مرکز پایش وضعیت هوشمند نیروگاهی

(IPCM CENTER) Intelligent Power plant Condition Monitoring

به منظور مدیریت مؤثر و تصمیم‌گیری به‌هنگام در مدیریت تجهیزات نیروگاه‌های تولید توان، شرکت گسترش انرژی پاسارگاد با همکاری شرکت تولید انرژی برق شمس پاسارگاد (زیرمجموعه گروه گسترش انرژی پاسارگاد) با راه‌اندازی IPCM CENTER (مرکز پایش وضعیت هوشمند نیروگاهی)، اهداف زیر را دنبال می‌کند:

جمع آوري، ذخیره و تحلیل داده ها به صورت برخط:
دسترسی به داده هاي دقیق و به روز براي ارتقاء کیفی سطح تصمیم گیري.


مشاهده روابط و روند اطلاعات و بررسی هشدارهاي لازم:
نظارت مستمر بر داده ها و بررسی هشدارهاي مناسب براي کاهش ریسک هاي عملیاتی.


تصمیم گیري سریع و به هنگام :
تضمین کارایی و بهره وري و کاهش خاموشی هاي پیش بینی نشده تجهیزات نیروگاهی


اطمینان از دستیابی به شاخص هاي عملکردي:
ارزیابی و بهبود مستمر عملکرد به منظور رسیدن به اهداف تعریف شده در تولید و ارائه توان


افزایش قابلیت اطمینان و پایداري تولید توان:
افزایش قابلیت اطمینان نیروگاه و کاهش احتمال خرابی هاي غیرمنتظره تجهیزات


پیشگیري از خرابی ها و کاهش زمان توقف تولید:.
افزایش مستمر ارزش و بهره وري دارایی هاي موجود



این اقدامات موجب بهره برداري بهینه تر و کاهش ریسک هاي عملیاتی می شود، و به شرکت کمک می کند تا به اهداف توسعه اي خود با کارایی و اثربخشی بیشتري دست یابد.


پایش وضعیت آنلاین تجهیزات دوار در نیروگاه هاي تولید توان، به ویژه توربین ها، یکی از مهم ترین بخش هاي مدیریت و نگهداري این تجهیزات است. که در این راستا، بهره گیري از فن آوري هاي پیشرفته به ویژه هوش مصنوعی ضروري است. در این راستا، با نصب و انتخاب حسگرهاي مناسب و و ایجاد شبکه هاي انتقال و ارتباطی، داده ها به صورت برخط جمع آوري و سپس تحلیل می شوند.

مزایای این اقدامات شامل:

کاهش ناترازی با اقدامات پیشگیرانه و بهینه سازی عملکرد:
جلوگیري از بروز عدم تعادل بین تولید و مصرف انرژي با حفظ پایداری عملکرد تجهیزات

بهینه سازي مصرف انرژي و عملکرد تجهیزات:
بهبود میزان تولید سالانه توانر

افزایش طول عمر تجهیزات:
کاهش نیاز به تعمیرات مکرر و افزایش بهره وری.

کاهش هزینه هاي نگهداری و تعمیرات:
تعمیرات به موقع و با هزینه کمتر

افزایش قابلیت پیش بینی و کاهش خرابی ها:
افزایش کارایی و کاهش هزینه های عملیاتی.

ارزش های سازمانی توسعه IPCM:

پیشرو بودن در فن آوری های نوظهور:
دستیابی به سطوح پیشرفته فن آوری های هوش مصنوعی

تحول دیجیتال در راستای کمک به کاهش ناترازی:

 دیجیتال سازی و تحول دیجیتال

قابلیت هاي این مرکز در سه بخش زیر بیان می شود:

مانیتورینگ آنلاین داده هاي عملکردي و ارتعاشی توربین:
این سیستم امکان نظارت و مقایسه عملکرد توربین ها، ژنراتورها و سایر تجهیزات کلیدي نیروگاه با حالت سالم آن ها را به صورت آنلاین فراهم می آورد. در صورتی که عملکرد هرکدام از تجهیزات از مقادیر بهینه تعیین شده انحراف داشته باشد، سیستم هشدارهاي لازم را براي جلوگیري از خرابی هاي احتمالی یا کاهش کارایی صادر می کند.

تحلیل هاي پیش بینی و بهینه سازي عملکرد:
سیستم به طور دقیق به تحلیل و پیش بینی وضعیت تجهیزات و عملکرد نیروگاه می پردازد، به ویژه براي شبیه سازي شرایط خرابی و پیش بینی نیازهاي تعمیراتی و نگهداري. همچنین از الگوریتم هاي هوش مصنوعی براي بهینه سازي تولید انرژي و مدیریت سوخت به منظور کاهش هزینه ها و افزایش بهره وري استفاده می شود.

اتخاذ تصمیمات سریع و به موقع بر اساس داده های لحظه ای:
با فراهم کردن دسترسی سریع و یکپارچه به داده هاي مرتبط با عملکرد نیروگاه، سیستم به مدیران و کارشناسان این امکان را می دهد که تصمیمات استراتژیک و عملیاتی را به طور مؤثر و در زمان مناسب اتخاذ کنند. این ویژگی به کاهش زمان توقف ها و ارتقای کارایی کلی نیروگاه کمک می کند.

برنامه های زیر در مرکز IPCM در حال توسعه می باشد:

به‌کارگیری هوش مصنوعی و یادگیری ماشین برای پیش‌بینی خرابی‌ها:
با استفاده از الگوریتم‌های یادگیری ماشین و تحلیل داده‌های گذشته، می‌توان به پیش‌بینی دقیق‌تر خرابی‌ها، ناهنجاری‌ها و حتی نیازهای نگهداری پیشگیرانه دست یافت. این سیستم‌ها می‌توانند بر اساس داده‌های گذشته، روندهای غیرعادی را شبیه‌سازی کرده و هشدارهای به‌موقع ارسال کنند.




مدیریت انرژی و بهینه‌سازی مصرف سوخت با الگوریتم‌های هوشمند:
از الگوریتم‌های هوش مصنوعی می‌توان برای بهینه‌سازی مصرف و تولید انرژی استفاده کرد تا بهره‌وری نیروگاه‌ها بیشتر شود و هزینه‌های عملیاتی کاهش یابد.




ایجاد داشبوردهای تحلیلی برای تصمیم‌گیری به‌موقع:
: برای مدیران و اپراتورها، داشتن داشبوردهای تحلیلی بصری که اطلاعات و وضعیت نیروگاه را به‌صورت یکپارچه نمایش دهند، بسیار مفید است. این داشبوردها می‌توانند اطلاعاتی مانند عملکرد تجهیزات، پیش‌بینی خرابی‌ها، روند تولید انرژی و وضعیت ایمنی را به‌طور جامع نمایش دهند.




افزایش امنیت سایبری:
برای محافظت از داده‌ها و سیستم‌های هوشمند نیروگاه، باید از سیستم‌های امنیت سایبری پیشرفته استفاده کرد. این سیستم‌ها می‌توانند از حملات سایبری جلوگیری کرده و از دسترسی غیرمجاز به اطلاعات حساس نیروگاه‌ها جلوگیری کنند. 




تحلیل داده‌های بزرگ (Big Data Analytics) برای بهینه‌سازی عملکرد:
با جمع‌آوری و تحلیل حجم زیادی از داده‌های عملکردی و ارتعاشی تجهیزات نیروگاه، می‌توان الگوهای بهینه‌سازی جدیدی پیدا کرده و بهبودهایی در مصرف انرژی، زمان‌های توقف و راندمان کلی نیروگاه ایجاد کرد. همچنین تحلیل‌های داده‌های بزرگ به شناسایی نقاط ضعف و افزایش کارایی کمک خواهد کرد.




The following programs are being developed at the IPCM center:

Utilizing Artificial Intelligence and Machine Learning for Failure Prediction: By using machine learning algorithms and analyzing past data, it is possible to achieve more accurate predictions of failures, anomalies, and even preventive maintenance needs. These systems can simulate abnormal trends based on past data and send timely alerts.

Energy Management and Fuel Consumption Optimization with Intelligent Algorithms: AI algorithms can be used to optimize energy consumption and production, increasing power plant efficiency and reducing operational costs.

Creating Analytical Dashboards for Timely Decision-Making: For managers and operators, having visual analytical dashboards that display integrated information and power plant status is very useful. These dashboards can comprehensively display information such as equipment performance, failure predictions, energy production trends, and safety status.

Enhancing Cybersecurity: Advanced cybersecurity systems must be used to protect data and intelligent power plant systems. These systems can prevent cyber-attacks and unauthorized access to sensitive information.

Big Data Analytics for Performance Optimization: By collecting and analyzing a large amount of operational and equipment vibration data, new optimization patterns can be discovered, leading to improvements in energy consumption, downtime, and overall plant efficiency. Additionally, big data analytics helps identify weaknesses and enhance efficiency.