关于对压缩机特性的趋势预测采用的理论分析

　　压缩机性能的趋势预测在分析压缩机的运行性能时，不仅需要对当前的实时热力性能进行分析、评估，更需要知道压缩机组的未来的运行状态，应用灰色系统理论建立GM（1，1）模型，使未来的运行状态由黑变灰，再通过灰色关联分析，作出灰色决策，这些对于工厂的生产都具有很重要的指导意义。

　　多变效率变化率的模拟预测多变效率Gp是评价压缩机运行经济性的一个很重要的参数。但在实际运行过程中，由于运行工况的不断变化，多变效率值也随之变化，如果单纯的以某工况实际多变效率值而不和预期多变效率值联系起来作为评估参数，就不能反映压缩机元件所处的工作状态是否良好或者恶化，因此采用机组预期多变效率Gop与实际多变效率Gp的变化率$Gp来作为一个评价参数：$Gp=Gop-GpGop因此需要对$Gp建立GM（1，1）模型，以某乙烯化工厂的GB201压缩机**段实时运行的某组多变效率值为例。

　　当压缩机运行工况不稳定时，多变效率变化率值$Gp的变化较大，在一个原始序列里可能有一个或者两个数据发生突变DD数据异常，这种规律性很差的数据可能不满足准光滑条件或者其1DAGO序列不具有准指数规律。这时，如果直接用$Gp作为原始序列作GM（1，1）模型来计算与预测，仍然很难修正这种误差。为了达到较高的模拟预测精度，正确的反映压缩机热力性能的变化规律，这时需要对原始序列里的异常突变数据进行剔除。

　　轴耗功率的预测轴耗功率在压缩机性能评估中是另一个很重要的评估参数，在工厂趋势分析中，需要知道实际总轴耗功率H与预期总轴耗功率H0的变化率$H，$H=H0-HH0（10）这时，也可以采取以变化率为原始序列的方式来建模，与多变效率变化率趋势分析预测类似，也可以采取直接建模GM（1，1）的方式，这里不再加以讨论了。

　　在压缩机实时在线性能预测中，总轴耗功率的模拟预测刻均对应一个数据项，如果将所有的历史数据与实时数据作为一个数据序列来建模，既不必要也不可能。建模的主要目的是为了预测，为提高预测精度，首先要保证有充分高的滤波精度，因此建模数据一般应取为包括当前时刻在内的一个等时距系列。当新的信号采集来之后，去掉*老的信息，建立新陈代谢模型GM（1，1），这种模型以较新的信息为基础，弱化比较陈旧的信息的影响，在程序中也易于实现。这种模型比信息模型GM（1，1）精度高。