基于改进KNN算法的汽轮机通流故障诊断方法及应用

汽轮机的故障诊断对整个电厂的安全运行意义重大。根据热力参数建立计算模型可以及早地观测到性能退化趋势，预测设备故障类型。本文采用特征通流面积的方法建立汽轮机系统性能退化模型，模拟系统故障样本与测试样本，建立设备故障样本库。通过使用改进的KNN（K-nearest neighbor）算法，基于汽水系统热力参数变化规律，计算当前机组运行数据样本相对于设备故障样本的相似度，判定当前机组各设备已发生故障的概率。通过对某S109FA联合循环机组汽轮机研究结果表明，特征通流面积在不同工况下的计算误差均在5%以内，满足工程计算要求。相比于传统KNN算法，改进KNN算法通过样本评估近邻在决策过程中的权重，取得了比传统KNN算法更高的分类正确率。对测试样本故障诊断结果表明，改进KNN算法比传统KNN算法诊断准确率更高，对测试样本诊断准确率为100%，采用改进KNN算法汽轮机系统故障诊断具有可行性,与现场实际情况吻合。

Fault diagnosis method of turbine flow passage based on improved KNN algorithm and its application