王 贺，柳玉宾

(1. 上海电力大学 自动化工程学院，上海 200090；2. 中国华电集团科学技术研究总院有限公司，北京 100070)

燃气轮机是一个复杂的非线性系统，它由数以万计的部件构成，每一个部件都会对燃气轮机的工作性能产生影响。由于燃气轮机体积小、质量轻等优点，目前广泛应用于各种分布式能源系统中。由于燃气轮机长期处于高温、高压以及各种不同工况的工作条件下，其部件极易发生损坏，一旦发生机械故障，将会对整个能源站产生不菲的经济损失，甚至会发生一些安全事故。因此，对燃气轮机进行故障预警具有重大的意义。

1973年，Urban首次提出了基于模型的气路分析方法，该方法促进了人们对燃气轮机故障诊断技术的研究。随着计算机技术的突飞猛进，机器学习等方法被应用于燃气轮机的故障诊断中。王文祥等[1]提出了基于模糊聚类的故障诊断方法，当样本数量过大时，系统变得愈加复杂，在实际应用中具有一定的难度。Jiang等[2]提出了基于神经网络的燃气轮机故障诊断方法，但泛化能力较弱。涂雷等[3]提出了基于CGABC-SVM的气路故障诊断方法，该方法通过人工蜂群算法对SVM进行改进，具有较高的准确性和广泛的应用前景。目前，气路性能监测是对燃气轮机进行健康管理的方法之一，该方法主要是判断燃气轮机的主要参数是否超过阈值，但阈值是固定的，因此对于不同工况下的参数监测并不适用。林新智等[4]提出了基于模型的气路故障预警方法，通过设计燃气轮机各功能模块，使得燃气轮机可以在不同工况下进行工作，由此设计不同工况下的阈值，该方法有效解决了传统阈值固定所带来的局限性问题。……