[发明专利]一种基于数据驱动的压气机性能退化预测算法

说明书

本发明提供一种基于数据驱动的压气机性能退化预测算法，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；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。本发明通过分析和处理压气机运行产生的大量数据，挖掘大数据与性能变化之间的隐藏关系来建立更为准确的压气机性能分析模型，可使得仿真试验更加接近真实机组的实际运行，模型具有更强的工程实用价值。

技术领域

本发明涉及压气机技术领域，尤其涉及一种基于数据驱动的压气机性能退化预测算法。

背景技术

燃气轮机是以不断流动工质带动叶轮进行高速旋转，将燃料的能量转化为输出功的内燃式动力机械，主要部件由压气机、燃烧室、透平和各类辅助系统组成。其中压力机负责压缩空气将常温常压的气体压缩成高压气体再输入到燃烧室内燃烧，形成的高温高压气体在透平中做功。因此压气机的性能直接影响到后续燃烧室和透平的性能，由于多变的运行过程和恶劣的工作环境，压气机经常出现如叶片结垢、叶片腐蚀等导致压气机性能下降的情况，所以需要建立其模型算法并进行相关仿真来对压气机性能下降进行分析和预测。

目前一般建立的压气机模型算法是机理模型算法，但由于压气机的特性曲线通常掌握在国外设备制造商手中，因此难以建立十分准确的机理模型算法，导致实际工作特性和建模算法的工作特性不符，算法模型的仿真与实际结果存在较大的偏差。随着计算机技术和数据驱动理论的快速发展，数据驱动建模算法逐渐成为压气机建模的主要趋势。综上所述，有待发明一种可以更准确的对压气机性能退化进行预测的算法。

发明内容

本发明提供一种基于数据驱动的压气机性能退化预测算法，解决了现有压气机性能退化预测算法与实际结果偏差较大的问题。

为达到以上目的，本发明采取的技术方案是：

一种基于数据驱动的压气机性能退化预测算法，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。

优选地，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：