<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">ERA</journal-id><journal-title-group><journal-title>Engineering Research and Application</journal-title></journal-title-group><issn>2995-3154</issn><eissn>2993-2742</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ERA.9253</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>燃气机组故障预警模型研究及应用</title><url>https://artdesignp.com/journal/ERA/2/12/10.61369/ERA.9253</url><author>杨耀辉</author><pub-date pub-type="publication-year"><year>2024</year></pub-date><volume>2</volume><issue>12</issue><history><date date-type="pub"><published-time>2024-12-20</published-time></date></history><abstract>随着近些年来科技的快速发展，燃气机组作为重要的能源设备，在电力、工业和民用领域扮演着至关重要的角色。它们的稳定运行直接关系到能源供应的可靠性以及经济效益。针对于此本文首先分析了燃气机组的工作原理及常见故障类型，随后说明了故障预警模型设计中的的理论基础，并通过分析燃气机组故障预警模型的关键技术问题提出了该系统的优化方向与部分策略，期望通过数据处理技术与多源数据融合技术的应用，能为燃气机组的稳定运行提供帮助。</abstract><keywords>燃气机组,故障预警模型,应用</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 王明达，韦永健，王建军，等．基于SVM-BN 的天然气长输管道燃气轮机故障预警方法研究［J］．天然气工业，2017,37(11):112-118.[2] 应雨龙，李靖超，庞景隆，等．基于热力模型的燃气轮机气路故障预测诊断研究综述［J］．中国电机工程学报，2019,39(03):731-743+952.[3] 罗颖锋，曾进．基于支持向量机的燃气轮机故障诊断［J］．热能动力工程，2004,(04):354-357+436.[4] 范小霞，古小平，李国志，等．压气站燃气轮机模糊故障树失效分析［J］．天然气与石油，2010,28(06):10-13+28+89.[5] 吕庭彦，重型燃气轮机透平排气密封冷却系统故障预警诊断技术研究及工程应用．北京市，中国大唐集团有限公司，2019-06-14.[6] 徐童，茅大钧．多数据融合的燃气- 蒸汽机组设备故障预警系统［J］．电工电气，2017,(06):40-43+47.[7] 李连杰，朱从乔．模糊数据融合技术在柴油机状态监测中的应用研究［J］．船海工程，2006,(05):33-35.[8] 杜守印，李斌，胡鑫．基于决策树的数据融合技术在电主轴故障分析与预测中的应用［J］．天津科技，2016,43(10):15-17+20.[9] 牛立东．基于数据挖掘法的矿井瓦斯联动监测［J］．中国安全科学学报，2011,21(07):62-68.[10] 金杉，崔文，金志刚．正态分布的贝叶斯网络火灾数据融合预警研究［J］．计算机应用研究，2016,33(05):1473-1476+1485.[11] 侯跃恩，李伟光，容爱琼，等．融合背景信息的分块稀疏表示跟踪算法［J］．华南理工大学学报（自然科学版）,2013,41(08):21-27.[12] 杨杰，杨虎，王鲁滨，等．高维相关性缺失数据的分块填补算法研究［J］．计算机科学与探索，2017,11(10):1557-1569.[13] 陈志奎，杨英达，张清辰，等．基于属性约简的物联网不完全数据填充算法［J］．计算机工程与设计，2013,34(02):418-422.[14] 胡立花，丁世飞，丁浩．基于启发式的粗糙集属性约简算法研究［J］．计算机工程与设计，2011,32(04):1438-1440+1507.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
