(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210644972.9 (22)申请日 2022.06.08 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 辛小鹏　刘振宇　谭建荣　撒国栋　 张栋豪　刘惠　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 林超 (51)Int.Cl. G06F 30/27(2020.01) G06F 16/36(2019.01) G06F 119/02(2020.01) (54)发明名称 基于知识图谱与机器学习的低热值燃气轮 机特性控制方法 (57)摘要 本发明公开了一种基于知识图谱与机器学 习的低热值燃气轮机特性控制方法。 实时获取低 热值燃气轮机的运行数据， 提取四大部件的特征 变量， 建立部件特征变量的知识图谱； 对特征变 量进行实时运行数据分析建立部分工况部件特 性图谱； 结合部件知识图谱中特征变量关联关 系， 对部分工况部件特性图谱进行优化， 构成全 工况部件特性图谱； 建立变工况过程控制函数， 用变工况过程控制函数对实时运行数据进行总 体变工况计算处理， 预测变工况过程中控制参数 进而进行调整控制。 本发明减少了高昂的部件试 验成本， 避免了煤气压气机单独部件 试验存在的 煤气泄露风险， 避免了部件特性三维建模仿真计 算时间长、 计算准确性低的问题， 提高了可靠性、 经济性和安全性。 权利要求书3页 说明书7页 附图8页 CN 114970363 A 2022.08.30 CN 114970363 A 1.一种基于知识图谱与机器学习的低热值燃气轮机特性控制方法， 其特征在于： 方法 包括以下步骤： 步骤一： 实时获取低热值燃气轮机的运行数据， 提取低热值燃气轮机中的空气压气机、 煤气压气机、 燃烧室、 涡轮四大部件的特征变量， 据此建立低热值燃气 轮机中部件特征变量 的知识图谱； 步骤二： 根据知识图谱对低热值燃气轮机的特征变量进行实时运行数据分析， 建立部 分工况部件特性图谱； 步骤三： 结合低热值燃气轮机部件知识图谱中特征变量的关联关系， 采用随机森林集 成机器学习算法对部分工况部件特性图谱进行优化， 进而用于全工况部件特性图谱预测， 构成全工况部件特性图谱； 步骤四： 采用全工况特性图谱建立变工况过程控制函数， 用变工况过程控制函数对低 热值燃气轮机的实时运行数据进 行总体变工况计算处理， 预测变工况过程中控制参数进而 进行调整控制。 2.根据权利要求1所述的基于知识图谱与机器学习的低热值燃气轮机特性控制方法， 其特征在于： 所述步骤一中， 提取的特征变量包括热力特征变量、 输出特征变量、 运动特征 变量、 几何特 征变量， 建立上述四种类型 特征变量之间的知识图谱。 3.根据权利要求2所述的基于知识图谱与机器学习的低热值燃气轮机特性控制方法， 其特征在于： 所述的热力特征变量为四大部件各自进口和出 口的压力、 温度、 流量， 输出特 征变量为四大部件各自的负荷， 运动特征变量为四大部件各自的转速， 空气压气机的几何 特征变量为空气压气机的进口可调 导叶IGV开度、 高压防喘阀开度、 低压防喘阀开度， 煤气 压气机的几何特征变量为煤气 压气机的可转导叶VGV 开度、 高压防喘阀开度、 中压防喘阀开 度、 低压防喘阀开度， 燃烧室的几何特 征变量为燃烧旁通阀开度。 4.根据权利要求1所述的基于知识图谱与机器学习的低热值燃气轮机特性控制方法， 其特征在于： 所述 步骤二中， 建立部分工况部件特性图谱 包括， 建立空气压气机 压比、 效率分别与空气压气机的出口折 合流量的工况 特性图谱； 建立煤气压气机 压比、 效率分别与煤气压气机的出口折 合流量的工况 特性图谱； 建立燃烧室压力损失系数、 效率分别与低热值燃气轮机的转速、 负荷的工况 特性图谱； 建立涡轮出口折 合流量、 效率分别与涡轮膨胀比的工况 特性图谱。 5.根据权利要求1所述的建立 四种类型特征变量之间的知识图谱， 其特征在于： 所述的 步骤三中， 低热值燃气轮机 部件知识图谱中特 征变量的关联关系包括： A)空气压气机 部件特性预测函数： πc＝f1(mc,IGV,Ble edcH,BleedcL,n)， ηc＝f2(mc,IGV,Ble edcH,BleedcL,n) 其中， f1、 f2为第一、 第二空气压气机部件特性预测函数， πc为空气压气机压比， ηc为空气 压气机效率， mc为空气压气机出口折合流量， IGV为空气压气机进口可调导叶开度， BleedcH、 BleedcL分别为空气压气机的高压防喘阀开度和低压防喘阀开度， n为低热值燃气轮机的转 速； B)煤气压气机 部件特性预测函数： πgc＝f3(mgc,VGV,Ble edgcH,BleedgcM,BleedgcL,n) ηgc＝f4(mgc,VGV,Ble edgcH,BleedgcM,BleedgcL,n)权　利　要　求　书 1/3 页 2 CN 114970363 A 2其中， f3、 f4为第一、 第二煤气压气机部件特性预测函数， πgc为煤气压气机压比， ηgc为煤 气压气机效率， mgc为煤气压气机出口折合流量， VGV为煤气压气机进口可调导叶开度， BleedgcH、 BleedgcM、 BleedgcL分别为煤气压气机的高压防喘阀开度、 中压防喘阀开度和低压 防喘阀开度； C)燃烧室部件特性预测函数： dp＝f5(Bypass,n,P)， ηcb＝f6(Bypass,n,P) 其中， f5、 f6为第一、 第二燃烧室部件特性预测函数， 燃烧室不同特性分为升转速过程和 升负荷过程两部分， dp为燃烧室压损， ηcb为燃烧室效率， Bypass为燃烧室旁通阀开度， P为低 热值燃气轮机的负荷； D)涡轮特性预测函数： mT＝f7( πT,n)， ηT＝f8( πT,n) 其中， f7、 f8为第一、 第二涡轮部件特性预测函数， mT为涡轮出口折合流量， πT为涡轮膨胀 比， ηT为涡轮效率。 6.根据权利要求1所述的基于知识图谱与机器学习的低热值燃气轮机特性控制方法， 其特征在于： 所述步骤三具体为： 采用随机森林集成机器学习算法对低热值燃气轮机的各 个部件的特性预测函数f1、 f2、 f3、 f4、 f5、 f6、 f7、 f8分别进行优化确定特性预测函数中的参数， 以获得的特性预测函数用于进行全工况建模预测： fi＝Γ(D,Dbs) 其中， fi为低热值燃气轮机的特性预测函数， Γ 为随机森林机器学习算 法， D为燃气轮机 特性样本， Dbs为随机自助采样的燃气轮机特性样本 。 7.根据权利要求1所述的基于知识图谱与机器学习的低热值燃气轮机特性控制方法， 其特征在于： 所述步骤四具体为： 根据低热值燃气轮机各个部件的特性预测 函数建立以下 低热值燃气轮机的变工况 过程控制函数： (IGV,VGV,Bypas s)＝f9(n,P) IGV＝f10(mc, πc, ηc,BleedcH,BleedcL,n) VGV＝f11(mgc, πgc, ηgc,BleedgcH,BleedgcM,BleedgcL,n) Bypass＝f12(dp, ηcb,n,P) πT＝ πc×(1‑dp)， mT＝mc+mgc 其中， f9为低热值燃气轮机的变工况过程控制函数， f10为空气压气机IGV的计算函数， f11为煤气压气机VGV的计算函数， f12为燃烧室Bypass的计算函数， n为低热值燃气轮机的转 速， P为低热值燃气轮机的负荷； IGV表示空气压气机进口可调导叶开度， BleedcH表示空气压 气机高压防喘阀开度， Bl eedcL表示空气压气机低压防喘阀开度， VGV表示煤气压气机进口可 调导叶开度， BleedgcH表示煤气压气机高压防喘阀开度， BleedgcM表示煤气压气机中压防喘 阀开度， Ble edgcL表示煤气压气机低压防喘阀开度， Bypas s表示燃烧室旁通阀开度； 对低热值燃气轮机的变工况过程控制函数利用实时运行数据进行处理获得上述各个 控制参数。 空气压气机和煤气压气机的喘振主要发生在升转速过程中， 在升转速过程设置空气压 气机高压防喘阀、 低压防喘阀首先全部 打开， 转速达到90％额定转速时全部 关闭； 设置煤气 压气机高压防喘阀、 中压防喘阀、 低压防喘阀首先全部 打开， 转速达到60％额定转速时开始权　利　要　求　书 2/3 页 3 CN 114970363 A 3