[发明专利]结合机理与神经网络的双轴燃气轮机性能状态检测方法

权利要求书

1.一种结合机理与神经网络的双轴燃气轮机性能状态检测方法，其特征在于，构建包含压气机、燃烧室、透平模块的压力、温度、流量、效率热力学机理方程的燃气轮机总体性能仿真的机理模型，然后根据现场实际运行数据，通过神经网络对机理模型的关键截面参数进行修正，获得燃气轮机的总体性能仿真混合模型，并以此作为燃气轮机的健康基准模型，结合燃气轮机的实际测量数据，根据燃气轮机基于模型的气路故障诊断方法计算压气机、透平部件的流量G与效率η特征参数变化状态，实现燃气轮机总体性能的状态检测；

所述的燃气轮机总体性能仿真的机理模型包括：

①压气机和透平部件关系式其中：压比π、折合转速折合流量和效率η；

②压气机与透平轴功平衡以及燃烧过程工质能量平衡关系式为：P_turbine，n＝P_{compressor，n}，H_inG_in+G_fH_f＝H_outG_out，其中：P_turbine，n为某一轴(n)上的透平功率，P_{compressor，n}为同一轴上的压气机消耗功，H_in、G_in为燃烧室空气入口焓和流量，G_f为燃料量，H_f为燃料热值，H_out、G_out为燃烧室燃气出口焓和流量。

2.根据权利要求1所述的结合机理与神经网络的双轴燃气轮机性能状态检测方法，其特征是，所述的关键截面参数Y＝(P₂，T₂，P₃₄，T₃₄，Power，T₄)，其中：P₂、T₂为压气机出口压力和温度，P₃₄、T₃₄为高压透平出口压力和温度，Power为动力透平输出功，T₄为排气温度。

3.根据权利要求1所述的结合机理与神经网络的双轴燃气轮机性能状态检测方法，其特征是，所述的通过神经网络对机理模型的关键截面参数进行修正是指：确定神经网络的输入输出接口，计算关键截面参数的实际运行值与机理模型仿真值之间的偏差，构建神经网络模型训练数据集以训练神经网络纠正偏差，具体为：BP神经网络的输入层的七个输入接口分别对应机理模型的七个输入，即u＝(n₁，n₂，P₁，T₁，G_f，P₄，IGV)，其中：n₁，n₂为燃机的转速，P₁、T₁为压气机进口压力和温度，G_f为燃料量，P₄为动力透平排气压力，IGV为压气机进口可转导叶开度；六个输出接口分别对应所述机理模型六个输出参数Y_m＝(P₂，T₂，P₃₄，T₃₄，Power，T₄)与Y₀的偏差值dY，即：dY＝Y_m-Y₀，其中：Y₀为所述实际燃机的输出参数值，Y_m为所述机理模型的仿真输出值。

4.根据权利要求1所述的结合机理与神经网络的双轴燃气轮机性能状态检测方法，其特征是，所述的训练，令所述神经网络对混合模型输出参数Y的补偿逼近满足：Y＝(Y_m-dY)→Y₀，即通过误差E＝Y₀-(Y_m-dY)调整所述神经网络补偿的方向，当误差E趋近于0时则完成神经网络的训练，由此得到对机理模型的关键截面参数修正的BP神经网络模型。