控制与决策

作者：张堡霖,赵健程,岳嘉祺,赵春晖,闫月君,陈辰

单位：浙江大学 控制科学与工程学院，杭州 310027;浙江大学 工业控制技术全国重点实验室，杭州 310027,,浙江大学 控制科学与工程学院，杭州 310027;浙江大学 工业控制技术全国重点实验室，杭州 310027,,浙江大学 控制科学与工程学院，杭州 310027;浙江大学 工业控制技术全国重点实验室，杭州 310027,,浙江大学 控制科学与工程学院，杭州 310027;浙江大学 工业控制技术全国重点实验室，杭州 310027;湖州工业控制技术研究院，浙江 湖州 313099;华东交通大学 电气与自动化工程学院，南昌 330013,,阿里巴巴集团，杭州 310024,,中国人民解放军火箭军工程大学 智控实验室，西安 710025,

关键词：压气机水洗;零样本学习;设备退化评估;域对抗

基金：国家自然科学基金杰出青年基金项目(62125306)；浙江省“尖兵”“领雁”研发攻关计划项目(2024C01163)；装备智能运用教育部重点实验室项目(AAIE-2023-0101)；工业控制技术全国重点实验室开放课题项目(ICT2024B19).

燃气轮机发电系统是火力发电装备的核心组成部分, 然而, 系统中压气机叶片的积垢等因素会导致其性能退化. 因此, 实时评估压气机性能退化程度, 并在适当时候进行水洗, 对于确保压气机的安全可靠运行至关重要. 但是, 出于安全性和经济性等因素的考虑, 电厂通常不允许压气机在严重退化的条件下运行, 故压气机严重退化状态数据获取困难, 传统数据驱动的退化评估模型难以建立, 从而无法预测退化程度以判断是否需要进行水洗. 进一步地, 考虑到压气机性能随燃机负荷不同而有不同表现, 这种差异对于评估压气机的实际退化程度产生了干扰, 增加了准确判断其性能退化情况的难度. 鉴于此, 首先, 提出压气机退化知识引导的退化差值生成对抗网络, 在严重退化数据完全缺失的零样本场景下, 利用专家标注的先验知识对性能轻微退化的数据特征实施定向劣化, 生成性能严重退化的数据特征, 进而有监督地训练退化评估模型; 然后, 为缓解负荷变化造成的干扰, 将不同负荷工况视为多个域, 从运行数据中提取消除变负荷影响的特征, 并通过设计知识预测器, 在这些特征中保留各类先验知识的信息, 提升退化差值生成对抗网络的生成质量; 最后, 使用真实压气机运行数据对所提出方法的有效性进行验证, 与其他零样本学习方法相比, 所提出方法退化等级评估调和平均准确率提升了5.22%.

来源：2025年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第9期