基于堆叠自动编码器的汽轮发电机多指标故障诊断模型

大型发电机的故障诊断对电网安全和经济运行具有重大影响,但由于实际操作中的故障数据较少,且预警指标单一无法满足汽轮发电机故障诊断的要求。因此,提出一种基于堆叠自动编码器的汽轮发电机多指标早期故障预警与诊断模型。首先,根据多种相关性方法对数据进行降维处理,采用堆叠自动编码器来学习降维后数据之间的深层映射关系,并提取出重构误差;在此基础上,建立包括参数与测点温度的静态阈值,重构误差的自适应动态阈值,温度波动差值的动态阈值和电流及有功功率上升速率阈值的多指标综合故障预警与诊断模型;然后建立故障征兆–参数关联合集,将超过阈值的数据结合实际值与预测值的残差值,完成故障的具体诊断。最后,以京能集团河北涿州电厂以及山西某热电厂350MW汽轮发电机实际数据为例,验证所提出的基于堆叠自动编码器的汽轮发电机多指标故障诊断模型的有效性,算例分析表明,所提出的基于堆叠自动编码器的汽轮发电机多指标故障诊断模型能够提前2~10h预警故障并诊断出故障类型,为汽轮发电机安全稳定运行提供保障。