圧縮機ブレードの汚れや吹流れ故障を早期に警告するために、熱力学モデルと人工知能を融合したガスタービン圧縮機の典型的な故障警告方法を提案しました。モジュラ化の考えに基づいて、ガスタービンの熱力学性能シミュレーションモデルを構築し、ガスタービンの実際の運転データを使用してモデルをダイナミックに補正し、高精度なガスタービン性能解析モデルを形成し、排気流量、タービン入口温度、ガスタービン熱効率などの主要指標を計算します。熱力学性能シミュレーションモデルを基に、圧縮機典型的な故障専門家の経験と専門知識を組み合わせて、圧縮機故障に影響を与える主要特徴パラメータを決定し、圧縮機ブレードの汚れや吹流れの警告モデルを抽象化します。歴史健康データを選択し、人工知能ネットワークアルゴリズムを使用してモデルをトレーニングし、偏差曲線を取得します。警告モデルの出力予測値と計測値の間の偏差変化をモニタリングし、圧縮機典型的な故障の早期警告を実現しました。GE 9F型ガスタービン圧縮機の実測データの有効性検証事例を提供しました。結果は、この方法が圧縮機ブレードの汚れや吹流れ障害を正確にキャッチできることを示し、従来の閾値警報方法と比較して、警告の時間窓口を拡大します。この研究成果は、ガスタービン発電所側で直接展開して、運用員の点検と保守の意思決定にリアルタイムで指導を提供できます。

ガスタービン; 圧縮機; 性能シミュレーション; 人工知能ネットワーク; 故障警告