燃氣輪機運行初期故障診斷與預警研究

王 賀，柳玉賓

(1. 上海電力大學 自動化工程學院，上海 200090；2. 中國華電集團科學技術(shù)研究總院有限公司，北京 100070)

燃氣輪機是一個復雜的非線性系統(tǒng)，它由數(shù)以萬計的部件構(gòu)成，每一個部件都會對燃氣輪機的工作性能產(chǎn)生影響。由于燃氣輪機體積小、質(zhì)量輕等優(yōu)點，目前廣泛應用于各種分布式能源系統(tǒng)中。由于燃氣輪機長期處于高溫、高壓以及各種不同工況的工作條件下，其部件極易發(fā)生損壞，一旦發(fā)生機械故障，將會對整個能源站產(chǎn)生不菲的經(jīng)濟損失，甚至會發(fā)生一些安全事故。因此，對燃氣輪機進行故障預警具有重大的意義。

1973年，Urban首次提出了基于模型的氣路分析方法，該方法促進了人們對燃氣輪機故障診斷技術(shù)的研究。隨著計算機技術(shù)的突飛猛進，機器學習等方法被應用于燃氣輪機的故障診斷中。王文祥等[1]提出了基于模糊聚類的故障診斷方法，當樣本數(shù)量過大時，系統(tǒng)變得愈加復雜，在實際應用中具有一定的難度。Jiang等[2]提出了基于神經(jīng)網(wǎng)絡(luò)的燃氣輪機故障診斷方法，但泛化能力較弱。涂雷等[3]提出了基于CGABC-SVM的氣路故障診斷方法，該方法通過人工蜂群算法對SVM進行改進，具有較高的準確性和廣泛的應用前景。目前，氣路性能監(jiān)測是對燃氣輪機進行健康管理的方法之一，該方法主要是判斷燃氣輪機的主要參數(shù)是否超過閾值，但閾值是固定的，因此對于不同工況下的參數(shù)監(jiān)測并不適用。林新智等[4]提出了基于模型的氣路故障預警方法，通過設(shè)計燃氣輪機各功能模塊，使得燃氣輪機可以在不同工況下進行工作，由此設(shè)計不同工況下的閾值，該方法有效解決了傳統(tǒng)閾值固定所帶來的局限性問題。

在燃氣輪機運行初期階段，機組安全運行，幾乎很少發(fā)生故障，即使發(fā)生故障也只是單個部件的故障，故障樣本很少，因此無法通過數(shù)據(jù)對其進行故障診斷。

目前的故障診斷方法主要有基于模型、基于知識和基于數(shù)據(jù)的診斷方法。基于模型的方法適用于簡單的機理模型。基于知識的方法需要制定大量的規(guī)則，工作量大。基于數(shù)據(jù)的診斷方法是處理這些非線性模型的最佳方法，因此，本文采用測量參數(shù)趨勢分析的方法[5]來進行故障的預警研究。在動態(tài)建模中，動態(tài)神經(jīng)網(wǎng)絡(luò)具有很好的系統(tǒng)仿真能力，針對燃氣輪機故障發(fā)生時，故障點所對應相關(guān)參數(shù)發(fā)生變化這一特點，本文采用門控循環(huán)單元(Gated Recurrent Unit，GRU)神經(jīng)網(wǎng)絡(luò)來對燃氣輪機性能進行辨識，以此來獲得各項參數(shù)的運行基準值，主要包括透平排氣溫度和壓氣機出口溫度，通過實時監(jiān)測基準值和實測值之間的偏差來判斷燃氣輪機是否處于安全的工作狀態(tài)。

1 GRU建模

在進行燃氣輪機氣路故障分析時，數(shù)據(jù)獲取需要兩個方面：一是現(xiàn)場實測數(shù)據(jù)，二是燃氣輪機運行基線數(shù)據(jù)。基線數(shù)據(jù)為燃氣輪機在不同工況下運行的數(shù)據(jù)，如何獲得基準值是氣路分析最重要的一點。一般情況下，廠家會通過多次實際運行的數(shù)據(jù)來對數(shù)值進行不斷修正，最終獲得測量參數(shù)的基準值，但是在機組的實際工作過程中，運行工況并不一定處在基線數(shù)據(jù)所在的工況下，因此需要一種全新的數(shù)據(jù)辨識模型。

目前，主流的建模方法包括基于數(shù)據(jù)驅(qū)動、基于模型和基于知識的建模。基于數(shù)據(jù)驅(qū)動的建模方法不需要各種模塊之間的計算關(guān)系，其采用“黑箱”原理對機組進行建模，具有可操作性及簡便性。

Cho等[6]提出的GRU作為長短期記憶(Long Short-Term Memory，LSTM)的變體，它繼承了LSTM的優(yōu)勢，可以有效克服梯度消失問題，同時將LSTM中的遺忘門和輸出門整合為更新門，大大簡化了網(wǎng)絡(luò)結(jié)構(gòu)，在預測精度大致相同的情況下，GRU的訓練效率優(yōu)于LSTM[7]。

GRU的結(jié)構(gòu)圖如圖1所示。

模型的輸入為燃氣流量和IGV開度，輸出為壓氣機出口溫度和透平排氣溫度，計算過程為：

Zt=σ(Wz·[ht-1,xt])

(1)

rt=σ(Wr·[ht-1,xt])

(2)

(3)

(4)

式中：Wz為重置門權(quán)重；Wr為更新門權(quán)重；W為記憶狀態(tài)的權(quán)重；σ和tanh為激活函數(shù)。

由于模型的輸出具有多個重要參數(shù)，因此存在兩種建模思路：第一種是建立多輸入多輸出的網(wǎng)絡(luò)模型，同時得到多個輸出參數(shù)；第二種是建立多輸入單輸出的網(wǎng)絡(luò)模型。由于每一個輸出參數(shù)都對應不同的特性，因此所對應的輸入和輸出的映射關(guān)系也不同，而且多輸入多輸出的網(wǎng)絡(luò)在訓練過程中會消耗大量的時間，精度也會略微下降[8]，基于此，本文采用多輸入單輸出的建模思路。

模型的評價指標選用均方根誤差RMSE和平均相對誤差MAPE：

(5)

(6)

式中：yn為預測值，y為原始數(shù)據(jù)，M為總樣本數(shù)量。

2 燃氣輪機氣路故障分析

氣路即機組內(nèi)部氣流通過的路徑，當燃氣輪機發(fā)生故障時，其工作狀態(tài)發(fā)生變化導致參數(shù)偏離設(shè)計值，這會導致一些部件性能發(fā)生變化。隨著燃氣輪機技術(shù)的發(fā)展，其內(nèi)部部件越來越精密，所處的環(huán)境也越來越惡劣，這些都對燃氣輪機的可靠性提出了更高的標準，工程上的檢修工作需要做到故障的提前預防，常見的氣路故障類型如表1所示[9]。

燃氣輪機性能發(fā)生變化會引起燃氣輪機測量參數(shù)的變化，Zwebek等[10]提出，當部件的效率性能變化達到5%時應該對機組進行維修，因此把燃氣輪機效率退化5%作為故障標志，參數(shù)變化情況如表2所示。

表2 性能變化對應參數(shù)變化[11]

在獲得壓氣機出口溫度和透平排氣溫度之后，將其與神經(jīng)網(wǎng)絡(luò)模型所輸出的基準值進行比較，得到偏差值，然后對誤差進行分析，通過數(shù)據(jù)參數(shù)誤差來判斷故障發(fā)生位置，并決定是否需要停機檢修，整個流程如圖2所示。

圖2 故障預警流程圖

3 試驗分析

本文的研究對象為北京市通州區(qū)華電北燃分布式能源站所用燃氣輪機，型號為6F.03，該燃氣輪機具有18級壓縮機、3級透平、6個環(huán)筒型燃燒室，可快速啟停，變負荷能力強，具有很高的燃燒效率和安全性，其主要參數(shù)如表3所示。

表3 6F.03型燃氣輪機性能參數(shù)

試驗數(shù)據(jù)采用能源站2021年3月最近幾次啟停過程中的實時數(shù)據(jù)進行模型的訓練和測試，機組功率變化范圍為0～70 MW，滿足了基本的燃氣輪機運行工況，采樣時間為2 s，設(shè)定前70%的數(shù)據(jù)用作訓練集，15%的數(shù)據(jù)用作驗證集，15%的數(shù)據(jù)用作測試集。激活函數(shù)使用adam，損失函數(shù)選用均方根誤差，學習率設(shè)置為0.001，得到的透平排氣溫度和壓氣機出口溫度分別如圖3和圖4所示。

圖3 壓氣機出口溫度仿真曲線

圖4 透平排氣溫度發(fā)仿真曲線

該模型的參數(shù)誤差如表4所示。傳統(tǒng)的燃氣輪機一般使用機理模型進行建模，該方法需要大量的數(shù)學公式，搭建模型費時費力且精度較差。為了防止機組誤報，一般將報警閾值設(shè)定得較大，這就導致當機組發(fā)生故障時，因為沒有達到設(shè)定的報警閾值而不能及時發(fā)出報警信號。當發(fā)出報警信號時，燃氣輪機通常已處于嚴重故障狀態(tài)。因此本研究要求MAPE誤差控制在2%以內(nèi)。

表4 GRU預測誤差

由表4可以看到，透平排氣溫度和壓氣機出口溫度的平均相對誤差都低于所要求的精度，二者的誤差均處在合理的范圍內(nèi)，因此該模型可以用作燃氣輪機故障預警的基準模型。

由于在燃氣輪機運行初期無法獲取故障下的數(shù)據(jù)，因此采用人工干預的手段進行數(shù)據(jù)加工，取機組正常運行下的100個時間點作為基準值。在大多數(shù)情況下，燃氣輪機性能的下降是一個持續(xù)的過程，下降速率呈指數(shù)性衰減[12]，因此，假設(shè)參數(shù)在前44個時間點正常運行，在第44個時間點后，燃氣輪機壓氣機和透平發(fā)生某些故障，則二者的偏差曲線如圖5和圖6所示。

圖5 壓氣機出口溫度偏差監(jiān)測

圖6 透平排氣溫度偏差監(jiān)測

燃氣輪機處于運行中，在第44個時間點監(jiān)測的參數(shù)偏差值超過預警線，并長期處于報警線以上，此時維修人員就需要對燃氣輪機的壓氣機和透平進行檢修，合理安排機組的啟停計劃，防止后續(xù)故障的加重，為設(shè)備以及整個能源站的安全運行提供保障。同時，可以建立故障診斷及預警平臺，將數(shù)據(jù)顯示在前端頁面上，為監(jiān)測人員提供可視化功能，局部功能展示頁面如圖7所示。

(a) 壓氣機出口溫度誤差

(b) 透平排氣溫度誤差圖7 運行偏差監(jiān)測

4 結(jié) 論

燃氣輪機的故障類型與燃氣輪機的運行參數(shù)之間有著密切的聯(lián)系，不同的故障類型對應著不同的參數(shù)變化。考慮到在燃氣輪機投入初期，燃氣輪機處于安全常態(tài)運行，發(fā)生故障的概率非常低，并沒有大量的故障數(shù)據(jù)用來進行故障診斷，因此，本研究針對燃氣輪機發(fā)生故障會導致機組流量和機組效率發(fā)生改變這一特點，將機組效率降低5%設(shè)為故障工況，將GRU建立模型的基準值和實際值所產(chǎn)生的參數(shù)偏差作為監(jiān)測對象，一旦偏差超過設(shè)定的閾值，便能夠初步判斷設(shè)備故障發(fā)生的位置，合理安排計劃，對機組進行停機維護。在缺乏歷史故障數(shù)據(jù)的燃氣輪機運行初期，該方法可以有效地對機組進行早期的故障診斷及故障預警，防止安全事故的發(fā)生，降低維修成本，是一種有效且簡單實用的系統(tǒng)異常分析方法。隨著機組運行時間的增加，誤差曲線可以為后續(xù)機組故障的詳細分類提供數(shù)據(jù)支持。