摘要：為了提高對輔機故障的事前預知能力,結合深度學習中非監(jiān)督學習方法的優(yōu)勢,提出基于改進堆疊自編碼網(wǎng)絡的電站輔機故障預警方法。以輔機的歷史正常數(shù)據(jù)為訓練集,利用堆疊自編碼(SAE)網(wǎng)絡的非線性表達能力表示輔機各變量之間的關系,同時引入批標準化(BN)算法優(yōu)化網(wǎng)絡性能。對于輸入的觀測向量,SAE網(wǎng)絡給出相應的重構向量。構造基于融合距離的相似度表示觀測向量與重構向量間的偏差,當輔機開始偏離正常狀態(tài)時,觀測值與重構值偏差增大,相似度下降至預警閾值即表明設備出現(xiàn)故障。分別利用某熱電機組中速磨煤機的正常數(shù)據(jù)與故障數(shù)據(jù)進行測試與驗證,結果顯示引入BN算法的SAE網(wǎng)絡具有更低的重構誤差,同時能夠在磨煤機跳閘前做出預警,表明所提方法可對輔機故障進行有效預警,具有一定的工程應用價值。