基于SVM-BN的天然气长输管道燃气轮机故障预警方法-天然气工业.PDFVIP

· 112 · 天 然 气 工 业 2017 年11 月 基于SVM-BN 的天然气长输管道燃气轮机 故障预警方法研究 1 1 1 1 1 2 王明达 　韦永健 　王建军 　陈子新 　许志倩 　闫春颖 1. 中国石油大学机电学院　2. 中国石油管道联合有限公司西部分公司 摘　要　燃气轮机是天然气长输管道的核心动力设备，由于其结构复杂、零部件众多、工作负荷大，在运行过程中常发生故障 并触发自保护停机，影响了主管线输气的稳定性。为此，针对天然气干线管道燃气轮机及其附属设备的关键部件、关键故障，利用 SCADA 系统的在线数据，对故障数据进行分析，建立基于支持向量机的在线异常预测模型和基于贝叶斯网络的故障诊断模型 ；然后 通过引入偏离度建立了上述两种模型相结合的故障预警模型，并在天然气干线管道燃气轮机机组上进行了验证。结果表明 ：①所建 立的基于支持向量机的预测模型具有较强的泛化能力，能对压力状态做出较为准确的预测，但是随着预测时间的变长，预测精度也 会不断降低 ；②通过关注故障诊断模型中各底事件的发生概率，能够为现场维护人员提供优先检查的依据，进而减少设备非计划外 停机事故的发生 ；③在燃气轮机润滑油系统实际发生的故障场景进行的应用与验证结果表明，该模型可以准确地对系统故障提前预 测并定位，方法可行、有效，有较高的应用价值。 关键词　天然气　长输管道　燃气轮机　支持向量机　贝叶斯网络　故障树　故障预警与定位 DOI: 10.3787/j.issn.1000-0976.2017.11.015 A SVM-BN based early warning method for gas turbines of natural gas long-dis- tance pipelines 1 1 1 1 1 2 Wang Mingda , Wei Yongjian , Wang Jianjun , Chen Zixin , Xu Zhiqian Yan Chunying (1. College of Mechanical and Electronic Engineering, China University of Petroleum, Qingdao, Shandong 266580, China; 2. Western Branch, China Petroleum Pipeline Joint Ltd., Urumqi, Xinjiang 735000, China) NATUR. GAS IND. VOLUME 37, ISSUE 11, pp. 112-118, 11/25/2017. (ISSN 1000-0976; In Chinese) Abstract: A gas turbine is the core power equipment for long-distance natural gas pipelines. And because of its complex structure, many parts and heavy work load, it often fails and triggers self-protection shut down during the operation, and consequently impacts the gas transmission stability of the main pipelines. In this paper, the fault data were analyzed using the online data o