梁 云，张鹏伟，赵文辉

（国能锦界能源有限责任公司，陕西 榆林 719319）

随着国内用电需求日益增多，电厂设备的故障率导致的事故也在逐年递增。发电机作为火力发电的主要电气设备，由于结构复杂，其工作时各类信号干扰大、耦合性强，出现任何重大的故障都会带来一系列的连锁反应，从而造成严重的经济损失，发电机设备运行状态往往会受到各种外界因素的影响，基于规则的故障检测和基于模型的故障诊断等传统检测方法很难将这些复杂的关联关系考虑进去，无法适应复杂多变的发电机设备故障模式，发电机设备运行状态检测的准确性和可靠性有待提高。[1]对发电机组的运行状态进行实时监测，开发设备状态的智能检测，能够更好地识别出各种故障模式下的特征，并将其与正常运行状态进行对比分析。这有助于提前预警潜在的故障，并采取相应的维修和保养措施，从而提高发电机设备的可靠性和运行效率。[2]

近年来，基于大数据、深度学习、人工智能等先进算法广泛应用于电力系统设备预测性维护中，实现设备的健康状态检测、故障智能预测等目标[3]。本文以电厂DCS 系统的发电机组运行数据为基础，筛选并构建一个包括正常运行状态、故障状态以及其他异常状态的训练样本，基于深度学习开发发电机设备运行状态智能检测技术，用于发电机组的运行状态检测，智能预测故障的发生，确定发电机的最优维护时机，这对提高发电机组运行的稳定性，促进电力行业发展具有重要的作用[4]。……