タービンの故障診断は発電所全体の安全な運転にとって重要な意味があります。熱力パラメータに基づいて計算モデルを構築することで、性能の退化傾向を早期に検知し、装置の故障タイプを予測することができます。本文では、特徴流通面積の方法を使用してタービンシステムの性能退化モデルを構築し、システム故障サンプルとテストサンプルをシミュレートし、装置の故障サンプルライブラリを構築しました。改良されたKNN(K-nearest neighbor)アルゴリズムを使用して、汽水システムの熱力パラメータ変化規則に基づいて、現在の機械運転データサンプルが装置故障サンプルとの類似度を計算し、現在の機械装置故障確率を判定します。S109FA連合循環機械タービン研究結果によると、特徴流通面積は異なる動作条件下での計算誤差が5%以内で、工学計算要求を満たします。従来のKNNアルゴリズムに比べて、改良されたKNNアルゴリズムはサンプル評価近傍の意思決定プロセスでの重みを取得し、従来のKNNアルゴリズムよりも高い分類の正確性を達成しました。テストサンプルの故障診断結果では、改良されたKNNアルゴリズムは従来のKNNアルゴリズムよりも高い診断正確性を示し、テストサンプルの診断正確性は100%です。改良されたKNNアルゴリズムを使用したタービンシステムの故障診断は実現可能であり、現場実際の状況と一致します。

連合循環; タービン; 特徴流通面積; KNNアルゴリズム; 故障診断; 熱力パラメータ