论文部分内容阅读
提出以劣化度作为汽轮机运行状态的评价指标,针对汽轮机不同类型的监测信号,将劣化度分为4类,分别给出其计算方法;对劣化度时间序列进行数据预处理,通过分析预测模型识别、模型定阶、模型参数估计、模型检验与优化方法,建立起了汽轮机运行状态的ARMA预测模型。以某电厂600MW机组3号轴承振动数据为例,实现了机组运行状态预测。