Для реализации предупреждения о досрочном предупреждении образования отложений на лопатках компрессора и вибрации, предложен метод предупреждения типичных отказов компрессора газотурбинного двигателя, объединяющий тепловую модель и искусственный интеллект. На основе модульной концепции была построена модель теплового моделирования газотурбинного двигателя и использованы фактические данные эксплуатации газотурбинного двигателя для динамической калибровки модели, что позволило получить модель анализа энергетической производительности газотурбинного двигателя высокой точности и рассчитать ключевые показатели, такие как расход газа, температура на входе в турбину, удельный расход топлива газотурбинного двигателя. На основе модели теплового моделирования, совместно с опытом экспертов типичных компрессорных отказов и специалистов, были определены основные параметры, влияющие на отказы компрессора, которые абстрактно представляют модель предупреждения об образовании отложений на лопатках компрессора и вибрации. Были выбраны исторические данные о состоянии здоровья, применен алгоритм искусственной нейронной сети для обучения модели, получены кривые отклонения, и путем контроля изменения отклонений между оценочными и измеренными значениями выходов модели предупреждения ранее типичных компрессорных отказов выполнено предупреждение о досрочном предупреждении, был представлен пример подтверждения эффективности фактических данных компрессора газотурбинной установки GE 9F. Результаты показывают, что этот метод может точно улавливать типичные компрессорные отказы, что в отличие от традиционного способа пороговой тревоги, увеличивает временное окно предупреждения. Этот результат исследований может быть непосредственно развернут на стороне газотурбинных электростанций в реальном времени обеспечивают руководство для операционного персонала в принятии решений по ремонту и обслуживанию.

Газотурбинные двигатели, Компрессор, Моделирование производительности, Искусственные нейронные сети, Предупреждение о неисправностях