摘要: 针对燃机电厂目前无法准确评估压气机气动状态恶化阶段的难题，基于大数据技术构建了压气机气动状态评估的预警方法。首先引入K-means聚类算法对压气机气动状态恶化过程进行聚类，通过轮廓系数确定最佳聚类数量；进而通过Tanimoto相似性系数能够筛选出具有代表性的监测数据；最后基于皮尔逊相关系数形成的预警模型可以有效诊断出机组当前的气动状态。以电站实际运行数据进行验证，该方法可以准确判断出与实际运行维护试验结果相符合的故障阶段，为运行人员提供高价值的参考信息。