EPTSMElectric Power Technology and Safety Management2997-34732997-3503Art and Technology10.61369/EPTSM.2025090007Article火电厂智能监盘场景下基于深度迁移学习的设备故障诊断与运行风险评估方法https://artdesignp.com/journal/EPTSM/2/9/10.61369/EPTSM.2025090007高晓东,刘彦飞,赵路,董栋2025292025-09-20火电厂作为能源供应的核心环节，其设备运行的安全性与稳定性对保障电网可靠性至关重要。随着电力系统智能化进程的加速，传统监盘模式在复杂工况下对设备异常信号的捕捉存在滞后性、诊断不精准等问题，导致机组负荷波动、发电效率降低，甚至引发系统故障，造成重大经济损失与安全隐患。现有故障诊断方法多依赖专家经验或单一模型，难以应对设备老化、工况变化导致的特征漂移问题，而多模态数据融合技术虽能拓展监测维度，但尚未与深度迁移学习框架深度结合，限制了其在跨机组、跨工况场景下的适应性。因此，构建基于深度迁移学习的设备故障诊断与运行风险评估体系，成为提升火电厂智能化运维水平的关键需求。火电厂智能监盘,深度迁移学习,设备故障诊断,运行风险评估

[1]刘聪,陈晓辉,闫俊北.数字化火电厂能源计量与智能化设备自控的联合应用[J].自动化应用,2022,(10):136-138.[2]马怀成.基于PDCA循环理论的火电厂电气设备故障诊断方法分析[J].光源与照明,2022(006):000.[3]成景宾.火电厂电气设备状态监测与故障诊断技术的应用探讨[A]2025人工智能与工程管理学术交流会论文集[C].中国智慧工程研究会智能学习与创新研究工作委员会,中国智慧工程研究会,2025:3.[4]肖琦,林杰.基于数据驱动的火电厂关键辅机设备故障诊断技术[J].电工技术,2025,(02):204-206+212.[5]梁栋.火电厂设备故障诊断与检修技术研究[J].自动化应用,2024,65(16):150-152+155.[6]姚尧.火电厂设备运行常见故障和处理措施研究[J].中国仪器仪表,2024,(07):89-92.[7]曾阳,张莉,李国朋.基于深度学习的火电厂发电装备智能故障诊断与预测研究[J].自动化应用,2024,65(06):102-104.[8]姜连轶.基于LabVIEW的火电厂旋转设备故障诊断系统研究与应用[J].电站系统工程,2023,39(05):47-50.