[发明专利]基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法

说明书

基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法，属于燃气‑蒸汽联合循环发电机组状态监测与故障诊断领域。重型燃气轮机性能状态监测是其健康管理的重要组成部分。技术要点：选取代表燃气轮机性能状态的特征参数；通过机理分析获取边界条件参数；采集筛选历史健康数据和当前运行数据；数据归一化处理；建立广义回归神经网络预测模型，并进行网络模型的训练和测试；计算燃气轮机效率预测值与实际运行值之间的相对残差；用箱型图分析法确定燃气轮机效率处于异常状态时阈值；依据效率相对残差进行相应的监测和分析。本发明有效的提高了燃气轮机设备运行的安全性和可靠性，最小化故障带来的经济损失。

技术领域

本发明涉及一种重型燃气轮机性能状态监测方法，具体涉及一种基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法，属于燃气-蒸汽联合循环发电机组状态监测与故障诊断领域。

背景技术

燃气－蒸汽联合循环机组具有热效率高、三废排放少、适于调峰等优点，近年来天然气发电装机量持续高速增长。国家明确指出提高天然气发电比重，扩大天然气利用规模。2020年燃机发电装机规模将达到1.1亿千瓦以上，占发电总装机比例超过5％，而且还将稳步增加。燃气轮机作为燃气－蒸汽联合循环机组的核心装置，燃气轮机工作环境复杂、工况多变，随着运行时间增长，大大增加其失效风险。一旦燃气轮机发生故障停机，将影响电力系统稳定，造成巨大的经济损失。

目前对于燃气轮机性能分析监测主要通过基于物理模型的方法，但现阶段我国重型燃机行业主要被GE、三菱、西门子等国外大型企业所垄断，缺乏核心技术，建立精确数学模型十分困难且复杂，变工况计算准确性也就无法保证。燃气轮机性能状态监测是燃气轮机健康管理的重要组成部分。若可以及时发现异常状态并做出诊断，则能最大限度提高其安全性、可靠性和经济性，降低整个机组运行维护成本。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，本发明设计了一种基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法，从数据驱动的角度通过对燃气轮机性能状态的实时监测，及时发现燃气轮机性能状态的异常，防止发生严重故障，从而提高燃气轮机的可靠性、可用性和经济性，增强发电企业的竞争力，克服现有技术中的建立精确数学模型困难且复杂等问题。

为了实现上述目的，本发明的基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法，具体步骤如下：

步骤1、选取代表燃气轮机性能状态的特征参数，所述特征参数选择燃气轮机效率，以其来表征燃气轮机性能状态；

步骤2、对燃气轮机效率进行系统全面的机理分析，获取影响燃气轮机效率的边界条件参数；

步骤3、从燃气-蒸汽联合循环机组数据库中采集筛选包含机组运行全工况的历史健康数据和当前运行数据，并将历史健康数据分为训练数据和测试数据；

步骤4、对步骤3中的数据进行归一化处理；原因在于数据变量参数具有不同的量纲与量级，为保证精确建立数据驱动模型；

步骤5、基于广义回归神经网络的方法，根据历史健康全工况运行数据建立健康状态燃气轮机效率的广义回归神经网络预测模型，并利用健康历史数据进行网络模型的训练和测试；

步骤6、步骤5模型训练好之后，计算步骤5中得到的燃气轮机效率预测值与实际运行值之间的相对残差；

步骤7、利用箱型图分析法对燃气轮机效率相对残差进行分析，确定燃气轮机效率处于异常状态时阈值；

步骤8、依据燃气轮机效率相对残差进行相应的监测和分析。