Para evitar la pérdida y el mantenimiento excesivo, mejorar la confiabilidad y la disponibilidad de las turbinas de gas, este artículo propone un método de diagnóstico de fallas en el circuito de gas de las turbinas de gas basado en un accionamiento mixto de modelo y datos. En primer lugar, con una estrategia de modelado de calor adaptativo, se construye un modelo térmico de la turbina de gas a diagnosticar definiendo diferentes parámetros de salud de los componentes y condiciones límite de entrada, obteniendo un conjunto de datos correspondiente a vectores de parámetros de salud de componentes y parámetros de condiciones límite de entrada y vectores de parámetros medibles del circuito de gas. Luego, utilizando el aprendizaje profundo para realizar modelado de regresión, se entrena un modelo de diagnóstico de fallas en el circuito de gas de las turbinas de gas. Finalmente, en función de las condiciones límite de entrada reales de la turbina de gas y vectores de parámetros medibles del circuito de gas, se realiza un diagnóstico instantáneo de los vectores de parámetros de salud de los componentes del circuito de gas utilizando un modelo previamente entrenado. Los resultados del experimento virtual muestran que mediante el método propuesto en este artículo es posible obtener con precisión los parámetros de salud cuantitativos de cada componente de flujo, cuyo error cuadrático medio total no supera el 0,033% y cuyo error relativo máximo no supera el 0,36%, lo que indica que este método tiene grandes aplicaciones potenciales.

turbinas de gas; modelo térmico; parámetros de salud de componentes; diagnóstico del circuito de gas; aprendizaje profundo