شبیهسازی توربوکمپرسور ایستگاه افزایش فشار گاز طبیعی به کمک شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک

در این مقاله از روش شبکههای عصبی مصنوعی برای مدلسازی یک توربوکمپرسور آلستوم-زیمنس استفاده شدهاست. پس ازتعیین پارامترهای ورودی و خروجی، 205 دسته دادهای که در طول یکسال جمعآوری گردید برای مدلسازی استفاده شد. این دادهها بهسه دسته آموزش، تعیین اعتبار و آزمایش تقسیم شدند و ساختارهای مختلف از لحاظ تعداد لایهها و تعداد نرونها در هر لایه مخفی با روش لونبرگ مارکوارت آموزش دیده و بر اساسMSEبا هم مقایسه گردیدند و ساختار با چهار نرون در لایه مخفی اول و شش نرون در لایه دوم به عنوان ساختار مناسب انتخاب گردید. در مرحله بعد با استفاده از الگوریتم ژنتیک مقادیر وزنها و بایاسهای ساختارشبکهعصبی مصنوعی بهینه گردید. در این قسمت دادهها به سه دسته آموزشدیده، کمترآموزشدیده و آزمایش تقسیم گردیدند. برای الگوریتم ژنتیک تابع هدف بصورت ترکیبی از خطاهای پارامترهای خروجی و جریمه تعریف گردید. در نهایت پس از 150 نسل تابع هدف از مقدار 135128 به 5225 کاهش یافت، پس از مراحل فوق مدلی بهینه از توربوکمپرسور ارائه گردید که میتواند در ارزیابی عملکرد درطول فرآیندهای مختلف و تغییرات هرکدام از پارامترهای موثر وروردی استفاده شود..

کلیدواژه ها:

الگوریتم ژنتیک ، توربوکمپرسور ، شبکههای عصبی مصنوعی ، گاز طبیعی