基于SVM的汽輪機(jī)轉(zhuǎn)子性能評估及趨勢預(yù)測應(yīng)用研究.pdf

1、汽輪機(jī)組是發(fā)電廠的核心設(shè)備，保證其正常運(yùn)轉(zhuǎn)是保證發(fā)電廠持續(xù)發(fā)電的關(guān)鍵。汽輪機(jī)組檢修計劃是電力系統(tǒng)運(yùn)行維護(hù)中的重要內(nèi)容，對電力系統(tǒng)的安全，經(jīng)濟(jì)和可靠運(yùn)行有著直接的影響。隨著故障診斷技術(shù)和實時監(jiān)測技術(shù)的發(fā)展，狀態(tài)檢修理論和技術(shù)逐漸發(fā)展起來，并逐步替代傳統(tǒng)的檢修體制。
　　機(jī)組的性能評估是狀態(tài)檢修的基礎(chǔ)，機(jī)組運(yùn)轉(zhuǎn)性能的發(fā)展趨勢影響著檢修方案的制定。如何對機(jī)組運(yùn)轉(zhuǎn)性能做準(zhǔn)確的評估并且對其發(fā)展趨勢做出準(zhǔn)確的預(yù)測是廣泛推行狀態(tài)檢修技術(shù)所要解決

2、的首要問題。
　　本文通過采用支持向量數(shù)據(jù)描述(SVDD,Surport VectorData Description)算法和最小二乘支持向量回歸(LS-SVR,Least Squares Support Vector Regression)算法來完成汽輪機(jī)轉(zhuǎn)子運(yùn)行性能評估及趨勢預(yù)測。首先，采用小波分解方法進(jìn)行特征值的提取，結(jié)合SVDD算法，建立性能評估模型，并對實際數(shù)據(jù)進(jìn)行評估。其次，以實際數(shù)據(jù)為基礎(chǔ)對比LS-SVR中參數(shù)對模型

3、預(yù)測能力的影響，并初步確定最優(yōu)參數(shù)。再次，通過LS-SVR方法對性能趨勢進(jìn)行預(yù)測，并與實際情況比較，檢驗其準(zhǔn)確性。最后，結(jié)合實際預(yù)測過程中遇到的問題，改變參數(shù)選取評判標(biāo)準(zhǔn)，重新建立預(yù)測模型，并與之前的結(jié)果進(jìn)行對比。
　　實驗證明，SVDD可以完整的描述出性能變化的全過程。預(yù)測方面，在傳統(tǒng)的參數(shù)選擇評判標(biāo)準(zhǔn)基礎(chǔ)上引入新的參數(shù)選擇評判標(biāo)準(zhǔn)，提高了預(yù)測穩(wěn)定性和預(yù)測精度，使得LS-SVR對趨勢進(jìn)行有效的預(yù)測，證明了該方法在實際應(yīng)用中的適用