증기 터빈의 장애 진단은 전력 발전소 전체의 안전한 운영에 중요한 의미가 있습니다. 열력 매개 변수에 기초하여 계산 모델을 구축하여 성능 저하 경향을 조기에 감지하고 장비 장애 유형을 예측할 수 있습니다. 본 논문에서는 특징 통류면적 방법을 사용하여 증기 터빈 시스템의 성능 저하 모델을 구축하고 시스템 고장 샘플 및 테스트 샘플을 시뮬레이션하고 장비 고장 샘플 라이브러리를 구축했습니다. 개선된 KNN(K-nearest neighbor) 알고리듬을 사용하여 증기 수계 시스템의 열력 매개 변수 변화 규칙을 기반으로 현재 기계 운전 데이터 샘플이 장비 고장 샘플에 대한 유사도를 계산하여 현재 기계 장비 고장 확률을 결정합니다. S109FA 복합 순환 기계 증기 터빈 연구 결과에 따르면, 특징 통류 면적은 다양한 작동 조건에서의 계산 오차가 5% 이내로 공학 계산 요구를 충족시킵니다. 전통적인 KNN 알고리즘보다 개선된 KNN 알고리즘이 샘플평가 이웃의 결정 과정에서의 가중치를 획득하여 전통적인 KNN 알고리즘보다 더 높은 분류 정확도를 달성했습니다. 테스트 샘플의 고장 진단 결과에서 개선된 KNN 알고리즘이 전통적인 KNN 알고리즘보다 더 높은 진단 정확도를 보여주며 테스트 샘플의 진단 정확도는 100%입니다. 개선된 KNN 알고리즘을 사용한 증기 터빈 시스템 고장 진단이 실현 가능함을 보여주며 현장 실제 상황과 일치합니다.

복합 순환; 증기 터빈; 특징 통류 면적; KNN 알고리즘; 고장 진단; 열력 매개 변수