[发明专利]一种电站燃气轮机排气温度的异常检测方法

说明书

本发明公开了一种电站燃气轮机排气温度的异常检测方法，其步骤包括，(1)模型相关参数选取；(2)数据样本采集；(3)数据稳态筛选；(4)数据归一化处理；(5)最小二乘支持向量机模型选择、训练与测试；(6)排气温度残差获取与统计分析；(7)排气温度异常检测分析判断。本发明对电站燃气轮机排气温度进行参数建模，基于最小二乘支持向量机的排气温度求取精度高、泛化能力强。与人工神经网络相比，最小二乘支持向量机能够很好地克服人工神经网络训练时间长、训练结果存在随机性和过学习等不足。对于电站燃气轮机排气温度进行异常检测准确性高，充分提高了燃气轮机的可靠性和可用性，最大限度地延长其使用寿命，降低运行维护成本。

技术领域

本发明属于电站燃气轮机排气温度检测技术领域，具体涉及一种对电站燃气轮机排气温度进行异常检测的方法。

背景技术

电站燃气轮机长期在高温、高压、高速旋转的环境下运行，而一旦发生故障会给机组安全性和经济性造成严重影响。排气温度作为电站燃气轮机的重要监测参数，是连接燃气轮机和余热锅炉的关键参数，影响燃气—蒸汽联合循环发电机组整体的运行情况。排气温度既能反映出燃气轮机的运行情况，又是余热锅炉的进气温度，能够提供大量有关燃气轮机性能、燃烧室健康状况以及热气体通道部件状况等方面的信息。燃气轮机排气温度异常状态检测是燃气轮机健康管理的重要组成部分。若能及时发现异常状态并做出诊断，可以充分提高燃气轮机的可靠性和可用性，最大限度地延长使用寿命，降低运行维护成本。目前对于燃气轮机排气温度的异常检测方法，主要是通过排气温度实际测量值与基准参照值相比较，若超过相应阈值则认为燃气轮机排气温度存在异常状态。而排气温度基准参照值的确定主要有三种方法：设计值法、变工况计算法以及热力性能实验法。但设计值法设计数据的代表性不高，准确度较差；变工况计算法的计算量较大，且计算精度不高；热力性能实验法虽具有较高的准确性，但热力实验耗时费力，除此之外，阈值的确定也没有一个统一的标准，导致目前排气温度基准参照值的确定存在较多问题。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，通过机理分析、数据驱动以及统计理论相结合，提供一种电站燃气轮机排气温度的异常检测方法，可以及时发现燃气轮机排气温度的异常，从而提高燃气轮机的可靠性和可用性，降低运行和维护成本。

为了实现上述目的，本发明采用如下技术方案，所述方法包括：

一种电站燃气轮机排气温度的异常检测方法，其步骤包括，

(1)模型相关参数选取：选取燃机功率、大气温度、机组转速、压气机出口压力、压气机出口温度、IGV阀门开度、天然气体积流量、预混控制阀阀位、值班控制阀阀位9个参数作为最小二乘支持向量机模型的输入变量，选取燃气轮机排气温度作为最小二乘支持向量机模型的输出目标值；

(2)数据样本采集：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为数据样本；

(3)数据稳态筛选：由于联合循环机组经常参与电网调峰变负荷运行，在这种非稳定状态的工况下，系统输入与输出之前的模型关系不能保持较强一致性，因此需要对步骤(2)采集的数据样本进行稳态筛选；

(4)数据归一化处理：由于步骤(1)选取的模型相关变量参数具有不同的量纲与量级，为保证模型高效运行，对步骤(3)中筛选的稳态数据进行归一化处理获得归一化数据，并将归一化数据按照个数比例分为训练数据和测试数据；

(5)最小二乘支持向量机模型选择、训练与测试：对最小二乘支持向量机模型进行核函数的选择，再利用步骤(4)中获得的归一化数据中的训练数据进行模型训练，模型训练后再使用测试数据进行测试，测试通过后即获得最终的最小二乘支持向量机模型；

(6)排气温度残差获取与统计分析：通过步骤(5)训练好模型后，再对排气温度残差进行计算及统计分析；所述排气温度残差为排气温度实际值与步骤(5)最终的最小二乘支持向量机模型获得的排气温度输出预测值之差；