압축기 패드오염 및 흔들림 장애를 조기 예측하기 위해 열역학 모델과 인공 지능을 융합한 가스 터빈 압출기 전형적인 장애 예경방법을 제안했습니다. 모듈화 사고에 따라 가스 터빈의 열역학 성능 시뮬레이션 모델을 구성하고 가스 터빈의 실제 운전 데이터를 사용하여 모델을 동적으로 보정하여 고정밀 가스 터빈 성능 분석 모델을 형성하여 배출 유량, 터빈 입구온도, 가스 터빈 열 소모율 등 주요 지표를 계산합니다. 열역학적 성능 시뮬레이션 모델에 기초하여, 압축기 전형적인 장애 전문가 경험과 전문지식을 결합하여 압축기 장애에 영향을 미치는 주요 특징 매개병수를 결정하고 압축기 패드오염 및 흔들림의 조기 경고 모델을 추상화합니다. 히스토리 헬스 데이터를 선택하여 인공 신경망 알고리즘을 사용하여 모델을 훈련하고 편차 곡선을 구합니다. 경고 모델 출력 예측값과 측정값 사이의 편차 변화의 모니터링을 통해 압축기 전형적인 장애의 조기 예측을 실현하고 GE 9F형 가스 터빈 압축기의 실측 데이터의 유효성 검증 사례를 제시했습니다. 결과는이 방법이 압축기 패드오염 및 흔들림 장애를 정확하게 포착할 수있음을 보여주며 전통적인 임계값 경보 방식과 비교하여 경고 시간 창을 증가시킵니다. 이 연구 성과는 가스 터빈 발전소 측에서 직접 배치하여 운영 인원의 점 검 및 유지보수 결정에 실시간으로 지도를 제공할 수 있습니다.

가스 터빈; 압축기; 성능 시뮬레이션; 인공 신경망; 장애 경고