تشخيص، شناسايي و جداسازي عيب توربين گاز پالايشگاه دوم پارس جنوبي با استفاده از روش‌هاي تركيبي داده‌كاوي، k-means، تحليل مؤلفه‌هاي اصلي (PCA) و ماشين بردار پشتيبان (SVM)

Fault Detection, Identification and Isolation of South Pars Gas Turbine Using a Combined Method Based on the Data Mining Techniques, k-means, PCA and SVM

در اين مقاله، به تشخيص، شناسايي و جداسازي عيب توربين گاز پرداخته شده است. در ابتدا، با استفاده از الگوريتم k-means، به كاهش بعد داده‌هاي اوليه پرداخته شده و سپس با پياده‌سازي تحليل مؤلفه‌هاي اصلي (PCA)، دانشي كه درون داده‌هاي شرايط عملياتي نرمال توربين پنهان بوده استخراج و با استفاده از آن به تشخيص و شناسايي عيب توربين گاز پرداخته شده است. در مرحله بعد، با به‌كارگيري ابزار ماشين بردار پشتيبان (SVM)، جداسازي عيب توربين گاز انجام شده است. استفاده تركيبي از فنون داده‌كاوي و بهره‌گيري از نقاط قوت فنون به‌كاربرده‌شده، از نكات بارز اين مقاله است. سامانه‌هاي مورد مطالعه، توربين گاز مدل MS6001 از شركت جنرال الكتريك و توربين گاز مدل MS5002C از شركت Nuovo Pignone، به‌ترتيب در واحد نيروگاه و ايستگاه تقويت فشار و صادرات گاز پالايشگاه دوم پارس جنوبي بوده و با توجه به دانش علمي و تجربي، سيگنال‌هاي مهم انتخاب و تجهيزات لازم جهت ثبت آنان توسط نويسندگان روي توربين‌هاي گاز به‌صورت عملي پياده‌سازي و آزمايش شده و نتايج روش پيشنهادي، در اين مقاله آورده شده است.

In this paper, fault detection, identification and isolation of gas turbines has been investigated. At first, by using k-means algorithm, dimension of primary data is reduced and then with the implementation of principal component analysis (PCA), the knowledge hidden in the data of normal operating conditions of gas turbine, is extracted and faults in the gas turbine have been detected. Then, in the next step, by applying support vector machine (SVM), the detected faults are isolated. Using the combination of data mining techniques and utilizing strong points of these techniques are highlighted points of this paper. Two real systems, GE gas turbine MS6001 and Nuovo Pignone Gas turbine MS5002C, which are located in power generation unit and gas station in second refinery of south Pars are considered. Based on scientific and empirical knowledge, signals are selected and required devices for recording them is implemented on gas turbines by authors. The results of the proposed method are included in the paper