توربین گاز

برای تولید برق می­توان تکنولوژی های مختلفی (توربین گاز، چرخه ترکیبی، آبی، بادی و ...) را مورد استفاده قرار داد. انتخاب ترکیب مناسب تکنولوژی برای تولید برق، تأثیر مستقیمی بر میزان سوخت مصرفی دارد. از میان مولدهای مختلف، انواع چرخه ترکیبی و گازی ساده، بیش از نیمی از انرژی برق کشور را تولید می کنند. مزیت اصلی مولدهای چرخه ترکیبی در مقایسه با مولدهای گازی ساده، راندمان بالاتر یا مصرف کمتر سوخت است. این مطالعه به مقایسه دو مولد فوق پرداخته و یافته های تحقیق نشان می دهد، در سطح قیمت های یارانه ای سوخت (پیش از اصلاح قیمت حامل های انرژی)، تبدیل نیروگاه های گازی به چرخه ترکیبی و یا احداث مولدهای تجدیدپذیر برای تولید برق، فاقد توجیه اقتصادی است. آستانه توجیه پذیری این جایگزینی، در شرایط بهره برداری بار میانی، سطح قیمت های 500 ریال برای هر متر مکعب و بالاتر بوده و هر چه قیمت از این سطح بالاتر می رود، تبدیل تعداد بیشتری از مولدهای گازی توجیه پذیر می شود. در سطح قیمت 1300 ریال برای هر متر مکعب، نسبت منافع به مخارج برای تبدیل اغلب مولدهای گازی به چرخه ترکیبی، بیش از 2 است. با این حال، از آنجایی که نسبت منافع به مخارج برای تبدیل برخی از مولدهای گازی ساده به چرخه ترکیبی کمتر از یک است، می توان نتیجه گرفت مولدهای چرخه ترکیبی نسبت به مولدهای گازی ساده برتری مطلق ندارند. با فرض تبدیل کلیه مولدهای گازی به چرخه ترکیبی، سالانه تقریباً معادل 5/3 میلیارد متر مکعب گاز طبیعی صرفه جویی خواهد شد که تقریباً معادل 7 درصد گاز مصرفی در بخش تولید برق و حدود 5/2 درصد کل گاز مصرفی کشور است.

توربین های گازی ماشین های پیچیده و گران قیمتی هستند که هزینه های تعمیر خرابی های پیش بینی نشده ی آن ها بالاست. حس گرهای سامانه ی کنترلی توربین های گازی به طور پیوسته داده های زیادی را گزارش می کنند که ثبت و جمع آوری مقادیر آن ها، تشکیل داده های حجیم را می دهند. با داده کاویِ داده هایِ حجیمِ توربین گازی، می توان عیب و خرابی توربین را قبل از رخداد پیش بینی نمود. مجموعه ی ماتریسِ داده های تحقیق حاضر، حاصل ثبت و تجمیع مقادیر برخی از حس گرهای نصب شده بر روی توربین گاز فریم 9 یکی از نیروگاه های کشور هست. در این پژوهش پس از نرمالیزه کردن داده های ماتریس، سطرهای ماتریس بر حسب سالم یا معیوب بودن برچسب گذاری شدند. سپس با بهره گیری از تکنیک مؤلفه های اصلی، ابعاد ماتریسِ داده، از هفت بُعد به چهار بُعد کاهش داده شد و ویژگی های اصلی آن استخراج گردید. پس از یادگیریِ ماشین که بر روی 80% داده ها انجام گرفت معیار دقت، میزان خطا و همگرایی مدل برای کاهش های ابعادی مدل از دو تا شش بُعد بر روی 20% داده ها مورد مطالعه قرار گرفت که در نهایت مشخص گردید علاوه بر اینکه مدل ساخته شده به خوبی از پس کاهش ابعاد ماتریس، استخراج ویژگی ها با کمک تکنیک «تحلیل مؤلفه های اصلی» برآمده همچنین توانسته با تکنیک «شبکه عصبی مصنوعی» وقوع عیب را شناسایی و همچنین کلاس عیب را تشخیص دهد. مدل ساخته شده با تلفیق تکنیک «تحلیل مؤلفه های اصلی» با تکنیک «شبکه مصنوعی عصبی» توانسته دقتی بیش از 90% و با دقت خوب و بیشترین میزان همگرایی ماتریس داده ها را نمایش دهد و کلاس عیب توربین را مشخص نماید.