基于多图卷积神经网络的主汽温系统故障诊断

作者：吴铮; 张悦; 董泽^*

来源：动力工程学报, 2023, 43(02): 237-245.

DOI：10.19805/j.cnki.jcspe.2023.02.015

• 图卷积神经网络
• 主蒸汽温度系统
• 故障诊断
• 火电机组
• 拓扑结构

针对主汽温系统具有大迟延、大惯性、非线性和时变性的特点，提出了一种基于多图融合-图卷积神经网络的故障诊断方法。建立邻接图和相关性图，将机组历史运行数据扩展为非欧式空间的图数据，引入特征权重和截断参数来约束节点间的相关性，对图信息进行融合。同时，利用邻接矩阵建立各运行数据间的拓扑信息，并通过深度图卷积结构融合邻近节点信息，建立系统数据与运行状态间的映射关系。结果表明：相较于概率神经网络(PNN)、长短期记忆神经网络(LTSM)和最小二乘支持向量机(LSSVM),所提MG-GCN模型的故障诊断准确率分别提升了11%、7%和16%,误检率、漏检率均较低，能够对多种系统故障类型进行准确识别，具有良好的故障诊断性能。

• 单位
  华北电力大学