498 / 2018-12-31 14:08:32

汽轮机性能预测的多模型融合仿真研究

汽轮机 性能预测 多模型 大数据 仿真

全体主题 > 操作和维护

汽轮机性能预测是电厂机组运行状态评估的核心组成部分，一方面可以帮助电厂运行人员优化机组的运行管理、提高经济效益，另一方面可以为设备故障排查和预期维修提供重要依据，因此高精度的汽轮机性能预测模型对机组运行维护有着重要的意义。
目前对电厂汽轮机的在线性能预测主要有两种方式，一种以厂级监控信息系统（SIS）为代表的基于简单物理模型的在线性能评估算法，另一种是从热力设计仿真平台扩展而来的基于部件特性的热力平衡仿真模型。前者计算实时性好，但计算精度受热力测点数据的准确性影响大，常常出现设备性能计算值严重偏离正常范围。后者计算精度相对更高，但每次热平衡迭代计算耗时较长，且随着时间推移和设备老化计算精度偏差逐渐增大。
为解决这一问题开展了针对某电厂百万机组汽轮机性能预测的多模型融合仿真研究。首先对所有输入数据进行四个方向的特征提取，分别为专业领域特征方向、多项式特征方向、高阶环境特征方向、时域特征方向，并采用Z-Score方法对全工况数据进行必要的数据预处理工作。然后利用偏最小二乘法（PLS）、LightGBM、LSTM三个原理相差较大的单算法模型构建出4层融合模型，为防止模型过拟合问题，本文中单个预测模型的预测值采用4折交叉验证后的平均值作为最终单模型预测值。对融合模型的预测值以及三个单模型的预测值进行对比分析，结果表明多模型融合预测分析方法对汽轮机性能的预测精度更高。
融合模型采用了特征提取和数据预处理算法，对测量数据的异常有良好的处理效果，从根源上保证了计算的有效性。模型训练采用热平衡调和数据作为基础，并且算法考虑了设备实际性能随时间的退化，因此模型计算精度可以达到更高的水平。应用训练完成的模型接入实时运行数据进行验证，完全能满足及时性要求。多融合模型将应用于上海汽轮机厂智能运维系统的性能评估功能模块，将在实际应用中接受验证。
研究根据目前汽轮机性能预测面临的难题提出了多模型融合预测性能仿真模型，采用了大数据学习和智能分析算法，得到的模型具有更高的计算精度，且满足电厂实时计算需求，具有较好的推广应用价值。