CN109523171B - 一种基于svdd的燃气轮机进气系统健康度评估方法 - Google Patents

Abstract

本发明公开了一种基于SVDD的燃气轮机进气系统健康度评估方法，步骤为：针对燃气轮机进气系统进行机理及影响因素分析，根据分析结果得到所有的关键测点及性能参数，最终确定需要监测的测点；抽取燃气轮机进气系统的运行数据和维保数据，得到模型训练数据集；训练SVDD模型；利用SVDD模型计算新的观测值距离进气系统正常状态的距离；对进气系统状态进行评估判定。本发明综合考虑了多个参数的变化情况，避免了基于单一参数预警导致的片面性，提高了健康度评估结果的准确性；此外，本发明可以实时量化进气系统的健康度，提高了监测结果的实用性和应用范围，不仅可以做故障预警，提前采取措施排除故障，还可以用于日常维护的效果评估。

Description

一种基于SVDD的燃气轮机进气系统健康度评估方法

技术领域

本发明涉及一种评估方法，尤其涉及一种基于SVDD的燃气轮机进气系统健康度评估方法。

背景技术

燃气轮机是海上钻井平台的大型核心生产设备，其性能是实现企业生产目标的重要保障。进气系统作为燃气轮机的重要组成部分，进口的空气质量和纯净度是提高燃气轮机性能和可靠性的前提。当进口空气滤器滤网因污脏或冬季结霜而堵塞时，进气系统性能下降，压气机的比功增加，出力将更多地消耗于带动压气机，导致燃气轮机的功率和效率降低。因此，需要对进气系统进行健康度评估技术研究，以便及时发现其性能下降，并采取相应的维保措施，降低生产损失。

燃气轮机的设计非常复杂，包含了压气机、喷嘴、润滑系统、进气系统等多个部件和子系统，能够获取的参数也相当繁多，维护人员不可能对所有参数都进行监测，通常会采取单参数预警模型。单参数预警模型是依据专家经验挑出为数不多的关键参数，然后为每个关键参数设定阈值，当参数值没有超过阈值时，则认为其健康状态良好，不需要进行维修；当参数值超过设定阈值时，则认为其健康状态存在问题，需要立即对其进行检修。实际维护中，燃气轮机进气系统主要监控的关键参数为进气滤器压差，当进气滤器压差超过设定的阈值时，维护人员就需要采取除冰等维保操作或者直接更换进气滤器。

但是现有技术仍存在以下技术缺陷有待解决：

(1)单参数预警模型仅以单一性能参数来评估进气系统健康度下降情况，并未全面考虑所有相关参数的异常变化和参数之间的相互影响，因此得到的评估结果往往具有很强的不确定性和片面性；

(2)单参数预警模型对进气系统健康度的评估无法量化，不能给出进气系统健康度下降的严重程度，也无法对采取维保措施的效果进行准确评估。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种基于SVDD的燃气轮机进气系统健康度评估方法。

为了解决以上技术问题，本发明采用的技术方案是：一种基于SVDD的燃气轮机进气系统健康度评估方法，整体步骤为：

步骤1、针对燃气轮机进气系统进行机理及影响因素分析，根据分析结果得到所有的关键测点及性能参数，最终确定需要监测的测点为环境温度t1、功率kw、转速r和进气滤器压差dp；

步骤2、抽取燃气轮机进气系统的运行数据和维保数据，并对历史运行数据进行整理和清洗，得到模型训练数据集；

步骤3、基于步骤2中获取的训练数据集训练SVDD模型；

步骤4、实时抽取燃气轮机进气系统关键参数值，利用步骤3中创建的SVDD模型计算新的观测值距离进气系统正常状态的距离；

步骤5、根据计算结果，对进气系统状态进行评估判定。

进一步地，步骤2的具体步骤为：

步骤2.1、编写针对实时数据库的数据抽取代码，从数据库中抽取最近1年的燃气轮机进气系统数据，时间间隔为固定的5分钟，抽取的数据包含步骤1中确定的4个关键测点，然后将这些数据存入历史数据库；

步骤2.2、剔除各个测点的异常值，并基于工况功率kw和转速r选择机组稳定运行时间段内的数据，排除机组在启停机过程中数据剧烈变动的情况；

步骤2.3、分别计算选取的4个关键测点的均值和标准差，并存入历史数据库；

步骤2.4、基于维保记录，筛选出进气滤器更换后5天内的运行数据，并按照公式一进行标准化处理：

其中，X_i为待标准化向量的第i个值，

和S分别为待标准化向量在步骤2.3中计算得到的均值和标准差，通过标准化处理，所有样本数据落入区间[0,1]之间，消除不同测点之间的量纲和数量级差别的影响。

进一步地，步骤3中SVDD模型的具体构建方法为：

通过最小化半径R定义一个最小超球体，使其尽量包含所有的训练样本X_i；通过求解下面的最优二次规划问题获取SVDD模型：

x_i代表训练数据集中的第i条观测，i＝1,…n；R为需要计算的球体半径；C为惩罚系数且C＝1/(nf)，其中n为训练数据集的观测数，f为期望的异常值占比，通常为0.0001；ξ是松弛变量；a是球心；T代表矩阵转置；

将公式二转换为求其对偶形式的最大化问题，内积采用核函数代替：

其中，S为高斯径向基函数的带宽，S取值越小，生成的支持向量越多，S取值越大，支持向量越少，球体半径越大；x_i代表训练数据集中的第i条观测，i＝1,…n；x_j代表训练数据集中的第j条观测，j＝1,…n；α_i为第i个拉格朗日系数；α_j为第j个拉格朗日系数；k为核函数，k(x_i,x_j)代表对x_i,x_j进行核变换的核函数，k(x_i,x_i)代表对x_i,x_i进行核变换的核函数；

通过迭代求解公式四的最大值获取α_i的最优解，满足0≤α_i≤C条件的样本即为支持向量SV，在此基础之上，利用公式七和公式八获取超球球心a和半径R，其中x_k代表第k个支持向量；

d₀＝min(dt) 公式十

其中，x_i为训练数据集中的第i条观测，计算训练数据集中所有观测值到超球中心a的距离dt，d₀为所有距离中的最小值，将d₀存入数据库，作为计算进气系统健康度的最优基准值。

进一步地，步骤4的具体步骤为：

步骤4.1、每隔5分钟抽取燃气轮机进气系统的测点数据，获取环境温度t1、功率kw、转速r和进气滤器压差dp，并利用步骤2.3中计算的各测点均值和标准差进行标准化处理；

步骤4.2、计算该时点的测点数据到步骤3中训练所得SVDD模型的球心距离d，公式如下：

其中，z为待测的标准化后的燃气轮机进气系统实时数据。

进一步地，步骤5的具体步骤为：

将步骤4计算得到的距离d和步骤3中得到的球体半径R进行比较，若d≤R，则判定进气系统状态良好，反之若d>R，则判定进气系统发生异常；为量化评估燃气轮机进气系统状态，便于维护工程师使用和维保效果评估，通过公式十将距离和半径R的比较直接转换为分数形式，转换公式如下：

其中，score为转换后的进气系统健康度评分，maxscore为进气系统在状态良好情况下的分数，rscore是观测值正好落在球体半径上时对应的分数，d₀为SVDD模型训练时得到距离的最小值，R为超球半径。

本发明综合考虑了多个参数的变化情况，避免了基于单一参数预警导致的片面性，提高了健康度评估结果的准确性；此外，本发明可以实时量化进气系统的健康度，提高了监测结果的实用性和应用范围，不仅可以做故障预警，提前采取措施排除故障，还可以用于日常维护的效果评估。

附图说明

图1为本发明的整体流程示意图。

图2为SVDD模型的原理示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1所示的一种基于SVDD的燃气轮机进气系统健康度评估方法，整体步骤为：

步骤1、针对燃气轮机进气系统进行机理及影响因素分析，根据分析结果得到所有的关键测点及性能参数，最终确定需要监测的测点为环境温度t1、功率kw、转速r和进气滤器压差dp；

步骤2、抽取燃气轮机进气系统的运行数据和维保数据，并对历史运行数据进行整理和清洗，得到模型训练数据集。具体步骤如下：

步骤2.1、编写针对实时数据库的数据抽取代码，从数据库中抽取最近1年的燃气轮机进气系统数据，时间间隔为固定的5分钟，抽取的数据包含步骤1中确定的4个关键测点，然后将这些数据存入历史数据库(这里采用MySQL数据库)；

步骤2.2、剔除各个测点的异常值，并基于工况功率kw和转速r选择机组稳定运行时间段内的数据，这样就排除了机组在启停机过程中数据剧烈变动的情况；

步骤2.3、分别计算选取的4个关键测点的均值和标准差，并存入历史数据库；

步骤2.4、基于维保记录，筛选出进气滤器更换后5天内的运行数据，并按照公式一进行标准化处理：

其中，X_i为待标准化向量的第i个值，

和S分别为待标准化向量在步骤2.3中计算得到的均值和标准差，通过标准化处理，所有样本数据落入区间[0,1]之间，消除了不同测点之间的量纲和数量级差别的影响。

步骤3、基于步骤2.4中获取的训练数据集训练SVDD(Support Vector DataDescription,支持向量数据描述)模型，SVDD模型的基本思想是通过最小化半径R来定义一个最小超球体，使其尽可能包含所有的训练样本X_i，可通过求解下面的最优二次规划问题获取SVDD模型：

x_i代表训练数据集中的第i条观测，i＝1,…n；R为需要计算的球体半径；C为惩罚系数且C＝1/(nf)，其中n为训练数据集的观测数，f为期望的异常值占比，通常为0.0001；ξ是松弛变量；a是球心；T代表矩阵转置；

将公式二转换为求其对偶形式的最大化问题，内积采用核函数代替：

其中，S为高斯径向基函数的带宽，S取值越小，生成的支持向量越多，S取值越大，支持向量越少，球体半径越大；x_i代表训练数据集中的第i条观测，i＝1,…n；x_j代表训练数据集中的第j条观测，j＝1,…n；α_i为第i个拉格朗日系数；α_j为第j个拉格朗日系数；k为核函数，常用的核函数有高斯径向基函数、多项式函核和多层感知器核，k(x_i,x_j)代表对x_i,x_j进行核变换的核函数，k(x_i,x_i)代表对x_i,x_i进行核变换的核函数。

通过迭代求解公式四的最大值获取α_i的最优解，满足0≤α_i≤C条件的样本即为支持向量SV，在此基础之上，可利用公式七和公式八获取超球球心a和半径R，其中x_k代表第k个支持向量。SVDD模型的原理图如图2所示。

d₀＝min(dt) 公式十

其中，x_i为训练数据集中的第i条观测，计算训练数据集中所有观测值到超球中心a的距离dt，d₀为所有距离中的最小值，将d₀存入数据库，作为计算进气系统健康度的最优基准值。

步骤4、实时抽取燃气轮机进气系统关键参数值，利用步骤3中创建的SVDD模型计算新的观测值距离进气系统正常状态的距离，具体步骤如下：

步骤4.1、每隔5分钟抽取燃气轮机进气系统的测点数据，获取环境温度t1、功率kw、转速r和进气滤器压差dp，并利用步骤2.3中计算的各测点均值和标准差进行标准化处理；

步骤4.2、计算该时点的测点数据到步骤3中训练所得SVDD模型的球心距离d，公式如下：

其中，z为待测的标准化后的燃气轮机进气系统实时数据。

步骤5、将步骤4计算得到的距离d和步骤3中得到的球体半径R进行比较，若d≤R，可判定进气系统状态良好，反之若d>R，可判定进气系统发生异常。为量化评估燃气轮机进气系统状态，便于维护工程师使用和维保效果评估，通过公式十将距离和半径R的比较直接转换为分数形式，转换公式如下：

其中，score为转换后的进气系统健康度评分，maxscore为进气系统在状态良好情况下的分数，rscore是观测值正好落在球体半径上时对应的分数，d₀为SVDD模型训练时得到距离的最小值，R为超球半径。

此外，上述对方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换，例如：

(1)数据标准化还可以采用离差标准化的方法；

(2)如果只是做状态异常检测，可以省略步骤5。

本发明与现有技术相比，有益效果为：

(1)本发明利用SVDD方法同时综合考虑了多个参数的变化情况，避免了基于单一参数预警导致的片面性，提高了健康度评估结果的准确性；

(2)本发明可以实时量化进气系统的健康度，提高了监测结果的实用性和应用范围，不仅可以做故障预警，提前采取措施排除故障，还可以用于日常维护的效果评估。

上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。

Claims (5)

1.一种基于SVDD的燃气轮机进气系统健康度评估方法，其特征在于：所述方法的整体步骤为：

步骤1、针对燃气轮机进气系统进行机理及影响因素分析，根据分析结果得到所有的关键测点及性能参数，最终确定需要监测的测点为环境温度t1、功率kw、转速r和进气滤器压差dp；

步骤2、抽取燃气轮机进气系统的运行数据和维保数据，并对历史运行数据进行整理和清洗，得到模型训练数据集；

步骤3、基于步骤2中获取的训练数据集训练SVDD模型；

步骤4、实时抽取燃气轮机进气系统关键参数值，利用步骤3中创建的SVDD模型计算新的观测值距离进气系统正常状态的距离；

步骤5、根据计算结果，对进气系统状态进行评估判定。

2.根据权利要求1所述的基于SVDD的燃气轮机进气系统健康度评估方法，其特征在于：所述步骤2的具体步骤为：

步骤2.1、编写针对实时数据库的数据抽取代码，从数据库中抽取最近1年的燃气轮机进气系统数据，时间间隔为固定的5分钟，抽取的数据包含步骤1中确定的4个关键测点，然后将这些数据存入历史数据库；

步骤2.2、剔除各个测点的异常值，并基于工况功率kw和转速r选择机组稳定运行时间段内的数据，排除机组在启停机过程中数据剧烈变动的情况；

步骤2.3、分别计算选取的4个关键测点的均值和标准差，并存入历史数据库；

步骤2.4、基于维保记录，筛选出进气滤器更换后5天内的运行数据，并按照公式一进行标准化处理：

其中，X_i为待标准化向量的第i个值，

和S分别为待标准化向量在步骤2.3中计算得到的均值和标准差，通过标准化处理，所有样本数据落入区间[0,1]之间，消除不同测点之间的量纲和数量级差别的影响。

3.根据权利要求2所述的基于SVDD的燃气轮机进气系统健康度评估方法，其特征在于：所述步骤3中SVDD模型的具体构建方法为：

通过最小化半径R定义一个最小超球体，使其尽量包含所有的训练样本X_i；通过求解下面的最优二次规划问题获取SVDD模型：

x_i代表训练数据集中的第i条观测，i＝1,…n；R为需要计算的球体半径；C为惩罚系数且C＝1/(nf)，其中n为训练数据集的观测数，f为期望的异常值占比，通常为0.0001；ξ是松弛变量；a是球心；T代表矩阵转置；

将公式二转换为求其对偶形式的最大化问题，内积采用核函数代替：

其中，S为高斯径向基函数的带宽，S取值越小，生成的支持向量越多，S取值越大，支持向量越少，球体半径越大；x_i代表训练数据集中的第i条观测，i＝1,…n；x_j代表训练数据集中的第j条观测，j＝1,…n；α_i为第i个拉格朗日系数；α_j为第j个拉格朗日系数；k为核函数，k(x_i,x_j)代表对x_i,x_j进行核变换的核函数，k(x_i,x_i)代表对x_i,x_i进行核变换的核函数；

通过迭代求解公式四的最大值获取α_i的最优解，满足0≤α_i≤C条件的样本即为支持向量SV，在此基础之上，利用公式七和公式八获取超球球心a和半径R，其中x_k代表第k个支持向量；

d₀＝min(dt) 公式十

其中，x_i为训练数据集中的第i条观测，计算训练数据集中所有观测值到超球中心a的距离dt，d₀为所有距离中的最小值，将d₀存入数据库，作为计算进气系统健康度的最优基准值。

4.根据权利要求3所述的基于SVDD的燃气轮机进气系统健康度评估方法，其特征在于：所述步骤4的具体步骤为：

步骤4.1、每隔5分钟抽取燃气轮机进气系统的测点数据，获取环境温度t1、功率kw、转速r和进气滤器压差dp，并利用步骤2.3中计算的各测点均值和标准差进行标准化处理；

步骤4.2、计算该时点的测点数据到步骤3中训练所得SVDD模型的球心距离d，公式如下：

其中，z为待测的标准化后的燃气轮机进气系统实时数据。

5.根据权利要求4所述的基于SVDD的燃气轮机进气系统健康度评估方法，其特征在于：所述步骤5的具体步骤为：

将步骤4计算得到的距离d和步骤3中得到的球体半径R进行比较，若d≤R，则判定进气系统状态良好，反之若d>R，则判定进气系统发生异常；为量化评估燃气轮机进气系统状态，便于维护工程师使用和维保效果评估，通过公式十将距离和半径R的比较直接转换为分数形式，转换公式如下：

其中，score为转换后的进气系统健康度评分，maxscore为进气系统在状态良好情况下的分数，rscore是观测值正好落在球体半径上时对应的分数，d₀为SVDD模型训练时得到距离的最小值，R为超球半径。

Images