تشخیص عیوب ژنراتور توربین بادی با تلفیق مدل سازی حرارتی و الگوریتم های یادگیری ماشین [پايان نامه فارسي]

یعقوب عندلیب قلعه جوقی

شناسگر رکورد: ۵۲۳۱۸
رشته تحصیلی: هوش مصنوعی و رباتیکز
عنوان: تشخیص عیوب ژنراتور توربین بادی با تلفیق مدل سازی حرارتی و الگوریتم های یادگیری ماشین
نويسنده: یعقوب عندلیب قلعه جوقی
استاد راهنما : دکتر معصومه آزادگان
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۴۰۴
چکیده: در این تحقیق، یک چارچوب نوین برای پایش وضعیت ژنراتور توربین بادی با استفاده از مدل سازی حرارتی دینامیکی و الگوریتم های یادگیری ماشین ارائه شده است. در گام نخست، یک مدل حرارتی سه گره ای شامل سیم پیچ، بدنه و سیستم خنک کاری طراحی و بر اساس داده های واقعی سیستم اسکادا و معادلات انتقال حرارت هدایتی، جابجایی و تابش در محیط پایتون پیاده سازی گردید. مدل توسعه یافته قادر است با خطای میانگین کم، دماهای اجزای داخلی ژنراتور را باز تولید نماید. در ادامه، از خروجی های مدل، ویژگی های حرارتی مهندسی شده شامل اختلاف دمای سیم پیچ و محیط، گرادیان حرارتی میان اجزا، نرخ تغییرات دما، و توان انتقال حرارت توسط آب خنک کننده استخراج شد. این ویژگی ها، همراه با داده های خام اسکادا و برچسب های وضعیت عملیاتی ژنراتور (نرمال، هشدار، خرابی)، به عنوان ورودی چندین الگوریتم یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، ایکس جی بوست، لایت جی بی ام و کت بوست مورد استفاده قرار گرفتند. نتایج نشان داد که مدل لایت جی بی ام بهینه سازی شده بهترین عملکرد را با دقت ۹۶.۸۲٪ و نمودار سطح زیر منحنی ROC برابر ۰.۹۹۷ ارائه می دهد. این چارچوب در مقایسه با رویکردهای صرفاً داده محور، علاوه بر دستیابی به دقت رقابتی، از مزایای تفسیرپذیری بالا، بهره گیری از دانش فیزیکی و امکان استقرار در سامانه های پایش بلادرنگ برخوردار است. دستاورد این تحقیق نشان می دهد که تلفیق مدل سازی فیزیکی و یادگیری ماشین می تواند به پایش پیش بینانه، شناسایی زودهنگام عیوب و بهینه سازی برنامه ریزی نگهداری در توربین های بادی کمک شایانی نماید.
واژگان کلیدی: پایش وضعیت، ژنراتور توربین بادی، مدل حرارتی دینامیکی، یادگیری ماشین، لایت جی بی ام
شماره ثبت جزء نسخه جلد بخش قسمت مرجع شماره بازیابی در دست امانت تاریخ بازگشت ملاحظات
284898 1
Copyright 2025 by Payam Hannan co ltd. PayamLib.com