Accueil > VALORISATION > Rеvuе des Enеrgies Renouvеlablеs > Numéros Spéciaux > ICESD’2011 > Contribution à la surveillance des systèmes de production de l’énergie : application à une turbine à vapeur de la centrale thermique de Cap - Djinet

Contribution à la surveillance des systèmes de production de l’énergie : application à une turbine à vapeur de la centrale thermique de Cap - Djinet

S. Benammar 1, A. Khellaf 3, K. Mohammedi 1 and A. Abdelmoumene 2

1 Laboratoire Energétique - Mécanique et Ingénieries, LEMI
2 Institut de Génie Electrique et Electronique, INELEC
Université M’Hamed Bouguera, Boumerdes, Algeria.
3 Division Hydrogène, Centre de Développement des Energies Renouvelables, CDER, B.P. 62, Route de l’Observatoire, Bouzareah, 16340, Algiers, Algeria.

Résumé

Le présent travail a pour but de montrer l’utilisation des réseaux de neurones artificiels de type PMC (perceptron multicouches) dans le domaine de la surveillance des systèmes de production de l’énergie, en temps réel. Cette étude est décomposée en deux parties principales : dans la première partie, nous avons proposé des configurations neuronales optimales pour la détection et la localisation des défaillances (FDI) dans les turbines à vapeur. Les entrées du réseau sont les valeurs numériques obtenues à partir des capteurs de surveillance placés dans différents points de la turbine à vapeur, les sorties du réseau représentent le mode de fonctionnement et les points défaillants de la turbine dans le cas d’une anomalie. Dans la deuxième partie, nous avons proposé une approche simple, pour le développement d’un système de diagnostic, basée sur la combinaison entre les méthodes déterministes des arbres de défaillances et la méthode des réseaux de neurones artificiels. Dans ce cas, le réseau de neurone possède deux types de données, des données fixes obtenues à partir des arbres de défaillances et des données variables obtenues à partir des capteurs de surveillance pour sélectionner, à la sortie du réseau, la cause probable d’une défaillance.

Keywords

Diagnostic - Réseaux de neurones artificiels - Détection – Défaillance - Systèmes industriels complexes - Turbines à vapeur.

Contribution à la surveillance des systèmes de production de l’énergie : application à une turbine à vapeur de la centrale thermique de Cap - Djinet
Texte intégral

Dans la même rubrique