技术特征：
1.一种火电厂关键辅机故障诊断方法，其特征在于，包括以下步骤：s1、获取火电辅机的原始监测信号；s2、通过中心频率观察法和残差指数法来确定最优变分模态分解算法的参数k，采用最优变分模态分解算法将原始监测信号分解成k个模态函数；s3、对分解后的模态提取特征向量；s4、构造集成学习模型，并且使用提取特征向量进行训练；s5、采集火电辅机的待诊断监测信号，输入至训练后的集成学习模型得到诊断结构。2.根据权利要求1所述的一种火电厂关键辅机故障诊断方法，其特征在于，所述的集成学习模型采集引导聚集-轻量型梯度提升机结构，包括多个级联的轻量型梯度提升机。3.一种火电厂关键辅机故障诊断系统，其特征在于，包括处理器和存储器，所述处理器调用存储器中的程序，执行以下步骤：s1、获取火电辅机的原始监测信号；s2、通过中心频率观察法和残差指数法来确定最优变分模态分解算法的参数k，采用最优变分模态分解算法将原始监测信号分解成k个模态函数；s3、对分解后的模态提取特征向量；s4、构造集成学习模型，并且使用提取特征向量进行训练；s5、采集火电辅机的待诊断监测信号，输入至训练后的集成学习模型得到诊断结构。
技术总结
本发明涉及一种火电厂关键辅机故障诊断方法和系统，其中方法包括以下步骤：获取火电辅机的原始监测信号；通过中心频率观察法和残差指数法来确定最优变分模态分解算法的参数K，采用最优变分模态分解算法将原始监测信号分解成K个模态函数；对分解后的模态提取特征向量；构造集成学习模型，并且使用提取特征向量进行训练；采集火电辅机的待诊断监测信号，输入至训练后的集成学习模型得到诊断结构。与现有技术相比，本发明能够快速的、准确的识别火电厂关键辅机故障类型，及时进行维修和保护，降低火电厂关键辅机故障带来的经济损失，使火电机组能够可靠安全的运行。使火电机组能够可靠安全的运行。使火电机组能够可靠安全的运行。
技术研发人员：陈节涛 彭道刚 周传杰 张林 胡卓飞 张航 徐春梅 裴浩然 戚尔江 王丹豪
受保护的技术使用者：上海电力大学
技术研发日：2022.06.20
技术公布日：2022/9/20