@ARTICLE{Parvinnia, author = {Parvinnia, Elham and fardad, khosro and }, title = {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}, volume = {7}, number = {1}, abstract ={حسگرها وضعیت بخشهای مختلف نیروگاه برق آبی را رصد کرده و ابزارهای کنترلی دستورات لازم را جهت فعالیت نیروگاه صادر می­کنند. همچنین کارشناسان براساس مقدار اعدادی که حسگرها و دماسنج ها نشان می­دهند و براساس شرایط محیطی نیروگاه و تجربه در شرایط خاص تصمیم­های لازم را جهت خاموشی اضطراری نیروگاه اتخاذ می­کنند. در یک نیروگاه برق آبی عوامل متعددی مانند: تعمیرات­، علائم هشدار در حسگرها، آسیب های فیزیکی تجهیزات و یا ارتفاع آب در پشت سد، ممکن است تولید برق را متوقف سازد. لذا تشخیص زمان مناسب فعالیت یا عدم فعالیت نیروگاه با توجه به داده های حسگرها بسیار حیاتی است. هر چند سیستمهای کنترلی موجود به نحو مطلوبی شرایط را بررسی می­کنند ولی بعلل مختلف مانند خطای انسانی یا خطای تجهیزات ممکن است تصمیم به ادامه کار یا خاموشی اضطراری با خطا همراه باشد. در این مقاله با استفاده از تکنیک­های داده کاوی یک سیستم تصمیم­یار طراحی شده است که روابط معنادار بین ویژگی هایی که حسگرها همه روزه در نیروگاه برق آبی آرشیو می­کنند را می­یابد. این روابط مانند قوانین استنتاج می­توانند در تصمیم گیری دقیق و سریع کارشناسان کمک شایانی نموده و از آسیب به تجهیزات در تصمیمات اشتباه یا دیرهنگام جلوگیری نماید. نتایج بدست آمده از تحلیل داده های سالهای 92 الی 94 نیروگاه برق آبی مارون 41 قانون برای تصمیم گیری سریع بدست آمده است که با بررسی های به عمل آمده توسط متخصصان فنی این نیروگاه 4 قانون آن جدید و سودمند ارزیابی شده است. }, URL = {http://ieijqp.ir/article-1-430-fa.html}, eprint = {http://ieijqp.ir/article-1-430-fa.pdf}, journal = {Iranian Electric Industry Journal of Quality and Productivity}, doi = {}, year = {2018} }