中国安全科学学报

作者：林青, 姚俊名, 梁伟, 杨放, 廖春燕, 王有春

单位：1 中油国际管道有限公司,北京 102249；2 中国石油大学(北京) 安全与海洋工程学院,北京 102249；3 应急管理部 油气生产安全与应急技术重点实验室,北京 102249

关键词：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

基金：中国石油天然气集团有限公司合作项目(DNY-2022-HT-26)

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。

来源：2023年第9期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第9期