摘要:汽輪機數字電液控制系統依靠抗燃油(EH油)對汽門進行調節,抗燃油一旦發生泄漏,將危及機組的運行安全。為提高EH油泄漏故障的監測可靠性,減少電廠非計劃停機次數,基于大數據挖掘與數據驅動技術,構建了多個不同結構的卷積神經網絡模型,用于預測監控EH油箱油位。利用機組實際運行積累的大量數據,建立模型訓練與驗證數據集,從預測準確率、交叉熵損失及運算耗時等方面對模型進行了綜合評價。評估結果表明,A結構的模型準確性最高,約為98.92%,交叉熵損失最低,約為0.043 1,而模型運算時長中等,綜合性能最優。將A智能模型整合進電廠分散式控制系統中進行實際驗證,其監測準確,預警及時,顯著減少了監盤和巡檢人員的工作量,提高了電力生產的自動化、智能化水平,相關應用經驗可供同類型機組參考。