نموذج تنبؤ معزز قائم على XGBoost للتعامل مع معلمات الإدخال المفقودة: دراسة حالة على التوربين الغازي

تعمل هذه الدراسة على تطوير وتقييم نموذج XGBoost لتحليل الأداء التنبؤي للتوربينات الغازية بشكل موسع. الهدف هو بناء نموذج تنبؤ قوي من خلال الاستفادة من البيانات التشغيلية السابقة، مثل المتغيرات البيئية والمعلمات التشغيلية. تتناول هذه الدراسة بناء نموذج تنبؤ باستخدام خوارزمية XGBoost، وهي نهج تعلم جماعي معروف بقدرته على التعامل مع مجموعات البيانات الكبيرة وإنتاج تنبؤات قوية. تم بناء النموذج لتوقع ناتج عائد الطاقة (EY) للتوربين الغازي، وتحسين كفاءة إنتاج الطاقة، وتحسين جداول الصيانة، وتمكين اتخاذ القرارات التشغيلية داخل محطة الطاقة. يتم تقييم أداء نموذج XGBoost بعناية باستخدام مقاييس تقييم فعالة مثل RMSE وMSE وMAE وR2 وأساليب التحقق، مما يوفر رؤى حول دقته وموثوقيته وقابليته للتعميم. الميزة الأكثر بروزًا لنموذج XGBoost التنبؤي المعزز هي قدرته على توسيع مهاراته في التنبؤ بسلاسة لتوقع EY من خلال تطبيق البيانات المكتسبة من توقع العوامل الإيجابية والسلبية. ومن الجدير بالذكر أن النموذج أظهر مرونة من خلال ملء القيم المفقودة في مجموعة البيانات باستخدام توقعات ضغط تصريف الضواغط (CDP) ودرجة حرارة المخرج (OT). يهدف الإطار المقترح إلى توضيح التطبيق العملي لتحليلات التنبؤ في صناعة الطاقة المستدامة/ النفط والغاز لتوفير رؤى مهمة حول المتغيرات التي تؤثر على الناتج الطاقي وثراءها المحتمل في تعزيز الكفاءة التشغيلية وفعالية التكلفة في توليد الطاقة. تؤسس هذه الدراسة الإطار للتكامل في الوقت الحقيقي مع نموذج XGBoost المتطور مع أنظمة التحكم في التوربينات الغازية.