基于改进KNN算法的汽轮机通流故障诊断方法及应用

闾 城，陈时熠，华心果，向文国

（东南大学能源热转换及过程测控教育部重点实验室，江苏 南京 210096）

众所周知，能源是人类生活中必不可少的一部分[1]。传统的火力发电由于污染重、效率低等缺点开始逐渐被其他发电方式所替代。燃气轮机联合循环发电由于其高效率、低排放、分布式等特性，已经逐渐成为能源领域重要的发展和研究方向之一[2]。联合循环用汽轮机是燃气-蒸汽联合循环装置中重要的设备之一，其技术水平也直接影响到联合循环机组的循环效率、设备可用率及单位造价[3]。因此，联合循环汽轮机的经济性能、运行灵活性和安全可靠性将影响联合循环的总体性能。

作为发电的主要设备，汽轮机长期处于高温、高压、高速的工作环境中，极易发生性能退化[4]，一旦发生退化对汽轮机的安全和经济运行将产生巨大的影响，因而对汽轮机退化诊断具有重要意义[5]。目前美国通用电气（GE）、日本东芝电气、日立电气、富士和三菱等企业均已拥有完善的汽轮机故障诊断技术和体系。

我国在汽轮机故障诊断研究方面起步较晚，与西方发达国家有一定的差距[6]。董晓峰基于RCM分析，采用主元分析提取通流部分故障征兆，再进行聚类分析，归纳了通流部分的故障模式类[7-8]；忻建华等根据通流故障与热力参数的关系，提出了高压缸通流部分故障的热参数模糊诊断法[9]；上海交通大学郝志莉、叶春总结了汽轮机通流部分故障的特性并进行了分类[10]。……