李禹希

（集美大學輪機工程學院， 福建 廈門 361000）

引言

燃氣輪機排氣的具體溫度能夠在一定程度上代表其整體系統(tǒng)運轉(zhuǎn)的質(zhì)量水平，不同溫度能夠反映燃氣輪排氣的實際故障。技術(shù)人員通過對溫度以及相關參數(shù)的對比檢測，能夠?qū)θ細廨啓C的實際運行效率、質(zhì)量等進行合理評估，同時對系統(tǒng)既有的隱患以及可能發(fā)生的故障做出診斷，全面性地提升燃氣輪機運行的穩(wěn)定性、安全性與可靠性。

1 FCM 聚類算法

1.1 基本原理

FCM聚類算法與傳統(tǒng)概念下的C 均值聚類算法有所不同，其跳脫了以往通過簡單距離評估的聚類方式，反而以計算隸屬度的方式來反映歸屬類，這種算法不僅具有更高的準確性，同時具有廣泛的應用性，針對熱力系統(tǒng)監(jiān)控、圖像分隔識別等眾多領域而言皆有一定的實際價值[1]。

設定樣本集合x={x1，x2，x3，…，xn}確定樣本xk有t個屬性，則xk={xk1，xk2，xk3，…，xkt}。確定聚類數(shù)目為a，F(xiàn)CM聚類算法依照最小平方差以及目標函數(shù)進行計算，則xk隸屬于a 個區(qū)域。

以μij代表第j 個隸屬于第i 類，μij需要滿足如下條件：

1）對應樣本與類別的隸屬度應處于[0，1]的區(qū)間內(nèi)，即μij∈[0，1]；

2）任一樣本對應全部類別的隸屬度總和應該為1，

3）每一類區(qū)間中所包含的樣本數(shù)量應為（0，1），即?j，μij∈（0，1）。

利用平方誤差函數(shù)求取最優(yōu)數(shù)值，進而優(yōu)化目標函數(shù)：式中：m 為模糊權(quán)重影響因素，當m 的數(shù)值越高時則代表聚類效果越模糊，通常取1＜m≤2。U=[μij]a×n代表模糊隸屬度矩陣。V 表示聚類中心矢量集合，Vi則代表第i 個中心矢量。dij代表樣本j 與聚類中心i 之間的距離。整體公式可以表示為：

基于上述內(nèi)容可以得知的是，F(xiàn)CM聚類算法的本質(zhì)便是利用對中心矢量的計算，求得不同樣本與其對應中心質(zhì)量之間權(quán)重距離在最小值。

1.2 算法描述

依照上文內(nèi)容所推導出的FCM聚類算法基本原理所進行的無監(jiān)督聚類分析方法的具體建模流程可以參考下述內(nèi)容：

1）初始化：確定在迭代標準ε＞0 的情況下，初始化分類矩陣V0以及迭代步數(shù)k=0；

4）迭代檢驗：

利用矩陣范數(shù)比較法對比V（k+1）以及Vk，假設結(jié)果能夠滿足上述公式即可停止迭代，否則需要基于k=k+1 返回到第二步繼續(xù)迭代，直至得到對應結(jié)果。

2 燃氣輪機排氣溫度異常原因及檢測方式研究

2.1 燃氣輪機排氣溫度異常原因

燃氣輪機正常運行時，排氣溫度較低。隨著燃氣輪機運行時間的延長及在其他因素影響的背景下，將出現(xiàn)以下排氣溫度升高反應：軸流壓氣機結(jié)垢→壓氣機管路變窄→排氣溫度升高進而導致燃氣輪機排氣溫度上升。

在正常情況下，可通過以下兩類方式進行燃氣輪機穩(wěn)控調(diào)節(jié)。其一為溫度燃料雙限制控制，其二為溫度噴嘴控制。

1）溫度燃料雙限制控制：若溫度噴嘴未能對排氣口排氣溫度有效控制，可采用此類模式。通過減少進入燃料室內(nèi)燃料氣的溫度，進而抑制溫度提升，但此方法是通過減少燃料的方式來實現(xiàn)的。若減少燃料量超過臨界值，將導致供應燃氣輪機的推動力過小，出現(xiàn)壓氣機喘振，甚至機組跳車的情況發(fā)生。通常情況下，當壓氣機需要進行溫度控制調(diào)節(jié)時，因設備內(nèi)部尚處于不穩(wěn)定狀態(tài)，設備運行過程中各類微小的變化均可導致穩(wěn)控系統(tǒng)發(fā)生劇烈波動。因此，一般在對燃氣輪機進行降溫時，需要避免在設備與溫度燃料雙限制控制時運行設備，以保證燃氣機的長時間平穩(wěn)運行。

2）溫度噴嘴控制：PLC 系統(tǒng)監(jiān)測到排氣系統(tǒng)溫度達到溫控值時，將重新分配高壓軸、低壓軸之間的功率分配。這一機制將導致壓氣機打量提升，高壓軸功率提升，進而降低排氣口排氣溫度。

2.2 數(shù)據(jù)處理分析

以西門子某型號工業(yè)燃氣輪機為主要研究對象，其周邊布置有24 個排氣溫度測量點，在燃氣輪機不受外界影響的情況下，記錄下這24 個排氣.測點的溫度數(shù)據(jù)以及相關參數(shù)的變化情況。將這24 個排氣測點的數(shù)值依照順序進行集合，得到集合{T1，T2，T3，…，T24}。首先，將該集合中的24 個數(shù)值進行大小遞增排序如{T'1，T'2，T'3，…，T'24}，注意這24 個數(shù)值的大小順序。而后，將每個測點的溫度數(shù)值減去該集合24 個溫度數(shù)值的平均值，得到新的集合{T''1，T''2，T''3，…，T''24}，則T''i=T''i- 平均值，i=1，2，3，…，24

為驗證上述數(shù)據(jù)處理方式的實效性，特將不同數(shù)據(jù)處理方式的聚類精準度整合為表1。可以見得，相較于其他方式而言，本文所重點研究的先排序后減均值的聚類法具有更高的實效性[2]。

表1 不同數(shù)據(jù)處理法對聚類精準度的影響

經(jīng)過大量的實踐研究，可以得知只有當排氣溫度的狀態(tài)設置為第7 類時，才能夠全面性地費反映出排氣溫度的特征。

3 燃氣輪機排氣溫度異常診斷[3-5]

本文所重點研究的西門子某型號燃氣輪機層出現(xiàn)過溫度冷熱不均和的問題，其冷熱點遠超機械自我保護閾值，最高到達了54°?；诖?，結(jié)合上述內(nèi)容進行分析，依照數(shù)據(jù)的表征可暫且定義為燃燒器堵塞所造成的溫度過高。為進一步確定上述計算方式的有效性，特對燃氣輪機值班燃燒器以及預混燃燒器進行細致檢測，通過內(nèi)窺鏡的實際觀察對比FCM聚類算法的有效性。觀測發(fā)現(xiàn)燃機預混燃燒器表面出現(xiàn)結(jié)構(gòu)、結(jié)焦等情況。為進一步驗證記過，對其24 個溫度測點進行壓縮空氣流量測試。測試后發(fā)現(xiàn)，值班燃燒器的情況要明顯優(yōu)于預混燃燒器，并且預混燃燒器24 個數(shù)據(jù)之間的差值較為顯著，流量測試結(jié)果較差，大部分測試偏差遠超上限數(shù)值。使用程度較新的燃燒器流量結(jié)果在2.3 左右，而測驗樣本燃燒器的平均值為1.878，最小值為1.431。結(jié)合內(nèi)窺鏡觀察結(jié)果可以得知FCM聚類算法確實能夠診斷出燃氣輪機部分故障原因，并且依照計算結(jié)果的數(shù)值大小，可以酌情采用清洗、消除流量偏差等不同程度的方式。

4 結(jié)語

排氣溫度能夠直接反映出燃氣輪機運行狀態(tài)的健康與否，針對甩負荷、渦輪葉片等組件、零部件的影響進行故障診斷研究，有助于提升整體燃氣輪機的健康管理水平。但基于現(xiàn)階段有關于燃氣輪機在甩負荷情況下的排氣溫度研究樣本與研究內(nèi)容較少，相關研究者也無法獲取更具代表性、更完整的聚類特征。故此，謹以本文作引玉之磚，以期相關研究人員能夠在未來取得更完善、科學的研究成果。