基于VMD 与LSTM-VAE密度聚类的火电机组主蒸汽压力异常检测方法

来源：机械与电子杂志2026年第01期北京时间：

作者：廖彬生;聂益民;曾江蛟;袁宇龙;何钧;袁小翠

单位： (1.国能九江发电有限公司,江西 九江 332504;2.江西水利电力大学电气工程学院,江西 南昌 330099;3.国网江西省电力有限公司电力科学研究院,江西 南昌 330096)

摘要：为提升火电机组主控参数异常检测能力,以主控参数主蒸汽压力为对象,提出基于VMD 与LSTM-VAE密度聚类的火电机组主蒸汽压力异常检测方法。采用变分模态分解方法对主蒸汽压力时序信号进行多分量分解,提取主导模态并重建信号以实现降噪;构建长短期记忆网络变分自编码器模型,通过无监督学习提取正常工况下的时序数据分布特征,计算每个滑窗的重构误差;将重构误差作为聚类特征,并应用自适应密度聚类算法对重构误差特征分类,从而实现异常检测。以某电厂650 MW 火电机组主蒸汽压力数据为算例样本,分析结果表明,异常检测精确率达到0.832,召回率达到1.000,F1分数达到0.908,且在标准差0.05的高斯噪声干扰下F1分数仍达到0.887,验证了所提方法的检测性能和应用价值。

关键词：火电机组;异常检测;变分模态分解;LSTM VAE;DBSCAN