Professional Documents
Culture Documents
燃气轮机排气温度异常检测及诊断
王伟影1 , 赵宁波1 , 唐瑞2 , 李淑英1 , 胡清华3
(1. 哈尔滨工程大学 动力与能源工程学院, 黑龙江 哈尔滨 150001; 2. 哈尔滨船舶锅炉涡轮机研究所, 黑龙江 哈尔滨
150078; 3. 天津大学 计算机科学与技术学院, 天津 300072)
摘 要:针对燃气轮机运行过程中的健康维护问题,提出了一种基于模糊 C 均值聚类的燃气轮机排气温度异常检测方
法。 以某型工业燃气轮机为例,采用模糊 C 均值聚类算法对排气温度的监测数据进行了聚类分析,得到了燃气轮机不同
运行状态下的排气温度特征模式,并在此基础上实现了燃气轮机排气温度异常状态下的故障诊断分析。 研究结果表明,
燃气轮机甩负荷及其热通道部件的损坏失效均能够对排气温度产生不同程度的影响,模糊 C 均值聚类算法可以有效实
现燃气轮机排气温度的异常检测,为燃气轮机性能退化预测及故障诊断提供决策参考。
关键词:燃气轮机;模糊 C 均值聚类;排气温度;异常检测;故障诊断;健康管理
doi:10.3969 / j.issn.1006⁃7043.201308064
网络出版地址:http: / / www.cnki.net / kcms / detail / 23.1390.U.20150109.1523.012.html
中图分类号: TK14 文献标志码:A 文章编号:1006⁃7043(2015)03⁃0337⁃06
Abstract:Aiming at the problem of health maintenance under gas turbine operating conditions, a fuzzy C⁃means
clustering approach was applied to realize the anomaly detection of gas turbine exhaust gas temperature in this pa⁃
per. Taking an industry gas turbine as an example, the clustering analysis of exhaust gas temperature based on fuzzy
C⁃means clustering approach was studied to obtain the feature pattern of exhaust gas temperature when the gas tur⁃
bine was in different operating conditions. Based on this, a diagnosis study was carried out to analyze the exhaust
gas temperature in the abnormal state. The results showed that both the gas engine's load rejection and the damage
failure of hot section parts have effects on the exhaust gas temperature of the gas turbine to varying degrees. The
fuzzy C⁃means clustering approach can effectively realize the anomaly detection of gas turbine exhaust gas tempera⁃
ture, which provides decision references for gas turbine performance degradation prediction and fault diagnosis.
Keywords:gas turbine; fuzzy C⁃means clustering; exhaust gas temperature; anomaly detection; fault diagnosis;
health management
异常状态检测与故障诊断作为燃气轮机健康管理 常现象,汪雪飞等 [7] 详细分析了燃气轮机高温热通道
的重要组成部分,其目的在于通过选择合适的监测参 部件故障、燃烧部件故障以及燃料系统部件故障对排
数对燃气轮机运行状态进行有效评估,并对可能发生 气温度均匀度的影响,研究结果表明,相对于平均排气
的各种异常状态及时做出诊断,提高燃气轮机的可靠 温度而言,排气温度的均匀度更能够反映燃气轮机热
性和安全性 [1⁃2] 。 通道部件的健康状态。 考虑传感器状态对燃气轮机排
排气温度作为燃气轮机的重要监测参数,能够提 气温度监测的影响,陈娇等 [8] 将广义回归神经网络应
供大量有关燃气轮机性能、燃烧系统操作以及热气体 用于燃气轮机排气温度传感器的故障检测,并提出了
通道部件状况等方面的信息 [3⁃5] 。 通过对发动机性能 一种传感器状态判断阈值方法。 Muthuraman 等 [9] 通过
参数的相关性分析,宋云雪等 [6] 发现排气温度与其他 监测排气温度来评估燃气轮机燃烧室的健康状态,并
气路性能参数之间存在明显的线性相关性。 针对某台 建立了自动联想神经网络故障诊断模型。
PG6551B 型燃气轮机运行过程中所出现的排气温度异 考虑燃气轮机排气温度监测信号的空间分布特
征,本文研究了模糊 C 均值( fuzzy C⁃means, FCM) 聚类
收稿日期: 2013⁃08⁃30. 网络出版时间:2015⁃01⁃09.
算法在燃气轮机排气温度异常检测中的应用,分析了
基金项目:国家自然科学基金资助项目(60703013) ;中央高校基本科
研业务费专项资金资助项目( HEUCFZ1005) . 不同数据预处理方法对排气温度聚类精度的影响,得
作者简介:王伟影(1983⁃) , 男, 博士研究生;
到了燃气轮机不同运行状态下的排气温度特征模式,
李淑英(1963⁃) , 女, 教授, 博士生导师.
通信作者:李淑英, E⁃mail: lishuying@ hrbeu.edu.cn. 并根据现场检修结果对燃气轮机排气温度异常状态进
· 338· 哈 尔 滨 工 程 大 学 学 报 第 36 卷
1.1 基本原理
∑ (μ
n
作为一种无监督学习算法,FCM 聚类算法是目前
(k)
ij ) m xj
(7)
j=1
类算法不同,FCM 聚类算法采用了隶属度的概念,即
(k)
ij ) m
j=1
样本并不是依靠简单的距离评估进行聚类,而是通过 4) 迭代检验:
‖V (k 1) - V (k) ‖ ≤ ε (8)
+
计算隶属度确定归属类。 目前,FCM 聚类算法已经成
功应用于热力系统监控 [12] 、故障诊断 [13] 以及图像分割 采用 矩 阵 范 数 比 较 V (k 1) 与 V (k) , 如 果 满 足 式
+
(2)
i=1
3) 每一类包含的样本数为 (0,n) ,即
∀i,∑ μ ij ∈ (0,1)
n
(3)
j=1
FCM 聚类算法通过对平方误差函数求得最优值,
实现对目标函数的优化:
∑∑μ
c n
minJ m( U,V) = m
ij d 2ij (4)
i=1 j=1
d (k)
∑
c m- 1
( (k) )
ij
表 2 燃气轮机排气温度聚类中心
Table 2 Clustering centers of gas turbine exhaust gas temperature ℃
类型 T1'' T2'' T3'' T4'' T5'' T6'' T7'' T8'' T9'' ''
T10 ''
T11 ''
T12
No1 -9.334 0 -6.076 6 -4.635 4 -3.192 5 -1.735 4 -0.676 7 0.676 7 2.898 8 5.515 1 7.501 5 13.998 16.325
No2 -31.926 -23.044 -16.491 -14.643 -7.475 1 -5.711 0 5.711 0 7.167 9 9.970 1 14.230 15.070 16.038
No3 -6.183 4 -4.875 7 -3.624 4 -2.362 9 -1.374 1 -0.495 2 0.495 2 1.339 4 2.528 9 4.602 5 11.421 16.134
No4 -151.35 -128.95 -97.566 -74.607 -33.073 -1.233 8 1.233 8 11.340 21.502 24.545 31.379 36.298
No5 -11.964 -8.864 7 -7.223 8 -5.576 6 -2.957 8 -1.207 35 1.207 3 2.132 8 3.037 8 5.053 4 14.123 15.836
No6 -31.888 -25.338 -15.793 -13.919 -7.951 1 -6.919 4 6.919 4 10.612 12.870 15.898 16.957 18.952
No7 -10.803 -8.813 6 -7.112 0 -5.380 7 -3.164 1 -1.014 8 1.014 8 2.427 0 4.295 1 6.280 3 8.965 5 11.197
值得指出,上述 3 种分散度只能表征部分排气温
度信息。
图 3( a) 给出了 No1 类、No3 类、No5 类、No7 类排
气温度的分散度分布,由图 3( a) 可知,上述 4 种类型
排气温度的分散度分布并不完全一致,但是又存在明
显 的 交 集, 即 排 气 温 度 分 散 度 相 对 较 小, 通 常 有
0≤S 1 ≤40℃ 且 0≤ S 2 ≤40℃ ,并且样本元素最多。 因
此,可判断上述 4 种类型代表的排气温度属于同一类,
即燃气轮机正常运行状态。
图 2 燃气轮机排气温度可视化聚类结果 图 3( b) 给出了 No1 类、No2 类、No4 类、No6 类排
Fig. 2 Graphic clustering result of gas turbine exhaust 气温度的分散度分布,从图 3( b) 中可以看出,与其他
gas temperature
类排气温度的分散度相比,No4 类排气温度的分散度
· 340· 哈 尔 滨 工 程 大 学 学 报 第 36 卷
( a) No1、No3、No5、No7 类 表 4 燃气轮机排气温度聚类验证
Table 4 Clustering validation of gas turbine exhaust gas
temperature
实际状态 聚类状态 样本数 聚类精度 / %
正常状态 正常状态 3 383 100
异常状态 1 异常状态 1 15 100
异常状态 2 正常状态 74
93.3
异常状态 2 异常状态 2 1 026
3 燃气轮机排气温度异常诊断分析
3.1 燃气轮机甩负荷对排气温度的影响
图 4 给出了燃气轮机在某段时间内发生异常状态
( b) No1、No2、No4、No6 类 1( No4 类) 时,不同运行状态参数的变化规律。 根据图
图 3 燃气轮机排气温度分散度分布 4 可知,该现象发生时,燃气轮机排气温度骤降,功率骤
Fig. 3 Dispersion distribution of gas turbine exhaust 降为 0,而转速变化不明显。 此时,燃气轮机不对外输
gas temperature
出功率,高温燃气所作的功全部用于带动压气机,导致
综合图 2 与图 3 可知,本文研究的燃气轮机排气 燃气轮机转速变化不大,压气机入口空气流量增大,同
温度状态可划分为 3 类,即正常状态、异常状态 1 与异 时燃料供给减少,使得排气温度骤降。 综合分析表明,
常状态 2,如表 3 所示。 燃气轮机排气温度异常状态 1( No4 类) 是由于燃气轮
为验证上述 聚 类 分 析 结 果 的 有 效 性 与 普 适 性, 机甩负荷导致。
选择另外 2 台相同型号燃气轮机在相同运行工作环
境条件下的 4 498 组排气温度数据进 行 总 体 聚 类 验
证,聚类 结 果 如 表 4 所 示。 由 表 4 可 知, 采 用 FCM
聚类方法 能 够 有 效 地 实 现 燃 气 轮 机 排 气 温 度 的 状
态聚类与 检 测, 其 中, 正 常 状 态 与 异 常 状 态 1 的 聚
类精度均 能 够 达 到 100% , 其 主 要 原 因 在 于 异 常 状
态 1( No4 类) 条件下的排气温度及 其 分 散 度 分 布 与
另外 2 种状态相比特征十分明显。 而异常状态 2 的
聚类精度为 93.3% ,存在6.7% 的 异 常 状 态 2 误 判 为
正常状态,误分类样 本 集 中 于 正 常 状 态 与 异 常 状 态
2 的分割边界 附 近, 其 主 要 原 因 是 该 2 种 状 态 下 的
排气温度及其分散 度 分 布 特 征 存 在 部 分 相 似, 同 时 ( a) 排气温度
第 3 期 王伟影,等:燃气轮机排气温度异常检测及诊断 · 341·
( b) 转速 ( a) No2 类
( c) 输出功率
( b) No6 类
图 4 燃气轮机甩负荷对不同运行参数的影响
图 5 燃气轮机涡轮叶片损伤对排气温度均匀度的影响
Fig. 4 Effects of gas turbine load rejection on different
Fig. 5 Effects of turbine blade damage on exhaust gas
operation parameters
temperature uniformity
3.2 燃气轮机涡轮叶片损伤对排气温度的影响
图 5 给出了燃气轮机在某段时间内发生异常状态
2( No2 类与 No6 类) 时的排气温度周向分布。 由图 5
可知,上述 8 个日期的燃气轮机排气温度周向分布非
常相似,排气温度最大值与最小值分别出现在 90° 与
150°方向。 现场检修结果发现,该情况下造成燃气轮
机排气温度周向分布不均匀的根本原因在于燃气轮机
的一级涡轮叶片磨损严重,部分二级涡轮叶片也存在
磨损,导致流道型线发生改变,造成各叶片通道的焓降
有所差异,周向温度场分布不均匀。 同时,叶片磨损造
成叶片损失增大,叶片效率下降,容易使燃气轮机在环 图 6 燃气轮机涡轮叶片损伤对排气温度分散度的影响
境温度较高时的启动过程中发生热悬挂现象,这与文 Fig. 6 Effects of turbine blade damage on exhaust gas
献[7] 中的故障分析结果一致。 因此,可以判定燃气轮 temperature dispersion
机排气温度异常状态 2( No2 类与 No6 类) 为涡轮叶片
磨损故障。 4 结论
图 6 给出了燃气轮机在上述时间段内 的 排 气 温 本文根据燃气轮机排气温度的空间分布特征与时
度分散度 ( S 1 , S 2 , S 3 ) 时 序 变 化 规 律, 从 图 6 中 可 序变化规律,研究了模糊 C 均值聚类算法在燃气轮机
以看出,当燃气轮 机 排 气 温 度 处 于 异 常 状 态 2 ( No2 排气温度异常检测与诊断中的应用,得到如下结论:
类与 No6 类) 时,3 种排气温度分散度明显升高。 此 1) 综合考虑燃气轮机排气温度的空间分布均匀性
外,由于涡轮叶片磨 损 对 热 通 道 部 件 产 生 了 不 可 逆 信息与数据归一化思想,本文所提出的减均值后排序
的腐蚀损伤,使得燃 气 轮 机 的 排 气 温 度 分 散 度 在 部 数据预处理方法可以有效提取样本数据的特征信息,
分维修之后依然处 于 缓 慢 上 升 状 态,燃 气 轮 机 总 体 提高排气温度的聚类精度。
性能不断退化。 2) 基于模糊 C 均值聚类算法对某型工业燃气轮机
排气温度的分析结果表明,通过该方法得到的聚类检
· 342· 哈 尔 滨 工 程 大 学 学 报 第 36 卷