ارائه يك سيستم تصميم يار جهت پيش بيني خاموشي اضطراري نيروگاه هاي برق آبي با استفاده از استخراج قوانين انجمني مطالعه موردي: نيروگاه برق آبي مارون بهبهان

A decision support system for predicting the Emergency Shutdown of the power plants by using association rule mining. case study in Maroon power plant-Behbahan

حسگرها وضعيت بخش هاي مختلف نيروگاه برق آبي را رصد كرده و ابزارهاي كنترلي دستورات لازم را جهت فعاليت نيروگاه صادر مي­ كنند. همچنين كارشناسان براساس مقدار اعدادي كه حسگرها و دماسنج ها نشان مي­دهند و براساس شرايط محيطي نيروگاه و تجربه در شرايط خاص تصميم­هاي لازم را جهت خاموشي اضطراري نيروگاه اتخاذ مي ­كنند. در يك نيروگاه برق آبي عوامل متعددي مانند: تعميرات­، علائم هشدار در حسگرها، آسيب هاي فيزيكي تجهيزات و يا ارتفاع آب در پشت سد، ممكن است توليد برق را متوقف سازد. لذا تشخيص زمان مناسب فعاليت يا عدم فعاليت نيروگاه با توجه به داده هاي حسگرها بسيار حياتي است. هر چند سيستمهاي كنترلي موجود به نحو مطلوبي شرايط را بررسي مي كنند ولي بعلل مختلف مانند خطاي انساني يا خطاي تجهيزات ممكن است تصميم به ادامه كار يا خاموشي اضطراري با خطا همراه باشد. در اين مقاله با استفاده از تكنيك­ هاي داده كاوي يك سيستم تصميم ­يار طراحي شده است كه روابط معنادار بين ويژگي هايي كه حسگرها همه روزه در نيروگاه برق آبي آرشيو مي­ كنند را مي ­يابد. اين روابط مانند قوانين استنتاج مي­توانند در تصميم گيري دقيق و سريع كارشناسان كمك شاياني نموده و از آسيب به تجهيزات در تصميمات اشتباه يا ديرهنگام جلوگيري نمايد. نتايج بدست آمده از تحليل داده هاي سالهاي 92 الي 94 نيروگاه برق آبي مارون 41 قانون براي تصميم گيري سريع بدست آمده است كه با بررسي هاي به عمل آمده توسط متخصصان فني اين نيروگاه 4 قانون آن جديد و سودمند ارزيابي شده است.

Sensors monitor the status of various parts of hydroelectric power station and control instruments issued instructions to operate the power plant.The experts based on the amount of numbers for which sensors and thermometers are fitted and shown, and also based on environmental conditions of the plant, and experience, make a decision for emergency power shutting down. In a hydroelectric power plant several factors such as: loaders, maintenance, signs warning sensors, physical damage to equipment or the height of the water behind the dam, may be stop the generation of the electricity.So appropriate activity or inactivity time detection of power plant according to the sensors is vital. Although the existing control systems to check the syntax of the favorable conditions but different ball fitted such as human error or equipment error may decide to continue with the emergency shutdown error or work together.In this article, using data mining techniques for a system that is designed to be fitted decision sweetheart meaningful relationships between data that sensors in all hydroelectric power plant can archive . These relationships can deduce laws such as fitted in a quick and accurate decision making experts are extremely helpful and damage to equipment in the wrong decisions or prevent late. data set is gotten from Maroon power plant-Behbahan from years 92 to 94. we extract 41 rules by association rule mining that experts have been recognized 4 of them are new knowledge.