摘要

汽动给水泵组是火电厂热力系统的重要辅助设备,对汽动给水泵组有效的故障预测有助于其状态检修。本文通过基于统计特征的特征提取方法及Relief特征选择算法,实现厂级监控信息系统历史数据到分类模型输入参数的合理转化,并采用5种分类算法分别针对2个电厂汽动给水泵组的小机叶片断裂和给水泵动、静平衡盘碰磨实际故障案例,建立了正常与故障状态的分类模型。实际数据验证表明:BP神经网络、支持向量机和组合分类算法分类效果更优,可提前4~10周识别设备故障的潜在风险,该结果为其他设备故障预测提供了新的思路。