربین گاز پالایشگاه دوم پارس جنوبی با استفاده از روشهای ترکیبی دادهکاوی، k-means، تحلیل مؤلفههای اصلی (PCA) و ماشین بردار پشتیبان (SVM)
در این مقاله، به تشخیص، شناسایی و جداسازی عیب توربین گاز پرداخته شده است. در ابتدا، با استفاده از الگوریتم k-means، به کاهش بعد دادههای اولیه پرداخته شده و سپس با پیادهسازی تحلیل مؤلفههای اصلی (PCA)، دانشی که درون دادههای شرایط عملیاتی نرمال توربین پنهان بوده استخراج و با استفاده از آن به تشخیص و شناسایی عیب توربین گاز پرداخته شده است. در مرحله بعد، با بهکارگیری ابزار ماشین بردار پشتیبان (...
متن کاملپیشبینی ماهانه جریان با استفاده از ماشین بردار پشتیبان بر مبنای آنالیز مؤلفه اصلی
هدف اصلی این تحقیق بررسی تأثیر انتخاب متغیرهای ورودی با استفاده از آنالیز مؤلفه اصلی (PCA) بر عملکرد مدل ماشین بردار پشتیبان (SVM) برای پیشبینی ماهانه دبی رودخانه بود. به این منظور ابتدا با استفاده از 18 متغیر ورودی به مدل SVM، دبی جریان ماهانه پیشبینی شد. سپس با استفاده از PCA تعداد متغیرهای ورودی به مدل SVM از 18 متغیر به 5 مؤلفه کاهش یافت. در نهایت با استفاده از آماره توسعه یافته توسط نویس...
متن کاملبرآورد تبخیر- تعرق مرجع روزانه با استفاده از روش های داده کاوی رگرسیون بردار پشتیبان و مدل درختی M5
Evapotranspiration is one of the most important components of the hydrological circle and its proper determination is highly important in most researches such as water hydrological balance, design and management of irrigation systems, simulation of crop production and design and management of water resources. Nonlinear characteristic, uncertainty and needing for different climatological data in...
متن کاملشناسایی ربات های وب با استفاده از ترکیب رویکردهای مبتنی بر ماشین های بردار پشتیبان فازی
This article has no abstract.
متن کاملارزیابی وپتانسیل سنجی خطروقوع سیل درشهرجناح با استفاده از الگوریتم ماشین پشتیبان بردار (SVM)
یکی از انواع فرآیند های دامنه ای که هر ساله موجب خسارت جانی و مالی فراوان در بسیاری از نقاط ایران و جهان می شود وقوع سیل است. شناسایی مناطق مستعد وقوع سیل از طریق پهنه بندی خطر، یکی از اقدامات موثر و ضروری در کاهش خطرات احتمالی و مدیریت آن می باشد. هدف اصلی این پژوهش، ارزیابی وقوع سیل در شهر جناح با استفاده از مدل ماشین بردار پشتیبان می باشد. در ابتدا نقشه DEM محدوده مورد مطالع...
متن کاملمدلسازی، شبیهسازی و تشخیص عیب گام پره توربینهای بادی مجهز به ژنراتور سنکرون مغناطیس دائم با روش ماشین بردار پشتیبان
در این مقاله، تأثیر عیب گام پره بر توربین باد مدلسازی و شبیهسازی شده و روش تشخیص این عیب مبتنی بر الگوریتم ماشین بردار پشتیبان بر اساس سیگنالهای الکتریکی و مکانیکی بررسی شده است. مدل دینامیکی ژنراتور سنکرون آهنربا دائم و توربین باد در محیطی متشکل از سیمولینک، فست و توربسیم تحت دو شرایط کاری سالم و نامیزانی آیرودینامیکی با تنظیم گام یک پره متفاوت از سایر پرهها، شبیهسازی شده است. نتایج در حو...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مهندسی برق دانشگاه تبریزجلد ۴۷، شماره ۲، صفحات ۵۰۱-۵۱۵
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023