基于深度学习的燃气发电机组剩余寿命预测

作者：林青; 姚俊名; 梁伟^*; 杨放; 廖春燕; 王有春

来源：中国安全科学学报, 2023, 33(09): 113-121.

DOI：10.16265/j.cnki.issn1003-3033.2023.09.0231

• 燃气发电机组
• 剩余寿命预测
• 深度学习
• 量子遗传算法(QGA)
• 油气站场

为了保障油气站场关键设备随运行年限增加的安全稳定运行，减少安全生产事故，同时，提高检维修效率降低运行成本，基于深度学习模型与遗传优化算法，针对油气站场的燃气发电机组提出一种新的剩余寿命预测模型。首先，对油气站场采集的燃气发电机组运行工况数据进行预处理，利用主成分分析(PCA)算法分析主成分多维传感器特征，提取出信号主成分作为特征输入；利用一维转置卷积(TransConv1D)与长短期记忆(LSTM)网络构建深度学习剩余寿命预测模型进行训练；针对模型训练过程中特征堆叠冗余的问题，利用量子遗传算法(QGA)优化模型的2个超参数；通过实例验证并与传统方法进行对比分析。结果表明：相比于传统模型，提出的剩余寿命预测模型预测结果的平均绝对误差(MAE)与均方根误差(RMSE)分别降低2.46%与7.85%。所提模型预测误差更小，能够更加准确地预测燃气发电机组的剩余寿命。

• 单位
  中国石油大学（北京）