热能动力工程

作者：周 锐，康英伟

单位：上海电力大学 自动化工程学院，上海 200090,,上海电力大学 自动化工程学院，上海 200090,

关键词：燃烧室;故障预警;LSTM神经网络;卷积神经网络;预测偏离度;滑动窗口法

基金：国家自然科学基金项目（61573239）；上海发电过程智能管控工程技术研究中心资助项目（14DZ2251100）

为了解决燃气轮机燃烧室中的故障问题，结合深度学习的优势，在长短期记忆网络（Long Shortterm Memory，〖JP〗LSTM）的基础上，提出了一种基于卷积神经网络-长短期记忆网络的燃烧室故障预警方法。首先，根据正常的历史运行数据构建燃烧室的预警模型，再将特征参数输入到预警模型中得到预测值，预测值与实际值之间的偏离度可以反映燃烧室内部工作是否正常。考虑到模型预测结果的非平稳性和非线性等特点，引入滑动窗口法确定故障预警阈值，最后根据确定的预警阈值判断是否出现故障。采用某燃气-蒸汽联合循环发电机组仿真平台对上述模型进行验证。仿真结果表明：该模型相较于LSTM预测模型具有更高的精确度，可以及时发现故障征兆，并对燃烧室故障做出有效预警。

来源：2024年第1期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2024年第1期