一种基于机器学习的低温省煤器状态监测系统及方法

摘要

本发明公开了一种基于机器学习的低温省煤器状态监测方法，其特征在于，包括：S1，获取低温省煤器多个测点预定时间段和当前的进出口烟气差压、烟气进出口温度、进出口给水压、进出口给水温、发电机有功功率、大气温度，并建立低温省煤器模型；S2，设定可能出现的故障模式并添加到低温省煤器模型，并将机器学习算法作为运行算法；S3，设置数据采集周期以及测点参数，测点参数包括上下限值、延时、测点报警级别；S4，选取正常工况的历史数据训练低温省煤器模型；S5，在试运行预定时长后，根据低温省煤器监测模型的评级进行调优，包括：测点的增删、样本的增删、投入条件的调整、测点超限值的调整、延时的调整、测点报警级别的调整、算法的调整。