[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

说明书

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，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。本发明通过结合反映燃机内部特征与结构本质的机理模型和采用神经网络算法修正机理模型关键截面参数的误差的数据驱动模型，通过误差补偿或修正以及机理与神经网络模型的相互协作，最终构建更为精确的燃气轮机总体性能混合模型，实现对于燃气轮机总体性能更为精确的检测。

技术领域

本发明涉及的是一种双轴燃气轮机控制领域的技术，具体是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。

背景技术

燃气轮机(Gas Turbine)是以不断流动的工质带动叶轮进行高速的旋转，将燃料的能量转化为输出功的内燃式的动力机械，主要部件是由压气机、燃烧室和透平及各辅助系统等组成。双轴燃气轮机由于负载与压气机的不共轴，降低负载变化对核心机部分的影响程度，适用于系统负载变化范围较大的场景，如天然气长输管网工业上用于机械驱动的燃气轮机。而由于双轴燃气轮机复杂的结构、多变的运行过程以及恶劣的工作环境，很容易引起故障发生，所以需要建立其模型并进行相关仿真来对故障进行诊断。

现如今一般建立的燃机模型是机理模型，该方法利用燃机准确的特性曲线，所以理论上误差范围会很小，但事实上将其运用于机组的热力学参数仿真，由于燃机实际工作特性与建模根据的工作特性不符，所以在相同工况下，模型仿真与实际值也会有明显误差。随着计算机技术和数据驱动理论的快速发展，数据驱动建模方法也开始占据燃机建模的一席之地，它以历史运行数据直接模拟燃机输入与输出的关系，但其趋势不易控制，且会存在过拟合的现象。

所以结合互补的机理模型与数据驱动模型的混合模型，在燃气轮机建模中也逐渐被应用，但大多以数据驱动模型为主体，忽略或弱化机理模型的作用。且数据驱动模型受数据质量的影响很大，必须要机理模型对参数有限制才能保障精度。

发明内容

本发明针对现有技术单纯机理建模的过程繁琐，且准确度依赖部件特性的不足，又解决单纯数据驱动模型缺乏机理表征以及以此为主体的模型外推性差、过拟合等问题，提出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，通过结合反映燃机内部特征与结构本质的机理模型和采用神经网络算法修正机理模型关键截面参数的误差的数据驱动模型，通过误差补偿或修正以及机理与神经网络模型的相互协作，最终构建更为精确的燃气轮机总体性能混合模型，实现对于燃气轮机总体性能更为精确的检测。

本发明是通过以下技术方案实现的：

本发明涉及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，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；