CN106092594A - 一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法 - Google Patents

Abstract

本发明的目的在于提供一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法，建立燃气轮机非线性热力模型，采集当前对象燃气轮机稳定运行时的某一时段的气路测量参数，对其进行数据调和，检测出发生性能衰退的气路传感器，逐一采集当前对象燃气轮机在各个稳定运行工况时的某一时段的气路测量参数，进行降噪处理，消除由于环境条件和操作条件变化而导致燃气轮机运行性能变化的影响，计算得到当前的各个部件的气路健康指数，用以评估对象燃气轮机实际的性能健康状况。本发明解决了传统燃气轮机气路性能诊断方法诊断准确性高度依赖于气路传感器可靠性的问题，能有效适用于存在测量噪音、测量偏差及复杂燃气轮机机组的气路部件性能诊断情况。

Description

一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断 方法

技术领域

本发明涉及的是一种诊断方法，具体地说是燃气轮机的性能诊断方法。

背景技术

在20世纪下半叶，随着燃气轮机在航空工业中广泛应用，越来越多的受到工业电站领域、石油和天然气管道运输以及舰船工业领域的关注。在运行中，由于高温、高压、高转速及高应力的恶劣工作条件及环境污染等影响，各种类型的燃气轮机都会逐渐性能衰退。燃气轮机的主要气路部件包含压气机、燃烧室和透平。这些主要部件会随着时间遭受不同的退化现象，如污垢、泄漏、腐蚀、热畸变、外来物损坏等，将会引起性能恶化并易导致各种严重的故障发生运行安全问题。因此，对于燃气轮机用户来说，当前燃气轮机的性能健康状况是非常重要的信息。

目前大多数燃气轮机的维修策略是预防性维修保养，通常按照燃机制造商指示的当量运行小时数(EOH)来考虑是否需要小修、中修、大修。燃机停运，无论是计划内或计划外的，总是意味着昂贵的成本代价。为了节省维修费用，用户需要根据燃机实际的性能健康状况采取维修策略，即预测性维修保养。

基于热力模型决策的气路部件性能诊断方法已经广泛应用于燃气轮机性能健康状态监测中，并且已经成为支持维修策略改革的关键技术之一。

理论上，气路分析方法方法(特别是非线性气路分析方法)能够容易地预测部件性能衰退程度。通常，准确的测量信息对获取准确的衰退征兆从而得到准确的气路性能诊断结果是至关重要的。然而，随着燃气轮机运行，气路传感器同部件一样，有可能会发生性能衰退，甚至故障，此时传感器会产生显著的测量偏差(不符合高斯分布)，会导致误导性的诊断结果。

发明内容

本发明的目的在于提供能有效适用于存在测量噪音、测量偏差的复杂燃气轮机机组的一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法。

本发明的目的是这样实现的：

本发明一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法，其特征是：

(1)基于对象燃气轮机新投运或健康时的气路测量参数，建立燃气轮机非线性热力模型，压气机和透平都用相似折合参数形式表示；

(2)用相似折合参数重新定义压气机和透平的气路健康指数，消除由于环境条件变化而导致燃气轮机运行性能变化的影响；

(3)采集当前对象燃气轮机在一运行工况下稳定运行时的一个时段的气路测量参数，进行降噪处理后作为待离线诊断的气路测量参数；

(4)对待离线诊断的气路测量参数进行数据调和，检测出发生性能衰退的气路传感器；

(5)根据检测出存在问题的传感器数目，按照可信的气路测量参数≧(待诊断的部件气路健康指数数目+存在问题传感器的数目)原则，确定对象燃气轮机部件性能诊断所需的稳态运行工况点的数目；

(6)根据所需的稳态运行工况点数目，通过调整对象燃气轮机操作条件的方式，逐一采集当前对象燃气轮机在各个稳定运行工况时的一个时段的气路测量参数，进行降噪处理后作为多个运行工况点的待离线诊断的气路测量数据集；

(7)分别设置已建立的燃气轮机热力模型的环境输入条件和操作输入条件与采样时的对象燃气轮机的各个运行工况一致，消除由于环境条件和操作条件变化而导致燃气轮机运行性能变化的影响；

(8)以待离线诊断的多个运行工况点的气路测量数据与热力模型的气路参数数据之间的均方根误差为目标函数，通过粒子群优化算法计算得到当前的各个部件的气路健康指数，用以评估对象燃气轮机实际的性能健康状况。

本发明还可以包括：

1、步骤(1)中建立燃气轮机非线性热力模型的具体步骤如下：

(a)利用部件相对折合参数，建立燃气轮机部件级热力模型，其中压气机和透平特性线数据整理成通用的相对折合参数形式：

压气机特性线整理成通用的相似折合参数形式如下：

G_C,cor,rel＝f(n_cor,rel,π_C,rel)

η_C,rel＝f(n_cor,rel,π_C,rel)

其中为相对折合转速，n为实际转速，为压气机进口滞止温度，R_g为流经压气机工质的气体常数，下角标0表示设计点；

为相对折合流量，G_C为实际压气机进口流量，为压气机进口滞止压力，为相对压比，π_C为实际压气机压比，η_C,rel＝η_C/η_C0为相对等熵效率，η_C为实际压气机等熵效率；

透平特性线整理成通用的相似折合参数形式如下：

G_T,cor,rel＝f(n_cor,rel,π_T,rel)

η_T,rel＝f(n_cor,rel,π_T,rel)

式中：为相对折合转速，n为实际转速，为透平进口滞止温度，R_g为流经透平工质的气体常数，为相对折合流量，G_T为实际透平进口流量，为相对压比，η_T,rel＝η_T/η_T0为相对等熵效率，η_T为实际透平等熵效率，下角标0表示设计点；

(b)根据采集的对象燃气轮机新投运或健康时的气路测量参数，逐步修正各个部件的特性线数据，使所建的燃气轮机热力模型的计算值与气路实测参数相匹配，从而消除热力模型计算误差给诊断结果带来的负影响。

2、步骤(2)用相似折合参数重新定义压气机和透平的气路健康指数的具体步骤如下：

(a)燃气轮机总体性能健康状况通过由各部件的气路健康指数来表示，用相对折合参数重新定义压气机和透平的气路健康指数以消除由于环境条件变化而给诊断结果带来的负影响。

(b)压气机气路健康指数定义如下：

SF_C,FC＝G_{C,cor,rel,deg}/G_C,cor,rel

ΔSF_C,FC＝(G_{C,cor,rel,deg}-G_C,cor,rel)/G_C,cor,rel

SF_C,Eff＝η_C,deg/η_C

ΔSF_C,Eff＝(η_C,deg-η_C)/η_C

其中SF_C,FC为压气机流量特性指数；G_{C,cor,rel,deg}为压气机性能衰退时相对折合流量；G_C,cor,rel为压气机健康时相对折合流量；SF_C,Eff为压气机效率特性指数；η_C,deg为压气机性能衰退时等熵效率；η_C为压气机健康时等熵效率；

燃烧室气路健康指数定义如下：

SF_B,Eff＝η_B,deg/η_B

ΔSF_B,Eff＝(η_B,deg-η_B)/η_B

其中SF_B,Eff为燃烧室燃烧效率性能指数；η_B,deg为燃烧室性能衰退时燃烧效率；η_B为燃烧室健康时燃烧效率。

透平气路健康指数定义如下：

SF_T,FC＝G_T,cor,deg/G_T,cor

ΔSF_T,FC＝(G_T,cor,deg-G_T,cor)/G_T,cor

SF_T,Eff＝η_T,deg/η_T

ΔSF_T,Eff＝(η_T,deg-η_T)/η_T

其中SF_T,FC为透平流量性能指数；G_T,cor,deg为透平性能衰退时折合流量；G_T,cor为透平健康时折合流量；SF_T,Eff为透平效率性能指数；η_T,deg为透平性能衰退时等熵效率；η_T为透平健康时等熵效率。

3、步骤(4)基于高斯修正准则的数据调和原理对该工况下的待离线诊断的气路测量数据进行数据调和，检测出发生性能衰退的气路传感器的具体步骤如下：

(a)在一个运行工况下，采集当前对象燃气轮机稳定运行时的一个时段的气路测量参数，进行降噪处理后作为待离线诊断的气路测量参数；

(b)在对气路测量参数进行调和时，将气路部件的流量特性指数和效率特性指数引入作为“虚拟”测量参数，一同进行调和，其“虚拟”测量参数都取为1，其不确定度取为1％；

(c)基于高斯修正准则的数据调和原理对该工况下的待离线诊断的气路测量数据及“虚拟”测量参数进行数据调和，检测出发生性能衰退的气路传感器。

4、步骤(8)以待离线诊断的多个运行工况点的气路测量数据与热力模型计算的气路参数数据之间的偏差作为残差，计算得到当前的各个部件的气路健康指数，用以评估对象燃气轮机实际的性能健康状况的具体步骤如下：

(a)分别设置已建立的燃气轮机热力模型的环境输入条件和操作输入条件与采样时的对象燃气轮机的各个运行工况一致，消除由于环境条件和操作条件变化而导致燃气轮机运行性能变化的影响；

(b)以待离线诊断的多个运行工况点的气路测量数据与热力模型计算的气路参数数据之间的均方根误差为目标函数Fitness，通过粒子群优化算法计算得到当前的各个部件的气路健康指数用以评估对象燃气轮机实际的性能健康状况，

其中

式中为由燃机热力模型在第i个运行工况点计算得到的气路测量参数向量，为在第i个运行工况点实际的气路测量参数向量，M为某一运行工况点的气路测量参数的总数目；

优化目标函数定义如式：

$Fitness=\sqrt{\frac{\underset{j=1}{\overset{m}{\Σ}}\underset{i=1}{\overset{M}{\Σ}}{\[(z_{j,i,predicted}-z_{j,i,actual})/z_{j,i,actual}\]}^2}{m\×M}}$

式中Fitness是优化目标函数，当F_itness随着粒子群优化算法(PSO)迭代寻优计算过程逐渐地趋近于0时，预测的气路测量参数与实测气路测量参数相匹配,此时输出最优的气路部件健康指数和在不同运行工况点的传感器偏差

本发明的优势在于：

(1)本发明根据燃气轮机气动热力学特性，利用部件相对折合参数，建立燃气轮机部件级热力模型，其中压气机和透平特性线数据整理成通用的相对折合参数形式，相比于现有技术，能更简单方便地用于气路诊断时设置各个气路部件健康指数。

(2)本发明用相对折合参数重新定义压气机和透平的气路健康指数(代表了部件特性线的偏移)，相比于现有技术，能更准确地表征由于部件性能衰退而导致的气路健康指数的变化，消除由于环境条件(大气压力、温度和相对湿度)变化而给诊断结果带来的负影响。

(3)本发明利用高斯修正准则对所有气路测量参数进行数据调和，检测出有问题的传感器，并基于多运行工况点的气路测量参数采用粒子群优化算来识别、隔离性能衰退的部件，并进一步量化气路传感器和部件的性能衰退程度，得到精确的诊断结果。解决了传统燃气轮机气路性能诊断方法诊断准确性高度依赖于气路传感器可靠性的问题，能有效适用于存在测量噪音、测量偏差的复杂燃气轮机机组的性能诊断情况。

附图说明

图1为本发明的流程图；

图2为本发明的诊断过程示意图；

图3某型三轴船用燃气轮机气路工作截面标识图；

图4某型三轴船用燃气轮机诊断案例的诊断结果；

图5该诊断案例的本发明算法迭代计算搜索过程。

具体实施方式

下面结合附图举例对本发明做更详细地描述：

结合图1-5，本发明一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法，包括以下步骤：

步骤1)，基于对象燃气轮机新投运(或健康)时的气路测量参数建立能完全反映各个部件特性的燃气轮机非线性热力模型，其中压气机和透平都用相似折合参数形式表示；

步骤2)，用相似折合参数重新定义压气机和透平的气路健康指数，消除由于环境条件(大气压力、温度和相对湿度)变化而导致燃气轮机运行性能变化的影响；

步骤3)，在某一运行工况下，采集当前对象燃气轮机稳定运行时的某一时段的气路测量参数，进行降噪处理后作为待离线诊断的气路测量参数；

步骤4)，基于高斯修正准则的数据调和原理对该工况下的待离线诊断的气路测量数据进行数据调和，检测出发生性能衰退的气路传感器；

步骤5)，根据检测出存在问题的传感器数目，按照可信的气路测量参数>＝(待诊断的部件气路健康指数数目+存在问题传感器的数目)原则，确定对象燃气轮机部件性能诊断所需的稳态运行工况点的数目；

步骤6)，根据所需的稳态运行工况点数目，通过调整对象燃气轮机操作条件的方式，逐一采集当前对象燃气轮机在各个稳定运行工况时的某一时段的气路测量参数，进行降噪处理后作为多个运行工况点的待离线诊断的气路测量数据集；

步骤7)，分别设置已建立的燃气轮机热力模型的环境输入条件(大气压力、温度和相对湿度)和操作输入条件与采样时的对象燃气轮机的各个运行工况一致，消除由于环境条件(大气压力、温度和相对湿度)和操作条件变化而导致燃气轮机运行性能变化的影响；

步骤8)，以待离线诊断的多个运行工况点的气路测量数据与热力模型计算的气路参数数据之间的均方根误差为目标函数，通过粒子群优化算法计算得到当前的各个部件(压气机、透平和燃烧室)的气路健康指数，用以评估对象燃气轮机实际的性能健康状况。

作为本发明一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法进一步的优化方案，步骤1)中所述基于对象燃气轮机新投运(或健康)时的气路测量参数建立能完全反映各个部件特性的燃气轮机非线性热力模型的具体步骤如下：

步骤1.1)，根据燃气轮机气动热力学特性，利用部件相对折合参数，建立燃气轮机部件级热力模型，其中压气机和透平特性线数据整理成通用的相对折合参数形式。

其中压气机特性线整理成通用的相似折合参数形式如下：

G_C,cor,rel＝f(n_cor,rel,π_C,rel)

η_C,rel＝f(n_cor,rel,π_C,rel)

其中为相对折合转速，n为实际转速，为压气机进口滞止温度，R_g为流经压气机工质的气体常数，下角标0表示设计点；

为相对折合流量，G_C为实际压气机进口流量，为压气机进口滞止压力，为相对压比，π_C为实际压气机压比，η_C,rel＝η_C/η_C0为相对等熵效率，η_C为实际压气机等熵效率。

透平特性线整理成通用的相似折合参数形式如下：

G_T,cor,rel＝f(n_cor,rel,π_T,rel)

η_T,rel＝f(n_cor,rel,π_T,rel)

式中：为相对折合转速，n为实际转速，为透平进口滞止温度，R_g为流经透平工质的气体常数，为相对折合流量，G_T为实际透平进口流量，为相对压比，η_T,rel＝η_T/η_T0为相对等熵效率，η_T为实际透平等熵效率，下角标0表示设计点。

步骤1.2)，根据采集的对象燃气轮机新投运(或健康)时的气路测量参数(降噪处理后)，如总温、总压、转速等，逐步修正各个部件的特性线数据(包括设计工况和变工况)，使所建的燃气轮机热力模型的计算值与气路实测参数相匹配，从而消除热力模型计算误差给诊断结果带来的负影响。

作为本发明一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法进一步的优化方案，步骤2)中所述用相似折合参数重新定义压气机和透平的气路健康指数的具体步骤如下：

步骤2.1)，燃气轮机总体性能健康状况可以由各主要部件的气路健康指数，如压气机和透平的流量特性指数和效率特性指数、燃烧室的效率特性指数来表示。这里用相对折合参数重新定义压气机和透平的气路健康指数(代表了部件特性线的偏移)，以消除由于环境条件(大气压力、温度和相对湿度)变化而给诊断结果带来的负影响。

步骤2.2)，压气机气路健康指数定义如下：

SF_C,FC＝G_{C,cor,rel,deg}/G_C,cor,rel

ΔSF_C,FC＝(G_{C,cor,rel,deg}-G_C,cor,rel)/G_C,cor,rel

SF_C,Eff＝η_C,deg/η_C

ΔSF_C,Eff＝(η_C,deg-η_C)/η_C

其中SF_C,FC为压气机流量特性指数；G_{C,cor,rel,deg}为压气机(性能衰退时)相对折合流量；G_C,cor,rel为压气机(健康时)相对折合流量；SF_C,Eff为压气机效率特性指数；η_C,deg为压气机(性能衰退时)等熵效率；η_C为压气机(健康时)等熵效率。

燃烧室气路健康指数定义如下：

SF_B,Eff＝η_B,deg/η_B

ΔSF_B,Eff＝(η_B,deg-η_B)/η_B

其中SF_B,Eff为燃烧室燃烧效率性能指数；η_B,deg为燃烧室(性能衰退时)燃烧效率；η_B为燃烧室(健康时)燃烧效率。

透平气路健康指数定义如下：

SF_T,FC＝G_T,cor,deg/G_T,cor

ΔSF_T,FC＝(G_T,cor,deg-G_T,cor)/G_T,cor

SF_T,Eff＝η_T,deg/η_T

ΔSF_T,Eff＝(η_T,deg-η_T)/η_T

其中SF_T,FC为透平流量性能指数；G_T,cor,deg为透平(性能衰退时)折合流量；G_T,cor为透平(健康时)折合流量；SF_T,Eff为透平效率性能指数；η_T,deg为透平(性能衰退时)等熵效率；η_T为透平(健康时)等熵效率。

作为本发明一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法进一步的优化方案，步骤4)中所述基于高斯修正准则的数据调和原理对该工况下的待离线诊断的气路测量数据进行数据调和，检测出发生性能衰退的气路传感器的具体步骤如下：

步骤4.1)，在某一运行工况下，采集当前对象燃气轮机稳定运行时的某一时段的气路测量参数，进行降噪处理后作为待离线诊断的气路测量参数；

步骤4.2)，在对气路测量参数进行调和时，实际的气路部件特性也可能会与理论特性发生一定偏差，这里将气路部件的流量特性指数和效率特性指数引入作为“虚拟”测量参数(部件健康时，其值为1)，一同进行调和，由于未知气路部件性能健康状况，因此其“虚拟”测量参数都取为1，其不确定度取为1％。

步骤4.3)，基于高斯修正准则的数据调和原理对该工况下的待离线诊断的气路测量数据及“虚拟”测量参数进行数据调和，检测出发生性能衰退的气路传感器(即调节量超过置信限值的传感器)。

作为本发明一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法进一步的优化方案，步骤8)中所述以待离线诊断的多个运行工况点的气路测量数据与热力模型计算的气路参数数据之间的偏差作为残差，通过牛顿-拉普森迭代算法计算得到当前的各个部件(压气机、透平和燃烧室)的气路健康指数，用以评估对象燃气轮机实际的性能健康状况的具体步骤如下：

步骤8.1)，分别设置已建立的燃气轮机热力模型的环境输入条件(大气压力、温度和相对湿度)和操作输入条件与采样时的对象燃气轮机的各个运行工况一致，消除由于环境条件(大气压力、温度和相对湿度)和操作条件变化而导致燃气轮机运行性能变化的影响。

步骤8.2)，以待离线诊断的多个运行工况点的气路测量数据与热力模型计算的气路参数数据之间的均方根误差为目标函数Fitness，通过粒子群优化算法计算得到当前的各个部件(压气机、透平和燃烧室)的气路健康指数用以评估对象燃气轮机实际的性能健康状况，如图2所示。

其中

式中——由燃机热力模型在第i个运行工况点计算得到的气路测量参数向量；

——在第i个运行工况点实际的气路测量参数向量；

M——某一运行工况点的气路测量参数的总数目。

优化目标函数定义如式：

$Fitness=\sqrt{\frac{\underset{j=1}{\overset{m}{\Σ}}\underset{i=1}{\overset{M}{\Σ}}{\[(z_{j,i,predicted}-z_{j,i,actual})/z_{j,i,actual}\]}^2}{m\×M}}$

式中Fitness是优化目标函数，当F_itness随着粒子群优化算法(PSO)迭代寻优计算过程逐渐地趋近于0时，预测的气路测量参数与实测气路测量参数相匹配,此时输出最优的气路部件健康指数和在不同运行工况点的传感器偏差

本发明的核心技术内容在于解决了传统燃气轮机气路部件性能诊断方法诊断精度易受环境条件(大气压力、温度和相对湿度)及操作条件变化影响的问题，并解决了传统燃气轮机气路性能诊断方法诊断准确性高度依赖于气路传感器可靠性的问题，能有效适用于存在测量噪音和复杂燃气轮机机组的性能诊断情况。根据燃气轮机气动热力学特性，利用部件相对折合参数，建立燃气轮机部件级热力模型，其中压气机和透平特性线数据整理成通用的相对折合参数形式，相比于现有技术，能更简单方便地用于气路诊断时设置各个气路部件健康指数；用相对折合参数重新定义压气机和透平的气路健康指数(代表了部件特性线的偏移)，相比于现有技术，能更准确地表征由于部件性能衰退而导致的气路健康指数的变化，消除由于环境条件(大气压力、温度和相对湿度)变化而给诊断结果带来的负影响；利用高斯修正准则对所有气路测量参数进行数据调和，检测出有问题的传感器，并基于多运行工况点的气路测量参数采用粒子群优化算来识别、隔离性能衰退的部件，并进一步量化气路传感器和部件的性能衰退程度，得到精确的诊断结果。解决了传统燃气轮机气路性能诊断方法诊断准确性高度依赖于气路传感器可靠性的问题，能有效适用于存在测量噪音、测量偏差的复杂燃气轮机机组的性能诊断情况。

以某型三轴船用燃气轮机的气路部件健康诊断为例，其该型三轴船用燃气轮机气路工作截面标识图如图3所示。该型三轴燃气轮机包括两个压气机(即一个低压压气机(LC)和一个高压压气机(HC))、一个燃烧室(B)和三个透平(即一个高压透平(HT)、一个低压透平(LT)和一个动力透平(PT))，其中发电机通过一个减速齿轮箱与动力透平(PT)相连接。低压透平(LT)的输出功通过低压轴驱动低压压气机(LC)来压缩从进气道出来的空气，高压透平(HT)的输出功通过高压轴驱动高压压气机(HC)来继续压缩从低压压气机(LC)出来的空气。从高压压气机(HC)出来的高压空气进入燃烧室(B)与燃料发生燃烧化学反应生成高温、高压的燃气，燃气依次进入高压透平(HT)、低压透平(LT)和动力透平(PT)来驱动透平输出功。最终，动力透平(PT)通过减速齿轮箱驱动发电机来产生电功率。同时，从压气机中抽取的冷却空气流入热端气流通道去冷却各个透平前几级的静叶、动叶和轮盘。当燃气轮机稳定运行时，发电机的电功率和动力透平(PT)的转速通常作为主要控制参数而维持定常。该机组的气路测量参数如表1所示，各个气路部件的健康指数如表2所示。

表1该型燃气轮机机组的气路测量参数

表2主要气路部件的健康指数

基于该型燃气轮机新投运(或健康)时的气路测量参数建立能完全反映各个部件特性的燃气轮机非线性热力模型，其中压气机和透平都用相对折合参数形式表示。

其中压气机特性线整理成通用的相似折合参数形式如下：

G_C,cor,rel＝f(n_cor,rel,π_C,rel)

η_C,rel＝f(n_cor,rel,π_C,rel)

其中为相对折合转速，n为实际转速，为压气机进口滞止温度，R_g为流经压气机工质的气体常数，下角标0表示设计点；

为相对折合流量，G_C为实际压气机进口流量，为压气机进口滞止压力，为相对压比，π_C为实际压气机压比，η_C,rel＝η_C/η_C0为相对等熵效率，η_C为实际压气机等熵效率。

透平特性线整理成通用的相似折合参数形式如下：

G_T,cor,rel＝f(n_cor,rel,π_T,rel)

η_T,rel＝f(n_cor,rel,π_T,rel)

式中：为相对折合转速，n为实际转速，为透平进口滞止温度，R_g为流经透平工质的气体常数，为相对折合流量，G_T为实际透平进口流量，为相对压比，η_T,rel＝η_T/η_T0为相对等熵效率，η_T为实际透平等熵效率，下角标0表示设计点。

对象燃气轮机的热力模型在Matlab仿真平台上建立。热力模型的输入条件为环境条件(大气温度t₀、压力P₀、相对湿度RH)、发电机输出功率Ne(作为操作条件)、燃料组分、燃料低位热值、气路部件健康指数(对于新投运机组，)。热力模型的计算输出为燃料流量G_f、各个部件进出口气路截面处的热力参数(如总压、总温)及转速等。

用相对折合参数重新定义压气机和透平的气路健康指数(代表了部件特性线的偏移)，消除由于环境条件(大气压力、温度和相对湿度)变化而导致燃气轮机运行性能变化的影响。

压气机气路健康指数定义如下：

SF_C,FC＝G_{C,cor,rel,deg}/G_C,cor,rel

ΔSF_C,FC＝(G_{C,cor,rel,deg}-G_C,cor,rel)/G_C,cor,rel

SF_C,Eff＝η_C,deg/η_C

ΔSF_C,Eff＝(η_C,deg-η_C)/η_C

其中SF_C,FC为压气机流量特性指数；G_{C,cor,rel,deg}为压气机(性能衰退时)相对折合流量；G_C,cor,rel为压气机(健康时)相对折合流量；SF_C,Eff为压气机效率特性指数；η_C,deg为压气机(性能衰退时)等熵效率；η_C为压气机(健康时)等熵效率。

燃烧室气路健康指数定义如下：

SF_B,Eff＝η_B,deg/η_B

ΔSF_B,Eff＝(η_B,deg-η_B)/η_B

其中SF_B,Eff为燃烧室燃烧效率性能指数；η_B,deg为燃烧室(性能衰退时)燃烧效率；η_B为燃烧室(健康时)燃烧效率。

透平气路健康指数定义如下：

SF_T,FC＝G_T,cor,deg/G_T,cor

ΔSF_T,FC＝(G_T,cor,deg-G_T,cor)/G_T,cor

SF_T,Eff＝η_T,deg/η_T

ΔSF_T,Eff＝(η_T,deg-η_T)/η_T

其中SF_T,FC为透平流量性能指数；G_T,cor,deg为透平(性能衰退时)折合流量；G_T,cor为透平(健康时)折合流量；SF_T,Eff为透平效率性能指数；η_T,deg为透平(性能衰退时)等熵效率；η_T为透平(健康时)等熵效率。

在某一运行工况下，采集当前对象燃气轮机稳定运行时的某一时段的气路测量参数，进行降噪处理后作为待离线诊断的气路测量参数。

在对气路测量参数进行调和时，实际的气路部件特性也可能会与理论特性发生一定偏差，这里将气路部件的流量特性指数和效率特性指数引入作为“虚拟”测量参数(部件健康时，其值为1)，一同进行调和，由于未知气路部件性能健康状况，因此其“虚拟”测量参数都取为1，其不确定度取为1％。基于高斯修正准则的数据调和原理对该工况下的待离线诊断的气路测量数据及“虚拟”测量参数进行数据调和，检测出发生性能衰退的气路传感器(即调节量超过置信限值的传感器)，如表3所示。

表3数据调和结果

根据检测出存在问题的传感器数目，按照可信的气路测量参数>＝(待诊断的部件气路健康指数数目+存在问题传感器的数目)原则，确定对象燃气轮机部件性能诊断所需的稳态运行工况点的数目。

根据所需的稳态运行工况点数目，通过调整对象燃气轮机操作条件的方式，逐一采集当前对象燃气轮机在各个稳定运行工况时的某一时段的气路测量参数，进行降噪处理后作为多个运行工况点的待离线诊断的气路测量数据集。

分别设置已建立的燃气轮机热力模型的环境输入条件(大气压力、温度和相对湿度)和操作输入条件与采样时的对象燃气轮机的各个运行工况一致，消除由于环境条件(大气压力、温度和相对湿度)和操作条件变化而导致燃气轮机运行性能变化的影响。

以待离线诊断的多个运行工况点的气路测量数据与热力模型计算的气路参数数据之间的均方根误差为目标函数，通过粒子群优化算法计算得到当前的各个部件(压气机、透平和燃烧室)的气路健康指数用以评估对象燃气轮机实际的性能健康状况，如图2所示。

其中

式中——由燃机热力模型在第i个运行工况点计算得到的气路测量参数向量；

——在第i个运行工况点实际的气路测量参数向量；

M——某一运行工况点的气路测量参数的总数目。

优化目标函数定义如式：

$Fitness=\sqrt{\frac{\underset{j=1}{\overset{m}{\Σ}}\underset{i=1}{\overset{M}{\Σ}}{\[(z_{j,i,predicted}-z_{j,i,actual})/z_{j,i,actual}\]}^2}{m\×M}}$

式中Fitness是优化目标函数，当F_itness随着粒子群优化算法(PSO)迭代寻优计算过程逐渐地趋近于0时，预测的气路测量参数与实测气路测量参数相匹配,此时输出最优的气路部件健康指数和在不同运行工况点的传感器偏差

粒子群优化算法相关参数的选取如表4所示，这里进化代数为200，种群规模为100，用于搜索最优的部件健康参数(如表2所示)和传感器偏差

表4粒子群优化算法(PSO)相关参数的选取

参数	值
		种群规模	100
进化代数	200

通过本发明诊断方法上述的主要诊断步骤后，可以得到最终的诊断结果如图4所示。

图3中横坐标的标志符12表示P₅，标志符13表示t₅，标志符14表示P₆，标志符15表示t₆。从图4可知，当气路部件发生性能衰退且存在传感器性能衰退时，通过这种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法(Robust PSO-GPA)能够成功地识别、隔离性能衰退的部件及部件，并准确地量化性能衰退程度，避免误导性的诊断结果产生。其中诊断案例相应的这种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法迭代计算过程如图5所示。

基于以上诊断案例的分析可知，当气路部件发生性能衰退且存在传感器偏差时，通过本发明的诊断方法能够成功地识别、隔离性能衰退的部件，并准确地量化性能衰退程度。

Claims (5)

1.一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法，其特征是：

(1)基于对象燃气轮机新投运或健康时的气路测量参数，建立燃气轮机非线性热力模型，压气机和透平都用相似折合参数形式表示；

(2)用相似折合参数重新定义压气机和透平的气路健康指数，消除由于环境条件变化而导致燃气轮机运行性能变化的影响；

(3)采集当前对象燃气轮机在一运行工况下稳定运行时的一个时段的气路测量参数，进行降噪处理后作为待离线诊断的气路测量参数；

(4)对待离线诊断的气路测量参数进行数据调和，检测出发生性能衰退的气路传感器；

(5)根据检测出存在问题的传感器数目，按照可信的气路测量参数≧(待诊断的部件气路健康指数数目+存在问题传感器的数目)原则，确定对象燃气轮机部件性能诊断所需的稳态运行工况点的数目；

(6)根据所需的稳态运行工况点数目，通过调整对象燃气轮机操作条件的方式，逐一采集当前对象燃气轮机在各个稳定运行工况时的一个时段的气路测量参数，进行降噪处理后作为多个运行工况点的待离线诊断的气路测量数据集；

(7)分别设置已建立的燃气轮机热力模型的环境输入条件和操作输入条件与采样时的对象燃气轮机的各个运行工况一致，消除由于环境条件和操作条件变化而导致燃气轮机运行性能变化的影响；

(8)以待离线诊断的多个运行工况点的气路测量数据与热力模型的气路参数数据之间的均方根误差为目标函数，通过粒子群优化算法计算得到当前的各个部件的气路健康指数，用以评估对象燃气轮机实际的性能健康状况。

2.根据权利要求1所述的一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法，其特征是：步骤(1)中建立燃气轮机非线性热力模型的具体步骤如下：

(a)利用部件相对折合参数，建立燃气轮机部件级热力模型，其中压气机和透平特性线数据整理成通用的相对折合参数形式：

压气机特性线整理成通用的相似折合参数形式如下：

G_C,cor,rel＝f(n_cor,rel,π_C,rel)

η_C,rel＝f(n_cor,rel,π_C,rel)

其中为相对折合转速，n为实际转速，为压气机进口滞止温度，R_g为流经压气机工质的气体常数，下角标0表示设计点；

为相对折合流量，G_C为实际压气机进口流量，为压气机进口滞止压力，为相对压比，π_C为实际压气机压比，η_C,rel＝η_C/η_C0为相对等熵效率，η_C为实际压气机等熵效率；

透平特性线整理成通用的相似折合参数形式如下：

G_T,cor,rel＝f(n_cor,rel,π_T,rel)

η_T,rel＝f(n_cor,rel,π_T,rel)

式中：为相对折合转速，n为实际转速，为透平进口滞止温度，R_g为流经透平工质的气体常数，为相对折合流量，G_T为实际透平进口流量，为相对压比，η_T,rel＝η_T/η_T0为相对等熵效率，η_T为实际透平等熵效率，下角标0表示设计点；

(b)根据采集的对象燃气轮机新投运或健康时的气路测量参数，逐步修正各个部件的特性线数据，使所建的燃气轮机热力模型的计算值与气路实测参数相匹配，从而消除热力模型计算误差给诊断结果带来的负影响。

3.根据权利要求2所述的一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法，其特征是：步骤(2)用相似折合参数重新定义压气机和透平的气路健康指数的具体步骤如下：

(a)燃气轮机总体性能健康状况通过由各部件的气路健康指数来表示，用相对折合参数重新定义压气机和透平的气路健康指数以消除由于环境条件变化而给诊断结果带来的负影响。

(b)压气机气路健康指数定义如下：

SF_C,FC＝G_{C,cor,rel,deg}/G_C,cor,rel

ΔSF_C,FC＝(G_{C,cor,rel,deg}-G_C,cor,rel)/G_C,cor,rel

SF_C,Eff＝η_C,deg/η_C

ΔSF_C,Eff＝(η_C,deg-η_C)/η_C

其中SF_C,FC为压气机流量特性指数；G_{C,cor,rel,deg}为压气机性能衰退时相对折合流量；G_C,cor,rel为压气机健康时相对折合流量；SF_C,Eff为压气机效率特性指数；η_C,deg为压气机性能衰退时等熵效率；η_C为压气机健康时等熵效率；

燃烧室气路健康指数定义如下：

SF_B,Eff＝η_B,deg/η_B

ΔSF_B,Eff＝(η_B,deg-η_B)/η_B

其中SF_B,Eff为燃烧室燃烧效率性能指数；η_B,deg为燃烧室性能衰退时燃烧效率；η_B为燃烧室健康时燃烧效率。

透平气路健康指数定义如下：

SF_T,FC＝G_T,cor,deg/G_T,cor

ΔSF_T,FC＝(G_T,cor,deg-G_T,cor)/G_T,cor

SF_T,Eff＝η_T,deg/η_T

ΔSF_T,Eff＝(η_T,deg-η_T)/η_T

其中SF_T,FC为透平流量性能指数；G_T,cor,deg为透平性能衰退时折合流量；G_T,cor为透平健康时折合流量；SF_T,Eff为透平效率性能指数；η_T,deg为透平性能衰退时等熵效率；η_T为透平健康时等熵效率。

4.根据权利要求3所述的一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法，其特征是：步骤(4)基于高斯修正准则的数据调和原理对该工况下的待离线诊断的气路测量数据进行数据调和，检测出发生性能衰退的气路传感器的具体步骤如下：

(a)在一个运行工况下，采集当前对象燃气轮机稳定运行时的一个时段的气路测量参数，进行降噪处理后作为待离线诊断的气路测量参数；

(b)在对气路测量参数进行调和时，将气路部件的流量特性指数和效率特性指数引入作为“虚拟”测量参数，一同进行调和，其“虚拟”测量参数都取为1，其不确定度取为1％；

(c)基于高斯修正准则的数据调和原理对该工况下的待离线诊断的气路测量数据及“虚拟”测量参数进行数据调和，检测出发生性能衰退的气路传感器。

5.根据权利要求4所述的一种抗传感器故障的强鲁棒性燃气轮机气路部件性能诊断方法，其特征是：步骤(8)以待离线诊断的多个运行工况点的气路测量数据与热力模型计算的气路参数数据之间的偏差作为残差，计算得到当前的各个部件的气路健康指数，用以评估对象燃气轮机实际的性能健康状况的具体步骤如下：

(a)分别设置已建立的燃气轮机热力模型的环境输入条件和操作输入条件与采样时的对象燃气轮机的各个运行工况一致，消除由于环境条件和操作条件变化而导致燃气轮机运行性能变化的影响；

(b)以待离线诊断的多个运行工况点的气路测量数据与热力模型计算的气路参数数据之间的均方根误差为目标函数Fitness，通过粒子群优化算法计算得到当前的各个部件的气路健康指数用以评估对象燃气轮机实际的性能健康状况，

其中

$\stackrel{\→}{z_i}=\[z_{i,1,actual},z_{i,2,actual},\mathrm{...},z_{i,M,actual}\]$

式中为由燃机热力模型在第i个运行工况点计算得到的气路测量参数向量，为在第i个运行工况点实际的气路测量参数向量，M为某一运行工况点的气路测量参数的总数目；

优化目标函数定义如式：

$Fitness=\sqrt{\frac{\underset{j=1}{\overset{m}{\Σ}}\underset{i=1}{\overset{M}{\Σ}}{\[\left(z_{j,i,predicted}-z_{j,i,actual}\right)/z_{j,i,actual}\]}^2}{m\×M}}$

式中Fitness是优化目标函数，当F_itness随着粒子群优化算法(PSO)迭代寻优计算过程逐渐地趋近于0时，预测的气路测量参数与实测气路测量参数相匹配,此时输出最优的气路部件健康指数和在不同运行工况点的传感器偏差