基于SVM-BN的天然气长输管道燃气轮机故障预警方法研究

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。