基于TCN-SDAE模型与自适应动态阈值的引风机故障预警研究

来源：动力工程学报杂志2026年第7期北京时间：

作者：朱国雄, 张效宁, 徐健, 姚珺, 牛玉广, 王庆华, 刘吉臻,

摘要：为提升引风机故障预警的准确性与可靠性,提出一种融合时间卷积网络(TCN)与堆叠降噪自编码器(SDAE)的无监督智能预警方法。该方法创新性地结合TCN的时序建模能力与SDAE的特征压缩优势,基于引风机正常运行数据构建预测模型,采用重构误差的马氏距离衡量状态偏离程度,并结合滑动时间窗口与切比雪夫不等式实现多变量动态阈值设定,有效提升了异常检测的精准性与适应性。为增强判别鲁棒性,设计连续越限机制以抑制瞬时波动干扰;同时引入变量越限热力图,实现对关键异常变量的可视化解释,显著提升了模型结果的可理解性与运维支持价值。在某300 MW燃煤电厂引风机运行场景下的实证研究表明:该方法能够实现故障的早期识别,具备良好的鲁棒性与动态工况适应能力;所提方法可为辅机系统智能监测提供技术支撑,助力智慧电厂的安全稳定运行,具有良好的工程应用前景。

关键词：引风机,故障预警,深度学习,动态阈值,可解释性,