10028

بررسي روش‌هاي پيشرفته مبتني بر يادگيري ماشين براي پيش‌بيني خطا و خرابي در بحث مديريت دارايي سيستم‌هاي انرژي

دكتر ميثم فرج الهي

از آنجا كه موضوع وقوع خطا و خرابي يك جزء اجتناب‌ناپذير در تمامي سيستم‌ها مي‌باشد و حتي بهترين نوع سيستم‌ها هم ممكن است گاهي دچار نقص شوند، از كار بيفتند و در بعضي موارد هم امكان دارد كه بهينه عمل نكنند، لذا لازم است فكري براي اين موضوع شود. در اين گزارش و پژوهش نشان داده مي‌شود كه اگر خطاها و عيب‌هاي سيستم بموقع و دقيق شناسايي نشوند، مي‌توانند آثار مالي،جاني، زيست‌محيطي و ... بسيار زيادي داشته باشند. بنابراين پيش‌بيني،تشخيص و شناسايي عيب قبل از اينكه منجر به خرابي سيستم شود، امري بسيار حياتي است. به همين خاطر با بررسي انواع روش‌هاي پيش‌بيني و تشخيص خطا و خرابي بدنبال يافتن بهتربن و كارآمدترين روش براي اين منظور هستيم. نتايج تحقيقات اين پژوهش نشان مي‌دهد كه روش‌هاي مبتني بر داده و بخصوص مبتي بر هوش مصنوعي كه زير مجموعه‌اي از آن است، بدليل اين كه نيازي به دانش پيشين و يك مدل تحليلي دقيق ندارند و فقط با در اختيار داشتن داده‌هاي مناسب و شناخت كلي سيستم قابليت استفاده بسيار خوبي را دارند، بسيار مورد توجه قرار گرفته‌اند. همچنين امروزه به دليل توليد داده‌هاي بسيار زياد در زمينه انرژي توسط شركت‌ها و ارگان‌هاي مرتبط با انرژي و همچنين داده‌هاي بسيار زياد حاصله از طريق سنسورهاي هوشمند كه نتيجه ورود اينترنت اشيا به سيستم‌هاي انرژي مي‌باشد، مشكل موجود نبودن و در اختيار نبودن داده‌ها تقريبا حل شده است، كه اين موضوع نيز مي‌تواند علاقه و توجهات بيشتري را به اين سمت و سو بدنبال داشته باشد. بنابراين كاربردها و الگوريتم‌هاي جديدترين و كاربردي‌ترين مدل‌هاي مبتني بر داده و هوش مصنوعي كه يادگيري ماشين و يادگيري عميق نام دارند، در اين گزارش بررسي مي‌شود. بطوركلي از اين سمينار مي‌توان نتيجه گرفت كه استفاده از اين الگوريتم‌هاي جديد و كارآمد بمنظور پيش‌بيني و تشخيص خطا چه ميزان مي‌تواند مفيد و كارآمد باشد و سرعت و دقت پيش‌بيني و تشخيص عيب را افزايش و همچنين خطاهاي كمتري را نسبت به روش‌هاي قديمي‌تر ارائه بدهد. در نهايت تمام اين ويژگي‌هاي مثبت منجر به كاهش زمان خاموشي، كاهش انرژي توزيع نشده، بهينه‌شدن اقدامات بخش نگهداري و تعميرات (نت) ، افزايش قابليت اطمينان و بطور كلي مديريت بهتر داريي در سيستم‌هاي انرژي مي‌شود.

11/2/2021 12:00:00 AM

72924

1400/08/22

Investigation of advanced methods based on machine learning for fault and failure prediction in the discussion of asset management of energy systems

يادگيري ماشين , تشخيص و شناسايي خطا , پيش‌بيني خطا , مديريت دارايي , روش‌هاي مبتني بر داده

machine learning , fault detection and diagnosis , fault prediction , Asset Management , Data driven-based methods