陈尚年，李录平*，张世海，欧阳敏南，樊昂，文贤馗

汽轮发电机组振动故障诊断技术研究进展

陈尚年1，李录平1*，张世海2，欧阳敏南1，樊昂1，文贤馗2

（1．长沙理工大学能源与动力工程学院，湖南省 长沙市 410014；2．贵州电网有限责任公司电力科学研究院，贵州省 贵阳市 550002）

高参数大容量汽轮发电机组的安全稳定运行对电力生产具有重要意义。综述了汽轮发电机组振动故障的机理、信号检测、信号分析、特征提取以及故障诊断方法。针对传统的智能诊断方法面临采样数据量大、信号特征提取困难、故障训练样本不足等问题，介绍了先进的传感技术和以深度学习为代表的新一代智能机器学习技术。通过分析得出结论：未来汽轮发电机组振动故障诊断技术应以人工智能、大数据、云计算等技术为核心，融合虚拟化及三维可视化技术，实现故障诊断的速度与精度相统一。

汽轮发电机组；特征提取；故障诊断；人工智能；大数据；云计算；深度学习

0 引言

汽轮发电机组作为电力生产系统的关键设备，造价昂贵、结构复杂、自动化程度高、运行工况多变，不同运行数据之间关联性强，往往面临多故障并存的风险，导致诊断数据信息量大增，机组状态信息存在严重的数据异构，信息冗余度高，不同的机组之间难以实现资源共享[1-4]。国内外关于汽轮发电机组故障诊断技术方面的研究已经有很大的进展，例如美国西屋公司研制出的TurbinID系统和GenAID系统，德国EPro公司研制的SCOPE系统等，在机组安全运行方面发挥着巨大的作用。……