马春林 屠海彪 李文杰 严寒夕

（浙江浙能台州第二发电有限责任公司）

火力发电机组设备昂贵，故要求机组以最佳的经济性连续运行。 近年来，随着电站单机容量的不断增大，设备间的耦合性、系统复杂性逐渐增加，同时由于设备长期运行在高温、高压、高速旋转的特殊工作环境下，导致火电厂成为一个故障率高且危害性大的场所，一旦发生故障，将造成重大的损失和后果［1］。通常，大部分电厂通过对设备进行周期性检查与维护的手段来保障其安全连续运行，但这种方法主要依赖于人工经验和历史数据［2］，而且大多数设备、备件的故障间隔离散性较大，导致这种方法存在一定的弊端：

a. 维护成本高，效果有限。 如果检查和维护周期频率过高，不仅会产生巨大的物力和人力成本，还会产生一些不必要的甚至一些可能是有危害性的维护行为。

b. 如果检查和维护周期频率过低，则又会使设备故障的风险提升，可能造成更大的损失［3］。

因此，利用先进技术方法对设备运行时的参量进行监测与解析， 来确定设备是否存在问题，或判断设备故障的位置、原因和劣化趋势，从而进一步确定恰当的维修时机，把事故隐患消灭在萌芽状态，降低维修成本和事故停机率，具有很高的投资收益比。

近年来，物联网技术和深度学习技术的快速发展推动了设备状态监测和故障诊断技术的进步，使得预防性维修有了前提条件。 电厂旋转机械设备常需要连续工作并且对安全可靠性需求较高［4］，其中，滚动轴承作为电厂旋转机械设备的重要零部件，支撑着设备的可靠运行［5］。……