[发明专利]一种基于数据驱动的压气机性能退化预测算法

权利要求书

1.一种基于数据驱动的压气机性能退化预测算法，其特征在于，包括：

S1、建立压气机性能变化评估模型；

S11、采集电厂数据；

S12、将压气机的效率和流动能力作为压气机性能变化评估的指标；

S13、建立压气机的热力学模型；

S14、通过所述热力学模型对压气机关键部件的效率和流动能力进行计算，得到理论上的效率和流动能力；

S15、通过列文伯格-马夸尔特方法对深度神经网络进行优化，得到ISO标态折算神经网络；

S16、通过所述ISO标态折算神经网络建立关键部件的ISO标态折算模型；

S17、将所述电厂数据输入至ISO标态折算模型中，通过ISO标态折算模型将关键部件不同运行状态下的效率和流动能力转化为满负荷、ISO工况下的值；

S18、将关键部件满负荷、ISO工况下的值进行横向对比，得到标准状况下的效率和流动能力；

S2、建立压气机性能预测模型；

S21、建立深度神经网络；

S22、引入循环循环神经网络和长短期记忆网络对深度神经网络进行优化，得到性能退化预测神经网络；

S23、将S11采集的电厂数据输入至性能退化预测神经网络中，得到预测退化的压气机效率和流动能力。

2.根据权利要求1所述的基于数据驱动的压气机性能退化预测算法，其特征在于，所述压气机热力学模型包括：压气机效率、压气机耗功和压气机流动能力；

所述压气机效率的公式为：

其中，m_a为压气机流量，为压气机进口温度温度下空气的比焓，为压气机等熵出口温度下空气的比焓，W_c-ca为压力机耗功；

所述压气机耗功的公式为：

其中，m_ca为压气机抽气流量，为压气机出口温度下空气比焓，为压气机抽气平均温度下空气比焓；

所述压气机流动能力的公式为：

其中，T₁^ref为压气机进口温度的参考值，P₁^ref为压气机进口压力的参考值。

3.根据权利要求1所述的基于数据驱动的压气机性能退化预测算法，其特征在于：所述ISO标态折算模型有三个隐层，每个隐层包括256个单元。

4.根据权利要求1所述的基于数据驱动的压气机性能退化预测算法，其特征在于：所述电厂数据包括环境参数和性能参数，所述环境参数包括环境温度，压力和相对湿度，所述性能参数包括燃气轮机的功率，空气流量，压比，压气机进气温度和压力，进口导叶角IGV，压气机排气温度和压力，所述ISO标态折算模型的输出参数包括压气机和透平的效率及流动能力。

5.根据权利要求1所述的基于数据驱动的压气机性能退化预测算法，其特征在于，对深度神经网络进行优化包括如下步骤：

采集电厂数据；

对采集到的电厂数据进行预处理，所述预处理包括将电厂数据经过滑窗法过滤非稳态数据后再通过拉依达准则剔除异常点，最后按照7：3随机分为训练集和测试集，最后经过统计学显著性差异检验，得到优化后的深度神经网络。

6.根据权利要求1所述的基于数据驱动的压气机性能退化预测算法，其特征在于，所述压气机性能预测模型的公式如下：

h(t)＝φ(Ux(t)+Wh(t-1)+b)

o(t)＝Vh(t)+c

其中，x为输入，h为隐藏单元，o为输出，ф为激活函数，V、W、U是权重；b、c是偏差。